沙尘影响下华北地区一次重污染天气形成与消散过程分析

以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM₁₀,其次为PM_2.5,而SO₂、NO₂、CO、O₃等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

陕西区域环境空气质量时空特征

利用陕西省的环境空气质量自动监测站2017—2021年的监测数据,分析了陕西区域空气质量的逐月变化特征、季节变化特征、年变化特征以及不同污染物的空间分布情况,对不同区域发生重度污染时段的环境空气质量污染特征和成因进行了探讨。结果表明：(1)2017—2021年陕西省空气质量逐步改善,空气质量改善幅度关中>陕南>陕北,SO₂浓度年均下降12.5%,CO浓度年均下降9.9%,PM_2.5年均下降7.2%。(2)关中区域和陕北北部污染较重,陕北南部和陕南区域污染较轻,城市污染程度重于郊县。(3)陕西省空气质量具有明显的季节变化特征,重污染天多在采暖季和春季(1月、2月、3月、11月、12月)。不同区域发生重度污染时的首要污染物具有明显差异。陕北区域重度及以上污染天的首要污染物为PM₁₀(100%),关中区域为PM_2.5(82%)、PM₁₀(17%)、O₃(1%),陕南区域为PM_2.5(81%)、PM₁₀(19...     

陕西省大气环境承载力分析

以陕西省大气环境中SO₂和PM₁₀作为评估对象进行大气环境承载力研究,采用烟云足迹分析法计算了陕西省2010-2013年环境容量系数A值和SO₂、PM₁₀环境承载力的时空分布状况。结果表明：陕西省环境容量系数A值变化范围较大,2010-2013年全省年平均A值变化范围为1~5,陕北地区环境容量系数A值最大,其次为关中,陕南最小,2010-2013年关中地区西安、宝鸡和渭南呈现出逐年下降的趋势。SO₂环境承载力全省整体上2010-2013年变化范围为-148 578.04~-189 149.59 km²,4 a SO₂承载力均无余额,其中渭南和西安SO₂承载力严重不足且呈下降趋势; PM₁₀环境承载力全省整体上2010-2013年变化范围为12 701.47~44 511.02 km²,4 a PM₁₀承载力均有余额,全省各市除渭南和铜川外4 a均有余额,但总体呈下降趋势。     

2017—2019年中天山北坡城市群大气污染及污染天气类型特征

利用2017—2019年中天山北坡城市群（乌鲁木齐市、昌吉市、石河子市、五家渠市）逐时大气污染物监测数据及气象数据,分析了大气污染物年内变化和污染天气类型特征。结果表明：（1） 中天山北坡4座城市6类大气污染物中PM_2.5超标日数最多（年均94~104 d）,年均浓度介于64~73 μg·m^-3,且五家渠市>乌鲁木齐市>石河子市>昌吉市。采暖期PM_2.5浓度在100~118 μg·m^-3之间,是非采暖期的4.00~5.00倍,靠近山前地带的城市PM_2.5浓度日变化大体呈现“双峰双谷型”。（2） 4座城市污染天气类型主要分为静稳型、沙尘型和特殊型,其中静稳型占86.2%~93.6%、沙尘型占5.8%~13.2%。静稳型污染天气多出现在冬季,沙尘型主要出现在春、秋季节。静稳型污染天气中Ⅴ-Ⅵ级污染级别占比45.8%~56.6%,沙尘型污染天气中Ⅴ-Ⅵ级污染级别占比14.9%~29.4%。（3） 静稳型和沙尘型污染天气下PM_2.5和PM₁₀浓度都存在显著的线性相关,前者PM₁₀浓度是PM_2.5的1.26倍,而后者达3.16倍,此倍数可以作为区分静稳型和沙尘型污染天气的判据。     

上海市PM2.5浓度变化特征及其气象因子分析

对上海市2012-2016年PM_2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM_2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM_2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM_2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM_2.5浓度最低,处于16~36 μg·m^-3;PM_2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM_2.5在阈值处出现显著变化;最大PM_2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s^-1以上时,PM_2.5浓度基本减少至35 μg·m^-3;降水量越大,PM_2.5浓度越低。     

东北地区PM2.5质量浓度遥感估算与时空分布特征

利用2014—2018年近地面观测PM_2.5质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据,分别构建估算东北地区PM_2.5质量浓度的多元线性回归模型(Multiple Linear Regression, MLR)、线性混合效应模型(Linear Mixed Effects Model, LME)和随机森林模型(Random Forest, RF),利用十折交叉验证方法对3个模型进行精度评价。根据最优模型估算2009—2018年东北地区逐日PM_2.5质量浓度,结果表明：(1) 3种模型模拟的PM_2.5质量浓度与地面实测值间的相关系数R²排序为RF>LME>MLR,RF模型整体精度最高。(2)不同季节、月份的RF模型模拟PM_2.5质量浓度与地面实测值间的R²均高于0.93,通过R...     

2003-2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

2003—2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

中国高耗能产品生产与区域PM2.5浓度的动态关联效应——基于省级尺度的分析

面向经济高质量发展及实现“双碳”战略目标,中国传统能源密集型产业发展的资源环境效应备受学界关注。基于2000—2017年中国31个省（直辖市、自治区）的面板数据,通过构建面板向量自回归模型（PVAR）,结合脉冲响应分析和方差分解及动态系统GMM模型,探究中国火电、水泥、钢铁、焦炭等典型高耗能产品的生产规模与区域PM_2.5污染的动态关联效应。结果表明：① 短期内,省域PM_2.5浓度具有明显的时间惯性,火电、水泥、钢铁、焦炭产业规模的短期波动对其冲击影响有限;② 动态影响显示,区域钢铁生产规模对PM_2.5浓度的影响程度最大,火电、焦炭行业次之;③ 长期影响结果显示,钢铁、焦炭产业的扩张加剧了PM_2.5污染,而火电、水泥产品生产规模未与PM_2.5污染表现出同步特征;④ 区域PM_2.5污染成因具有复合性,研究期内控制变量如地区经济规模、工业化程度、城镇化率的提高加剧了PM_2.5污染,地方政府环境污染治理力度越弱则PM_2.5污染程度越重。中国在高耗能产品生产规模逐年增加的情况下,有效地控制了区域PM_2.5污染的加剧。未来应进一步提高行业标准,通过技术创新和产业结构升级控制污染物排放强度;增强地方政府对环境污染的治理力度;研究能源原材料产业的适度产能规模,在满足中国新型基础设施、新型城镇化等重大工程建设对基础原材料产业需求的同时,实现环境质量的优化。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

Assessment of Urban Air Pollution and Spatial Spillover Effects in China: Cases of 113 Key Environmental Protection Cities

With rapid urbanization and energy consumption, environmental pollution and degradation have become increasingly serious problems in China. At the beginning of 2013, China implemented new ambient air quality standards (GB 3095-2012) in which the concentration of six pollutants including PM_2.5, ozone, carbon monoxide, PM₁₀, sulfur dioxide and nitrogen dioxide were monitored. This study gathered annual air pollutant concentration data for the six pollutants in 113 key environmental protection cites throughout China in 2014 and 2015 to explain spatial patterns of urban air pollution. Based on the Kernel density estimation method, spatial hotspots of air pollution were illustrated through which spatial cluster of each pollutants could be plotted. By employing an entropy evaluation system, urban air quality was assessed in terms of the six atmospheric pollutants. We conclude that, in general, CO and SO₂ were two important pollutants in most Chinese cities, but this varied greatly among cities. The assessment results indicate that cities with the worst air quality were mainly located in northern and central provinces, dominantly in the Beijing-Tianjin-Hebei metropolitan area. Regression modeling showed that a combination of meteorological factors and human-related determinants, to say specifically, industrialization and urbanization factors, greatly influenced urban air quality variation in China. Results from spatial lag regression modeling confirmed that air pollution existed obvious spatial spillover effects among key cities. The spatial interdependence effects of urban air quality means that Chinese municipal governments should strengthen regional cooperation and deepen bilateral collaboration in terms of air regulation and pollution prevention.     

东北地区大气污染物源排放时空特征：基于国内外清单的对比分析

基于国内外4类常用的污染源排放清单数据（EDGAR：全球大气研究排放数据库；CEDS：社区排放数据系统；MIX：亚洲排放清单；PKU-FUEL：全球燃料排放数据），对东北区域5类人为排放源（工业源、能源、交通运输源、生活民用源和农业源）的8种污染物（PM_2.5、PM₁₀、SO₂、NO_x、NMVOCs、NH₃、OC和BC）从排放总量、来源贡献和时空分布特征等方面进行对比分析。结果表明：东北污染物排放主要以SO₂、NO_x和NMVOCs为主，工业、能源和交通运输为主要贡献源；PM_2.5和PM₁₀主要来自生活民用源和工业源，贡献率前者大于后者。辽宁省污染物（除NH₃外）排放最大，其次为黑龙江省、吉林省和内蒙古东四盟市，冬季排放强度明显高于其他季节。NH₃主要来自农业源，排放峰值发生在5~7月；各清单间排放总量和来源贡献差异明显，EDGAR和PKU清单对NH₃估算差异度为170.3%；SO₂、NO_x、BC和OC的排放差异度均在30%以上。不同活动水平和排放因子的使用是造成清单差异的主要原因。本研究可以掌握东北污染状况，了解清单差异，为本地化清单工作开展提供研究方向，同时也可为模式模拟合理选择清单数据提供参考。     

兰州市沙尘天气污染特征及潜在源区

为了解兰州市沙尘天气期间大气污染特征，选取2016—2017年兰州市国家大气环境监测网络系统21个监测站点逐小时数据，对沙尘天气过程中的污染物特征进行分析。在此基础上，结合地面气象参数，运用HYSPLIT模型聚类计算和激光雷达观测等手段，对颗粒物来源和传输过程进行潜在源区贡献因子（PSCF）和浓度权重轨迹（CWT）分析。结果表明：兰州沙尘天气主要受西北方向、东偏北短距离传输、北部内蒙古路径3类气团影响，其中西北方向气团影响沙尘天气持续时间较长，沙尘过程中消光系数最高，环境空气质量转差显著，其他两类气团影响沙尘天气持续时间较短，有利于污染扩散；沙尘天气发生前期PM₁₀与气态污染物呈现正相关，沙尘天气过程中为负相关，沙尘天气后则再次转为正相关，沙尘天气对气态污染物浓度有降低效果；春季兰州地区颗粒物潜在区分布相对集中，主要来自于兰州西北部河西走廊，PSCF值大于0.7；冬季颗粒物潜在源区分布范围较广，PSCF值集中在0.7~0.9，其中对PM₁₀较大贡献区集中在新疆东南部，贡献值240~320 μg·m^-3。     

全国资源环境承载能力预警(2016版)的基点和技术方法进展

本文探讨了资源环境承载能力预警机制的设计基点,阐释了资源环境承载能力、承载能力评价和预警的基本概念,创建了资源环境承载能力预警的理论模型,并制定了2016版全国资源环境承载能力预警的技术流程、评价体系、集成方法与类型划分等技术要点,为全国资源环境承载能力预警全面试行提供技术参考。研究表明：增长极限论是资源环境承载能力预警的理论基础;以县级行政区为评价单元的资源环境承载能力预警,分别开展陆域评价和海域评价,二者均包括基础评价和专项评价两部分,基础评价采用统一指标体系对所有县级行政区进行全覆盖评价,专项评价根据主体功能区规划选取特征指标对优化开发、重点开发和限制开发区域进行评价;采取“短板效应”原理确定资源环境超载、临界超载和不超载3种类型,结合资源环境耗损过程评价划分红色(极重警)、橙色(重警)、黄色(中警)、蓝色(轻警)和绿色(无警) 5个预警等级,通过陆海统筹校验确定资源环境承载能力“三类五级”评价方案。     

京津冀城市群大气污染的时空特征与影响因素解析

京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_2.5浓度比周围郊区和农村平均高10~20 μg/m³;2014年仅有13.9%的区县空气质量达标,PM_2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_2.5每升高1%,将导致本地PM_2.5至少升高0.5%;社会经济内因对PM_2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。     

黄河流域空气污染的空间格局演化及影响因素

基于2008—2017年黄河流域工业SO₂和PM_2.5两类典型空气污染物数据,首先刻画了两者的空间演化格局,并运用空间面板杜宾模型（SPDM）从直接效应和间接效应两方面对两者的影响因素进行对比分析。结果表明：① 工业SO₂和PM_2.5污染均存在显著的空间集聚特征,从东南至西北方向呈现梯度递减趋势;二者在城市尺度均存在显著的正向空间关联性,但PM_2.5污染的空间关联性比工业SO₂更强;② 2008—2017年,工业SO₂和PM_2.5污染有所缓解,其中工业SO₂排放强度迅速下降;而PM_2.5质量浓度下降相对缓慢,仍是黄河流域主要的空气污染源。③ 产业结构、技术创新、能源效率、人口规模、经济发展、工业规模等是影响黄河流域空气污染的主要因素,但PM_2.5的影响因素更加复杂多样化。其中,技术创新能力和经济发展水平的提升虽然在研究期内加剧了本地工业SO₂污染的排放强度,但却能缓解周边城市的工业SO₂和PM_2.5污染;工业规模的扩大会加剧本地和邻近城市的PM_2.5污染。