兰州新区大气环境容量特征

通过选取兰州中川机场2008-2010年的地面气象观测资料,利用箱模型,在[WTBX]A[WTBZ]值法的基础上,加入了环境变动量,对规划中的兰州新区大气环境容量的年际变化、年变化、日变化等进行了分析。该模型在计算大气环境容量时体现了污染因子在大气环境中的迁移转化规律, 能够反映污染物在大气环境中的动态变化过程。结果得到兰州新区SO₂全年大气环境容量为15.03×10⁴ t,PM^₁₀为18.03×10₄ t,NO₂为15.16×10⁴ t。基本揭示了该地区大气环境容量的特征,将对新区规划建设及污染物排放限额制定起到了一定的指导作用。     

沙尘对兰州市大气环境质量的影响

利用1951-2010年甘肃省气象局地面观测站沙尘气象资料和2006-2010年兰州环保局PM₁₀、SO₂、NO₂质量浓度资料,分析了兰州市沙尘天气时间变化特征及其对SO₂、NO₂、PM₁₀等大气污染物浓度的影响。结果表明:近60年来兰州市沙尘天气总体上呈现振荡性减少的趋势,沙尘暴、扬沙和浮尘年变化倾向率分别为-0.15 d、-0.72 d和-0.97 d,这与上游沙尘源区沙尘天气振荡性减少有关。沙尘对兰州地区SO₂和NO₂质量浓度影响不大,对PM_2.5质量浓度和PM_1.0数浓度的变化有一定的贡献,但对PM₁₀质量浓度影响非常大,沙尘对春季PM₁₀质量浓度的贡献率在18.4%～43.1%。对2007年5月10日一次强沙尘天气过程研究发现,随着沙尘天气的侵入,兰州市不同粒径气溶胶的浓度陡然上升,然后达到较高的浓度水平,之后由于沙尘天气的减弱、消退或离境,不同粒径气溶胶浓度也逐渐降低并缓慢恢复到正常水平。     

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...     

中国城市空气污染时空分布格局和人口暴露风险

近年来,中国空气污染及其对人口健康危害的时空分布呈现出新的特征。论文使用5 a(2015—2019年)间逐小时的空气质量监测数据,利用变化率计算、热点分析、趋势分析和超标频数统计等方法,分析了中国332个城市的空气质量及人口空气污染暴露风险的时空分布特征,结论如下：① 中国城市近年来空气质量有好转趋势,环境空气质量指数(AQI)下降的城市占所研究城市总数的91.3%;PM_2.5、PM₁₀、SO₂和CO等4种污染物浓度均有所下降,而NO₂和O₃浓度有所上升;② PM_2.5、PM₁₀、SO₂和CO浓度变化率的热点分布于新疆地区和云南—华南地区,NO₂浓度变化率的热点为新疆地区和河套平原,O₃浓度变化率的热点为华北平原至长江中下游流域;西北地区和华南地区空气质量变化幅度较小;③ 9个城市在PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等6种污染物中均有暴露,分布于山西、河北与山东。暴露风险均为0级的低风险城市共有12个,分别位于新疆、云南、贵州、四川、广东、福建和黑龙江。研究结论对于跨区域空气污染的协同治理以及制定差异化的空间人口流动管理政策具有重要参考价值。     

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。     

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。     

沙尘天气过程对中国北方城市空气质量的影响

2014年4月23-25日中国北方地区经历了一次大范围的强沙尘天气过程.利用13个城市的空气质量和气象数据结合后向轨迹模式和MODIS deep-blue气溶胶光学厚度数据,研究沙尘天气过程对中国北方城市空气质量的影响,特别是对PM_2.5质量浓度的贡献。结果表明:来源于塔克拉玛干沙漠及其周边地区的沙尘途经甘肃西北部和内蒙古中西部的沙漠区进而影响下游城市。MODIS deep-blue气溶胶光学厚度的空间分布能够较好地反映出沙尘的水平运动特征。沙尘天气过程可以使中国北方城市PM_2.5和PM₁₀质量浓度分别增加7.5%～1 141.2%和344.0%～2 562.1%,可以有效地降低SO₂、NO₂和CO气体污染物的浓度,而对O₃的浓度影响较小。银川、大同和库尔勒沙尘天气过程期间平均SO₂、NO₂和CO浓度较非沙尘天气过程期间降低最明显,分别降低约80.0%、78.7%和62.1%。     

中国二氧化硫减排分析及减排潜力

SO₂是中国主要污染物总量控制指标之一。分析SO₂排放变化和影响因素对今后SO₂及其他污染物减排具有借鉴意义。在分析近10 a来尤其是"十一五"期间中国SO₂减排趋势的基础上,通过构建对数平均权重模型和减排潜力模型分析SO₂减排的影响因素和减排潜力,并对"十二五"SO₂排放进行情景分析。结果表明:SO₂排放量呈先上升后下降的变化趋势,"十一五"减排目标顺利实现;2005~2009年,中国工业SO₂排放量平均每年减少65×10⁴ t,其中,经济增长平均每年促进SO₂排放量增长315×10⁴ t,技术进步则平均每年使SO₂排放量减少344×10⁴ t,行业结构因素平均每年减少SO₂排放量36×10⁴ t;中国SO₂排放强度存在着绝对趋同和条件趋同,在条件趋同下,2009年中国各地区SO₂减排空间为738×10⁴ t,相当于当年SO₂排放量的1/3;"十二五"期间,若工业SO₂减排目标为8%~10%,则其去除率在2015年末需达到74%~80%,减排形势将依然严峻。     

基于风廓线雷达的北京春季一次“先霾后沙”空气污染过程分析

利用NCEP再分析资料、逐小时污染物浓度数据、风廓线雷达及地面常规观测资料，对北京2018年3月26—29日一次“先霾后沙”的空气污染过程进行了分析。结果表明：霾污染期间PM_2.5峰值浓度为242 μg·m^-3，PM_2.5/PM₁₀值为0.86。受蒙古气旋影响，PM₁₀浓度出现爆发性增长，增长速率达到912 μg·m^-3·h^-1，PM_2.5/PM₁₀值下降至0.11。霾主要影响时段边界层内以西南风为主，平均通风量为15 907 m²·s^-1，大气边界层以稳定的弱上升或下沉运动为主；而沙尘影响时段平均通风量为9 226 m²·s^-1，沙尘天气爆发前边界层明显的下沉运动先于地面污染物浓度的变化。基于后向轨迹模式和潜在源贡献分析方法PSCF计算结果，霾影响时段河北中南部、山西中部等地对北京PM_2.5贡献较多；而沙尘影响时段，北京地区的PM₁₀主要来源于内蒙古中部和辽宁西部。     

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%。     

外部性视角下中国城市网络演化及其环境效应研究

在全球化、快速城市化和新技术革命的背景下,要素流与网络关系构成的“流空间”愈发重要,城市网络结构不断受到冲击与重塑,人地关系矛盾日益凸显,区域空间组织模式及其环境效应已成为环境经济地理学研究的重要议题。本文利用腾讯位置大数据,构建了2015—2018年288个地级以上城市之间的人口迁徙网络,采用社会网络分析和面板空间计量模型,对中国城市网络演化格局及其环境效应进行实证分析。结论如下：① 中国城市网络联系强度高的城市主要分布在“胡焕庸线”东侧的京津冀、长三角、珠三角和成渝城市群组成的菱形结构;城市网络密度和关联性逐渐增强,度数和中介中心性呈现多中心和分散化的发展趋势。② 中国城市空气质量总体有所好转,空间上呈现显著的集聚特征;88.89%的城市空气质量指数（AQI）下降,PM_2.5、PM₁₀、SO₂、CO和NO₂年均浓度有所下降,而O₃年均浓度有所上升。③ 中国城市网络对环境质量的影响主要来源于城市网络外部性所带来的空间溢出效应;城市网络中节点权力地位和影响力的增强,提高了借用规模和借用技术,从而促进环境质量提升。④ 度数中心性提升了东部、中部和东北地区的环境质量,减少了PM_2.5、PM₁₀、SO₂和O₃的年均浓度,增加了CO的年均浓度;而中介中心性则提高了西部地区的环境质量,降低了NO₂的年均浓度。     

东北地区产业发展与工业SO2排放的时空耦合效应

以工业SO₂为对象,以东北地级市（ 本文“地级市”包括东北三省内的哈尔滨、长春、沈阳、大连4个副省级城市。）为研究单元,运用脱钩指数分析了工业产值变化与SO₂排放规模变化的动态耦合关系及空间格局,并利用LMDI因素分解法对各地市工业SO₂排放变化从规模增长、结构转型和技术升级3方面进行解析。研究发现,在东北地区产业发展过程中,工业产值规模的增长对工业SO₂排放增长呈现正向驱动;而工业技术的进步和节能减排措施的使用促进了工业SO₂排放的降低,而产业结构的作用因区域而异。在环渤海湾地区以及辽源、松原、鹤岗、伊春、七台河、绥化等以木材加工和煤电为核心产业发展的城市,能源基础原材料产业比重的上升促进了地区工业SO₂排放的增加。最后根据不同地市工业SO₂减排的主要驱动因素和限制因素,针对性的分类型、分区域提出促进东北地区产业绿色转型的政策建议。     

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.     

基于环境质量标准的环境承载力评价方法及其应用

建立资源环境承载能力监测预警机制,是全面深化改革的一项创新性工作。本文从环境承载力评价视角出发,提出了一种基于环境质量标准的环境承载力评价模型,即通过计算污染物浓度超标指数衡量大气、水及综合环境承载力状况,并以京津冀地区为试点开展案例研究。评价结果显示：①环境综合承载力方面,99%的区县超载。②大气环境承载力方面,可吸入颗粒物(PM₁₀)和细颗粒物(PM_2.5)是主要污染因子,98%的区县超载;臭氧(O₃)和二氧化氮(NO₂)的超标状况也非常严重,分别有87%、72%的区县超载。③水环境承载力方面,进行评价的108个区县全部超载,总氮(TN)、溶解氧(DO)、氨氮(NH₃-N)和总磷(TP)为主要的超标污染因子。该评价模型以环境质量为基础,客观地反映了环境承载力状态,可广泛应用于中国不同尺度单元环境承载力的评价。     

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。