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。     

2018年春季中国北方大范围沙尘天气对城市空气质量的影响及其天气学分析

利用多源卫星数据、空气质量数据和再分析资料ERA-Interim分析了2018年春季中国北方一次沙尘天气过程中沙尘气溶胶的光学特性及垂直结构、沙尘天气对颗粒物浓度及空气质量的影响及其机制。结果表明：（1）2018年3月27-30日中国北方地区气溶胶光学厚度、吸收性气溶胶光学厚度和气溶胶指数分别大于0.4、0.035和1.0。沙尘气溶胶主要分布在地面至8 km的范围内，且体积退偏比大部分在0.06~0.4，色比0.6~1.2。（2）各城市颗粒物浓度在一定程度上均受到沙尘天气的影响。3月27-28日，PM_2.5和PM₁₀的平均值分别是国家一级标准的4.1倍和4.3倍。29-30日，PM_2.5和PM₁₀的平均值分别是国家一级标准的3.5倍和3.4倍。28日河北张家口PM₁₀/PM_2.5达4 d之最，最大比值为10.9。（3）低层贝加尔湖高压南压对内蒙古西南部及河西走廊地区的起沙有重要影响，河套地区地面气旋和低层切变是造成华北西部起沙的关键因素，鄂海地区高压脊和东北地区地面的低压系统有利于东北地区的起沙。     

大连市大气污染物质量浓度与气溶胶光学厚度的相关性分析

分别对2015年6~12月和2016年6~12月大连地区的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据进行数据统计分析,基于ENVI软件平台利用MODIS数据反演大连地区的气溶胶光学厚度,通过回归建模研究气溶胶光学厚度与大连地区10个地面监测站点的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据的相关性。回归建模以气溶胶光学厚度（AOD）为自变量,以大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃为因变量,在SPSS软件中分别选取线性、对数、三次、乘幂、指数5种函数类型进行研究,通过对比回归模型的拟合优度R²,选择最优拟合模型,探讨利用遥感数据反演气溶胶光学厚度监测大气污染的相关性。结果表明：气溶胶光学厚度与NO₂、PM2.5和PM10的最优拟合模型均为三次模型,其拟合优度R²分别是0.685、0.801和0.845;与O₃和SO₂的最优拟合模型为指数模型,其R²为0.367和0.482;与CO的最优拟合模型为对数模型,其拟合优度R²为0.810。该结果为分析大气气溶胶污染来源以及治理提供了数据。     

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。     

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。     

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。     

乌鲁木市PM2.5浓度与MODIS气溶胶光学厚度相关性分析

选择西北干旱区城市乌鲁木齐市为研究区,利用MODIS气溶胶产品（AOD）数据和地面监测站PM_2.5浓度数据进行相关性分析,结果表明：二者相关性良好,对AOD数据进行垂直订正和湿度订正后,发现相关性进一步提升（0.49～0.80,p<0.01）。对订正后AOD数据与地面PM_2.5浓度进行建模并选取最优模型,结果均为一元三次模型且模型R²在0.27～0.69之间,其中春秋两季模型R²较高,夏季较低。对模型精度进行验证结果,显示春季与秋季模型精度良好,夏季较差,说明MODIS气溶胶光学厚度数据可以用于反演干旱区地面PM_2.5浓度值,对卫星遥感在干旱区地面空气监测应用提供了新的方法和思路。     

沙尘天气对榆林市环境空气质量的影响

基于2013—2018年榆林市沙尘天气和环境空气质量逐日数据,定量分析了沙尘天气对榆林市空气质量指数（AQI）、可吸入颗粒物（PM₁₀）和细颗粒物（PM_2.5）的绝对贡献和相对贡献率。结果表明：沙尘天气对榆林市AQI的贡献率为0.7%—11.1%（平均值±标准差6.4%±3.8%）;对PM₁₀的绝对贡献为1.0—13.1 μg·m^-3（平均8.2±5.4 μg·m^-3）,相对贡献率5.4%±3.5%;对PM_2.5的绝对贡献为-0.4—3.5 μg·m^-3,沙尘天气对PM_2.5的影响小于对PM₁₀。沙尘天气对榆林市空气质量的影响季节差异很大,春季贡献最大,秋冬季贡献较小。沙尘天气对榆林市区和郊区的影响程度不同,这可能与局部气象条件和地形条件等因素有关。     

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。     

2016—2020年沙尘天气对陕西省空气质量的影响特征

基于2016—2020年陕西省环境空气质量监测数据,分析沙尘天气对陕西省空气质量的影响特征。结果表明：（1）陕西省域沙尘天气过程每年发生9—19次,沙尘影响日每年20—46 d;春季为沙尘天气高发季,5月和3月为高发月;沙尘天气过程发生频数空间分布整体表现为自北向南、自东向西递减。（2）各城市沙尘天气过程持续时间2—120 h,关中城市持续时长总体高于陕北和陕南城市;不同沙尘天气过程PM₁₀峰值浓度变化范围大,最高值出现在榆林（3 219 μg·m^-3）。（3）2018年沙尘天气对陕西省PM₁₀年均浓度影响最大,2020年影响最小,年均浓度绝对贡献分别为9.3 μg·m^-3 和2.9 μg·m^-3;各城市沙尘影响日超标占比66.7%—89.7%,污染等级以轻度和中度污染为主,严重和重度污染较少;榆林、延安和商洛的严重污染100%来源于沙尘天气,关中5市的严重污染20.5%—66.7%来源于沙尘天气。     

中国城市空气质量的区域差异及归因分析

开展城市空气质量时空格局演变特征及其影响因素的研究,对于深入认识城市环境与社会经济系统的互馈机理、制定高效的环境治理措施、提升城市发展质量具有重要的理论与实践意义。本文以中国全面实施《大气污染防治行动计划》的2014年为起点,刻画了2014—2019年286个地级以上城市6种空气污染物浓度（CO、NO₂、O₃、PM₁₀、PM_2.5、SO₂）的时空演变特征,并基于面板回归模型分析各污染物浓度之间的相互作用关系;进而利用随机森林模型对城市6种空气污染物浓度与13个自然和社会经济影响因子的关联强度进行探究,从中梳理出关键影响因子。结果显示：① 研究期内,O₃污染加剧,其余污染物年均浓度逐年下降,其中SO₂浓度降幅最大。虽然典型的重污染区范围有所减小,但京津冀、山东半岛、山西、河南等地区的城市空气污染物浓度仍相对较高。② 城市6种空气污染物浓度之间存在显著的相互影响关系,城市空气复合污染特征明显。③ 自然因素和社会经济因素对不同种类空气污染物浓度的影响差异较大,且与污染物浓度之间呈非线性响应关系。自然因素中,城市年均气温与空气污染物浓度的关联强度最大,其次是植被指数。社会经济影响因素中,土地城市化水平和二产比重是主导影响因子,其次是电力消耗总量和交通因子。偏依赖分析进一步刻画了不同污染物浓度对主导影响因子的响应突变阈值。鉴于人类对于自然环境和气象条件的控制能力有限,建议继续通过优化城市密度、控制人为排放源及严格的空气污染防控措施以进一步有效提高城市空气质量。     

库布齐沙漠治理对京津冀地区空气质量影响:2017年5月3-6日沙尘天气模拟

作为影响京津冀地区的沙尘途经地和发源地，对库布齐沙漠的治理工作一直在持续，成为使用科学技术手段将沙漠变废为宝、变害为利的成功案例，同时也是全球治沙范例。为研究库布齐沙漠治理工作对京津冀地区空气质量的改善效果，利用手工采样数据和城市空气质量监测数据，结合气团轨迹，筛选库布齐沙漠起沙并对京津冀地区产生影响的沙尘天气。选取2017年5月3-6日作为典型个例代表，使用嵌套网格空气质量预报模式系统（NAQPMS），设计不同的起沙权重系数敏感试验，模拟研究该地区起沙和治理对京津冀地区的空气质量影响。结果表明：（1）气象模式较好地把握天气系统的演变以及地面风场的特征，保证NAQPMS模式可合理模拟沙尘的起沙区域、影响范围以及时空演变特征；（2）受沙尘影响城市的PM₁₀浓度模拟量值及变化与观测较为一致，表明模式合理再现了沙尘的输送过程；（3）库布齐沙漠起沙对京津冀地区的PM₁₀浓度贡献为35~150 μg·m^-3，贡献比例为10%~40%；（4）库布齐沙漠治理可使京津冀地区PM₁₀浓度降低35~75 μg·m^-3，下降比例为5%~20%，受影响城市PM₁₀浓度下降比例为7%~37%，沙漠治理工作可有效降低受影响地区的PM₁₀浓度。     

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。     

大气污染物排放量与颗粒物环境空气质量的空间非协同耦合研究——以武汉市为例

针对区域大气污染物排放量与空气质量在时空分布上存在不完全协同、匹配的现象,论文选择SO₂、NO_X、PM_2.5、CO和VOCs作为大气污染物指标,选择气溶胶光学厚度(Aerosol Optical Depth, AOD)表征颗粒物环境空气质量,以武汉市为例,综合应用耦合模型和空间错位指数模型研究2类指标之间的空间非协同耦合规律。主要结论如下：① 武汉市大气污染物排放量与颗粒物空气质量具有不同空间分布特征,大气污染物排放量呈现由城市中心城区向远城区递减的趋势,其中SO₂、PM_2.5和VOCs的排放具有明显的中心聚集现象,而NO_X和CO聚集现象不显著,且与道路分布明显相关;AOD分布具有明显的空间差异性,总体上呈由西北向东南依次递减的趋势。② 武汉市大气污染物排放与颗粒物空气质量的空间非协同耦合规律：越靠近城市中心城区,空间协同耦合现象越显著,空间错位现象越弱;越远离主城区,空间非协同耦合现象越显著,空间错位现象越显著;SO₂排放量与AOD在武汉市远城区的空间错位指数均大于0.7,且耦合度指数小于0.3,呈现较强的非协同耦合特征,NO_X、VOCs、PM_2.5的排放量与AOD在武汉中心城区的空间错位指数均小于0.5,且耦合度指数大于0.5,协同耦合现象较为显著。③ 基于时空非协同耦合分析城市大气环境污染治理建议：针对污染物与AOD空间错位不显著的城市中心城区,以本地减排治理为主;针对污染物与AOD空间错位显著的远城区,应在污染溯源分析的基础上进行区域协调综合治理。