基于Spearman秩相关系数的PWV与PM2.5相关性研究

在讨论大气可降水量(PWV)与细颗粒物(PM 2.5)之间的相关性时,传统方法未能很好地顾及连续数据中包含的非雾霾天气信息的影响,为此本文提出2个数据选取标准——时间标准和空气质量指数(AQI)等级标准,用于获取雾霾期间对应的PWV和PM 2.5序列。为解决数据筛选后不连续的问题,引入一种非参数性质的Spearman秩相关系数ρ,在北京市2014~2016年雾霾多发期,分析不同AQI等级对应时段的非连续等距的PWV和PM 2.5序列的相关性可知,筛选后3 a的ρ在第1、4季度的均值分别为0.6613和0.6280,整体均值为0.6447,表明雾霾天气下PWV和PM 2.5序列具有单调正向的相关性,而传统分析方法(未筛选)下两者的相关系数均较小,表明在对数据进行选取后的分析结果更具针对性和准确性。     

西安大气细颗粒(PM_1)化学组成及其对能见度的影响

在2012年秋季选取天气状况相对稳定的12d,运用细颗粒化学组分在线观测仪(ACSM),观测西安大气颗粒物变化;利用正矩阵因子分析法(PMF)对大气细颗粒物中的有机物进行源解析,探讨其对能见度的影响;最后,结合IMPROVE公式中吸湿增长因子和多元线性回归统计方法重建散光系数。结果表明:在观测时段,PM1(不包括黑碳和矿尘等难熔组分)和PM2.5质量浓度时间序列的相关性较好(判定系数为0.67),PM1约占PM2.5质量浓度的60%,有机物约占PM1质量浓度的58%,其他组分(包括SO2-4,NO-3,NH+4和Cl-)约占42%;高相对湿度(大于85%)伴随着一次组分质量分数的增加,雨水对一次组分的湿沉降作用也更加明显;利用正矩阵因子分析法对有机物进行源解析,分解出烃类有机气溶胶(HOA)和氧化性有机气溶胶(OOA)两种组分;OOA约占有机物质量浓度的54%,HOA约占46%,并且在下午时段,HOA发生挥发,经过光化学反应快速转化为OOA;硝酸盐对光的散射贡献最大。     

烟花爆竹燃放对西安环境空气质量影响的个例分析

利用西安城郊PM2.5、PM10、SO2、NO2等污染物逐小时浓度和常规气象观测资料,通过分析2014年春节期间大气环流形势、近地面大气层温度等要素及空气质量浓度的时空变化特征,讨论了烟花爆竹燃放对环境空气的影响。结果表明:2014年春节期间西安高空受西北气流控制,地面处于低压中心,等压线稀疏,风力较弱;近地面大气连续4天出现平均高度980 m的接地逆温,低空受东北气流控制,气象条件非常稳定;燃放烟花爆竹产生的特征污染物主要有PM2.5、PM10、SO2和CO等,PM2.5、PM10和SO2在除夕集中燃放时达到浓度最高值,分别是前期稳定状态下平均值的1.5、1.84和1.17倍;燃放烟花爆竹对PM10浓度的影响最大,其次为PM2.5;冷空气作用对粒径较小的PM2.5清除效果较好。     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

北京市热岛效应时空变化的HJ-1B监测分析

 本文利用2008-2011年HJ-1B/CCD可见光-近红外数据,以及HJ-1B/IRS热红外数据,采用遥感算法反演北京市地表温度,并用MODIS地表温度产品对反演结果进行了初步验证。同时分析了北京市热岛效应的年际、年内变化趋势。另利用热场变异指数分析其空间分布特征,以及NDVI、NDBI与城市下垫面对热岛效应的影响。结果表明:(1)2008-2010年北京市热岛强度总体呈上升趋势,2011年有所缓解,4年热岛强度分别为:5.2℃、5.2℃、9.2℃、8.2℃;(2)北京市2010年四季存在明显热岛现象,夏季最强,春、秋次之,冬季最弱,四季热岛强度分别为8.2℃、9.4℃、9.2℃、4.3℃;(3)2008-2011年北京市热岛空间分布特征表明,房山区和大兴区的南部热岛效应逐年缓解,2011年昌平区热岛效应比前3年明显,植被和水体形成城市冷岛;(4)地表温度与NDVI呈明显负相关,与NDBI呈正相关,城市热岛效应与下垫面类型存在明显相关性。     

重金属在不同粒径PM10中的含量与形态

利用WYX 402A型原子吸收分光光度计和Tessler形态分类法研究了Cu、Pb、Zn、Cd、Cr、As重金属在不同粒径PM10中的质量浓度与形态分布。结果表明Cu、Pb、Cd、As质量浓度随粒径增加而减少,Zn、Cr质量浓度在1.1~2.0μm粒径范围内有一峰值,总体上仍表现为随粒径增加而减少。重金属的形态分布表现出各自的特征,反映了其环境活性的不同。颗粒越细,Cu的活性越大;Pb的活性在各粒级中变化不大;Zn的活性随粒径增加而变大;Cd主要以碳酸盐结合态和氧化物结合态为主,且在小颗粒中活性较大;Cr以氧化物结合态和不溶物为主,在各粒级中含量较稳定,环境活性不大;As主要以前3种形态存在,在稳定环境下,其活性随粒径增加而减小。     

2019年北京市PM2.5人群暴露剂量特征分析

近年来,PM_2.5已成为雾霾爆发的主要污染物之一,人口长期暴露在高浓度的PM_2.5中可能会大大的提高居民患病的几率,危害居民身心健康。本研究以空气污染严重且人口高度集中的北京市作为研究区,以2019年北京市的PM_2.5浓度监测数据、人口空间分布栅格数据及不同人群的长期呼吸量等为数据基础,构建了“污染物浓度—暴露人口—呼吸量”的PM_2.5人口暴露剂量评估模型,进而对北京市2019年的PM_2.5人口暴露强度空间分异特征及不同人群的暴露剂量差异进行分析。结果表明：① 2019年北京市的PM_2.5浓度在冬季时最高,日均浓度达48.89 μg/m³,并均呈现出北低南高的整体态势;② PM_2.5人口暴露量存在显著的空间分异特征,不同人群的PM_2.5暴露量均呈现出由城中心向周边减弱的整体态势,高暴露区主要集中于城区地带;③ 不同性别、年龄组人群的PM_2.5人口暴露强度存在明显的空间分异特征,且城市内部不同人群的PM_2.5暴露剂量也存在明显差异;④ PM_2.5的暴露风险并非完全取决于污染物浓度的大小,而是由污染源浓度和暴露受体的空间分布特征等多方面共同决定,北京城区的高PM_2.5人口暴露区才是高风险区,是未来政府有效防控污染物危害的核心区。     

成都市PM_(2.5)浓度时空变化特征及影响因子分析

近年来,空气质量问题日渐突出,大气污染已严重影响了人们的身体健康和日常生活。为了探究成都市近年来的大气污染状况,分析大气颗粒物浓度的时空变化特征及其控制性因子,本文利用2016年成都市逐小时PM_(2.5)监测数据,分析成都市PM_(2.5)浓度时空变化特征,探索气象因子与城市空间形态因子(建筑错落度)对PM_(2.5)浓度变化的影响。结果表明:(1)成都市PM_(2.5)浓度的日变化特征表现为城市中心具有"单峰单谷"特征,而城市郊区日变化特征不明显。且城市中心PM_(2.5)浓度空间变化特征整体表现为由西北向东南逐渐减小的趋势。(2)从全年来看,成都市PM_(2.5)浓度与气温和风速均呈显著负相关,与海平面气压呈显著正相关,而与相对湿度的相关性不明显。(3)PM_(2.5)浓度日间变化率与城市空间形态因子的相关性较强,建筑错落度越高,PM_(2.5)浓度下降越快。     

基于频度统计和神经网络的北太平洋柔鱼渔场预报模型比较

利用2004~2010年北太平洋鱿钓船队生产数据和海洋环境数据,以海表温度(SST)1℃、海面高度(SSH)为1 cm、叶绿素a浓度(CHL-a)为0.1 mg/m3的间距,分析作业产量、CPUE与SST、SSH、CHL-a的关系,得到柔鱼渔场适宜环境因子范围,并将生产数据和环境数据匹配组成样本集,建立北太平洋柔鱼空间分布BP神经网络模型;利用2011年环境数据预报柔鱼渔场,并与2011年实际生产数据进行对比。结果表明,6~10月各月实际作业位置落入基于频度统计方法预报渔场的概率达90%以上;而BP模型预报的平均精度为79.2%,最低精度为52.5%。基于多环境因子的频度统计柔鱼渔场预报模型优于神经网络模型。     

北京城市绿化的时空动态分析

城市绿化覆盖是城市生态系统的重要组成部分,合理的绿化率和绿化布局可以改善城市环境,提高城市人居适宜性。研究中将2005、2010、2015年北京市土地利用（LUC）数据中的城市居民用地作为城区范围,应用Landsat 5、GF-1影像数据和MODIS产品,利用支持向量机的监督分类方法,提取了2005、2010、2015年的北京市城市绿化覆盖数据,并获取了同期的植被指数（NDVI）数据;继而以城市绿化覆盖率、绿化覆盖均匀度和植被指数为评价指标,在公里栅格和行政区2个尺度上探讨了北京市城市绿化覆盖的空间分布格局和时间变化动态特征。研究表明：① 3个指标在空间和时间2个维度、区县和栅格2个尺度上都表现一致。这反映北京市过去10年中,在绿化面积增加的同时,绿化的空间布局得到优化改善,绿化的质量得到提高。② 2005-2015年,北京市城市绿化覆盖面积由518.93 km² 增加到1405.54 km²,绿化覆盖率由39.9%增加到49.13%,绿化覆盖均匀度由0.598增加到0.653,植被指数由0.42增加至0.5。③ 北京市城市绿化建设存在明显的时空差异。中心城区绿化建设缓慢,成效不明显;重大绿化建设成果主要集中在城市边缘地区和远郊区县。城市绿化改善过程主要发生在2005-2010年。     

基于多源数据融合的北京市人口时空动态分析

高精度、动态、空间化的人口数据是科学核算城市资源环境压力、促进人口合理调控的重要参考依据。研究首先以2012和2017年北京市常住人口统计信息为基础,融合夜间灯光、土地利用、道路网络等数据,依据用地类型、VANUI指数对街道分割成的区域进行分类和分级,并在此基础上构建人口空间化模型,制备2期100 m格网尺度的人口空间化数据。验证表明,模型误差在10%以内;与已有成果对比分析发现,人口空间化数据整体与局部精度均有提升。最后,基于该数据分析北京市人口分布的时空动态变化特征,揭示其影响因素。结果表明:① 格网单元上的人口平均数量在-2542~190之间变化,以-500~500人为主。② 2期人口空间分布均呈“内密外疏”格局,且减少人口主要聚集于城六区,2012—2017年间减少近21万人;③ 首都功能核心区减少人口最为显著,减少量占城六区减少量的62%;④ 二三环间减少人口最多,共减少近11万人,减少量占城六区减少量的52%;⑤ 与城六区接壤的城郊街道,人口呈现增加趋势,可能形成新的人口聚集区。北京市人口时空变化特征与首都功能定位、产业升级转型、人口疏解政策实施等因素密切相关,该研究可为北京市未来人口空间合理布局与人口疏解政策完善提供定量化的科学依据。     

青藏高原东缘气溶胶粒径分布特征及其来源

气溶胶粒径分布可反映气溶胶的主要来源及其经历的动力学和化学等过程。使用宽范围粒径谱仪对青藏高原东缘四川省理塘县2017年7月6日至8月3日10 nm～10μm气溶胶粒径分布进行观测,结合环保六要素(PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃)和气象要素数据、HYSPLIT轨迹模式、潜在源区贡献函数(PSCF)和浓度权重轨迹(CWT)分析,探讨了青藏高原东缘气溶胶的粒径分布特征、潜在来源和影响区域。结果表明：青藏高原东缘理塘地区气溶胶数浓度较低,平均值为4 660.3 cm^-3,粒径分布主要集中在500 nm以下,占总数浓度的99.95%;不同模态粒子数浓度差异较大,核模态、爱根核模态、积聚模态和粗模态粒子数浓度分别为391.9、4 218.0、50.1和0.4 cm^-3;不同模态粒子数浓度日变化均为双峰型分布,但是峰值时间存在差异,核模态粒子数浓度日变化的峰值时间位于12:00和19:00,爱根核模态、积聚模态和粗模态粒子数浓度...     

耦合土地利用回归与人口加权模型的PM2.5暴露风险评估

PM_2.5已成为人群健康的重要威胁之一,科学精准的暴露评估是PM_2.5风险防控的前提,为提升PM_2.5暴露精准评估,本文利用土地利用数据、道路数据、气象数据等构建PM_2.5土地利用回归反演模型,实现了2013年12月1日-2014年2月8日（冬季）广佛都市区PM_2.5时空动态演变监测,在此基础上将PM_2.5反演结果与人口密度数据耦合,分别从PM_2.5污染浓度与人口加权PM_2.5浓度2个方面,评估广佛都市区PM_2.5污染暴露风险。研究结果表明：① 土地利用回归模型能够较好的反映研究区域内PM_2.5的空间分布特征,R²大于0.78;② 2013年12月1日-2014年2月8日,广佛都市区PM_2.5浓度平均值呈现波动变化趋势,研究时段内,最高平均浓度为97.91 μg/m³ （12月29日-1月11日）,最低平均浓度为53.40 μg/m³ （1月26日-2月8日）,全时段PM_2.5浓度超WHO健康标准的面积占比达99.8%;③ 广佛都市区PM_2.5的空间分布具有异质性规律,其高值区分别位于广州市天河区、越秀区、番禺区北部、花都区北部及佛山市禅城区、南海区中部、三水区中部,低值区主要位于广州市白云区、番禺区东南部及佛山市顺德区南部。人口加权暴露风险存在2个高值中心,分别位于广州市和佛山市的主城区;④ 耦合人口加权模型前后,广佛都市区PM_2.5暴露风险高风险区空间分布发生变化,未考虑人口加权模型时,广佛深高值区较为分散,主要位于南海区、天河区、越秀区、禅城区,考虑人口加权模型后,高值区更加集中于广州市和佛山市的主城区。     

中国近地面PM2.5浓度与排放的时空分布及其关联分析

PM_2.5是威胁人体健康的主要大气污染物之一。大量研究关注近地面PM_2.5浓度的监测及其时空分布,但目前针对PM_2.5排放及其与近地面浓度之间的关联研究较为缺乏。本文通过2000—2014年近地面PM_2.5浓度格网数据和PM_2.5排放格网数据,采用长时间序列分析法对PM_2.5浓度和PM_2.5排放从定性和定量两个角度进行时空变化趋势对比研究,并进一步结合标准差椭圆法和趋势分析法,分析了我国近地面PM_2.5浓度和PM_2.5排放的时空变化特征及其关联。结果表明,从总体时间序列趋势上,近地面PM_2.5浓度和PM_2.5排放之间在空间分布上基本呈现一致性,集中在胡焕庸线以东的人口密集区,但在时间上,PM_2.5浓度和排放之间存在动态变化时间差。且PM_2.5浓度的变化更为明显,2000—2007年高于35 μg/m³的国土面积占比增加了14.26%,2007—2014年减少了2.84%;从标准差椭圆分析来看,PM_2.5浓度椭圆和排放椭圆在覆盖面积和方位角上与人口和经济分布吻合,但前者面积更大,长轴更接近于东西方向,二者存在约17°差异,而两类椭圆的中心位置随时间变化呈现出较一致的轨迹特征并呈现出滞后特点;此外,受大气扩散、点源排放等因素影响,PM_2.5浓度变化趋势与排放变化趋势在胡焕庸线以东并不完全一致,部分区域排放呈降低趋势而浓度则反而呈升高趋势。因此,从全国层面来看,减排政策对浓度降低在时间上虽存在滞后,但边际效益显著,并已显露成效;而从局地来看,受地形、气象条件和大气化学过程等复杂影响,二者的变化在空间上仍会存在差异,有待进一步深入研究;从防控措施来看,在继续加强落实本地减排政策的同时,应考虑污染物的扩散迁移规律,加强联防联控,有效改善空气质量。     

灯塔M5.1地震震前重力变化特征研究

利用辽中南地区2011~2013年流动重力观测资料,深入分析研究2013年灯塔M5.1地震震前的重力空间演化特征及变化机理,结果表明:1)辽中南地区重力场异常变化与灯塔M5.1地震在时空上具有很好的对应性;2)震前1 a重力场四象限特征明显,震前0.5 a出现50μGal的正负反向变化,并伴有重力变化高梯度带,重力点值时序上升和下降趋势明显,重力剖面呈剧烈的上升-下降波动变化;3)结合2011~2012年重力变化背景场和区域地质构造分析认为,灯塔地震可能是由辽中南地区地壳深部物质迁移和地壳构造运动共同作用引起。     

北京市人口空间分布的未来情景模拟分析

为了验证YUE-SMPD模型对城市人口研究的实用性,首先模拟分析北京市2000年300m×300m空间分辨率的人口分布,然后将北京市2000年的模拟结果与人口普查数据进行比较,结果表明,YUE-SMPD模型的模拟结果与2000年北京市第五次人口普查数据非常吻合。在此检验结果的基础上,根据2020年北京城市总体规划、北京市绿地系统规划、北京市公路系统规划和北京市铁路系统规划等,模拟分析北京市2020年三种人口分布情景:如果人口允许在国内自由迁移,2020年北京市总人口将达到4662万,旧城人口将达到672万,中心城区将达到3019万;如果2020年北京市总人口控制在1800万之内,并且允许居民在市内自由流动,旧城和中心城区人口将分别为260万和1170万;如果北京城市总体规划和绿地系统规划成功实施,2020年北京市中心城区人口为850万,旧城区人口为110万。     

全球250 m反照率产品算法及验证

反照率是反映地表能量平衡的重要参数之一,也被运用于全球变化与天气预测研究中。为了更好地获取反照率产品,学者们在不断地更新反照率产品和提出新算法。本文主要是在1 km分辨率的全球陆表特征参量（GLASS）反照率产品基础上进一步开发250 m反照率产品。算法思路是利用中分辨率成像光谱仪（MODIS）传感器的250 m分辨率波段提供纹理信息,利用成熟的GLASS 1 km反照率产品提供均值信息,进行数据融合,实现GLASS 1 km反照率产品的降尺度。相比于GLASS 1km反照率产品,250 m产品首先展现出更为丰富的空间细节信息,并且在与地面站点观测数据（北美地区站点数据）直接对比中显示出稍高的验证精度,GLASS 1 km产品的验证精度为0.0257,而250 m产品验证精度0.0235。最后,以北京市为例,基于2003—2013年的产品分析了北京市周边反照率及其变化趋势的空间分布,可以看到250 m反照率产品视觉效果更好,相比于1 km产品能够揭示反照率变化趋势的更多空间细节信息。分析表明,在北京城市化进程中,由于加大了城市绿化,主城区反照率总体呈降低趋势。     

中国建设用地空间格局分析

全面准确地分析中国建设用地空间格局,是衡量城市景观的生态环境效应和制定区域发展战略的重要依据。为此,本文基于空间分辨率为12 m的2012年的全球城市足迹数据,分别在国家、经济区和城市群量化了中国建设用地空间格局。结果表明,12 m分辨率的数据能更细致和准确地刻画中国建设用地的特征。2012年中国建设用地面积为1.73×10⁵ km²,占中国陆地总面积的1.81%。从建设用地的空间格局来看,城市群尺度的建设用地破碎度最高,其建设用地平均斑块密度分别是国家和经济区平均水平的3.66倍和1.62倍。进一步分析表明,社会经济和地形因素共同影响建设用地空间格局。今后,应针对建设用地空间格局破碎问题,因地制宜地制定合理的措施,推动中国建设用地的合理发展。     

雷州湾海域悬浮物浓度遥感监测研究

以雷州湾为研究区域,利用光谱仪进行水体遥感反射率的测量和同步水样采集分析,通过研究悬浮物质量浓度与遥感反射率之间的相关性,采用波段比值法建立了悬浮物质量浓度的遥感反演模型,并利用2011年4月11日的HY-1B数据反演了研究区域的悬浮物质量浓度,得到其空间分布图。结果表明,所建立的悬浮物遥感反演模型,仪器现场遥感值与实验室实测值的平均相对误差为14.94%。利用HY-1B数据绘制了雷州湾海域悬浮物质量浓度的空间分布图,其反映的浓度值变化有待进一步验证。