新冠肺炎疫情时期四川盆地大气污染成因分析北大核心

由于新型冠状肺炎病毒(COVID-19)的爆发,中国从2020年春节起实施了限制出行、交通管制等一系列措施,污染物排放量大幅度减少,但四川盆地区域仍出现了多次轻度空气污染事件。本文结合空气质量观测数据与WRF-Chem模式模拟分析了疫情封控减排时期四川盆地污染的时空分布及成因。四川盆地区域二氧化氮(NO_(2))因人为活动减排从35.0μg·m^(-3)下降至20.2μg·m^(-3),减少比例约为40%~60%,而臭氧(O_(3))因NO_(X)-VOCs-O_(3)的非线性关系以及四川盆地区域氮氧化物(NO_(X))、挥发性有机物(VOCs)排放与减排的不均衡反而从27.5μg·m^(-3)上升至41.4μg·m^(-3),在重庆甚至增幅高达100%,进而促进了四川盆地区域气态污染物的氧化和二次细颗粒物的生成。疫情减排对污染的影响存在较为显著的区域差异,在成都、重庆地区,二次污染的生成一定程度上抵消了一次污染物减排的影响,二次污染物与一次污染物的比例变化幅度为-10%~20%,而在南遂广、川南、达万区域,细颗粒物(PM_(2.5))平均质量浓度从57.0μg·m^(-3)降低至47.4μg·m^(-3),二次污染物与一次污染物的比例下降幅度约为30%~60%。总体而言,减排在疫情期间发挥主导作用,不平衡的一次减排和大气氧化性的增强促进了部分区域二次污染物生成过程,四川盆地区域的污染防治仍需注重多种污染物的协同治理。     

基于垂直订正和湿度订正方法估算川渝地区逐小时PM2.5

针对PM_2.5污染比较严重的川渝地区，本研究利用日本静止葵花卫星（Himawari-8）反演的气溶胶光学厚度（AOD）进行垂直订正和湿度订正估算川渝地区2017年—2018年09：00—16：00时的PM_2.5浓度。首先，基于气象观测的能见度（vis）数据与消光系数σa(λ)之间的关系，引入“标高（Ha）”对气溶胶光学厚度进行垂直订正；其次，根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子，并采用反距离加权空间插值（IDW）方法构建吸湿订正因子网格，从而进行湿度订正估算。研究结果表明，经垂直订正和湿度订正后，相比AOD与PM_2.5之间的相关性，“干”消光系数σdry与PM_2.5的相关性显著提高，相关系数（r）由0.12—0.45提高至0.32—0.69；验证09：00至16：00时卫星估算结果，相关系数（r）均大于0.7，均方根误差（RMSE）为18.59±2.26 μg/m³；提取所有观测站点进行验证，r=0.82，RMSE=18.64 μg/m³。     

2020年新冠肺炎疫情管控期江苏省大气污染物浓度变化特征北大核心

利用江苏省大气环境监测站点的大气污染物监测数据,分析了2020年初新冠肺炎疫情管控期间(2—3月)主要大气污染物浓度的变化特征。结果显示,相比于2019、2020年疫情管控期间PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、CO浓度的全省平均降幅分别为37.5%、36.9%、31.9%、28.2%和21.2%。严格管控期的2月和生产恢复期的3月,江苏省十三市PM_(2.5)、PM_(10)浓度同比降幅大致相当,呈现出较好的时间连续性和空间均匀性。但各市臭氧浓度同比变化呈现出较大的时空差异。空间上,沿江以南城市南京、无锡、常州、苏州和镇江五市臭氧浓度明显上升,而其他城市臭氧浓度以下降为主;时间上,2月南京等九市臭氧浓度上升,3月徐州等八市臭氧浓度持平或者下降。假设未发生新冠肺炎疫情以及未采取为阻断疫情蔓延而实施的种种举措,在仅考虑近年来大气污染防治政策持续实施的情况下,与预期降幅相比,疫情管控对NO_(2)实况浓度降幅的影响最大,其次是PM_(2.5)和PM_(10)。     

Exposure to extreme climate decreases self-rated health score: Large-scale survey evidence from China

High temperature is a growing threat and impacts public health through different exposure mechanisms. Our study constructs a comprehensive exposure measurement based on temperature variability, duration, and effective influence range. We investigate human responses to high temperatures through self-rated health scores based on individual-level data from China Labor-force Dynamic Survey (CLDS). Results show that higher temperature and temperature variability significantly decrease self-rated health scores. Subjective health risk is most significantly related to the cumulative temperature in the previous two weeks. We also find that the exposure effects at night and on weekdays are more severe. Workers who experience greater exposure from commuting and work environments are negatively impacted by high temperatures. In addition, men, the elderly, middle and low education groups, rural residents are more likely to be impacted by high temperatures.