扬州市空气PM2.5浓度时空分异研究

利用江苏省环保厅数据监测平台发布的扬州市区空气PM2.5浓度数据资料,结合仪器测量所得数据资料,分析扬州市空气PM2.5时空分异及其影响因素。结果表明:扬州市空气PM2.5浓度日均值总体低于75微克/立方米。从时间分布来看,早-中-晚呈现出"高-低-高"的变化趋势,夏收时期则高于规定的标准;从空间分布来看,城乡之间的浓度差异较大。影响扬州市空气PM2.5浓度的主要因素:一是污染源的排放程度(机动车尾气为主);二是气象条件(逆温、风、雨等)。对应对PM2.5污染提出了建议。     

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。     

2001-2010年非洲大气PM2.5污染浓度空间格局演化

基于NASA的全球大气PM2.5年均污染浓度栅格数据,通过对非洲行政边界矢量化、分区统计各国大气PM2.5浓度均值及建立空间数据库,利用重力模型、ESDA模型及GIS空间统计分析方法,对非洲52个主要国家（地区）2001 – 2010年间的大气PM2.5污染浓度时空格局特征演化进行探究,并依据时间序列特征将研究对象划分为8类。研究结果表明：（1）2001-2010年非洲大气PM2.5污染浓度大致呈现“中间高、南北低;西部高、东部低”的空间特征;其中高值区集中分布在非洲西部几内亚湾附近的尼日利亚、刚果与喀麦隆等国家,低值区则广泛地分布在北非、南非以及非洲东南部印度洋沿岸地区或岛屿。（2）基于ESDA模型的空间自相关分析发现PM2.5浓度“高-高”热点区主要集聚在几内亚湾附近主要国家,“低-低”冷点区集中在东南部印度洋沿岸的南非、莫桑比克与马达加斯加岛。（3）时序上2001-2010年非洲PM2.5年平均污染浓度呈现明显下降趋势,其中32个国家（占研究区总数的61.54%）2010年PM2.5污染年均浓度低于2001年。（4）从自然环境条件及社会经济因素两方面浅析其空间格局主要成因：几内亚湾沿岸是非洲PM2.5污染最严重的地区,因其人口稠密且高度依赖石油产业;非洲东南部地区PM2.5污染最轻,得益于其良好的自然环境条件及低污染的支柱产业。     

西安重度以上污染天气PM2.5重金属污染特征与健康风险

为研究汾渭平原核心城市(西安)重度以上污染天气PM_2.5重金属污染特征及健康风险,选取2018年11月至2019年1月采集的PM_2.5大气颗粒物样品,分析采样期间重度以上污染天气(AQI>200)PM_2.5中与人群暴露健康风险关联的9种典型重金属成分,利用相关性分析揭示与气象因子的关系,运用富集因子、相关性和主成分分析方法判断来源,借助美国EPA风险暴露模型表征重金属健康风险水平。结果表明:PM_2.5平均浓度191.49±48.67μg·m^-3,重金属的平均浓度(ng·m^-3)顺序为Zn(324.98)、Mn(123.52)、Pb(118.59)、Cu(46.78)、As(18.11)、Cr(16.24)、Ni(5.37)、V(4.59)、Co(3.13)。致癌重金属中Cr与风速呈显著负相关(-0.462),Ni与气压呈显著负相关(-0.503)、Co与温度呈显著负相关(-0.506)。Zn、Pb、As污染与人为源密切相关,Ni、Co、Cu污染是自然...     

中国PM2.5污染与社会经济的空间关系及成因

中国高能耗的经济增长模式和不生态的城镇化模式是PM_2.5污染的主要诱因,为了弄清PM_2.5的本质,着重研究PM_2.5污染的产出机理与模型。首先用逐步回归分析法,确定对PM_2.5影响较大的变量,再对PM_2.5及其相关变量进行空间相关分析,在GIS技术与空间统计学的支持下,建立中国区域性细颗粒物空气污染评估模型。结果表明：中国PM_2.5污染具有东高西低的区域差异特点,这与中国人口分布密度特征曲线（胡焕庸线）所划分出的人口空间分布特点相一致。考虑了空间效应影响的模型拟合度（R²=0.71）优于传统统计模型（R²=0.62）。PM_2.5与总人口、人均汽车保有量的平方、第二产值比例的平方成正比,与森林覆盖率的平方成反比,其中对PM_2.5贡献率最大的是人均汽车保有量。     

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。     

中国城市群地区PM2.5时空演变格局及其影响因素

城市群作为中国新型城镇化主体形态,是支撑全国经济增长、促进区域协调发展、参与国际分工合作的重要平台,也是空气污染的核心区域。本文选取2000-2015年NASA大气遥感影像反演PM_2.5数据,运用GIS空间分析和空间面板杜宾模型,揭示了中国城市群PM_2.5的时空演变特征与主控因素。结果显示：① 2000-2015年中国城市群PM_2.5浓度呈现波动增长趋势,2007年出现拐点,低浓度城市减少,高浓度城市增多。② 城市群PM_2.5浓度以胡焕庸线为界呈现东高西低的格局,城市群间空间差异性显著且不断扩大,东部、东北地区浓度提升更快。③ 城市群PM_2.5年均浓度空间集聚性显著,以胡焕庸线为界,热点区域集中东部,范围持续增加,冷点集中在西部,范围持续缩小。④ 城市群内各城市间PM_2.5浓度存在空间溢出效应。不同城市群影响要素差异显著,工业化和能源消耗对PM_2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM_2.5污染具有负向影响;人口密度对本地区PM_2.5污染主要具有正向影响,对邻近地区则相反;城市化水平在国家级城市群对PM_2.5污染有负向影响,在区域性和地方性城市群则相反;产业结构高级度对本地区PM_2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM_2.5污染的影响显著,但存在滞后性和回弹效应。     

长三角PM2.5时空格局演变与特征——基于2013-2016年实时监测数据

长三角是中国空气污染较为严重的区域。基于地统计、探索性空间数据分析等方法,使用实时监测数据,探讨该区域41个地级以上城市PM_2.5在2013-2016年的时空格局演变与污染特征。结果显示：① PM_2.5表现出不同的年度、月度以及逐日特征。年均值逐年下降,月均值则体现出鲜明季节性,呈现冬高、夏低的“U型”特征,日均值有“脉冲型”波动特点。② 2013-2016年,长三角PM_2.5污染情况已经得到显著改善,但超过三分之二的地区仍存在不同程度超标现象,呈现“西北高、东南低”的污染格局。③ PM_2.5高值区从以合肥、扬州为中心向江苏、安徽北部边界地区转移,低值区逐步扩展形成东至舟山、西至黄山、北至上海、南至温州的低值集聚带。④ 趋势分析来看,PM_2.5年均值东西差异和南北差异均逐步减小,但东西向差异略大于南北向。同时,两个方向中部隆起现象得到改善,城市投影点趋于线性拟合。     

城市化与PM2.5时空格局演变及其影响因素的研究进展

快速的城市化和经济发展在改善我们物质生活的同时,也因其剧烈人为活动导致了严重的环境污染,尤其是近年来以细颗粒物(PM_2.5)为首要污染物的城市与区域空气污染问题凸显。而传统的研究更注重孤立地开展空气污染或城市化的研究,缺乏对二者相互耦合关系的综合研究。本文以中国近年来广受关注的以PM_2.5为首要污染物的城市空气污染为切入点,系统地分析总结了在城市化与PM_2.5时空格局演变及其影响因素方面的主要研究进展,包括研究框架、主要方法和相关的主要研究成果等。指明该领域的研究已从空间格局分析逐步深入到健康影响、社会经济驱动等相关方向,并已延伸至复合主题的研究。未来,开展更为深入细致的研究,对于拓展城市与景观生态学的理论体系,了解城市化与城市空气质量的影响关系,解析不同城市发展阶段所面临的城市空气质量问题,将具有重要的科学与现实意义。     

基于分布式感知深度神经网络的高分辨率PM2.5值估算

细颗粒物(PM2.5)个体暴露水平是健康效应研究中的关键问题,然而历史数据缺失和地面监测点覆盖范围小阻碍了相关研究.基于美国国家航空航天局遥感数据提供的气溶胶光学厚度(AOD),融合地面监测、气象等多源数据进行建模来估算近地面PM2.5浓度,所得结果的空间覆盖范围广、时间连续性强、方法成本低.本文基于2018年京津冀鲁...     

2013年北京市PM_(2.5)的时空分布

对2013年北京市35个自动空气质量监测子站的PM2.5数据进行分析,探讨PM2.5的时间分布特征、空间分布特征以及与前体物和大气氧化性的相关性关系。结果表明,PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季,平均浓度分别为122.8μg·m-3、85.1μg·m-3、84.9μg·m-3和79.1μg·m-3;各类监测站中浓度由高到低的依次是交通站、城区站、郊区站和区域站,平均浓度分别为102.2μg·m-3、91.8μg·m-3、89.1μg·m-3和88.7μg·m-3。PM2.5月均浓度呈波浪型分布,在1月份、3月份、6月份和10月份各出现一个峰值。全年来看,交通站PM2.5的日变化规律呈单峰型分布,其他站点呈双峰型分布。分地区来看,年均PM2.5浓度由高到低的依次是东南部、西南部、城六区、东北部和西北部。PM2.5浓度与NO2、SO2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM2.5浓度有显著影响。     

Spatiotemporal evolution of PM2.5 concentrations in urban agglomerations of China

As the main form of new urbanization in China,urban agglomerations are an im-portant platform to support national economic growth,promote coordinated regional devel-opment,and participate in international competition and cooperation.However,they have become core areas for air pollution.This study used PM2.5 data from NASA atmospheric re-mote sensing image inversion from 2000 to 2015 and spatial analysis including a spatial Durbin model to reveal the spatio-temporal evolution characteristics and main factors con-trolling PM2.5 in China's urban agglomerations.The main conclusions are as follows:(1)From 2000 to 2015,the PM2.5 concentrations of China's urban agglomerations showed a growing trend with some volatility.In 2007,there was an inflection point.The number of low-concentration cities decreased,while the number of high-concentration cities increased.(2)The concentrations of PM2.5 in urban agglomerations were high in the west and low in the east,with the"Hu Line"as the boundary.The spatial differences were significant and in-creasing.The concentration of PM2.5 grew faster in urban agglomerations in the eastern and northeastern regions.(3)The urban agglomeration of PM2.5 had significant spatial concentra-tions.The hot spots were concentrated to the east of the Hu Line,and the number of hot-spot cities continued to rise.The cold spots were concentrated to the west of the Hu Line,and the number of cold-spot cities continued to decline.(4)There was a significant spatial spillover effect of PM2.5 pollution among cities within urban agglomerations.The main factors control-ling PM2.5 pollution in different urban agglomerations had significant differences.Industriali-zation and energy consumption had a significant positive impact on PM2.5 pollution.Foreign direct investment had a significant negative impact on PM2.5 pollution in the southeast coastal and border urban agglomerations.Population density had a significant positive impact on PM2.5 pollution in a particular region,but this had the opposite effect in neighboring areas.Urbanization rate had a negative impact on PM2.5 pollution in national-level urban agglomer-ations,but this had the opposite effect in regional and local urban agglomerations.A high degree of industrial structure had a significant negative impact on PM2.5 pollution in a region,but this had an opposite effect in neighboring regions.Technical support level had a signifi-cant impact on PM2.5 pollution,but there were lag effects and rebound effects.     

Vegetation-related dry deposition of global PM2.5 from satellite observations

Journal of Geographical Sciences - Vegetation plays an important role in the dry deposition of particles with significant spatial variability, but the magnitude remains unclear at the global scale....     

基于制度背景与经济活动交互效应的广东省PM2.5污染驱动因素分析

为探讨社会经济活动与制度背景的交互效应对PM_2.5污染的影响,文章选取经济转型的前沿阵地——广东进行了实证分析。基于遥感影像获取的PM_2.5质量浓度数据,运用空间马尔科夫链和空间计量模型,定量刻画了广东省1998—2015年PM_2.5质量浓度的时空演变特征,并对不同制度背景下社会经济活动对PM_2.5的影响进行了量化分析。结果表明：广东省地级市PM_2.5质量浓度呈现先上升后缓慢下降的过程,PM_2.5质量浓度形成“以珠江口为核心”的圈层空间结构,呈现“以佛山、广州和东莞为核心,先扩散、后集中”的空间演变特征。空间马尔科夫链结果表明：PM_2.5质量浓度演变存在显著的空间交互性。若与PM_2.5质量浓度高的区域为邻,则该区域PM_2.5质量浓度增大的概率将会变大;而与PM_2.5质量浓度低的区域为邻,该区域的PM_2.5质量浓度的变化则不会受到明显的影响。社会经济因素和制度背景的交互项表明：高市场化水平能够削弱工业生产对PM_2.5的正效应。分权化过程促进了工业生产对PM_2.5污染的正效应;同时,显著降低了污染密集型工业生产的排放。全球化进程通过引进清洁技术促进技术进步从而降低PM_2.5的污染。此外,环境规制通过降低工业生产排放和倒逼技术进步达到降霾效果。     

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。