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...     

黄河流域PM2.5时空演变特征及其影响因素分析

选取2000—2017年大气PM_2.5遥感反演数据集,综合运用标准差椭圆及地理探测器等方法,揭示了黄河流域PM_2.5的时空演变特征及其影响因素。结果表明：2000—2017年黄河流域PM_2.5年均浓度整体呈现先快速增加后又波动变化的演变趋势,空气污染状况不容乐观;黄河流域PM_2.5空间集聚性明显,低值区稳定分布在内蒙古中部和西南部高原地区,高值区一方面分布在自然条件较差的西北内陆,另一方面集中在人类活动强度较高的地带;黄河流域PM_2.5污染总体呈现出“西北-东南”方向的分布格局,其浓度在地理空间上呈现分散化的趋势,即污染的主要范围有所扩大;人口密度、工业化水平、外商投资以及科技支出等经济社会因素对PM_2.5浓度存在显著影响,但其作用强度及方向存在差异。     

东北地区PM2.5质量浓度遥感估算与时空分布特征

利用2014—2018年近地面观测PM_2.5质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据,分别构建估算东北地区PM_2.5质量浓度的多元线性回归模型(Multiple Linear Regression, MLR)、线性混合效应模型(Linear Mixed Effects Model, LME)和随机森林模型(Random Forest, RF),利用十折交叉验证方法对3个模型进行精度评价。根据最优模型估算2009—2018年东北地区逐日PM_2.5质量浓度,结果表明：(1) 3种模型模拟的PM_2.5质量浓度与地面实测值间的相关系数R²排序为RF>LME>MLR,RF模型整体精度最高。(2)不同季节、月份的RF模型模拟PM_2.5质量浓度与地面实测值间的R²均高于0.93,通过R...     

福州市农业土壤多环芳烃的含量、来源及生态风险

研究了福州市农业表层土壤（0-10cm）。中美国环境保护署（USEPA）优控的16种多环芳烃（PAHs）含量,并对其来源和生态风险进行了分析。结果表明,供试土样中16种PAHs检出率达到100％,其总量的含量范围为100.2-1215.1μgkg^-1,且与土壤总有机碳的含量呈显著正相关;土壤中PAHs主要源于生物燃烧和石油。利用毒性当量因子（TEF）计算了供试土样中PAHs单体相对于苯并[a]芘的毒性当量（Bapeq）,土样中总Bap。值的范围为12.50-147.95μgkg^-1,其中50％土样总Bapeq的值超过荷兰规定目标值（总Bapeq=32.96μgkg^-1）,表明福州市部分农业土壤存在一定的潜在生态风险。     

黄河流域五大城市群PM2.5时空演变与影响因素探讨

以黄河流域5大城市群82个城市为研究区域,选取2016—2020年中国环境监测总站发布的环境空气颗粒物(PM_2.5)数据,采用空间自相关、地理探测器和地理加权回归等方法,研究PM_2.5的时空分布特征和空间异质性的主要驱动影响因素。结果表明：(1)PM_2.5年均值的变化大体呈倒“N”型,季均值变化呈先降后升的周期规律性的“U”型。(2)在空间分布上,形成了黄河下游>中游>上游的梯度递减空间差异格局,并有逐渐下降的趋势。(3)PM_2.5演变整体上呈正自相关集聚分布,集聚类型主要为高-高集聚、低-低集聚和低-高集聚类型。(4)2016年和2020年PM_2.5空间分异的自然地理因素比社会经济因素的驱动力更强,交互作用结果为双因子增强或非线性增强2种类型。(5)通过地理加权回归模型对分异探测解释力变化最大的5个因子进行拟合,5 a间各因子对5大城市群PM_2.5污染的负效应不断提高,正效应呈下降趋势,空间作用方向及强度上差异显著。研究结果为黄河流域5大城市...     

南极菲尔德斯半岛表层土壤中多环芳烃分布特征、源解析及风险评价

多环芳烃(Polycyclic Aromatic Hydrocarbons,PAHs)会在"全球蒸馏"效应(即"蚱蜢跳"效应)的作用下,从低纬度地区转移到高纬度地区,且有科学家在极区检测到PAHs的存在.本研究采用GC-MS技术对南极菲尔德斯半岛地区20个站点表层土壤中16种PAHs进行了分析,考察了菲尔德斯半岛表层土...     

中国省区间贸易隐含PM2.5的测算及其空间转移特征

针对不同区域实行“共同而又有区别”的污染治理政策是实现区域联防治理大气污染的有效措施,而随着省际贸易加强,难免导致污染物在不同区域间的转移。本文采用区域间投入产出模型,对中国30省区间省际贸易隐含PM_2.5进行核算。结果表明,省际贸易隐含PM_2.5约占总PM_2.5排放的1/3,经济危机使得省际贸易隐含PM_2.5量变小,但贸易隐含PM_2.5在以生产计算的PM_2.5排放中的作用在增大。东部省区的省际调出贸易隐含PM_2.5主要由最终消费部分导致,而中、西、东北省区则主要为中间投入部分导致,在控制贸易隐含排放时,需对不同调出类型省区采用不同的控制方法。省际调入贸易隐含PM_2.5主要由中间投入过程贸易隐含PM_2.5构成,越来越多的产品在不同省区间共同生产完成,区域联合治污显得尤为必要。东北、西部、中部省区由固定资本形成导致的省际贸易隐含PM_2.5比例要高于东部省区,可见政策导向也是造成贸易隐含排放的原因之一。需重点控制省际贸易隐含PM_2.5排放量较高建筑业、机械设备制造业和其他服务业。除河北、山东外,东部省区均为省际贸易隐含PM_2.5净调入省份,中、西部、东北省区中则多为省际贸易隐含PM_2.5净调出省份。经济危机使得省际间净贸易隐含PM_2.5的转移量变小,但并未改变其转移趋势。净调入省区需相应的补偿净调出省区,或对其进行技术转移。     

天津地区典型土壤剖面多环芳烃的垂向分布特征

天津地区不同环境功能区表层土中均检出萘、苊、苊烯、联苯、菲、惹烯、芴、二苯并呋喃、二苯并噻吩、荧蒽、芘、屈、苯并芴、苯并蒽、苯并荧蒽、苯并芘、、二苯并[a,h]蒽、茚并[1,2,3-cd]芘、苯并[g,h,i]等多环芳烃化合物,但含量差别显著,南、北排污河污灌区多环芳烃含量明显高于非污染区及北部山区。不同剖面表土中多环芳烃的组成特征也存在明显差别,与非污灌耕地及北部山地相比,污灌耕地和滨海盐土耕地四环以上芳烃相对含量明显较高,而烷基取代物含量明显较低。剖面表层至40cm土壤中多环芳烃含量相对较高,深处含量明显降低,但不同剖面变化幅度存在明显差别,污灌耕地和滨海盐土耕地降低幅度最大,其它剖面变化较小,但剖面深部(>40cm)芳烃化合物组成特征基本趋于一致。     

闽江河口洲滩表层沉积物中多环芳烃的含量、来源和生态风险北大核心CSCD

多环芳烃(polycyclic aromatic hydrocarbons,PAHs)作为典型的持久性有机污染物,广泛存在于环境中。河口湿地的沉积物能吸收和累积环境中的多环芳烃,研究沉积物中多环芳烃的含量、污染水平和来源,对开展河口海岸区保护、环境管理和污染物控制具有重要意义。在福州市闽江河口的塔礁洲、道庆洲、蝙蝠洲和鳝鱼滩布设了23个采样点,于2020年10月18日至20日,采集了表层(0~5 cm深度)沉积物样品,测定了16种多环芳烃类化合物的含量,分析了表层沉积物中多环芳烃的来源、污染水平和生态风险。研究结果表明,闽江河口塔礁洲、道庆洲、蝙蝠洲和鳝鱼滩表层沉积物中多环芳烃总含量的范围为15.85~381.52 ng/g,塔礁洲和道庆洲表层沉积物中多环芳烃的含量明显大于蝙蝠洲和鳝鱼滩;塔礁洲、道庆洲、蝙蝠洲和鳝鱼滩表层沉积物中的多环芳烃以高环数多环芳烃为主,其主要来源于周围工业废水排放、化石燃料燃烧、交通工具尾气排放、农业生物质燃烧,船舶运输过程中的石油泄漏和燃料不完全燃烧是表层沉积物中少量低环数多环芳烃的主要来源;道庆洲表层沉积物被多环芳烃轻微污染;塔礁洲、道庆洲、蝙蝠洲和鳝鱼滩表层沉积物中5种多环芳烃类化合物的含量对周围环境有中等生态风险。     

中国城市PM2.5浓度时空特征及其影响因素(英文)

在科学识别城市建成区的基础上,运用探索性空间分析和空间计量模型,分析了2000–2015年中国城市PM_2.5浓度的时空特征及其影响因素。结果表明：2000–2015年中国城市PM_2.5浓度呈倒“L”型增长,而PM_2.5浓度高的城市具有大规模集聚的特征,城市群即是PM_2.5浓度高的城市聚集区,受自然因素、社会经济因素和城市形态因素共同作用。在2000–2005年,中国城市PM_2.5年平均浓度从31.19μg m^–3增加到46.00μg m^–3,河北、山东、河南交汇地区出现小规模高浓度集聚。在2005–2010年、2010–2015年两个阶段,城市PM_2.5浓度年平均增长率放缓,2010年为47.67μg m^–3,2015年为48.72μg m^–3。高浓度集聚区域不断扩大,在2010年扩张至京津冀、长江中部、长江三角洲、成都平原,研究期末已经扩大至整个华北平原、哈长地区。     

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。     

基于“一街一站”的深圳市PM2.5时空特征及排名通报作用研究

深圳市于2018年6月建成了全国首个街道空气监测网络“一街一站”,并对全市74个街道进行月均PM_2.5浓度排名,向公众通报空气质量排名倒数十位的街道,以落实基层治理大气污染的责任。本研究基于深圳市街道空气监测网络的数据,分析了深圳市PM_2.5浓度的时空特征,使用双重差分模型检验空气质量排名通报是否能发挥环保部门所期待的效果,进一步促使PM_2.5浓度排名靠后的街道改善其空气质量。结果表明：① 基于街道空气监测的深圳市年均PM_2.5浓度为22.4 μg/m³,月均浓度最低值出现在7月,最高值出现在1月,与国家站监测结果之间无显著性差异。② 深圳市街道的PM_2.5浓度具有较高的空间集聚性,高值主要聚集在西北部,低值主要聚集在中南部,而国家监测站难以准确表征深圳市PM_2.5浓度空间分布特征。③ 考虑了个体和时间固定效应的双重差分模型分析结果表明,对深圳市月均PM_2.5浓度较高、空气质量排名靠后的街道进行通报,其随后1~2个月的PM_2.5浓度仍受该月污染的持续性影响,而通报行为无显著性影响;到随后第3个月,该月污染的持续性影响下降到较小的程度,此时通报行为对PM_2.5浓度呈显著降低作用,且影响程度大于污染的持续性影响。     

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。     

2003-2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2015

High concentrations of PM_2.5 are universally considered as a main cause for haze formation. Therefore, it is important to identify the spatial heterogeneity and influencing factors of PM_2.5 concentrations for regional air quality control and management. In this study, PM_2.5 data from 2000 to 2015 was determined from an inversion of NASA atmospheric remote sensing images. Using geo-statistics, geographic detectors, and geo-spatial analysis methods, the spatio-temporal evolution patterns and driving factors of PM_2.5 concentration in China were evaluated. The main results are as follows. (1) In general, the average concentration of PM_2.5 in China increased quickly and reached its peak value in 2006; subsequently, concentrations remained between 21.84 and 35.08 μg/m³. (2) PM_2.5 is strikingly heterogeneous in China, with higher concentrations in the north and east than in the south and west. In particular, areas with relatively high PM_2.5 concentrations are primarily in four regions, the Huang-Huai-Hai Plain, Lower Yangtze River Delta Plain, Sichuan Basin, and Taklimakan Desert. Among them, Beijing-Tianjin-Hebei Region has the highest concentration of PM_2.5. (3) The center of gravity of PM_2.5 has generally moved northeastward, which indicates an increasingly serious haze in eastern China. High-value PM_2.5 concentrations have moved eastward, while low-value PM_2.5 has moved westward. (4) Spatial autocorrelation analysis indicates a significantly positive spatial correlation. The “High-High” PM_2.5 agglomeration areas are distributed in the Huang-Huai-Hai Plain, Fenhe-Weihe River Basin, Sichuan Basin, and Jianghan Plain regions. The “Low-Low” PM_2.5 agglomeration areas include Inner Mongolia and Heilongjiang, north of the Great Wall, Qinghai-Tibet Plateau, and Taiwan, Hainan, and Fujian and other southeast coastal cities and islands. (5) Geographic detection analysis indicates that both natural and anthropogenic factors account for spatial variations in PM_2.5 concentration. Geographical location, population density, automobile quantity, industrial discharge, and straw burning are the main driving forces of PM_2.5 concentration in China.

     

基于多参数指标的长江口滨岸多环芳烃来源辨析

Samples of suspended particulate matters(SPMs),surface sediment and road dust were collected from the Yangtze estuarine and nearby coastal areas,coastal rivers,and central Shanghai.The samples were analyzed for the presence of 16 polycyclic aromatic hydrocarbons(PAHs)in the USEPA priority-controlled list by GC-MS.The compound-specific stable carbon isotopes of the individual PAHs were also analyzed by GC-C-IRMS.The sources of PAHs in the SPMs and surface sediments in the Yangtze estuarine and nearby coastal...     

Identification of the sources of polycyclic aromatic hydrocarbons based on molecular and isotopic characterization from the Yangtze estuarine and nearby coastal areas

Samples of suspended particulate matters (SPMs), surface sediment and road dust were collected from the Yangtze estuarine and nearby coastal areas, coastal rivers, and central Shanghai. The samples were analyzed for the presence of 16 polycyclic aromatic hydrocarbons (PAHs) in the USEPA priority-controlled list by GC-MS. The compound-specific stable carbon isotopes of the individual PAHs were also analyzed by GC-C-IRMS. The sources of PAHs in the SPMs and surface sediments in the Yangtze estuarine and nearby coastal areas were then identified using multiple source identification techniques that integrated molecular mass indices with organic compound-specific stable isotopes. The results revealed that 3-ring and 4-ring PAH compounds were dominant in the SPMs and surface sediments, which are similar to the PAH compounds found in samples from the Wusong sewage discharge outlet, Shidongkou sewage disposal plant, Huangpu River, coastal rivers and central Shanghai. Principal component analysis (PCA) integrated with molecular mass indices indicated that gasoline, diesel, coal and wood combustion and petroleum-derived residues were the main sources of PAHs in the Yangtze Estuary. The use of PAH compound- specific stable isotopes also enabled identification of the PAHs input pathways. PAHs derived from wood and coal combustion and petroleum-derived residues were input into the Yangtze Estuary and nearby coastal areas by coastal rivers, sewage discharge outlets during the dry season and urban storm water runoff during the flood season. PAHs derived from vehicle emissions primarily accumulated in road dust from urban traffic lines and the commercial district and then entered the coastal area via the northwest prevailing winds in the dry season and storm water runoff during flood season.     

兰州市土壤一蔬菜系统典型重金属空间评价及健康风险分析

通过田间试验和室内分析相结合,对兰州市蔬菜和土壤中重金属cd、Hg、Pb、As和cr的含量进行测定并评估经食入途径对人体的健康风险,同时运用改进的物元模型综合评价兰州市三县四区土壤重金属污染并进行分区。结果表明：（1）兰州市菜地土壤中Cd、Hg、Pb、As和cr的平均含量都高于背景值,存在明显的积累,但均低于《土壤环境...     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

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。