A unique Galactic planetary nebula with a [WN] central star

We report the discovery of the first probable Galactic [WN] central star of a planetary nebula (CSPN). The planetary nebula candidate was found during our systematic scans of the AAO/UKST Hα Survey of the Milky Way. Subsequent confirmatory spectroscopy of the nebula and central star reveals the remarkable nature of this object. The nebular spectrum shows emission lines with large expansion velocities exceeding 150 km s⁻¹, suggesting that perhaps the object is not a conventional planetary nebula. The central star itself is very red and is identified as being of the [WN] class, which makes it unique in the Galaxy. A large body of supplementary observational data supports the hypothesis that this object is indeed a planetary nebula and not a Population I Wolf–Rayet star with a ring nebula.     

北京市区春季燃烧源大气颗粒物的污染水平和影响因素

以大气中PM2.5和PM10为研究对象,于2005-03-13—25共7天的时间内,在中国地质大学(北京)测试楼顶、首钢焦化厂和首钢东门设立3个采样点进行采样监测。结果表明:PM2.5和PM10质量浓度的日变化呈现一定规律性,在不同时段PM2.5和PM10的质量浓度不尽相同,且变化较大,在特定时刻出现峰值,主要受污染源排放和气象因素的控制;PM2.5和PM10质量浓度随气温的升高而降低,这与高温有利于颗粒物扩散、低温容易形成逆温层有关;在一定的相对湿度范围内(以大气中水汽不发生重力沉降为界限),PM2.5和PM10质量浓度与相对湿度呈正相关关系;而当发生降水时,由于水滴的冲刷和附带作用,PM2.5和PM10质量浓度降低;PM2.5和PM10质量浓度与风级呈明显的负相关关系。通过北京市与国内8个省会城市的PM2.5和PM10质量浓度的对比,发现北京市PM2.5和PM10污染比较严重,PM2.5和PM10质量浓度分别超过了1996年中国制定的PM10排放标准和1997年美国EPA制定的PM2.5排放标准。     

杭州市区春节期间空气质量变化特点

分析近3年春节期间的空气质量资料，结果表明，杭州市区环境空气中PM10、SO2、NO2浓度较高，烟花爆竹燃放期间3种污染物出现高峰值，这与烟花爆竹燃放有关，PM25／PM10的比值高于年均值。     

伊利石层间钾释放的远红外光谱研究

本文介绍了新近研究层间交换的远红外方法，并用该方法研究了金砂伊早石层间交换的性质，随着温度的升高，伊利石的远红外谱段从１０８ｃｍ＾－１向低波数方向偏移，３００Ｃ时为１０７ｃｍ＾－１，５００℃时为１０００ｃｍ＾－１，７００℃时为９８ｃｍ＾－１，同时，伊利石的释钾程度也伴随着增加，远红外谱同释放钾的能力有一清楚对比，因此可以用远红外方法预言伊利石释钾的能力，最后，利用量子化学计算的ＰＭ３方法首次从理论     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究

基于全国城市的PM_2.5监测数据,识别PM_2.5的时空分布特征,并着重利用地理加权回归模型分析自然和社会经济因素对PM_2.5影响的空间异质性。结果显示：2015年全国PM_2.5的年均浓度为50.3 μg/m3,浓度变化呈现冬高夏低,春秋居中的“U型”特征;PM_2.5的空间集聚状态明显,其中京津冀城市群是全国PM_2.5的污染重心。地理加权回归结果显示：影响因素除高程外,其余指标均呈现正负两种效应,且影响程度具有显著的空间差异性特征。从回归系数的贡献均值来看,自然因素对城市PM_2.5浓度影响强度由高到低依次是高程、相对湿度、温度、降雨量、风速、植被覆盖指数;各类社会经济指标对城市PM_2.5浓度影响强度排名依次是人口密度、研发经费、建设用地比例、产业结构、外商直接投资、人均GDP。由于各指标对城市PM_2.5浓度变化的影响程度存在着空间异质性,因此在制定大气治理对策时可以考虑不同指标影响程度的空间差异,从而使得治霾对策更具针对性。     

基于GIS的石家庄市雾霾分析

为了得出雾霾气象成因机制、影响因素和时空分布特征,以石家庄市区与郊县为研究区域,将2013年9月至2016年12月石家庄市各市区、郊县的PM2.5历史监测数据中的有效数据进行了数据分析处理得到雾霾浓度数据,还有温度、降水、风速、地形和人口密度等数据,运用GIS分析的方法,模拟绘制石家庄雾霾的时空分布图、雾霾与各影响因子的专题对比图,得到雾霾形成机制的因子、雾霾的时空分布规律、雾霾季节变化特征、雾霾与地形间的关系等;运用数据分析软件OriginPro8.SR3分析雾霾浓度与风速数据、降雨数据、温度数据间的相关性。     

基于空间面板计量模型的雾霾对中国城市旅游流影响的空间效应

以中国342个市域单元为研究对象,借助双变量LISA模型、空间面板杜宾模型等方法,探究了1998-2016年雾霾与中国城市旅游流的空间关联特征,分析了雾霾对旅游流的影响及其空间溢出效应。结果表明,在中国雾霾PM_2.5与城市旅游流有东高西低的分布特点,在胡焕庸线两侧的空间分布呈现出与地形和城市发展等因素的空间耦合性;雾霾与城市旅游流（含国内和入境旅游流）均表现出显著的空间集聚和空间依赖特征,雾霾污染对旅游流产生明显的影响并形成相应的空间效应;雾霾对旅游流的抑制区域在不断扩大,H-L型城市数量的增加、L-H型集聚区的片状扩张和华北、华中地区的L-H型集聚的“空心化”现象均表明旅游流具有低雾霾指向性;雾霾污染与旅游流的倒“U”型曲线关系表明经典的EKC假说对中国城市旅游流同样适用,且雾霾污染的显著负向影响主要存在于入境旅游方面;雾霾和旅游流均具有明显的正向空间溢出效应,将雾霾治理同经济发展、对外联系、旅游开发、生态保护和交通建设等因素结合起来进行综合治理,才能为旅游发展创造美好的环境,实现国际、国内旅游健康、协调、可持续的高质量发展。     

车辆碾压作用下戈壁地表起尘浓度

通过野外观测车辆碾压作用下戈壁地表PM₁₀释放浓度,探讨其主要影响因素。针对戈壁区砾石、砂砾、砂质和砂土4种路面类型,应用TSI粉尘仪多次重复观测车辆碾压产生的PM₁₀浓度,进而阐明碾压次数、车速和地表水分等因素对起尘浓度的影响。结果表明：4种路面的平均起尘浓度依次为5.339、9.089、16.944、50.251 mg·m^-3,是自然状态下的5~50倍;起尘浓度随碾压次数增多而增大,其中砂土路情况下的增长最显著;随土层厚度的增大呈现出幂函数的增长趋势;降雨后路面起尘浓度显著减小,且降雨量会影响降雨后起尘浓度的变化趋势。最后提出了针对性的建议和措施以减弱车辆碾压导致的戈壁地表起尘。     

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。