中国城市O3浓度时空变化特征及驱动因素

基于2015～2017年O_3浓度监测数据,采用克里金插值、空间自相关分析、热点分析和地理探测器等方法,研究了中国城市O_3浓度的时空变化特征及驱动因素.结果表明:①2015～2017年中国城市O_3污染逐年加重,年评价指标超标城市由74个增加到121个,平均超标天数比例由5. 2%上升到8. 1%.②O_3污染主要发生在4～9月,超标天数占全年总超标天数的87. 5%～95. 3%. 5～7月O_3浓度上升最快、污染最严重,超标天数比例由2015年的10. 6%上升到2017年的20. 5%,2017年83. 0%的中度污染和91. 0%的重度污染发生在5～7月.③华北平原O_3浓度的持续上升,已将京津冀和长三角地区O_3高污染区连成一片,形成了包括环渤海地区、中原城市群、长三角城市群、山西、关中地区和内蒙古中部集中连片的O_3高污染区,是我国O_3污染最严重的区域.珠三角、成渝城市群和华东地区南部O_3浓度上升也较快,成渝城市群的核心城市已初步形成我国新的O_3污染中心.④O_3浓度空间集聚性逐年增强,年度热点主要分布在华北平原和长江中下游地区,冷点主要分布于东北、西南及华南地区.⑤地理探测器分析表明,气象、工业化、城市化因素和O_3前体物排放量因子对O_3浓度分布均有显著驱动作用,但不同地区O_3浓度的驱动因素存在差别,同一因子在不同季节的驱动作用也不尽相同.     

长三角对流层甲醛柱浓度时空变化及驱动因素

通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量,利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明：长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势,2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近,低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛,电力源分布稀疏且VOC排放量远小于工业源排放量,居民源的VOC排放量介于工业源和电力源之间,有明显的南北差异.交通源主要集中在苏南、浙北和上海附近,少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8,比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染,同时也为大气治理和政策制定提供了科学依据.     

中国大陆CO2浓度时空分布特征及驱动因素

以中国大陆地区为研究区域,基于全球变化大数据云共享平台的CO₂浓度时空连续数据集、欧洲中期天气预报中心(ECMWF)、MODIS以及中国年鉴筛选的驱动因子数据集(人口总数、GDP、能源消费数据),借助相关性分析方法及地理加权回归分析方法对2015～2019年CO₂浓度分布时空特征与驱动因子之间的关系进行分析.结果表明:CO₂浓度按年周期持续上升,其增长率呈明显的空间聚集性,同时重新标度极差法分析结果表明CO₂浓度仍呈增长趋势;驱动因子敏感性分析显示人类活动是导致CO₂浓度增长的主要因素;自然和人类活动对区域CO₂浓度的影响呈现出明显的空间异质性,区域位置不同,自然和人类活动等驱动因子对区域的影响作用有差异.     

钦州湾水质污染时空变化特征及驱动因素

于2015年4月和9月在钦州湾海域进行了2个航次的环境调查,获取了表层海水温度、盐度、pH、DO、COD、Chl a、石油烃、营养盐和重金属等指标数据,应用主成分分析法研究该海湾水质状况,并探讨影响该海区水质的主要驱动因子。通过主成分分析从18项调查指标中筛选提取出前4个主成分,可以解释原始变量信息73.68%的结果。主成分综合得分分析表明,钦州湾2015年4月水质污染比9月严重,空间分布上由内湾向外湾水质污染呈递减趋势,茅尾海水质污染严重。河流输入、鱼虾贝类养殖、浮游植物消长及水动力过程是影响钦州湾水质时空变化的重要因素。相关分析表明,影响钦州湾水质污染的主要驱动因子是氮营养盐、盐度、pH、Cd和Zn。陆源输入和养殖活动是主要污染源,应加强钦江、茅岭江的水环境保护,科学规划内湾养殖规模,进而改善钦州湾水质状况。     

中国城市二氧化氮浓度的时空分布特征

文章利用2015-2018年中国367个城市NO_2浓度的实时数据,分析了中国城市NO_2浓度的时空分布特征。分析结果显示:城市NO_2小时均浓度日分布呈现双峰特征,早晚潮汐现象显著;城市NO_2月均浓度呈"U"型分布,即12月污染物浓度最高,8月浓度最低;NO_2污染表现出季节性分布特征,污染物浓度为冬季秋季春季夏季,即冬季高发,夏季低发趋势;2015-2018这4年中,污染物年均浓度呈现先上升后下降趋势,其中2017年NO_2污染程度尤为严重;全国不同地区污染情况差异显著,NO_2污染最严重的省份为河北省,其中保定、唐山、石家庄、邢台不达标天数分列前4位;华北、华东地区NO_2污染最为严重,西南、西北、华南地区污染状况程度较轻;三大城市群NO_2污染情况表现为京津冀长三角珠三角。     

中国典型城市大气污染物浓度时空变化特征分析

利用2014年3月1日至2015年2月28日北京、广州和南京三市6种污染物浓度(PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3)的日平均数据,统计分析了三市各污染物浓度的变化特征及其与气象条件的关系。结果表明:(1)3个城市中,广州空气质量最好,南京次之,北京最差。广州优、良出现的天数最多,分别为98和222天,占全年的26.8%和60.8%,没有出现重度污染和严重污染的现象。北京优出现的天数为55天,高于南京的29天,但是中度污染、重度污染和严重污染天数要高于南京,分别为61、34和8天;南京则为30、14和0天,南京没有出现过严重污染。(2)整个1年间,北京PM_(2.5)、PM_(10)、SO_2、NO_2、O_3年平均浓度分别为80.5、112.9、16.8、53.4和57.3μg/m~3,广州平均浓度分别为45.9、67.2、16.6、45.7和47.9μg/m~3,南京平均浓度分别为70.6、120.1、21.5、50.3和54.9μg/m~3,北京、广州和南京CO年平均浓度分别为1.2、1.0和0.9mg/m~3。(3)上述三个城市PM_(2.5)日均值超标率分别为42.7%、7.9%和38.4%,而PM_(10)日均值超标率分别为23.0%、1.6%和25.2%,NO_2日均值超标率分别为14.0%、3.8%和7.1%,CO浓度仅北京超标,超标率为1.4%,3个城市SO_2无超标现象。(4)3个城市SO_2和NO_2均随风速的增大而减小。风速对广州CO浓度影响不大,而北京和南京CO浓度则随风速的增大而减小。风速越大,南京PM_(2.5)和PM_(10)浓度越小,但当风速≥4m/s时,北京PM_(10)和广州PM_(2.5)与PM_(10)浓度增加。此外,风向对污染物的传输也有影响。     

中国东部湖泊有机氮浓度时空特征及影响因素

湖泊蓝藻水华期间,水体无机氮缺乏,有机氮的循环转化能为浮游植物提供重要的氮素补充,而藻华频发的中国东部湖泊有机氮浓度的时空特征和影响因素尚不明确。该文基于区域划分系统分析了中国东部84个湖泊有机氮浓度特征和影响因素,并对比分析了区域典型湖泊鄱阳湖、太湖有机氮浓度的长期变化。结果表明,调查湖泊枯水期有机氮浓度为0.08～3.30 mg/L,均值为(0.85±0.46) mg/L,占总氮比例为8.01%～99.45%,均值为(64.67±22.72)%;丰水期有机氮浓度为0.05～1.47 mg/L,均值为(0.68±0.42) mg/L,占总氮比例为9.15%～93.39%,均值为(59.12±20.77)%。有机氮浓度均值呈现枯水期"西高东低"而丰水期"西低东高"的特征,即枯水期长江(宜昌-望江段)流域湖泊长江(望江-入海口段)流域湖泊淮河流域湖泊,而丰水期与之相反。从有机氮占总氮比例的季节特征来看,长江(宜昌-望江段)流域和淮河流域湖泊多数呈现枯水期高于丰水期,而长江(望江-入海口段)流域湖泊多数呈现枯水期低于丰水期。湖泊藻生物量、悬浮物浓度对湖泊有机氮浓度的影响呈现季节和区域性差异,区域典型湖泊鄱阳湖有机氮浓度主要受悬浮物浓度影响,而太湖有机氮浓度主要受藻生物量影响,受悬浮物浓度影响较小。     

北京城市大气CO2浓度变化特征及影响因素

北京大气CO2浓度日变化强烈,全年北京时间15:00时前后为全天最低值,最高值则出现在夜间,日变化幅度为23.2～39.0μmol@mol-1,夏季和秋季日变化幅度比冬季和春季大.北京城区大气CO2浓度季节变化明显,最大值出现在冬季,月平均浓度为421.5～441.0μmol@mol-1;最小值则在夏季,月平均浓度367.4～371.6μmol@mol北京CO2浓度的季节变化幅度明显高于附近的华北兴隆区域站和瓦里关山大陆本底站等的相应值,其原因是北京CO2浓度季节变化主要受人为取暖活动控制,同时植被的季节变化也起一定作用.1993～1995年北京大气CO2浓度上升较快,平均增长率为3.7%@a-1,1995年平均浓度达到最高,为409.7±25.9μmol@mol,随后缓慢下降.     

北京野鸭湖湿地观测站O_3变化特征及影响因素

利用2013年8月22日-12月31日北京野鸭湖湿地生态气象观测站监测数据,分析O3浓度变化特征及其影响因素。结果表明,研究时段野鸭湖站O3浓度小时均值为48.3μg/m3,超过一级标准率为3.7%,超过二级标准率为1.3%。O3浓度显午后单峰型,高浓度阶段出峰时间(17:00)比低浓度阶段晚2 h,O3浓度最大值与最小值比值较低。O3浓度变化与气温、风速显正相关,与相对湿度显负相关;受局地上游污染源影响,当低层风向在22.5°~180.0°之间时易造成高O3浓度,西南气流反之。持续的偏东风控制和适中的温度、风速、相对湿度是产生光化学污染的重要气象条件,且一天中超标时段多发生在13:00-17:00。     

鄂尔多斯市防风固沙功能时空变化及驱动因素分析

鄂尔多斯市是京津风沙源治理的重点区域,其防风固沙功能提升对于筑牢北方生态屏障和维护环京津地区的环境安全具有重要意义. 本文基于长时间序列卫星遥感影像以及气象、植被、土壤等数据资料,采用修正的风蚀模型(RWEQ),评估了鄂尔多斯市防风固沙功能,揭示了防风固沙功能时空变化规律及驱动因素. 结果表明:①2018年鄂尔多斯市防风固沙量为95.07×108 t,单位面积防风固沙量为10.95×104 t/km2,高值区主要位于东部和北部,整体上呈现自东向西递减的趋势. ②2000—2018年,鄂尔多斯市防风固沙功能呈增加趋势,年均增长率为26.96%;空间上,其防风固沙功能明显提升区域主要位于准格尔旗和乌审旗的东南部,面积占比为54.89%;稳定区域位于杭锦旗、鄂托克旗、伊金霍洛旗的部分区域,面积占比为29.76%;降低区域位于杭锦旗北部和鄂托克旗西部,面积占比为15.33%. ③鄂尔多斯市防风固沙功能变化与降雨量和土地利用类型的面积占比均呈显著相关. 研究显示,长期生态保护修复显著提升了鄂尔多斯市防风固沙功能,但由于气候变化和人类活动影响仍存在功能退化区域,未来科学实施生态修复是筑牢鄂尔多斯市生态屏障的主要方向.      

滦河流域TN浓度时空变化特征与影响因素分析

水体中氮元素浓度过高是影响河流水环境的重要因素之一.为深入了解滦河流域TN浓度时空变化特征,本研究基于2018-2022年滦河流域TN浓度逐月监测数据,通过空间聚类分析将该流域划分为源头区、中上游区和下游区,开展TN浓度时空分布特征及变化规律研究;通过探究TN浓度与降雨量、径流量、地下水埋深的关系,分析TN浓度变化的影响因素.结果表明：(1)滦河流域TN浓度源头区水质状况良好,TN浓度保持在1.86 mg/L左右;中上游区TN浓度较高,浓度最高断面超过10 mg/L,这与该区域人口聚集、畜禽养殖及农业面源污染等问题有关;下游区受到潘大水库对中上游汇水的调节,TN浓度较中上游区有所下降,稳定在5 mg/L左右.(2)滦河流域TN浓度受降雨量影响显著,月降雨量小于250 mm时,TN浓度与降雨量呈较强负相关,呈现TN浓度随降雨量增大而减少的趋势;月降雨量大于250 mm时,土壤中的氮素受到冲刷被释放,河流中TN浓度随降雨量的增大而升高.(3)潘大水库的调蓄作用对水库下游的TN浓度影响显著,水库的大量泄水会极大增加河道径流,使水库底层沉积物中的氮素释放,从而增大河流中的TN浓度.(4)滦河流...     

城市街谷内PM_(2.5)浓度时空变化及影响因素分析

通过现场观测研究西安市和平路街谷内的PM_(2.5)浓度时空变化特征及其影响因素.在2015年4月8~10日进行了街谷内PM_(2.5)浓度、车流量、风速、温湿度等参数的日变化规律和PM_(2.5)浓度空间分布规律的观测实验.观测结果显示西安市和平路街谷内PM_(2.5)浓度值较高,日间PM_(2.5)浓度呈"凹"字形变化,早晚PM_(2.5)浓度相对较高,在16:00前后PM_(2.5)浓度到达一天当中的最低值.PM_(2.5)浓度与温度、湿度有良好的相关性,对应R2值分别达到0.75和0.81.静风天气条件下,由温度变化引起的大气边界层伸缩运动被发现是影响街谷内污染物扩散的主要因素.     

台州市O_3时空分布特征及污染趋势分析

为研究台州市的臭氧(O_3)时空分布特征及污染趋势,利用WRF、CMAQ、CAMx等模型,对台州市臭氧浓度通过不同的控制情景进行模拟。结果表明,2016年台州市O_3污染物浓度分布与地形特征非常相似,总体呈现"西北部高,东南部低"的态势;四季分布则呈现春高、夏秋季减弱、冬季最低的季节性规律。台州市O_3污染具有较强的区域传输性,2016年台州本地只贡献了4.3%,外来源贡献了95.7%。随着情景方案的逐渐加强,O_3日最大8小时平均值第90百分位数(O_3-8h-90%)并没有呈现出明显的下降趋势。     

中国典型城市PM2.5浓度时空演绎规律及影响因素分析

为探讨空气中ρ（PM_2.5）的空间集聚特征和气候、大气成分变量对空气中ρ（PM_2.5）的影响,利用首批纳入PM_2.5监测的74个城市的ρ（PM_2.5）数据计算Moran's I指数,并选取其中38个典型城市进行计量分析.在基于引力模型的空间权重矩阵基础上,构建面板数据SDM（空间面板杜宾模型）.结果表明:ρ（PM₁₀）、ρ（SO₂）、ρ（CO）、ρ（O₃）、RH（relative humidity,相对湿度）与城市ρ（PM_2.5）呈正相关,而T（temperature,温度）和WS（wind speed,风速）与城市ρ（PM_2.5）呈负相关;ρ（PM₁₀）、ρ（CO）、RH是位于前3位影响城市ρ（PM_2.5）的关键性因素,其总效应分别为0.720 1、0.241 7、0.133 9.地理上邻近城市ρ（PM_2.5）具有明显的外部空间溢出效应,即邻近城市ρ（PM_2.5）每增加10百分点,将导致该地区ρ（PM_2.5）增长6.12百分点.300 km左右是保证PM_2.5区域"联防联控"最佳效果的最大门槛距离,超过该门槛距离,区域"联防联控"的力度和效果会随着距离的增加而逐渐减弱;当门槛距离大于500 km时,ρ（PM_2.5）的空间自相关性不显著.气候变量中,RH和ρ（PM_2.5）呈同方向变化,而T、WS与ρ（PM_2.5）呈反方向变化.研究显示,关注单一地区或单一因素（气候或大气成分）均不能有效控制PM_2.5污染,在保持经济稳定增长的前提下,各地治理PM_2.5应从调整产业结构、优化能源结构、完善防控机制等多个维度共同推进,促使经济增长方式早日从"粗放型"向"集约型"转变.      

安徽省O3浓度时空分异及其驱动因素研究

基于2017—2018年安徽省132个空气质量监测站点的O₃浓度观测数据及各月份的气象与前体物排放数据, 采用空间自相关分析、地理探测器等方法分析安徽O₃浓度的时空分异及其驱动因素. 结果表明:安徽O₃浓度的峰值出现在5月和6月, 超标率分别为31.4%和42.8%. O₃浓度整体呈空间集聚特征, 高值区主要出现在安徽东北部的蚌埠、宿州、淮南和滁州4市, 低值主要分布在皖南山区. 气象要素是安徽省O₃浓度格局形成的主控因素, 其中6月的边界层高度(q=0.644)、近地面太阳辐射(q=0.597)和风速(q=0.571)的影响最大, 且呈正向影响, 风速的增大和边界层高度的增加可能使得输入性污染增加. 降雨量(q=-0.532)和相对湿度(q=-0.559)呈负向影响, 且降雨带的移动是影响安徽夏季O₃分布格局的一项关键因素. 本地前体物排放对安徽O₃浓度的影响受到气象要素的驱动, 在夏季呈正向, 而冬季呈反向, 其中CO的影响相对较大. 6月气象要素与本地前体物排放的双因子交互驱动对O₃浓度的空间分异具有增强作用. 边界层高度和近地面太阳辐射与本地前体物的组合解释力均大于0.7, 在不利的气象条件下, 应进一步加强对本地前体物排放的管控.     

黄河流域资源型城市生态效率时空演变及驱动因素

生态效率是区域发展质量和人地协调程度的综合体现。采用TOPSIS法测度2003—2017年黄河流域37个资源型城市的生态效率,借助泰尔指数、全局空间自相关和热点分析揭示其时空演变规律,利用面板Tobit回归模型探寻关键驱动因素。结果表明：（1）黄河流域资源型城市生态效率总体上以2007年为分水岭,先平稳、后上升;不同城市生态效率的增速和增幅差异较大,下游城市明显高于中、上游城市,再生型城市明显高于成长、成熟和衰退型城市。 （2）城市间生态效率差异大小先略微下降、后持续上升;生态效率空间格局由随机分布向集聚分布演变,低值集聚区从山西、河南交界处向山西中、北部移动,高值集聚区分布具有空间粘性,一直位于下游山东境内。（3）产业转型、科技创新、基础设施完善和区位条件对生态效率改善具有显著正向驱动作用,外向型经济、资源依赖和环境规制抑制生态效率提高,城镇化、工业化和外资利用对生态效率演变的影响不显著;不同类型资源型城市生态效率改善的主要驱动因素存在异质性。     

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m~3,北京植物园为(44.41±31.57)μg/m~3),2月最高(西山公园为(154.07±95.70)μg/m~3,北京植物园为(139.49±100.74)μg/m~3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m~3,北京植物园为(127.04±109.34)μg/m~3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m~3)>北京植物园((82.52±28.18)μg/m~3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m~3)>春季((112.39±18.50)μg/m~3)>秋季((106.37±24.25)μg/m~3)>夏季((81.87±12.60)μg/m~3),北京植物园为冬季((97.35±41.38)μg/m~3)>春季((94.07±12.21)μg/m~3)>秋季((93.17±31.42)μg/m~3)>夏季((61.86±16.70)μg/m~3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。     

浙江省O3浓度时空格局及驱动因子

气象因子对臭氧(O₃)浓度有重要影响,为探索O₃浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O₃浓度和气象因子数据. 结果表明:①浙江省O₃浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O₃浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O₃浓度最小值出现时间较其他季节晚1 h左右. 高浓度O₃主要分布在浙江省东北部及北部区域. ②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O₃浓度的贡献率均超过20%,夏季相对湿度对O₃浓度的贡献率超过40%,秋季日光照时长对O₃浓度的贡献率超过40%,秋、冬两季NO₂浓度对O₃浓度的贡献率均超过35%. 春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419. 研究表明,浙江省O₃浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季.      

中国臭氧浓度的时空变化特征及分区

采用旋转经验正交函数(REOF)法分析了2016年中国338城市臭氧浓度的时空变化特征,根据2016年污染季节(5月至10月)的REOF分析结果,确定出10个具有明显同比变化的区域,不同区域间臭氧浓度的时间变化趋势彼此独立,受到当地地形因素、气象条件、光化学反应等因素的影响.10个区域中,除华南地区和青藏高原外其他地区2014年至2016年臭氧日最大8小时浓度(O3-8h)均呈上升趋势.臭氧分区受到地形地貌特征的影响较大,显示出地形和地貌对臭氧空间相关性的重要影响.黄淮平原、华北平原、长江中下游地区等3个人口稠密区域臭氧浓度较高,应该作为臭氧污染控制战略的重点区域.