采用因素分解模型研究京津冀地区用水变化的驱动效应

京津冀地区水资源供需矛盾突出,迫切需要分析其用水量变化与社会经济发展之间的内在联系. 在分析用水总量变化时空特征的基础上,采用因素分解模型研究了2003—2013年京津冀地区产业用水量变化的规模效应、结构效应和技术效应. 结果表明:京津冀地区产业用水量10年间下降了8.84%,是京津冀地区实现经济增长和水资源利用脱钩的主要影响因素;规模效应10年间累计增加了267.95×108 m3,是导致产业用水量增长的唯一驱动因素;结构效应和技术效应都倾向于减少产业用水量,分别累计减少124.17×108和164.11×108 m3;技术效应是北京产业用水量减少的主要原因,10年间累计减少了79.14%的产业用水量;而天津的结构效应要强于技术效应,10年间分别累计减少81.17%和73.71%的产业用水量;河北的结构效应和技术效应10年间分别累计减少51.37%和68.33%的产业用水量,相比京津仍有较大潜力. 研究显示,调整产业结构、推广节水技术是缓解京津冀水资源短缺压力的有效途径,未来河北在承接产业转移的同时,应紧密结合产业结构的优化和经济增长方式的转变.      

京津冀地区生态系统服务价值时空变化及驱动因子分析

基于京津冀地区2000年、2010年和2018年土地利用分类数据,通过分析土地利用结构及其动态变化、构建生态系统服务价值（ESV）模型,探究京津冀地区13个地市ESV的时空演变,运用地理探测器分析京津冀地区ESV驱动因子。结果表明：1）2000—2018年,耕地是京津冀地区最主要的土地利用类型,建设用地是面积和动态度变化最剧烈的土地利用类型。2）2000—2018年京津冀地区ESV呈先下降后上升趋势,调节服务与支持服务始终是京津冀地区生态系统服务的核心功能,其中水文调节的贡献率最大。3）从时间上看,京津冀地区地均生态系统服务价值（AESV）变化不大。从空间上看,京津冀地区AESV空间分布差异明显,高值区主要分布在冀北和京津地区,低值区主要分布在中南部的平原地区。京津冀各地市AESV的变化较为明显,大多数地市呈减少趋势。4）各土地利用类型的敏感性指数均小于1,其中林地的敏感性指数最高,对ESV的影响最大。5）地理探测器分析表明,京津冀地区AESV在空间上的分布差异受到区域自然因子、经济因子和社会因子共同作用,其中高程、地均GDP、人口密度等因子的贡献率较大,不同驱动力之间的交互作用对京津冀地区AESV的空间分异影响明显增强。

     

气候变化背景下京津冀地区濒危水鸟潜在适宜区模拟及保护空缺分析

明确濒危水鸟栖息地分布并加以保护对于维持水鸟物种多样性和提高湿地环境质量具有重要意义.自1980年以来京津冀地区水鸟数量出现较大波动,为了分析濒危水鸟潜在分布区域及其变化特征,借助GIS平台和MaxEnt模型,基于2015年濒危水鸟"出现点"信息,定量识别了影响京津冀地区濒危水鸟分布的主要驱动因素和贡献率,并预测了2050年RCP2.6、RCP4.5、RCP8.5（依次代表低、中、高3种CO₂浓度排放模式）3种气候情景下濒危水鸟的潜在适宜区分布和保护空缺规律.结果表明:①京津冀地区濒危水鸟共有9种,东方白鹳、遗鸥和黑鹳3种濒危水鸟潜在适宜区面积较大.东方白鹳和遗鸥适宜区主要集中于环渤海湾沿岸和北京市中南部,黑鹳则主要集中于北京市南部房山区和东北部.②与2015年相比,2050年RCP2.6、RCP4.5和RCP8.5三种气候情景下濒危水鸟适宜区面积均较大,相应适宜区面积增幅依次为96.24%、103.94%和65.51%,适宜区空间分布上向西南和东北方向扩张.③国家自然保护区对濒危水鸟潜在适宜区和热点区的覆盖率较低,相较天津市,河北省和北京市对这两个区域的覆盖不足.④在京津冀地区尺度下,不同情景下保护区覆盖濒危水鸟适宜区比例依次为基准情景（1.26%）> RCP8.5情景（1.11%）> RCP2.6情景（0.70%）> RCP4.5情景（0.29%）,保护区覆盖热点区比例依次为RCP4.5情景（0.83%）>基准情景（0.77%）> RCP8.5情景（0.08%）> RCP2.6情景（0）.研究显示,以单个水鸟为单位分析濒危水鸟潜在适宜区分布格局,能够精准有效地揭示国家自然保护区对濒危水鸟的覆盖情况.      

京津冀地区2015～2020年臭氧持续污染事件特征、气象影响及潜在源区分析

基于京津冀地区2015～2020年臭氧小时浓度数据和气象再分析数据,利用广义加性模型、潜在源贡献函数法、浓度权重轨迹法分析了京津冀地区臭氧持续污染事件特征、气象影响和潜在源区.结果表明,京津冀地区持续3d及以上的臭氧污染事件(OPE3)出现天数由2015年的24d上升到2020年的76d,占臭氧污染总天数的比例最高达到85%;OPE3天数的月变化特征与臭氧浓度的变化特征高度一致,在5～9月的相关性达0.97;京津冀地区OPE3发生的天气形势主要为高温、低湿、异常南风、异常反气旋及明显下沉气流;以京津冀地区的典型代表城市北京为例,OPE3期间气团主要来自于北京以南地区(71.2%),以短距离传输为主,主要潜在源区是河北省南部、山西省东北部、河南省东北部以及山东省北部,污染轨迹的贡献率约79.3%.     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合Arc GIS软件空间插值法、SPSS 21. 0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1) 2017年京津冀地区ρ(PM_2.5)年均为64. 4μg/m³,比2016年下降11. 5%,全年达标天数占比为74. 2%。2)京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3)从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92. 4%;...     

基于卫星观测的2005—2015年京津冀地区NO2柱浓度分布及变化趋势

为更好地了解京津冀地区NO₂浓度的长期时空分布变化特征,对2005—2015年京津冀地区对流层NO₂柱浓度数据进行了统计分析.结果表明,京津冀地区对流层NO₂柱浓度在2005—2010年增加明显,年均复合增长率为6.8%,并在2010年达到峰值,为1 329.07×1013 mol/cm2;2010—2013年保持相对稳定;2013—2015年显著下降,降幅达26.2%.2015年NO₂柱浓度为964.43×1013 mol/cm2,基本与2005年的浓度水平持平.北京地区NO₂柱浓度最先开始下降并保持降低趋势,其中北京市城区降幅远大于郊区,并在2015年达到最低值,为1 647.38×1013 mol/cm2;天津市城、郊区NO₂柱浓度变化相近,总体上均呈先增后减的趋势,并且均在2010年达到峰值,分别为2 686.96×1013、2 019.36×1013 mol/cm2;而河北省西南部(石家庄、邢台、邯郸市)在近两年降幅最为明显,均在35.0%以上.京津冀对流层NO₂柱浓度呈由南向北递减的空间分布趋势,高值区主要分布于京津唐一带以及河北省南部沿太行山一带.研究显示,虽然近年来京津冀地区NO₂柱浓度降幅明显,但相比于周边地区仍面临较大的减排压力.      

农业产业化经营项目空间分布及驱动因素分析——以京津冀地区为例

农业产业化经营项目是农业产业发展基础,是京津冀协同发展下调整农业产业结构、提高农业综合生产能力的重要内容。基于京津冀地区2011—2016年数据,利用核密度指数等方法研究产业化经营项目的空间分布及影响因素。结果显示：（1）京津冀地区农业产业化经营项目形成“斜一字型”核密度分布结构,密度由中部向东北、西南方向递减;（2）种植基地项目主要分布在河北省西南部、天津东部,养殖基地项目主要集中在河北省南部、天津市中部,储藏保鲜项目、改扩建加工项目分别向京津冀地区中北、东北方向迁移;（3）农业机械总动力、年末金融机构各项贷款余额是经营项目空间分布格局重要的影响因素,分别在农业发展“硬件”条件、配套资金供给方面影响经营项目分布。     

秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析

为了研究我国南北过渡带西部地区大气污染物变化特征，选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据，分析了各污染物的浓度水平、变化特征及与气象条件的关系，并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源（WPSCF和WCWT）.结果表明：4年来，秦巴山地西部地区空气环境质量较好，空气质量优良率达94.24%，6项大气污染物SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m^-3，均未超过国家二级标准.PM₁₀是该地区首要污染物中天数最多的，达94 d.污染物SO₂、NO₂、CO、PM_2.5和PM₁₀的季节变化和日变化特征具有较好一致性，呈"U"型变化，O₃呈单峰型，在夏季和午后浓度到达高值.颗粒污染物PM₁₀、PM_2.5与气态污染物SO₂、NO₂、CO均呈现较好正相关，气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节，颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.     

基于LEAP模型的京津冀地区钢铁行业中长期减排潜力分析

京津冀地区是我国钢铁行业集中布局的地区,也是大气污染最突出的地区.分析京津冀地区钢铁行业各类治污工具的中长期减排影响,对于选择最优减排措施、加快推动该地区大气污染治理意义重大.构建基于LEAP模型的京津冀地区钢铁行业模型,以2015年为基准年,以每5 a为一个时间节点,结合规模减排、结构减排、技术减排、末端治理4种减排措施,模拟计算了4种单一政策情景及4种组合政策情景下2015-2030年京津冀地区钢铁行业主要污染物（SO₂、NO_x、PM₁₀、PM_2.5、CO₂）排放量及相应的减排影响.结果表明:在单一政策情景下,规模减排情景对5种污染物减排效果均十分显著.在组合政策情景下,4种减排措施叠加的综合减排情景效果最好,在该情景下京津冀地区钢铁行业到2030年SO₂、NO_x、PM₁₀、PM_2.5、CO₂排放量将分别削减27.73×104、17.85×104、42.94×104、27.35×104、23.15×107 t;在规模-末端治理情景下,除CO₂外其余污染物减排效果仅次于综合减排情景;规模-结构减排情景对PM₁₀和PM_2.5的减排效果相对明显;规模-技术减排情景对CO₂、SO₂、NO_x的减排效果相对明显.研究显示,京津冀地区钢铁行业需要在大力淘汰落后过剩产能、缩减产量等源头治理措施的基础上,持续加强末端治理、提高废钢比例、提升节能减排技术水平等协同治理能力,以提高治污减排效果.      

2015年冬季京津冀两次重污染天气过程气象成因

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明：这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低（京津冀平均混合层高度339m）、过程期间伴随弱下沉运动（0~2Pa/s）、多层逆温（且厚度大）造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM_2.5峰值浓度达593mg/m³.过程二前期采取了减排措施,能见度和PM_2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM_2.5爆发式增长,其中邢台PM_2.5峰值浓度达70mg/m³,增长率超过7.2mg/（m³·h）.     

京津冀地区居民采暖"煤改电"的大气污染物减排潜力与健康效益评估

散煤燃烧等低矮面源的排放对京津冀等地区采暖季ρ（PM_2.5）贡献较大,是重污染天气形成的重要原因之一.针对京津冀地区居民采暖“煤改电”治理工程,以2025年为目标年,以不做任何散煤治理工作为基准情景,同时设计2种不同的控制情景（控制情景1、控制情景2）,评估不同控制情景下“煤改电”带来的健康效益.通过综合考量民用散煤占燃煤消费量的比例、散煤PM_2.5排放强度,结合京津冀地区各城市PM_2.5源解析结果,确定民用散煤对大气环境ρ（PM_2.5）的贡献系数,计算空气质量改善情况.在此基础上,综合流行病学相关研究成果,运用环境健康风险评估方法,预测不同控制情景中京津冀地区居民采暖“煤改电”带来的健康效益.结果表明:①京津冀地区在控制情景1中ρ（PM_2.5）年均值分别下降4.9、4.9和1.1 μg/m3,在控制情景2中分别下降5.4、5.6和2.0 μg/m3;②在控制情景1、控制情景2中京津冀地区居民采暖“煤改电”带来的健康效益分别为266.55×108和352.34×108元,分别约占京津冀地区2015年GDP的0.38%和0.51%.研究显示,通过实施”煤改电”,京津冀地区可实现的健康效益相当可观,其中,北京市获得的健康效益最大,其次是河北省和天津市.      

基于WOFOST模型的京津冀地区冬小麦生产潜力评价

研究利用近40年的逐日气候数据,借助WOFOST作物模型模拟分析了京津冀地区冬小麦的生产潜力,通过与实际产量的比较,探讨了提高冬小麦产量的潜力与措施。研究表明：①京津冀地区(除张家口和承德地区)冬小麦光温潜力介于6934~9143kg/hm²之间,从冀中南部向京津地区和冀东北地区逐渐增大,区域平均生产潜力为8037kg/hm²;②冬小麦雨养潜力介于4515~6639kg/hm²之间,由东部和南部随降水量降低依次向西北递减,到冀西北区降至最低,区域平均产量为5771kg/hm²;③影响冬小麦产量的自然因子中,水分是关键限制要素,北部地区也受低温霜冻的影响;④京津冀中部和南部地区的冬小麦生产潜力年际变化波动相对较小,东北部变化波动相对较大;⑤2005-2007年研究区冬小麦的实际单产在2721~7300kg/hm²之间,区域平均5247kg/hm²,相当于潜在产量的50%~80%,其中石家庄地区附近实际产量达到潜在产量的80%以上,天津和沧州地区以及邯郸地区,实际产量与潜在产量的差距较大。     

基于Logistic的辽河口湿地景观格局变化驱动力分析

文章以辽河口湿地景观格局为例,考虑湿地景观格局变化过程的空间变量,建立了不同湿地景观格局变化过程的二元Logistic回归模型。模拟结果表明:模型中转为建筑用地的主要解释变量是城镇人口变化率;转为芦苇地的主要解释变量是农村人口变化率和过境水资源变化率;转为水稻田的主要解释变量是农村人口变化率;转为养殖池的主要解释变量是第一产值变化率和农村人口变化率。空间异质性和湿地景观格局变化过程的时间变量共同影响着使用二元Logistic回归模型来解释湿地景观格局变化驱动力的能力;通过对各个模型的二元Logistic回归模型进行检验,得出空间统计模型能较好地揭示不同湿地景观格局变化过程的主要驱动力及其作用机理。     

京津冀典型区域地下水污染风险评价方法研究

地下水污染风险评价是开展京津冀地区地下水污染防控工作的基础,对于保障京津冀地下水环境安全至关重要.为了有针对性地开展京津冀地区地下水污染防控工作,以京津冀地区内某典型区域为研究区,提出了一种基于HYDRUS-2D软件的地下水污染风险评价方法,并以研究区内特征污染物硝酸盐为对象进行地下水污染风险评价.结果表明:①研究区内地下水污染荷载主要受垃圾填埋场分布影响,其次为工业源和农业面源;②包气带结构类型不变的情况下,污染源荷载的变化只会导致进入含水层中的污染物浓度不同,不会改变包气带硝酸盐折减系数;③污染源类型、包气带介质岩性及厚度是造成研究区内地下水硝酸盐污染风险评价存在差异的主要原因.研究显示,采用基于HYDRUS-2D软件的地下水污染风险评价方法,能够有效地降低地下水污染评价过程中的主观性,对于确定京津冀地区地下水污染重点防控区域,提高地下水环境管理水平具有重要的参考价值.      

垦利县耕地资源变化及其驱动力研究

耕地是人类宝贵的自然资源,其面积变化反映了社会经济的发展,对国家粮食安全有着重要的影响,近年来耕地资源日益减少的现象引起了人们的普遍关注。文章对1995年到2004年十年间东营市垦利县的耕地资源变化数据进行分析,指出造成其变化的主要环境驱动因子包括自然因素、社会经济发展以及耕地保护政策不够完善等。在此基础上,结合地区经济现状,提出要实现垦利县耕地资源的可持续利用,必须在开源节流的同时重视土地利用总体规划,依赖政策体系的完善和科技因素的加强。     

京津冀地区钢铁行业协同减排成本-效益分析

京津冀地区是我国钢铁行业布局最集中的区域,也是大气污染治理的重点区域之一.分析京津冀地区钢铁行业各类治污手段中长期减排的成本-效益,对于选择最经济有效的减排路径、加快推动该地区大气环境质量达标意义重大.基于能源环境、环境分布、人群健康效益评价等模块构建多模型耦合方法,以2015年为基准年,以每5 a为时间节点,设计了京津冀地区钢铁行业规模-结构、规模-技术、规模-末端治理、综合减排4种协同减排情景,计算各情景下2015—2030年京津冀地区钢铁行业主要污染物(SO₂、NO_x、PM₁₀、PM_2.5、CO₂)的减排成本与效益,比较获取治污减排的最优路径方案.结果表明:①基于减排成本计算,规模-末端治理减排情景成本最低,分别为规模-结构、规模-技术减排情景投入的15.18%、23.94%;综合减排情景下治污减排潜力最大,但综合成本最高.②基于环境税效益评价方法、人群健康效益评价方法计算显示,人群健康效益评价方法计算的减排效益高于环境税效益评价方法,表明污染减排的潜在人群健康效益更高;基于两种减排效益方法,4种协同减排情景中综合减排效益分别为10.78×108、76.14×108元,高于规模-结构、规模-技术、规模-末端治理减排情景效益.③基于环境税效益评价方法,4种协同减排情景的效益-成本比表现为规模-末端治理减排情景(0.46) >规模-技术减排情景(0.24) >综合减排情景(0.15) >规模-结构减排情景(0.10);基于人群健康效益评价方法4种协同减排情景的效益-成本比依次为规模-末端治理减排情景(8.35) >综合减排情景(1.07) >规模-结构减排情景(0.57) >规模-技术减排情景(0.65),表明规模-末端治理减排情景的减排路径最优.研究显示,京津冀地区钢铁行业应基于环境质量底线目标要求,综合考虑减排潜力、减排成本与收益,以规模-末端治理为主要途径,选取协同减排的最优路径.