南昌市中心城区土地集约利用水平对主要大气污染物的影响

当前,我国城市化进程已由外延式的扩张逐步转变为内涵式发展.集约利用土地资源,构建“紧凑城市”变得越来越迫切.然而,集约利用土地意味着更少的土地资源承载更多的城市要素,人们对环境污染,特别是大气环境污染会变得越来越敏感,研究城市土地集约利用水平对大气污染的影响具有重要意义.本研究以南昌市中心城区为研究区,采用普通克里格插值法模拟6种主要大气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度的空间分布,基于土地利用样本区,选择综合容积率、建筑密度、人口密度等16个土地集约利用水平相关变量,采用偏最小二乘回归与通径分析方法,定量分析土地集约利用水平对大气污染物的影响.结果表明: 土地集约利用水平相关变量与PM_2.5和PM₁₀的相关性最强,其次是O₃和NO₂,与SO₂和CO的相关性最弱;不同土地利用样本区土地集约利用水平变量与6类主要大气污染物的相关性强弱依次为:居住区>教育区>商业区>工业区.土地集约利用水平越高,对大气污染物的影响越大,其中PM_2.5与PM₁₀的影响最大,其次是O₃,NO₂的影响较小.各土地利用样本区土地集约利用水平对大气污染物的直接影响、间接影响和综合影响基本相当,但总体而言,土地集约利用水平的直接影响大于间接影响,其中,居住区土地集约利用水平的综合影响最大,其次是商业区,最小的是教育区.本研究为土地集约利用对大气环境的影响研究提供了新的思路,为解决紧凑城市大气环境问题提供了一定的参考.     

兰州市西固区大气污染对呼吸系统的健康效应

大气污染极易诱发各类呼吸系统疾病,对人体健康造成严重损害。运用Poisson回归的时间序列广义相加模型(GAM)和人群分层的分析方法,探究了2014—2018年兰州市西固区大气污染对呼吸系统的健康效应。结果表明：(1)PM_2.5、PM₁₀、SO₂、NO₂、O₃8h和CO对呼吸系统疾病的发生存在滞后效应,其浓度每升高10μg/m~3(CO升高1 mg/m~3),在最佳滞后天数,疾病住院量分别增加1.06%、1.04%、1.10%、1.07%、0.97%和3.83%,气态污染物(SO₂和NO₂)暴露是诱发呼吸系统疾病的重要风险因素;(2)PM_2.5、PM₁₀、SO₂和NO₂对肺炎的影响最大,且对女性健康的危害稍高于男性,O₃8h对慢性阻塞性肺病的影响最大,且对男性患病的影响稍高于女性;(3)0—14岁儿童是呼吸系统疾病的易感人群,...     

空气污染对信鸽比赛个体归巢速度的影响

空气污染作为一种有害的环境因素,对人类及动物的生理、心理均有影响。在鸟类中,信鸽(Columba livia)是研究空气污染影响的理想模型。为探究空气污染的行为学效应,通过收集并筛选2018和2019年成都市信鸽协会春秋两个季节举办的64场赛事共285羽参赛5场及以上的信鸽不同空距等级下的归巢速度,利用混合线性模型分析了6种大气污染物(CO、NO₂、O₃、PM_2.5、PM₁₀、SO₂)及气温、季节、天气等环境因子对信鸽归巢速度的影响。结果表明,PM₁₀、SO₂、NO₂、O₃浓度与归巢速度间有显著正相关关系,即这些空气污染物浓度越高,信鸽归巢速度越快;而CO浓度与归巢速度显著负相关,即CO浓度越高,信鸽归巢速度越慢。通过模型评估及比较,发现O3模型是归巢速度的最佳拟合模型,其次是NO2模型。本研究表明,信鸽的归巢速度的确受到空气污染的影响,但潜在的影响机制如归巢动机假说和嗅觉强化假说仍需进一步研究。     

广州市城乡梯度森林公园雨季空气PM2.5浓度及水溶性离子特征

2012年雨季（4—9月）,收集广州市城市区、近郊区和远郊区森林公园的PM_2.5样品,测定PM_2.5质量浓度,分析了其中SO₄^2-、NO₃^-、NO₂^-、Cl^-、F^-、Na⁺、NH₄⁺、Ca²⁺、K⁺、Mg²⁺ 共10种水溶性无机离子含量.结果表明：帽峰山（远郊）、大夫山（近郊）、火炉山（城区）PM_2.5质量浓度的日变化分别为17.2～66.5、19.4～156.3、21.8～161.7 μg·m^-3,平均值分别为44.4、49.8、55.9 μg·m^-3.SO₄^2-、Na⁺和NH₄⁺为水溶性无机离子主要组分,其中,SO₄^2-含量最大,并从城区至郊区呈递减趋势.固定源对3个森林公园空气中SO₂和NO_x的贡献大于移动源,从城区至远郊呈递减趋势,说明机动车对城区空气中SO₂和NO_x的贡献大于近郊和远郊森林公园.采样期间,海盐对大夫山空气PM_2.5中水溶性组分的贡献最大,其中K⁺受海盐的影响超过其他元素.NH₄⁺当量浓度远小于SO₄^2-和NO₃^-的当量浓度,中和度远小于1,反映PM_2.5酸性较强,且从远郊至城区PM_2.5粒子酸性呈增强趋势.     

广州市城乡梯度森林公园雨季空气PM2.5浓度及水溶性离子特征

2012年雨季（4-9月）,收集广州市城市区、近郊区和远郊区森林公园的PM_2.5样品,测定PM_2.5质量浓度,分析了其中SO₄^2-、NO₃^-、NO₂^-、Cl^-、F^-、Na⁺、NH₄⁺、Ca²⁺、K⁺、Mg²⁺ 共10种水溶性无机离子含量.结果表明：帽峰山（远郊）、大夫山（近郊）、火炉山（城区）PM_2.5质量浓度的日变化分别为17.2～66.5、19.4～156.3、21.8～161.7 μg·m^-3,平均值分别为44.4、49.8、55.9 μg·m^-3.SO₄^2-、Na⁺和NH₄⁺为水溶性无机离子主要组分,其中,SO₄^2-含量最大,并从城区至郊区呈递减趋势.固定源对3个森林公园空气中SO₂和NO_x的贡献大于移动源,从城区至远郊呈递减趋势,说明机动车对城区空气中SO₂和NO_x的贡献大于近郊和远郊森林公园.采样期间,海盐对大夫山空气PM_2.5中水溶性组分的贡献最大,其中K⁺受海盐的影响超过其他元素.NH₄⁺当量浓度远小于SO₄^2-和NO₃^-的当量浓度,中和度远小于1,反映PM_2.5酸性较强,且从远郊至城区PM_2.5粒子酸性呈增强趋势.     

我国城市大气环境与周边区域二维和三维景观格局关系

城市内部的大气环境受到周边区域景观格局的剧烈影响,小尺度上大气污染状况与周边区域景观格局的关系研究对从城市建设角度减缓城市大气污染有着重要现实意义。本研究以2017年中国30个省会城市的266个大气污染监测站点的NO₂、SO₂、PM_2.5和PM₁₀年均浓度为因变量,选择监测站点周边3 km区域内的10个二维和三维景观格局指数(建筑物数量、建筑物聚集度、建筑物密度、不透水面比例、餐饮数量密度、建筑占地面积、建筑高层比、容积率、建筑面积和建筑物类型Shannon多样性指数)为自变量,利用增强回归树模型研究景观格局对4种大气污染物浓度的影响。结果表明: 4种大气污染物浓度在空间分布上总体呈现出中部和北部城市明显高于东南沿海城市和西南部城市。NO₂、SO₂、PM_2.5和PM₁₀浓度的最大影响因素均为不透水面比例,其相对影响贡献率分别为40.7%、36.3%、51.0%和51.8%。不同区域大气污染浓度最主要影响因子识别结果表明,华东和华中地区为不透水面比例;华南地区为建筑物数量和建筑物密度;华北地区是不透水面比例和建筑物类型多样性;东北地区是不透水面比例和建筑物数量;西南地区是建筑物类型多样性;西北地区是建筑物密度。各区域的主要影响因子差异是气候、地形、城市规划等因素所致。     

川渝地区空气质量时空分布格局及影响因素

川渝地区尤其是四川盆地已成为我国空气污染最严重的地区之一，基于2018—2019年川渝地区128个城市站和71个县级站空气质量监测及自然与社会经济数据，采用全局和局部莫兰指数分析了川渝地区空气质量指数(AQI)和不同空气质量分指数(IAQI)的时空格局，并采用偏最小二乘回归(PLSR)从较为宏观的尺度综合分析了川渝地区空气污染的主要驱动因素。研究结果表明：(1)川渝地区空气质量整体为良，主要污染物为O₃,其次为PM₁₀和PM_2.5。盆地区与高原区的主要污染物分别为PM_2.5和O₃;(2)AQI及PM_2.5、PM₁₀、NO₂呈“U”型变化，春冬季最高，夏秋季最低；O₃则在内部两区域都大致呈倒“U”型变化，但峰值分布时间与持续时长明显不同；SO₂和CO年内无明显变化；(3)各污染物具有明显的空间聚集性特征，AQI及PM₁₀、PM_2.5     

南昌市中心城区绿地景观对PM2.5的影响

随着我国城市化工业化的快速发展,大气环境质量问题越来越受到重视,PM_2.5作为重要的大气污染物,已经引起了公众的普遍关注.城市绿地作为一种半自然的地表景观能在一定程度上影响PM_2.5的浓度与分布,目前的研究主要集中在微观尺度上,在景观尺度上的研究还不多见.本研究采用土地利用回归模型进行监测点加密,基于普通克里格插值法实现PM_2.5浓度的空间分布高精度模拟.然后与通过遥感解译的城市绿地进行耦合,定量分析了城市绿地景观特征、质量等对PM_2.5浓度的影响.结果表明:研究区PM_2.5浓度由市中心向周边不断递减;绿地类型对PM_2.5浓度影响显著;绿地斑块形状对PM_2.5浓度没有显著影响;绿地斑块的面积、质量与PM_2.5浓度呈显著负相关.研究区绿地景观对PM_2.5消减作用距离小于100 m.在消减作用距离内,距离绿地斑块越近,PM_2.5浓度越低.其中,附属绿地和公园绿地对PM_2.5浓度的消减作用距离大于其他绿地类型.     

合肥市大气能见度变化特征及其影响因素

利用2013年10月至2015年6月合肥市大气能见度的观测资料以及同期观测的气象要素和PM_2.5、PM₁₀浓度的资料,在全面分析大气能见度影响因子的基础上,重点探讨相对湿度(RH)、PM_2.5和PM₁₀浓度与大气能见度的关系.结果表明: 研究期间,合肥市大气能见度与RH的相关性最高.当RH<60%时,随着RH的增大,PM_2.5和PM₁₀浓度与大气能见度的相关系数也逐渐增大;当RH>60%时,颗粒物浓度与大气能见度的相关系数呈递减趋势;当50%≤RH＜60%时,PM_2.5和PM₁₀浓度与大气能见度的相关系数最大.RH较高时,大气能见度主要受RH影响,反之,颗粒物浓度对大气能见度的影响较大.当RH>70%时,大气能见度等值线变化幅度较大,RH对大气能见度的影响加强.根据RH、PM_2.5和PM₁₀浓度与大气能见度的拟合公式,非线性拟合模型优于多元线性拟合模型,可以较好地模拟大气能见度的变化规律.     

基于PSR 模型的上海市雾霾影响因素空间差异分析

首先阐述城市雾霾影响因素的PSR(Pressure-State-Response)概念系统, 然后将PSR 框架引入到城市雾霾影响因素评价指标体系中, 采用主成分分析法对评价指标进行赋权, 对上海市7 个区的雾霾影响因素空间差异水平进行评价。结果显示: ①上海市雾霾影响因素得分有两个明显的区域差异, 区位人口、经济压力、绿地覆盖率造成的浦东新区与其余6 个区之间的差异大以及黄浦区的SO₂、NO₂、PM_2.5 的日均浓度比除浦东新区之外的其余5 个区少; 同时得出状态层以及响应层中的PM_2.5、SO₂ 和绿地覆盖率指标对城市雾霾影响显著; ②利用SPSS17.0 进行相关性分析, 得出上海市雾各区霾影响因素与其PSR 系统协调度呈正相关。说明各地区的影响因素对各地区的影响越大, 其协调度基本也越高。     

城市绿化对空气质量的影响研究——以中国27个省会城市为例

城市间绿化程度与空气污染比较及相关差异分析是提出城市环境管理措施的重要前提。选择全国27个主要省会城市,基于网络街景照片测定绿色指数差异,对比空气主要质量指标[空气质量指数(AQI)、细颗粒物(PM_2.5)、可吸入颗粒物(PM₁₀)、二氧化硫(SO_2)、二氧化氮(NO_2)、臭氧(O_3)、一氧化碳(CO)]的基础上,探讨了二者相关关系,旨在为提升环境质量、改善绿化水平提供基础数据。结果表明:(1)济南市和重庆市的绿色指数最高,分别达到是11.70%和11.55%,呼和浩特市和拉萨市城市绿色指数最低,在4%～5%。(2)海口市的空气质量最好,AQI为39.66,郑州市和济南市的空气质量最差,AQI年均值分别为117.34和113.93。但是不同空气指标城市排序间差异较大,比如PM_2.5、PM₁₀、NO_2以及SO_2年平均最低的城市都是海口,拉萨市年平均CO含量最低(0.55 mg·m^-3),哈尔滨市年平均O_3含量最低(77.08μg·m^-3)。(3)相关关系分析发现,增加城市的绿色程度,伴随着空气质量的改善,如沈阳、南宁、合肥等城市;但对于某些城市,则存在明显的正相关,如兰州、昆明、贵阳等城市,这意味着城市越绿伴随着空气污染的加重。尽管大量研究已经表明,城市绿色植被能够起到滞尘降低污染的作用,目前我国主要城市的空气污染程度,仅依靠城市绿化改善已经远远不够,甚至某一些城市绿色植被存在阻碍空气流通的作用。上述研究结果为科学规划城市绿化、提升空气质量提供基础数据支撑。     

Serum pneumoproteins and biomarkers of exposure to urban air pollution: a cross-sectional comparison of policemen and foresters

Very few biomarkers are available for the non-invasive detection of effects of urban air pollution on the respiratory tract. The objective was to evaluate whether Clara cell protein (CC16) and surfactant-associated protein-A (SP-A), two pulmonary secretory proteins, were useful in the detection of effects of urban air pollutants on the pulmonary epithelium. These proteins were determined in the serum of 53 policemen working in Brussels, Belgium, and a control group of 59 foresters working in the countryside. Except for ozone (O₃), annual concentrations of the main air pollutants (PM₁₀, NO₂, CO, SO₂ and benzene) were significantly higher in Brussels than in the country. The proportion of smokers was lower in urban policemen compared with foresters, but they smoked on average a similar number of cigarettes per day as confirmed by their urinary excretion of cotinine. Muconic acid, a marker of benzene exposure, was significantly higher in urban policemen than in foresters, in both smokers and non-smokers. Multiple regression analysis showed that the type of work, smoking habits and time spent outdoors and in a car were significant determinants of benzene uptake. Tobacco smoking impaired lung function to a similar extent in urban policemen and foresters. The serum levels of SP-A were significantly increased in smokers but were not different between policemen and foresters. Serum CC16 was significantly reduced by tobacco smoking and slightly decreased in policemen compared with foresters. Interestingly, the reduction of serum CC16 was more pronounced in the subgroup of traffic compared with survey policemen, the latter being also less exposed to benzene. The results suggest that serum pneumoproteins and especially serum CC16 could be useful in the detection of chronic effects of urban air pollutants on the respiratory epithelium of populations particularly at risk.     

内蒙古大兴安岭森林可燃物燃烧释放PM2.5中水溶性离子排放特性

研究森林可燃物燃烧释放的细颗粒物(PM_2.5)的排放因子对于揭示森林火灾对大气和生态系统的影响至关重要,而水溶性离子是细颗粒物的重要化学成分,对颗粒物的形成具有重要意义。利用自主设计的生物质燃烧系统,模拟内蒙古大兴安岭5种典型乔木(蒙古栎、白桦、兴安落叶松、黑桦、山杨)的3种组成部分(树干、树枝、树皮)及其地表死可燃物(凋落物层、半腐殖质层、腐殖质层)以及3种典型灌木(平榛、二色胡枝子、兴安杜鹃)树枝燃烧,采用ISC1100离子色谱分析仪测定2种燃烧状态(阴燃和明燃)下PM_2.5中水溶性离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₃^-、NO₂^-、SO₄^2-)的排放因子。结果表明:乔木所有组成部分及其地表死可燃物和灌木树枝燃烧所排放PM_2.5中检测到的水溶性离子,阴燃以K⁺、Cl^-和Na⁺为主要组分,明燃以K⁺、Cl^-和SO₄^2-为主要组分。不同燃烧状态下相同乔木树种及其地表死可燃物和相同灌木排放PM_2.5中检测到的水溶性离子总量均存在显著差异。灌木树枝在阴燃期间PM_2.5中水溶性无机离子的排放因子比明燃更高。乔木释放的PM_2.5中阳离子与阴离子的比率为1.26,地表死可燃物为1.12,灌木为2.0,表明颗粒物呈碱性。内蒙古大兴安岭的森林大火不会通过释放水溶性离子导致生态系统的酸化。     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.