植物吸滞PM2.5研究进展——从宏观到微观

PM_2.5严重危害环境安全和人体健康,虽然国内外大气PM_2.5状况已有好转,但雾霾天气仍然时有发生。植物能有效吸附和净化大气中PM_2.5,其净化作用受到生态学广泛关注。随着研究内容的深入,该领域研究尺度由宏观尺度转向微观尺度,研究对象由植被区转向植物个体,研究方法由野外监测转向人工控制法。因此在区域尺度上对比了植被、非植被区PM_2.5浓度差异及不同树种单位叶面积PM_2.5吸滞量,以风洞、熏气法两种研究方法归纳了人工控制条件下植物净化PM_2.5的研究成果,在大气PM_2.5浓度和气象因素两方面探讨了环境因素对植物净化PM_2.5的影响机制。得出宏观研究方面很多城市缺乏植被区与非植被区PM_2.5浓度监测数据,微观方面植物个体吸滞PM_2.5机理研究不够深入,缺乏植物吸滞PM_2.5过程与机理的室内模拟外界环境的高精度对比试验,更缺乏环境因素直接影响植物吸收、分...     

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。     

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.     

无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00-19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00-9:00和15:00-19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00—19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00—9:00和15:00—19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

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.     

中国主要城市森林对大气PM2.5的削减量及其占大气PM2.5总量比例

空气中的细颗粒物(PM_2.5)是我国城市空气污染的主要污染物之一,严重威胁着城市居民的健康,限制城市发展的可持续性。PM_2.5去除的自然途径有两种,分别是干沉降和湿沉降,其中干沉降占据主导作用,且干沉降的过程和效率与城市森林紧密关联。目前针对城市森林对干沉降作用的研究主要是在小尺度中从不同树种、不同群落结构、不同景观类型等角度来估算并比较其滞尘量,较少关注其占空气污染总量的比率,从而可能影响对城市森林滞尘服务能力的判断。因此,利用城市森林效益(Urban Forest Effect, UFORE)模型中的大气污染干沉降模块的核心算法,以2015年为例,估算了我国主要城市辖区的城市森林一年内对大气中的PM_2.5削减量以及其占空气中PM_2.5污染总量的比重。结果显示：(1)2015年全国主要城市单位绿地面积日均滞尘量较高地区主要集中在华北地区、华东地区、以及东北地区。其中北京30.47mg/m²,苏州24.63mg/m²,沈阳28.55mg/m²     

中国1998—2012 年PM2.5 时空分布与能源消耗总量关系研究

基于1998—2012 年中国PM_2.5 浓度遥感数据, 在对中国PM_2.5 时空分布特征进行分析的基础上, 引入地理信息科学空间相关矩阵方法分析中国PM_2.5 时空分布与能源消耗总量等时空分布的空间相关性。基于省级尺度, 运用灰色理论中的灰色相关方法, 对PM_2.5 和能源消耗指标进行相关分析, 结果表明: (1)中国历史的PM_2.5 空间分布与人口分布、地形特征有着密切的关系, 胡焕庸线成为中国PM_2.5 空间分布的东西界限。(2)整体来看, 中国PM_2.5 的年际变化上, 具有双增长单下降的区域特征:两个快速增长区域(年均增长率大于3.5%)分别为PM_2.5 高值区域——北部沿海以及PM_2.5 相对低的东北地区。下降区域则为西北地区。2007 年前后是中国大部分省PM_2.5 浓度增长的拐点, 但并没有形成高值区域快速下降的趋势。(3)从国家尺度上看, 中国PM_2.5 分布与单位面积煤炭消耗分布呈现强烈正相关性, 与单位面积能源消耗总量分布呈正相关, 与单位面积石油消耗分布没有体现出明显的相关性。(4)从省级尺度上看, 各省PM _2.5 浓度与能源消耗存在明显正相关性, 但各省PM_2.5 浓度受能源种类消耗的影响程度不一致。综合来看, 中国PM_2.5 浓度较高的区域, 受能源消耗种类的影响, 呈现“北煤南油”以及“东油西煤”的规律。     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

森林覆被率等因子与PM2.5的时间滞后效应的研究

利用黑龙江省13个市（区）的170 820个数据，运用2SLS方法以森林覆被率等11个影响因素为指标，建立了3个不同时间段的静态面板和动态面板回归模型，探究了森林覆被率等影响因素与PM_2.5时间滞后效应的关系。结果表明：①PM_2.5的时间滞后效应是当期PM_2.5浓度积累的影响因素，且随着时间的推移，PM_2.5时间滞后效应对当期PM_2.5浓度积累的促进作用逐渐减弱；②随着PM_2.5时间滞后效应的逐渐减弱，森林覆被率、气温对PM_2.5浓度积累所起的阻碍作用逐渐增强，PM₁₀、CO对PM_2.5浓度积累的促进作用逐渐增强，而风速对当期PM_2.5浓度积累所起的阻碍作用逐渐减弱；③PM_2.5时间滞后效应呈现出惯性的同时，森林覆被率、PM₁₀、CO、气温、风速对PM_2.5的作用也具有了惯性。     

自然状态下栓皮栎林空气负离子与PM2.5的关系

近年来,PM_2.5污染成为大气污染的主要来源,长期暴露在高浓度PM_2.5的环境中会对人体造成严重损害。空气负离子(NAI)作为改善空气质量的“维生素”,是衡量一个地区空气清洁程度的重要指标。然而,气象条件和植被类型的复杂多变,导致PM_2.5与NAI的关系存在诸多不确定性。本研究以暖温带典型造林树种栓皮栎为研究对象,基于2019和2020年6—9月森林植被叶面积相对稳定条件下定位观测获取的NAI、PM_2.5和气象数据,研究气象条件相对稳定状态下PM_2.5和NAI的时空变化特征,确定PM_2.5与NAI的关系,阐明自然状态下PM_2.5对NAI的影响机制。结果表明：NAI随PM_2.5的升高呈指数下降趋势,二者呈显著负相关关系,回归方程为y=1148.79x^-0.123。在PM_2.5浓度为0～20、20～40、40～80、80～100和100～120μg·m^-3     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

气溶胶光学厚度与PM2.5浓度的时空分布特征及其关系——以京津冀大气污染传输通道城市群为例

城市人口和产业的聚集伴随化石能源消费的迅速增长,导致空气污染物排放量不断增加,对区域气候产生了不可逆的负面影响。以多源遥感数据为基础,对京津冀大气污染传输通道城市群(“2+26”城市群)2015—2019年气溶胶光学厚度(AOD)、PM_2.5浓度的时空分布格局进行分析,从月份、季节、年份三个时间维度定量分析其时空变化规律,并通过计算相关性系数来分析气溶胶光学厚度对PM_2.5浓度的影响。主要得出研究结论如下：(1)PM_2.5浓度整体呈现冬季>春季>秋季>夏季的趋势,并且表现出高度空间自相关性,2015—2019年间,PM_2.5浓度显著下降至40μg/m³以下;(2)AOD平均范围值在0—1之间,总体上呈现春夏季高,秋冬季低的分布特点,到2019年,春夏秋三季AOD浓度呈现明显降低,夏季下降趋势最为显著,AOD同样表现出高度空间自相关性;(3)AOD与PM_2.5浓度存在显著的正相关关系。从季节变化上看,相关性呈现出：秋季>夏季>冬...     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

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.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

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     

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,...     

北京海淀区绿色空间PM2.5滞尘服务模拟

绿色空间能够有效吸附空气中的颗粒悬浮物,具有极其重要的PM_2.5滞尘作用.本研究基于植被的PM_2.5滞尘机理,提出了绿色空间的滞尘服务量化方法,并对北京市海淀区绿色空间的PM_2.5单日累积滞尘量,以及不同景观类型冬季、夏季和年滞尘总量进行了空间量化和对比研究.结果表明:海淀区绿色空间冬季的滞尘服务频率和最大单日滞尘量均低于夏季.全年来看,海淀区西部山林景观平均滞尘服务值最高;北部平原区由零散的林地斑块和农田斑块构成的田园景观年滞尘服务总量则最大;而南部城区除几个零星的公园绿地斑块外,大部分区域的滞尘服务是全区的最低水平.PM_2.5滞尘服务模型能够快速定量化绿色空间的滞尘量及其空间分布,对城市绿化建设及PM_2.5大气污染治理具有重要作用.