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.     

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.     

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...     

南昌市中心城区主要大气污染物分布模拟及土地利用对其影响

随着我国城市化、工业化的快速推进,城市大气污染问题日益突出,研究城市大气污染物的分布情况及其土地利用影响对解决城市大气污染问题具有重要意义.本研究以南昌市中心城区为研究区,基于土地利用回归模型(LUR)模拟了PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃等6种主要大气污染物浓度,并分析其时空分布特征;基于主导土地利用类型,选择南昌市中心城区内居住、商业、教育和工业用地各15个样本区,为了减少气象因子的影响,分四季统计各样本区6类大气污染物浓度,运用双因素方差分析和多重比较,定量分析土地利用(样本区)对6类大气污染物的影响.结果表明: 采用LUR模型模拟研究区PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的平均绝对误差率分别为11.9%、13.4%、12.5%、12.0%、12.7%和13.5%,模型误差较小,方法可行.研究区6类污染物浓度具有明显的时空分布特征,PM_2.5、PM₁₀、SO₂、NO₂和CO浓度在冬季最高,春季和秋季次之,夏季最低;O₃浓度则为夏季高,春季和秋季次之,冬季低.PM_2.5、PM₁₀、SO₂、NO₂、CO浓度整体呈现从城区中心到郊区递减的趋势,而O₃浓度则反之.不同季节与不同土地利用样本区间6种大气污染物浓度差异显著,表明在中心城区尺度上,气象条件和土地利用都对大气污染物有显著影响.不同土地利用对主要大气污染物浓度分布有不同程度的影响,其中,对PM_2.5、NO₂和O₃的影响较大,对CO的影响较小.     

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.     

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.     

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。     

济南城市绿地生态网络构建

城市绿地为城市生物多样性保护提供了重要的空间保障.改善与提高城市绿地生态网络的连接对保护城市生物多样性具有重要意义.以济南市为例,在GIS技术的支撑下,在考虑不同绿地斑块间的距离与景观阻力的基础上,采用最小路径方法,定量表征与模拟了研究区的潜在生态廊道,并基于重力模型和网络连接度指数,对绿地斑块间相互作用强度与生态网络结构进行了定量分析与评价.研究结果表明,风景林、滨水绿地和公园绿地是组成研究区生态网络的优势景观类型;济南绿地系统规划中的许多斑块在生态网络中起着"踏脚石"的作用,但占规划绿地面积的比例不高;不同绿地斑块间的相互作用强度差异显著,斑块之间相互作用强的绿地廊道在生态网络中的地位突出,对生物物种的丰富度、迁移与扩散等起着重要作用,而斑块之间相互作用弱的廊道景观阻力大,生境适宜性低,必须在未来的绿地系统规划中加以改善;网络结构越复杂,连接度与闭合度水平越高,对物种的迁移与扩散就越有利.因此,增加绿地斑块,优化绿地空间布局,改善绿地斑块间的连接,完善城市绿地网络是新一轮城市绿地系统规划的关键任务.研究结果可为城市建设者与规划者进行城市绿地系统规划提供科学的依据与参考信息.     

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。     

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.     

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.     

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.