基于随机森林算法的山东省区域臭氧污染事件中气象条件和排放贡献影响研究

山东省作为我国东部的工业大省,近年在经济快速发展的同时也面临着严重的臭氧(O_(3))污染;在不利气象条件的影响下,发生过多次影响范围大、持续时间长的O_(3)污染事件.因此,如何基于地面观测数据剥离气象条件及排放的影响,成为O_(3)污染防控政策评估和政策制定中的重要问题.为此,本研究基于2020−2022年山东省地面国控监测站点O_(3)浓度逐时观测数据及对应气象数据,运用随机森林模型对气象条件和排放的贡献进行了剥离;基于沙普利加和模型,定量分析了各气象因子对O_(3)污染的影响;此外,研究中定义了区域O_(3)污染事件,并对事件期间气象条件及排放的影响进行了深入的对比分析.结果表明:2020−2022年山东省3个亚区域O_(3)前体物排放影响呈逐年上升趋势,年变化速率分别为3.3%(鲁西)、7.8%(鲁中)和4.4%(鲁东),2020年和2021年气象条件有利于高浓度O_(3)的消减,导致O_(3)年均浓度下降2.27~8.26μg/m^(3),属于“天帮忙”;而2022年气象条件相对不利,气象条件贡献了O_(3)年均浓度的5.16~10.69μg/m^(3).排放对O_(3)浓度的相对贡献在24个O_(3)区域污染期间与非污染期间较为一致,不利的气象条件是O_(3)污染形成的主要诱因.在各气象因子中,温度和相对湿度是影响O_(3)浓度最主要的气象因素,其中温度的影响最为显著,对O_(3)小时浓度的贡献为33.36~89.61μg/m^(3).研究显示,2020−2022年山东省O_(3)前体物排放贡献的年际变化差异不显著,不利气象条件则是造成O_(3)污染的重要因素,后续应更加重视在高温低湿条件下的O_(3)污染防控工作.

2015—2019 年天津市大气污染物时空变化特征及成因分析

基于2015—2019年天津市大气监测点的污染物逐时质量浓度数据,分析了天津市PM2.5、PM10、SO2、CO、NO2和O36种大气污染物的时空变化特征,揭示了天津市大气污染的变化情况,为全市大气环境污染治理与改善提供理论参考。结果表明,2015—2019年天津市PM2.5、PM10、SO2年均质量浓度和CO 24 h平均第95百分位数变化均呈下降趋势;NO2年均质量浓度变化呈“单峰型”,先上升后下降;O3_8 h_max第90百分位数变化整体上呈显著上升趋势。从月变化来看,PM2.5、PM10、SO2、CO和NO2表现为“冬高夏低”;O3月变化呈“夏高冬低”。通过SPSS软件分析,PM2.5与CO相关系数为0.862,相关程度较强,表明天津市大气污染中PM2.5与CO的贡献或有协同性。O3与NO2相关性较高,其原因与光化学反应有关。气象因素中,温度和日照时长对天津市大气污染影响较大。汽车尾气排放等移动源污染比煤炭燃烧、发电和工业生产等固定源污染的贡献更大。细颗粒物是天津市颗粒物大气污染的主要贡献者。不同污染物的空间分布变化存在差异。PM2.5和PM10始终呈“西高东低”。SO2和CO的空间分布格局变化较大,重污染地区逐渐转移到城郊村镇地区。NO2空间分布格局呈“城镇高、乡村低”,并且随时间推移市区污染缓解明显,滨海新区核心区渐成污染重点。O3污染整体上西部和北部地区较严重,O3污染程度逐年加剧。目前,天津市大气污染得到了有效缓解,NO2质量浓度波动较大但2019年NO2年均质量浓度较2015年变化不大,机动车尾气排放仍是天津市大气污染的重要贡献源。NO2等污染物经光化学反应又能有效促进O3生成。因此控制机动车污染排放是当下天津市大气污染治理中亟待解决的问题。

基于GF-2影像的大运河及河长制治理成效评价

基于遥感技术提出利用植被绿化面积、水体面积和景观格局等因素的时空变化对比评价方法,通过对高分遥感影像数据校正、融合、镶嵌和解译,计算植被指数、水体指数和景观格局指数变化,客观反映生态环境保护修复的时空变化情况,并且成本低,时效性强。基于大运河核心监控区北京段的试验表明:研究区内2015—2017年植被绿化面积减少,水体面积增加;2017—2019年植被绿化面积骤增,水体面积增加。从总体上看,植被绿化面积和水体面积均呈扩张趋势,景观格局趋于均匀化、规则化。在一定程度上体现了河长制推行下,大运河治理颇有成效,依此作为督察评估河长工作成效的数据支撑和依据,可量化,更具有客观性,是一种可行的方法。

北京城区降水对PM_(2.5)和PM_(10)清除作用分析

基于北京市PM_(2.5)和PM_(10)质量浓度、组分浓度以及降水数据,利用数理统计、相关性分析等方法分别从降水总量、降水时长和降水前颗粒物浓度3个角度研究降水对PM_(2.5)、PM_(10)的清除作用,同时以一次典型降水过程为例,具体分析降水对颗粒物的影响。结果表明:降水总量的增加有助于促进PM_(2.5)、PM_(10)的清除,随着降水总量增加,PM_(2.5)、PM_(10)的平均清除率提高,有效清除的比例增加;连续降水可增强对大气颗粒物的湿清除作用,连续降水达3d可有效降低PM_(2.5)、PM_(10)浓度;降水对PM_(2.5)、PM_(10)浓度的清除率和大气颗粒物前一日的平均浓度有较好的正相关性。降水对大气颗粒物的清除可分为清除、回升和平稳3个阶段,各个阶段大气颗粒物的变化趋势不同。降水对于大气气溶胶化学组分和酸碱性的改变具有明显作用,对于大气颗粒物各种组分的清除效果不完全相同。对于大气中OC、NO^(-)^(3)、SO^(2-)_(4)和NH^(+)_(4)去除率较高,且这4种组分主要以颗粒态形式被冲刷进入降水中,加剧了北京市降水酸化程度。

全球地质矿产信息网:设计、实现及应用

矿产资源是人类生活生存的重要物质基础,储量有限,不可再生。全球矿产资源矿种繁多、分布不均。在经济全球化大背景下,需要通过国际协作资源配置,来满足国家发展的需要。为了完善全球地质矿产信息共享服务体系,为"走出去"企业提供信息服务,基于WebGIS构建了全球地质矿产信息网。本文分析了当前全球地质矿产信息平台或系统的建设现状和存在问题,阐述了系统优势、设计原则、关键技术、总体设计架构、主要功能模块以及当前的应用情况。系统实时发布动态时效强的矿业资讯、境外数据资源与成果产品,为国家、企业两个层面提供权威、实时、丰富的基础信息及综合研究产品,推动境外地质矿产信息共享与服务。

国庆前后北京城区PM_(2.5)组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM_(2.5)主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM_(2.5)样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na^(+)、NH_(4)^(+)、K^(+)、Mg^(2+)、Ca^(2+)、Cl^(-)、NO_(3)^(-)、SO_(4)^(2-))的质量浓度,并分析PM_(2.5)中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果表明,整个观测期间PM_(2.5)基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m^(-3)和(14.97±9.75)μg·m^(-3),占PM_(2.5)质量浓度的59.7%,各组分质量浓度在国庆期间均有所下降,其中NO_(3)^(-)质量浓度下降最为明显,下降率达53.4%.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM_(2.5)化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca^(2+)、Mg^(2+)和Na^(+)的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM_(2.5)及其组分变化密切相关,PM_(2.5)及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM_(2.5)较高的重要原因.

COVID-19疫情期间京津冀大气污染物变化及影响因素分析

为了应对COVID-19疫情,京津冀地区采取了一系列严格的管控措施,这些措施导致了大气污染物人为源排量的减少,为探究大气污染受人类活动的影响程度提供了时机.将疫情防控分为前期、初期、中期和后期这4个阶段,并结合气象、交通量和工业数据,综合运用数理统计和空间分析方法,得出各时间段大气污染物的变化情况及影响因素,为京津冀地区进一步治理大气污染提出了合理化建议.结果表明:(1)京津冀三地在疫情防控期总体的AQI值和6项污染物同比2019年均有下降,其中SO_(2)、PM_(10)和NO_(2)的降幅较大(分别为26.5%、24.3%和16.9%);由初期到后期,各污染物(除O3)总体处于下降趋势;O_(3)在初期增幅大(76.2%),中后期增幅放缓.(2)防控初期北京市的重污染天气是污染物本地积累、二次转化和区域传输共同作用的结果;北京2月份的PM_(2.5)浓度同比相似气象条件下的2014年2月偏低近6成;若仅考虑人为减排的影响,则各污染物浓度同比2019年均有下降.(3)防控中后期,随着交通量和工业复工率进一步扩大,各污染物变化趋于平稳或有微升;重工业城市的热异常辐射强度与主要污染物的灰色关联度大于0.6,即控制工业排量仍是治理大气污染的关键.

2015—2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价

近年来O_(3)污染给人类健康带来了很大威胁.本文利用2015—2019年中国环境监测总站的O_(3)地表监测数据,通过Global Moran's I和Getis-Ord G*指数等方法,分析了成渝城市群O_(3)浓度的时空变化特征,并利用空间插值和LandScan人口格网分布数据,基于人口暴露风险模型对该地区的O_(3)人口暴露风险进行了评价.结果表明:(1)2015—2019年成渝城市群O_(3)浓度总超标比例为6.9%,年际变化呈先上升后下降趋势,逐月变化呈"双峰型",5月和8月达到峰值,12月最低,季节变化表现为夏季>春季>秋季>冬季,日变化呈"单峰型",8:30左右开始升高,16:00左右达到峰值;(2)2015—2019年成渝城市群O_(3)浓度呈现出由成都及周边城市为污染中心向以成都市和重庆市为首尾的"带状"污染空间格局发展的趋势,且空间自相关性较强,逐步形成以成都市和重庆市为双中心的高浓度集聚特征;(3)2015—2019年成渝城市群平均O_(3)人口暴露风险指数处于较低风险,但空间分布差异较大,人口暴露高风险地区主要集中于成都市、内江市、自贡市、德阳市、泸州市北部及重庆市主城区,低风险地区主要集中于东西片区、绵阳市北部及成渝城市群边界,中部高风险区域有向西南方向转移的趋势,重庆市南部有高风险向极高风险转化的趋势,同时,成都市和重庆市存在显著的高风险指数集聚特征.

不同类型建筑垃圾堆场大气降尘中水溶性离子污染特征

为了解建筑垃圾长期堆放产生的扬尘对大气的影响,选择北京市两个拆迁建筑垃圾堆放场,于2019年夏季、秋季进行降尘连续采样.共收集拆迁原地堆放有效降尘样品11个,异地集中堆放有效降尘样品11个,利用离子色谱法对大气降尘中水溶性离子组分及质量浓度进行分析.结果表明:阳离子中质量浓度最高的是Ca^(2+),其次是K^(+),NH_(4)^(+)浓度最低;阴离子中质量浓度最高的是SO_(4)^(2-),其次是Cl^(-),NO_(3)^(-)最低,降尘样品呈碱性.建筑垃圾拆迁原地堆放场地Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、Na^(+)、NH_(4)^(+)平均浓度高于异地集中堆放场地对应各离子浓度.拆迁原地堆放场地中Ca^(2+)、SO_(4)^(2-)、Na^(+)、Cl^(-)受局地风向影响较大,空间分布情况与风向扩散趋势大致相同;异地集中堆放场地各离子浓度高值区域分布较原地堆放远,Ca^(2+)、K^(+)、SO_(4)^(2-)、Cl^(-)、Mg^(2+)这5种离子空间分布与次主导风向较为相符.同时,两个场地水溶性离子平均浓度与距建筑垃圾堆放地的距离有一定的关系,采样点在距堆放中心200 m范围之内离子平均浓度最大,总体来说,距离堆放中心近的采样点位离子浓度高于距离较远的采样点位离子浓度.