ISSN 1009-6248CN 61-1149/P 双月刊

主管单位:中国地质调查局

主办单位:中国地质调查局西安地质调查中心
中国地质学会

    • 中文核心期刊
    • CSCD收录期刊
    • 中国科技核心期刊
    • Scopus收录期刊
高级检索

青藏高原东北部地区城市PM2.5和PM10时空分布特征及气象因素的影响

梁明武, 李慧婷, 李魏龙, 贾晓丹, 汪铭媛, 冯朝晖

梁明武,李慧婷,李魏龙,等. 青藏高原东北部地区城市PM2.5和PM10时空分布特征及气象因素的影响[J]. 西北地质,2024,57(4):285−296. doi: 10.12401/j.nwg.2023184
引用本文: 梁明武,李慧婷,李魏龙,等. 青藏高原东北部地区城市PM2.5和PM10时空分布特征及气象因素的影响[J]. 西北地质,2024,57(4):285−296. doi: 10.12401/j.nwg.2023184
LIANG Mingwu,LI Huiting,LI Weilong,et al. Spatial-Temporal Distribution Characteristics of PM2.5 and PM10 in the Northeast Tibetan Plateau and the Influence of Meteorological Factors[J]. Northwestern Geology,2024,57(4):285−296. doi: 10.12401/j.nwg.2023184
Citation: LIANG Mingwu,LI Huiting,LI Weilong,et al. Spatial-Temporal Distribution Characteristics of PM2.5 and PM10 in the Northeast Tibetan Plateau and the Influence of Meteorological Factors[J]. Northwestern Geology,2024,57(4):285−296. doi: 10.12401/j.nwg.2023184

青藏高原东北部地区城市PM2.5和PM10时空分布特征及气象因素的影响

基金项目: 青海省重点研发与转化计划项目"三江源区流域水资源对气候变化的响应及模拟预测研究"(2023-QY-205)资助成果
详细信息
    作者简介:

    梁明武(1972−),男,博士,正高级工程师,研究方向为环境生态科学。E–mail:lmw@chinapaper.com.cn

    通讯作者:

    贾晓丹(1979−),女,硕士,高级工程师,研究方向为环境资源评价与保护。E–mail:jxiaodan@mail.cgs.gov.cn。

  • 中图分类号: P43;X823

Spatial-Temporal Distribution Characteristics of PM2.5 and PM10 in the Northeast Tibetan Plateau and the Influence of Meteorological Factors

  • 摘要:

    随着工业化进程的迅速发展,大气污染问题已不容忽视,青藏高原东北部作为中国重要的生态安全战略地区,由于其常年多风的地理特点导致土地荒漠化,而土地荒漠化会带来颗粒物污染的问题。笔者以青藏高原东北部地区逐月可吸入颗粒物(PM10)和细颗粒物(PM2.5)浓度为基础,分析了大气颗粒物PM2.5和PM10时空分布特征,与气象因素(降水量、气温和风速)之间的相关性及受气象因素的影响程度。结果表明:①东部人口密集和经济发达的西宁市、海东市和黄南州PM2.5和PM10较高,以上3个市州的PM2.5平均水平分别为44.2 μg/m3,44.7 μg/m3和36.5 μg/m3,PM10平均水平分别为99.1 μg/m3,99.7 μg/m3和72.2 μg/m3;2015~2019年的时间分布上各地区颗粒物浓度呈现逐年下降的趋势;空间分布表明PM2.5呈现从西到东逐渐升高的趋势,PM10则呈东高西低分布。②各地区气温和降水量的峰值均出现在夏季,呈现出“Λ”型的分布规律;而各地区的PM2.5、PM10逐月浓度变化整体呈现出“V”型的分布规律,非采暖季颗粒物浓度最低、采暖季颗粒物浓度最高。③各种气象因素的影响中,PM2.5和PM10与降水量、气温、风速均呈负相关,并且PM2.5浓度受到风速的负向影响,而PM10浓度受到风速的显著正向影响,表明风起扬尘对该区域大气污染贡献突出但风速与污染物浓度的作用机制复杂。本研究可为典型地区空气质量的改善与预测提供理论基础与参考依据。

    Abstract:

    With the rapid development of industrialization, the problem of air pollution can not be ignored. As an important ecological security strategic area in China, the Northeast Tibetan Plateau had prominent particulate pollution caused by soil desertification. Based on the monthly concentrations of inhalable particulate matter (PM10) and fine particulate matter (PM2.5) in 8 cities (prefectures) from 2015 to 2019 and the meteorological data, this study analyzed the spatial-temporal distribution characteristics of PM2.5 and PM10, the relationships between them and meteorological factors (precipitation, temperature and wind speed) and the degree of influence of meteorological factors. The results showed that: ①Xining city, Haidong city and Huangnan prefecture, which were densely populated and economically developed in the east of Qinghai province, had higher PM2.5 and PM10 concentrations, with an average level of 44.2 μg/m3 (99.1 μg/m3)、44.7 μg/m3 (99.7 μg/m3) and 36.5 μg/m3 (72.2 μg/m3) respectively. In terms of time distribution, the concentration of particulate matter in each region showed a downward trend year by year. The spatial distribution showed that PM2.5 gradually increased from the west to the east, and PM10 was high in the east and low in the west. ② The peak values of temperature and precipitation appeared in summer, showing a "Λ" distribution law. While the monthly concentration changes of PM2.5 and PM10 in various regions showed a "V" distribution law. The particle concentration in non-heating season was the lowest and that in heating season was the highest. ③ Among the effects of various meteorological factors, the concentrations of PM2.5 and PM10 were strongly or moderately negatively correlated with precipitation and temperature, and were negatively affected by temperature. The concentration of particulate matter was negatively correlated with wind speed. The concentration of PM2.5 was negatively affected by wind speed, while the concentration of PM10 was significantly positively affected by wind speed, indicating that wind-induced dust had a prominent contribution to air pollution, but the action mechanism between wind speed and pollutant concentration was complex. The results of this study could provide reference and theoretical basis for the improvement and prediction of air quality in typical regions.

  • 矿渣型泥石流是山地地区矿产资源开发活动中不合理堆排废石弃渣引发或加剧的、严重危及矿山正常生产和人民生命财产安全的一种地质灾害类型(张丽萍,2001康志成,2004徐友宁,2006杨敏,2021)。矿渣型泥石流复杂的启动机理会严重影响对其防治对策的针对性。因此,深入研究矿渣型泥石流的启动机理具有重要的理论和现实意义。近年来,国内外众多专家学者通过现场调查、物理模拟和数值模拟等方法手段,取得了一系列关于矿渣型泥石流启动机理方面的研究成果(王永清,2006徐友宁,2009吕学军,2011李晓晨,2014洪磊,2017刘兴荣,2018黄家华,2023)。国外学者通常将矿渣型泥石流和采矿事故归为一类进行研究,专门研究矿渣型泥石流的文献较少,有学者研究认为采矿废渣启动形成泥石流主要是细颗粒在水流侵蚀作用下导致的(O Hungr et al.,2002Berti ,2005Gregoretti,2008)。中国学者取得了一些对研究矿渣型泥石流启动机理可以借鉴的成果:①通过物理模拟,研究了物源条件、水源条件、地形条件及这些条件的组合对泥石流启动的影响和控制作用,揭示了不同组合条件下试验研究中泥石流的启动条件、物源破坏方式和演化过程(徐友宁等,2009倪化勇等,2014刘兴荣等,2018罗阳,2018林斌等,2019王锴等,2019李宁等,2020)。②通过物理模拟,提出了基于水力类泥石流启动机理计算泥石流预警雨量阈值的方法,并基于试验发生破坏的临界雨量修正了传统I-D预警模型(孟华君等,2017乔建平等,2018)。③通过数值模拟,在泥石流危险性和风险评价基础上提出了实施风险减缓措施,提出了泥石流治理工程效益评价方法(丛凯等,2019唐亚明等,2021)。

    笔者依托中国地质调查局“熊耳山–伏牛山矿集区生态修复支撑调查”项目,以河南省栾川县康山金矿区为研究对象,在系统收集、整理、分析、总结已有调查资料数据的基础上,通过野外实地调查,获取了康山金矿区采矿废石渣堆的空间分布位置和物源特征,在对野外现场取回的废石渣样进行粒度特征分析后,通过室内物理模拟试验,探究矿渣型泥石流启动机理,探讨影响和控制矿渣型泥石流启动的矿渣颗粒级配、沟道底床坡度、启动临界水量等主要因子之间的定量关系,分析不同影响因子作用下矿渣型泥石流的启动方式,以期为今后矿渣型泥石流启动模拟试验的开展和泥石流启动机理的深入研究提供借鉴和参考。

    康山金矿区地处华北陆块南缘熊耳山地区,流域面积22.16 km2,海拨 1 000~1 671 m ,主体山脉呈EW向展布,属侵蚀构造型的中低山地貌。地表切割强烈,坡度陡峭(一般30°~55°),沟谷发育,呈“V”字型,局部直立呈陡崖。巨大的相对高差及陡峻的沟床比降为水源和物源的快速汇集提供了有利的地形地貌条件,也为泥石流的形成提供了充分的势能条件。泥石流物源所在沟谷参数见表1

    表  1  康山金矿区泥石流物源所在沟谷基本情况表
    Table  1.  The basic situation of the valley where the source of debris flow is located in the Kangshan gold mining area
    沟谷 流域面积(km2 最高点高程(m) 最低点高程(m) 沟谷长度(m) 相对高差(m) 纵坡降比(‰)
    后木寺 1.08 1580 1235 1434 345 240.59
    大南沟 0.72 1589 1235 1410 354 251.06
    小北沟 0.50 1576 1203 1338 373 278.77
    韭菜沟 0.43 1610 1172 1423 438 307.80
    排土场 0.19 1494 1176 843 318 377.22
    星星印 1.71 1614 1079 2221 535 240.88
    杏树芽 0.84 1411 1052 1424 359 252.11
    下载: 导出CSV 
    | 显示表格

    康山金矿区属暖温带落叶阔叶林区,雨水充沛,每年降水多集中在6~9月(图1),且多为暴雨形式出现,年平均降水量838.7 mm,年最大降水量1 386.1 mm(1964年)(图2),月最大降水量179.2 mm (2021年8月),日最大降水量159.2 mm (2010年7月24日),1 h最大降水量49 mm (2019年8月21日6时),充沛的降雨为康山金矿区矿渣型泥石流的形成提供了充足的水源条件。

    图  1  研究区2015~2022年5~10月平均降雨量情况
    Figure  1.  The monthly average rainfall in the study area from May to October 2015 to 2022
    图  2  栾川县1958~2022年全年降雨量情况
    Figure  2.  The rainfall in Luanchuan County from 1958 to 2022

    康山金矿区主要开采破碎带蚀变岩型和石英脉型金矿,采矿排放的废石弃渣岩石多呈晶质结构,条带、条纹或块状构造,裂隙不发育,质地坚硬,棱角明显,抗压、抗风化能力强,斜坡岩土体稳定性差。康山金矿区泥石流形成区的主沟道较为顺直,矿渣集中分布于沟谷上游,仅主沟上游和其中一条支沟现有采矿废石渣堆16处,方量13.15万m3;矿区内现有尾矿库4处,方量230万m3。坡面及沟道内堆放的废石渣场地形为阶梯状,外观呈一级或多级台阶状的人工堆积体(图3),台阶高度一般2~7 m,个别达数十米,渣堆坡面角17°~40°。实地调查的16处典型废石渣堆中,47%的废石渣堆进行了植被复垦,76.5%的废石渣堆无拦渣坝、挡土墙或截排水沟,仅有23.5%的废石渣场有拦渣坝、挡土墙或截排水沟。这为泥石流的形成提供了充足的物源条件。

    图  3  典型矿渣堆积体形态参数(a)及断面剖面图(b)
    Figure  3.  (a) Morphological parameters and (b)cross-sectional view of typical slag deposits

    栾川县历史上曾多次暴发山洪、泥石流灾害,多发生于7、8月份。其中,2010年7月24日,受强降雨影响,栾川县境内多地暴发泥石流灾害,造成直接经济损失19.8亿元,死亡68人,失踪21人。“7•24”泥石流灾害中,位于白土镇康山村的康山沟发生了矿渣型泥石流。本次研究实地调查中,在康山沟下游河床较平缓地段依然可见采矿废渣堆积体,这是康山金矿区曾经发生矿渣型泥石流的间接证据(图4)。

    图  4  康山沟历史泥石流证据照片
    Figure  4.  Evidence of historical debris flow in Kangshan Gully

    由于国内没有比较成熟的泥石流模型相似率研究成果(王协康,2000)。因此,本研究参照一般惯例,对水槽的几何尺寸、容重等予以保证,结合野外实地调查结果,最终确定以大南沟沟道横断面作为模型参考原始横断面,沟口处渣堆厚度为原型(图5)。根据曹琰波(2008)李书钦(2009)推导出的各相似比的关系,确定了本次试验的相似比(表2)。考虑综合因素,设计制作了水槽试验装置,试验装置主要由试验水槽、沉砂池、供水系统、数据采集系统和水槽提升系统等5部分有机组成(图6)。

    图  5  大南沟沟口渣堆形态参数(a)及断面剖面图(b)
    Figure  5.  (a) Morphological parameters and (b) cross-sectional view of the slag pile at the outfall of Danangou
    表  2  泥石流启动水槽试验装置相似比
    Table  2.  Similar ratio of physical simulation test devices for debris flow startup
    物理量 宽度 容重 应力 内聚力 泊松比 内摩擦角 雨强 流量
    计算式 $ {C}_{l} $ $ {C}_{r} $ $ {C}_{\sigma }={C}_{l} \cdot {C}_{r} $ $ {C}_{c}={C}_{r} $ $ {C}_{\mu } $ $ {C}_{\varPhi } $ $ {S}_{p}={{C}_{l}}^{\frac{1}{2}} $ $ Q={{C}_{l}}^{\frac{5}{2}} $
    相似比 100 1 100 1 1 1 10 105
    下载: 导出CSV 
    | 显示表格
    图  6  泥石流启动水槽试验装置、物料铺设及传感器布置图
    Figure  6.  Layout of water tank material laying and sensor for physical simulation test of debris flow startup

    试验选用3个孔隙水压力和3个体积含水率传感器,埋设位置见图6。孔隙水压力传感器型号为YTYL0101型,精度为0.1% F.S;体积含水率传感器型号为YTDY0102型,精度为0.1% F.S。数据采集方式为自动化采集,传感器直接接入自动化数据采集系统,通过计算机设置采集频率(3 s)实时获取孔隙水压力和体积含水率变化特征。传感器具体参数见表3

    表  3  泥石流启动物理模拟试验所用传感器参数
    Table  3.  Parameters of sensors used in physical simulation test of debris flow startup
    传感器类型 型号 规格 精度 输出信号
    体积含水率 YTDY0102 0~100% 0.1%F.S RS485数字信号
    孔隙水压力 YTYL0101 100 Kpa 0.1%F.S RS485数字信号
    下载: 导出CSV 
    | 显示表格

    试验通过改变水槽坡度、冲水流量和颗粒级配,研究矿渣型泥石流启动特征,探讨影响和控制矿渣型泥石流启动的矿渣颗粒级配、沟道底床坡度、临界水量等主要因子之间的定量关系。根据野外实际调查,研究区泥石流形成区的平均坡度为10°,结合坡度增减对泥石流形成过程的影响,最终确定以坡度为5°、8°、10°、15°和20°作为试验坡度。试验水槽长4 m,宽40 cm,侧面高50 cm,同时水槽侧壁贴有横向和纵向刻度标尺,精度为0.1 cm,以便读取水槽的刻度和试验过程影像,获取泥石流启动特征。试验过程中采用控制阀和瞬时流量计定量控制流量作为泥石流启动过程中清水流量值(L/s),以模拟地表径流冲蚀破坏矿渣堆的情况。试验条件参数见表4

    表  4  泥石流启动物理模拟试验条件参数
    Table  4.  Debris flow startup physical simulation test parameters
    试验水槽条件 试验参数设计
    长度尺寸(cm) 断面尺寸(cm) 物料堆放(cm) 水槽坡度(°) 颗粒级配(细颗粒含量,%)
    400 50×40 70×50×10 5,8,10,15,20 7,15,20,25,30,35,40
    下载: 导出CSV 
    | 显示表格

    为更贴近实际情况,本试验装置设计有清水流通区、物源区、泥石流形成区和堆积区。其中,清水流通区长210 cm,物源区长70 cm(矿渣样堆积体厚度10 cm),泥石流形成区长120 cm。为减小边界效应对试验结果的影响和便于从水槽侧面观察水流对采矿废渣的冲刷过程,水槽两侧安装钢化玻璃,整个试验过程中在水槽正面和侧面各架设一台高清摄像机,对试验现象进行实时记录。试验水槽参数见图7

    图  7  泥石流启动物理模拟试验水槽参数
    Figure  7.  Parameters of the water tank for the physical simulation test of debris flow startup

    试验材料取自研究区大南沟沟口附近坑口采矿废石渣堆,经过晾晒、过筛和颗粒分析,获得了该处矿渣的颗粒级配和试验材料颗粒级配(图7)。前人研究成果表明,废石渣堆颗粒粒径d=2 mm对泥石流的区分具有重要意义(费祥俊,2004)。因此,将粒径小于2 mm的颗粒视为细颗粒,大于2 mm的颗粒视为粗颗粒。为了减小尺寸效应的影响,直径大于60 mm的块石被剔除,其细颗粒含量占采取的矿渣总量的7%,干渣容重18.24 KN/m3,孔隙度为0.31。试验材料颗粒级配见图8。由于研究区采矿废渣堆密实度、细颗粒含量及内摩擦角的不同,使得渣堆在外力条件下剪切破坏存在差异,这些特征将影响到矿渣型泥石流的启动方式和机理。

    图  8  试验材料颗粒级配图
    Figure  8.  Particle gradation diagram of test material

    分别在5种坡度、15种冲水流量和7种细颗粒含量的条件下进行了共计25组试验(表5)。

    表  5  泥石流启动物理模拟试验结果汇总
    Table  5.  Summary of physical simulation test results of debris flow initiation
    试验
    组次
    冲水流
    量(L/s)
    底床坡
    度(°)
    细颗粒
    含量(%)
    启动方式
    D01 0.82 10 7 顶面侵蚀+流态化
    D02 0.88 10 7 顶面侵蚀+流态化
    D03 1.19 10 7 顶面侵蚀+流态化
    D04 1.24 10 7 顶面侵蚀+流态化
    D05 1.40 10 7 顶面侵蚀+流态化
    D06 1.45 10 7 流态化
    D07 1.48 10 7 流态化
    D08 1.99 10 7 顶面侵蚀
    D09 2.07 10 7 顶面侵蚀
    D10 2.32 10 7 顶面侵蚀
    D11 2.43 10 7 顶面侵蚀
    D12 2.97 10 7 顶面侵蚀
    D13 3.10 10 7 顶面侵蚀
    D14 3.52 10 7 顶面侵蚀
    D15 5.95 10 7 顶面侵蚀
    D16 1.48 5 7 顶面侵蚀
    D17 1.48 8 7 顶面侵蚀
    D18 1.48 15 7 流态化
    D19 1.48 20 7 顶面侵蚀+流态化
    D20 1.48 10 15 流态化
    D21 1.48 10 20 顶面侵蚀
    D22 1.48 10 25 顶面侵蚀
    D23 1.48 10 30 顶面侵蚀
    D24 1.48 10 35 顶面侵蚀
    D25 1.48 10 40 顶面侵蚀
    下载: 导出CSV 
    | 显示表格

    通过对试验现象的观察分析发现,不同水槽坡度、不同冲水流量和不同细颗粒含量条件下,泥石流的启动过程不同,分别为:

    (1)顶面侵蚀型启动方式。

    水槽坡度分别为5°、8°的两组试验,冲水流量为1.99 L/s~5.95 L/s的8组试验,细颗粒含量为20%~40%的5组试验,表现为该类启动方式。由于水槽坡度较小,或冲水流量较大,或试验材料细颗粒含量较高,试验开始后在径流作用下,水流在堆积体上部快速汇集,水流在堆积体顶面形成束流快于在堆积体内部的下渗,在堆积体顶部坡面束流的作用下,堆积体下部表层细颗粒首先被带走,随后侵蚀作用由堆积体表面向内部、下部向上部发展,最后引起上部堆积体的揭底启动形成泥石流,其启动过程见图9

    图  9  D24组次试验泥石流启动过程
    Figure  9.  Debris flow start-up process of sub-test D24

    (2)流态化型启动方式。

    水槽坡度分别为10°、15°的2组试验,冲水流量为1.45 L/s、1.48 L/s的2组试验,细颗粒含量为7%、15%的2组试验,表现为该类启动方式。分别在水槽坡度、冲水流量适中或细颗粒含量较低条件下,试验开始后在径流作用下,水流在堆积体的下渗速率与其在顶部表面形成束流的速率相当,在堆积体顶部表面形成径流的同时,堆积体含水量不断增加,逐步达到饱和状态。随着水流的入渗作用,堆积体下部开始失稳,坡脚首先向下滑动,逐渐堆积体上部发生整体失稳,在水流的参与下,并呈流态化迅速形成泥石流,其启动过程见图10

    图  10  D07组次试验泥石流启动过程
    Figure  10.  Debris flow start-up process of sub-test D07

    (3)顶面侵蚀+流态化型启动方式。

    水槽坡度为20°的1组试验,冲水流量为0.82~1.40 L/s的5组试验,表现为该类启动方式。在水槽坡度较大或冲水流量较小试验条件下,试验开始阶段在径流作用下,水流不断渗入堆积体,从堆积体下部坡脚有水渗出时堆积体并未达到饱和状态,此时在堆积体顶部表面形成径流,并逐渐侵蚀表层堆积体,坡脚首先出现滑动,随着含水量的升高,堆积体整体达到饱和状态,开始呈现大面积流态化现象,形成泥石流。其形成过程见图11

    图  11  D19组次试验泥石流启动过程
    Figure  11.  Debris flow start-up process of sub-test D19

    (1)顶面侵蚀型启动方式。

    分析D24组试验数据,得出顶面侵蚀型泥石流孔隙水压力和体积含水率变化特征(图12)。

    图  12  D24组次试验体积含水率和孔隙水压力变化过程
    Figure  12.  Variation process of volumetric water content and pore water pressure in D24 sub-test

    结果显示,该类泥石流的孔隙水压力和体积含水率曲线呈现以下几方面特征:①在径流作用下,随着水流在堆积体上部快速聚集,在堆积体顶部表面迅速形成径流,堆积体的体积含水率和孔隙水压力呈现逐渐增加趋势。②随着堆积体下部表层颗粒被水流不断冲走,下部的体积含水率率先达到峰值,此时下部堆积体启动,该处孔隙水压力随即下降,并逐渐消散。③侵蚀作用由堆积体下部向中上部继续发展,中部和上部堆积体含水率继续增加到一定程度时,导致中上部堆积体揭底启动形成泥石流,孔隙水压力随即下降,并逐渐消散。

    综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征,顶面侵蚀型启动主要是由于坡面径流的形成快于内部下渗速率,导致渣堆中细颗粒先被带走,粗颗粒重新排列。由于渣堆颗粒之间无黏结,当受力平衡被打破,骨架颗粒的抗力小于水的地表径流冲刷力和骨架颗粒自身重力时,渣体就会显示出一层层被剥离,被水流带走的现象。

    (2)流态化型启动方式。

    分析D07组试验数据,得出流态化型泥石流孔隙水压力和体积含水率变化特征(图13)。

    图  13  D07组次试验体积含水率和孔隙水压力变化过程
    Figure  13.  Variation process of volumetric water content and pore water pressure in D07 sub-test

    结果显示,该类泥石流的孔隙水压力及体积含水率曲线表现出明显的上升和下降特征,但其下降过程未出现与顶面侵蚀型类似的过程,而是呈现出同步变化趋势。其数据变化主要分为两个阶段:①在渗透作用下,体积含水率和孔隙水压力急速上升到峰值,含水率峰值表现为堆积体中部小、堆积体上部和下部大,这与堆积体的触水顺序、堆积形态和体量有关,而孔隙水压力的峰值大小则与堆积体坡面形态有关。②在堆积体呈现流态化现象启动后,含水率传感器暴露在空气中,水量迅速流失,体积含水率降至初始数值,而孔压则是由上部至下部依次回落至初始状态,说明启动后堆积体含水量迅速下降,而孔压则是由堆积体上部转移到了下部,堆积体流态化启动时呈现整体失稳自上而下滑动,抬高了坡脚部分的坡面高度,导致堆积体下部的孔压会有一个短暂的稳定过程且大于上部和中部的孔压值。

    综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征,流态化型启动方式主要是由于矿渣颗粒被水流渗透破坏而形成的。此类启动方式的渣堆细颗粒含量都较少,坡面径流和内部入渗速率相当,即渣堆是经历了一个从上到下完全贯通饱和的过程。坡脚在达到饱和后,率先在水流的推动作用下整体坍塌、移动。而上部渣堆在整体已达到饱和的情况下,由于坡脚渣堆的失稳,致使其失去底部支撑力,在蓄积的水流压力和已经贯通其中的内部径流推动下,整体发生坍塌、移动,形成大流量、大重度的泥石流。

    (3)顶面侵蚀+流态化型启动方式。

    分析D19组试验数据,得出顶面侵蚀+流态化型泥石流孔隙水压力和体积含水率变化特征(图14)。

    图  14  D19组次试验体积含水率和孔隙水压力变化过程
    Figure  14.  Variation process of volumetric water content and pore water pressure in D19 sub-test

    结果显示,试验开始后,堆积体含水率也会有一个升降过程,但总体持续时间上要大于流态化方式启动时间,主要具有以下3方面特征:①堆积体形成顶部表面径流和底面径流,此时含水率传感器和孔压传感器会先后达到峰值,但在坡脚部分因坡面径流和底面径流作用先达到饱和状态并受到一定的冲蚀作用下先行启动后,坡脚部分的含水率传感器会突降至初始状态,此位置的孔压传感器也会稳定下来,位于中部和上部的孔压传感器因表层已启动会有一个突降的现象。②当坡脚启动后水流在堆积体内部继续入渗,表层以侵蚀下切形式继续启动,此过程中上部堆积体的含水率会逐渐下降,堆积体中部逐渐达到饱和状态,体积含水率会有一个微小的抬升,而后开始下降,而3个位置的孔压传感器数值则会相对稳定在一个状态持续到试验结束。③此种启动方式下,传感器的数据在堆积体启动结束前会有一个相对稳定的过程。

    综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征,顶面侵蚀+流态化型启动方式主要是由于矿渣颗粒同时被水流渗透和径流冲蚀破坏而形成的。此类启动方式的渣堆细颗粒含量都较少,冲水流量也不大,水流在渣堆内部的渗透速率要大于其形成坡面径流的速率。由于冲水流量较小,矿渣颗粒之间的孔隙又较大,故水流会在渣堆内部由上至下逐步渗透使渣堆达到饱和状态,降低了渣堆颗粒间的剪切力在渣堆完全饱和后,渣堆由下至上开始由发生局部的坍塌到整体揭底启动形成泥石流。同时,在渣堆表面形成坡面径流带走渣堆中的细颗粒形成浑浊的泥流,增加了对渣堆表层颗粒的冲击力,带动渣堆由表向里层层剥蚀启动。

    通过对泥石流不同启动方式传感器数据的观察与分析发现,无论是何种启动方式孔隙水压力都会有一个突变升高的过程,当孔隙水压力达到峰值时松散堆积物开始启动。通过对相同冲水流量(1.48 L/s)下不同坡度和不同细颗粒含量的孔隙水压力进行分析得出(图15图16),水槽坡度越大,泥石流启动所需的外动力越小,相应的泥石流启动孔隙水压力也随之减小。在坡度为5°时,启动孔隙水压力最大,为1 KPa;坡度为20°时,启动孔隙水压力最小,为0.5 KPa。在相同坡度、不同级配条件下,启动孔隙水压力与细颗粒含量变化关系不明显。

    图  15  泥石流启动临界孔压与坡度变化关系图
    Figure  15.  The relationship between the critical pore pressure and slope change at the start of debris flow
    图  16  泥石流启动临界孔压与细颗粒含量变化关系图
    Figure  16.  The relationship between the critical pore pressure and the content of fine particles at the start of debris flow

    本组别试验为D01~D15组,各组次试验相同的条件是:固定底床坡度为10°,采用图3所示级配散粒干渣40 kg,以10 cm厚度、70 cm长度堆置于底床具有一定粗糙度的矩形水槽物源区,同时在试验材料底部等间距(间隔20 cm)埋设3组孔隙水压力传感器,在试验材料顶部表面等间距(间隔20 cm)插入3组体积含水率传感器。在上述试验条件下,通过改变每次试验冲水流量,测定不同冲水流量条件下泥石流启动临界水量。试验结果见表6图17

    表  6  不同冲水流量条件下泥石流启动临界水量
    Table  6.  Critical water volume for debris flow initiation under different flushing flow conditions
    试验
    组次
    物源状态 细颗粒
    含量(%)
    底床坡
    度(°)
    冲水流
    量(L/s)
    临界水
    量(L)
    D01 散粒干渣 7 10 0.82 42.94
    D02 散粒干渣 7 10 0.88 39.56
    D03 散粒干渣 7 10 1.19 34.31
    D04 散粒干渣 7 10 1.24 33.21
    D05 散粒干渣 7 10 1.40 30.22
    D06 散粒干渣 7 10 1.45 28.51
    D07 散粒干渣 7 10 1.48 26.46
    D08 散粒干渣 7 10 1.99 28.71
    D09 散粒干渣 7 10 2.07 29.71
    D10 散粒干渣 7 10 2.32 31.35
    D11 散粒干渣 7 10 2.43 31.64
    D12 散粒干渣 7 10 2.97 33.22
    D13 散粒干渣 7 10 3.10 28.54
    D14 散粒干渣 7 10 3.52 27.58
    D15 散粒干渣 7 10 5.95 17.85
    下载: 导出CSV 
    | 显示表格
    图  17  冲水流量与临界水量的关系
    Figure  17.  Relationship between flushing water flow and critical water volume

    表6所示试验数据进行回归分析,得到如下关系式:

    $$ S=\left\{\begin{array}{c}17.117{Q}^{2}-60.315Q+80.504\\ (R=0.9541\text{,}Q<2L/s)\\ 20.312Q-3.2614{Q}^{2}+1.6532\\ (R=0.9962\text{,}2L/s<Q<3L/s)\\ 1.6167{Q}^{2}-19.09Q+74.219\\ (R=0.9475\text{,}Q>3L/s)\end{array}\right. $$ (1)

    试验结果表明,当Q<2 L/s时,冲水流量越大,临界水量越小,存在一个最有利于泥石流启动的冲水流量1.76 L/s;当2 L/s<Q<3 L/s时,冲水流量越大,临界水量越大,存在一个最大临界水量33.28 L;当Q>3 L/s时,随着冲水流量增大,临界水量又会减小,最终趋于平稳,在冲水流量达到5.95 L/s时后临界水量基本稳定在17.87 L附近。

    本组别试验为D16、D17、D07、D18、D19,各组次试验相同的条件是:试验采用图3所示级配散粒干渣40 kg,以10 cm厚度、70 cm长度堆置于底床具有一定粗糙度的矩形水槽物源区,同时在试验材料底部等间距(间隔20 cm)埋设3组孔隙水压力传感器,在试验材料顶部表面等间距(间隔20 cm)插入3组体积含水率传感器,冲水流量1.48 L/s。通过改变底床坡度,测定不同底床坡度条件下泥石流启动的临界水量。试验结果见表7图18

    表  7  不同底床坡度条件下泥石流启动临界水量
    Table  7.  Critical water volume for debris flow initiation under different bed slope conditions
    试验
    组次
    物源状态 细颗粒含
    量(%)
    底床坡
    度(°)
    冲水流
    量(L/s)
    临界水
    量(L)
    D16 散粒干渣 7 5 1.48 71.23
    D17 散粒干渣 7 8 1.48 53.44
    D07 散粒干渣 7 10 1.48 26.46
    D18 散粒干渣 7 15 1.48 19.27
    D19 散粒干渣 7 20 1.48 15.01
    下载: 导出CSV 
    | 显示表格
    图  18  底床坡度与临界水量的关系
    Figure  18.  The relationship between the slope of the bed and the critical water volume

    表7所示试验数据进行回归分析,得到如下关系式:

    $$ S=0.377\;7\theta ^{2}-13.184\theta+128.53(R=0.950\;5) $$ (2)

    式中:θ为底床坡度;S为临界水量;R为相关系数。

    试验结果表明,底床坡度越大,泥石流启动所需临界水量越少;反之,底床坡度越小,临界水量越多,并且存在一个最小坡度5.59°和最小临界水量13.48 L,即当坡度大于5.59°或临界水量大于13.48 L时,可能启动形成泥石流。

    本组试验为D07、D20、D21、D22、D23、D24、D25组,各组次试验相同条件是:试验采用图3所示级配散粒干渣40 kg,以10 cm厚度、70cm长度堆置于底床具有一定粗糙度的矩形水槽物源区,同时在试验材料底部等间距(间隔20 cm)埋设3组孔隙水压力传感器,在试验材料顶部表面等间距(间隔20 cm)插入3组体积含水率传感器,固定底床坡度为10°,统一以1.48 L/s流量供水。通过改变底颗粒级配,测定不同颗粒级配条件下泥石流启动的临界水量。试验结果见表8图19

    表  8  不同颗粒级配条件下泥石流启动临界水量
    Table  8.  Critical water volume for debris flow initiation under different particle gradation conditions
    试验
    组次
    物源状态 底床坡
    度(°)
    细颗粒
    含量(%)
    冲水流
    量(L/s)
    临界水
    量(L)
    D07 散粒干渣 10 7 1.48 26.40
    D20 散粒干渣 10 15 1.48 18.84
    D21 散粒干渣 10 20 1.48 17.36
    D22 散粒干渣 10 25 1.48 15.20
    D23 散粒干渣 10 30 1.48 14.93
    D24 散粒干渣 10 35 1.48 16.00
    D25 散粒干渣 10 40 1.48 16.21
    下载: 导出CSV 
    | 显示表格
    图  19  细颗粒含量与临界水量的关系
    Figure  19.  Relationship between fine particle content and critical water amount

    表8所示试验数据进行回归分析,得到如下关系式:

    $$ S=0.020\;6m^{2}-1.250\;8m+33.788(R=0.981\;2) $$ (3)

    式中:m为细颗粒含量;S为临界水量;R为相关系数。

    试验结果表明,临界水量与试验材料细颗粒含量呈二次函数关系,而且当细颗粒含量达到30.36% 时最有利于泥石流启动。当试验材料细颗粒含量达到这一数值前,细颗粒含量越大,启动时的临界水量越少。也就是说,粗颗粒含量越大,启动时的临界水量越多。

    本次实验所得不同冲水流量、底床坡度、级配条件下矿渣型泥石流启动临界关系与前人(徐友宁等,2009)研究成果具有趋势一致性,验证了研究成果的可靠性,且在其研究基础上进一步完善了较大冲水流量(极端降雨情况)下矿渣型泥石流启动临界条件的关系。

    (1)不同试验条件下,泥石流分别以不同方式启动:包括顶面侵蚀型、流态化型、顶面侵蚀+流态化型3种启动方式。

    (2)不同启动方式下,矿渣堆积体内部孔隙水压力和体积含水率数据表现出不同的变化特征,泥石流启动临界孔隙水压力与底床坡度呈负相关关系,坡度为5°时,启动孔隙水压力最大,为1 KPa,坡度为20°时,启动孔隙水压力最小,为0.5 KPa;在相同坡度、不同级配条件下,泥石流启动孔隙水压力与细颗粒含量变化关系不明显。

    (3)矿渣型泥石流启动临界水量随着冲水流量不断增大,呈现先减小、后增大、再减小趋势,冲水流量为1.76 L/s时最有利于泥石流启动;底床坡度越大、细颗粒含量越高,泥石流启动临界水量越少,当坡度大于5.59°或临界水量大于13.48 L时,有利于泥石流的启动,当细颗粒含量为30.36% 时最有利于泥石流启动。

    致谢:该项研究得到中国地质调查局西安地质调查中心侯光才研究员、徐友宁研究员、朱立峰正高级工程师,长安大学曹琰波副教授,中国地质调查局西安矿产资源调查中心张江华正高级工程师的悉心指导和栾川县自然资源局、栾川县气象局、栾川县金兴矿业有限责任公司的大力支持。同时,各位审稿专家认真审阅了本文,并提出了宝贵的修改意见,在此一并表示感谢。

  • 图  1   研究区域

    Figure  1.   Study region

    图  2   青海省各地级市(自治州)PM2.5(a)和PM10浓度(b)均值逐年变化情况

    Figure  2.   (a) Annual change of mean PM2.5 and (b) PM10 mass concentration in cities of Qinghai province

    图  3   青海省各地级市(自治州)PM2.5和PM10浓度均值逐年空间分布图

    Figure  3.   Annual spatial distribution of mean PM2.5 and PM10 mass concentration in cities of Qinghai province

    图  4   青海省各地级市(自治州)PM2.5、PM10月均浓度和降水量、温度逐月变化情况

    a. 西宁市;b. 海东市;c. 海南州;d. 海西州;e. 海北州;f. 果洛州;g. 黄南州;h. 玉树州

    Figure  4.   Monthly mean value of PM2.5, PM10, precipitation and temperature in cities of Qinghai province

    图  5   青海省地级市(自治州)PM2.5、PM10月均浓度与气象因子相关性

    **在0.01水平(双侧)上显著相关;*在0.05水平(双侧)上显著相关,N = 12

    Figure  5.   Correlation analysis between monthly mean value of PM2.5, PM10 and meteorological variables in Qinghai province

    表  1   PM2.5与PM10多元线性回归结果

    Table  1   Results of multiple linear regression between PM2.5 and PM10

    污染物地区多元回归模型R2调整后R2p值
    PM2.5西宁24.269+0.466*×PM10−0.021×气温+0.005×降水−25.996·×风速0.9460.9150.000
    海东21.599**+0.133*×PM10−0.566*×气温+0.029×降水+8.849×风速0.9680.9500.000
    海北26.564***+0.242***×PM10−0.093×气温−0.013×降水−4.361·×风速0.9730.9570.000
    黄南17.730+0.169·×PM10−0.857·×气温+0.053×降水+5.044×风速0.9210.8760.001
    海南14.512+0.236*×PM10−0.277×气温+0.041×降水+0.370×风速0.9550.9290.000
    果洛11.575+0.183×PM10+0.069×气温−0.027×降水+4.387×风速0.7930.6750.015
    玉树5.463+0.413**×PM10−0.392·×气温+0.034×降水−4.285×风速0.9480.9180.000
    海西8.175*+0.176**×PM10+0.038×气温−0.095×降水+4.216×风速0.9540.9280.000
    青海15.047**+0.184*×PM10−0.630**×气温+0.063·×降水+2.971×风速0.9840.9750.000
    PM10西宁−12.793+1.456**×PM2.5−1.145×气温−0.006×降水+54.761*×风速0.9540.9280.000
    海东−87.131·+3.667*×PM2.5+0.818×气温−0.120×降水+8.639×风速0.9310.8920.000
    海北−101.720***+3.498***×PM2.5+0.200×气温+0.046×降水+22.352**×风速0.9750.9610.000
    黄南−75.280·+2.232·×PM2.5−0.486×气温−0.034×降水+33.545×风速0.8850.8190.002
    海南−32.042·+2.624*×PM2.5+0.377×气温−0.187×降水+14.860×风速0.9640.9430.000
    果洛0.990+0.288×PM2.5−1.209*×气温−0.028×降水+29.034**×风速0.9700.9530.000
    玉树1.168+1.692**×PM2.5+0.359×气温−0.086×降水+10.561*×风速0.9590.9350.000
    海西−30.355+3.972**×PM2.5−0.429×气温+0.110×降水−3.438×风速0.9380.9020.000
    青海−42.628+2.835×PM2.5+0.813×气温−0.207×降水+14.313×风速0.9740.9590.000
     注:·为p<0.1, *为p<0.05, **为p<0.01, ***为p<0.001。
    下载: 导出CSV
  • 蔡春霞, 贾晓丹, 鲍国臣, 等. 典型燃煤电厂大气污染物沉降对周边水源地的影响及贡献研究[J]. 西北地质, 2024, 57(1):64-72.

    CAI Chunxia, JIA Xiaodan, BAO Guochen, et al. Impact and contribution of atmospheric pollutant deposition from a typical power plant on surrounding water sources[J]. Northwestern Geology, 2024, 57(1):64–72.

    蔡振媛, 覃雯, 高红梅, 等. 三江源国家公园兽类物种多样性及区系分析[J]. 兽类学报, 2019, 39(4): 410-420

    CAI Zhenyuan, QIN Wen, GAO Hongmei, et al. Species diversity and fauna of mammals in Sanjiangyuan National Park[J]. Acta Theriologica Sinica, 2019, 39(4): 410-420.

    郭立平, 乔林, 石茗化, 等. 河北廊坊市连续重污染天气的气象条件分析[J]. 干旱气象, 2015, 33(3): 497-504

    GUO Liping, QIAO Lin, SHI Minghua, et al. Analysis about meteorological conditions of continuous heavy pollution episodes in Langfang of Hebei province[J]. Journal of Arid Meteorology, 2015, 33(3): 497-504.

    韩福财. 西宁市空气质量指数AQI现状分析[J]. 青海环境, 2017, 27(1): 36-38

    HAN Fucai. Analysis on current situation of air quality index AQI in Xining. Journal of Qinghai Environment[J], 2017, 27(1): 36-38.

    韩婧, 代志光, 李文韬. 西安市灰霾天气下PM2.5浓度与气象条件分析[J]. 环境污染与防治, 2014, 36(2): 52-56

    HAN Jing, DAI Zhiguang, LI Wentao. Analysis of PM2.5 concentration and meteorological conditions in haze weather of Xi’an city[J]. Environmental Pollution & Control, 2014, 36(2): 52-56.

    贺博文, 聂赛赛, 王帅, 等. 承德市PM2.5中碳质组分的季节分布特征及来源解析[J]. 环境科学, 2021, 42(11): 5152-5161

    HE Bowen, NIE Saisai, WANG Shuai, et al. Seasonal Variation and Source Apportionment of Carbonaceous Species in PM2.5 in Chengde[J]. Environmental Science, 2021, 42(11): 5152-5161.

    李江苏, 段良荣, 张天娇. 中国城市PM2.5和PM10时空分布特征和影响因素分析[J/OL]. 环境科学, 2023, 1-18

    LI Jiangsu, DUAN Liangrong, ZHANG Tianjiao. Analysis of Spatio-temporal Distribution Characteristics and Influencing Factors of PM2.5 and PM10 in Chinese Cities[J/OL]. Environmental Science, 2023, 1-18. doi: 10.13227/j.hjkx.202305037

    李同昇, 陈谢扬, 芮旸, 等. 西北地区生态保护与高质量发展协同推进的策略和路径[J]. 经济地理, 2021, 41(10): 154-164

    LI Tongsheng, CHEN Xieyang, RUI Yang, et al. Strategy and path of cooperative promotion of ecological protection and high-quality development in northwest China. Economic Geography[J], 2021, 41(10): 154-164.

    李轶冰. 江河源区生态环境演变与时空格局[D]. 咸阳: 西北农林科技大学, 2007

    LI Yibing. Environment evolvement and spatio-temporal pattern in the source regions of Yangtze, Yellow and Lancang River[D]. Xianyang: Northwest A&F University, 2007.

    刘娜, 余晔, 张莉燕, 等. 2016—2018年西宁市颗粒物来源及输送差异分析[J]. 环境科学学报, 2021, 41(10): 4212-4227

    LIU Na, YU Ye, ZHANG Liyan, et al. Difference analysis of source and transportation in particulate matter in Xining during 2016-2018[J]. Acta Scientiae Circumstantiae, 2021, 41(10): 4212-4227.

    刘彦春, 靳聪丽, 王雨薇, 等. 校园3种植被类型对春季空气PM2.5含量的影响[J]. 河南科技大学学报(自然科学版), 2020, 41(3): 88-92

    LIU Yanchun, JIN Congli, WANG Yuwei, et al. Effects of campus 3 vegetation types on air PM2.5 content in spring[J]. Journal of Henan University of Science and Technology (Natural Science), 2020, 41(3): 88-92.

    刘妍妍. 湖南省2021年春节期间PM2.5重污染特征及来源分析[J]. 江西科学, 2021, 39(05): 893-900

    LIU Yanyan. Analysis on the characteristics and source of heavy pollution process of PM2.5 during the Spring Festival in 2021 in Hunan province[J]. Jiangxi science, 2021, 39(05): 893-900.

    刘震. 黄河流域9市空气质量与社会经济及人群健康效应研究[D]. 兰州: 兰州大学, 2021

    LIU Zhen. Study on the air quality, social economic development and population health effect in 9 cities of the Yellow River Basin[D]. Lanzhou: Lanzhou University, 2021.

    毛旭, 张涛. 2018年4月大气环流和天气分析[J]. 气象, 2018, 44(07): 977-984

    MAO Xu, ZHANG Tao. Analysis of the April 2018 atmosphere circulation and weather[J]. Meteorological Monthly, 2018, 44(07): 977-984.

    聂赛赛, 王帅, 崔建升, 等. 石家庄市大气污染物的季节性时空特征及潜在源区[J]. 环境科学, 2021, 42(11): 5131-5142

    NIE Saisai, WANG Shuai, CUI Jiansheng, et al. Spatial-Temporal Characteristics and Potential Source Areas of Seasonal Atmospheric Pollution in Shijiazhuang[J]. Environmental Science, 2021, 42(11): 5131-5142.

    彭丽思, 孙涵, 聂飞飞. 中国大气污染时空格局演变及影响因素研究[J]. 环境经济研究, 2017, (1): 48-56.
    裘阅, 汪家权, 胡淑恒. 2015-2016年安徽省PM2.5和PM10时空分布特征[J]. 合肥工业大学学报(自然科学版), 2020, 43(1): 113-118

    QIU Yue, WANG Jiaquan, HU Shuheng. Spatial-temporal distribution of PM2.5 and PM10-2.5 in Anhui Province, 2015-2016[J]. Journal of Hefei University of Technology (Natural Science), 2020, 43(1): 113-118.

    石春娥, 邓学良, 吴必文, 等. 降水和风对大气PM2.5、PM10的清除作用分析[J]. 环境科学学报, 2018, 38(12), 4620-4629

    SHI Chune, DENG Xueliang, WU Biwen, et al. The scavenging effect of precipitation and wind on PM2.5 and PM10[J]. Acta Scientiae Circumstantiae, 2018, 38(12), 4620-4629.

    孙蓉花, 陈学刚, 魏疆, 等. 乌鲁木齐市PM2.5浓度与气象条件耦合分析[J]. 环境污染与防治, 2017, 39(12): 1353-1357

    SUN Ronghua, CHEN Xuegang, WEI Jiang, et al. Coupling analysis of PM2.5 concentrations and meteorological conditions in Urumqi[J]. Environmental Pollution & Control, 2017, 39(12): 1353-1357.

    唐家翔, 符传博, 杨仁勇, 等. 海口市PM2.5演变特征及其与气象因素的关系[J]. 环境污染与防治, 2018, 40(4): 445-449

    TANG Jiaxiang, FU Chuanbo, YANG Renyong, et al. Evolution of PM2.5 in Haikou and its relationship with weather factors[J]. Environmental Pollution & Control, 2018, 40(4): 445-449.

    王冰玉, 蔡颖, 郑凯, 等. PM2.5对HBE细胞致癌致突变相关基因表达的影响[J]. 癌变·畸变·突变, 2020, 32(1): 33-38

    WANG Bingyu, CAI Ying, ZHENG Kai, et al. Effect of PM2.5 on expression of genes related to carcinogenesis and mutagenesis in HBE cells[J]. Carcinogenesis, Teratogenesis & Mutagenesis, 2020, 32(1): 33-38.

    王涛, 邵田田. 2017年上海市PM2.5和PM10变化特征及来源分析[J]. 河南科学, 2018, 36(11): 1752-1758

    WANG Tao, SHAO Tiantian. Characteristics and sources of PM2.5 and PM10 in Shanghai in 2017[J]. Henan science, 2018, 36(11): 1752-1758.

    王遵娅, 柳艳菊, 丁婷, 等. 2018年春季气候异常及可能成因分析[J]. 气象, 2018, 44(10): 1360-1369

    WANG Zunya, LIU Yanju, DING Ting, et al. Features and possible causes for climate anomalies in spring 2018[J]. Meteorological Monthly, 2018, 44(10): 1360-1369.

    魏玉香, 童尧青, 银燕, 等. 南京SO2, NO2和PM 10变化特征及其与气象条件的关系[J]. 大气科学学报, 2009, 32(3): 451-457

    WEI Yuxiang, TONG Yaoqing, YIN Yan, et al. The variety of main air pollutants concentration and its relationship with meteorological condition in Nanjing city[J]. Transactions of Atmospheric Science, 2009, 32(3): 451-457.

    魏旖梦. 西北五省(区)大气污染物特征及其影响因素研究[D]. 乌鲁木齐: 新疆大学, 2021

    WEI Yimeng. Study on the characteristics of air pollutants and its influencing factors in northwest of China[D]. Urumqi: Xinjiang University, 2021.

    许文轩, 田永中, 肖悦, 等. 华北地区空气质量空间分布特征及成因研究[J]. 环境科学学报, 2017, 37(8), 3085-3096

    XU Wenxuan, TIAN Yongzhong, XIAO Yue, et al. Study on the spatial distribution characteristics and the drivers of AQI in North China[J]. Acta Scientiae Circumstantiae, 2017, 37(8), 3085-3096.

    薛澜, 翁凌飞. 中国实现联合国2030年可持续发展目标的政策机遇和挑战[J]. 中国软科学, 2017, (1): 1-12

    XUE Lan, WENG Lingfei. The policy opportunities and challenges in China's implementation of 2030 sustainable development goals[J]. China Soft Science, 2017, (1): 1-12.

    杨洪斌, 李元宜, 邹旭东等. 辽宁空气中度污染和重污染天气类型分析[J]. 气象与环境学报, 2009, 25(6): 15-17.
    杨淼. 以幸福的名义建设生态西宁[J]. 青海科技, 2014, (04): 12-14.
    杨稳强. 西北地区大气污染特征及其影响因素分析[D]. 兰州: 西北师范大学, 2023

    YANG Wenqiang. Characteristics of air pollution in Northwest China and its influencing factors[D]. Lanzhou: Northwest Normal University, 2023.

    杨文涛, 谯鹏, 刘贤赵, 等. 2011~2017年中国PM2.5多尺度时空分异特征分析[J]. 环境科学, 2020, 41(12): 5236-5244

    YANG Wentao, QIAO Peng, LIU Xianzhao, et al. Analysis of Multi-scale Spatio-temporal Differentiation Characteristics of PM2.5 in China from 2011 to 2017[J]. Environmental Science, 2020, 41(12): 5236-5244.

    姚振, 田兴元, 姬丙艳, 等. 西宁—乐都地区土地质量地球化学评估[J]. 西北地质, 2012, 45(1): 317-323.
    中国气象局. 2019年全国生态气象公报[EB/OL]. 2020, [2020-06-30].
    张红. 典型沿江城市空气污染物特征及与气象条件的耦合关系研究[D]. 合肥: 中国科学技术大学, 2018

    ZHANG Hong. Study on Relationship & Characteristics of Atmospheric Pollution and Meteorological Conditions of Cities along the Yangtz River[D]. Hefei: University of Science and Technology of China, 2018.

    张天先, 陈长彬, 姚洪发. 天津市大气环境中PM2.5与PM10时空分布特征研究[J]. 洛阳理工学院学报(自然科学版), 2020, 30(04): 8-13.
    章异平, 徐军亮, 赵西平, 等. 基于灰色关联的洛阳市空气质量影响因素分析[J]. 河南科技大学学报(自然科学版), 2012, 33(1): 100-104.
    周安琪, 刘建伟, 周旭, 等. 北京大气PM2.5载带金属浓度、来源及健康风险的城郊差异[J]. 环境科学, 2021, 42(06): 2595-2603

    ZHOU Anqi, LIU Jianwei, ZHOU Xu, et al. Concentrations, sources, and health risks of PM2.5 carrier metals in the Beijing urban area and suburbs[J]. Environmental Science, 2021, 42(06): 2595-2603.

    邹佳乐, 林尧林, 杨薇. 中国近年PM2.5污染研究进展[J]. 环境污染与防治, 2019, 41(3): 357-361

    ZOU Jiale, LIN Yaolin, YANG Wei. Advances on PM2.5 pollution research in China in recent years[J]. Environmental Pollution & Control, 2019, 41(3): 357-361.

    Cao Q, Rui G, Liang Y. Study on PM2.5 pollution and the mortality due to lung cancer in China based on geographic weighted regression model[J]. BMC Public Health. 2018, 18(1): 925.

    Gaio V, Roquette R, Dias CM, et al. Ambient air pollution and lipid profile: Systematic review and meta-analysis. Environmental Pollution, 2019, 254(Pt B): 113036.

    Han X, Xiao J, Wang L, et al. Identification of areas vulnerable to soil erosion and risk assessment of phosphorus transport in a typical watershed in the Loess Plateau[J]. Science of The Total Environment, 2020, 758.

    Hsu CY, Chiang HC, Lin SL, et al. Elemental characterization and source apportionment of PM10 and PM2.5 in the western coastal area of central Taiwan[J]. Science of the Total Environment, 2016, 541: 1139-1150. doi: 10.1016/j.scitotenv.2015.09.122

    Hwang SH, Park WM. Radon and PM10 concentrations in underground parking lots and subway stations with health risks in South Korea[J]. Environmental Science and Pollution Research, 2018, 25(35): 35242-35248. doi: 10.1007/s11356-018-3428-6

    Li R, Zhou R, Zhang J. Function of PM2.5 in the pathogenesis of lung cancer and chronic airway inflammatory diseases[J]. Oncology Letters, 2018, 15(5): 7506-7514.

    Menard, S, Standards for standardized logistic regression coefficients[J]. The Journal of Social Forces, 2011, 89 (4), 1409-1428.

    Pham, TG, Degener, J, Kappas, M. Integrated universal soil loss equation (USLE) and geographical information system (GIS) for soil erosion estimation in a Sap basin: central Vietnam[J]. International Soil and Water Conservation Research, 2018, 6: 99-110. doi: 10.1016/j.iswcr.2018.01.001

    Qiu X, Duan L, Gao J, et al. Chemical composition and source apportionment of PM10 and PM2.5 in different functional areas of Lanzhou, China[J]. Science of the Total Environment, 2016, 40: 75-83.

    Raaschou-Nielsen O, Beelen R, Wang M, et al. Particulate matter air pollution components and risk for lung cancer[J]. Environment International, 2016, 87: 66-73. doi: 10.1016/j.envint.2015.11.007

    Shen F, Ge X, Hu J, et al. Air pollution characteristics and health risks in Henan Province, China[J]. . Environmental Research, 2017, 156: 625-634. doi: 10.1016/j.envres.2017.04.026

    Wu F, Wang W, Man YB, et al. Levels of PM2.5/ PM10 and associated metal(loid)s in rural households of Henan Province, China[J]. Science of the Total Environment, 2015, 512-513: 194-200. doi: 10.1016/j.scitotenv.2015.01.041

图(5)  /  表(1)
计量
  • 文章访问数:  168
  • HTML全文浏览量:  14
  • PDF下载量:  51
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-07-24
  • 修回日期:  2023-09-26
  • 录用日期:  2023-10-06
  • 网络出版日期:  2023-10-12
  • 刊出日期:  2024-08-19

目录

/

返回文章
返回