天津團(tuán)泊洼地區(qū)SO2和NO2傳輸軌跡及來源識別

么相姝，王　磊

(1.天津城建大學(xué)地質(zhì)與測繪學(xué)院，天津　300384；2.天津城建大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津　300384)

?

天津團(tuán)泊洼地區(qū)SO2和NO2傳輸軌跡及來源識別

么相姝1①，王磊2

(1.天津城建大學(xué)地質(zhì)與測繪學(xué)院，天津300384；2.天津城建大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津300384)

摘要：為研究天津清潔站點(diǎn)團(tuán)泊洼不同季節(jié)大氣污染物的污染特征和可能來源區(qū)域，利用HYSPLIT模型和全球資料同化系統(tǒng)(GDAS)氣象數(shù)據(jù)，采取聚類方法對2012年12月—2013年11月期間抵達(dá)天津團(tuán)泊洼的氣團(tuán)軌跡進(jìn)行模擬并按不同季節(jié)分類。結(jié)合該期間NO2和SO2日均濃度監(jiān)測數(shù)據(jù)，分析了不同季節(jié)氣流軌跡對團(tuán)泊洼污染物濃度的影響。利用潛在源貢獻(xiàn)(PSCF)因子分析法和濃度權(quán)重軌跡(CWT)分析法分別模擬不同季節(jié)NO2和SO2潛在源的貢獻(xiàn)作用和濃度權(quán)重軌跡。結(jié)果表明，不同方向氣流軌跡對團(tuán)泊洼NO2和SO2潛在源區(qū)分布的影響存在顯著差異。團(tuán)泊洼NO2和SO2日均最高濃度值對應(yīng)的氣流軌跡均集中在冬季和秋季。冬季日濃度最大值分別為115和179 μg·m-3，氣流主要來自團(tuán)泊洼的西北方向；秋季日均濃度值分別為81和116 μg·m-3，氣流主要來自西北和東南方向。團(tuán)泊洼NO2和SO2的PSCF與CWT分布特征類似，最高值主要集中在北京和天津周邊、河北省的煤炭工業(yè)區(qū)附近，是團(tuán)泊洼這2種污染物最大的潛在源區(qū)。與PSCF分析法相比，CWT分析法能定量模擬潛在源區(qū)污染物的濃度數(shù)值，而且采用CWT法模擬的各季節(jié)潛在源區(qū)均比PSCF法的模擬區(qū)域更為集中，有助于更精確確定污染物的潛在源區(qū)。

關(guān)鍵詞：后向軌跡模型；聚類分析；潛在源；團(tuán)泊洼；清潔站點(diǎn)

隨著城市化進(jìn)程加快和社會經(jīng)濟(jì)的快速發(fā)展,影響空氣質(zhì)量的氣態(tài)污染物仍然是我國大城市突出的環(huán)境問題[1]。對于污染物軌跡及潛在源區(qū)的模擬國內(nèi)外已有一些研究,GIVEHCHI[2]利用后向軌跡模型模擬了德黑蘭PM10濃度最大的潛在源;王茜[3]利用軌跡模式研究上海大氣污染的輸送來源;王愛平等[4]利用軌跡模型模擬黃山頂夏季氣溶膠濃度特征及潛在源區(qū)。清潔站點(diǎn)少受局地源影響,而模擬污染物長距離輸送軌跡的研究尚鮮見報道。空氣污染物的背景值研究在環(huán)境和氣象科學(xué)領(lǐng)域具有重要意義[5]。空氣質(zhì)量監(jiān)測站點(diǎn)中的清潔站點(diǎn)空氣污染物監(jiān)測數(shù)據(jù)被認(rèn)為是空氣污染物的背景參考值[6]。團(tuán)泊洼作為天津空氣清潔背景點(diǎn),其周邊沒有明顯的污染源,污染物濃度水平體現(xiàn)的是該污染物的本底值和長距離輸送的整合。揭示污染物傳輸軌跡以及識別其潛在源區(qū)對更好地剝離出該污染物的環(huán)境背景值具有重要意義。

1研究區(qū)概況及數(shù)據(jù)處理

1.1研究區(qū)概況

團(tuán)泊洼(38.9° N,117.1° E)位于天津市靜?？h,西靠南運(yùn)河,北靠獨(dú)流減河右堤,東南至馬廠減河左堤,是一個三角封閉洼淀,區(qū)內(nèi)地勢西南高、東北低,地面最低高程1.0 m左右。團(tuán)泊洼空氣質(zhì)量監(jiān)測點(diǎn)位于團(tuán)泊洼水庫附近,該地區(qū)周邊沒有明顯的污染源,是天津市空氣質(zhì)量背景點(diǎn)。

1.2數(shù)據(jù)來源及處理

團(tuán)泊洼SO2和NO2濃度數(shù)據(jù)來自天津市環(huán)境監(jiān)測中心國控點(diǎn)自動監(jiān)測網(wǎng)絡(luò)。后向軌跡模式采用的氣象資料為美國國家環(huán)境預(yù)報中心(NCEP) 提供的全球資料同化系統(tǒng)(GDAS) 2013年數(shù)據(jù)。

2研究方法

2.1軌跡聚類分析

基于TrajStat軟件中的聚類方法[7-8],結(jié)合美國國家環(huán)境預(yù)報中心和國家大氣研究中心聯(lián)合執(zhí)行的全球再分析資料,對氣流軌跡進(jìn)行聚類分析,根據(jù)氣團(tuán)的移動速度和方向?qū)\(yùn)動軌跡進(jìn)行分類。軌跡聚類算法分為歐氏距離(Euclidean distance)和角度距離(angle distance),因?yàn)樵撗芯恐饕P(guān)注聚類軌跡方向,故采用角度距離算法對到達(dá)團(tuán)泊洼的氣流軌跡進(jìn)行分類,并在此基礎(chǔ)上對不同季節(jié)氣流所對應(yīng)的污染物濃度特征進(jìn)行分析。2條后向軌跡間的角度距離計(jì)算公式[7]為

(1)

Ai=[X1(i)-X0]2+[Y1(i)-Y0]2,

(2)

Bi=[X2(i)-X0]2+[Y2(i)-Y0]2,

(3)

Ci=[X2(i)-X1(i)]2+[Y2(i)-Y1(i)]2。

(4)

式(1)～(4)中，X0和Y0為受體點(diǎn)所處位置坐標(biāo)：d12為d1與d2這2條后向軌跡間角度的均值；X1(i)和Y1(i)為d1軌跡上第i點(diǎn)坐標(biāo)；X2(i)和Y2(i)為d2軌跡上第i點(diǎn)坐標(biāo)；Ai為[X1(i)，Y1(i)]點(diǎn)到受體點(diǎn)距離；Bi為[X2(i)，Y2(i)]點(diǎn)到受體點(diǎn)距離；Ci為[X1(i)，Y1(i)]點(diǎn)到[X2(i)，Y2(i)]距離。

2.2潛在源貢獻(xiàn)因子分析

典中組在礦區(qū)分布最廣，主要分布在礦區(qū)中、北部，在礦區(qū)北部不整合覆蓋于旁那組之上，在礦區(qū)中東部覆蓋于洛巴堆組之上，與下伏的巴堆組為角度不整合接觸或斷層接觸，第一巖性段安山質(zhì)火山角礫熔巖是幫浦礦區(qū)的次要賦礦層位，是笛給礦區(qū)目前發(fā)現(xiàn)的主要賦礦層位。

潛在源貢獻(xiàn)因子(PSCF，F(xiàn)PSC)值是所選研究區(qū)域內(nèi)經(jīng)過網(wǎng)格ij的污染軌跡數(shù)(xij)與該網(wǎng)格上經(jīng)過的所有軌跡數(shù)(yij)的比值[9-10],計(jì)算公式為

FPSC，ij=xij/yij。

將研究區(qū)域內(nèi)氣流軌跡所涉及的區(qū)域分成0.5° × 0.5°的水平網(wǎng)格,計(jì)算各個網(wǎng)格內(nèi)經(jīng)過的氣流軌跡條數(shù)和研究區(qū)所有網(wǎng)格內(nèi)的氣流軌跡條數(shù),以此計(jì)算各研究區(qū)每個網(wǎng)格內(nèi)的氣流軌跡出現(xiàn)概率。引入權(quán)重函數(shù)Wij來減小模擬誤差。對Wij的定義如下:

2.3濃度權(quán)重軌跡(CWT)分析

為了解決PSCF不能區(qū)分相同PSCF值的網(wǎng)格對觀測點(diǎn)污染程度貢獻(xiàn)大小的問題,利用CWT分析法模擬潛在源區(qū)污染物的權(quán)重濃度數(shù)值[11-13],計(jì)算方法為

(5)

式(5)中,Cij為網(wǎng)格ij的平均權(quán)重濃度,μg·m-3;k為軌跡;Ck為軌跡k經(jīng)過網(wǎng)格ij時對應(yīng)的團(tuán)泊洼污染物質(zhì)量濃度,μg·m-3;τijk為軌跡k在網(wǎng)格ij停留的時間,取值24 h。在PSCF分析法中所用的權(quán)重函數(shù)Wij也適用于CWT分析法,以減少xij值較小時所引起的不確定性。

3結(jié)果與分析

3.1后向軌跡分布

圖1　2013年各季節(jié)團(tuán)泊洼500 m后向軌跡分布

3.2后向軌跡聚類分析

根據(jù)各類氣流軌跡空間分布特征的一致性,把氣流軌跡分為4類,聚類結(jié)果如圖2所示。由圖2和表1可以看出,研究期間,春季來自天津、北京、張家口、內(nèi)蒙古中部、蒙古方向的氣流軌跡最多,占當(dāng)季氣流軌跡總數(shù)的32.61%;來自山東中部、濟(jì)南、黃海方向的氣流軌跡較少,占當(dāng)季氣流軌跡總數(shù)的15.22%。夏季來自河北東部、山東西部和南部、安徽和江蘇交界處的氣流軌跡最高,占當(dāng)季氣流軌跡總數(shù)的47.83%。秋季來自北京、河北西北部、內(nèi)蒙古中部、蒙古的氣流軌跡最多,占當(dāng)季氣流軌跡總數(shù)的39.56%;冬季來自北方內(nèi)陸地區(qū)的氣流軌跡(軌跡1和3)占冬季氣流軌跡總數(shù)的比例最大,其中來自北京西南部、張家口、內(nèi)蒙古中部、蒙古方向的氣流軌跡最多,占41.11%。

圖2　2013年團(tuán)泊洼后向軌跡聚類的季節(jié)分布

表1團(tuán)泊洼各類軌跡區(qū)域特征的季節(jié)分析

Table 1Regional characterization of various types of airflow trajectories in Tuanbowa

季節(jié)軌跡類型出現(xiàn)概率/%途經(jīng)區(qū)域ρ1)/(μg·m-3)NO2SO2春215.22山東中部、濟(jì)南、黃海32.0036.00325.00唐山、秦皇島、內(nèi)蒙古東部34.3940.55427.17河北與山東交界處、內(nèi)蒙古中部28.1330.71132.61天津、北京、張家口、內(nèi)蒙古中部、蒙古34.7744.44夏411.96河北中部、山西北部23.2723.10218.48北京、河北西北部、內(nèi)蒙古中部、蒙古24.5324.53327.14唐山、秦皇島、內(nèi)蒙古東部、蒙古26.1626.63147.80河北東部、山東西部和南部、安徽與江蘇交界處24.7518.89秋116.48河北與山東交界處、陽泉、內(nèi)蒙古中部、蒙古33.0028.33220.88唐山、河北東北部、內(nèi)蒙古中部、蒙古34.7932.47423.08河北與山東交界處、山東中部30.4336.19339.56北京、河北西北部、內(nèi)蒙古中部、蒙古38.1743.57冬215.56滄州、山東北部40.2380.46418.89唐山、秦皇島、承德、內(nèi)蒙古中部、蒙古38.3586.18324.44北京西部、承德、內(nèi)蒙古東部41.8285.50141.11北京西南部、張家口、內(nèi)蒙古中部、蒙古37.5874.83

1)算術(shù)平均值。

3.3污染氣流潛在源區(qū)分析

圖3為研究期間團(tuán)泊洼各季節(jié)NO2的潛在源貢獻(xiàn)計(jì)算結(jié)果。春季河北中南部和山東西北部等地是團(tuán)泊洼NO2的潛在源區(qū)。夏季北京東南部和河北東北部等區(qū)域是團(tuán)泊洼NO2的潛在源區(qū)。此外,內(nèi)蒙古東部、河北中南部等地區(qū)對團(tuán)泊洼污染源也有一定影響。秋季北京、河北中南部和山東沿海以及渤海灣等地區(qū)是團(tuán)泊洼NO2的潛在源區(qū)。冬季河北省是團(tuán)泊洼NO2的主要輸送源。綜上可以看出,河北省的污染源對團(tuán)泊洼地區(qū)污染物的影響較大,這可能是由于污染物近距離輸送導(dǎo)致。采用PSCF方法對團(tuán)泊洼污染物進(jìn)行分析可以發(fā)現(xiàn),團(tuán)泊洼NO2分布存在明顯的季節(jié)變化。

圖4為研究期間團(tuán)泊洼各季節(jié)SO2的潛在源貢獻(xiàn)計(jì)算結(jié)果。春季北京周邊、石家莊、環(huán)渤海灣處是團(tuán)泊洼SO2的潛在源區(qū);夏季北京東南部和山東中部等地區(qū)是團(tuán)泊洼SO2的潛在源區(qū);另外,內(nèi)蒙古包頭附近、遼寧北部地區(qū)對團(tuán)泊洼SO2也有一定影響,主要通過遠(yuǎn)距離輸送到團(tuán)泊洼;秋季北京及其周邊地區(qū)、河北與山東交界處是團(tuán)泊洼SO2的潛在源區(qū);冬季北京和河北東南部是團(tuán)泊洼污染物的主要輸送源。綜上可以看出,北京和河北省的污染源對團(tuán)泊洼地區(qū)污染物的影響較大,而且潛在源貢獻(xiàn)作用較大的地方多分布在這些地區(qū)的煤炭工業(yè)區(qū)附近,污染物可短距離輸送至團(tuán)泊洼。

3.4濃度權(quán)重軌跡分析

利用濃度權(quán)重軌跡分析法計(jì)算潛在源區(qū)氣流軌跡權(quán)重濃度,以反映不同軌跡的污染程度。通過濃度權(quán)重軌跡分析法對影響團(tuán)泊洼地區(qū)NO2和SO2這2種氣態(tài)污染物濃度值的潛在源區(qū)進(jìn)行模擬。研究期間團(tuán)泊洼各季節(jié)NO2濃度權(quán)重軌跡分布情況見圖5。由圖5可以看出,春季NO2濃度權(quán)重軌跡值較高的地區(qū)主要集中在河北中南部、山東西北部以及渤海灣附近區(qū)域,為團(tuán)泊洼NO2的最主要潛在源區(qū),分布相對比較集中,這些地區(qū)對團(tuán)泊洼日均NO2質(zhì)量濃度貢獻(xiàn)在21 μg·m-3左右,污染物濃度較低;夏季濃度權(quán)重軌跡值較高的地區(qū)主要集中在河北中南部、山東西北部以及江蘇省的部分區(qū)域,這些地區(qū)對團(tuán)泊洼日均NO2質(zhì)量濃度貢獻(xiàn)在20 μg·m-3左右,污染物濃度也較低;秋季濃度權(quán)重軌跡值較高的地區(qū)則主要集中在河北省中南部、山東省北部、內(nèi)蒙古、北京以及江蘇北部局部地區(qū),這些地區(qū)對團(tuán)泊洼日均NO2質(zhì)量濃度貢獻(xiàn)在18～40 μg·m-3之間;冬季濃度權(quán)重軌跡值較高的地區(qū)主要分布在河北省、北京以及天津等地區(qū),這些地區(qū)對團(tuán)泊洼日均NO2質(zhì)量濃度貢獻(xiàn)在30 μg·m-3左右,污染物濃度相對較高。相較于其他季節(jié),冬季NO2質(zhì)量濃度貢獻(xiàn)值較大,且分布相對較為集中。這可能是冬季這些區(qū)域人為排放的污染物隨冷空氣擴(kuò)散,較易影響到團(tuán)泊洼所致。

由圖6可以看出,春季河北中南部、山東西北部以及渤海灣附近區(qū)域是團(tuán)泊洼SO2的最主要潛在源區(qū),這些地區(qū)對團(tuán)泊洼SO2日均值濃度貢獻(xiàn)在25 μg·m-3左右,污染物濃度較低,河北中南部主要為煤炭工業(yè)區(qū),污染物通過短距離輸送至團(tuán)泊洼。而蒙古、內(nèi)蒙古中部、遼寧省中北部對SO2的日均值濃度也有一定貢獻(xiàn),濃度值約為6 μg·m-3,以長距離輸送為主。夏季天津周邊、京西地區(qū)等地對SO2日均值濃度貢獻(xiàn)在16～20 μg·m-3之間,污染物濃度較低,這可能是因?yàn)檫@些地區(qū)分布著煤炭工業(yè);秋季河北省中南部、河南焦作等地對SO2日均值濃度貢獻(xiàn)在35～40 μg·m-3之間,污染物濃度較低。冬季河北東南部、天津等地區(qū)對SO2日均值濃度貢獻(xiàn)在50～60 μg·m-3之間,污染物濃度相對較高。相較于其他季節(jié),冬季SO2質(zhì)量濃度貢獻(xiàn)數(shù)值較大,且分布相對較為集中。這可能是因?yàn)槎具@些地區(qū)通過燃煤取暖所釋放出的污染物較多,其次是工業(yè)地區(qū)煤炭、化石等其他工業(yè)排放的廢氣物中含有大量SO2。

圖3　團(tuán)泊洼NO2潛在源貢獻(xiàn)因子的季節(jié)分布

圖4　團(tuán)泊洼SO2潛在源貢獻(xiàn)因子的季節(jié)分布

4結(jié)論

(1)春季,團(tuán)泊洼地區(qū)污染狀況受蒙古、內(nèi)蒙古中部和北京的影響較大;夏季,受河北東部、山東西部和南部、安徽和江蘇交界處的影響較大;秋季,受蒙古中部、內(nèi)蒙古中部、河北西北部影響較大;冬季,受北方內(nèi)陸地區(qū)影響較大。

(2)春季,河北中南部、山東西北部以及渤海灣附近區(qū)域是團(tuán)泊洼NO2的主要潛在源區(qū);夏季,河北中南部、山東西北部以及江蘇省的部分區(qū)域是團(tuán)泊洼NO2的主要潛在源區(qū);秋季,河北省中南部、山東省北部、內(nèi)蒙古、北京以及江蘇北部局部地區(qū)是團(tuán)泊洼NO2的主要潛在源區(qū);冬季,河北省和北京是團(tuán)泊洼NO2的主要潛在源區(qū)。相較于其他季節(jié),冬季NO2質(zhì)量濃度貢獻(xiàn)值較大,且分布相對較為集中。

圖5　團(tuán)泊洼NO2濃度權(quán)重軌跡的季節(jié)分布

圖6　團(tuán)泊洼SO2濃度權(quán)重軌跡的季節(jié)分布

(3)春季,SO2濃度權(quán)重軌跡的較大值主要集中在河北中南部、山東西北部以及渤海灣附近區(qū)域;夏季,主要集中在天津周邊和京西地區(qū)等地;秋季,主要集中在河北省中南部以及焦作等地;冬季,主要集中在河北東南部和天津等地區(qū)。

參考文獻(xiàn)：

[1]高健,張?jiān)懒?柴發(fā)合,等.北京 2011年10月連續(xù)重污染過程氣團(tuán)光化學(xué)性質(zhì)研究[J].中國環(huán)境科學(xué),2013,33(9):1539-1545.

[2]GIVEHCHI R.Contribution of the Middle Eastern Dust Source Areas to PM10Levels in Urban Receptors:Case Study of Tehran,Iran[J].Atmospheric Environment,2013,75:287-295.

[3]王茜.利用軌跡模式研究上海大氣污染的輸送來源[J].環(huán)境科學(xué)研究,2013,26(4):357-363.

[4]王愛平,朱彬,銀燕,等.黃山頂夏季氣溶膠數(shù)濃度特征及其輸送潛在源區(qū)[J].中國環(huán)境科學(xué),2014,34(4):852-861.

[5]馬志強(qiáng),徐敬,張小玲,等.北京PM2.5背景值定值方法及其變化特征研究[J].中國環(huán)境科學(xué),2015,35(1):7-12.

[6]FERRARIO J.Background Contamination by Coplanar Polychlorinated Biphenyls (pcbs) in Trace Level High Resolution Gas Chromatography/High Resolution Mass Pectrometry (Hrgc/Hrms) Analytical Procedures[J].Chemosphere,1997,34(11):2451-2465.

[7]WANG Y Q,ZHANG X Y,DRAXLER R R.TrajStat:GIS-Based Software that Uses Various Trajectory Statistical Analysis Methods to Identify Potential Sources From Long-Term Air Pollution Measurement Data[J].Environmental Modeling and Software,2009,24(8):938-939.

[8]DORLING S R,DAVIES T D,PIERCE C E.Cluster Analysis:A Technique for Estimating the Synoptic Meteorological Controls on Air and Precipitation Chemistry:Method and Applications[J].Atmospheric Environment:Part A:General Topics,1992,26(14):2575-2581.

[9]XU X,AKHTAR U S.Identification of Potential Regional Sources of Atmospheric Total Gaseous Mercury in Windsor,Ontario,Canadausing Hybrid Receptor Modeling[J].Atmospheric Chemistry and Physics,2010,10(15):7073-7083.

[10]BEGUM B A,KIM E,JEONG C H,etal.Evaluation of the Potential Source Contribution Function Using the 2002 Quebec Forest Fire Episode[J].Atmospheric Environment,2005,39:3719-3724.

[11]SEIBERT P,KROMP-KOLB H,BALTENSPERGER U,etal.Trajectory Analysis of Aerosol Measurements at High Alpine Sites[J].Transport and Transformation of Pollutants in the Troposphere,1994,15(9):689-693.

[12]HSU Y K,HOLSEN T M,HOPKE P K.Comparison of Hybrid Receptor Models to Locate PCB Sources in Chicago[J].Atmospheric Environment,2003,37(4):545-562.

[13]HOPKE P K,GAO N,CHENG M D.Combining Chemical and Meteorological Data to Infer Source Areas of Airborne Pollutants[J].Chemometrics and Intelligent Laboratory Systems,1993,19(2):187-199.

(責(zé)任編輯： 許素)

Identification of Transportation Pathways and Sources of SO2and NO2in Tuanbowa, Tianjin.

YAO Xiang-shu1, WANG Lei2

(1.School of Geology and Geomatics, Tianjin Chengjian University, Tianjin 300384, China;2.School of Economics and Management, Tianjin Chengjian University, Tianjin 300384, China)

Abstract:To characterize the air pollution relative to season and identify potential pollution sources in Tuanbowa of Tianjin, HYSPLIT model and meteorological data of global data assimilation system (GDAS) were used and the cluster method was applied to invert the tracks of airflows arriving at Tuanbowa of Tianjin during the period from December 2012 to November 2013, and the tracks were classified by season. Moreover, the daily monitoring data of NO2 and SO2 during the period were taken into account in analysis of effects of the airflow tracks on concentrations of pollutants in Tuanbowa of Tianjin relative to season. The potential source contribution function (PSCF) analysis method and concentration-weighted trajectory (CWT) analysis method were applied to simulate contributions of the potential sources and CWT of NO2 and SO2 relative to season. Results show that airflows coming in from different directions had apparent different impacts on distribution of potential NO2 and SO2 sources. The airflow tracks corresponding to the daily mean highest values of NO2 and SO2 concentrations were concentrated mainly in winter and autumn. In winter, the daily highest concentration of NO2 and SO2 was 115 and 179 μg·m-3, respectively, with airflows coming mainly from northwest while in autumn, it was 81 and 116 μg·m-3, respectively, with airflows coming mainly from northwest and southeast. PSCF and CWT of NO2 and SO2 in Tuanbohu were distributed in a similar pattern, with the highest concentration of NO2 and SO2 appearing in the surroundings of Beijing and Tianjin and areas around the coal industries in Hebei Province, which demonstrate that they are the main potential source areas of the two main pollutants. Compared with the PSCT analysis method, the CWT method may be used to quantitatively simulate concentrations of the pollutants in the potential source area, and the potential source areas simulated with the CWT method are more concentrated than those with the PSCF method, regardless of season, which helps identify potential source areas more accurately.

Key words:backward trajectory model;cluster analysis;potential source;Tuanbowa;environment monitoring site

收稿日期：2015-05-21

基金項(xiàng)目：國家自然科學(xué)基金青年基金(71303170);教育部人文社科項(xiàng)目(12YJC630204)

中圖分類號：X51

文獻(xiàn)標(biāo)志碼：A

文章編號：1673-4831(2016)03-0451-07

DOI：10.11934/j.issn.1673-4831.2016.03.018

作者簡介：么相姝(1982—),女,天津市人,講師,碩士,研究方向?yàn)榇髿猸h(huán)境與資源價值評價。E-mail: yaoxiangshu126@126.com

① 通信作者E-mail: yaoxiangshu126@126.com