持续推进关中地区VOCs精细化管控,以西安市和咸阳市为代表,选取包装印刷、电子产品制造、工业涂装、涂料及油墨制造、家具制造和橡胶制品6个行业进行样品采集,研究关中地区典型行业VOCs排放源成分谱、臭氧生成潜势（OFP）和二次气溶胶生成潜势(SOAFP).结果表明:包装印刷和工业涂装行业主要排放VOCs为含氧挥发性有机物（OVOCs)(53%~73%)和烷烃(17%~34%)；电子产品制造行业为OVOCs(68%)和烯烃(29%)；涂料及油墨制造行业以OVOCs(61%)和芳香烃(22%)为主；家具制造行业以芳香烃(78%)和OVOCs(19%)为主；橡胶制品行业以烷烃(78%)为主.其中乙醇、丙酮、异丙醇、甲醛、乙酸乙酯、间/对-二甲苯为关中地区典型行业排放的主要特征物种.基于最大增量反应活性法(MIR)和气溶胶生成系数法(FAC),得出OVOCs、芳香烃和烯烃是OFP的主要来源,芳香烃是SOAFP的主要来源,主要排放来源为涂料及油墨制造、工业涂装和家具制造行业应重点管控.

环境健康风险的科学防范与有效控制是美丽中国建设目标实现的重要基础与核心保障.然而，目前尚未有关于中长期我国环境健康风险管理的具体要求.本研究针对美丽中国建设的3个阶段性目标，探讨了我国环境健康风险管理对应的理想水平.在此基础上，梳理了我国环境健康风险管理进展，总结了当前存在的风险防控体系根基尚不夯实、常规污染物管控标准不严、新污染物研究基础薄弱且底数不清等关键挑战.最终，提出未来我国将构建以保障公众健康为核心，以常规污染物和新污染物的系统防控双轮驱动的环境健康风险防控体系的建设思路及重点工作建议.

分析了国家绿色数据中心对城市的碳减排效应及其机制，而后以国家绿色数据中心试点与建设工作为基础构建准自然实验，使用双重差分法结合2011~2022年283个城市面板数据，实证分析国家绿色数据中心的碳减排效应，并探索其作用机制与异质性.研究发现：国家绿色数据中心试点具有显著的碳减排效应，系数为-0.013，在5%的统计水平显著，国家绿色数据中心试点显著降低了城市碳排放强度，这一结果在平行趋势检验、安慰剂检验、排除选择偏差、排除其他政策影响、排除疫情影响等多重稳健性检验和处置内生性后依然成立;国家绿色数据中心试点能通过提升数字产业发展水平与地区绿色科技创新水平而降低城市碳排放强度，国家绿色数据中心试点对数字产业发展水平和绿色科技创新水平的影响在1%的统计水平显著为正，系数分别为0.039和0.061;国家绿色数据中心试点的碳减排效应在非能源富裕型城市，高环保水平、高信息水平城市更显著，国家绿色数据中心试点对这3类城市的影响至少在10%的统计水平上显著，系数分别为-0.016、-0.017、-0.016.应当积极推动数据中心绿色转型，扩大国家绿色数据中心试点范围.

使用质子转移反应飞行时间质谱仪(PTR-TOF-MS)从衣服释放的三手烟(THS)中鉴定出100余种挥发性有机物(含36种致癌物)，并发现不同衣服面料释放的THS成分和含量存在显著差异(涤纶释放的THS显著低于棉布).进一步发现，衣服中THS的可释放量随时间呈指数衰减趋势，持续释放30min后THS含量可降低80%以上，说明烟民吸烟后在室外停留30min以上有助于降低衣服介导的THS污染.本文为研究衣服介导的THS污染问题提供了一种有效手段，深化了对衣服中THS释放特性的认识，对降低不吸烟人群的THS暴露有重要意义.

为促进住房建筑垃圾减量化和资源化利用，以北京市为例，构建住房建筑动态物质流模型，模拟1949~2100年北京市城镇和农村地区住房建筑流量-存量动态演变特征，预测城乡住房建筑垃圾产生量.结果表明，1949~2100年北京市城镇和农村地区住房建筑新建和拆除量均周期性波动趋势，住房建筑存量大体呈现“S”型曲线趋势.城镇和农村的住房新建面积分别于2012年和2015年达到最大峰值3145.6和788.7万m²，住房拆除面积分别于2094年和2016年达到最大峰值1500.8和453.5万m²，住房存量饱和值分别为8.0亿m²和124.7万m².至21世纪中后期，北京市将迎来建筑垃圾产量高峰期，并保持高位波动.建筑垃圾的最大峰值出现在2094年，总产量为2396.4万t.城镇和农村地区住房建筑垃圾中，水泥、砖块、沙子和碎石等是建筑垃圾中重量占比最大的成分，分别占住房建筑垃圾总重量的90.2%~95.5%和92.2%~94.1%，钢铁的重量占比分别为0.1%~4.5%和0.1%~3.0%.建筑长寿命情景可延迟住房建筑拆除高峰的到来，最大减量潜力为72.0%；将建筑垃圾作为城市矿产回收利用，最高可减少未来98.5%的原生钢铁需求.

本文运用多区域投入产出模型核算中国城市工业贸易隐含碳排放，刻画城市工业贸易隐含碳转移网络结构特征，通过指数随机图模型(ERGM)揭示了该隐含碳转移网络的内生和外生影响机制.研究发现：城市工业贸易隐含碳转移网络连接稠密但无标度性显著，具有小世界结构和异配性.资源密集型和资本密集型工业贸易贡献90%以上的隐含碳转移量.隐含碳流出量和净流出量较高的城市主要为黄河流域和环渤海地区的资源型城市和工业型城市，隐含碳流入量和净流入量较高的城市主要为胡焕庸线以东的全国和区域中心城市.较大规模的隐含碳转移主要发生在省域内城市间，反映出城市工业贸易隐含碳转移网络具有一定的省界效应.省内城市隐含碳转移网络呈现围绕省域中心城市的“核心-边缘”结构.跨省城市隐含碳转移网络呈现由黄河流域和环渤海地区的资源型城市和工业型城市向北京、沪杭甬苏、重庆、广深等中心城市流出隐含碳的放射状空间格局.城市工业贸易隐含碳转移网络影响机制中，互惠性和偏好依附效应是重要的内生机制.节点属性方面，经济发达、人口规模大、人均消费水平高、产业结构高级化水平高的城市倾向流入更多的隐含碳;资源型产业专业化程度较高、能源效率较低的城市倾向流出更多的隐含碳;经济发展水平、人口规模、人均消费、产业结构和环境规制的差异均正向影响城市间隐含碳净转移量.外生网络方面，政策邻近和地理邻近对城市隐含碳转移网络具有正向影响，技术邻近具有负向影响.最后，对区域协同减排和城市绿色发展转型提出政策建议.

氧化潜势(OP)是评估PM_2.5引发氧化应激能力的重要指标，因此本研究采用二硫苏糖醇(DTT)法对太原市PM_2.5的OP进行测定.结果显示，观测期间太原市大气PM_2.5的日均浓度严重超标，最高可达150.91µg/m³，大气污染严重.体积归一化(DTT_v)和质量归一化(DTT_m)的DTT活性日均值分别为(2.90±1.07)nmol/(min·m³)和(38.34±18.91)pmol/(min·µg).PM_2.5质量浓度与DTT_v之间存在显著正相关(r=0.916，P<0.01)，与DTT_m之间呈现负相关，表明DTT活性并不完全由PM_2.5的质量浓度决定.此外，DTT_v与PM_2.5中的有机碳(OC)、元素碳(EC)、金属元素(Fe、Mn、Zn、Pb)及离子组分(K⁺、Cl^-等)之间存在显著相关(P<0.05)，进一步证明了DTT活性主要取决于PM_2.5中的特定组分.研究进一步耦合正矩阵分解模型(PMF)与多元线性回归算法(MLR)，量化分析表明以煤燃烧等代表的固体燃料燃烧源是太原市OP的最重要来源，贡献高达54.7%，其次为机动车源(23.3%)和扬尘源(22.0%).

基于LMDI分解模型量化交通碳排放驱动因素的贡献情况，利用Tapio脱钩模型对行业碳排放与经济增长之间的关系进行分析，并定量分析各因素为达到脱钩状态所做的努力.结果表明：经济产出是导致交通碳排放增加的决定性因素，对碳排放的贡献率高达115.93%；产业结构对碳排放的抑制作用最显著.全国、东部、中部和西部地区的交通碳排放脱钩指数均处于下降态势，展现了从扩张负脱钩→弱脱钩→强脱钩的变化趋势.各地区交通碳排放驱动因素总体上均呈现“无脱钩努力→弱脱钩努力→强脱钩努力”的阶段性特点.产业结构对30个省份做出不同程度的脱钩努力，运输强度和人口规模成为阻碍绝大多数省份碳脱钩的关键因素.

通过回顾2010年来广东省农田土壤重金属实测数据，利用Meta分析，基于“平均浓度”、“采样点数”、“标准差”计算全省合并效应量.结果表明，广东省重金属中Pb(48.83mg/kg)、Hg(0.18mg/kg)在我国处于较高水平，可能受到工矿活动的影响.此外，采用亚组分析来探讨各地市空间分布以及不同种植制度的影响.各地市分布特征表明，在经济较为发达的珠江三角洲地区以及矿产资源较为丰富的地区含量较高，其中污染最为严重的地区包括佛山(As:18.32mg/kg、Cr:73.5mg/kg、Ni:35.4mg/kg)、韶关(Pb:86.61mg/kg)、深圳(Cd:0.51mg/kg)、梅州(Cu:61.1mg/kg)等，其中农田土壤Cd浓度与地区工业产值显著相关(r=0.77，P<0.01)，同时也受到当地人口、能源消耗等区位因素影响.耕作制度亚组分析结果显示，菜地和稻田中富集Cd、Pb、Zn、Cr和Hg;果园、设施农业中富集Cu、Zn、As、Ni，这可能与不同耕作制度中土壤理化性质、施肥施药习惯以及地质背景有关.本研究提供了在全省范围内关于农田土壤重金属空间分布和种植制度的信息，对广东省农田土壤重金属污染管理控制策略具有重要意义.

采用生命周期评价方法，核算我国典型风力发电及储能系统碳足迹，以揭示其不同生命周期阶段的碳减排潜力.结果表明，我国风力发电及储能系统的碳足迹为8.44gCO₂/（kW·h），其中组件制造阶段的碳足迹贡献最大，为6.25gCO₂/（kW·h），占整个系统碳足迹的74.05%.而系统建设、运营维护和废弃处理处置阶段的碳足迹分别为1.04，1.91，-0.74gCO₂/（kW·h）.通过系统边界调整分析，发现在原有的发电系统上增加储能系统可以降低系统的总电力碳足迹.