基于模式模拟的苏皖鲁豫交界区典型月份PM2.5来源解析

基于WRF-Chem模式模拟分析了2019年1月、7月苏皖鲁豫交界区本地排放对PM_2.5污染水平的贡献以及不同污染源对PM_2.5浓度和化学组分的贡献.结果表明：WRF-Chem模式合理地模拟了研究时段内苏皖鲁豫交界区PM_2.5的空间分布特征,PM_2.5的化学组分中冬季NO₃^-含量最高,夏季SO₄^2-含量最高.在不同的污染源中,民用源是冬季苏皖鲁豫交界区PM_2.5最主要的来源,贡献约为35.87%,农业源和工业源对PM_2.5的贡献分别为28.71%、22.17%;工业源是夏季苏皖鲁豫交界区PM_2.5最主要的来源,贡献达到50.57%,电力源、农业源和民用源的贡献分别为18.05%、15.14%和12.22%.从各污染源对PM_2.5污染贡献量的小时变化上看,工业源和民用源对冬季PM_2.5贡献量呈现明显的双峰双...     

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

基于半级别的城市空气质量预报评估方法探讨

环境空气质量预报评估是提升预报能力的重要助力,为更好支撑空气质量精细化管理,将我国空气质量细化为12个半级别,参照英国预报评估方法,对2020年“2+26”城市AQI、 PM_2.5浓度和O₃-8h浓度预报开展探索性半级别预报效果评估,通过与AQI范围预报和AQI级别范围预报评估对比发现,半级别预报评估方法可将两者兼容合一,在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明,“2+26”城市AQI和O₃-8h浓度在低段级别和高段级别的预报效果明显差于中段级别,不同级别PM_2.5浓度预报效果相对稳定;AQI、 PM_2.5和O₃-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型,PM_2.5浓度各月偏高预报显著;不同城市AQI和O₃-8h浓度预报准确率差距相对较小,PM_2.5浓度预报准确率波动较大;北京和天津AQI预报准确率高于周边省份,北京和河南PM_2...     

基于气象条件指数的我国重点区域PM2.5和臭氧复合污染气象影响评估

气象条件变化对复合污染的发生发展起重要作用,基于PM_2.5和O₃不同的污染形成机制,利用污染气象长期观测数据,分别采用统计运算和深度学习方法,构建了PM_2.5和O₃气象条件指数,形成以气象条件指数开展区域大气复合污染气象特征和影响贡献的研究方法,并对剔除区域气象差异影响的污染分布与变化进行了量化分析.结果表明,2021年夏季我国中东部重点区域污染气象条件整体上呈北差南优(指数：“2+26”城市>苏皖鲁豫交界>长三角地区),6月最差、 7月最好的分布特征,当区域内城市PM_2.5气象条件指数>30且O₃气象条件指数>100时,“双高”污染开始出现,随O₃气象条件指数增大,“双高”频率不断升高;与上年同期相比,各地区ρ(PM_2.5)受气象条件改善影响分别降低3.9、 3.3和1.4μg·m^-3,平均占到各地ρ(PM_2.5)降低的58.5%,O_...     

云下湿清除作用对长三角PM2.5模拟的影响

为探讨云下湿清除作用对长三角地区PM_2.5浓度模拟的影响，在华东区域大气环境数值预报系统中新增了气溶胶云下湿清除过程参数化方案，对比分析了2018年12月1日至2019年2月28日降水对长三角地区PM_2.5的清除作用及其对数值模拟效果的改进.结果表明，模式对该时段内的降水和PM_2.5浓度均有很好的模拟效果，模拟的数值、空间分布和变化趋势均与观测有良好的一致性；增加云下湿清除作用后长三角地区PM_2.5浓度模拟效果得到明显改善：平均偏差、平均误差和均方根误差分别减小4.85，1.72，2.35μg/m³，归一化偏差和归一化误差分别降低0.14和0.08，约90%城市的相关系数、均方根误差、平均误差、归一化误差得到改进；云下湿清除作用使模拟PM_2.5浓度随雨强增大而降低，解决了模式湿清除过程的不足.同时，增加云下湿清除作用会加剧部分城市PM_2.5模拟浓度偏低的现象，这需要通过其他过程的完善予以改进.     

全国火电行业大气污染物排放对空气质量的影响

基于WRF-CAMx空气质量模型,定量模拟了火电行业主要大气污染物排放对全国城市环境空气质量的影响.结果表明,火电行业对全国城市SO₂、NO₂、PM_2.5、硫酸盐、硝酸盐及一次PM_2.5年均浓度平均贡献率分别为15.6%、19.6%、8.5%、11.7%、12.0%和5.2%,并呈现空气污染越重地区,火电行业污染贡献率越低的总体特征.其中,京津冀鲁豫、长三角、以武汉城市群及长株潭城市群为中心的两湖平原地区、成渝地区中大部分空气污染最为严重的区域,火电行业对PM_2.5年均浓度的贡献率低于8%.因此,火电行业对环境空气质量的影响总体较小,在深化火电行业污染减排的同时,必须强化非电力行业多污染物协同控制.     

我国臭氧污染形势分析及成因初探

为揭示我国近地面臭氧的污染特征,甄别导致高浓度臭氧形成的关键影响因素,该文在探究我国重点区域近年来O₃污染特征的基础上,对O₃污染成因进行了初步分析.结果表明:①近年来我国O₃污染呈缓慢上升态势,2019年夏季异常高温、干旱的极端天气导致O₃污染偏重.京津冀及周边地区等重点区域O₃浓度明显高于欧美等发达国家和地区.②从时间上看,我国O₃污染主要出现在夏季及其前后,O₃浓度峰值一般出现在午后.从空间上看,O₃污染主要集中在京津冀及周边、汾渭平原和苏皖鲁豫交界地区,其次是长三角和珠三角区域,成渝和长江中游地区O₃污染也逐渐凸显.我国O₃污染程度主要以轻度污染为主,重点区域O₃和PM_2.5污染时空分异性特征明显.③前体物方面,我国NO_x和人为源VOCs的排放量总体处于高位,京津冀及周边地区和长三角为全国NO_x和VOCs排放强度较大的区域.近地表大气O₃形成机理复杂,O₃浓度与前体物VOCs和NO_x均呈复杂的非线性响应关系.气候变化和气象因素对O₃污染影响显著,O₃及其前体物在区域和城市之间存在相互输送影响.研究显示,我国臭氧污染形势严峻,未来针对臭氧污染防控应加强对多时空尺度下不同区域臭氧污染的形成机理与主导因素的研究.      

京津冀地区NOx和VOCs协同减排成本及减排策略研究

京津冀地区细颗粒物(PM_2.5)浓度改善速度放缓,而臭氧(O₃)污染不断加剧,PM_2.5和O₃的协同控制对于京津冀地区空气质量持续改善十分关键且紧迫. 通过构建京津冀地区城市层面可计算一般均衡模型(CGE),模拟了PM_2.5和O₃的共同前体物—NO_x和VOCs的边际减排成本曲线,进而构建了京津冀地区PM_2.5和O₃协同控制评估模型,确定了在不同空气质量目标下减排成本最小的NO_x和VOCs协同减排方案. 结果表明:减排成本最小的情景下,京津冀各城市PM_2.5和O₃浓度达到《环境空气质量标准》(GB 3095—2012)二级标准限值时;NO_x和VOCs的排放量需较2017年分别降低25%~67%和22%~60%,需要投入的总减排成本为992.9×108元. 研究显示,基于京津冀地区城市政策仿真平台构建的PM_2.5和O₃协同控制评估模型,可为京津冀地区PM_2.5和O₃协同控制方案的制定提供参考.      

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.     

Biotic Ligand Model的简化模型及预测性能评价

通过检索4物种(Fathead minnow、D.magna、D.pulex、Rainbow trout)在地表水中实测的铜半致死浓度(Observed_LC50),及Biotic Ligand Model(BLM)预测其半致死浓度(Predicted_LC50),得到4物种的预测精度依次为0.075、0.52、0.96、0.29,模型对Fathead minnow与Rainbow trout的预测性能较差.在此基础上,分析显示预测误差值与LA50呈指数关系,表明LA50值并非常数值.通过对BLM的LA50的校正,Fathead minnow与Rainbow trout的预测精度升为0.59、0.42.通过分析LA50与硬度的关系,发现BLM在软水环境中预测效果较差.另外,随机均匀生成500组水质参数组,通过BLM预测,筛选出4项敏感参数为DOC、pH、HCO-3浓度及温度,并建立相应物种的LC50与其的多元线性关系,大大简化了生物配位模型.     

改装 Model 42S 化学发光氮氧化物仪测定大气中NO-NOx-NOy

将美国Ｍｏｄｅｌ４２Ｓ化学发光ＮＯ－ＮＯｘ测定仪改装为ＮＯ－ＮＯｘ－ＮＯｙ同机测量．使用ＮＨ４ＮＯ３标定了不锈钢ＮＯｙ转化器．在６６０±１０℃,不锈钢转化器对ＨＮＯ３和ＮＨ３的转化效率分别为１００％和８０％—９０％．在该温度下,没有发现Ｎ２Ｏ被不锈钢转化器转化为ＮＯ．改装后仪器的分辨率、检测限、响应速率和线性度均未改变．根据对ＨＮＯ３的研究结果,该仪器的ＮＯｙ转化器带来的测量误差不大于５％．使用改装后的仪器连续测定了大气中的ＮＯ－ＮＯｘ－ＮＯｙ,得到可靠、合理的数据     

ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据,采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明,季节性ARIMA模型在预报臭氧长期月均值时,预测值和观测值的相关系数R可达0.951,均方根误差RMSE仅为10.2 μg·m^-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型,对臭氧日最大8 h滑动平均值的预报效果得到了很大提升,预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748,RMSE得到了有效降低.     

基于三维空气质量模型的淄博市臭氧及前体物来源解析

基于WRF-CMAQ模型中的ISAM模块对2021年6月淄博市夏季O₃及其前体物NO₂和VOCs进行来源解析,明确O₃及其前体物的来源(区域和源类),并将O₃日最大8 h平均值(MDA8)高于(低于)160μg·m^-3的时段划分为污染(清洁)时段,对比了清洁天与污染天的来源差别并选取了典型污染时段进行来源解析和过程分析.结果表明,淄博市夏季NO₂主要来自本地排放,贡献率达45.1%,道路移动源(33.8%)和天然源(20.7%)是最主要的本地NO₂来源.天然源、溶剂源和石化行业对VOCs的贡献占据主导地位,总贡献达78.5%.MDA8的本地贡献是21.4%,区域外传输(32%)和周边城市(26.8%)影响不可忽略.在本地排放源中,道路移动源、电力行业和建材行业对本地MDA8贡献率在10.9%～18.8%.O₃污染天时淄博市MDA8受本地贡献及区域内各城市贡献总和均有所上升.但从淄博市本地源类贡献的变化来看,在不同...     

基于区域氮循环模型IAP-N的安徽省农用地N2O排放量估算

本研究采用区域氮循环模型IAP-N估算了2011年安徽省县级共计7种农用地类型的N2O排放,估算所需的统计数据来源于安徽省各市统计年鉴,排放因子来源于已发表文献中的观测数据.结果表明,2011年安徽省农用地N2O总排放量(以N2O-N计)为3.51万t.其中,直接排放2.76万t,间接排放0.66万t,田间秸秆燃烧排放0.08万t.淮北平原(Ⅰ区)和沿江圩丘(Ⅱ区)是安徽农用地N2O主要排放区,对农用地N2O总排放的贡献分别为41%和35%.单纯旱作农田是各区最主要的直接排放源,约占直接排放的74%.Ⅱ区和Ⅲ区水旱轮作中的旱作地N2O排放居第二位(分别占Ⅱ区和Ⅲ区直接排放的19%和14%),Ⅳ区的果园茶园N2O直接排放居第二位(占Ⅳ区直接排放的22%).间接排放源中由大气氮沉降引起的N2O排放占三分之二.该研究结果可为决策者合理利用肥料,制定安徽省农业土壤温室气体减排措施提供科学依据.     

基于地统计模型的上海大气污染物多建模方法的比较

地统计模型被广泛应用于环境空气污染物暴露模拟,但不同建模方法及其模拟结果之间的对比研究较少.基于上海2016~2019年55个环境空气监测点位的NO₂和PM_2.5观测数据,以及交通路网、排放源兴趣点和卫星数据等地统计变量,应用偏最小二乘回归（PLS）、监督学习线性回归（SLR）和机器学习随机森林（RF）这3种建模方法创建年暴露模型,并进一步应用普通克里金插值（OK）法分析模型残差,构建复合模型.应用交叉验证对模型的模拟效果进行检验,选取每一种建模方法的最优模型结构（是否应用OK）作为最终模型.结果表明,NO₂模型中表现最好的是RF-OK （R_mse²为0.70~0.82）和PLS-OK模型（R_mse²为0.78~0.84）;PM_2.5模型中PLS模型（R_mse²为0.62~0.71）优于SLR-OK （R_mse²为0.40~0.79）和RF-OK （R_mse²：0.31~0.56）模型.应用3种建模方法对上海1 km网格开展年暴露模拟和对比,NO₂模型间模拟结果的相关性（r为0.82~0.91）高于PM_2.5模拟结果的相关性（r为0.66~0.96）.基于3种模型2019年的模拟结果,评估了上海NO₂和PM_2.5的人群暴露水平.     

Development of the Pasture Simulation Model for assessing livestock production under climate change

To simulate climate change impacts on pastures and domestic herbivores as well as feedbacks to the atmosphere in terms of greenhouse gas emissions, we have improved a process-based biogeochemical pasture model, PaSim. The overall aim was to simulate the meat and milk production of cattle (suckler cows with their calves, dairy cows and heifers) in response to climate and management, as well as feedbacks to the atmosphere through enteric methane emissions. Herbage intake at grazing was calculated from animal characteristics, herbage availability, diet digestibility and air temperature. With suckler cows, milk production and changes in daily liveweight and body condition were calculated from net energy balance. The net energy intake of dairy cows and their body reserves at turnout to pasture were used to simulate milk production at pasture, daily liveweight and body condition changes, taking into account cow energy requirements and intake capacity. Heifer growth was determined from heifer net energy intake and liveweight. Net energy intake was used to assess enteric methane production through a conversion factor, which depends both on the energy level of the diet and on the herbivore type. The model was assessed against experimental data for animal performance and methane emissions at grazing. Predictions show good agreement with observations. On average, the root mean square error was 6.5, 4 and 2.5% for the liveweights of suckler cows, suckler calves and heifers, respectively, 18% for dairy milk production and 12% for enteric methane emissions. By comparing this new version of the PaSim model to the previous version, we show that a greater accuracy in animal performance modelling improves the sensitivity of the model to interannual climate variability. However, long term (30 years) projections of climate change impacts on grasslands and of radiative feedbacks to the atmosphere are not significantly modified. The originality and the validity domain of the model are discussed.     

Model evaluation of different mechanisms driving freeze–thaw N2O emissions

N₂O emissions from soil contribute significantly to global warming. Pulse emissions of N₂O from soils during freeze-thawing were recently recognized as important atmospheric sources. In this modelling study we explore three different hypotheses for explaining freeze–thaw related N₂O emissions: (1) soil frost or snow cover may reduce gas diffusion and create anaerobic conditions that stimulate N₂O production via denitrification, (2) microbes that die of frost deliver easy decomposable organic carbon and nitrogen to the soil, which stimulates microbial growth and vigorous N₂O production during freeze–thaw, and (3) the enzyme nitrous oxide reductase, which is responsible for the reduction of N₂O to N₂ during denitrification, is more sensitive to low temperatures than other enzymes, so that N₂O becomes the dominating end-product of denitrification at low temperatures. These hypotheses were tested with a biogeochemical model that combines hydrology and physics calculations with a newly developed, parameter-poor biochemistry module. The model was first calibrated with field datasets on soil–atmosphere fluxes of N₂O, NO and CO₂ and soil NO₃ and NH₄ concentrations that were measured in a spruce forest in Southeast Germany in the years 1994–1997. Subsequently, additional model mechanisms were implemented that allow the model to describe the outlined mechanisms potentially driving freeze–thaw N₂O fluxes. After each implementation the model was recalibrated. We were able to mimic dimension and timing of high N₂O emissions when either one of the first two hypotheses were assumed, but found no confirmation for the third. The best model fit was achieved by combining hypothesis one and two, indicating that freeze–thaw N₂O emissions are not mono-causal.     

两种化感物质联合抑藻的模型建立及数学最优化

在化感物质焦性没食子酸和亚麻酸单独抑藻的基础上,将两种化感物质按不同初始浓度组合进行联合抑藻的实验.根据实验过程中藻密度的变化趋势及特征,采用微元分析法,通过相应的偏微分方程,建立了化感物质复合抑藻时的数学模型.结果表明,该模型能够有效地分析和预测焦性没食子酸与亚麻酸在一定浓度范围内联合抑藻时藻密度随时间的变化规律.根据该模型还可以预测不同时间节点上,化感物质复合抑藻的半抑制浓度(EC50)、最小有效浓度(MIC),以及联合抑藻的最佳浓度组合和在成本控制下的联合抑藻最佳浓度组合等.该研究对指导制备高效、经济的复合生物抑藻剂及其应用均具有一定的理论意义和实用价值.