重庆市北碚城区气溶胶中有机碳和元素碳的污染特征

为了研究重庆市北碚城区大气碳质气溶胶组分的污染特征,于2014年3月~2015年2月采用安德森采样器采集大气颗粒物样品,用DRI Model 2001 A热光碳分析仪测定其中有机碳(OC)和元素碳(EC)的质量浓度.结果表明,北碚城区PM_(2.1)和PM_(9.0)中OC和EC的年平均浓度分别为(16.3±7.6)、(1.8±0.7)和(25.0±9.7)、(3.2±1.3)μg·m-3.在PM_(2.1)中,OC和EC均呈现出冬春季大于夏秋季的季节变化特征,而PM_(9.0)中OC呈现出夏春季大于冬秋季,EC呈现出冬春季大于夏秋季的季节变化特征.对全年OC和EC的粒径进行分析,发现OC在整个粒径上呈现"双峰型"分布,其中细粒子段峰值位于0.43~0.65μm粒径段,粗粒子段峰值位于4.7~5.8μm粒径段;EC呈现出"三峰型"分布,其中细粒子段峰值位于0.43~0.65μm粒径段,粗粒子段峰值位于4.7~5.8μm粒径段,同时2.1~3.3μm粒径段也出现一个明显峰值.对OC和EC进行相关性分析并对PM_(2.1)中的SOC进行估算,发现北碚城区全年SOC浓度为(6.3±5.9)μg·m-3,占全年OC的33.5%±22.6%,且OC和EC显著相关.最后对北碚城区大气气溶胶的污染来源进行分析,发现污染主要来源于汽油车尾气、生物质燃烧和燃煤排放.     

南京北郊夏季大气颗粒物中有机碳和元素碳的污染特征

采用DRI Model 2001A热/光碳分析仪对2013年5~7月期间南京北郊大气气溶胶9级惯性撞击式分级Andersen采样器膜采样样品中有机碳(OC)和元素碳(EC)的质量浓度进行了分析.结果表明,南京北郊夏季EC、OC的平均浓度,在PM2.1(空气动力学直径≤2.1μm)中分别为(2.6±1.1)μg·m-3、(13.0±5.2)μg·m-3,在PM9.0(空气动力学直径≤9.0μm)中,分别为(3.4±1.7)μg·m-3、(20.3±7.3)μg·m-3.EC主要富集在超细颗粒物中,OC主要存在于细颗粒物中,EC的PM1.1/PM9.0比值和OC的PM2.1/PM9.0比值分别为0.62和0.64.EC和OC浓度的平均最高值都出现在≤0.43μm粒径段中,分别占PM9.0中的总元素碳的33.4%和总有机碳的21.1%.南京北郊夏季PM1.1、PM2.1和PM9.0中EC、OC的相关性较好,说明存在共同的一次污染源.通过OC/EC特征物比值的方法得到南京夏季碳质颗粒物的主要来源有机动车尾气排放、燃煤排放和地面扬尘排放.     

天津市典型城区大气碳质颗粒物的粒径分布特征和来源

为分析天津市典型城区大气碳质颗粒物的粒径分布及其来源,于2009年12月—2010年11月采用9级惯性撞击式分级采样器对大气颗粒物进行采样,采用热光碳分析仪分析了颗粒物中的EC(元素碳)和OC(有机碳)的质量浓度. 结果表明:天津市典型城区大气颗粒物中EC和OC主要存在于细颗粒物中,在≤2.1μm的4个细粒径段中,ρ(EC)的加和年均值为(2.6±0.9)μg/m3,占PM₉(空气动力学直径≤9.0μm)ρ(TEC)的72%;ρ(OC)为(21.5±7.7)μg/m3,占PM₉中ρ(TOC)的60%. ρ(EC)和ρ(OC)季节变化显著,在≤2.1μm粒径段中,春、夏、秋、冬季的ρ(EC)分别为(1.7±0.3)、(2.1±0.4)、(3.1±0.5)和(3.7±0.5)μg/m3;ρ(OC)分别为(17.6±0.4)、(14.4±1.1)、(21.9±1.8)和(32.1±2.5)μg/m3. ρ(EC)峰值分别出现在≤0.43、>0.65~1.1和>4.7~5.8μm 3个粒径段,其中最高值出现在≤0.43μm粒径段;ρ(OC)峰值分别出现在>0.65~1.1和>4.7~5.8μm 2个粒径段,最高值出现在>0.65~1.1μm粒径段. 天津市典型城区细颗粒物中的OC、EC主要来自燃煤、机动车和烹饪排放,粗颗粒物中的OC、EC则更多来自于路面和建筑扬尘.      

忻州市环境空气PM10中有机碳和元素碳污染特征分析

采集了忻州市4个监测点位采暖季和非采暖季环境空气PM10样品,利用Elementar Analysensysteme GmbH vario EL cube测定有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的质量浓度,通过OC和EC的时空分布、比值以及相关性分析揭示忻州市的碳组分污染特征.结果表明,忻州市PM10中OC和EC的平均质量浓度分别为(18.5±4.5)μg·m-3和(16.1±4.3)μg·m-3,采暖季和非采暖季TCA占PM10的比例分别为70.7%和43.8%;4个监测点位采暖季OC的质量浓度均高于非采暖季,XT、DC和KQ监测点采暖季EC的质量浓度高于非采暖季,SQ监测点则相反,采暖季燃煤是OC和EC的主要来源;监测点XT的OC质量浓度最高,为24.1μg·m-3,DC的EC质量浓度最高,为22.0μg·m-3,SQ的OC和EC质量浓度最低,分别为17.2μg·m-3和14.5μg·m-3,区域性污染特征存在差异;OC/EC均值小于2,一次污染严重;非采暖季OC与EC浓度相关性较好(R2=0.55),二者排放源单一,主要来源为机动车尾气排放,采暖季相关性不显著(R2=0.13),二者排放源复杂.忻州市主要通过控制燃煤、机动车尾气、生物质燃烧、工业源等的一次排放来减轻碳组分污染,进而提高环境空气质量.     

朔州市市区PM2.5中元素碳、有机碳的分布特征

采集朔州市市区4个点位采暖季和非采暖季环境空气PM2.5样品,利用Elementar Analysensysteme Gmb H vario EL cube型元素分析仪测定其中元素碳(elemental carbon,EC)和有机碳(organic carbon,OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行分析.结果表明,朔州市市区非采暖季PM2.5中OC和EC的平均浓度为(14.3±2.7)μg·m-3和(10.3±3.1)μg·m-3,采暖季OC、EC平均浓度分别为(23.3±5.9)μg·m-3和(20.0±5.7)μg·m-3;4个点位OC和EC的浓度均表现为采暖季大于非采暖季,其中在采暖季,点位SW中OC和EC浓度分别为28.5μg·m-3和28.1μg·m-3,高于其它采样点,在非采暖季,点位PS中OC和EC的浓度分别为17.7μg·m-3和14.1μg·m-3高于其它采样点;采暖季和非采暖季PM2.5中OC/EC值均小于2,但OC和EC相关性不好(在采暖季和非采暖季的相关系数分别为0.66和0.52),说明PM2.5中碳气溶胶来源复杂.控制碳组分一次排放来源,如燃煤烟尘、生物质燃烧及机动车尾气排放,同时关注二次污染是控制朔州市PM2.5的关键.朔州市市区采暖季和非采暖季PM2.5中二次有机碳(secondary organic carbon,SOC)浓度分别为(6.44±2.77)μg·m-3和(4.11±1.92)μg·m-3.     

上海城区PM2.5中有机碳和元素碳变化特征及来源分析

2010年6月~2011年5月间在上海城区点位采集了181组PM2.5样品,采用热光反射法(thermal optical reflectance,TOR)测定了样品中的有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)含量.结果表明,上海城区环境空气PM2.5中OC和EC年平均浓度分别为8.6μg·m-3±6.2μg·m-3和2.4μg·m-3±1.3μg·m-3,两者之和占PM2.5质量浓度的20%.OC和EC的季节平均浓度值冬季最高,夏季最低,秋季OC和EC在PM2.5中的比例最高.全年OC/EC比值为3.54±1.14.采用最小OC/EC比值法估算二次有机碳(secondary organic carbon,SOC)含量得到SOC年均浓度为3.9μg·m-3±4.2μg·m-3,占OC含量的38.9%.夏季SOC浓度低且与O3最大小时浓度值相关性好,表明光化学反应是夏季SOC的重要生成途径,主导西风向的秋冬季SOC浓度高于静风条件下的浓度水平,存在输送作用.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3和OPC进行主成分分析,结果显示上海城区PM2.5中OC和EC主要来自机动车尾气、燃煤排放、生物质燃烧和道路尘,这4个来源对含碳组分的贡献率达69.8%~81.4%,其中机动车尾气在4个季节中的贡献率均较高,生物质燃烧贡献约15%~20%,春季和秋季道路尘影响明显,冬季燃煤的贡献高于其他季节.     

上海市大气颗粒物中有机碳（OC）与元素碳（EC）的粒径分布

分析了上海市嘉定区不同粒径大气颗粒物(0.49、0.49～0.95、0.95～1.50、1.50～3.00、3.00～7.20、7.20μm)中OC和EC质量浓度的粒径分布特征;讨论了不同粒径大气颗粒物中二次有机碳EC示踪法中(OC/EC)pri的选定方法,用改进后的EC示踪法估算出上海市嘉定区大气颗粒物中的二次有机碳(SOC)质量浓度的粒径分布;通过OC和EC的相关性定性分析了上海市嘉定区大气颗粒物的主要来源.上海市嘉定区大气颗粒物中OC和SOC的质量浓度呈双峰分布,峰值出现在0.49μm与3.00μm的粒径段,EC出现双峰或三峰分布,与OC相比,更集中在0.49μm的粒径段.细颗粒(3.00μm)中OC和EC分别占总OC和EC质量浓度的59.8%～80.0%和58.1%～82.4%,OC和EC的质量浓度主要集中在3.00μm的颗粒物中.不同粒径颗粒物中SOC占相应粒径段内OC浓度的15.7%～79.1%,其中细颗粒物(3.00μm)和粗颗粒物(3.00μm)中SOC质量浓度占相应粒径段中OC的41.4%和43.5%.OC、EC和SOC的粒径分布显现出明显的时间依存性.OC和EC的相关性分析表明,上海嘉定区大气颗粒物的污染源主要以轻型汽油车尾气为主.     

鼎湖山大气颗粒物中OC与EC的浓度特征及粒径分布

为了解华南背景区域鼎湖山站碳质气溶胶的浓度水平与来源,采用DRI Model 2001A热/光碳分析仪测定了鼎湖山站大气颗粒物分级样品中的有机碳(OC)与元素碳(EC)浓度水平,并分析了碳质组分的浓度特征和粒径分布.结果表明,在PM_(1.1)、 PM_(2.1)和PM_(9.0)中,鼎湖山OC的平均质量浓度分别为(5.6±2.0)、(7.3±2.4)和(12.8±4.0)μg·m~(-3), EC的平均质量浓度分别为(2.3±1.4)、(2.7±1.6)和(3.4±1.7)μg·m~(-3). PM_(1.1)和PM_(2.1)中OC分别占PM_(9.0)中OC的43.8%和57.0%, EC占67.6%和79.4%. OC和EC主要富集在细粒子中. PM_(1.1)和PM_(2.1)中OC和EC在秋季最高,OC在冬季最低,EC在夏季最低. PM_(9.0)中OC夏季最高.鼎湖山中碳质气溶胶以OC2、 EC1、 OC3和OC4为主,夏季OC3EC1,生物排放源增强,冬季EC1质量浓度最高,局地的机动车排放源更强.OC和EC在4个季节都呈现双峰型分布,细粒径段峰值位于0.43～0.65μm,粗粒径段峰值出现在3.3～5.8μm. PM_(1.1)和PM_(2.1)中OC以一次排放为主,二次有机碳(SOC)在春季最高[(3.0±1.4)μg·m~(-3)],冬季最低[(1.3±1.4)μg·m~(-3)],春季二次转化更强.鼎湖山大气细粒径段OC主要来自燃煤和机动车排放,粗粒径段主要来自生物源排放,EC主要受到燃煤、机动车排放和扬尘的影响.     

太原市PM2.5中有机碳和元素碳的污染特征

采集了太原市4个点位冬季和夏季PM2.5样品,利用元素分析仪测定了PM2.5中有机碳(OC)和元素碳(EC)的质量浓度,并对碳气溶胶污染水平、时空分布、二次有机碳(SOC)以及OC和EC相关性等特征进行了分析.结果表明,太原市冬季有机碳(OC)、元素碳(EC)平均质量浓度为22.3μg·m-3和18.3μg·m-3,夏季OC、EC平均质量浓度为13.1μg·m-3和9.8μg·m-3,冬季和夏季总碳气溶胶(TCA)占PM2.5的比例分别为56.6%和36.5%;各点位OC和EC质量浓度均呈现冬季夏季的季节特征,冬季OC、EC浓度呈现出较好的均一性,夏季OC、EC质量浓度存在较明显的空间分布差异;太原市SOC污染较轻;冬季OC、EC相关性较强,夏季OC、EC相关性差.     

清洁取暖对保定市采暖期PM2.5中碳质气溶胶的影响

为了研究清洁取暖措施对保定市PM_2.5中碳质气溶胶浓度和来源的影响,于2014年和2019年冬季采暖期在保定市采集PM_2.5样品,用DRI Model 2001A热光碳分析仪测定样品中OC和EC的浓度.结果表明,2014年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为60.92μg·m^-3和18.15μg·m^-3,2019年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为36.63μg·m^-3和6.07μg·m^-3,与2014年相比2019年OC、 EC浓度分别下降了39.87%和66.56%,EC下降幅度大于OC,且2019年气象条件与2014年相比更不利于污染物扩散.通过对OC和EC相关性分析和SOC估算,发现2014年和2019年保定市OC和EC相关性R²分别为0.874和0.811,表明保定市OC和EC具有较为一致的来源.2014年和2019年ρ(SOC)的平均值分别为16...     

闽江下游不同碳组分及其通量特征

河流连接着地表主要碳库,在全球碳循环中发挥着重要作用.河流水体中不同碳组分的水平输送、水-气界面通量及其比例对认识河流在区域碳循环的作用具有重要意义.2013年11月-2014年10月在闽江下游竹岐水文站连续进行采样,分析水样中c（DIC）（dissolved inorganic carbon,溶解性无机碳）、c（DOC）（dissolved organic carbon,溶解性有机碳）和c（POC）（particulate organic carbon,颗粒性有机碳）,并结合相关参数估算闽江不同碳组分的水平及垂直通量.结果表明:① c（DIC）、c（DOC）、c（POC）分别为230~892、112~209、14~183 μmol/L.②调查期间闽江总碳水平通量达46×1010 g/a,其中,DIC水平通量为29×1010 g/a,占总碳水平通量的63%;POC水平通量为6×1010 g/a,相当于DOC水平通量（11×1010 g/a）的55%.③不同组分的季节变化特征不同,c（DIC）在丰水期较低、枯水期升高,表明DIC输出受流域生态系统的供应限制;各月c（DOC）变化不大,表明流域DOC输出潜力较大;c（POC）在丰水期明显升高,枯水季较低;溶解态碳是河水碳组分的主要部分;年内各月DIC水平通量分配较均匀,有机碳水平通量集中在丰水期.④闽江竹岐水体pCO₂（二氧化碳分压）为1 500~6 400 μatm（1 atm=101 325 Pa）,是大气CO₂的"源",闽江下游水-气界面CO₂垂直通量约为DIC水平通量的2%,闽江下游河流DIC输出以水平输出为主.建议今后进一步开展闽江中典型流域和水域的碳组分调查,加强闽江碳组分输出的控制机制研究.      

不同生态带下盐城滩涂湿地土壤颗粒和矿物结合有机碳特征

通过对比不同生态带下盐城滩涂湿地表层土壤中颗粒有机碳(POC)和矿物结合有机碳(MOC)含量与分布,探讨不同生态带下滩涂植被对土壤环境特别是土壤有机质组分分布及其累积的影响。结果表明:不同生态带的滩涂湿地表层土壤总有机碳(TOC)和总氮(TN)含量分布规律为:芦苇地互花米草滩盐蒿滩光滩,反映了盐城滩涂湿地土壤由海向陆土壤质地由砂到粉砂,最后为粘土的变化规律;互花米草滩对土壤有机质有着比光滩和盐蒿滩更高的富集能力,芦苇地的颗粒有机碳(POCf+POCo)含量为4.17 g/kg,互花米草滩的POC含量为2.14 g/kg,远高于盐蒿滩(1.92 g/kg)和光滩(0.31 g/kg)。互花米草的引种从有机碳物理分级组分上改变了TOC的分配,有利于提高土壤中游离态颗粒有机物、闭蓄态颗粒有机物的含量以及占土壤有机碳的比例。该研究能够为沿海滩涂湿地碳存储和固碳潜力以及评价和保护湿地生态系统提供一定的科学依据。     

北京冬季PM2.5中元素碳、有机碳的污染特征

通过2003年1月对北京市区PM_2.5中元素碳(EC)、有机碳(OC)连续测量,分析了其污染特征。监测资料表明,北京市区PM_2.5中ρ(OC)高于ρ(EC),它们多在夜间高、白天低,且变化趋势大致相同。北京市区冬季ρ(OC) ρ(EC)的值较低。      

上海中心城区冬季PM_(2.5)中有机碳和元素碳组成变化特征

采样分析了上海中心城区冬季2009年1月-2月PM2.5中有机碳和元素碳组分,并对其污染和变化特征进行了分析。监测分析结果表明,中心城区范围内OC、EC质量浓度空间分布无明显差异;OC、EC是PM2.5的重要组成部分,其在PM2.5中的质量分数分别为8.88%、1.49%;ρ(OC)/ρ(EC)比值较高,为5.73,且存在一定程度的二次有机污染;OC质量浓度和EC质量浓度有着很好的相关性,二者一定程度上有着相同的源;春节前后,TC浓度变化(即OC+EC)呈现明显的假日效应,机动车排放是TC的重要来源之一。     

宁波市PM2.5中碳组分的时空分布特征和二次有机碳估算

为了研究PM2.5中碳质组分的时空分布特征,于2012年12月至2013年10月4个季度典型时段在宁波市5个采样点采集环境大气中的PM2.5,分析了样品中有机碳(OC)和元素碳(EC)的质量浓度,并估算二次有机碳(SOC)对OC的贡献.结果表明:1宁波市PM2.5年均质量浓度为51.6μg·m-3,其中OC和EC的比例分别为17%和6%.反向轨迹模型的分析结果表明,来自内陆地区的区域传输可能是冬季和春季PM2.5浓度较高的主要原因.2OC/EC比值和OC与EC的相关性分析结果表明,夏季有大量SOC生成,而冬季则可能受华北地区燃煤供暖的显著影响.3用EC示踪法对宁波市的SOC进行了估算,结果表明宁波冬季和春季受到区域传输的显著影响,污染源较不稳定,不宜使用该估算方法.夏季和秋季的SOC质量浓度分别为2.5μg·m-3和2.3μg·m-3,占OC的42%和28%.     

紫色土壤有机碳活性组分对生物炭施用量的响应

土壤有机碳(SOC)是土壤最重要的组成部分,土壤活性有机碳是引起土壤碳库变化的关键,为研究在不同施用量生物炭还田下土壤有机碳及其活性组分的影响,本试验在重庆国家紫色土肥力与肥料效益长期监测基地测定了无物料还田(CK)、生物炭还田(8 000 kg·hm-2,BC)、0.5倍生物炭还田(4 000 kg·hm-2,0.5 BC)、2倍生物炭还田(16 000 kg·hm-2,2BC)配施化肥处理下的紫色土丘陵区油菜/玉米轮作制中土壤有机碳及活性组分含量.结果表明:(1)施用生物炭可以显著提高土壤有机碳的含量(P0.05),在一定范围内,生物炭的施用量与土壤有机碳含量成正比.适量的生物炭施入土壤后,土壤微生物量碳(SMBC)含量上升,但0.5BC和2BC处理下土壤微生物量碳反而减少.生物炭不同施入量均可提高土壤可溶性碳(DOC)和土壤易氧化碳(ROC)的含量,其中0.5BC处理的含量最高,分别为198.83 g·kg-1和4.86 g·kg-1.(2)生物炭的施用均显著降低了土壤微生物熵和ROC/SOC,其中0.5BC处理最低,分别较CK处理下降了20.45%和4.11%,而2BC处理最高.0.5BC和BC处理均能提高DOC/SOC,且0.5BC处理显著高于BC处理.总体上,虽然生物炭还田微生物活性较低,但土壤有机碳及其稳定性较高,有利于土壤有机碳积累,促进土壤固碳.同时适量的生物炭还田可以持续稳定增长土壤有机碳含量,少量生物炭0.5BC处理还田可提高土壤中可溶性有机碳和易氧化有机碳含量.     

盘锦市秋冬季节PM2.5中碳组分特征及来源解析

为研究盘锦市秋冬季节大气PM_(2.5)中碳组分的污染特征和来源,于2016年10月和2017年1月采集盘锦市3个点位PM_(2.5)样品,通过OC/EC比值法,EC示踪法以及主成分分析法对PM_(2.5)中碳组分进行污染特征分析及来源解析.结果表明,盘锦市秋冬季节PM_(2.5)浓度均超过环境空气质量标准(GB 3095-2012)二级标准,秋季OC和EC的平均浓度为10.02μg·m~(-3)和3.91μg·m~(-3),冬季为16.04μg·m~(-3)和5.62μg·m~(-3);采样期间秋冬季节OC/EC均大于2.0,说明各采样点位在秋冬季均可能存在二次污染,Spearman相关分析及线性拟合可知开发区OC与EC来源复杂,第二中学及文化公园OC和EC可能具有同源性;通过EC示踪法对SOC进行定量估算,得出秋季SOC浓度为7.21μg·m~(-3),冬季为23.07μg·m~(-3),对结果进行不确定性分析,可知秋冬季节SOC不确定性的绝对误差和相对误差均在可接受范围内;通过主成分分析得出盘锦市秋冬季节PM_(2.5)中碳组分主要来源于煤烟尘,生物质燃烧以及机动车尾气.     

民用燃料燃烧碳质组分及VOCs排放特征

选取北京市地区典型生物质燃料（玉米芯、玉米秆、黄豆秆、草梗、松木、栗树枝、桃树枝）以及民用煤（烟煤、蜂窝煤）在实验室内进行了模拟燃烧实验,对燃烧产生的颗粒物及气体样品进行采集,采用Model 2001A热/光碳分析仪对不同粒径段颗粒物中的有机碳、元素碳进行测定,采用AgilentGC-MS 5977/7890B气质联用仪对燃烧烟气中的挥发性有机物进行分析.研究表明：除蜂窝煤OC、EC的排放因子在2.5~10μm粒径范围内达到最大,其他8种固体燃料燃烧产生的OC、EC的排放因子最大值均在0~2.5μm粒径范围内.薪柴（栗树枝、桃树枝、松木）、秸秆（玉米芯、玉米秆、黄豆秆、草梗）和民用煤（蜂窝煤、烟煤）3类物质燃烧排放VOCs的物种分类差异较大.薪柴和民用煤燃烧排放的卤代烃以及含氧有机物的质量分数明显高于秸秆的质量分数;在同一类别中VOCs物质分布趋势一致.3种薪柴平均总VOCs的排放系数为2.02g/kg,4种秸秆平均总VOCs的排放系数为6.89g/kg,2种民用煤平均总VOCs的排放系数为2.03g/kg,秸秆类的排放因子最大.玉米芯、玉米秆、黄豆秆和草梗的臭氧生成潜势较高,而栗树枝、桃树枝、松木、烟煤以及蜂窝煤的臭氧生成潜势较低,且分布类似.烯烃类、烷烃类、芳香烃类是固体燃料燃烧臭氧生成潜势贡献较大的VOCs物质.     

Subtropical urban turfs: Carbon and nitrogen pools and the role of enzyme activity

Urban grasslands not only provide a recreational venue for urban residents, but also sequester organic carbon in vegetation and soils through photosynthesis, and release carbon dioxide through respiration, which largely contribute to carbon storage and fluxes at regional and global scales. We investigated organic carbon and nitrogen pools in subtropical turfs and found that dissolved organic carbon(DOC) and dissolved organic nitrogen(DON)were regulated by several factors including microbial activity which is indicated by soil enzymatic activity. We observed a vertical variation and different temporal patterns in both soil DOC, DON and enzyme activities, which decreased significantly with increasing soil depths. We further found that concentration of soil DON was linked with turf age. There were correlations between grass biomass and soil properties, and soil enzyme activities. In particular, soil bulk density was significantly correlated with soil moisture and soil organic carbon(SOC). In addition, DOC correlated significantly with DON. Significant negative correlations were also observed between soil total dissolved nitrogen(TDN) and grass biomass of Axonopus compressus and Zoysia matrella. Specifically, grass biomass was significantly correlated with the soil activity of urease and β-glucosidase. Soil NO3-N concentration also showed negative correlations with the activity of both β-glucosidase and protease but there were no significant correlations between cellulase and soil properties or grass biomass. Our study demonstrated a relationship between soil C and N dynamics and soil enzymes that could be modulated to enhance SOC pools through management and maintenance practices.