天津市环境空气中苯并[a]芘的变化趋势

分析了天津市环境空气中苯并[a]芘污染的程度及变化趋势,结果表明,天津市大气中苯并[a]芘污染成逐年下降趋势,同一年中苯并[a]芘浓度是非采暖期低于采暖期,月均值变化规律是夏季<春、秋季<冬季,天津市环境空气中苯并[a]芘污染总体来说处于较低的水平。     

龙岩市区大气飘尘中多环芳烃污染现状的调查

采用恒能量同步荧光法研究了龙岩市区不同功能区冬、春季大气飘尘中多环芳烃(PAHs)的污染状况和污染来源,并对不同功能区的PAHs进行了污染评价。结果表明,龙岩市区各功能区大气飘尘中PAHs总量在278.95～718.13ng/m3,且冬季高于春季。根据荧蒽与芘质量浓度比值,可判断冬春季市区内PAHs主要来源于汽车尾气和燃煤污染。采用苯并[a]芘(BaP)及苯并[a]芘等效致癌浓度(BaPE)来评价3个功能区大气飘尘中PAHs的污染状况,冬季3个功能区苯并[a]芘浓度均超过国家标准(BaP,10ng/m3),且PAHs基本上均严重超标。     

大气飘尘中苯并[a]芘的激光诱导荧光法测定

以激光诱导荧光法测定大气飘尘中的苯并[a]芘。方法的检测限为0.01μg·l~(-1),降低了常规荧光法的检测限。综合溶剂提取、柱色层及纸色层分离技术,测定了上海市某些地区大气飘尘样品中苯并[a]芘的含量。     

基于反演模型的焦炉无组织苯并[a]芘排放因子研究

由于焦炉无组织苯并[a]芘排放因子难以测量,导致了焦炉苯并[a]芘大气污染研究存在一定的不确定性.针对上述问题,本研究根据1999年~2003年上海某焦化厂的产量、空气质量监测等数据,建立了基于AERMOD(AMS/EPA REGULATORY MODEL)模型反演苯并[a]芘排放因子的方法.结果显示,企业周边3个监测点年平均浓度结果分别为0.033,0.0024,0.0031μg/m³,均超过了2012年颁布的环境空气质量标准,通过AERMOD模型反演得到该焦化厂苯并[a]芘平均排放因子为14.71mg/t焦煤, 苯并[a]芘预测浓度超标面积125km²,超标区域主要集中在焦化厂周围,超标焦炉苯并[a]芘防护距离为6300m.     

苯并[a]芘降解菌的分离筛选及其降解条件的研究

从被石油污染的土壤样品中,以苯并[a]芘为唯一碳源反复驯化,分离筛选出1株高效降解苯并[a]芘的菌株JL 14 .经形态及生理生化特征分析,初步鉴定属于氮单胞菌属(Azomonas) .菌株JL 14在苯并[a]芘浓度为5mg·L- 1 ,2 8℃振荡培养10d ,苯并[a]芘的降解率达到48. 9% .培养基初始pH值分别为4、6、8、10时,2 8℃振荡培养10d ,苯并[a]芘的降解率分别为7 1% ,2 4 8% ,49 6%和2 5 9% .JL 14在苯并[a]芘浓度分别为10mg·L- 1 与2 0mg·L- 1 的条件下,2 8℃振荡培养10d ,苯并[a]芘的降解率分别为3 8. 2 %与2 7. 6% .Zn2 + (2 0 0mg·L- 1 )、Cd2 + (5 0mg·L- 1 )与Pb2 + (2 0 0mg·L- 1 )不影响JL 14对苯并[a]芘的降解作用,但Cu2 + (5 0mg·L- 1 )、Cr2 + (5 0mg·L- 1 )对JL 14有毒性;菲和蔗糖均可促进菌株JL 14对苯并[a]芘的降解作用.     

真菌对土壤中苯并[a]芘的共代谢降解

研究了模拟生物泥浆法修复多环芳烃污染土壤.选择了几种从石油污染土壤中分离出来的真菌,研究它们对土壤内苯并[a]芘的降解,并研究了土壤内共存底物:菲、芘、邻苯二甲酸对苯并[a]芘降解的影响,及其之间的共代谢过程.结果表明,芘可以促进镰刀菌、毛霉对苯并[a]芘的降解,并认为这是共代谢作用的结果;菲也可以促进镰刀菌对苯并[a]芘的降解,但抑制了毛霉和青霉对苯并[a]芘的降解;而邻苯二甲酸对青霉和毛霉降解苯并[a]芘的过程均有抑制作用.      

中国主要河流中多环芳烃生态风险的初步评价

以现有的中国主要河流中多环芳烃(PAHs)的浓度数据为基础,通过定义1个危害商,利用商值法筛选出菲、蒽、荧蒽、芘、苯并[a] 蒽、 和苯并[a]芘7种对水生生态具有潜在风险的PAHs.以河流水相中PAHs浓度数据为依据,结合毒性数据库中PAHs水相浓度对水生生物的毒性数据,用概率风险评价法分析了这7种PAHs对水生生物的生态风险.结果表明,7种筛选出的PAHs风险大小依次为：蒽>芘>苯并[a]蒽>荧蒽>苯并[a]芘>菲> .     

大同市大气颗粒物中苯并(a)芘的日变化研究

在大同市三个不同功能区于冬、夏两季采集大气颗粒物样品,每日采样分为早晨、午间和晚上三次,对其中的苯并(a)芘进行分析测定.研究发现:该市大气颗粒物中苯并(a)芘浓度早晚高,午间低,采暖期大于非采暖期.除此以外,苯并(a)芘的日变化还与人类活动及相关气象因素有关.     

蚯蚓细胞色素P450酶系对土壤中芘或苯并[a]芘的响应

以赤子爱胜蚓(Eisenia fetida)为受试生物,通过人工污染草甸棕壤微宇宙试验方法,研究了暴露于不同环境浓度芘或苯并[a]芘(添加量分别为0.12、0.24、0.48、0.96 mg·kg~(-1))污染的土壤中14 d后,蚯蚓体内细胞色素P450(CYPs)酶系,如CYPs总量、CYP1A1及CYP2C9活性的变化.结果显示,芘或苯并[a]芘暴露导致蚯蚓CYPs总量、CYP1A1及CYP2C9活性的变化不同.其中,CYPs总量与CYP1A1活性对芘的响应趋势相似:试验3 d后,0.96 mg·kg~(-1)芘导致二者都显著高于对照水平;14 d后,都显著低于对照水平;CYP1A1活性对芘的响应更为敏感.CYPs总量与CYP2C9活性对苯并[a]芘的响应趋势相似:暴露初期,苯并[a]芘最高暴露剂量(0.96 mg·kg~(-1))导致二者都显著低于对照水平;试验结束后,苯并[a]芘最低暴露剂量(0.12 mg·kg~(-1))导致二者都显著高于对照水平,最高剂量暴露导致二者都显著低于对照水平,CYP2C9活性对苯并[a]芘的响应更为敏感.因此,推断CYPs亚酶对污染物的响应具有选择性且亚酶的响应敏感度高于CYPs总量.将CYPs总量与CYP1A1活性结合,或与CYP2C9活性结合分别诊断土壤芘污染或并[a]芘污染,较为准确有效.     

大同市大气颗粒物中苯并(a)芘污染与气象条件的相关性初探

文章通过大同市云冈宾馆2002年1月和8月的大气颗粒物中苯并(a)芘的浓度及同期的气象观测资料,对温度、风速、湿度等气象要素对大气颗粒物中苯并(a)芘的影响进行了研究,初步分析了它们的相关关系,此工作对城市大气颗粒物中的苯并(a)芘污染的控制和预测具有重要意义.     

兰州市大气中苯并(a)芘与儿童尿中1-羟基芘的分析及风险评价

对兰州市不同区域空气中苯并(a)芘和儿童尿液中1-羟基芘同步采样,分别采用气相色谱-质谱联用法和高效液相色谱法进行检测.结果表明:不同区域苯并(a)芘浓度有显著差别,研究区日均浓度约为对照区日均浓度的两倍.冬季大气中的浓度明显高于夏季,其中研究区冬季均值约为夏季的26.46倍,对照区冬季均值约为夏季的29.41倍.儿童尿中1-羟基芘的浓度与空气中苯并(a)芘的浓度呈一致的变化,冬季研究区儿童尿中1-羟基芘的均值为0.86μmol·(mol肌酐)-1,对照区为0.63μmol·(mol肌酐)-1.冬季研究区儿童的终生超额危险度最高,达到2.32×10-4,接近不可接受水平.     

2015—2021年南京市大气污染特征及污染个例研究

探究细颗粒物(PM_2.5)和臭氧(O₃)污染的时间变化特征,阐明PM_2.5和O₃复合污染过程中不同阶段环境空气污染物及气溶胶粒径分布的详细演变过程,对南京及长三角地区的大气污染防治具有重要指导意义.本文使用2015—2021年南京市环境空气污染物小时浓度数据,分析了该地区多年大气污染演变过程,并选取2015年10月12—17日时间段作为复合污染典型个例,对其生消过程和内在机理进行了详细分析.结果表明：(1)2015—2021年南京市各种大气污染物的变化特征具有明显差异. PM_2.5、PM₁₀和SO₂浓度的年下降率分别为8.9%、6.2%和15.4%,O₃浓度变化较小. CO浓度在2016年达峰后以每年7.6%的速率下降.NO₂浓度在2015—2019年呈增加趋势.(2)2015—2021年污染特征发生较大变化,由PM_2.5为主导变为由O₃为主导的大...     

生活垃圾焚烧厂周边环境空气中PCDD/Fs含量及分布特征

对我国某工业区生活垃圾焚烧厂周边5km范围内14个采样点环境空气中四氯~八氯代二 英(2,3,7,8-PCDD/Fs)含量及其组成特征进行了分析.结果表明该垃圾焚烧厂周边环境空气PCDD/Fs浓度的变化范围为1.74~15.2pg/m3(0.156~1.44pg I-TEQ/m3),均值为4.60pg/m3(0.426pg I-TEQ/m3),其中3个点位接近或超出日本环境空气质量标准限值(0.6pg I-TEQ/m3),表明某些区域处于一个较高的污染水平;最大浓度点位于焚烧设施下风方向1.3km处,与AERMOD预测的最大落地浓度位置一致.1,2,3,4,6,7,8-HpCDF和OCDD是空气中二 英质量浓度主要贡献因子,而2,3,4,7,8-PeCDF是毒性当量浓度的主要贡献因子.样品中二 英同族物分布的指纹特征显示出可能受MSWI源影响点位与非MSWI影响(或受此源影响较小)点位的区别.主成分分析(PCA)源解析结论与空间分布以及指纹特征分析结论基本一致,且更具体地判断MSWI的影响点位,在一定程度上说明了此方法的可靠性.二 英呼吸暴露剂量估算结果表明该区域人群二 英呼吸暴露风险总体处于较为安全的水平.     

乐山大佛景区环境空气质量变化规律及污染特征研究

根据乐山大佛景区环境空气质量监测数据,分析了3种污染物的时间变化规律及污染特征。结果表明:乐山大佛景区环境空气质量相对较好,优良率在87%以上,可吸入颗粒物浓度值在低浓度水平的基础上有上升的变化趋势,达到现行国家环境空气质量标准,二氧化硫、二氧化氮的污染总体上变化不显著。乐山大佛景区与乐山市主城区地域基本形成了"景城一体"的关系,景区的环境空气质量受主城区的影响较大。     

南京地区典型大气污染过程分析

文章统计分析了南京市近年来大气污染过程总体特征,选择2009-2011年不同类型的3个典型污染过程,分别讨论了其污染特征和影响因素.结果表明:以API值为污染判断指标,近年来南京市91%的污染过程持续时间在4 d以下,秋冬季节长时间污染过程更多。沙尘型污染受北方沙源地、长距离输送气象条件控制,影响范围广;秸秆燃烧型污染PM_(25)/PM_(10)浓度比例高达70%以上,细粒子(PM_(2.5))污染严重,主要受风向控制影响南京及周边局部地区,在降水冲刷或大风等气象条件下随污染源消失而快速消散;秋冬季的持续污染过程主要受气象条件影响,在均压场控制下,边界层呈局地性环流特征,污染物不断累积。     

ISC长期模型在烟台市空气污染控制规划中的应用

首次将ISCLT模型应用在烟台市空气污染综合控制规划中。研究在进行模式验证的基础上，模拟了SO2，NOx长期平均浓度，进行了城市空气污染特征分析及控制效果的预测。结果表明，ISCLT模型完全适用于在气象参数的获得受到限制的情况下模拟大气污染物的长期浓度分布；部分主要高架污染源以及低架点源是烟台SO2污染的主要来源；在市中心区、环境空气中NOx浓度的2／3来源于机动车排放；实施综合治理方案后，区域SO2浓度基本达到国家一级标准。     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

南京市交通流与NO2、CO时空分布特征关系研究

基于南京RFID基站2014年数据,获取南京市主城区范围内多条道路车流量、车速、车队构成信息,结合南京市国控空气质量监测站点NO_2、CO浓度数据,从时间、空间两个维度对交通流特征及污染物浓度趋势进行分析,并对其相关性进行讨论.结果表明,南京市2014年交通第一季度最通畅,第四季度车速最低;2月车流量最低,12月最高,且12月是周末流量最高的月份;工作日早晚高峰车流量与车速变化趋势明显,节假日平缓;夜间大型车辆占近25%.NO_2与CO浓度在2月下降明显,在10—12月攀升到较高水平,与交通流变化趋势同步;净浓度日变化趋势呈双峰,与车流量变化相关性系数在0.57~0.82之间;空间关系上,路网密集、交通拥堵区域污染物浓度明显高于其他区域,表明南京市交通流与气态污染物NO_2、CO变化趋势有高度时空关联.     

南京地区冬夏季大气重污染个例对比分析

本文研究了南京仙林地区在秸秆焚烧、逆温造成的大气污染的特征,分析了不同时期大气各成分的浓度变化.秸秆焚烧产生的大气污染事件中,颗粒物浓度上升最为显著,其中PM10的浓度最高可达0.65mg/m3,污染持续时间约36h.冬季污染期持续更长,但颗粒物峰值小于夏季,PM10浓度约在0.4mg/m3.根据Fernald方法反演得到的激光雷达消光系数计算不同高度AOD表明,秸秆焚烧造成的污染在空间上的分布较为均匀而冬季污染期近地表AOD的贡献超过40%.后向轨迹分析表明了污染期的气团在1500m高度的来源和1000m之下有差异,48h内的来源距离较短,近地表的大气质量受到周边地区的影响大,非污染期的气团垂直高度上性质较为均一,来源较为一致,来源距离较长.     

南京地区DDTs跨界面迁移与归趋的研究

以DDTs(p, p￠ -DDT, o, p￠ -DDT, p, p￠ -DDD)为研究对象,建立了南京地区DDTs的四级逸度模型,模拟计算了DDTs研究区域环境大气、水体、土壤、沉积物和植物相中的浓度及相间迁移通量.结果表明,以p, p￠ -DDT为例,在水、土壤、沉积物、植物相中的模拟输出浓度分别为9.72×10-9,9.87×10-5,4.61×10-6,8.28×10-6mol/m3.与当地对应环境相中的DDTs实测浓度2.69×10-9,2.41×10-4,8.15×10-6,2.43× 10-5mol/m3在数量级上吻合较好,验证了模型在南京地区的适用性,并预测了2000~2050年间DDTs在各相中浓度的动态变化情况.比较了各城市间多介质环境迁移特征,结果显示,南京地区的DDTs相间迁移过程与杭州地区近似,主要迁移过程依次为:气-土沉降,水-沉积物相沉降,气-水沉降,土-水流失(土壤侵蚀),水-气扩散.但不同于我国北方地区的以气-土沉降,气-水沉降或水-气扩散为主.南京地区早期的农药施用是DDTs的主要来源,占总输入量的97.69%,大气和土壤中的降解则是DDTs的主要消失途径,占总降解量的95.44%~95.96%,其余4.04%~4.56%通过水、沉积物、植物降解和气/水平流输出而消失.今后几十年中,土壤和沉积物成为DDTs的主要储库,占总量的99.28%左右,并且植物相中的浓度已大幅下降.