氟化钠和氟乙酰胺对培养赤麂细胞姐妹染色单体互换和染色体畸变的影响

本文采用培养的赤麂细胞对氟化钠和氟乙酰胺进行致突变效应的研究.观察指标是染色体畸变率(％),姐妹染色单体交换率(SCEs)和细胞周期动力学变化.实验结果证明,氟化钠和氟乙酰胺在培养的赤麂细胞上都能引起染色体畸变率增高,促使SCEs增加和延迟细胞周期.因此,本工作实验结果支持了部份文献中氟化物是一种致突变物的结论.     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

无菌水葫芦的降酚和耐酚性能的研究

干重为0.2～0.3g的无菌水葫芦在各种酚浓度中(10、100、150、200、360、800μg/ml)的5日降解率可达20％～40％,即使在高浓度中植株很快死亡,但仍有降解能力;一定时间内的吸酚量随初始浓度不同而不同,有一定正相关;干重为0.2～0.3g的无菌水葫芦耐酚阈值为100～150μg/ml,高出此浓度植株很快死亡。     

APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m~3,北京植物园为(44.41±31.57)μg/m~3),2月最高(西山公园为(154.07±95.70)μg/m~3,北京植物园为(139.49±100.74)μg/m~3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m~3,北京植物园为(127.04±109.34)μg/m~3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m~3)>北京植物园((82.52±28.18)μg/m~3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m~3)>春季((112.39±18.50)μg/m~3)>秋季((106.37±24.25)μg/m~3)>夏季((81.87±12.60)μg/m~3),北京植物园为冬季((97.35±41.38)μg/m~3)>春季((94.07±12.21)μg/m~3)>秋季((93.17±31.42)μg/m~3)>夏季((61.86±16.70)μg/m~3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。     

无汞盐化学需氧量测定中减轻氯离子干扰的简单方法

本文提出一种以AgNO_3和CrK(SO_4)_2·12H_2O代替HgSO_4的简单方法,对COD测定过程中排出氯离子的干扰进行了研究,并与标准法及其他方法进行了比较,结果表明,在0.1mL50％AgNO_3和0.1mL25％的Crk(SO_4)_2·12H_2O存在下,氯离子浓度低于3500μg/ml无明显干扰,若试样中氯离子的浓度大于3500μg/ml,可适当加大AgNO_3的浓度和提高CrK(SO_4)_2·12H_2O的加入量。     

邯郸市大气PM_(2.5)成分空间分布研究

为研究邯郸市2015年PM_(2.5)的污染状况,采用河北工程大学监测站全年PM_(2.5)浓度和气象在线监测数据以及4个代表月4个站点离线采样成分数据,分析了PM_(2.5)的浓度水平与气象要素的关系以及其化学组分特征。结果表明:PM_(2.5)的年均浓度为91.14μg/m~3,最高达到706.56μg/m~3;不同相对湿度条件下,PM_(2.5)浓度对邯郸地区能见度有较大影响。此外,邯郸静风频率较大,全年东南风风速较小,PM_(2.5)污染相对更加严重;PM_(2.5)中主要化学成分为SO_4~(2-)、NO_3~-和NH_4~+、OC和EC,4个站点采样无显著差异性。     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

成都冬季PM2.5化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM_(2.5)进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度.观测期间,PM_(2.5)的平均质量浓度为(127.1±59.9)μg·m~(-3);总水溶性离子的质量浓度为(56.5±25.7)μg·m~(-3),其中SO2-4、NO-3和NH+4是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m~(-3),一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m~(-3)和6.1μg·m~(-3),分别占PM_(2.5)质量浓度的26.8%和4.8%.昼夜污染对比显示,PM_(2.5)白天和夜晚质量浓度分别为(120.4±56.4)μg·m~(-3)和(133.8±64.0)μg·m~(-3),夜间污染更为严重.SO2-4、NO-3和NH+4白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响.通过对近年来成都冬季PM_(2.5)化学组分的研究进行文献总结和比较后发现,SO2-4浓度显著降低,从2010年的50.6μg·m~(-3)降低到2017年的13.6μg·m~(-3);而NO-3浓度变化不大,维持在20μg·m~(-3)左右.PM_(2.5)中离子酸碱平衡分析表明,成都冬季PM_(2.5)由于NH+4的相对过剩而呈现出碱性,与以往呈偏酸性结果存在差异.对成都冬季NO-3/SO2-4的比值进行计算,NO-3/SO2-4平均值为1.57,表明移动源对PM_(2.5)污染影响更大.OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性.SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m~(-3)和11.9μg·m~(-3),占到OC的28.1%和31.8%.K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响.主成分分析表明,成都冬季PM_(2.5)主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%.     

江苏省PM_(2.5)时空变化及土地利用影响研究

基于江苏省2013年12月-2014年11月期间71个监测点PM_(2.5)日数据以及2014年土地利用数据,以年、季为时间尺度,利用泰森多边形划分研究区域,在系统分析PM_(2.5)时空分异规律基础上,揭示PM_(2.5)浓度变化及其与土地利用的关系。结果表明:(1)PM_(2.5)浓度分布存在明显的时空变化趋势。时间上,冬季浓度最高,达109.72μg/m~3,春季次之,为70.13μg/m~3,秋季最低,仅53.20μg/m~3;空间上,从各监测点一年PM_(2.5)浓度看,南京、泰州和宿迁数个监测点是PM_(2.5)高浓度区域,浓度范围81~85μg/m~3。盐城开发区管委会浓度最低,仅49.75μg/m~3,全省呈现"内陆高,沿海低;内陆南高北低"的趋势。(2)土地利用类型及景观格局对PM_(2.5)浓度分布有一定影响。耕地、草地、水域和未利用地与PM_(2.5)呈负相关,林地和建设用地则呈正相关。景观面积、密度、破碎度和聚散性是影响PM_(2.5)的主要因素,冬夏季较为敏感。     

中国中东部PM2.5时空分布变化及气象影响分析

为探究气象条件变化对PM_(2.5)的分布影响,该研究利用CAMx及WRF模型,分别模拟了中国中东部地区2017-2019年第4季度PM_(2.5)浓度(ρ(PM_(2.5)))分布及气象条件变化,并对"2+26"城市、长江三角洲地区的ρ(PM_(2.5))及气象因子进行时空变化分析。结果表明:2017-2019年,太行山东麓沿线污染最为严重,季度平均ρ(PM_(2.5))达150～250μg/m3,长江三角洲地区季度平均ρ(PM_(2.5))为35～115μg/m3;2019年太行山东麓及燕山南麓地区气象条件优势明显,西北气流频次增加,同时相对湿度下降,大气边界层升高,降水量增加,地区ρ(PM_(2.5))下降6～18μg/m3;长江三角洲沿海地区降水量增加,风速增大,ρ(PM_(2.5))下降8～16μg/m3。数值模拟结果显示,2017-2019年,受降水、相对湿度、边界层、风速以及主导风向的影响,2019年中国中东部地区冬季ρ(PM_(2.5))降低6～18μg/m3,不同区域影响ρ(PM_(2.5))变化的气象因子不同。     

哈尔滨市PM_(2.5)质量浓度变化特征及影响因素分析

针对哈尔滨市的PM_(2.5)空气污染问题,收集整理了哈尔滨市2014年全年的空气污染物数据和气象数据,分析研究了当地PM_(2.5)质量浓度变化特征,找出其影响因素。结果表明,哈尔滨市PM_(2.5)日均质量浓度为72.64μg/m~3,初步达到国家标准。PM_(2.5)月均质量浓度11月最高,约为148.27μg/m~3,9月最低,约为21.07μg/m~3。秋冬两季PM_(2.5)平均质量浓度较高。PM_(2.5)/PM10比例春季最低,约为0.5,PM_(2.5)已成为哈尔滨市可吸入颗粒物中的首要污染物。从PM_(2.5)与SO~2、NO~2、CO的相关性来看,哈尔滨市PM_(2.5)与CO的相关性最高,四季均在0.9左右。各类空气污染物的平均浓度降水日低于非降水日。PM_(2.5)与气象因子的相关性较小,与风速呈负相关。     

中国氨排放对PM_(2.5)污染的影响

基于WRF-CMAQ空气质量模型,定量模拟了氨排放对全国城市PM_(2.5)浓度的影响.结果表明,氨排放对全国城市硫酸盐、硝酸盐、铵盐及PM_(2.5)年均浓度贡献率分别为4.2%、99.8%、99.7%和29.8%,氨排放对硫酸盐年均浓度的影响较小,而对硝酸盐和铵盐年均浓度的影响极为显著.氨排放对1、4、7、10月四个典型月PM_(2.5)月均浓度的贡献量分别为20.15μg/m3、12.39μg/m3、13.20μg/m3、14.20μg/m3,其中1月PM_(2.5)受氨排放的影响最大.氨对PM_(2.5)影响较大的地区主要集中在河南、山东、湖北、河北等农业、畜牧业发达、氨排放量集中的地区,对PM_(2.5)年均浓度贡献量均超过20μg/m3.因此,控制氨排放将有效降低PM_(2.5)浓度,特别是可以显著减少硝酸盐和铵盐污染.     

自贡市冬季大气PM2.5组分特征分析及来源解析

为探究自贡市冬季大气PM_(2.5)污染特征,文章分析了自贡市冬季大气PM_(2.5)中水溶性离子、无机元素和碳质组分的浓度水平及来源。结果表明,二次无机离子(NO_3~-、SO_4~(2-)、NH_4~+)是自贡冬季PM_(2.5)中水溶性离子的重要组成部分,占PM_(2.5)质量浓度的45.8%。SOR和NOR值分别为0.45和0.31,说明自贡市二次离子污染较为严重;PM_(2.5)中无机元素总浓度为2.7μg/m~3,占PM_(2.5)质量浓度的3.9%。通过富集因子法分析,Pd、Te、Ag、Cd、Sb、Se、Mo、Sn、Hg、Br、Cs、Tl为高度富集;As、Co、Sc、Ga、Pb、Cr、Zn、Cu、Ni为中度富集;Al、K、Mn、V、Ba为轻度富集;TC质量浓度为19.3μg/m~3,其中OC为11.7μg/m~3、EC为7.5μg/m~3,分别占PM_(2.5)质量浓度的15.3%、9.8%。PM_(2.5)中SOC平均浓度为1.6μg/m~3,占OC的13.7%;自贡市冬季PM_(2.5)来源贡献大小依次为二次硝酸盐(24.5%)、移动源(20.9%)、二次硫酸盐(18.1%)、工业源(17.2%)、生物质燃烧源(10.1%)、扬尘源(9.2%),应重点管控移动源、水泥行业、道路扬尘和施工扬尘、生物质燃烧等排放源。     

北京市霾天PM_(2.5)污染特征及其与气象因素的关系

2016年在北京市区春、夏、秋、冬四季分别进行1个月的PM_(2.5)样品采集,探讨了北京市霾与非霾期间PM_(2.5)质量浓度的季节变化、逐日变化特征,对影响其浓度的气象因素进行了分析,并使用MATLAB软件对数据进行可视化表达。结果表明,2016年北京市PM_(2.5)年均浓度为119.8μg/m~3,占采样天数37.6%的霾天PM_(2.5)质量浓度对其贡献率为72.5%;采样期间夏季与冬季的霾天数较多,呈明显的双峰特征。霾天与非霾天PM_(2.5)质量浓度存在显著差异,霾天PM_(2.5)平均浓度(138.3～263.8μg/m~3)是非霾天PM_(2.5)均值(65.4～86.4μg/m~3)的1.9～3.1倍。各季节温度对霾天的影响较小,春、冬季霾天的相对湿度(40%～70%,65%～95%)高于相应平均值(31.7%,55.0%),PM_(2.5)质量浓度与其显著正相关(R0.68),表明该季节相对湿度对霾天的形成有比较明显的影响。另外,南风和西南风且风速1.2 m/s,大气压较高时易形成霾天。     

徐州市大气PM_(2.5)污染特征和来源解析

于2016年4月、7月、10月和2017年1月利用2台中流量分别在徐州市不同功能区,即生活区、工业区和旅游区采样大气中的细颗粒物(PM_(2.5))样品,测定PM_(2.5)质量浓度及其化学组分(含碳组分、水溶性离子和无机元素),结合化学质量平衡模型(CMB),对PM_(2.5)进行来源解析。研究结果表明:徐州市PM_(2.5)污染的年平均浓度维持在65μg/m~3左右,超过国家环境空气质量标准(GB3095-2012)二级标准(35μg/m3)的0.95倍。冬季全市的PM_(2.5)平均浓度最高,为103.6μg/m~3。根据CMB模型结果,全年PM_(2.5)来源解析,煤烟尘的分担率最高,达23.4%;其次是硫酸盐,达20.5%;硝酸盐的分担率占第三位,为18%,机动车尾气尘和城市扬尘分别为12.3%和11.4%,其他各源类的分担率均小于5%。     

天津秋冬季PM2.5碳组分化学特征与来源分析

为研究天津大气PM2.5中有机碳和元素碳的特征,于2009年9月4日到2010年2月25日在天津3个监测点位采集PM2.5样品,分析了PM2.5颗粒中元素碳和有机碳的含量特征、与气象条件的相互关系、以及碳组分的来源.结果表明3个监测点位PM2.5的平均质量浓度为123.85μg/m3;TC的平均浓度为18.76μg/m3,其中OC的平均浓度为14.48μg/m3,EC的平均浓度为4.27μg/m3,日均OC和EC浓度分别占PM2.5的11.7%和3.5%.秋季SOC的估算值为5.1μg/m3, 占OC的40.7%、PM2.5的4.3%;冬季SOC的估算值为6.5μg/m3, 占OC的35.7%,PM2.5的4.9%.观测期间EC与温度呈比较好的负相关关系; OC、EC、TC的浓度与风速有较好的负相关性.48h后推气流轨迹结果显示局地盘旋的气流(L)和来自天津北方或西北方区域气流(N/NW)有较高的碳组分浓度;天津大气PM2.5中碳组分受包括生物质燃烧、汽车排放、燃煤和道路扬尘混合来源影响.     

基于GWR模型的天山北坡经济带PM2.5浓度反演及时空特征分析

构建PM_(2.5)浓度与相关因子的关系模型已成为获取干旱区经济带连续变化PM_(2.5)浓度数据的有效手段之一。本文以天山北坡经济带为研究对象,基于PM_(2.5)浓度监测数据、中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)的气溶胶光学厚度数据(aerosol optical depth,AOD)和气象数据,利用地理加权回归模型(geographically weighted regression,GWR)反演了研究区2018年3～11月PM_(2.5)浓度,进而分析其时空变化特征。结果表明:(1)相比多元回归模型(multiple linear regression,MLR),GWR模型在天山北坡经济带的PM_(2.5)浓度反演效果更优,决定系数R2、平均绝对误差MAE和均方根误差RMSE分别为0.897、4.569μg/m~3和5.627μg/m~3,明显优于MLR模型的0.819、5.825μg/m~3和7.731μg/m~3;(2)天山北坡经济带PM_(2.5)浓度在月尺度上呈"凹字型"变化特征,其中11月最高,达到59.50μg/m~3,3月和10月次之,9月最低,仅为17.92μg/m~3;在季节尺度上表现出秋季(9～11月)春季(3～5月)夏季(6～8月)的变化特征,其中春季呈波动下降趋势,夏季总体维持在较低水平,秋季呈急剧上升趋势;(3)在空间分布上,研究区PM_(2.5)浓度呈现出"东高西低"的特征,峰值出现在乌鲁木齐附近,说明经济带东部地区PM_(2.5)污染相对严重,尤其是乌鲁木齐。     

梅州市大气颗粒物中水溶性无机离子组成特征研究

选取梅州市典型污染日(2015年7月8日至29日)进行实际测量,在梅州市环境监控中心站楼顶每天连续采集PM_(10)和PM_(2.5)样品,利用离子色谱仪分析样品中Na+、NH4+、K+、Mg~(2+)、Ca~(2+)、Cl~-、NO_2~-、NO_3~-、SO_4~(2-)离子的质量浓度,结果表明,PM_(10)日均质量浓度为(54±19)μg/m~3,PM_(2.5)日均质量浓度为(35±14)μg/m~3。PM10和PM2.5中水溶性无机离子平均浓度分别为(19.7±4.4)μg/m~3、(10.8±5.0)μg/m3,分别占PM_(10)和PM_(2.5)质量的(42±20)%和(31±9.7)%。其中S0_4~(2-)、NO_3~-、NH_4~+是梅州市PM_(10)和PM_(2.5)中最主要的水溶性无机离子。采样期间SO42-浓度较高的可能原因是煤炭在梅州市的能源结构中占有较高比例。S0_4~(2-)、NO_3~-主要以(NH_4)_2SO_4的形式存在气溶胶体系中。     

基于小波变换的山西省PM2.5污染特征及影响因素

基于山西省11城市2015～2019年PM_2.5日均浓度、社会影响因素数据和气象数据,利用小波变换确定PM_2.5浓度周期,通过Spearman相关性和小波相干谱分别探究PM_2.5与社会影响因素和气象因素的关联,确定PM_2.5长短周期管控的主要影响因子.结果表明,2015～2017年山西省PM_2.5浓度年均值呈上升趋势,年均上升率为4.3%, 2018～2019年呈下降趋势,年均下降率为4.2%;ρ(PM_2.5)月均值呈“U”型分布,1月最高(95μg·m^-3), 8月最低(34μg·m^-3),冬季均值约为夏季的2倍;临汾等南部城市ρ(PM_2.5)均值为62μg·m^-3,大同等北部城市均值为45μg·m^-3,空间上呈南高北低.11城市PM_2.5浓度存在显著周期性变化,主要周期包括293 d左右的长周期和27 d左右的短周期.其中...