基于QSAR关系预测PCBs和部分PAHs在LDPE中的扩散系数

分子扩散系数（D）是获得污染物与环境介质之间的平衡分配系数（K）的重要前提,然而通过实验测定获取污染物的扩散系数的过程过于繁琐,因此需开发一种更为简单、高效、准确的预测模型来定量预测扩散系数.为此,本文搜集了一些多环芳香烃（PAHs）和多氯联苯（PCBs）在低密度聚乙烯膜（LDPE）上扩散系数（log D）的实测值,基于定量结构-活性关系（QSAR）,利用逐步多元线性回归（MLR）构建了预测D值的模型.模型的决定系数R_adj²为0.941,交叉验证系数Q_LOO²为0.934,外部系数Q_ext²为0.895.结果表明,该QSAR模型具有良好的拟合优度、稳健性和预测能力,其可用来预测应用域内有机污染物在LDPE膜上的扩散系数.     

基于TLSER关系预测POPs在PUF与空气中的分配系数

为开发一种简洁高效预测K_PA值的方法,本文收集了包含多氯联苯（PCBs）、苯类（Benzenes）、多环芳香烃（PAHs）和杀虫剂（Pesticides）等,共95种污染物在聚氨酯泡沫塑料（PUF）与空气中分配系数（K_PA）的实验值,基于理论线性溶解能关系（TLSER）,运用逐步多元线性回归（MLR）构建了预测K_PA值的模型.结果表明,模型的决定系数R_adj²为0.901,外部验证系数Q_ext²为0.748.TLSER模型有较好的拟合度、稳健性和预测能力,可以预测应用域内POPs在PUF和空气之间的分配系数.     

羧酸及其衍生物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。     

基于PM2.5站点监测数据的京津冀AOD补值研究

以京津冀2020年318个地面监测站点的PM_2.5数据为估算因子,构建了时空线性混合效应模型(STLME)和时空嵌套线性混合效应模型(STNLME),为AOD数据的补值研究提供了一种新方法.结果表明:在有AOD-PM_2.5匹配数据的日期,上述两个模型估算精度相近,交叉验证后决定系数R²分别为0.868和0.874,均方根误差RMSE分别为0.112和0.109;在无AOD-PM_2.5匹配数据的日期,嵌套模型估算精度明显高于非嵌套模型,交叉验证后决定系数R²分别为0.63和0.26.经过模型补值后,研究区监测站点所在网格AOD数据空间维有效比率从原始数据的44.35%提高到99.35%,时间维有效比率从87.94%提高到100%;同时,每个站点的年均AOD值都有明显提高,弥补了高PM_2.5浓度条件下缺失的AOD数据,可以减少空气污染和健康研究中暴露评估的偏差.     

基于Sentinel-2A影像估算黄土高原光合/非光合植被盖度

以黄土高原为例,基于Sentinel-2A影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(f_NPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(f_PV)和f_NPV.结果表明,在模拟混合场景下,4种NPVI与模拟f_NPV线性关系的R²是0.365~0.750;在野外场景中,其相关性均有一定程度的降低,R²是0.147~0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVI_PV=0.80,SWIR32_PV=0.60, NDVI_NPV=0.17,SWIR32_NPV=0.77,NDVI_BS=0.23,SWIR32_BS=0.99.模型对f_PV和f_NPV估算精度R²分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均f_PV和f_NPV,分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,f_PV从东南向西北不断增加而后减小,f_NPV与之相反. NDVI-SWIR32模型可以用于Sentinel-2A影像数据来监测黄土高原地区f_PV和f_NPV的时空动态变化.     

不同电导率盐碱土壤固碳潜力

采集内蒙古河套灌区盐碱土壤(电导率EC为0.27mS/cm),利用NaCl调节土壤电导率为(0,10,20,40,80mS/cm),基于稳定碳同位素分析不同电导率土壤添加定量δ¹³C-CO₂后,土壤CO₂吸收量以及土壤难溶性无机碳含量(SIC)-δ¹³C值.结果表明,盐碱土壤能够吸收CO₂,随土壤电导率(EC)升高,土壤CO₂累积吸收量增加, S5(EC=80mS/cm) CO₂累积吸收量比S1(0.27mS/cm)高1.6640mg.土壤SIC含量(R²=0.7080,P<0.05)和土壤可溶性无机碳含量(DIC)(R²=0.6096,P<0.05)与土壤EC显著负相关关系.盐碱土壤吸收CO₂部分固存于土壤无机碳中,外源添加δ¹³C-CO₂,盐碱土壤SIC-δ¹³C值(-5.299‰ ~ -0.8341‰)显著增加.EC为20mS/cm土壤固相保存δ¹³C-CO₂总量最高1.276mg,固存δ¹³C-CO₂总量占土壤吸收¹³CO₂总量比例30.28%最高;EC为80mS/cm固碳量最低为0.2749mg,固存δ¹³C-CO₂总量占土壤吸收¹³CO₂总量比例5.579%.     

取代苯类化合物对斑马鱼急性毒性的QSAR研究

该文基于定量-构效关系(QSAR)原理,研究了26种取代苯类化合物与斑马鱼的48 h急性毒性(-lgLC50)之间的内在定量关系。利用AM1量子化学计算方法,首先计算了8种典型量子化学参数与斑马鱼48 h-lgLC50的相关性;然后通过逐步多元线性回归(MLR)方法建立了取代苯类化合物对斑马鱼48 h-lgLC50的QSAR模型,并对所建模型分别进行了内部验证和外部验证,所得复相关系数R2=0.942;最后利用QSAR模型,分析了取代苯类化合物量子化学参数对斑马鱼48 h-lgLC50的影响。结果表明:正辛醇—水分配系数(LogP)与-lgLC50的相关性最大,负电性[-(L+H)/2]与-lgLC50负相关。所得QSAR模型具有较高的稳定性及预测能力,可以用来预测取代苯类化合物对斑马鱼的急性毒性。     

基于NPP/VIIRS夜光遥感数据的淮安市夜间PM2.5浓度估算研究

PM_2.5是大气的重要污染物,掌握其空间分布对于大气污染防控具有重要意义．目前,PM_2.5遥感监测主要围绕卫星反演的日间AOD数据开展,无法反映夜间大气污染的空间格局．以2019年9—12月NPP/VIIRS夜间灯光影像和空气质量站点PM_2.5观测数据对江苏省淮安市夜间PM_2.5浓度进行估算研究．基于辐射传输方程分析夜间灯光辐射与PM_2.5浓度之间的关系,在此基础上综合考虑灯光辐射直接衰减和散射补偿确定了计算夜间PM_2.5浓度的空间自变量,运用多元线性回归模型（MLR）、随机森林（RF）、Cubist、极端梯度提升树（XGBoost）、神经网络（NNet）、支持向量机（SVM）及最近邻法（KNN）算法构建夜间PM_2.5浓度遥感估算模型．结果表明,多元线性归回模型精度明显低于各个机器学习模型,所有模型中SVM模型精度最高,决定系数R²为0.77,平均绝对误差MAE为20.83μg·m^-3,均方...     

一种基于小波变换和LSTM的大气污染物浓度预测模型

针对现有大气污染物浓度预测模型存在预测精度不高、污染物种类单一等不足的问题,通过小波分解将高维大气污染物数据转换为低维数据,再对分解序列建立长短期记忆网络（LSTM）预测模型,最后通过小波重构将分解序列重构为污染物时间序列,建立了1种基于小波变换（WT）的LSTM大气污染物预测模型（WT-LSTM）,用以预测目标区域内的次日平均ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（O₃）。采用长沙市2015—2018年10处国控站点的数据进行验证,结果表明:相对于LSTM、多元线性回归（MLR）和基于WT的WT-MLR模型,WT-LSTM的均方根误差和绝对平均误差均下降了50%,其对PM_2.5、PM₁₀、SO₂、NO₂和O₃的污染等级预测准确率均在80%以上。     

基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.     

Novel quantitative structure activity relationship models for predicting hexadecane/air partition coefficients of organic compounds

Predicting the logarithm of hexadecane/air partition coefficient (L) for organic compounds is crucial for understanding the environmental behavior and fate of organic compounds and developing prediction models with polyparameter linear free energy relationships. Herein, two quantitative structure activity relationship (QSAR) models were developed with 1272 L values for the organic compounds by using multiple linear regression (MLR) and support vector machine (SVM) algorithms. On the basis of the OECD principles, the goodness of fit, robustness and predictive ability for the developed models were evaluated. The SVM model was first developed, and the predictive capability for the SVM model is slightly better than that for the MLR model. The applicability domain (AD) of these two models has been extended to include more kinds of emerging pollutants, i.e., oraganosilicon compounds. The developed QSAR models can be used for predicting L values of various organic compounds. The van der Waals interactions between the organic compound and the hexadecane have a significant effect on the L value of the compound. These in silico models developed in current study can provide an alternative to experimental method for high-throughput obtaining L values of organic compounds.     

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

基于GF-4卫星的长三角城市群PM2.5遥感反演

基于静止卫星高分四号（GF-4）遥感数据,利用6SV辐射传输模型与暗目标算法进行高空间分辨率气溶胶光学厚度（AOD）遥感反演;在此基础上,结合地面监测站大气细颗粒物（PM_2.5）浓度、气象资料等数据,采用物理订正方法及线性混合效应模型,实现长三角城市群区域大尺度空间连续的PM_2.5浓度遥感反演;最后利用十折交叉验证法对反演精度进行验证.结果表明：GF-4反演的AOD结果分辨率较高,空间连续性好,与AERONET地基监测相关性R达到0.82;利用GF-4 AOD的PM_2.5估算模型精度较高,模型估算PM_2.5浓度与地面实测数据拟合度R²为0.74;在分春夏秋冬4个季节建模情景下,交叉验证R²依次为0.67,0.59,0.63和0.72,平均绝对误差MAE为10.40,7.42,10.10,13.34μg/m³,表明GF-4卫星适用于区域PM_2.5浓度监测.     

成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10～12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度（V）、相对湿度（RH）以及二氧化氮（NO₂）监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f（RH）模型的适用性及其改进方案.结果表明：幂函数、二次多项式、幂指函数形式的f（RH）模型在低RH条件下（RH<85%）均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下（RH>85%）的模拟值会出现较大的偏差.黑碳质量浓度（C_BC）是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_BC为自变量构建了气溶胶散射吸湿增长因子双变量f（RH,C_BC）模型,模型计算值和实测值之间的决定系数R²为0.763,平均相对误差MRE为14.28%.双变量模型f（RH,C_BC）的应用显著改善了气溶胶散射消光系数的模拟效果.     

广州城区黑碳气溶胶吸光增强特性研究

本研究运用最小相关系数法（MRS）,使用元素碳（EC）作为示踪物,得到一次排放的质量吸光效率（MAE_p）,结合黑碳仪（AE33）和有机碳/元素碳分析仪获得实测的质量吸光效率MAE_t,进而通过MAE_t/MAE_p的比值得出吸光增强系数（E_abs）.采样站点位于广州市城区暨南大学大气超级监测站,采样时间涵盖了干季（2019年1月26日~3月31日）和湿季（2018年5月1日~7月31日）.对广州市城区的黑碳气溶胶及其光学特征进行分析,EC在干季的平均浓度（1.93±1.38）μgC/m³高于湿季（1.46±0.75）μgC/m³,而E_abs520在干季的均值（1.26±0.34）低于湿季（1.63±0.55）.E_abs520在干湿季的日变化差异明显,但有机碳（OC）、EC、OC/EC、波长指数（AAE_470-660）均为干季高于湿季.分析发现气溶胶负载补偿参数k值与E_abs520在湿季呈现出较好的相关性,而在干季相关性较差,可能与生物质燃烧的影响有关;探讨了O₃、NO₂和SOC/OC对E_abs520的影响,在干季O₃与E_abs520的相关性较差（R²=0.21）,在湿季较好（R²=0.46）,SOC/OC却展现出了相反的关系,而NO₂在干季和湿季与E_abs520的相关性都较差（R²=0.01）,并发现温度对E_abs520存在一定的影响.通过后向轨迹聚类分析发现,长距离传输气团的的黑碳E_abs520值较高.     

广州城区黑碳气溶胶吸光增强特性研究

本研究运用最小相关系数法（MRS）,使用元素碳（EC）作为示踪物,得到一次排放的质量吸光效率（MAE_p）,结合黑碳仪（AE33）和有机碳/元素碳分析仪获得实测的质量吸光效率MAE_t,进而通过MAE_t/MAE_p的比值得出吸光增强系数（E_abs）.采样站点位于广州市城区暨南大学大气超级监测站,采样时间涵盖了干季（2019年1月26日~3月31日）和湿季（2018年5月1日~7月31日）.对广州市城区的黑碳气溶胶及其光学特征进行分析,EC在干季的平均浓度（1.93±1.38）μgC/m³高于湿季（1.46±0.75）μgC/m³,而E_abs520在干季的均值（1.26±0.34）低于湿季（1.63±0.55）.E_abs520在干湿季的日变化差异明显,但有机碳（OC）、EC、OC/EC、波长指数（AAE_470-660）均为干季高于湿季.分析发现气溶胶负载补偿参数k值与E_abs520在湿季呈现出较好的相关性,而在干季相关性较差,可能与生物质燃烧的影响有关;探讨了O₃、NO₂和SOC/OC对E_abs520的影响,在干季O₃与E_abs520的相关性较差（R²=0.21）,在湿季较好（R²=0.46）,SOC/OC却展现出了相反的关系,而NO₂在干季和湿季与E_abs520的相关性都较差（R²=0.01）,并发现温度对E_abs520存在一定的影响.通过后向轨迹聚类分析发现,长距离传输气团的的黑碳E_abs520值较高.