近地层O3污染对陆地生态系统的影响

随着全球气候变化对生态环境的影响日益增加,近地层臭氧(O3)污染的环境生态效应备受人们关注.现有研究表明,陆地生态系统的温室气体NOx和CH4释放、矿质能源消耗和机动车辆尾气排放量的增加将加剧近地层O3污染.O3污染通过降低植物叶片气孔导度、光合速率和净同化作用,改变同化物的分配,进而抑制植物生长和加速植物老化,导致作物和林木减产.O3污染导致植物-土壤系统碳积累和周定降低势必影响未来全球碳动力学和碳预算,而植物和根系生长受到抑制则不利于土壤养分、水分的吸收进而影响植物-土壤系统养分循环,但目前报导极少,尚无法准确判断对全球碳和养分循环的影响,亟待深入研究.由于环境因素间具有互作效应,目前模拟研究过多集中O3与CO2增加对陆地生态系统的复合效应方面,而与其它环境因子(如O3与NO、SO2、水分、温度等)的复合效应研究偏少,不利于在全球气候变化背景下深入了解与预测O3污染对陆地生态系统的影响程度与趋势.基于研究现状,未来应加强:(1)地表O3监测网络建设和监测,结合田间试验和建模加强草地、森林和农田生态系统对O3污染的响应研究;(2)长期定位研究,侧重陆地生态系统对O3污染连合其它温室气体、温度增加等模拟未来气候情景下的环境响应研究;(3)O3污染下土壤.植物系统碳循环和固定研究;(4)O3污染条件下优势植物和农作物在不同时空条件下的土壤.植物系统养分利用研究;以期为判断和预测全球气候变化背景下陆地生态系统对近地层O3污染加剧的响应程度与趋势提供数据资料和科学依据.     

江淮地区城市O3污染过程的非典型特征及其前体物来源分析

为了研究江淮地区典型城市的O3污染来源,该文对一次典型O3污染过程(2020年9月1-10 日)开展了多参数的监测分析,综合多种方法分析了江淮区域的O3和挥发性有机物(VOCs)污染特征及其来源.结果表明,江淮地区城市(合肥、宿州、阜阳、滁州和淮南)O3浓度的日 变化均呈现出非典型的"双峰"特征(日间和夜间均有污染峰值...     

北京地区O3与NO2的偏相关分析

根据北京市环境监测中心1999年3月至2001年2月发布的北京地区空气质量日报和部分气象资料，利用FoxPro6.0数据库及世界著名统计分析软件包(Statistical Package or the Social Science,SPSS)，统计并分析了O2和NO2的污染变化特征及规律；结果显示了NO2的污染状况已经得到明显改善，而O3的污染状况仍较严重；O3与NO2呈现水平中等的负相关关系，分析和验证了NO2是生成O3的重要前体污染物；提出北京进一步改善在夏季出现的严重O3污染，还需进一步降低NO2的排放水平。     

成都市大气中臭氧的分布及污染水平

根据2001年6月成都市建成区大气O3监测结果，对其在该时段大气中O3的分布现状、污染水平、污染特征进行分析，揭示了成都市大气环境中O3的时空分布规律以及O3的浓度受天气状况的影响规律。     

臭氧对南方3种木本植物的急性伤害症状及其生理指标变化

近地层O3污染越来越严重,而O3污染对中国木本植物的影响的报道较少。作者对南方3种木本植物尾叶桉(Eucalyptusurophylla)、米兰(Aglaiaodorata)和马尾松(Pinusmassoniana)进行连续3d,每天6h的O3熏气处理。臭氧体积分数分别为200×10-9和400×10-9。实验过程中对植物的外部受害症状进行观察记录,测定叶片的叶绿素含量、过氧化物酶活性(POD)、过氧化氢酶活性(CAT)、丙二醛含量(MDA)、可溶性糖含量和可溶性蛋白质含量等生理指标。结果表明:3种植物对O3污染表现出不同的受害症状。受O3污染危害最重的为米兰,其次为尾叶桉,而马尾松抗性最强。O3污染导致植物叶绿素含量、可溶性糖含量呈下降趋势,而POD活性升高,少数种类则出现微弱的下降趋势。CAT基本表现为低浓度O3污染时活性上升,在高浓度时,由于酶的结构受破坏,而出现下降的趋势,但也有的种类是外部臭氧浓度越高,则CAT含量越高。丙二醛含量则是多数情况比对照升高,而某个种类变化不明显或稍有下降。可溶性蛋白含量是在低浓度O3污染时有所上升,而高浓度时则出现下降的情况。研究结果表明,在评价不同植物种类对污染物的抗性时,不能仅考虑某个生理指标的变化,还要综合考虑各个指标的状况。     

臭氧对农业生态系统影响的综合评估：以长江三角洲为例

如何评价和预测近地层臭氧(O3)浓度持续升高对作物的影响是污染生态学研究的热点之一.依据改进的开顶式气室(Open-top chamber,OTC)实验资料,建立了我国长江三角洲地区O3与3种典型农作物(水稻、冬小麦和油菜)的剂量-响应(Dose-response)函数,并对该地区2003年作物产量损失进行了综合估算.研究结果表明:1)水稻、冬小麦和油菜3种作物的O3临界水平值分别为7.434、2.280和7.328ppm·h,冬小麦最为敏感;2)O3污染已造成该地区较为严重的产量损失,2003年水稻、冬小麦和油菜分别减产3.04%、17.08%和5.92%,经济损失达到5.76、7.68和2.61亿元.长江三角洲地区高浓度O3污染必须引起足够的重视。     

我国近地层臭氧污染对水稻和冬小麦产量的影响概述

地表监测数据表明,我国近地层O3污染日趋严重,已对水稻和冬小麦的生长造成严重威胁。为评估O3污染对我国农业生产的风险,综合已有剂量反应实验结果,对我国南北五个地区(北京、定兴、江都、嘉兴、东莞)水稻和冬小麦的O3敏感性进行了比较分析。研究发现:(1)随着实验地区和实验品种的变化,两种作物的O3敏感性存在明显差异,其中,水稻对O3的敏感程度由北到南逐渐增加;(2)两种作物的产量均随O3剂量的增加而降低,且冬小麦的减产程度高于水稻;(3)基于FACE实验得到的作物O3敏感性高于基于OTC实验的研究结果。利用上述研究得到的O3剂量反应方程和O3浓度预测数据,对未来我国水稻和冬小麦的产量损失进行了评估。预计到2020年,我国五个主要作物产地水稻和冬小麦的产量损失范围分别为3.2~28.8%和7.8~36.9%。上述结果表明,O3污染已对我国主要粮食作物的生长造成巨大威胁,且作物品种间存在明显的O3抗性差异,有必要采取有效措施缓解O3浓度的上升,同时,需要利用更科学的实验方法进行O3抗性品种的选育,这对降低O3的农业风险具有重要意义。     

我校联合主办大气污染防治技术高端研讨会

2019年4月18-19日,由中国环境科学学会主办的第二十三届二氧化硫、氮氧化物和颗粒物污染防治技术研讨会在唐山市隆重召开。研讨会自1995年以来已举办23届,是我国大气污染治理领域最具学术影响力的盛会。我校绿色智慧环境学院、《三峡生态环境监测》编辑部承办了此次大会第10分会场,并与多位专家进行了深入交流,与多家智慧环保龙头企业达成校企合作意向。我校特聘教授、《三峡生态环境监测》主编王鼎益先生,《三峡生态环境监测》常务副主编王宝珍教授在研讨会中作了专题报告。     

天津市2018—2020年春节PM2.5中水溶性无机离子特征及重污染过程分析

为阐明大气污染重点整治和新冠疫情影响下我国华北地区城市春节期间重污染过程PM_2.5中水溶性无机离子变化特征及其影响因素,本研究结合气态前体物浓度和气象要素,对天津市2018—2020年连续3年春节假期的2次重污染过程PM_2.5中主要水溶性无机离子(WSIIs)浓度进行对比分析.结果表明,2018年和2020年春节假期PM_2.5平均浓度(98.32μg·m^-3和137.7μg·m^-3)显著高于2019年(49.97μg·m^-3).PM_2.5平均浓度在污染期Ⅱ(2020年为206.5μg·m^-3)是污染期Ⅰ(2018年98.32μg·m^-3)的2.1倍;2次污染事件中NO₂浓度变化不大,而SO₂浓度在污染期Ⅱ(14.89μg·m^-3)是污染期Ⅰ(30.04μg·m^-3)的49.6%.SNA在WSIIs中占比超...     

O3对水稻叶片氮代谢、脯氨酸和谷胱甘肽含量的影响

臭氧(O3)被认为是重要的气污染物之一,水稻又是主要的粮食作物,因而准确地评估O3浓度升高对水稻生长发育的影响具有十分重要的意义。采用开顶式气室法模拟研究了O3对水稻叶片可见伤害症状、氮代谢、脯氨酸和谷胱甘肽含量的影响。结果显示,O3污染胁迫会导致水稻叶片产生明显的伤害症状,具体表现为:老叶叶鞘褪绿,有褐斑,直至完全干枯;稻穗小且黄化,籽粒不饱满;水稻成熟期提前等。O3浓度升高对水稻叶片的硝酸还原酶活性有显著影响。当O3浓度为40、80和120nL.L-1时,水稻叶片硝酸还原酶活性与对照组相比均降低,其中,分蘖期分别降低了25.3%、67.4%和86.3%;拔节期分别降低了57.4%、75.7%和97.8%;抽穗期分别降低了91.0%、97.2%和99.3%;乳熟期分别降低了89.5%、89.5%和96.7%。水稻叶片铵态氮和硝态氮含量随着O3浓度的升高而显著地降低,例如当O3浓度为40、80和120nL.L-1时,与对照相比,水稻叶片硝态氮含量分别降低46.3%、52.7%和65.7%,铵态氮含量分别降低6.5%、12.9%和43.4%。O3污染胁迫下水稻叶片脯氨酸含量在不同生长期变化不同,分蘖期、拔节期和抽穗期脯氨酸含量在40nL.L-1浓度O3熏蒸下急剧地提高,但是随着O3浓度的增加,脯氨酸含量又不断地降低。在水稻乳熟期,脯氨酸含量均随着O3浓度的增加而显著地下降。O3污染胁迫导致水稻叶片还原型谷胱甘肽(GSH)含量显著低于对照组,而氧化型谷胱甘肽(GSSG)含量显著高于对照组。当O3浓度为40、80和120nL.L-1时,乳熟期水稻叶片GSH含量分别比对照组降低68.7%、80.2%和78.2%,GSSG含量分别比对照提高494.4%、527.2%和439.8%。研究表明,O3污染胁迫对水稻叶片氮代谢和抗氧化系统产生了极显著的影响。     

CO2浓度升高对半干旱区春小麦光合作用及水分生理生态特性的影响

大气CO₂浓度升高已成为世界范围内重要环境问题。为了解大气CO₂浓度升高对春小麦光合作用及水分生理生态特性的影响,在典型半干旱区定西利用开顶式气室(OTC)试验平台,以春小麦“定西24号”为供试品种,开展了CO₂浓度增加模拟试验。试验设对照(390μmol·mol^?1)、480μmol·mol^?1和570μmol·mol^?1等3个CO₂浓度(摩尔分数)梯度。结果表明:在对照和增加CO₂浓度条件下,春小麦叶片净光合速率和蒸腾速率日变化均呈“双峰型”分布,出现明显的“午休”现象;胞间CO₂浓度的日变化表现为斜“V”字型曲线;叶水势日变化呈现反抛物线曲线走向,在中午后出现水势曲线拐点。在不同生育时期内,净光合速率、气孔导度和胞间CO₂浓度均表现为开花期最大,乳熟期最小。而蒸腾速率表现为开花期最大,拔节期最小,叶片水平水分利用效率表现为孕穗期最大,乳熟期最小。随着CO₂浓度升高,春小麦叶片净光合速率、胞间CO₂浓度、水分利用效率和水势提高,气孔导度和蒸腾速率降低。与对照大气CO₂浓度相比,在480μmol·mol^?1浓度和570μmol·mol^?1浓度下,整个生育期净光合速率平均分别提高了14.68%和28.20%,气孔导度平均降低了15.29%和24.83%,胞间CO₂浓度平均提高了10.38%和26.15%,蒸腾速率平均减小了6.63%和12.41%,WUE平均增加了22.9%和46.9%。随着CO₂浓度升高,蒸腾失水减少,叶片水势不断增加,从而增强了春小麦对干旱胁迫的抵御能力。研究结果为我国半干旱区春小麦对全球气候变化下的敏感性及适应性提供理论参考。     

辽宁西南典型城市冬季大气细颗粒物水溶性无机离子污染特征及来源解析

本研究于2018年12月3日-2019年1月1日在辽宁省西南典型城市葫芦岛市和朝阳市分别布设3个城区采样点,在区域传输点龙屯水库布设1个采样点,采集大气细颗粒物PM2.5样品(n=201).使用离子色谱检测样品中的Na+、Mg2+、Ca2+、K+、NH4+、SO42-、F-、Cl-和NO3-的质量浓度.观测期间PM2....     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。     

城市森林大气PM2.5中水溶性无机离子沉降特征

森林被誉为"地球之肺",在防霾治污方面有其独特不可替代的作用,不同树种沉降PM_2.5的功能有很大差别.本文选取代表性城市森林——奥林匹克森林公园为研究对象,设置垂直监测塔观测大气PM_2.5的浓度垂直分布,以考察不同季节城市森林对PM_2.5中各组分的影响.在冬季、春季和夏季各采集PM_2.5样品,分析并计算PM_2.5中Na⁺、NH₄⁺、K⁺、Mg2⁺、Ca2⁺、Cl^-、NO₃^-和SO₄^2-等典型水溶性无机离子的浓度.结果表明,PM_2.5中水溶性无机离子总浓度呈规律性变化特征:冬季((56.90±27.38)μg·m-3)>春季((46.69±12.24)μg·m^-3)>夏季((23.16±8.75)μg·m^-3).其中SO₄^2-和NO₃^-浓度和占PM_2.5主要水溶性无机离子总浓度的50%以上.3个季节中,除冬季外,在春季和夏季,8种离子有明显的垂直方向上的沉降,夏季的沉降速率高于春季,但是春季由于大气颗粒物浓度高,沉降通量高于夏季.NO₃^-和SO₄^2-垂直方向的沉降量在所有可溶性无机离子中最高.植被密度、叶面积指数、气象条件等因素对于PM_2.5的沉降特征有明显影响.     

济南市PM2.5中二次组分的时空变化特征及其影响因素

为分析济南市PM_2.5中二次组分的时空变化和影响因素,对济南市春季(2019年5月16—25日)、秋季(2019年10月15—24日)和冬季(2019年12月17—2020年1月16日)4个典型点位的PM_2.5样品进行连续采样,并测定了PM_2.5中水溶性离子、有机碳(OC)和元素碳(EC)的含量。结果表明:物流交通区的二次组分质量浓度最高(56.13μg·m^?3),钢铁工业区的二次组分浓度比城市市区高,但是二次组分占比较城市市区低,清洁对照点的浓度和占比最低;济南市4个功能区SO₄^2?和NO₃^?转化率均高于0.1,除清洁对照点外,城市市区、钢铁工业区和物流交通区的SO₄^2?转化率明显高于NO₃^?转化率;济南市春季、秋季和冬季的ρ(NO₃^?)/ρ(SO₄^2?)分别为0.67、2.57和1.98,春季PM_2.5浓度以固定源贡献为主,秋季和冬季以移动源贡献为主;运用ISORROPIA热力学模型分析了含水量和pH对二次组分生成的影响,含水量会随着污染增大而增大,酸度和含水量对二次无机组分的转化机理产生影响,酸度会抑制二次无机组分的生成,而含水量会促进二次组分的生成;后向轨迹聚类分析结果表明,占比最高的轨迹(29.2%)来自东北方向的滨州和东营,基于潜在源贡献因子(WPSCF)和浓度权重轨迹(WCWT)分析PM_2.5中二次组分质量浓度的潜在污染源区域,SO₄^2?的主要贡献源区在济南市区北部的济阳区和东北方向的滨州、东营等,NO₃^?和NH₄⁺的主要贡献源区在济南市区北方向的济阳区、东北方向的章丘区和南方向的莱芜区等。该研究结果可为中国北方城市细颗粒物进一步的治理和防控提供数据支撑和理论依据。     

嘉善冬季PM2.5化学组分特征及来源分析

为研究嘉兴地区嘉善冬季污染时段和清洁时段PM_2.5化学组分特征,结合气象数据对2019年1月嘉兴市嘉善县善西超级站在线自动监测PM_2.5及化学组分数据、气态污染物(NO₂和SO₂)进行了分析.结果表明,2019年1月嘉善善西超级站污染时段PM_2.5浓度(97.18μg·m^-3)为清洁时段(36.77μg·m^-3)的2.6倍.污染时段水溶性离子浓度(41.58μg·m^-3)较清洁时段(19.82μg·m^-3)高21.76μg·m^-3,但占比有所降低,含碳组分比例增加.OC;EC比值为3.93,可能受到燃煤及机动车排放的共同影响.低风速及高湿有利于NO₂和SO₂等气态污染物进行二次转化,污染时段硫转化率和氮转化率均比清洁时段高,分别增高7.93%和54.11%,说明NOx向硝酸盐二次转化较为明显,导致颗粒物浓度升高.聚类分析结果显示67.34%气流来自北方,且相应的气流轨迹上污染物浓度比周边高,说明污染物存在一定的长距离输送.结合风玫瑰图可以看出,污染主要为本地及其周边的输送,污染物的长距离输送在短时会使污染浓度突增.因此,在重点关注本地及周边污染的同时,偏北气流下的污染物区域输送不可忽视.     

乌鲁木齐市米东区大气降水的化学特征及来源分析

为研究乌鲁木齐市米东区大气降水中的化学组分特征及来源,对2017-2019年降水中主要离子浓度及来源进行了分析.研究结果显示,米东区2017-2019年降水的雨量加权pH年均值为7.95,雨量加权平均电导率年均值为16.15 mS·m-1,雨量加权平均总离子浓度为72.75-95.89 μeq·L-1,年均浓度为81....     

中国典型沿海城市冬季PM2.5中碳组分的污染特征及来源解析

为研究中国典型沿海城市冬季PM_2.5中碳组分的污染特征及来源,于2018年12月5日—2019年1月30日分别在天津(TJ)、上海(SH)和青岛(QD)同步采集PM_2.5样品。结果表明,天津、上海和青岛PM_2.5的平均浓度分别为(116.96±66.93)、(31.21±25.62)、(74.93±54.60)μg·m^-3,OC和EC的空间分布均为天津(18.69±7.95)μg·m^-3和(4.98±2.08)μg·m^-3>青岛(16.45±8.94)μg·m^-3和(2.01±1.04)μg·m^-3>上海(7.28±3.11)μg·m^-3和(1.05±1.25)μg·m^-3。3个站点的OC和EC均呈现较好的相关性,表明OC和EC具有相似的来源;OC/EC比值范围在2.37—7.53、5.47—46.41和4.77—13.36之间,证明各采样点均存在二次有机碳(SOC)的生成;采用最小R²法(MRS)估算SOC浓度,得到3个采样点SOC的平均质量浓度为(5.09±4.68)、(3.90±1.65)、(4.21±4.31)μg·m^-3,分别占OC总量的27.2%、55.8%和19.5%,其中上海的SOC在OC中的占比最大,说明上海二次有机碳污染较为严重,这主要归因于冬季严重污染源排放和有利的二次转化气象条件,而天津和青岛的碳组分主要来自污染源的直接排放。主成分分析(PCA)结果发现,天津PM_2.5中碳组分主要来源于道路尘、生物质燃烧和机动车尾气,上海PM_2.5中碳组分主要来源于生物质燃烧、道路扬尘和机动车尾气。青岛PM_2.5中碳组分主要来源于道路扬尘、机动车尾气。后向轨迹聚类分析表明,来自西北方向的气团对天津的影响较大,PM_2.5和碳组分的浓度值最大;而对上海而言,主要受北方气溶胶经过海面又传输回上海的气团的影响;青岛站点主要受华北地区污染物和本地排放源的影响。     

生物炭对土壤中阿特拉津吸附特征的影响

为探究生物炭对土壤中阿特拉津的吸附特征及影响因素,采用批处理实验研究了灭菌(T1)、5%秸秆生物炭+灭菌(T2)、未灭菌(T3)和5%秸秆生物炭+未灭菌(T4)条件下对土壤中阿特拉津吸附特征及土壤理化性质的影响.结果表明,在最初0—12 h内,不同处理下阿特拉津吸附量均随时间的延长而快速增加,而在12—96 h内增加较为缓慢并逐渐趋于平衡.在96 h时,T2和T4处理下阿特拉津最大吸附量分别达到46.22 mg·kg^-1和46.43 mg·kg^-1,而未添加生物炭的T1和T3处理则有所降低,分别为44.20 mg·kg^-1和43.09 mg·kg^-1.准二级动力学模型更好地拟合不同处理下土壤对阿特拉津吸附特征,T2和T4处理下吸附速率常数K分别为0.257 kg·mg^-1·h^-1和0.339 kg·mg^-1·h^-1,显著高于未添加生物炭处理的T1和T3处理(K分别为-0.083 kg·mg^-1·h^-1和-0.261 kg·mg^-1·h^-1).内扩散模型显示添加生物炭后,土壤对阿特拉津的吸附是一个由边界扩散、内部孔隙扩散等多因素控制的复杂化学过程.添加生物炭可显著提高土壤pH、有机碳、碱解氮、速效磷和速效钾含量,其中土壤有机碳含量与阿特拉津最大吸附量之间存在显著的正相关关系(P<0.05).由此可见,添加生物炭可以提高土壤对阿特拉津的固持能力,减少其淋溶迁移风险,从而达到修复阿特拉津污染土壤的目的.     

Ozone kinetics of dimethyl sulfide in the presence of water vapor

The outdoor smog chamber was used to thorough investigate the rate constants of gas-phase reaction between dimethyl sulfide （DMS） and ozone （O3） under conditions of relative humidity 55.0%-67.8% at （296±2）K for the first time. The rate constants were measured, at a total pressure of 1 atm, to be （10.4±0.2） × 10^-19 cm^3·molecule^-1·s^-1 at relative humidity of 67.5%±0.3% at 298K, （10.1±0.1） × 10^-19cm^3·molecule^-1·s^-1 at relative humidity of 66.5%±0.5% at 296K, （7.75±0.39） × 10^-19cm^3·molecule^-1·s^-1 at relative humidity of 64.8%± 0.1% at 294K and （3.42±0.21） × 10^-19cm^3·molecu- le^-1·s^-1at relative humidity of 55.8%±0.8% at 295K. Base on these results, it is possible to see the reaction of O3/ DMS in the presence of water vapor as an important sink for DMS in the earth atmosphere.