The Impact of Agriculture On Dissolved Nitrogen and Phosphorus Cycling in Temperate Ecosystems

Although most research has focussed on inorganic nutrient forms of nitrate (NO^-₃) and phosphorus (PO³₄) in runoff and receiving waters, nitrogen loss from agricultural land can also occur in organic and ammonium-nitrogen form; phosphorus losses, although often dominated by particulate transport, may occur in soluble organic and inorganic form. Furthermore, fluxes between different species may take place during transport from the land to the stream and as a result of in-stream, in-river or in-lake transformations. Knowledge of the spatial and temporal variation in all nitrogen species and phosphorus fractions in a drainage basin is therefore essential if the wider environmental significance of elevated nutrient concentrations in natural waters are to be assessed. This paper reviews recent work on N and P losses from agricultural land and presents some results from two intensive agricultural catchments: Slapton, Devon and the river Windrush catchment in the Cotswolds.     

基于LOADEST和数字滤波的水源地基流氮素输出定量方法应用实例

地表直接径流和基流均是流域非点源氮/磷养分输出的重要水文途径.科学认识和定量模拟基流氮/磷养分输出对于准确解析水源地水体非点源污染来源至关重要.基于Load Estimator模型和数字滤波算法,建立了定量水源地基流氮素输出的方法体系.以浙江省珊溪水源地的玉泉溪流域为例,利用玉泉溪2010-01—2013-12期间逐月总氮(TN)水质监测数据和逐日流量数据,展示了该方法的计算过程.结果表明,本文建立的水源地基流氮素输出定量方法结果合理,模拟精度高,决定系数和纳什系数分别为0.83和0.80;玉泉溪流域2010—2013年TN负荷量为141.21～274.68 t·a~(-1),平均208.63 t·a~(-1),年基流TN负荷量为84.39～168.68 t·a~(-1),平均127.69 t·a~(-1);基流对玉泉溪年均TN负荷量贡献率高达60%以上,流域基流养分输出对地表水体的污染应引起足够重视.     

基于稳定氢同位素的太原市大气单环芳烃来源

采集太原市城北和城南区域环境空气和5类污染源挥发性有机物样品,测定样品中典型单环芳烃稳定氢同位素（δD）组成,基于同位素质量平衡原理计算单环芳烃从源到环境空气受体的δD初始混合值,探讨单环芳烃来源.结果表明,柴油挥发源、溶剂挥发源、汽油挥发源（97^#）、汽油挥发源（95^#）、机动车尾气（97^#）、机动车尾气（95^#）和民用燃煤源中单环芳烃δD范围依次为：（-138.7‰~-115.5‰）、（-147.0‰~-121.0‰）、（-150.8‰~-117.6‰）、（-131.8‰~-113.8‰）、（-171.2‰~-120.0‰）、（-138.9‰~-102.7‰）和（-168.3‰~-142.3‰）,民用燃煤源中单环芳烃δD显著贫重氢同位素（D）组成,机动车尾气源与汽油挥发源中苯的δD相比显著贫D,可用于探索污染物转化过程;城北和城南环境空气中δD范围为（-131.7‰~-115.1‰）和（-131.9‰~-74.9‰）,δD初始混合值为-138.4‰和-173.9‰,体现了其来源差异.     

金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

离子液体吸收废印刷线路板热拆解过程中挥发性有机物——基于COSMO-RS模型

模拟废印刷线路板（WPCB）的热拆解过程,分析热拆解过程中的挥发性有机物（VOCs）组分;利用真实溶剂似导体屏蔽（COSMO-RS）模型对浓度较高的污染物进行量子力学模拟,研究离子液体（ILs）组成单元对目标污染物溶解度的影响差异,分析溶解过程中主导分子间作用力类型,确定优选吸收剂;测定不同溶剂进行溶解性,验证模型适用性.结果表明：①乙酸乙酯和环戊酮是浓度较高的VOCs组分,在240和250℃时浓度分别为43.1,153mg/m³和105,252mg/m³,质量百分比总和分别为76.3%和67.3%.②高表面屏蔽电荷密度分布峰、长烷基链阴阳离子和亲电基团的存在可提高乙酸乙酯和环戊酮在ILs中的溶解度.双三氟甲磺酰基亚胺盐（NTf₂^-）类ILs是一类优良吸收剂.静电力和范德华力对溶解过程起主导作用.③COSMO-RS模型可定性和半定量用于预测乙酸乙酯和环戊酮的溶解度.     

Preparation of hydrophobic hierarchical pore carbon–silica composite and its adsorption performance toward volatile organic compounds

Carbon–silica materials with hierarchical pores consisting of micropores and mesopores were prepared by introducing nanocarbon microspheres derived from biomass sugar into silica gel channels in a hydrothermal environment.The physicochemical properties of the materials were characterized by nitrogen physical adsorption(BET),scanning electron microscopy(SEM),and thermogravimetric(TG),and the adsorption properties of various organic waste gases were investigated.The results showed that microporous carbon materials were introduced successfully into the silica gel channels,thus showing the high adsorption capacity of activated carbon in high humidity organic waste gas,and the high stability and mechanical strength of the silica gel.The dynamic adsorption behavior confirmed that the carbon–silica material had excellent adsorption capacity for different volatile organic compounds(VOCs).Furthermore,the carbon–silica material exhibited excellent desorption characteristics:adsorbed toluene was completely desorbed at 150℃,thereby showing superior regeneration characteristics.Both features were attributed to the formation of hierarchical pores.     

雨水管道沉积物中典型无机氮的干期粒径分布

以南京江北新区分流制雨水管道沉积物为研究对象,考察不同粒径沉积物中铵态氮（NH₃-N）和硝态氮（NO₃^--N）干期分布特征,分析其随干期长度的变化关系,并探讨沉积物理化性质及微生物菌群结构对NH₃-N和NO₃^--N干期分布的影响.结果表明：粒径≤0.075mm的沉积物中NH₃-N占比最高（交通区30.8%,商业区36.7%）;交通区粒径≤0.075mm的沉积物中NO₃^--N占比最高（33.0%）,而商业区粒径0.075~0.15mm沉积物中NO₃^--N占比最高（34.4%）;干期长度与交通区0.075~0.15mm粒径段的沉积物中NO₃^--N含量及商业区粒径≥0.3mm的沉积物中NH₃-N含量之间的相关性均最显著;雨水管道沉积物中NH₃-N和NO₃^--N的干期分布与O-H和N-H等官能团、表面极性和亲水性、微观形貌等有一定关联;交通区雨水管道沉积物中Gemmobacter等反硝化优势菌种（相对丰度总和为20.15%）对NO₃^--N干期分布影响更显著.     

杭州湾北岸36种挥发性有机物污染特征及来源解析

为研究杭州湾北岸VOCs（挥发性有机物）的浓度水平、组成特征、反应活性和潜在来源,采用GC-FID在线监测系统对杭州湾北岸环境大气中的36种VOCs开展了为期1 a（2017年12月-2018年11月）的连续观测,采用LOH（VOCs的·OH消耗速率）和OFP（O₃生成潜势）2种方法估算了大气VOCs的反应活性,并利用PMF（正定矩阵因子分解）和CPF（条件概率函数）模型分析其来源.结果表明:①φ（VOCs）小时平均值在冬季（26.47×10-9）最高,夏季（9.76×10-9）最低;全年φ（VOCs）小时平均值为21.24×10-9,其中烷烃、烯烃+炔烃、芳香烃、卤代烃的贡献率分别为33.24%、34.13%、15.63%、17.00%;φ（烷烃）、φ（芳香烃）和φ（卤代烃）呈较明显的昼夜变化特征,φ（烯烃）和φ（炔烃）无明显昼夜变化趋势.②大气VOCs的总LOH和OFP分别为9.39 s-1和220.57 μg/m3,KOH（·OH反应速率常数）和MIR（最大增量反应活性）系数的平均值分别为17.34×10-12 cm3/（molecule·s）和3.31;KOH和MIR系数的平均值分别与间/对-二甲苯的KOH和乙苯的MIR系数接近,表明大气VOCs的化学反应活性较强;VOCs关键活性物种为异戊二烯、乙烯、丙烯、甲苯、二甲苯和顺-2-丁烯.③特征物种相关性分析表明,杭州湾北岸大气存在老化现象,异戊烷和正戊烷受煤燃烧源影响较大,二甲苯和乙苯受溶剂排放源影响较大,甲苯和苯除受机动车尾气影响外,还受其他排放源影响.④PMF和CPF模型来源分析表明,大气VOCs主要来自石化工业源、燃料挥发源、生物质燃烧和煤燃烧源、机动车排放源和溶剂使用源,其中,机动车排放源主要来自西北方向,其他源主要来自西北、西和西南方向.研究显示,杭州湾北岸大气VOCs来源复杂,受周边工业区的影响较大.      

铁基质强化新型功能性化粪池高效处理黑水的试验

以铁基质生物载体为核心,将物理、生物和化学方法结合,对化粪池进行功能强化,实现黑水的原位深度处理.探究了溶解氧（DO）和碳氮比（C/N）等因素对黑水中污染物降解的影响,并在最佳运行参数下考察了氮素在系统中的转化机制.结果表明,当C/N为7.3~8.4时,好氧生物铁基质载体池DO为2.3~2.7mg/L时,系统氨氮（NH₄⁺-N）、总氮（TN） 、COD和总磷（TP）的平均去除率分别可达90.74%、85.81%、92.65%和95.78%;当进水C/N降至3.3~4.2时,系统NH₄⁺-N、TN、COD和TP的平均去除率仍可维持在81.16%、76.62%、93.87%和94.75%.铁基质生物载体内电解作用显著强化了化粪池内TN的脱除、COD的氧化和TP的固定.氮素转化机制分析表明,内电解与反硝化菌的耦合强化了反硝化作用,降低了反硝化过程对有机碳源的需求,强化了低C/N条件下TN、TP的脱除.     

短期干旱胁迫对马尾松排放挥发性有机物的影响

为探究干旱环境对BVOCs排放的影响,应用动态封闭式采样系统和热脱附-气相色谱-飞行质谱仪,对短期干旱胁迫作用下马尾松的BVOCs排放进行了实验室测量,定量分析BVOCs排放速率和排放组成的变化.结果表明,干旱胁迫时异戊二烯的排放受到抑制,排放速率降低约50%;单萜烯和倍半萜烯的排放水平增强,排放速率分别为137.85和0.98μg/（m²·h）,是未受胁迫时的2.9和2.0倍.除反式-α-香柠檬烯外,干旱胁迫促进各单萜烯和倍半萜烯化合物的排放,是未受胁迫时的1.3~42.4倍,其中3-蒈烯排放的响应最敏感,α-葑烯、α-水芹烯和石竹烯的响应最弱.干旱胁迫时单萜烯和倍半萜烯的排放组成有所变化,但主导的化合物种类不变,单萜烯以α-蒎烯、香桧烯和β-蒎烯为主,占比分别为48%、17%和17%;倍半萜烯以石竹烯和长叶烯为主,占比分别为57%和34%.