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.     

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.     

基于野外原位抽注试验和同位素技术的含水层反硝化速率研究

反硝化作用是地下水硝酸盐污染去除最重要的过程.由于水文地质条件和水文地球化学环境的复杂性和不确定性,精准测定含水层反硝化速率是反硝化过程的研究难点.选取潮白河冲洪积扇中部中国环境科学研究院地下水创新野外基地作为研究区,基于野外原位试验和15N同位素示踪法提出一种含水层反硝化速率的测定方法.该方法综合体现了研究区实际水文地质条件和水文地球化学环境对反硝化作用的影响,并充分考虑了硝酸盐在含水层中稀释弥散作用对计算结果的影响.结果表明:①潮白河冲洪积扇中部某地地下26~28 m处于还原环境,含水介质以粉细砂为主,ρ（NO₃-N）平均值为2.77 mg/L.②地下26~28 m反硝化速率在349.52~562.99 μg/（kg·d）（以N计,下同）之间,平均值为450.31 μg/（kg·d）.通过与研究区含水介质、采样深度和硝酸盐背景值相似的国内外案例对比研究,初步评估结果处于合理区间.③测试结果具有一定不确定性,主要来自忽略中间产物NO₂-和NO的计算方法、扰动采样方法、N₂O的操作规范程度及采样频率等方面.研究方法为测定含水层硝酸盐速率研究提供了新的思路,研究结果可为地下水中硝酸盐转化过程机理研究、地下水硝酸盐污染修复及风险管控提供关键的理论支撑数据.      

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.     

北山地区大气降水中水化学及稳定同位素特征

为揭示甘肃北山地区大气降水的水化学及同位素特征,利用2012~2019年度采集的97件大气降水样品,采用相关性分析,富集因子,气团后向轨迹分析等多种方法对北山地区稳定同位素变化特征及其影响因素,降水中主要离子变化特征,不同离子来源及贡献,水汽来源进行了分析.结果表明,北山地区区域降水线的斜率与截距均高于张掖地区大气降水线;该区降水中稳定同位素比率明显受季节性,温度和高程效应的影响,在年尺度下,降雨量效应不明显;该区降水中氘盈余变化较大,雨季降水中氘盈余显著小于旱季降水中氘盈余值;北山地区大气降水的水化学型主要为HCO₃·SO₄-Ca和HCO₃-Ca型,降水中离子浓度具有明显的季节性变化,降雨量的增加对离子浓度具有一定的稀释作用;Na⁺受海源和陆源物质的双重影响;绝大部分的Ca²⁺,K⁺,HCO₃^-和部分Mg²⁺来源于陆源,SO₄^2-与NO₃^-的主要来自于人类活动输入;区内冬夏季水汽来源基本一致,来源于西北方向的季风源是北山地区最主要的水汽来源.研究成果可为我国高放废物地质处置库选址和性能评价以及未来地下处置库建设提供依据,也有助于丰富西北干旱区的水文循环过程研究.     

水体及沉积物氮磷水平对附植藻类的影响

为了探讨湖泊富营养化过程中沉积物及水体氮、磷浓度对附植藻类的影响,通过室内模拟实验,研究了水体及沉积物氮、磷升高对苦草(Vallisnerianatans(Lour.) Hara)上附植藻类生长、群落组成及其体内氮、磷含量的影响.结果表明,在实验条件下,随着水中氮、磷含量升高,附植藻类生物量及附植藻类氮、磷含量均呈极显著增加(p0.01).随着水体可获得的氮、磷浓度升高,附植藻类的相对丰度有所变化,舟形藻(Navicula)、小球藻(Chlorella)及微囊藻(Microcystis)相对丰度随着氮、磷水平的升高而下降,直链藻(Melosira)则相反,但舟形藻、直链藻、微囊藻、小环藻(Cyclotella)和小球藻均为群落的优势属种.沉积物氮、磷含量升高对附植藻类生物量、优势种丰度及群落氮、磷含量影响较小,均未达到显著水平(p0.05).在实验条件下,沉积物氮、磷含量对附植藻类影响不大,而水体氮、磷浓度升高显著地促进了附植藻类生长.研究结果也为解释富营养化湖泊沉水植物衰退及消亡提供了一定的科学依据.     

牛粪-化肥配施对水稻田氮磷迁移转化的影响

在控制外源N输入量相同的前提下,通过田间小区实验,探讨有机肥与化肥不同施用量（牛粪施用量：5,10,20t/hm²）对稻田田间土-水界面氮磷迁移转化特征的影响.结果表明：控制稻田水中NH₄⁺-N、NO₃^--N、TN和TP输出的最佳时期分别为施肥后的第5,30,7,20d,且TN和TP浓度随时间变化符合单指数衰减方程（0.7444≤R²≤0.9724;1.1×10^-6≤F≤0.0055）.采用牛粪部分代替化肥的施肥方式,在一定范围内能降低稻田退水中TN、TP输出负荷（41.8%、36.0%、64.3%;20.3%、39.1%、48.9%）,还可以降低稻田水中N/P,降低水体富营养化风险.同时,牛粪的施用可提高土壤中脲酶和磷酸酶的含量,促进氮磷向植物可吸收形态转化.综合经济成本和生态效益核算,采用10t有机肥代替无机肥的处理是相对经济环保的施肥方法,该施肥方式下,氮磷年输出负荷分别为17.70,1.26kg/hm².     

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.