利用微脉冲激光雷达分析上海地区一次灰霾过程

通过分析2008年6月至2009年5月期间浦东新区灰霾天气出现的特征,并以2008年12月19日至2008年12月21日一次典型的灰霾天气过程为例,利用激光雷达(Light laser detection and ranging,简称Lidar)数据资料反演得到气溶胶消光系数及其强度图和廓线图,结合地面气象数据和气溶胶观测资料,分析了此次灰霾天气形成的原因.一年的观测资料表明,上海地区冬季和春季易产生灰霾天气,冬季出现重度霾最多,秋季和夏季灰霾天气较少.较弱的太阳辐射以及静风、小风是导致灰霾天气发生的重要原因,且高湿度的霾天气对能见度影响更大.大气边界层(以下简称边界层)高度变化决定着灰霾天气发生的强度,当边界层高度在1km左右时,易发生轻微霾天气,当边界层高度降至600m左右时,易发生中度、重度霾天气,而太阳辐射强度变化决定着边界层高度的变化.轻微霾天气下,大气气溶胶垂直分布最强消光值约为0.15km-1,而重霾天气下可达0.30km-1以上.本次霾过程还受地面颗粒物排放的影响,主要是PM1和PM2.5,且在消光作用中散射性气溶胶的贡献大于吸收性气溶胶.轻微霾天气下PM2.5浓度为50μg·m-3,黑碳浓度为5000ng·m-3,浊度为200Mm-1,而重度霾时则分别达到200μg·m-3、24000ng·m-3和1400Mm-1.随着此次霾的出现,整层大气气溶胶光学厚度(AOD,550nm)不断增加,在重度霾时达到0.6左右,Angstrom指数在重度霾时显著降低,表明有大颗粒物导入,说明此次重度霾天气的发生还与气溶胶的输送有关.     

锡林河流域典型草原碳素生物小循环研究

应用生物地球化学分室方法研究了内蒙古锡林河流域2个典型草原群落——羊草草原和大针茅草原的碳素生物小循环,研究表明:①生长季禁牧的羊草草原植物分室碳素净固定量为165.50 gC.m-2,土壤分室碳素净排放量为174.36 gC.m-2,系统碳素净固定量为-8.86 gC.m-2,基本处于平衡状态,植物分室的碳输入和碳输出也近于平衡状态;②生长季禁牧的大针茅草原植物分室碳素固定量为130.04 gC.m-2,土壤分室碳素净排放量为128.28 gC.m-2,系统碳素净固定量为1.76 gC.m-2,基本处于平衡状态,植物分室的碳输入和碳输出在降水量大的年份以输入为主,在降水量小的年份近于平衡状态;③水热等生境条件较适宜的羊草草原碳素周转量比大针茅草原要大得多,水分是典型草原碳素循环量的主要影响因素。     

上海市大气颗粒物中水溶性离子的粒径分布特征

分析了上海市嘉定区不同粒径的大气颗粒物中9种水溶性离子(SO42-、NO3-、NH4+、K+、Na+、Cl-、Ca2+、Mg2+、F-)的分布特征.结果显示,SO42-、NO3-和NH4+含量很高,占9种离子总和的65%～81%.颗粒物的C/A值平均为1.08,说明颗粒物呈中性,略偏碱,这可能与缺少碳酸根等的测定有关.1.5μm颗粒物中的离子占所有粒径段离子的52%～87%,表明离子主要集中在细颗粒物中.NH4+、K+呈单峰分布,峰值出现在0.95μm的颗粒段;SO42-、NO3-、Ca2+、Cl-呈双峰分布,峰值分别出现在0.95μm和3.0～7.2μm的粒径段,其中SO42-、NO3-的较高峰出现在0.95μm的细颗粒段,Ca2+的较高峰出现在3.0μm的颗粒段,Cl-则两峰高度相当;既有双峰分布又有单峰分布的离子是Na+、Mg2+和F-,3种离子的较高峰出现在3.0μm的颗粒段.离子粒径分布与采样期间的气象条件、离子的形成机制和来源有关.     

生物接触氧化+植物一体化装置处理小城镇污水试验研究

利用“生物接触氧化+植物”一体化装置处理城镇污水,试验最终选用悬浮多面球作填料,采用射流曝气,控制进水流量为0.45 m3/h,进水浓度为COD 63～467 mg/L、NH3-N 11.21～52.7 mg/L、TN 28.6 ～63.5mg/L和TP １.1～6.42 mg/L时,COD、NH3-N、TN和TP的去除率分别达到88％、86％、70％、60％以上,出水COD≤30 mg/L,NH3-N≤5 mg/L、TN≤13 mg/L、TP≤0.5 mg/L.水质优于《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级A标准,具有较好的工程应用前景.     

滹沱河冲洪积扇地下水中挥发性有机物的分布特征与健康风险

为研究滹沱河冲洪积扇地下水中VOCs(volatile organic compounds,挥发性有机物)的污染现状,于2014年9月在滹沱河冲洪积扇地区采集44个地下水样品,采用吹扫捕集-气相色谱-质谱法分析了25种VOCs的质量浓度,并对其分布特征和健康风险进行了讨论. 结果表明,研究区44个采样点均有VOCs检出,其中氯仿、二氯甲烷检出率为100%. 检出的VOCs中,ρ(氯仿)平均值最高,范围为15.4~52 195.9 ng/L;其次为ρ(四氯化碳)(nd~17 145.8 ng/L). VOCs的分布与工业布局密切相关,受制药企业排污影响,ρ(氯仿)、ρ(苯乙烯)、ρ(苯)、ρ(甲苯)、ρ(乙苯)、ρ(二甲苯)等均在G2-1采样点最高;而在石家庄石化炼制产业密集区域,地下水中检出的VOCs种类、检出频次及含量均较高. 研究显示,研究区地下水VOCs的非致癌风险指数介于1.8×10-5~4.7×10-2之间,均远小于1;G2-22采样点地下水VOCs的致癌风险指数最高,为1.1×10-5,处于可接受水平,但四氯化碳的污染现状值得关注.      

上、下悬窗阻风能力对比研究

环境风会改变排烟窗附近的烟气流向和速度,影响建筑内烟气流动,进而导致建筑自然排烟效率受到影响。采用数值模拟方法,对比研究了排烟窗开启角度和环境风对上、下悬窗阻风能力的影响,分析了不同开窗角度下,悬窗进风量和进风区域随开窗角度和风速的变化规律。结果表明:上、下悬窗相对进风量与开窗角度均成指数关系,但上悬窗阻风能力弱于下悬窗,上悬窗开窗角度大于45°后即失去阻风能力,而下悬窗开窗角度大于75°后才逐渐失去阻风能力,且开窗角度小于30°时,下悬窗至少能比上悬窗多减少50%空气进入室内。上悬窗开窗角度小于56°时,主要进风区域为近窗下侧水平区域;下悬窗开窗角度小于30°时,主要进风区域为窗体两侧及远窗下侧竖直区域,随着开窗角度增大,上、下悬窗主要进风区域均过渡到远窗下侧竖直区域。窗体用于日常通风时建议优选上悬窗。若要用于排烟,则应首选下悬窗,开窗角度15°即可满足阻风要求,若选用上悬窗,开窗角度不宜大于45°。     

高级氧化联合生物活性炭工艺深度净化污水中PPCPs研究进展

污水处理厂传统的二级生化处理对药品及个人护理用品(Pharmaceutical and Personal Care Products, PPCPs)等新兴污染物的去除率较低, PPCPs随出水排放会给生态环境带来较大的风险,并会经过生物富集最终危害到人体健康,因此需要通过进一步的深度净化以削减其风险.本文综述了常见PPCPs在污水处理系统的分布特征及生态风险,阐述了高级氧化工艺(Advanced oxidation processes, AOPs)、生物活性炭工艺(Biological activated carbon, BAC)以及高级氧化联合生物活性炭工艺(AOPs-BAC)深度净化PPCPs的净化原理,在此基础上,综述了AOPs-BAC工艺对污水中PPCPs的深度净化效果及主要影响因素,并探讨了AOPs-BAC工艺对污水中PPCPs的风险削减能力,为污水中PPCPs深度净化工艺的研发及PPCPs的生态风险控制提供了参考.     

夏季渭河西安段溶解性有机质(DOM)的特征、分布及来源分析

通过紫外吸收光谱,三维荧光光谱结合平行因子分析(EEMs-PARAFAC)方法及主成分分析(PCA),研究了夏季渭河西安段水体中的溶解性有机质(DOM)的组成、来源,及其与水质指标的相关性.在研究区域共检出2种类别5个不同的DOM组分,分别为类腐殖质荧光组分C1、C2、C3、C5和1个类蛋白类荧光组分C4,5个组分具有同源性.对比分析光谱斜率S、SUVA₂₅₄、α355和DOC浓度,上游(S1—S5)和下游(S13—S17)各组分分子量和腐殖化程度接近但来源有所差异,中游(S6—S12、S18—S19)分子量和腐殖化程度最低;研究区域DOM和CDOM浓度值变化基本保持一致.通过三维光谱参数和主成分分析进行DOM源解析,内源贡献率为72.36%,外源贡献率为12.45%,累计方差贡献率为84.81%;污废水排放是组分C1、C4的主要来源,C2、C3、C5则来源于城市景观水体和湿地公园中微生物和浮游动植物的活动产生,TN与外源具有较好的相关性而TP与内源相关性较高.水质指标DO、DOC、COD、TN、TP与DOM组分有较强的相关性.在此基础上建立了多元线性回归方程,一定程度上能够利用荧光组分组成和特征反映渭河夏季的水质状况.     

基于能位测定和示踪检测法的地下煤火漏风状态研究

应用能位测定法和示踪检测技术联合检测了鸡西老二井火区地下漏风状态。通过测试计算相对总压值得出了火区范围内井巷系统与采空区的风流关系,进而定性确定了火区内老二井与胜利井之间存在的可能漏风路径。在此基础上,利用瞬时释放示踪气体法确定了胜利井和老二井间的漏风方向和漏风速度,计算得出了火区下采空区内平均直线漏风风速为0.13m/s,漏风量为776m3/min。研究结果为矿区采取针对性的防灭火措施提供依据,并为同类问题的解决提供参考。     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。