上海市土壤氟含量风险管控限值探讨

受工业活动影响,上海市典型工业区表层土壤氟中位值普遍高于"七五"背景值。针对工业企业场地土壤氟化物高值现象,目前仍缺乏相关的管理标准体系,且基于总量的评估分析方法已无法满足日益增长的精细化管理需求。详细梳理了国内外氟化物相关标准体系,并对上海市土壤氟限值进行了探讨。基于上海市典型工业场地特征参数计算得到的土壤氟化物筛选值高于上海市土壤"七五"背景值,与上海市工业场地调查得到的土壤氟化物高值基本持平;第一类、第二类用地的氟化物筛选建议值分别为1 980、10 000 mg/kg。与氟化物相比,水溶态氟化物是影响作物体内氟含量的重要因素,且在淋溶等作用下会对地下水安全构成威胁。考虑到水溶态氟化物的环境行为与风险,建议针对农田土壤开展水溶性氟化物含量限值研究。     

计及多类约束的安控系统在线校核技术

通过对安控装置运行状态进行实时监视与识别,准确获取安控系统运行状态,对分散的安控系统策略进行结构化统一建模,实现了安控当值策略的快速识别,为离线策略在线校核提供基础数据,并进行了安控系统的静态安全、暂态安全和动态稳定的全面校核。研究结果表明一种计及多类安全稳定约束的安控系统在线校核技术对防止安控系统离线策略控制量不足或者不匹配等情况有很好的指导意义。     

基于GC-QTOF/MS的大气中有机污染物的非靶标筛查及半定量分析

本文借助气相色谱-四极杆飞行时间质谱仪(GC-QTOF/MS)开展了大气中有机污染物的非靶标筛查,并对识别出的特征污染物进行半定量分析.基于高分辨质谱数据库和NIST质谱数据库的匹配,样品中共识别出139种污染物,主要以多环芳烃(PAHs)及其衍生物、邻苯二甲酸酯(PAEs)为主;除此之外,还识别出多种尚未受到监管的杂环类化合物,例如苯并噻唑、四甲基哌啶酮、1-甲基-2吡咯烷酮、氧杂蒽等.识别出的有机污染物半定量浓度为288 ng·m-3,其中大气常规监测的16种PAHs的浓度是18.1 ng·m-3,仅占总浓度的6.28％.PAEs的浓度为44.6 ng·m-3,邻苯二甲酸二丁酯(DBP)的浓度最高(14.8 ng·m-3).以含氮、氧、硫为主的杂环化合物浓度是47.9 ng·m-3,其中苯并噻唑浓度最高,为9.51 ng·m-3;其次是1-甲基-2吡咯烷酮、四甲基哌啶酮、尼古丁和二苯并呋喃,浓度分别为9.22、8.78、5.11、4.15 ng·m-3.本研究展示了高分辨质谱技术在未知物识别中的优势,并对识别出的特征污染物进行了半定量分析,其结果能够为后期污染物的风险评估提供借鉴意义.     

环流型对武汉市臭氧污染浓度的影响分析

本文统计了武汉市臭氧污染超标日和清除日的环流类型,并对超标日环流型对应的气象要素进行了对比分析,揭示了环流型对臭氧浓度的影响.结果表明：①按照高空环流分类,武汉市臭氧超标环流型主要有：槽后西北气流型（占比最高,29%）、西太平洋副热带高压型、脊型、平直西风气流型、大陆高压型;臭氧清除环流型主要有：槽前西南气流型（占比最高,44%）、平直西风气流型、登陆台风型.②超标环流型的相同天气特征为：基本无降水发生,白天晴到多云,地面风速小,日最高气温≥27 ℃,日最低湿度≤65%;清除环流型的天气特征为：云量多,有降水,地面平均风速2.0~3.5 m·s^-1.③对5种超标环流型进行对比发现：大陆高压型高温（34 ℃）、低湿、少云,最有利于光化学反应,臭氧浓度最高;平直西风气流型低温、多云,地面西北风为主,最有利于污染输入,臭氧浓度次高;西太平洋副热带高压型气温最高（35 ℃）,但湿度最大、云量最多,槽后型和脊型低温、低湿、少云,这3种环流型臭氧浓度一般.     

基于涡度相关技术的农田生态系统碳收支评估

以涡度相关技术为主要观测手段,连续观测冬小麦和水稻生态系统主要生长季净生态系统CO₂交换（NEE）的变化规律,评估两种农田生态系统CO₂的源/汇功能.结果表明,整个观测期间,两种作物生态系统CO₂浓度的日变化曲线呈现白天低、晚上高的"一峰一谷"型,冬小麦生态系统变化较为平缓,而水稻生态系统变化则比较剧烈.冬小麦和水稻生态系统白天30 min CO₂通量的平均值分别为-13.4 μmol·m^-2·s^-1和-12.9 μmol·m^-2·s^-1,通量最高值分别出现冬小麦的孕穗期与水稻的开花期.此外,两种作物生长季CO₂通量表现出"U"形曲线的日变化特点,白天以吸收CO₂为主,冬小麦和水稻生态系统分别于12：00和11：30达到吸收峰值;夜间CO₂通量变化较为稳定,表现为呼吸排放CO₂.两种农田生态系统均表现为碳汇,冬小麦与水稻生态系统净碳交换分别为188.2 g·m^-2与233.8 g·m^-2.     

干旱扬水灌区土地资源承载状态演变分析

为解决干旱扬水灌区土地资源承载状态受多因素耦合影响而难以定量化描述的难题.本文以景电一期灌区为例,基于多级模糊评价理论构建评价指标体系,引入解决复杂系统模糊性及不确定性具有特有优势的云模型,结合黄金分割率法与云发生器原理集成了评语集标准云模型与状态层隶属度云模型,以组合赋权算法求解了指标权重,最终以云数字特征的形式对灌区1994年、2002年、2010年及2018年的土地资源承载状态进行了定量表述.结果表明:灌区各时期土地资源承载状态综合评价云分别为C₁(0.3175,0.0728,0.0131)、C₂(0.5846,0.0418,0.0117)、C₃(0.5315,0.0379,0.0098)、C₄(0.7045,0.0614,0.0144).结合云相似度分布特征可知,各时期土地资源承载状态分别为"轻微承载"、"临界承载"、"临界承载"及"承载安全".可知灌区土地资源承载状态自1994年—2018年主要经历了3个演变阶段,即1994—2002年为"快速改善期"、2002—2010年为"环境损伤期"、2010—2018年为"健康恢复期".该方法可为指导研究区及相似研究区寻求生产需求与生态保护之间的平衡机制提供有益参考.     

基于监测及Kriging方法的京津冀地区大气污染物暴露分布研究

为了实现充分利用已有环境监测站点数据进行人群精细化暴露评估的目的,同时解决某些待测人群社区周边无监测站点时数据的选择问题,以保定市作为大气高污染研究城市,基于现场监测和Kriging（克里金插值）空间分析方法,明确了在研究大气污染物人群暴露时,某一个固定监测站污染物数据的代表性问题.研究表明:对于大气中φ（SO₂）、φ（NO₂）、颗粒物及其组分,空气质量监测点位的代表性一般为5~6 km;对于φ（CO）、φ（O₃）和φ（VOCs）,它们在城市不同地区的空间分布更为均匀,空气质量监测点位的代表性范围更大.通过使用Radial Basis Functions（径向基函数,RBF）、Local Polynomial Interpolation（局部多项式插值,LPI）、Inverse Distance Weighting（反距离权重插值,IDW）、Kriging、Kernel Smoothing（内核平滑插值,KS）和Diffusion Kernel（内核扩散插值,DK）等6种空间分析方法对大气污染物浓度进行预测发现,Kriging方法对大气污染物浓度预测时可使预测值和实测值间的偏差小于10%,准确度最高.因此,在进行某城市某点位的污染物人群暴露浓度预测时,若该点位周边5 km以内有空气质量监测点位,则可用该点位的监测值代替;若5 km以内没有空气质量监测点位,则可基于最近监测点位的污染物浓度进行Kriging空间插值,从而获得该点位的污染物暴露水平.      

旁路离线河流净化器技术与系统在温榆河修复中的应用研究

基于自然的修复理念,本研究开发了"旁路离线河流净化器技术与系统",并以温榆河支流龙道河为研究对象,设计并建设了罗马东湖"塘-湿地系统"和龙道河拟自然河道工程.结果表明,该技术与系统可明显改善水质和生物生境,COD、氨氮和总氮平均浓度由（71.86±14.94）、（10.70±1.20）、（16.14±1.37）mg·L^-1降低到（47.59±6.13）、（1.17±0.27）、（3.65±1.73）mg·L^-1,平均削减率分别为31.8%、89.5%和77.4%,氨氮由劣Ⅴ类提升至Ⅳ类标准.龙道河生境质量评分由"一般"等级（94分）提升至"好"等级（151分）.该技术与系统具有不改变干流河道原有状态、不影响干流防洪、水质净化和生态恢复效果好等优点,适于支流丰富、排水灌渠密集或坑塘发达的污染河流生态治理与生态修复.     

江苏省工业化进程中的环境效应分析

工业化快速进程中．工业污染作为工业生产在所难免的附属产物．占全国总污染负荷的70％．对资源环境构成巨大压力。经济发达地区工业产值占据了国民经济的半壁江山．使得工业结构与布局成为影响生态环境质量的主要驱动因子。本文首先以江苏省为例．分析重污染行业结构与工业布局变动对环境效应的实际效果．得出重要结论：自1990年以来工业结构与布局调整不利于环境污染控制。从生产效应和社会效应两个方面．分析工业化进程中的环境效应影响机理．通过对江苏省的实证分析．结果证实工业结构与布局是现阶段景影响环境污染的重要变量。重污染行业结构是环境效应的主要影响因素。加快工业结构调整步伐、进一步优化工业布局．着力于从工业结构调整和工业布局变动趋势中获得改善环境质量的机遇和动力是摆脱环境与发展困境的有力手段。     

煤矿瓦斯涌出时序预测的自组织数据挖掘方法

为分析煤矿瓦斯涌出复杂系统时间序列预测方法,提出自组织数据挖掘(SODM)与相空间重构(PSR)相结合的预测建模方法。首先应用C-C方法计算时间序列的最佳嵌入维数和延迟时间后进行PSR;然后以二元二次方程为传递函数,以嵌入维数变量为自变量,以延迟时间后的时间序列为因变量,通过内准则确定传递函数系数和外准则选择最优传递函数,并以最优传递函数的输出为下层迭代传递函数的输入,最后获得最优复杂度预测模型。算例结果表明:该方法对煤矿瓦斯涌出量预测的相对误差为-5.751 7% ~6.049 3%,平均相对误差2.145 7%,预测结果能满足煤矿安全生产实际工程应用要求。