中国实施生态旅游认证的机遇与挑战

在界定生态旅游认证、分析建立生态旅游认证体系意义的基础上．对绿色环球21、澳大利亚的NEAP、厄瓜多尔的Smart Voyager等目前国际知名的认证体系进行了介绍．重点分析了中国实施生态旅游认证的机遇和面临的挑战，并对我国建立生态旅游认证体系的必要性及相关问题提出了建议。     

O3-BAC深度处理工艺中细菌群落时空分布及动态变化规律

为弄清饮用水O₃-BAC深度处理工艺过程中细菌群落的时空分布和动态变化规律,本研究以我国南方某O₃-BAC深度处理工艺水厂为研究对象,采用NovaSeq6000高通量测序技术对夏季和冬季各工艺单元出水及滤砂和活性炭生物膜等细菌群落进行解析.结果表明,出厂水pH、浊度、COD_Mn、菌落总数等指标均满足《生活饮用水卫生标准》（GB5749-2006）的要求.夏季细菌群落多样性明显高于冬季,活性炭生物膜的细菌群落多样性高于滤砂生物膜;混凝沉淀、臭氧化和消毒是影响细菌群落多样性的主要工艺单元.水样和生物膜样品绝对优势菌门均为变形菌门（Proteobacteria）,且主要菌门组成大体相同,但细菌群落门水平相对丰度存在一定的时空差异,属水平上差异则更为明显.此外,检测到的条件致病菌属主要包括芽孢杆菌属（Bacillus）、不动杆菌属（Acinetobacter）、假单胞菌属（Pseudomonas）和分支杆菌属（Mycobacterium）,且其所占核心微生物OTUs数目不受季节性影响.水温和生物可降解溶解性有机碳（BDOC）是显著影响细菌群落分布的主要水质参数.以上研究结果表明,O₃-BAC深度处理工艺过程中细菌群落具有时空变化特性,并可为饮用水微生物安全保障提供支撑.     

深圳市秋季大气臭氧立体分布特征

利用大气O₃探测激光雷达在深圳市东部生态区和西部城区同步开展垂直观测,探究了2018年深圳市O₃立体分布在秋季光化学污染活跃期至冬季非活跃期的演变过程.结果表明：光化学反应活跃的10月,东部地面O₃浓度相对于西部地面高出约128%;地面向上至450m,O₃浓度在东部生态区发生快速降低,而在西部城区由于存在“滴定效应”,O₃浓度随高度升高而升高;450m~2km,东、西部O₃浓度均随高度升高而降低,西部城区O₃浓度水平超过东部生态区约30%;2km以上高空,东、西部O₃浓度趋同（70μg/m³）,并保持稳定,为具深圳市秋季O₃污染过程提供了较高的大气背景浓度.高污染期间,深圳市大气边界层内O₃浓度变化较为一致,西部高空的O₃区域传输作用更加显著.秋季至冬季光化学反应逐渐减弱,深圳市O₃浓度的水平和垂直空间差异逐渐减小,冬季的深圳市O₃污染基本受大气背景控制.     

深圳大气PM2.5中水溶性有机物的来源特征

对2017年9月~2018年8月深圳市北部大气PM_2.5中水溶性有机物（WSOM）的质量浓度、质谱及来源结构进行测量和分析.结果表明：PM_2.5的质量浓度为（32.3±18.4）μg/m³,WSOM的质量浓度为（9.4±5.7）μg/m³,占颗粒物总有机物的（77.6%±14.0%）.质谱分析显示,WSOM的氧碳比（O/C）平均值达到（0.57±0.09）,属于二次有机物的O/C值范围,且生物质燃烧排放的离子碎片C₂H₄O₂⁺的丰度显著,说明WSOM的来源中有显著的生物质燃烧排放的有机气溶胶.为了明确WSOM的来源结构,利用正矩阵因子分解法（PMF）模型进行来源解析,发现3个合理因子：高氧化态有机气溶胶（MO-OOA）,低氧化态有机气溶胶（LO-OOA）和生物质燃烧（BBOA）,贡献比例分别为51.7%,31.8%和16.5%.MO-OOA和BBOA贡献浓度均呈现秋冬高、春夏低的季节变化特征,反向轨迹分析显示其与内陆污染传输关系密切.LO-OOA的变化相对稳定,本地源的贡献较大.结合¹⁴C同位素示踪法对秋冬季WSOM样品分析,发现机动车等化石源二次有机物是WSOM的主要来源,贡献比例达到53.9%,需继续加强对化石燃料控制来降低WSOM污染.     

加入SOA示踪的深圳大气PM2.5受体模型源解析

为厘清包括二次有机气溶胶（SOA）在内的深圳市区PM_2.5各种一次和二次来源贡献,本文于2017年9月2日~2018年8月29日在深圳市大学城点位开展PM_2.5样品采集,并进行化学组分和水溶性有机物（WSOM）质谱测量,共获得162组有效数据.观测期间深圳市大气PM_2.5平均质量浓度为26μg/m³,在传统PMF源解析的基础上加入羧基离子碎片（CO₂⁺）作为SOA的示踪物,加入水溶性有机氧（WSOO）用于计算各因子O/C,验证有机物解析效果.结果表明,SOA可以被独立解析出,其O/C明显高于其他一次污染源中有机物;机动车、二次硫酸盐、二次硝酸盐、SOA为最主要的4个源,对PM_2.5质量浓度的贡献分别为25%、23%、17%和10%,船舶、地面扬尘、老化海盐、建筑尘、生物质燃烧、燃煤和工业贡献均在5%以内.各个源的变化特征表明,机动车、二次硫酸盐、二次硝酸盐、SOA等源贡献呈现冬高夏低的季节特征,与冬季季风条件下源自内陆的污染传输密切相关.污染天气时,二次硝酸盐和SOA的贡献增加相对最显著,因此NOx和挥发性有机物是减排的关键.     

基于PCA-SOM的北京市平谷区地下水污染溯源

为了解北京市平谷区地下水污染物来源,以平谷区2010—2018年监测数据为基础,使用PCA(主成分分析法)识别了地下水水质指标因子,使用自组织映射识别了污染物的空间分布.结果表明:通过监测指标间的Pearson检验发现, 平谷区地下水电导率与ρ(Ca2+)(p=0.936)、总碱度与ρ(HCO₃2-)(p=0.981)、ρ(Mg2+)与总硬度(p=0.944)指标之间显著相关.地下水化学类型主要以HCO₃-Ca型为主,其次为HCO₃-Mg型.NH₄+、SO₄2-、Cd、Fe(Ⅱ)、NO₂指标空间分布离散性和差异性较大,存在局部富集现象.通过因子分析法筛选出影响平谷区地下水水质的8个公因子,首要影响因子为溶滤-富集作用(贡献率为22.398%),次要影响因子为农业、养殖业和填埋场等人为活动作用(贡献率为16.533%),雨水下渗作用(贡献率为8.035%)、工业源人为活动(贡献率为7.466%)对地下水也有一定影响.通过比较各指标的SOM(Self-Organizing Map,自组织映射)特征图像和监测井映射特征图像,发现NH₄+受山前地带林业、种植业和平原地带农业、养殖业的双重影响,Na+、Mn受平原地带人为活动的影响;同时,NH₄+、NO₃-、NO₂三者之间及Fe(Ⅱ)与Fe(Ⅲ)之间来源不同,Cd、Al、氰化物三者具有同一来源.研究显示,PCA-SOM(PCA与SOM相结合)可以对地下水化学组分来源进行定性识别与定量分析.      

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

大庆油田落地原油对土壤污染的研究

大庆油田是中国最重要的原油生产基地,开发建设50多年来,已累计生产原油18.2亿吨.不可避免地在油田生产过程中产生大量的落地原油,对土壤造成了严重的污染.落地原油在土壤中的迁移主要有横向迁移和纵向迁移:横向迁移对土壤的污染成辐射状分布,污染强度随污染源的距离增加而迅速降低,污染源周围污染最重的区域在0 m～40 m范围内,占总量90%以上,横向迁移范围确定在150 m以内;落地原油纵向迁移绝大部分集中在距土壤表面0 cm～10 cm范围内,竖向迁移一般不超过70 cm.落地原油污染土壤中主要污染物包括总烃、芳烃、酚、苯并[a]芘和硫化物,通过落地原油污染土壤的模拟实验可知总烃、芳烃、苯并[a]芘和硫化物含量,随原油浓度增加而明显增加,呈明显正相关性;其一元线性回归方程分别为Y=0.470X-17.88、Y=0.119X-6.13、Y=0.0076X-0.30、Y=0.000055X 0.089.     

柴油发电机噪声治理改造工程一例

介绍一例窄小空间的大功率柴油发电机噪声改造工程。通过对原机房的改造 ,增加隔声、吸声、通风等措施 ,使发电机噪声排放达标     

电化学原位产生H2O2的影响因素分析及数学建模

以Pt为阳极,石墨碳棒为阴极,Na2SO4为支持电解质,实验探讨了电化学原位产生H2O2的规律.通过正交试验,确定阴极溶液初始pH值、电流密度CD、通氧流量Q和支持电解质浓度CNa2SO4等主要参数对H2O2产生量的影响,并提出最佳参数组合:pH=2.00,CD=1.02mA·cm-2,Q=0.4L·min-1,CNa2SO4=0.1 mol·L-1,极间距D=6cm.采用二次多项式逐步回归和BP神经元网络2种方法,建立了这些参数对于H2O2产生量的预测模型,并对模型进行检验.结果表明,2种方法在一定参数条件下都可预测阴极区溶液中H2O2浓度,BP神经元网络法预测的准确度好于二次多项式逐步回归方法,且更适合于在线控制.