生态土壤渗滤系统启动周期研究

利用室内模拟试验装置,考察了4种生态土壤渗滤系统在0.1 m3/(m2·d)的水力负荷条件下对生活污水中TP、COD和NH3-N的去除效果及启动周期; 同时对整个系统及同类生态工艺启动周期的判断方法做了探讨.研究结果表明,生态土壤渗滤系统对TP、COD和NH3-N的启动周期分别为15～27 d、24～40 d和24～26 d; 土壤渗滤系统对TP的启动周期最短,对COD的启动周期最长; 处理系统启动周期的判断原则是综合考察系统对主要污染物各自的启动周期,以最长的作为系统启动周期.4组试验中,1#和2#系统的启动周期为40 d; 3#和4#的为24 d.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于模糊层次综合法的炼铁厂评价模型及应用研究

运用模糊层次综合评价法建立炼铁厂安全评价的模型,该模型能有机地将炼铁厂的安全管理、设备设施、人员和环境等因素结合起来,依据各因素对系统安全影响的大小,决策者可对其采取相应的改进措施以有效地控制事故的发生。通过对炼铁厂安全性的分析,其评价结果和现实情况基本相符,能较为全面反映整个系统的安全性和各因素对系统安全性的影响大小,为炼铁厂的安全评价提供了一种有效的综合评价方法。     

人类活动对土壤环境的影响及对策

人类不合理的开发行为给土壤环境带来了沉重的负面影响，主要表现为土壤沙化、土壤侵蚀、土壤盐渍化、土壤污染等。本文以此为出发点展开讨论，分析各种现象的成因，并提出相应对策。     

黄河流域技术创新对PM_(2.5)的影响及其空间溢出效应北大核心CSCDCSSCI

黄河流域是推进空气质量改善和经济社会高质量发展的核心区域,技术创新是破解流域PM_(2.5)污染防治难题的关键手段。该研究以2004—2019年黄河流域79个地级市PM_(2.5)污染数据为样本,利用核密度估计、空间自相关等方法探究PM_(2.5)在空间上的异质性和关联性特征,并将以技术创新为核心的社会经济因素和气温、降水等自然解释要素纳入同一空间面板杜宾模型,分析各因素对黄河流域PM_(2.5)的效应及其空间溢出效应,系统识别和甄别技术创新要素在这一过程中的贡献程度和溢出效应,解析技术创新对PM_(2.5)的作用机制与影响路径。研究发现:①黄河流域PM_(2.5)在空间上呈现显著的异质性和相关性,浓度值较高的地市主要集中于漯河、濮阳等黄河流域下游地区,全局Moran’s I指数均大于0.80且显著为正,空间关联以高高集聚和低低集聚类型为主;②专利授权量的增加通过排放源管控治理、移动源消减治理等路径对本地区PM_(2.5)防治具有正向推动作用,但由于绿色技术标准、绿色补贴等绿色技术壁垒的存在加剧了邻近地区污染治理难度,表现为负向空间溢出效应;③流域城市人均创新指数的提升通过营造良好的创新氛围、激发技术创新内生动力等机制同样促进了本地PM_(2.5)浓度下降,但空间溢出效应并不显著,未能对周边地区产生辐射带动作用。研究基于技术创新对PM_(2.5)防治的影响和空间溢出效应提出适应性对策建议,突出技术创新在空气污染防治中的关键作用,搭建和完善跨区域绿色技术创新体系,加强流域间联防联控机制与竞争合作机制,助推黄河流域空气质量改善、生态保护和高质量发展。     

亚热带稻田土壤碳氮磷生态化学计量学特征

为了解稻田土壤中是否存在稳定的土壤有机碳(C)、氮(N)和磷(P)比值,基于亚热带区110个水稻土剖面和587个发生层的土壤调查数据库,在区域尺度上分析了典型水稻土C∶N∶P比值的生态化学计量学特征,并应用相关分析和冗余分析,研究水稻土C∶N∶P比值与土壤-环境因子(地形和母质、土壤发生层、土壤类型和土壤理化性质)的关系.结果显示,亚热带区稻田土壤C∶N、C∶P和N∶P的剖面加权平均值分别为12. 6、49和3. 9,C∶N∶P为38∶3. 2∶1.不同母质起源、不同土壤亚类和不同发生层的水稻土C∶N变异相对较小;但C∶P和N∶P的变异很大,两者均值也远低于全球(186和13. 1)和中国土壤(136和9. 3)的C∶P和N∶P的平均水平.尽管稻田土壤剖面的C∶N∶P相对不稳定,但由于稻田表土生物与环境相互作用强烈,表土C∶N相对稳定(14. 2).这反映长期水耕熟化作用下,稻田表土中C和N仍存在紧密的耦合作用.然而,在稻田土壤剖面上,C∶P和N∶P并不稳定,SOC与全P含量、全N与全P含量也无显著相关性,表明环境变化可能导致土壤C∶N∶P解耦.地形、土壤质地、氧化铁和容重是调控稻田土壤剖面C∶N∶P的关键土壤环境因子.     

新疆石化工业区颗粒物含水量和酸度对二次无机组分形成的影响

大气二次污染物是新疆独山子区大气污染物的重要组成部分,研究大气中二次组分的转化过程对区域大气污染治理有着重要意义.对新疆独山子区2015年9月至2016年7月采集到的样品进行水溶性组分分析.结果表明,水溶性无机离子(TWSIs)表现出与PM_(2.5)一致的季节变化,为冬季(67.86μg·m~(-3))秋季(13.77μg·m~(-3))春季(10.09μg·m~(-3))夏季(4.85μg·m~(-3));冬季二次无机离子(NH~+_4、SO~(2-)_4和NO~-_3)占TWSIs的98%;结合气溶胶热力学模型(E-AIM)探讨独山子区大气颗粒污染物中颗粒相含水量以及颗粒酸碱性;表明独山子区颗粒物呈酸性,年均原位pH为0.81,其中冬季样品的pH(2.93)值最高;颗粒含水季节变化为冬季(331.32μg·m~(-3))秋季(5.91μg·m~(-3))春季(5.46μg·m~(-3))夏季(1.62μg·m~(-3));年均氮氧化率(NOR)和硫氧化率(SOR)分别为0.13和0.47,表明区域污染物存在二次转化;进一步分析表明颗粒相中的硫酸盐质量浓度受到颗粒含水量和颗粒酸碱度的影响较为明显;高的颗粒相含水条件下区域硝酸盐的形成主要以非均相反应为主.     

长春秋季生物质燃烧对PM2.5中WSOC吸光性的影响

为探究长春秋季生物质燃烧对PM_(2.5)中水溶性有机碳(water-soluble organic carbon,WSOC)吸光性的影响,于2017年10～11月进行PM_(2.5)样品采集,对PM_(2.5)中碳质组分、糖类化合物和WSOC的光吸收特征参数进行分析.研究表明:长春秋季PM_(2.5)中WSOC、有机碳(organic carbon,OC)、元素碳(elemental carbon,EC)的平均浓度分别为(10.12±3.47)、(17.07±5.64)和(1.34±0.75)μg·m~(-3),二次有机碳(secondary organic carbon,SOC)对OC的平均贡献率为38.93%.长春秋季总糖浓度为(1 049.39±958.85)ng·m~(-3),其中作为生物质燃烧示踪剂的脱水糖含量(左旋葡聚糖、半乳聚糖和甘露聚糖)在总糖中占比为91.69%,糖类相关性分析结果显示生物质燃烧源为长春秋季大气中糖类物质的主要贡献源.糖类物质的相关性分析及3种脱水糖的特征比值研究显示,作为长春秋季大气主要污染源的生物质燃烧的类型是硬木和作物残渣的燃烧.长春秋季WSOC的光吸收波长指数(AAE)为5.75±1.06,单位质量吸收效率(MAE)为(1.23±0.28)m~2·g~(-1),表明生物质燃烧对WSOC吸光性具有重要影响.利用生物质燃烧特征源参数量化计算生物质燃烧对WSOC浓度的贡献达58.82%,对总WSOC光吸收的贡献达40.92%.     

郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

北京市农业机械排放因子与排放清单

利用车载排放测试技术对典型的联合收割机、拖拉机、农用运输车和农田建设机械实际工况下的尾气进行测试,建立了实际工况下农业机械的排放因子和2017年北京市农用机械排放清单.结果表明,不同的工作状态对农业机械尾气排放有较大的影响,怠速和行走时CO、NO_x、HC和PM排放趋于平稳;而切地和翻地模式下的波动较为明显.根据各类机械的分类和排放标准对排放因子进行细化,建立了较为完整的实际工况下的排放因子.根据农业机械排放因子和燃油消耗量计算出2017年北京市CO、NO_x、HC和PM的排放量分别是2 566.60、 1 239.29、 563.08和538.32 t.拖拉机、运输机械和联合收割机的污染物总量占CO、NO_x、HC和PM这4种污染物总量的98%、 95%、 95%和98%.因此,农用拖拉机、运输机械和联合收割机在农业机械污染减排中应作为重点控制对象.