石油污染土壤多酚氧化酶的动力学及热力学特征

土壤多酚氧化酶是一种氧化还原酶,能够将土壤中芳香族化合物氧化成醌,促进土壤中石油类物质的分解转化.以距大庆油田工作区不同距离（1、5、15 km）的石油污染地为对象,研究不同温度下石油污染裸地及羊草（Leymus chinensis）修复地的土壤多酚氧化酶活性及其动力学和热力学特征的变化.结果表明:土壤多酚氧化酶活性随温度和底物浓度的增加而逐渐增大,在温度为30℃或40℃、底物浓度为80 mmol/L或160 mmol/L时达到最大值;各样地土壤酶的动力学参数K_m（Mihaelis常数）随温度的变化规律不同,V_max（酶促反应最大速度）和V_max/K_m（催化效率）随温度升高而逐渐增大,均在30℃或40℃时达到最大值;热力学参数Q₁₀（温度系数）、ΔH（活化焓）、ΔS（活化熵）随温度变化差异不显著,ΔG（活化自由能）随温度升高呈逐渐增加趋势.在同一温度下,石油污染裸地土壤多酚氧化酶活性高于羊草修复地;K_m和V_max/K_m在各样地均表现为无规律性变化,V_max最大值出现在距油田工作区5 km处的裸地（BMP）,最小值出现在距油田工作区5 km处的羊草修复地（LMP）;Q₁₀、E_a（活化能）、ΔH、ΔS的最大值均出现在距油田工作区1 km处的裸地（BVP）,最小值均出现在距油田工作区1 km处的羊草修复地（LVP）.研究显示,升温和植物修复对土壤多酚氧化酶活性的反应特征有较大影响.      

黄河流域水污染排放特征及污染集聚格局分析

掌握污染源排放特征及其空间差异,是在流域尺度提升水污染治理水平的重要基础.该研究分别从污染源的活动水平（简称“活动水平”）、污染物产生、污染物去除和污染物排放4个方面选取了28个指标,对黄河流域60个市州主要水污染物排放特征开展了现状评价和聚类分析.采用污染分布的地理集中度指数表征各市州污染集聚格局,并利用空间分析模型Global Moran's I和G_i*指数判断污染排放的空间集聚趋势与冷热点地区.结果表明:按照水污染排放特征的差异,黄河流域不同地区在水污染格局上可划分为高排放强度区、高排放绩效区、污染集聚区和低排放绩效区;水污染物排放与经济发展格局分布一致,上游、中游到下游地区呈现明显的阶梯型分布,上游地区单位水资源利用效率和排放绩效低,下游地区区域性污染集聚效应明显;山西省、河南省和山东省沿黄城市在空间上表现为区域性连片污染集聚,集中分布在晋中城市群和中原城市群.针对当前黄河流域水污染排放特征和空间集聚格局,建议制定统一的生态环境保护与治理策略,加强中下游城市群的污染协同控制.      

小型燃煤机组烟气重金属排放特征研究

100 MW以下燃煤机组呈单台容量小、总台数大的特点,是燃煤重金属污染的主要排放源之一.选择7台12 MW燃煤机组,采用美国环境保护局Method 29法现场检测燃煤机组烟气重金属排放浓度,分析烟气中Hg、Pb、Cr、As的排放特征;采集机组产生的飞灰和底灰,分析除尘技术对重金属的富集特性.结果表明:100 MW以下燃煤机组烟气中重金属经脱硝除尘脱硫装置协同控制后,ρ（Hg）为0.20~0.44 μg/m3,烟气Hg以气态形式存在,其占比为100.0%;ρ（Pb）为0.5~2.6 μg/m3,烟气Pb主要以气态形式存在,其占比为38.7%~92.1%;ρ（As）为0.6~3.0 μg/m3,烟气As主要以气态形式存在,其占比为67.8%~100.0%;ρ（Cr）为3.6~23.9 μg/m3,烟气Cr主要以颗粒态形式存在,其占比为65.8%~99.2%.飞灰富集Hg、Pb、Cr、As的能力大于底灰.重金属主要富集于飞灰中的细颗粒物中,采取除尘技术可有效协同控制烟气中的Hg、Pb、Cr、As;飞灰中重金属元素Hg、Pb相对富集系数均与煤中硫含量呈负相关,半干法脱硫+袋式除尘技术对飞灰富集Hg有促进作用.小型燃煤机组烟气重金属Hg、Pb、Cr、As的排放因子分别为0.002 2~0.005 1、5~17、42~160、7~24 mg/t.研究显示,100 MW以下燃煤机组与100 MW及以上燃煤机组烟气重金属Hg、Pb、Cr、As排放特征不同,100 MW以下燃煤机组烟气Hg排放浓度较小,二者烟气Pb、Cr、As排放浓度相近,选用湿式电除尘技术可进一步降低烟气Hg、Pb、Cr、As的排放浓度.      

南京城市典型水体中微塑料污染特征分析

为了解城市不同水体中微塑料污染的差异性,以南京市典型水体为研究对象,考察了微塑料的赋存水平、尺寸、颜色、形状和聚合物类型。结果表明:所有水样中均发现微塑料,其丰度范围是3 475±25～21 975±1 075 items/m3;较高的微塑料污染可能来源于污水处理厂尾水,三个饮用水源地微塑料污染相对较轻;绝大多数微塑料是纤维类;蓝色和透明是水体微塑料最为常见的颜色;粒径100～500μm和小于100μm的微塑料占比最高,分别达到64.71%和52.65%; PE和PP是最主要的微塑料聚合物。     

基于机器学习的细粒度空气质量时间预测器

针对空气质量状况的预防和治理,提出了基于线性回归的空气质量预测方法。作为时间预测器,更多的是考虑本地的历史数据、过去与未来的状况,挖掘空气质量随时间变化的关系以及变化趋势,为了选取最优的特征,对数据进行分析,找到与空气质量变化关系密切且存在线性关系的特征,以此特征来建立线性回归模型,并使用Cross-Validation方法进行评估验证。实验结果表明线性回归方法能够有效地预测到空气质量的变化趋势,效果良好,具有较强的实用性。