Pollutants removal and simulation model of combined membrane process for wastewater treatment and reuse in submarine cabin for long voyage

A laboratory scale test was conducted in a combined membrane process (CMP) with a capacity of 2.91 m3/d for 240 d to treat the mixed wastewater of humidity condensate, hygiene wastewater and urine in submarine cabin during prolonged voyage. Removal performance of chemical oxygen demand (COD), ammonia nitrogen (NH4 +-N), turbidity and anionic surfactants (LAS) was investigated under di erent conditions. It was observed that the e uent COD, NH4 +-N, turbidity and LAS flocculated in ranges of 0.19–0.85 mg/L, 0.03–0.18 mg/L, 0.0–0.15 NTU and 0.0–0.05 mg/L, respectively in spite of considerable fluctuation in corresponding influent of 2120–5350 mg/L, 79.5–129.3 mg/L, 110–181.1NTU and 4.9–5.4 mg/L. The e uent quality of the CMP could meet the requirements of mechanical water and hygiene water according to the class I water quality standards in China (GB3838-2002). The removal rates of COD, NH4 +-N, turbidity and LAS removed in the MBR were more than 90%, which indicated that biodegradation is indispensable and plays a major role in the wastewater treatment and reuse. A model, built on the back propagation neural network (BPNN) theory, was developed for the simulation of CMP and produced high reliability. The average error of COD and NH4 +-N was 5.14% and 6.20%, respectively, and the root mean squared error of turbidity and LAS was 2.76% and 1.41%, respectively. The results indicated that the model well fitted the laboratory data, and was able to simulate the removal of COD, NH4 +-N, turbidity and LAS. It also suggested that the model proposed could reflect and manage the operation of CMP for the treatment of the mixed wastewaters in submarine.     

西藏地区春青稞耗水特征及适宜灌溉制度探讨

以中科院拉萨高原生态试验站为依托,通过开展春青稞生长与土壤水分定位观测实验,利用SHAW模型实现对春青稞农田蒸散发与土壤水深层渗漏与补给过程模拟,分析了春青稞的耗水特征,并对其适宜的灌溉制度进行了初步探讨:①春青稞生长期间,耗水450 mm左右,其中,分蘖—拔节、拔节—抽穗、抽穗—蜡熟这3个阶段是春青稞的耗水旺期,耗水量占整个生长期的72%。把握住该时期的水分供应,对提高作物产量十分重要。②在春青稞的需水关键期降水量仅能满足作物需水的58%,必须补充人工灌溉;但现行的灌溉制度由于灌溉量较大,不仅加大土壤蒸发,更造成较大的深层渗漏。③在播种—出苗、拔节—抽穗期分别灌溉50 mm,抽穗—蜡熟期灌溉60 mm,共减少灌溉用水125 mm后,深层渗漏减少了81%(131 mm);深层土壤水向上补给量增加了55%(44 mm)。节水灌溉不仅减少了土壤蒸发与深层渗漏也促使深层土壤水向上补给根系层,应该大力推广这一灌溉制度。     

羊草草原碳循环过程的模拟与验证

根据内蒙古典型羊草草原碳通量和生物量观测数据,验证VIP(Vegetation Interface Proces-ses)模型,并模拟分析1958—2007年该生态系统碳循环特征及其与环境因子的相关关系。结果显示:VIP模型能够较准确地模拟地上生物量(R2=0.70)和净生态系统生产力NEP(R2=0.57)的变化趋势。羊草草原生态系统总初级生产力(GPP)、净初级生产力(NPP)和生态系统呼吸(Re)在1958—1973年间下降,1973—1993年间增长,1993年后又出现下降的趋势。与环境因子的相关性分析表明,GPP、NPP和Re随CO2和降水的增多而增大,随温度升高和降水的减少而降低,其中降水量与碳通量相关性最高,呼吸与温度、降水、CO2均存在一定程度的正相关关系。NEP年际变化较大,主要受控于年降水量,以228 mm为界,年降水量大于此值时,NEP为正的概率较大。     

上海中心城区土地利用变化对区域降雨径流的影响研究

土地利用变化导致的城市下垫面改变对降雨径流关系有着重要影响。选择高度城市化的上海中心城区,利用初损和径流量修正方法并经实测数据验证后的SCS-CN修正模型,在城市集水区尺度上,初步探讨模拟了1947—2006年中心城区在0.5～10 a一遇设计暴雨重现期条件下持续1 h的降雨事件和丰、平、枯降雨年份下的径流系数,并分析了土地利用方式、前期土壤湿润程度(AMC)和降雨因素对中心城区60 a降雨径流关系的影响。结果表明:①60 a间,AMCⅠ和0.5～10 a一遇设计暴雨重现期条件下的径流系数相对增长17.21%～6.14%,枯、平和丰水年的年径流系数相对增长分别为20.49%、11.83%和10.02%;②土地利用类型、土壤入渗能力和AMC类型,与降雨强度共同构成影响降雨径流关系的两方面重要因素。随着降雨强度的增大,在AMCⅠ→Ⅲ过程中,土地利用改变对降雨径流关系的影响趋小,降雨类型起决定作用;而降雨强度越小,土壤AMC越干燥,土地利用改变对降雨径流关系影响越强;③不同降雨强度和降水年条件下的径流系数均随CN值的增大而增加,其径流系数与CN值之间分别可用线性(R20.999)和指数(R20.987)关系表示。     

基于水热因子波动的呼伦贝尔草原产草量模型

基于多年气象资料(温度和降水量)和产草量监测数据,采用相关分析、主成分分析和回归分析等方法,构建呼伦贝尔草原产草量与气象因子统计学模型,并对二者之间的关系进行了分析.结果表明:利用水热波动因子建立的多项式回归模型具有较好的拟合效果,所建立的呼伦贝尔草原产草量预测模型为y=100.209+1.6410x-0.00559x2.F值显著性检验表明,其复相关系数R2=0.4713,F=8.0239(P=0.0033),在α=0.01水平上显著.利用1989─2009年呼伦贝尔草原产草量数据进行模型精度检验,模型预测精度在85%以上.该预测模型具有选用参数易得、易于代入遥感数据中进行栅格计算、精度高于基于植被指数预测模型等特点.     

基于农户行为的土地利用人工社会模型的构造与应用

为探讨人工社会在土地利用变化研究领域中的应用,研究创建了一个模拟土地利用变化过程的人工社会模型(LUC-ASM)。该模型以农户和农民为两类主体(agents),模拟分析不同社会经济条件和政策影响下,两类主体对自己承包土地利用方式的微观决策所可能产生的宏观效应及其时空变化特征。以鄱阳湖区一个现实村落为主要研究对象,以农户从事各类生产活动的行为特征为准则,利用LUC-ASM模型模拟未来30年内该村落土地利用变化过程。结果表明,未来这一地区土地利用的变化与人口增长结构调整方式、国家土地利用与环保政策、社会经济发展态势等因素密切相关;在城市化的影响下,该地区的农业劳动力将会出现短缺,农村土地有可能被撂荒,需要及早采用政策措施予以避免。总体而言,LUC-ASM模型能够形象地反映土地利用变化过程的微观驱动机理及各种社会经济与环境因素影响的宏观效应,有助于深化我们对人与自然环境相互作用的认识。     

北京市道路空气中NO_x现状监测及控制对策

通过对北京城市3种典型交通道路空气中NOx的时空变化监测发现,城市道路空气NOx中NO分担率主要集中在31.6%～81.1%,明显高于非交通道路中NO的分担率(3.0%～34.0%).其原因是NO主要来源于机动车尾气的排放.利用MOBILE软件计算了各类机动车排放的ρ(NOx),并相应地确定了影响交通道路中ρ(NOx)的敏感因素.据此提出了北京市交通道路空气中NOx若干控制措施,如控制车速、车型、油料等.     

有机修饰土对苯酚的吸附动力学

以十六烷基三甲基溴化铵单一修饰（CB）和十六烷基三甲基溴化铵+十二烷基磺酸钠混合修饰（CS）土耕层和黏化层土样,采用批处理法通过不同的速度参数研究了修饰土样对苯酚的吸附动力学特征,并对其机制进行了探讨.结果表明,在2个温度下,土两层次修饰土样吸附苯酚的总吸附速度V_t和快速吸附反应速度V_f在低添加浓度下分别为2.64～3.31 μg·(g·h)^-1和39.19～61.23 μg·(g·h)^-1,在较高添加浓度下分别为13.09～16.30 μg·(g·h)^-1和247.87～325.64 μg·(g·h)^-1,耕层土样V_t、V_f的大小顺序均为100 CB>120 CS>50 CB>CK,而黏化层土样均为100 CB>50 CB>120 CS>CK.结果证实土两层次土样的有机修饰能够显著加快对苯酚的吸附速度.苯酚的吸附反应分为快速反应和慢速反应2个阶段,总吸附反应以快速吸附反应为主,与快速反应有关的不同速度参数之间具有良好的相关性,而慢速吸附反应则影响不大.修饰土样快速反应和慢速反应的转折时间均小于2　h,且与吸附速度呈现相反的大小顺序.黏化层修饰土样对苯酚的吸附速度高于耕层修饰土样.吸附温度的升高、苯酚添加浓度的提高均可以加快修饰土样对苯酚的吸附反应速度.指数Ⅱ型动力学模型是描述修饰土样吸附苯酚的最佳模型.拟合参数A值与快速吸附反应相关的各项速度参数具有良好的相关性,而模型参数-B与转折时间具有良好的相关性,-B可以作为描述吸附反应速度的特征参数.修饰土样对苯酚的吸附机制以有机相对苯酚的疏水吸附为主.     

废物水泥窑共处置产品中重金属释放量研究

通过模拟煅烧实验制取水泥熟料,并采用国标GB/T 17671-1999制取混凝土样品.选用EA NEN7371和EA NEN7375浸出方法,利用基于菲克扩散第二定律的一维扩散模型对废物水泥窑共处置产品（混凝土）中重金属长期累积释放量进行了研究.结果表明,混凝土中重金属的最大释放量低于总量;各种重金属在混凝土中的扩散系数不同,且Cr>As>Ni>Cd; Cr、As、Ni和Cd 30a的累积释放量分别为4.43、 0.46、 1.50和0.02 mg/kg,释放率（累积释放量/最大释放量）分别为27.0%、 18.0%、 3.0%和0.2%;扩散系数是影响重金属累积释放量的重要因素,且两者表现出较好的相关性;Cr和As的扩散系数较大（分别为1.15E-15 m²/s和6.42E-16 m²/s）,应重点控制其进入水泥窑处置过程的总量.     

不同水分管理方式下水稻生长季N_2O排放量估算:模型验证和输入参数检验

利用2005～2007年我国稻田N2O排放通量的田间原位测定资料和国际上其它地区稻田N2O报道结果,对作者建立的不同水分管理方式下水稻生长季N2O排放估算模型进行了验证.结果表明,持续淹水稻田N2O排放的拟合结果与其他地区淹水稻田N2O通量值相一致.淹水-烤田-淹水的水分管理方式下,稻田N2O排放的拟合值接近于国际上同类研究结果.淹水-烤田-淹水-湿润灌溉的水分管理方式下,稻田N2O排放的估算模型对田间原位测定资料有很好的适切性.为了检验模型输入参数的可信度,将本研究建立的有关我国水稻生产的相关资料数据库与以往研究报道结果进行了比较,结果表明,两者具有高度的一致性.数据库资料表明,在20世纪50～70年代间,持续淹水稻田占20%～25%,大约75%～80%的稻田采用淹水-烤田-淹水的水分管理方式.在20世纪80～90年代间,采用持续淹水,淹水-烤田-淹水和淹水-烤田-淹水-湿润灌溉水分管理方式的稻田分别约占12%～16%、77%和7%～12%.20世纪50年代水稻生长季平均每季总施氮量为87.49 kg·hm-2,而90年代平均为224.64 kg·hm-2.其中,化学氮肥的施用量从20世纪50年代的37.4 kg·hm-2增加到了90年代的198.8 kg·hm-2,分别占水稻生长季氮输入总量的43%和88%.在20世纪50～70年代间有机氮的输入量相对比较稳定,平均变幅在45.2～48.2 kg·hm-2之间,随后逐步降低,有机肥料氮占氮输入总量的比例从20世纪50年代的52%降低到了90年代的9%.作物残体N输入量从20世纪50年代的4.9 kg·hm-2增加到了80年代的6.3 kg·hm-2.20世纪50～70年代水稻生长季氮肥施用量具明显的空间变异性,而80～90年代间其空间变异较小.模型验证和输入参数检验的结果表明,该模型能较好地模拟我国不同水分管理方式下的稻田N2O直接排放量.