Particulate matter exchange between atmosphere and roads surfaces in urban areas

The deposition and the re-suspension of particulate matter (PM) in urban areas are the key processes that contribute not only to stormwater pollution, but also to air pollution. However, investigation of the deposition and the re-suspension of PM is challenging because of the difficulties in distinguishing between the resuspended and the deposited PM. This study created two Bayesian Networks (BN) models to explore the deposition and the re-suspension of PM as well as the important influential factors. The outcomes of BN modelling revealed that deposition and re-suspension of PM10 occurred under both, high-traffic and low-traffic conditions, and the re-suspension of PM2.5 occurred under low-traffic conditions. The deposition of PM10 under low-volume traffic condition is 1.6 times higher than under high-volume traffic condition, which is attributed to the decrease in PM10 caused by relatively higher turbulence under high-volume traffic conditions. PM10 is more easily resuspended from road surfaces compared to PM2.5 as the particles which larger than the thickness of the laminar airflow over the road surface are more easily removed from road surfaces. The increase in wind speed contributes to the increase in PM build-up by transporting particulates from roadside areas to the road surfaces and the airborne PM2.5 and PM10 increases with the increase in relative humidity. The study outcomes provide a step improvement in the understanding of the transfer processes of PM2.5 and PM10 between atmosphere and urban road surfaces, which in turn will contribute to the effective design of mitigation measures for urban stormwater and air pollution.     

Reviews of emission of biogenic volatile organic compounds (BVOCs) in Asia

Biogenic volatile organic compounds (BVOCs) in the atmosphere play important roles in the formation of ground-level ozone and secondary organic aerosol (SOA) in global scale and also in regional scale under some condition due to their large amount and relatively higher reactivity. In places with high plant cover in the tropics and in China where air pollution is serious, the effect of BVOCs on ozone and secondary organic aerosols is strong. The present research aims to provide a comprehensive review about the emission rate, emission inventory, research methods, the influencing factors of BVOCs emissions, as well as their impacts on atmospheric environment quality and human health in recent years in Asia based on the summary and analysis of literatures. It is suggested to use field direct measurement method to obtain the emission rate and model method to calculate the emission amount. Several recommendations are given for future investigation and policy development on BVOCs emission.     

某垃圾焚烧厂投产前后周边土壤二英类化合物的分布

为研究垃圾焚烧厂运行对周边土壤二英类化合物（PCDD/Fs）含量的影响,采集了珠三角地区某垃圾焚烧厂投产前和投产后周边土壤样品,分析研究了该垃圾焚烧厂运行对周边土壤中PCDD/Fs含量和组分的变化.结果表明:①2012年（投产前）珠三角地区某垃圾焚烧厂周边土壤PCDD/Fs含量较低,范围为163~591 ng/kg（毒性当量范围为0.198~0.863 ng I-TEQ/kg,I-TEQ为国际毒性当量因子折算的毒性当量值）;2017—2019年（投产后）周边土壤PCDD/Fs含量范围为151~1.75×103 ng/kg（毒性当量范围为0.812~3.88 ng I-TEQ/kg）,与其他研究相比处于较低的水平.②投产后,距该垃圾焚烧厂较近（1.5 km）的采样点（S1）土壤PCDD/Fs含量逐年增长,在较远（5.2 km）但人口较密集的采样点（S3）土壤PCDD/Fs含量整体较高,但呈逐年下降趋势.③投产后,土壤中的17种PCDD/Fs单体组分中,毒性当量贡献率最高的单体为八氯二苯并二英（OCDD）和2,3,4,7,8-五氯二苯并呋喃（2,3,4,7,8-PeCDF）,二者毒性当量贡献率范围为15.7%~45.4%.④在同一采样点土壤PCDD/Fs单体组分年间差异不明显,但同一年份不同采样点差异明显.研究显示,目前该垃圾焚烧厂周边土壤PCDD/Fs含量较低,但仍需要长期监测其可能带来的风险.      

长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析

为研究长三角背景点夏季PM_2.5污染特征,于2018年5月30日—8月15日在上海市崇明岛对PM_2.5样品进行昼夜采集,并对其中水溶性无机离子(Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+)进行了分析.运用PSCF(潜在源贡献)方法判别污染物排放源区,并结合PCA(主成分分析)和PMF(正交矩阵因子)源解析探究PM_2.5来源.结果表明:①观测期间崇明岛ρ(PM_2.5)平均值为(33±21)μg/m3,低于GB 3095—2012《环境空气质量标准》一级标准限值(35 μg/m3),但在部分时段存在显著超标现象,ρ(PM_2.5)最高值在120 μg/m3以上.②水溶性无机离子质量浓度平均值为(14±9.3)μg/m3,占PM_2.5的42.4%,其中SNA(SO₄2-、NO₃-、NH₄+三者统称)为主要离子,占水溶性离子总质量浓度的85.7%.③n(NH₄+)/n(SO₄2-)(NH₄+与SO₄2-的摩尔浓度比)显示,清洁期〔ρ(PM_2.5) < 15 μg/m3〕呈贫铵状态,过渡期〔15≤ρ(PM_2.5)≤35 μg/m3〕和污染期〔ρ(PM_2.5)>35 μg/m3〕均呈富铵状态;过渡期SNA主要以NH₄HSO₄和NH₄NO₃形式存在,而污染期则主要以(NH₄)₂SO₄和NH₄NO₃形式存在.④通过对两次典型污染事件进行离子相关性分析和PSCF分析发现,E1污染事件(5月30日—6月8日)为局地生物质燃烧型污染事件,E2污染事件(7月23日—8月1日)为区域传输污染事件.源解析结果进一步表明,两次典型污染事件期间气态污染物的二次转化对PM_2.5的贡献最显著,贡献率分别为62.8%和59.8%;其次是生物质燃烧,其贡献率分别为32.5%和20.1%;E2污染事件期间海盐源对崇明岛PM_2.5贡献率较高(16.6%),远超过E1污染事件期间对PM_2.5的贡献率(2.7%).研究显示,区域输送对崇明岛PM_2.5有显著贡献,二次颗粒物累积是崇明岛PM_2.5超标的主要原因.      

国内外饮用水余氯限值及监测方法的研究进展

新型冠状病毒肺炎疫情期间大规模使用含氯消毒剂,其残留可能对水环境及人体健康造成影响.我国饮用水水源地质量标准并未设置余氯项目及其浓度限值,且缺乏统一的余氯现场快速分析方法标准.为公共卫生事件发生期间的水质余氯监测与评价提供参考,对国内外饮用水标准余氯限值、实验室标准分析方法、现场快速分析方法等进行汇总分析,结果表明:①不同国家和地区以及WHO（World Health Organization,世界卫生组织）在饮用水标准中分别设置了出厂水中余氯限值（范围为0.1~2.0 mg/L）、管网末梢水中余氯限值（范围为0.1~1.8 mg/L）及饮用水中余氯最大允许浓度（范围为4~5 mg/L）.②比色法、容量法因其具有反应迅速且稳定、准确度及精密度较高等优点而成为国内外实验室主要标准或推荐分析方法,高效液相色谱法检出限最低,灵敏度最高,可用于余氯痕量分析.③余氯现场快速分析方法多以比色法为主,在线监测方法多为电化学方法,但缺乏统一的标准方法.研究显示,国外饮用水标准中余氯最大允许浓度为5 mg/L,WHO推荐高风险环境下的管网末梢余氯浓度最低为0.5 mg/L,建议尽快开展水质余氯现场监测方法标准化研究.      

基于底栖动物的松花江流域不同地形分区水质指标阈值研究

为全面了解松花江流域不同地形分区内底栖动物群落对水质指标的响应规律,识别不同分区水质指标指示物种的差异,于2016—2018年对松花江流域97个采样点的水质指标〔EC、ρ（DO）、ρ（COD_Mn）、ρ（NH₃-N）、ρ（TN）、ρ（TP）〕和大型底栖动物群落进行调查分析,采用临界指示物种分析法（threshold indicator taxa analysis,TITAN）分别探讨松花江流域山区、丘陵区和平原区水质指标的生态阈值,当污染物浓度超过负响应阈值时敏感种密度降低,当超过正响应阈值时耐受种也会受到明显影响,底栖动物群落结构会发生显著变化.将TITAN法所得的负响应阈值作为触发底栖动物群落发生变化的最低值,正响应阈值为底栖动物群落的耐受极限值.结果表明:①松花江流域水质指标在不同地形分区内的阈值不同,除ρ（DO）和ρ（COD_Mn）外,其他指标负响应阈值均表现为山区 < 丘陵区 < 平原区,ρ（DO）则表现相反,ρ（COD_Mn）在丘陵区出现最高阈值（5.46 mg/L）、山区出现最低阈值（4.01 mg/L）.除ρ（DO）以外,其他指标的正响应阈值均呈山区 < 丘陵区 < 平原区的趋势,ρ（DO）正响应阈值的变化趋势则与之相反.②松花江流域内超过50%的采样点水质指标值均超过其负响应阈值,超出正响应阈值的采样点比例在6%~40%之间,说明流域受到一定的干扰,但干扰程度不严重.③同一物种在不同地形分区内对水体理化指标的指示方向可能相反.萝卜螺属在丘陵区为ρ（NH₃-N）的正响应指示物种,在平原区则转变为负响应指示物种;短沟蜷属在丘陵区为ρ（TN）和ρ（TP）的正响应物种,在平原区则转变为负响应物种.研究显示,大型底栖动物群落结构的分布特征是影响水质指标阈值指示物种识别的主要原因,而不同分区的自然地理状况、栖境状况和水质状况则是造成大型底栖动物群落结构分布差异的主要因素.      

达里诺尔湖水体DOM荧光特征及其来源解析

达里诺尔湖（简称“达里湖”）是内蒙古自治区高原地区重要的生态屏障,探究达里湖水质状况及污染来源,对加强流域水环境治理、改善水环境质量具有十分重要的意义.于2018年9月及2019年6月对湖水进行采样,并通过三维荧光光谱结合PARAFAC（平行因子分析）模型,探究达里湖水体DOM（溶解性有机质）来源及其与水质的关系.结果表明:①达里湖水体中pH较高,ρ（DOC）（DOC为溶解性有机碳）、ρ（NH₄+-N）、ρ（TP）相对较高,均超过GB 3838—2002《地表水环境质量标准》Ⅴ类水质标准限值.②水体中DOM含4种荧光组分.夏季水体DOM主要分布于河流入湖口附近,其中,类腐殖质荧光组分（紫外区类富里酸和可见区类富里酸）占总组分的62.93%,类蛋白类荧光组分（类色氨酸和类酪氨酸）占总组分的36.07%;秋季水体DOM主要分布于东南侧,其中,类腐殖质荧光组分占总组分的40.52%,类蛋白类荧光组分占总组分的59.48%.③达里湖采样点荧光参数表明,达里湖DOM自生源特征较强,腐殖化程度较低.类腐殖质荧光组分与ρ（DOC）、ρ（Chla）均呈正相关,类色氨酸荧光组分与pH呈正相关,类络氨酸与ρ（DTN）、ρ（NH4+-N）、ρ（DTP）均呈正相关.研究显示,达里湖DOM具有陆源与生物源双重特性,DOM的形成与微生物、细菌、浮游生物的生命活动密切相关.      

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.     

贵州草海湿地溶解性有机物的光谱特征及其与PFASs的相关性分析

为描述草海湿地DOM（dissolved organic matter,溶解性有机物）荧光特征,探究其对PFASs（per-and polyfluoroalkyl substances,全氟及多氟化合物）环境行为造成的影响,利用超高效液相色谱-质谱联用技术和三维荧光光谱技术,结合平行因子分析,开展DOM光谱学特性研究,分析ρ（DOM）与ρ（PFASs）的相关关系.结果表明:①草海湿地中共解析出3类4种荧光组分,分别为类腐殖酸[λ_Ex（360 nm）/λ_Em（450 nm）]、长波段腐殖质[λ_Ex（400 nm）/λ_Em（510 nm）]、类富里酸[λ_Ex（330 nm）/λ_Em（400 nm）]和类色氨酸[λ_Ex（280 nm）/λ_Em（350 nm）],贡献率分别为48.6%、23.6%、22.9%和4.9%,其中类腐殖质总贡献率高达72.2%.在农业生产和人类活动的影响下,总荧光强度大致呈现从入湖区向出湖区逐渐降低、湖心区略高的趋势.②在草海湿地表层水中共检出了12种PFASs,ρ（PFASs）为233.18 ng/L,每种平均值为19.43 ng/L,PFBA（perfluorobutanoic acid,全氟丁酸）是主要污染物;草海湿地入湖区点源影响特征明显,生活污水和农业生产用水是主要的潜在污染源.③相关性分析结果显示,各荧光组分含量均与ρ（PFBS）（potassium perfluorobutanesulfonate,全氟丁烷磺酸）负相关;类色氨酸含量与ρ（PFHpA）（perfluororoheptanoic acid,全氟庚酸）负相关,与ρ（PFTriDA）（perfluorotrideanoic acid,全氟十三酸）则显著正相关.研究显示,草海湿地水体腐殖化程度高,外源特征明显,共检出12种PFASs,初步揭示了草海湿地水环境中ρ（DOM）与ρ（PFASs）的相关关系,其受水体性质及化合物结构等差异的影响,有待进一步开展深入研究.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.