不同硝/铵比值对小麦幼苗根系释放氢氧根的影响

为研发酸化土壤的生物修复技术,采用水培试验和自动电位滴定装置研究酸性条件下氮素形态对小麦幼苗根系释放氢氧根及培养液pH变化的影响。结果表明,小麦幼苗在初始pH值为4.0,n(NO3-)∶n(NH4+)比值(以下简称硝/铵比)分别为15∶1、3∶1和1∶1的营养液中培养6 d后营养液pH升高,且增幅随硝/铵比的增加而增大,小麦对硝态氮的吸收量和氢氧根释放量呈相同的变化趋势,说明小麦对硝态氮的吸收偏好导致根系释放氢氧根,进而使得培养液pH升高。小麦幼苗在硝/铵比为3∶1,初始pH值分别为4.0、4.5和5.0的营养液中培养6d后,培养液pH和氢氧根释放量的增幅随初始pH的升高而降低,说明低pH条件有利于小麦幼苗对硝态氮的吸收,可促进小麦根系释放更多的氢氧根。10 h的恒定pH试验结果表明,恒定pH条件下小麦根系释放的氢氧根数量大于非恒定pH条件,且硝态氮比例越大,差值越大。因此,可以根据小麦在酸性条件下对硝态氮的吸收偏好建立酸化土壤的生物修复方法,即调节硝态氮含量以加大小麦根系的氢氧根释放量,进而提高土壤pH。     

长江流域主要干/支流水化学特征及外源酸的影响

为了探究人类活动对长江流域水化学特征的影响,本文以流域内主要干/支流代表断面的采样点为研究对象,分别于2016年丰水期和平水期采集地表水样各13组,通过离子比值法、主成分分析法和化学离子平衡计算法,综合分析水化学特征,并估算碳酸和外源酸参与碳酸盐岩的溶蚀比例.结果表明,水化学类型主要为HCO₃-Ca型,指示流域内水化学的主要影响因素为碳酸盐岩的溶解,在碳酸盐岩风化过程中,碳酸与碳酸盐岩的相对快速风化为主导反应.此外,丰水期和平水期各采样点碳酸溶蚀比例均值分别为60.33%和59.14%,不同采样点的溶蚀比例差值较大,指示外源酸对河流与岩石侵蚀风化过程的影响不容忽视,且阳离子交换对水化学有一定影响,但并不是主要的反应过程.与多年前水文监测初期的数据相比,硫酸和硝酸对岩石风化作用加强,人为因素对长江的水质影响增大.     

天津城区夏冬季典型污染过程中BTEX变化特征及其健康风险评估

利用GC955在线气相色谱仪分别于2019年7月和2020年1月在天津市区开展苯系物（BTEX,包括苯、甲苯、乙苯、间/对-二甲苯和邻-二甲苯）实时在线观测,对典型污染过程中BTEX的浓度水平、组成及演化机制进行了研究,并运用特征物种比值法对BTEX的来源进行了定性分析,最后运用US EPA的人体暴露分析评价方法对BTEX健康风险进行评估.结果表明,臭氧和霾污染过程中BTEX体积分数平均值分别为1.32×10^-9和4.83×10^-9,其中苯的体积分数占比最大,其次是甲苯、乙苯和二甲苯占比最小.2020年1月BTEX体积分数很大程度上受到西南方向短距离传输的影响,而在2019年7月BTEX浓度受到本地排放的影响.BTEX浓度水平在2019年7月受到温度和相对湿度的共同影响,而在2020年1月当温度较低时BTEX浓度对相对湿度的变化更敏感.天津市区BTEX在霾污染过程中受生物质燃烧/化石燃料燃烧/燃煤排放的影响较大,而在臭氧污染过程中除了受到燃烧排放源影响,交通源排放在很大程度上也有影响.臭氧污染和霾污染过程中BTEX的HI分别为0.072和0.29,均处于EPA认定的安全范围内.苯的致癌风险在清洁天和污染过程中均高于EPA规定的安全阈值,需引起高度重视.     

新乡市夏冬季节PM2.5稳定碳同位素特征分析

为了探究新乡市PM_(2.5)中δ~(13)C比值的季节性变化特征及其对污染来源的指示作用,于2017年夏冬季节采集PM_(2.5)有效样品91个,并测定了样品中的总碳、水溶性离子和稳定碳同位素比值(δ~(13)C).夏季和冬季的TC浓度平均值分别为11.78μg·m~(-3)和26.6μg·m~(-3).夏季δ~(13)C比值为-27.70‰～-25.22‰其中前14 d的δ~(13)C比值波动较大平均值为-26.96‰,而后16d的δ~(13)C比值相对稳定,平均值为-25.69‰,而且前半月和后半月火点数具有较大差异同时K_(nss)~+浓度与TC质量浓度显著相关(R~2=0.62,P0.01)这说明夏收季节生物质燃烧可能对δ~(13)C比值有显著影响.新乡地区冬季RH与TC/PM_(25)质量比值的显著负相关(R~2=0.68,P0.01),揭示了在霾增长初期以SOA增长为主,而污染期以SIA贡献为主.冬季采样期δ~(13)C比值为-26.72‰～-23.49‰,对霾发展过程中稳定同位素组成的研究发现在霾增长过程中δ~(13)C比值以富集为主,而在霾清除阶段δ~(13)C比值以贫化为主.     

基于SOA和O3生成潜势的杭州市PM2.5和O3协同控制

2019年3月1日～2019年5月31日期间采用Syntech Spectras GC955在线气相色谱仪对杭州市大气环境中挥发性有机物（VOCs）进行了在线连续监测,分析了VOCs体积分数的组成特征、 PM_2.5和O₃协同控制的优控VOCs物种和VOCs特征污染物比值.结果表明,烷烃是VOCs体积分数中最重要的组分,贡献了62.40%. C2～C6的烷烃、苯系物、乙烯和乙炔是VOCs关键物种.烯烃和芳香烃是OFP的主要贡献组分,贡献率分别为41.35%和37.50%.芳香烃是SOA的主要贡献者,贡献率超过90%.低碳的烷烃、低碳烯烃和苯系物是OFP的关键贡献物种,控制好甲苯、间/对-二甲苯和邻-二甲苯这3种苯系物,是O₃和PM_2.5协同控制的关键.采样点大气中VOCs除了受机动车尾气的影响外,溶剂使用等工业排放的影响也较为显著.     

河北省顺平县地下水化学特征及其成因分析

为研究顺平县地下水化学特征及离子来源,服务顺平县水资源科学开发与管理,系统采集了县域33组岩溶水和12组孔隙水样品,综合利用Gibbs图、离子比值关系和多元统计分析方法,分析了顺平县各类型地下水水化学类型、组成特征和主要控制因素,评估各来源对地下水溶质的贡献率.结果表明,研究区孔隙水和岩溶水整体呈弱碱性,TDS变化范围分别为245.89～430.00mg·L^-1和223.54～1 347.80mg·L^-1;阴阳离子组分以HCO^-₃和Ca²⁺为主.研究区内地下水聚类分为PW1、PW2类孔隙水和KW1、KW2、KW3类岩溶水,PW1和KW1类为HCO₃-Ca·Mg型水,PW2为HCO₃·Cl-Ca·Mg型水,KW2为HCO₃·NO₃-Ca·Mg型水,KW3为高矿化度的SO₄-Ca·Mg型水.以白云石矿物为主的碳酸盐岩风化和以钠长石、钾长石为主的硅酸盐岩矿物风化是地下水主要的...     

广州地区降水SO4^2／NO3^—比值的变化

结合广州地区污染源的排放状况,分析本地区近10年来降水中SO4^2-、NO3^-组分的变化,提出在控制SO2排放总量的同时,必须要注意肖减NOx排放。     

大气颗粒物中多环芳烃的污染特征及来源识别

研究了北京市2000年采暖期和非采暖期2个典型代表月(6月和12月)不同粒径颗粒物的质量浓度特征以及不同粒径颗粒物中ρ(PAHs)分布特征,并同时利用比值法和化学质量平衡(CMB)受体模型对可吸入颗粒物(PM₁₀)中PAHs的来源进行识别和解析.研究结果表明:北京市采暖期ρ(颗粒物)明显高于非采暖期;采暖期和非采暖期不同粒径颗粒物的比例有差别,采暖期、非采暖期ρ(PM₁₀)分别约占ρ(TSP)的0.662和0.734;PAHs具有更明显富集于细颗粒物中的特征;源解析结果表明燃煤污染和机动车污染是PM₁₀中PAHs的最主要来源.      

成都春季VOCs污染特征及其对SOA和O3生成贡献的研究——以2020年4～5月发生的PM2.5和O3污染过程为例

成都市2020年4月15～16日和4月28～5月6日分别发生了细颗粒物(PM_2.5)污染过程和臭氧(O₃)污染过程,利用2020年4月13～5月10日成都市区57种挥发性有机物(VOCs)小时数据,研究两次污染过程中VOCs对PM_2.5污染和O₃污染的影响。通过计算VOCs的臭氧生成潜势(OFP)、二次有机气溶胶生成潜势(SOAFP),以及使用比值分析法,探讨成都市VOCs优先控制物种及来源。结果表明,污染时段VOCs浓度较清洁时段均有所升高,但烷烃占比有所下降。污染时段的OFP和SOAFP较清洁时段均有所升高,间/对二甲苯和甲苯对SOA生成和O₃生成贡献均排名前列,控制这两种组分的排放是成都市控制O₃和SOA前体物的有效途径。比值分析结果得出,VOCs气团受本地排放影响较大,PM_2.5污染时段和清洁时段的VOCs受机动车尾气排放影响较多,O₃污染时段的VOCs除受到机动车尾气排放影响以外,还受溶剂使用的影响。作...     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.