Characterization and Identification of the Sources of Chromium, Zinc, Lead, Cadmium, Nickel, Manganese and Iron in Pm10 Particulates at the Two Sites of Kolkata, India

Monitoring of ambient PM₁₀ (particulate matter which passes through a size selective impactor inlet with a 50% efficiency cut-off at 10 μm aerodynamic diameter) has been done at residential (Kasba) and industrial (Cossipore) sites of an urban region of Kolkata during November 2003 to November 2004. These sites were selected depending on the dominant anthropogenic activities. Metal constituents of atmospheric PM₁₀ deposited on glass fibre filter paper were estimated using Inductively Coupled Plasma Atomic Emission Spectrometer (ICP-AES). Chromium (Cr), zinc (Zn), lead (Pb), cadmium (Cd), nickel (Ni), manganese (Mn) and iron (Fe) are the seven toxic trace metals quantified from the measured PM₁₀ concentrations. The 24 h average concentrations of Cr, Zn, Pb, Cd, Ni, Mn and Fe from ninety PM₁₀ particulate samples of Kolkata were found to be 6.9, 506.1, 79.1, 3.3, 7.4, 2.4 and 103.6 ng/m³, respectively. The 24 h average PM₁₀ concentration exceeded national ambient air quality standard (NAAQS) as specified by central pollution control board, India at both residential (Kasba) and industrial (Cossipore) areas with mean concentration of 140.1 and 196.6 μg/m³, respectively. A simultaneous meteorology study was performed to assess the influence of air masses by wind speed, wind direction, rainfall, relative humidity and temperature. The measured toxic trace metals generally showed inverse relationship with wind speed, relative humidity and temperature. Factor analysis, a receptor modeling technique has been used for identification of the possible sources contributing to the PM₁₀. Varimax rotated factor analysis identified four possible sources of measured trace metals comprising solid waste dumping, vehicular traffic with the influence of road dust, road dust and soil dust at residential site (Kasba), while vehicular traffic with the influence of soil dust, road dust, galvanizing and electroplating industry, and tanning industry at industrial site (Cossipore).     

Pitfalls in molecular diagnosis in a family with severe factor VII (FVII) deficiency—misdiagnosis by direct sequence analysis using a PCR product

Molecular diagnostic tests are becoming a routine analysis in many laboratories. These modern analyses are widely used in clinical medicine, forensic, genetic and prenatal diagnosis and also in preimplantation genetic diagnosis. The accuracy of analysis is highly dependent on the success achieved in minimising genotyping errors. The pitfalls in molecular diagnostic tests can be due to a simple technique such as the polymerase chain reaction (PCR) used universally. This technique is routinely used for its apparent accuracy, but it is also a well-known source of errors. We report an error introduced during PCR reaction that leads to a wrong sequence result and consequently to a ‘false’ molecular result in a next prenatal diagnosis in a family with severe factor VII (FVII) deficiency. This error was verified using an unsuitable primer design in a rich repetitive sequence of the FVII gene that leads to a false annealing and then to a wrong molecular diagnosis. It is essential to link closely molecular data with clinical and phenotype analysis in order to avoid false-negative or false-positive results, which is of great importance to diagnosis and molecular prevention. Copyright © 2003 John Wiley & Sons, Ltd.     

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.     

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.     

上海地区大气中氯化氢和颗粒氯排放源清单初步研究

氯自由基对于臭氧和二次气溶胶的生成贡献不容忽视.夜间颗粒相氯(Cl~-)可以通过与N_2O_5的复杂反应转化生成ClNO_2,其光解产生的氯自由基将显著影响大气污染的形成机制.本文以上海地区为案例,以2017年为基准年,收集了人为源活动水平数据,采用排放系数估算方法,首次建立了上海地区人为源氯化氢(HCl)和颗粒氯(Cl~-)的排放清单;并进一步结合模型计算海盐气溶胶排放的颗粒氯(Cl~-).结果表明,2017年上海市人为源和天然源排放的HCl和Cl~-分别为1207 t和820 t,其中,燃煤、工业、垃圾焚烧和秸秆燃烧产生的HCl排放量分别为327、134、722和24 t.燃煤源中的燃煤电厂和其它行业燃烧约占燃煤源排放的80%;工业源中水泥为HCl的最大排放源,约占工业源排放的51%;垃圾焚烧厂排放约占总HCl排放的60%,为最大的HCl排放源.燃煤、工业源、垃圾焚烧、秸秆焚烧、烹饪源和海盐的颗粒Cl~-排放量分别为82、153、498、47、39和0.6 t,燃煤源中的燃煤电厂占燃煤Cl~-排放的40%,供热、其他行业和家庭燃烧分别占燃煤Cl~-排放的24%、22%和14%;钢铁行业为工业源的主要Cl~-排放源,约占工业源排放的90%,垃圾焚烧厂占全部Cl~-排放的61%,烹饪源中餐饮企业为最主要排放源,占烹饪源的70%;天然源海盐的排放量极少,未占到总排放的1%.从空间分布来看,浦东新区、宝山、普陀、松江和金山排放的HCl和Cl~-占到全市人为源总排放的80%,为主要的HCl和Cl~-排放区域.本文研究建立的上海地区大气中氯化氢和颗粒氯排放源清单,对于深入研究氯化学机制对二次污染的影响提供了重要的数据参考.     

华北区域点冬季二次有机气溶胶特征与影响因素

为探明二次有机气溶胶(SOA)的污染特征和影响因素,本研究于2018年11月—2019年1月对华北区域点(德州市郊区点)细颗粒物(PM_(2.5))的化学组成进行了在线测量,并分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子组分的污染特征及PM_(2.5)与气象要素之间的相关性.结果表明,观测期间德州PM_(2.5)污染严重,平均质量浓度为(115.6±24.6)μg·m~(-3);其中,有机碳和元素碳是PM_(2.5)的主要成分,平均质量浓度分别为(8.2±5.8)μg·m~(-3)和(2.6±2.2)μg·m~(-3),占PM_(2.5)总质量的7.1%和2.2%;PM_(2.5)与风速呈负相关,与相对湿度呈正相关,与气温的相关性较差,偏北风对PM_(2.5)浓度影响较大.同时,本研究利用EC示踪OC/EC比值法对PM_(2.5)中的二次有机碳(SOC)进行了估算,通过估算得到的SOC结果表明,华北区域点冬季SOC是OC的重要组成部分,平均浓度为(4.0±2.9)μg·m~(-3),占OC的45.7%,SOC在白天占比较高(62.7%),早晚由于有局地生物质燃烧影响,SOC占比降低,约占OC的42.7%.本研究还分析了SOC生成的影响因素,分析了德州市冬季O_3、含水量、酸度与SOC的相关性.结果表明,SOC受臭氧浓度影响,但在白天和夜晚表现出不同的相关关系,可能存在不同的生成机制.最后,利用ISORROPIA模型估算了颗粒物的含水量和酸度,发现SOC在高含水量和低含水量下存在不同的关系,高含水量更能促进SOC生成;在高含水量下SOC与H~+具有显著相关性,但在低含水量下则不相关,表明颗粒物含水量较高、H~+浓度较高情况下液相酸催化反应可能对SOC具有重要贡献.     

农闲期城郊农田灌溉水中典型污染物含量与评价——以西北江三角洲为例

摸查了农田灌溉系统水环境经农（夏）闲期降水等外部强干预调理后的环境污染物含量——该值理论上是环境自净作用之后的最不利值,对农田灌溉系统水环境进行水质评价,探究其对农田土壤质量的潜在污染风险.于2019年6月中旬—7月下旬（降雨集中期）,分别在西北江三角洲城市（清远市、佛山市和江门市）实验基地周边筛选研究区,并在雨后对有覆水的水源区域、灌渠、蓄水池和田间水等采集上覆水,共采得水样27×2份,对其pH值、悬浮物（SS）、矿化度、总磷（TP）、氨氮（NH₄⁺-N）、Cd、As、Pb、Cu和Zn的含量进行检测;对各研究区pH值、SS的成因和影响,矿化度的等级,重金属均值分布等进行分析;对全样品TP、NH₄⁺-N、重金属含量进行Pearson相关性分析和描述性特征分析;通过单因子水质标识指数P_i和综合水质标识指数P分别对各采样点、各构成项目和各研究区进行水质评价.研究发现雨后农田灌溉系统水环境构成复杂,物质呈无显著性差异的迁移,灌溉沿程上覆水中大部分物质可能处于动态平衡,受局部环境影响变小,TP、NH₄⁺-N和重金属等迁移物质主要还是灌溉水体中原有的,受外力驱动扰动后在水动力作用下可能以氮磷结合形态沿灌溉系统发生远距离迁移;使用河流水质标识指数法评价农田灌溉系统水环境,发现该法可以刻画局部灌溉的水质态势,对农田灌溉系统水环境的含量特征评价做出科学、合理的解释,也可以做出综合性定量评价.虽然灌溉水系统结构差异较大,但是从整体上可以初步得出农闲期西北江三角洲农田灌溉水的灌溉风险不高的结论,总体综合水质评价级别为Ⅰ类~Ⅱ类,达到水环境功能区的使用要求.     

基于遥感尾气监测的柴油车气态污染物排放因子计算方法研究

采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征,修正了排放因子的计算方法,并与车载排放测试系统（PEMS）实测结果进行了验证,获得了实测车辆的CO、HC和NO排放因子.测试结果显示,在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气,未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大,且氧气浓度越大,偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升,适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小,精确度较高,可以为量化柴油车尾气排放贡献提供科学依据.     

科技创新投入对环境全要素生产率的影响机制

使用2004~2015年的中国280个地级市的面板数据,对科技创新投入与环境全要素生产率间的非线性关系、内部影响机理和空间异质性进行分析,结果显示：科技创新投入与环境全要素生产率之间呈现倒N型关系,两个拐点的位置分别为7.722（2257.47万元）和9.610（14913.17万元）;在外部资本进入、污染治理、市场规模效应3种影响路径中,科技创新投入影响下的外部资本进入对环境全要素生产率依然存在污染避难所的负向效应,科技创新投入与外部资本间效应为0.1363,外部资本与环境全要素生产率间效应为-0.0065;科技创新投入能够增强企业的污染治理技术并提高环境全要素生产率,三者间前后效应分别为-0.0277和-0.0311;科技创新的投入与高效益增强了市场规模效应,有效促进生产结构的转型进而提高环境全要素生产率,三者间前后效应为0.0186和0.4346.空间异质性中,外部资本进入与溢出效应带来的污染避难所负效应在中部地区显著,在西部和东北部地区不显著,而污染天堂正效应在东部地区存在但不显著;污染创新治理投入的技术正溢出效应在东部和西部地区效应显著,在中部和东北部不显著;科技创新投入与市场需求规模效应在空间区域无差异且显著为正.建议依据科技创新投入的不同影响路径来实施空间差异化策略.