Density functional theory (DFT) studies of vanadium-titanium based selective catalytic reduction (SCR) catalysts

Based on density functional theory (DFT) and basic structure models, the chemical reactions on the surface of vanadium-titanium based selective catalytic reduction (SCR) denitrification catalysts were summarized. Reasonable structural models (non-periodic and periodic structural models) are the basis of density functional calculations. A periodic structure model was more appropriate to represent the catalyst surface, and its theoretical calculation results were more comparable with the experimental results than a non-periodic model. It is generally believed that the SCR mechanism where NH₃ and NO react to produce N₂ and H₂O follows an Eley-Rideal type mechanism. NH₂NO was found to be an important intermediate in the SCR reaction, with multiple production routes. Simultaneously, the effects of H₂O, SO₂ and metal on SCR catalysts were also summarized.     

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

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.      

2019年10~12月京津冀及周边“2+26”城市重污染减排效果评估

为评估京津冀及周边区域重污染过程期间应急减排措施的效果,基于情景模拟的方法,采用NAQPMS模式和多种观测资料,分析了2019年10~12月期间京津冀及周边区域环境空气质量、重污染过程和气象条件概况,评估了模式24、72和144 h的PM_2.5预报效果,并对应急减排措施的效果和不确定性进行了讨论.结果表明,2019年10~12月京津冀及周边"2+26"城市PM_2.5平均浓度64 μg ·m^-3,同比降低了10 μg ·m^-3;区域性重污染过程4次,受影响城市重污染过程期间PM_2.5平均浓度156 μg ·m^-3."2+26"城市PM_2.5气象条件评估指数（EMI）变化值范围为-15.6%~16.8%,EMI显示北京、天津和石家庄等12个城市气象条件与同期相比变差,变差程度范围为3.2%~16.8%.减排情景模拟分析显示应急减排措施有效减少了区域性重污染过程的发生,污染物峰值浓度降幅明显,未出现区域性严重污染过程.典型重污染期间,北京、石家庄、保定和唐山等城市PM_2.5日均浓度削减2%~9%.区域应急减排措施促使"2+26"城市PM_2.5季度均值分别降低1~3 μg ·m^-3左右,区域性减排效果明显.     

德州市夏季臭氧敏感性特征及减排方案

近年来德州市臭氧污染频发,2018年夏季（6~8月）,德州市发生了严重臭氧污染事件,臭氧日最大8 h浓度值超标天数达60 d,超标率65%,3个月平均值为176 μg ·m^-3,最高达262 μg ·m^-3.本研究利用WRF-CAMx耦合的HDDM模块,分析期间德州臭氧敏感性特征及减排方案.结果表明,在空间上,德州市中心城区为VOCs控制区,而郊区为NO_x与VOCs协同控制区.在时间上,VOCs敏感值每日为正值,但dO₃_V₅₀在6月（城区18.7 μg ·m^-3,郊区19.7 μg ·m^-3）和8月（城区15.3 μg ·m^-3,郊区16.4 μg ·m^-3）高于7月（城区13.0 μg ·m^-3,郊区11.8 μg ·m^-3）,NO_x敏感值城区呈正负交错,郊区大部分为正值,并与VOCs敏感值接近.对于城区减排方案应考虑以仅VOCs削减为优先,而郊区由于NO_x和VOCs对臭氧减排效果相当,建议以NO_x：VOCs=1：1为优.     

Pt负载暴露(001)晶面Bi2WO6催化剂合成及光催化性能

通过水热法制备了暴露（001）晶面的Bi₂WO₆纳米片,利用光还原法将Pt纳米颗粒负载于其表面.选择苯甲醇氧化和罗丹明B（RhB）降解为探针反应,评价了催化剂的光催化性能.在苯甲醇氧化实验中,Pt负载暴露001晶面的Bi₂WO₆样品的苯甲醇转化率为20.7%,约为未负载样品的2倍.在RhB降解实验中,Pt负载样品在光照40min后对RhB的矿化率可达81.1%,而未负载样品RhB矿化率仅为55.8%,表明Pt负载样品具有更优的降解速率和矿化能力.催化剂性能的提升归因于高能晶面暴露和Pt负载的协同作用.Pt纳米颗粒的负载作为助催化剂增加了催化剂表面的活性位点,同时提高了晶面光生电子空穴对的分离和迁移效率.     

微塑料对黑麦草吸收和累积水体中环丙沙星的影响

微塑料（microplastics,MPs）和抗生素作为新型环境污染物,引起了国内外学者对其生态风险的关注.以黑麦草（Lolium perenne L.）为供试植物,以聚苯乙烯微塑料和环丙沙星（ciprofloxacin,CIP）为研究对象,探讨微塑料对水培黑麦草吸收和富集抗生素的影响及MPs-CIP复合污染对植物生长的毒性作用.结果表明:黑麦草对单一CIP和MPs-CIP复合污染中的CIP均有吸收去除能力,底物中微塑料的存在会促进黑麦草对低浓度CIP的吸收去除,去除率最高可达100%,但对高浓度（1.0、2.0 mg/L）CIP吸收的影响不显著（P>0.05）.同时,微塑料可促进黑麦草根部积累的CIP向地上部转运,当CIP浓度分别为0.1、2.0 mg/L时,投加微塑料后根部积累的CIP含量与单一CIP处理组相比分别降低了44.0%、21.2%,叶片中CIP的积累量分别增加了2.9、3.0倍.微塑料的加入显著加重了CIP对黑麦草生长和叶绿素含量的抑制作用.与2.0 mg/L CIP处理组相比,50.0 mg/L MPs-2.0 mg/L CIP复合污染处理组对黑麦草根长和鲜质量的抑制率分别增加了53.7%和79.6%,而叶绿素a、b含量则分别降低了38.5%和44.4%.研究显示,水体中微塑料与CIP的共存会影响黑麦草吸收和体内积累CIP,并加重CIP对植物生长的毒性作用.      

固定污染源废气监测中有关问题的探讨

针对废气固定污染源监测中存在的一些疑难问题，从工况的确定、断面的选择、间断排放的监测时间、滤筒及过剩系数的影响等方面进行了探讨，提出了一些解决办法。     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.     

日照市大气质量指数分区预报

利用1999年1月至2002年7月日照市环境监测站监测的污染物浓度资料和探空及本站地面气象资料,分析了日照地区可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响。在此基础上,建立了可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度指数预报方程及大气质量指数分区预报流程。并用VB6.0语言编程在微机上建立了简洁流畅、操作简便的大气质量指数分区预报系统。实际预报结果较好。