基于HepG2细胞脂质组学方法对黄浦江水质的综合评价

环境水体中复合污染的毒性识别一直是环境科学界关注的热点.基于代谢组学的生物监测方法通过监测暴露前后生物内源性代谢物的变化,在评估复合污染导致的综合毒性效应中具有广泛的应用前景.本研究从污染物对细胞脂类代谢的影响角度出发,采用体外肝癌细胞(HepG2)暴露和脂质组分析相结合的方法,对黄浦江干流和支流共27个采样点的水质进行了综合评价.研究发现,水样对HepG2细胞的脂代谢影响程度与采样点所属河段紧密相关.黄浦江中游水样对HepG2细胞的平均脂代谢影响程度(3.40％)高于上游(1.65％)和下游(0.78％),而流经城区的支流水样对细胞的脂代谢影响(5.20％)明显高于干流水样(1.80％).此外,在采集的水样中超过70％的样品都导致HepG2细胞内甘油三酯(TG)大量蓄积,揭示了黄浦江水体中的复合污染物可能诱导肝脏产生脂毒性损伤.本研究为环境水质监测提供新的方法,研究结果为上海市生态环境和水质安全管理部门提供重要的参考信息.     

城市给水厂污泥处理与资源化利用途径及策略分析

城市给水厂产生的污泥量大、有机物含量低、无机污染风险高，其绿色低碳处理和资源化利用已成为我国供水行业实现“双碳”目标进程中亟待解决的重要问题之一。本文从国家行业政策与给水厂污泥性质等方面进行了讨论分析，并归纳了处理方法和资源化利用发展趋势。目前，常用的给水厂污泥处理方法包括水体排放、市政排污和陆地填埋等。然而，这些方法存在环境风险、堵塞设施、占用土地、碳排放量大等难题。基于城市给水厂污泥的特性，其潜在的资源化利用方法包括合成吸附材料、混凝/沉淀材料、再生盐材料、建筑材料和农林材料等。若能突破上述关键技术，实现给水厂污泥从“处理”到“资源化利用”的途径转变，将对我国城市供水行业的绿色低碳运行起到重要推动作用。     

基于SPECIATE数据库的典型行业挥发性有机恶臭物质筛选

恶臭物质成分复杂、来源广泛,故需要筛选并优先控制恶臭物质。基于美国SPECIATE数据库,选取涂料、垃圾填埋、污水处理、纸浆和造纸、石油炼制、堆肥、合成橡胶和合成树脂共8类典型行业,以质量分数、嗅阈值、饱和蒸气压和大气周围环境目标值为评估参数,建立合适的筛选原则、程序和方法。通过分级赋值和多参数综合评分筛选出84种(类)典型行业挥发性有机恶臭物质。结合国内外标准和研究,建议将苯乙烯、丙醛、丙酸、丁醛、丁酸、二甲苯、二甲基二硫醚、二硫化碳、甲苯、甲基乙基酮、甲基异丁基酮、甲硫醇、甲硫醚、戊醛、戊酸、乙醛、乙酸丁酯、乙酸乙酯和异丁醇,共19种(类)物质作为优先控制挥发性有机恶臭物质,以作为监控管理、评估空气异味和标准制修订的参考。     

MIL-88B(Fe)非均相芬顿催化降解磺胺甲恶唑

采用溶剂热法合成了铁基金属有机骨架材料MIL-88B(Fe),将其作为类芬顿催化剂用于催化降解水中磺胺甲恶唑(SMX)。通过X射线衍射(XRD)、扫描电子显微镜(SEM)、傅立叶变换红外光谱(FTIR)和X射线光电子能谱(XPS)等对催化剂的结构和性能进行表征,并研究了H_2O_2浓度、催化剂投加量、溶液初始pH和污染物初始浓度等对SMX降解效果的影响。结果表明,在H_2O_2摩尔浓度为6.0mmol/L、催化剂投加量为0.2g/L、pH为4、SMX为5mg/L的优化反应条件下,MIL-88B(Fe)对SMX的降解率可达99%。在较宽的pH(4～6)范围内,MIL-88B(Fe)仍保持较好的催化活性,且5次循环使用后对SMX去除率仍可达95%以上。表明合成的MIL-88B(Fe)具有较高的催化活性和重复性能,是一种优良的非均相类芬顿催化剂。     

基于FAHP的危化品企业安全标准化评价体系研究

当前危险化学品从业单位安全标准化考评工作中存在针对性不足、标准分值难把握等缺点,结合我国危化品生产储运及安全监管现状,为合理地评价危化品企业的安全标准化等级,参考现有的法律法规、技术标准和规范,提出了采用10个一级指标和44个二级指标来评价危化品企业安全管理水平,将层次分析法和模糊综合评判法有机结合,确定具有针对性的各级指标权重值,创建了一套危化品企业安全标准化评价体系.最后以某涂料企业作为该评价体系的应用实例,并对比现场考评结果进行分析.结果表明,该评价体系可行、有效,指标权重可信度高,更能真实、客观地反映不同危化品企业的安全管理水平,可为评价危化品企业的安全标准化等级提供科学、准确的参考依据.     

大气中痕量挥发性有机物分析方法研究

利用自行研制的累积式大气采样装置、大气痕量有机物二步冷冻浓缩进样系统和气相色谱/质谱(GC/MS)联用技术对大气中的痕量挥发性有机物进行分析(CCS-GC/MS),并对分析方法进行了评估.结果表明,CCS-GC/MS系统将单纯GC/MS分析大气中痕量挥发性有机物检测下限体积分数值从10^-6量级扩展到10^-12,39种目标化合物平均响应因子为2.9×10^-12A^-1,1000cm³进样量最低检出限体积分数值为7×10^-12～40×10^-12;流出峰保留时间定性分析相对平均偏差<2.5s,对目标化合物定性分析准确率达到100%;0～400×10^-9浓度范围内外标定量曲线r²平均值大于0.99;回收率为88%～111%,平均值100.8%±5.6%;精密度误差2%～14%,平均6.6%.     

水耕植物过滤法净水系统底泥硝化反硝化潜力

通过测定水耕植物过滤法(Hydroponic Bio-filter Method,HBFM)水质净化系统中底泥的硝化、反硝化潜力以及底泥中亚硝酸菌和硝酸菌密度,定量研究了该系统底泥的硝化及反硝化潜力沿水流方向的变化规律.结果表明,中游底泥硝化潜力最大,为4.76×10^-6 g/(g·h);上游底泥反硝化潜力最大,为8.1×10^-7 g/(g·h);底泥中亚硝酸菌的密度分布与硝化潜力的分布一致.结果还表明,提高HBFM系统氮去除能力的关键在于改变硝化反硝化区域分布,从而提高系统的反硝化能力.     

长期施肥和耕作下紫色土坡耕地径流TN和TP流失特征

为探究长期施肥和耕作对坡耕地径流率及随径流流失的氮、磷元素的影响,在紫色土坡耕地设置5个处理：顺坡耕作无施肥（CK）、顺坡耕作有机肥与化肥配施（T1）、顺坡耕作单施化肥（T2）、顺坡耕作单施化肥增量（T3）和横坡垄作单施化肥（T4）,分析了2008~2019年间共104场侵蚀性降雨事件下,各处理的径流率,总氮（TN）、总磷（TP）流失浓度及其流失率的变化特征.结果表明,各施肥处理间径流率差异不显著（P>0.05）,但均低于CK（P<0.05）.CK处理的TN流失浓度显著高于其他施肥处理（P<0.05）,T2、T3和T4处理间TN流失浓度差异不显著（P>0.05）,但均显著高于T1（P<0.05）.T1、T2和T3处理的TP流失浓度显著高于CK（P<0.05）,但T4处理的TP流失浓度显著低于CK（P<0.05）.各施肥处理间TN流失率差异不显著（P>0.05）,但均显著低于CK（P<0.05）;各顺坡耕作处理间TP流失率差异不显著（P>0.05）,但均显著高于横坡耕作（P<0.05）.CK、T1及T2处理下,径流率与TN、TP流失浓度间的关系不显著,在T3处理下上述关系表现为显著的线性负相关（P<0.05）,在T4处理下则为显著的线性正相关（P<0.05）.研究结果可为紫色土区坡耕地农业面源污染防治提供科学指导.     

泄漏检测与修复(LDAR)建档方法研究及应用进展

泄漏检测与修复(LDAR)是石化和化工行业挥发性有机物(VOCs)无组织排放管控的重要抓手.项目建档作为LDAR实施的第一步同时也是最关键的一步,其科学性、完整性和准确性决定着LDAR的整体实施质量.通过对LDAR建档方法及应用情况的调研,归纳总结了不同建档方法的优缺点,并采用问卷方式对国内建档方法应用现状进行了调查分析,展望了建档技术的未来发展趋势.结果表明:①当前国内外在用的建档方法主要包括传统挂牌法、PID图标识法、拍照标识法、GPS定位法、条形码/二维码挂牌法、无线射频挂牌法等.②美国、欧盟目前仍以传统挂牌法为主,加拿大除传统挂牌法外,拍照标识法的应用也较为广泛.③我国应用最多的为拍照标识法,其次为传统挂牌法,调查对象中采用过这两种方法的LDAR服务商占比分别为90.0%和50.0%,此外PID图标识法、条形码/二维码、其他方法的应用占比分别为30.0%、17.5%和5.0%,整体上我国建档方法比美欧国家更加多样化.④我国现代科技的迅猛发展为LDAR建档技术的创新与变革提供了契机,未来建档技术将向更智能、更便捷、更高效的方向发展.研究显示,国内尚未形成统一的LDAR建档技术标准体系,建议今后应尽快加强相关标准建设,保障LDAR的实施质量与效果.      

三峡库区面源污染的时空特征及EKC分析

在全面核算2008~2018年三峡库区19个区县农业面源污染TN、TP排放量的基础上,分析了其时空变化特征.基于环境库兹涅茨曲线(EKC)理论,构建了基于面板数据的回归模型,探究了库区农业经济发展与面源污染排放强度的演替关系.结果显示,库区农业TN排放波动减少,TP波动增加.各区县的TN和TP年均排放量分别在374~6046t和105~1267t之间.其中,农田化肥与畜禽养殖单元的总产污贡献率达80%以上.库区TN排放强度、畜禽养殖与农村生活单元的TN、TP排放强度均存在显著的"倒U型"EKC关系,目前已跨越拐点.农田化肥TP排放强度、水产养殖与农田固废单元的TN、TP排放强度呈现显著的"直线型"EKC关系,处于与经济同步增长的阶段.建议重点升级农田化肥单元的污染防控能力,以配套推进农村人居环境的改善,促进区域氮磷减排.