TiO_2纳米管的掺杂改性及对水中强力霉素的光催化去除

TiO2光催化技术可将水体中的抗生素氧化为CO2、H2O和其他无毒的无机物,实现高效氧化处理的目的,且具有发展太阳光的潜力。以TiO2粉末为前驱体,采用水热法制备了未掺杂及掺杂不同比例Ni2+的TiO2纳米管,并对样品进行了SEM、TEM、XRD和UV-Vis等表征。以氙灯(250~800 nm)为光源、强力霉素为降解对象,模拟测试样品在日光下光催化降解抗生素的活性。结果表明:TiO2粉末经水热反应后,生成了分散性较好的具有均匀中空管状结构的TiO2纳米管,管壁多层且两端开口,Ni2+的掺杂不会对TiO2纳米管的微观形貌和晶型结构产生影响;水热法合成的TiO2纳米管的N2吸附-脱附等温线为典型的IUPAC IV型等温线,BJH孔径分布曲线表明生成的TiO2纳米管的内径比较均一;与TiO2粉末相比,未掺杂和掺杂Ni2+的TiO2纳米管具有较好的光吸收能力,随离子掺杂量增加,样品的吸收边出现了明显的红移;当Ni2+掺杂量为1%时,制得的材料对水中强力霉素的光催化去除效果最好,在氙灯光源下反应120 min,对强力霉素的降解率高达78.1%。     

基于FAHP的集团化企业安全风险等级评估

为提高集团化企业的安全管理能力,从安全生产主体责任绩效的角度构建集团化企业安全风险指标体系,并采用FAHP方法进行安全风险分析,划分安全风险等级;以拥有8家子公司的某防水材料集团化企业为例对该方法进行验证。结果表明：该集团化企业的风险等级为Ⅲ级,安全水平为中等。该集团化企业可根据分析结果,有针对性地实行安全管控措施,也可为优化集团化企业的安全管理体系提供依据。     

茶园土壤速效磷乡镇尺度下空间异质性对比分析——以江浙地区优质名茶种植区为例

土壤中磷素的含量对土壤肥力和茶叶品质起着至关重要的作用,探讨土壤磷素含量的空间分布特征及其影响因素,可以为茶园管理和茶叶品质的提升提供理论指导。以江苏省东山镇和浙江省溪龙乡两个优质名茶种植区为例,在遥感影像和DEM数据的基础上,应用地统计学方法,对比研究了两个茶园土壤速效磷含量的空间异质性特征。结果表明:(1)按土壤肥力等级标准,东山镇和溪龙乡速效磷含量的平均水平均较高,利于茶叶生长;(2)东山镇和溪龙乡速效磷含量的变异系数分别为0.46和0.52,均属于中等强度变异;(3)空间插值结果显示,东山镇和溪龙乡速效磷在空间上都具有相连成片的特征,但东山镇速效磷呈阶梯状分布特征,而溪龙乡速效磷则呈辐射状分布特征;(4)东山镇和溪龙乡速效磷的块基比值分别为0.343和0.142,表明溪龙乡速效磷受随机性因素的影响较东山镇的小,而受结构性因素的影响较东山镇的大。     

包埋氨氧化细菌短程硝化的高效稳定运行

为了提高包埋氨氧化细菌短程硝化的效率,富集培养氨氧化细菌(AOB)并固定化.富集培养阶段采用连续式运行方式,以游离氨(FA)为抑制亚硝酸盐氧化菌(NOB)生长的手段,并通过定时排泥方法使NOB逐渐从系统中淘洗出去.富集培养结束后以聚乙烯醇(PVA)为包埋材料,对筛选培养的氨氧化细菌进行固定化,反应器包埋填充率为8%.采用连续式运行方式,通过逐步增加氨氮负荷的方法提高氨氧化速率.最终在富集培养系统中实现了污泥比氨氧化速率(以NH_4~+-N/VSS计)2.028 g·(g·d)~(-1)的高表达和亚硝酸盐氮90%以上的高积累.通过对污泥富集培养前后细菌群落组成的高通量测序分析,结果表明,培养前原污泥多样性较大,具有硝化作用的Nitrosomonas仅有0.24%,Nitrospira有2.7%.富集培养后的活性污泥多样性明显变小,优势菌种为Nitrosomonas(18%),而Nitrospira仅剩0.02%;包埋固定化后,系统迅速实现了短程硝化,最终短程硝化的速率达到了50 mg·(L·h)~(-1),亚硝酸盐氮积累率稳定在90%以上.     

平寨水库夏季热分层期间水化学及溶解无机碳变化

为探究喀斯特地质环境下的水库水化学及溶解无机碳的空间特征,选取了典型喀斯特地区贵州省黔中水利枢纽工程水源区平寨水库作为研究区,于夏季热分层期间(2019年7月)对平寨水库进行分层采样,对水体主要理化数据及溶解的无机碳碳同位素进行分析.结果 表明:(1)平寨水库在夏季存在明显的热分层现象:表水层(0～-10 m)、温跃层(-10～-30m)、恒温层(-30～-60 m).水温随着深度的增加呈下降趋势,最后趋于稳定(7(平均):25.62～ 12.43℃),水体pH值、溶解氧(DO)、电导率(EC)、叶绿素a(Chl-a)等物理化学性质在垂向上也出现了明显的分层;(2)平寨水库水化学类型为HCO3+SO4-Ca型,其水体水化学主要受碳酸盐岩平衡体系控制;(3)水体溶解无机碳(DIC)及其同位素组成(δ13 CDIC)变化:DIC浓度随水体深度增加而逐渐升高(DIC(平均): 1.8～3.03mg·L-1),δ13CDIC呈偏轻趋势(δ13CDIC(平均):-6.23‰-11.45‰).分析认为,太阳辐射、水生生物的分布状况及其光合作用和呼吸作用强度、有机质分解程度等在不同深度存在差异,使水体理化性质和DIC出现了显著的分层,进而影响δ13CDIC的分馏.碳酸盐岩的溶解与沉淀对DIC含量及其稳定同位素分馏影响不大.     

加注趸船液化天然气储罐泄漏动态仿真分析

为分析加注趸船液化天然气(LNG)储罐连续泄漏各参量的变化规律并获取泄漏强度的准确数据,建立了LNG储罐初始泄漏强度计算模型,提出了一种基于微分迭代思想的加压LNG储罐液相空间连续泄漏的动态计算方法,并对长江干线上某型加注趸船储罐的泄漏过程进行仿真计算,探究了各参量和泄漏强度的变化规律。结果表明,在泄漏口面积和高度相同的情况下,随液体体积的减少,两相混合物中的蒸汽质量分数逐渐下降;在储存压力和泄漏高度相同的情况下,泄漏口面积越大,泄漏质量流率的初始值越大,泄漏时间越短,压力和液面高度下的降速率越快;在储存压力和泄漏口面积相同的情况下,储罐内部液面距泄漏口的高度越大,质量流率的变化越快,泄漏时间越长。     

基于分形插值模型的平寨水库水质评价

平寨水库是黔中水利枢纽唯一源头水库,其水环境质量直接影响包括安顺和贵阳在内的整个黔中地区的农业灌溉和城市居民饮水安全.为了深入分析平寨水库的水环境质量状况,于2018年1月、5月、8月和11月对平寨水库7个监测断面水样进行采集,测定TP、TN、NH_3-N、COD和DO等5个监测指标,基于分形维数权重建立水质评价模型,对平寨水库水环境质量状况进行综合评价,并与模糊综合评价法和综合污染指数法进行对比分析.结果表明,平寨水库TP、NH_3-N和DO浓度均达到Ⅱ类水质标准,TN和COD浓度均超过Ⅱ类水质标准,主要为Ⅳ类和Ⅴ类,是主要污染因子;TP、NH_3-N和COD浓度在春季最高,TN浓度在秋季最高,DO浓度在冬季最低.平寨水库全年水质类别主要为Ⅲ类和Ⅳ类,在28个监测序列中,水质达到水功能区划标准的仅21.43%;平寨和跨桥断面水质最差,扈家河断面水质相对最好;春、秋季水质最差,冬、夏季次之.分形插值模型不仅能评价水质状况,而且能对同等级水质状况的优劣进行排序,具有较高的分类精度;其评价结果更客观、有效,在水质综合评价中具有良好的适用性.     

基于GIS的红枫湖流域平坝区境内农业非点源污染估算

为了探求喀斯特地区非点源污染源,通过地理信息技术对红枫湖流域平坝区境内进行水系提取及流域划分,调查农村居民生活污水、畜禽散养、农村生活污水3大非点源污染源,并运用等标污染负荷法,计算各乡镇TP、TN、COD、NH_3-N 4种污染物的总等标污染负荷比,并利用GIS空间技术分析了各乡镇污染贡献度。结果表明:高峰镇总等标污染负荷比最高,为39. 8%,高峰、马场、乐平三镇的总等标污染负荷之和超过80%。研究区化肥流失、禽畜散养的总等标污染负荷比分别为47%和39%,是红枫湖流域平坝区境内非点源污染的主要来源,并提出了针对性的污染防治对策。     

基于主成分分析的喀斯特山区河流水质评价及水质时空特征分析:以贵州省张维河为例

为了探求喀斯特山区河流水质状况及水质时空特征,选取贵州省平寨水库的支流张维河上的8个监测点,于2017年8月—2018年5月,对13项水质指标进行分季节监测。通过SPSS软件,利用主成分分析法,从13项指标中降维得出影响张维河水质的4个主成分,根据各主成分的方差贡献率及主成分的得分进行分析。结果表明:张维河上游主成分综合得分为-4. 158,下游得分为4. 221,上游水质总体上优于下游;全流域冬季主成分得分为2. 327,夏季得分为-0. 787,枯水期污染情况比丰水期严重;点源污染与非点源污染并存,并且以点源污染为主。     

基于不同周期PM2.5组成高时间分辨观测的PMF源解析研究

于2017年1月1日—12月31日对南京市城区大气细粒子(PM_2.5)化学组分（元素、水溶性离子和碳质组分）的小时质量浓度进行连续观测,采用正矩阵因子分析（Positive Matrix Factorization,PMF）模型分别基于全年观测数据（PMF全年）和逐月观测数据（PMF月份）进行源解析,比较不同观测周期源解析结果的差异以及对PM_2.5各组分浓度估算的准确性.结果表明：不同观测周期下,PMF源解析结果中因子类型未发生改变,但因子组成和贡献分布存在较大差异.由于PMF模型假设同一观测周期内源成分谱不发生变化,只有基于逐月观测数据的PMF源解析才能体现全年范围内因子组成和贡献分布的变化.尽管PMF全年和PMF月份的分析结果均能准确估算PM_2.5组分的月均浓度,但PMF月份结果对各组分小时浓度的估算值和观测值在时间变化上更一致.这是因为PMF模型要求对各组分浓度的平均值进行拟合,易低估（或高估）PM_2.5组分在观测周期内的极大（或极小）值.因此,基于短期（例如,月份）高分辨观测数据的PMF分析...