臭氧浓度升高与土壤湿度对农田土壤微生物呼吸温度敏感性的影响

为研究臭氧浓度升高条件下土壤湿度对农田土壤微生物呼吸温度敏感性的影响,采集经过3个生长季臭氧(100 nL.L-1)熏蒸及对照(CK)处理的农田土壤,在不同土壤湿度下研究土壤微生物呼吸对温度升高的响应规律.结果表明,在土壤湿度适宜的情况下,无论臭氧浓度升高处理还是对照处理中的土壤微生物呼吸均与土壤温度呈现出极显著的指数回归关系.就整个培养试验阶段的平均值而言,CK和100 nL.L-1臭氧处理下的平均土壤呼吸速率分别为0.48和0.33μmol.(m2.s)-1,前者比后者高约45%.臭氧浓度升高显著抑制了土壤微生物呼吸速率,并且显著降低了土壤微生物呼吸的温度敏感性.进一步的结果表明,正常土壤中土壤微生物呼吸的Q10随土壤湿度增加(20%～35%)而下降,而臭氧浓度升高改变了土壤中两者间的这种规律.综合本研究中的结果与以往关于土壤呼吸温度敏感性的研究结果,将Q10与土壤湿度(体积含水量)进行回归分析,可见两者间呈现极显著的二次函数关系,由此可推断其最大Q10值对应的土壤含水量在20%～25%范围内.     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.     

稳定同位素模型解析大气氨来源的参数敏感性

氨(NH_3)是大气霾污染和过量氮沉降的关键前体物,准确厘清其来源是制定NH_3减排策略的科学基础.稳定同位素模型(SIAR)在NH_3溯源研究中展现出巨大潜力,其解析结果的可靠性与NH_3排放源的氮同位素指纹谱(δ~(15)N-NH_3)密切相关.本研究基于2013年1月北京霾污染期间的同位素观测资料,使用SIAR评估了3个重要源谱参数(源的数量、源的δ~(15)N-NH_3特征值及其标准差)对NH_3源解析的影响.结果表明,农业源的贡献率对源谱δ~(15)N-NH_3特征值的变化最敏感,其次为化石燃烧源,氨逃逸源的敏感性最低.农业源δ~(15)N-NH_3标准差的改变仅造成农业源贡献率变化约4%,但其特征值的改变却造成农业源贡献率20%的变化.相比之下,将农业源拆分为化肥挥发和畜牧养殖源后,解析结果并未显著增加农业源的总贡献,即"非农业源"仍然是2013年初北京霾污染期间NH_3的重要来源.考虑到农业源的贡献率对SIAR模型参数改变的响应最为敏感,且不同类型的农业源δ~(15)N-NH_3差异较大,未来需要针对农业源δ~(15)N-NH_3的时空变化规律及影响因素开展深入研究,以此来降低同位素源解析模型的不确定性.     

城市空气污染数值预报模式系统及其应用

 介绍了城市空气污染数值预报模式系统,并利用该系统对济南市空气污染进行了预报.结果表明,该系统具有较好的预报性能;预报与实测值之间有较好的相关性;空气质量级别的预报效果更好,对SO₂、PM₁₀和NO₂ 3项污染物的级别预报准确率分别为84.6%,83.2%和94.6%,其总体级别预报准确率达到87.5%.研究结果还显示,济南市的SO₂污染已得到明显改善,机动车尾气污染相对较轻,而PM₁₀的污染比较严重,已上升为首要污染物,其来源、扩散、转化机制及其控制措施的研究是目前济南市面临的首要问题.     

一种大气CO2源汇反演模式方法的建立及应用

在一个二维全球大气化学传输模式的基础上,通过对模式的修改和调整,建立了一个简单二维扩散、传输模式,用于CO2源汇的反演研究.在验证了模式的有效性之后,将其应用于大气CO2源汇分布的研究.大气CO2的源主要集中在赤道地区和北半球中高纬度地区.其中,海洋和陆地生态系统(热带雨林的破坏)是赤道地区的主要碳源;北半球中高纬度的陆地生态系统是重要的碳汇,而南半球中纬度地区则表现为CO2的弱汇.对El Nino年(1982年)和其他年份的碳源汇分布情况作了比较,两者之间存在显著的差异,由于化石燃料燃烧排放并无明显波动,因此认为碳通量的年际变化是由于El Nino事件对陆地和海洋碳循环产生影响而造成的.     

土壤理化特性对稻田CH4排放的影响

为了研究土壤理化特性对稻田CH4 排放的影响 ,室外盆栽试验于 2 0 0 0年水稻生长季在南京农业大学实施 ,1 8个供试水稻土分别取自江苏宜兴、江宁、六合、仪征及宝应等地 .所有供试土壤的季节性CH4 平均排放通量为 6 42± 2 70mg·(m2 ·h) - 1,最低和最高值分别为 1 96mg·(m2 ·h) - 1和 1 1 0 6mg·(m2 ·h) - 1,两者相差约 5 6倍 .单相关分析结果表明 :影响CH4 排放的主要土壤参数为质地、氮素状况及铜含量 .CH4 排放与土壤砂粒含量呈正相关 (r =0 5 2 8,p =0 0 2 4) ,与粘粒含量呈负相关 (r =-0 484,p =0 0 42 ) .氮素含量高的土壤CH4 排放较低 ,CH4 排放与土壤全氮、速效氮和铵态氮含量的线性相关系数分别为 -0 449(p =0 0 62 )、-0 61 1 (p =0 0 0 7)和 -0 649(p =0 0 0 4) .土壤铜含量直接影响CH4 的排放 ,CH4 排放与有效态铜和全铜含量的线性相关系数分别为 -0 5 94(p =0 0 0 9)和 -0 5 47(p =0 0 1 9) .本研究并未观测到CH4 排放与土壤有机碳含量有相关关系 ,这与前人报道的实验室培养测定结果及稻田CH4 排放随土壤有机质含量提高而增加的假设完全不同 .逐步回归分析表明 ,不同土壤间CH4 排放的变异性有 75 5 %可由土壤有效态铜含量、镁 (全量 )含量及有效铁含量与全量铁之     

荷电雾滴表面带电尘粒捕集的数值分析

通过数值计算分析了带电粉尘粒子在荷电雾滴上的捕集特性,主要考虑尘粒惯性和静电效应对于提高粒子捕集效率的相对强弱.结果表明,在不同粒径区间内,粒子的惯性效应和雾滴与粒子间的库仑力对强化粒子靶效率的作用需要仔细加以辨认,同时证明了当雾滴弱荷电时,对亚微米带电粒子捕集依然是有效的.     

华北地区秸秆禁烧前后的NO2卫星遥感监测分析

为保证奥运会期间的空气质量,2008年5~9月在华北平原地区采取了秸秆禁烧措施.采取遥感监测手段,利用MODIS数据的中红外和热红外通道数据监测禁烧前后的2年(2007、2008)同一时期禁烧区域的秸秆焚烧点分布情况,并利用OMI数据计算出该区域相应时期的对流层NO2垂直柱浓度总量变化情况.通过禁烧前后的数据统计分析, 6、7月秸秆焚烧点由2007年的每天近250个减少到2008年的每天约40个,秸秆禁烧对对流层NO2柱浓度的降低起到一定的作用,但不明显.分析了利用遥感监测秸秆焚烧点和NO2浓度的不确定性.     

碳底物含量对厌氧条件下水稻土N2、N2O、NO、CO2和CH4排放的影响

理解底物碳氮对厌氧条件下水稻土排放氮素气体——氮气(N2)、氧化亚氮(N2O)和一氧化氮(NO)以及二氧化碳(CO2)和甲烷(CH4)的影响,有助于制定合理的温室气体减排措施,定量了解反硝化产物组成对碳底物水平的依赖性,也有助于氮转化过程模型研发中制定正确的关键过程参数选取方法或参数化方案.本研究采用粉砂壤质水稻土为研究对象,设置对照(CK)和加碳(C+)两个处理,前者的初始硝态氮和可溶性有机碳(DOC)含量分别为~50 mg·kg-1和~28 mg·kg-1,后者的分别为~50 mg·kg-1和~300 mg·kg-1.采用氦环境培养-气体及碳氮底物直接同步测定系统,研究了完全厌氧条件下碳底物水平对上述气体排放的影响.结果表明,CK处理无CH4排放,而C+处理可观测到CH4排放;C+处理的综合增温潜势显著高于CK处理(P<0.01);NO、N2O和N2排放量占这3种氮素气体排放总量的比重,在CK处理分别约为9%、35%和56%,在C+处理分别约为31%、50%和19%,处理间差异显著(P<0.01).由此表明,碳底物水平可显著改变所排放氮素气体的组成;对于旱地阶段硝态氮比较丰富的水稻土,避免在淹水前或淹水期间施用有机肥,有利于削减温室气体排放.     

基于数值模拟的2015年11月东北极端重污染过程成因的定量评估

2015年11月中上旬,我国东北地区经历了一系列连续重污染过程,其污染程度之高、影响范围之广、持续时间之长历史罕见.本文综合利用空气质量监测资料、遥感卫星资料、数值模式等方法手段探究了此次连续重污染事件的成因,并运用敏感性分析方法首次定量评估了各污染原因对PM_2.5浓度的贡献比重.结果表明,受阻塞高压控制、中低层强逆温、地面高湿度低风速等不利扩散条件可使PM_2.5浓度在污染过程中升高30%~50%;采暖季污染排放显著增强可使PM_2.5浓度整体升高100~200 μg·m^-3,重污染过程中对局部地区贡献达50%~70%;污染传输通道上游捕捉到的秸秆焚烧也可使局部地区PM_2.5浓度增加75~100 μg·m^-3,对PM_2.5浓度的平均贡献率为10%~20%.研究表明,不利扩散条件、采暖季污染源的加强排放及冬季的秸秆焚烧是引发此次高浓度PM_2.5的三大原因.本研究可为我国东北地区大气污染问题治理提供有益参考,也可帮助民众认知污染成因.