纺织印染废水中TOC值和COD值的相关性

论证了纺织印染废水中TOC值和COD值的相关性,建立了COD和TOC的相关关系式。通过对实测的TOC值和COD值进行的一系列数理统计显著性检验,证实了纺织印染废水中TOC值和COD值之间具有良好的相关性,但基于生产过程、设施装置和排污情况的差异,印染企业在运用COD和TOC的相关关系式时,应根据自身的具体情况,通过实验建立相应的回归方程。     

南京市大气微生物调查及其动态研究

调查了南京市主要功能区大气微生物中常见种类的细菌和霉菌类,研究了细菌和霉菌类的生态分级和变化规律,比较了大气微生物与大气监测指标PM10、SO2、NO2的相关性。通过分析2000年10月至2001年8月6个功能区4个季节的监测结果,得出山西路监测点微生物数量最高,并且该点微生物中是以细菌为优势种,其次是霉菌属的马丁霉菌和耐渗透压霉菌。通过生理生化试验鉴定细菌和霉菌类,得出南京市大气微生物中细菌基本以微球菌属为主,霉菌以青霉属、曲霉属为主。大气微生物数量统计结果表明,南京市主要功能区微生物总量(均值)从高到低的顺序为:山西路(商业区)>中华门(交通区)>瑞金路(居住区)>迈皋桥(工业区)>玄武湖(对照点)>草场门(文教区)。大气化学监测指标PM10、SO2、NO2分析结果也表明大气微生物的数量变化与之呈一定的正相关关系,尤其与PM10关系更为密切。     

浅论环境指标的相关性分析在监测数据审核中的应用

数据审核是环境监测质量保证的重要环节之一,数据审核的方法有许多种,文章从监测数据中各环境指标之间的相关性分析出发,对水、气、声环境要素中的各环境指标间的相关性进行总结,并将其应用于数据合理性的审核,具有借鉴意义.     

镇江内江底泥重金属分布特征及潜在生态危害评价

对镇江内江的底泥进行采集,测定底泥中的Cu、As、Hg、Cr、Pb、Cd、Zn、总磷、总氮、有机质的含量,采用潜在生态风险评价和相关性分析的方法,研究了底泥中重金属的污染水平、生态危害、分布特征和溯源。结果表明,(1)内江底泥中的重金属污染主要为Hg、Cd、As。各重金属单项潜在生态危害指数大小关系为Hg>Cd>As>Pb>Cu>Cr>Zn。(2)内江的整体生态环境受重金属的危害程度处在中等水平,重金属的生态威胁主要来自Hg,建议在达到强生态威胁程度的3#、8#、20#、21#采样点附近清理淤泥。(3)由重金属分布特征可知,湿地生态系统对重金属具有较好的吸附去除作用;在内江流速慢、死水多的地方易造成重金属富集;入江河口重金属富集也较明显;污染企业与重金属含量有直接关系。(4)由相关性探源可知,Cu、Zn、Cr主要来自于自然界,Hg、Cd、Pb主要来自于企业污水排放,As则来自于自然界和人为排放。     

江苏省水泥制造业经济发展与大气环境变化相关性分析

选取了2001—2014年的相关数据,分析了江苏省水泥制造业的经济发展、资源能源消耗和污染物排放特征,同时对行业经济发展与大气环境污染变化进行了相关性分析。结果表明,2001—2014年,江苏省水泥制造业工业总产值呈现波动增加趋势,工业煤炭消费量呈现波动增加趋势,投入产出比呈现逐年波动上升态势;SO2的排放强度呈现波动下降的趋势,低于全省平均水平;烟粉尘的排放强度波动下降,高于全省平均水平;NOX的排放强度呈现波动上升的趋势,高于全省平均水平;SO2与烟粉尘排放量与GDP均高度呈负相关,回归曲线模拟基本类似U型的左半段,随着GDP的增加,SO2和烟粉尘的排放量呈现下降趋势。     

生物监测中叶绿素a浓度与藻类密度的关联性研究

通过测定叶绿素a浓度、藻类密度和藻类分类计数等,获取"水华"水体生物监测数据。统计分析结果表明,叶绿素a浓度和藻类密度在蓝藻"水华"(微囊藻为优势种)暴发期间存在显著相关,并拟合出了回归直线。且叶绿素a浓度和藻类密度的自然对数比值也与藻类发生和兴衰存在着规律性联系。     

佛山市近地面臭氧污染特征及相关气象因子分析

利用2014年佛山市8个国控大气自动监测点位的O_3监测数据,分析了佛山市的O_3污染特征,结果表明,2014年O_3日最大8 h平均值的第90百分位数为167μg/m~3,O_3为首要污染物的超标天数为43d,占比46.7%;ρ(O_3)区域变化不大;ρ(O_3)月变化呈现"三峰型",全年高ρ(O_3)集中在6—10月份,其中7月份出现全年最高峰值;ρ(O_3)日变化呈单峰型分布,夜间浓度较低且变化平缓,14:00—16:00左右达到峰值,并存在一定的"周末效应",但并不明显;ρ(O_3)与气温呈显著正相关,与湿度、气压、雨量呈显著负相关,与风向、风速的相关性相对较弱;总体上看,高温、低湿、微风、偏南风、低压、无雨的天气条件下高ρ(O_3)更容易出现。     

Influence of urban spatial and socioeconomic parameters on PM2.5 at subdistrict level: A land use regression study in Shenzhen, China

The intraurban distribution of PM_2.5 concentration is influenced by various spatial, socioeconomic, and meteorological parameters. This study investigated the influence of 37 parameters on monthly average PM_2.5 concentration at the subdistrict level with Pearson correlation analysis and land-use regression (LUR) using data from a subdistrict-level air pollution monitoring network in Shenzhen, China. Performance of LUR models is evaluated with leave-one-out-cross-validation (LOOCV) and holdout cross-validation (holdout CV). Pearson correlation analysis revealed that Normalized Difference Built-up Index, artificial land fraction, land surface temperature, and point-of-interest (POI) numbers of factories and industrial parks are significantly positively correlated with monthly average PM_2.5 concentrations, while Normalized Difference Vegetation Index and Green View Factor show significant negative correlations. For the sparse national stations, robust LUR modelling may rely on a priori assumptions in direction of influence during the predictor selection process. The month-by-month spatial regression shows that RF models for both national stations and all stations show significantly inflated mean values of R² compared with cross-validation results. For MLR models, inflation of both R² and R²_CV was detected when using only national stations and may indicate the restricted ability to predict spatial distribution of PM_2.5 levels. Inflated within-sample R² also exist in the spatiotemporal LUR models developed with only national stations, although not as significant as spatial LUR models. Our results suggest that a denser subdistrict level air pollutant monitoring network may improve the accuracy and robustness in intraurban spatial/spatiotemporal prediction of PM_2.5 concentrations.