基于野外原位抽注试验和同位素技术的含水层反硝化速率研究

反硝化作用是地下水硝酸盐污染去除最重要的过程.由于水文地质条件和水文地球化学环境的复杂性和不确定性,精准测定含水层反硝化速率是反硝化过程的研究难点.选取潮白河冲洪积扇中部中国环境科学研究院地下水创新野外基地作为研究区,基于野外原位试验和15N同位素示踪法提出一种含水层反硝化速率的测定方法.该方法综合体现了研究区实际水文地质条件和水文地球化学环境对反硝化作用的影响,并充分考虑了硝酸盐在含水层中稀释弥散作用对计算结果的影响.结果表明:①潮白河冲洪积扇中部某地地下26~28 m处于还原环境,含水介质以粉细砂为主,ρ（NO₃-N）平均值为2.77 mg/L.②地下26~28 m反硝化速率在349.52~562.99 μg/（kg·d）（以N计,下同）之间,平均值为450.31 μg/（kg·d）.通过与研究区含水介质、采样深度和硝酸盐背景值相似的国内外案例对比研究,初步评估结果处于合理区间.③测试结果具有一定不确定性,主要来自忽略中间产物NO₂-和NO的计算方法、扰动采样方法、N₂O的操作规范程度及采样频率等方面.研究方法为测定含水层硝酸盐速率研究提供了新的思路,研究结果可为地下水中硝酸盐转化过程机理研究、地下水硝酸盐污染修复及风险管控提供关键的理论支撑数据.      

长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析

为研究长三角背景点夏季PM_2.5污染特征,于2018年5月30日—8月15日在上海市崇明岛对PM_2.5样品进行昼夜采集,并对其中水溶性无机离子(Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+)进行了分析.运用PSCF(潜在源贡献)方法判别污染物排放源区,并结合PCA(主成分分析)和PMF(正交矩阵因子)源解析探究PM_2.5来源.结果表明:①观测期间崇明岛ρ(PM_2.5)平均值为(33±21)μg/m3,低于GB 3095—2012《环境空气质量标准》一级标准限值(35 μg/m3),但在部分时段存在显著超标现象,ρ(PM_2.5)最高值在120 μg/m3以上.②水溶性无机离子质量浓度平均值为(14±9.3)μg/m3,占PM_2.5的42.4%,其中SNA(SO₄2-、NO₃-、NH₄+三者统称)为主要离子,占水溶性离子总质量浓度的85.7%.③n(NH₄+)/n(SO₄2-)(NH₄+与SO₄2-的摩尔浓度比)显示,清洁期〔ρ(PM_2.5) < 15 μg/m3〕呈贫铵状态,过渡期〔15≤ρ(PM_2.5)≤35 μg/m3〕和污染期〔ρ(PM_2.5)>35 μg/m3〕均呈富铵状态;过渡期SNA主要以NH₄HSO₄和NH₄NO₃形式存在,而污染期则主要以(NH₄)₂SO₄和NH₄NO₃形式存在.④通过对两次典型污染事件进行离子相关性分析和PSCF分析发现,E1污染事件(5月30日—6月8日)为局地生物质燃烧型污染事件,E2污染事件(7月23日—8月1日)为区域传输污染事件.源解析结果进一步表明,两次典型污染事件期间气态污染物的二次转化对PM_2.5的贡献最显著,贡献率分别为62.8%和59.8%;其次是生物质燃烧,其贡献率分别为32.5%和20.1%;E2污染事件期间海盐源对崇明岛PM_2.5贡献率较高(16.6%),远超过E1污染事件期间对PM_2.5的贡献率(2.7%).研究显示,区域输送对崇明岛PM_2.5有显著贡献,二次颗粒物累积是崇明岛PM_2.5超标的主要原因.      

德州市采暖季环境空气含氮/硫物质的污染及气-粒分配特征

为探究德州市采暖季环境空气中含氮/硫物质的污染特征、气-粒分配规律及影响因素,对2017年11月10日—2018年3月15日德州市市区环境空气监测站在线离子色谱分析仪监测的水溶性离子及气态前体物质量浓度的小时数据进行了分析.结果表明:①德州市环境空气监测站ρ（NO₃-）、ρ（SO₄2-）和ρ（NH₄+）平均值分别为（18.36±18.55）（12.74±10.92）（9.60±8.75）μg/m3,在2018年1月三者均达到最高值;对比PM_2.5及气态含氮/硫物质的质量浓度发现,ρ（PM_2.5）和ρ（SO₂）在2017年12月、2018年1月和2018年2月的月均值均较高,而ρ（SO₂）与ρ（SO₄2-）、ρ（NH₃）与ρ（NH₄+）均在日间（08:00—17:00）出现波峰.②对颗粒态和气态含氮/硫物质质量浓度日均值进行双变量相关分析发现,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）两两之间的相关系数均高于0.75,表明二次离子的形成机制相似;而ρ（NH₃）、ρ（NO₂）、ρ（NO）、ρ（SO₂）两两之间均不存在显著相关,说明这些气态前体物来自不同的局部排放源.③过剩NH₃指数（F_N）平均值为0.49±0.16,说明采样时段大气处于富氨环境,过剩的NH₃会与气态HNO₃生成NH₄NO₃,因此NO₃-气溶胶的形成主要受HNO₃的影响或限制.④相对湿度是影响ρ（PM_2.5）最重要的气象因素,高湿环境会促进二次离子的转化.研究显示,冬季采暖排放会增加环境空气中含氮/硫物质的质量浓度,气象因素（尤其是相对湿度）对含氮/硫物质的气-粒分配也有一定影响.      

铁基质强化新型功能性化粪池高效处理黑水的试验

以铁基质生物载体为核心,将物理、生物和化学方法结合,对化粪池进行功能强化,实现黑水的原位深度处理.探究了溶解氧（DO）和碳氮比（C/N）等因素对黑水中污染物降解的影响,并在最佳运行参数下考察了氮素在系统中的转化机制.结果表明,当C/N为7.3~8.4时,好氧生物铁基质载体池DO为2.3~2.7mg/L时,系统氨氮（NH₄⁺-N）、总氮（TN） 、COD和总磷（TP）的平均去除率分别可达90.74%、85.81%、92.65%和95.78%;当进水C/N降至3.3~4.2时,系统NH₄⁺-N、TN、COD和TP的平均去除率仍可维持在81.16%、76.62%、93.87%和94.75%.铁基质生物载体内电解作用显著强化了化粪池内TN的脱除、COD的氧化和TP的固定.氮素转化机制分析表明,内电解与反硝化菌的耦合强化了反硝化作用,降低了反硝化过程对有机碳源的需求,强化了低C/N条件下TN、TP的脱除.     

水体及沉积物氮磷水平对附植藻类的影响

为了探讨湖泊富营养化过程中沉积物及水体氮、磷浓度对附植藻类的影响,通过室内模拟实验,研究了水体及沉积物氮、磷升高对苦草(Vallisnerianatans(Lour.) Hara)上附植藻类生长、群落组成及其体内氮、磷含量的影响.结果表明,在实验条件下,随着水中氮、磷含量升高,附植藻类生物量及附植藻类氮、磷含量均呈极显著增加(p0.01).随着水体可获得的氮、磷浓度升高,附植藻类的相对丰度有所变化,舟形藻(Navicula)、小球藻(Chlorella)及微囊藻(Microcystis)相对丰度随着氮、磷水平的升高而下降,直链藻(Melosira)则相反,但舟形藻、直链藻、微囊藻、小环藻(Cyclotella)和小球藻均为群落的优势属种.沉积物氮、磷含量升高对附植藻类生物量、优势种丰度及群落氮、磷含量影响较小,均未达到显著水平(p0.05).在实验条件下,沉积物氮、磷含量对附植藻类影响不大,而水体氮、磷浓度升高显著地促进了附植藻类生长.研究结果也为解释富营养化湖泊沉水植物衰退及消亡提供了一定的科学依据.     

牛粪-化肥配施对水稻田氮磷迁移转化的影响

在控制外源N输入量相同的前提下,通过田间小区实验,探讨有机肥与化肥不同施用量（牛粪施用量：5,10,20t/hm²）对稻田田间土-水界面氮磷迁移转化特征的影响.结果表明：控制稻田水中NH₄⁺-N、NO₃^--N、TN和TP输出的最佳时期分别为施肥后的第5,30,7,20d,且TN和TP浓度随时间变化符合单指数衰减方程（0.7444≤R²≤0.9724;1.1×10^-6≤F≤0.0055）.采用牛粪部分代替化肥的施肥方式,在一定范围内能降低稻田退水中TN、TP输出负荷（41.8%、36.0%、64.3%;20.3%、39.1%、48.9%）,还可以降低稻田水中N/P,降低水体富营养化风险.同时,牛粪的施用可提高土壤中脲酶和磷酸酶的含量,促进氮磷向植物可吸收形态转化.综合经济成本和生态效益核算,采用10t有机肥代替无机肥的处理是相对经济环保的施肥方法,该施肥方式下,氮磷年输出负荷分别为17.70,1.26kg/hm².     

在线自动监测仪与实验室国标方法测定地表水中总氮的比对分析

随着监测技术的发展,地表水中越来越多的污染物可采用自动监测仪器实现实时监测。采用自动监测与实验室国标方法测定地表水中总氮的结果是否可比以及造成差异的原因,文章根据实际样品比对实验对此进行了探讨。     

水中氮类污染物的联系与区别

叙述了水体中含氮类污染物的来源，种类，相互转化方式和条件，表征意义等，以便对水中氮类污染物有一个全面，系统的认识。     

氨氮测定过程中有关问题的探讨

针对纳氏比色法测定氨氮过程中存在的问题，提出了相应的解决办法。消除了混浊和泡沫干扰问题，降低了空白吸光度，提高了测定的准确度。     

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.