北京市新建城区不透水地表径流N、P输出形态特征研究

2010年通过对北京市新建城区典型不透水地表径流水样的采集与分析,研究新建城区地表径流水质特征及其N、P输出形态组成,以期为城市地表径流污染的源区控制提供科学依据.结果表明,北京市新建区典型不透水地表屋面和道路地表径流污染初期冲刷效应显著,屋面径流污染负荷的输出主要集中在初期10 mm径流,而道路径流污染负荷的输出主要集中在初期15 mm径流.屋面地表径流TSS、COD、TN、NH4+-N、NO3--N和TP事件浓度均值分别为50.2、81.7、6.07、2.94、1.05和0.11 mg·L-1;道路地表径流TSS、COD、TN、NH4+-N、NO3--N和TP事件浓度均值分别为539.0、276.4、7.00、1.71、1.51和0.61 mg·L-1.屋面径流颗粒态COD、TN和TP分别占20.8%、12.3%和49.7%,道路径流颗粒态COD、TN和TP分别占68.6%、20.0%和73.6%.屋面径流溶解性氮素占总氮87.7%,其中NH4+-N和NO3--N分别占57.6%和22.5%,道路径流溶解性氮素占总氮的80.0%,其中NH4+-N和NO3--N分别占42.1%和35.0%.城市地表径流污染控制应加强NH4+-N和NO3--N的去除.     

城区地表径流面源污染和河道水环境治理的研究

河流为人类提供了多样的生态服务功能,然而城市化对河流生态系统健康状况造成严重的影响。随着点源污染的有效管理控制,非点源污染降雨径流己成为造成城市地表水环境污染的主要原因。为了改善河道水质,引调清水激活城市内河水体,提高河道的水环境自净能力,有效改善城市水环境。文章以南京河西水系为例,利用Saint-Venant方程组对水系建立一维水动力模型,并通过汇流结点水位法对方程组进行数值求解;对WASP5水质模型进行二次开发用于水质模拟;建立水质模型和一维河网水动力模型的耦合模型,将水动力模型计算所得到的水动力参数耦合到WSAP5水质模型中,模拟降雨过程以及引调清水过程的河网各河段的水质变量浓度,得出降雨径流对河流的污染程度以及引清冲污措施对河流水质改善的效果并优化调水过程。     

我国水泥工业碳排放特征及动态变化分析

水泥工业是温室气体二氧化碳(CO2)的主要排放源,利用碳排放数学模型计算2001-2010年我国水泥工业碳的排放量,分析碳排放量的变化特点和发展趋势。结果表明:水泥工业碳排放总量逐年增长,与水泥产量和排放强度呈线性关系。"十一五"期间单位产品碳排放强度由0.69 t/t下降到0.65 t/t。万元GDP碳排放量2008年达到最低值为0.295 1 t,平均每年万元GDP碳排放量下降2.85%。水泥工业十年间实施节能降耗、资源循环利用、提高经济效益等措施,对于减少碳排放具有明显效果。     

农药企业场地土壤重金属污染状况及风险评价

为了解典型农药化工厂区及周边土壤的重金属含量分布及其环境风险,本研究选择京津渤地区某农药企业,对其厂区和周边表层土壤中Cu、Ni、Cd、Zn、Cr、Pb、Hg和As等重金属进行了监测,并采用内梅罗综合指数法、Hakanson潜在生态风险指数法和美国环保署(USEPA)的人体暴露风险评价方法进行了生态风险和健康风险评价。结果表明,企业内部存在明显的As污染,尤其是生产区土壤中As的浓度达到土壤三级标准的2.59倍,企业周边土壤也存在普遍的Cd、Pb和Hg累积现象,历史生产过程含砷辅料的使用是造成厂区As污染的关键原因。从潜在生态风险指数来看,企业内部生活区及周边土壤重金属平均总潜在生态风险水平为低度;生产区土壤的重金属总潜在生态风险水平为重度。所有重金属各种途径的非致癌风险叠加均未超过1,非致癌风险在安全范围内,其中主要的非致癌风险贡献元素为Cr、As和Pb。四种致癌重金属Ni、Cd、Cr和As的致癌风险指数从大到小排序为As>Cr>Ni>Cd,Cr、Cd和Ni在企业厂内以及周边土壤中的健康风险值均小于10-6,致癌风险较低,不会对人体造成致癌危害;As在厂内生活区以及厂外周边土壤的致癌风险水平在10-6-10-4之间,存在一定程度的致癌危害;然而,厂内生产区土壤中As的致癌风险值为1.2×10-4,有显著致癌风险。     

职工拒绝加班厂里能否扣发奖金?

小魏是某自来水厂的维修工。一天，他与女朋友约好，下班后一起去看电影。可没料到在临近下班时，厂里的供水设备突然发生故障，造成了大面积居民家里停水，为了尽快抢修设备，厂里决定：所有维修工人下班后一律不许走，都必须加班。小魏听到这个决定后，马上找到了厂长，说：我今天下班后跟女朋友有个约会，不能加班。”那不行，供水设备必须尽快抢修，所有维修工要一起上，谁也不能拒绝加班。”厂长的口气十分坚决，“你马上跟女朋友联系一下．取消约会，赶快到现场去，参加设备的抢修。”小魏按照厂长的吩咐．跟女朋友通了电话。把加班的…     

拾宝行

石宝山,一个神秘而又响亮的名字。早就听说那里有宝藏,很想跟—下时尚风,到那里去淘宝。机会说来就来了。去年的一个秋日,雨过天晴,天空像洗过一样明媚,我应邀到石宝山走了一趟。然而,如今的石宝山已不是传说中的石宝山了,它是枝江市新建的垃圾处理场。垃圾来了,那些宝藏还在吗?石宝山的传说枝江是鄂西大山余脉与江汉平原的过渡地带,说山实为丘陵,不过这里比周边还是陡峭险峻一点,林木也茂密葱茏一些,人行其间,觉得有点大山的巍峨意象。大约转悠了半个时辰,在一片丛林里,果然发现了一块漂亮的石头。石头有枕头大小,两面皆有几排竞渡的红帆图印,下有水色波纹,似可归入奇石之列。这不禁让我想起了"是帆动还是心动"的禅语,灵机一动,给这块石头命名为"心帆"。由于头天下过大雨,道路泥泞,搬运极度不     

环保诺言,你兑现了多少？

民间环保组织经常干些很可笑的事,他们动不动就要人承诺;被组织起来参加各种公益活动的人也很勇敢,他们动不动就在承诺书上签下大名,拍着胸脯保证能够"从我做起"、"从现在做起"、"从小事做起"。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区（水源地）为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM（长短期记忆神经网络）3种时间序列模型在藻华（日平均叶绿素a大于15 μg?L^-1）预测方面的效果.结果表明：①时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;②基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;③输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据 无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于LSTM模型实现总叶绿素a浓度的短期预测,可为九龙江河流库区藻华早期预警和供水安全保障提供技术支撑.     

2000~2020年京津冀BVOCs排放量估算及时空分布特征

为研究京津冀地区天然源挥发性有机化合物(BVOCs)近20a排放量及时空分布特征,本文基于卫星遥感解译获得的2000年、2005年、2010年、2015年、2020年共5期中国土地利用数据,计算获得了京津冀地区各市县BVOCs排放量及排放组成,同时对京津冀地区近20a的BVOCs排放的时空分布进行了特征分析.结果表明,近20a京津冀地区BVOCs平均排放总量为76.40万t/a,其中河北省、北京市、天津市的平均排放总量分别为59.11万t/a,15.29万t/a,2.00万t/a;按照排放组成分析,ISOP平均排放总量为16.80万t/a,占总排放量的21.99%,TMT平均排放总量为29.62万t/a,占总排放量的38.77%,OVOCs平均排放总量为29.97万t/a,占总排放量的39.23%.根据排放时间特征分析,京津冀地区冬季BVOCs排放量最低、夏季BVOCs排放量最高.BVOCs排放的空间分布与土地利用类型和植被分布密切相关,不同土地利用类型的BVOCs排放贡献具有显著差异,近20a京津冀地区林地、耕地、草地的BVOCs平均排放量分别为60.33万t/a,12.78万t/a,2.31万t/a,分别占总排放量的78.90%,16.79%,3.04%.京津冀地区BVOCs空间排放分布差异比较明显,北部、东北部的整体排放量明显高于南部、东南部.本研究可为BVOCs的计算提供研究思路,同时可为京津冀地区空气污染治理提供有关基础数据.     

人为排放及气象因素对空气质量影响的定量分析——以疫情期间邢台市为例

选择河北省邢台市作为研究对象,将2020疫情作为一个极限管控措施下的极限减排实验情景,把2021疫情作为未来常态化疫情防控实验分析情景.与疫情前期对比,两次疫情期间臭氧浓度均有提升且2021疫情时期颗粒物浓度同样有提高,2020疫情时期其他污染物浓度均有不同程度的改善,而与2019历史同期相比,两次疫情期间臭氧浓度同样有升高现象,除此以外,2021疫情时期污染物改善较好.利用长短期记忆网络（LSTM）算法和空气质量预报模式系统（WRF-CMAQ）量化了两次疫情时期气象因素对于污染物浓度变化的影响,根据空气质量模拟法反推了不同污染物受人为影响的浓度变化.实验结果表明,LSTM算法在两次疫情期间的模拟均显示人为影响对污染物产生了负影响（降低了污染物浓度）且在总变化影响中占比较高,而CMAQ模式模拟结果中的气象因素影响占比远高于LSTM算法.CMAQ模式在两次疫情模拟中表现出了不同的结果,在2020疫情中人为影响占据了主导,而在2021疫情中,相比较2020疫情时期,除NO₂外,人类活动对其他污染物的影响均为正值（促进了污染物浓度升高）.