基于人工神经网络模型预测2017~2018年成都市危险废物增量研究

危险废物对环境或者人体健康会造成有害影响,有效地预测其产量是优化管理和合理处置的重要依据。以2008~2016年成都市危险废物产生量为基础,通过数据带入和整合及综合各参数因子的影响,利用人工神经网络模型预测方法客观反映并预测成都市危废产量的变化趋势。结果表明该模型预测2017~2018年成都市危险废物年产量分别达到24.46万t和26.88万t,模拟精度偏差低。因此,人工神经网络模型可以作为一种预测危险废物产生量的工具,其预测结果可以为职能部门提供决策参考。     

西南典型区域夏季大气含氧挥发性有机化合物来源解析

含氧挥发性有机物（OVOCs）是大气光化学过程中的重要中间产物,是臭氧的重要来源之一.利用质子转移反应飞行时间质谱仪（PTR-TOF-MS）在成都平原对OVOCs进行观测,探讨其日变化特征、光化学反应活性、臭氧生成潜势和来源.结果表明,10个VOCs［乙醛、丙酮、异戊二烯、甲基乙基酮（methyl ethyl ketone,MEK）、甲基乙烯基甲酮（methyl vinyl ketone,MVK）、甲基丙烯醛（methacrolein,MACR）、苯、甲苯、苯乙烯、C8芳香烃和C9芳香烃］总浓度（体积分数）为（10.97±4.69）×10^-9,OVOCs为（8.54±3.44）×10^-9,芳香烃为（1.53±0.93）×10^-9,生物源VOCs为（0.90±0.32）×10^-9;光化学活性和臭氧生成潜势均排名前三的物种为：异戊二烯、乙醛和C8芳香烃;3个OVOCs物种（乙醛、丙酮和MEK）主要来源于本地生物源和人为二次源,且丙酮有较强的区域背景值,说明该地区的污染受到较为显著的区域传输的影响.本研究可加深对西南地区臭氧的区域形成机制的认识,为科学管控臭氧污染提供依据.     

成都市餐饮源VOCs排放特征

为研究成都市餐饮源VOCs排放特征,建立成都市餐饮源114种VOCs成分谱,本研究选择11个监测对象进行VOCs组分分析,并探索餐饮源VOCs全组分特征.结果表明,餐饮源VOCs中烷烃占比为23.12%—30.29%,烯烃占比为8.61%—25.78%,芳香烃占比为0.16%—5.86%,卤代烃占比为0.86%—13.82%,OVOCs占比为28.02%—63.77%,其他占比为2.02%—8.26%. OVOCs、烷烃和烯烃3类占比最高,3类污染物累计质量浓度百分比在75%以上,是餐饮源重要的污染物类型.餐饮源排名前10的VOCs分别是丙烯醛(11.12%)、乙烷(9.87%)、乙醛(9.51%)、丙酮(9.34%)、乙烯(7.86%)、正戊烷(5.74%)、乙炔(5.01%)、丁二烯(4.64%)、顺式-1,3-二氯-1-丙烯(3.40%)和乙酸乙酯(3.04%),是餐饮源的特征污染物.餐饮源全组分分析得到OVOCs的代表性物质为反式茴香脑和芳樟醇等,烯烃代表性物质为长叶烯和柠檬烯等,烷烃代表性物质为正十五烷和正庚烷等,为完善餐饮源成分谱物种、探寻餐饮源特征污染物的研究提供参考.采...     

如何利用水环境资源承载力确定城市规模研究——以天府新区为例

以水环境承载力的概念及内涵为基础,研究了天府新区规划初期水资源可持续利用的条件,并基于最大纳污量计算了可承载的区域人口和社会经济规模,为天府新区的区域整体发展规划提供依据.在天府新区新的发展目标下,论述了消除或缓解水资源的压力措施,即:改善和提高水资源管理水平甚至宏观社会经济决策水平,改善当地水资源承载状态,提高当地水资源系统对未来社会、经济、人口和生态环境的承载力.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

基于水质目标的流域排放管控模式与案例研究

改善流域水质是目前我国生态环境治理的重要议题,然而我国目前的流域水污染排放管控体系和手段还存在诸多不足,在流域尺度还未形成一套系统性的水污染管控体系。本研究提出了一种基于水环境质量目标的流域排放管控体系,构建了三种具有一定普适性的排放管控模式,并以成都江安河流域为案例开展实证研究,对比了三种模式在固定源排放管控方面的差异性和适用性。结果表明,本研究提出的管控模式能很好地实现水质达标目的,并能够不同程度地提高不同时段水环境容量的利用率。在相同的边界条件下,流域标准管控模式的方案和流域精细管控模式的方案对于固定源的逐月允许排放量分别为流域简化管控模式的1.3~1.6倍和1.5~2.0倍。     

成都市空气质量预报系统的应用及预报效果评估

介绍了成都市空气质量预报系统的模式设置和排放源处理,并评估其对2017年2月成都市的气象要素和PM_(10)、PM_(2.5)、SO_2、NO_2小时浓度的24小时预报效果。结果表明,系统能较好的预报成都市主要气象要素的逐小时变化情况,平均气温、气压和相对湿度的相关系数均在0.72以上,但对累积降水的预报效果仍需优化;系统能合理的反映各污染物的时空分布,PM_(10)和PM_(2.5)的预报效果达优秀水平,但存在不同程度的高估;NO_2的预报值与实况值的时间变化趋势一致性最高,空间分布对应较好,但模式预报对其存在一定程度的低估;对SO_2有显著的高估,但其空间分布模拟效果最佳。优化源的空间分配,及时更新源排放清单,同时针对不同排放源提高小时尺度排放清单分辨率可能是未来提高成都市空气质量预报系统预报准确率的有效途径。     

成都市机动车排放清单及排放特征研究

随着机动车保有量的迅速增加,成都市由机动车排放造成的污染也日益受到关注。基于COPERT 4模型,通过对机动车车辆构成、行驶工况、环境温度、油品质量等基础数据的调研,计算了成都市机动车尾气的排放因子并获得了成都市机动车几种主要污染物的排放总量。结果表明,2014年成都市机动车CO、NO_X、VOC和PM的排放总量分别为18.01万t、6.65万t、3.16万t和0.13万t。通过对成都市机动车的排放特征进行分析,发现以汽油为主要燃料的摩托车和小型客车是CO和VOC的主要贡献车型;以柴油为主要燃料的大型客车和重型货车是NO_X和PM的主要贡献车型。低排放标准机动车的排放水平远高于其他排放标准车型,且道路拥堵情况对机动车的排放水平亦有重要影响。     

地表水环境质量标准综述(二)——国外地表水环境质量标准、基准介绍及分析

对比分析了地表水环境质量标准、基准的国内外基本情况.着重分析了美国地表水环境质量标准的分类及与我国分类的异同点,从基本指标和有毒有害等指标两方面介绍了美国标准限值要求;从影响人体健康和影响水生生物两个方面介绍了美国水环境质量基准限值要求,其中影响人体健康方面涉及有毒有害物质、微生物、其他方面,影响水生生物涉及有毒有害物...