厌氧条件下砂壤水稻土N2、N2O、NO、CO2和CH4排放特征

了解厌氧条件土壤反硝化气体(N2、N2O和NO)、CO2和CH4排放特征,是认识反硝化过程机制的基础,并有助于制定合理的温室气体减排措施.定量反硝化产物组成,可为氮转化过程模型研发制定正确的关键过程参数选取方法或参数化方案.本研究选取质地相同(砂壤土)的两个水稻土为研究对象,通过添加KNO3和葡萄糖的混合溶液,将培养土壤的初始NO-3和DOC含量分别调节到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方法,研究完全厌氧条件下土壤N2、N2O、NO、CO2和CH4的排放特征,并获得反硝化气态产物中各组分的比率.结果表明,在整个培养过程中,两个供试土壤的N2、N2O和NO累积排放量分别为6~8、20和15~18 mg·kg-1,这些气体排放量测定结果可回收土壤NO-3变化量的95%~98%,反硝化气态产物以N2O和NO为主,其中3种组分的比率分别为15%~19%(N2)、47%~49%(N2O)和34%~36%(NO);但反硝化气体产物组成的逐日动态均显现为从以NO为主逐渐过渡到以N2O为主,最后才发展到以N2为主.以上结果说明,反硝化气体产物组成是随反硝化进程而变化的,在以气体产物组成比率作为关键参数计算各种反硝化气体产生率或排放率的模型中,很有必要重视这一点.     

2013年成都财富论坛期间空气质量状况分析研究

利用2013年5月20日-6月20日成都市区7个环境质量监测站点可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)、SO₂、NO₂、CO和臭氧的实测资料及地面气象观测资料,对成都举办财富全球论坛期间及前后的空气质量变化特征和成因进行分析.结果表明,由于市政府采取交通管制措施,使机动车尾气排放的NO₂浓度与财富论坛前后相比降幅达27.2%;财富论坛期间臭氧前体物质浓度的降低,使地面臭氧日均浓度在相同太阳日辐射值下与财富论坛前后相比较低;对城区扬尘控制和周边重污染企业限产停产,分别对PM₁₀和SO₂的排放起到了明显的削减作用;后向轨迹分析表明市区SO₂浓度累积与来自东南部低空的气团有关.当相对湿度小于60%时颗粒物容易吸湿增长,而当相对湿度大于60%时降雨概率增大,颗粒物容易被清除.综合分析,成都市区财富论坛期间空气质量改善是政府减排举措的有效实施和较好的气象条件共同作用的结果.     

四川盆地近地面风场及污染物输送通道统计分析

利用2017年四川盆地18个城市PM_2.5小时浓度数据、欧洲气象中心ERA-Interim再分析资料对四川盆地污染特征及不同季节近地面风场特征进行统计分析.通过分异指数和相关性分析各城市PM_2.5逐小时浓度，结合近地面风场特征分析出四川盆地污染物变化趋势最相似的城市组合，探索污染物传输特征.研究发现，分异指数和相关性分析得到的传输通道城市组合与地面风场基本相符.四川盆地污染物输送途径可能包括以下3条路径，第1条"川西通道"：污染物随气流沿广元→绵阳东南部→德阳→成都、眉山北部→雅安流动；第2条"川中通道"：污染物随气流沿巴中→南充北部→遂宁北部、绵阳东南部→资阳北部→眉山东部→乐山北部流动；第3条"川东通道"：污染物随气流沿重庆北部→达州、广安→南充南部→遂宁中部→资阳东部→内江、自贡→宜宾、泸州流动.川西通道城市污染排放量大，容易引起连片污染，对应城市群应实施联防联控；川东通道末端在川南城市群和重庆形成风场辐合，造成污染物的滞留和累积，因此，建议在中长期产业布局中减少川南城市群的重污染企业.     

西安一次霾重污染过程大气环境特征及气象条件影响分析

利用西安区域8个气象站点的气象观测资料及西安市13个环境质量监测站点的空气污染物浓度监测资料,对2013年12月16—25日西安地区一次长时间重污染霾天气过程的污染特征及成因进行了分析.结果表明此次霾重污染天气过程主要是一次在不利气象条件下形成的高浓度颗粒物污染事件,其中有54.6%的霾属于干霾,其余属于湿霾.气压场偏弱,气压梯度力小,风速小,弱冷空气形成的下冷上暖的稳定性层结等天气形势有利于霾重污染的形成与维持;弱的降温与相对湿度增大叠加,有利于气溶胶吸湿增长而加重霾的强度.关中盆地特有的喇叭口地形通风不畅,造成外来输送与当地排放的大量污染物堆积,为此次长时间霾发生提供了增强条件.低的混合层厚度抑制了垂直方向上的对流输送,严重削弱了大气垂直扩散能力,造成了大气中各类污染物浓度的大量积聚,是造成此次霾重污染过程的重要原因之一.城市污染加重热岛效应、热岛效应反过来通过热岛环流改变城市污染物传播扩散规律并加重污染,二者相互作用、互为增强条件.     

耐盐活性污泥的驯化及对有机氯化物的降解性能

研究了高盐条件下的活性污泥驯化工艺，比较了驯化活性污泥与未经驯化活性污泥对废水中有机氯化物的去除效果。研究结果表明，经驯化后，活性污泥的理化指标发生了改变，对水中丙酮的去除率平均为68．3％，对二氯乙烷的去除率平均为83．0％，均优于未经驯化的活性污泥。这说明在合适的条件下，活性污泥经过耐盐驯化后可提高微生物对水中含氯有机物的适应能力，提高含氯有机物的去除效果。     

基于机器学习算法的精细化流场模拟研究

基于决策树和随机森林两种机器学习算法,以长沙市国控站气象观测数据和WRF模式模拟得到的风场数据构建数据集,对WRF预报长沙市城区风场数据进行优化.同时,利用树模型特征选择法,筛选对近地面风场数据有重要影响的气象要素,将其作为两种机器学习算法的输入,并利用网格搜索法进行调参建模.最后,将训练结果与地面观测数据进行对比评估模型的性能,开展长沙市城区风场短时预报应用研究.结果表明：相比于WRF模式,随机森林模型和决策树模型的均方根误差平均降低34%和17%,平均绝对误差平均降低33%和13%,相关系数平均提高26%和19%,风向预报准确率平均提高1%和17%;随机森林模型和决策树模型可成功模拟风场日变化特征,而且刻画的风场空间变化特征更为精细,能很好地描述城区内大气污染物随时间的动态变化特征.这表明构建的机器学习风场模型具有较好的模拟性能,可应用于空气质量改善及环境风险评估等方面的研究,显示出机器学习方法在提升风场预报方面的潜力.     

基于空间密集传感器解析城市本地排放和区域传输贡献方法初探

为了对城市污染物进行详细区域来源解析,基于长沙市低成本传感器监测网络,收集了2019年10月PM_2.5、PM₁₀、SO₂、NO₂的高空间分辨率监测数据,对污染特征进行分析.同时,根据本地排放和背景浓度变化的不同相对频率,基于小波分析提取了污染物背景浓度并结合空间密集监测量化了城市环境中监测点的近场、远场及区域传输贡献.结果显示,2019年10月长沙市4项常规污染物中,PM_2.5浓度较高,SO₂浓度较低.小波分析提取各监测点背景浓度结果表明,部署在乡村的监测点PM_2.5、PM₁₀和NO₂背景浓度平均水平较低,而城市总体数据分布更分散,存在明显的本地排放源.估计近场、远场及区域传输对城市监测点总污染水平贡献发现,研究期间,区域传输对监测点污染贡献最大.其中,PM_2.5的区域贡献、远场贡献和近场贡献占比分别为43%、24%和17%;PM₁₀的区域贡献占比较高为59%,远场贡献和近场贡献分别占比14%和16%;NO₂的区域贡献、远场贡献和近场贡献占比分别为45%、24%和19%;而SO₂主要以区域贡献为主,占比达78%.     

我国西南地区吸收性气溶胶时空分布

利用2006~2017年的MERRA-2再分析数据、CALIPSO卫星反演数据以及欧洲中心（ECMWF）提供的ERA5再分析资料研究了西南地区吸收性气溶胶的时间变化趋势及空间分布特征.结果表明2006~2017年吸收性气溶胶四川盆地与云南南部整体呈下降趋势,同时存在季节性差异.CALIPSO反演的烟尘气溶胶（主要由强吸收性的碳质气溶胶组成）的三维时空分布及演变趋势表明,云贵高原的黑碳气溶胶消光系数最大,四川盆地次之;从高度分布上来看,黑碳气溶胶在青藏高原的夏季能够被抬升至8~10km（海平面高度以上）左右,而云贵高原黑碳气溶胶主要分布在2~4km左右,四川盆地则集中在1~3km左右.     

2014—2016年四川盆地重污染大气环流形势特征分析

利用2014—2016年四川盆地7个主要城市国家环境空气监测子站资料,结合2015—2016年MICAPS常规气象数据、NECP和ERA Interim再分析资料,统计分析四川盆地细颗粒物（PM_2.5）浓度时间分布特征及重污染期间的气象要素和环流背景.结果发现,2014—2016年四川盆地大气重污染主要发生在冬季,重污染日数分别为41、30和16 d,呈逐年降低的趋势.大气重污染期间,温度廓线出现多层逆温,逆温层大多出现在近地面925 hPa以下和700~600 hPa之间.四川盆地大气重污染主要对应两种环流形势,一种为500 hPa高空盛行西风气流,850 hPa高空等值线稀疏,另一种为四川盆地受到500 hPa高空槽后西北气流控制,地面为弱高压.以上两种环流形势下,四川盆地850 hPa高空附近气压梯度小,污染物不易扩散,导致重污染天气发生.本研究结论可为四川盆地大气重污染预报预警提供科学依据.     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.