排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
为研究青岛市居民区降雨径流重金属的特性,在2014年7月22日和9月28日采集降雨径流样本45个,并化验分析了其中重金属Cd、Cu、Pb、Zn的含量。在此基础上,进一步分析了这些重金属的平均浓度、相关性、初期冲刷效应等。研究发现,降雨径流重金属Cu、Pb、Zn对城市水环境的污染不明显;而两场降雨径流重金属Cd差异明显。受干期长度和周边环境的影响,降雨径流重金属Cd有可能对城市水环境造成污染。降雨径流重金属Cu、Pb、Zn具有较强的相关性,而Cd与其他重金属之间相关性则较弱。降雨径流初期冲刷效应与降雨强度密切相关,降雨强度越大,初期冲刷效应越明显。研究结果可以为青岛市和其他城市居民区降雨径流重金属污染预测和控制提供科学依据。 相似文献
2.
3.
利用郯城地区100个地下水的水样监测数据,总结水化学特征,分析成因,并针对氮污染问题开展了硝酸盐健康风险评价。结果表明:区内地下水呈弱碱性,矿化度较低,总硬度为中等,水化学类型以HCO3-Ca型为主,但是氮污染严重。分析认为,地下水化学组成主要受岩石风化与人工施肥控制,碳酸盐岩和硅酸盐岩的风化溶解与氮肥施用是水化学现状的主因。熵权法水质指数(EWQI)表明区内地下水总体水质良好,但Ⅳ类和Ⅴ类分别占11%和2%,均为以硝酸盐形式存在的氮含量过高所致。在农业活动较强烈的西北部和东部,硝酸盐超标,约占全区面积的60%。基于健康风险评价模型,分别对婴儿、儿童、成年男性和成年女性四类人群进行评价,结果显示长期饮用或接触该区硝酸盐含量过高的地下水会给婴儿和儿童带来极大风险。 相似文献
4.
海(咸)水混入是河口河水重要的地质过程,深刻地影响河水地球化学过程。本文系统采集夹河河口水样,分析海淡水混合过程的地球化学特征。结果表明,远离河口段(J10~J14)为淡水性质,主要受水-岩作用及人类活动等影响;近河口段(J1~J8)海水混入严重,F~-、Cl~-、Br~-、SO~(2-)_4、Na~+、K~+、Mg~(2+)、Ca~(2+)、盐度等明显较高,主要受海水混入影响。近河口段存在Na-Ca离子交换过程,约占Na~+总量的0.9%~1.5%,离子交换量随海水混入比例增加而增加,Na~+离子交换量与K~+,Ca~(2+)、Mg~(2+)、Br~-、F~-、SO~(2-)_4离子交换量相关,且河水离子含量与盐度回归系数略低于与盐度、Na~+交换量回归系数,表明河口段河水离子交换影响河水地球化学特征。 相似文献
5.
运用不完全信息重复博弈的基本理论和分析方法,建立了地方政府与煤矿企业的多阶段动态博弈模型。不完全信息的引入改变了完全信息博弈中地方政府会随着从煤矿生产中获益越大对其提供的庇护程度越大,而企业必然选择干扰的结论。一旦地方政府的这种合作行为出现,国家在安全监察方面的成本和难度将会大大减低。 相似文献
6.
7.
通过采集2014年9月28日青岛市4个不同功能区降雨径流样品,监测其重金属Cd、Cu、Pb、Zn的含量,并分析重金属之间的相关性、事件平均浓度(EMC)和初期冲刷现象等。结果表明:石油化工区降雨径流中Cd、Cu、Pb之间具有显著相关性,并且Zn、Cu、Pb之间亦具有显著相关性;重金属Cd、Pb是降雨径流中主要污染物,Pb具有交通强度越高含量越高的特点,Cd具有距离石油化工区越远含量越低的特点;降雨径流中Cd、Cu、Pb、Zn的初期冲刷效应不仅与汇水面积、下垫面材料有关,而且与重金属的类别有关。 相似文献
8.
金属有机骨架材料(Metal-organic frameworks, MOFs)是一种大约20年前新兴起的、目前最年轻的多孔复合材料。由于其出色的物理和化学特性, MOFs已被广泛应用于多种领域。色谱技术作为一种重要的分析和分离方法,在环境监测分析和污染治理中起着重要的作用。着重介绍了MOFs在色谱技术中的应用,包括气相色谱(GC)、高效液相色谱(HPLC)及毛细管电色谱(CEC)等。除了MOFs在色谱领域取得的重要影响,也探讨了MOFs作为色谱材料,与传统色谱材料相比所具有的诸多应用前景及局限,以期为将来MOFs的理论和色谱应用研究提供指导。 相似文献
9.
10.
基于BP神经网络的污染场地土壤重金属和PAHs含量预测 总被引:1,自引:0,他引:1
受土壤检测成本和项目周期等因素制约,污染场地土壤经常存在检测数据缺失的现象,如何利用有限的检测数据获得更全面的信息成为当前研究热点.以某金属加工厂污染场地为研究对象,运用多元统计方法分析土壤样品中重金属(As、Zn、Cu、Pb、Ni、Cd、Cr)和多环芳烃(polycyclic aromatic hydrocarbons,PAHs)〔苯并[a]芘(BaP)、二苯并[a,h]蒽(DBA)、苯并[k]荧蒽(BkF)、苯并[b]荧蒽(BbF)、苯并[a]蒽(BaA)、萘(Nap)、?(Chr)〕之间的关联性,并以此为基础,利用已知数据建立BP神经网络模型,预测缺失土壤样本中重金属和PAHs的含量.结果表明:与GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准(试行)》中的风险筛选值对比,重金属超标率表现为w(Ni)>w(Cu)>w(As)>w(Pb)>w(Zn)=w(Cd)>w(Cr),除w(Chr)未超标外,其他6种PAHs按超标率排序为w(BaP)>w(DBA)>w(BbF)=w(BaA)>w(Nap)>w(BkF).重金属Zn与Pb、As与Cd关联性较好,Cu与Ni关联性较好,Cr与其他6种重金属关联性较差,PAHs中除Nap外,BaP、DBA、BkF、BbF、BaA和Chr彼此关联性均较好;构建的BP神经网络模型的污染物浓度预测值与实测值的决定系数(R2)范围为0.812~0.993,模拟效率系数(NSE)范围为0.779~0.959,均方根误差(RMSE)和平均绝对误差(MAE)均较小.研究显示,研究区土壤重金属和PAHs含量整体存在不同程度的超标现象,构建的BP神经网络模型对污染物浓度预测结果准确可靠,利用该模型对土壤污染进行空间分析与评价具有可行性,且关联性较弱的因子作为输入参数能进一步提高预测模型的精度. 相似文献