基于社会技术系统的复工企业疫情防控风险路径研究*

为对复工企业疫情防控中的风险致因因素进行分析，探寻复工企业疫情防控的风险路径，基于社会技术系统理论，建立宏观工效学模型，通过查阅并分析国家、地方政府、企业文件以及相关文献，从人员、技术、组织管理、内部环境及外部环境5个子系统出发，识别出16个复工企业疫情失控致因因素；运用社会网络分析（SNA）构建复工企业疫情防控关系网络，对各因素节点中心度进行计算，分析各节点在网络中的位置及影响程度；采用贝叶斯网络（BN）进行参数学习和推理学习，找出复工企业疫情失控的最大致因链。结果表明:复工企业疫情失控关系网络中，存在政府监督管理不力→防疫物资筹备不足→日常监管不到位，政府监督管理不力→ 防疫宣传、培训缺失→员工防疫知识欠缺，政府监督管理不力→防疫宣传、培训缺失→日常监管不到位3条最长风险路径。研究结果可帮助复工企业针对最长风险路径中的因素进行管理，从而有效地为复工企业防疫提供理论支持。     

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.      

北京市PM_(2.5)二次水溶性无机离子变化特征

利用在线高分辨率仪器对2013年和2014年北京市SO2-4、NO-3和NH+4(SNA)浓度进行连续观测。结果表明:NO-3浓度在夜间较高,下午较低;SO2-4浓度在后半夜至早晨较低,从上午至前半夜整体呈上升趋势;NH+4浓度日变化曲线相对平缓,在整个白天时段较低,夜间时段较高。硫氧化率(SOR)夏季最高,冬季最低;氮氧化率(NOR)季节变化相对较小。2014年整体ρ(NO-3)/ρ(SO2-4)比值明显高于2013年,表明北京市的排放源中以机动车为代表的移动源的贡献明显增大。     

北京市典型重污染过程中PM2.5载带水溶性无机离子污染特征分析

为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。     

Institutional networks and adaptive water governance in the Klamath River Basin,USA

Polycentric networks of formal organizations and informal stakeholder groups, as opposed to centralized institutional hierarchies, can be critically important for strengthening the capacity of governance systems to adapt to unexpected social and biophysical change. Adaptive governance is one type of environmental governance characterized by the emergence of networks that stimulate adaptive capacity through increases in social-learning, communication, trust, public participation and adaptive management. However, detecting and analyzing adaptive governance networks remains elusive, especially given contexts of highly contested resource governance such as large-scale negotiations over water use. Research methods such as social network analysis (SNA) are often infeasible as they necessitate collecting in-depth and politically sensitive personal data from a near-complete set of actors or organizations in a network. Here we present a method for resolving this problem by describing the results of an institutional SNA aimed at characterizing the changing governance network in the Klamath River Basin, USA during a period of contested negotiations over water. Through this research, we forward a method of institutional SNA useful when an individual or egocentric approach to SNA is problematic for political, logistical or financial reasons. We focus our analysis on publically available data signaling changes in formal relationships (statutory, regulatory, contractual) between organizations and stakeholder groups. We find that employing this type of SNA is useful for describing potential and actual transitions in governance that yield increases in adaptive capacity to respond to social and biophysical surprises such as increasing water scarcity and changes in water distribution.     

我国涉水旅游安全事故的时空分布及成因研究*

为探究我国涉水旅游安全事故的时空分布特征及事故成因机制，提升旅游目的地安全管理水平。以2010—2018年我国旅行社责任险平台的1 752起涉水旅游安全事故保险案例为数据源，利用社会网络分析方法，并结合Ucinet可视化分析技术构建事故时空分布模型及事故成因模型。结果表明:在时空分布规律上，我国涉水旅游安全事故具有较强的时间导向性和空间异质性；在事故成因规律上，游览环境因素和游客自身因素是导致事故发生的主要原因，同时不同影响因素之间具有较强的关联性。研究结果有助于深化旅游者及安全管理人员对涉水旅游安全风险认知，为相关旅游目的地安全管理工作提供理论依据。     

2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征

2015年1~12月对北京市城区开展PM_(2.5)中主要水溶性离子NH_4~+、NO_3~-和SO_4~(2-)(统称SNA)及其前体气体NH_3、NO、NO_2和SO_2的监测,共获得样本325组.用特氟龙滤膜采集PM_(2.5)中SNA,用在线仪器实时监测各前体气体.分析各前体气体和SNA的污染特征并同时对其相关性进行研究.观测期间NH_3、NO、NO_2、SO_2、NH_4~+、NO_3~-和SO_4~(2-)的年平均浓度分别为21.5、17.7、54.3、14.2、8.1、13.5和12.7μg·m~(-3),SNA质量浓度占PM_(2.5)的43.4%.NO、NO_2和SO_2冬季最高,夏季最低;NH_3为夏季最高,秋冬较低;NH_4~+浓度和体积分数四季波动不大;NO_3~-浓度和体积分数均夏季最低;SO_4~(2-)浓度为冬季最高,百分含量为夏季最大.全年([NO_3~-]+2[SO_4~(2-)])与NH_4~+的比值为0.97,表明阴离子主要以NO_3~-和SO_4~(2-)的形式存在.随着污染程度的增加,各化合物浓度均有明显上升,NO_3~-是重污染过程累积效应比较明显且贡献率最大的离子.SO_4~(2-)则在污染级别较低时,贡献率较大.NO_3~-与NO_2,NO、NH_4~+与NH_3,SO_4~(2-)与SO_2在置信度为0.01水平上均显著相关;SO_4~(2-)和SO_2变化规律呈负相关,NO_2和NO_3~-基本呈正相关,相比NH_3,NH_4~+浓度的高低受酸性气体NO_2、SO_2影响更大.     

资源 - 经济 - 体化核算——联合国93'SNA与SEEA

本着构建资源经济一体化核算体系的目的，对联合国“新国民经济核算体系（９３＇ＳＮＡ）”中有关资源环境核算及其“环境与经济综合核算体系（ＳＥＥＡ）”进行了全方位的评述，其中包括９３＇ＳＮＡ中心框架和附属框架体系结构评介，ＳＥＥＡ核算目标、基本核算框架、核算方法以及同ＳＮＡ中心框架有关核算处理的异同分析等。     

周口市2022年冬季重污染过程中细颗粒物污染特征及成因分析

为研究周口市冬季大气细颗粒物污染特征及导致其暴发增长的主要影响因素,利用城区环境空气在线高时间分辨仪器对2022年1月周口市大气常规污染因子、细颗粒物中水溶性离子等进行观测分析.结果表明,二次无机气溶胶(SNA)、碳质气溶胶(CA,包括有机碳OC和无机碳EC)以及重构后的地壳物质(CM,如Al₂O₃、 SiO₂、 CaO和Fe₂O₃等)是PM_2.5中含量前三的组成,占比分别为61.3%、 24.3%和9.72%,SNA、 CA、 CM和二次有机气溶胶(SOA)浓度均随AQI升高而升高. 1月硫氧化率(SOR)和氮氧化率(NOR)分别为0.53和0.46, SO₄^2-和NO^-₃增长速率[μg·(m³·h)^-1]分别为0.027(-5.89～9.47,下同)和0.051(-23.1～12.4).重污染时段SO₄     

不同曝气密度对CANON工艺启动的影响

在室温(25℃)下采用3组反应器R1、R2、R3,接种成熟厌氧氨氧化颗粒污泥,在总曝气量一定,曝停比为1的条件下,研究了不同曝气密度(3、6、12)对CANON工艺启动的影响.结果表明,R1、R2、R3分别经过32、29、23 d实现了CANON工艺成功的启动,较大的曝气密度有利于CANON工艺的启动; R1、R2、R3在周期实验中p H分别下降了0. 4、0. 55、1. 06,即在总曝气量一定的情况下,R3因其较大的曝气密度和合适的时间间隔,更有利于抑制NOB活性,使得系统对DO的利用率更高,提高了系统的脱氮性能;通过脱氮路径分析可得,系统中存在着ANA和SNA两种脱氮路径,SNA所占比重分别为19. 3%、24. 5%、33. 6%,随着曝气密度的提高,SNA贡献逐渐增大.