湖泊有机质降解过程生源要素活化行为研究进展与展望

水体富营养化是全球面临的最突出的生态环境问题之一。大量研究表明,碳(C)、氮(N)、磷(P)等生源要素是控制富营养化的关键因子。随着日益强化的流域污染治理工程的实施,流域外源氮磷输入通量显著减少,但很多湖泊水体的氮磷浓度并未如预期那样显著降低,藻类水华依然频发,湖泊内负荷被认为是罪魁祸首。湖泊内负荷聚焦的C、N、P等生源要素在湖泊生态系统中的生物地球化学循环往往以有机质为主要载体,藻类生长过程伴随着C、N、P的吸收和有机质形成,而有机质在水体沉降和沉积物早期成岩过程中的矿化降解则伴随着C、N、P的释放。虽然C、N、P等生源要素都伴随着颗粒有机质矿化而活化再生,但它们在此过程中并不是等比例活化释放。国内外有关有机质降解过程中生源要素活化行为的研究已取得重要进展,主要体现在：(1)水体颗粒物的C∶N和C∶P比值随水体深度增加而逐渐增大,表明水体颗粒态氮和颗粒态磷通常具有比颗粒态碳更快的矿化速率;(2)缺氧条件下有机质降解过程磷比碳优先释放且强度远高于富氧环境;(3)微生物及其驱动的聚磷酸盐循环和酶水解作用可能是导致有机质降解过程磷优先活化的重要原因。水体富营养化后,有机质降解过程磷优先活化...     

让环保的成本更低——写在宜正环保电商上线开业之际

正2013年过去了,但中国很多严重的环保事件却还留在人们的心头,比如:大范围长时间的雾霆、华北地区的地下水污染、某些国有大企业长期污染土壤水体、多地自来水供应由于污染事故中断等等。虽然,"环境污染加剧的趋势已经减缓"是业内共识,但我国的环境总体形势依然不容乐观。     

兰州市CMAQ近地面臭氧模拟结果的订正方法——基于机器学习方法

为能更加准确地模拟出兰州市近地面臭氧浓度,在CMAQ （社区多尺度空气质量建模系统）的基础上,利用机器学习方法中的XGBoost （极限梯度提升）模型及LSTM （长短期记忆）神经网络模型建立近地面臭氧模拟结果的订正模型,并以两种方法为基础,利用误差变权倒数组合方法构建LSTM-XGBoost组合模型,以期进一步提高订正效果.本文选取兰州市4个国控站点（兰炼宾馆,铁路设计院,榆中校区,生物制品所）2019年7、8月环境空气质量监测数据及兰州市气象站同期气象数据,对CMAQ模拟的同时段兰州市近地面臭氧浓度进行订正.结果表明,CMAQ能够模拟出兰州市近地面臭氧浓度的空间及时间分布特征,但整体上对浓度有所低估.利用上述方法构建的订正模型中,LSTM-XGBoost组合模型的订正效果最好,臭氧相关性由CMAQ模拟的0.61~0.76提升至0.89~0.95,臭氧8h平均相关性由0.65~0.79提升至0.81~0.88,臭氧RMSE由44.83~70.17mg/m³提升至15.21~26.53mg/m³,臭氧8h平均RMSE由40.07~67.57mg/m³提升至14.24~28.54mg/m³.该研究表明利用机器学习方法对CMAQ模拟结果订正可行,可以改善环境空气质量模式模拟结果.