空地协同模式在城市水环境监测中的应用研究

传统水质监测方法耗时且费力，而基于高光谱的水质监测技术可实现对水质的快速、直观、原位监测。以扬州古运河三湾段为研究区域，基于无人机高光谱成像仪与水质走航监测船相配合，采用空地协同模式和偏最小二乘回归算法对总磷（TP）、总氮（TN）、氨氮（NH₃-N）、高锰酸盐指数（I_Mn）4个水质参数进行定量反演研究。结果表明：该反演模型的决定系数（R²）为91%～97%；拟合效果依次为NH₃-N＞I_Mn＞TN＞TP；各指标反演误差绝对值为0.2%～4%。该方法具有较好的反演效果，可快速、准确地获取城市河道水质分布情况，适用于城市水环境监测。     

巢湖十五里河沉积物硝化速率的城乡梯度变化及相关性

2017年7月—2018年5月,在巢湖十五里河干流城乡梯度方向的5个采样点位,按两月一次的频率采集表层沉积物及其上覆水.在此基础上,开展沉积物硝化速率城乡梯度变化规律分析,并识别主要影响因素.结果表明:①十五里河水体氮磷污染严重,并具有氨氮浓度相对较高的污染特点;②潜在硝化速率(PNR)变幅为0.003～0.021μmol·g~(-1)·h~(-1),均值为0.011μmol·g~(-1)·h~(-1),没有表现出明显的城乡梯度规律;③表面硝化速率(ANR)变幅为0.73～15.23μmol·m~(-2)·h~(-1),均值为4.19μmol·m~(-2)·h~(-1),也未表现出明显的城乡梯度规律;④十五里河沉积物硝化速率季节性变化规律明显,基本表现为:夏季春季秋季冬季,但5个采样点之间硝化速率的差异性程度不完全相同;⑤PNR与上覆水水温相关性较为显著,ANR与上覆水中NH~+_4-N和NO~-_3-N存在显著相关性,沉积物中对PNR和ANR影响较为显著的因素都是TN、NH~+_4-N和pH.     

湿天然气管道螺旋流水合物浆液安全输送研究

研究了天然气水合物浆液在气液两相螺旋管流中流动特性,分析了以气相为连续相、水合物颗粒为离散相的气固两相螺旋流的流动机理,通过对水合物颗粒受力分析和运动分析,结合螺旋流旋涡结构演化规律,推导出水合物颗粒平动、转动的判断条件,给出了颗粒各种受力的关联式,建立螺旋管流水合物颗粒运动模型,探讨了水合物颗粒的动力学行为。分析水合物浆液流动特性得到临界速度1即水合物浆液从固定床流动向悬浮流转化速度以及临界速度2即水合物浆液从移动床流动向固定床转化速度,为水合物浆液稳定流动提供了理论判据。     

紫外光诱导荧光分析仪结合多元线性回归算法在城市河流常规污染指标监测中的应用

为建立一种针对城市河流水体常规污染指标的快速原位监测方法,首次运用紫外光诱导荧光分析仪对扬州市60条城市河流进行水体三维荧光光谱(EEM)测量,形成了具有多样性的水质样本集合。利用峰值拾取法、相关性分析和主成分分析3种方式从三维荧光光谱中提取溶解性有机物(DOM)污染信息,结合多元线性回归算法(MLR),建立与化学需氧量(COD_Cr)、高锰酸盐指数(I_Mn)、氨氮(NH₃-N)和总磷(TP)4项常规水质污染指标相关的预测模型。研究结果表明,峰值拾取法结合相关性分析可以有效地反映水体EEM中的污染特征和状况,由此建立的4项水质指标预测模型训练集决定系数均>0.82,预测结果与国家及行业标准方法分析值之间具有较低的均方根误差,说明该预测方法具有较好的准确度和精密度,为城市广域水体的高效、原位监测提供了一种有效的解决方案。     

巢湖十五里河沉积物磷平衡浓度对外源碳的响应及释放风险

2017年7月至2018年5月,在巢湖十五里河干流的城乡梯度方向,按照每两个月采样1次的频率,采集5个点位的表层沉积物样,分析沉积物磷形态,解析磷平衡浓度及对外源碳(乙酸钠)的响应,并对沉积物磷释放风险进行评估.结果表明,十五里河水体磷素污染严重,沉积物总磷含量平均为915. 04～1 205. 31 mg·kg~(-1),且沿城乡梯度方向缓慢下降,而生物有效性磷含量则保持稳定;外源碳降低了沉积物EPC_0值(下降约29%),也改变了各采样点EPC_0值大小排序;上覆水SRP浓度高于EPC_0值所占比例为66. 7%,而且磷吸附解吸平衡饱和度EPC_(sat)-20%所占比例约60. 0%,表明十五里河沉积物以磷吸附占优势,即沉积物总体上处于磷"汇"状态;外源碳的输入使得EPC_(sat)-20%所占比例由60. 0%上升为73. 3%,降低了沉积物磷释放风险水平.     

气相色谱法测定废气中非甲烷总烃的标准气体选择

气相色谱法测定废气中非甲烷总烃,国内外相关标准选用的标准气体各不相同,通过试验考察各标准气体对测定的影响,并比对相关文献信息。结果表明:甲烷和丙烷(浓度以碳计)在填充柱气相色谱仪和毛细管柱气相色谱仪FID检测器上的响应无明显差异,而采用甲烷作为标准气体,分析时间短,工作效率高。