以稻秆为固体碳源处理分散养猪冲洗水的试验研究

针对分散养猪废水经厌氧和人工湿地处理后存在C/N低的问题,以廉价的稻秆作为固体碳源和生物膜载体,研究反应器启动阶段运行性能、水力负荷的影响以及污染物沿程去除特性.结果表明NO3--N主要在反应器上部稻秆填充层被去除,去除率超过95%,且无明显NO2--N积累,反硝化速率为0.052mg/(g·h).稻秆本身会浸出释放有机物和氮(主要为NH4+-N),导致运行前期出水COD和NH4+-N高于进水,但仍远低于《畜禽养殖业污染物排放标准》(GB18596-2001)的排放限值,40d后COD逐步降至40mg/L左右.COD和NO3--N可在反应器下部的砖渣填充层被进一步去除.     

长三角空气质量区域预报准确性评估方法研究

根据长三角空气质量区域预报工作的实际需要,对分区文字预报和落区图预报两种方式分别制定了不同的空气质量指数级别预报准确性评估方法。分区文字预报根据设定的预报准确性判定方法计算预报评分,落区图预报按区域内预报准确城市占比进行准确率统计。分区文字预报结果显示,2017年长三角区域的预报准确天数占比为62.2%,预报评分为70.2,区域预报评估效果良好。落区图预报评估结果显示,预报级别偏差具有地域性差异,安徽北部、江苏北部和江西中北部预报等级偏高,长三角中南部沿海城市预报等级偏低。该套评估方法可为区域空气质量预报偏差成因分析提供依据,为区域预报工作的改进提供定量参考。     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

黄河兰州段悬移质泥沙对氨氮的吸附特性

实验研究了黄河兰州段不同粒径的悬浮泥沙对氨氮的吸附行为,拟阐释黄河兰州段水质自净的机制。通过分析探讨了含沙量、氨氮初始浓度、泥沙粒径和化学成分对氨氮吸附过程的影响。结果表明,准二级动力学方程和Langmuir模型能够较好地描述黄河兰州段不同粒径泥沙的吸附动力学和等温吸附过程(R20.9);含沙量对泥沙吸附氨氮作用具有显著影响,且氨氮吸附量和平衡时间与含沙量呈明显负相关性;氨氮初始浓度与氨氮吸附量及平衡时间呈正相关性;同时,泥沙颗粒越细,吸附氨氮的能力越强,吸附容量越大,反应的自发程度越高。此外,泥沙有机质、Fe2O3、Al2O3和MgO的含量随粒径减小而增大,它们对单位质量泥沙最大吸附量(Sm)具有正效应。泥沙的吸附在黄河兰州段水质自净过程中起着一定的促进作用。     

降雨对长三角区域PM2.5浓度的影响

利用WRF-CAMx模式分析首届中国国际进口博览会(简称进博会)期间一次降雨过程对长三角地区PM2.5浓度影响,结果表明,降雨量分布区域与因降雨造成的PM2.5浓度减少量分布区域并不完全一致,湿沉降量受降雨量、PM2.5浓度和风速等多个因素共同影响。数值模拟结果表明,降雨导致浓度下降幅度排前5位的组分分别是有机气溶胶、硫酸盐、硝酸盐、铵盐和细颗粒原生气溶胶,下降幅度分别为44. 28%、16. 55%、11. 55%、9. 53%和5. 23%。结合观测资料和数值模式模拟结果可知,首届进博会期间上海本地减排和周边区域协同控制作用使PM2.5日均质量浓度降低33. 23μg/m3,因降雨引起的湿沉降作用使上海市PM2.5质量浓度降低15. 88μg/m^3。     

磁性水滑石/生物炭复合材料的制备及其对水溶液中磷的吸附性能

以芦苇秸秆生物炭为基体,制备了磁性水滑石/生物炭复合材料(Fe3O4-Mg/Al-LDH/BC)。考察不同pH、Fe3O4-Mg/Al-LDH/BC投加量、初始磷浓度、吸附时间以及反应温度对Fe3O4-Mg/Al-LDH/BC吸附磷的影响。结果表明:Fe3O4-Mg/AlLDH/BC对磷的吸附符合准二级动力学模型和Freundlich模型,吸附过程是自发的吸热反应。在最佳的实验条件下(Fe3O4-Mg/Al-LDH/BC投加量为5.0g/L,磷初始质量浓度为20 mg/L,pH为6.0,温度为30℃,吸附时间为120 min),Fe3O4-Mg/AlLDH/BC对磷的去除率可达99.24%,该材料是一种新型高效的磷吸附材料。     

北京城市副中心(通州区)加油站VOCs排放清单

通州区作为北京城市副中心,面临着加油站VOCs排放量快速增长的巨大压力,本研究以通州区为例,建立了一套自下而上的加油站VOCs排放清单估算方法,利用北京市本地化加油站VOCs排放因子,结合每座加油站油品销售量,编制了通州区2015~2022年高时空分辨率加油站VOCs排放清单.结果表明:(1)北京市加油站在卸油、加油和罐压控制措施的基础上增加在线监控系统(OMS),汽油VOCs排放因子由190 mg·L~(-1)降至115 mg·L~(-1),再叠加50%车载油气回收系统,排放因子分别降至131 mg·L~(-1)和96 mg·L~(-1);加油站柴油VOCs排放因子(13 mg·L~(-1))是汽油未控制排放因子(1 552 mg·L~(-1))的0.8%;(2)通州区2015年加油站VOCs排放量为97.8 t·a-1,汽油和柴油VOCs排放量分别为96.2 t·a-1和1.6 t·a-1,分别占98.4%和1.6%,排放主要集中在北京市政府新址周边区域;(3)实施《北京市2013~2017年清洁空气行动计划》油气回收要求后,考虑油品销售量增长,通州区2017年和2022年加油站VOCs排放量相比2015年减排9%和6%,假设2022年底前在28座2 000~5 000 t·a-1的加油站也安装OMS,加油站VOCs排放量相比2015年减排13%;(4)2014年APEC期间单双号限行措施使加油站每日排放量减少了(22±12)%;(5)建议加强北京市政府新址周边区域加油站和夏季以及中午加油闲时的油气回收监管工作.     

加油站气液比检测方法及其影响

气液比(A/L)是加油站油气回收系统的一项重要控制指标,利用A/L测试仪、光离子化VOCs检测仪和油气排放因子测试装置,研究了不同A/L检测连接方式对A/L检测结果、检测人员暴露浓度、油气排放和油气回收效率等的影响。结果表明,不同连接方式和是否预先向检测油桶注油会导致A/L检测结果不一致,如果油桶与流量计不连接,A/L检测值将是实际A/L的1.04倍,当按照A/L=1.00~1.20调整加油枪A/L时,实际A/L将在0.96~1.15之间;按照国标GB20952-2007连接方式检测A/L可以减少检测过程中约80%的加油油气排放,夏季检测人员暴露油气浓度将由451×10-6(体积浓度)下降至91×10-6(体积浓度),油气排放因子将由1 056 mg/L下降至242 mg/L,更可减少因油罐吸入空气造成额外的汽油挥发排放,但不能减少倒油油气排放。     

北京市1990—2030年加油站汽油VOCs排放清单

加油站汽油销售量随机动车保有量同步快速增长,并已成为北京市VOCs主要来源之一. 为准确估算加油站VOCs排放,在比较国内外加油站VOCs排放因子的基础上,结合北京市加油站油气治理过程,估算北京市1990—2014年加油站VOCs排放清单,并预测2015—2030年排放清单. 结果表明:①中国、US EPA(美国国家环境保护局)和EEA(欧洲环境署)的加油站VOCs未控制排放因子分别是CARB(美国加州空气资源委员会)排放因子的1.78、1.38和0.85倍;②根据CARB排放因子和北京本地油气治理措施计算得到北京市2003年、2008年和2030年VOCs加权排放因子,分别为2 103、263和80 mg/L,2008年和2030年控制效率分别为2003年的88%和96%;③2003年加油站VOCs排放量达到峰值(5 134 t/a),在北京市实施DB 11/208—2003《加油站油气排放控制和限值》后,2008年VOCs排放量减至1 195 t/a,城六区排放量约占全市的60%;④《北京市2013—2017年清洁空气行动计划》实施后,预测2017年、2022年和2030年的VOCs排放量分别为1 252、976和531 t/a,2030年汽油消费量是1990年的8.8倍,但VOCs排放量仅为1990年的34%. 研究显示,北京市加油站油气回收工作为加油站VOCs减排做出了巨大贡献.