芜湖市城市化气候变化特征分析

运用R/S(Rescaled Range Analysis)方法,对芜湖市1953—2006年共54年间的气温、降水、相对湿度、日照等气象要素资料的年平均、冬季、夏季进行了分析计算。计算表明,各指标的Hurst指数均大于0.5,说明4个气象指标存在明显的Hurst现象,反映出芜湖市气候变化的特征与趋势,并预测了芜湖市气候未来的发展趋势,证明城市化已经对芜湖市气候变化产生了显著影响。     

广西刁江野生鱼类重金属积累特征及其健康风险评价

为评估广西刁江野生鱼类重金属积累特征及其健康风险,分析了广西刁江水系8种野生鱼类肌肉中铅(Pb)、镉(Cd)、铬(Cr)、砷(As)和汞(Hg)5种重金属的含量水平.利用污染指数法和目标危害系数法对其污染程度、食用安全性及健康风险进行了评价.结果表明,所有鱼类肌肉样品中Pb、Cd、Cr、As和Hg的含量范围分别为0.041~1.160、0.000 1~0.066、0.173~0.789、0.010~2.420和0.000 7~0.077 mg·kg~(-1).Pb和As的含量水平超出《食品中污染物限量》(GB 2762-2012)的限值,超标率分别为5.06%和64.56%;而Cd、Cr和Hg的含量水平未出现超标现象.污染指数结果表明:越南鱊和须鱊受到重金属严重污染;罗非鱼处于中污染水平;餐鲦、南方拟餐、鲫鱼、大眼鳜和草鱼处于轻污染水平.刁江水系8种野生鱼类对Pb、Cr和Hg的富集程度较大;肉食性和杂食性鱼类重金属含量水平高于草食性鱼类.越南鱊和须鱊复合重金属目标危害系数均大于1,这表明当地居民长期摄食越南鱊和须鱊暴露重金属存在潜在健康风险.在所有野生鱼类(南方拟餐和餐鲦除外)的复合重金属目标危害系数中,As的贡献比例最高,平均贡献率达到76.63%,说明As是主要风险元素.     

粤北星子河水生生物体内重金属污染特征及健康风险

本文分析了粤北星子河12种水生生物样品中Cd、Cr、Cu、Pb、Ni和Zn等6种金属元素的含量水平。利用综合污染指数法和目标危害系数法对水生生物中重金属的污染特征及其健康风险进行评价。结果表明:不同水生生物对重金属的富集程度存在明显差异,重金属的含量水平从低到高顺序依次为:CdNiPbCrCuZn;鱼类富集重金属明显低于贝类。在贝类样品中,Cr、Pb和Zn的含量均出现超标现象。鱼类重金属综合污染指数低于1,属于微污染;而田螺重金属综合污染指数大于1,属于轻度污染水平。不同鱼类中重金属的复合健康危害系数(TTHQ)均小于1,且每周评估摄入量(EDI)均远低于暂定每周允许摄入量(PTWI),居民通过鱼类摄入重金属的健康风险较低;田螺中重金属对人的复合健康危害系数大于1,长期食用田螺存在较高的健康风险,风险较高的重金属元素为Cr、Pb和Zn。     

云南省会泽县农田土壤中全氟化合物污染特征研究

为探究云南省会泽县农田土壤中全氟化合物(perfluorinated compounds,PFCs)的污染特征及其潜在来源,2015年6月采集云南省会泽县农田土壤42份,利用高效液相色谱-串联质谱仪(HPLC-MS/MS)分析了11种PFCs的含量水平。结果表明,云南省会泽县农田土壤中全氟己酸(perfluorohexanoic acid,PFHx A)、全氟庚酸(perfluoroheptanoic acid,PFHp A)和全氟己烷磺酸(perfluorohexane sulfonate,PFHx S)均未检出,其余8种PFCs(ΣPFCs)的平均含量水平为0.392 ng·g-1,含量范围为0.298~0.998ng·g-1。全氟辛酸(perfluorooctanoic acid,PFOA)和全氟辛烷磺酸(perfluorooctane sulfonate,PFOS)是最主要的PFCs,相对百分含量范围为45.93%~81.86%,其平均含量水平分别为0.116 ng·g-1和0.120 ng·g-1。与国内其他地区土壤中PFCs的含量水平相比,云南省会泽县农田土壤中PFCs含量水平低于上海,与广州、深圳、东莞、安徽、中国东部农村等地区土壤中PFCs的含量相当。主成分分析结果表明,以全氟癸酸(perfluorodecanoic acid,PFDA)、全氟辛烷磺酸(PFOS)和全氟十三酸(perfluorotridecanoic acid,PFTr DA)为主要标志物的2个主成分可以解释云南省会泽县农田土壤中73%的ΣPFCs。工业活动、大气沉降及长距离传输为云南省会泽县农田土壤中PFCs的主要来源。     

基于EAM的水环境数据平台的设计与实现

通过研究水环境管理中的数据库或数据平台的规范建设模式,提出了基于EAM的水环境数据平台建设方法,采取EAM方法设计了分层数据库,引入了数据集市对业务模板分类管理,构建了多数据库兼容技术和算法生成模块,综合建设出一套适合大数据管理要求的水环境数据平台。实践表明,这种方法构建的数据平台,能有效解决目前多系统、多数据、应用需求动态变化、以及数据安全的问题,有利于提升水环境大数据建设的基础。