小型养殖塘水体中CH4、CO2和N2O浓度的时空变化特征及影响因素

养殖塘作为重要的温室气体排放源,水体中温室气体浓度的变化不仅是准确量化温室气体排放量的基础,还是明确其影响因素的重要依据.基于顶空平衡-气相色谱仪法对长三角一处典型的小型养殖塘水体中CH₄、CO₂和N₂ O浓度的时空变化特征以及影响因素进行了分析.结果表明,除春季外,在水温影响下,CH₄和N₂ O浓度在午间或午后出现高值;受水温和水生植物光合作用影响,CO₂浓度的高值出现在晨间光合作用较弱的时候.养殖塘水体中CH₄和CO₂浓度呈现秋季最高、冬季最低的季节变化特征,c（CH₄）在秋季和冬季的均值分别为176.34 nmol·L^-1和32.75 nmol·L^-1,主要受气温、水温和溶解氧（DO）影响;c（CO₂）秋季和冬季的均值分别为134.37 μmol·L^-1和23.10 μmol·L^-1,主要受水生植物光合作用和pH影响;c（N₂ O）在夏季最高,冬季最低,均值分别为97.05 nmol·L^-1和19.41 nmol·L^-1,主要受气温和水温影响.在空间上,垂直方向上,夏季养殖塘c（CH₄）随水深的加深而降低,表层与底层、中间层的浓度差值为71.28 nmol·L^-1和42.80 nmol·L^-1,秋季随水深的加深而升高,底层与表层的浓度差值为163.94 nmol·L^-1.c（CO₂）在夏季和秋季都表现为随着水深的加深而升高,其底层与表层的浓度差值分别为18.69 μmol·L^-1和29.90 μmol·L^-1.N₂ O浓度在垂直方向上无明显变化规律.水平方向上,夏季饲料及春季鸡粪投放的区域会出现CH₄、CO₂和N₂ O浓度的高值,春季和夏季CH₄浓度约为其他区域的1.34~1.98倍和1.95~2.42倍,春季N₂ O浓度和夏季CO₂浓度约为其他区域的1.13~1.26倍和1.39~1.74倍.     

江西赣州站大气CO2和CH4浓度变化特征研究

通过分析2018年12月—2019年11月江西赣州站大气CO₂和CH₄浓度高精度在线观测资料,对其CO₂和CH₄浓度变化特征进行了研究,分析了区域大气输送的影响以及潜在排放源区分布特征.结果表明：研究期内赣州站CO₂和CH₄的平均浓度分别为433.1×10^-6和2142.5×10^-9.赣州站CO₂和CH₄浓度日变化均表现为日间低、早晚高,CO₂浓度日振幅在夏季最大,为29.7×10^-6,冬季最小,为6.9×10^-6.CH₄浓度日振幅在秋季最大,为145.1×10^-9,冬季最小,为41.4×10^-9.CO₂本底浓度季节变化表现为4—8月迅速下降,8—11月逐渐上升,最大值出现在1月,最小值出现在8月,季节振幅为26.2×10^-6.CH₄本底浓度季节变化表现为1—7月逐渐下降,7—9月逐渐上升,最大值出现在1月,最小值出现在7月,季节振幅为79.5×10^-9,基本可代表江西赣州地区混合均匀大气的CO₂和CH₄季节变化状况.与南昌站对比分析表明,赣州站各季节CO₂和CH₄本底浓度均低于南昌站.赣州地区CO₂和CH₄潜在源区主要分布在江西北部、湖北东部、安徽南部和珠江三角洲地区.     

城市草坪温室气体排放特征及影响因素

草坪作为城市绿地的重要组成部分，其温室气体的吸收或排放不容忽视.然而当前对亚热带城市草坪温室气体通量的研究相对匮乏.采用静态箱-气相色谱法，对杭州市城区典型城市草坪的多种温室气体（CO₂、CH₄、N₂O和CO）地气交换通量进行了连续观测研究.结果表明，城市草坪的温室气体月平均通量变化明显，而其日变化特征并不明显.城市草地和土壤（无植被生长的裸土）是大气N₂O的源，平均通量分别为（0.66±0.17）μg·（m²·min）^-1和（0.58±0.20）μg·（m²·min）^-1；是CH₄和CO的汇，其中CH₄平均通量分别为（-0.21±0.078）μg·（m²·min）^-1和（-0.26±0.10）μg·（m²·min）^-1，CO分别为（-6.36±1.28）μg·（m²·min）^-1和（-6.55±1.69）μg·（m²·min）^-1.城市草地和土壤CO₂平均通量分别为（5.28±0.75） mg·（m²·min）^-1和（4.83±0.91） mg·（m²·min）^-1.基于相关性分析研究发现，草地和土壤的CO₂和N₂O通量均与降水量呈显著的负相关，而CH₄和CO通量与降水量呈显著的正相关；除草地CH₄通量与土壤温度无显著相关、草地N₂O通量与土壤温度呈显著负相关外，其余各温室气体通量与土壤温度均呈显著正相关.另外，城市草坪的草地和土壤CO₂（R²为0.371和0.314）和N₂O （R²为0.371和0.284）通量季节变化受降水量的影响要大于其它温室气体，而土壤温度对CO通量的影响（R²为0.290和0.234）要显著于其它温室气体.     

融冰期与非融冰期水库CO2逸出昼夜变化及CO2分压影响因素研究

以位于黄土高原北洛河流域的南沟水库为研究对象，采用Li-850静态箱法，于融冰期（3月）、非融冰期（5月）对水体CO₂分压（p（CO₂））和水-气界面CO₂逸出（F（CO₂））分别进行了5 d 40次昼夜监测，同时测定了各种水体理化指标，着重对比了水体p（CO₂）在两个时期间的差异和两时期内的昼夜变化特征，系统分析了水体p（CO₂）的影响因素.结果表明：融冰期p（CO₂）（（324.8±59.4）Pa）比非融冰期（（124.9±14.1）Pa）高出近3倍，差异性显著（p<0.05），但两个时期内昼夜p（CO₂）值并无显著性差异（p>0.05）；水体p（CO₂）与水温、pH、叶绿素（Chla）、溶解氧（DO）呈显著负相关，与溶解无机碳（DIC）、溶解有机碳（DOC）呈显著正相关，水体p（CO₂）受流域碳酸盐体系和水温影响最大，相关系数分别达0.92和-0.91，光合呼吸作用的影响其次；研究区小水库F（CO₂）范围为101~1589 g·m^-2·a^-1，是大气持续碳"源"，其平均排放量与个别温带、亚热带小型水库接近，但低于热带水库.     

转变土地利用方式对桂西喀斯特地区土壤氧化CH4的影响

选取桂西喀斯特地区分布最广的石灰土和黄壤,通过野外通量观测和实验室CH₄氧化动力学试验,研究弃耕或退耕还林对土壤CH₄通量的影响。结果表明,对于石灰土,CH₄年均通量为弃耕地LS-3[-64.30 μg/（m²·h）] > 灌草地LS-1 [-48.96 μg/（m²·h）] > 旱地LS-2[29.61 μg/（m²·h）];对于黄壤,退耕林地YS-2[-36.95 μg/（m²·h）] > 旱地YS-1[-29.44 μg/（m²·h）]。各点土壤CH₄氧化速率动力学遵循米氏方程,最大CH₄氧化速率（V_max）介于400～4 347 pmol/（g·h）之间,半饱和常数值介于72～878.3 μL/L之间,石灰土土壤V_max值是黄壤的两倍以上,具有更高的氧化潜力。土壤CH₄通量的季节变化不明显,释放峰或吸收峰出现在秋冬季节。温度有利于促进土壤对大气CH₄的吸收。土壤水分对土壤氧化CH₄的抑制作用在受人为干扰少的LS-1和LS-3表现显著,而对于旱地LS-2,YS-1及林地YS-2,NH₄⁺-N含量成为土壤氧化CH₄的主要限制因素。总之,土壤恢复有利于土壤氧化大气CH₄,这不仅取决于土壤理化性质、甲烷微生物群落的变化,还受到区域气候因素的影响。     

大气CO2摩尔分数升高对高、低应答水稻稻田N2O排放的影响

依托稻田大气CO₂摩尔分数（x［CO₂］）升高平台FACE （free-air CO₂ enrichment）,采用静态透明箱-气相色谱法研究x［CO₂］升高（正常x［CO₂］+200 μmol·mol^-1）对高、低应答水稻（产量对x［CO₂］升高的响应分别为>30%和10%~15%）稻田N₂O排放的影响.本试验设置4个处理：A-W （正常x［CO₂］+低应答水稻）、F-W （x［CO₂］升高+低应答水稻）、A-S （正常x［CO₂］+高应答水稻）和F-S （x［CO₂］升高+高应答水稻）.结果表明,对比正常x［CO₂］处理（A-S和A-W）,x［CO₂］升高条件下高、低应答水稻（F-S和F-W）稻田N₂O排放分别降低52.54%（P<0.05）和38.40%（P<0.05）,水稻产量分别增加22.96%（P<0.05）和12.11%（P>0.05）,稻田N₂O排放强度分别降低61.68%（P<0.05）和45.13%（P<0.05）.另外,高、低应答水稻稻田N₂O排放与稻田土壤NH₄⁺-N含量呈显著相关关系,而与NO₂^--N含量无显著相关.x［CO₂］升高条件下,土壤温度是影响高应答水稻稻田N₂O排放的重要因素.综合考虑,未来x［CO₂］升高条件下,高应答水稻品种的"增产减排"效果最佳.     

内蒙古河套灌区不同盐碱程度土壤CH4吸收规律

土壤盐碱化严重威胁土地可持续利用和温室气体排放.本研究选择内蒙古河套灌区3种盐碱土壤［S1：盐化土壤,电导率（EC）4.80 dS·m^-1;S2：强度盐碱土壤,电导率（EC）2.60 dS·m^-1;S3：轻度盐碱土壤,电导率（EC）0.74 dS·m^-1］.利用静态暗箱法野外原位观测研究盐碱土壤甲烷（CH₄）吸收规律.结果表明,不同盐碱程度土壤CH₄吸收每年均存在显著差异,2014年生长季（F=18.0,P<0.001）,2015年生长季（F=23.6,P<0.001）和2016年生长季（F=28.4,P<0.001）.轻度盐碱土壤CH₄累积吸收量最高,盐化土壤累积吸收量最低.随土壤盐碱程度加重,土壤CH₄累积吸收量降低.轻度盐碱土壤CH₄累积吸收量在2014~2016年3个生长季（4~10月）分别为150.0、119.6和99.9 mg·m^-2;重度盐碱土壤CH₄累积吸收量比轻度盐碱土壤分别降低27%、28%和19%;盐化土壤CH₄累积吸收量比轻度盐碱土壤分别降低35%、35%和53%.冗余分析表明,盐碱土壤CH₄吸收通量与土壤EC的投影在第一主成分轴正方向和反方向,土壤EC越高,CH₄吸收通量越低.土壤电导率EC是调控盐碱土壤CH₄吸收的关键因子,相关系数r为-0.8809（P<0.01,n=9）.     

太湖氧化亚氮(N2O)排放特征及潜在驱动因素

氧化亚氮（N₂O）是《京都议定书》规定的6种温室气体之一,其百年增温趋势是CO₂的298倍,大气N₂O浓度在持续快速增长中.浅水湖泊是大气N₂O的重要来源,为探讨富营养湖泊太湖N₂O排放的时空变化及潜在驱动因素,于2月（冬）和8月（夏）不同季节下在太湖进行野外观测,采用扩散系数-顶空瓶法观测表层水体N₂O浓度［c（N₂O）］和排放通量［F（N₂O）］,并讨论分析N₂O排放的潜在驱动因素.由于溶解性有机物（DOM）光谱是溶解性有机碳（DOC）及溶解性有机氮（DON）来源组成的有效示踪指标,其迁移转化过程亦会释放大量无机氮,改变水体氧化还原电位,因而也能影响N₂O排放.结果表明,太湖表层水体N₂O的浓度和排放通量表现出的时间变化及空间变化强烈受到季节（水温）差异和营养水平的共同影响,其表层水体c（ČN₂O）均值为（19.7±2.7） nmol·L^-1,F（N₂O）均值为（41.1±1.8）μmol·（m²·d）^-1,两者均表现为夏季高于冬季（t-test,P<0.01）;DOM和DOC等有机质的输入累积能够提高水体N₂O的产生和排放潜力,其中N₂O排放通量与水体类腐殖质组分C1显著正相关,表征陆源输入的荧光峰积分比值I_C ：I_T及芳香性指标S_275-295都表明西北入湖河口区积累了大量陆源类腐殖酸,其转化降解对N₂O的产生及排放有较大的贡献.结果显示水温、DOM组成来源和营养水平等均是影响太湖水体N₂O排放的重要因素.长期连续观测能更好地全面评估各种因素对水体N₂O产生及排放的影响并科学合理地制定减排方案.     

有机改性蒙脱土对萘的吸附机制和影响因子

我国场地土壤中多环芳烃（PAHs）污染或PAHs-重金属复合污染是常见的污染类型,对公众健康与环境构成巨大威胁.本研究利用耗散型石英晶体微天平（QCM-D）技术和批量吸附实验,探究实验室制备的2种有机改性黏土对萘的吸附机制,以及萘与Cu²⁺共存时黏土颗粒吸附情况.结果表明,25℃时,十六烷基三甲基溴化铵改性蒙脱土（CTAB-SMF）的吸附等温线符合Freundlich模型（R²>0.92,n>1）,说明其对萘的吸附位点具有多样性,在较高萘平衡浓度（c_e=1 mmol ·L^-1）下吸附分配系数K_d为SMF的13.4倍;3-巯基丙基三甲氧基硅烷改性蒙脱土（TMSP-SMF）的吸附等温线符合Langmuir模型（R²>0.96）,在较高萘平衡浓度（c_e=1 mmol ·L^-1）下吸附分配系数K_d为SMF的1.14倍.说明2种有机改性黏土对萘的吸附效果优于SMF颗粒.3种黏土颗粒对萘的吸附焓在-30~-10 kJ ·mol^-1之间,均为自发物理吸附.溶液离子强度升高抑制了SMF吸附萘,但对改性黏土吸附萘无显著影响.萘平衡浓度较低（c_e=0.1 mmol ·L^-1）时,Cu²⁺的存在使TMSP-SMF对萘的吸附效果增加了3倍;同时萘能促进2种改性黏土对Cu²⁺的吸附.本研究通过原位在线QCM-D检测了黏土对萘的吸附机制,结果与批量吸附实验结果一致：CTAB-SMF对萘的吸附位点主要为黏土层间的改性剂基团,TMSP-SMF则位于黏土颗粒表面的改性剂基团.本项研究结果显示,QCM-D技术是一种有效的原位在线表征黏土膜吸附有机污染物的方法,2种有机改性的黏土颗粒可作为应用于PAHs或PAHs-重金属复合污染场地的修复材料.     

水稻产量、稻田CH4和N2O排放对长期大气CO2浓度升高的响应

大气CO₂浓度升高（[CO₂]_e）是全球气候变化的主要驱动力,可直接或间接影响稻田生态系统碳氮循环.深入探究长期（大于10 a）[CO₂]_e对水稻产量和稻田温室气体排放的影响,对保障粮食安全和评估未来气候变化意义重大.本研究以高、低应答水稻品种为供试材料,利用连续运行14 a的[CO₂]升高（free-air CO₂ enrichment,FACE）平台,共设置2个[CO₂]处理：对照（正常[CO₂],[CO₂]_a）和在[CO₂]_a基础上升高200 μmol·mol^-1（[CO₂]_e）.采用静态透明箱-气相色谱法测定稻田CH₄和N₂O排放量,并测定水稻产量.结果表明,对比[CO₂]_a,长期[CO₂]_e分别增加高、低应答水稻品种产量29%~31%（P<0.05）和12%~14%（P>0.05）;分别减少高、低应答水稻品种稻田CH₄排放21%~59%和11%~54%;同时,分别显著减少高、低应答水稻品种稻田N₂O排放70%（P<0.05）和40%（P<0.05）.水稻产量、稻田CH₄排放对长、短期[CO₂]_e的响应具有明显差异,随着[CO₂]_e年限的增加,水稻产量和稻田CH₄排放的增幅显著下降,而稻田N₂O排放无明显变化.综合考虑,长期[CO₂]_e条件下,高应答水稻品种为优先考虑种植的"增产减排"水稻品种.     

杀菌剂对湖泊水体温室气体浓度分析的影响

通过往湖泊水样中添加杀菌剂(CuSO4和HgCl2),利用平衡法,用气相色谱仪测定CO2、CH4、N2O浓度,研究杀菌剂(CuSO4和HgCl2)添加对湖泊水体CO2、CH4、N2O浓度分析的影响.实验设计:对照组(CK)不加任何试剂;处理组T1加1mL CuSO4溶液,T2加5 mL CuSO4溶液,T3加0.5 mL HgCl2溶液;每组的水样分两批分析:(Ⅰ)预处理完成后立即分析和(Ⅱ)预处理完成后静置两天再分析.结果表明,CuSO4和HgCl2的添加均能明显增加水体中CO2的浓度,CK(Ⅰ)和CK(Ⅱ)的CO2平均浓度分别为(11.5±1.47)μmol·L-1和(14.38±1.59)μmol·L-1,T1(Ⅰ)和T1(Ⅱ)的CO2平均浓度分别为(376±70)μmol·L-1和(448±246.83)μmol·L-1;T2(Ⅰ)和T2(Ⅱ)的CO2平均浓度分别为(885±51.53)μmol·L-1和(988.83±101.96)μmol·L-1;T3(Ⅰ)和T3(Ⅱ)的CO2平均浓度分别为(287.19±30.01)μmol·L-1和(331.33±22.06)μmol·L-1.但CuSO4和HgCl2添加对水体中CH4和N2O的浓度没有影响.对比Ⅰ和Ⅱ的实验结果可知,在水样预处理完成后需当天分析其温室气体(CO2、CH4、N2O)浓度.本研究表明,杀菌剂的添加能显著增加水体CO2的浓度.     

Estimation of daily PM2.5 concentration and its relationship with meteorological conditions in Beijing

When investigating the impact of air pollution on health, particulate matter less than 2.5 μm in aerodynamic diameter(PM_(2.5)) is considered more harmful than particulates of other sizes. Therefore, studies of PM_(2.5) have attracted more attention. Beijing, the capital of China,is notorious for its serious air pollution problem, an issue which has been of great concern to the residents, government, and related institutes for decades. However, in China,significantly less time has been devoted to observing PM_(2.5) than for PM_(10). Especially before 2013, the density of the PM_(2.5) ground observation network was relatively low, and the distribution of observation stations was uneven. One solution is to estimate PM_(2.5) concentrations from the existing data on PM_(10). In the present study, by analyzing the relationship between the concentrations of PM_(2.5) and PM_(10), and the meteorological conditions for each season in Beijing from 2008 to 2014, a U-shaped relationship was found between the daily maximum wind speed and the daily PM concentration, including both PM_(2.5) and PM_(10). That is, the relationship between wind speed and PM concentration is not a simple positive or negative correlation in these wind directions; their relationship has a complex effect, with higher PM at low and high wind than for moderate winds.Additionally, in contrast to previous studies, we found that the PM_(2.5)/PM_(10) ratio is proportional to the mean relative humidity(MRH). According to this relationship, for each season we established a multiple nonlinear regression(MNLR) model to estimate the PM_(2.5) concentrations of the missing periods.     

金沙江河谷大气二氧化碳浓度变化特征及影响因子

大气CO₂是重要的温室气体,其浓度变化与气候变化、植物生长、人类活动等密切相关.为了解高原地区近自然状态下大气CO₂浓度变化及其影响因子,选取气象要素变化较明显、人为干扰较少的金沙江河谷为研究对象,在谷底江岸边的稀树草坪上设置观测点,对大气CO₂浓度和主要气象要素进行连续对照观测,经数据计算并采用Pearson相关系数对其相关性进行分析.结果表明:①研究区大气c（CO₂）日变化和年变化均具有波动性,日最高值（316.2 μmol/L）和最低值（291.0 μmol/L）分别出现在09:00和13:00左右,年最高值（338.9 μmol/L）和最低值（228.5 μmol/L）分别出现在10月和7月;季节性变化呈春、夏两季低于秋、冬两季的特征.②研究区大气c（CO₂）与温度呈显著负相关（r=-0.97,P < 0.01）,即白天温度高而大气c（CO₂）低,夜间温度低而大气c（CO₂）高.研究区大气c（CO₂）与相对湿度呈显著正相关（r=0.97,P < 0.01）,00:00-07:00大气c（CO₂）和相对湿度均缓慢上升,09:00-12:00大气c（CO₂）和相对湿度均快速下降.研究区大气c（CO₂）与风速呈显著负相关（r=-0.93,P < 0.01）,其与风对大气c（CO₂）有扩散作用相关;不同季节大气c（CO₂）最高值或最低值所对应的风向有所不同.研究显示,金沙江河谷大气c（CO₂）的时间变化特征明显,其与温度、相对湿度、风速、风向等气象要素的变化密切相关.      

太原城区PM2.5中多环芳烃、硝基多环芳烃的污染特征、来源解析和健康风险评价

以2013—2014年期间太原城区大气细颗粒物(PM_(2.5))为研究对象,定量分析了其中多环芳烃和硝基多环芳烃的浓度.结果显示,太原城区PM_(2.5)中16种多环芳烃和12种硝基多环芳烃的浓度分别为13.8~547和0.70~4.33 ng·m~(-3),硝基多环芳烃浓度低于多环芳烃浓度1~2个数量级.太原城区PM_(2.5)中多环芳烃最高值出现在冬季,最低值出现在夏季,冬季污染物浓度平均值高于夏季20倍,主要是由于北方采暖期间取暖用煤量的增加使得多环芳烃排放量大幅提高;与之不同的是,硝基多环芳烃浓度季节变化并不显著,冬季浓度均值与夏季差异小于5倍(除9-硝基蒽),反映出硝基多环芳烃生成主要与机动车尾气排放有关,其排放不受季节控制,这与实际情况是吻合的.此外,基于因子分析和化合物比值结果发现,太原城区大气PM_(2.5)中9-硝基蒽有来自周边地区木材燃烧的贡献.健康风险评价结果表明,必须对多环芳烃排放进行有效控制来降低人群在冬季大气中的暴露风险;对于硝基多环芳烃,其健康风险更要引起足够的重视.     

稻田灌溉河流CH4和N2O排放特征及影响因素

随着农业氮肥大量施用,大量碳氮营养物质以淋溶或径流形式进入周边灌溉水体,使其成为甲烷(CH4)和氧化亚氮(N2O)的重要排放源.以我国东南部地区典型稻田灌溉河流为研究对象,于2014年9月至2016年9月连续两年原位观测表层水体CH4和N2O溶存浓度及其排放通量,旨在明确稻田灌溉河流CH4和N2O的排放特征、排放强度及其主要驱动因子.结果表明,观测期内c(CH4溶存)的年平均值为(390.57±43.95)nmol·L-1(92.80～1 577.54 nmol·L-1),c(N2O溶存)的年平均值为(40.23±3.20)nmol·L-1(10.05～75.40 nmol·L-1).CH4和N2O的排放通量(年平均)分别为(20.73±6.08)mg·(m2·h)-1和(34.30±7.12)μg·(m2·h)-1.CH4和N2O溶存浓度和排放通量整体上均呈现出春夏排放高,秋冬排放低的季节变化趋势.两年CH4累计排放总量为(3 876.30±1 153.96)kg·hm-2,N2O累计排放总量为(5.74±0.98)kg·hm-2.两者持续性全球增温潜势(SGWP,以CO2-eq计)平均为(87.99±15.73)t·(hm2·a)-1.CH4排放通量与水温、底泥可溶性有机碳(DOC)显著正相关,而与水体溶解氧(DO)显著负相关;N2O排放通量与水温、水中铵态氮(NH4+-N)和硝态氮(NO3--N)显著正相关,而与水体DO显著负相关.该研究可为科学估算我国农业灌溉流域CH4和N2O排放总量提供数据支撑和重要参考.     

太湖地区湖水与河水中溶解N2O及其排放

水体是N₂O排放的重要来源.2000-09～2001-09,每月2次采样(重复3次)连续监测太湖地区太湖和大运河水体N₂O排放通量和水中溶解的N₂O浓度,还同时监测不同深度水样中的N₂O浓度.结果表明,太湖N₂O-N的年均排放通量为3.53 μg/(m²·h),而大运河已高达122.5,μg/(m²·h).太湖湖水中溶解N₂O-N浓度为0.36μg/L,大运河河水中浓度高达11.31μg/L,浅水型水体是N2O排放的源.结果还表明,不同深度水中N2O浓度差异不明显,而时间差异显著.水面N2O的排放通量和水中溶解的N2O浓度呈显著正相关关系,二者又都与水温呈显著正相关. .     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

厌氧条件下砂壤水稻土N2、N2O、NO、CO2和CH4排放特征

了解厌氧条件土壤反硝化气体(N2、N2O和NO)、CO2和CH4排放特征,是认识反硝化过程机制的基础,并有助于制定合理的温室气体减排措施.定量反硝化产物组成,可为氮转化过程模型研发制定正确的关键过程参数选取方法或参数化方案.本研究选取质地相同(砂壤土)的两个水稻土为研究对象,通过添加KNO3和葡萄糖的混合溶液,将培养土壤的初始NO-3和DOC含量分别调节到50 mg·kg-1和300 mg·kg-1,采用氦环境培养-气体及碳氮底物直接同步测定方法,研究完全厌氧条件下土壤N2、N2O、NO、CO2和CH4的排放特征,并获得反硝化气态产物中各组分的比率.结果表明,在整个培养过程中,两个供试土壤的N2、N2O和NO累积排放量分别为6~8、20和15~18 mg·kg-1,这些气体排放量测定结果可回收土壤NO-3变化量的95%~98%,反硝化气态产物以N2O和NO为主,其中3种组分的比率分别为15%~19%(N2)、47%~49%(N2O)和34%~36%(NO);但反硝化气体产物组成的逐日动态均显现为从以NO为主逐渐过渡到以N2O为主,最后才发展到以N2为主.以上结果说明,反硝化气体产物组成是随反硝化进程而变化的,在以气体产物组成比率作为关键参数计算各种反硝化气体产生率或排放率的模型中,很有必要重视这一点.     

京津冀与长三角区域大气NO2污染特征

基于地面监测及遥感反演数据,研究了京津冀与长三角区域大气NO2污染特征,并进行了对比分析.从2005～2011年的平均近地面质量浓度和垂直柱浓度来看,京津冀与长三角中心城市大气NO2基本处于同一污染水平;其区域背景站的NO2浓度也差异不大,且与两大区域过渡地带的合肥市大致相同.区域NO2高浓度中心夏季较为分散,秋冬季高浓度范围明显扩大,冬季全部连为一片.近年来随着中心城区污染企业的外迁,北京、上海等城市核心区NO2近地面污染有所缓解,但区域背景站NO2近地面浓度和垂直柱浓度都有所升高,京津冀与长三角NO2整体污染水平形势依旧严峻.从区域分布看,北京、上海等城市NO2浓度较高,NO2柱浓度高出区域背景的50%左右,大约是欧亚大陆背景水平的3倍;近地面NO2浓度地域差异更大,北京、上海等中心城市NO2近地面质量浓度是城市清洁区的2倍,是区域背景的10倍以上,达欧亚大陆背景站瓦里关的上千倍.北京奥运及上海世博等大型活动之前及期间大气污染集中整治效果较为明显,但活动结束后,城市大气NO2污染都出现反弹.结果表明,区域空气质量的持续改善需要区域内各省市常抓不懈的联防联控,仅靠短期内运动式的污染治理难以从根本上解决大气环境问题.