观赏性植物对土壤重金属的修复效果及其环境效应分析——以开封市菊花为例

为了解观赏性植物对土壤重金属污染的修复效果,以开封市5种菊花(金皇后、墨菊、孔雀草、粉旭桃、玛格丽特菊)为研究对象,分析菊花以及土壤样品中镉(Cd)、铬(Cr)、铜(Cu)、铅(Pb)、锌(Zn)等5种重金属元素的含量,分析菊花对土壤重金属的富集、转移能力.采用单因子指数法、内梅罗综合指数法评价土壤环境质量,并采用模糊综合评价法进一步分析菊花带来的环境效益.结果表明,土壤中5种重金属的含量由大到小为:Zn Pb Cu Cr Cd,土壤重金属为轻度污染,且Cd对综合指数贡献最大;富集能力方面,所选菊花对5种重金属均能够富集;转移能力方面,金皇后的能力最强,其由强到弱的排序为Cr Cd Pb Zn Cu;环境效益分析,以开封菊花为例,2016—2018年开封菊花日滞尘量、日释氧量、日固碳量随着菊花的增多而增强.     

UV-254 nm活化过硫酸盐降解麻黄碱的影响因素和机理

采用UV-254 nm活化过硫酸盐高级氧化技术去除水中污染物麻黄碱(EPH),并研究了其降解动力学过程和降解机理.考察了过硫酸盐(PS)投加量、EPH的初始浓度、不同pH值及不同离子(HCO~-_3、NO~-_3、Cl~-)对降解效果的影响.结果表明,UV-254 nm活化过硫酸盐工艺能有效去除实验条件下的EPH,其氧化降解反应符合二级动力学方程.EPH去除率随着PS投加量的增加而增大.pH对降解反应有较大的影响,在pH=7的条件下,反应速率最快,表观反应动力学常数(k_(obs))为0.467 min~(-1).进一步研究表明,HCO~-_3、NO~-_3和Cl~-对EPH的降解都存在抑制作用,在相同浓度下,其抑制程度依次为Cl~- NO~-_3 HCO~-_3.通过UPLC-MS/MS鉴定了麻黄碱降解的中间体,并提出了可能的降解机理和转化途径.     

铅酸蓄电池行业生产者责任延伸制在我国实施的难点和解决方案

为解决我国废弃产品环境污染问题和再生资源循环利用的困境,加快生态文明建设和循环经济发展,国务院现已推行生产者责任延伸制度。该项制度的推行实施,可减轻环境治理负担,推动循环经济和清洁生产模式,促进企业技术升级,但该项制度在具体实施过程中尚存在一些问题。以铅蓄电池行业为例,存在的主要问题包括相关制度不健全、回收利用体系不完善、缺乏多部门联动监管机制和有效的经济激励政策等。针对上述问题,结合河南省的废铅蓄电池收集处理制度试点工作,提出铅酸蓄电池行业生产者责任延伸制实施的建议方案,为生产者责任延伸制度更好地推行和实施提供参考。     

高氯酸盐还原颗粒污泥的快速培养及其特性分析

为实现高氯酸盐还原颗粒污泥的快速培养,以反硝化颗粒污泥为接种污泥,对高氯酸盐还原颗粒污泥的快速培养进行了研究。在降低进水硝酸盐(NO_3~-)浓度的同时,采用逐步升高进水高氯酸盐(ClO_4~-)浓度的方法,考察了高氯酸盐还原颗粒污泥培养过程中ClO_4~-的去除以及颗粒污泥的特性。结果表明:以反硝化颗粒污泥为接种污泥,经过50 d快速培养出高氯酸盐还原颗粒污泥,ClO_4~-去除速率达96%以上;其混合液悬浮固体浓度(MLSS)为50.68 g·L~(-1),混合液挥发性固体浓度(MLVSS)为40.58 g·L~(-1),主要粒径分布在0.60 mm和1.00～2.00 mm。NO_3~-浓度逐步降低的培养方式可缓解ClO_4~-对颗粒污泥中各类微生物的毒性,为高氯酸盐颗粒污泥的快速培养提供了新的方法,具有重要的理论和实践意义。     

动态校准仪臭氧间接传递技术

对5台主流动态校准仪开展臭氧间接传递技术研究,对动态校准仪的准确性、可靠性、稳定性及臭氧传递的线性方程等性能参数进行了实验室考察。总体而言,发生型动态校准仪和分析型动态校准仪均可用于臭氧传递工作中。分析型动态校准仪可直接进行臭氧传递,发生型动态校准仪在臭氧传递前必须进行预校准。建议至少每3个月对发生型动态校准仪进行1次臭氧传递,每6个月对分析型动态校准仪进行1次臭氧传递。     

成都典型工业园多环芳烃污染源区识别及风险评估

筛选识别成都市多环芳烃（PAHs）污染重点源和区域,采集57个土壤样品,利用人体暴露风险模型对16种PAHs的健康风险进行评价。结果表明：青白江工业集中发展区与新都工业集中发展区连片区局部有PAHs潜在渗漏风险,污染源主要为工业企业和交通源,农业面源、生活污染源等不直接产生PAHs;土壤PAHs主要来源途径为企业VOCs排放与沉降、汽车尾气与大气中PAHs沉降、废矿物油泄漏入渗;PAHs主要离去途径为入渗地下水、冲淋径流进入地表水、植物吸收;智能设备制造、化工用地存在PAHs人体健康及环境生态风险。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。