沼渣协同硫酸亚铁修复Cr(Ⅵ)污染土壤

通过稳定化实验、连续提取实验及植物毒性实验,研究了沼渣对硫酸亚铁稳定化Cr （Ⅵ）污染土壤的促进效果与机制.结果表明,沼渣协同硫酸亚铁对土壤中Cr （VI）有良好的稳定化效果.最佳的修复条件为：n（Fe）/n（Cr）=3∶1,含水率为35%,沼渣投加量为4.5%,反应时间为12 d,此时Cr （VI）稳定化效率为99.85%,残余六价铬含量为1.49 mg·kg^-1,满足《土壤环境质量建设用地土壤污染风险管控标准》（GB 36600—2018）第二类用地筛选值5.7 mg·kg^-1的限值要求.由连续提取实验结果可知,沼渣+硫酸亚铁稳定化处理后酸溶态铬含量显著降低,而可还原态、可氧化态和残渣态铬含量明显增加.风险分析进一步表明,沼渣+硫酸亚铁稳定化处理后铬的风险等级由非常高风险降至低风险.植物毒性分析可知,沼渣+硫酸亚铁稳定化处理植物毒性显著降低.微生物多样性和群落结构分析可知,沼渣+硫酸亚铁稳定化处理后土壤中细菌群落的丰度和多样性均明显增加.     

基于不同废污泥源的短程反硝化快速启动及稳定性

为探究不同废污泥源快速启动短程反硝化和实现稳定NO_2~--N积累的可行性,在3个完全相同的SBR反应器(S1、S2和S3)分别接种:实验室城市污水反硝化除磷系统排泥、城市污水厂剩余污泥及河涌底泥,比较其短程反硝化启动快慢和NO_2~--N积累特性,考察系统短程反硝化活性和NO_3~--N→NO_2~--N转化性能,并从微生物学角度分析反应器功能菌群特征.结果表明,在乙酸钠为唯一碳源、高碱度和适宜COD/NO_3~--N比进水条件下,3个SBR短程反硝化反应器在短时间内均能够成功启动,系统平均NO_3~--N→NO_2~--N转化率为S1 S2 S3(75. 92% 73. 36% 69. 90%).同时发现持续低温条件下S1和S2呈现不同程度的短程反硝化性能恶化趋势,但S3能够稳定维持良好NO_2~--N积累性能.微生物高通量测序表明,变形菌门和拟杆菌门居PD系统主导地位,3个短程反硝化反应器NO_2~--N积累关键功能菌属Thauera属丰度差异明显:S3 S1 S2(25. 09% 4. 71% 3. 60%),表明S3具备稳定高效的NO_2~--N积累性能,同时高丰度Thauera属可能是维持低温短程反硝化活性的重要原因.     

基于决策树的城市黑臭水体遥感分级

水体黑臭程度遥感监测是了解城市水质现状和综合评价城市水环境治理效果的重要手段.以南京、常州、无锡和扬州为研究区,共采集171个样点,同步测量水质参数和光学参数,分析黑臭水体与一般水体的水色和光学特征,构建决策树模型进行重度黑臭水体、轻度黑臭水体和非黑臭水体（记为一般水体）识别.结果表明：①根据色度可将水体分为1~6类水体,其中,类型1~4为黑臭水体,分别为灰黑色、深灰色、灰色和浅灰色水体,类型5和类型6水体为一般水体,分别为绿色系和黄色系水体;②类型1水体的非色素颗粒物和有色可溶性有机物含量高,但色素颗粒物的吸收并不占主导,类型2和5水体的吸收以色素颗粒物吸收占主导,类型3、4和6水体的吸收以非色素颗粒物吸收占主导;③根据六类水体的反射光谱差异用黑臭水体差值指数（difference of black-odorous water index,DBWI）、三波段面积水体指数（green-red-nir area water index,G-R-NIR AWI）、绿光波段反射率和归一化黑臭水体指数（normalized difference black-odorous water index,NDBWI）构建的水体分类识别决策树,能够有效识别出重、轻度黑臭水体和一般水体;④将决策树模型应用于2019年4月9日扬州的PlanetScope影像上,并利用10个同步过境点进行验证,整体识别精度达到80.00%,K值达到0.67.通过水色分类后的城市水体分级模型方法,可推广应用于类似的水体,为黑臭水体监管提供技术方法.     

三江平原湿地植物的土壤环境因子分析

以三江平原毛果苔草(Carex lasiocarpa)湿地和小叶章(Deyeuxia angustifolia)湿地为研究对象,选取土壤全氮(TN)、全磷(TP)、有效氮、有效磷、有机质、pH值和土壤含水量为主要环境控制因子,通过主成分分析(PCA)和逐步多元回归分析,来确定环境因子对物种相对密度和地上生物量的贡献值.结果表明,2个样地中土壤全氮、全磷、有效氮和有效磷的贡献率能达50%左右.毛果苔草湿地中主成分1能够解释88%的物种相对密度和84%的地上生物量;小叶章湿地中主成分1对相对密度和地上生物量的解释量则分别为75%和58%.湿地营养状况决定着植物的生产量;土壤含水量的变化影响着植物对营养物质的吸收和利用.     

铅-苄嘧磺隆对土壤微生物活性与群落结构的影响

选用苄嘧磺隆除草剂和重金属铅组成复合污染体系,以土壤微生物生物量、微生物代谢熵和磷脂脂肪酸为测试指标,在25℃暗培养条件下研究其对土壤微生物活性和微生物群落结构的影响.结果表明,苄嘧磺隆-铅对土壤微生物活性均有抑制作用,交互作用达显著水平.在低浓度时表现为简单加和作用,高浓度时表现为拮抗作用,浓度是影响交互作用类型的重要因子之一.磷脂脂肪酸图谱分析表明,丛枝菌根真菌的特征磷脂脂肪酸16:1ω5c的相对含量随污染物浓度升高而减少,而真菌特征磷脂脂肪酸18:2ω6,9c和放线菌类特征磷脂脂肪酸10Me17:0和10Me18:0的相对含量均随着污染物浓度升高而增加,2种污染物对微生物群落结构的影响存在较大的差异.     

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

中国工业园区生态化发展决策优化方法研究

工业是当前中国经济绿色转型升级的关键行业,而工业园区作为工业集聚化发展的主要载体,工业园区生态化发展是解决资源环境问题、实现经济可持续发展的有效途径。本文关注工业园区生态化发展的中长期发展战略和具体方案,致力于通过仿真模拟的方法提出工业园区生态化发展的方向和优化路径,实现研究方法的创新。研究以3E系统(经济—环境—能源)为基础,综合分析工业园区经济发展与能源环境之间的耦合关系,并结合动态投入产出模型和系统动力学模型构建生态化发展决策模型,通过最优化动态模拟方法开展趋势预测和路径研究。通过辛集工业园区的实证和案例研究,对其生态化发展路径进行深入研究,验证了研究方法的科学性和可靠性,能够为工业园区生态化发展提供实践指导。本文为工业园区生态化发展规划提供新的研究方法,为制定合理有效的工业园区综合战略和实施路径提供科学依据。     

萃取法分离回收不锈钢酸洗污泥硫酸浸出液中的重金属

采用非皂化P204和皂化P204萃取剂对不锈钢酸洗污泥的硫酸浸出液进行萃取。在浸出液pH为0.80、非皂化P204体积分数为25%、萃取剂与浸出液体积比为1∶2、萃取时间为5 min的条件下,Fe~(3+)萃取率达99.64%,Cr~(3+)和Ni~(2+)萃取率为3.98%和6.99%,一次萃余液pH为0.64。采用皂化P204对除Fe~(3+)后的一次萃余液进行萃取,在P204体积分数为25%、萃取剂与浸出液体积比为1∶2、萃取剂皂化率为60%、一次萃余液pH为1.50、萃取时间为5 min的条件下,Ni~(2+)萃取率为93.12%,Cr~(3+)萃取率为20.69%,二次萃余液pH为2.63。     

利用氮氧同位素解析赤水河流域水体硝酸盐来源及其时空变化特征

赤水河流域作为长江上游重要的水源涵养区,其生态环境状况及水环境质量备受关注。为了了解流域河水氮素来源,本次研究利用硝酸盐稳定同位素(~(15)N、~(18)O)示踪技术并结合流域土地利用类型空间分布分析了赤水河流域丰水期与枯水期干流及主要支流河水硝酸盐来源与转化过程。结果表明,流域水体NO_3~-浓度具有明显的时空变化,其中丰水期NO_3~-浓度要高于枯水期,喀斯特区域的NO_3~-浓度要高于非喀斯特区域。流域干、支流水体δ~(15)N-NO_3~-、δ~(18)O-NO_3~-季节性差异明显,丰水期支流δ~(15)N-NO_3~-差异较大,干流差异较小,而枯水期支流δ~(15)N-NO_3~-差异较小,干流差异较大。结合氮氧同位素和土地利用信息发现,丰水期支流NO_3~-受其土地利用方式的影响,其来源具有多样性;干流NO_3~-浓度则主要受支流混合作用影响。枯水期干流NO_3~-受流域人为活动影响较为显著,点源输入造成水体氮同位素分布范围较宽,主要来源表现为生活污水和土壤有机氮;而支流NO_3~-多表现为土壤有机氮来源,部分支流受流域内城镇影响,生活污水对河流NO_3~-贡献较大。流域水体氮污染控制应以农业面源氮流失为主,同时严格控制点源污染的输入。     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.