入库支流对贵州阿哈水库水体Fe和Mn的贡献率分析

游鱼河为贵州省阿哈湖水库典型煤矿酸性废水汇入支流,通过对游鱼河6月和8月分别连续24h的现场物理化学参数测试和样品实测分析,从水库水质安全方面探讨游鱼河铁、锰的变化特征及对水库水体铁、锰的贡献率.结果显示,游鱼河流域煤矿酸性废水通过投加石灰处理,pH值提高,符合排放要求,HCO3-碱度也有所增加,使水体具备一定缓冲性能.而SO42-质量浓度高于国家地表水环境质量标准,除6月铁符合标准,锰的超标率达到91.7％,8月铁、锰超标率分别为87.5％和100％.游鱼河入库水体中铁、锰按平均质量浓度分别为0.65 mg/L和0.98mg/L,每年进入阿哈湖水库中溶解态铁、锰分别为23.57 t和35.54 t,铁、锰来源与外来补水中铁、锰浓度及河流底泥中铁、锰释放有很大关系.     

非常规突发事件应急指挥组织结构研究

针对目前我国非常规突发事件应急响应过程中存在组织成员职责不明、关系不顺,难以实现快速联动和协同配合的问题,依据我国应急管理规章制度,以开放理性系统视角分析应急指挥组织结构(ECOS)的特点,基于组织理论提出契合行政级别的、具有闭环反馈的ECOS。以2010年夏三峡区域遭遇长江流域全流域性洪水为背景,基于提出的组织结构对三峡水库防洪应急指挥组织进行规范设置。研究结果表明,ECOS中各级政府应急部门采用官僚结构,现场指挥部采用项目小组结构,会商小组采用任务小组结构,整体构成矩阵结构。在稳定、理性、规范、高效的基础上,更具弹性和灵活性。这种刚性和柔性复合的、有层次和权威的、开放和权变的ECOS更适合我国国情以应对非常规突发事件。     

弹性系数在“绿色GDP”核算研究中的应用

本文总结了四川省在"中国环境经济核算体系总体框架"下"绿色GDP"核算结果的局限性,进而提出了"绿色弹性系数"的概念,并比较分析了2005~2007年四川省各地区的"绿色弹性系数",有效地反映了环境污染负荷的变化与社会经济的发展相互制约的关系以及发展趋势和规律。     

溶藻细菌L7代谢物对水华鱼腥藻的溶藻效应

从等体积不同密度的溶藻细菌L7菌液中提取胞内、胞外代谢物,分别加入等体积等密度的水华鱼腥藻中连续培养7d,研究L7代谢物对水华鱼腥藻的溶藻效应。2.78×105~2.78×10 7cfu/mL的L7胞内代谢物能显著促进藻生长和异形胞分化,到培养结束藻密度为对照组的1.7~1.98倍;异形胞数最大可为对照组的2.31倍。2.78×10 8、2.78×10 9cfu/mL的L7胞内代谢物能抑制藻生长,藻密度最低为对照组的58%;能极显著抑制异形胞分化,可不形成异形胞。2.78×10 5~2.78×109 cfu/mL的L7胞外代谢物能极显著抑制藻生长和异形胞分化,藻密度最低为对照组的0.63%,不形成异形胞;藻丝的藻细胞间隔变模糊,藻细胞变大变形,并有大量的单个球形藻体散落。L7主要通过分泌胞外代谢物溶藻,菌胞内代谢物对藻生长有"低促高抑"的作用。     

可降解垃圾生物消纳机运行试验

介绍了新研制的可降解垃圾生物消纳机的原理，并对运行试验数据进行了分析，说明该机运行良好，社会和环境效益有独特优势。     

基于水化学与硫同位素的卡林型金矿区岩溶水文地球化学特征及控制因素

采矿活动通过抽排改变地下水水位和流动条件,促进了地下水与含水层岩石之间的相互作用,同时矿山排水排入地表水系,从而影响整个岩溶水系统的水文地球化学过程.基于水文地球化学和δ³⁴ S同位素,揭示了典型卡林型金矿区及其周边矿山废水、岩溶地下水、地表水等水文地球化学过程、特征及其主要控制因子.结果表明,未受金矿开采活动影响的地下水和地表水的丰、枯水期水化学组分主要受灰岩和白云质灰岩风化作用控制,离子以Ca²⁺、Mg²⁺和HCO₃^-为主,水化学类型均为Ca-HCO₃型.而矿山废水及其下游受纳水体受碳酸盐和硅酸盐矿物溶蚀与离子交换作用影响,离子以Ca²⁺、Mg²⁺、Na⁺和SO₄^2-为主,水化学类型由Ca-HCO₃型逐步演化为Ca-SO₄型.受矿山开采影响的各类水体中SO₄^2-是特征组分,SO₄^2-浓度在井下呈现从上至下逐渐降低的显著规律.未受矿山废水影响的地下水和地表水δ³⁴ S值偏正,SO₄^2-主要来源于雄黄矿的氧化,而矿山废水及其下游受纳水体δ³⁴ S值偏负,SO₄^2-主要受雄黄矿氧化和大气降水两个端元混合作用的影响,黄铁矿也有一定贡献.同时,各类水体的NO₃^-源于农业化肥施用和农村生活污水直排的输入.     

污水处理厂进水数据特征识别与案例分析

污水处理厂进水水量和水质呈现复杂的变化模式,准确掌握进水数据的变化特征已经成为改善工艺运行的关键.已有定性分析方法一般难以准确解释和预测变化特征,而已有定量分析模型常常结构复杂和实现难度大,需要针对应用需求进行改进.本研究使用统一模型描述进水特征并简化了实现方式.基于经典统计分析和开源Prophet模型,进行了污水处理厂进水数据的预处理、统计、建模和可视化.最后使用3座污水处理厂的实际数据,识别了多重季节性、长期趋势、节假日等的影响特征,说明了统一模型对污水处理厂进水特征的解释和预测能力.结果可供污水处理工艺优化运行和环境时序数据解析等参考.     

北京冬季奥运会历史同期大气PM2.5污染特征分析

基于2015~2021年的1~3月北京市大气PM_2.5浓度与化学组成长期观测数据,分析了2022年北京冬季奥林匹克运动会（冬奥会）和北京冬季残疾人奥林匹克运动会（冬季残奥会）历史同期的PM_2.5污染态势、化学组成特征以及潜在源区.2015~2018年的1~3月重污染［日均ρ（PM_2.5）>75 μg·m^-3］天数以及重污染期间PM_2.5平均值下降十分显著,之后这两者未发生明显改变.2018~2021年的1~3月每年平均发生重污染23 d,重污染天ρ（PM_2.5）平均值约为120.0 μg·m^-3.2015~2021年的1~3月超长重污染过程（连续重污染超过5 d）平均每年发生2~3次,其中2021年发生3次,且持续时间最长达到8 d.历年冬奥会历史同期发生重污染的天数为2~9 d,春节期间烟花爆竹大量燃放可能是该时期重污染发生的重要原因之一;冬季残奥会历史同期重污染天数一般为1~5 d,但2021年受频繁出现的静稳天气影响,重污染天数高达9 d.在同时段重污染期间,PM_2.5化学组成均以二次组分为主,例如在PM_2.5可测组分中,2020年NO₃^-质量分数高达46%,较同年清洁天（11%）显著增加;SO₄^2-质量分数为12%~19%,说明当前硫酸盐污染仍不容忽视.北京市1~3月PM_2.5主要贡献区域包括内蒙古自治区中西部、河北省、天津市、山西省、陕西省、山东省中西部和河南省北部.研究结果将为北京市冬季空气质量持续改善以及2022年冬奥会与冬季残奥会期间北京市环境空气质量保障提供科学依据.     

An intercomparison of ozone taken from the Copernicus atmosphere monitoring service and the second Modern-Era retrospective analysis for research and applications over China during 2018 and 2019

Spatiotemporal variations of ozone (O₃) taken from the Copernicus Atmosphere Monitoring Service (CAMS) and the second Modern-Era Retrospective Analysis for Research and Applications (MERRA-2) were intercompared and evaluated with ground and ozone-sonde observations over China in 2018 and 2019. Intercomparison of the surface ozone from CAMS and MERRA-2 reanalysis showed significant negative bias (CAMS minus MERRA-2, same below) at Tibetan Plateau of up to 80 µg/m³, and the average R² was about 0.6 across China. Evaluated with the ground observations from China National Environmental Monitoring Center (CNEMC), we found that CAMS and MERRA-2 reanalysis were capable of capturing the key patterns of monthly and diurnal variations of surface ozone over China except for the western region, and MERRA-2 overestimated the observations compared to CAMS. Vertically, the CAMS profiles overestimated the ozone-sonde from the World Ozone and Ultraviolet Radiation Data Center (WOUDC) above 200 hPa with the magnitude reaching up to 150 µg/m³, while little bias was found between the reanalysis and observations below 200 hPa. Intercomparison drawn from the vertical distribution between CAMS and MERRA-2 reanalysis showed that the negative bias appeared throughout the troposphere over China, while the positive bias emerged in the upper troposphere and lower stratosphere (UTLS) with high order of magnitude exceeding 100 µg/m³, indicating large uncertainties at higher altitudes. In summary, we concluded that CAMS reanalysis showed better agreement with the observations in contrast to MERRA-2, and the large discrepancy especially at higher altitudes between these two reanalysis datasets could not be ignored.