土壤溶解性有机质荧光特征及其与铜的络合能力

选取4种不同类型土壤和腐熟鸡粪,透析提取溶解性有机质(DOM),通过凝胶色谱、三维荧光光谱测定并分析了DOM的相对分子质量(M_r)分布、化学结构特征及其与铜的结合能力.结果表明,鸡粪DOM相对分子质量积分面积远高于其他样品,表现出其具有较高的有机物含量,泥炭土次之.暗棕壤、褐土和黑土较低,仅为鸡粪积分面积的4.5%~5%.鸡粪在中分子量段积分面积约占总物质的34.1%,低分子量段和高分子量段分别约占41.7%和24.2%.荧光光谱分析表明,各样品均出现类蛋白荧光峰(E_x/E_m=240~270/300~350 nm),在中、高分子量段(M_r500)暗棕壤存在的荧光峰消失.泥炭土出现了较为独特的可见光区类富里酸荧光峰(E_x/E_m=325/420 nm),该荧光峰和黑土的荧光峰在中、高分子量段(M_r500)都产生了红移现象.鸡粪分别出现了和黑土类似的紫外区类富里酸荧光峰,以及和泥炭土类似的可见光区类富里酸荧光峰,以及一类独特的类蛋白荧光峰(E_x/E_m=280/350 nm),但这种类蛋白荧光峰在中分子量段(500M_r12 000)消失.分析表明泥炭土与Cu的络合常数(lg K)为4.13,其他3种土壤与Cu的络合常数较小且差别不大,集中在2.10~3.10之间.鸡粪与Cu的结合能力最大,络合常数达到6.66.     

EDTA优化纳米Pd/Fe对2,4-D的催化脱氯研究

采用EDTA优化纳米Pd/Fe催化脱氯水中2,4-二氯苯氧乙酸(2,4-D),并考察了EDTA投加浓度、pH、钯化率、温度等因素对2,4-D还原的影响.结果表明,EDTA的加入络合了纳米Pd/Fe在催化脱氯过程中生成的铁离子,抑制纳米Pd/Fe颗粒表面钝化层的形成,提高了体系的反应活性.适宜的EDTA浓度、低pH、高钯化率、低温等有利于2,4-D的还原脱氯.当EDTA浓度为25.0 mmol·L-1,纳米铁含量为1.0 g·L-1,初始pH=4.3、钯化率为0.5%,温度为25.0℃,搅拌速率为200 r·min~(-1)时,反应50 min,10.0 mg·L-1的2,4-D去除率及苯氧乙酸(PA)生成率均达到100%.     

2013年京津冀重污染特征及其气象条件分析

2013年中国东部地区多次发生持续的重霾污染事件.为探究其气象条件与重污染事件的关系,本文使用欧洲中心2013年东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM_2.5浓度数据以及2013年MICAPS观测数据,分析了重污染事件对应的天气形势,并使用NAQMPS针对2013年1月的重污染事件进行情景模拟.研究结果表明：1北京、天津和石家庄地区PM_2.5浓度,夏秋季节日变化不显著,秋冬季节白天低夜间高;3地PM_2.5浓度均表现为12-1月浓度最高,7月最低;.2500 hPa平直西风气流,850 hPa弱暖平流,地面处于弱高压后部或高压底部高低空配置下的天气系统,对应着重污染事件的高发期;3源强不变的情况下,京津冀地区由弱高压前部控制转为弱高压控制时,地面温度升高0~5℃,相对湿度增加30%~50%,风速下降2~3 m·s^-1,PM_2.5浓度变化可达300 μg·m^-3.     

Two-step harmless treatment of secondary aluminum dross (SAD) by vacuum distillation and alkaline roasting

Journal of Material Cycles and Waste Management - Secondary aluminum dross (SAD) is classified as hazardous waste by many countries in the world because it contains a large number of toxic and...     

生态修复的环境法属性探讨

在环境法中,要了解生态修复的属性。目前,业界关于生态修复的研究还处于初级阶段,掌握生态修复的含义,了解生态修复与法律之间的关系,才能进一步探讨生态修复的环境法属性。在生态修复上,政府起到极其重要的作用,政府要加强对环境的保护,使生态修复能够真正落到实处,并严格依据环境法的要求及时追究侵害人的责任。     

中国生态环境科技创新体系建设研究

分析国内外生态环境科技创新的发展现状,相比较国外以市场机制为导向、以企业为创新主体、政府通过政策和管辖支撑创新的体系特征,我国已形成四大类环境类科创载体,但尚未形成成熟有效的技术成果产业化机制以及市场与政策协同促进科技创新的发展模式。本文根据生态环境科技创新的强政策驱动性、技术验证放大周期长以及集成性强的特点,重点通过环境技术研发、技术成果转化、技术放大与赋能、产业拓展与推广四个方面阐述了生态环境科技创新体系建设的主要环节：环境技术的研发由以科研机构为主的传统自发性研发、企业迭代性研发和联合应用型研发组成;技术成果的转化经历挖掘发现、技术识别与判断、知识产权评估评价后进入已成立的企业或新设公司,在这一过程中,成果转化专业队伍起着至关重要的作用;技术放大与赋能旨在为有创新技术的企业提供科技创新政策、二次研发中试验证、首台套工程案例、投融资等资源的对接,以协助初创企业成长;产业的拓展与推广则通过为解决环境问题形成集成方案、孵化平台为企业背书和产业政策匹配等方式助力企业长期发展。最后从加强专业化创新平台、技术评估体系、成果转化人才培养体系建设以及疏通投融资渠道等方面对中国未来生态环境科技创新发展提出相关建议。     

N2O profiles in the enhanced CANON process via long-term N2H4 addition: minimized N2O production and the influence of exogenous N2H4 on N2O sources

Environmental Science and Pollution Research - Production of the greenhouse gas nitrous oxide (N2O) from the completely autotrophic nitrogen removal over nitrite (CANON) process is of growing...     

Assessment on the effectiveness of environmental regulation in China—evidence from a panel data analysis

Environmental Science and Pollution Research - In the context of global warming and environmental deterioration, the environment impact assessment is a crucial institutional guaranty to assure less...     

环境中的微塑料:赋存、检测及其危害

近年来,由个人护理品及废旧塑料直接或间接产生的微塑料不断地在各种环境介质中被检出,且微塑料会对生态系统产生各种危害,因此对微塑料的研究受到越来越广泛的关注。阐述了微塑料在水体、沉积物、沙滩和生物体中的赋存情况,介绍了微塑料的采集与分离方法,以及定性与定量分析方法。指出微塑料对环境及生物体产生的危害,提出现阶段研究存在的主要问题,并对今后的研究方向进行了展望。     

Estimating sampling frequency in pollen exposure assessment over time

A time series model was fitted to the pollen concentration data collected in the Greater Cincinnati area for the Cincinnati Childhood Allergy and Air Pollution Study (CCAAPS). A traditional time series analysis and temporal variogram approach were applied to the regularly spaced databases (collected in 2003) and irregularly spaced ones (collected in 2002), respectively. The aim was to evaluate the effect of the sampling frequency on the sampling precision in terms of inverse of standard error of the overall level of mean value across time. The presence of high autocorrelation in the data was confirmed and indicated some degree of temporal redundancy in the pollen concentration data. Therefore, it was suggested that sampling frequency could be reduced from once a day to once every several days without a major loss of sampling precision of the overall mean over time. Considering the trade-offs between sampling frequency and the possibility of sampling bias increasing with larger sampling interval, we recommend that the sampling interval should take values from 3 to 5 days for the pollen monitoring program, if the goal is to track the long-term average.