亚热带红壤丘陵区浅层地下水氮淋失特征研究

土壤养分累积引起的氮素(N)淋失是导致农区地下水污染的重要原因,也是农业面源污染的重要形式.本文以湖南省长沙县典型亚热带红壤丘陵流域为研究对象,通过连续定位观测,研究了林地、稻田、菜地和茶园4种代表性土地利用类型浅层(130~150 cm)地下水中N浓度的逐月动态变化特征.连续3年(2010—2013年)的观测结果表明:4种土地利用类型下浅层地下水总氮(TN)平均浓度差异显著(p0.05),其中,林地最低(0.85 mg·L-1),茶园最高(7.64 mg·L-1);从N的形态构成来看,林地、菜地和茶园浅层地下水中N形态以硝态氮(NO-3-N)为主,分别占TN的46.7%、70.2%和72.8%,而稻田浅层地下水N形态则以铵态氮(NH+4-N)为主,占TN 43.5%,表明土壤淹水条件是影响地下水N淋失形态的关键因子.地下水各形态N浓度的动态变化在不同土地利用下也迥然不同:林地地下水各形态N的含量低、变幅小,而稻田、菜地和茶园地下水N浓度变幅较大;采用单因子方法对不同土地利用下地下水的水质进行评价,结果表明:研究区浅层地下水中TN和NO-3-N无显著污染,NH+4-N污染较为严重,而综合指数法(F值法)进一步表明研究区浅层地下水污染主要出现在稻田和茶园,因此,控制稻田和茶园N肥的施用量是预防亚热带红壤丘陵区地下水N污染的关键.     

湖滨带氧化还原环境的时空变化及其环境效应

在太湖梅梁湾,沿开阔水体至湖滨带方向,对植被型湖滨带(A区)、裸露型湖滨带(B区)和开阔水体(D区)水体中DO和水/沉积物Eh进行为期1a的现场观测.结果发现,梅梁湾水体DO时空变化明显.B区和D区水体中DO常年饱和,而A区DO浓度较低(年均(5.5±1.7)mg·L-1).在植物生长季,从开阔水体至湖滨植被区溶解氧浓度从12.7 mg·L-1降到4.5 mg·L-1;在非植物生长季则从9.7 mg·L-1降到6.2mg·L-1.湖滨带水体Eh在150 mV左右波动,空间变化趋势与溶解氧变化同步.沉积物Eh也表现出明显的时空变化,在植物生长季,各区沉积物均处于较强的还原状态(-158～-101 mV);而在非植物生长季,由开阔水体向植被型湖滨带Eh逐渐升高.在沉积物的垂直剖面上,开阔水体Eh自表层沉积物向下逐渐降低,而在A区的植被覆盖区则是先降低,大概在5 cm深处开始逐渐升高,于20 cm深左右达到峰值.根据上述植被型湖滨带氧化还原环境的特点,可以推知进行湖滨带生态修复,有利于去除湖泊氮污染.     

不同环境介质中异丙隆残留的前处理方法研究

利用高效液相色谱法(HPLC)测定水、土壤和植物中除草剂异丙隆的残留量.采用LC-18固相萃取小柱分离、净化和富集水中异丙隆残留;利用丙酮/水(体积比为3:1)振荡提取土壤中的异丙隆残留,并通过硅胶柱层析净化、分离;以乙酸乙酯为提取剂,采用超声波提取植物样品中的异丙隆残留,并用Florisil固相萃取小柱净化、分离.利用HPLC-UVD(Ultraviolet Detector,紫外检测器)定性、定量测定水、土壤和植物样品中异丙隆残留量.结果表明,异丙隆HPLC的线性检测范围为0.1～16 mg/L,决定系数\%R2\%=0.999 9,最低检测浓度为0.012 mg/L.水的加标回收率为90.7%～91.1%,相对标准偏差为3.0%～12.0%;土壤的加标回收率为88.4%～97.4%,相对标准偏差为6.9%～9.8%;植物的加标回收率为94.4%～99.9%,相对标准偏差为4.6%～9.0%.研究为异丙隆残留的检测提供了一种有效方法.     

南京大气PM2.5中碳组分观测分析

为了解南京地区大气细颗粒物及化学成分在灰霾期间的污染水平及可能来源,于2007年6月至2008年5月,采集PM2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量.并考察了有机碳和元素碳的季节变化特征,比较分析了南京地区灰霾与非灰霾期间含碳气溶胶的污染特征.结果显示,南京大气中PM2.5、OC和EC浓度变化范围分别是12.1~287.1,2.6~47.0和1.0~33.6mg/m3,其中夏季PM2.5(109.6mg/m3)和OC(20.8mg/m3)的值在四个季度中最高,呈现出夏季>秋季>冬季>春季的季节变化特征;EC则具有秋季>春季>冬季>夏季的季节变化特征. 霾日的OC、EC、总碳含量(TC)浓度及OC与EC比值分别是非霾日的2.0、1.8、1.9和1.7倍.后向轨迹分析表明,在有利的天气背景下,具有丰富水汽和污染物的混合气团最易使南京产生霾天气.     

BPA与3种双酚类化合物的联合作用雌激素效应

环境内分泌干扰物的联合作用已经是目前研究的重点.采用重组基因酵母检测法,分别测定了双酚A (BPA)、双酚AF(BPAF)、双酚AP(BPAP)、双酚F(BPF)4种双酚化合物的雌激素活性,并依据其测定结果,按照等效浓度比,设计了浓度比分别为EC₁₀和EC₅₀的6种二元混合物并测定了其雌激素活性.结果表明,这4种化合物的剂量-效应关系都可以用Weibull函数有效描述,BPA、BPAF、BPAP、BPF的EC₅₀值分别为：6.81×10^-6、7.44×10^-7、1.43×10^-5、7.52×10^-6 mol·L^-1,其雌激素活性大小顺序为：BPAF>BPA>BPF>BPAP.依据不同的联合作用判断方法对这4种化合物的联合效应进行判断,结果表明,相同化合物的不同混合比例可能对联合作用方式产生影响,采用DA和IA预测模型可以更加直观、方便地判断联合作用的类型,而且可以反映出不同混合比例对联合作用的影响.     

小流域土地利用结构对氮素输出的影响

以丹江口库区的胡家山小流域为研究区,以资源二号卫星影像图为底图,通过实地调查获取胡家山小流域土地利用图,利用ArcGIS的水文模拟、空间分析模块提取15个集水区,并分析其土地利用结构.根据2008年1～12月各个集水区的出口的总氮、硝态氮浓度的监测数据,定量地分析土地利用结构对氮素输出时空变化的影响.结果表明,胡家山小流域内旱地、居民地对氮素输出起显著源作用,与TN、NO-3-N的Pearson相关系数分别为0.869、0.856和0.826、0.867.林地、疏林地、草地等对氮素输出起汇作用,其中林地、草地汇作用显著,与TN、NO-3-N的Pearson相关系数分别为-0.820、-0.851和-0.602、-0.518.土地利用结构是氮素输出空间变化的关键因素,土地利用类型的空间分布使得汇土地利用类型旱地、居民地对小流域氮素输出影响最大;在不同时间尺度上,土地利用结构对氮素输出浓度影响有所不同.年度上,对氮素输出影响最大的是旱地,季节上,春、夏、秋、冬四季对氮素输出影响最大的分别是旱地、居民地、居民地、旱地;土地利用结构对氮素输出浓度的影响受到降雨、气温、人为等因素的作用.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

Preliminary studies on nitrous oxide emissions from the ornithogenic soils on Xi-sha atoll, South China Sea

IntroductionNitrousoxide (N2 O)isoneofthemostimportantgreenhousegases ,anditplaysanimportantroleinthedepletionofstratosphericozone (Crutzen ,1977;Zhu ,2 0 0 4 ) .TheatmosphericN2 Oconcentrationshavebeenincreasingattherateof 0 2 %— 0 3%peryearandthegl…     

昆明国际机场昆虫、土壤动物种类及种群动态研究

从昆虫种类、生物量和多样综合调查结果看，在机场生态系统中昆虫种群的综合指标偏低，发生高峰期在秋季；从土壤动物种群的种类、生物量和多样性综合调查结果看，机场生态系统中土壤动物的综合指标不高，生物量的高峰期也在秋季。     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.