基于我国人群胃肠消化特征的土壤中As的人体可给性研究

基于我国人群胃肠消化特征,采用医学配方模拟胃肠消化方法测试了来自大连、湖南和广西的13个受重金属污染土壤中As的人体可给性,分析了土壤理化参数与可给性的相关关系及提取液中酶、胃肠液pH值、提取时间对As的人体可给性的影响.结果表明,医学配方可给性测试中,供试土样在胃、肠阶段As的人体可给性分别为5.03%~44.54%和10.77%~51.46%,平均值为18.08%、29.32%.胃阶段As的可给性浓度与土壤中总As含量w（TAs）、总P含量w（TP）极显著正相关,与总Al含量w（TAl）、土壤pH值、总有机质含量w（TOM）显著相关;肠阶段As的可给性浓度与土壤中w（TAs）、胃阶段As的可给性浓度、w（TP）极显著相关,与土壤pH值、w（TAl）和w（TOM）显著相关.胃阶段提取液中的胃蛋白酶显著降低了As的可给性,而肠阶段添加胰蛋白酶As的可给性没有明显变化.胃、肠阶段分别在pH值为0.9和5.0时可给性最大,0.9和5.0可分别作为土壤As在可给性测试过程中模拟胃肠液的pH值.胃、肠阶段在提取时间分别为1.0h、4.0h时可给性达到最大,且之后基本不变,1.0h、4.0h可作为模拟测试As在胃肠中可给性的提取时间.研究结果表明开展基于我国人群胃肠消化特征的土壤重金属人体可给性测试方法具有重要意义.     

EK∕PRB修复砷污染土壤影响因素及机理

为明确EK/PRB（电动联合渗透反应格栅）修复As污染土壤过程中各因素的影响机理、提高As的去除效率,以As污染高岭土为研究对象,考察PRB加入、PRB位置、pH调控及腐殖酸强化影响下,EK/PRB系统中电流密度、土壤pH分布和土壤中As残余量、电渗透系数及电渗流的变化规律;探讨EK/PRB修复后土壤中As形态的迁移转化规律.结果表明:①单独EK修复对土壤中As的去除效率较低,加入PRB后去除率为由42%增至57%,并且EK/PRB修复可以将土壤中的As由不容易去除的可还原态转变成较容易去除的酸溶态.②采用盐酸调节阴极pH,可以将土壤中As的去除率由57%增至63%,但同时能耗也明显升高,由5.22 kW·h/g升至39.38 kW·h/g.③添加腐殖酸会促进土壤中As的迁移、提高As的去除效率,但也会增加土壤中难处理的可氧化态和残渣态As的占比.研究显示,EK/PRB除As过程中以PRB的去除作用为主,阴极pH调控及腐殖酸强化均可以提高土壤中As的去除率.      

东海区海-气界面二氧化碳分压的分布变化特征

根据2015-2016年期间在东海区二氧化碳(CO_2)调查所得的表层海水二氧化碳分压(p(CO_2))、温度(t)、盐度(S)、pH值等资料,分析并讨论了东海区海-气界面(p(CO_2))的分布变化和季节变化特征,并对其变化影响因素等进行探讨分析。研究表明:东海区p(CO_2)的分布大致呈现"近岸区-陆架区-外海区"的差异,就整个调查海区表层海水的p(CO_2)平均分布而言:秋季>夏季>冬季>春季,大气的p(CO_2)水平大小顺序为:春季>秋季>夏季>冬季,且四季总体均表现为大气CO_2的汇。东海区水系情况复杂,表层海水p(CO_2)分布主要受长江冲淡水、东海陆架水、黑潮水和黄海沿岸流四大水系的影响。总体上受冬季和秋末的海水垂直混和作用和夏季、春末和秋初的生物活动的影响。     

泉州市环境空气质量现状、影响因素及综合防治对策

随着我国各方面综合实力的不断提高,生产、建筑等方面对自然环境造成的污染是极大的,人们生活水平提高的同时也越来越关注城市内大气污染问题。如何治理大气污染,保持人与自然的和谐发展,已经成为当前人们共同面临的一个难题。泉州市地处福建省东南沿海,是我国"一带一路"战略海上丝绸之路的先行区。在经济高速发展的同时,工业企业、机动车数量快速增加,大气污染过程偶有发生,作为国家环保模范城市,其大气环境问题得到越来越多的关注,因此提出有效的综合防治对策势在必行。本文结合泉州市自然(气象、地形)与社会经济(产业布局)等因素,分析了泉州市不同季节大气颗粒物污染成因,并提出有针对性的大气颗粒物污染综合防治对策与管理措施。     

洋河流域不同土地利用类型土壤硒(Se)分布及影响因素

基于洋河流域土地利用方式、海拔高度、土壤、植被类型等采集流域上下游171个代表性表层土壤(0~10 cm),系统地分析了土壤总硒(Se)含量、分布及影响因素.结果表明,洋河流域土壤总Se含量(以干重(dw)计,下同)在0.02~3.24mg·kg-1之间,几何平均值为0.30 mg·kg-1,高于北京平原(0.20 mg·kg-1)、河北平原(0.19 mg·kg-1)和全国平均值(0.29mg·kg-1).洋河流域少Se(0.13~0.18 mg·kg-1)土壤主要分布在怀安县、宣化县以及怀来县,多数地区土壤处于足Se水平(0.18~0.45 mg·kg-1),除此之外,在万全县、兴和县、天镇县及阳高县分布有富Se(0.45~2.0 mg·kg-1)土壤.不同土地利用类型中Se含量有所差异,Se平均含量由高到低分别为:林地城镇工矿用地草地农业用地,其中农业用地平均含量为0.28 mg·kg-1.成土母质、土壤类型对洋河流域Se含量影响较小.黏粒含量与洋河流域表层土壤中Se相关性最好.Se含量随海拔增高显著增加,随p H增加显著减小.TOC、Fe和Al含量也是影响土壤Se含量的重要因素.     

稻田灌溉河流CH4和N2O排放特征及影响因素

随着农业氮肥大量施用,大量碳氮营养物质以淋溶或径流形式进入周边灌溉水体,使其成为甲烷(CH4)和氧化亚氮(N2O)的重要排放源.以我国东南部地区典型稻田灌溉河流为研究对象,于2014年9月至2016年9月连续两年原位观测表层水体CH4和N2O溶存浓度及其排放通量,旨在明确稻田灌溉河流CH4和N2O的排放特征、排放强度及其主要驱动因子.结果表明,观测期内c(CH4溶存)的年平均值为(390.57±43.95)nmol·L-1(92.80～1 577.54 nmol·L-1),c(N2O溶存)的年平均值为(40.23±3.20)nmol·L-1(10.05～75.40 nmol·L-1).CH4和N2O的排放通量(年平均)分别为(20.73±6.08)mg·(m2·h)-1和(34.30±7.12)μg·(m2·h)-1.CH4和N2O溶存浓度和排放通量整体上均呈现出春夏排放高,秋冬排放低的季节变化趋势.两年CH4累计排放总量为(3 876.30±1 153.96)kg·hm-2,N2O累计排放总量为(5.74±0.98)kg·hm-2.两者持续性全球增温潜势(SGWP,以CO2-eq计)平均为(87.99±15.73)t·(hm2·a)-1.CH4排放通量与水温、底泥可溶性有机碳(DOC)显著正相关,而与水体溶解氧(DO)显著负相关;N2O排放通量与水温、水中铵态氮(NH4+-N)和硝态氮(NO3--N)显著正相关,而与水体DO显著负相关.该研究可为科学估算我国农业灌溉流域CH4和N2O排放总量提供数据支撑和重要参考.     

ICP-MS法测定水中铊的不确定度探讨

本文评价了电感耦合等离子体质谱法测定水中的不确定度。并分析了影响不确定度的因素,包括标准曲制作、标准溶液的配制以及仪器测量的重复性。最后,采用电感耦合等离子体质谱法测定水中铊的测量不确定度,并计算出扩展不确定度。测量不确定性的主要来源是最小二乘法拟合到标准曲线所产生的不确定性。在实际样品的分析和试验中,应注意标准曲线的制备和测量,严格按照标准规范,减少分析误差,保证分析结果的准确性和可靠性。     

环境监测水和废水现场采样的影响因素探讨

环境监测工作是现代环境监测、生态保护工作的重要组成部分,要求在进行水和废水采样时尽量排除各类干扰因素,确保检验结果更贴近真实情况。本文针对环境监测工作中水及废水采样工作进行探索,重点分析各类影响采样工作质量因素,结合专业知识和实际情况提出避免和降低这些干扰因素影响的策略,供相关环境监测工作人员参考。     

气候变化和人类活动对东部沿海地区NDVI变化的影响分析

植被是陆地生态系统的重要组成部分,特别是在人类活动密集地区,良好的植被覆盖对于维持区域生态环境稳定、增进居民生活福祉和促进社会经济可持续发展意义重大.基于归一化植被指数(NDVI)、气温、降水和太阳辐射数据,采用趋势分析、偏相关分析和残差分析等方法,探究了1982～2019年中国东部沿海地区NDVI时空变化特征及其与气候因子的关系,评估了气候因素和人类活动等非气候因素对NDVI变化的影响.结果表明：(1)1982～2019年研究区NDVI变化趋势具有明显区域性、阶段性和季节性差异,就区域平均而言,2000年以前(第一阶段)的生长季NDVI比2001年以后(第二阶段)增加更快,而两阶段春季NDVI增加速率均为各季节最快;(2)同一阶段NDVI与各气候因子的关系在不同季节存在差异,而同一季节NDVI的主要气候控制因子在不同阶段也不一致,并且NDVI与气候因子的关系具有很大空间差异.总体上,1982～2019年研究区生长季NDVI的增加与气温的持续上升关系紧密,第二阶段降水和太阳辐射的增加也产生了积极作用;(3)相比于人类活动等非气候因素的影响,气候变化对近38年来研究区生长季NDVI变化的...     

基于可解释性机器学习的城市O3驱动因素挖掘

受前体物排放和气象条件等因素共同驱动,大气臭氧(O₃)已成为影响城市夏季环境空气质量的主要污染物.目前物理化学机制驱动的演绎模型在进行O₃污染解析时需要的模型参数众多,运算时效性较差;数据驱动的归纳模型运算效率高,但存在可解释性差等问题.通过建立可解释性数据驱动的Correlation-ML-SHAP模型,Correlation模块挖掘O₃浓度关联影响因素,机器学习ML模块耦合可解释性SHAP模块计算各驱动因素对O₃浓度的影响贡献,实现对驱动因素的定量解析,并以晋城市2021年夏季O₃污染过程为例开展应用研究.结果表明,Correlation-ML-SHAP模型能够挖掘并利用强驱动因素模拟O₃浓度和量化影响贡献,其中ML模块采用XGBoost模型模拟准确度最佳. 2021年夏季晋城市O₃污染强驱动因素为：气温、日照强度、湿度和前体物排放水平,贡献权重为：32.1%、 21.3%、 16.5%和15.6%,其中气温、日照强度和前体物排放...