P矩阵校正技术在光度法测定COD中的应用

对可能的干扰金属离子进行了筛选,通过对多个检验集样品的分析,确定了最优分析波长组,并进一步对多个实际样品进行了测量,结果表明,本方法测定结果与国标推荐方法相比没有明显差异,同时可无需预先化学分离就很好地消除共存金属离子的干扰,具有操作简便、测定快速的优点。     

城市突发环境事件的三维矩阵管理模式研究

针对我国环境事件频繁发生和应急管理法制建设缺位、体制不健全之间的矛盾,结合矩阵管理与应急管理理念,创建了基于事件分级、事件生命周期和事件运行管理为三维的矩阵管理模式,并以此模式分析结果为基础,提出城市应急管理能力建设的阶段性建议。     

南昌市大气降水化学特征及来源分析

为分析南昌市大气降水离子来源和源区,对南昌市2016年4—9月大气降水样品主要阴阳离子的组成进行了测定分析,并运用PMF（正定矩阵因子分解）模型分析来源和TrajStat软件模拟后向轨迹.结果表明:NH₄+和Ca2+是南昌市大气降水中的主要阳离子,加权平均浓度为65.3和23.9 μmol/L,分别占阳离子总量的57%和21%;SO₄2-和NO₃-是主要阴离子,加权平均浓度为60.4和25.3 μmol/L,分别占阴离子总量的56%和23%.c（NH₄+）、c（Ca2+）、c（K+）、c（Mg2+）、c（Na+）、c（Cl-）、c（NO₃-）之间均存在着较为显著的相关性,说明它们之间可能有相似的来源或形成化合物共同存在.结合PMF模型分析结果表明,Na+、Cl-很明显受到了海盐的影响,也部分受土壤和二次污染影响;K+、Mg2+、Ca2+大部分来自于土壤,海盐、二次污染也贡献了一部分的K+;SO₄2-、NH₄+和NO₃-是组成大气二次颗粒物的主要成分,主要由二次污染源贡献;煤燃烧贡献了主要的F-和部分SO₄2-.后向轨迹模型分析表明,南昌市大气降水主要受局地降雨气团影响,5月、8月、9月受陆源及人为影响较大,海源性离子经过内陆上空时被稀释或沉降,导致6月、7月来自于海洋上空的降雨气团对南昌影响不大.研究显示,SO₄2-对南昌市大气降水的影响逐渐增大导致降雨类型逐渐由混合型向硫酸型转化,人为影响是造成大气污染的主要原因.      

北京市大气细粒子的来源分析

细粒子(空气动力学直径小于2.5μm的颗粒物)污染是许多城市重要的大气环境问题.从1999年至2000年对北京市细粒子展开了4次采样和化学分析,有效采样天数为40d.利用正定矩阵分解(PMF)方法对细粒子的来源进行了分析.化学成分包括EC(元素碳)、有机物、SO₄^2-、F^-、Cl^-、Fe、Ca、K、Mg、Al、Na、Zn、Mn、Ti、Pb、Ba和P等17种.发现主要来源有6类:地面扬尘、建筑源、生物质燃烧、二次源、机动车排放和燃煤.     

黄河源区湿地变化与气候变化的关系研究

选择黄河源头玛多县,利用遥感手段分析了该地区1990~2000年和2000~2004年的湿地动态变化,采用灰色关联度法,分析了不同类型的湿地与各气象因子的关联系数。结果表明：在1990~2004年间,黄河源湿地呈现持续萎缩的状态,减少速率平均为2864.48 hm²/a 。其中前10年和后4年平均减小速率分别为2329.81和4201.14hm²/a,后4年的变化速度是前10年的1.8倍。高原湖泊处于比较稳定的状态,转移概率小于3%,而高原沼泽湿地和河流湿地处于非常不稳定的状态,与其他土地类型的转移概率分别达到40.16%~38.37%和46.27%~40.25%。不同的湿地类型与气象因子的关联度是不同的,沼泽与日照和蒸发关联度最大,湖泊与蒸发和降水关联度最大,河流与气温和蒸发关联度最大。     

基于PMF模型的PM2.5中金属元素污染及来源的区域特征分析

金属元素是大气PM_2.5的重要组成成分,对人群危害性极强且兼具源特异性,分析不同经济模式地区大气细颗粒物中金属污染状况及来源差异,可以为科学规划城市产业布局和保护大气环境提供参考.通过霾/非霾期大气PM_2.5采样,使用电感耦合等离子体发射光谱仪（ICP-OES）测定成都市及仁寿县样品中18种金属元素质量浓度,分析其污染水平,并基于正定矩阵因子分解模型（PMF）解析两地大气PM_2.5中金属元素的来源.结果表明,成都市扬尘源、移动源和燃煤源特征元素占元素总和的比值大于仁寿县,而仁寿县生物质燃烧源、工业源以及燃油源特征元素占比则较高.两地Cr、Cd和As元素浓度均超标,表明PM_2.5中重金属污染严重.随着霾污染加剧,两地PM_2.5中金属元素总量上升,但增幅远低于PM_2.5浓度增长.此外,不同元素在霾期和非霾期浓度比值存在差异,成都市变化范围为0.7（Al）~2.8（Ba）,仁寿县介于0.8（Al）~3.1（Mn）之间,但总的来说两地大致呈现出燃煤和工业活动排放元素增幅较大,机动车污染源次之,扬尘源增幅较缓的状况.受地区产业布局、经济规模和发展模式的影响,大气PM_2.5中金属元素污染水平及来源呈现出不同的区域特征.在重点发展第三产业的大型城市,如成都,更易遭受交通运输和城市建设等带来的大气污染,而在仁寿等第二产业占比不断增加的郊县,其污染主要受化石燃料燃烧和工业过程排放的影响.     

基于正定矩阵分解的傍河水源地土壤重金属污染源分析

以宁夏吴忠市金积傍河水源地为研究对象,在综合分析水源地区内土壤介质特征基础上,在水源地区域范围内采集了15个土壤样品,分析了区域范围内土壤重金属砷、镉、铬、铜、铅、镍、锰等7个因子空间分布状况,采用正定矩阵分析方法定性识别土壤重金属来源及各项来源空间污染贡献率。结果显示,金积水源地土壤重金属含量均未超过国家土壤环境二级标准,低于区域土壤背景值,其中土壤重金属污染受自然来源总贡献率为34.1%,受工业污染影响来源贡献率26.2%,受农业污染影响来源贡献率21.1%,受畜禽养殖粪便堆放及施肥作用影响的贡献率为18.6%。污染来源及其污染贡献程度分析结果为水源地供水安全和环境保护提供了重要的科学依据。     

正矩阵因子分解法评价北京市PM_(10)和SO_2监测网络

为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络.     

黑炭气溶胶质谱仪(SP-AMS)分析春季PM2.5中水溶性有机气溶胶

为探讨常州春季大气细颗粒物(PM_(2.5))的化学组成及污染特征,于2017年3月1日～5月30日采集了84个有效样品,对其水溶性离子(WSIIs)、碳质组分(OC和EC)等常规组分进行了测定和分析,并采用黑炭-气溶胶质谱仪(SP-AMS)对水溶性有机气溶胶(WSOA)进行了分析.结果表明,采样期间PM_(2.5)的日均质量浓度为101. 97μg·m~(-3),超标(环境空气质量标准二级标准)率达73. 8%,以轻度、中度和重度污染为主,分别占总天数的39. 3%、21. 4%和13. 1%. WSIIs约占PM_(2.5)的39. 86%,其中二次离子(SO_4~(2-)、NH_4~+和NO_3~-)占WSIIs的81. 85%,阴阳离子电荷平衡的线性拟合直线的斜率(AE/CE)大于1(1. 09),表明PM_(2.5)偏弱酸性. OC/EC比值为2. 53,说明受二次转化的影响. SP-AMS分析WSOA组分包含C_xH_y+(32. 1%)、C_xH_yO+(30. 4%)、C_xH_yO_~(2+)(25. 4%)和H_yO~+(4. 7%),其平均氧碳比(O/C)、氢碳比(H/C)、氮碳比(N/C)和有机质-有机碳比(OM/OC)分别为0. 72、1. 53、0. 04和2. 15,高的O/C表明春季光化学反应导致的二次转化贡献较大.正定矩阵因子分析模型(PMF)对WSOA的质谱进行解析得到:类烃OA(HOA)、半挥发氧化性-生物质燃烧排放OA(SVOOA-BBOA)和低挥发性氧化性OA(LVOOA) 3种有机气溶胶,分别占WSOA总量的18. 4%、34. 1%和47. 4%.     

海南岛半干旱区农用地土壤重金属富集因素、健康风险及来源识别

为了解海南岛半干旱区农业土壤中重金属富集因素和污染状况,在感城镇采集1818件表层土壤样品,测定其重金属含量和化学组成.采用相关分析、地累积指数（I_geo）、综合生态风险指数（RI）、危害指数（HI）、致癌风险指数（CR）和正定矩阵因子分析（PMF）开展重金属风险评价和来源识别.结果显示,重金属ω（As）、ω（Cd）、ω（Cr）、ω（Cu）、ω（Hg）、ω（Ni）、ω（Pb）和ω（Zn）的平均值分别为22.7、0.128、33.4、14.5、0.032、9.32、32.5和43.3 mg ·kg^-1,除Zn外,均高于海南岛土壤背景值.相关分析表明,重金属富集与土壤中Fe、Mn、Al和有机质含量密切相关.I_geo结果表明,研究区农业土壤主要受到As的污染,其次为Cd和Cu;RI结果显示,高风险以上的样品占比为29.4%,其中As是潜在生态风险的主要贡献者;健康风险评估结果显示,As、Cr和Ni对儿童存在致癌风险,需要引起注意.基于PMF模型,确定了研究区重金属的4种主要来源,其中Hg主要来自工业排放;As主要来自农业活动;Ni、Cu、Cr和Zn主要来自与成土母质密切相关的自然来源;Pb和Cd主要来自农业活动和机动车尾气的混合源.研究表明PMF模型与相关分析相结合,能够有效识别土壤重金属来源.