表面活性剂增溶洗脱土壤中多环芳烃的效果研究

表面活性剂增效洗脱修复技术被广泛应用于土壤修复. 本文选取11种非离子型和3种离子型表面活性剂对多环芳烃(PAHs,菲、芘、苯并[a]芘)污染土壤进行洗脱研究,筛选出洗脱效果较好的表面活性剂,并深入探索表面活性剂浓度、洗脱时间、固液比等因素以及表面活性剂的复配对土壤PAHs增效洗脱的影响,旨在比选出一种高效洗脱土壤PAHs的表面活性剂并对其洗脱方法进行优化. 结果表明:①表面活性剂浓度为10 g/L、固液比为1∶20条件下,聚氧乙烯醚-10(NSF10)的去除率最高,达到78%;其次为曲拉通X-100(TX-100)和吐温80(TW-80),去除率分别为76.7%和73.4%. ②随着表面活性剂添加浓度的增加,土壤PAHs的去除率增大,当表面活性剂浓度超过5 g/L时,PAHs去除率的增幅减缓,可见,5 g/L是相对有效且经济的表面活性剂添加浓度. ③当洗脱时间为16 h时,NSF10对PAHs的洗脱达到平衡,继续延长洗脱时间,洗脱效果并未增强. ④增加NSF10用量有利于洗脱,固液比1∶40是最优固液比,此时PAHs的去除率已达到固液比为1∶100时的85.2%. ⑤非离子表面活性剂NSF10、TX-100、TW-80与阴离子表面活性剂SDS分别以体积比9∶1进行复配时均取得了优于单一活性剂的洗脱效果,NSF10与SDS体积比为7∶3时,增溶洗脱效果最为明显,比单一表面活性剂提高了18.2%. 研究显示,NSF10是一种高效的PAHs洗脱剂,添加浓度为5 g/L、洗脱时间为16 h、固液比为1∶40是其最优参数选择,其与SDS以体积比7∶3进行复配可进一步提升增溶洗脱效果.      

基于PMF的土壤多环芳烃致癌风险定量源解析方法研究:以太原市为例

为实现土壤PAHs (多环芳烃)来源致癌风险的定量化,选取太原市城乡土壤为研究对象,分析PAHs污染水平并建立含量成分谱,利用PMF (正定矩阵因子分解)模型识别污染源,采用蒙特卡罗模拟进行健康风险评估,并联合PMF模型和健康风险模型量化PAHs污染源的健康风险,比较不同污染源对土壤PAHs含量和对致癌风险贡献的差异. 结果表明:①太原市土壤PAHs污染严重,城市地区人群暴露于土壤PAHs的致癌风险超过了可接受风险水平(10?6),农村地区人群超过可接受阈值的概率在10%~50%之间. ②城市土壤中PAHs主要来自燃煤交通混合源(41.5%)、燃煤源(26.0%)、石油源(16.2%)、焦炉排放源(8.2%)和交通排放源(8.1%),农村土壤PAHs主要来自燃煤源(43.3%)、生物质燃烧源(22.3%)、交通排放源(22.7%)和焦炉排放源(11.7%). ③燃煤交通混合源是城市地区致癌风险的最大来源,贡献率为53.7%;交通排放源和燃煤源是农村地区致癌风险的主要来源,贡献率分别为46.3%和45.6%. ④不同污染源对PAHs含量的贡献与其对致癌风险的贡献存在差异,对于城市地区,燃煤交通混合源、交通排放源对PAHs含量的贡献率分别为41.5%、8.1%,而其对致癌风险的贡献率分别为53.7%、13.0%;对于农村地区,交通排放源对PAHs含量的贡献率为22.7%,但其对致癌风险的贡献率为46.3%. 研究显示,规避交通排放源是降低PAHs致癌风险的关键,建议将基于健康风险的定量源解析技术应用到土壤风险管控中,以期更为有效地降低健康风险,保护人体健康.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

社会资本对农村贫困代际传递影响机制研究

社会资本在反贫困领域的重要作用已被理论和实践所证实。在新时代脱贫攻坚的决胜阶段,有效发挥社会资本的周急济贫功能,缓解乃至阻断贫困代际传递,已成为当前反贫困战略推进中亟待探讨的问题。研究整合了四期中国家庭追踪调查(CFPS 2010、2012、2014、2016)个体家庭和村庄的嵌套数据,建立了“认知型”和“结构型”两种类型以及“个体家庭”和“村庄”两个层级的社会资本框架,并基于探索性因子分析构建了社会网络、社会信任、社会声望、社会参与、集体参与以及公共服务6个社会资本变量。研究利用HLM软件构建了多层广义线性模型(HGLM),通过四阶段的空模型、截距模型、随机效应模型以及完整模型分析了绝对贫困背景下社会资本对农村贫困代际传递的影响机制。研究结果表明:①个体社会资本总量与贫困代际传递呈显著负相关。②在个体家庭层面,社会网络、社会声望、社会参与对贫困代际传递有显著负向影响,但社会信任和地方信任对贫困代际传递的影响并不显著。③在村庄层面,公共服务对贫困代际传递具有显著负向影响,集体参与对贫困代际传递具有显著正向影响,且公共服务水平对社会网络和贫困代际传递具有正向调节作用。研究提出要大力培植贫困群体和乡村两个层级的社会资本以缓解农村贫困代际传递趋势:①要通过协调“乡政”与“村治”以形成良性的乡村治理格局。②要促进精准扶贫与乡村振兴战略紧密衔接,在保障个体脱贫的同时完善农村公共服务及基础设施建设,推进城乡基本公共服务均等化;③须提振贫困群体脱贫信心,增强村级自治与集体参与的水平和能力。     

河北省某大型焦化厂地下水中多环芳烃的污染特点、源解析及生态风险评价

为研究焦化厂地下水中美国EPA优先控制的16种多环芳烃(PAHs)的分布特点和污染来源,本研究联合使用统计技术、正定矩阵因子分析(PMF)模型和风险商值法,深入分析了焦化厂地下水中PAHs的分布规律,定量解析了PAHs的污染来源,并且对其生态风险进行了科学评价.结果表明,焦化厂地下水中16种PAHs的总检出率较高,达到46.7%.地下水中∑₁₆PAHs的浓度范围是n.d.～444.9μg·L^-1,均值为1.88μg·L^-1.不同生产车间地下水中PAHs的浓度存在明显差异,其中污染最重的车间位于焦油精制区,地下水中∑₁₆PAHs的浓度为444.92μg·L^-1.应用PMF源解析模型,识别出该焦化厂地下水中PAHs有二类污染源：一是石油的燃烧源,二是煤和生物质燃烧以及石油类的泄漏,二种污染源对焦化厂地下水中PAHs的贡献率分别为38.6%和61.4%.焦化厂地下水中∑₁₆PAHs处在高生态风险等级,且有53.4%的地下水采样点单体PAHs的生态风险处在高风险等...     

基于MGWR的黄河流域土壤有机碳密度和影响因素分析

土壤有机碳作为最大陆地碳库,其空间分布特征和影响因素对于全球碳循环过程具有重要影响.基于土壤有机碳密度数据,结合环境因子,使用多尺度地理加权回归（MGWR）模型预测了黄河流域土壤有机碳密度（SOCD）和影响因素.结果表明：①黄河流域0~20 cm和0~100 cm的SOCD范围分别为0~14.82 kg ·m^-2和0~32.39kg ·m^-2,均值分别为3.48 kg ·m^-2和8.07kg ·m^-2,储量则分别为2.76 Pg和6.48 Pg;②各生态系统类型中,0~20 cm的SOCD从大到小依次为：森林>水体与湿地>其他>草地>农田>聚落>荒漠,0~100 cm的SOCD从大到小依次为：水体与湿地>森林>其他>草地>农田>聚落>荒漠,SOCR从大到小皆为：草地>农田>森林>荒漠>水体与湿地>聚落>其他;③黄河流域SOCD的分布主要受常数项、剖面曲率、NDVI和降水的影响,曲率和粉砂对深层的SOCD的分布也具有重要影响;此外,降水、NDVI和常数项（除森林外）是影响各生态系统的主要因素,曲率和粉砂则仅对荒漠和其他生态系统具有重要影响.研究结果得出了黄河流域SOCD的空间分布和影响因素,可为黄河流域碳平衡、土壤质量评价和生态治理恢复与巩固提升提供科学依据.     

北江中上游地表水和沉积物中PAHs和PCBs污染特征和风险评估

采用气相色谱-质谱法（GC-MS）测定了北江中上游流域地表水和沉积物样品中多环芳烃（PAHs）和多氯联苯（PCBs）类污染物的含量,分析了PAHs和PCBs的污染水平和空间分布,并评估了污染物的健康风险和生态风险.结果表明,16种PAHs单体在所有水样和沉积物样品中均被检出,检出范围分别为41.82~443.04 ng·L^-1和59.58~635.73 ng·g^-1,北江中上游PAHs的污染水平为中、轻度.水中PAHs以二环芳烃和三环芳烃为主,沉积物中以三环芳烃和四环芳烃为主.在水样中检出了17种PCBs,浓度范围0.81~287.50 ng·L^-1,以六氯联苯和七氯联苯为主;沉积物中检出了8种PCBs,含量范围0.13~3.96 ng·g^-1,以五氯联苯和七氯联苯为主.整个调查区域内地表水中PAHs和PCBs的终生致癌风险指数小于10^-4,处于中、低水平;非致癌风险指数均小于1,不存在非致癌风险.采用风险商值（RQ）法对地表水中污染物进行生态风险评价,研究区域内地表水中PAHs和PCBs生态风险总体处于中低风险水平,个别点位存在重度风险的污染物单体,值得引起重视.采用沉积物质量基准法（SQGs）对沉积物中污染物进行生态风险评估,沉积物中PAHs和PCBs均处于较低的生态风险水平.     

基于多传感器数据融合分析的路堑滑坡模型试验研究∗

以成都天府国际机场高速公路 TJ04 标段 K17+700~K17+900 段滑坡为典型代表,通过地质分析及室内模型试验相结合的方法,运用数据融合及统计学概率运算方法,对降雨作用下路堑边坡的变形破坏过程进行研究。 结果表明：(1)通过地质分析认为 K17+700~K17+900 段滑坡形成主要原因是地表水入渗及滑坡前缘路基开挖 ; (2)通过模型试验研究已开挖路基在降雨条件下的变形特征,得出其变形机理为：降雨入渗→边坡局部溜坍→地表水入渗加剧→土体含水率上升→孔隙水压力增大→边坡失稳→整体牵引式滑移;(3)通过传感器数据融合及统计学概率分析得出,随着降雨历时增长,含水率的变化曲线与累计降雨量之间呈正相关,相关系数为 0.600 15 具有显著相关性,孔隙水压力的变化曲线与含水率之间正相关,相关系数为 0.921 74 具有高度相关性,说明雨水入渗是土体含水率与孔隙水压力增长的直接原因。     

“大角牛·美丽家乡”校园征文大赛启事

正每个人都有自己的家乡,她或许是高楼林立的都市,或许是山水环绕的城镇,也有可能她就是一个普普通通的乡村,但无论她闻名遐迩,历史悠远,还是默默无闻,家乡有多美,只有生长在那里的人看得最真。青少年作为祖国的未来和希望,他们如何看待自己的家乡,将对家乡的建设起到至关重要的作用。2014年伊始,为培育和提升广大青少年生态文明意识,生动活泼地向广大青少年进行"建设伟大祖国、建设     

“大角牛·美丽家乡”校园征文大赛启事

正每个人都有自己的家乡,她或许是高楼林立的都市,或许是山水环绕的城镇,也有可能她就是一个普普通通的乡村,但无论她闻名遐迩,历史悠远,还是默默无闻,家乡有多美,只有生长在那里的人看得最真。青少年作为祖国的未来和希望,他们如何看待自己的家乡,将对家乡的建设起到至关重要的作用。2014年伊始,为培育和提升广大青少年生态文明意识,生动活泼地向广大青少年进行"建设伟大祖国、建设美丽家乡"的宣传教育,中国教育报、环境教育杂志社特决定联合举办首届"大角牛·美丽家乡"校园征文大赛.与青少年朋友们一同发现家乡的美丽。