环境因子对小球藻生长及其CO2固定的影响

通过测定不同SO2、NO以及不同烟尘浓度条件下,小球藻ZY-1的生长速率及其对CO2的固定速率,研究烟气中NO和SO2及烟尘等环境因子对小球藻ZY-1的生长及其CO2固定效果的影响.研究结果表明,烟气中的SO2是以增加培养液中的SO24-浓度及降低pH值的形式来影响ZY-1的生长及其对CO2的固定的.当SO2体积浓度大于50×10-6时,需要进行烟气脱硫或控制培养液pH值变化来消除其影响;烟气中NO的体积浓度不高于300×10-6时,不影响ZY-1的生长及其对CO2的固定,可作为氮源供ZY-1生长用;对经过一般除尘处理的烟气,在利用小球藻ZY-1固定CO2时可不考虑溶解性烟尘的影响.研究结果证明利用小球藻ZY-1固定烟气中的CO2是可行的.     

生物炭添加对半干旱地区土壤温室气体排放的影响

为确定生物炭添加对半干旱地区农田土壤温室气体释放的影响,采用小区定位试验,利用锯末(J)和槐树皮(H)及3种添加比例(1%、3%、5%,质量百分比),研究了生物炭添加6个月内表层土壤CO2、CH4和N2O等3种温室气体排放的动态变化.结果表明,与对照相比,各处理土壤CO2排放通量随生物炭的添加呈现增加的趋势,锯末和槐树皮等两种生物炭处理的土壤CO2平均排放通量分别增加了1.89%和3.34%,但差异不显著.CH4排放随着生物炭添加量的增加而降低,各生物炭处理的土壤表层CH4排放量平均降幅分别为:J1:1.17%、J3:2.55%、J5:4.32%、H1:2.35%、H3:5.83%、H5:7.32%.其中,锯末生物炭仅在5%添加量时较对照差异显著(P0.05),而槐树皮生物炭处理在3%和5%的添加量与对照差异均达显著水平(P0.05).生物炭对N2O的排放影响没有明显规律性.研究表明,生物炭在短期内对半干旱地区农田土壤CO2和N2O的排放没有显著影响,而对CH4排放则影响显著(P0.05).就生物炭类型而言,槐树皮生物炭在抑制CH4排放方面优于锯末生物炭,差异显著(P=0.048).     

城市生态足迹计算中温室气体环境责任的区域分配法

针对生态足迹方法应用于城市尺度时对温室气体处理上的不足,提出了除存在能源贸易调整的缺陷外,还应对城市的温室气体环境责任重新定义和划分,城市可持续发展应依照城市自身的区域特征来制定标准.在对城市尺度与国家尺度上生态足迹核算体系温室气体环境责任分配内涵的不同进行分析后,基于城市等级的划分和经济联系强度等概念,构建了在城市尺度上温室气体环境责任的区域分配法,使生态足迹方法应用在城市尺度的可持续评价上更加真实可靠.     

短期保护性耕作措施对大豆-冬小麦轮作系统温室气体排放的影响

通过田间试验,在大豆和冬小麦生长季,进行常规翻耕(conventional tillage,T)、免耕(no-tillage with no straw cover,NT)、常规翻耕+秸秆(conventional tillage with straw cover,TS)、免耕+秸秆(no-till with straw cover,NTS)4种耕作措施处理,采用静态箱-气相色谱法测定土壤-作物系统CO_2和N_2O排放通量.结果表明:在大豆生长季,与T相比,NTS在开花-结荚期显著增加了CO_2累积排放量(P=0.045),增幅达27.9%;NT在鼓粒-成熟期显著降低了CO_2累积排放量(P=0.043),降幅达28.9%.与T相比,NT在鼓粒-成熟期的N_2O累积排放量降低了28.3%(P=0.042).在冬小麦生长季,与T相比,TS、NT在拔节-孕穗期使CO_2累积排放量降低了24.3%(P=0.032)和36.0%(P=0.041),在成熟期降低了26.8%(P=0.027)和33.1%(P=0.038).在返青期,NT、NTS、TS的N_2O累积排放量与T比较均没有明显差异,NTS比NT的N_2O累积排放量降低了42.0%(P=0.035).可见,保护性耕作措施对土壤-作物系统CO2排放的影响较大,对N2O排放的影响不明显.     

北京城市大气CO2浓度变化特征及影响因素

北京大气CO₂浓度日变化强烈,全年北京时间15:00时前后为全天最低值,最高值则出现在夜间,日变化幅度为23.2～39.0μmol·mol^-1,夏季和秋季日变化幅度比冬季和春季大.北京城区大气CO₂浓度季节变化明显,最大值出现在冬季,月平均浓度为421.5～441.0μmol·mol^-1;最小值则在夏季,月平均浓度367.4～371.6μmol·mol北京CO₂浓度的季节变化幅度明显高于附近的华北兴隆区域站和瓦里关山大陆本底站等的相应值,其原因是北京CO2浓度季节变化主要受人为取暖活动控制,同时植被的季节变化也起一定作用.1993～1995年北京大气CO₂浓度上升较快,平均增长率为3.7%·a^-1,1995年平均浓度达到最高,为409.7±25.9μmol·mol,随后缓慢下降.     

污水生物处理实际工艺中氧化亚氮的释放：现状与挑战

介绍了污水生物处理过程中N2O的产生途径,重点分析了污水厂典型脱氮工艺的N2O释放差异及其原因,提出了城市污水脱氮处理过程N2O减排的具体措施,并估算出全国城镇污水处理厂2011年N2O释放总量约为1.26×109g(以N计),对今后关于城市污水脱氮处理过程N2O产生及减排的研究趋势进行了评估.     

嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析

2015年5月17~20日嘉兴市发生了一次持续性雾霾过程,本研究根据5月17~22日污染气体(O_3、SO_2、NO_2和CO)、PM_(10)、PM_(2.5)、10 nm~10μm气溶胶数浓度、气象要素及边界层探空数据,分析了这次过程的成因及其不同污染物的变化特征.结果表明,副高位置北抬、均压场结构、地面静小风和边界层中逆温层为这次雾霾过程的发生和维持提供了水汽、动力和热力条件.这次雾霾过程包含1次降雨和2次雾过程(雨雾和辐射-平流雾).雾霾过程中NO_2、CO、PM_(10)和PM_(2.5)的浓度较高,SO_2和O_3的浓度较低.强降雨对PM_(10)、PM_(2.5)和SO_2清除作用较大,弱降雨会加重污染过程.雨雾的发展过程中,PM的浓度持续积聚;辐射-平流雾过程中,PM浓度先快速下降然后再增加.不同过程中气溶胶数浓度谱均为单峰型分布,但是谱型差异较大,干净天、降雨、雾霾过程、雨雾和辐射-平流雾过程中气溶胶数浓度谱峰值分别位于20~30 nm、100 nm、30~60nm、120 nm和90 nm.表面积浓度谱在干净天、降雨、雾霾和雨雾过程中均为三峰型分布,辐射-平流雾为四峰型分布.     

2013 — 2016年西安市臭氧时空变化特性与影响因素

臭氧污染主要是由前体物氮氧化物（NO_x）和挥发性有机物（VOC）的过量排放引起的,通过NO_x/?SO₂的比值可得知西安地区已经受到了光化学烟雾型污染的影响,大气中臭氧含量与NO_x的含量相关性较高;西安13个站点的8小时平均浓度分布变化大体可分为单峰变化和持续递减类型,浓度主要集中在0?—?90 μg???m^?3,不同站点臭氧含量相差较大;2013?—?2016年,高新西区臭氧超标天数最多,为146天,是超标天数最少的兴庆小区的2倍多。高浓度臭氧主要出现在高温度、低湿度、实时风向为东南风或南风的天气。此外,治理臭氧污染必须限制机动车尾气排放,同时研究表明来自秦岭的植物VOC对于西安臭氧浓度影响很大。     

炉渣与生物炭施加对稻田温室气体排放及其相关微生物影响

为了减少稻田温室气体排放通量,本研究对稻田土壤进行炉渣和生物炭单一施加和混合施加处理,并测定了早、晚稻拔节期和乳熟期CO_2、CH_4和N_2O排放通量及相关微生物(细菌、真菌、硝化细菌、反硝化细菌)的数量.结果表明,稻田施加废弃物可以减少温室气体的排放通量.在早、晚稻的拔节期,施加生物炭显著降低了CO_2和N_2O的排放通量(p0.05),混合施加显著降低了CO_2和CH_4的排放通量(p0.05),施加炉渣条件下3种温室气体的排放通量与对照组相比没有差异.施加炉渣或生物炭都显著降低硝化细菌的数量(p0.05),混施处理显著降低细菌、硝化细菌、反硝化细菌数量(p0.05),但显著提高了稻田土壤真菌/细菌比值(p0.05).在早、晚稻的乳熟期,炉渣、生物炭、混施处理能显著降低CH_4排放通量(p0.05),而生物炭处理显著降低N_2O排放通量(p0.05).炉渣处理显著降低细菌、硝化细菌、反硝化细菌数量(p0.05),生物炭处理显著降低细菌、反硝化细菌数量(p0.05),混施处理显著降低细菌、硝化细菌数量,并显著提高真菌/细菌比值(p0.05).温室气体排放与微生物数量之间的相关性分析结果表明,CO_2、CH_4排放通量与细菌数量呈显著正相关,与真菌/细菌比值呈显著负相关;而N_2O排放通量则与硝化细菌、反硝化细菌数量呈显著正相关.     

Stepwise multiple regression method of greenhouse gas emission modeling in the energy sector in Poland

The energy sector in Poland is the source of 81% of greenhouse gas (GHG) emissions. Poland, among other European Union countries, occupies a leading position with regard to coal consumption. Polish energy sector actively participates in efforts to reduce GHG emissions to the atmosphere, through a gradual decrease of the share of coal in the fuel mix and development of renewable energy sources. All evidence which completes the knowledge about issues related to GHG emissions is a valuable source of information. The article presents the results of modeling of GHG emissions which are generated by the energy sector in Poland. For a better understanding of the quantitative relationship between total consumption of primary energy and greenhouse gas emission, multiple stepwise regression model was applied. The modeling results of CO₂ emissions demonstrate a high relationship (0.97) with the hard coal consumption variable. Adjustment coefficient of the model to actual data is high and equal to 95%. The backward step regression model, in the case of CH₄ emission, indicated the presence of hard coal (0.66), peat and fuel wood (0.34), solid waste fuels, as well as other sources (-0.64) as the most important variables. The adjusted coefficient is suitable and equals R² = 0.90. For N₂O emission modeling the obtained coefficient of determination is low and equal to 43%. A significant variable influencing the amount of N₂O emission is the peat and wood fuel consumption.