大连市中心城区地下水“三氮”污染分析

依据《地下水质量标准》(GB/T 14848-1993),对大连市中心城区2006-2010年地下水"三氮"监测资料进行分析。结果表明,"三氮"的检出率(最高为100%)和超标率(最高为58.8%)都较高,其中亚硝酸盐氮超标显著。氨氮浓度各年均值均超标,呈波动变化;亚硝酸盐氮浓度各年均值均超标,并呈上升趋势;硝酸盐氮各年均值波动变化,总体呈上升趋势。除2009年以外,其他4年中丰水期的硝酸盐氮浓度都比枯水期高;除2007年外,其他4年中的丰水期氨氮浓度都比枯水期低。"三氮"最高浓度值主要出现在中心城区周边区域。     

高效液相色谱-原子荧光光谱联用分析土壤中形态砷

采用高效液相色谱(HPLC)-原子荧光光谱(AFS)联用技术分析土壤中亚砷酸盐[As(Ⅲ)]、二甲基砷(DMA)、一甲基砷(MMA)和砷酸盐[As(Ⅴ)]等4种形态砷,以磷酸为提取剂、抗坏血酸为还原剂,优化了水浴提取条件。As(Ⅲ)、DMA、MMA和As(Ⅴ)在7 min之内实现了完全分离,在1.00μg/L～100μg/L范围内线性良好,实验室检出限分别为0.25μg/L、0.36μg/L、0.39μg/L和0.51μg/L,土壤标准样品平行测定的RSD≤7.4%,加标回收率为79.5%～95.0%,提取率为74.6%～90.4%。     

喻家湖水质时空分布特征和影响因子分析

通过设计合理的水质监测网,采用多元统计分析,并结合地理信息技术对武汉市喻家湖在2011年-2012年期间12个监测点、13个水质参数监测值进行水质时空分布特征研究.结果表明,喻家湖13个水质指标概括为4个主成分:第一主成分代表喻家湖的重金属污染,第二主成分代表其富营养化水平,第三主成分代表有机污染程度,第四主成分间接指示富营养化程度;在时间和空间变化上都可分为二组,显著性指标的时空差异较明显,水质污染程度从南至北逐渐减弱,湖溪河是喻家湖的最主要污染源.并对水质参数,监测点位和频次进行了优化.     

环境监测技术培训需求分析——应用OTP模型

简述了环境监测技术培训需求分析的重要性及OTP模型的概念.针对环境监测技术培训的现状和特点,设计了符合环境监测技术培训特点的OTP模型,提出了系统分析环境监测技术培训需求的方法,以及根据实际情况科学设置输入项的不同权重,充分考虑影响模型输出的各种因素,加强研究模型输入项的量化表征,动态调整模型的输入项的建议.     

中波台电磁辐射叠加影响估算及与实测对比分析

以某中波电台为例,对多个不同频率的中波发射台同时运行时复合场强进行理论估算,对电磁辐射叠加影响进行分析,并将理论估算值与该台电磁辐射环境现状监测数据进行比对,得出距离发射塔近,复合场强理论估算值高于实测值,距离较远理论估算值与实测值较接近等结论。     

都匀市区小学校园声环境质量类型变化

2003年都匀市区各小学校园声环境质量状况监测和系统聚类分析结果表明,市区的小学校园声环境质量状况分为清静型、扰闹型、持续吵闹型和断续吵闹型共4种类型。到2012年,这种状况发生了很大的变化,断续吵闹型校园消失,持续吵闹型小学校园的数量则明显增加了。     

北京地区冬季典型PM2.5重污染案例分析

对2013年1月10—14日发生的持续性PM2.5重污染过程从污染过程演变、气象条件影响、与气态污染物关系、区域污染背景、PM2.5浓度空间分布演变及其与地面风场的关系、PM2.5组分特征等多个方面进行全面的分析,较为完整地还原了该次重污染案例的形成原因以及主要影响因素。主要结论包括:该次重污染过程是稳定气象条件下导致的局地污染物积累,再叠加华北区域性污染的影响共同造成,其中10、12日北京地区PM2.5浓度的快速增长反映了周边污染传输的显著影响;逆温不但造成污染物难以扩散,且不同的逆温类型对PM2.5浓度水平有显著影响,同时还发现逆温的破坏导致近地面高浓度污染物向上扩散,造成百花山出现峰值高污染浓度现象;NO2与PM2.5浓度水平的高相关性反映交通污染二次转化对PM2.5浓度水平的影响,在较高湿度条件下,SO2浓度水平对湿度敏感且表现为负相关性;该次污染过程中OM、SO2-4、NO-3、NH+4等组分在PM2.5质量浓度中的占比超过70%,说明燃煤、机动车等仍是北京地区最主要的污染来源,同时SO2-4占比最高也说明区域污染传输对该次重污染的显著贡献。     

洪泽湖水体富营养化时空分布特征与影响因素分析

通过2014年—2017年对洪泽湖12个水质断面定期调查,采用营养状态指数(TLI)综合评价其水体富营养状态,同时应用主成分分析方法(PCA)分析其富营养化状态的时空变化特征。结果表明,洪泽湖70%以上的调查断面水质全年处于轻度富营养化状态,夏季是其富营养化最严重的季节;洪泽湖年内水体水质差异较大,而其水华特征并未呈现明显差异;洪泽湖富营养化很大程度上受制于营养盐的积累程度,并与湖泊透明度呈现极显著的负相关关系(p0.001),与湖水pH值呈现极显著的正相关关系。     

Assessing health impacts in complex eco-epidemiological settings in the humid tropics: Modular baseline health surveys

The quantitative assessment of health impacts has been identified as a crucial feature for realising the full potential of health impact assessment (HIA). In settings where demographic and health data are notoriously scarce, but there is a broad range of ascertainable ecological, environmental, epidemiological and socioeconomic information, a diverse toolkit of data collection strategies becomes relevant for the mainly small-area impacts of interest. We present a modular, cross-sectional baseline health survey study design, which has been developed for HIA of industrial development projects in the humid tropics. The modular nature of our toolkit allows our methodology to be readily adapted to the prevailing eco-epidemiological characteristics of a given project setting. Central to our design is a broad set of key performance indicators, covering a multiplicity of health outcomes and determinants at different levels and scales. We present experience and key findings from our modular baseline health survey methodology employed in 14 selected sentinel sites within an iron ore mining project in the Republic of Guinea. We argue that our methodology is a generic example of rapid evidence assembly in difficult-to-reach localities, where improvement of the predictive validity of the assessment and establishment of a benchmark for longitudinal monitoring of project impacts and mitigation efforts is needed.     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。