船舶排放及不确定性对中国空气质量的影响

船舶排放是我国沿海地区重要的人为排放源,但现有的船舶排放评估研究大多只关注区域尺度的影响分析,而且忽视了排放清单的不确定性,这在一定程度上削弱了评估结果的可靠性.为此,本文利用WRF-SMOKE-CAMQ空气质量模型,定量评估了船舶排放及其不确定性对我国七大沿海港口城市夏季空气质量的影响,结果表明：船舶排放对我国主要沿海港口城市的SO₂、NO_x和PM_2.5浓度贡献范围分别为16.5%~62.5%、21.9%~72.9%和5.9%~26.0%,尤其对宁波、青岛和深圳等港口城市空气质量的影响显著,主要是由于港口较高的船舶排放以及气象传输两方面原因造成的;如果考虑船舶排放清单的总量不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.0~3.1,2.1~5.5,0.3~0.9μg/m³的波动;考虑船舶排放清单的时空分配不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.9~15.7,5.1~29.3,0.6~2.5μg/m³的波动.可见,船舶排放清单的不确定性对沿海城市船舶排放贡献影响量化有明显的影响.所以在评估船舶排放对港口城市空气质量的影响时,要考虑船舶排放清单的不确定性,尤其是时空分配的不确定性.而合理的时空分配能够提高船舶排放清单的质量和对沿海空气质量模拟的准确性.     

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

厦门市冬季PM2.5污染情境识别及其与气象条件的关系

为研究厦门市冬季不同PM_2.5污染情境与气象条件和气团轨迹路径特征的关系,结合PM_2.5观测数据,使用AGAGE（Advanced Global Atmospheric Gases Experiment）统计方法识别2014—2018年冬季厦门市PM_2.5观测值、基线值和污染值情境,通过气象数据统计和气团后向轨迹聚类对不同PM_2.5污染情境下气象条件和气团轨迹路径特征进行探究.结果表明:①厦门市冬季不同PM_2.5污染情境下,ρ（PM_2.5）及PM_2.5污染值情境时长占比均呈波动中下降的趋势,具体表现为冬季PM_2.5观测值、污染值和基线值情境下,ρ（PM_2.5）平均值分别从2014年的42.2、90.7、16.4 μg/m3降至2018年的26.3、56.9、8.8 μg/m3,冬季PM_2.5污染值情境时长占比从2014年的10.2%降至2018年的3.0%.②冬季PM_2.5污染值情境下气象要素呈低风速、低气压、高温度、高相对湿度的特征.③冬季到达厦门市的气团轨迹路径中,局地路径由于大气条件稳定易累积形成PM_2.5污染;偏北路径和西北路径易从临近省份携带污染物输入导致PM_2.5污染,属于重要的外源污染输入路径;沿海路径和偏西路径均属于清洁路径,但沿海路径易在福建省北部与偏北路径重合形成污染输入,加强了偏北路径的污染物输送能力.研究显示,近年来厦门市冬季PM_2.5污染有明显减弱趋势,但不利的气象条件和外来污染输入仍会造成PM_2.5污染的发生.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

CeO2形貌结构对催化湿式空气氧化苯酚性能的影响

采用水热法、沉淀法和溶胶凝胶法制备了3种不同形貌的CeO₂催化材料,并将其用于湿式空气氧化苯酚水溶液过程中,探讨了CeO₂形貌结构对催化湿式氧化苯酚水溶液性能的影响.采用扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）、程序升温还原（TPR）等手段对CeO₂催化材料进行了表征.结果表明,水热法制备的CeO₂催化材料表现出较好催化性能,主要原因是水热法合成的CeO₂呈现交错的纳米棒状结构,主要暴露（220）晶面,且沿着（220）晶向生长.在反应温度为200℃、空气压力为2MPa、苯酚初始浓度500mg/L的条件下,最终（240min）COD的去除率为95.5%.     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

基于静止卫星GOCI传感器的大气污染过程AOD监测

针对北京及周边地区2017年11月2~8日的一次污染过程,利用韩国静止卫星COMs1GOCI数据,对北京地区进行AOD监测.AOD反演采用时间序列迭代算法,根据地表反射率随时间慢变而大气气溶胶随时间快变的理论,采取最小值拟合的方式,获取气溶胶光学厚度数据.反演结果与地基AERONET监测结果具有很好的一致性,两者的相关系数R²大于0.89.AOD监测结果表明,GOCI传感器1次/h的监测频率,可以很好地展现北京地区大气污染过程的开始,发展及消散过程,可以展示出一天之内AOD的变化,为大气污染监测以及气候变化研究提供依据.     

海洋平台阴极保护与监测技术的应用

针对海洋平台全浸区的腐蚀情况,着重介绍了阴极保护及其原理、种类及特点,监测系统的组成及设计,探讨阴极保护及监测系统对海洋平台水下防腐的应用意义。     

海洋环境低水位加速腐蚀研究进展

以海洋环境中一个非常重要的局部腐蚀形式——低水位加速腐蚀(ALWC)为对象,自其检测、发生原因、防护三个方面就国内外的文献报告进行综述分析。在检测方面,首先介绍了常用的宏观观察这一被动形式,并突出其特征,然后介绍了利用海水中可溶性无机氮含量作为ALWC发生概率预测这一主动形式,分析其优势与不足。在发生原因方面,在对将ALWC认定为一种典型的微生物腐蚀(MIC)形式的认知过程进行介绍之后,重点分析了微生物对ALWC作用机制不清晰的原因,并建议在后续研究中突出动态演变过程,结合高通量测序等分子生物学技术,确定在不同的阶段影响ALWC的关键微生物,且进一步在大气-海水体系下研究典型菌株及其协同作用的影响,提出微生物对ALWC的作用机制。在防护方面,根据新建和已建钢结构设施分别对传统和针对ALWC所具有的MIC与局部腐蚀特性的新型高效防护方法进行了介绍,并分析了防护方法的优缺点。     

Monitoring Air Quality in Mountains: Designing an Effective Network

A quantitatively robust yet parsimonious air-quality monitoring network in mountainous regions requires special attention to relevant spatial and temporal scales of measurement and inference. The design of monitoring networks should focus on the objectives required by public agencies, namely: 1) determine if some threshold has been exceeded (e.g., for regulatory purposes), and 2) identify spatial patterns and temporal trends (e.g., to protect natural resources). A short-term, multi-scale assessment to quantify spatial variability in air quality is a valuable asset in designing a network, in conjunction with an evaluation of existing data and simulation-model output. A recent assessment in Washington state (USA) quantified spatial variability in tropospheric ozone distribution ranging from a single watershed to the western third of the state. Spatial and temporal coherence in ozone exposure modified by predictable elevational relationships ( 1.3 ppbv ozone per 100 m elevation gain) extends from urban areas to the crest of the Cascade Range. This suggests that a sparse network of permanent analyzers is sufficient at all spatial scales, with the option of periodic intensive measurements to validate network design. It is imperative that agencies cooperate in the design of monitoring networks in mountainous regions to optimize data collection and financial efficiencies.