全耦合活性污泥模型(FCASM3)在A+A2/O工艺污水处理厂中的数值模拟应用

基于FCASM3建立了杭州市某污水厂A+A~2/O工艺模型.首先测定该污水处理厂的进水水质组分,以及不同阶段污染物浓度的变化和活性污泥中微生物动力学参数;然后,利用该厂2017年上半年的运行数据对模型进行校核.校核结果显示,该模型能够很好地模拟出系统中各物质的转化情况.最后,利用校核完成的工艺模型对该污水厂的主要工艺参数,包括溶解氧、污泥回流比和混合液回流比,进行多因素正交模拟试验.试验结果表明,该污水处理厂的最佳运行工况为:当A+A~2/O系统的好氧池氧传输速率(Oxygen Transfer Coefficient,KLa)、污泥回流比和混合液回流比分别控制在2 h-1、75%及250%时,好氧池TN出水浓度下降1.28 mg·L~(-1),脱氮效率提高了15.91%,同时该厂污水处理能耗降低.     

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

气象要素对气溶胶光学厚度估算PM2.5的影响

地面监测得到的近地面细颗粒物PM_(2.5)浓度较为精确,但数据覆盖范围相对较小,卫星遥感反演的气溶胶光学厚度(AOD)数据可以反映污染物浓度分布,具有范围大且速度快的特点,因此,大多数学者通过建立PM_(2.5)-AOD模型来实现卫星遥感监测PM_(2.5)浓度,并通过引入气象要素来优化模型.然而,气象要素的选择与引入往往对模型的精度有较大的影响,如何有效地选择对PM_(2.5)浓度影响较大的气象要素一直是PM_(2.5)-AOD模型中的关键问题.因此,本文基于华东地区2014—2015年的MODIS AOD和地面监测站的PM_(2.5)浓度数据,结合再分析气象资料,利用多元逐步线性回归方法建立PM_(2.5)-AOD模型,从由特定时刻、高度上的气象要素与随时间、高度变化的气象要素组成的气象要素集中,筛选出对因变量PM_(2.5)浓度有显著影响的关键气象要素.结果表明:在地域与季节双重尺度下的PM_(2.5)-AOD模型精度更高;相较于特定时刻高度的气象要素,随时间和高度变化的气象要素对PM_(2.5)-AOD模型的影响更为显著;在地域与季节双重尺度下,1000～850 hPa经向风速差、世界时0:00—6:00近地面温度差、850～600 hPa温度差、6:00边界层高度、12:00—18:00近地面压强差、1000～850 hPa温度差对模型影响较大,但应依据不同季节和不同地区的具体影响程度作为选择标准.     

等离子体净化苯系物

苯系物是一种常见的工业污染物,它主要包括苯、甲苯、二甲苯、苯乙烯等,传统的处理方法有液体吸收法、吸附法、焚烧法、冷凝法、生物法等,本文对比分析了各传统方法的优缺点,提出了一项新型的等离子体技术,它具有对环境温度反应迅速、适用范围极广、系统紧凑性和操作简单的特性,同时还具备停留时间短暂等优点,尤其适用于处理挥发性有机化合物（VOCs）.主要研究了使用不同类型的等离子体反应器处理苯系物的实验装置,分析了影响等离子体技术处理苯系物的相关影响参数,如施加的电压和电场强度、输入能耗、反应器类型、反应器尺寸、载气、停留时间、苯系物的种类等,例如催化剂可以提高分解效率,优化反应条件,同时分别阐述了苯、甲苯、二甲苯、苯乙烯的降解机理.最后提出,将等离子体技术与多种处理技术联合使用,将会成为未来净化挥发性有机物的主要研究方向.     

2017年厦门金砖会晤期间气象因素与管控措施对空气质量的影响

2017年厦门金砖会晤期间采取了大气污染临时管控措施,使AQI小时值和日均值均达到了双优的预期目标.本文根据管控措施实施的前、中、后阶段,厦门及周边城市大气污染物浓度的变化,对气象因素和人为因素的影响分别进行分析.结果发现,气态污染物对临时管控措施的敏感性最强,SO₂和NO₂的降幅（39.9%和25.6%）明显高于PM_2.5和PM₁₀的降幅（5.5%和4.8%）,台风外围带来的大风和降水可显著改变大气污染物的周期性变化规律.大气PM_2.5组成及SO₂/NO₂、SO₄^2-/NO₃^-、OC/EC和WSOC/OC等比值变化显示机动车（尤其是柴油货车）是本地区大气污染物的重要来源.控制变量分析显示,厦门金砖会晤期间气象因素对颗粒物和NO₂削减的贡献更大（20.3%）,而临时管控措施对SO₂的削减效果更明显（23.2%）,且有一半以上（51%~64%）的大气污染物来自外来源输送.     

气候变化下汉中盆地水稻产量变化研究

深入分析气候变化下汉中盆地水稻产量变化响应,可在进一步探究影响研究区水稻产量主要气象要素的同时,为地方水稻生长期内气象灾害的防控提供科学依据。为了解研究区水稻生长季主要的气象影响因子,文章基于1951—2014年汉中盆地多测站日气温、降水量、积温及气温日较差数据和水稻单产资料分离的气象单产数据,综合运用线性趋势、趋势系数、HP滤波法、Morlet小波分析等方法,在分析汉中盆地水稻气象产量和生长季各气象要素变化趋势的同时,推求了水稻气象产量和各主要气象要素序列的显著周期。研究结果表明：1）近64 a汉中盆地4—9月水稻生长季平均气温和≥10 ℃活动积温变化均呈上升趋势,气温日较差呈下降趋势,降水量变化趋势不明显;2）汉中盆地各气象要素与水稻气象单产的显著周期分析结果显示水稻气象单产第一主周期与各气象要素的第二主周期相对应,均存在13~14 a时间尺度的主周期变化;3）各气象要素对水稻气象产量的影响各异,不同气候背景下影响水稻气象产量的主导气象因素不同。论文研究结果可为汉中盆地水稻生产的优化布局及地方经济社会发展提供参考依据。     

气象舒适条件对呼吸系统疾病的影响

采用广义相加模型和分布滞后非线性模型,研究单个气象要素和以"通用的热气候指数"表征的多要素综合效应与北京市2009~2012年呼吸系统疾病急诊人数的暴露-响应关系,并按年龄、性别分层.结果表明,对全人群而言,高温效应即时,低温作用滞后;湿度<30%能显著增加发病风险,且效应持久;3m/s风速对应发病风险最低.少儿（≤ 14岁）受热胁迫影响最强,尤其突出高温高湿作用;成人（15~59岁）受冷胁迫影响强且滞后性;老年患者（>60岁）对冷胁迫敏感,着重防范低温低湿.采用舒适指数探讨环境对呼吸系统疾病的影响优于单要素表征,可加深对发病气象成因的理解,为科学预防、预测预警提供新思路.     

天山北坡经济带城市PM2.5质量浓度时空分布及模拟分析

PM_2.5扩散/积聚有着复杂的物理、化学过程,其时空变化与前体污染物及气象条件密切相关.为探究区域城市ρ（PM_2.5）的变化规律,以天山北坡经济带城市为研究区,采用2015年1月-2017年10月大气污染物监测数据和气象数据,结合数理统计和GIS空间分析技术,分析研究区ρ（PM_2.5）的时空变化特征;借助普通OLS（最小二乘法）分析影响因子的多重相关性,通过PLS（偏最小二乘）法构建ρ（PM_2.5）估算模型.结果表明:①研究区各城市小时ρ（PM_2.5）呈"W"型双峰变化;各月份ρ（PM_2.5）呈"U"型特征,月均值为59.5 μg/m3,2月和9月分别为ρ（PM_2.5）最高月和最低月;各季节ρ（PM_2.5）排序为冬季（146.6 μg/m3）＞秋季（35.2 μg/m3）＞春季（34.1 μg/m3）＞夏季（26.8 μg/m3）;空间上ρ（PM_2.5）由西北部克拉玛依市向东南部乌鲁木齐市逐渐增大.②PLS法构建模型能有效克服自变量多重相关性的问题,模型可解释自变量95.7%和因变量80.1%的变异信息,年均模拟值与实测值偏差为9.82%.③研究区各城市ρ（PM_2.5）与ρ（CO）的相关性极显著,与气象因子中的风速和气温的相关性较显著,而与相对湿度的相关性不显著.研究显示,基于前体污染物和气象因子的PLS法构建模型是模拟ρ（PM_2.5）的有效方法.      

西安市一次霾过程中气溶胶垂直分布特征及气象要素影响

为探讨西安市典型霾过程中的气溶胶垂直分布特征和气象要素影响,利用地面空气质量数据、CALIPSO卫星激光雷达资料以及气象要素资料,并结合HYSPLIT后向轨迹模式、天气形势分析、相关性分析等,对西安市2016年12月17-21日霾过程依据RH（相对湿度）进行干霾、湿霾和雾霾的划分,并分析不同阶段的气溶胶垂直分布特征.结果表明:前期干霾阶段,西北沙尘的输送使得高空气溶胶退偏比和色比较大,以沙尘型气溶胶为主;中期湿霾阶段,RH的增大使得低层细粒子增多,消光系数达1.7 km-1,以污染型气溶胶为主;后期干霾阶段时,低层大气中非球形粗粒子增多,以混合型气溶胶占主导.气象要素对霾过程影响较大,静风、高湿、"双逆温"效应不利于颗粒物的清除,逆温强度的变化与污染物的消长具有一定的滞后一致性.RH和ρ（PM）共同影响能见度变化,RH高于80%时,能见度由RH主导,相关系数达到-0.871;RH低于80%的污染阶段,ρ（PM）对能见度起主导作用,相关系数达0.85以上.研究显示,不同霾阶段气溶胶垂直分布特征差异较大,气象要素对霾过程的消长有重要影响.      

A SIMULATION OF RIVER-BASIN RESPONSE TO MESOSCALE METEOROLOGICAL FORCING: THE SUSQUEHANNA RIVER BASIN EXPERIMENT (SRBEX)1

ABSTRACT: A mesoscale meteorological model, a surface hydrology model, and a ground-water hydrology model are linked to simulate the hydrographic response of a large river basin to a single storm. Synoptic climatology is employed to choose a representative hydro-climatic event. The mesoscale meteorological model uses three nested domains to simulate relatively high-resolution precipitation over a sub-basin of the Susquehanna River Basin. The hydrology models simulate surface runoff and ground-water baseflow using both analyzed and simulated precipitation. The hydrologic abstractions are handled using both Curve Number and Green-Ampt routines. To support the linkage of the numerical models, special attention is given to data resampling and reprojection. The mesoscale meteorological model simulation captures the spatial and temporal structure of the storm event, while the hydrology models represent the timing of the event well. The Curve Number method generates a realistic hydrograph with both analyzed and simulated precipitation. In contrast, the hydrographic response generated by the Green-Ampt routine is inferior. Several interrelated factors contribute to these results, including: the nature of the precipitation event chosen for the experiment; the tendency of the mesoscale meteorological model to underpredict low intensity, widespread precipitation in this case; and the influence of the surface soil-texture characteristics on infiltration rates.