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.      

武当山夏季颗粒物数浓度谱分布特征及气团来源影响研究

为研究大气边界层中上层大气颗粒物的数浓度谱分布特征及气团来源的影响,于2018年6月利用3080型SMPS粒径谱仪对武当山14.6~660 nm颗粒物数浓度谱进行观测,分析和探讨了其数浓度谱分布及日变化特征,并结合后向轨迹、潜在源贡献因子法（PSCF）与浓度权重轨迹分析法（CWT）探讨对武当山颗粒物数浓度影响较大的外源输送路径和贡献源区.结果表明:①武当山大气颗粒物主要以爱根模态为主,平均数浓度为2 500个/cm3,积聚模态、核膜态平均数浓度分别为2 265、359个/cm3,3种模态数浓度分别占总数浓度的48.79%、44.21%、7.01%.②在新粒子生成日,核膜态数浓度于10:00开始上升,11:00—17:00的核膜态数浓度相对较高,约2 000个/cm3.新粒子生成日ρ（SO₂）与ρ（O₃）的日变化趋势均与核模态数浓度较为相似,表明SO₂和O₃参与光化学反应后的产物（硫酸及有机物）有利于新粒子的生成与增长.新粒子生成日风速、温度均大于非新粒子生成日,但相对湿度较低.③在东部及局地气团影响下大气颗粒物主要以积聚模态为主,数浓度分别为2 311和2 596个/cm3;核模态、爱根模态数浓度在受西北气团影响时最大,数浓度分别为806和3 078个/cm3.④潜在源区分析表明,影响武当山积聚模态数浓度的主要源区为十堰市本地及襄阳市,二者贡献值在840个/cm3以上.研究显示,武当山颗粒物主要以爱根模态为主,颗粒物数浓度日变化主要受大气边界层发展及山谷风的影响,较高的ρ（SO₂）与ρ（O₃）以及高温、低湿及较大的风速均有利于新粒子的生成,周边城市的区域性传输对武当山颗粒物的影响较大.      

闽江河口养虾塘养殖期和非养殖期CO2通量变化特征

为揭示河口区陆基养虾塘从养殖期到非养殖期一年间的CO₂通量变化,以福建省闽江河口鳝鱼滩陆基养虾塘为研究对象,于2016年5月-2017年3月采用悬浮箱/静态箱-气相色谱法对养虾塘养殖期水-大气界面和非养殖期沉积物-大气界面白天CO₂垂直通量进行原位观测.结果表明:①养虾塘在整个研究期间CO₂通量变化范围为-62.87~162.81 mg/（m2·h）,平均值为（42.66±18.12）mg/（m2·h）,总体上表现为大气CO₂的释放源,且呈非养殖期CO₂通量平均值[（78.51±16.61）mg/（m2·h）]显著高于养殖期[（17.98±18.26）mg/（m2·h）]的特征.②养殖期间,养虾塘CO₂通量呈"排放-吸收"交替变化的特征,而非养殖期养虾塘一直是大气CO₂的净排放源.③养虾塘养殖期CO₂通量时间变化特征主要受到ρ（DOC）（DOC为总溶解有机碳）、ρ（SO₄2-）、ρ（Cl-）、盐度、pH、ρ（Chla）（Chla为叶绿素a）的影响,其中,pH和ρ（SO₄2-）是其主要影响因子,而ρ（TDN）（TDN为总溶解氮）、ρ（TDP）（TDP为总溶解磷）、ρ（SO₄2-）对非养殖期CO₂通量时间变化影响较大.研究显示,滨海陆基养殖塘是大气CO₂的重要来源,其排放通量多低于河流、水库等水生生态系统,但高于湖泊生态系统;养殖塘CO₂通量受人为影响明显,其较高的变异性与养殖生物、饲料投放以及浮游藻类有关.      

基于底栖动物的松花江流域不同地形分区水质指标阈值研究

为全面了解松花江流域不同地形分区内底栖动物群落对水质指标的响应规律,识别不同分区水质指标指示物种的差异,于2016—2018年对松花江流域97个采样点的水质指标〔EC、ρ（DO）、ρ（COD_Mn）、ρ（NH₃-N）、ρ（TN）、ρ（TP）〕和大型底栖动物群落进行调查分析,采用临界指示物种分析法（threshold indicator taxa analysis,TITAN）分别探讨松花江流域山区、丘陵区和平原区水质指标的生态阈值,当污染物浓度超过负响应阈值时敏感种密度降低,当超过正响应阈值时耐受种也会受到明显影响,底栖动物群落结构会发生显著变化.将TITAN法所得的负响应阈值作为触发底栖动物群落发生变化的最低值,正响应阈值为底栖动物群落的耐受极限值.结果表明:①松花江流域水质指标在不同地形分区内的阈值不同,除ρ（DO）和ρ（COD_Mn）外,其他指标负响应阈值均表现为山区 < 丘陵区 < 平原区,ρ（DO）则表现相反,ρ（COD_Mn）在丘陵区出现最高阈值（5.46 mg/L）、山区出现最低阈值（4.01 mg/L）.除ρ（DO）以外,其他指标的正响应阈值均呈山区 < 丘陵区 < 平原区的趋势,ρ（DO）正响应阈值的变化趋势则与之相反.②松花江流域内超过50%的采样点水质指标值均超过其负响应阈值,超出正响应阈值的采样点比例在6%~40%之间,说明流域受到一定的干扰,但干扰程度不严重.③同一物种在不同地形分区内对水体理化指标的指示方向可能相反.萝卜螺属在丘陵区为ρ（NH₃-N）的正响应指示物种,在平原区则转变为负响应指示物种;短沟蜷属在丘陵区为ρ（TN）和ρ（TP）的正响应物种,在平原区则转变为负响应物种.研究显示,大型底栖动物群落结构的分布特征是影响水质指标阈值指示物种识别的主要原因,而不同分区的自然地理状况、栖境状况和水质状况则是造成大型底栖动物群落结构分布差异的主要因素.      

达里诺尔湖水体DOM荧光特征及其来源解析

达里诺尔湖（简称“达里湖”）是内蒙古自治区高原地区重要的生态屏障,探究达里湖水质状况及污染来源,对加强流域水环境治理、改善水环境质量具有十分重要的意义.于2018年9月及2019年6月对湖水进行采样,并通过三维荧光光谱结合PARAFAC（平行因子分析）模型,探究达里湖水体DOM（溶解性有机质）来源及其与水质的关系.结果表明:①达里湖水体中pH较高,ρ（DOC）（DOC为溶解性有机碳）、ρ（NH₄+-N）、ρ（TP）相对较高,均超过GB 3838—2002《地表水环境质量标准》Ⅴ类水质标准限值.②水体中DOM含4种荧光组分.夏季水体DOM主要分布于河流入湖口附近,其中,类腐殖质荧光组分（紫外区类富里酸和可见区类富里酸）占总组分的62.93%,类蛋白类荧光组分（类色氨酸和类酪氨酸）占总组分的36.07%;秋季水体DOM主要分布于东南侧,其中,类腐殖质荧光组分占总组分的40.52%,类蛋白类荧光组分占总组分的59.48%.③达里湖采样点荧光参数表明,达里湖DOM自生源特征较强,腐殖化程度较低.类腐殖质荧光组分与ρ（DOC）、ρ（Chla）均呈正相关,类色氨酸荧光组分与pH呈正相关,类络氨酸与ρ（DTN）、ρ（NH4+-N）、ρ（DTP）均呈正相关.研究显示,达里湖DOM具有陆源与生物源双重特性,DOM的形成与微生物、细菌、浮游生物的生命活动密切相关.      

特殊区域地表水环境背景值表征技术方法研究与应用

选取黑龙江省源头水保护区作为研究对象,根据DEM数据对保护区内随机布设的水质监测点控制单元进行划分并提取单元内的相关指标建立监测点背景特性量化模型,基于量化结果提出地表水环境背景值监测方案,建立背景值数据库.选取研究区自然属性指标与空间属性指标,以空间叠置技术与聚类分析方法对研究区地表水进行背景值分区,最终将黑龙江省分为六大地表水水质背景值地理分区,并计算了各分区地表水环境背景值表征范围.表征范围显示：依据现行标准进行水质评价,保护区内水质背景值已超出Ⅱ类水质标准限值.因此,基于水质背景值研究成果提出了考虑背景值影响下的水环境质量评价方法,并将方法应用于研究区,结果表明方法切实可行且优于单因子评价法.研究成果可为区域制定背景值影响下的水环境评价方法提供科学的数据支撑与理论依据.     

长江流域水生态环境安全主要问题、形势与对策

为进一步深化长江流域水生态环境保护的系统性、整体性科学认识,围绕长江水生态环境安全的主要问题及形势进行了剖析,提出了进一步加强长江流域水生态环境安全保障的对策建议.研究表明:在水环境质量方面,磷污染成为制约水质改善的主要影响因素,农业源排放量占比高,但工业源入河对水体的影响更直接,水库群运行带来的水沙条件变化对磷污染沿程演变有明显影响;在水生态健康方面,长江水生生物资源衰退、湖库富营养化格局发生改变、湿地生态功能退化问题突出;在水环境风险方面,化工围江、航运污染风险引起广泛关注.当前长江流域面临着源头区水资源战略储备减少、区域经济发展与生态环境保护双重压力仍较大、水环境质量仍存问题隐患、水生态系统退化态势未得到根本遏制等复杂且严峻的形势,未来长江水生态环境安全保障仍有诸多挑战.建议统筹长江全流域“一盘棋”,推进区域绿色协调发展,强化磷污染点面源综合管控,着力提升水生态健康水平,同时加快水环境风险隐患排查整治,强化科技创新有效供给.      

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.      

长江流域2000—2015年生态系统质量及服务变化特征

分析生态系统质量与服务现状及变化特征,有助于准确了解流域生态系统状况与趋势,为流域生态保护与修复的高效管理提供参考依据.采用相对生物量密度与相对植被覆盖度指数以及生态系统服务（土壤保持、防风固沙、洪水调蓄、粮食生产）评估模型,评估2000—2015年长江流域生态系统质量及服务变化特征.结果表明:①2000—2015年,长江流域森林、灌丛以及草地生态系统质量提升显著,56.56%的森林、45.65%的灌丛以及19.26%的草地生态系统质量得到不同程度的提高.②研究期间,长江流域粮食生产、洪水调蓄、土壤保持、防风固沙均呈显著上升趋势,其中粮食生产能力增加13.7%,洪水调蓄功能提升10.1%,土壤保持服务提高19.5%,防风固沙总量增加30.0%.③长江流域生态系统质量不高,处于低与差质量等级的生态系统面积比例在25%~35%之间;受不同类型的自然和人类活动影响,长江流域生态系统质量与服务均存在局部退化现象.研究显示,在生态质量与服务评估的基础上,分区域、分类型实施不同的生态系统保护与恢复途径,是今后长江流域加强生态系统管理的重要途径.      

基于PCA-SOM的北京市平谷区地下水污染溯源

为了解北京市平谷区地下水污染物来源,以平谷区2010—2018年监测数据为基础,使用PCA(主成分分析法)识别了地下水水质指标因子,使用自组织映射识别了污染物的空间分布.结果表明:通过监测指标间的Pearson检验发现, 平谷区地下水电导率与ρ(Ca2+)(p=0.936)、总碱度与ρ(HCO₃2-)(p=0.981)、ρ(Mg2+)与总硬度(p=0.944)指标之间显著相关.地下水化学类型主要以HCO₃-Ca型为主,其次为HCO₃-Mg型.NH₄+、SO₄2-、Cd、Fe(Ⅱ)、NO₂指标空间分布离散性和差异性较大,存在局部富集现象.通过因子分析法筛选出影响平谷区地下水水质的8个公因子,首要影响因子为溶滤-富集作用(贡献率为22.398%),次要影响因子为农业、养殖业和填埋场等人为活动作用(贡献率为16.533%),雨水下渗作用(贡献率为8.035%)、工业源人为活动(贡献率为7.466%)对地下水也有一定影响.通过比较各指标的SOM(Self-Organizing Map,自组织映射)特征图像和监测井映射特征图像,发现NH₄+受山前地带林业、种植业和平原地带农业、养殖业的双重影响,Na+、Mn受平原地带人为活动的影响;同时,NH₄+、NO₃-、NO₂三者之间及Fe(Ⅱ)与Fe(Ⅲ)之间来源不同,Cd、Al、氰化物三者具有同一来源.研究显示,PCA-SOM(PCA与SOM相结合)可以对地下水化学组分来源进行定性识别与定量分析.