金鱼藻对Cu2+的生物吸附特征

研究了沉水植物金鱼藻对Cu2 的吸附动力学及热力学特征.结果表明,金鱼藻对Cu2 的吸附在20min内达到平衡,吸附动力学的实验结果符合伪二级动力学方程,其相关系数达到0.9937,表明该吸附为多种反应同时作用的复杂过程.用Langmuir和Freundlich2种吸附等温式拟合吸附热力学的实验结果表明,以Langmuir模型拟合效果更好,相关系数为0.9977,其最大吸附量为7.79mg/g.在解吸实验中,各浓度组的解吸率均在1%以下,表明金鱼藻对Cu2 的吸持作用较强.     

混凝研究中的界面过程化学:IPF-颗粒物-水溶液的相互作用

仅以IPF 颗粒物 水溶液的相互作用为例 ,对混凝研究中二界面过程化学领域的进展加以介绍 .研究结果表明 ,经过预制的聚合铝在混凝过程中表现出较好的形态稳定性 ,而传统混凝剂则强烈地受溶液化学过程 ,尤其是溶液pH值的影响 .混凝剂水解聚合形态倾向于在颗粒物表面吸附沉积 ,而直接引发混凝作用 .单体形态则通过转化为聚合、沉淀形态起混凝作用     

沈阳张士污灌区土壤重金属元素形态分析

选取沈阳张士污灌区土攘样品,采用欧共体标准局的三步提取法研究土壤中5种重金属元素的形态分布.研究结果表明,在该污灌区土壤中,Cd和zn主要以B1(水溶态、可交换态与碳酸盐结合态)和B2(铁-锰氧化物结合态)为主,分别占总量的49.4%、26.4%和43.9%、44.3%.Cu、Pb主要以B2(铁-锰氧化物结合态)和B3(有机物与硫化物结合态)为主分别占总量的43.4%、66.6%和29.1%、25.3%.Cr以B3(有机物与硫化物结合态)和残渣态为主,分别占总量的40.4%和42.5%.元素总量和形态分析的结果表明该地区土壤污染为单一的镉污染土壤,且镉的可迁移性强,易被植物吸收.     

大同市水污染对人体健康影响研究

首先了简述了水污染对人体健康的危害进程，然后调查了笔者所在地区河水中的有机污染物的种类，并对其健康危险性进行了初步研究。结果表明，大同河水和底泥中共检测出201种有机污染物，尤其以多环类所占比例最大，Ames试验也显示河水中可能含有基因毒性污染物。     

水量衡算条件下人工湿地对有机物的去除研究

构建了芦苇和无植物2种人工湿地，在系统水量衡算的基础上比较了2种湿地对生活污水中有机物的去除效果。结果证明，在植物收割后的冬季，芦苇湿地对有机物的去除率低于无植物湿地系统约2％；在其他季节，芦苇湿地对污水CODcr的去除率比无植物湿地高出3.3％-5％。但对BOD5的去除率却比无植物湿地低了1.9％-2.7％。因此，芦苇湿地对有机物的去除效果比无植物湿地高，但提高不多。比较了2种系统的氧化还原电位，芦苇湿地比无植物湿地的高（P〈0.05），这种提高主要集中在湿地水面以下约10cm的深度；从整个湿地床体来看。2块连续运行的潜流水平湿地内部氧化还原状态大部分相同。主要是厌氧状态。比较了2种人工湿地基质中降解有机物的细菌，放线菌和真菌的数量，二者没有明显的差别。考察了湿地进水有机负荷与去除量的关系，二者呈现显著的线性相关性（R^2〉0.99）。     

室内空气中挥发性有机物污染研究进展

分析了国内外在室内空气中挥发性有机物污染方面的研究结果，提出我国应该重视这一领域研究的建议和今后的工作设想。     

环境振动的灰色预测模型研究

利用 GIM( 1 )的非时序直接建模法来预测研究建筑施工的环境振动 ,并将 GIM( 1 )模型与 GM( 1 ,1 )模型进行比较分析。结果表明 GIM( 1 )模型的拟合精度优良 ,对原始资料中白化信息的利用更加丰富 ,拓宽了 GIM( 1 )模型在环境科学领域中的应用范围     

强化混凝去除黄浦江水有机物的试验研究

强化混凝去除有机物的效果与水源的分子量分布特性有着密切的关系.由于黄浦江水中低分子量的溶解性有机物占多数,因此,强化混凝处理有机物效果有限.对于＜1k分子量区间的有机物.增加混凝剂投量可有效去除紫外吸光值(UV254),但去除溶解性有机碳(DOC)的效果很差.尽管增加混凝剂投量和降低pH都能有效地去除有机物,但决定强化混凝效果的主要因素是pH,去除黄浦江水有机物的最佳pH范围为6～5.     

掺杂改性纳米二氧化钛粒子光催化降解甲苯的研究

通过共沉淀法制备了掺铁纳米TiO2粒子，并用掺铁后的纳米TiO2粒子作为催化剂，对气相甲苯进行光催化降解实验。利用色谱、质谱、红外等测试方法研究了掺铁浓度对TiO2光催化性能的影响，同时探讨了光催化降解甲苯的机理。     

建立土壤硫释放过程的人工神经网络模型

以温度、土壤含水率、胱氨酸添加量和土壤pH值作为土壤释放挥发性含硫化合物的主要影响因素,采用正交实验方法分析这些因素与土壤硫释速率的关系,利用BP神经网络算法对实验结果建模,并用模型对不同影响因素下的土壤硫释放情况进行预测。结果表明,网络模型对学习过的样本有较高预测精度,预测结果相对误差在2％以下,对未学生过的样本,误差为10％左右,表明人工神经网络方法建立的模型适用于土壤硫释放预测。