黄河流域水污染排放特征及污染集聚格局分析

掌握污染源排放特征及其空间差异,是在流域尺度提升水污染治理水平的重要基础.该研究分别从污染源的活动水平（简称“活动水平”）、污染物产生、污染物去除和污染物排放4个方面选取了28个指标,对黄河流域60个市州主要水污染物排放特征开展了现状评价和聚类分析.采用污染分布的地理集中度指数表征各市州污染集聚格局,并利用空间分析模型Global Moran's I和G_i*指数判断污染排放的空间集聚趋势与冷热点地区.结果表明:按照水污染排放特征的差异,黄河流域不同地区在水污染格局上可划分为高排放强度区、高排放绩效区、污染集聚区和低排放绩效区;水污染物排放与经济发展格局分布一致,上游、中游到下游地区呈现明显的阶梯型分布,上游地区单位水资源利用效率和排放绩效低,下游地区区域性污染集聚效应明显;山西省、河南省和山东省沿黄城市在空间上表现为区域性连片污染集聚,集中分布在晋中城市群和中原城市群.针对当前黄河流域水污染排放特征和空间集聚格局,建议制定统一的生态环境保护与治理策略,加强中下游城市群的污染协同控制.      

小型燃煤机组烟气重金属排放特征研究

100 MW以下燃煤机组呈单台容量小、总台数大的特点,是燃煤重金属污染的主要排放源之一.选择7台12 MW燃煤机组,采用美国环境保护局Method 29法现场检测燃煤机组烟气重金属排放浓度,分析烟气中Hg、Pb、Cr、As的排放特征;采集机组产生的飞灰和底灰,分析除尘技术对重金属的富集特性.结果表明:100 MW以下燃煤机组烟气中重金属经脱硝除尘脱硫装置协同控制后,ρ（Hg）为0.20~0.44 μg/m3,烟气Hg以气态形式存在,其占比为100.0%;ρ（Pb）为0.5~2.6 μg/m3,烟气Pb主要以气态形式存在,其占比为38.7%~92.1%;ρ（As）为0.6~3.0 μg/m3,烟气As主要以气态形式存在,其占比为67.8%~100.0%;ρ（Cr）为3.6~23.9 μg/m3,烟气Cr主要以颗粒态形式存在,其占比为65.8%~99.2%.飞灰富集Hg、Pb、Cr、As的能力大于底灰.重金属主要富集于飞灰中的细颗粒物中,采取除尘技术可有效协同控制烟气中的Hg、Pb、Cr、As;飞灰中重金属元素Hg、Pb相对富集系数均与煤中硫含量呈负相关,半干法脱硫+袋式除尘技术对飞灰富集Hg有促进作用.小型燃煤机组烟气重金属Hg、Pb、Cr、As的排放因子分别为0.002 2~0.005 1、5~17、42~160、7~24 mg/t.研究显示,100 MW以下燃煤机组与100 MW及以上燃煤机组烟气重金属Hg、Pb、Cr、As排放特征不同,100 MW以下燃煤机组烟气Hg排放浓度较小,二者烟气Pb、Cr、As排放浓度相近,选用湿式电除尘技术可进一步降低烟气Hg、Pb、Cr、As的排放浓度.      

秸秆还田方式对东北农田土壤NH3挥发和N2O排放的影响

秸秆还田是有效利用资源、增加土壤有机质含量和培肥地力的有效措施,但也会影响土壤NH₃挥发和N₂O的排放.探索不同秸秆还田方式对NH₃挥发和N₂O排放的影响对于减少土壤氮素损失和保护生态环境具有重要意义.采用田间小区试验,利用Los Gatos Research（LGR）超便携NH₃分析仪和密闭式静态箱-气相色谱法探究不同秸秆还田方式下土壤NH₃挥发和N₂O排放的特征,试验设4个处理（覆盖还田,即表面覆盖玉米秸秆,0~20和20~40 cm土壤分层扰动后填回,记为JG0-0;常规还田,即秸秆与0~20 cm土壤混合,20~40 cm土壤扰动后填回,记为JG0-20;深还田,秸秆与20~40 cm土壤混合,0~20 cm土壤挖出后填回,记为JG20-40;对照处理,即无玉米秸秆还田,0~20和20~40 cm土壤分层扰动后填回,记为CK）.结果表明:①相比于CK,不同秸秆还田方式均显著降低了土壤NH₃挥发量,增加了土壤N₂O排放量.与CK相比,JG0-0、JG0-20和JG20-40处理下土壤NH₃累积排放量分别减少了12.38%、9.87%和5.73%;土壤N₂O累积排放量分别增加了30.19%、82.82%和36.53%,其中JG0-0和JG20-40处理之间无显著性差异.②JG20-40处理下玉米产量显著高于其他处理,比CK增加了23.15%,JG0-0处理下玉米产量高于CK和JG0-20处理,但并未达到显著水平.③对于NH₃和N₂O这两种气体的总累积排放量,各处理间均达到显著性差异.与CK相比,JG0-0、JG0-20和JG20-40处理下NH₃和N₂O总累积排放量分别增加了16.67%、52.08%和22.92%.④不同秸秆还田方式下的氮素气态损失率均高于CK,JG0-0、JG0-20和JG20-40处理下氮素气态损失率分别比CK增加了17.50%、52.50%和22.50%.因此,综合考虑土壤NH₃挥发量、N₂O排放量和玉米产量等因素,JG0-0处理优于JG20-40、JG0-20处理.      

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.