加入SOA示踪的深圳大气PM2.5受体模型源解析

为厘清包括二次有机气溶胶（SOA）在内的深圳市区PM_2.5各种一次和二次来源贡献,本文于2017年9月2日~2018年8月29日在深圳市大学城点位开展PM_2.5样品采集,并进行化学组分和水溶性有机物（WSOM）质谱测量,共获得162组有效数据.观测期间深圳市大气PM_2.5平均质量浓度为26μg/m³,在传统PMF源解析的基础上加入羧基离子碎片（CO₂⁺）作为SOA的示踪物,加入水溶性有机氧（WSOO）用于计算各因子O/C,验证有机物解析效果.结果表明,SOA可以被独立解析出,其O/C明显高于其他一次污染源中有机物;机动车、二次硫酸盐、二次硝酸盐、SOA为最主要的4个源,对PM_2.5质量浓度的贡献分别为25%、23%、17%和10%,船舶、地面扬尘、老化海盐、建筑尘、生物质燃烧、燃煤和工业贡献均在5%以内.各个源的变化特征表明,机动车、二次硫酸盐、二次硝酸盐、SOA等源贡献呈现冬高夏低的季节特征,与冬季季风条件下源自内陆的污染传输密切相关.污染天气时,二次硝酸盐和SOA的贡献增加相对最显著,因此NOx和挥发性有机物是减排的关键.     

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.      

珠江口夏季海陆源有机碳的模拟研究——分布特征、贡献比重及其迁移转化过程

基于经过验证的三维水动力-水质模型,对珠江口夏季有机碳进行海陆源区分,并对海陆源有机碳的分布特征、贡献比重及其通量过程进行研究.结果表明,水平方向上,珠江口夏季陆源（海源）有机碳浓度从口门到外海逐渐降低（升高）,在表、底层海水中平均浓度分别为1.45和0.87mg/L（0.97和1.05mg/L）;垂直方向上,在层化水域陆源（海源）有机碳浓度从上到下逐渐递减（升高）,在非层化水域海陆源有机碳浓度垂向分布较为均匀.珠江口夏季海源有机碳贡献率表层海水低于底层海水,平均贡献率为48.26%,沿向海方向海源有机碳贡献率逐渐增加--从内伶仃洋水域的4.43%逐渐提升到外伶仃洋东侧水域的81.20%.珠江口水动力条件复杂,在径流、潮汐、季风等因素的作用下陆源有机碳向海输送且向海输送量逐渐递减;海源有机碳在不同水域动力输送特征不同,西南水域向海输送,向海输送量逐渐递增;东北水域向岸输送,向岸输送量逐渐递减.陆源有机碳生化反应活性较弱,只有小部分被生化过程消耗,其迁移转化主要由沉降过程控制,而海源有机碳的迁移转化,则由口门的动力输送过程主控向外海的生化耗碳过程主控过渡.此外,海源有机碳沉降作用明显低于陆源有机碳,生化作用明显高于陆源有机碳.     

有机垃圾厌氧消化泡沫产生机理及控制方法

为了分析厌氧消化泡沫的产生机理和控制方法有助于解决有机垃圾厌氧消化起泡问题,本文调研了近年来报道的厌氧消化系统起泡现象,并从底物特性、反应器构造及运行条件和消化过程相关特性3方面分析了不同底物、工艺和环境条件下厌氧消化反应器的起泡机理;讨论了丝状菌指数、表面张力、粘度、有机负荷、起泡趋势和泡沫稳定性等参数作为起泡风险评价指标的合理性;介绍和比较了4类消泡方法（物理法、机械法、生物法和化学法）的消泡原理及优缺点.目前,除污泥厌氧消化系统外,其他有机垃圾厌氧消化系统起泡的主要因素尚不明确,而这也限制了泡沫控制方法的开发.后期探索关键起泡微生物或研究生物表面活性物质与起泡的相关性,将有助于从新的角度揭示起泡机理,并开发出针对性更强的泡沫控制方法.     

利用HYSPLIT模型研究珠三角地区VOCs时空分布特征

于2016年在中国广东大气超级监测站,开展4个季节的VOCs长时间观测,共获得2142组有效数据,并利用HYSPLIT模型分析珠三角地区VOCs时空分布特征.结果表明,各类VOCs混合比和化学反应活性具有明显的季节变化特点.观测期间,VOCs平均浓度为（18.523±20.978）×10^-9,其中,低碳烯烃和苯系物二者混合比之和仅占46%,但贡献了85%的·OH消耗速率（L_OH）、82%的臭氧生成潜势（OFP）和97%的二次气溶胶生成潜势（SOAFP）.观测站点主要受来自北部内陆地区气团（1#）、西部内陆地区气团（2#）、台湾海峡南端气团（3#）以及南部海洋地区气团（4#）的影响.1#气团中炔烃和苯系物的混合比占比最高,分别达到10%、37%,而3#气团中低碳烷烃的浓度水平最高,达到（8.437±5.561）×10^-9.通过估算气团中VOCs的化学反应活性,可以发现,1#气团的VOCs化学反应活性最强,其对O₃和SOA的生成贡献最高.1#、2#、3#和4#气团中VOCs的化学反应活性主要由苯系物和低碳烯烃贡献.     

Pt负载暴露(001)晶面Bi2WO6催化剂合成及光催化性能

通过水热法制备了暴露（001）晶面的Bi₂WO₆纳米片,利用光还原法将Pt纳米颗粒负载于其表面.选择苯甲醇氧化和罗丹明B（RhB）降解为探针反应,评价了催化剂的光催化性能.在苯甲醇氧化实验中,Pt负载暴露001晶面的Bi₂WO₆样品的苯甲醇转化率为20.7%,约为未负载样品的2倍.在RhB降解实验中,Pt负载样品在光照40min后对RhB的矿化率可达81.1%,而未负载样品RhB矿化率仅为55.8%,表明Pt负载样品具有更优的降解速率和矿化能力.催化剂性能的提升归因于高能晶面暴露和Pt负载的协同作用.Pt纳米颗粒的负载作为助催化剂增加了催化剂表面的活性位点,同时提高了晶面光生电子空穴对的分离和迁移效率.