洛阳市大气细颗粒物化学组分特征及溯源分析

为研究洛阳市大气细颗粒物(PM2.5)的化学组分及来源的时空分布特征,对汾渭平原地区较为欠缺的PM2.5相关研究进行补充,在2018年4月至2019年1月在洛阳市高新和林校2个点位进行了样品采集,对P(PM2.5)、化学组分(水溶性离子、碳质组分、元素)和来源进行分析.2个点位的年均ρ(PM2.5)分别为(76.6±37.9)μg-m-3和(83.2±38.9)μg·m-3,季节变化由高到低均为:冬季、春季、秋季和夏季.高新和林校的9种水溶性离子浓度分别占PM2.5的 55.1％和54.2％,林校的二次离子(NO3-、SO42-和NH4+)年均浓度之和高于高新.高新和林校的ρ[有机碳(OC)]、P[元素碳(EC)]分别为(12.4±7.7)μg·m-3、(1.2±0.5)μg·m-3和(13.4±7.7)μg·m-3、(1.3±0.5)μg·m-3,林校的含碳组分在各季节均高于高新;高新和林校冬季的二次有机碳(SOC)在OC中质量分数分别为67.8％和77.3％,远高于其他季节.化学质量平衡结果表明,高新和林校的主要贡献源均为二次硝酸盐(26.9％和27.1％)、二次硫酸盐(14.5％和14.8％)、燃煤(12.6％和11.6％)、SOA(10.8％和12.2％),高新的生物质源贡献较高,而林校的扬尘源和机动车源贡献较高.后向轨迹和潜在源贡献因子分析表明,洛阳市春季不仅受到来自西北方向的传输,来自西南地区的污染传输也不能忽略;夏季既受到正东方向的季风影响,又有来自正南方向的潜在污染;秋季污染物主要来自东南方向,同时也存在西北方向的潜在来源;冬季受到的传输影响则主要来自周边区域,污染来源较为集中.     

典型化工集中区环境空气SVOCs污染特征及来源解析

于冬春两季在华东3个典型石化化工集中区设置环境空气观测点,利用PUF大气被动采样技术(PUF-PAS)采集大气中半挥发性有机化合物(SVOCs),使用气相色谱-质谱联用仪(GC-MS)进行分析.获得59种SVOCs的浓度,包括25种多环芳烃(PAHs)、24种正构烷烃及10种藿烷,并结合主成分分析和特征比值法解析PAHs来源.结果表明:①各观测点正构烷烃贡献率最高,其次是PAHs,分别超过60％和30％;②根据各化合物冬春季浓度变化并结合风向进行分析,推测正构烷烃C18、C29 αβ-藿烷和C30αβ-藿烷与石油化工排放有关;③PAHs单体以菲(Phe)、荧蒽(Fla)、萘(Nap)、芴(Flu)和芘(Pyr)为主,合计占比高达90.0％;④主成分分析显示观测点PAHs主要来自化石燃料燃烧、机动车尾气和石化工艺排放等,3类来源对PAHs的贡献率分别为56.0％、19.2％和8.6％,基于特征比值法的PAHs来源解析予以了验证.     

天津市郊夏季VOCs化学特征及其时间精细化的来源解析

夏季为环境空气中臭氧污染事件的频发时期,针对挥发性有机化合物(VOCs)及其臭氧生成潜势(OFP)的时间精细化的来源解析研究,对有效地进行臭氧污染防控具有非常重要的作用.利用2019年夏季(6～8月)天津市郊区点位监测的小时分辨率VOCs在线数据,分析臭氧污染事件和非臭氧污染时期环境受体中VOCs及其OFP的变化特征,并利用正定矩阵因子分解(PMF)模型进行精细化的来源解析研究.结果表明,夏季环境受体中VOCs平均体积分数为24.42×10-9,臭氧污染事件中的VOCs平均体积分数为27.72×10-9,较非臭氧污染时期增加15.69％.夏季总VOCs(TVOCs)的OFP为87.92×10-9,其中烯烃的OFP最高,对TVOCs的OFP的贡献达58.28％.臭氧污染事件中TVOCs的OFP为102.68×10-9,较非臭氧污染时期增加19.59％.臭氧污染事件中VOCs的来源分别为石化工业及汽油挥发(29.44％)、柴油车尾气(23.52％)、液化石油气及汽油车尾气(22.00％)、天然气及燃烧(13.41％)、溶剂使用(6.14％)和植物排放(5.49％).相比于非臭氧污染时期,液化石油气及汽油车尾气和柴油车尾气分别增长4.84％和5.29％.石化工业及汽油挥发和植物排放的贡献均表现为08:00开始上升,11:00达到最高,这与太阳辐射增强和温度不断上升密切相关.液化石油气及汽油车尾气和柴油车尾气均具有明显的早晚高峰特征,并在夜间(00:00～06:00)保持较高贡献水平.根据PMF结果并结合OFP的计算方法,解析了不同源类对臭氧生成潜势的 贡献.石化工业及汽油挥发(31.01％)和柴油车尾气(36.64％)是较高贡献源类,相比非臭氧污染时期分别增加了 1.74％和8.27％;并且石化工业及汽油挥发贡献率在臭氧污染事件发生过程的上升阶段显著增加,而在下降阶段明显下降.     

山东省O3时空分布及影响因素分析

为认识山东省环境空气中O3的污染现状,基于2015～2019年国省控环境空气自动监测站的O3监测数据、2019～2020年4～9月气象代表站的气象数据及邻近环境空气站的O3监测数据,探究了山东省O3时空分布特征及与气象因素的关系.结果表明,山东省O3污染日益突出,年均ρ(O3-8h)(90百分位)和ρ(Ox)(O3 与NO2之和)升高速率分别为7.6μg·(m3·a)-1和7.0μg·(m3·a)-1,年均ρ(PM2.5)、ρ(CO)(95百分位数)和ρ(NO2)均逐步下降,下降速率均小于ρ(O3)上升速率.03污染呈现夏季高冬季低的"M型"或"倒V型"月变化特征,在6月或9月达到峰值,且污染月呈提前出现趋势.山东省年均ρ(O3-8h)(90百分位)呈现"内陆高,沿海低"的特点,并有区域均匀性发展趋势.相关性分析表明,山东省ρ(O3-8h)总体与日最高温度呈正相关,与相对湿度、气压和风速呈负相关,其中日 最高温度和相对湿度是O3-8h主控气象因子,气象因素对不同城市O3-8h超标率的影响具有显著差异.     

承德市PM2.5中碳质组分的季节分布特征及来源解析

为研究承德市PM_2.5中碳质组分的季节变化及污染来源,于2019年1、4、7和10月采集大气PM_2.5样品,测定碳质组分浓度.通过有机碳（OC）与元素碳（EC）比值、总碳质气溶胶（TCA）及二次有机碳（SOC）的估算,分析碳质组分的变化特征;结合后向轨迹和主成分分析（PCA）方法,分析污染来源.结果表明,采样期间PM_2.5、OC和EC的平均质量浓度分别为（31.26±21.39）、（13.27±8.68）和（2.80±1.95）μg ·m^-3.PM_2.5的季节变化趋势为：冬季[（47.68±30.37）μg ·m^-3]>秋季[（28.72±17.12）μg ·m^-3]>春季[（26.59±15.32）μg ·m^-3]>夏季[（23.17±8.38）μg ·m^-3],与总碳（TC）、OC和EC季节变化趋势一致,冬季（R²=0.85）的OC与EC来源较一致;OC/EC值得出4个季节均受到交通和燃煤源排放的影响,且冬季受烟煤排放影响显著.TCA的平均浓度为（21.38±13.68）μg ·m^-3,占PM_2.5比例达68.39%,二次转化率（SOC/OC）为：春季（54.09%）>秋季（37.64%）>夏季（32.91%）>冬季（25.43%）.后向轨迹模拟结果表明,春季和夏季气团携带的污染物浓度相对较低,秋季污染物的传输通道为西南方向,冬季为西北方向,主成分分析（PCA）表明,承德市PM_2.5削减的关键是控制机动车尾气、燃煤和生物质燃烧源的排放.     

稻田灌溉河流CH4和N2O排放特征及影响因素

随着农业氮肥大量施用,大量碳氮营养物质以淋溶或径流形式进入周边灌溉水体,使其成为甲烷(CH4)和氧化亚氮(N2O)的重要排放源.以我国东南部地区典型稻田灌溉河流为研究对象,于2014年9月至2016年9月连续两年原位观测表层水体CH4和N2O溶存浓度及其排放通量,旨在明确稻田灌溉河流CH4和N2O的排放特征、排放强度及其主要驱动因子.结果表明,观测期内c(CH4溶存)的年平均值为(390.57±43.95)nmol·L-1(92.80～1 577.54 nmol·L-1),c(N2O溶存)的年平均值为(40.23±3.20)nmol·L-1(10.05～75.40 nmol·L-1).CH4和N2O的排放通量(年平均)分别为(20.73±6.08)mg·(m2·h)-1和(34.30±7.12)μg·(m2·h)-1.CH4和N2O溶存浓度和排放通量整体上均呈现出春夏排放高,秋冬排放低的季节变化趋势.两年CH4累计排放总量为(3 876.30±1 153.96)kg·hm-2,N2O累计排放总量为(5.74±0.98)kg·hm-2.两者持续性全球增温潜势(SGWP,以CO2-eq计)平均为(87.99±15.73)t·(hm2·a)-1.CH4排放通量与水温、底泥可溶性有机碳(DOC)显著正相关,而与水体溶解氧(DO)显著负相关;N2O排放通量与水温、水中铵态氮(NH4+-N)和硝态氮(NO3--N)显著正相关,而与水体DO显著负相关.该研究可为科学估算我国农业灌溉流域CH4和N2O排放总量提供数据支撑和重要参考.     

北方农田镉污染土壤玉米生产阈值及产区划分初探

为探究我国北方镉(Cd)污染农田中玉米安全生产的土壤阈值以及产区划分,于部分北方玉米主要产区(含不同程度Cd污染)收集了 129套点对点的土壤-玉米样品,分析了土壤理化性质与土壤、玉米籽粒Cd含量之间的相关性,利用多元线性回归法和物种敏感度分布曲线法(SSD)推导不同土壤情景下土壤Cd的生态阈值,并进行了玉米"宜产、限产、禁产"产区划分.结果表明,研究区土壤与玉米籽粒中Cd含量超标分别为99.62％和49.61％;玉米籽粒中Cd富集系数(BCF)与土壤pH、土壤有机质(SOM)、阳离子交换量(CEC)和土壤有效态Cd含量(DTPA浸提)均呈极显著相关性(P＜0.01).多元线性回归法的预测可解释因变量71.9％的变异量;基于研究区土壤特性以及参考资料,划分3种不同土壤情景分别为,情景1:6.5＜pH≤7.5,土壤 ω(SOM)=15 g·kg-1,土壤 CEC=15 cmol·kg-1;情景2:7.5＜pH＜8.5,土壤 ω(SOM)=20 g·kg-1,土壤 CEC=20 cmol·kg-1;情景3:pH≥8.5,土壤 ω(SOM)=17 g·kg-1,土壤 CEC=17 cmol.kg-1,利用 SSD 法中 Logistic 函数模型推导以上3种情景的粮食宜产区土壤Cd阈值分别为3.00、3.80和3.11 mg·kg-1;禁产区阈值为8.95、9.10和7.21 mg～kg-1,当土壤Cd含量介于宜产区阈值与禁产区阈值之间时该区域划分为粮食限产区;玉米用于饲料使用时3种情景下的饲料宜产区阈值分别为14.94、18.90和15.55 mg·kg-1,禁产区阈值分别为44.93、45.40和36.05 mg·kg-1,两者之间的区域为饲料限产区.以上方法和结果可为我国北方农田土壤的安全生产提供参考,并为土壤生态阈值的标准制定提供科学依据.     

国产化DCS系统在海洋石油162平台首次应用

移动式试采平台(海洋石油162)中控PCS系统采用浙江中控ECS-700系统搭建,是国产化DCS系统第一次在海上平台进行应用,一举打破了国外中控系统品牌在海上平台的垄断格局,实现了海上平台中控系统国产化"零"的突破。海洋石油162平台中控PCS系统实际I/O点数为614点,并配有近20%的备用通道,进行第三方通讯(RS485 Mudbus协议)设备数量有17个,软点数量多达3000点。通过对海上平台特有环境分析,梳理海上平台DCS系统的性能和功能性相关要求,针对浙江中控国产化的DCS系统特性和海上平台的特性,合理配置PCS系统硬件设备和通道,为海上顺利投产保驾护航。ECS-700系统满足试采平台对DCS系统的应用要求,又满足经济实用性要求。     

广州冬季气溶胶中水溶性有机物和类腐殖质的吸光性和荧光光谱特性

利用紫外-可见光谱与三维荧光-平行因子分析法(EEM-PARAFAC),研究了广州市2014年12月～2015年1月大气气溶胶中水溶性有机物(WSOC)和类腐殖质(HULIS)的吸光性和荧光光谱特征.结果表明,广州冬季气溶胶中HULIS的芳香性(SUVA254)、腐殖化程度(HIX)和光吸收效率(MAE365)均高于WSOC.利用EEM-PARAFAC从WSOC和HULIS解析出了类富里酸(C1)、类腐殖酸(C2)和类蛋白(C3)这3种荧光组分.其中类腐殖质组分(C1+C2)分别占WSOC和HULIS中总荧光组分的78%和85%,说明类腐殖荧光组分是WSOC和HULIS的最主要组成,且HULIS富集了更多的WSOC中主要的类腐殖组分.另外,灰霾期的WSOC和HULIS表现出更高的芳香性、腐殖化程度和C2组分,说明灰霾期有助于大分子量吸光性有机质的形成.相关性分析结果显示,WSOC和HULIS的C1组分相对含量与HIX、MAE365、OCsec、K+、SO_4~(2-)和NH_4~+呈现极显著的负相关关系,而C2与它们之间存在极显著的正相关关系.由此说明,WSOC和HULIS中C1的降低和C2的增加会引起它们的腐殖化程度和光吸收能力的增强;同时生物质燃烧排放和二次气溶胶过程可能有助于C2组分的增加.     

微塑料诱导下污泥造粒潜能变化及微生物富集特征

微塑料(MPs)是污水处理厂中普遍检出的新兴污染物之一,目前研究主要集中于传统污水处理系统的污染水平及分布特征,但有关微塑料暴露对污泥颗粒化过程的研究鲜见报道.为探究微塑料对污泥颗粒化的诱导影响,选用环境中广泛检出的聚对苯二甲酸乙二醇酯微塑料(PET-MPs)作为研究对象,通过微塑料暴露试验研究PET-MPs对污泥造粒过程中系统潜能、胞外聚合物(EPS)组成和菌群富集特征的影响.结果表明,PET-MPs暴露显著加快污泥颗粒化进程,同时以蛋白质(PN)为主导的EPS含量上升会增强污泥表面疏水性,造粒速度和EPS分泌量与暴露粒径成正比,微塑料和EPS协同促进颗粒污泥的形成.然而微塑料持续暴露会导致系统除污性能恶化,250μm PET-MPs暴露下亚硝酸盐氮积累的负面影响最严重,浓度高达(5.08±0.24)mg·L^-1.高通量测序结果进一步表明,变形菌门(Proteobacteria)和拟杆菌门(Bacteroidota)是促进颗粒污泥形成的主要优势门;红环菌科(Rhodocyclaceae)、鞘氨醇杆菌科(Sphingomonadaceae)、黄杆菌科(Flavob...