青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.      

1982～2008年东北冻土区植被生长季NDVI对气候变化和CO

利用GIMMS和MODIS两种遥感数据,分析了1982～2008年东北冻土区植被生长季平均NDVI的时空特征.并探讨不同类型冻土区和不同植被类型归一化差值植被指数(NDVI)对气候变化和CO2体积分数增加的响应.研究表明.不同冻土类型区植被生长季NDVI均值从大到小依次为:连续多年冻土区＞大片多年冻土区＞季节性冻土区＞岛状多年冻土区.东北冻土区不同植被类型生长季平均NDVI值由大到小依次为:森林＞灌丛＞沼泽＞农田＞草地,其中森林植被生长季平均NDVI值为0.61,草地为0.46,过去27年间,东北冻土区植被生长季平均NDVI年际变化曲线可分为3个变化阶段:①1982～1990年,小幅上升阶段;②1990～2000年,缓慢下降阶段;③2000～2008年.明显上升阶段.1982～2008年期间,连续多年冻土区及大片多年冻土区植被生长季平均NDVI值呈显著上升趋势((P＜0.05)对于不同植被类型而言,除森林植被NDVI呈显著上升趋势外(P＜0.05),其它植被类型NDVI值无显著变化趋势.过去27年间,东北冻土区年均气温显著升高,年降水量显著下降,CO2浓度显著升高.研究区全区平均NDVI与年平均气温呈显著正相关(P＜0.05),气温是影响东北冻土区生长季植被NDVI的主要气候因子.森林和沼泽湿地植被生长季平均NDVI与年平均气温呈显著正相关,与降水量呈显著负相关(P＜0.05);5种植被类型中仅森林植被受CO2浓度影响显著.年平均气温对不同植被类型的影响由高到低的顺序为:森林＞沼泽湿地＞灌丛＞农田＞草地;降水的影响为:森林＞沼泽湿地＞草地>灌丛＞农田;CO2浓度的影响为:森林＞沼泽湿地＞草地＞农田＞灌丛.关健词:NDVI;气候变化;CO2浓度增加;东北冻土区     

上海高密度居民区合流制系统雨天溢流水质研究

城市面源污染已成为上海城区河道的主要污染源.为此,研究了上海市合流制排水区域SA雨天溢流的水质特性,并探讨了溢流水质的主要影响因素.结果表明,该区域雨天溢流COD、BOD、SS、NH₃-N、TN、TP事件平均浓度的均值分别为614mg/L、208.5 mg/L、684 mg/L、17.6 mg/L、29.8 mg/L、3.0 mg/L,远高于国外的一些研究结果;分析事件平均浓度的对数正态概率分布表明,BOD的对数正态分布性最好;此外,研究还发现COD和SS溢流浓度和前期晴天数与降雨历时的比值呈现出较高的正相关性.     

基于水化学及当地稳定同位素的地下水硝酸盐污染空间分布特征及污染源解析

为精准识别张家口市宣化区地下水硝酸盐污染的空间分布情况及其来源,根据张家口市宣化区洋河两岸地下水水质监测数据,采用水化学分析方法分析硝酸盐污染现状,利用氮氧稳定同位素方法定性分析污染物来源,并利用ArcGIS软件对地下水硝酸盐浓度、氮氧同位素特征值进行可视化表征,更加直观地表现地下水环境质量时空差异.根据SIAR模型（同位素混合模型）定量计算各污染源的贡献率.结果表明:①张家口市宣化区地下水“三氮”污染主要为硝酸盐氮,浓度平均值为27.23 mg/L,污染浓度高值区域出现在建设用地.②研究区典型特征污染物的氮同位素特征值（δ15N-NO₃-）在土壤中的分布范围为1.46‰~7.71‰,在粪便及污水中的分布范围为9.49‰~17.57‰,可充实当地δ15N-NO₃-分布数据库.③硝酸盐污染主要来源于土壤氮、粪便及污水,水化学及同位素特征表明氮的迁移转化以硝化作用为主.④SIAR模型计算结果表明,土壤氮、粪便及污水、无机化肥及工业废水贡献率分别为44.36%、43.35%、9.24%.研究显示,硝酸盐污染主要受生活污水、工业生产活动和该地区农业灌溉的影响,污染物主要来源于土壤氮、粪便及污水,且建设用地污染情况较耕地更为严重.      

北京地区林木、植被排放碳氢化合物的定性监测

为了研究大气中碳氢化合物的天然来源,采用封闭式采样和气相色谱法,对北京的主要树种(杨树、柳树、松树、柏树等)以及草地和稻田(在水稻生长旺期)进行了碳氢化合物的排放情况调查。发现北京的杨树、柳树、槐树(落叶乔木)主要排放异戊二烯化合物;松树、柏树(针叶林木)排放萜烯类化合物;草地和稻田排放甲烷等低碳化合物。以上结果与国外工作结论近似。      

缺资料小流域非点源磷素输出关键源区识别方法初探

为控制水体污染,改善水质,最大效率地降低磷素污染,迫切需要寻找非点源磷素流失的关键源区。采用半定量、经验性的流域尺度磷素流失危险分级方案,通过分析确定以土地利用类型为源因子,以坡度和区域至河流的距离为迁移因子,最大限度地识别缺资料小流域非点源磷素输出关键源区,并以辽宁社河农业小流域为例,通过GIS技术探索小流域磷素流失的关键源区。结果表明,社河流域大部分区域地表径流磷素流失风险等级为低,该部分区域面积占流域总面积的80%;河流两侧大部分农田非点源磷素流失风险等级属于中,该部分区域面积占流域总面积的13%;非点源磷素输出高风险等级的区域占流域总面积的7%,主要分布在流域内坡度较大、与河流距离较近的山区旱地和丘陵旱地等区域。需要对磷素输出关键源区域加强土地管理,降低非点源磷素负荷输出。     

黑炭气溶胶质谱仪(SP-AMS)分析春季PM2.5中水溶性有机气溶胶

为探讨常州春季大气细颗粒物(PM_(2.5))的化学组成及污染特征,于2017年3月1日～5月30日采集了84个有效样品,对其水溶性离子(WSIIs)、碳质组分(OC和EC)等常规组分进行了测定和分析,并采用黑炭-气溶胶质谱仪(SP-AMS)对水溶性有机气溶胶(WSOA)进行了分析.结果表明,采样期间PM_(2.5)的日均质量浓度为101. 97μg·m~(-3),超标(环境空气质量标准二级标准)率达73. 8%,以轻度、中度和重度污染为主,分别占总天数的39. 3%、21. 4%和13. 1%. WSIIs约占PM_(2.5)的39. 86%,其中二次离子(SO_4~(2-)、NH_4~+和NO_3~-)占WSIIs的81. 85%,阴阳离子电荷平衡的线性拟合直线的斜率(AE/CE)大于1(1. 09),表明PM_(2.5)偏弱酸性. OC/EC比值为2. 53,说明受二次转化的影响. SP-AMS分析WSOA组分包含C_xH_y+(32. 1%)、C_xH_yO+(30. 4%)、C_xH_yO_~(2+)(25. 4%)和H_yO~+(4. 7%),其平均氧碳比(O/C)、氢碳比(H/C)、氮碳比(N/C)和有机质-有机碳比(OM/OC)分别为0. 72、1. 53、0. 04和2. 15,高的O/C表明春季光化学反应导致的二次转化贡献较大.正定矩阵因子分析模型(PMF)对WSOA的质谱进行解析得到:类烃OA(HOA)、半挥发氧化性-生物质燃烧排放OA(SVOOA-BBOA)和低挥发性氧化性OA(LVOOA) 3种有机气溶胶,分别占WSOA总量的18. 4%、34. 1%和47. 4%.     

水文条件变化对重金属运移过程影响研究

针对西、北江河网区复杂的水环境系统,建立了河网区一维水动力学模型和重金属模型,选取相应实测资料对模型进行参数率定和验证。通过设定上游来水条件与下游潮汐作用并代入数学模型进行模拟计算的方式,研究了在不同水文条件下河网区重金属的运移过程。研究结论为,不同潮汐作用导致西江和北江的水流相互流通方式发生变化,并进而影响污染物的传播途径;遭遇大潮时河网区各断面同期的镉浓度值要大大高于遭遇中潮和小潮时;上游来水量增加会增大（遭遇大潮时）或缩小（遭遇中潮或小潮时）西江和北江在思贤滘处的水位差,进而会加剧对西江（遭遇大潮时）或北江（遭遇中潮或小潮时）的水污染。     

大伙房水库上游地区农业面源污染现状及防治措施

通过对大伙房水库上游地区农业面源污染现状的调查研究,提出减轻农业面源污染的具体防治措施,即采用培育生物天敌、控制农药使用量、水田改为旱田和控制灌溉水的方法控制氮磷流失,从而保护水源地生态环境。     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.