石油污染土壤多酚氧化酶的动力学及热力学特征

土壤多酚氧化酶是一种氧化还原酶,能够将土壤中芳香族化合物氧化成醌,促进土壤中石油类物质的分解转化.以距大庆油田工作区不同距离（1、5、15 km）的石油污染地为对象,研究不同温度下石油污染裸地及羊草（Leymus chinensis）修复地的土壤多酚氧化酶活性及其动力学和热力学特征的变化.结果表明:土壤多酚氧化酶活性随温度和底物浓度的增加而逐渐增大,在温度为30℃或40℃、底物浓度为80 mmol/L或160 mmol/L时达到最大值;各样地土壤酶的动力学参数K_m（Mihaelis常数）随温度的变化规律不同,V_max（酶促反应最大速度）和V_max/K_m（催化效率）随温度升高而逐渐增大,均在30℃或40℃时达到最大值;热力学参数Q₁₀（温度系数）、ΔH（活化焓）、ΔS（活化熵）随温度变化差异不显著,ΔG（活化自由能）随温度升高呈逐渐增加趋势.在同一温度下,石油污染裸地土壤多酚氧化酶活性高于羊草修复地;K_m和V_max/K_m在各样地均表现为无规律性变化,V_max最大值出现在距油田工作区5 km处的裸地（BMP）,最小值出现在距油田工作区5 km处的羊草修复地（LMP）;Q₁₀、E_a（活化能）、ΔH、ΔS的最大值均出现在距油田工作区1 km处的裸地（BVP）,最小值均出现在距油田工作区1 km处的羊草修复地（LVP）.研究显示,升温和植物修复对土壤多酚氧化酶活性的反应特征有较大影响.      

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.      

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

基于机器学习的细粒度空气质量时间预测器

针对空气质量状况的预防和治理,提出了基于线性回归的空气质量预测方法。作为时间预测器,更多的是考虑本地的历史数据、过去与未来的状况,挖掘空气质量随时间变化的关系以及变化趋势,为了选取最优的特征,对数据进行分析,找到与空气质量变化关系密切且存在线性关系的特征,以此特征来建立线性回归模型,并使用Cross-Validation方法进行评估验证。实验结果表明线性回归方法能够有效地预测到空气质量的变化趋势,效果良好,具有较强的实用性。