选矿尾砂综合利用的探讨

对选矿尾砂采用再磨再选工艺回收尾矿砂中的金、银、铜、铁 ,再选尾砂采用全尾砂水淬渣膏体充填技术充填井下采场 ,实现微渣排放 ,再选产生的废水经净化处理后回用于选矿作业     

坡岸截留强化处理设施在不同运行条件下对农业面源污染物去除效果

对坡岸截留强化处理设施在不同温度、不同雨强、不同降雨间隔条件下处理农业面源污染进行中试试验研究.结果表明,水温从20℃下降至4.3℃,COD、TN、NH+4-N、TP去除率下降了15.58%、48.93%、42.26%、57.75%;降雨强度由0.65mm·min-1增加1倍至1.30 mm·min-1,COD的平均去除率低了15.19%,TN、NH+4-N的去除效率相当,TP的去除效率提高了11.21%,但COD、TN、NH+4-N、TP单位面积去除的总量却提高了26.27%、68.3%、32.6%、104.2%;降雨间隔从2 d增加到4 d时对COD去除的影响不大,但使NH+4-N、TN的处理效率提高19.31%、13.95%,对TP的单位面积去除量提高71.43%,但去除总量有限.     

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.      

水泥-电力行业的产业共生网络构建及区域案例研究

水泥工业作为工业生态系统的汇,能够多样化地利用其他行业的副产物,这种典型的产业共生模式可以通过减少资源和能源的消耗带来显著的CO₂减排效果.由于产业共生在水泥行业具有一定的普遍性及巨大的CO₂减排潜力,所以对水泥工业产业共生现状的了解与分析就显得尤为重要;而通过对产业共生现状的全面了解,才能对现有水泥行业产业共生的程度进行分析,并以此为参照,对未来不同政策与情景下的CO₂减排潜力进行量化与评估.为实现对产业共生实际情况的模拟,以水泥-电力行业的产业共生为例,采用最优化的方法,提出了一套基于一般统计数据来模拟产业共生实际情况的系统方法,将技术、经济与政策3类不同的决策变量影响纳入模型,以模拟出最接近真实情景的产业共生情况.为验证模型的有效性,对新乡市水泥-电力行业实际的产业共生情况进行分析.结果表明:新乡市水泥-电力行业间存在普遍的产业共生现象,实地调查中有77.8%（21家）的水泥制造企业利用粉煤灰作为水泥制造的原材料.将一般统计数据与实地调查数据对比发现,一般统计数据能较好地反映企业实际物质投入产出情况;利用一般统计数据,模型对新乡市产业共生网络结构模拟的准确率高达92.6%,显示该模型能较为有效地对产业共生的实际情况进行模拟.      

Morphology and composition of particles emitted from a port fuel injection gasoline vehicle under real-world driving test cycles

Traffic vehicles, many of which are powered by port fuel injection (PFI) engines, are major sources of particulate matter in the urban atmosphere. We studied particles from the emission of a commercial PFI-engine vehicle when it was running under the states of cold start, hot start, hot stabilized running, idle and acceleration, using a transmission electron microscope and an energy-dispersive X-ray detector. Results showed that the particles were mainly composed of organic, soot, and Ca-rich particles, with a small amount of S-rich and metal-containing particles, and displayed a unimodal size distribution with the peak at 600?nm. The emissions were highest under the cold start running state, followed by the hot start, hot stabilized, acceleration, and idle running states. Organic particles under the hot start and hot stabilized running states were higher than those of other running states. Soot particles were highest under the cold start running state. Under the idle running state, the relative number fraction of Ca-rich particles was high although their absolute number was low. These results indicate that PFI-engine vehicles emit substantial primary particles, which favor the formation of secondary aerosols via providing reaction sites and reaction catalysts, as well as supplying soot, organic, mineral and metal particles in the size range of the accumulation mode. In addition, the contents of Ca, P, and Zn in organic particles may serve as fingerprints for source apportionment of particles from PFI-engine vehicles.     

四川省典型工业行业PM2.5成分谱分析

利用荷电低压颗粒物撞击器(ELPI+)对四川省水泥行业、玻璃行业、陶瓷行业、砖瓦行业、燃煤锅炉、生物质锅炉、电厂、钢铁行业等典型行业开展排放特征测试,通过组分分析,获取各行业PM_(2.5)成分特征谱.结果表明:①水泥、玻璃、陶瓷、砖瓦等建材行业均以Si、Ca、Mg等元素为主要排放组分,双碱法脱硫SO_4~(2-)排放占比高于其他脱硫工艺;②电厂PM_(2.5)中SO_4~(2-)、Ca~(2+)、NH_4~+、Mg和Si为特征组分;燃煤锅炉中OC、Al、Si和Ca等为特征组分;③OC和EC是生物质锅炉PM_(2.5)主要排放组分,成型生物质燃料锅炉中K排放占比也较高,非成型生物质燃料锅炉中Cl~-排放占比为所有行业中最高;④钢铁行业中Ca含量最高,为18. 11%,其次为SO_4~(2-)、Na~+和Fe.     

燃煤锅炉颗粒物化学组成排放特征

本研究收集了兰州市不同吨位燃煤锅炉颗粒物排放样品,分析并评估了锅炉烟气中水溶性无机离子、碳质组分、水溶性有机物(WSOC)以及多环芳烃(PAHs)的排放水平、排放特征及其影响因素.结果表明,SO_4~(2-)、Cl~-和Ca~(2+)是燃煤锅炉样品中最主要的水溶性离子,分别占水溶性离子总和的35. 13%、23. 16%和22. 20%.不同吨位燃煤锅炉样品的OCEC及其热解成分谱较为相似,OC1、OC2、OC3、OC4、EC1、EC2和EC3分别占TC的1. 04%、8. 26%、20. 09%、6. 78%、51. 08%、7. 09%和5. 66%,其中EC1的含量最高,是最主要的碳质组分. WSOC/TC和WSOC/OC分别为0. 09±0. 07和0. 23±0. 12,且不同吨位锅炉之间差异较大.菲(Phe)、芘(Pyr)和苯并(k)荧蒽(Bk F)是PAHs的3个主要成分,分别占PAHs总和的16. 69%、11. 93%和10. 66%.不同吨位燃煤锅炉所排放颗粒物中水溶性离子、OCEC以及WSOC均与锅炉吨位大小无明显线性相关,随着吨位的增加PAHs轻组分含量减小.     

工业园区恶臭污染源排放特征和健康风险评估

为了深入了解工业园区恶臭污染情况、保障工业园区工作人员的工作环境安全,以珠海市某工业园区为分析对象,采集园区内涉及8种行业类型、14个工业恶臭源的主要工艺流程中通过有组织方式排放的恶臭废气,分析了14个排放源的恶臭VOCs排放特征,测定了感官臭气浓度,应用理论臭气强度法确定了各排放源的特征恶臭物质,并对各排放源的恶臭废气进行了致癌和非致癌风险评估.结果表明:①14个排放源排放的物质种类相同、含量差异较大,纤维和电池制造及烃类、酸酐、酯类和溶剂合成的恶臭VOCs排放以烷烯烃为主;炼油源、PTA合成源和乳胶合成源废气中苯及苯系物含量最高;酯类化合物是活性炭加工、树脂合成源和喷涂源废气排放的主要物质;陶瓷制造源和添加剂合成源排放的废气以羰基化合物和硫化物为主;②14个排放源的废气均具有较为强烈的感官刺激性,润滑油添加剂合成和乳胶类合成排放的废气感官刺激性最严重.其中,添加剂合成源的特征恶臭物质为乙硫醇、乙硫醚、正丁醇和甲苯,乳胶合成源的特征恶臭物质为苯乙烯、丙苯、异丙苯、丙烯酸丁酯和1,3-丁二烯;③14个排放源恶臭废气的终生致癌风险LCR值范围为3. 06×10-7～1. 06×10-2,其中炼油源、PTA合成源、酯类合成源和乳胶合成源排放废气存在较大潜在风险;非致癌风险HI总值范围为0. 02～51. 66,其中乳胶合成、酯类合成、炼油、PTA合成和纤维制造存在一定的非致癌健康风险.乳胶合成源、酸酐合成源和树脂合成源厂界均存在潜在致癌风险.     

舟山渔场有色溶解有机物(CDOM)的三维荧光-平行因子分析

利用三维荧光光谱(EEMs)-平行因子分析(PARAFAC)技术研究春季舟山渔场有色溶解有机物(CDOM)的荧光成分组成、分布特征及来源.PARAFAC模型解析出舟山渔场CDOM由2类5个荧光组分组成,即类腐殖质成分C1(330/420 nm)、C2[(290)365/440 nm]、C3[(260)370/490 nm]及类蛋白质成分C4(285/340 nm)、C5(270/310 nm).5种荧光组分的平面分布模式基本一致,在各层均呈现由近岸海域向远岸海域逐渐减小的趋势,但各层又略有差别.表层高值区出现在杭州湾口外北部海域、虾峙门航道口外海域,且杭州湾口外北部海域的荧光值要高于虾峙门航道口外海域;中层高值出现区域与表层相同,但杭州湾口外北部海域的荧光值要低于虾峙门航道口外海域;底层从近岸向远岸梯度减小,高值区出现在舟山本岛附近海域.各荧光组分的分布与盐度之间存在明显负相关关系,与叶绿素a的线性关系不明显.分析表明,春季舟山渔场CDOM表、中层主要受长江输入和舟山工农业等人为活动排放影响,而底层主要受舟山工农业等人为活动排放影响.从垂直分布模式上,CDOM在30°N断面上由中、表层水体向底层呈现逐渐减小的趋势,并在近岸和远岸海域都出现了高值区,且与盐度低值区、叶绿素a高值区相对应,反映该断面近岸区CDOM主要受长江输入影响,远岸区CDOM主要受生物活动影响;在30°N断面,CDOM分布模式与30.5°N断面基本类似,只是在近岸区域底层出现CDOM高值区,可能是由于潮汐、底层上升流等物理外力作用下,沉积物间隙水中高浓度的CDOM释放出来,使得靠近沉积物界面的底层水体中CDOM浓度升高.5种荧光组分中,C1、C3、C4之间相关性较强,与C2、C5相关性相对较弱,说明C1、C3、C4在来源上具有相似性与C2、C5有一定的差异性.春季舟山渔场CDOM腐殖化指数(HIX)的值较小,反映了春季舟山渔场CDOM的腐殖化程度较低,稳定性较差,在环境中存在时间较短;生物指数(BIX)在舟山外海出现高值区,近岸海域出现低值区,反映出在近岸海域人类活动的影响较大,而在外海生物活动的影响较为明显.     

Low-carbon transition of iron and steel industry in China: Carbon intensity, economic growth and policy intervention

As the biggest iron and steel producer in the world and one of the highest CO₂ emission sectors, China's iron and steel industry is undergoing a low-carbon transition accompanied by remarkable technological progress and investment adjustment, in response to the macroeconomic climate and policy intervention. Many drivers of the CO₂ emissions of the iron and steel industry have been explored, but the relationships between CO₂ abatement, investment and technological expenditure, and their connections with the economic growth and governmental policies in China, have not been conjointly and empirically examined. We proposed a concise conceptual model and an econometric model to investigate this crucial question. The results of regression, Granger causality test and impulse response analysis indicated that technological expenditure can significantly reduce CO₂ emissions, and that investment expansion showed a negative impact on CO₂ emission reduction. It was also argued with empirical evidence that a good economic situation favored CO₂ abatement in China's iron and steel industry, while achieving CO₂ emission reduction in this industrial sector did not necessarily threaten economic growth. This shed light on the dispute over balancing emission cutting and economic growth. Regarding the policy aspects, the year 2000 was found to be an important turning point for policy evolution and the development of the iron and steel industry in China. The subsequent command and control policies had a significant, positive effect on CO₂ abatement.