砖混和剪力墙结构住宅建筑碳足迹对比研究

通过对厦门大学职工砖混结构和剪力墙结构住宅住户的调查,将住宅建筑生命周期分为建材生产、建材运输、建筑建造、建筑使用、建筑拆除和废旧建材处理6个阶段,计算了2种建筑结构不同生命周期阶段的碳排放,结果显示:2种建筑碳足迹都为2.3 t/m2左右,砖混结构的人均碳足迹高于剪力墙结构,分别为67.98 t/m2和64.47 t/m2;2种住宅绝大部分的碳排放来自建材生产和建筑使用两阶段,剪力墙结构住宅在建材生产阶段碳排放量为0.673 4 t/m2,是砖混结构的2倍多;剪力墙结构住宅使用期间的碳排放量为1.59 t/m2,为砖混结构的81.2%。剪力墙结构住宅建材生产和建筑使用碳排放占建筑全生命周期碳排放的比例分别为29.28%和69.13%,砖混结构住宅则为14.01%和84.81%。研究结果可为发展低碳建筑提供科学依据。     

邯郸市大气污染源排放清单建立及总量校验

邯郸作为"2+26"城市主要的重工业城市之一,位于京津冀南北传输通道的核心位置,在京津冀地区大气污染协同调控中处于重要地位.为改善当地空气质量,以邯郸市为研究对象,基于拉网式调查获取详细活动水平数据,结合相关排放因子,得到2016年邯郸市大气污染源排放清单;采用WRF-CMAQ（气象-空气质量）数值模型,模拟了2016年典型季节代表月（1月、4月、7月、10月）的空气质量,验证了数值模型的准确性;最后基于总量校验方法,反向估算了邯郸市典型污染物的排放总量,对初始大气污染源排放清单进行校验.结果表明:①2016年邯郸市SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOCs、NH₃的总排放量分别为78 533、183 126、497 466、258 940、124 637、3 735 355、200 309、187 299 t.②工业源是SO₂、NO_x、PM_2.5、CO和VOCs的主要排放源,分别占总排放量的74.5%、54.5%、30.6%、76.7%和28.1%;无组织扬尘源对TSP、PM₁₀、PM_2.5的贡献较大,分别占总排放量的58.5%、43.6%、30.3%;NH₃的主要排放源为农畜氨及人体和其他氨,二者排放的NH₃占总排放量的96.9%.③总量模型估算得到邯郸市PM_2.5、SO₂、NO₂年排放量分别为152 739、79 405、206 549 t;对比分析校验前、后典型污染物排放发现,校验前的大气污染源排放清单可能低估了PM_2.5和NO_x的排放量.研究显示,邯郸市污染物排放量较大,工业源为主要排放源,建议相关部门加强对工业源的管控力度.      

基于源-汇理论和最小累积阻力模型的城市生态安全格局构建——以安徽省宁国市为例

根据景观生态学相关理论,选取高程、坡度、土地利用类型、植被覆盖度、土壤侵蚀、距风景名胜区距离、距水体距离、距道路距离、距居民点距离、距工业用地距离、距矿点距离等11个生态安全评价因子,应用GIS空间分析技术对安徽省宁国市生态安全等级进行划分,并采用基于源汇理论的最小累积阻力(MCR)模型构建宁国市生态廊道和生态节点,优化生态网络布局.模拟结果表明,宁国市总体生态安全水平较高,高度安全的区域面积为1174.38 km2,占区域总面积的48.41%;低度安全的区域面积为232.07 km2,占区域总面积的9.57%;在生态安全评价的基础上,提取了宁国市88条潜在生态廊道,总长度约1426.99 km,生态节点57个.与现有生态廊道相比较,宁国市需进一步补充11条主要生态廊道,总长度约241.37 km,这对城市生态安全保护具有重要的意义.     

宝鸡市区土壤重金属污染影响因子探测及其源解析

为深入分析工业城市土壤重金属污染的影响因子及来源途径,本文以宝鸡市区采集的62份表层(0～20 cm)土壤样品为研究对象,使用电感耦合等离子体质谱仪(ICP-MS)测定重金属(Cd、As、Cu、Pb、Zn、Cr、Mn和Ni)含量,基于地统计方法及地理探测器模型,以土壤重金属污染负荷指数(PLI)为主导指标,探测土壤重金属污染的影响因子,并使用Unmix6. 0受体模型进行重金属源解析.结果表明:①宝鸡市区表层土壤重金属Cd、Pb、Cu、Zn、As、Cr、Mn和Ni含量均值分别为0. 77、16. 75、40. 52、261、17. 03、49. 18、331和30. 52 mg·kg~(-1),其中Cd和Zn均值超过了国家二级标准,是陕西省土壤背景值的8. 2倍和3. 8倍,Cu、As和Ni均值也超过了陕西省土壤背景值,Cd和Zn在城区土壤中存在重度污染现象.②宝鸡市区表层土壤重金属区域总污染负荷指数(PLI_(zone))达1. 36,为轻度污染,经地理探测器分析,土壤质地和铁路距离对污染分布的解释力最强,P_(D,H)分别为0. 040和0. 026,交互解释力均达0. 099.③Cd、Cu和As主要为工农业活动所致的"人为源",Zn和Ni为交通排放造成的"人为源",Cr、Pb和Mn主要为"混合源".研究区表层土壤重金属主要来源为"混合源",为轻度污染级,土壤质地和距铁路距离是土壤重金属污染的主要影响因子.本研究可以为宝鸡市土壤重金属污染与防治提供科学依据.     

秦皇岛大气污染物浓度变化特征

为了解河北沿海旅游城市秦皇岛大气污染现有水平,研究其变化趋势,于2009年9月～2010年8月对秦皇岛市大气中的典型污染物进行连续监测研究.结果表明,该市大气中NO、NO2、SO2、O3和PM10平均浓度分别为（18±18）、（45±18）、（42±46）、（44±25）和（128±77）μg·m-3,PM10污染最为严重,年均浓度超出国家二级标准（100μg·m-3）接近30%.夏季O3日平均浓度和日小时浓度最大值（O3₁h max）的平均分别为（64±21）μg·m-3和（126±42）μg·m-3,偏南海洋气团有加重O3污染现象,伴随有短期超标;采暖期大气NOx、SO2和PM10分别是非采暖期的1.5、4.9和1.5倍,PM10和SO2日均值相对国家二级标准的超标率分别为53%和11%.京津冀、环渤海工业区的气团输送和当地海港区高排放叠加可使秦皇岛NOx、SO2和PM10污染物平均浓度上升17%、27%和12%,冬季其三者大气平均浓度飙升至（100±49）、（110±84）和（215±108）μg·m-3.北方内陆干洁气团和南方海洋气团可有效清除秦皇岛市大气污染物.     

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

北京市密云县潮河周边土壤中类二恶英PCBs分析评价

为了探讨密云水库上游流域可能给水库带来的非点源污染,本研究测定了入库河流潮河下游周边土壤中12种类二恶英多氯联苯(DL-PCBs)的含量水平。结果表明,ΣDL-PCBs的总含量水平为0.0039~0.0365 ng·g-1,其中PCB-118,115,77为12种DL-PCBs的主要成分,PCB-81,114,157均低于检出限。草地、林地和果园中ΣDL-PCBs的含量高于玉米地,表明研究区的DL-PCBs主要受大气沉降和河流沉积物的影响,受当地人类活动影响不大。与其他研究相比,采样区域的PCBs含量总体处于偏低水平,毒性当量处于中等水平。而毒性当量因子(TEF)较高的PCB-126与PCB-169,可能会对人类和生物产生危害,应给予足够的重视。     

兰州市的生态功能区划

在生态环境调查的基础上,依据生态功能区划的基本原则,结合兰州市生态系统的空间特征分析、生态敏感性评价以及生态服务功能评价,建立了二元圈层结构的规划理念,制定了兰州市生态功能区划。把兰州市划分为4个1级功能区和3个2级功能区,并明确阐述了各功能区的主要特点、主要问题和主导功能,力图为兰州市建立良好的生态功能结构提供科学依据。     

遗传算法推求瞬时单位线参数并计算流量过程线

城市雨水地表径流模型的目的是推求城市雨水地表径流的流量过程线，从而模拟雨水的地表径流过程。瞬时单位线法是解决模型的一种方法。由瞬时单位线推求S曲线和时段单位线，可以得到城市雨水口径流的流量过程线。瞬时单位线是该过程的基础，求解瞬时单位线参数N和K值是十分重要的。与过去用矩法求解这两个参数比较，介绍了用遗传算法来推求瞬时单位线参数的方法和过程，并验证了遗传算法推求参数的可行性和可信性。     

Airborne bacteria associated with particulate matter from a highly urbanised metropolis: A potential risk to the population’s health

• The airborne bacteria of Mexico City are representative of urban environments. • Particle material<10 µm influenced the type and quantity of airborne bacteria. • The diversity and richness of bacteria were higher in the rainy season. • The emission & transport of airborne bacteria determine the atmosphere’s microbiome. • Bacterias as Kocuria, Paracoccus, and Staphylococcus were in the air of Mexico City. Bacteria in the air present patterns in space and time produced by different sources and environmental factors. Few studies have focused on the link between airborne pathogenic bacteria in densely populated cities, and the risk to the population’s health. Bacteria associated with particulate matter (PM) were monitored from the air of Mexico City (Mexico). We employed a metagenomic approach to characterise bacteria using the 16S rRNA gene. Airborne bacteria sampling was carried out in the north, centre, and south of Mexico City, with different urbanisation rates, during 2017. Bacteria added to the particles were sampled using high-volume PM₁₀ samplers. To ascertain significant differences in bacterial diversity between zones and seasons, the Kruskal-Wallis, Wilcoxon tests were done on alpha diversity parameters. Sixty-three air samples were collected, and DNA was sequenced using next-generation sequencing. The results indicated that the bacterial phyla in the north and south of the city were Firmicutes, Cyanobacteria, Proteobacteria, and Actinobacteria, while in the central zone there were more Actinobacteria. There were no differences in the alpha diversity indices between the sampled areas. According to the OTUs, the richness of bacteria was higher in the central zone. Alpha diversity was higher in the rainy season than in the dry season; the Shannon index and the OTUs observed were higher in the central zone in the dry season. Pathogenic bacteria such as Kocuria, Paracoccus, and Micrococcus predominated in both seasonal times, while Staphylococcus, Corynebacterium, and Nocardioides were found during the rainy season, with a presence in the central zone.