长江下游典型滨海地区农业土壤重金属污染特征

为揭示长江下游滨海地区农业土壤重金属污染状况,以滨江临海的南通市为例,网格化布点,采集表层农业土壤样品共计334个,对其重金属Cu、Pb、Cr、As、Hg含量进行了测定分析.结果表明,研究区域表层农业土壤中各重金属含量均已超过其背景值,且以Pb污染最为严重;区域性差异较大,以滨海的如东、海门、启东污染最为严重,且以海门、启东As含量最高;各重金属间相关性不显著,来源途径不止一种.从而提出南通市农业土壤重金属污染的防治应立足于防重于治的方针,着重滨海地区,以Pb、As污染源为主,并对污染土壤进行修复.     

改性沸石分离富集-火焰原子吸收光谱法测定长江水中镉

采用改性沸石分离富集-火焰原子吸收光谱法测定长江水中微量镉,优化了富集和洗脱条件,讨论了干扰离子的影响。方法在0μg~4.00μg范围内线性良好,检出限为0.214μg/L,长江水平行测定的RSD为1.8%,加标回收率为99.0%~104%。     

成都府南河叶绿素a和氮、磷的分布特征与富营养化研究

通过对成都市府南河上中下游共21个断面叶绿素a和总溶解态氮(TDN)、总溶解态磷(TDP)含量的测定,绘制时空分布图,并应用SPSS 13.0统计软件分析了3个指标之间的相关性,初步评价了府南河的富营养化状况。结果表明,府南河叶绿素a含量不高,磷污染较为严重;相关性分析显示叶绿素a和TDP含量呈显著正相关关系,氮是河水富营养化的主要限制因子;按照叶绿素a的含量判定府南河基本属于贫营养化型,但按照氮、磷含量评价已达到富营养化水平。这对评价城市河流的富营养化状态及生态环境整治和恢复有着积极意义。     

汉丹江(陕西段)水质变化特征分析

基于2008—2012年陕西省境内汉江、丹江干流14个断面的水质监测数据,采用单因子评价法、平均综合污染指数法和秩相关系数法等对该段水体的水质变化特征进行研究。结果表明,汉丹江(陕西段)断面水质以Ⅱ类、Ⅲ类为主,水质总体为优;水质综合污染状况呈下降趋势,其中汉江下降趋势显著;水质综合污染状况空间差异和区域分布特征明显,城区段污染大于郊区,各行政区段河流下游污染大于上游。流域水质主要受有机污染和营养盐因子影响,水体污染源主要来自城镇生活源和农业面源,工业源占比不大且排放行业较为集中。     

CMT监测井在黑河流域地下水监测中的应用

以CMT监测井在黑河流域的应用为基础,通过对监测数据和采集的水样进行分析,了解了黑河流域地下水水位动态变化,掌握了黑河流域地下水水化学垂向分布规律,为合理利用黑河流域水资源提供了科学依据。     

长三角典型城市公交车实际道路细颗粒物排放测试

为研究长三角典型城市公交车细颗粒物排放特征,采用便携式排放测试系统（PEMS）,对上海、杭州和苏州三大城市的8辆典型城市公交车开展实际道路细颗粒物排放实验。研究结果表明：长三角典型城市车辆的实际道路平均车速为22.7 km/h,怠速比例为20.4%,加减速比例为54.5%;在稳态行驶工况下,随车速增大,公交车颗粒物质量及数量排放呈逐渐增大趋势;在20 km/h车速范围内,上海国III、国IV和苏州国III公交车颗粒数浓度呈双峰粒径分布,其他公交车均为单峰分布;随比功率的增大,公交车颗粒质量呈逐渐增大的趋势,国IV公交车颗粒数量呈先下降再增大趋势,国III公交车颗粒数量呈上升趋势;公交车颗粒质量综合排放因子为0.8~189 mg/km,颗粒数量综合排放因子为6.2×10¹²~9.6×10¹⁴#/km。     

长三角城市群污染输送相互影响的敏感性试验

利用WRF-Chem模式,对2013年11月29日至12月11日长江三角洲地区的严重空气污染事件进行数值模拟,研究长三角核心区不同污染物本地源和外来输送所占比重。分析长三角核心区排放源对本地不同污染物浓度的污染贡献。结果表明,在2013年12月的这一次污染事件中,颗粒物平均本地贡献与外来输送基本比重相当;而SO_2、CO、NH_3、NO_x这4种气体污染物则以本地贡献为主,本地贡献的差异与气体的化学反应活性有关,活性越强本地贡献比重越大。污染过程中12月7日至12月9日00:00为污染最严重的时段,污染物的本地贡献有明显上升。区域间输送的方向和强度与地面风向、风速有紧密的联系。在边界层高度范围内,大部分污染物越往高空本地排放源的贡献越弱,外来输送主导作用增强,而硝酸盐在地面、1 km和1.5 km的本地贡献差异远小于其他污染物。     

Responses of Physical, Chemical, and Biological Indicators of Water Quality to a Gradient of Agricultural Land Use in the Yakima River Basin, Washington

The condition of 25 stream sites in the Yakima River Basin, Washington, were assessed by the U.S. Geological Survey's National Water-Quality Assessment Program. Multimetric condition indices were developed and used to rank sites on the basis of physical, chemical, and biological characteristics. These indices showed that sites in the Cascades and Eastern Cascades ecoregions were largely unimpaired. In contrast, all but two sites in the Columbia Basin ecoregion were impaired, some severely. Agriculture (nutrients and pesticides) was the primary factor associated with impairment and all impaired sites were characterized by multiple indicators of impairment. All indices of biological condition (fish, invertebrates, and algae) declined as agricultural intensity increased. The response exhibited by invertebrates and algae suggested a threshold response with conditions declining precipitously at relatively low levels of agricultural intensity and little response at moderate to high levels of agricultural intensity. This pattern of response suggests that the success of mitigation will vary depending upon where on the response curve the mitigation is undertaken. Because the form of the community condition response is critical to effective water-quality management, the National Water-Quality Assessment Program is conducting studies to examine the response of biota to gradients of land-use intensity and the relevance of these responses to water-quality management. These land-use gradient pilot studies will be conducted in several urban areas starting in 1999.     

季节性Kendall检验分析湘江长沙段水质变化趋势

季节性Kendall检验是一种广泛应用于河流水质变化趋势分析的非参数检验。以湘江长沙段三汊矶断面2001—2011年水质监测结果为样本,运用季节性Kendall检验分析湘江长沙段水质变化趋势及影响因素,结果表明:氨氮浓度呈显著上升趋势,总磷浓度呈高度显著上升趋势,总镉、总砷浓度呈高度显著下降趋势,湘江长沙段水质主要受城市生活、工业和农业面源污染物排放的影响,河水流量对水质的影响相对较小。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...