化工区土壤中多环芳烃的污染特征及其来源分析

系统采集了天津滨海新区3个化工区28个表层土壤样品,利用GC/MS分析了16种US EPA优控多环芳烃(PAHs)的含量和组分特征,运用环数比值法和主成分因子载荷法揭示了其污染来源.结果表明,化工区土壤中PAHs最高含量达5 991.7　ng·g^-1(塘沽化工区),平均含量1 18５.０　ng·g^-1,与国内外相关研究比较,处于中高等污染水平,工业污染排放已明显影响到周边环境中PAHs的残留,且塘沽化工区＞汉沽化工区＞大港采油区;塘沽和汉沽2个化工区土壤中毒性较高的4环和5环PAHs均高于其他环数PAHs,大港采油区3环所占比例明显占主导;土壤有机碳(TOC)和PAHs之间存在显著相关关系(n=28,R²=0.847,p＜0.01),TOC是影响研究区域PAHs在土壤中分配的一个重要因素;煤燃烧的排放是化工区土壤中PAHs污染的主要来源,石油类挥发或泄漏对大港采油区影响显著.     

基于生物多样性保护的天津湿地生态旅游研究

在时生物多样性和生态旅游内涵探讨的基础上,对天津湿地的生物多样性现状进行系统的调查和论述,分析了天津湿地发展生态旅游的影响因素,并提出了相关的发展对策。     

A land use regression for predicting NO2 and PM10 concentrations in different seasons in Tianjin region,China

Land use regression (LUR) model was employed to predict the spatial concentration distribution of NO2 and PM10 in the Tianjin region based on the environmental air quality monitoring data. Four multiple linear regression (MLR) equations were established based on the most significant variables for NO2 in heating season (R2 = 0.74), and non-heating season (R2 = 0.61) in the whole study area; and PM10 in heating season (R2 = 0.72), and non-heating season (R2 = 0.49). Maps of spatial concentration distribution for NO2 and PM10 were obtained based on the MLR equations (resolution is 10 km). Intercepts of MLR equations were 0.050 (NO2, heating season), 0.035 (NO2, non-heating season), 0.068 (PM10, heating season), and 0.092 (PM10, non-heating season) in the whole study area. In the central area of Tianjin region, the intercepts were 0.042 (NO2, heating season), 0.043 (NO2, non-heating season), 0.087 (PM10, heating season), and 0.096 (PM10, non-heating season). These intercept values might imply an area’s background concentrations. Predicted result derived from LUR model in the central area was better than that in the whole study area. R2 values increased 0.09 (heating season) and 0.18 (non-heating season) for NO2, and 0.08 (heating season) and 0.04 (non-heating season) for PM10. In terms of R2, LUR model performed more effectively in heating season than non-heating season in the study area and gave a better result for NO2 compared with PM10.     

天津市大气污染源排放清单的建立

通过调研天津市工、农业生产和居民生活的统计资料,研究分析文献报道的各种污染源排放因子,计算出天津市各行业、各区县NOx、SO2、NMVOC、CO、NH3、PM10、PM2.5等污染物的排放量,发展了天津市2003年排放源清单.结果显示,天津市2003年各类污染物质的排放量NOx为1.77×105t,SO2为2.59 ×105t,NMVOC为2.24×105t,CO为1.33×106t,NH3为7.40×104t,PM10为2.52×105t,PM2.5为1.10×105t.从排放源的行业分布来看,燃煤源、汽车移动源、秸秆燃烧源是天津市大气污染物的重要排放源,燃煤源对各污染物的贡献分别为NOx46%,SO284%,NMVOC 1%,CO 58%,PM1018%,PM2.5 24%.火电、水泥、钢铁、炼焦、原油加工等行业依然是重要的工业污染排放源,火电对SO2的贡献为13%,钢铁对SO2的贡献为24%,对CO的贡献为30%.2003年天津市区对NO,、S02、NMVOC、CO等污染物的贡献均高于其它区县,对PM10、PM2.5的贡献也很高;塘沽区对NOx、SO2、NMVOC、CO等污染物的贡献很大,蓟县、武清区、宝坻区对NH3、PM10、PM2.5的贡献很大.     

基于回归分析方法的城市火灾预测——以天津市为例

城市火灾预测对于火灾预防和消防部署具有一定的指导意义.本文采用回归分析方法建立了幂函数、指数函数等多种火灾预测数学模型,应用所建立的火灾预测模型和SPSS软件对天津市7年的火灾统计数据进行了曲线拟合,并对各种模型进行了显著性检验和比较,结果表明指数模型作为火灾起数随年份变化的曲线模型,预测的下一年火灾情况与实际情况基本...     

广义回归神经网络预测天津城市用水量

通过对1991—1994年、1996～1999年、2001～2004年、2006—2007年天津城市年用水量相关的历史数据进行分析,利用广义回归神经网络进行训练和拟合,用1995年、2000年、2005年的实际数据进行模型检验,结果证明了广义回归神经网络用于城市年用水量预测的有效性和可行性。     

气象条件对天津冬季低层大气中PAN浓度的影响

采用在线仪器监测分析2017年冬季天津气象铁塔220m观测平台大气中过氧乙酰硝酸酯（PAN）的体积浓度,并结合污染物资料、气象观测资料和后向轨迹分析造成PAN高值的影响因素.观测期间天津城区大气中PAN的体积浓度平均值为（0.57±0.54）×10^-9,PAN体积浓度存在2个峰值,大体上对应着2次重污染过程.PAN与O₃间不存在明显的相关性,但与PM_2.5质量浓度相关性较好,表明光化学反应并非影响冬季PAN浓度的唯一因素,后向轨迹的聚类分析以及改进的静稳指数显示远距离输送和本地积累对PAN浓度的时空分布发挥了较大作用.对观测期间一次重污染天气过程中温度、相对湿度和风的垂直廓线,以及混合层厚度等气象条件的分析表明,PAN浓度上升既受到区域输送影响,也与静稳天气下的污染物积累有关.     

新标准下天津市大气环境监测预警体系的构建

通过对天津大气环境监测现状进行客观分析,并结合天津市整体发展规划、经济与环境发展的新需求,提出了构建天津大气环境监测预警体系的基本框架,将逐步以"三个说清"为目标,全面提升天津大气环境监测综合能力和水平,最终建立了天津大气环境监测预警体系。该研究完善了天津市PM2.5监测及预警能力,能够实现对主要污染源的实时监控,弥补了现有预报预警能力不足的情况,使我市环境空气质量预报更为科学准确,环境空气质量预警信息发布更为及时,能大幅提高天津市对重污染天气的应对能力。     

天津市地表水中新型优先污染物筛选与管控对策

新型污染物在地表水中频繁检出,威胁区域水生生态系统及人体健康.因其种类复杂且风险、毒性差异较大,目前基于新型污染物污染特性综合评估,进而确定新型优先污染物的相关研究仍不完善.以41种新型污染物为研究对象,采用污染物环境暴露水平、持久性、生物累积性、生态风险和健康风险这5个指标,建立以保护水生生物和人体健康为目标的综合评分方法,筛选识别天津市地表水环境中新型污染物,划分优先等级,构建优控清单,评价清单中污染物水环境生态风险和人体健康风险.结果表明,41种新型污染物在研究区域内均有检出,磺胺类抗生素（SAs）和其他类药物（others）浓度平均值最大,分别为200.04 ng·L^-1和176.30 ng·L^-1;其次是全氟化合物（PFASs,57.98 ng·L^-1）.以污染物类别计,高优先级以PFASs （占比50%）为主;中级优先级仍以PFASs （占比26.32%）为主,比重有所下降;低优先级以SAs （占比31.25%）为主.高优先级污染物全氟辛基磺酸（PFOS）、全氟辛酸（PFOA）、卡马西平（CBZ）、咖啡因（CAF）、全氟己基磺酸（PFHxA）和克拉霉素（CLA）列为优控清单;与其它污染物相比,PFOS和PFOA的持久性、生物累积性和健康风险得分较高,CBZ和CAF的生态风险得分较高.CAF的风险商（RQ）平均值为4.8,具有相对较高的生态风险.健康风险表明,PFOA （风险商平均值HQ为0.018）累积效应带来的潜在风险不可忽视.针对优控清单,CAF在污水处理厂的处理率高,应加强管网和高植被盖度的河岸带建设,减轻未处理污水排放和降雨径流对地表水的影响;处理率较低的污染物应运用多技术组合工艺提高对其去除效率;此外,应加快行业替代工作,减少全氟类化合物（PFOS、PFOA和PFHxA）的排放.     

天津市环境空气中细粒子的污染特征与来源

于2006年8─12月,在天津市中心城区采集细粒子(PM_2.5)并测定其中水溶性无机离子和元素的质量浓度,应用因子分析与多元线性回归技术解析PM_2.5的来源. 结果表明:ρ(PM_2.5)月均值为103.9～217.4 μg/m3,呈冬季最高、夏季最低的特征. 水溶性无机离子质量浓度占ρ(PM_2.5)的比例为24.90%～49.76%,其中ρ(SO₄2－),ρ(NO₃－),ρ(NH₄+)与ρ(Cl－)之和约占离子总质量浓度的90%. 在夏季,二次粒子质量浓度占ρ(PM_2.5)比例最大,这与SO₂向SO₄2-,NO₂向NO₃-的转化率升高有关. PM_2.5中Cl富集主要与燃煤等人为排放有关, 海盐源对Cl－的贡献不足20%. 天津PM_2.5中含量最高的元素为Si,约占元素总质量浓度的28.4%. 微量元素中以Zn和Pb的含量最高,二者主要来自燃煤和机动车排放. 源解析结果表明,二次污染、化石燃料燃烧、土壤尘和建筑粉尘是天津市环境空气中PM_2.5的主要来源,贡献率分别为53.4%,25.8%,12.3%和8.6%.