铁基质强化新型功能性化粪池高效处理黑水的试验

以铁基质生物载体为核心,将物理、生物和化学方法结合,对化粪池进行功能强化,实现黑水的原位深度处理.探究了溶解氧（DO）和碳氮比（C/N）等因素对黑水中污染物降解的影响,并在最佳运行参数下考察了氮素在系统中的转化机制.结果表明,当C/N为7.3~8.4时,好氧生物铁基质载体池DO为2.3~2.7mg/L时,系统氨氮（NH₄⁺-N）、总氮（TN） 、COD和总磷（TP）的平均去除率分别可达90.74%、85.81%、92.65%和95.78%;当进水C/N降至3.3~4.2时,系统NH₄⁺-N、TN、COD和TP的平均去除率仍可维持在81.16%、76.62%、93.87%和94.75%.铁基质生物载体内电解作用显著强化了化粪池内TN的脱除、COD的氧化和TP的固定.氮素转化机制分析表明,内电解与反硝化菌的耦合强化了反硝化作用,降低了反硝化过程对有机碳源的需求,强化了低C/N条件下TN、TP的脱除.     

CeO2形貌结构对催化湿式空气氧化苯酚性能的影响

采用水热法、沉淀法和溶胶凝胶法制备了3种不同形貌的CeO₂催化材料,并将其用于湿式空气氧化苯酚水溶液过程中,探讨了CeO₂形貌结构对催化湿式氧化苯酚水溶液性能的影响.采用扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）、程序升温还原（TPR）等手段对CeO₂催化材料进行了表征.结果表明,水热法制备的CeO₂催化材料表现出较好催化性能,主要原因是水热法合成的CeO₂呈现交错的纳米棒状结构,主要暴露（220）晶面,且沿着（220）晶向生长.在反应温度为200℃、空气压力为2MPa、苯酚初始浓度500mg/L的条件下,最终（240min）COD的去除率为95.5%.     

Ni2+对好氧颗粒污泥系统性能的影响

以城镇污水处理厂A²/O工艺的回流污泥作为接种污泥,在序批式反应器（SBR）中培养好氧颗粒污泥（AGS）,探究Ni²⁺对AGS系统的影响.结果表明：在25℃的条件下,50d左右培养出成熟的AGS,其形态多呈球状或椭球状,外表分布着少量丝状菌,颗粒污泥粒径主要在2~4mm,MLSS达6000mg/L,SVI维持在40~50mL/g.将Ni²⁺作用于培养出的成熟AGS,Ni²⁺在0~2mg/L的浓度范围内会提高AGS的稳定性,使MLSS上升,SVI降低;同时会促进AGS分泌胞外多聚物（EPS）,EPS组成成分中的蛋白质（PN）明显多于多糖（PS）;Ni²⁺对好氧颗粒污泥去除总氮（TN）的抑制程度要大于COD,最终COD去除率可维持在95%以上,TN去除率可维持在70%以上.     

水体及沉积物氮磷水平对附植藻类的影响

为了探讨湖泊富营养化过程中沉积物及水体氮、磷浓度对附植藻类的影响,通过室内模拟实验,研究了水体及沉积物氮、磷升高对苦草(Vallisnerianatans(Lour.) Hara)上附植藻类生长、群落组成及其体内氮、磷含量的影响.结果表明,在实验条件下,随着水中氮、磷含量升高,附植藻类生物量及附植藻类氮、磷含量均呈极显著增加(p0.01).随着水体可获得的氮、磷浓度升高,附植藻类的相对丰度有所变化,舟形藻(Navicula)、小球藻(Chlorella)及微囊藻(Microcystis)相对丰度随着氮、磷水平的升高而下降,直链藻(Melosira)则相反,但舟形藻、直链藻、微囊藻、小环藻(Cyclotella)和小球藻均为群落的优势属种.沉积物氮、磷含量升高对附植藻类生物量、优势种丰度及群落氮、磷含量影响较小,均未达到显著水平(p0.05).在实验条件下,沉积物氮、磷含量对附植藻类影响不大,而水体氮、磷浓度升高显著地促进了附植藻类生长.研究结果也为解释富营养化湖泊沉水植物衰退及消亡提供了一定的科学依据.     

基于铁锰泥的除砷吸附剂性能比较及吸附机理

为解决反冲洗铁锰泥粉末吸附剂（BSPA）使用后难以泥水分离问题,将除铁锰水厂生物滤池产生的反冲洗泥制成颗粒吸附剂（GA）和磁性粉末吸附剂（MPA）,并对BSPA、GA和MPA的除砷性能进行了比较,通过SEM、TED、XRD、BET、FTIR等技术对3种材料进行了表征,寻找3种吸附剂之间除砷性能差异的根源.结果表明,BSPA、GA和MPA对As （V）的最大吸附容量分别为40.980,5.048,8.694mg/g,改性后的吸附材料GA和MPA对砷的吸附能力下降.BSPA是一种以纤铁矿为主的无定形结构混合物,并混有针铁矿和结晶度差的水铁矿,GA的XRD图谱中出现石英晶体和少量赤铁矿晶体的衍射峰,而MPA的主要成分为结晶程度较高的磁赤铁矿.3种材料中均存在有利于吸附的含羟基官能团.BSPA、MPA和GA的比表面积分别为253.150,238.660,43.803m²/g.物相改变且结晶程度增加、表面羟基减少和比表面积降低是导致GA和MPA的砷吸附容量比BSPA低的主要因素.     

牛粪-化肥配施对水稻田氮磷迁移转化的影响

在控制外源N输入量相同的前提下,通过田间小区实验,探讨有机肥与化肥不同施用量（牛粪施用量：5,10,20t/hm²）对稻田田间土-水界面氮磷迁移转化特征的影响.结果表明：控制稻田水中NH₄⁺-N、NO₃^--N、TN和TP输出的最佳时期分别为施肥后的第5,30,7,20d,且TN和TP浓度随时间变化符合单指数衰减方程（0.7444≤R²≤0.9724;1.1×10^-6≤F≤0.0055）.采用牛粪部分代替化肥的施肥方式,在一定范围内能降低稻田退水中TN、TP输出负荷（41.8%、36.0%、64.3%;20.3%、39.1%、48.9%）,还可以降低稻田水中N/P,降低水体富营养化风险.同时,牛粪的施用可提高土壤中脲酶和磷酸酶的含量,促进氮磷向植物可吸收形态转化.综合经济成本和生态效益核算,采用10t有机肥代替无机肥的处理是相对经济环保的施肥方法,该施肥方式下,氮磷年输出负荷分别为17.70,1.26kg/hm².     

在线自动监测仪与实验室国标方法测定地表水中总氮的比对分析

随着监测技术的发展,地表水中越来越多的污染物可采用自动监测仪器实现实时监测。采用自动监测与实验室国标方法测定地表水中总氮的结果是否可比以及造成差异的原因,文章根据实际样品比对实验对此进行了探讨。     

水中氮类污染物的联系与区别

叙述了水体中含氮类污染物的来源，种类，相互转化方式和条件，表征意义等，以便对水中氮类污染物有一个全面，系统的认识。     

氨氮测定过程中有关问题的探讨

针对纳氏比色法测定氨氮过程中存在的问题，提出了相应的解决办法。消除了混浊和泡沫干扰问题，降低了空白吸光度，提高了测定的准确度。     

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.