奎河河水入渗对河岸带地下水氨氮和硝酸盐氮浓度的影响

为研究不同水文期河水与河岸带地下水的水量补给关系,以及河水中的氮污染物对河岸带近岸地下水水质的影响,选取了安徽省宿州市杨庄乡的奎河断面作为研究对象,基于氢氧同位素示踪技术、末端元混合模型、Pearson相关性分析和多元线性回归方法,分析河水、上游潜水等补给源对近岸含水层的ρ（NH₄+-N）和ρ（NO₃--N）的影响,并构建河岸带地下水氮浓度预测模型.结果表明:①平水期至丰水期期间河水与地下水的补给来源主要为大气降水,河水始终补给河岸带地下水,其中,河水对潜水层及弱承压层的补给率分别为10.87%~49.74%和0~19.78%.②空间分布上,ρ（NH₄+-N）和ρ（NO₃--N）均表现为河水>近岸潜水>近岸弱承压水,且在地下水中均呈现由河流向两岸递减的关系.③近岸潜水层与弱承压层的ρ（NH₄+-N）均随着河水和上游潜水ρ（NH₄+-N）贡献量的增加而升高,近岸潜水层的ρ（NO₃--N）随着河水和上游潜水ρ（NH₄+-N）贡献量的增加而升高.④相比于ρ（NO₃--N）,多元线性回归模型更能准确地预测近岸潜水层与弱承压层ρ（NH₄+-N）在ORP、ρ（DO）、河水ρ（NH₄+-N）贡献量,以及上游潜水ρ（NH₄+-N）和ρ（NO₃--N）贡献量综合影响下的变化趋势.研究显示,河水与上游潜水的线性混合是造成河岸带地下水氮污染的重要途径,河流氮污染防治措施将为河岸带地下水水质提供重要保障.      

基于源汇过程模拟的鄱阳湖流域总磷污染源解析

近年来鄱阳湖磷污染问题突出,总磷超标且浓度逐年增加,成为制约鄱阳湖流域（江西）经济社会可持续发展的重要因素.为科学解析鄱阳湖总磷污染来源,耦合多污染源污染负荷估算方法和SPARROW模型,建立基于源汇过程模拟的流域污染源解析技术方法,针对鄱阳湖流域13种总磷污染源开展负荷估算、模拟校核和入湖时空贡献定量解析.结果表明:①鄱阳湖总磷负荷以陆域输入为主（占90.8%）,主要污染来源为农业和城镇生活源,贡献率分别为56.4%和30.6%;污染来源按贡献率的大小排序依次为种植业（29.3%）>城镇生活（24.6%）>畜禽养殖（17.2%）>水产养殖（9.9%）>内源释放（6.9%）>城市径流（6.0%）>农村生活（2.2%）>工业企业（1.6%）>其他源（0.46%）.②在空间贡献方面,总磷入湖负荷主要来自于滨湖区和赣江集水区,贡献率分别为33.5%和31.8%,其他集水区总磷贡献率较小（合计为25.5%）,湖体贡献率为9.2%;同时,不同子流域污染源贡献结构也存在空间差异性.③在时间贡献方面,总磷入湖负荷量呈季节性波动特征,贡献峰值多出现在6月,雨季（3—8月）陆源输入负荷占全年的70%.④所构建的基于源汇过程模拟的污染源解析模型可用于流域水污染来源成因精细化解析.研究显示,鄱阳湖总磷污染来源具有明显时空差异性,建议围绕滨湖区和赣江集水区等高贡献区域设立优先管控区,重点针对种植业、城镇生活、畜禽养殖和水产养殖源,制定磷污染源汇过程减排政策措施,以改善鄱阳湖水环境质量.      

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

成都一次霾过程中颗粒物消光作用的垂直变化

基于2017年1月4~7日成都地区一次重霾过程中,颗粒物粒径谱的垂直加密观测和激光雷达同步观测数据,利用Mie散射理论计算颗粒物消光系数并与激光雷达反演结果对比,计算了不同粒径谱颗粒物消光系数以及消光贡献率.分析表明：重霾期间,在不同边界层高度上颗粒物消光系数表现为PM₁ > PM_2.5~10 > PM_1~2.5 > PM _{> 10},其中PM₁的消光贡献率整体上维持在49.5%~69.4%,是本次重霾过程中影响颗粒物消光系数大小的主要因子.在大气边界层内,不同粒径谱颗粒物消光作用呈现出显著垂直变化和昼夜差异,白天在600m以下和700~1100m之间颗粒物消光系数出现高值区;夜间颗粒物消光系数整体上随高度呈现出明显递减趋势,在1100m处出现高值.此外,夜间在200m以下颗粒物消光系数明显大于白天,且PM_>1的消光贡献率也明显大于白天.整体上,PM₁消光贡献率随高度递增,而PM_>1消光贡献率随高度递减.     

Contribution of motor vehicle emissions to organic carbon and fine particle mass in Pittsburgh, Pennsylvania: Effects of varying source profiles and seasonal trends in ambient marker concentrations

We present estimates of the vehicular contribution to ambient organic carbon (OC) and fine particle mass (PM) in Pittsburgh, PA using the chemical mass balance (CMB) model and a large dataset of ambient molecular marker concentrations. Source profiles for CMB analysis are selected using a method of comparing the ambient ratios of marker species with published profiles for gasoline and diesel vehicle emissions. The ambient wintertime data cluster on a hopanes/EC ratio–ratio plot, and therefore can be explained by a large number of different source profile combinations. In contrast, the widely varying summer ambient ratios can be explained by a more limited number of source profile combinations. We present results for a number of different CMB scenarios, all of which perform well on the different statistical tests used to establish the quality of a CMB solution. The results illustrate how CMB estimates depend critically on the marker-to-OC and marker-to-PM ratios of the source profiles. The vehicular contribution in the winter is bounded between 13% and 20% of the ambient OC (274±56–416±72 ng-C m⁻³). However, variability in the diesel profiles creates uncertainty in the gasoline–diesel split. On an OC basis, one set of scenarios suggests gasoline dominance, while a second set indicates a more even split. On a PM basis, all solutions indicate a diesel-dominated split. The summer CMB solutions do not present a consistent picture given the seasonal shift and wide variation in the ambient hopanes-to-EC ratios relative to the source profiles. If one set of source profiles is applied to the entire dataset, gasoline vehicles dominate vehicular OC in the winter but diesel dominates in the summer. The seasonal pattern in the ambient hopanes-to-EC ratios may be caused by photochemical decay of hopanes in the summer or by seasonal changes in vehicle emission profiles.     

重庆市污染源结构对大气SO_2浓度贡献的数值分析

运用三维欧拉传输、转换、迁移模式对重庆城区各种大气污染源对大气ＳＯ２浓度的贡献数值进行模拟，分析重庆城区ＳＯ２污染形成的原因。结果表明，民用源和低矮工业源对地面ＳＯ２污染浓度贡献最大，而中高架源则主要影响高层大气，是高空大气污染及酸雨形成的重要原因。     

杭州市大气NOx来源及控制对策研究

采用定常高斯模式和Thlong程序建立NOx污染源强与大气NOx浓度间定量响应数值模型，计算了点源，面源和流动源等各类的污染源对杭州市区各关心点NOx的平均贡献率，分别约为17％，17％和66％，其中市区机动车尾气贡献率高达50％左右，是首先要控制的污染源。同时提出NOx排放削减方案及实施后大气NOx质量改善状况，为环保管理部门削减NO x污染源提出供决策参考。     

风蚀对窟野河流域产沙贡献的时间尺度特征

风蚀在黄土高原风水蚀复合区的侵蚀产沙中扮演着重要的角色。利用窟野河流域神木水文站水沙资料及有关气象资料,分析了风蚀对窟野河神木水文站以上流域产沙贡献的时间尺度特征。结果表明,风力的侵蚀搬运对窟野河流域产沙起着重要的作用。月时间尺度上,风沙入河量存在"存储-释放"的过程;风蚀产沙贡献在3月和11-12月出现高峰值,4-9月风蚀贡献率逐渐降低;冬春季节淤积的泥沙,在夏季逐渐被冲走,到了9月,把淤积的泥沙最大限度冲走而开始新的淤积过程;月时间尺度上风蚀贡献率与风蚀气候因子分布趋势一致;7、8两月的风沙贡献量占年风蚀贡献总量的80.5%,风沙贡献量的峰值出现在7月,约7.75×10⁶ t。季尺度上,夏季风蚀贡献率最低,仅7.8%。秋、冬季逐渐升高,春季达到最高,风蚀贡献率为28.6%。年尺度上,风力作用对神木水文站以上流域的产沙贡献为17.2%,风蚀贡献量为12.7×10⁶ t/a。     

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM₁₀、PM_2.5、PM₁质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_2.5的超标天数为26d,南郊山区无PM_2.5超标,市区PM₁₀的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM₁₀日变化存在3个峰值,PM_2.5、PM₁为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.