多云天气异戊二烯排放通量的计算

根据2002和2003年夏季内蒙古草原的实测资料,发现多云天气下,云通过可见光辐射对异戊二烯排放带来明显影响.研究和提高云量较大条件下异戊二烯排放通量计算的准确性是非常必要和重要的,它将有助于全面了解和准确估算不同天气、所有时段异戊二烯的排放通量.研究表明,对于云量≥6的时段,可以将经验公式中的大气质量(m)取为1,并使用原计算系数来计算异戊二烯的排放通量,其计算值与观测值相对偏差的平均值可降为72%,该方法可以明显降低多云天气下排放通量计算值的不确定性.      

中国农田肥料N2O直接和间接排放重新评估

农田肥料(氮肥、复合肥、有机肥)是我国N₂O最大的排放源,其估计直接决定了排放总量的可靠性.为此,重新评估了中国农田肥料N₂O的直接和间接排放,选择2008年县域尺度活动数据、具有空间分异性的本土排放因子和参数来重新评估其排放规模、结构、空间格局及不确定性;通过与IPCC、EDGAR等国内外研究结果的对比分析,阐述该排放清单的可靠性和全面性.结果表明,2008年我国农田肥料N₂O排放总量为617.1 Gg(处于213.7~1149.2 Gg之间),其中,氮肥直接排放为458.8 Gg(74.5%),有机肥直接排放为121.0 Gg(19.6%),挥发沉降和淋溶径流造成的间接排放分别为28.0 Gg(4.5%)和9.3 Gg(仅占1.5%左右).排放集中在华北平原、东北的松辽平原、华中的淮河流域和四川盆地,以及华南的珠三角、雷州半岛和台湾地区的县(区、市、旗),主要分布在江苏(52.4 Gg)、四川(48.0 Gg)、湖北(43.2 Gg)、广东(40.8 Gg)、河南(39.6 Gg)、安徽(38.4 Gg)、湖南(31.6 Gg)、山东(28.9 Gg),其累积规模为全国总量的52%,其中,近50%的贡献源于164个县(区、市、旗).本排放清单具有更高的准确度和空间分辨率,而基于IPCC (2006)排放因子及参数的估计排放总量高估了约8.3%,对直接排放和间接排放则分别低估了12.5%和高估了330%.此外,在空间格局上还表现出高值区低估和低值区高估的特点,在491和1225个县(区、市、旗)的相对偏差超过了100%和50%,特别指出的是,间接排放在大部分县(区、市、旗)的相对偏差达到135%左右.     

纳氏试剂分光光度法测定水质氨氮不确定度的评估

本文对采用纳氏试剂分光光度法（HJ535-2009）测定水中氨氮的实验过程可能引入的各不确定分量的来源进行了详细的分析,然后对各分量进行评定,对测定不确定度做出评估。得出影响测定结果的几种重要因素。     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

城市非点源污染模型研究进展

回顾了城市非点源污染模型的发展历史,分析了能够模拟城市非点源污染的7个国外模型(SWMM、STORM、SLAMM、HSPF、DR3M-QUAL、MOUSE和HydroWorks)的特点、适用性和局限性,介绍了国外城市非点源污染模型不确定性研究方法和成果以及城市非点源污染分析概率模型,总结了国内城市非点源污染模型的研究成果.指出国外城市非点源污染模型在污染物累积和冲刷、泥沙和污染物运移、污染物的生化反应等方面模拟能力不足,而国内城市非点源污染模型多是经验模型,模拟面积较小,模拟精度较差.提出未来城市非点源污染模型研究应提高泥沙和污染物的模拟能力,探索无资料和不完全信息下城市非点源污染的模拟和预测,加强城市非点源污染随机性模型的研究,发展城市非点源污染模型与GIS的耦合应用.     

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

快速消解分光光度法测定低浓度水样化学需氧量的不确定度评定

摘要：运用测量不确定度评定的方法和程序,分析了快速消解分光光度法（HJ／T399—2007）测量水质化学需氧量测试过程中不确定度的来源,主要是标准溶液配制、标准曲线拟合、样品重复测定、分光光度计、取水样体积这五部分引入的不确定度。本次测量相对合成不确定度为0．027;最大的相对不确定度分量是标准曲线拟合引起的,相对不确定度为0．015;最小的相对不确定度分量是取水样体积引起的,相对不确定度为0．0032;本次测量结果为：56．0mg／L±3．04mg／L,k=2。     

原子吸收分光光度法测定水中铅的不确定度评定

对GB/T 7475-1987《水质铜、铅、锌、镉的测定》〔1〕原子吸收分光光度法测定水中铅的测量不确定度进行了评定。通过测量重复性、滴定管、移液管、标准溶液浓度等影响测量结果的不确定度分量的分析和量化,求得水中铅测定结果的相对合成标准不确定度。     

METHODOLOGIES FOR CALIBRATION AND PREDICTIVE ANALYSIS OF A WATERSHED MODEL1

ABSTRACT: The use of a fitted parameter watershed model to address water quantity and quality management issues requires that it be calibrated under a wide range of hydrologic conditions. However, rarely does model calibration result in a unique parameter set. Parameter nonuniqueness can lead to predictive nonuniqueness. The extent of model predictive uncertainty should be investigated if management decisions are to be based on model projections. Using models built for four neighboring watersheds in the Neuse River Basin of North Carolina, the application of the automated parameter optimization software PEST in conjunction with the Hydrologic Simulation Program Fortran (HSPF) is demonstrated. Parameter nonuniqueness is illustrated, and a method is presented for calculating many different sets of parameters, all of which acceptably calibrate a watershed model. A regularization methodology is discussed in which models for similar watersheds can be calibrated simultaneously. Using this method, parameter differences between watershed models can be minimized while maintaining fit between model outputs and field observations. In recognition of the fact that parameter nonuniqueness and predictive uncertainty are inherent to the modeling process, PEST's nonlinear predictive analysis functionality is then used to explore the extent of model predictive uncertainty.     

INVESTMENT SEQUENCING RECOGNIZING EXTERNALITIES IN WATER DESALTING1

ABSTRACT. The failure to recognize the learning process in new technologies such as desalting may lead to incorrect water resource investment decisions for two reasons. First, to neglect cost reductions stemming from “learning by doing” implies an overestimation of desalting costs. Second, since learning in a particular plant may result in external (learning) benefits to other plants, these may serve as the basis for a subsidy intended to internalize such benefits. Accordingly, the research reported below includes an estimation of learning functions for desalting and the results of a formulation designed to measure external benefits on the basis of these learning functions. These results are then incorporated into a decision framework for water resource investments which recognizes uncertainty in determining optimal timing of desalting construction.