基于受体模型和源成分谱的缺失组分反演算法

针对目前在线监测仪器无法监测Al、Si标识组分可能增加源解析结果不确定性的问题,基于正交矩阵因子分解法模型和实测源成分谱反演Al、Si受体数据,提出缺失组分反演-嵌套PMF算法.设置周期性和非周期性模拟实验,利用PMF模型对缺失Al、Si受体数据、含反演Al、Si受体数据和含Al、Si受体数据分别进行源解析评估,并将源解析结果与真实值进行对比分析,验证缺失组分反演-嵌套PMF算法的可靠性.研究结果表明对于周期性扰动模拟实验,缺失Al、Si对解析土壤源、机动车、燃煤源有较大的影响,反演Al、Si能优化源解析结果,降低源解析结果的不确定性.     

西安冬季重污染过程PM2.5理化特征及来源解析

基于单颗粒气溶胶质谱仪（SPAMS）观测数据、颗粒物质量浓度数据和气象要素数据,研究了2017年11月西安市一次重污染过程中细颗粒物的化学组分特征及其成因,并使用正矩阵因子分析法（PMF）对细颗粒进行了来源解析.结果表明,西安市冬季重污染过程中细颗粒物主要类型为有机碳（OC）、元素碳（EC）、混合碳（ECOC）、富钾（K）、钠-钾（Na-K）、有机胺（amine）、矿尘（dust）和重金属（HM）,其主要来源为燃煤（24.9%）,二次（29.3%）,工业（19.3%）,交通（13.3%）,生物质燃烧（5.2%）和扬尘（1.9%）.通过对比分析不同污染过程细颗粒物的理化特征,发现高湿度,低风速的不利气象条件和供暖及工业生产导致的燃煤污染、二次污染,是此次重污染过程的主因.     

基于多源遥感数据的锡尔河中下游农田土壤水分反演

机器学习结合多源遥感数据反演土壤水分含量（SMC）是目前SMC研究的热点,因较少考虑温度、蒸散等重要SMC影响因子,反演结果存在一定的不确定性。利用Sentinel-1影像、MODIS产品和SRTM数据,提取雷达后向散射系数等32个SMC影响因子,经相关分析选择27个显著的SMC影响因子（P<0.05）作为反演因子,并设计三组因子组合。这三组因子组合分别与随机森林、支持向量回归、BP神经网络三种机器学习方法结合,发现基于随机森林结合所有因子的方案,其SMC反演精度最高,该组合均方根误差RMSE为0.039 m³/m³,将该方案被用于反演2017年生长季锡尔河流域中下游平原区农田SMC。结果表明：从上部至下部SMC总体呈逐渐增加的态势,但存在显著时空差异,春季和秋季SMC较高而夏季较低。SMC差异主要由土壤质地、热量条件和地表植被状况差异引起。春季平原区下部农田SMC要高于上部,SMC的主控因子是土壤质地和地表植被状况;在夏季,土壤水分的主控因子是热量条件,农田灌溉弥补了热量条件差异对土壤水分的影响,导致空间上平原上部和下部土壤SMC空间差异不显著;秋季SMC的主控因子植被状况抵消地表温度和土壤质地差异对SMC的影响,使得秋季SMC空间差异不显著。本文采用的研究方法在一定程度上克服了因考虑SMC影响因子不足而获取更高SMC精度的限制。     

不同特征污染源中指示性药物和个人护理品识别与筛选

通过分析我国地表水中药物和个人护理品（PPCPs）主要污染源排放特征,识别和筛选出咖啡因、卡马西平和磺胺嘧啶为我国地表水环境中的指示性PPCPs（i-PPCPs）,分别指征城镇生活污水、城镇污水处理厂出水和养殖废水三类特征污染排放源.同时,基于筛选的i-PPCPs开展了初步应用研究,结果表明,生活污水是北运河和黄浦江流域地表水中PPCPs的主要来源.研究结果为构建更综合和有效的PPCPs的溯源体系,识别我国城市地表水环境中PPCPs的主要排放源提供了理论依据.     

基于PMF模型的土壤重金属源解析中变量敏感性研究

为探究应用受体模型对土壤污染物进行源解析,输入变量对模型运行及其结果的影响,以乐安河中上游地区土壤重金属调查数据作为典型受体模型（PMF模型）的输入数据集,并在PMF模型基础方案运行结果的基础上,采用局部敏感性分析法来探讨输入变量变化对模型诊断及源识别结果的影响.结果表明：6因子数情景是研究区土壤重金属源解析PMF模型最佳运行结果;土壤中Cu、Mo、Na₂O、As、Mn和Cd等参数属于敏感变量,这些变量均为每个因子中的主要载荷元素,即每个源的特征污染物;不同变量的敏感性有较大差异,Cu、Mo的总敏感性最大,分别为12.1,8.2,大于其他输入变量的敏感性.因此,在应用PMF模型进行源解析时,特征污染物是敏感性较强的变量,其数据质量的优劣是影响源解析结果可靠性的重要因素.     

广西水生蔬菜土壤多环芳烃污染特征

为研究水生蔬菜土壤中多环芳烃(PAHs)的污染水平,以广西水生蔬菜和相邻地块陆生蔬菜土壤作为研究对象,采集表层土壤,比较16种PAHs的污染特征,分析PAHs主要来源,评价潜在的生态风险。结果表明,研究区内水生蔬菜土壤中5、6环PAHs和7种致癌性PAHs的含量显著地高于陆生蔬菜土壤,2,3环PAHs的含量低于陆生蔬菜土壤,4环PAHs的含量没有显著差异;水生蔬菜和陆生蔬菜土壤中7种致癌性芳烃∑7cPAHs的平均贡献率分别为49. 03%和37. 61%,大部分样点属于重度污染水平;三种水生蔬菜土壤PAHs的污染模式相似,以4,5环PAHs为主,其次为2,3环PAHs,6环PAHs的含量最低。通过同分异构体比值法和主要成分分析法分析,发现土壤PAHs的主要来源为机动车尾气排放和生物质不完全燃烧。水生蔬菜土壤PAHs的苯并(a)芘总毒性当量为174. 59μg/kg,显著高于陆生蔬菜土壤的105. 54μg/kg,二者均低于加拿大土壤质量指标600μg/kg,但潜在的生态风险不可忽视。     

基于PMF量化工业排放对大气挥发性有机物(VOCs)的影响:以南京市江北工业区为例

挥发性有机物(VOCs)在臭氧(O3)和二次有机气溶胶(SOA)生成中起着关键作用.南京市江北地区工业密集,为评估工业排放对大气VOCs的影响,本研究于2017年3月在工业区受体点南京信息工程大学(南信大)开展了为期近1个月的VOCs采样和测量.监测数据显示南信大站点大气VOCs浓度波动大,范围(体积分数)在10.3×10-9~200.5×10-9之间,烯烃、芳香烃和卤代烃等组分(例如:乙烯、丙烯、苯、苯乙烯、二氯甲烷等)存在明显的异常高值.利用正交矩阵因子模型(PMF)对VOCs进行来源解析,结果显示在观测期间与工业排放相关源的平均贡献为50.0%,其中石化源、化工源以及涂料和溶剂使用源的贡献分别为14.9%、19.3%和15.8%.在VOCs高污染时段,与工业排放相关源的占比高达74.9%.进一步结合风速和风向数据,确定了不同类型工业源的主导方位,追溯排放源的潜在位置.     

江苏省人为源VOCs排放清单及其对臭氧生成贡献

基于江苏省工业、能源、环境等活动水平数据,结合排放因子法和源成分谱研究成果,建立了江苏省分市、分行业、分物种人为源VOCs排放清单,利用最大增量反应活性(MIR)估算了其对臭氧的生成贡献.结果显示,江苏省2015年VOCs人为源排放量为192.78万t,化石燃料燃烧、工业过程源、有机溶剂使用源、生物质燃烧源、移动源、有机溶剂储运源排放质量分数分别为7.38%、27.93%、39.56%、3.55%、16.18%、5.39%.苏州、南京、徐州3市VOCs排放量居全省前三位,均超过20万t.56种臭氧前驱物所产生的臭氧生成潜势(OFP)总量为542.95万t,行业分布与VOCs排放总量的行业分布相似,机械设备制造、交通工具制造、建筑装饰等涂装行业对OFP的贡献比例是VOCs排放总量贡献比例的1.3~1.6倍,控制喷涂行业等量的VOCs会产生更大的OFP削减.对OFP贡献大的前10位物种分别是间/对-二甲苯、乙烯、丙烯、1,3-丁二烯、甲苯、邻-二甲苯、1-丁烯、乙苯、1,2,4-三甲基苯、对-乙基甲苯,对总OFP的贡献为75.63%.     

厦门杏林湾水系表层沉积物中PAHs分析与风险评估

利用ASE-GC-MS(加速溶剂萃取与气相色谱质谱仪联用)方法分析了USEPA(美国环保署)16种优控PAHs在厦门城郊杏林湾水系的19个表层沉积物样点中的含量,并对其组成、来源和风险进行了探讨.结果表明,杏林湾水系表层沉积物中PAHs含量介于413.00~2 748.81 ng·g-1,均值为949.56 ng·g-1;在检测出的13种PAHs中,强致癌性的Bk F和Bghi P检出率高达73.68%,均值分别为69.15 ng·g-1和49.86 ng·g-1;PAHs以2~4环为主,其中2+3环比例均值为61.03%,4环比例均值为23.53%;5和6环均值为15.82%.在所采集的沉积物样品中,中度污染占调查样品数的68.42%,高度污染的占31.58%.利用Ant/(Ant+Phe)和Fla/(Fla+Pyr)比值法和主成分分析方法对杏林湾流域中PAHs其来源进行分析,以及平均沉积物质量基准商(m SQG-Q)法进行生态风险评估,结果表明其PAHs的主要来源为石油源以及石油燃烧源;SQG-Q小于0.50;综合含量、组成特征以及沉积物质量基准商等评价表明,研究区域内靠近杏林工业区一侧的2、3、5和9号采样区以及13号港头采样区表层沉积物中PAHs具有较高的生态安全风险;值得进一步关注.     

洛阳市大气细颗粒物化学组分特征及溯源分析

为研究洛阳市大气细颗粒物(PM2.5)的化学组分及来源的时空分布特征,对汾渭平原地区较为欠缺的PM2.5相关研究进行补充,在2018年4月至2019年1月在洛阳市高新和林校2个点位进行了样品采集,对P(PM2.5)、化学组分(水溶性离子、碳质组分、元素)和来源进行分析.2个点位的年均ρ(PM2.5)分别为(76.6±37.9)μg-m-3和(83.2±38.9)μg·m-3,季节变化由高到低均为:冬季、春季、秋季和夏季.高新和林校的9种水溶性离子浓度分别占PM2.5的 55.1％和54.2％,林校的二次离子(NO3-、SO42-和NH4+)年均浓度之和高于高新.高新和林校的ρ[有机碳(OC)]、P[元素碳(EC)]分别为(12.4±7.7)μg·m-3、(1.2±0.5)μg·m-3和(13.4±7.7)μg·m-3、(1.3±0.5)μg·m-3,林校的含碳组分在各季节均高于高新;高新和林校冬季的二次有机碳(SOC)在OC中质量分数分别为67.8％和77.3％,远高于其他季节.化学质量平衡结果表明,高新和林校的主要贡献源均为二次硝酸盐(26.9％和27.1％)、二次硫酸盐(14.5％和14.8％)、燃煤(12.6％和11.6％)、SOA(10.8％和12.2％),高新的生物质源贡献较高,而林校的扬尘源和机动车源贡献较高.后向轨迹和潜在源贡献因子分析表明,洛阳市春季不仅受到来自西北方向的传输,来自西南地区的污染传输也不能忽略;夏季既受到正东方向的季风影响,又有来自正南方向的潜在污染;秋季污染物主要来自东南方向,同时也存在西北方向的潜在来源;冬季受到的传输影响则主要来自周边区域,污染来源较为集中.