杭州湾北岸36种挥发性有机物污染特征及来源解析

为研究杭州湾北岸VOCs（挥发性有机物）的浓度水平、组成特征、反应活性和潜在来源,采用GC-FID在线监测系统对杭州湾北岸环境大气中的36种VOCs开展了为期1 a（2017年12月-2018年11月）的连续观测,采用LOH（VOCs的·OH消耗速率）和OFP（O₃生成潜势）2种方法估算了大气VOCs的反应活性,并利用PMF（正定矩阵因子分解）和CPF（条件概率函数）模型分析其来源.结果表明:①φ（VOCs）小时平均值在冬季（26.47×10-9）最高,夏季（9.76×10-9）最低;全年φ（VOCs）小时平均值为21.24×10-9,其中烷烃、烯烃+炔烃、芳香烃、卤代烃的贡献率分别为33.24%、34.13%、15.63%、17.00%;φ（烷烃）、φ（芳香烃）和φ（卤代烃）呈较明显的昼夜变化特征,φ（烯烃）和φ（炔烃）无明显昼夜变化趋势.②大气VOCs的总LOH和OFP分别为9.39 s-1和220.57 μg/m3,KOH（·OH反应速率常数）和MIR（最大增量反应活性）系数的平均值分别为17.34×10-12 cm3/（molecule·s）和3.31;KOH和MIR系数的平均值分别与间/对-二甲苯的KOH和乙苯的MIR系数接近,表明大气VOCs的化学反应活性较强;VOCs关键活性物种为异戊二烯、乙烯、丙烯、甲苯、二甲苯和顺-2-丁烯.③特征物种相关性分析表明,杭州湾北岸大气存在老化现象,异戊烷和正戊烷受煤燃烧源影响较大,二甲苯和乙苯受溶剂排放源影响较大,甲苯和苯除受机动车尾气影响外,还受其他排放源影响.④PMF和CPF模型来源分析表明,大气VOCs主要来自石化工业源、燃料挥发源、生物质燃烧和煤燃烧源、机动车排放源和溶剂使用源,其中,机动车排放源主要来自西北方向,其他源主要来自西北、西和西南方向.研究显示,杭州湾北岸大气VOCs来源复杂,受周边工业区的影响较大.      

On-going nitrification in chloraminated drinking water distribution system (DWDS) is conditioned by hydraulics and disinfection strategies

Within the drinking water distribution system (DWDS) using chloramine as disinfectant, nitrification caused by nitrifying bacteria is increasingly becoming a concern as it poses a great challenge for maintaining water quality. To investigate efficient control strategies, operational conditions including hydraulic regimes and disinfectant scenarios were controlled within a flow cell experimental facility. Two test phases were conducted to investigate the effects on the extent of nitrification of three flow rates (Q = 2, 6, and 10 L/min) and four disinfection scenarios (total Cl₂=1 mg/L, Cl₂/NH₃-N=3:1; total Cl₂=1 mg/L, Cl₂/NH₃-N=5:1; total Cl₂=5 mg/L, Cl₂/NH₃-N=3:1; and total Cl₂=5 mg/L, Cl₂/NH₃-N=5:1). Physico-chemical parameters and nitrification indicators were monitored during the tests. The characteristics of biofilm extracellular polymetric substance (EPS) were evaluated after the experiment. The main results from the study indicate that nitrification is affected by hydraulic conditions and the process tends to be severe when the fluid flow transforms from laminar to turbulent (2300<Re<4000). Increasing disinfectant concentration and optimizing Cl₂/NH₃-N mass ratio were found to inhibit nitrification to some extend when the system was running at turbulent condition (Q = 10 L/min, Re = 5535). EPS extracted from biofilm that was established at the flow rate of 6 L/min had greater carbohydrate/protein ratio. Furthermore, several nitrification indicators were evaluated for their prediction efficiency and the results suggest that the change of nitrite, together with total organic carbon (TOC) and turbidity can indicate nitrification potential efficiently.     

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

武当山夏季颗粒物数浓度谱分布特征及气团来源影响研究

为研究大气边界层中上层大气颗粒物的数浓度谱分布特征及气团来源的影响,于2018年6月利用3080型SMPS粒径谱仪对武当山14.6~660 nm颗粒物数浓度谱进行观测,分析和探讨了其数浓度谱分布及日变化特征,并结合后向轨迹、潜在源贡献因子法（PSCF）与浓度权重轨迹分析法（CWT）探讨对武当山颗粒物数浓度影响较大的外源输送路径和贡献源区.结果表明:①武当山大气颗粒物主要以爱根模态为主,平均数浓度为2 500个/cm3,积聚模态、核膜态平均数浓度分别为2 265、359个/cm3,3种模态数浓度分别占总数浓度的48.79%、44.21%、7.01%.②在新粒子生成日,核膜态数浓度于10:00开始上升,11:00—17:00的核膜态数浓度相对较高,约2 000个/cm3.新粒子生成日ρ（SO₂）与ρ（O₃）的日变化趋势均与核模态数浓度较为相似,表明SO₂和O₃参与光化学反应后的产物（硫酸及有机物）有利于新粒子的生成与增长.新粒子生成日风速、温度均大于非新粒子生成日,但相对湿度较低.③在东部及局地气团影响下大气颗粒物主要以积聚模态为主,数浓度分别为2 311和2 596个/cm3;核模态、爱根模态数浓度在受西北气团影响时最大,数浓度分别为806和3 078个/cm3.④潜在源区分析表明,影响武当山积聚模态数浓度的主要源区为十堰市本地及襄阳市,二者贡献值在840个/cm3以上.研究显示,武当山颗粒物主要以爱根模态为主,颗粒物数浓度日变化主要受大气边界层发展及山谷风的影响,较高的ρ（SO₂）与ρ（O₃）以及高温、低湿及较大的风速均有利于新粒子的生成,周边城市的区域性传输对武当山颗粒物的影响较大.      

长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析

为研究长三角背景点夏季PM_2.5污染特征,于2018年5月30日—8月15日在上海市崇明岛对PM_2.5样品进行昼夜采集,并对其中水溶性无机离子(Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+)进行了分析.运用PSCF(潜在源贡献)方法判别污染物排放源区,并结合PCA(主成分分析)和PMF(正交矩阵因子)源解析探究PM_2.5来源.结果表明:①观测期间崇明岛ρ(PM_2.5)平均值为(33±21)μg/m3,低于GB 3095—2012《环境空气质量标准》一级标准限值(35 μg/m3),但在部分时段存在显著超标现象,ρ(PM_2.5)最高值在120 μg/m3以上.②水溶性无机离子质量浓度平均值为(14±9.3)μg/m3,占PM_2.5的42.4%,其中SNA(SO₄2-、NO₃-、NH₄+三者统称)为主要离子,占水溶性离子总质量浓度的85.7%.③n(NH₄+)/n(SO₄2-)(NH₄+与SO₄2-的摩尔浓度比)显示,清洁期〔ρ(PM_2.5) < 15 μg/m3〕呈贫铵状态,过渡期〔15≤ρ(PM_2.5)≤35 μg/m3〕和污染期〔ρ(PM_2.5)>35 μg/m3〕均呈富铵状态;过渡期SNA主要以NH₄HSO₄和NH₄NO₃形式存在,而污染期则主要以(NH₄)₂SO₄和NH₄NO₃形式存在.④通过对两次典型污染事件进行离子相关性分析和PSCF分析发现,E1污染事件(5月30日—6月8日)为局地生物质燃烧型污染事件,E2污染事件(7月23日—8月1日)为区域传输污染事件.源解析结果进一步表明,两次典型污染事件期间气态污染物的二次转化对PM_2.5的贡献最显著,贡献率分别为62.8%和59.8%;其次是生物质燃烧,其贡献率分别为32.5%和20.1%;E2污染事件期间海盐源对崇明岛PM_2.5贡献率较高(16.6%),远超过E1污染事件期间对PM_2.5的贡献率(2.7%).研究显示,区域输送对崇明岛PM_2.5有显著贡献,二次颗粒物累积是崇明岛PM_2.5超标的主要原因.      

加入SOA示踪的深圳大气PM2.5受体模型源解析

为厘清包括二次有机气溶胶（SOA）在内的深圳市区PM_2.5各种一次和二次来源贡献,本文于2017年9月2日~2018年8月29日在深圳市大学城点位开展PM_2.5样品采集,并进行化学组分和水溶性有机物（WSOM）质谱测量,共获得162组有效数据.观测期间深圳市大气PM_2.5平均质量浓度为26μg/m³,在传统PMF源解析的基础上加入羧基离子碎片（CO₂⁺）作为SOA的示踪物,加入水溶性有机氧（WSOO）用于计算各因子O/C,验证有机物解析效果.结果表明,SOA可以被独立解析出,其O/C明显高于其他一次污染源中有机物;机动车、二次硫酸盐、二次硝酸盐、SOA为最主要的4个源,对PM_2.5质量浓度的贡献分别为25%、23%、17%和10%,船舶、地面扬尘、老化海盐、建筑尘、生物质燃烧、燃煤和工业贡献均在5%以内.各个源的变化特征表明,机动车、二次硫酸盐、二次硝酸盐、SOA等源贡献呈现冬高夏低的季节特征,与冬季季风条件下源自内陆的污染传输密切相关.污染天气时,二次硝酸盐和SOA的贡献增加相对最显著,因此NOx和挥发性有机物是减排的关键.     

生物炭复合青霉菌修复砷污染土壤对其微生物群落功能多样性的影响

真菌修复砷污染土壤是一种能够有效吸附固化环境中砷的重要措施.生物炭作为目前修复重金属的热点,其多空疏松的结构、较高的离子交换量、丰富的有机碳含量等都说明了其在土壤修复中的地位.为了探究生物炭与青霉菌在修复砷污染土壤的同时对土壤中微生物活性及其多样性的影响,在室内孵育条件下,运用Biolog法研究了3×3随机区组试验（3个生物炭梯度分别为0%、2%、4%,3个青霉菌梯度分别为0%、10%、20%）下土壤微生物对不同类型碳源的利用能力以及多种功能性指数的影响.结果表明:①添加青霉菌与生物炭后,土壤中有效砷含量较对照组显著下降,从而影响其微生物群落功能多样性.②砷污染土壤中微生物群落功能多样性、碳源利用丰富度随生物炭浓度梯度的升高呈先升后降的趋势.③高接菌量（20%）与低接菌量（10%）对砷污染土壤中微生物群落功能多样性的影响没有显著性差异.④2%生物炭与10%青霉菌处理土壤中微生物群落功能多样性、碳源利用丰度最高.⑤青霉菌对胺类及少部分酸类碳源的利用能力较弱（AWCD < 0.5,AWCD为Biolog微平板孔中溶液吸光值平均颜色变化率）,对氨基酸类中大部分碳源以及脂类碳源的代谢能力较强（AWCD>1.0）,对糖类、酚酸类的代谢能力稍弱（AWCD为0.3~1.0）,青霉菌对D-半乳糖醛酸、L-天冬酰胺酸、L-丝氨酸、L-精氨酸、r-羟基丁酸这5种碳源的利用率最高（AWCD>1.2）.研究显示,低浓度生物炭可增加砷污染土壤中微生物群落多样性,生物炭含量的继续增加会对微生物产生抑制作用;青霉菌添加到砷污染土壤后,会显著提升砷污染土壤中微生物的群落功能多样性,改善砷污染土壤中微生的物群落结构;青霉菌的优势碳源大多为植物根系分泌物,可为后续青霉菌与超积累植物复合修复砷污染土壤提供参考.      

关于在长江经济带布局以水质改善为目标的流域生态缓冲体系的思考

生态缓冲带能够有效减缓流域内的人类活动或自然过程对水环境和水生态系统的影响.在长江经济带构建流域生态缓冲体系,对长江生态保护修复具有十分重要的意义.讨论了构建流域生态缓冲体系涉及的生态缓冲带位置选择、缓冲体系所占最低面积比率、宽度划定等一些基本的原则要求;利用卫星遥感影像数据,提取各汇水单元的地形特征、土地利用类型特征、土壤类型、土壤侵蚀强度、水文水系等数据,对长江经济带流域生态缓冲体系进行布局.结果表明:①长江经济带内林草地是主要土地利用类型,占区域总面积的62.46%,但是分布很不均匀,主要集中在西部高地和中下游的丘陵地带,在人口密集、农田密集的区域分布偏少;城镇用地主要集中在长江中下游地区.②土壤类型空间差异显著,浙江省、江苏省、湖南省、江西省及安徽省大部分区域的土壤多是黏性比较大,污染物迁移能力较低;而污染物迁移能力较强的砂质土或者土层较薄的山地草甸土主要分布在四川省北部、西北部.水力侵蚀、风力侵蚀和冻融侵蚀均有分布,且以水力侵蚀为主,建议在中度及以上侵蚀强度区域尽量减少污染源,重点布置缓冲带,增加该区域的缓冲力度.③长江经济带范围内可以利用的中小型湿地、小型河流支浜的面积至少有1.4×104 km2,再结合林草缓冲带,就可以形成一个生态缓冲体系.④在土地利用类型分布结果基础上,叠加土壤侵蚀强度和水系分布,将污染源区、中度及以上侵蚀强度区、水体区作为缓冲对象,建立缓冲体系的重点区域,总面积约14.26×104 km2,占长江经济带总面积的6.95%.对照欧美地区的研究,6.95%的缓冲体系面积占比是偏低的,需要在长江经济带开展深入研究来确定适宜的缓冲体系面积比,推进长江经济带流域生态缓冲体系的构建.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.