夏秋季宁波市气态元素汞(GEM)污染特征及潜在源区贡献分析

气态元素汞(gaseous elemental mercury,GEM)是普遍存在于大气中的对生物体有害的重金属元素其化学性质稳定,在大气中停留时间长,可随气团长距离输送属于全球性污染物.本研究于2017年夏秋季对宁波市大气GEM、常规污染物和气象参数进行综合观测,研究沿海地区GEM受人为源和自然源共同作用下的迁移转化规律及潜在源贡献来源.结果表明:①观测期间大气GEM的平均质量浓度为(2.32±0.90) ng·m~(-3),变化范围为0.97～10.95 ng·m~(-3),且夏季低于秋季.②GEM、O_3和GOM在夏季、秋季、晴天和阴雨天的日内浓度变化表明,高浓度的O_3和强烈的光照可加速GEM发生光化学反应,GEM在晴天的光化学氧化强度高于阴雨天.③相关性分析表明,GEM与PM_(2.5)(R=0.65,P0.01)、PM_(10)(R=0.47,P0.01)、NO_2(R=0.46,P0.01)和CO(R=0.57,P0.01)呈显著正相关关系,其来源与化石燃料等物质燃烧有关.④O_3等光化学氧化剂的浓度、GEM在颗粒物上的气粒分配及PM_(2.5)、水汽和NO_2的消光效应,可对GEM光化学氧化速率产生重要影响.⑤潜在源贡献分析(potential source contribution function analysis,PSCF)结果表明夏季浙江省北部(包含宁波市)、西北部,安徽省南部和江西省大部分地区构成一个三角形区域是NBUEORS大气GEM的潜在源贡献区域,且本地源、区域源和长距离源输送对GEM污染均具有重要影响.秋季的潜在源贡献区域主要为浙江省北部区域,范围小于夏季.GEM主要来自本地源和区域源输送影响.因此,针对大气GEM污染的控制,需要跨省的区域联防联控,综合治理,方可有效减轻大气汞的污染.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

我国典型区域地表水环境中抗生素污染现状及其生态风险评价

为了解我国典型地表水环境中抗生素污染现状与生态风险,本文通过历史数据收集,利用风险商评价模型(RQ)与风险简单叠加模型(RQSUM)对我国5个典型地表水环境中丰水期的抗生素污染进行生态风险评价.结果表明:①5个区域内地表水在丰水期(4～9月)主要受到8种抗生素污染的生态风险,分别是磺胺甲基异噁唑(SMX)、磺胺甲基嘧啶(SM)、红霉素(ETM)、罗红霉素(RTM)、四环素(TC)、氧土霉素(OTC)、诺氟沙星(NOR)和氧氟沙星(OFL);②5个区域内首要的抗生素污染类型为SMX和ETM,SMX对长江三角洲和巢湖流域的RQ_(SUM)贡献率分别为91. 1%和98. 5%,ETM对江汉平原、珠江三角洲和黄河三角洲的RQ_(SUM)贡献率分别为94. 4%、81. 8%和60%;③根据RQSUM值大小对5个区域内受到抗生素污染的生态风险由高到低排序为:江汉平原(20. 204)长江三角洲(8. 769)巢湖流域(2. 692)黄河三角洲(1. 943)珠江三角洲(1. 222).     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

重庆市O3污染日的大气环流分型与传输特征

通过分析重庆市主城区2015~2019年O₃浓度和气象要素观测数据,发现主城区O₃超标日数、超标日O₃中位值和90百分位浓度值均呈现逐年升高趋势,O₃与温度成正相关、与相对湿度成负相关,高O₃浓度对应每日最高温度区间为35℃以上以及相对湿度区间70%以下.采用T-mode主成分分析法(PCT)对2015~2019年的4~9月850hPa低层位势高度场和风场进行分型,总结出重庆市O₃污染期间主要有8种天气类型,其中有利于出现高浓度O₃现象的天气类型分别是低压西北侧型(T1)、低压后部型(T4)和高压西侧(T3),对应O₃平均超标率分别为34.6%、17.0%和14.2%.利用HYSPLIT4模型后向轨迹聚类方法和潜在源贡献算法(PSCF),计算得到O₃污染日的气团主要以中短距离输送为主,主要传输轨迹来自北、东北、南以及西南四个方向,从2015~2019年,主要污染来源有一个明显的从北转南的趋势,O₃污染的潜在源贡献分析结果与全市工业源NO_x、VOCs排放量空间分布的一致性较高.     

基于HYSPLIT4模式的天水市颗粒物输送路径

首先利用后向轨迹模式（HYSPLIT）模拟了天水市2017~2019年冬季后向轨迹,分析了50,200,500和1000m 4个不同高度以及500m高度不同聚类数量对路径输送聚类统计结果的影响,并以500m高度四个季节的后向轨迹进行聚类分析,进一步运用权重潜在源贡献分析法（WPSCF）,探讨了研究期间天水市细颗粒物的潜在源区及不同源区对天水市颗粒物浓度的贡献,结果表明,（1）起始点高度为500m时,颗粒物浓度极值比和极值差均较大,聚类结果最具代表性;（2）不同聚类数量分析结果表明,按照总空间变化（Total spatial variation,TSV）显著增加的原则选取的聚类数量较少,且能反映不同方向的轨迹输送特征;（3）天水市不同季节的轨迹聚类结果表明,冬季来自陕西南部的东南路径是PM_2.5污染程度最高的路径,该路径下PM_2.5浓度为78.2μg/m³,春季西北路径的颗粒物浓度最高,PM₁₀和PM_2.5的平均浓度分别是127.9~129.9和40.6~41.0 μg/m³,夏秋季节不同路径的颗粒物浓度相差不大.     

郑州市大气PM2.5中重金属的污染特征、来源及健康风险评估:基于高分辨数据

为了研究城市大气PM_2.5中重金属的污染特征和来源,于2017年的7月和10月及2018年的1月和4月,利用在线金属分析仪对郑州市大气PM_2.5中的21种元素进行在线检测,分析了重金属浓度变化;通过富集因子、主成分分析和潜在源贡献等方法对重金属进行溯源;采用环境健康风险评价模型评估其健康风险.结果表明,K、 Zn、 Mn、 Pb、 Cu、 As、 Cr和Se的浓度随污染等级的提高而增加;富集因子和主成分分析法结果表明,重金属主要来源为地壳源、混合燃烧源、工业源和机动车源;雷达特征图表明,地壳源主导的污染主要发生在春、冬两季,混合燃烧源主导的污染主要发生在冬季;Pb、 As和Ni受汾渭平原、京津冀和河南南部的传输影响较大,Cd受采样点西北部影响较大;As对成年人和儿童均有显著致癌风险,Pb和Sb对儿童存在显著非致癌风险.     

湿地植物对污水中氮、磷去除效果的试验研究

采用室内试验和现场试验考察了黄花鸢尾、水葱和梭鱼草3种挺水植物对类污水处理厂二级出水中氮、磷的吸收速率、吸收容量和吸收贡献。结果表明:短期内,各种湿地植物污水中氮、磷的吸收速率比较稳定,但在整个生长周期内,各种植物对氮、磷的吸收速率却有较大变化,4月份,水葱对氮、磷的吸收速率最大,8月份,梭鱼草对氮、磷的吸收速率最大。在整个生长期内,黄花鸢尾对氮、磷的吸收容量一直保持最大,在10月下旬分别达到21.5和4.16 g/m2,因此其对二级出水中氮、磷去除的吸收贡献也最大,分别为30%和73%。这表明湿地植物的选择不仅要考查其对污染物的吸收速率,更要关注其对污染物的吸收容量,并且湿地植物的吸收作用对类二级出水中氮、磷的去除具有更加重要的意义。     

Connectivity or demography: Defining sources and sinks in coral reef fish metapopulations

The identity of an individual patch as a source or a sink within a metapopulation is a function of its ability to produce individuals and to disperse them to other patches. In marine systems patch identity is very often defined by dispersal ability alone—upstream patches are sources—while issues of variable habitat quality (which affects local production) are ignored. This can have important ramifications for the science of marine reserve siting. This study develops a spatially explicit source–sink metapopulation model for reef fish and uses it to evaluate the relative importance of connectivity versus demography and how this depends upon the level of local larval retention and the strength of density-dependent recruitment. Elasticity analyses indicated that patch contribution (source or sink) was more sensitive to demographic parameters (particularly survival) than connectivity and this effect was conserved even under strong levels of density-dependence and was generally strengthened as local retention increased. Variability in the relationship between parameter elasticity and local retention was shown to be dependent upon the magnitude of connectivity for an individual patch relative to a critical connectivity value. The proportion of larvae lost due to transport processes was an important parameter which directly affected the magnitude of this critical connectivity value. Patches with connectivity values less than the critical value contributed to the metapopulation largely via production (i.e., local demographics most important). As local retention increased, so did the importance of demographic parameters in these patches. Patches with connectivity values greater than the critical value contributed largely via dispersal of larvae and thus the importance of local demographics decreased as local retention increased.     

Network structure and parasite transmission in a group living lizard,the gidgee skink, <Emphasis Type="Italic">Egernia stokesii</Emphasis>

Gidgee skinks (Egernia stokesii) form large social aggregations in rocky outcrops across the Flinders Ranges in South Australia. Group members share refuges (rock crevices), which may promote parasite transmission. We measured connectivity of individuals in networks constructed from patterns of common crevice use and observed patterns of parasitism by three blood parasites (Hemolivia, Schellackia and Plasmodium) and an ectoparasitic tick (Amblyomma vikirri). Data came from a 1-year mark-recapture study of four populations. Transmission networks were constructed to represent possible transmission pathways among lizards. Two lizards that used the same refuge within an estimated transmission period were considered connected in the transmission network. An edge was placed between them, directed towards the individual that occupied the crevice last. Social networks, a sub-set of same-day only associations, were small and highly fragmented compared with transmission networks, suggesting that non-synchronous crevice use leads to more transmission opportunities than direct social association. In transmission networks, lizards infested by ticks were connected to more other tick-infested lizards than uninfected lizards. Lizards infected by ticks and carrying multiple blood parasite infections were in more connected positions in the network than lizards without ticks or with one or no blood parasites. Our findings suggest higher levels of network connectivity may increase the risk of becoming infected or that parasites influence lizard behaviour and consequently their position in the network. Electronic supplementary material  The online version of this article (doi:) contains supplementary material, which is available to authorized users. This contribution is part of the special issue “Social Networks: new perspectives” (Guest Editors: J. Krause, D. Lusseau and R. James).