基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

Zinc recovery from hazardous construction wastes via an integrated process of the air classification,alkaline leaching,and water washing

Zinc- and lead-containing wastes are often mixed with construction and demolition wastes in many factories, generating abundant of heavy metal-enriched hazardous waste. In the present study, a novel integrated process of air classification, alkaline leaching, and water washing dechlorination was proposed for the efficient recycling of Zinc (Zn) resources. The first air classification process was realized via venturi tube, wherein the content of Zn could increase by 20 wt.%. After that, the product underwent an alkaline leaching process. Results showed that Zn recovery rate increased with fine particle sizes, and a 65% recovery rate was obtained under the following conditions of 5 mol/L NaOH, liquid/solid 10:1, and leaching time 1 h. Finally, water washing associated with microwave and ultrasonic treatments could remove over 85% of Cl and other water-soluble salts. All the results indicated that the integrated method had an excellent recovery rate for Zn resources from construction and demolition wastes.     

京津冀地区重点耗煤行业大气污染物排放清单研究

本研究通过京津冀地区各行业的年度煤炭消费量确定火电行业、钢铁行业和焦化行业为重点耗煤行业,以在线监测数据、污染源调查(现场调研、环评、验收)数据、排放因子数据为基础,自下而上建立了2013年京津冀地区重点耗煤行业大气污染物排放清单,分析研究了SO_2、NO_x和PM_(10)的排放量与污染贡献分布情况,掌握了京津冀地区重点耗煤行业大气污染物排放现状,为大气污染物减排提供数据基础。研究表明,2013年京津冀火电、钢铁焦化行业共排放SO_2 72.35万t、NO_x 131.99万t、PM_(10) 30.36万t。     

交通领域减污降碳协同控制研究回顾及展望

交通运输行业是二氧化碳和空气污染物排放的主要贡献者之一,开展交通领域的减污降碳协同控制政策是实现“双碳”目标和空气污染防治的迫切需要。本研究追溯了交通领域减污降碳协同控制的起源及发展,回顾了交通领域协同减污降碳的主要路径,具体包括交通基础信息协同、交通排放清单编制协同、交通减排目标设定与减排情景分析协同、交通减排技术及措施工具箱协同,以及交通减排保障措施协同。然后,从研究范围、研究方法、协同度评价体系构建、污染相关健康协同效应、研究区域等方面对交通领域减污降碳协同控制的研究实践及特点进行了分析,并相应提出了对未来研究的展望。     

湖南省工业领域碳减排与空气质量改善协同

气候变暖和空气污染是我国当前面临的主要环境问题.综合使用中国碳核算数据库、能源经济模型和空气质量模型,研究我国湖南省工业领域潜在碳达峰路径及其空气质量协同改善增益.基于中国碳核算数据库和相关工业/能源统计年鉴分析指出,湖南省2019年CO₂排放总量为310.6 Mt,其中工业领域排放占比超70%,主要来自于电力、蒸汽、热力的生产和供应业,非金属矿物制品业及黑色金属的冶炼和压延业等行业.综合考虑未来各工业行业经济增长速率、能源技术进步程度和能源结构优化调整等因素,使用LEAP能源经济模型设置并分析了3种潜在的工业碳达峰情景,包括趋势照常情景（2030年达峰）、中度减排情景（2028年达峰）和强化减排情景（2025年达峰）.进一步结合人为源大气污染物排放清单和区域空气质量模型WRF-Chem,以排放行业-部门的同源对应关系为桥梁,模拟分析不同碳达峰路径下空气质量改善响应.结果指出,在3种碳达峰情景中,主要大气污染物浓度均有所降低,长株潭地区尤为显著;强化减排情景力度最大,中度减排情景次之,趋势照常情景相对最弱.制造业减污降碳的协同效果最佳,在不同情景实现碳达峰时,可分别减少ρ（PM_2.5）和ρ（PM₁₀）年均值0.6~1.8 μg·m^-3和1.8~8.9 μg·m^-3.研究可为国家和区域的减污降碳协同实践提供参考和决策依据.     

长江源区各拉丹冬峰雪冰中微粒季节变化及其环境意义

分析了长江源区各拉丹冬峰冰川区不同海拔采集的3个雪坑SP1、SP2和SP3样品中δ18O、不溶微粒数量浓度及主要离子浓度,以探讨本研究区域雪冰微粒含量变化及其来源.结果显示,不同粒径微粒含量变化趋势一致,3个雪坑中细微粒含量分别占总微粒的88%、78%、86%.中微粒分别占10%、19%、11%;不同粒径微粒数量浓度之间的相关系数均达0.9以上(置信度可达99%),具有良好的相关性.雪冰中不溶微粒浓度同Ca2 、Mg2 、SO2-4一样,具有明显的季节波动.非季风期微粒浓度要高于季风期2～4倍.3个雪坑非季风期微粒通量分别占一个年层雪冰中微粒总通量的73.6%、92.3%、97%,即初春季节沙尘暴对于各拉丹冬雪冰中微粒沉降贡献远大于夏.秋季节.结合NCAR/NCEP再分析资料.应用HYSPLIT-4模式模拟的不同季节5 d后向气团轨迹图表明,各拉丹冬峰冰川I区雪冰中不溶性微粒可能来源于中亚、南亚和青藏高原本身,其中影响最大的可能是青藏高原自身的沙尘源区,同时冰川区裸露基岩对雪冰中不溶微粒含量亦有贡献.     

室内空气污染净化研究进展

介绍了室内空气污染的现状、特点及其危害,指出了室内空气污染的主要污染源和污染物。综述了各种室内空气污染净化技术,并介绍了各种技术的优缺点。本文最后对室内空气污染净化的发展前景进行了展望。     

旋流气浮除油装置预处理含油污水

在河南油田开展旋流气浮除油装置的现场试验,考察进水流量和曝气量对旋流气浮除油装置除油效果的影响。试验结果表明:在进水流量为1.8 m³/h、曝气量为0.5 L/min时,除油率最高达到96.03%;在不添加任何药剂的条件下,装置处理效果稳定;连续运行6 d内,进水含油量为174.57~1 193.15 mg/L时,出水含油量可以保持在137.38 mg/L以下,除油率为58.58%~94.53%。     

南京市典型地区大气多环芳烃污染特征及健康风险评价

采用气相色谱-质谱法,于2016年9月和12月对南京市2个典型地区大气中16种多环芳烃(PAHs)的质量浓度进行分析,并开展了PAHs组成特征、来源解析及人体健康风险评价研究。结果表明,工业区(六合区)和生活区(江宁区)大气(气态和可吸入颗粒态)中16种PAHs的质量浓度分别为914.82和712.27 ng/m~3,苯并[a]芘毒性等效浓度分别为274.1和309.84 ng/m~3,且呈现冬季高、秋季低的特征。比值法源解析结果表明,燃煤污染是六合区PAHs污染主要来源,而江宁区主要表现为交通污染。人体健康风险评价结果表明,六合区和江宁区人群通过大气吸入PAHs的超额致癌风险分别为5.17×10~(-5)和5.85×10~(-5),均略高于可接受水平10~(-6)。     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.