ESTIMATING THE SUSPENDED SEDIMENT LOAD IN RESERVOIRS1

ABSTRACT: The total suspended sediment loads of four north Mississippi reservoirs were determined from measurements of concentrations of suspended sediment in a vertical profile at several locations on each reservoir made during the year. These data were combined with the stage-height and known stage-volume relationships for each reservoir in a numerical integration to determine the total suspended sediment in the water body. Total suspended sediments were estimated using the product of the suspended sediment concentration in the surface water by the appropriate reservoir volume. The averaged ratios of the estimated to measured suspended sediment loads for each reservoir exceeded 0.90. Since the concentration of suspended sediments in surface waters of north Mississippi reservoirs has been shown as highly correlated with spectral reflectance, estimating the total suspended sediment of these reservoirs using remotely sensed spectral reflectance data is possible.     

环境空气颗粒物来源解析受体采样频率优选方法初探

环境空气颗粒物来源解析受体样品化学组成的时空差异,除受采样点位分布制约外,主要还受采样时间的制约。如何选取时间段及采样周期显得尤为重要。通过青岛市空气自动监测系统近几年获取的颗粒物连续时均值数据,采用统计优化组合选择法,筛选出日均值、年均值的最佳采样时段,可供类似研究参考。     

苏南地区CO2本底浓度及源汇特征

基于2015~2018年苏州张家港站CO₂在线观测数据，采用时序检查、选取稳定性数据、异常值剔除等质量控制方法获得可靠数据，并通过平均移动过滤（MAF）本底筛分法获得本底数据，讨论苏南地区CO₂变化特征.结果发现：CO₂本底浓度日变化为单峰结构，谷值和峰值分别出现在下午15：00和凌晨5：00前后；季节变化为双峰结构，峰值分别出现在12月和4月；日、季节变化的分布特征均与陆地生态系统、气象条件和人类活动有关.此外，2015~2018年CO₂浓度呈逐年上升趋势，抬升浓度占比逐年增加，吸收浓度占比波动较小，表明人类活动对CO₂浓度的影响正在逐年增加；而陆地生态系统对CO₂吸收汇的作用则相对稳定.源汇分析显示，CO₂抬升浓度随季节小幅波动；吸收浓度则夏半年较低，冬半年较高；抬升浓度日变化为单峰结构，谷值和峰值分别出现在15：00和8：00前后，早晨正值上班高峰，机动车排放可能为早晨峰值的主要因素；吸收浓度日间低、夜间高，这主要与植物光合作用及对流输送有关.分析CO₂浓度与风的关系发现，所有季节静风情况下，CO₂浓度偏高均最为明显，大部分方向CO₂浓度高低与风速大小有明显的负相关，其中S~WNW方向偏高最为明显，这可能是因为SW~NW方向主要为内陆城市群，且测站周边建筑区主要位于W~N方向，弱风有利于本地排放累积的结果.此外，WNW方向风速较大时浓度仍偏高明显，可能与测站W~N方向为建筑区及内陆城市群有关；而测站偏东方向主要为农田和林区，受人类活动影响较小，且海上气流较为洁净，故偏东风较弱时浓度也不高；说明了CO₂浓度除了与风速大小有关外，与周边下垫面类型及较远距离环境特征（城市群或海洋）也有一定的关系.     

环境烟草烟气粒径分布及其对光散射的影响

为了测量典型办公室内环境中环境烟草烟气悬浮颗粒物的数浓度和粒径分布变化,以及其对颗粒光散射的影响,在6.8 m×3.2mx2.8 m的试验间进行试验,采用测量范围为5～1 000 nm的DMS500扫描电迁移率粒径谱仪进行粒径测量.结果表明,不同卷烟样品的烟气粒径分布曲线近似,都可以用对数正态分布函数来描述.4种卷烟样品粒径分布及参数变化速率相似,在4 800 s内数中值粒径CMD平均值从105 nm增大至155 nm,几何标准差GSD平均值从1,58减小至1.45,CMD和GSD的变化趋势近似符合指数函数.利用基于Mueller光散射理论的程序计算烟颗粒对散射光的影响.粒径分布的变化显著改变了颗粒散射光强度,CMD最大使散射光强度增大7倍,GSD引起的强度变化较小.综合考虑烟气颗粒数浓度降低和粒径分布的变化,散射光强度最大增大3倍.     

采空区瓦斯涌出源位置对瓦斯分布影响的数值模拟

根据多孔介质渗流理论,利用Fluent软件,分别对采空区瓦斯在整个采空区均匀涌出、上邻近层及底板遗煤涌出2种情况下采空区瓦斯分布规律进行了数值模拟.结果表明:采空区瓦斯为上邻近层及底板遗煤处涌出时,沿走向方向,靠近上邻近层及底板处高体积分数瓦斯距离工作面较近;沿竖直方向,瓦斯体积分数分布呈钩状,靠近瓦斯涌出源处瓦斯体积分数最高;整个采空区均匀涌出时采空区瓦斯体积分数分布与上邻近层及底板遗煤涌出时有很大差别.因此,为了得到更符合实际情况的瓦斯分布规律,数值模拟时应按照现场实际的瓦斯涌出源位置建立模型.     

三江平原泥炭沼泽孔隙水甲烷浓度变化动态及其影响因子

湿地土壤孔隙水甲烷浓度变化动态对于揭示湿地碳循环过程具有重要作用.于2012年和2013年对三江平原毛苔草泥炭沼泽不同土壤深度孔隙水甲烷浓度的季节变化动态进行监测,并分析了其关键影响因子.结果表明:植物生长季孔隙水甲烷浓度呈单峰变化趋势,不同土层甲烷浓度峰值(80.45~490.95μmol·L-1)主要集中在湿润的生长季末,但年际间存在显著差异;从土壤剖面来看,土壤融通之后,孔隙水中甲烷浓度随着土壤深度的增加而增加;土壤表层(5 cm和10 cm)甲烷浓度主要受到株高(R2=0.6,p=0.005)和土壤充水孔隙率(R2=0.36,p=0.01)的影响,而深层(20~40 cm)甲烷浓度主要受到土壤温度等因素的综合影响.研究还表明,表层土壤孔隙水甲烷浓度能够解释生长季甲烷排放通量变化的26%~60%,而且短期的极端降雨事件可能不会对甲烷浓度以及甲烷排放产生即时影响,而是出现大约一周的延迟(time lag)现象,这主要取决于实际土壤湿度.     

土壤及铁锰结核中锰氧化菌的氧化特性分析

利用从土壤铁锰结核及其附近土壤中分离筛选得到的4株锰氧化菌,研究了不同pH、Mn(Ⅱ)初始浓度下菌株的锰氧化效率及生长情况,并用SEM-EDS及TEM对菌株WHS26、GY16形成的生物氧化锰及水羟锰矿进行了表征.结果表明,pH及Mn(Ⅱ)初始浓度对菌株的锰氧化效率均有影响,4株菌在pH 7~8、Mn(Ⅱ)初始浓度为10~20 mmol·L-1时,锰氧化效率最高;GY16、WHS26形成的生物氧化锰的形貌与化学合成的水羟锰矿存在明显差异,前者呈胶膜状附着在菌株表面,后者呈结晶态.该结果可为生物氧化锰应用于重金属污染修复提供技术支撑.     

四氯丙烯对稀有鮈鲫的急性毒性及安全浓度评价

采用半静态试验方式测试了四氯丙烯对稀有鮈鲫(Gobiocypris rarus)的急性毒性,试验浓度分别设定为0.25 mg·L~(-1)、0.30mg·L~(-1)、0.36 mg·L~(-1)、0.42 mg·L~(-1)、0.50 mg·L~(-1)和0.60 mg·L~(-1),同时进行空白对照(试验用水)和分散剂对照(体积分数为0.006%的吐温-80水溶液)试验。采用气相色谱法对试验溶液进行浓度分析,实测浓度分别为0.19 mg·L~(-1)、0.25 mg·L~(-1)、0.34 mg·L~(-1)、0.40 mg·L~(-1)、0.51 mg·L~(-1)和0.64 mg·L~(-1),试验结果以实测浓度表示和统计。结果表明:四氯丙烯致稀有鮈鲫无死亡发生(EC0)的最高浓度为0.25 mg·L~(-1),导致稀有鮈鲫100%死亡(EC100)的最低浓度为0.51 mg·L~(-1)。根据实测浓度,用SPSS(17.0)概率单位法求得四氯丙烯对稀有鮈鲫的半数致死浓度96 h-LC50为0.347 mg·L~(-1),95%置信区间为0.328 mg·L~(-1)~0.361 mg·L~(-1)。     

预测沉积物-水微宇宙系统中化学品浓度变化的多介质模型

沉积物-水微宇宙系统是经济合作发展组织(Organisation for Economic Co-Operation and Development,OECD)颁布的化学品测试准则中推荐的试验系统之一,可用来测试化学品对底栖生物的慢性毒性。为了在试验前对化学品的浓度变化进行预测,进而确定试验方法,以摇蚊慢性毒性试验系统为例,采用环境多介质模型的建模方法,构建了一种可通过化学品理化性质和试验系统参数,对化学品在沉积物-水试验系统中浓度变化进行预测的模型。结合试验数据和文献资料,给出了模型中试验系统参数的推荐取值,并使用Matlab软件中的Simulink工具对模型进行编程和求解。以此模型为基础,给出了模型在3个方面的应用,即预测蓄积时间、预测平衡时间以及拟合试验数据。对80种已有或假想化学品的蓄积时间和平衡时间进行了计算,得出的范围分别为1~204 d和1~73 d。此外,适当修改模型结构和模型参数,也可将其应用于其他暴露场景中。但使用模型对化学品浓度进行预测时发现,模型仅对沉积物中化学品浓度的预测结果较为准确,而对水中化学品浓度的预测结果与实测值相差1~2个数量级。模型对浓度的预测精度未来仍需进一步提高。上述研究结果完善了沉积物-水微宇宙系统试验方法。     

Prediction of effluent concentration in a wastewater treatment plant using machine learning models

Of growing amount of food waste, the integrated food waste and waste water treatment was regarded as one of the efficient modeling method. However, the load of food waste to the conventional waste treatment process might lead to the high concentration of total nitrogen(T-N) impact on the effluent water quality. The objective of this study is to establish two machine learning models—artificial neural networks(ANNs) and support vector machines(SVMs), in order to predict 1-day interval T-N concentration of effluent from a wastewater treatment plant in Ulsan, Korea. Daily water quality data and meteorological data were used and the performance of both models was evaluated in terms of the coefficient of determination(R~2), Nash–Sutcliff efficiency(NSE), relative efficiency criteria(d rel). Additionally, Latin-Hypercube one-factor-at-a-time(LH-OAT) and a pattern search algorithm were applied to sensitivity analysis and model parameter optimization, respectively. Results showed that both models could be effectively applied to the 1-day interval prediction of T-N concentration of effluent. SVM model showed a higher prediction accuracy in the training stage and similar result in the validation stage.However, the sensitivity analysis demonstrated that the ANN model was a superior model for 1-day interval T-N concentration prediction in terms of the cause-and-effect relationship between T-N concentration and modeling input values to integrated food waste and waste water treatment. This study suggested the efficient and robust nonlinear time-series modeling method for an early prediction of the water quality of integrated food waste and waste water treatment process.