典型地下水浅埋区加油站渗漏污染潜势分析及高潜势验证

地下水浅埋区的加油站油品渗漏可直接对土壤和地下水造成污染. 基于层次分析法对上海市黄浦江上游地区、崇明岛以及长兴岛内的119家加油站进行渗漏污染潜势分析,计算各加油站的LPV(leaking potential value,污染潜势值),并用四分法将119个加油站按LPV分为4个评价等级,有9个加油站LPV很高,3.60≤LPV＜4.07;49个加油站LPV较高,3.18≤LPV＜3.60;47个加油站LPV一般,2.73≤LPV＜3.18;14个加油站LPV较低,2.28≤LPV＜2.73. 针对2个LPV较高的已歇业加油站开展现场打井监测与取样分析.结果表明,这2个加油站的潜水层均出现油品渗漏污染,其中加油岛、管线区以及储油罐区是加油站渗漏污染重灾区,土壤中污染物以苯系物、萘以及总石油烃为主,总石油烃检出率达到71.4%~88.9%;地下水中污染物以总石油烃和MTBE(methyl tert-butyl ether,甲基叔丁基醚)为主,总石油烃检出率达到80.0%~100.0%,MTBE检出率达到33.3%~71.4%,对地下水源污染风险较大.      

农田重金属污染原位钝化修复研究进展

污染土壤重金属原位钝化修复是通过向土壤中施加一些活性钝化修复材料,通过溶解沉淀、离子交换吸附、氧化还原、有机络合等反应来改变重金属在土壤中的赋存状态,降低土壤中重金属的有效浓度、迁移性和生物有效性。这种方法成本较低、操作简单、见效快且适合大面积推广,在重金属污染土壤修复中有着不可替代的作用。尤其对主要由污水灌溉、大气沉降等造成的农田土壤面源污染,一些具有吸附固定土壤中重金属离子特性的天然物质和工业副产品都可运用在实地的钝化修复中,且不同类型的钝化修复剂对重金属污染土壤的钝化修复效果各不相同。采用实验室评价和实地应用评价,一方面可以评估钝化修复材料对污染土壤中重金属离子的固定效率;另一方面可以评估钝化修复材料对土壤理化性状、养分状况和生物活性的影响。对重金属污染土壤原位钝化修复中不同来源的钝化剂进行了分类,目前广泛使用的钝化修复剂主要包括硅钙物质、含磷材料、有机物料、黏土矿物、金属及金属氧化物、生物碳及新型材料等,概述了它们各自对重金属污染土壤的钝化修复效果。从研究方法、评价指标、环境影响因子、钝化机制以及环境风险评价等方面分析了该领域的研究现状以及存在的主要问题,今后应重点关注钝化修复剂对土壤-作物系统的潜在环境风险以及钝化材料修复效果的田间长期稳定性评价。     

土壤重金属污染的全过程控制

在介绍土壤环境重金属污染的特点及其在土壤中的赋存形态、迁移转化特征的基础上,阐述了土壤重金属污染的全过程控制措施,从源头到治理可分为：产前控制、产中控制和产生控制;同时阐述了各类措施的适用条件、范围、效果和费用,并对今后的治理研究提出了一些见解。     

淄博孝妇河流域孔隙水流酸盐污染特征及其形成

分析１９８９～１９９６年孔隙水的化学资料,总结出了研究区孔隙水硫酸盐污染的特点,借助原状土柱试验探明,孔隙水中污染组分来源于农业灌溉污水。农灌的频率与强度及大气降水的特点共同决定了本区孔隙水污染特征的形成。因此,停止或减少污灌量是改善地下水环境的有效且经济的方法。     

外来污染物对土壤磷酸酶影响的研究进展

磷酸酶在磷循环中占有重要地位 ,对植物有着非常重要的意义。根据几十年的国内外资料 ,本文概述了重金属、农药、酸沉降以及其他各种外来污染物对土壤磷酸酶的影响 ,并探讨了磷酸酶作为表征土壤污染程度的指标的可行性。土壤磷酸酶与各种污染物的相互作用关系在环境中的应用方面还需进一步研究。     

化学强化洗脱修复铜、 菲及其复合污染黄土

采用批平衡法研究了乙二胺四乙酸二钠（EDTA）或/和十二烷基硫酸钠（SDS）强化洗脱铜（Cu2＋）或/和菲（PHE）污染的甘肃黄土.结果表明,EDTA或/和SDS能有效地去除单一或复合污染黄土中的Cu2＋或/和PHE,当EDTA浓度〈0.1 mol/L时,共存PHE对Cu2＋的去除有明显的促进作用,而当EDTA浓度〉0...     

化工污染场地氟污染土壤的稳定化技术研究

通过以某电解铝厂内的氟污染土壤为研究对象,添加钙、镁、铝剂及碱性材料共8种不同材料作为稳定剂开展稳定化修复技术研究,分析不同稳定剂对土壤pH值和氟化物浸出毒性的影响,探讨稳定剂对氟化物的稳定效果.结果表明:钙剂、镁剂、铝剂均降低了土壤pH值和氟化物的浸出浓度,其中氯化铝的投加量为3％时稳定效果最佳,氟化物浸出浓度下降了...     

Spatial prediction of soil contamination based on machine learning: a review

● A review of machine learning (ML) for spatial prediction of soil contamination. ● ML have achieved significant breakthroughs for soil contamination prediction. ● A structured guideline for using ML in soil contamination is proposed. ● The guideline includes variable selection, model evaluation, and interpretation. Soil pollution levels can be quantified via sampling and experimental analysis; however, sampling is performed at discrete points with long distances owing to limited funding and human resources, and is insufficient to characterize the entire study area. Spatial prediction is required to comprehensively investigate potentially contaminated areas. Consequently, machine learning models that can simulate complex nonlinear relationships between a variety of environmental conditions and soil contamination have recently become popular tools for predicting soil pollution. The characteristics, advantages, and applications of machine learning models used to predict soil pollution are reviewed in this study. Satisfactory model performance generally requires the following: 1) selection of the most appropriate model with the required structure; 2) selection of appropriate independent variables related to pollutant sources and pathways to improve model interpretability; 3) improvement of model reliability through comprehensive model evaluation; and 4) integration of geostatistics with the machine learning model. With the enrichment of environmental data and development of algorithms, machine learning will become a powerful tool for predicting the spatial distribution and identifying sources of soil contamination in the future.     

生态修复后某矿区下游农田土壤金属污染特征与风险评价

为研究广东省某矿区开展生态修复多年后下游农田土壤的金属污染状况,选取该矿区下游某村周边农田土壤及灌溉水渠作为研究对象,对该区域采集了40个土壤表层样本和8个水体样本,利用Arcgis软件对农田土壤样品中As、Cu、Cd、Pb、Zn、Mn和Fe₂O₃的质量分数进行克里金空间插值,解析该区域农田土壤金属的空间分布特征;采用综合污染指数法和潜在生态风险指数法对该区域耕作层土壤中As、Cu、Cd、Pb、Zn和Mn进行风险评价。结果表明,40个土壤样品中As、Cd、Cu、Zn和Pb的超标率分别为77.5%、70%、87.5%、27.5%和67.5%,说明调查区域农田土壤污染属于多金属复合污染,且对农作物的生产和安全产生巨大的威胁。部分土壤样品中As、Pb和Cd含量超过了中国农用地土壤污染风险管制值,需采取严格管控措施。通过分析土壤金属的空间分布,发现土壤金属含量超标点位主要位于灌溉口与受污染河流周边,且含量与离灌溉口距离成反比。结合目前灌溉水样中的金属均未超标的情况,得出该区域农田土壤污染是由该矿区生态环境修复前所产生的含金属灌溉水导致土壤中金属的积累...     

运用主成分分析(PCA)评价海洋沉积物中重金属污染来源

测定了胶州湾表层沉积物中重金属和有机质的含量,并用平均富集因子(Average Enrichment Factors,AEF)进行污染状况评价,发现胶州湾表层沉积物重金属污染可分为3类:轻度污染(AEFs<2),其中有Zn(AEF=1.11)、Pb(AEF=1.15)、Cr(AEF=1.52)、Mn(AEF=0.80)、Fe(AEF=0.45);中度污染(AEFs=2～3),包括Cu(AEF=2.79)和Cd(AEF=2.52);严重污染(AEFs>3),主要有As(AEF=3.03)和Hg(AEF=8.08).进一步通过主成分分析(Principal Component Analysis,PCA)研究沉积物中重金属的来源,发现前3个主成分的贡献率分别为52.61%、17.37%和15.60%,表明重金属主要有3个来源:工业排污、有机质降解、岩石的自然风化与侵蚀过程.PCA的聚类分析指出,本次研究中所调查的14个站位在污染程度上可分为5大类,此结果既反映了胶州湾表层沉积物近河口污染程度重远河口污染程度轻的特点,同时也支持了工业排污是沉积物中重金属污染主要来源的分析.