湟水河流域地表水体微塑料分布、风险及影响因素

为探究我国青藏高原淡水环境中微塑料的分布情况,采用金相显微镜观察、傅里叶红外光谱测定、野外调查和影像数据分析等方法对青海省湟水河流域丰水期63个地表水样中微塑料的分布特征和影响因素进行分析,并依据风险指数（H）和污染负荷（PLI）指数模型评估了微塑料的潜在生态风险.结果表明,流域水体中微塑料丰度范围为665~8780 n ·m^-3,湟源县水系平均丰度最高,达5414 n ·m^-3,各支流丰度从上游到下游逐渐增大.微塑料中薄膜类和颗粒类分别占36%和33%,透明和黑色分别占67%和17%,粒径在0.45~50 μm的占70%,聚乙烯（66%）和聚丙烯（12%）为主要的聚合物类型.微塑料丰度与耕地面积、降水量和紫外线强度正相关,与溶解氧、氧化还原电位和风速显著负相关,微塑料的分布受人类活动和环境因子的共同影响.总体上湟水河流域地表水体中微塑料的潜在生态风险较低.     

基于蒙特卡洛模拟与PMF模型的黄河流域沉积物重金属污染评价及源解析

沉积物是河流的重要组成部分,而沉积物中重金属的富集严重威胁着水环境安全.黄河流域沿程分布着众多工业城市,且流域水土流失量大,泥沙携带重金属进入河流导致沉积物重金属污染问题日趋严重,研究黄河流域沉积物中重金属污染状况对流域生态安全具有重要意义.收集2000~2020年发表的关于黄河流域沉积物中重金属（铅、镉、铬、砷、锌、铜、镍和汞）含量的数据,首先基于描述性统计及地统计法分析重金属的空间分布特征,进一步采用蒙特卡洛法进行地累积指数（I_geo）、潜在生态风险及毒性单位概率的评价,最后结合正定矩阵因子分解模型（PMF）与Pearson相关性分析确定污染源个数及贡献率.结果发现,黄河流域沉积物中ω（Pb）、ω（As）、ω（Zn）、ω（Ni）、ω（Cu）、ω（Hg）、ω（Cr）和ω（Cd）的均值分别为26.92、11.78、87.17、31.13、24.96、0.07、73.36和0.58 mg·kg^-1,分别超过黄河流域各省土壤背景值均值1.27、1.08、1.26、1.05、1.09、2.32、1.14和5.95倍,其中Cd超标倍数最大,应当引起重视;I_geo：Cd>Hg>Cr>Cu>Pb>Zn>As>Ni,Cd和Hg存在中度-严重污染;数据表明黄河流域上、中和下游沉积物重度生态风险占比分别为18.6%、15.7%和7.1%,呈递减趋势;黄河流域沉积物中重金属处于低毒性状态;溯源分析表明黄河流域沉积物重金属的4个来源分别是矿业源（42.2%）、自然活动（38.3%）、农业活动（11.6%）和电镀废水（7.9%）.研究结果可为黄河流域制定相关污染防控措施提供依据.     

土壤环境汞污染现状及其影响因素研究进展

土壤重金属污染导致土壤环境质量显著降低,影响食品安全、水源水质和空气质量等,严重威胁人类的生存和发展。汞（Hg）作为一种全球性的重金属污染物,广泛分布于多种环境介质中,其中土壤是全球汞最大的储存库。土壤中的汞可通过多种暴露途径进入人体,危害人类健康。伴随着全球气候变暖和人为活动加剧,全球土壤汞污染问题日益严重。然而,目前有关土壤汞污染的基础数据较为缺乏,大范围的土壤汞污染空间分布特征分析相对较少,对于土壤汞污染主控因子的分析方法缺乏系统的阐述。因此,本文基于文献调研的方法,分析了全球的土壤汞污染分布特征,发现全球土壤汞污染主要集中在矿区及工业聚集区,阐述了人为因素、气候条件和土壤环境因素等对土壤汞含量变化的影响,并总结了可应用于土壤汞污染主控因子分析的常用方法及其优缺点。同时,本文对未来土壤汞污染调查和研究进行了3方面的展望,以期为更加科学合理的解决土壤汞污染问题做出贡献。     

基于移动监测的城市街谷交通相关污染物浓度时空变化研究

为更好认识城市街谷内的大气污染特征和提供城市街谷优化设计的实证参考,本文以干旱区绿洲城市乌鲁木齐市北京南路为例,采用移动监测技术,分析了城市街谷大气污染物(CO、PM2.5)的时空分布,并识别其主要影响因素。结果表明:(1)早高峰空气质量优于晚高峰;交叉路口处污染物浓度普遍较低,但苏州路立交桥下污染物浓度较高;(2)两种污染物同源,其浓度与固定站点监测数据高度相关,风向与街谷成锐角时污染物浓度较低,风速较大时污染物浓度较高,污染物浓度与车流量相关程度较低;(3)街谷两侧建筑物高度比在[1.5,2)之间,污染物浓度较低,在[1,1.5)之间,污染物浓度较高;路网密度在[12,14)之间,污染物浓度较低,[12,14)之间的道路密度能够最大程度的降低街谷内污染物浓度。     

微细粉尘在静电除尘器中的运动状态分析

为了分析线板静电除尘器中的电流体动力学过程,利用FEMLAB软件对电势泊松方程和电流连续性方程进行联立耦合求解,得到线板放电过程中电场强度分布,估算电晕外区不同粒径粉尘所受到的电场力;利用Fluent软件采用动力风模拟离子风的方法计算放电通道的流场分布,得到空间速度分布图,并分析了气流扰动对颗粒物的运动状态的影响。结果表明:利用动力风模拟离子风流场的分布符合放电环境下离子风的形成过程,该方法可以简化复杂的电流体问题。不同粒径粉尘在电场空间中的运动受到的电场力、离子风力随粒径大小不同而变化很大。研究结果对静电除尘器的改造和设计有很重要的指导意义。     

京津冀“以电代煤”替代大气污染物排放清单

本研究建立了基于人工神经网络的民用散煤燃用量估算模型,得到了京津冀地区“以电代煤”替代民用散煤大气污染物排放清单.结果表明：截止到2018年,京津冀地区“以电代煤”替代散煤用户约259万户,每年可减少散煤燃烧约706.6万t,减少PM_2.5、NO_x、SO₂的排放量分别约为2.81,0.76,2.17万t.其中,北京市和天津市实施效果较为明显,占京津冀地区“以电代煤”散煤替代总量的62.01%和22.82%.基于调研数据得到京津冀各市燃煤量月分布系数,1月份分布系数最大,燃煤量占比为27%~40%.     

我国林地土壤有效态镉的影响因素及拟合模型

选取全国13个具有代表性的不同气候带和植被类型的森林土壤,通过外源添加重金属镉(Cd),比较分析土壤Cd的固-液分配系数(Kd)和有效态Cd的分布特征,探讨了土壤/土壤溶液性质对Kd及土壤有效态Cd的影响,并建立了土壤Kd及有效态Cd的拟合模型.结果表明,在不同浓度Cd处理的土壤中,其Kd值的变化范围为0.91～623...     

基于非参数核密度估计模型的尾矿库事故后沉积物中Pb和Hg的水生生物风险评估

汞(Hg)和铅(Pb)是2种典型的重金属污染物,对水生生态系统具有较强的毒害作用,是环境管理的重要指标。2015年11月的陇星锑业尾矿库泄露事件,造成嘉陵江流域约346 km长河段受到重金属污染,尾矿砂中高含量Hg和Pb主要归宿在污染团经过的河道沉积物中,引起的嘉陵江流域生态风险尚未被全面评估。为解决沉积物中污染物对水生生物的毒性效应数据较少的问题,采用相平衡分配法,利用大量的水生生物毒理试验数据,将其转化为相应的沉积物毒性效应数据;采用基于非参数核密度估计的物种敏感度分布(SSD)法,对嘉陵江沉积物中2种重金属(Hg和Pb)进行生态风险评价,并与其他分布模型(Normal、Logistic和Weibull)进行对比。结果表明:Hg的非参数核密度估计模型的K-S检验统计量、均方根误差(RMSE)和误差平方和(SSE)分别为0.111 1、0.025 04和0.000 627,相较其他分布模型为最小;Pb的非参数核密度估计模型的K-S检验统计量为0.125 0,相较其他分布模型为最小,RMSE和SSE分别为0.028 42和0.000 807,为较优。非参数核密度估计模型对2种重金属毒性数据有很好的适应性,可获得较优的模拟效果。嘉陵江流域15个采样点沉积物中Pb浓度显著高于Hg,但沉积物中Hg的生态风险水平远高于Pb。     

洋河流域不同土地利用类型土壤硒(Se)分布及影响因素

基于洋河流域土地利用方式、海拔高度、土壤、植被类型等采集流域上下游171个代表性表层土壤(0~10 cm),系统地分析了土壤总硒(Se)含量、分布及影响因素.结果表明,洋河流域土壤总Se含量(以干重(dw)计,下同)在0.02~3.24mg·kg-1之间,几何平均值为0.30 mg·kg-1,高于北京平原(0.20 mg·kg-1)、河北平原(0.19 mg·kg-1)和全国平均值(0.29mg·kg-1).洋河流域少Se(0.13~0.18 mg·kg-1)土壤主要分布在怀安县、宣化县以及怀来县,多数地区土壤处于足Se水平(0.18~0.45 mg·kg-1),除此之外,在万全县、兴和县、天镇县及阳高县分布有富Se(0.45~2.0 mg·kg-1)土壤.不同土地利用类型中Se含量有所差异,Se平均含量由高到低分别为:林地城镇工矿用地草地农业用地,其中农业用地平均含量为0.28 mg·kg-1.成土母质、土壤类型对洋河流域Se含量影响较小.黏粒含量与洋河流域表层土壤中Se相关性最好.Se含量随海拔增高显著增加,随p H增加显著减小.TOC、Fe和Al含量也是影响土壤Se含量的重要因素.     

Pollution levels and characteristics of phthalate esters in indoor air of offices

The pollution status and characteristics of PAEs (phthalate esters) were investigated in indoor air of offices, and PAEs of both gas-phase and particulate-phase were detected in all the samples. The concentration (sum of the gas phase and the particulate phase) was 4748.24 ng/m³, ranging between 3070.09 and 6700.14 ng/m³. Diethyl phthalate, dibutyl phthalate, and di(2-ethylhexyl) phthalate were the most abundant compounds, together accounting for 70% of the Σ6PAEs. Dividing the particulate-phase PAEs into four size ranges (<2.5, 2.5-5, 5-10, >10 μm), the result indicated that PAEs in PM_2.5 were the most abundant, with the proportion of 72.64%. In addition, the PAE concentration in PM_2.5 correlated significantly with the total particulate-phase PAEs (R² = 0.85). Thus, the amount of PAEs in PM_2.5 can be estimated from the total amount of particulate-phase PAEs using this proportion. In a comparison between the offices and a newly decorated study room, it was found that pollution characteristics were similar between these two places. Thus, it is implied that the PAE concentration decreased by 50% 2 yr after decorating.