长江口及邻近海域沉积物中重金属研究 ——时空分布及污染分析

根据2005~2009年5月和8月对长江口及邻近海域的调查监测资料,研究了沉积物中6种重金属(Cu、Zn、Pb、Cd、Hg、As)的时空分布特征,探讨了其影响机理,并对其污染进行了分析.结果表明,6种重金属总体分布格局呈由近岸向远岸递减,并在泥质区普遍存在一个重金属含量的高值区;陆源输送、水动力条件、细颗粒物质的吸附以及絮凝作用是控制重金属分布的主要因素;陆源输送、大气干湿沉降、有机物释放、重金属存在形态之间的转换是重金属来源的重要途径;基于因子总得分的污染分析显示,沉积物中重金属污染分布呈由近岸向远岸递减的趋势.     

2010年洱海全湖氮负荷时空分布特征

为探讨不同来源的氮负荷对洱海水体富营养化的贡献,对洱海入湖河流、干湿沉降和沉积物内源等来源的氮的负荷、形态及其时空变化特征进行了研究. 结果表明:与2008年相比,2010年洱海入湖TN负荷下降了28%. 入湖河流是TN负荷的主要来源,占总入湖负荷的37%;入湖河流TN负荷与ρ(TN)、ρ(Chla)呈极显著正相关;入湖河流TN负荷以NO₃--N为主,占39%. 入湖河流氮负荷季节性变化明显,7月最高;区域性差异较大,北部3条河流是主要来源,其中弥苴河入湖TN负荷占入湖河流TN负荷的57%. 沉积物内源TN负荷占总入湖负荷的29%,NH₄+-N负荷占内源TN负荷的98%,并且与水体ρ(Chla)呈显著正相关. 沉积物中TN和NO₃--N扩散通量北部湖区最高,NH₄+-N扩散通量南部湖区最高;TN扩散通量9月最高、12月最低. 干湿沉降入湖TN负荷以NH₄+-N为主,季节性变化明显,6月最高. 控制洱海外源入湖氮负荷,应以雨季之初为关键时期,以弥苴河及其流域为重点区域,兼顾坝区农业种植结构调控,同时应加强湖泊水体生态修复,控制内源释放.      

A preliminary study of temporal differences in serum concentrations of perfluoroalkyl acids,among New York anglers,in the absence of known changes in manufacturing practices

Perfluorinated compounds have been manufactured in large quantities and used in myriad industrial processes and commercial applications. The aim of this preliminary study was to generate hypotheses with regard to differences in body burdens of perfluoroalkyl acids, among a sub-sample of participants from the New York State Angler Cohort Study, over a time interval during which no known substantial changes occurred in US manufacturing practices or commercial use. Paired serum specimens, collected from 15 subjects in 1993–1994 (time 1), and in 1995–1997 (time 2), with a minimum interval of 2.5 years, were assayed for PFDA, PFHpA, PFHxS, PFNA, PFOA, PFOS, PFOSA and PFUnDA using HPLC with ES-MS/MS. By subject, differences in concentrations between time 1 and time 2 were estimated, employing paired t-tests, correlations, and multivariable linear regression to accommodate heterogeneity in duration between specimens, and in time 1 concentrations. A statistically significant (P < 0.05) adjusted mean decrease of 0.16 ng mL^?1 (18.8%) between time 1 and 2 was detected for PFNA, and an adjusted mean increase of 0.54 ng mL^?1 (56.8%) was detected for PFOA. The results of this study may be indicative of short-term changes in human body burdens of PFNA and PFOA in association with local exposure sources.     

深圳市酸雨变化特征及形成原因分析

深圳市长年属于较重酸雨区,对城市生态带来重要影响,酸雨污染已经成为当前迫切需要解决的环境问题。为了了解近年来深圳市降水的变化特征及污染状况,利用2001—-2011年的降水监测数据,分析了降水酸化程度及化学组分特征,探讨了致酸原因,’为酸雨污染控制对策制定提供基础依据。研究结果表明,深圳市酸雨污染在2004--2006年达到较高水平（降水pH值4,49～4．59）,2007年以来明显有所改善（降水pH值4．73～5．02）,酸雨频率也显著降低。在时间变化上呈现夏季酸雨污染相对较严重,在空间变化上表现出宝安区和龙岗区酸雨污染相对较轻。相对于北京等城市,深圳市降水中离子浓度较低,同时大气中污染物浓度也较低,表明深圳市降水比较清洁,但由于大气中碱性物质含量较低,导致降水酸性较强。深圳市近年降水[SO42-]／[NO3-]的比值不断下降并低于2,硫酸硝酸混合型酸雨特征明显,表明机动车对降水酸性的影响不断增强。Cl-和Na＋对降水阴阳离子的贡献较高（分别达到24％和30％）,反映降水受海洋的影响较大。深圳与广州、东莞、佛山等城市的降水酸度和酸雨频率变化趋势较为一致,区域传输对酸雨形成也有重要影响。     

长三角地区汛期暴雨时空特征分析

为揭示长三角地区汛期暴雨时空特征,利用该地区20个气象测站1959—2005年逐日降水数据,统计不同测站年汛期(5月—9月)暴雨量、暴雨日数,采用数据场、线性趋势法、Mann-Ken-dall非参数检验法及Morlet小波方法对其进行分析。结果表明,长三角地区可分为南区、中区、北区3个空间区域。47 a来各分区汛期暴雨量呈先减少再增加的趋势,整体上呈增加趋势,但均不显著,只有中区在1998—2003年间出现超过α=0.05显著性水平的变化特征。各分区均存在25 a左右的准周期震荡,且具有全域性;从20世纪80年代开始短时间尺度周期(小于20 a)有延长趋势,但不稳定。     

三峡库区复杂地形下的降雨时空分布特点分析

根据三峡水库坝区周边10个气象站1992~2002年逐日降雨资料,先用比值法将短期考察资料延长,再通过对比、回归等方法,客观分析降雨量、降雨日数、暴雨量、暴雨日数等指标随时间（年内、年际）和地形（高度、坡向）的变化,其特点如下：三峡坝区冬干、夏雨、秋雨明显,近年降雨增多;与武汉市相比,有降雨日多但降雨量、暴雨日及大暴雨日少的特点;降雨量、降雨日数、暴雨量、暴雨日数等多随高度上升而递增;由于受南北边山地阻挡和峡谷的影响,长江以南降雨大于长江以北;水体抑制库周降雨,且夜间比白天明显,强降雨过程比弱降雨过程明显。三峡地区降雨周边山地多于谷底,蓄水后差异将更明显,使地质灾害容易发生,应引起高度重视。     

六盘山林区几种土地利用方式土壤呼吸时间格局

测定分析了六盘山林区典型的天然次生林[灌木林、山杨(Populus davidanda dode)林和辽东栎(Quercesliaotungensis koiz)]林、农田、草地和人工林[13a、18a和25a华北落叶松(Larix principis-rupprechtil mayr)]土壤呼吸时间格局.结果显示:随着温度升高,土壤呼吸速率逐渐升高,温度最高值在13:00～15:00点钟、最低值在凌晨4:00～8:00点钟,土壤呼吸速度最高和最低值也在这个时间范围.5～10月,土壤呼吸速率呈现增加而又降低的趋势,在8～9月达最大值,10月下降,这种变化主要与土壤温度变化基本一致.农田和草地土壤呼吸速率的昼夜或月变化幅度比天然次生林和人工林中大,且农田和草地土壤呼吸速率在昼夜或月变化中的最高值比天然次生林和人工林高、最低值比天然次生林和人工林低.天然次生林土壤年呼吸量平均在3.96～4.51 t/(hm²·a)、农田在1.91 t/(hm²·a)、草地在5.08 t/(hm²·a)、人工林在4.11～5.55t/(hm²·a).结果说明天然次生林变成农田或草地后,将使土壤呼吸速率的昼夜或月变化幅度增大,而农田或草地上造林后又将使这些变化幅度减小.另外,土地利用变化也将使土壤的年呼吸量改变.     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

四川省天然源VOCs排放量的估算和时空分布

利用遥感影像解译的土地利用现状和植被资料,对四川省天然源VOCs的排放情况和时空分布进行研究,建立了四川省天然源VOCs的排放清单.2012年四川省天然源VOCs的排放量为1413.74kt.其中异戊二烯占29.4%,为415.53kt,单萜烯占30.2%,为427kt,其他VOCs占40.4%,为571.215kt.排放量具有夏季高冬季低的典型特征,夏季占全年排放量的44%,冬季占9%.天然源VOCs的排放主要集中在林地密集和日照时间长的达州、巴中、广元、绵阳、乐山、眉山、攀枝花等地.研究表明,四川省天然源臭氧潜势为6134kt, 二次气溶胶的生成潜势为136kt.这说明其对环境空气质量的影响不容忽视.     

Assessment of temporal and spatial variations in water quality using multivariate statistical methods： a case study of the Xin＇anjiang River,China

This study evaluated the temporal and spatial variations of water quality data sets for the Xin＇anjiang River through the use of multivariate statistical techniques, including cluster analysis （CA）, discriminant analysis （DA）, correlation analysis, and principal component analysis （PCA）. The water samples, measured by ten parameters, were collected every month for three years （2008-2010） from eight sampling stations located along the river. The hierarchical CA classified the 12 months into three periods （First, Second and Third Period） and the eight sampling sites into three groups （Groups 1, 2 and 3） based on seasonal differences and various pollution levels caused by physicochemical properties and anthropogenic activ- ities. DA identified three significant parameters （tempera- ture, pH and E.coli） to distinguish temporal groups with close to 76% correct assignment. The DA also discovered five parameters （temperature, electricity conductivity, total nitrogen, chemical oxygen demand and total phosphorus） for spatial variation analysis, with 80.56% correct assignment. The non-parametric correlation coefficient （Spear- man R） explained the relationship between the water quality parameters and the basin characteristics, and the GIS made the results visual and direct. The PCA identified four PCs for Groups 1 and 2, and three PCs for Group 3. These PCs captured 68.94%, 67.48% and 70.35% of the total variance of Groups 1, 2 and 3, respectively. Although natural pollution affects the Xin＇anjiang River, the main sources of pollution included agricultural activities, industrial waste, and domestic wastewater.