乙醇汽油与普通汽油非常规污染物排放特性对比研究

在一台满足国Ⅴ排放标准的双喷射(气口喷射+缸内直喷)汽油机上开展了燃用E10乙醇汽油(乙醇体积比为10%)对发动机非常规排放特性影响的试验研究.使用傅里叶变换红外分析仪(FTIR)测量了饱和烃、不饱和烃、芳香烃及醇、醛等非常规污染物排放量,对比分析了双喷射模式时各工况下E0和E10两种燃料的非常规排放水平.结果表明,双喷射模式下,加入乙醇有效降低了乙烯、1,3-丁二烯、苯和甲苯的排放量,但会导致乙醛排放升高.双喷射模式下,随着负荷增加,两种燃料下的1,3-丁二烯和甲苯排放呈现先升高后降低的趋势,乙烯、甲醛和苯排放则先降低后升高.乙醇能抑制1,3-丁二烯、乙烯生成,抑制效果为PFI模式优于双喷射模式,GDI模式抑制量最低.PFI和GDI模式下E10的甲醛排放均显著升高,但双喷射模式有效抑制了甲醛排放的增加.     

哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.     

基于遥感尾气监测的柴油车气态污染物排放因子计算方法研究

采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征,修正了排放因子的计算方法,并与车载排放测试系统（PEMS）实测结果进行了验证,获得了实测车辆的CO、HC和NO排放因子.测试结果显示,在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气,未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大,且氧气浓度越大,偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升,适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小,精确度较高,可以为量化柴油车尾气排放贡献提供科学依据.     

基于稳定氢同位素的太原市大气单环芳烃来源

采集太原市城北和城南区域环境空气和5类污染源挥发性有机物样品,测定样品中典型单环芳烃稳定氢同位素（δD）组成,基于同位素质量平衡原理计算单环芳烃从源到环境空气受体的δD初始混合值,探讨单环芳烃来源.结果表明,柴油挥发源、溶剂挥发源、汽油挥发源（97^#）、汽油挥发源（95^#）、机动车尾气（97^#）、机动车尾气（95^#）和民用燃煤源中单环芳烃δD范围依次为：（-138.7‰~-115.5‰）、（-147.0‰~-121.0‰）、（-150.8‰~-117.6‰）、（-131.8‰~-113.8‰）、（-171.2‰~-120.0‰）、（-138.9‰~-102.7‰）和（-168.3‰~-142.3‰）,民用燃煤源中单环芳烃δD显著贫重氢同位素（D）组成,机动车尾气源与汽油挥发源中苯的δD相比显著贫D,可用于探索污染物转化过程;城北和城南环境空气中δD范围为（-131.7‰~-115.1‰）和（-131.9‰~-74.9‰）,δD初始混合值为-138.4‰和-173.9‰,体现了其来源差异.     

固定化微藻流化床反应器去除低碳污水中氨氮的潜力

以固定化微藻颗粒为原料,通过搭建流化床反应器强化微藻对氨氮（NH₄⁺-N）的去除,设计了藻种、污水上升流速、光周期和光照强度四组单一变量实验,系统地研究了不同条件下微藻去除NH₄⁺-N的能力.结果表明,当以固定化斜生栅藻为原料、污水上升流速为6.8m/h、光周期为8：16h和光照强度为4800Lux时,NH₄⁺-N去除效果最优（96.7%）.在最优操作条件下,探究了COD为200mg/L时微藻去除NH₄⁺-N的潜力,结果表明,当NH₄⁺-N初始浓度不高于50mg/L时,NH₄⁺-N去除率高于95%.本实验建立了一套半连续微藻流化床实验方法,该方法显著减弱了微藻在生物同化过程中对有机碳源的依赖性,为低COD条件下微藻生物脱氮工艺的设计提供了技术参考和理论基础.     

科技创新投入对环境全要素生产率的影响机制

使用2004~2015年的中国280个地级市的面板数据,对科技创新投入与环境全要素生产率间的非线性关系、内部影响机理和空间异质性进行分析,结果显示：科技创新投入与环境全要素生产率之间呈现倒N型关系,两个拐点的位置分别为7.722（2257.47万元）和9.610（14913.17万元）;在外部资本进入、污染治理、市场规模效应3种影响路径中,科技创新投入影响下的外部资本进入对环境全要素生产率依然存在污染避难所的负向效应,科技创新投入与外部资本间效应为0.1363,外部资本与环境全要素生产率间效应为-0.0065;科技创新投入能够增强企业的污染治理技术并提高环境全要素生产率,三者间前后效应分别为-0.0277和-0.0311;科技创新的投入与高效益增强了市场规模效应,有效促进生产结构的转型进而提高环境全要素生产率,三者间前后效应为0.0186和0.4346.空间异质性中,外部资本进入与溢出效应带来的污染避难所负效应在中部地区显著,在西部和东北部地区不显著,而污染天堂正效应在东部地区存在但不显著;污染创新治理投入的技术正溢出效应在东部和西部地区效应显著,在中部和东北部不显著;科技创新投入与市场需求规模效应在空间区域无差异且显著为正.建议依据科技创新投入的不同影响路径来实施空间差异化策略.     

金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

Density functional theory (DFT) studies of vanadium-titanium based selective catalytic reduction (SCR) catalysts

Based on density functional theory (DFT) and basic structure models, the chemical reactions on the surface of vanadium-titanium based selective catalytic reduction (SCR) denitrification catalysts were summarized. Reasonable structural models (non-periodic and periodic structural models) are the basis of density functional calculations. A periodic structure model was more appropriate to represent the catalyst surface, and its theoretical calculation results were more comparable with the experimental results than a non-periodic model. It is generally believed that the SCR mechanism where NH₃ and NO react to produce N₂ and H₂O follows an Eley-Rideal type mechanism. NH₂NO was found to be an important intermediate in the SCR reaction, with multiple production routes. Simultaneously, the effects of H₂O, SO₂ and metal on SCR catalysts were also summarized.     

基于边介数的省域生态廊道构建方法优化

我国城市建设和生态保护工作均对土地资源有大量需求,二者之间的矛盾在经济优先发展区表现尤为明显.为了有效地改善生态环境,管控土地利用并引导其变化发展,需要建设具备不可替代特征的省域生态廊道.最小累积阻力模型（minimum cumulative resistance,MCR）是识别生态廊道最常用、有效的模型,但在应用于省域尺度时,MCR模型识别的潜在廊道路由存在冗余的问题.因此,通过引入网络科学中的边介数指数（edge-betweenness）对MCR模型进行优化,计算潜在廊道路由的边介数指数值,选取出其中最为重要和简明的结构来连通生态源地,即提取潜在路由中的骨干路由（backbone route）和关键战略点（key strategic point）作为不可替代的结构来指导省域生态廊道建设.将优化后的MCR模型应用于广东省,构建了全长5 493 km的省域生态廊道,其中包含生态源地20处,关键战略点11个,骨干生态廊道29条.骨干路由与关键战略点构成的不可替代省域生态廊道（irreplaceable provincial corridor）能够实现"廊道数量和占地面积最少、连通性基本不变"的目标.研究显示,边介数能够对潜在路由进行优化筛选,识别出维护省域生态安全的关键结构;不可替代生态廊道能够指导省域生态规划和土地空间的发展利用,并为更高水平的生态安全环境提供了演进的基础;同时也为土地资源紧张的地区提供了建设生态廊道的参考与依据.      

Coupling mechanism of activated carbon mixed with dust for flue gas desulfurization and denitrification

To clarify the effect of coking dust, sintering dust and fly ash on the activity of activated carbon for various industrial flue gas desulfurization and denitrification, the coupling mechanism of the mixed activated carbon and dust was investigated to provide theoretical reference for the stable operation. The results show that coking dust had 34% desulfurization efficiency and 10% denitrification efficiency; correspondingly, sintering dust and fly ash had no obvious desulfurization and denitrification activities. For the mixture of activated carbon and dust, the coking dust reduced the desulfurization and denitrification efficiencies by blocking the pores of activated carbon, and its inhibiting effect on activated carbon was larger than its own desulfurization and denitrification activity. The sintering dust also reduced the desulfurization efficiency on the activated carbon while enhancing the denitrification efficiency. Fly ash blocked the pores of activated carbon and reduced its reaction activity. The reaction activity of coking dust mainly came from the surface functional groups, similar to that of activated carbon. The reaction activity of sintering dust mainly came from the oxidative property of Fe₂O₃, which oxidized NO to NO₂ and promoted the fast selectively catalytic reduction (SCR) of NO to form N₂. Sintering dust was activated by the joint action of activated carbon, and both had a coupling function. Sintering dust enhanced the adsorption and oxidation of NO, and activated carbon further promoted the reduction of NO_x by NH₃; thus, the denitrification efficiency increased by 5%-7% on the activated carbon.