基于PMF的土壤多环芳烃致癌风险定量源解析方法研究:以太原市为例

为实现土壤PAHs (多环芳烃)来源致癌风险的定量化,选取太原市城乡土壤为研究对象,分析PAHs污染水平并建立含量成分谱,利用PMF (正定矩阵因子分解)模型识别污染源,采用蒙特卡罗模拟进行健康风险评估,并联合PMF模型和健康风险模型量化PAHs污染源的健康风险,比较不同污染源对土壤PAHs含量和对致癌风险贡献的差异. 结果表明:①太原市土壤PAHs污染严重,城市地区人群暴露于土壤PAHs的致癌风险超过了可接受风险水平(10?6),农村地区人群超过可接受阈值的概率在10%~50%之间. ②城市土壤中PAHs主要来自燃煤交通混合源(41.5%)、燃煤源(26.0%)、石油源(16.2%)、焦炉排放源(8.2%)和交通排放源(8.1%),农村土壤PAHs主要来自燃煤源(43.3%)、生物质燃烧源(22.3%)、交通排放源(22.7%)和焦炉排放源(11.7%). ③燃煤交通混合源是城市地区致癌风险的最大来源,贡献率为53.7%;交通排放源和燃煤源是农村地区致癌风险的主要来源,贡献率分别为46.3%和45.6%. ④不同污染源对PAHs含量的贡献与其对致癌风险的贡献存在差异,对于城市地区,燃煤交通混合源、交通排放源对PAHs含量的贡献率分别为41.5%、8.1%,而其对致癌风险的贡献率分别为53.7%、13.0%;对于农村地区,交通排放源对PAHs含量的贡献率为22.7%,但其对致癌风险的贡献率为46.3%. 研究显示,规避交通排放源是降低PAHs致癌风险的关键,建议将基于健康风险的定量源解析技术应用到土壤风险管控中,以期更为有效地降低健康风险,保护人体健康.      

京津冀及周边地区“2+26”城市臭氧的季节性变化规律

城市臭氧(O₃)污染已成为当前主要的大气污染问题之一,也是空气污染防控面临的新挑战. 然而,基于长时段连续监测数据的O₃浓度季节性变化规律及成因解析仍较薄弱. 本文基于2014年3月1日—2021年2月28日空气质量在线监测平台日尺度数据,通过偏相关等方法探讨京津冀及周边地区“2+26”城市O₃的季节性变化规律. 结果表明:①“2+26”城市2014—2020年O₃年均浓度上升速率为3.82 μg/(m3·a),呈现先上升后下降的趋势,下降速率小于上升速率;O₃浓度的季节性变化特征表现为夏季>秋季>春季>冬季. ②2014—2020年O₃轻度污染天数占比最大且呈上升趋势,除北京市外,其他城市夏季O₃中度污染天数上升趋势明显. ③2017—2020年O₃浓度与CO、NO₂浓度的显著负相关性在夏季和冬季有所增强. O₃与SO₂浓度的关系由2014—2017年春季、夏季和秋季的显著负相关变为2017—2020年夏季和冬季的显著正相关(P<0.05). ④春季和秋季O₃浓度与日均气温呈显著正相关,夏季和冬季O₃浓度与相对湿度呈显著负相关,与日均风速的相关性则相对较弱. 研究显示,“2+26”城市O₃污染协调治理成效显著,需在保持现有NO_x控制力度基础上强化VOCs控制,加强SO₂治理,进一步遏制夏季O₃浓度上升.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

活性污泥萃取液的安全性及对水稻苗期生长和土壤环境的影响

为进一步探讨活性污泥萃取液的农用安全性及应用效果,以水稻为试验材料,开展活性污泥萃取液安全性及与化肥不同配施量处理试验,通过设置5个处理组(CK,空白对照;CF,常规施肥对照;LMF,化肥减氮30%配施低量萃取液;HMF,化肥减氮30%配施高量萃取液;MF,化肥减氮100%配施全量萃取液),分析萃取液对水稻苗期生长性状、土壤理化性质和土壤微生物群落的影响. 结果表明:活性污泥萃取液中的重金属元素含量符合《含氨基酸水溶肥料》(NY 1429—2010)农用标准,0.33%~10%浓度的萃取液浸种可促进水稻种子萌发. 施用萃取液可促进水稻幼苗株高、茎宽、叶面积、地上部生物量与地下部生物量等生长指标的增加. 与常规施肥相比,配施萃取液后,土壤pH显著提高0.51%~13.8%,土壤电导率显著降低14.3%~66.3%,可溶性有机碳含量最高可显著增加68.0%. 高通量测序分析结果显示,相对丰度位于前10位的细菌门类在各处理土壤中均有分布,施用活性污泥萃取液改变了菌群分布比例,且对近根际土壤中菌群结构的影响最大. 施用活性污泥萃取液后,与碳循环相关的门类菌群显著增加,如变形菌门(Proteobacteria)、放线菌门(Actinobacteria)、疣微菌门(Verrucomicrobia)等;常见于胁迫环境的厚壁菌门(Firmicutes)显著减少. 研究显示,活性污泥萃取液具有农用安全性,配施高量萃取液能显著促进水稻幼苗生长,改善土壤理化性质,优化土壤菌群结构,可与有机肥施用效能相当.      

施加牛粪有机肥对灰钙土吸附阿特拉津的影响机制

有机肥在改良土壤的同时也会改变农药的环境行为. 为明确施加牛粪有机肥对灰钙土吸附阿特拉津(ATZ)的影响作用及机制,采用批平衡试验,分析其吸附动力学、热力学以及牛粪施加量、pH、离子强度等因素对ATZ吸附的影响. 结果表明:①ATZ在灰钙土与施加牛粪灰钙土上的吸附均可分为快吸附、慢吸附直至平衡的过程,准二级动力学模型可较好地描述其吸附过程,施加有机肥增加了ATZ在灰钙土上的平衡时间,吸附速率受颗粒内扩散和外部液膜扩散共同控制. ②施加牛粪有机肥后,灰钙土对ATZ的吸附热力学更符合Freundlich模型,1/n在0.42~0.64之间,吸附属“L型”模式,低温和高温均会抑制ATZ在灰钙土上的吸附. ③pH和共存离子是影响ATZ在灰钙土上吸附的重要因素,随pH的升高,ATZ在灰钙土与施加牛粪灰钙土上的吸附量降低,这是由于碱性情况下,ATZ以阴离子存在,与带负电的灰钙土产生静电排斥作用;灰钙土施加牛粪有机肥后,共存阳离子对ATZ的吸附抑制作用明显,增加离子强度可能导致竞争吸附的存在,从而抑制有机离子在灰钙土上的吸附,且离子浓度越高,抑制越明显. 研究显示,土壤施加牛粪有机肥后,ATZ的吸附量增加,吸附由疏水性分配转变为多分子层化学吸附为主,表明施加牛粪有机肥会改变ATZ在灰钙土上的吸附行为和机制,降低ATZ在灰钙土中的迁移风险. 研究结果将为贫瘠黄土土壤改良风险和三嗪类农药的管控提供理论依据.      

京津冀地区NOx和VOCs协同减排成本及减排策略研究

京津冀地区细颗粒物(PM_2.5)浓度改善速度放缓,而臭氧(O₃)污染不断加剧,PM_2.5和O₃的协同控制对于京津冀地区空气质量持续改善十分关键且紧迫. 通过构建京津冀地区城市层面可计算一般均衡模型(CGE),模拟了PM_2.5和O₃的共同前体物—NO_x和VOCs的边际减排成本曲线,进而构建了京津冀地区PM_2.5和O₃协同控制评估模型,确定了在不同空气质量目标下减排成本最小的NO_x和VOCs协同减排方案. 结果表明:减排成本最小的情景下,京津冀各城市PM_2.5和O₃浓度达到《环境空气质量标准》(GB 3095—2012)二级标准限值时;NO_x和VOCs的排放量需较2017年分别降低25%~67%和22%~60%,需要投入的总减排成本为992.9×108元. 研究显示,基于京津冀地区城市政策仿真平台构建的PM_2.5和O₃协同控制评估模型,可为京津冀地区PM_2.5和O₃协同控制方案的制定提供参考.      

富硅稻壳灰对水稻吸收砷的调控作用

通过向土壤中添加富硅稻壳灰提高土壤溶液中Si浓度可以有效抑制水稻对As的吸收. 为了探索富硅稻壳灰对水稻吸收As的内在调控机理,于2020年在湖南省永州市道县开展了大田试验. 结果表明:富硅稻壳灰的添加使土壤孔隙水中Si浓度较对照组显著增加了866.0%,这为水稻生长提供了充足的Si,使Si在与As的竞争吸收中占据主导作用,同时富硅稻壳灰促进了土壤铁氧化物的沉淀,使孔隙水中As浓度下降了20.3%,这一过程中由于铁氧化物的还原溶解而释放的As重新被固持. 水稻根系铁膜的形成对As的截留作用是抑制As向地上部转运的关键,富硅稻壳灰通过促进通气组织的形成来增加根系氧化能力,使水稻根表铁膜铁浓度(DCB-Fe)较对照组增加了47.3%,使根表铁膜As浓度(DCB-As)较对照组增加了41.0%. 富硅稻壳灰为水稻生长供应的足量Si,通过下调水稻根系中Si转运蛋白Lsi1和Lsi2的表达,从而限制了水稻根系对As(Ⅲ)的吸收,结果显示富硅稻壳灰使精米中无机As浓度降低了29.1%,低于GB 2762—2017《食品安全国家标准 食品中污染物限量》标准限值. 该研究通过大田试验,从土壤孔隙水、水稻根表铁膜以及Si与As在水稻茎叶和稻米运输中的竞争作用三方面系统论述了低温燃烧条件下制备的富硅稻壳灰对水稻吸收As的调控作用,结果表明以0.2%的施加比例施加富硅稻壳灰有效降低了水稻籽粒中无机As 含量,为As污染土壤的水稻安全生产利用提供有效的解决途径.      

浙江省O3浓度时空格局及驱动因子

气象因子对臭氧(O₃)浓度有重要影响,为探索O₃浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O₃浓度和气象因子数据. 结果表明:①浙江省O₃浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O₃浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O₃浓度最小值出现时间较其他季节晚1 h左右. 高浓度O₃主要分布在浙江省东北部及北部区域. ②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O₃浓度的贡献率均超过20%,夏季相对湿度对O₃浓度的贡献率超过40%,秋季日光照时长对O₃浓度的贡献率超过40%,秋、冬两季NO₂浓度对O₃浓度的贡献率均超过35%. 春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419. 研究表明,浙江省O₃浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季.      

不同氮肥策略对汞污染土壤修复效果的影响

为明确不同施氮肥策略对汞污染土壤的改良效果及其对土壤细菌群落的影响作用,该研究选取受汞污染的酸性土壤(G)和碱性土壤(S)为研究对象,分别设置未施肥空白对照（GK、SK）、仅施速效氮肥（GA、SA）、仅施缓释氮肥（GS、SS）以及生物炭配施缓释氮肥（GB、SB）8种实验处理,基于盆栽实验,探究各处理对汞污染土壤的改良作用、微生物群落的影响,并进一步明确对作物安全的作用效果。结果表明,与GK、SK相比,施肥使汞污染土壤中汞含量分别降低了20.47%～81.60%（酸性）与23.38%～75.74%（碱性）;与GA、SA相比,GS、SS处理中,土壤中汞含量分别显著降低了75.96%、69.86%;值得注意的是,生物炭配施处理（GB、SB）对汞污染土壤的改良效果与仅缓释氮肥（GS、SS）处理之间并无显著差异。生物炭配施缓释氮肥处理与其他各处理相比,对原土壤微生物群落结构影响显著,其中,酸性土壤的微生物丰度增加了6.23%,多样性下降11.36%,而碱性土壤中二者均呈下降趋势,分别下降了17.69%、16.81%。对韭菜中汞含量的研究发现,各施氮肥处理中,酸性土壤的可食用部分与根部的汞含量分别下降20.38%～66.46%、20.76%～35.22%;而在碱性土壤中,仅配施处理中作物的可食用部分与根部中的汞含量显著下降,与仅缓释氮肥相比显著下降,分别为45.05%、28.15%。根据Spearman相关性分析金属汞、pH和有机质是影响细菌群落的重要因子。由此可得,施缓释氮肥是降低汞污染土壤的最佳策略,而生物炭配施缓释氮肥在有效改良土壤汞污染（尤其酸性土壤）的同时,显著提高了土壤中细菌的丰度,降低作物中汞含量。该研究在为汞污染土壤改良提供理论依据的同时,探究了缓释氮肥及其与生物炭配施的作用效果。     

微塑料对牟氏角毛藻的毒理效应

本文选取聚对苯二甲酸乙二酯（PET）和聚苯乙烯（PS）微粒作为目标污染物,探讨其不同浓度（50 mg/L、100 mg/L和200 mg/L）和不同粒径（100 μm、175 μm和250 μm）对受试生物牟氏角毛藻（Chaetoceros muelleri）的影响。结果表明,3种粒径和浓度的微塑料（PET 和 PS ）均对微藻细胞密度产生抑制作用,PET（100 μm,200 mg/L）和PS（100 μm,200 mg/L）对微藻产生的最大抑制率分别为 37.3% 和 32.5%。微塑料浓度越大,对藻细胞密度的抑制作用越强;而粒径变化对藻细胞密度的抑制作用未呈现明显规律。PET对牟氏角毛藻细胞干重的影响较小,与对照组相比无显著性差异（P>0.05）,PS则对牟氏角毛藻细胞干重无影响。微塑料对牟氏角毛藻叶绿素a（Chl a）的抑制作用与其类型和暴露时间有关。PET对Chl a起抑制作用,PS则起促进作用。