基于随机森林模型的武汉市城区大气PM2.5来源解析

基于2019年12月～2020年11月期间武汉市城区大气PM_2.5及其主要化学组分（碳质组分、水溶性离子和元素组分）的在线监测数据,分析武汉城区大气PM_2.5的污染特征,并利用主成分分析方法和随机森林模型,对PM_2.5进行来源解析．结果表明,武汉市大气ρ(PM_2.5)冬季最高,为（61.33±35.32）μg·m^-3,而夏季最低,为（17.87±10.06）μg·m^-3．其中碳质组分以有机碳为主,年均值为（7.27±3.51）μg·m^-3,离子组分中ρ（NO₃^-）、ρ(SO₄^2-)和ρ（NH₄⁺）最高,年均值分别为（11.55±3.86）、（7.55±1.53）和（7.34±1.99）μg·m^-3,元素组分中ρ（K）、ρ（Fe）和ρ（Ca）最高,年均值分别为（752.80±183.9...     

成都平原典型区地下水污染时空异质性及污染源分析

成都平原地下水是该地区生活、工农业生产用水的重要来源,但由于长期过量使用化肥,以及畜禽养殖、乡镇企业及生活污废水的无组织排放,已对该区地下水环境构成了威胁.本研究选取成都平原某典型城镇农村区进行不同时季地下水水质监测分析,并联合ArcGIS空间分析技术、相关矩阵分析和主成分分析(PCA),以揭示研究区地下水水质时空异质性、污染影响因素、潜在污染源及污染源时季变化规律.结果表明,研究区"三氮"(NO~-_3、NO~-_2、NH~+_4)、铁(Fe)、锰(Mn)、氯离子(Cl~-)、硫酸根离子(SO■)存在不同程度的超标,其中,氨氮(NH~+_4)超标最为突出;地下水中氨氮含量及"三氮"之间的转化主要受土地利用类型、地下水铁锰分布及含水层氧化还原条件的影响.PCA结果显示,农业活动、生活污水和工业排放是造成研究区地下水污染的主要影响因素,从春季到夏季地下水污染源由生活污染为主转向农业污染为主,冬季地下水污染源以生活和工业源为主.ArcGIS空间分析和PCA分析的结合,有助于探讨地下水水质及潜在污染源的时季变化规律,可为地下水环境保护、污染控制和减缓方案制定提供理论依据.     

基于PCA-TOPSIS方法的河北省冬小麦气候适宜性评价

应用基于PCA-TOPSIS(principal component analysis-technique for order preference by similarity to ideal solution)方法对河北省冬小麦的热量和水分气候资源进行了评价和区划.结果表明,根据冬小麦种植的气候适宜性可将河北省大致分为4个区:河北省南部为最适宜区,水、热资源配合较好;其次为中部和环渤海地区,水、热资源相对不平衡,一定程度上制约了冬小麦的生长发育;再次为东北部地区,水分资源尚可,但热量资源匮乏;最后为北部和西北部地区,水、热资源都较差,最不适宜冬小麦的生长发育.     

PMF和PCA/MLR法解析上海市高架道路地表径流中多环芳烃的来源

以上海市内环高架道路径流中的多环芳烃(PAHs)为研究对象,于2012年7~9月,实测了8场降雨的道路径流中的PAHs,了解了城市交通干道径流中PAHs的污染状况,并采用正定矩阵因子分解(PMF)和主成分分析/多元线性回归(PCA/MLR)两种模型对径流中的PAHs进行源解析.因子分析表明,径流中Σ16 PAHs的浓度范围为1.585~7.523μg·L-1,两种模型对于PAHs的来源有较为一致的判定.交通源为高架道路地表径流中PAHs的主要来源,PMF和PCA/MLR得到的源贡献率分别为37.7%和44.3%,其余3种来源石油源、燃气源和其他源,PMF得到的源贡献率依次为21.9%、26.4%、14.0%;与之对应,PCA/MLR得到的源贡献率依次为28.9%、18.3%、8.5%.PMF和PCA/MLR模型的计算值与实测值拟合较好,相关系数分别为0.961和0.997.     

三种大型海藻对对氯苯胺的去除行为及光合生理响应

以龙须菜、坛紫菜和石莼3种大型海藻为实验材料,通过模拟实验,研究并比较了它们对不同浓度对氯苯胺(PCA)的去除行为,以及石莼对PCA的光合生理响应.实验结果显示,7d实验结束时,3种藻类对海水中PCA的最终去除率排序分别为:6mg·L-1PCA处理组,龙须菜(58.7%)<坛紫菜(75.7%)<石莼(94.9%);60mg·L-1PCA处理组,龙须菜(50.2%)<石莼(61.3%)<坛紫菜(74.9%);海藻的培植密度越大,PCA的去除率越高,在受PCA污染的海域中大面积种植大型海藻来有效地处理修复此类污染在理论上是可行的.在不同浓度PCA处理过程中,石莼的生长受到抑制,有效光化学效率、光合作用和呼吸作用呈现出低浓度(<5mg·L-1)促进、高浓度(>10mg·L-1)抑制的现象.叶绿素、类胡萝卜素和可溶性蛋白含量在各处理组之间没有表现出确定趋势,表明PCA对石莼生长的影响可能是由于呼吸速率的增加而引起的.     

电子垃圾拆解地周边土壤中二(口恶)英和二(口恶)英类多氯联苯的浓度水平

采集了电子垃圾拆解地周边125个点位的151个土壤样品,分析了土壤中4~8氯代二噁英和二噁英类多氯联苯的浓度.表层土壤样品中总二噁英的浓度范围为280~7 010 pg·g-1,平均浓度为1 380 pg·g-1.中层和深层土壤样品中总二噁英的平均浓度分别为表土的63%和38%.表土样品中二噁英毒性当量浓度(以I-TEQ计)范围为1.4~94.8 pg·g-1.根据德国关于毒性当量浓度的指导方针,125个土壤样品中只有19个(15%)可以被认为对人体健康无害,其余85%的土壤需要调查二噁英的来源.如果考虑多氯联苯对毒性当量的贡献,则有98%的土壤需要调查二噁英的来源.主因子分析被用来调查这一地区二噁英的排放源.通过对土壤中二噁英的同系物分布进行分析,发现拆解活动是这一地区热过程二噁英的主要排放源,也是这一地区土壤中二噁英的主要来源.     

高原城市昆明公路隧道大气中PM2.5理化特征分析

为研究高原地区机动车尾气排放特征,选取昆明市草海隧道内大气PM_(2.5)为研究对象,并对样品中的水溶性离子、碳组分、多环芳烃、无机元素进行分析.结果表明,隧道内PM_(2.5)质量浓度为225.65~312.84μg·m~(-3),是同期环境大气中PM_(2.5)浓度的11~14倍,PM_(2.5)中碳组分所占比重最高,约占总质量浓度的35.73%,其次无机元素占21.78%,离子组分在4.79%~5.52%之间,含量最低的是多环芳烃,占0.25%~0.32%;离子组分中Ca~(2+)和SO_4~(2-)含量较高,占总离子浓度的77.78%~80.17%,显示为地壳来源,其次是NH_4~+、NO_3~-的浓度也相对较高,主要来自机动车尾气源;草海隧道PM_(2.5)中以分子量相对较大、不易挥发的4、6环PAHs为主,机动车尾气对PM_(2.5)中多环芳烃的贡献十分显著,毒性最强的Ba P浓度是国家规定浓度限值的23~29倍,高原草海隧道大气中存在PM_(2.5)暴露健康风险;隧道大气PM_(2.5)中元素由PCA分析显示机动车尾气和道路扬尘来源占比约61.64%,其次机械磨损排放源占比约为17.49%,最后为轮胎磨损排放源,占比为9.11%;云贵高原大气低压低氧条件下,机动车发动机燃料不完全燃烧几率较高,导致机动车尾气PM_(2.5)中的OC以及PAHs排放量增加.     

郑州市某生活区大气PM2.5中重金属污染特征及生态、健康风险评估

为了研究郑州市某生活区大气重金属元素的污染特征,对郑州市某生活区进行潜在生态风险和居民健康风险的评估,利用武汉天虹TH-16A型大气颗粒物智能采样仪对郑州市某生活区大气PM_(2.5)样品进行采集,并用波长色散X射线荧光光谱法(ambient air determination of inorganic elements in ambient particle matter wavelength dispersive X-ray fluorescence spectrometry,WD-XRF)分析17种金属元素的质量浓度;用富集因子法、主成分分析法对重金属的来源进行解析;用生态风险指数法和美国环保署的健康风险评价法分别对Cr、Cd、Cu、Zn、Ni、Pb和As等元素的潜在生态风险、居民健康风险进行评估.结果表明,富集因子(enrichment factor,EF)值较高的金属为Cd、Sb、Pb和As,其中Cd的富集因子值最高,为8 657. 6;郑州市某生活区金属元素的来源主要为地壳源/燃煤源、燃油源、垃圾燃烧源、冶金尘源和机动车排放源; Cd、Pb、Zn、As、Cu、Ni和Cr的单因子潜在生态危害指数值分别为70 420. 2、255. 3、204. 6、71. 5、36. 9、24. 0和5. 1;郑州市某生活区的Cd、As和Cr具有致癌风险,Cd的危害最大; Mn具有非致癌风险.     

Surface ozone scenario and air quality in the north-central part of India

Tropospheric pollutants including surface ozone(O_3), nitrogen dioxide(NO_2), carbon monoxide(CO) and meteorological parameters were measured at a traffic junction(78°2′ E and 27°11′ N) in Agra, India from January 2012 to December 2012. Temporal analysis of pollutants suggests that annual average mixing ratios of tropospheric pollutants were: O_3— 22.97 ± 23.36 ppbV,NO_2— 19.84 ± 16.71 ppb V and CO — 0.91 ± 0.86 ppm V, with seasonal variations of O_3 having maximum mixing ratio during summer season(32.41 ± 19.31 ppbV), whereas lowest was found in post-monsoon season(8.74 ± 3.8 ppbV). O_3 precursors: NO_2 and CO, showed inverse relationship with O_3. Seasonal variation and high O_3 episodes during summer are associated with meteorological parameters such as high solar radiation, atmospheric temperature and transboundary transport. The interdependence of these variables showed a link between the daytime mixing ratios of O_3 with the nighttime level of NO_2. The mixing ratios of CO and NO_2 showed tight correlations, which confirms the influence of vehicular emissions combined with other anthropogenic activities due to office/working hours, shallowing, and widening of boundary layer. FLEXTRA backward trajectories for the O_3 episode days clearly indicate the transport from the NW and W to S/SE and SW direction at Agra in different seasons.     

一种紫外-可见光谱检测水质COD预测模型优化方法

针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.