石墨烯在防腐涂料中的研究进展及应用

简要叙述了石墨烯结构性能以及当前主流制备石墨烯的方法。概述了最近几年来石墨烯在防腐涂料中的研究进展情况,包括石墨烯在涂料中的添加量、分散技术、原位改性等对涂料性能的影响。研究表明,在涂层中分散均匀添加量适中的石墨烯可以对防腐涂料性能有较大的提升,探讨了石墨烯在防腐涂层中的应用机理,同时对石墨烯防腐涂料的应用发展进行了展望。     

芦苇植株对湿地温室气体排放的影响及其日变化特征

利用静态箱-气相色谱法对夏季(7月、8月和9月)长江河口湿地芦苇植被CO_2、CH_4和N_2O的叶面通量、茎秆扩散速率以及沉积物通量的日变化进行研究。结果显示,通过芦苇叶片排放的N_2O与CH_4的量分别为2.99μg/(m~2·h)和15.36μg/(m~2·h),CO_2则呈现白天吸收(-120.86 mg/(m~2·h))、夜间排放(69.39 mg/(m~2·h))的特点。芦苇茎秆N_2O、CH_4和CO_2平均扩散速率分别为1.96μg/h、142.45μg/h和10.69 mg/h,沉积物平均排放通量为N_2O 8.18μg/(m~2·h)、CH_41.58 mg/(m~2·h)、CO_2169.66 mg/(m~2·h)。芦苇茎秆和沉积物界面CH_4和CO_2的排放均呈现出明显的"单峰型"昼夜变化规律,其排放峰值集中在日照及温度最高的9:00至15:00。芦苇植株是影响温室气体排放变化的因素之一。芦苇植株在光合作用下吸收CO_2并促进CH_4的排放,而芦苇发达的根系及茎秆是温室气体排放的主要途径。同时,Pearson相关性分析表明温度对芦苇群落CH_4和NO2的排放影响显著,但与CO_2通量的相关性不明显。土壤氧化还原电位对3种气体的排放均有显著影响。     

西安市文教区表层土壤中PAHs来源及风险分析

文教区土壤环境质量直接影响学生以及职工的身体健康。本研究应用高效液相色谱仪对采集的西安市文教区表层土壤样品中的16种优控多环芳烃(PAHs)进行含量检测,分析其组分特征、来源及健康风险。结果表明,西安市文教区表层土壤中∑PAHs含量为0.290~4.147μg/g,平均值为1.515μg/g,7种致癌多环芳烃的含量为0.079~2.093μg/g,均值为0.593μg/g,土壤PAHs污染较为严重。其中4环的高环PAHs为土壤PAHs污染的主要物质,平均占∑PAHs含量的40.72%。源解析结果表明西安市文教区表层土壤中PAHs主要来源于石油燃烧、煤及生物质等的不完全燃烧。终生癌症风险评价表明西安市文教区表层土壤中PAHs污染对其生活在周围的人群产生的终生致癌风险性较小,但71.4%的样点达到严重污染水平,产生的间接影响应引起足够重视。     

小清河水体和沿岸地下水中有机污染物的监测及其毒性分析

本文对小清河水体和沿岸地下水中的有机污染物进行了色－质联用分析，共检出有机污染物１３类９３种。并对其毒性效应进行了分析和评价。     

济南市创建国家环保模范城市的调查与思考

从济南市环境保护现状调查入手,对照国家环境保护模范城市考核指标,分析济南市创建国家环境保护模范城市存在的问题,借鉴其他城市创建国家环境保护模范城市的成功经验,结合济南市实际,提出了有针对性的对策与建议。     

柴油机尾气中PAH_s的分析

本文概述了柴油机尾气中ＰＡＨｓ的分析方法，着重论述了采样及预处理方法，特别对预处理方法进行了深入的探讨。另外，通过对柴油机两种不同工况下产生的尾气进行分析后发现，柴油机转速越高，其排放尾气中ＰＡＨｓ的含量就越低。     

新疆生态功能区划初探

“新疆生态功能区划”参考了“中国综合生态环境区划方案”，以《生态功能区划暂行规程》为依据，充分考虑新疆独特的地理分布格局，将新疆分为5个生态区，18个生态亚区，79个生态功能区。“新疆生态功能区划”对科学有效地管理新疆生态环境，因地制宜地实施保护和治理策略，保证社会经济可持续发展具有重要意义。     

乌鲁木齐市餐饮业油烟污染的调查及防治初探

通过对乌鲁木齐市20家餐饮业油烟污染的调查分析，结果表明，乌鲁木齐市餐饮业油烟污染严重，并提出了防治措施。     

多氯联苯的气相色谱/质谱/质谱(GC/MS/MS)法测定

采用气相色谱/质谱/质谱(GC/MS/MS)法测定多氯联苯(PCB),具有良好的灵敏度和选择性,在地表水样品检测时,样品只须进行简单的液液萃取-浓缩,不须任何净化过程即可上机分析,方法检出限低于ng/L级。     

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.