武汉市土壤重金属空间分布研究

选取武汉市为研究对象,均匀采集土壤样品,分析了6种土壤重金属含量。结果显示,As,Cr,Cu,Ni,Pb,Zn的平均含量超过武汉市土壤重金属背景值。根据克里金空间插值分析,As和Zn主要由人为因素污染造成。     

东洞庭湖湖滨带土壤酸碱度的分布及对重金属含量的影响

用统计学方法研究了东洞庭湖湖滨带土壤pH 值的分布特征及与重金属污染特征关系。研究表明：在东洞庭湖湖滨带67个采样点中,7.46％的土样为酸性土壤,多分布在居民地和旅游区;13.43％的土样为中性土壤,多分布在湿地保护区;79.10％的土壤为碱性土壤,主要分布在农业区和工业区;无强酸性和强碱性样品。不同土壤pH范围的重金属平均含量不同,随着土壤pH值由酸性、中性到碱性的升高,Hg、Cd、Pb、Zn含量先降低后增加;As、Cu、Ni、Cr含量先增加后降低。     

陕北某化工企业周围污灌区土壤-作物系统重金属积累特征及评价

对陕西北部某化工企业污灌区土壤-作物系统的重金属积累状况及空间分布进行了深入研究.结果表明,污水排放导致了周围农田土壤中Cd和Cu的聚集,其中Cd的积累量超过国家土壤环境二级标准;土壤Cu、Zn和Pb的单因子污染指数均小于1,Cd的单因子污染指数为1.21,属轻度污染,4种重金属综合污染指数为0.74,属警戒线等级.在剖面上,所有重金属元素均表现出明显的表聚现象,主要聚集在土壤表层0~10 cm范围内,在空间分布上,污水排放企业污灌区土壤和作物重金属Cu、Zn和Cd的强烈聚集区出现在企业排污口附近100 m范围内,而Pb集中在200 m范围内,并随着距企业距离的增加重金属含量呈降低趋势.在企业污水灌溉的影响下,玉米籽粒中Cu、Pb和Cd的平均含量分别为4.74、0.129和0.036 mg·kg-1,明显高于对照区,其中Pb达到5.7%的超标率.玉米籽粒中重金属单因子污染指数均小于1,大小为PbCuZnCd,综合污染指数为0.53,属安全清洁等级;4种重金属元素中,除Cd在作物中与土壤中有效态和全量之间均呈现极显著的正相关关系外,其余元素作物中和土壤中含量相关性均未达到显著水平.因此,该化工企业周围,尽管由于污灌引起重金属在土壤中的累积,但由于在农作物中的积累有限,暂时未对人体健康造成威胁,但由于交通及烟尘引起的Pb的超标应引起重视.     

北运河水体中荧光溶解性有机物空间分布特征及来源分析

利用激发发射矩阵荧光光谱(EEMs)并结合平行因子分析(PARAFAC),研究了北运河荧光溶解有机物(fluorescent dissolved organic matter,FDOM)的荧光组分及其空间分布特征,并对各河段FDOM的来源进行了分析.结果表明,北运河水体FDOM的组分中,代表类腐殖物质的组分含量较多,占总荧光强度平均比例的76.18%,而类蛋白质物质占23.82%.各组分荧光强度与氮、磷等污染物呈显著相关关系,说明FDOM与氮、磷等元素的迁移转化有关系;溶解性有机质呈现出明显的空间分布格局,从上游到下游为先降低后升高.上游区域的FDOM含量受工业废水和沿岸农业径流的影响,溶解性有机质含量较高;中游区域主要受少量生活废水排放的影响,溶解性有机质含量较低;下游区域FDOM来源于周边畜禽养殖废水、生活污水、乡镇工业废水和农田退水等,该区域类蛋白物质的相对丰度明显增加,溶解性有机质含量最高.污水处理厂出水中DOM的含量较高,表明污水处理效果有待进一步提高.     

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O₃浓度数据,综合探讨了北京市O₃的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O₃小时平均浓度约为56.18 μg·m^-3,O₃超标日小时平均浓度约为148.05 μg·m^-3且超标日主要集中在5~9月;超标日O₃日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O₃浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O₃浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O₃超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O₃浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O₃重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O₃浓度有着十分重要的影响.     

苏南某镇土壤重金属污染的景观格局特征

评价土壤重金属污染等级并掌握其空间格局特征,对区域土壤环境保护和治理具有重要意义.以苏南某镇8种土壤重金属As、Cd、Cr、Cu、Hg、Ni、Pb和Zn为研究对象,综合运用单因子评价法、内梅罗综合评价法、地统计分析法、景观格局的粒度效应及景观指数分析方法,在污染评价的基础上,分析了研究区土壤重金属的景观格局特征.结果表明:1研究区各土壤重金属单因子污染指数及内梅罗综合评价指数的均值取值范围为0.145~0.893,整体污染程度低,且南部地区污染程度低于北部;2 As、Pb、Hg和Zn面源污染特征明显,其中As和Pb空间分布特征相似,Hg和Zn空间分布特征相似;Cd、Cr、Cu、Ni点源污染特征显著,其中Cd和Cr空间分布特征相似,Cu和Ni空间分布特征相似;3土壤重金属景观的适宜粒度为30~40 m;4研究区土壤重金属低含量区域面积比例最大,较低含量区域边界最复杂,各污染程度区域分布相对集中且综合污染破碎化程度低.表明研究区重金属污染源数量尚少且分布集中,但有进一步发展的趋势,整体处于土壤重金属污染的早期阶段.     

龙口市污水灌溉区农田重金属来源、空间分布及污染评价

采集龙口市污水灌溉区农田土壤,分析测定土壤pH和重金属含量,以采集的70个土壤样点为研究对象,根据多元统计中的相关分析和主成分分析探究研究区重金属的来源;采用地统计理论与GIS空间插值相结合的方法研究重金属元素的空间结构和分布特征;最后利用内梅罗指数法和改进的模糊综合评判法做重金属污染评价.结果表明,研究区内9种重金属元素在土壤中均有一定程度的富集,其中重金属Cd的均值是当地背景值的3.06倍,富集情况最为明显;指数法进行的污染评价显示Cu、Cd和Pb的综合污染指数分别为7.06、6.10和5.54,三者均属重度污染;相关分析和主成分分析结果显示,Cu、Zn和Pb、Cd主要受人为因素影响,污水灌溉是它们的共同污染因素,前两者为农业生产中化肥农药的过量使用与长时间的累积作用,而北部煤矿开采和煤矸石的堆积产生的污染以及电镀、机械制造等工业污染是后两者的污染来源;Co、Cr、Mn、Ni和As主要是受成土母质等自然因素的影响;据模糊综合评判的结果,研究区70个样点,有13个是中污染程度,23个属于轻污染,28个是警戒程度,6个样点处在安全范围内;从空间分布上看,重金属含量的高值区主要集中在黄水河下游的诸由观镇和徐福镇,说明污水灌溉给当地土壤造成了一定程度的重金属污染.     

扬州市不同行政区域空气重金属污染评价

采用活藓监测法,选择广泛分布的小羽藓为材料,对扬州市区、高邮市、仪征市、宝应县4个区域空气中Pb、Zn、Cd、Cr、Ni、Zn、Hg 7种重金属元素污染情况进行监测.利用污染因子分析法、内梅罗综合指数分析法及重金属污染潜在生态风险评价法对不同区域空气重金属危害等级进行评价.结果表明:Zn、Pb、Cd元素主要污染地区为扬州市区,Cu元素主要污染地区为仪征市,Ni、Hg元素主要污染地区为宝应县,Cr元素主要污染地区为高邮市.4个区域空气重金属均处于重度污染水平,存在强生态风险.就整体而言,7种重金属元素中Cd、Zn、Hg为主要污染元素,污染情况最为严重,而Cu、Ni污染程度相对较轻.区域间空气重金属污染特征差别显著,制造业与港口航运发达的南部仪征市、江都区等地比以农业为主的北部宝应县污染重,污染程度由高到低为扬州市区仪征市高邮市宝应县.     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

基于本地污染源调查的杭州市大气污染物排放清单研究

基于实地调查数据并辅以统计数据,采用物料衡算法和排放因子法,估算了杭州市2015年大气污染物排放清单,并选取经纬度坐标、路网、航道、土地类型和人口等数据作为权重因子,研究了该地区各类排放源污染物排放空间分布特征.结果表明,杭州市2015年SO_2、NO_x、CO、VOCs、PM_(10)、PM_(2.5)和NH_3年排放总量分别为22.20×10~3、108.17×10~3、192.10×10~3、134.94×10~3、78.12×10~3、27.65×10~3和59.75×10~3t.工业源是杭州市SO_2排放的主要来源,移动源对NO_x和CO的排放贡献最为显著,扬尘源是杭州市PM_(10)和PM_(2.5)排放的最主要来源,其次为工业源;VOCs排放的主要来源依次为工业源、天然源和移动源;NH_3排放主要来自农业源.从空间分布来看,排放主要集中在中心城区及其周边的萧山、下沙、大江东、余杭和富阳等工业企业相对密集的区域.本研究建立的排放清单在污染源覆盖范围和排放因子方面仍然存在一定的不确定性,建议在后续研究中重点开展低、小、散企业及本地化排放因子调查研究工作,进一步提升大气污染物排放清单的准确度.