基于LUCC的南四湖流域面源污染输出风险评估

基于1990-2015年土地利用和统计数据,运用输出风险模型、CA-Markov模型及回归模型,结合GIS技术,对南四湖流域的1990-2015年间土地利用覆盖变化情况和面源污染输出风险空间变化情况进行分析,模拟了2020年土地利用变化和输出风险空间分布。结果表明：研究期间,南四湖流域主要的土地利用类型为耕地和建设用地,共占总研究面积的85%以上;TN、TP有明显的风险变化对比,TN风险值分布在0~0.65,TP风险值约在0~0.12之间,氮为流域内主要污染物;在1990-2005年间,TN风险呈先增加后减少的趋势,2010年之后急剧增大。TP风险随着时间的增加一直下降;从空间分布上来看,风险较高的污染区多位于南四湖区以西的平原地带,南四湖东部的山地地区污染风险型较低,多为低风险污染区。较2015年,2020年的未利用地面积变化不大,除建设用地数量增加外,其他用地面积均有不同幅度的减少,TN风险略有减小,TP风险变化不大。为了控制研究区域面源污染的发展,相关部门需把提高农业科技、减少肥料施用作为当下的工作重心,从源头上控制污染发生。     

UV-LED/NaClO工艺对水中对乙酰氨基酚的降解

采用NaClO、UV-LED和UV-LED/NaClO工艺去除水中的对乙酰氨基酚（AAP）,考察了NaClO投加量、pH值和腐殖酸（HA）等因素对UV-LED/NaClO工艺去除AAP的影响,研究了UV-LED/NaClO去除AAP过程中OH·、UV-LED、NaClO和氯自由基RCS（Cl·,Cl₂^·-,ClO·）的贡献值,评估了AAP降解过程中溶液急性毒性的变化.结果表明,UV-LED/NaClO可以有效降解.AAP.反应90min后,UV-LED、NaClO和UV-LED/NaClO工艺对AAP的去除率分别为4.42%、93.61%和100%.AAP的降解符合拟一级反应动力学模型（R²=0.9967）.AAP的去除随着NaClO投加量的增大而增加,中性条件有利于AAP的降解,HA对AAP去除具有抑制作用,HCO₃^-和NO₃^-可略微促进AAP的去除.当NaClO投加量为1mg/L,OH·、UV-LED、NaClO和RCS各组分对AAP去除的相对贡献率分别为0.82%、0.66%、33.78%和64.74%,UV-LED/NaClO工艺可以有效的降低溶液的急性毒性.     

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.      

基于Shapley值的农村非政府应急组织激励模型构建

农村非政府应急组织是以共同应对农村突发事件为纽带自愿结成的互助性合作联盟,成员间的利益分配关系是组织生存与发展的重要基础。而Shapley值法正是解决多人合作利益分配问题的一种简便易行的数学方法。基于Shapley值法构建农村非政府应急组织利益分配激励模型能较好地促进其成员间的信任、合作与共享信息,使其收益透明化,有助于全面提升应急服务效益和充分发挥应急服务功能。首先,介绍了基于Shapley值法构建农村非政府应急组织激励模型的研究现状,然后初步探索了构建步骤及其实施建议,以进一步促进农村非政府应急组织的稳定运行与健康发展。     

兰州市PM2.5中多环芳烃的污染特征和来源解析

为了明确兰州市PM_2.5中16种多环芳烃（PAHs）的污染特征和来源,采集了兰州市4个季节的PM_2.5样品,运用气相色谱-质谱联用仪（GC-MS）对PAHs的浓度进行了分析,利用正定矩因子分解法（PMF）、聚类分析和潜在源因子分析法（PSCF）对PAHs的来源进行解析.结果表明,兰州市PM_2.5中ρ（PAHs）均值为：冬季［（118±16.2） ng·m^-3］>秋季［（50.8±21.6） ng·m^-3］>春季［（22.2±8.87） ng·m^-3］>夏季［（4.65±1.32） ng·m^-3］.相关性分析表明,兰州市PM_2.5和TPAHs均与温度呈现极显著的负相关性,与气压呈现极显著的正相关性,与风向、风速和相对湿度的相关性较差.各环PAHs在4个季节的占比相似,其中4环和5环的PAHs占比为最大,其次为6环和2~3环.兰州市PM_2.5中PAHs的主要来源在春夏季为工业排放和生物质及天然气燃烧,秋季工业排放占主导地位,冬季主要为燃煤排放,交通排放在4个季节的贡献比较稳定.聚类分析和PSCF计算结果表明,来自蒙古国、新疆东北部和青海等地的气流对兰州市环境空气质量有重要的影响.     

甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4模式及TraPSA分析平台

利用HYSPLIT4模式和全球资料同化系统数据,计算了甘肃地区5个站点2017～2018年逐时72h气团后向轨迹;结合各站点颗粒物逐时质量浓度数据,选择颗粒物污染最严重的春冬季,利用轨迹聚类方法分析了甘肃地区后向气流轨迹特征;基于潜在源贡献函数(PSCF)分析法和浓度权重轨迹(CWT)分析法,将各站点分析结果输入Tra...     

白洋淀典型水域COD的组成及各组分贡献

化学需氧量（COD）是我国评估有机耗氧污染的关键指标,为探究白洋淀湖心区和沼泽区天然水体COD构成组分,通过物理连续分级和三维荧光等方法揭示水体中的耗氧有机物质主要组成、来源和影响因素.结果表明,白洋淀COD主要由类蛋白质和类腐殖质溶解性有机物质贡献（59%~93%）,无机物（如Cl^-和NO₃^-等）对COD产生的贡献甚微,可忽略不计;上覆水有机物主要受内生植被降解、沉积物释放［TOC释放通量1.55~2.28 mg ·（m² ·d）^-1］等内源［生物源指数（BIX）>0.8］和人为污染、芦苇台田等陆源的共同影响（1.4<荧光指数（FI）<1.9）,沉积物有机质以陆源（芦苇台田）为主.研究水域COD的组分主要受难生化降解有机物质（RDOC）控制,RDOC在天然环境中降解周期较长,重铬酸钾法会在短时间内迅速氧化大部分RDOC,因此高估了水体的有机耗氧污染水平.     

广东省植被固碳量时空变化及气象贡献率研究

植被固碳能力对气象条件十分敏感,研究植被固碳量变化的气象贡献率,对提升生态环境质量、实现"碳中和"目标具有重要意义.文章基于植被净初级生产力数据和地面气象观测数据,利用相关性分析和模型模拟方法,分析广东省植被固碳量的时空分布特征及其对气象条件的响应规律,并定量研究植被固碳量变化的气象贡献率.结果表明,从空间分布而言,广...     

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

港口地区大气PM2.5中多环芳烃污染特征及来源分析

为探究港口地区污染大气中多环芳烃（PAHs）的污染特征和潜在来源,以青岛港为研究对象,于2018年8月至2019年5月期间采集了4个季节的PM_2.5样品（n=59）,分析了PM_2.5中PAHs的季节变化和组成特征,使用相关性分析探索了气象因素对PAHs浓度的影响,并采用正定矩阵因子分解和潜在来源贡献函数模型对潜在来源进行解析.结果表明,ρ（PAHs）平均值为（8.11±12.31） ng·m^-3,秋冬季节高于春夏季节.PAHs的季节性分子组成相似,以4~5环PAHs （75.43%）为主.荧蒽、苯并［e］芘、苯并［a］蒽、菲、芘和䓛是研究区域PAHs的优势物种,这与船舶尾气中主要化合物组成相似.相关性分析表明,PAHs浓度与温度和相对湿度呈极显著负相关,与大气压和风向呈极显著正相关,与风速的相关性较差.PMF分析提取出6个贡献因子,结果表明,青岛港地区受航运排放（28.83%）影响最大,其次是机动车排放（20.49%）以及原油挥发（13.47%）等,夏季受航运排放影响最大.PSCF结果表明,京津冀、环渤海和鲁北地区是远距离传输的主要来源区域.