松花江表层沉积物PAEs分布特征及生态风险评价

为揭示松花江干支流表层沉积物中邻苯二甲酸酯类(phthalate esters,PAEs)的空间分布特征及其生态风险状况本文利用气相色谱三重四级杆质谱联用仪(GC-MS)对松花江干支流表层沉积物中6种PAEs的含量分布和组成特征进行了分析,并采用商值法和环境风险水平(ERL)法对其生态风险状况进行评价.结果表明:①松花江干支流沉积物6种邻苯二甲酸酯(∑_6PAEs)含量范围(以干重计)为6 832.5～36 298.9ng·g~(-1)(平均值为18388.6ng·g~(-1)),邻苯二甲酸(2-乙基己基)酯(DEHP)和邻苯二甲酸二丁酯(DBP)为主要组分,干流点位∑_6PAEs含量(6 832.5～36 298.9 ng·g~(-1),平均值为18 616.9ng·g~(-1))与支流点位∑_6PAEs(10 367.6～26 593.3ng·g~(-1),平均值为18 264.1ng·g~(-1))差异不显著(P0.05),支流点位各PAEs单体含量与干流点位差异不大.从上游到下游干支流∑_6PAEs含量呈现先降后升的趋势.农业自然区域∑_6PAEs平均含量(18 677.5 ng·g~(-1))与城市工业区域(18 063.7 ng·g~(-1))相近(P0.05),DBP和DEHP是两区域内的主要PAEs两者平均值贡献率高达98%以上.②松花江干支流表层沉积物中∑_6PAEs主要来源于人类日用品、农业生产以及含有增塑剂的工业生产.③松花江表层沉积物中DMP和BBP对水生生物无生态风险,DEP具有低水平生态风险,而DEHP和DBP对水生生物具有高生态风险.     

基于iLME+Geoi-RF模型的四川省PM2.5浓度估算

高分辨率PM2.5空间分布数据对动态监测和控制PM2.5污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM2.5浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM2.5浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合Rl2、RMSR 和 MAE 分别为0.98、3.25 μg·m-3和 1.98 μg·m-3,交叉验证 R2、RMSR 和 MAE 分别为0.89、7.95 μg·m-3和4.81μg·m-3.该模型可获取更高精度的四川省PM2.5时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM2.5浓度存在显著的季节性差异,各季节PM2.5浓度大小关系为:冬季＞秋季＞春季＞夏季.2016年四川省月均PM2.5浓度总体上呈先降后升的"V"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM2.5浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM2.5浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.     

沈北新区土壤中多环芳烃污染特征及源解析

采用均匀网格布点法采集沈阳市沈北新区不同土地利用类型101个表层(0~20 cm)土壤样品,开展土壤中美国环保署优先控制的16种多环芳烃(PAHs)的含量空间分布特征、成分谱分析和污染物来源解析研究.结果表明,沈北新区土壤中16种PAHs(ΣPAHs)总含量为123.7~932.5μg·kg~(-1);PAHs组分以3~4环的中、低环组分为主,其中3环PAHs比例最高;ΣPAHs的空间分布特征明显,呈现出由南向北、自东向西逐渐递减的趋势.在研究区域所涉及的5种土地利用类型土壤中,土壤ΣPAHs含量的高值主要集中在城区绿地和人工绿化林地,其次为设施菜地,水稻田和玉米田中ΣPAHs含量相对较低且无明显空间分布差异.利用特征比值分析和因子分析/多元线性回归分析进行土壤中PAHs的污染源解析,初步确定沈北新区表土中PAHs的主要污染源为燃烧源和石油源的混合源,其中,工业燃煤和机动车尾气是PAHs的主要污染源,其贡献率达79.6%,石油泄漏和焦炉排放贡献率约为16.2%,生物质燃料的燃烧贡献率占4.2%.     

紫色土小流域不同土地利用类型的土壤氮素时空分异特征

以紫色土区12.10 km²的万安小流域为研究区域,于2011年4月(旱季)和8月(雨季)小麦和玉米收获期共采集552个表层土壤(0~15 cm)样品,利用传统统计学和地统计学相结合的方法对流域土壤全氮和硝态氮的时空变异特征进行研究.结果表明,不同土地利用类型土壤全氮含量差异显著,并呈以下顺序:水旱轮作田>林地>旱地;同一土地利用类型旱季、雨季土壤全氮含量不存在显著差异.其中,4月和8月林地、旱地、水旱轮作田土壤全氮含量分别为1.16、0.90、1.21 g·kg^-1和1.13、0.94、1.29 g·kg^-1.但旱季和雨季土壤硝态氮含量差异显著,其中,4月和8月林地、旱地、水旱轮作田硝态氮含量分别为12.08、24.22、31.22 mg·kg^-1和3.98、11.18、2.27 mg·kg^-1,表现出土壤硝态氮旱季累积、雨季流失的特点;受到内部因素和外部因素共同作用,旱地、水旱轮作田土壤全氮空间分布具有中等空间相关性,而林地土壤全氮的强烈空间相关性主要受到内部因素的影响.本研究分析了紫色土区不同土地利用类型条件下的流域土壤氮素的时空变异特征,将会为流域土地资源管理和环境修复提供较好的科学依据.     

突发型大气污染源位置识别反演问题的数值模拟

在突发型大气污染事件中,能否根据临时监测数据对污染源的位置进行快速识别,对于城市大气污染源的控制管理以及改善城市空气质量意义重大.为了构建突发型大气污染源位置识别的空间反演算法,本文通过分析大气应急污染监测的临时采样数据,结合污染物浓度扩散模型,随机生成污染源和计算污染物浓度的空间分布,对突发型大气污染源进行定位并与实际测量结果进行对比分析,采用蒙特卡洛模拟(Monte Carlo simulation)对相关参数进行讨论,最终构建能对突发型大气污染源进行快速估计定位的空间反演算法.研究结果表明,本文构建的空间反演算法输出的污染源坐标与实际情况相符.因此,该算法可用于突发型大气污染源位置的快速识别.     

被动采样监测遂宁市NO2时空分布特征

采用被动扩散采样技术,在遂宁市辖区16km×16km网格区域内开展了为期1a的环境空气NO2监测,分析了不同时空内的NO2浓度变化趋势。研究表明：NO2浓度季节变化规律是：冬季〉春季〉秋季〉夏季;在全市各个区域中,浓度最高值出现在全市工业集中及车流量较大的区域（船山区）;受遂宁市污染源整体布局以及主导风向（西北风）的影响,全辖区范围内NO2呈现西北低、东南高的趋势。     

东湖总有机碳时空分布及其影响因素

于2011年4月至2012年3月每个月调查了东湖总有机碳(TOC)的时空分布,并对TOC和主要环境因子进行相关性分析。结果表明,东湖TOC的浓度范围为0.493~9.962 mg/L,年平均值为2.671 mg/L,夏季(6-8月)、秋季(9-11月)、春季(3-5月)、冬季(12-2月)TOC浓度呈现由大变小的趋势。东湖5个湖区TOC值在空间上存在差异,庙湖和水果湖TOC浓度较高,汤菱湖TOC浓度适中,菱角湖和郭郑湖呈现季节性高浓度的TOC值。相关分析表明,TOC与总磷、溶解氧、电导率显著负相关,与叶绿素a负相关但不显著,与温度显著正相关,与pH相关性不显著。研究发现,东湖TOC主要来源有污水、含油废水的排放,降雨带来地表径流以及生物活动,而TOC浓度的时空分布与降雨、污水排放、施工、旅游活动、生物活动等因素有关。     

青藏高原纳木错流域水体总汞的时空分布特征

为研究青藏高原纳木错流域水体中总汞的时空分布特征,于2007～2010年对纳木错湖表层水及入湖河水进行了采样,检测了其总汞浓度,并分析了总汞浓度与降水量、河水径流量等的关系.结果表明,纳木错表层湖水和河水中的总汞质量浓度均值分别为(1.09±0.73)ng.L-1和(2.87±2.59)ng.L-1,显著低于受到汞污染的水体.近岸带湖水的总汞浓度在季风期远大于非季风期,而其浓度水平和空间变化明显大于湖心区.河水的总汞浓度季节变化明显,表现为季风盛期最高且波动最大,而季风期后最低,这与降水量变化趋势基本一致.对你亚曲的定点观测表明,河水总汞浓度的时间变化与径流量一致.入湖河流总汞浓度的空间分布特征在不同的时间表现不同,这可能是由河流的流域面积、流域内土壤汞本底值及补给方式的差异引起的.     

华北平原典型城市土壤微生物群落时空变化规律及其驱动因子

微生物群落结构和功能受多种环境因素的共同影响,为阐明典型城市土壤中微生物群落的时空变化规律及其主要影响因素,亟需开展典型城市土壤中微生物群落时空动态变化特征研究.鉴于此,选取华北平原典型城市——石家庄市为研究区,共设置12个采样点,分别于2021年6月（夏季）和9月（秋季）采集表层土壤,并利用16S rRNA高通量测序技术对土壤中微生物群落结构及功能进行研究,探究其时空变化规律;同时运用Pearson相关性分析建立微生物群落与环境因子间的相关性,识别微生物群落时空变化的主要驱动因子.结果表明：①石家庄市表层土壤中主要优势菌门为放线菌（Actinobacteriota）和变形菌（Proteobacteria）;就季节变化而言,在门水平上,Actinobacteriota和Proteobacteria相对丰度均呈降低趋势;在属水平上,夏季主要优势菌属为节杆菌属（Arthrobacter）和未知分类菌属,秋季主要优势菌属为Arthrobacter和Candidatus_Nitrocosmicus,且优势菌属呈显著季节差异（P<0.05）;②就季节变化而言,Simpson、Ace和Chao指数均值呈升高趋势,而OTU均值呈降低趋势;就空间差异而言,Shannon指数和Simpson指数呈显著空间差异（P<0.01和P<0.05）;③各类功能基因无显著季节和空间差异;其中能源生产和转换类功能基因相对丰度最高,在夏季和秋季的相对丰度分别为24.06%~24.84%和24.63%~25.98%;④微生物群落结构组成、多样性指数和功能基因与喹诺酮类抗生素（QNs）、总磷（TP）和硝氮（NO₃^--N）呈显著相关,且与QNs显著相关性最强（|r| >0.900）;这表明在石家庄市表层土壤中抗生素成为影响微生物群落变化的主要驱动因素.因此,为保障城市土壤中微生物群落结构和功能稳定,应进一步加强土壤中抗生素污染的综合管控.     

土地利用结构与空间格局对鄱阳湖流域中小河流水质的影响

为揭示土地利用结构与空间格局对中小河流水质的影响机制,于2022年1月与2022年7月在鄱阳湖流域3条中小河流的25个采样点收集水样.采用Bioenv分析、Mantel检验与方差分解量化不同空间尺度的土地利用结构与空间格局对水质的影响,使用广义加性模型拟合水质与土地利用结构与空间格局的关系,广义线性模型构建分段回归模型,并基于逐步递归法计算阈值.结果表明：①土地利用结构与空间格局对河流水质的平均解释率在丰水期（59.72%）大于枯水期（48.95%）;子流域与河岸100 m是土地利用结构与空间格局影响中小河流水质的关键尺度,平均解释率分别为54.70%和64.88%;土地利用结构与空间格局的共同解释部分是驱动河流水质变化的重要因素,占总解释率的66.90%.②土地利用结构对中小河流水质的影响具有显著的阈值效应,当子流域尺度下建设用地占比低于2%、耕地占比低于8%和林地占比高于82%,河岸缓冲区尺度下建设用地占比低于12%、耕地占比低于41%和林地占比高于49%时,均能明显改善水质.③空间格局对中小河流水质的影响也具有阈值效应但弱于土地利用结构,当子流域尺度下斑块形状值大于28.77和斑块多样性大于0.69,河岸缓冲区尺度下斑块形状值大于2.99和斑块多样性大于1.02时,均能改善水质.以上结果表明,加强对子流域与河岸100 m尺度的土地利用的管理,合理规划土地利用结构与空间格局能够有效地防止水质恶化.