秋季南通近海大气气溶胶水溶性离子粒径分布特征

2012年10~11月在南通近海设立观测点,利用Anderson分级采样器采集大气气溶胶样品,用离子色谱仪(Metrohm IC)分析其中10种水溶性离子组成.结果表明,南通秋季近海PM10和PM2.1中水溶性离子浓度分别为59.70,45.96mg/m3.PM2.1中主要离子质量浓度排列依次为SO42->NO3->NH4+>Ca2+. SO42-,NO3-和NH4+占PM10中离子浓度的80%以上,二次离子为近海区域气溶胶的主要成分.SO42,NH4+和NO3-均表现出单峰型分布,峰值区间均为0.43~1.1mm,Ca2+,Na+和Cl-表现为双峰型.Ca2+高浓度峰值出现4.7~5.8mm粒径段内;Na+和Cl-峰值出现在0.43~1.1mm和3.3~5.8mm内,但最大峰值浓度区间不一致.PM10中nss-SO42-/SO42-比值均高于90%,陆地源对近海硫酸盐的影响显著.nss-SO42-/NO3-的比值在<2.1μm的粒径段内均大于1,表明该区域固定源是大气细粒子中离子的重要贡献源,但移动源对粗粒子的影响值得重视.个例分析显示,稳定的天气系统,高污染排放内陆地区的污染物传输,是造成10月27日的严重污染过程的主要原因.     

基于卫星遥感的广东地区对流层二氧化碳时空变化特征

利用瓦里关全球本底站和番禺气象局地面观测的CO2浓度资料对SCIAMACHY反演得到的对流层CO2产品进行验证.结果显示:SCIAMACHY产品能较好地反映对流层CO2的分布状况,在珠三角地区反演和观测的残差为1.29×10-6,相关系数为0.69,可用于分析区域对流层CO2的时空分布特征.利用2003~2009年SCIAMACHY观测资料分析研究显示:广东地区对流层CO2柱浓度最高值出现在春季,最低值出现在夏季,浓度年均值和年增长率分别为384.84′10-6和1.53′10-6/a,大于全球和我国同期的观测结果;粤东、粤西、粤北和珠三角地区的浓度均在春、冬季显著高于夏季、秋季 ,相同季节内各区域之间的差异不显著;粤西地区CO2柱浓度的年增长率最高,为1.82′10-6/a,珠三角和粤东地区的年增长率相当,分别为1.65,1.64′10-6/a,粤北地区的年增长率最低,为1.61′10-6/a.     

四川乡村点新粒子生成特征及其对云凝结核数浓度的贡献

为揭示成渝地区大气复合污染成因,选择乡村点资阳站的冬季,实测了颗粒物数浓度及其粒径谱分布、云凝结核(CCN),在二氧化硫、光解速率(JO1D)实测值基础上估算了新粒子生成的重要前体物气态硫酸的浓度.2012年12月5日到2013年1月5日观测期间,3~582nm颗粒物数浓度水平较高,平均值为(16072±9713)cm-3.颗粒物数谱分布呈现以积聚模态为主体的特征,占总颗粒物数浓度的46%,此比值高于我国北京、上海、广州等城市和珠江三角洲及长江三角洲的乡村点和背景点.在较高颗粒物凝结汇(CS)水平下[(4.3±3.6)×10-2s-1],甄别出7次新粒子生成(NPF)事件,占观测天数的23%.NPF事件发生时,颗粒物生成速率与增长速率分别为(5.2±1.4)cm-3s-1,(3.6±2.5)nm/h. NPF事件对CCN数浓度有明显贡献,NPF发生后CCN数浓度平均增长19%.     

原水水质对输水管道硝化作用形成的影响

采用配制水样模拟Ⅱ类、Ⅲ类和劣Ⅴ类地表水,利用管道模拟反应器研究不同原水水质条件下输水管道中硝化作用的形成及对输水水质的影响.结果表明:原水中氨氮(NH4+-N)及溶解氧(DO)含量对NH4+-N去除均有一定影响,DO充足时,去除率随原水中NH4+-N含量的增加而增加,DO浓度低时,DO成为影响NH4+-N去除的主要因素;原水NH4+-N含量对运行初期NO2--N积累有重要影响,NH4+-N含量越高,NO2--N积累量越大,随着生物膜的成熟,影响作用逐渐减弱;反应器中AOB数量主要受原水NH4+-N浓度的影响,随NH4+-N浓度升高而增加;NOB数量受NH4+-N和DO浓度的双重影响,DO含量低会抑制NOB活性,使NOB数量减少,导致NO2--N积累;输水管道中的硝化作用是水中及生物膜中硝化细菌共同作用的结果,但生物膜中硝化细菌存在水平高,其硝化作用占主导地位.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

福建九龙江流域重金属分布来源及健康风险评价

为研究九龙江流域水体重金属污染水平,在其主要干流及支流采集27个表层水样,分析了Zn、Cu、As、Cr、Pb、Ni和Cd共7种重金属的含量及空间分布特征,利用因子分析方法分析重金属污染物的主要来源,并采用美国环保局推荐的健康风险评价模型对其所引起的健康风险作了初步评价.结果表明,流域水体中Zn的平均浓度最高,为154.893μg/L;As超过地表水Ⅲ类水质标准,超标率为14.81%,超标区域集中位于九龙江下游及河口区.因子分析表明,As、Cr、Cu和Ni的来源主要受各种人为活动影响,Cd、Pb和Zn的来源与成土母质、地球化学作用和农业生产活动有密切的关系.健康风险评价表明,化学致癌物对人体健康危害的个人年均风险远远超过非致癌物的年风险,儿童比成人更易于受到重金属污染的威胁.致癌物Cr和As的个人年均风险值都大于国际辐射防护委员会(ICRP)推荐的最大可接受风险水平5.0×10-5a-1,其中Cr>As;非致癌有毒化学物质通过饮水途径所引起的健康危害的个人年均风险大小为Cu>Pb>Zn>Ni,四者风险水平在10-9~10-10a-1之间,均低于ICRP标准4~5个数量级.     

高氟病区茶园土壤氟形态及其分布特征

采用连续化学提取法,测定了黔西北高氟病区茶园土壤样品氟含量及氟的形态.结果表明:供试土壤全氟含量为314~3558mg/kg,平均为945mg/kg,高于全国土壤全氟平均含量(453mg/kg).不同类型供试土壤中全氟含量高低顺序为:棕壤和褐土(分别为1118和1114mg/kg)>黄棕壤(908mg/kg)>黄壤(681mg/kg).供试土壤中不同形态氟含量以残余态最高,其平均含量为940mg/kg;其次为有机束缚态氟,平均含量为7.82mg/kg,处于氟污染较高水平,可能会对人体健康和生态环境产生重要影响;铁锰结合态氟也较高,平均含量3.99mg/kg;水溶态氟和可交换态氟均较低,其平均含量分别为:1.98,1.14mg/kg.由此可见,土壤中氟形态大部分均以残余态形式存在于土壤中,可被茶树叶吸收的水溶态氟和可交换态氟含量均不高.相关性分析表明:可交换态氟只与水溶态氟呈显著正相关关系(r=0.459**),而水溶态氟与铁锰结合态氟、残余态氟和全氟均呈正相关关系(r分别为0.240*, 0.226*, 0.229*), 有机束缚态氟与铁锰结合态氟、残余态氟和全氟也呈正相关关系(r分别为0.757**, 0.312**, 0.320**),水溶态氟与土壤交换性盐基含量之间也呈极显著正相关关系,而土壤氟形态与有机质的相关性不明显,仅有机束缚态氟与土壤有机质呈弱负相关.本研究可为该区域土壤氟污染防治提供科学依据,也为土壤氟的迁移转化及其对生态和环境的影响研究奠定一定的理论基础.     

长江口及邻近海域富营养化趋势分析及与环境因子关系

依据2007-2009年春、夏季在长江口及邻近海域（包括长江口、杭州湾和舟山渔场）的调查监测资料,采用富营养指数法、潜在性富营养化法和有机污染指数法对该海域的富营养化状况、时空分布特征及与环境因子的关系进行了分析评价。富营养指数法计算结果表明：富营养化覆盖比例很高,达到70%以上;在春季,该海域的富营养化程度呈现上升趋势,所占比例从2007年的77.0%上升到2009年的89.8%,在夏季最低达到89.3%,最高到100.0%。3年来,富营养化在春、夏2季基本上处于逐年增加趋势,富营养化趋势越来越明显。在春季富营养指数平面分布呈由近岸向远海逐渐递减的趋势,梯度分布明显,其中,杭州湾富营养化情况较严重;夏季其平面分布与春季类似,但长江口和杭州湾两个水域的富营养指数的等值线都比较密集,夏季的富营养化情况较为严重。潜在性富营养化法计算结果表明：该海域富营养级主要集中在III级（富营养）和V P级（磷中等限制潜在性富营养）;春、夏2季时,长江口V P级所占比例均从0.0%增加到66.7%,受磷限制性富营养化程度越来越高。另外,营养盐结构显示,N/P比值从9.1到50.9,营养盐比例明显不平衡,势必影响浮游生物的生长。有机污染指数法计算结果表明：该海域有机污染指数主要处于5级（重污染）,水质污染严重;长江口春、夏2季5级的比例均从50.0%分别上升到83.3%和100.0%,杭州湾分别从60.0%和80.0%均上升到100.0%;舟山渔场分别从22.2%和66.7上升到66.7%和77.7%,说明受污染程度逐年上升。另外,3年来春、夏2季长江口有机污染指数达5级的占50%以上,杭州湾60%以上,舟山渔场20%以上,杭州湾受污染情况最为严重,其次是长江口,舟山渔场最小。在春、夏2季有机污染平面分布表现为污染程度从西向东、从北向南逐渐降低?     

春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究

于2012年春季,采用水平分布监测法监测了3种天气下距交通污染源不同距离的街头绿地中的PM2.5质量浓度,研究了不同天气下PM2.5的日变化、水平分布规律及绿地对PM2.5的净化效应,为城市街头绿地、城市公园建设及市民合理选择休闲锻炼时间和地点提供理论依据。结果表明：1）晴天和多云时,PM2.5质量浓度上午高于下午,7：00浓度最高,15：00最低;雨后阴天基本保持上升趋势。2）PM2.5日均质量浓度为晴天（61.67μg·m-3）〈多云（187.98μg·m-3）〈雨后阴天（291.48μg·m-3）。晴天除5：00和7：00外,其他时刻均达到国家二级标准,且13：00—15：00达到国家一类功能区空气质量要求;多云和雨后阴天PM2.5质量浓度分别超过国家二级浓度限值150.6%和288.6%。3）观测时段内,无论哪种天气,5：00、7：00、11：00和15：00绿地的净化功能较强,19：00净化功能均最差,所有监测点无一例外的表现为负效应。4）3种天气下,PM2.5质量浓度在距离道路10~25 m最高,绿地的净化效应最差,55 m外基本可以形成稳定的森林内环境。5）在南方高湿环境下,空气相对湿度是影响PM2.5质量浓度的主要因素,晴天和多云天气PM2.5浓度与相对湿度呈显著正相关,而雨后阴天二者呈负相关关系。6）在一定阈值内,街头绿地能够缓解PM2.5污染,为居民提供良好的休闲环境。从游憩时间来看,市民可以选择晴天进入街头绿地休闲,多云和雨后阴天尽量减少外出;从活动最佳地段来看,距离污染源55 m以上适宜休闲锻炼;从街头绿地的规划面积来看,半径以不小于55 m为宜。     

Mapping Change in Human Pressure Globally on Land and within Protected Areas

It is widely accepted that the main driver of the observed decline in biological diversity is increasing human pressure on Earth's ecosystems. However, the spatial patterns of change in human pressure and their relation to conservation efforts are less well known. We developed a spatially and temporally explicit map of global change in human pressure over 2 decades between 1990 and 2010 at a resolution of 10 km². We evaluated 22 spatial data sets representing different components of human pressure and used them to compile a temporal human pressure index (THPI) based on 3 data sets: human population density, land transformation, and electrical power infrastructure. We investigated how the THPI within protected areas was correlated to International Union for Conservation of Nature (IUCN) management categories and the human development index (HDI) and how the THPI was correlated to cumulative pressure on the basis of the original human footprint index. Since the early 1990s, human pressure increased 64% of the terrestrial areas; the largest increases were in Southeast Asia. Protected areas also exhibited overall increases in human pressure, the degree of which varied with location and IUCN management category. Only wilderness areas and natural monuments (management categories Ib and III) exhibited decreases in pressure. Protected areas not assigned any category exhibited the greatest increases. High HDI values correlated with greater reductions in pressure across protected areas, while increasing age of the protected area correlated with increases in pressure. Our analysis is an initial step toward mapping changes in human pressure on the natural world over time. That only 3 data sets could be included in our spatio‐temporal global pressure map highlights the challenge to measuring pressure changes over time. Mapeo del Cambio en la Presión Humana Global en Tierra y Dentro de Áreas Protegidas