磷和金属对荣成天鹅湖水体碱性磷酸酶活性和动力学性质的影响研究

磷酸酶催化水解有机磷是水体生物有效磷的重要补充途径.以天鹅湖富营养化水体为研究对象,研究了磷和金属对水体中碱性磷酸酶的活性(APA)和动力学性质的影响.结果表明:磷酸根(PO_4~(3-))、六偏磷酸根((PO_3)_6~(-6))、焦磷酸根(P_2O_7~(4-))、β-甘油磷酸根((C_3H_4O_6P)~(2-))在0.01～1 mmol·L~(-1)范围内对APA表现为抑制作用,并且抑制作用随浓度的升高而增强:浓度为1 mmol·L~(-1)时,与对照相比,水体中APA分别降低50.8%、55.8%、52.4%和14.4%.金属Al~(3+)、Co~(2+)、Pb~(2+)和Cr~(6+)对APA的激活作用随浓度增大而增强,浓度为1 mmol·L~(-1)时,水体APA分别是空白的2.8、3.1、2.3和2.7倍.重金属Cu~(2+)、Zn~(2+)、Ni~(2+)对水体中碱性磷酸酶表现出抑制作用,3种重金属中Cu~(2+)抑制作用最显著.当Cu~(2+)浓度为1 mmol·L~(-1)时,碱性磷酸酶相对活性仅为空白的62.3%.随着Cu~(2+)、PO_4~(3-)、(PO_3)_6~(-6)、P_2O_7~(4-)浓度增大,碱性磷酸酶的最大反应速率Vmax保持基本稳定,米氏常数Km增大,因此,它们对碱性磷酸酶的抑制为竞争性抑制类型.同时,V_(max)/K_m值随Cu~(2+)、PO_4~(3-)、(PO_3)_6~(-6)、P_2O_7~(4-)、(C_3H_4O_6P)~(2-)浓度的增大而降低,催化效率降低,说明V_(max)/K_m可作为水体磷酸酶催化能力的有效指标.总体而言,含磷基团和金属离子会显著影响富营养化水体APA,将间接影响水体有机磷的转化和供磷效率.     

环境应力筛选(ESS)应力参数的确定及其考虑因素

温度循环和随机振动是环境应力筛选最常用、最有效的筛选应力。根据两者诱发故障机理的特点,介绍和分析了温度循环和随机振动应力参数的确定方法及需要考虑的因素,并强调对受筛产品进行温度和振动调查,进一步优化应力参数。     

三峡水库135m水位蓄水典型次级河流回水段富营养化监测评价

通过2004年3月份对三峡水库135m水位蓄水状态下库区成库河段典型次级河流朱衣河、梅溪河、大宁河回水河段富营养化监测与评价,掌握了在这一季节三峡库区成库河段次级河流回水河段营养状态不同的分布模式.     

珠江口四大口门及近滩水域浮游藻类和关键水质因子的监测与分析

对珠江口四大口门虎门、蕉门、洪奇沥、横门及近滩为主的水域进行浮游藻类发生与关键水质因子 (溶解氧(DO)、活性磷 (PO3- 4-P)、硝酸盐 (NO- 3-N) )的监测与总结 ,得出二者间具有较高相关性。为珠江口水域水质、浮游藻类生态及赤潮研究做些基础工作与贡献。     

抚仙湖、星云湖与杞麓湖营养状态演变及突变分析

为科学评价抚仙湖、星云湖和杞麓湖(简称三湖)营养状态及其变化趋势,基于三湖1991-2015年水质数据,采用综合营养状态指数法评价其富营养化水平,通过Mann-Kendall(Sneyers)方法判识三湖富营养化趋势及突变时间。结果表明:三湖都存在水质恶化现象,其综合营养状态指数及各分项指数均呈变差趋势,表征其营养物质在增加。三湖的营养化水平和演变时间存在显著差异,抚仙湖处于贫营养,星云湖由中营养转变为富营养,杞麓湖表现为中度-重度富营养化;抚仙湖和杞麓湖分别在2004、2011年出现突变点,星云湖自2000年后综合营养状态指数显著增加。基于三湖营养状态演变及趋势,结合变化特征及相关情况的讨论,提出对抚仙湖的管理应减少农业化肥和农药排放,对星云湖和杞麓湖的管理应削减高污染工矿企业排放等。     

基于高分辨率MARGA分析成都市PM2.5中水溶性离子污染特征

利用高分辨率MARGA对2019年成都市PM_2.5中水溶性离子展开连续监测,结合气象参数分析水溶性离子污染特征.结果表明,MARGA监测的8种水溶性离子质量浓度与PM_2.5变化趋势一致,水溶性离子年均浓度为(23.1±13.6)μg·m^-3,在PM_2.5中占比为48.6%,表明水溶性离子为PM_2.5重要组分.各离子质量浓度大小顺序依次为:NO^-₃、 SO₄^2-、 NH⁺₄、 Cl^-、 Ca²⁺、 K⁺、 Mg²⁺和Na⁺,其中二次离子(NO^-₃、 SO₄^2-和NH⁺₄)年均质量浓度为(20.2±2.7)μg·m...     

白洋淀优势鱼类中喹诺酮类抗生素的生物累积特征及其与环境因子相关性

喹诺酮类抗生素(quinolone antibiotics,QNs)易富集于水生生物中,近年来在我国湖泊中广泛检出,且其生物富集系数和营养传递行为具有明显的时空异质性.本研究选取白洋淀9种优势鱼类为研究对象,分析14种QNs的生物累积特征及其与环境因子的相关性,评估了QNs健康风险.结果表明,白洋淀水体中ΣQNs质量浓度范围为0.740 0～1 590 ng·L^-1,其中氟甲喹(flumequine,FLU)、喹酸(oxolinic acid,OXO)和氧氟沙星(ofloxacin,OFL)检出率较高,FLU平均质量浓度最高;鱼类体内ΣQNs含量范围为17.1～146 ng·g^-1,其中环丙沙星(ciprofloxacin,CIP)和FLU平均含量较高.生物累积系数(bioaccumulation factors,BAF)范围(L·kg^-1)为96.2(BAFMAR)～489(BAFCIP),表明QNs在鱼类中的生物累积能力较低.5种检出率较高的QNs[恩诺沙星(enrofloxacin,ENR)、FLU、马波沙星(ma...     

Influence of urban spatial and socioeconomic parameters on PM2.5 at subdistrict level: A land use regression study in Shenzhen, China

The intraurban distribution of PM_2.5 concentration is influenced by various spatial, socioeconomic, and meteorological parameters. This study investigated the influence of 37 parameters on monthly average PM_2.5 concentration at the subdistrict level with Pearson correlation analysis and land-use regression (LUR) using data from a subdistrict-level air pollution monitoring network in Shenzhen, China. Performance of LUR models is evaluated with leave-one-out-cross-validation (LOOCV) and holdout cross-validation (holdout CV). Pearson correlation analysis revealed that Normalized Difference Built-up Index, artificial land fraction, land surface temperature, and point-of-interest (POI) numbers of factories and industrial parks are significantly positively correlated with monthly average PM_2.5 concentrations, while Normalized Difference Vegetation Index and Green View Factor show significant negative correlations. For the sparse national stations, robust LUR modelling may rely on a priori assumptions in direction of influence during the predictor selection process. The month-by-month spatial regression shows that RF models for both national stations and all stations show significantly inflated mean values of R² compared with cross-validation results. For MLR models, inflation of both R² and R²_CV was detected when using only national stations and may indicate the restricted ability to predict spatial distribution of PM_2.5 levels. Inflated within-sample R² also exist in the spatiotemporal LUR models developed with only national stations, although not as significant as spatial LUR models. Our results suggest that a denser subdistrict level air pollutant monitoring network may improve the accuracy and robustness in intraurban spatial/spatiotemporal prediction of PM_2.5 concentrations.