天津市郊夏季VOCs化学特征及其时间精细化的来源解析

夏季为环境空气中臭氧污染事件的频发时期,针对挥发性有机化合物(VOCs)及其臭氧生成潜势(OFP)的时间精细化的来源解析研究,对有效地进行臭氧污染防控具有非常重要的作用.利用2019年夏季(6～8月)天津市郊区点位监测的小时分辨率VOCs在线数据,分析臭氧污染事件和非臭氧污染时期环境受体中VOCs及其OFP的变化特征,并利用正定矩阵因子分解(PMF)模型进行精细化的来源解析研究.结果表明,夏季环境受体中VOCs平均体积分数为24.42×10-9,臭氧污染事件中的VOCs平均体积分数为27.72×10-9,较非臭氧污染时期增加15.69％.夏季总VOCs(TVOCs)的OFP为87.92×10-9,其中烯烃的OFP最高,对TVOCs的OFP的贡献达58.28％.臭氧污染事件中TVOCs的OFP为102.68×10-9,较非臭氧污染时期增加19.59％.臭氧污染事件中VOCs的来源分别为石化工业及汽油挥发(29.44％)、柴油车尾气(23.52％)、液化石油气及汽油车尾气(22.00％)、天然气及燃烧(13.41％)、溶剂使用(6.14％)和植物排放(5.49％).相比于非臭氧污染时期,液化石油气及汽油车尾气和柴油车尾气分别增长4.84％和5.29％.石化工业及汽油挥发和植物排放的贡献均表现为08:00开始上升,11:00达到最高,这与太阳辐射增强和温度不断上升密切相关.液化石油气及汽油车尾气和柴油车尾气均具有明显的早晚高峰特征,并在夜间(00:00～06:00)保持较高贡献水平.根据PMF结果并结合OFP的计算方法,解析了不同源类对臭氧生成潜势的 贡献.石化工业及汽油挥发(31.01％)和柴油车尾气(36.64％)是较高贡献源类,相比非臭氧污染时期分别增加了 1.74％和8.27％;并且石化工业及汽油挥发贡献率在臭氧污染事件发生过程的上升阶段显著增加,而在下降阶段明显下降.     

历史时期长江中游水灾与厄尔尼诺事件的遥相关

长江中游历来是长江流域水灾最严重的地区，研究历史时期这一地区水灾发生的变化波动并找出其与厄尔尼诺事件的遥相关，将有助于对长江中游水灾发生的预测。对这二个时间序列自1525年以来的数据进行了统计学分析。结果表明，水灾发生的主要周期比厄尔尼诺事件发生的周期要长：后者主要表现为2年和3~4年的振动，而前者的主要周期为2年、8年和40年，其显著性也没有后者明显（但都超过了0.03的置信度）。通过进一步分析历史时期长江中游水灾与厄尔尼诺事件的耦合振动，发现它们之间存在显著的遥相关。结果表明，长江中游水灾对厄尔尼诺现象的响应不仅存在着如许多中国学者相信的短期滞后（如：1年），而且还存在着比较长时间的滞后（最长可达8年）。研究结果同时表明，如果厄尔尼诺事件发生的相距时间愈短，这一时期长江中游水灾响应的滞后时间也愈短，反之亦然。     

2006年3-4月国内环境事件

简要统计了2006年3-4月国内发生的各种环境事件125起,包括沙尘天气13起,污染事件64起,地震13起,山体滑坡和泥石流7起,虫害3起,以及其他自然灾害25起.对沙尘和污染进行了讨论.     

基于随机森林算法与农户视角的村落级农业面源污染风险分析

当前农业面源污染问题依然严峻,村落级尺度下各地块的污染风险状态精细识别有待进一步研究.本文针对三峡库区典型村落重庆市涪陵区南沱镇睦和村进行研究,结合无人机多光谱技术、农户行为调研、随机森林算法等进行地物识别及泛地块网格划分,通过测算总氮(total nitrogen,TN)、总磷(total phosphorus,TP...     

2012年1—2月国内环境事件

简要统计了2012年1—2月国内发生的各种环境事件78起,包括沙尘天气3起,污染事件18起,地震34起,山体滑坡和泥石流7起,旱灾4起以及其他自然灾害12起。     

突发事件应急推演系统平台分析与设计

本文首先以近几年几起典型事故为例,提出开展应急演练的重要意义,并在简要回顾应急演练及其支持系统的功能与技术演化过程后,以“预防、监测、响应、恢复、重建”为五阶段,“减灾、准备”为基础活动的应急管理阶段模型为基础,规划推演系统平台的总体建设目标与应用范围,进一步归纳、分析系统平台的参与者与功能需求,提出以“推演项目”为核心,以“应急推演导调”、“应急推演学员”、“应急推演模拟员”、“应急推演评估员”和“应急推演管理员”五类角色为系统参与者的“系统总体功能框架”,并从物理实现的角度讨论了系统平台的技术特点与总体结构.     

2018年11-12月国内环境事件

LI Sheng-cai;AN Ying(State Key Laboratory of Explosion Science and Technology,Beijing Institute of Technology,Beijing 100081,China)     

A simulation model of rhizome networks for Fallopia japonica (Japanese knotweed) in the United Kingdom

Fallopia japonica (Japanese knotweed) is an aggressively invasive herbaceous perennial that causes substantial economic and environmental damage in the United Kingdom (UK). As such, it is of considerable concern to councils, environmental groups, private landowners and property developers. We construct a 3D correlated random walk model of the development of the subterranean rhizome network for a single stand of F. japonica. The formulation of this model uses detailed knowledge of the morphology and physiology of the plant, both of which differ in the UK to that of its native habitat due to factors including a lack of predation and competition, longer growth seasons and favourable environmental conditions in the UK. Field data obtained as a part of this study are discussed and used in the model for parameterisation and validation. The simulation captures the field data well and predicts, for example, quadratic growth in time for the stand area. Furthermore, the role of a selection of parameters on long-term stand development are discussed, highlighting some key factors affecting vegetative spread rates.     

Ni2+金属结合肽的筛选和序列分析

利用噬菌体随机十二肽库对金属N i2 进行了结合肽筛选,经5轮生物淘洗、噬菌体扩增和DNA测序,获得8条多肽序列,分析发现其中富含组氨酸(4~6个/肽).结果表明,组氨酸的存在对蛋白质和金属N i2 的结合起着关键作用.图1表1参11     

A nonparametric procedure for analyzing repeated measures of spatially correlated data

Many agricultural, biological, and environmental studies involve detecting temporal changes of a response variable, based on data observed at sampling sites in a spatial region and repeatedly over several time points. That is, data are repeated measures over time and are potentially correlated across space. The traditional repeated-measures analysis allows for time dependence but assumes that the observations at different sampling sites are mutually independent, which may not be suitable for field data that are correlated across space. In this paper, a nonparametric large-sample inference procedure is developed to assess the time effects while accounting for the spatial dependence using a block bootstrap. For illustration, the methodology is applied to describe the population changes of root-lesion nematodes over time in a production field in Wisconsin.