Variation of leaf gland volatile oil within a population of sweet gale (Myrica gale) (Myricaceae)

Summary The leaf gland volatile oils of ten sweet gale plants from a Scottish population were extracted in early summer. The results differed notably from reports of other populations in respect of the sesquiterpenes, -elemenone and germacrone, which were major components of the volatile oil. Three dihydrochalcones were also detected in the volatile oil. Variation within the population existed, particularly with respect to the relative importance of germacrone. Five plants were resampled in late summer and exhibited a marked reduction in -elemenone, a lesser reduction in germacrone and changes in the proportions of some monoterpenes.     

机动车轮胎磨损颗粒物化学组分特征研究

为研究机动车道路行驶过程中轮胎磨损排放的颗粒物理化特性,利用轮胎轮廓仿真磨耗仪,对国内主流17种轮胎胎面进行仿真磨耗实验,获得颗粒物样品,提取并检测其中18种元素和20种多环芳烃（PAHs）的含量.结果显示,元素和PAHs含量因轮胎品牌和速度等级的不同而差异显著.18种元素平均含量为（99.04±68.43）mg/g,占样品总重的9.90%,其中Si（88.97±67.85）mg/g、Zn（6.77±1.64）mg/g和Na（1.05±0.75）mg/g的平均含量均超过1mg/g,Cd的含量最低,为（0.43±0.31）μg/g.20种PAHs含量之和（∑20PAHs）在12.13~433.64 μg/g,平均为（94.13±110.18）μg/g,PY的平均含量最高（30.98±31.27）μg/g,其次是CHR、BaP、FA、PHE和BghiP,平均含量最低的是AC（0.58±0.2）μg/g;从环数看,以4环PAHs为主（占∑20PAHs的45.03%~67.93%）,其次为3环（平均含量为15.45%）和5环（平均含量为12.62%）.总体来说,国外品牌轮胎样品中元素和PAHs含量略高于国内品牌,而主要PAHs环数略低于国内品牌.     

雨水管道沉积物中典型无机氮的干期粒径分布

以南京江北新区分流制雨水管道沉积物为研究对象,考察不同粒径沉积物中铵态氮（NH₃-N）和硝态氮（NO₃^--N）干期分布特征,分析其随干期长度的变化关系,并探讨沉积物理化性质及微生物菌群结构对NH₃-N和NO₃^--N干期分布的影响.结果表明：粒径≤0.075mm的沉积物中NH₃-N占比最高（交通区30.8%,商业区36.7%）;交通区粒径≤0.075mm的沉积物中NO₃^--N占比最高（33.0%）,而商业区粒径0.075~0.15mm沉积物中NO₃^--N占比最高（34.4%）;干期长度与交通区0.075~0.15mm粒径段的沉积物中NO₃^--N含量及商业区粒径≥0.3mm的沉积物中NH₃-N含量之间的相关性均最显著;雨水管道沉积物中NH₃-N和NO₃^--N的干期分布与O-H和N-H等官能团、表面极性和亲水性、微观形貌等有一定关联;交通区雨水管道沉积物中Gemmobacter等反硝化优势菌种（相对丰度总和为20.15%）对NO₃^--N干期分布影响更显著.     

Role of glycine on sulfuric acid-ammonia clusters formation: Transporter or participator

Glycine(Gly) is ubiquitous in the atmosphere and plays a vital role in new particle formation(NPF).However,the potential mechanism of its on sulfuric acid(SA)-ammonia(A)clusters formation under various atmospheric conditions is still ambiguous.Herein,a(Gly)_x·(SA)_y·(A)_z(z≤x+y≤3) multicomponent system was investigated by using density functional theory(DFT) combined with Atmospheric Cluster Dynamics Code(ACDC) at different temperatures and precursor concentrations.The results show that Gly,with one carboxyl(-COOH) and one amine(-NH_2) group,can interact strongly with SA and A in two directions through hydrogen bonds or proton transfer.Within the relevant range of atmospheric concentrations,Gly can enhance the formation rate of SA-A-based clusters,especially at low temperature,low [SA],and median [A].The enhancement(R) of Gly on NPF can be up to 340 at T=218.15 K,[SA]=10~4,[A]=10~9,and [Gly]=10~7 molecules/cm~3.In addition,the main growth paths of clusters show that Gly molecules participate into cluster formation in the initial stage and eventually leave the cluster by evaporation in subsequent cluster growth at low [Gly],it acts as an important "transporter" to connect the smaller and larger cluster.With the increase of [Gly],it acts as a "participator" directly participating in NPF.     

加入SOA示踪的深圳大气PM2.5受体模型源解析

为厘清包括二次有机气溶胶（SOA）在内的深圳市区PM_2.5各种一次和二次来源贡献,本文于2017年9月2日~2018年8月29日在深圳市大学城点位开展PM_2.5样品采集,并进行化学组分和水溶性有机物（WSOM）质谱测量,共获得162组有效数据.观测期间深圳市大气PM_2.5平均质量浓度为26μg/m³,在传统PMF源解析的基础上加入羧基离子碎片（CO₂⁺）作为SOA的示踪物,加入水溶性有机氧（WSOO）用于计算各因子O/C,验证有机物解析效果.结果表明,SOA可以被独立解析出,其O/C明显高于其他一次污染源中有机物;机动车、二次硫酸盐、二次硝酸盐、SOA为最主要的4个源,对PM_2.5质量浓度的贡献分别为25%、23%、17%和10%,船舶、地面扬尘、老化海盐、建筑尘、生物质燃烧、燃煤和工业贡献均在5%以内.各个源的变化特征表明,机动车、二次硫酸盐、二次硝酸盐、SOA等源贡献呈现冬高夏低的季节特征,与冬季季风条件下源自内陆的污染传输密切相关.污染天气时,二次硝酸盐和SOA的贡献增加相对最显著,因此NOx和挥发性有机物是减排的关键.     

星形线电除尘器内EHD流动与粒子行为数值模拟

为了研究星形线电除尘器内电流体动力学（EHD）流动与荷电粒子运动行为及两者间相互作用,构建了线板式电除尘器（ESP）内关于EHD和带电粒子运动学的耦合数值模型.该模型采用有限体积法离散求解电场方程和空间电荷方程,在拉格朗日法下建立带电粒子运动方程,并与FLUENT湍流模型进行耦合.利用这一模型,对3种电场风速下星形线电除尘器内流动形态与粒子运动行为进行了细致模拟,并分析了二次流动对气流、粒子浓度分布的影响.结果表明,星形线电除尘通道内二次流动对流动形态和粒子浓度分布存在显著作用.随电场风速的降低,这一作用将越明显.EHD流动对细小荷电粒子运动的影响更为显著.二次流动产生涡旋并作用于主流来影响粒子运动行为.收尘板面的涡旋挤压粒子流远离壁面向流动中心运动,放电极下游的涡旋则促进粒子流向收尘板壁面靠近.此外,由于捕集通道中强二次流的存在,Deutsch计算式对除尘效率、特别是对于亚微米粒子捕集效率的计算并不准确.     

温度和含水率对村镇垃圾焚烧烟气中有机物排放的影响

使用管式炉模拟村镇生活垃圾焚烧过程,研究不同焚烧温度和不同垃圾含水率条件下,村镇垃圾焚烧烟气中多环芳烃（PAHs）、氯苯及苯系物的生成和分布特性.结果表明,焚烧温度为550℃时,烟气中多环芳烃和氯苯的释放量最大,当温度小于550℃时,多环芳烃和氯苯的释放量随温度升高而增加,温度大于550℃时,多环芳烃和氯苯的释放量随温度升高而降低.高温焚烧不仅可以抑制烟气中多环芳烃的浓度及减少大分子量PAHs的排放,还能降低氯苯的释放量和氯代数,从而减小村镇垃圾焚烧烟气中的毒性;苯系物随着温度升高,由热解转变为高温合成,释放量也随着增加.水分对多环芳烃和氯苯有较大影响,对苯系物的影响较小.在400℃条件焚烧时,水分含量对多环芳烃总体上是促进的,而在850℃焚烧条件下则表现出抑制作用;而水分对氯苯则均表现出抑制作用,并且可以降低氯苯化合物的氯代数.     

附着在不同微塑料表面的藻类结构与群落组成

选取水环境中常见的4种微塑料介质（聚丙烯（PP）、聚氯乙烯（PVC）、聚乙烯（PE）、聚对苯二甲酸乙二醇酯（PET））和一种自然介质（鹅卵石）进行野外生物膜的培养,以探究不同类型介质表面附着的生物膜的表观结构和藻类群落组成的差异特征.结果表明,鹅卵石与微塑料介质上的生物膜的形貌结构及藻类含量与组成特性均存在一定差异：在微塑料介质表面附着的藻类叶绿素a浓度普遍低于自然介质.实验进一步发现,不同的微塑料类型同样会对生物膜藻类含量以及功能特性存在一定影响：PET片上附着的藻类叶绿素a浓度最高（613.7μg/L）,PP片上最低（492.5μg/L）;然而,PP片上藻类的光合作用最大量子产量最高（0.443）.以上结论说明微塑料会改变附着藻类的生长情况和初级生产力,进而可能影响生物膜在水体中的碳循环过程,对水体净化及污染治理产生一定影响.     

颗粒物分界层Mie散射激光雷达识别的sigmoid算法

基于成都市2013年6月~2015年5月期间由Mie散射激光雷达探测的大气消光系数廓线资料,发现混合层以上在颗粒物消光和分子消光之间一致存在一个S型的过渡区,利用sigmoid函数对此分布形态进行模拟,通过计算该函数上下曲率最大点所在的高度,据此提出了颗粒物分界层Mie散射激光雷达识别的sigmoid算法.针对该算法模拟效果的分析表明,颗粒物分界层过渡区附近大气消光系数理论廓线和实测廓线保持了高度的相关性,二者在春夏秋冬四季的相关系数（R）分别为0.9971±0.0052、0.9935±0.0167、0.9979±0.0038和0.9990±0.0021（均通过α=0.05的显著性检验）.基于sigmoid算法计算的颗粒物分界层过渡区与成都市温江站探空资料得到的逆温层之间存在很好的对应关系.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.