基于LOADEST和数字滤波的水源地基流氮素输出定量方法应用实例

地表直接径流和基流均是流域非点源氮/磷养分输出的重要水文途径.科学认识和定量模拟基流氮/磷养分输出对于准确解析水源地水体非点源污染来源至关重要.基于Load Estimator模型和数字滤波算法,建立了定量水源地基流氮素输出的方法体系.以浙江省珊溪水源地的玉泉溪流域为例,利用玉泉溪2010-01—2013-12期间逐月总氮(TN)水质监测数据和逐日流量数据,展示了该方法的计算过程.结果表明,本文建立的水源地基流氮素输出定量方法结果合理,模拟精度高,决定系数和纳什系数分别为0.83和0.80;玉泉溪流域2010—2013年TN负荷量为141.21～274.68 t·a~(-1),平均208.63 t·a~(-1),年基流TN负荷量为84.39～168.68 t·a~(-1),平均127.69 t·a~(-1);基流对玉泉溪年均TN负荷量贡献率高达60%以上,流域基流养分输出对地表水体的污染应引起足够重视.     

中国集成电路制造行业VOCs排放特征及控制对策

中国电子信息产业发展迅速,集成电路等电子器件产量不断增加.在集成电路制造的过程中,大量有机溶剂的使用导致VOCs的产生和排放,从而对大气环境造成影响.为掌握集成电路制造行业VOCs的排放特征,系统分析了其工艺流程和产排污环节,分析了行业废气收集和治理现状,通过对典型企业VOCs的排放监测,获得VOCs排放水平;采用排放因子法核算行业VOCs历史排放量,并基于行业排放特征及减排潜力分析,提出了相应的污染防治对策.结果表明：在集成电路制造中,VOCs排放环节主要集中在光刻、清洗、去胶等过程,1 m²集成电路产量约使用87 g有机溶剂,VOCs产生量较大;通过采取高效的VOCs治理技术,集成电路制造行业有组织排放水平较低,平均浓度为2.1 mg·m^-3,但厂界无组织排放浓度相对较高,平均浓度为0.78 mg·m^-3,接近国家标准的排放限值.根据排放量核算结果,2011—2016年中国集成电路制造行业VOCs排放量呈逐年上升的趋势,主要受产量增加而相应污染控制技术水平提升有限的影响,无组织排放量比重大,占排放总量的38.1%~45.1%.     

不同来源土样胶体对氯霉素吸附行为的影响

选取不同来源沉积物或土壤样品（沉积物A1和A2,天然土壤B1和B2,市售营养土B3）,采用切向超滤与多种纳米分析技术相结合的方法,分析了不同土样中胶体的理化特征及其对氯霉素（CAP）吸附行为的影响.荧光区域积分法结果显示,土样胶体的荧光组分以色氨酸类蛋白质、类富里酸和类腐殖酸为主,络氨酸类蛋白质和溶解性微生物代谢物质存在较少.吸附实验结果表明,B3胶体对CAP的吸附率最大（36.25%）,在胶体浓缩液和超滤液中的分配比例最高（1.91）,但其有机碳归一化结合系数最低（3.93）.与天然土壤相比,河湖沉积物胶体的吸附率较高,但其与CAP的结合能力却较低.冗余分析结果表明,胶体对CAP的吸附主要与其芳香度、有色溶解性有机质丰度、溶解性有机碳浓度及分子量有关;此外,胶体的腐殖化程度、芳环上羧基、羰基等官能团的比重及荧光物质中溶解性微生物代谢产物和类腐殖酸对CAP的吸附行为也具有较大影响.     

基于遥感尾气监测的柴油车气态污染物排放因子计算方法研究

采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征,修正了排放因子的计算方法,并与车载排放测试系统（PEMS）实测结果进行了验证,获得了实测车辆的CO、HC和NO排放因子.测试结果显示,在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气,未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大,且氧气浓度越大,偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升,适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小,精确度较高,可以为量化柴油车尾气排放贡献提供科学依据.     

不同空间划分方式下袁河流域景观结构对水质的影响

近年来景观结构的水文效应受到关注,研究不同空间划分方式下景观结构对河流营养盐、重金属变化的影响机制对于流域生态保护具有重要意义.本文于2018年7月和2019年1月在袁河干流及支流38个采样点采集水样,测定水体营养盐类污染指标（DO、NO₃^--N、NH₄⁺-N、TP和DOC浓度）和重金属类污染指标（Cr、Mn、Fe、Cu、Zn、As、Cd和Pb浓度）.基于前向变量选择、冗余分析等方法,筛选景观结构指标,量化其在不同尺度下对水体营养盐、重金属变化的影响.结果表明：①农田、斑块密度（PD）、斑块聚集指数（COHESION）及散布与并列指数（IJI）是影响水体营养盐变化的主要指标.林地、建设用地（Res）、平均最近邻体距离（ENN_MN）和最大斑块指数（LPI）的组合是影响重金属变化的主要指标.②在河岸缓冲带与圆形缓冲区划分方式下,景观结构均在100 m尺度对营养盐变化解释能力最强,平均解释率分别为31.5%、24.3%,均在1000 m尺度对重金属变化解释能力最强,平均解释率分别为32.0%、42.6%.③100 m河岸缓冲带和子流域尺度分别是景观结构影响水体营养盐、重金属变化的最佳空间尺度,平均解释率分别为31.5%、42.8%.以上结果表明,针对水体不同的污染类型,采用对应的划分方式及缓冲尺度有助于提高定量分析精度,为流域水环境保护、景观优化与管理提供科学依据.     

乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析

依据2009年1月—2019年7月MODIS/AQUA C6.1 MYD04_L2 气溶胶光学厚度（Aerosol Optical Depth, AOD）日数据,在宏观视角下对乌鲁木齐市AOD时空分布特征进行分析,利用后向轨迹模式（Hybrid Single Particle Lagrangian Integrated Trajectory,HYSPLIT）和潜在源贡献作用分析方法（Potential Source Contribution Function, PSCF）讨论气溶胶运输的季节性变化,并揭示研究不同季节对AOD影响较为明显的潜在源空间分布.结果表明：①乌鲁木齐市AOD呈显著的季节性差异,四季均值依次为：春季（0.328） > 夏季（0.310） > 秋季（0.273） > 冬季（0.137）,AOD高值区主要集中在市区.②AOD年内呈双峰分布,峰值分别对应为4月（0.402）和8月（0.346）;10 a间AOD呈弱下降趋势,其中2014年最高（0.316）,2017年最低（0.235）,AOD均值为0. 276.③春季和冬季乌鲁木齐市气团输送主要来自中亚地区,夏季和秋季则来自于天山周边地区;AOD主要潜在源区为乌鲁木齐市及其周边地区,对乌鲁木齐市空气质量具有显著影响.     

金属改性对SAPO-34低温还原NO性能的影响

采用浸渍法制备金属改性SAPO-34分子筛催化剂,分析比较了不同单金属（Cu或Co）及不同比例双金属（Cu：Co=1：1、3：1、5：1,质量比）改性催化剂对NO的催化还原性能,评价了不同催化剂的N₂选择性,并采用扫描电子显微镜（SEM）、比表面积测试、X射线衍射分析（XRD）、NH₃-程序升温脱附（NH₃-TPD）等表征手段对催化剂的物化性能进行了分析.结果表明,单金属Cu改性催化剂具有较宽的温度区间,在250~450℃范围内NO的转化率始终保持在100%;双金属改性使NO转化率保持为100%的最低温度下降了25~50℃,显著拓宽了低温段窗口,其中,Cu₃Co₁/SAPO-34催化剂的低温催化还原性能最好,200℃即可实现100%的NO转化率,175℃下的转化率也高达80%以上.Cu-Co双金属改性SAPO-34分子筛催化剂具有优异的低温催化还原NO性能,具有在机动车尾气、工业废气的低温脱硝治理领域应用的潜力.     

长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析

为研究长三角背景点夏季PM_2.5污染特征,于2018年5月30日—8月15日在上海市崇明岛对PM_2.5样品进行昼夜采集,并对其中水溶性无机离子(Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+)进行了分析.运用PSCF(潜在源贡献)方法判别污染物排放源区,并结合PCA(主成分分析)和PMF(正交矩阵因子)源解析探究PM_2.5来源.结果表明:①观测期间崇明岛ρ(PM_2.5)平均值为(33±21)μg/m3,低于GB 3095—2012《环境空气质量标准》一级标准限值(35 μg/m3),但在部分时段存在显著超标现象,ρ(PM_2.5)最高值在120 μg/m3以上.②水溶性无机离子质量浓度平均值为(14±9.3)μg/m3,占PM_2.5的42.4%,其中SNA(SO₄2-、NO₃-、NH₄+三者统称)为主要离子,占水溶性离子总质量浓度的85.7%.③n(NH₄+)/n(SO₄2-)(NH₄+与SO₄2-的摩尔浓度比)显示,清洁期〔ρ(PM_2.5) < 15 μg/m3〕呈贫铵状态,过渡期〔15≤ρ(PM_2.5)≤35 μg/m3〕和污染期〔ρ(PM_2.5)>35 μg/m3〕均呈富铵状态;过渡期SNA主要以NH₄HSO₄和NH₄NO₃形式存在,而污染期则主要以(NH₄)₂SO₄和NH₄NO₃形式存在.④通过对两次典型污染事件进行离子相关性分析和PSCF分析发现,E1污染事件(5月30日—6月8日)为局地生物质燃烧型污染事件,E2污染事件(7月23日—8月1日)为区域传输污染事件.源解析结果进一步表明,两次典型污染事件期间气态污染物的二次转化对PM_2.5的贡献最显著,贡献率分别为62.8%和59.8%;其次是生物质燃烧,其贡献率分别为32.5%和20.1%;E2污染事件期间海盐源对崇明岛PM_2.5贡献率较高(16.6%),远超过E1污染事件期间对PM_2.5的贡献率(2.7%).研究显示,区域输送对崇明岛PM_2.5有显著贡献,二次颗粒物累积是崇明岛PM_2.5超标的主要原因.