构筑防灾科技学院学生文化体系

文章从四个方面阐释学生文化体系的构成，即重在打基础，鼓励学生个性化发展；培植防灾学院自己的学生文化“精英”；创新与创业是学生文化的闪光点；培育一个好的学生文化的管理环境。做到此四点，就可办一个好的、有特点的、合格的高等学校。本文有的放矢，用事实来说话。     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

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%.     

南京和北京气溶胶光学厚度与PM2.5质量浓度关系对比分析

利用南京与北京地区2014年5月1日—2019年10月31日的PM_2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料,对两地PM_2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论,结果表明：南京与北京均呈现PM_2.5浓度冬季显著高于夏季,AOD冬季小于夏季的特征;对比而言,北京PM_2.5月均浓度高于南京地区;南京与北京的PM_2.5浓度与AOD均为正相关关系,PM_2.5浓度与AOD间相关性存在显著的季节差异,主要表现为夏季相关性大于冬季相关性;两地AOD与PM_2.5浓度均为正相关关系,在同一AOD水平下,相对湿度越大,PM_2.5浓度越大,气溶胶吸湿增长易造成污染物积累;南京PM_2.5浓度与能见度的r为0.57,而北京的r为0.83,两地的PM_2.5浓度与能见度的冬季相关性较夏季好,在高相对湿度下,同一PM_2.5浓度水平时,南京能见度较北京好.     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

深圳市龙岗区大气颗粒物中多溴联苯醚的污染特征研究

为了解深圳市龙岗区大气颗粒物中多溴联苯醚的污染状况,于2017年1月、4月、8月和11月分别采集龙岗区大气颗粒物样品.利用气相色谱-质谱联用仪（GC/MS）对深圳市龙岗区4个功能区（工业区、商业区、居民区和生态区）的80个大气颗粒物样品进行检测,得到PBDEs（多溴联苯醚）8种单体（BDE-28、BDE-47、BDE-99、BDE-100、BDE-153、BDE-154、BDE-183、BDE-209）的质量浓度,同时研究了大气颗粒物中PBDEs质量浓度的时空分布特征.结果表明:①深圳市龙岗区大气颗粒物中ρ（∑₈PBDEs）（∑₈PBDEs为PBDEs 8种单体的加和）范围为0.07~77.80 pg/m3,ρ（∑₈PBDEs）年均值为（6.86±14.17）pg/m3.ρ（BDE-209）范围为0.01~76.23 pg/m3,年均值为（5.10±13.58）pg/m3,BDE-209为主要污染单体.② 4个功能区的ρ（∑₈PBDEs）平均值大小顺序依次为工业区（13.65 pg/m3）>商业区（7.75 pg/m3）>生态区（3.95 pg/m3）>居民区（2.19 pg/m3）,工业区是环境空气颗粒物中PBDEs的主要污染区.③ ρ（∑₈PBDEs）平均值的季节性变化规律为春季（13.32 pg/m3）>冬季（9.18 pg/m3）>秋季（2.17 pg/m3）>夏季（1.51 pg/m3）,符合深圳市亚热带海洋季风气温和气候对环境空气中颗粒物质量浓度的影响规律.研究显示,深圳市龙岗区大气颗粒物中PBDEs质量浓度处于较高水平,污染严重,建议减少含PBDEs产品的生产、使用和运输等活动,或找到更利于环境安全和人体健康的替代品,降低PBDEs对该地区的污染.      

新兴污染物对剩余污泥厌氧发酵产氢的影响研究

厌氧发酵产氢是污泥资源化利用的一种重要途径,然而污水处理过程中新兴污染会通过各种途径转移至污泥中,影响污泥的后续处理。总结了抗生素、表面活性剂、工业添加剂、溴系阻燃剂（BFR）4种新兴污染物在污泥中的污染现状,阐述了新兴污染物对污泥发酵产氢的影响,并揭示了相关作用机制。同时,分析了新兴污染物在污泥发酵体系的降解转化规律。最后,对今后污泥中新兴污染物的研究做了展望,以利于污泥的资源化利用。     

电化学微传感器检测水中痕量铜离子

为改善微电极在阳极溶出伏安法检测重金属离子过程中低电流响应和低电催化能力的缺点,提出了一种在碳纤维微电极表面合成还原氧化石墨烯/纳米金材料制得还原氧化石墨烯纳米金修饰碳纤维微电极（rGO/AuNPs CFMEs）的方法.通过SEM表征,所制备的rGO/AuNPs CFMEs具有比表面积高、吸附能力强和催化活性好的特点,因此改性微电极适合作为方波阳极溶出伏安法（SWASV）测定水中铜离子（Cu²⁺）的工作电极.在构建微传感器测试水中痕量铜离子系统后,对pH值、电导率、富集时间和富集电位等检测条件进行了优化.在pH值为4,电导率为36.1S/m,富集时间为360s,富集电位为-1.2V的最佳条件下,铜的线性范围和检出限分别0~1.0μmol/L和2.4nmol/L.此外,微传感器的可重复性、长期稳定性以及选择性也得到了验证.     

典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例

为了揭示柳州城区春冬季PM_2.5的来源及其潜在源区分布和贡献,利用2018年24h自动监测数据和气象数据对柳州市大气污染物浓度变化特征进行了分析,并且使用后向轨迹模型（HYSPLIT）对春冬季柳州市PM_2.5逐日72h气流后向轨迹和前向轨迹进行聚类分析,同时结合潜在源贡献因子分析法（WPSCF）和轨迹浓度权重法（WCWT）对其潜在源区和浓度贡献进行了分析.结果显示,（1）在研究期内,不利的主导风向和工业区布局导致研究区PM_2.5在春冬季污染较严重,且工业源和交通源是其主要本地来源;（2）春冬季PM_2.5高值主要来源于西北和东南方向,其中,西北向PM_2.5主要来源于本地排放,且浓度在空间上呈现西高东低的趋势;（3）春季后向轨迹PM_2.5浓度整体大于冬季,春冬季中对柳州市PM_2.5影响最大轨迹均来自东部的短距离输送,而来自西北的气流轨迹输对PM_2.5贡献最低.春冬季柳州市大气PM_2.5通过气流传输对贵州地区大气环境有较大影响;（4）春季,柳州市PM_2.5的主要潜在源区分布在广西东南部、广东中西部、南海沿岸海域、湖南中部、江西西北部、湖北东部及安徽西北部;冬季,主要分布在广西东南部、广东西南部和南海沿岸海域.     

北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物（BC、PM_2.5、SO₂、O₃和NO₂）日均浓度资料以及同期的气象资料,采用广义相加模型（GAMs）中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM_2.5和BC单效应,以及气温与PM_2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈“J”型分布特征,最适温度为24℃;累计滞后一天情况下PM_2.5和BC的健康效应均最显著,此时PM_2.5和BC浓度每升高四分位间距（IQR）,呼吸系统疾病死亡人数超额增加百分比（ER）分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM_2.5（或BC）对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM_2.5,当气温大于24℃时,BC和PM_2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM_2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.