Composition of Floating Debris in Harbours of the United States

As part of a programme to characterize floating anthropogenic debris in the aquatic environment, the US Environmental Protection Agency (EPA) conducted 18 field surveys in the harbours of major metropolitan cities of the east, west, and Gulf coasts of the United States and the Mid-Atlantic Bight. the surveys were designed to provide information on the types, relative amounts, and distributions of aquatic debris in different geographic regions of the United States. Neuston nets (0.33 mm mesh) were used to collect surface debris during outgoing tides on two or three consecutive days in selected areas of each city. After each net tow, the debris, which ranged in size from small resin pellets to large plastic sheeting pieces, was identified, categorized, and counted. the data are being used to qualitatively characterize aquatic debris in coastal metropolitan areas, to examine potential regional variations, and to tentatively identify potential sources.     

郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.     

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.     

武当山夏季颗粒物数浓度谱分布特征及气团来源影响研究

为研究大气边界层中上层大气颗粒物的数浓度谱分布特征及气团来源的影响,于2018年6月利用3080型SMPS粒径谱仪对武当山14.6~660 nm颗粒物数浓度谱进行观测,分析和探讨了其数浓度谱分布及日变化特征,并结合后向轨迹、潜在源贡献因子法（PSCF）与浓度权重轨迹分析法（CWT）探讨对武当山颗粒物数浓度影响较大的外源输送路径和贡献源区.结果表明:①武当山大气颗粒物主要以爱根模态为主,平均数浓度为2 500个/cm3,积聚模态、核膜态平均数浓度分别为2 265、359个/cm3,3种模态数浓度分别占总数浓度的48.79%、44.21%、7.01%.②在新粒子生成日,核膜态数浓度于10:00开始上升,11:00—17:00的核膜态数浓度相对较高,约2 000个/cm3.新粒子生成日ρ（SO₂）与ρ（O₃）的日变化趋势均与核模态数浓度较为相似,表明SO₂和O₃参与光化学反应后的产物（硫酸及有机物）有利于新粒子的生成与增长.新粒子生成日风速、温度均大于非新粒子生成日,但相对湿度较低.③在东部及局地气团影响下大气颗粒物主要以积聚模态为主,数浓度分别为2 311和2 596个/cm3;核模态、爱根模态数浓度在受西北气团影响时最大,数浓度分别为806和3 078个/cm3.④潜在源区分析表明,影响武当山积聚模态数浓度的主要源区为十堰市本地及襄阳市,二者贡献值在840个/cm3以上.研究显示,武当山颗粒物主要以爱根模态为主,颗粒物数浓度日变化主要受大气边界层发展及山谷风的影响,较高的ρ（SO₂）与ρ（O₃）以及高温、低湿及较大的风速均有利于新粒子的生成,周边城市的区域性传输对武当山颗粒物的影响较大.      

黄土塬面保护区潜在蒸发量时空变化及其与气象、环流因子关系分析

黄土塬面是黄土高原地区主要的农业分布区和人口聚居地,地位十分重要。黄土塬面潜在蒸发量（ET₀）的研究对于区域水循环研究、水土流失防治及农业的可持续发展具有重要意义。基于黄土塬面保护区1960—2017年的气象数据,利用Penman-Monteith模型、小波分析、Mann-Kendall非参数检验等方法研究了黄土塬面保护区ET₀的变化规律及其与气象、环流因子间的关系。结果表明：（1）黄土塬面保护区多年平均ET₀为1173.4 mm,总体呈现增长趋势,增长率为21.1 mm/10 a;其生长季平均ET₀值及增长率均高于非生长季平均ET₀。（2）该区多年平均ET₀空间分布特征表现为东部高西部低,西部甘肃塬区多年平均ET₀远低于东部山西塬区。（3）过去58年来,区域年均、生长季、非生长季ET₀均呈现出增长趋势,但空间差异明显;研究区年均ET₀存在着10年、30年和50年的震荡周期,其中以30年周期为主周期。（4）气温是控制区域ET₀变化的最重要的气象因子,但气温对ET₀的影响具有明显的空间差异,在整个研究区内最低气温影响最显著;而甘肃塬区和陕西塬区的ET₀变化主要受平均气温变化的控制,在山西塬区最高气温的变化是区域ET₀变化的主要控制因子。（5）遥相关分析结果显示太平洋/北美指数（PNA）与北大西洋年代尺度振荡（AMO）对该区域ET₀变化有一定影响,西太平洋海温指数（WPI）的变化影响区域非生长季ET₀变化。     

基于土壤重金属特征的绿色食品产地环境评价——以重庆(江津)现代农业园区为例

以重庆市江津区现代农业园区内4种农用地类型的653个表层土样为研究对象,测定土壤重金属元素含量.依据绿色食品产地环境相关标准,采用重金属污染指数法对标准中所涉及的Cu、Cr、Cd、Hg、As和Pb共6种重金属元素开展土壤环境质量评价和潜在生态风险评价,并结合用地类型确定绿色农产品生产的适宜性土壤分区.结果表明：除元素Cu、Cr和As外,其他元素的平均含量均高于重庆市土壤背景值;除元素As和Hg外,其他元素的平均含量均高于我国土壤背景值.土壤重金属元素Cu、Cr、Cd、Hg、As和Pb的平均浓度均达到《绿色食品产地环境质量》标准要求,但Cd污染已处于安全警戒线内,应高度警惕和严格监管园区内该元素的污染.水田、旱地和果园的土壤环境均以尚清洁为主,其他园地的土壤环境以轻度污染水平为主.部分水田存在一定程度的Pb污染（轻度）、Hg污染（中度）和Cd污染（中度）,旱地存在一定程度的Hg污染（中度）和Cd污染（中度）,果园和其他园地的土壤存在一定程度的Cd的轻、中度污染.全区符合《绿色食品产地环境质量》标准要求的土壤面积为12.47km²,占农用地总面积的63.64%,旱地、果园、水田和其他园地中符合该标准的面积分别占各自总面积的84.83%、68.07%、56.51%和42.09%.4种用地类型的土壤环境生态风险水平均以低等为主,共占研究区总面积的74.70%.Cd和Hg在园区表层土壤重金属生态风险评估中占有较大的贡献率,应列为优先控制污染元素并对其生态效应开展进一步研究.     

有机垃圾厌氧消化泡沫产生机理及控制方法

为了分析厌氧消化泡沫的产生机理和控制方法有助于解决有机垃圾厌氧消化起泡问题,本文调研了近年来报道的厌氧消化系统起泡现象,并从底物特性、反应器构造及运行条件和消化过程相关特性3方面分析了不同底物、工艺和环境条件下厌氧消化反应器的起泡机理;讨论了丝状菌指数、表面张力、粘度、有机负荷、起泡趋势和泡沫稳定性等参数作为起泡风险评价指标的合理性;介绍和比较了4类消泡方法（物理法、机械法、生物法和化学法）的消泡原理及优缺点.目前,除污泥厌氧消化系统外,其他有机垃圾厌氧消化系统起泡的主要因素尚不明确,而这也限制了泡沫控制方法的开发.后期探索关键起泡微生物或研究生物表面活性物质与起泡的相关性,将有助于从新的角度揭示起泡机理,并开发出针对性更强的泡沫控制方法.     

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.     

利用HYSPLIT模型研究珠三角地区VOCs时空分布特征

于2016年在中国广东大气超级监测站,开展4个季节的VOCs长时间观测,共获得2142组有效数据,并利用HYSPLIT模型分析珠三角地区VOCs时空分布特征.结果表明,各类VOCs混合比和化学反应活性具有明显的季节变化特点.观测期间,VOCs平均浓度为（18.523±20.978）×10^-9,其中,低碳烯烃和苯系物二者混合比之和仅占46%,但贡献了85%的·OH消耗速率（L_OH）、82%的臭氧生成潜势（OFP）和97%的二次气溶胶生成潜势（SOAFP）.观测站点主要受来自北部内陆地区气团（1#）、西部内陆地区气团（2#）、台湾海峡南端气团（3#）以及南部海洋地区气团（4#）的影响.1#气团中炔烃和苯系物的混合比占比最高,分别达到10%、37%,而3#气团中低碳烷烃的浓度水平最高,达到（8.437±5.561）×10^-9.通过估算气团中VOCs的化学反应活性,可以发现,1#气团的VOCs化学反应活性最强,其对O₃和SOA的生成贡献最高.1#、2#、3#和4#气团中VOCs的化学反应活性主要由苯系物和低碳烯烃贡献.