亳州市PM_(2.5)水溶性离子的污染特征

基于2022年3月至2023年2月亳州市PM_(2.5)手工监测数据,分析了PM_(2.5)中8种水溶性离子的污染特征。结果表明:亳州市PM_(2.5)浓度冬季较高,水溶性离子的总浓度平均值为(24.71±19.79)μg/m^(3),占PM_(2.5)质量浓度的48.5%,对PM_(2.5)贡献较高。其中NO^(-)_(3)、SO^(2-)_(4)和NH^(+)_(4)为浓度最高的3种主要离子,总和占PM_(2.5)的43.1%。SOR和NOR的全年均值分别为0.47和0.27,说明大气中存在二次转化过程,SO_(2)的二次转化程度更高。各离子组分的浓度均表现为冬季最高,夏季最低。PM_(2.5)呈现弱碱性,NH^(+)_(4)主要以(NH_(4))_(2)SO_(4)和NH_(4)NO_(3)形式存在。NO^(-)_(3)和SO^(2-)_(4)的比值为1.28,显示移动源的贡献较大。相关性分析结果显示,PM_(2.5)的来源可能有生物质燃烧源和扬尘源。

硫酸亚铁诱导根表铁膜形成对水稻吸收和转运铜锌的影响

通过水培条件下添加硫酸亚铁诱导水稻根表铁膜的形成,利用连二亚硫酸钠-柠檬酸钠-碳酸氢钠(DCB)溶液对根表铁膜进行提取后测定,采用扫描电镜-能谱仪(SEM-EDS)和X射线衍射仪(XRD)等手段对硫酸亚铁诱导产生的根表铁膜进行表征,并分析根表铁膜对水稻吸收铜锌的影响。结果表明,添加硫酸亚铁可以诱导根表铁膜在水稻根系表面产生,未处理的水稻根表Fe含量为731 mg·kg^(-1),80 mg·kg^(-1) Fe^(2+)处理下水稻根表Fe含量为53 562 mg·kg^(-1);SEM-EDS和XRD分析发现大量颗粒状含铁化合物附着于水稻根表。与未经硫酸亚铁处理相比,有根表铁膜水稻的铁膜中,其Cu含量最高增加73.16%,Zn含量最高增加112.10%;水稻根系Cu含量最高降低31.15%,Zn含量最高降低13.02%;水稻茎叶Cu含量最高降低19.50%,Zn含量最高降低25.56%。土壤添加硫酸亚铁可以显著降低水稻对Cu和Zn的吸收与积累。

激光雷达在环境空气监测中的研究

激光雷达是监测环境空气质量的重要手段。文章介绍了激光雷达的基本原理与构造,以及在大气环境监测的应用。为进一步说明激光雷达的应用方式,利用合肥市生态环境局楼顶的固体式气溶胶激光雷达进行大气监测,通过对雷达监测数据的反演与分析为大气污染治理提供数据支撑。

基于KZ滤波法的江淮地区PM_(2.5)浓度变化影响分析

基于2018—2020年合肥、芜湖和马鞍山3个城市国控站点的PM_(2.5)逐日监测数据和同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波对PM_(2.5)日浓度的原始时间序列进行分解,获取短期分量、季节分量和长期分量,并进行多元线性逐步回归构建各分量与气象因子的模型,最后依据短期分量和基线分量的回归模型和残差分析,对序列进行重建,获取消除气象条件影响的PM_(2.5)长期分量。KZ滤波分析结果表明:2018—2020年气象条件对江淮区域PM_(2.5)污染改善影响存在波动,在2018—2019年为负贡献,而在2020年秋冬季则变为正贡献;江淮地区3个城市2018年和2020年PM_(2.5)修正后的长期分量均值表明气象条件对各市PM_(2.5)改善影响存在差异较大,气象条件对合肥PM_(2.5)改善的贡献仅为1.0%,芜湖为7.8%,马鞍山为21.0%;NAQPMS数值模式情景分析结果显示,减排措施对江淮之间PM_(2.5)浓度改善贡献率范围为42.5%~104.8%。综合研究表明,减排措施是2020年江淮之间PM_(2.5)浓度改善的主要因素。