温州市PM_(2.5)中水溶性离子污染特征及来源分析

2015年1~12月在温州市区采集448个PM_(2.5)样品,采用离子色谱法分析PM_(2.5)中9种水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、Cl~-、Na~+、K~+、Ca~(2+)、Mg~(2+)和F~-)的浓度,研究其污染特征、化学组分和来源.采样期间9种水溶性离子总浓度为39.97μg·m~(-3),SO_4~(2-)、NO_3~-和NH_4~+占所测水溶性离子总量的(40.19±10.04)%.离子总浓度的季节变化特征为冬季春季秋季夏季,从空间分布上看,多数季节市站采样点PM_(2.5)中离子总浓度低于南浦、龙湾和瓯海采样点.相关性分析结果显示,PM_(2.5)值与NH_4~+、Ca~(2+)、Na~+、K~+、Cl~-、NO_3~-、SO_4~(2-)浓度显著相关,PM_(2.5)中SO_4~(2-)和NH_4~+的主要结合方式为(NH_4)_2SO_4.硫氧化速率(SOR)和氮氧化速率(NOR)的年均值分别为0.44±0.09和0.13±0.04,表明温州市PM_(2.5)中SO_4~(2-)和NO_3~-主要由二次转化形成.主成分分析结果表明,温州市PM_(2.5)中水溶性离子主要来源于燃煤(火力发电和工业燃煤)、生物质燃烧、机动车尾气以及道路和建筑扬尘.     

乌鲁木齐市采暖期大气PM_(2.5)、PM_(10-2.5)中重金属污染水平评价

针对2007年12月至2008年1月在乌鲁木齐市采集的可吸入颗粒物(PM2.5-10和PM2.5),采用消解法和双道原子荧光光法(AFS)、电感耦合等离子体质谱仪法(ICP-AES)分析了样品中的5种重金属元素,并对MP10-2.5和PM2.5中重金属的污染水平和人类活动的贡献进行了评价.结果表明:PM10-2.5质量浓度平均值187μg/m3,超过国家二级标准(150μg/m3)的1.25倍、PM2.5质量浓度平均值为279μg/m3,超过美国EPA1997年颁布的PM2.5日平均值65的4.3倍.PM10-2.5和PM2.5中Pb的污染指数1Igeo10为重污染、Cd、Hg的Igeo10为严重污染.富集因子分析得出乌鲁木齐市Cd和Hg元素的EF值大于10,说明这些元素主要是人为源贡献,受土壤扬尘的影响较少;而Co、Pb元素的EF值在1～10之间,说明其主要来自自然来源.     

杭州市2017年冬季一次重灰霾过程中PM2.5水溶性离子特征、来源及成因分析

利用在线监测仪测量了杭州市一次重灰霾过程（2017年12月29日至2018年1月3日）中PM_2.5主要水溶性离子（Cl^-、SO₄^2-、NO₃^-、NH₄⁺、Na⁺、Ga²⁺、Mg²⁺）及主要气态污染物（SO₂、NO₂、O₃、NO、CO、HCl、NH₃、HNO₂、HNO₃）的小时浓度。结合混合受体模型和国控监测分析,研究了2017年12月30-31日重灰霾事件的污染特征、来源和成因。研究结果表明：PM_2.5浓度高达318 μg·m^-3; NO₃^-/SO₄^2-最大值为2.68,说明移动源污染是杭州市PM_2.5形成的重要来源; PM_2.5/CO最高达到0.19,说明二次细颗粒物对PM_2.5贡献很大;NO₃^-、SO₄^2-、NH₄⁺的浓度总和占PM_2.5平均浓度的64.3%,说明二次无机细颗粒物是杭州重灰霾形成的重要原因,且NO₃^-的贡献最大,占33.5%。混合受体模型分析显示,杭州市重灰霾污染的潜在源区主要位于安徽、江苏、河南、山东四省交界处,以及安徽省中东部、蚌埠、芜湖等工业污染较为严重的城市。夹杂着大量污染物的北方干冷空气远距离传输叠加部分局地源是杭州此次重雾霾形成的根本原因。因此,为了改善杭州市空气质量,不仅需控制当地的污染物排放,而且还需对整个长三角地区甚至跨区域采取大气联防联控策略。     

杭州市2017年冬季一次重灰霾过程中PM2.5水溶性离子特征、来源及成因分析

利用在线监测仪测量了杭州市一次重灰霾过程（2017年12月29日至2018年1月3日）中PM_2.5主要水溶性离子（Cl^-、SO₄^2-、NO₃^-、NH₄⁺、Na⁺、Ga²⁺、Mg²⁺）及主要气态污染物（SO₂、NO₂、O₃、NO、CO、HCl、NH₃、HNO₂、HNO₃）的小时浓度。结合混合受体模型和国控监测分析,研究了2017年12月30-31日重灰霾事件的污染特征、来源和成因。研究结果表明：PM_2.5浓度高达318 μg·m^-3; NO₃^-/SO₄^2-最大值为2.68,说明移动源污染是杭州市PM_2.5形成的重要来源; PM_2.5/CO最高达到0.19,说明二次细颗粒物对PM_2.5贡献很大;NO₃^-、SO₄^2-、NH₄⁺的浓度总和占PM_2.5平均浓度的64.3%,说明二次无机细颗粒物是杭州重灰霾形成的重要原因,且NO₃^-的贡献最大,占33.5%。混合受体模型分析显示,杭州市重灰霾污染的潜在源区主要位于安徽、江苏、河南、山东四省交界处,以及安徽省中东部、蚌埠、芜湖等工业污染较为严重的城市。夹杂着大量污染物的北方干冷空气远距离传输叠加部分局地源是杭州此次重雾霾形成的根本原因。因此,为了改善杭州市空气质量,不仅需控制当地的污染物排放,而且还需对整个长三角地区甚至跨区域采取大气联防联控策略。     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

南昌市大气细粒子PM_(2.5)中多环芳烃的污染特征及源解析

在南昌市布设5个采样点,代表交通干线区、工业区、商业区、居民区以及郊区,于2007年进行气溶胶PM_(2.5)的采样.各采样点测得的数据表明,PM_(2.5)中多环芳烃浓度呈现出夏低冬高的特征,空间分布上,南昌市PM_(2.5)中多环芳烃污染情况为交通干线>工业区>商业区>居民区>郊区,基于这些检测数据,通过因子分析法中的主成分分析法判断PM_(2.5)中多环芳烃的主要来源,利用多元逐步回归法确定各主要污染源对多环芳烃的贡献率.结果表明南昌市的主要污染源车辆排放源(标识物苯并(g,h,i)苝)、燃煤污染源(标识物荧蒽)、焦化污染源(标识物苯并(k)荧蒽)和高温加热源(标识物菲)对南昌市大气PM_(2.5)中多环芳烃的贡献率分别为31.0%、21.1%、25.8%和(14.6%).     

湖北夏枯草(Prunella vulgaris)不同分布区的群落特征和物种多样性

采用重要值和α-多样性指数分析了湖北4个不同分布区夏枯草群落:蕲春县九棵松(QCX)、大别山区的罗田县骆驼坳(LTX)、鄂西北的襄阳市古隆中(XYX)和武汉东湖(WHX)的基本特征和物种多样性,结果表明:LTX的物种最丰富(17种,隶属15科16属),而XYX物种数目最低(7种,隶属6科7属);QCX的夏枯草重要值/相对重要值(IV/Pi)相对较高(0.20/0.19),LTX的夏枯草IV/Pi值最低(0.06/0.06);WHX与QCX、LTX之间的Shannon-Wiener多样性指数(H′)呈现显著性差异(p<0.05),WHX和LTX之间、QCX和LTX之间的均匀度指数(J)也存在差异性(p<0.05);而4个群落之间的生态优势度(SN)没有差异性(p=0.27>0.05);夏枯草密度与数目、相对重要值之间呈正相关(r分别为0.96和0.99,p<0.05),物种数目与H′之间也呈正相关(r=0.97,p<0.05).由此得出结论:生境差异和外界干扰影响夏枯草群落植物成分和结构.     

2-烷胺基-3-芳基四氢吡啶并噻吩并嘧啶-4(3H)-酮衍生物的合成

首先用二烯酮(1)与甲胺溶液作用制得哌啶酮(2),然后利用Gewald反应将哌啶酮、氰乙酸乙酯和硫磺在吗啡啉存在下进行反应,制得中间体胺(3),再与三苯基膦、六氯乙烷在无水三乙胺存在下,得到中间体膦亚胺(4),接着采用3组分串联aza-Wittig反应方法合成了8个新的2-烷胺基-3-芳基四氢吡啶并噻吩并嘧啶-4(3H)-酮衍生物.所得产物的结构由核磁共振氢谱,质谱及元素分析确证.     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

影响台州的台风及其降水分布特征分析

普查1951～2012年台风资料,对期间影响浙江台州的台风年月际变化、生成源地及常见影响路径、降水量地理分布特点及不同台风路径的降水量空间分布等进行了综合分析.结果表明：影响台州的台风有较明显的年、月际变化特征;台风生成源地主要集中在3个区域,主要影响路径类型有5种;复杂的地形地貌,导致台风降水量分布差异较大;降水量分布与台风登陆前后的移动路径密切相关.     

浙江省城镇建设用地空间扩展时空特征分析

运用1990~2015年浙江省6期土地利用数据, 使用扩展速率、扩展强度、分形维数等指标分析浙江省城镇建设用地空间格局. 结果表明 (1)1990~2015年, 浙江省城镇建设用地增长在5个时期呈现“W”趋势, 从不同行政等级来看, 扩展速度的发展趋势具有一致性, 2000~2005年是浙江省不同行政等级的城市城镇用地扩展速度的最快阶段. (2)从扩展强度来看, 浙江省在2000~ 2005年对城镇用地扩展最大, 其他时期基本维持稳定. 地势平缓的城市往往开发强度大, 丘陵地区的城市处于缓慢扩展阶段. (3)浙江省城镇用地空间结构的分形维数和稳定性特征存在波动性. 城镇用地的空间结构特征与城镇用地增长过程和发展阶段具有一定的联系. (4)浙江省城镇用地重心受到地形限制明显. 西南地区受到丘陵地形影响, 重心移动方向大多数与斜长的峡谷平行; 北部平原区域的城镇用地的重心变化往往受到经济等社会因素影响较大. (5)浙江省城镇建设用地空间扩展的影响因素上存在一定规律, 可看出1995年、2010年、2015年主要倾向于社会经济的影响, 在2000年、2005年则倾向于自然因素的影响.     

浙江新昌早白垩世盆地中硅质岩石的地球化学特征与成因

在浙江新昌早白垩世盆地西侧的馆头组中，存在一些硅质岩石－－块状硅质岩、含叠层石硅质岩和木化石硅质岩等，它们以高SiO2、富Fe2O3、低Al2O3和TiO2为特征，REE含量低，而且有弱的Ce亏损，δ^30Si值为－0．4‰－-1.5‰，δ^18O值为18．1％－23．1‰。硅质岩的地球化学研究表明它们具有热水硅质岩的特点。结合其它地质资料，作者讨论了这些硅质岩的硅质来源和成因，认为它们系地表水和海水向下渗透，并在一定深度内发生循环然后上涌，火山活动为热水提供热源，SiO2来源于热水流经的地层和岩石。富含SiO2的热水溶液在适当的地方沉淀形成块状或透镜状硅质岩，也可解释古树木和含叠层石灰岩形成木化石硅质岩和含叠层石硅质岩，根据氧同位素地质温度计计算出硅质岩形成时的热水温度为70．8－108．4℃。     

钱塘江干流沿岸鸟类群落结构及分布特征的研究

1981—1990年对钱塘江干流沿岸进行了累计14个月的鸟类调查,该地区的鸟类区系共有206种组成,隶属17目41科,其中古北界种类105种,占51％,与冬候鸟和旅鸟的比例高有关.在繁殖鸟中,东洋界种类占绝对优势.群落优势度依次为钱塘江段>富春江段>新安江段,多样性指数却相反.随着从新安江到钱塘江的环境由中山丘陵→低山丘陵→平原农田,河滩的改变,鸟类的群落结构也由山地林区鸟类向平原田野和沼泽水域鸟类变化.