再生水入渗回补含水层过程中砷释放研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:xiaoxu0911
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
华北平原是中国重要的政治、经济、文化中心,一直面临着严重的水资源短缺问题。由于地表水资源严重短缺及水质恶化,地下水已成为工农业和生活用水的主要供应水源,超过总供水量的70%。广泛的地下水超采导致了一系列的地质和环境问题。再生水入渗回补含水层能有效地缓解这一局面。然而,再生水入渗过程中仍然存在许多风险。已有研究表明,沉积物中的砷释放是地下水人工回补中最常见的二次污染。和自然体系相比,再生水中的有机质含量高,其可能会导致入渗过程中砷的释放。然而,现有研究对于这一过程中砷释放的风险及机理仍然欠缺。为了探讨这一问题,本研究采用室内试验的方法对再生水入渗过程中砷释放的风险及影响砷释放的主要因素进行了探究。分别采集了保定平原的钻孔沉积物样品和北运河河床沉积物,对其化学性质进行分析。结果表明沉积物粒径与其砷(As)含量之间存在显著的线性正相关性。两种沉积物都表现为,沉积物粒径越小,其As含量越高。保定平原的沉积物总体来看总有机碳(TOC)含量低(0.071%±0.052%),较细的沉积物经历了更强的风化过程,含有更多的铁和锰氧化物矿物质,吸附了更多的TOC,并具有更大的比表面积,从而促进了As的富集(0.5-29.5 mg/kg)。北运河河床沉积物TOC含量高(0.904%±0.520%),改变了沉积物的氧化还原条件,影响了可盐酸提取态Fe,As的比例。采用批实验的方法,评估了再生水入渗过程对砷释放的风险。结果表明,北运河河床沉积物TOC含量高(0.904%±0.520%),其释放出更多的As(39.98±32.01μg/L)。相反,在保定平原钻孔沉积物中,其TOC含量低(0.071%±0.052%),几乎没有As释放(1.63±0.71μg/L)。在批实验中,河床沉积物中的有机质能从沉积物中析出,进入液相中,进一步被降解,促进铁锰氧化物的还原溶解,导致As的释放。而对钻孔沉积物而言,液相中有机质含量低于再生水空白,几乎没有有机质从沉积物中释放;至试验结束,有机质几乎被消耗完,仍然没有观察到Fe、Mn、As的释放,这说明再生水中有机质含量可能不足以使得沉积物中的铁锰氧化物还原溶解,造成As的释放。另外,在北运河的样品中,尽管位于污水处理厂上游的沉积物含有更高的盐酸可提取态As或TOC,其As释放的含量(SHB,2.20μg/L,TGB,18.48μg/L)仍然小于下游的沉积物(平均值:43.85μg/L)。荧光结果表明,上游河水样品的芳香度更高,下游沉积物中释放了更多的类腐殖质组分C2和类蛋白组分C3。这说明污水处理厂出水中的有机质组分可能影响了沉积物中As的释放。
其他文献
随着科技的进步和经济的飞速发展,研制开发新型实用高性能的传感器,在各行各业都具有重要价值。在各种光学传感器中,基于模间干涉的锥形传感器成为研究中一大热门方向。锥形光纤将传感器的结构尺寸缩减到毫米乃至微米量级,具备成熟的理论基础和制备技术,并且具有高灵敏,高可靠性等优点。本文以此为出发点,从理论设计和实验制备以及性能检测等三方面出发,基于模间干涉原理,提出了基于锥形光纤的两种传感器结构,分别为芯径较
近年来,2μm波段光纤通信越来越受到关注。在该波段,掺铥光纤放大器具有更宽的增益谱,光子带隙光纤(Photonic Bandgap Fibers,PBF)具有更低的理论衰减值(0.1 d B/km),这些优势有助于解决目前光纤通信面临的数据流量大,而光谱资源有限的问题。密集波分复用(Dense Wavelength Division Multiplexing,DWDM)技术在光纤通信中是解决大容量
随着5G、大数据、物联网以及虚拟现实等新型技术和应用发展,光通信系统容量和动态业务带宽有了更高的要求。上世纪香农提出连续的高斯分布信源可以实现加性高斯白噪声信道的最大通信容量,概率整形技术由此孕育而生。尽管目前概率整形编码方案已经日渐成熟,但是围绕概率整形光系统的信号处理研究依然处于起步阶段,现有围绕标准正交幅度调制的信号处理方案,在概率整形系统下存在性能恶化与失效问题。为此,本论文围绕概率整形光
当今社会,随着第二语言学习特别是英语学习越来越收到广泛关注,人们对计算机辅助语言学习系统的要求越来越高。错误读音检测与诊断是语言学习的重要组成部分,也是计算机辅助语言学习系统的关键技术。相比传统的老师纠错,计算机辅助的错误读音检测与诊断具有成本低和灵活性高等特点,受到越来越多人的青睐。计算机辅助的错误读音检测与诊断任务可以看作一项特殊的音素序列标注任务,即当识别的音素和标准音素(从呈现给用户的文本
近年来,随着计算机硬件设备的更新换代和深度学习技术的不断发展,图像和视频的篡改变得越来越容易,尤其是人脸这种具有身份标志性的特征,如果被篡改,会带来严重的社会问题。因此,有效的人脸篡改检测算法尤为重要。近几年也有不少研究人员对人脸篡改领域做了相关的研究,但是由于目前的人脸篡改方法越来越多,而且篡改产生的人脸越来越逼真,导致以前的方法基本失效。针对以上问题,本文以神经网络为基础,从图像增广和噪声滤波
计算机技术的发展加快了信息的传播速度,也降低了数据挖掘的成本。将计算机技术与生物知识相结合,并使用计算方法去挖掘潜在的生物知识已经成为未来的研究趋势。近年来,随着疾病和基因相关数据的积累,人们逐渐发现通过已有的疾病基因关联关系来预测致病基因通常能够取得很好的效果。传统方法基于疾病基因的模块性假说,即相似或相同疾病的致病基因在蛋白质相互作用网络上也相互靠近。当前,致病基因的预测主要采用的是基于异构网
骨是人体最大的器官之一,具有支撑和承受力的作用。在我国中老年群体中,骨质疏松和骨关节炎在老年人群体中有着较高的发病率,严重影响着患者的生活质量和生命安全。随着我国人口老龄化加重,骨质疏松及骨关节炎患者的数量在不断增加,但是针对该疾病的治疗手段有限,因此,急需寻找新的疾病检测手段及预防和治疗方法。本文以间充质干细胞敲除PIP5K1c的小鼠模型作为研究对象,探究PIP5K1c对于骨稳态的调控。在对小鼠
随着大数据技术的不断发展,由此带来的“数据安全隐私”以及“数据孤岛”这两大问题成为制约人工智能继续发展的主要瓶颈。联邦学习技术保证了数据不从本地暴露,而后可以通过联邦安全多方计算下的模型聚合方法共建模型,从而解决这两大难题。然而目前联邦学习框架中在安全性上还存在以下问题:1.直接对模型聚合的方法,中心节点可以直接看到模型参数,从而逆向推导出参与方的数据,进而泄漏了隐私;2.基于单密钥同态加密的聚合
循环神经网络是神经网络序列模型的主要实现形式,并在最近几年得到了迅速发展。循环神经网络现在基本是机器翻译,机器问题回答,序列视频分析的标准处理手段,也是对于手写体自动合成,语音处理和图像生成等问题的主流建模手段。本文对循环神经网络的各分支按照网络结构进行详细分类,大致分为三个大类:第一类是衍生循环神经网络,这一类网络是基于基本RNNs模型的结构衍生变体,即对RNNs的内部结构进行修改;第二类是组合