P109﹥《EEMD-LSTM-SVR混合模型驱动的污水处理厂进水水质波动预测与异常诊断》

概述：本研究提出一种基于分频预测-分量重构的集成经验模态分解-长短期记忆网络-支持向量回归（EEMD-LSTM-SVR）的混合模型,用于污水处理厂进水水质波动预测与异常诊断.该模型采用EEMD方法将水质指标时间序列分解为多个本征模态函数和残差项,降低数据复杂性;然后利用LSTM网络捕捉高频组分中的时序依赖关系,并使用SVR模型处理低频组分中的非线性趋势,重构实现对COD、NH4+-N等水质参数的预测.根据结果对比,本模型相对于高低频组分都使用LSTM进行预测的EEMD-LSTM模型,预测结果的均方根误差（RMSE）、平均绝对百分比误差（MAPE）分别降低了48.0%和49.2%.研究进一步设计了基于预测偏差的异常诊断机制,建立多级预警阈值系统,实现水质异常的识别,有效捕捉包括突变点、极值异常等多类进水异常情形,为污水处理工艺的智能控制和优化运行提供技术支持。

作者简介：赵强，正高级工程师，长江生态环保集团有限公司 / 中国长江三峡集团有限公司；E-mail：zhao_qiang@ctg.com.cn。

王泽鑫，中国长江三峡集团有限公司 / 上海勘测设计研究院有限公司 / 三峡智慧水务科技有限公司；E-mail：wangzexinwh@163.com。

引用：赵强, 王泽鑫, 吕臣凯, 等. EEMD-LSTM-SVR混合模型驱动的污水处理厂进水水质波动预测与异常诊断[J]. 环境科学学报,2025,11: 109-119.

全文：点击下载

P120﹥《基于特征提取优化的CNN-LSTM市政泵站水质预测模型研究》

概述：市政泵站水质预测对于排水系统调度管理和雨天河道污染控制具有重要的指导意义.本文提出了一种基于特征提取优化（Enhanced Feature Extraction, EFE）、卷积神经网络（Convolutional Neural Network, CNN）和长短时记忆网络（Long Short-Term Memory, LSTM）的水质等级预测模型.首先利用CNN提取输入特征中的丰富信息,然后利用LSTM捕捉时序上的依赖关系,最后利用交叉熵作为水质等级预测的损失函数.相较于传统的卷积循环神经网络（CNN-LSTM）模型,本模型在CNN上融合了EFE结构,提升了特征提取的能力和模型的稳定性.选取上海中心城区12座市政泵站2022年7月—2024年10月的监测数据,对模型预测性能进行验证.结果表明:在12座市政泵站水质等级预测中,本文提出的EFE-CNN-LSTM模型与传统的CNN、LSTM和CNN-LSTM模型相比整体F1-score平均值提升幅度分别超过了24%、29%和9%,验证了EFE结构的有效性.该模型在12座泵站的测试集上均取得了较高精度,具有较好的适宜性和工程价值.研究方法可为市政泵站水质预测及泵站运行控制策略的制定提供借鉴。

作者简介：程洋，同济大学环境科学与工程学院 / 上海市排水管理事务中心；E-mail：18321243648@163.com。

尹海龙，同济大学环境科学与工程学院；E-mail：yinhailong@tongji.edu.cn。

引用：程洋, 尹海龙. 基于特征提取优化的CNN-LSTM市政泵站水质预测模型研究[J]. 环境科学学报,2025,11: 120-128.

全文：点击下载

P329﹥《郑州市PM2.5污染和热岛效应的演变规律及其时空关联特征与影响机制》

概述：大气颗粒物污染和城市热岛效应（Urban Heat Island,UHI）均是制约城市环境质量的关键,对两者的关联性及影响机制的认识尚存在分歧.本研究利用郑州市2016—2022年PM2.5浓度和气温的实测数据及遥感影像,基于相关性分析、双变量空间自相关和地理探测器探讨PM2.5浓度和城市热岛强度（Urban Heat Island Intensity,UHII）的时空演变规律、多时间尺度时空关联特征并分析其多因素影响机制.结果表明:（1）研究期间郑州市PM2.5浓度年均值和UHII年均值分别下降26.02μg·m-3和0.68℃,PM2.5浓度夏季低冬季高,UHII与之相反,郑州市PM2.5浓度整体为西南低、西北部和东部高;城市高温区白天集中在主城区、南部和东部,夜晚仅集中在主城区,低温区多分布在城市西部;（2）PM2.5污染加重时UHII通常降低,两者在日、月和季节尺度上均呈显著负相关,相关系数取值范围为-0.292～-0.977,且整体相关性均值表现为季节均值>月均值>日均值,年均值在0.05水平上呈正相关关系,相关系数为0.857,不同时间尺度PM2.5浓度和UHII在空间上主要为负相关,主城区空间聚集类型以低高聚集为主,夜晚空间相关性高于白天,白天空间聚集范围大于夜晚;（3）降水、NDVI（Normalized Difference Vegetation Index,NDVI）和夜间灯光指数是影响PM2.5浓度和昼夜地表温度的主要驱动因素,降水和NDVI对PM2.5浓度和地表温度表现为负向驱动作用,而夜间灯光指数则与两者呈正相关关系,降水与三产占比的交互作用对白天地表温度起到首要贡献能力,夜间灯光指数和一产占比的交互作用对夜晚地表温度影响力最大.研究结果有利于揭示快速城市化地区PM2.5污染和热岛效应之间的复杂关联特征与多重影响机制,为开展联防联控工作,改善大气环境质量提供参考依据。

作者简介：王笑笑，河南农业大学资源与环境学院；E-mail：wang20232559@163.com。

张亚丽，河南农业大学资源与环境学院；E-mail：skyali@henau.edu.cn。

引用：王笑笑, 王超起, 张亚丽, 等. 郑州市PM2.5污染和热岛效应的演变规律及其时空关联特征与影响机制[J]. 环境科学学报,2025,11: 329-344.

全文：点击下载

P379﹥《黑麦草与生物炭联合修复芘污染土壤的交互作用机制:根际降解与吸附竞争》

概述：多环芳烃(Polycyclic aromatic hydrocarbons, PAHs)是一类具有“三致”效应的持久性有机污染物,土壤PAHs污染是当前全球面临的重要环境问题之一.采用3种不同类型的土壤(棕壤、棕红壤和黑土)进行盆栽试验,研究了黑麦草(Lolium perenne L.)与生物炭联合修复芘污染土壤的互作机制.结果表明,添加生物炭对黑麦草生物量的影响因土壤性质不同而有所差异,但均显著减少了黑麦草对芘的富集和转运.仅种植黑麦草处理对3种土壤中芘的去除效率最高,达71.29%～85.19%,有效态芘降幅达84.25%～98.77%,但黑麦草直接吸收对芘去除的贡献可忽略(仅为0.007%～0.245%),表明土壤中芘的去除主要是根际微生物的降解.添加生物炭抑制了土壤中芘的去除,在仅添加生物炭处理中,3种土壤中芘去除率为35.54%～41.37%(均低于对照的38.05%～56.76%),有效态芘降幅为棕壤14.74%、棕红壤58.47%和黑土42.80%;黑麦草与生物炭联合处理中芘去除率分别为棕壤55.32%、棕红壤9.54%和黑土10.42%,但有效态芘降幅均显著高于仅添加生物炭的处理,达到70.09%～94.68%.在仅添加生物炭或生物炭与黑麦草联合处理中,芘去除率较低,但土壤中有效态芘降幅较高,这主要是因为生物炭可以通过吸附降低芘的生物有效性,减少芘的微生物降解.因此,应用生物炭或生物炭与植物联合修复PAHs污染场地前,应基于具体目标(如降低土壤中PAHs有效态含量或促进PAHs去除)来科学制定修复策略。

作者简介：龚文，福建师范大学湿润亚热带生态地理过程教育部重点实验室 / 福建师范大学地理科学学院；E-mail： 2819408212@qq.com。

魏然，福建师范大学福建省植物生理生态重点实验室 / 福建师范大学地理科学学院；E-mail： nijz@fjnu. edu. cn，rwei@fjnu.edu.cn。

引用：龚文, 徐素云, 魏然, 等. 黑麦草与生物炭联合修复芘污染土壤的交互作用机制:根际降解与吸附竞争[J]. 环境科学学报,2025,11: 379-388.

全文：点击下载

P468﹥《中国城乡食物消费碳足迹与水足迹的时空分布及驱动研究》

概述：随着经济发展与城镇化快速推进,城乡居民饮食消费结构发生显著转变,并产生了一定的资源环境影响.为缓解食物消费带来的水资源配置压力,助力“双碳”目标的实现,本研究量化了2000—2022年中国31个省级行政区城乡居民食物消费的碳足迹与水足迹,并运用Kaya恒等式与LMDI(Logarithmic Mean Divisia Index)模型分解其驱动因素.结果表明:研究期内城乡食物消费情况日益趋同,城乡居民的人均食物消费量均向400 kg水平靠拢,但二者仍存在结构上的差异.城镇居民人均食物消费碳足迹(水足迹)增加了32.80%(35.27%),农村居民人均碳足迹(水足迹)增加了11.66%(17.58%),二者的空间分布格局均向“四周高中间低”演变.驱动因素作用各异,地方经济水平、食物价量比与食物消费水平是城乡居民食物消费碳足迹与水足迹的共同驱动因子,分别起到促进、抑制以及整体上抑制作用,而消费潜力和城镇化水平的驱动作用则呈现出二元性(城镇:促进作用;农村:抑制作用).该研究旨在发掘城乡居民食物消费碳足迹与水足迹的变化特征及其共同驱动因子,为构建可持续食物系统提供科学依据。

作者简介：吴翔乾，集美大学港口与海岸工程学院环境工程系；E-mail： 202312857013@jmu.edu.cn。

黄云凤，集美大学港口与海岸工程学院环境工程系；E-mail： yfhuang@jmu.edu.cn。

引用：吴翔乾, 黄云凤, 崔胜辉, 等. 中国城乡食物消费碳足迹与水足迹的时空分布及驱动研究[J]. 环境科学学报,2025,11: 468-483.

全文：点击下载