施工扬尘污染监测与分析

文章利用信息化手段实现工地扬尘在线监测，摸清了工地扬尘在时间、空间上的排放特点，有利于相关部门采取防控措施，减少工地扬尘污染。     

成都市建筑扬尘扩散规律研究

为了研究成都市建筑扬尘的环境影响,通过对成都市范围内2016年不同施工阶段的建筑施工工地进行调研以及实地采样,统计了施工场地外界5～100m范围内建筑扬尘浓度变化,研究了不同施工源强下扬尘水平扩散的规律。结果表明,当施工扬尘浓度 0. 65 mg/m3时,水平扩散常数为916. 5 mg/m,等效逸散初始距离为29. 92m;当施工扬尘浓度在0. 15～0. 65 mg/m3之间时,水平扩散常数在1 066. 3～1 847. 6 mg/m之间,等效逸散初始距离在37. 2～61. 2m之间;当施工扬尘浓度≤0. 15 mg/m3时,水平扩散常数在411. 1～718. 3 mg/m之间,等效逸散初始距离在63. 6～95. 7m之间;施工扬尘浓度越大,等效逸散初始距离越短。扬尘浓度随距离的增加而递减,在80～100m处达到平衡;建筑扬尘扩散浓度与施工工地源强有关,源强越大,在相同距离、相同高度的建筑扬尘浓度越高,等效逸散初始距离越短,但水平扩散常数差异不大。     

成都市典型建筑工地扬尘污染特征研究

在成都市选取一个典型建筑工地,布设4个采样点,利用在线监测和手工离线监测同步测试建筑施工工地扬尘污染特征。监测结果表明:扬尘在线监测与手工离线监测变化趋势较接近,其中在线监测总颗粒物(TSP)浓度总体高于手工监测浓度,上风向(2#)、下风向(1#)PM_(10)日均值总体较手工监测数据分别低19%和33%,PM_(2.5)日均值总体较手工监测数据分别低24%和20%;建筑施工活动以及车辆进出对工地扬尘排放影响较大。     

泸州市主城区2019年3月至2020年2月大气颗粒物污染特征及防治对策研究

为了解泸州市主城区颗粒物污染变化特征及成因,选取2019年3月至2020年2月空气自动监测数据,运用Origin2017等技术手段对PM2.5与PM10的时间变化特征、污染来源方向以及污染物之间的相关性进行了分析。结果表明:PM2.5与PM10在不同季节的变化趋势均具有较好的一致性,不同站点污染物相关性特征明显。分析表明:泸州市主城区颗粒物污染成因为工业企业排放、机动车尾气、生物质燃烧、燃煤、扬尘以及不利气象条件等,建议对6类污染排放进行管控。     

葛学勇,开创南京扬尘管控新局面

<正>在他的倡导与积极推动下,2013年1月1日,《南京市扬尘污染防治管理办法》正式颁布实施。自此,南京的工地扬尘管控工作经历了从无法可依到有法可依、执法必严的转变。2019年1月19日晚,由中国环境报社、中国环境网主办的致敬"2018最美基层环保人"典礼在北京隆重举行。江苏省南京市环境监察总队党总支书记葛学勇从147名基层环保工作者中脱颖而出,当选"2018最美基层环保人"。     

钢铁行业烟尘的无组织排放与控制

介绍了无组织排放的定义和特征,阐述了无组织排放控制基本思想,分析了钢铁企业常见的料场扬尘、物料转运扬尘、移动尘源污染、冶炼烟尘逸散等无组织排放产生原因,提出了控制方案。介绍了预荷电袋滤器和海岛纤维超细面层滤料等新技术成果及其工业应用,可为钢铁行业实现烟尘细颗粒物超低排放提供技术和装备支持,为企业环保提标改造提供工程案例。     

青岛市大气环境质量状况分析与评价

以青岛市2001年至2010年大气环境中的主要污染物二氧化硫(SO2)、二氧化氮(NO2)和可吸入颗粒物(PM10)的监测结果为依据,对青岛市大气主要污染物变化趋势进行了分析,并利用模糊综合评价模型对各年大气环境质量状况进行了综合评价。研究结果表明:近10年来青岛市大气环境质量处于尚清洁状况,且在不断改善;受工业扬尘和建筑扬尘的影响,青岛市主要污染物是可吸入颗粒物PM10;以煤炭为主的能源结构加之落后的工艺设备等原因使得大气中二氧化硫的浓度一直处于较高的水平;随着青岛市机动车保有量的增长,以氮氧化物为特征的机动车尾气的污染日趋明显,因此,冬季采暖燃煤利用、机动车尾气控制及城市扬尘抑制仍是青岛市未来大气污染的治理重点,强化燃煤脱硫技术和改善机动车尾气排放是青岛市大气环境质量改善的关键。     

基于CMB受体模型的大气颗粒物源成分谱研究

为建立起有代表性的、准确的各类排放源的成分谱,从各类排放源的特征出发,提出了排放源的分类方法及建立源成分谱应遵循的4大原则,在此基础上,分析了扬尘、燃煤尘、建筑尘、冶金尘和汽车尾气尘五类常见排放源的化学成分谱。结果表明:扬尘中百分含量大于10的化学组分只有Si,建筑水泥尘中百分含量大于10的化学组分只有Ca,煤烟尘中百分含量大于10的化学组分有Al、TC,冶金尘中百分含量大于10的化学组分有Fe,汽车尾气尘中百分含量大于10的化学组分有TC、OC。因此,各类排放源的特征元素分别是:扬尘Si;建筑水泥尘Ca;煤烟尘A1、TC;冶金尘Fe;汽车尾气尘TC。五类排放源不存在明显的共线性问题。     

建筑扬尘治理:向大气面源污染说“不”

建筑施工扬尘是造成大气污染的重要来源之一,防治建筑施工扬尘污染对于保护和改善大气环境质量的作用不言而喻。9月24日至25日,记者随2014年安徽环保专项行动督查组来到池州市。与此前在亳州、阜阳、安庆三市督察建筑施工扬尘污染情形不同的是,池州市专门设置了渣土处置场,并把渣土进行循环利用。9月24日傍晚,记者随督查组来到池州市百牙东路北侧的渣土处置场。“随着池州市的发展,池州市的在建工地越来越多,这也意     

聚丙烯酰胺与植物联合抑尘效果的试验研究

如今颗粒物是我国大气环境污染的首要污染物之一,而土壤扬尘是大气颗粒物的主要来源,已经严重影响到大气质量及人们的生存环境,而聚丙烯酰胺不仅能促进植物生长,还能使土壤颗粒和孔隙结构保持稳定,控制土壤扬尘,因此通过聚丙烯酰胺与植物联合作用控制土壤扬尘排放对提升城市环境大气质量具有重要意义。本文在基于现有文献数据的基础上,以四川彭州市附近农田边裸露土壤为研究对象进行人工模拟对照试验,探讨了聚丙烯酰胺不同用量下与植物联合作用对抑尘效果的影响,以期为土壤扬尘污染的控制提供科学依据。研究表明:PM_2.5和PM₁₀的排放浓度随着聚丙烯酰胺的浓度增加而增加,随植被覆盖度的增加而减小。与植被覆盖作用相比,聚丙烯酰胺和植被覆盖的同时作用能更好的降低PM_2.5和PM₁₀排放浓度,PM_2.5浓度较之前平均下降了32.9%,PM₁₀浓度较之前相比平均下降了37.1%。通过对比实验数据可知,聚丙烯酰胺浓度在20 g/m²到25 g/m²时,整体抑尘效果最好,在施工7天时,PM_2.5和PM₁₀浓度平均下降了63.4%和77.9%,在施工1个月时,PM_2.5和PM₁₀浓度平均下降了和43.8%和56.3%。实验结论为利用聚丙烯酰胺和植物联合作用可以显著降低各时间段的土壤扬尘含量,为科学的治理土壤扬尘提供了理论参考。     

城市扬尘污染长效管理机制研究

城市扬尘是影响空气质量、危害居民身体健康的污染源之一。本文进行了上海市杨浦区扬尘源解析，从类型上将扬尘分为建筑施工扬尘、道路施工扬尘和堆场扬尘。引用相关经验公式计算出杨浦区三类扬尘的起尘量大小顺序为：建筑施工〉道路施工〉堆场，并分析评价了杨浦区近两年扬尘排放量的时空变化。针对杨浦区的自身特点，以目标体系、标准体系、责任体系、管理体系、监督体系为框架，初步建立了扬尘污染管理的长效管理机制。     

资阳市大气污染源排放清单研究

采用实地调研、资料收集等方式获得了2017年资阳市典型污染源的活动水平数据,参照城市大气污染物排放清单编制技术手册建立了基于排放因子法和物料衡算法的资阳市大气污染源排放清单,分析了主要污染物的行业排放特征和空间分布特征。结果表明,2017年资阳市SO₂、NO_X、CO、PM₁₀、PM_2.5、VOCs、NH₃总排放量分别为3.58kt、13.91kt、94.91kt、25.51kt、8.67kt、23.84kt和46.44kt。SO₂排放主要来自工业源;NOX排放主要来自移动源;CO排放主要来自工业过程及移动源;PM₁₀和PM_2.5、排放来自扬尘源和露天秸秆焚烧;VOCs主要来自溶剂使用源;NH₃主要来自农业活动。资阳市主要污染物排放分布在工业点源较为集中的雁江区和安岳县,乐至县污染物排放量相对较小。     

浅析攀枝花市2015～2017年气象要素对空气污染的影响

利用2015～2017年攀枝花市污染因子和气象要素实测数据,运用GIS技术、相关分析以及统计分析等方法,分析攀枝花市空气污染因子和气象要素的时空特征及相关性。结果表明:攀枝花市首要污染物为PM₁₀,其次是NO₂;秋冬以PM₁₀和NO₂污染为主,春夏PM₁₀和O₃为主。不同季节,各气象要素对本地空气质量的影响程度及空间分布存在明显差异。弄弄坪一带PM_2.5和SO₂、CO浓度偏高,市中心炳草岗一带PM₁₀、O₃和NO₂浓度偏高。结合本地发展规划和实际情况,根据气象要素分析,为攀枝花市分区分季节的防污减排决策提供气象参考。     

环冷机组TSP无组织排放溯源及影响因素分析

本文以中心虚点源法为基础,通过虚设源强与误差分析相结合的方式,对某烧结厂环冷机组面源TSP（总悬浮颗粒物）无组织排放的源强进行了反推计算,得到该面源在监测期间TSP排放量范围在12300 ～ 20790mg/s,最小总误差只有9.3％.其中16 ～30μm粒径段颗粒物占的比例最大达28％.并对这种系统误差浮动产生的原因进行了分析,发现选取较大风速条件进行模拟时可以减小系统误差.同时采用spss软件对源排放量与实际工况进行了多元线性回归分析,发现环冷机的颗粒物无组织排放与其核心生产原料混匀矿相关性最大,推测该环冷机组粉尘无组织排放量大的根本原因是机组的超负荷使用.     

钢铁企业无组织排放特征污染物的监测分析

东部老工业区是济南市大气污染重点防控区域。工业区大型企业的无组织排放废气对区域及周边大气环境质量产生的影响,一直没有引起人们的足够重视,因对其排放量大小和污染物种类不清楚,难以进行监管。本文以济南东部老工业区一家大型钢铁企业为例,选取五项有代表性的特征污染物(苯、甲苯、二甲苯、非甲烷总烃和氨)进行布点监测,在不同气象条件下,分析特征污染物的浓度变化,了解钢铁企业无组织排放特征。经对监测数据的分析得出:与上风向相比,下风向各污染物监测的小时浓度和日均浓度均有不同程度的增加,表明该厂区污染源对周边环境空气质量有一定影响。最后,提出防范或改进措施,如应加严相应的无组织排放标准,增加大气在线监测点位及监测项目,建议企业加强对生产工艺环节无组织排放废气的收集和处理。     

Development of a dynamic model to predict PM10 emissions from swine houses

Influences on dust emissions from livestock operations are number, weight, and kind of animals and characteristics of the housing system. Differences between facilities cannot be explained solely by mechanistic input variables. The objective of this study was to characterize the main input variables for modeling emissions of particulate matter with a mass median diameter < or = 10 microm (PM10) from swine facilities using a data-based model. Investigations were performed in mechanically ventilated facilities for weaning, growing-finishing, and sows in Italy and Germany. The measurements included inside and outside concentration of airborne PM10 particles (scatter light photometry), ventilation rate (calibrated measuring fans), indoor air climate at a measuring frequency of 60 s, feeding times, and animal-related data such as weight and animal activity. Dust concentration and emission were simulated using a dynamic transfer function. The results indicated that the average PM10 emission rate was influenced considerably by housing system. The simulation of the PM10 emission rate resulted in a mean percentage error per data set of 21 to 39%, whereas the average simulated and measured emission rate per data set differed by about 4 to 19%. High prediction errors occurred especially during situations in which the absolute level and spatial location of the measured activity peaks did not correspond with the measured dust peaks. Further recommendations of the study were to improve continuous and accurate measurements of input variables, such as the activity level in animal houses, and to optimize the amount of measuring days in relation to the model accuracy.     

2020年第一季度枣庄市PM2.5源解析的分析研究

为了评估分析枣庄市不同来源污染物排放强度削减与大气环境质量变化之间的关系,使用统计方法和正定矩阵因子分解法对枣庄市2020年第一季度大气污染变化特征和污染来源进行了解析,探究了枣庄市大气固体悬浮微粒浓度变化影响机制。结果表明:2020年第一季度PM2.5、PM10、NO2、SO2浓度较2019年同期显著下降,但枣庄市采暖季内社会活动造成的正常排放仍高于大气环境容量;受新冠疫情影响,2020年较2019年PM2.5源因子浓度削减最大的为机动车源(46.5%)和工业源(17.9%),应长期采取机动车减排、产业结构调整等措施,科学规划“十四五”大气污染防治。     

基于LMDI模型的乌鲁木齐工业废气排放影响因素研究

本文运用对数平均的LMDI 分解模型,选取工业SO₂、工业烟(粉)尘排放量作为污染物指标,将2006—2013 年,乌鲁木齐工业废气排放量影响因素分解为规模效应、结构效应、技术效应,考虑到技术效应机制的复杂性,进一步将技术效应细化为污染治理效应和清洁技术效应。研究结果表明:规模效应和结构效应增加乌鲁木齐工业废气排放,其中规模效应对工业废气排放量贡献率由2007 年的119.10%增加到2013 年的263.03%,结构效应对工业废气排放量的增加也起到一定的促进作用,但影响效果远低于规模效应,年贡献率均低于10%,技术效应阻碍工业废气排放的增加,贡献率由2007 年的-19.86%增加到2013 年的-172.50%。制造业和电力、燃气及水的生产和供应业废气排放量占工业废气排放总量的70% 左右,是乌鲁木齐工业废气污染的主要行业。清洁技术效应对SO₂ 的减排起促进作用,是阻碍工业SO₂ 排放量增加的主要因素。污染治理效应是工业烟(粉)尘的减排主要因素,说明目前乌鲁木齐工业烟(粉)尘的减排依赖于排放后的治理。