固定污染源废气监测中有关问题的探讨

针对废气固定污染源监测中存在的一些疑难问题,从工况的确定、断面的选择、间断排放的监测时间、滤筒及过剩系数的影响等方面进行了探讨,提出了一些解决办法。     

固定污染源废气中硝酸雾测定方法研究

通过国内外文献调研和硝酸雾采样方法比对实验研究,提出了固定污染源废气中的硝酸雾包括硝酸气体、硝酸液滴及颗粒物中的硝酸盐。建立了固定污染源废气中硝酸雾的分析方法：使用经1 mol/L Na₂CO₃溶液浸渍的石英滤膜捕集固定污染源废气中的硝酸雾,离子色谱法进行分析。实验结果表明：当采样体积为0.4 m³时,方法检出限为0.04 mg/m³;低、中、高浓度空白加标样品相对标准偏差均在9.2%以内,加标回收率为89.9%～117%。选取4种典型硝酸雾固定污染源废气进行实际样品采集与分析,硝酸雾质量浓度分别为1.62、1.86、1.63、19.8 mg/m³。对电子元件电镀车间固定污染源废气进行不同浓度的实际样品加标回收实验,加标回收率分别为86.0%和104%。     

固定污染源废气中氟化物监测的探讨

废气固定污染源氟化物监测已有方法标准,但在实际工作中仍会遇到一些现有标准未具体规定但又严重影响监测结果的问题。文章主要针对固定污染源废气中氟化物监测时采样管的选择以及在高湿烟气中的测试进行了一些探讨,对实际工作具有指导作用。     

固定污染源废气中磷酸雾测定方法研究

目前,对固定污染源废气中磷酸雾的检测并无统一的方法,相关含磷污染物的控制指标主要是磷化氢、单质磷以及五氧化二磷。在调研国内外分析方法及相关文献的基础上,通过对几种典型含磷污染源的实样测试,提出了固定污染源废气中磷酸雾的检测方法。结果表明,使用石英滤筒捕集固定污染源废气中的磷酸雾,采样效率可达98%以上。捕集到的总磷酸雾不仅包含磷酸,还包含磷酸盐以及含磷氧化物等,是一项综合指标。该指标能够反映含磷污染物的排放特征,可为未来此类污染物的排放控制提供依据。     

4种方法测定固定污染源废气中的二氧化硫

二氧化硫是我国重点管控的废气污染物.固定污染源废气二氧化硫常用的测定方法有定电位电解法、非分散红外吸收法、便携式紫外吸收法、便携式傅里叶红外法等.测试结果表明:定电位电解法无需预热、响应速度快,但对水汽抗干扰能力较弱;非分散红外吸收法预热时间长,对水汽抗干扰能力较强;便携式紫外吸收法与便携式傅里叶红外法对水汽抗干扰能力...     

固定污染源排气监测中采样的质量保证

阐述了固定污染源排气监测质量保证的目的，以及采样方法、参数测定和烟尘监测质量保证所需要采取的措施。     

塞曼原子吸收光谱法测定固定污染源废气中的汞

用PMS 30B型汞采样器采集固定污染源废气,再用塞曼原子吸收汞分析仪测定样品中的汞,高、低浓度汞标准样品测定结果均在标准范围内,相对误差分别为0和4.3%。汞吸收管对高、低浓度含汞废气的穿透效率表明,当废气汞质量浓度达到mg/m3级别时,穿透率仅为1.3%。用该方法测定稳定工况固定污染源废气中的汞,6次测定结果的RSD为5.9%,方法检出限为1.04 ng,当采样体积为20 L时,检出限为0.05μg/m3。实际监测表明,钢铁企业、燃煤电厂、垃圾焚烧厂废气中汞为0.07μg/m3~1 031μg/m3。     

固定污染源烟气监测中含湿量测试方法优化研究

根据烟气二噁英采样须收集冷凝水的特点,利用理想气体状态方程计算烟气含湿量,得到简化公式,将该简化公式法与阻容法、FTIR法用于测定4类不同行业企业烟气的含湿量,并对测定结果做比对。结果表明,4类不同〖JP〗行业企业简化公式法的测量结果RSD为1.0%~4.2%,相对偏差为-4.21%~-0.25%;在湿度较高的测量条件下,简化公式法的测量结果RSD与相对偏差均＜5%。该方法可作为固定污染源烟气手工监测中含湿量测量的一种辅助方法和质控措施。     

便携式振荡天平法现场测定固定污染源废气中颗粒物的研究

将振荡天平技术与国内污染源废气监测方法标准相结合,建立了废气中颗粒物现场测定方法--便携式振荡天平法。新建方法以重量法为原理,检出限为0.2 mg/m 3,全程伴热以消除湿度干扰,测试前后以标准滤膜量值验证的方式对称量结果进行质量保证,实现了固定污染源废气中颗粒物的快速、准确的测量。方法建立后与国标法《固定污染源废气低浓度颗粒物的测定重量法》(HJ 836—2017)进行实际样品测定比对,结果表明,2种方法无显著性差异。新建方法提高了工作效率,减少了过程误差。     

气袋采样-GC法测定固定污染源废气中的氯乙烯和丙烯醛

采用气袋采样气相色谱法测定固定污染源废气中的氯乙烯和丙烯醛,通过优化试验条件,使方法在0100μmol/mol～100μmol/mol和100μmol/mol～100μmol/mol范围内线性良好,方法检出限均为003 mg/m3。氯乙烯、丙烯醛3个摩尔比水平的空白加标回收率分别为860%～108%、880%～108%,测定6次结果的RSD分别为50%～67%、40%～54%。将该方法用于测定实际样品,加标回收率为900%～103%。     

“十一五”时期乌鲁木齐市大气污染特征及影响因素分析

为全面了解\"十一五\"时期(2006—2010年)乌鲁木齐市大气污染状况,评估污染源治理及气象条件对空气质量变化的影响,利用2001年1月—2010年12月主要大气污染物浓度数据和同期地面气象资料,总结\"十一五\"时期乌鲁木齐市大气污染变化特征,重点分析其变化原因。结果表明:\"十一五\"时期PM10和SO2年均浓度分别比\"十五\"下降1.7%和10.3%,采暖季降幅最明显,分别达到2.2%和21.9%;而NO2年均浓度比\"十五\"升高8.9%,非采暖季增幅最大,为11.7%。2006—2010年PM10、SO2年均浓度整体呈下降趋势,NO2浓度有升高趋势。5年中非采暖季各污染物浓度均达标,采暖季PM10和SO2超标倍数逐年减小,煤烟型污染特征仍然典型。污染源管控(特别是减排工程实施)是\"十一五\"时期SO2和PM10浓度下降的重要原因,气象条件作用相对有限。NO2浓度升高主要与机动车保有量逐年增加和氮氧化物治理启动滞后有关。     

2017年佛山市大气复合污染特征及来源分析

利用2017年佛山市8个国控监测点位的6项常规大气污染物自动监测数据,研究细颗粒物(PM_(2.5))、可吸入颗粒物(PM 10)、臭氧(O_(3))的时空变化和复合污染特征,并采用单颗粒气溶胶质谱仪对佛山市大气PM_(2.5)进行来源解析,分析O_(3)与二次气溶胶的协同增长关系。结果表明,2017年佛山市空气质量综合指数(AQI)为4.75,主要的空气质量污染物为PM_(2.5)、二氧化氮(NO_(2))和O_(3),除O_(3)呈现第2,3季度较高外,其他5项污染物均呈现第1,4季度较高的趋势。ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(CO)在1—4月和11,12月较高,二次生成强度较大。机动车尾气源、燃煤源和工业工艺源是大气PM_(2.5)的主要来源。佛山市中心城区等道路密集以及交通枢纽地区的ρ(NO_(2))较高,机动车尾气排放是大气NO_(2)的主要来源。O_(3)污染主要发生在4,5,7—10月。ρ(O_(3))和ρ(PM_(2.5))/ρ(CO)的日变化均在12:00—17:00达到峰值。ρ(PM_(2.5))随光化学活性水平增强而提高,高度和中度光化学活性水平下ρ(PM_(2.5))/ρ(CO)明显大于轻度和低光化学活性水平。在统计时段,PM_(2.5)和O_(3)协同增长的时间占37.3%,O_(3)污染对二次气溶胶的氧化生成有明显的促进作用。     

2018年长三角一次持续重污染过程分析

利用常州市6个环境空气质量评价点PM_2.5、PM₁₀、SO₂、NO₂、CO和水溶性离子数据,结合后向轨迹、激光雷达探空资料、气象资料等,分析了2018年1月29日—2月2日长三角区域一次持续重污染过程。结果表明,重度污染时次高达94 h,PM_2.5最高值达235 μg/m³,由外来输送污染物与本地排放的污染物叠加而成,在不利气象条件影响下,污染物在长三角区域长时间滞留;重污染期间,污染物日变化规律显示,PM_2.5受外来源影响更显著,而SO₂、NO₂受本地污染源影响更显著,水溶性粒子组分与常州市本地源存在较大差异,其中NO₃^-、NH₄⁺、K⁺、Mg²⁺和SO₄^2-值增加最为明显,较污染前分别增加了9.1,5.9,4.3,4.2和4.1倍;K⁺值升高较快,说明污染期间也受到了生物质燃烧的影响。此外,NO₃^-和SO₄^2-在空气质量较好时,在水溶性离子中的占比日变化幅度较大,而在重污染期间,NO₃^-和SO₄^2-日变化幅度明显减小。     

邯郸地区2017—2021年PM2.5和O3污染特征

利用实时监测数据分析2017—2021年邯郸市及周边区县PM_2.5和O₃污染特征。研究发现:2017—2021年各地区PM_2.5年均质量浓度持续降低,轻度及轻度以上污染逐渐减少;2017—2019年O₃污染加剧,2020年起O₃年均质量浓度逐年下降,污染天不断减少。PM_2.5和O₃-8 h分别在1月(平均浓度为127.3 μg/m³,平均超标22d)和6月(平均浓度为233.4 μg/m³,平均超标22 d)污染最严重。结合气象参数分析来看,PM_2.5与温度、风速和降水量呈显著负相关,与相对湿度呈显著正相关;O₃-8h与温度呈显著正相关,而与风速、湿度和降水量的相关性较弱。后向轨迹和潜在源分析表明:邯郸地区PM_2.5典型污染月受山西省中部地区污染传输影响最大,O₃典型污染月受河南省东部污染传输影响最大。     

杭州秋冬季PM2.5污染特征分析

为研究杭州PM_2.5污染来源特征,利用2013—2019年杭州市PM_2.5监测数据和气象观测数据,分析了杭州市2013—2019年PM_2.5浓度变化,选取本地积累型和输入型2种PM_2.5污染过程,结合单颗粒气溶胶飞行时间质谱仪(SPAMS)和在线离子色谱数据,探讨杭州市PM_2.5化学组分和污染来源。结果表明:每年秋冬季(11月至次年3月)杭州以东北风、西北风及偏南风为主,风速低于4 m/s时,大气扩散条件差,受本地污染物积累影响,PM_2.5浓度容易出现超标;风速较大且为东北风和西北风时,受上游污染输入影响,易出现PM_2.5重度污染。本地积累型和输入型案例中,PM_2.5化学组分中占比最大的为NO^-₃、SO₄^2-和NH⁺₄;PM_2.5浓度上升过程中,二次NO     

台州市酸雨污染现状及其对策分析

通过对近十年来的酸雨监测资料的收集分析,结合同期台州市大气环境中二氧化硫和氮氧化物的监测数据,采用秩相关系数法,对酸雨污染趋势和成因进行分析和讨论,并提出针对性措施,以期为台州市以及类似地区的大气污染、酸雨污染等防治工作提供政策参考。     

Modeling of SO<Subscript>2</Subscript> distribution in Istanbul using artificial neural networks

Urban air pollution is a growing problem in developing countries. Some compounds especially sulphur dioxide (SO₂) is considered as typical indicators of the urban air quality. Air pollution modeling and prediction have great importance in preventing the occurrence of air pollution episodes and provide sufficient time to take the necessary precautions. Recently, various stochastic image-processing algorithms such as Artificial Neural Network (ANN) are applied to environmental engineering. ANN structure employs input, hidden and output layers. Due to the complexity of the problem, as the number of input–output parameters differs, ANN model settings such as the number of neurons of these layers changes. The ability of ANN models to learn, particularly capability of handling large amounts (or sets) of data simultaneously as well as their fast response time, are invariably the characteristics desired for predictive and forecasting purposes. In this paper, ANN models have been used to predict air pollutant parameter in meteorological considerations. We have especially focused on modeling of SO₂ distribution and predicting its future concentration in Istanbul, Turkey. We have obtained data sets including meteorological variables and SO₂ concentrations from Istanbul-Florya meteorological station and Istanbul-Yenibosna air pollution station. We have preferred three-layer perceptron type of ANN which consists of 10, 22 and 1 neurons for input, hidden and output layers, respectively. All considered parameters are measured as daily mean. The input parameters are: SO₂ concentration, pressure, temperature, humidity, wind direction, wind speed, strength of sunshine, sunshine, cloudy, rainfall and output parameter is the future prediction of SO₂. To evaluate the performance of ANN model, our results are compared to classical nonlinear regression methods. The over all system finds an optimum correlation between input–output variables. Here, the correlation parameter, r is 0.999 and 0.528 for training and test data. Thus in our model, the trend of SO₂ is well estimated and seasonal effects are well represented. As a result, we conclude that ANN is one of the compromising methods in estimation of environmental complex air pollution problems.     

宜都市PM2.5与O3季节性分布特征及潜在源区分析

为了解宜都市PM_2.5与O₃的污染特征及潜在来源,利用宜都市2020年3月至2022年2月在线监测数据及气象数据,对宜都市PM_2.5与O₃质量浓度变化特征、气象影响因素及潜在源区进行了分析,结果表明:宜都市PM_2.5质量浓度冬高夏低,日变化呈双峰特征,O₃质量浓度夏高冬低,日变化呈单峰特征。高湿、静稳的气象条件以及较强偏北风作用下的区域污染传输对PM_2.5污染有重要影响,高温以及中湿度对O₃污染过程有重要作用。春、夏、秋季偏南方向气流轨迹占主导,且携带较高的污染物浓度,冬季来自湖北东北及西南方向的气流占比较高且携带的PM_2.5浓度较高;宜都市PM_2.5、O₃的潜在源区具有季节性差异,总体来看,主要分布在河南南部、湖北东部及湖南的北部区域。     

2022年春季南京臭氧污染特征及成因分析

2022年春季,受新一轮新冠疫情影响,长三角各城市采取了一系列管控措施,使得大气污染物排放水平降低。对2022年春季(3—5月)南京及长三角地区的六项污染物尤其是臭氧(O₃)的变化特征进行了分析,从气象因素和O₃前体物方面,同时利用基于观测的模型(OBM)对南京O₃污染变化原因进行了研究,并分析了南京挥发性有机物(VOCs)的关键活性组分和来源。结果表明:2022年春季,南京PM_2.5、PM₁₀、NO₂和CO均值浓度均同比下降,但O₃日最大8 h滑动平均质量浓度(O₃-8 h)同比上升19.8%,O₃-8 h超标时间同比增加9 d;长三角区域O₃-8 h同比上升17.9%,O₃-8 h超标天数为2021年同期的2.5倍。南京O₃浓度上升的原因:一方面是由于不利的气象条件,另一方面是由于南京O₃生成处于VOCs控制区,但氮氧化物(NO_x)降幅大于VOCs降幅,同时结合O₃前体物削减方案的分析结果发现,VOCs和NO_x不当的削减比例会导致O₃浓度不降反升。南京O₃生成的关键VOC活性物种依次为乙醛、丙烯、间/对二甲苯、丙烯醛和乙烯;正定矩阵因子分解(PMF)解析结果显示,机动车尾气是南京城区VOCs的主要来源,其次为液化石油气/天然气使用和石油化工。