乌鲁木齐市煤改气工程对采暖期 SO2和 NO2浓度变化的影响分析

通过对乌鲁木齐市2011-2013年采暖期SO2、NO2、PM10的年均浓度、月均浓度、日均浓度的变化比较，分析了乌鲁木齐市煤改气工程实施前后大气环境发生的变化趋势，论证了乌鲁木齐市煤改气工程对城市大气环境的改善作用，为该工程今后的推广与发展得到了可靠的实践依据。     

2016-2020年常州市温室气体浓度及相关因素分析

基于2016-2020年常州市主要温室气体的监测数据,采用长时间序列分析和相关性分析等方法,研究了二氧化碳(CO2)和甲烷(CH4)浓度的变化趋势,分析了CO2和CH4与污染物和气象要素的相关性,初步探讨了生物源和人为源的影响.结果 表明:常州市大气CO2和CH4年平均浓度分别为416.4 ppm和1635.7 ppb...     

乌鲁木齐市可吸入颗粒物水溶性离子特征及来源解析

采暖期时在乌鲁木齐市采集了环境空气中的可吸入颗粒物,对可吸入颗粒物质量浓度及8种水溶性离子的特征和来源进行了分析。结果表明,细粒子和粗粒子的月平均质量浓度分别是53.5～233.3μg/m3和38.9～60.9μg/m3;细粒子和粗粒子中水溶性离子主要由SO24-、NH4+和NO3-组成;粗粒子中NH4+与NO3-和SO24-的相关性分别是0.70和0.66,细粒子中NH4+与NO3-和SO24-的相关性分别是0.89和0.93,铵盐是乌鲁木齐可吸入颗粒物主要存在形式;煤烟尘是乌鲁木齐市采暖期可吸入颗粒物的主要来源。     

太湖流域近地表主要温室气体本底浓度特征

根据2003年1月-2005年6月太湖流域近地表大气中主要温室气体CO2、CH4和N2O本底浓度的监测资料,研究了该流域近地表大气主要温室气体浓度的变化特征.结果表明,在观测时段内,该流域近地表大气CO2浓度呈上升趋势;CH4浓度呈逐年递减趋势;N2O浓度呈先减后增趋势.3种气体主要与人类活动、工农业生产和交通运输业发展有关,CO2浓度的季节变化明显,冬春季高,夏秋季低,最高值在12月,最低值在8月;CH4浓度由春至夏升高,由夏至秋至冬递减,最高值在7月,最低值在2月;N2O浓度没有明显的季节变化,它们主要受源汇强度变化影响.CO2浓度的日变化基本呈双峰态,是源汇强度变化和边界层稳定程度相互作用的原因,CH4浓度无明显日变化规律,N2O浓度日变化中的最高值总体呈现是夏、秋、春至冬逐渐延迟的状态.     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

昌吉市采暖期、非采暖期颗粒物、二氧化硫和一氧化碳的污染特征及相关性研究

对昌吉市采暖期和非采暖期PM_(10)、PM_(2.5)、SO_2和CO的污染特征及相关性进行分析发现,相较于非采暖期,采暖期各种污染物的浓度更大,而PM_(10)、PM_(2.5)浓度严重超标,并且各污染物同源性较高,主要来自于区域采暖燃煤,同时针对研究结论提出了加强昌吉市大气污染治理的建议。     

北京大气CH4、CO2、TOC日变化规律及垂直分布的自动连续观测

提出了一种能自动连续监测CH4、CO2、TOC日变化及垂直分布的系统,利用该系统监测了2002年冬季CH4、CO2、TOC垂直分布的日变化的变化趋势.结果发现,距地面高度增加,受湍流扩散的影响,CH4、CO2、TOC浓度降低.冬季CH4浓度的日变化呈现明显的单峰周期变化,CO2日变化呈双峰形分布,TOC日变化没有明显的特征,其日变化受机动车尾气排放的影响很大.根据2002年冬季CO2浓度与2000年以前的对比结果发现,北京市冬季燃煤排放的污染物已处于一个相对稳定期,而随着北京市机动车保有量迅速增加,尾气排放成为影响某些大气微量气体日变化的主要因素.     

乌鲁木齐市冬季大气颗粒物PM_(10) 和PM_(2.5)污染水平及相关性研究

为研究乌鲁木齐市冬季采暖期间大气颗粒物污染特征,通过采样和在线监测二种手段分析了2015年1~2月大气颗粒物样品,采用重量法分析颗粒物质量浓度,并对其相关性进行分析。结果表明:依据《环境空气质量标准》(GB 3095-2012),采样期间乌鲁木齐市大气PM_(10) 和PM_(2.5)的日均质量浓度均超过了国家二级标准,颗粒物污染严重;PM_(10) 和PM_(2.5)存在显著相关性,PM_(2.5)和PM_(10) 浓度的比值均大于0.5,采暖期PM2.5对乌鲁木齐市大气颗粒物贡献显著。     

北极温室气体水平升至新界点

人民网消息作为造成全球变暖的主要污染物,大气中的CO2的浓度已经升高至科学家们所说的"令人担忧的新界点"。据美联社报道,根据北极监测站今年春季的测算结果,北极大气中温室气体的浓度已经超过400×10-6(即百万分之400)。这个数字令人吃惊,因为它正在以加速度上升。几年前这一数字突破350×10-6大关时,许多科学家认为那是大气中CO处于安全水平的最上限,而现在全球水平已达到395×10-6。虽然截至目前只有北极地区达到400×10-6的水平,但世     

沈阳市城区采暖期PM2.5中水溶性离子的化学特征

2013年11月—2014年3月采暖期在沈阳市沈河区设置采样点采集环境空气中的PM2.5。利用离子色谱法测定PM2.5中水溶性无机离子,分析PM2.5中水溶性无机离子的组成和污染特征等。结果表明,沈阳市冬季采暖期PM2.5平均质量浓度为106μg/m3,PM2.5中总水溶性离子占PM2.5的比例为41.7%,含量较高的二次离子依次为SO2-4、NO-3、NH+4,三者均有较好的相关性,SO2-4以(NH4)2SO4形式存在,采暖期PM2.5偏酸性。     

Transfer of CO2, N2O and CH4 to butyl rubber (polyisobutylene) septa during storage

Greenhouse gases are more sampled than ever because of environmental interests. Gas samples are often inserted into vials with gas tight butyl rubber septa before concentration analysis. Little is known on the global transfer property of butyl rubber septa for CO2, N2O and CH4. Sorption kinetics were measured by injecting CO2, N2O or CH4 into glass vials with either one of four butyl rubber septa types and stored during 90 days. CO2 and N2O concentrations decreased during storage depending upon septa type and initial concentration, with the highest linear rate being 0.023 for CO2 and 0.0015 mg L(-3) day(-1) for N2O. When a low concentration was injected, CH4 concentration changes over time were small and did not differ between septa types. Sorption isotherms were measured using nine concentrations and stored during 45 days. CO2 sorption isotherms ranged from 0 to 3.7 x 10(-3) m(3) m(-2) and N2O from 0.3 to 1.4 x 10(-3) m(3) m(-2). Examples of errors associated with the use of these butyl rubber septa are given.     

汽油车尾气遥感检测结果统计分析与限值制定

选取汽油车尾气中CO、HC、NO等3种气态污染物，以稳态工况法为基准，与车辆实际行驶时的遥感测试结果比对，从而制定相应的排放控制限值。建议遥感检测法对于CO、HC、NO的限值，2001年10月1日前注册登记的汽油车分别为3．0％、1000×10-6、3500×10-6，2001年10月1日起注册登记的汽油车分别为2．0％、500×10-6、2000×10-6。提出当机动车所有人对检测结果有异议时，可在规定期限内至指定机构按年检方法复检。     

Determination of CH4, CO2 and N2O in air samples and soil atmosphere by gas chromatography mass spectrometry, GC-MS

A method for determination of the climate gases CH4, CO2 and N2O in air samples and soil atmosphere was developed using GC-MS. The method uses straightforward gas chromatography (separation of the gases) with a mass spectrometric detector in single ion mode (specific determination). The gases were determined with high sensitivity and high sample throughput (18 samples h(-1)). The LOD (3sigma) for the gases were 0.10 micro L L(-1) for CH4, 20 microL L(-1) for CO2 and 0.02 microL L(-1) for N2O. The linear range (R2 = 0.999) was up to 500 microL L(-1) for CH4, 4000 microL L(-1) for CO2 and 80 microL L(-1) for N2O. The samples were collected in 10 mL vials and a 5 microL aliquot was injected on column. The method was tested against certified gas references, the analytical data gave an accuracy within +/-5% and a precision of +/-3%. The presence of < or = 10% by volume of C2H2 (often used experimentally to prevent N2 formation from N2O) did not interfere with detection for the targeted trace gases.     

艾比湖水体中氯离子测定方法分析

用氯离子选择电极法测定艾比湖水体中氯离子的含量,对测定条件进行了探讨。结果表明,标准曲线在1.0×10-1~1.0×10-4mol/L内呈良好的线性关系,回收率为96.4%~103%,RSD为3.41%~4.34%,该方法简便、快速、准确,在实际工作中应用效果较为满意。     

Traffic emission factors of ultrafine particles: effects from ambient air

Ultrafine particles have a significant detrimental effect on both human health and climate. In order to abate this problem, it is necessary to identify the sources of ultrafine particles. A parameterisation method is presented for estimating the levels of traffic-emitted ultrafine particles in terms of variables describing the ambient conditions. The method is versatile and could easily be applied to similar datasets in other environments. The data used were collected during a four-week period in February 2005, in Gothenburg, as part of the G?te-2005 campaign. The specific variables tested were temperature (T), relative humidity (RH), carbon monoxide concentration (CO), and the concentration of particles up to 10 μm diameter (PM(10)); all indicators are of importance for aerosol processes such as coagulation and gas-particle partitioning. These variables were selected because of their direct effect on aerosol processes (T and RH) or as proxies for aerosol surface area (CO and PM(10)) and because of their availability in local monitoring programmes, increasing the usability of the parameterization. Emission factors are presented for 10-100 nm particles (ultrafine particles; EF(ufp)), for 10-40 nm particles (EF(10-40)), and for 40-100 nm particles (EF(40-100)). For EF(40-100) no effect of ambient conditions was found. The emission factor equations are calculated based on an emission factor for NO(x) of 1 g km(-1), thus the particle emission factors are easily expressed in units of particles per gram of NO(x) emitted. For 10-100 nm particles the emission factor is EF(ufp) = 1.8×10(15)×(1 - 0.095×CO - 3.2×10(-3)×T) particles km(-1). Alternative equations for the EFs in terms of T and PM(10) concentration are also presented.     

乌鲁木齐市2011年冬季PM2.5/PM10浓度特征分析

利用乌鲁木齐市PM2.5//PM10自动监测数据,分析PM2.5与PM10的浓度分布特征和时间变化规律。结果表明,按照《环境空气质量标准》(二次征求意见稿)的标准限值,乌鲁木齐市冬季PM2.5污染重于PM10。PM2.5浓度为0.164mg/m3,超过二级年标准限值的3.7倍,超标率为73.9%。PM2.5浓度日变化曲线昼高夜低,呈单峰型,峰值出现在13:00~14:00(北京时间)。PM10中PM2.5所占比例较高,PM2.5/PM10为0.79,相关分析和检验显示PM2.5与PM10的线性相关显著,相关系数为0.92。     

临汾市大气污染物的时间分布特征与源区分析

多年来，临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列，对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据，使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明，PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准，SO₂仅在2016—2017年超过该标准，其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布，SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...     

石墨炉原子吸收光谱法测定水中四乙基铅

采用三氯甲烷萃取-石墨炉原子吸收光谱法测定水中四乙基铅,优化了试验条件。方法在2.00μg/L～50.0μg/L范围内线性良好,检出限为1.3×10^-5mg/L,标准溶液测定的RSD≤8.6%,实际水样加标回收率为90.4%～108%。     

2014年北京市CO浓度水平和时空分布

对北京市地面监测站点的CO浓度进行分析，探讨其浓度水平、变化趋势和时空分布特征。2014年春、夏、秋、冬四季北京市CO平均浓度分别为1.06、0.87、1.34、2.17 mg/m³。CO浓度均呈双峰型变化，第一个峰值出现在07：00-09：00，主要由交通早高峰的排放引起；第二个峰值出现在23：00左右，主要受交通晚高峰排放和夜间边界层高度降低的挤压效应的共同影响。从空间分布来看，全年整体呈现南高北低的分布特征，尤其是秋、冬季较为明显，体现了工业布局和区域传输对CO的影响。从全年来看，湿度对CO浓度的影响最大。对2014年冬季北京市的一次高CO浓度分析结果表明，此次过程是由本地排放和区域传输共同造成的，气象要素中地面气压对CO浓度影响最大。