排序方式: 共有15条查询结果,搜索用时 31 毫秒
1.
典型脱硫工艺对燃煤锅炉烟气颗粒物的影响 总被引:2,自引:2,他引:0
脱硫是燃煤锅炉的重要除污环节,为探究脱硫工艺对烟气颗粒物的影响,选取4台不同脱硫工艺(石灰石/石膏法、炉内喷钙法、氨法和双碱法)的燃煤锅炉,利用再悬浮采样法和稀释通道采样法分别采集脱硫前后烟气颗粒物样品,并测定颗粒物中的水溶性离子、无机元素和碳组分.结果表明,脱硫剂对烟气PM2.5的组分构成产生影响,烟气经过石灰石/石膏法脱硫后,PM2.5中的Ca由5.1%提高至24.8%;经过氨法脱硫后,PM2.5中NH4+的质量分数由0.8%提高到7.3%;双碱法脱硫则使烟气PM2.5中Na由0.9%提高到1.7%.湿法和干法脱硫工艺的作用显著不同,湿法脱硫排放颗粒物的离子含量较高,经过石灰石/石膏法和氨法脱硫,PM2.5中SO42-的质量分数分别由2.0%和6.7%提高到9.6%和11.9%,Cl-分别由0.4%和1.2%提高到3.8%和5.2%,而Cr、Pb、Cu、Ti和Mn等重金属经过湿法脱硫出现含量下降;相对湿法脱硫,干法脱硫燃煤锅炉排放的PM2.5中富含Al、Si和Fe等地壳元素.湿法脱硫同样对碳组分产生影响,石灰石/石膏法和氨法脱硫后,烟气PM2.5的元素碳EC质量分数分别从6.1%降至0.9%和从3.6%降至0.7%,但是有机碳OC的含量并没有下降. 相似文献
2.
3.
成都市工业挥发性有机物排源成分谱 总被引:6,自引:4,他引:2
选取成都市汽车制造和石油化工等典型工业行业,通过瓶采样和SUMMA罐采样及GC-MS分析方法,研究了不同生产工艺环节的挥发性有机物(VOCs)排放特征.结果表明,汽车制造各工艺环节均有各自的优势组分,其中喷漆排放以烷烃(32%)和芳香烃(35%)为主.家具制造排放特征与使用原辅料高度相关,以芳香烃(50%)和OVOCs(38%)为主.石油化工各装置区VOCs浓度范围为49~1 387μg·m~(-3),不同装置区存在较大差异,主要是由于炼油区主要产品为C_5~C_9的汽油和苯系物等,化工区则较多使用了溶剂同时生成烯烃类产品.电子制造均以OVOCs为主,占VOCs总排放的50%以上.制鞋行业排放VOCs主要由烷烃和OVOCs贡献,平均占比分别为52%和36%,与所用溶剂组分高度相关.汽车制造VOCs排放组分差异较大,主要以正十二烷和2-丁酮等为主.家具制造排放组分主要为苯乙烯、乙酸乙酯和间/对-二甲苯等,为涂料和稀释剂的典型组分.石油化工各装置区排放组分有差异,炼油区以苯乙烯等为主,化工区主要为1,3-丁二烯等,仓储区主要为C_3~C_5烷烃等,废水处理则主要为C_6~C_8烷烃等.电子制造主要组分均为乙醇和丙酮等醛酮组分.制鞋企业排放组分以C_5和C_6等烷烃为主.通过臭氧生成潜势计算比较,汽车制造和石油化工行业对臭氧生成潜势贡献较大的VOCs排放组分以烯烃和芳香烃为主,具有较高的污染源反应活性.研究表明各工业行业OVOCs排放比例(17%~96%)和对臭氧生成潜势贡献均较为显著,因此在进行VOCs排放控制时,除重点管控芳香烃和烯烃外,亦应提高对OVOCs组分的关注. 相似文献
4.
成都城区PM2.5季节污染特征及来源解析 总被引:16,自引:0,他引:16
于2009—2010年各季节典型月在成都城区采集了大气PM2.5样品,对PM2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM2.5平均质量浓度高达(165.1±85.1)μg·m-3,是国家环境空气质量标准年均PM2.5限值的4.7倍. OC、EC和水溶性二次离子(SO42-,NO3-和NH4+)的平均浓度分别为(22.6±10.2)μg·m-3,(9.0±5.4)μg·m-3和(62.8±44.3)μg·m-3,分别占PM2.5浓度的13.7%、5.5%和38.0%. PM2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著. 相似文献
5.
6.
成都市人为源挥发性有机物排放清单及特征 总被引:1,自引:0,他引:1
基于成都市实地调查和环境统计等活动水平数据,采用排放因子法和计算模型等,编制了2014年成都市人为源VOCs排放清单,并完成了空间分配和不确定性分析。成都市人为源VOCs排放量为15.8×10~4t,其中化石燃料固定燃烧源、工艺过程源、溶剂使用源、移动源、储存运输源、其他源排放量分别为0.5×10~4、3.8×10~4、6.0×10~4、4.9×10~4、0.4×10~4、2.2×10~4t,溶剂使用源为最大人为排放源,其次是移动源和工艺过程源。木材加工业为最大工业贡献源,然后依次是医药制造业、非金属矿物制品业、化学原料、化学制品制造业、汽车制造业等。成都市人为源82%的VOCs排放量分布于二、三圈层的工业园区,而中心城区主要为移动源和建筑施工所贡献,其排放分布已随建成区联片发展而形成整体。排放清单活动水平数据可靠性较高,而排放因子存在一定不确定性。 相似文献
7.
成都市冬季相对湿度对颗粒物浓度和大气能见度的影响 总被引:7,自引:5,他引:2
利用成都市城区2015年12月的连续在线观测数据,如相对湿度(RH)、能见度、颗粒物(PM10、PM2.5和PM1)浓度、气态污染物(SO2和NO2)浓度以及PM2.5中SO42-和NO3-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM2.5在PM10中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM2.5/PM10显著增加,表明高RH会加重细颗粒物污染.随着PM2.5浓度增加,能见度呈幂指数下降;在相同PM2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率(SOR)和氮氧化率(NOR)的均值分别从0.27和0.11(RH小于40%)增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量. 相似文献
8.
基于调研文献测试数据,对不含含氧有机物(oxygenated volatile organic compounds,OVOCs)组分的源成分谱进行修订和重构,得到归一化的VOCs源成分谱,根据2015年四川省大气污染源排放清单建立了基于源成分谱的1 km×1 km VOCs组分排放清单,并估算其臭氧生成潜势以评估对臭氧生成的影响.所建立的VOCs源成分谱库包括45个源成分谱和519种组分,由于针对富含OVOCs的生物质燃烧和汽车排放等源类进行了修订和重构,因此所建立的源成分谱库对于VOCs组分清单构建和源解析具有更好地应用性.VOCs组分清单结果表明,四川省人为源VOCs总排放量为773.8 kt,其中烷烃、烯烃、炔烃、芳香烃、OVOCs、卤代烃和其它VOCs分别占VOCs总排放量的21.6%、10.0%、1.7%、28.0%、26.2%、4.2%和8.3%,总臭氧生成潜势(ozone formation potential,OFP)为2584.9 kt,上述各类VOCs分别占总OFP的6.9%、26.1%、0.5%、42.3%、23.2%、0.4%和0.5%.四川省各城市VOCs排放组分均以芳香烃、OVOCs和烷烃为主,但亦存在显著差异:成都、雅安、阿坝、甘孜和凉山机动车排放贡献较大,烷烃排放量占VOCs排放总量的比例较高;攀枝花为工艺过程源贡献较大的重工业城市,烷烃排放量占比较高;德阳、眉山、遂宁和资阳溶剂使用源排放较大,OVOCs排放量占比较高.四川省VOCs排放量和OFP较大的组分主要集中分布于人口和工业较为密集和发达的四川盆地区域以及凉山和攀枝花的部分地区,其中间-二甲苯和甲苯主要贡献源为溶剂使用源,导致其在城市建成区的分布更为集中,生物质燃烧对乙烯和甲醛排放有大量贡献,造成其在农业发达的川东和川南的耕地区域有大量分布. 相似文献
9.
本文在Guenther提出的经典天然源模型的基础上,结合WRF-CHEM简单天然源算法,针对气象变化和CMAQ模型数据格式特点,对BVOCs的算法进行了适当修正和改良,开发了可直接用于空气质量模型的BVOCs动态排放模型.研究结果表明,四川盆地2015年异戊二烯和单萜烯的年排放量分别为5.79×10~(-5)Tg C和3.05×10~(-5)Tg C,月排放具有显著差异;四川盆地植物异戊二烯、萜烯的排放量空间分布很好地反映了四川盆地的植被分布情况,异戊二烯、萜烯排放主要集中在盆地边缘的高山地区,两个物种的高浓度排放主要集中在气温较高、日照较强的夏季和初秋季节,且均在7月达到月均排放量的最大值.本研究建立的动态排放模型能够为空气质量模型提供一种快速衡算BVOCs排放的方法,具备一定的实用性. 相似文献
10.
介绍了成都市空气质量预报系统的模式设置和排放源处理,并评估其对2017年2月成都市的气象要素和PM_(10)、PM_(2.5)、SO_2、NO_2小时浓度的24小时预报效果。结果表明,系统能较好的预报成都市主要气象要素的逐小时变化情况,平均气温、气压和相对湿度的相关系数均在0.72以上,但对累积降水的预报效果仍需优化;系统能合理的反映各污染物的时空分布,PM_(10)和PM_(2.5)的预报效果达优秀水平,但存在不同程度的高估;NO_2的预报值与实况值的时间变化趋势一致性最高,空间分布对应较好,但模式预报对其存在一定程度的低估;对SO_2有显著的高估,但其空间分布模拟效果最佳。优化源的空间分配,及时更新源排放清单,同时针对不同排放源提高小时尺度排放清单分辨率可能是未来提高成都市空气质量预报系统预报准确率的有效途径。 相似文献