获取日均值的大气监测时段选择

利用数理统计方法，以污染物瞬时监测数据为基础数据，选用控制在一定置信度下最大允许误差的统计公式确定出样本容量，并采用模糊集合集──优化组合选择法，确定出获取日均值的最佳监测时段。     

试点、暂停、翻案首份公开报告背后的坎坷历程

"终于公布了!跑了三年的环保线,每年都听环保局说要公布企业环境信用,但始终没有下文,今年终于揭开了神秘面纱."-位跑了多年环保线的记者感慨地说.     

洪涝灾害中的环境监测

1991年夏季,苏州城乡遭受百年未遇的特大洪涝灾害袭击,全市受淹农田249万亩,工业企业700家,居民住宅10万多户,受灾人口76万,市区直接经济损失30亿元以上.全市人民生命财产的安全受到严重威胁.苏市环境监测站的监测人员以对工作高度负责的精神,既投入了抗洪抢险斗争,又抓紧时机进行水质监测,充分发挥了“哨兵”、“耳目”的作用.     

敞口,大面积,低流速,低浓度尘排放源的测定

本文针对敞口大面积、低流速、低浓度这类特殊尘排放源的特点，用质量守衡的方法导出在出口附近，烟气的夹卷作用仅出现在这类排气筒所排烟流的边缘。这一现象通过实测烟气参数的各种实验得以证实。以此基础上提出了这类排放源烟尘的测试方法。     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.     

基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.