大气自动监测中“ND”数据的质量分析

本文就大气自动监测系统中经常出现的“ND”数据产生的原因：系统零点的位置以及解决问题的方法，从理论上作了较详尽的分析并从实际出发提出了自己的见解。     

圆形烟道烟尘采样点位置确定之正误

采样点位置的确定是烟尘测试中的一项基础工作。在全国沿用10多年的确定圆形圆形烟道烟尘采样点位置的计算表中的数据,经验算有60％有误;原来以烟道中心为基准的计算公式虽然正确,但实用性差。为了进一步完善烟气测试理论,提高监测质量,提出以烟道内壁为基准的新计算公式。运用新、旧2种计算公式得到一致的计算结果—新计算表,进一步证实了原计算表中的错误。     

南宁城市大气污染对人体健康的危害及治理对策

南宁市大气属煤烟型污染 ,大气的主要污染物为SO2 、NOx、TSP、降尘 ,虽然随着环境管理和污染治理工作的加强 ,污染物浓度逐年下降 ,但是工业区大气污染仍然较重。污染物流行病学调查显示 :工业区癌症和呼吸系统疾病死亡率均高于全市平均水平 2倍左右 ,城区又高于郊区 2倍 ,大气污染综合指数与呼吸内科门诊就诊人数呈正相关。用邓聚龙的灰色系统理论分析得知污染物对癌症和呼吸系统疾病死亡率有关联 ,关联度从大到小排序为 :TSP >降尘 >SO2 >NOx ,最后提出了大气污染治理的对策。     

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。     

兰州市大气污染特征与污染预报技术研究

结合兰州市大气污染特征,采用国际上较为先进的污染预报模式,分别建立了实时资料与数值产品相结合的实用统计预报模型.其系统预报结果准确程度较好,实用性强,时研究兰州市大气污染来源及政府决策都起着重要的作用.     

典型污染源中多环麝香的污染特征

合成麝香是一类近十多年才引起人们关注的有机污染物.合成麝香广泛分布于环境中.难降解,易生物富集,对水生生物和人体均呈现一定的生物毒性.文章对某一化妆品厂生产车闯内、外及工厂外的上、下风向大气中多环麝香进行了定性定量分析,结果表明,除ATⅡ之外,大气中检测出了五种多环麝香,其中作为对照点的上风向多环麝香总浓度为5.43ng/m3,而工厂室内、外及下风向的多环麝香浓度范围为17.25～5543.4ng/m3;气固分配实验研究发现,超过68.43%的多环麝香分布于气相中.     

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。     

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.