北京雾霾天气生物气溶胶浓度和粒径特征

近年来北京雾霾天气频发,空气颗粒物聚集是导致雾霾天气发生的主要原因之一.作为一种重要的空气颗粒物,生物气溶胶对人体健康存在危害.本研究调查了雾霾天气时,生物气溶胶浓度和粒径分布规律;对其同空气质量指数PM2.5(AQI),环境温度和湿度间的Spearman’s相关性进行了研究;分析了冬夏两季重度雾霾天气时,生物气溶胶粒径分布规律.结果表明,生物气溶胶浓度与PM2.5(AQI)呈负相关,与环境温度呈正相关.环境湿度与细菌气溶胶浓度呈负相关而与真菌气溶胶浓度呈正相关.在冬季,最大浓度细菌和真菌气溶胶分别在4.5~7.0μm和2.1~3.3μm粒径范围内检测到,而夏季最高浓度细菌和真菌气溶胶均分布在3.3~4.5μm范围内.本研究结果将为不同雾霾天气下,评价生物气溶胶对人类健康造成的危害提供基础数据.     

成都市一次重度灰霾期间大气PM2.5的自组织临界特性

2013年1—2月期间,四川省成都市出现大范围、长时间、高浓度的严重霾污染.本文运用频度统计分析和消除趋势波动分析方法,研究了成都市2013年1月25日—2月7日一次典型重度灰霾期间8个监测站点(草堂寺、人民公园、梁家巷、金泉两河、十里店、沙河铺、三瓦窑、灵岩寺)大气PM2.5小时平均浓度序列的时空演化规律.结果表明,各站点大气PM2.5的浓度波动并非随机,而在统计上服从典型的负幂律分布,同时均表现出很强的长期持续性特征.这些特征刻画了灰霾期间大气PM2.5浓度波动的宏观特征.将PM2.5浓度演化与沙堆崩塌进行类比,发现大气PM2.5演化具有自组织临界性复杂系统的基本特征.进一步根据自组织临界(SOC)理论,建立了大气PM2.5数值沙堆模型,模型算法考虑了此次灰霾期间成都市的气象因素和PM2.5的迁移扩散机制.通过对该模型的数值模拟,能够定量阐明此次重度灰霾期间成都市各监测站点大气PM2.5浓度时空波动宏观统计规律的产生根源.同时,深入讨论了该模型的自组织临界特征.模拟结果和实际结果的高度一致表明该模型真正阐明了导致PM2.5浓度时空波动的重要动力机制.SOC内禀机制是控制此次成都市灰霾期间大气PM2.5浓度演化的主要机制之一.本研究可为灰霾期间PM2.5的演化动力学提供新的研究方法.     

基于相关性分析的PCBA热力学模型修正

目的精确且高效地对印制电路板组件热力学模型进行修正。方法采用基于拉丁超立方抽样试验设计和Speraman等级相关系数计算公式的相关性分析方法,找出电子产品热仿真试验中对元器件表面温度值影响较大的输入参数,然后进一步分析得出输入与输出之间的函数关系。在此基础上给出印制电路板组件(PCBA)热力学模型修正的一般方法流程。最后利用该方法对某航空电子产品中一块PCBA的热力学模型进行修正。结果修正结果较精确且只调用2次有限元软件。结论该热模型修正方法具有较高的精确性和高效性,可推广用于工程实践。     

实验室条件下温度升高对水体叶绿素a的影响研究

以23℃为基础,按2℃温差设置温度梯度,最高温度组为29℃。每隔10d取样一次,进行叶绿素α浓度的测定。结果显示温度低于25℃时,增温有助于藻类生物量的提高,而温度超过25℃时,增温限制了藻类生物量的提高。水体温度量对浮游植物生物的影响程度与增温幅度和培养时间有关。Pearson相关性分析结果显示:温度与叶绿素a浓度相关性显著(P0.05),叶绿素a浓度与培养时间呈极显著正相关(P0.01)。     

郁江、黔江和浔江广西桂平段水质变化趋势分析

根据2003-2012年水质监测资料,采用秩相关系数法对郁江、黔江和浔江广西桂平段水质变化趋势进行分析。结果表明,黔江和浔江水质呈明显好转趋势;郁江水质呈好转趋势,但不明显。提出了继续加强水污染防治工作的建议。     

齐齐哈尔市建华区餐饮业噪声污染特点及防治对策

近年来城区餐饮业发展迅速,引发了一系列的环境问题。阐述了餐饮业噪声污染现状,产生污染的原因,并就如何解决这些问题提出了意见。     

阿什河干流(道外香坊段)防洪及河道生态治理工程生态影响分析简述

通过分析阿什河干流生态环境现状,进行工程建设对生态环境的影响分析,并提出了相应的生态保护措施和建议。     

重庆市居民头发重金属富集特征及相关性分析

本研究利用火焰原子吸收法测定了重庆主城与郊区居民头发中镉、铜、镍、铅和锌等5种重金属的浓度水平,比较分析了人发中5种重金属含量水平及与年龄、性别和吸烟与否的关系,最后通过相关性分析和主成分分析初步了解重庆居民人发中重金属可能的来源.结果表明,重庆主城人发中Cd、Cu、Ni、Pb和Zn的平均含量分别为3.1、24.3、9.7、42.8和209.6 μg·g^-1,郊区居民人发的平均含量分别为0.9、15.8、5.6、15.2和173.4 μg·g^-1;5种重金属在主城居民头发中的含量均显著高于郊区居民头发中含量（t-检验,P<0.01）,并且其组成与居民附近土壤样品的组成基本一致;5种重金属的含量在不同年龄段人群中的分布没有明显趋势,只是在郊区居民头发中的Cu和Zn含量随着年龄增长而减少;主城和郊区男性头发中Cd和Pb含量均显著高于女性（P<0.01）,并且在主城和郊区吸烟者头发中的Cd和Pb显著高于非吸烟者（P<0.01）;通过相关性分析发现主城和郊区中Cd、Cu、Ni和Pb之间具有相似的相关性模式,并且主成分分析结果显示,在主城中,人发Cu、Ni和Pb具有相似的来源,而在郊区中,人发Cd、Ni和Pb具有相似的来源.     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.