金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

固定源可凝结颗粒物稀释采样器的设计

固定污染源烟气排放进入大气环境后稀释降温,气相中部分饱和蒸气压较低的组分转化为可凝结颗粒物,这部分颗粒物在固定源烟气颗粒物监测中通常被忽略.为评价固定源可凝结颗粒物的排放情况,本文设计开发并评测了一套稀释采样器.稀释采样器稀释比在10：1~40：1范围内,混合停留时间为5~10 s.实验室评测结果表明,稀释气颗粒物背景值低（（~0.1±0.08） 个·cm^-3）,稀释采样器气密性良好,烟气和稀释气能够均匀混合,颗粒物损失较少,细颗粒物 （PM_2.5）损失在5%以下.本稀释采样器能模拟烟气与环境空气混合降温过程,可用于固定源可凝结颗粒物的测量.     

基于AIS轨迹修复的船舶排放空间表征改进方法与应用

基于船舶自动识别系统（Automatic Identification System,AIS）数据表征船舶排放是目前船舶排放空间表征的主流方法,但AIS船舶轨迹点缺失会造成船舶排放量低估和船舶空间分布表征错误,进而影响船舶排放控制区的划分.为改进船舶排放空间表征,本研究以2013年广东省AIS船舶数据为例,采用基于时间和经纬度的三次样条方法对AIS船舶轨迹进行修复,结合动力法计算船舶排放,分析对比AIS轨迹修复前后船舶排放表征的差异,并利用空气质量模型和卫星观测评估AIS轨迹修复对船舶排放表征和广东沿海空气质量模拟的改进效果.结果表明：轨迹修复后广东省海域船舶轨迹点总数由4685773个增至5746664个,船舶NO_x排放量增加了0.6%.对于轨迹点与排放缺失集中的粤东海域,轨迹修复后船舶轨迹点数增加了88%,NO_x排放量在广东省船舶排放量的占比提升至22%,特别是在粤东重点修复海域NO_x排放量增加了2.7倍.原始轨迹在广东省海域较为稀疏,在粤东海域有明显轨迹缺失;轨迹修复后广东省海域船舶轨迹更为密集,粤东海域船舶轨迹得以补充,船舶排放空间分布更连贯.对比模拟结果与卫星观测结果,轨迹修复后粤东重点修复海域船舶模拟浓度与观测浓度的偏差由51%减至6%,总体上船舶排放模拟结果更接近卫星观测结果.     

机动车轮胎磨损颗粒物化学组分特征研究

为研究机动车道路行驶过程中轮胎磨损排放的颗粒物理化特性,利用轮胎轮廓仿真磨耗仪,对国内主流17种轮胎胎面进行仿真磨耗实验,获得颗粒物样品,提取并检测其中18种元素和20种多环芳烃（PAHs）的含量.结果显示,元素和PAHs含量因轮胎品牌和速度等级的不同而差异显著.18种元素平均含量为（99.04±68.43）mg/g,占样品总重的9.90%,其中Si（88.97±67.85）mg/g、Zn（6.77±1.64）mg/g和Na（1.05±0.75）mg/g的平均含量均超过1mg/g,Cd的含量最低,为（0.43±0.31）μg/g.20种PAHs含量之和（∑20PAHs）在12.13~433.64 μg/g,平均为（94.13±110.18）μg/g,PY的平均含量最高（30.98±31.27）μg/g,其次是CHR、BaP、FA、PHE和BghiP,平均含量最低的是AC（0.58±0.2）μg/g;从环数看,以4环PAHs为主（占∑20PAHs的45.03%~67.93%）,其次为3环（平均含量为15.45%）和5环（平均含量为12.62%）.总体来说,国外品牌轮胎样品中元素和PAHs含量略高于国内品牌,而主要PAHs环数略低于国内品牌.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

船舶排放及不确定性对中国空气质量的影响

船舶排放是我国沿海地区重要的人为排放源,但现有的船舶排放评估研究大多只关注区域尺度的影响分析,而且忽视了排放清单的不确定性,这在一定程度上削弱了评估结果的可靠性.为此,本文利用WRF-SMOKE-CAMQ空气质量模型,定量评估了船舶排放及其不确定性对我国七大沿海港口城市夏季空气质量的影响,结果表明：船舶排放对我国主要沿海港口城市的SO₂、NO_x和PM_2.5浓度贡献范围分别为16.5%~62.5%、21.9%~72.9%和5.9%~26.0%,尤其对宁波、青岛和深圳等港口城市空气质量的影响显著,主要是由于港口较高的船舶排放以及气象传输两方面原因造成的;如果考虑船舶排放清单的总量不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.0~3.1,2.1~5.5,0.3~0.9μg/m³的波动;考虑船舶排放清单的时空分配不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.9~15.7,5.1~29.3,0.6~2.5μg/m³的波动.可见,船舶排放清单的不确定性对沿海城市船舶排放贡献影响量化有明显的影响.所以在评估船舶排放对港口城市空气质量的影响时,要考虑船舶排放清单的不确定性,尤其是时空分配的不确定性.而合理的时空分配能够提高船舶排放清单的质量和对沿海空气质量模拟的准确性.     

DOC+CDPF对国III重型柴油货车实际道路排放的影响

利用便携式车载排放测试系统（PEMS）对2辆加装氧化催化转化器（DOC）和催化型柴油颗粒捕集器（CDPF）与否的国III重型柴油货车进行实际道路排放测试.结果表明,2辆改造重型柴油车的CO、THC、固态颗粒物粒数（SPN）和黑碳（BC）实际道路排放因子分别为（1.31±0.37）g/（kW×h）、（0.20±0.03） g/（kW×h）、（7.13×10¹⁰±5.27×10¹⁰）个/（kW×h）和（0.69±0.06）mg/（kW×h）,相对于原始排放（拆除DOC+CDPF）分别降低52.48%、55.69%、99.91%和99.22%.从低速、中速到高速,CO和THC减排比例呈现上升趋势,然而运行工况对SPN和BC减排比例则无显著影响.加装DOC+CDPF会导致NO₂在NO_x中的占比升高,且从低速、中速到高速涨幅依次增大,但对NO_x无明显减排效益,其排放因子为9.53~9.83g/（kW×h）,远高于实验室排放限值.     

珠三角城市群PM2.5和O3污染特征及VOCs组分敏感性分析

系统分析了珠三角城市群PM_2.5、O₃和挥发性有机物（VOCs）的污染特征,并筛选出对二次有机气溶胶（SOA）和O₃影响较大的敏感性组分。结果显示:珠三角城市群PM_2.5和O₃浓度的季节变化具有明显差异,PM_2.5和O₃分别在1月和10月出现浓度最高值。珠三角城市群VOCs主要以烷烃为主,占比为64.2%,其次为芳香烃和烯烃,含量较高的组分为丁烷、异戊烷、异丁烷和环己烷。SOA生成潜势贡献主要以芳香烃为主,占比为78.5%,其中甲苯、间,对-二甲苯和乙苯的SOA生成潜势最大。O₃生成潜势主要以烯烃为主,占比为42.3%,其次为芳香烃（34.2%）和烷烃（23.5%）,其中丙烯、异戊二烯和1-丁烯的O₃生成潜势最大。为有效缓解珠三角城市群PM_2.5和O₃污染,建议优先对机动车尾气、溶剂挥发、涂料使用和石化行业的VOCs敏感组分进行控制。     

静态旋流强化湿法烟气脱硫研究进展

静态旋流作为湿法烟气脱硫中一种强化传质的方式,对其发展现状与趋势展开研究。分析了旋流吸收器的内部气相速度场以及强化传质的过程原理,综合比较了各类气液接触的脱硫方式、脱硫剂的特征,确定了在运行范围内脱硫剂浓度、气液流速、SO₂浓度等操作参数对于脱硫效率η和气相总体积传质系数K_ga的影响及其机理,剖析了利用传质理论进行旋流吸收的研究及发展,介绍了旋流脱硫的工业应用。结果表明:静态旋流有助于脱硫传质过程的强化,在工况范围内,吸收液浓度、气液流速的增加,提高了η和K_ga,但随着SO₂浓度的增加,η及K_ga略有下降,分别最高下降7.1%和0.75 s-1,总工况范围内η和K_ga分别为68.58%~97.63%和5.08~8.46 s-1。研究结果可对基于旋流强化的工业烟气脱硫提供参考。     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。