排序方式: 共有20条查询结果,搜索用时 15 毫秒
11.
为探讨西宁市PM2.5水溶性无机离子的特征及其来源,于2017年1月-2018年4月在西宁市开展PM2.5样品采集工作,使用离子色谱仪分析水溶性无机离子.结果表明:西宁市大气中ρ(PM2.5)平均值为(42.7±36.6)μg/m3,4个采样点ρ(PM2.5)大小顺序依次为市区(54.9 μg/m3)>工业区(44.1 μg/m3)>郊区(40.8 μg/m3)>农村(28.3 μg/m3);ρ(PM2.5)季节性分布特征明显,呈冬季最高、夏季最低的特征.SNA(为SO42-、NO3-和NH4+的统称)是最主要的水溶性离子,占总水溶性离子的66.3%,SNA季节性分布特征为冬季最高、夏季最低.4个采样点SOR(硫氧化率)和NOR(氮氧化率)平均值均大于0.10,说明SO42-和NO3-主要来源于二次转化.采样期间PM2.5中ρ(NO3-)/ρ(SO42-)为0.72,表明燃煤源排放大于交通源排放.主成分分析显示,西宁市PM2.5水溶性离子来源主要为二次粒子源、工业源、扬尘源和燃烧源.研究显示,西宁市城区、工业区、郊区大气中ρ(PM2.5)平均值均超过GB 3095-2012《环境空气质量标准》一级标准限值,建议减少PM2.5的产生应以控制二次粒子源、工业源、燃烧源和扬尘源为主. 相似文献
12.
为了探索影响高校不安全的因素及影响机制,提升高校管理水平,采用文献分析和问卷调查的方法建立基于个体、环境和管理因素间的关系概念模型。运用社会网络分析(SNA)构建关系网络模型,分析其结构与节点特性等情况并提出相应建议。研究结果表明:利用社会网络分析方法分析高校不安全因素关系问题可信度高,不安全因素间存在一定的影响关系,影响力最大的因素为高校扩招;关键不安全因素包括安全排查不全面、高校安全监管与奖惩制度不合理等;关键不安全因素可构成连锁反应链,高校安全排查不全面,导致高校安保制度不健全,进而校园周边环境复杂化;不安全因素网络的桥节点包括高校安全监管与奖惩制度不合理等,桥节点可连接反应链形成不安全因素网络。研究结果能帮助高校针对关键不安全因素进行管理,从而减少事故的发生。 相似文献
13.
14.
为加强对重特大道路交通事故的控制和预防,从95份重特大道路交通事故调查报告中提取相关数据,运用社会网络分析(SNA)构建重特大道路交通事故原因间的关系网络。通过社会网络相关指标,找到导致事故的关键原因,以及哪些原因组合导致事故的能力最强,得到重特大道路交通事故原因特征。建立重特大道路交通事故风险指标体系,并通过实例分析验证指标体系的合理性。研究结果可以进一步加深对重特大道路交通事故原因以及彼此间相互作用关系的认识,风险指标体系的建立可为重特大道路交通事故的预防预警工作提供参考。 相似文献
15.
为了分析南京北郊水溶性离子污染特征及其消光贡献,于2017年3月15日~4月15日、7月和10月开展了PM2.5观测实验,分析了南京春夏秋3个季节的PM2.5及其组分浓度特征、水溶性离子及其前体物转化特征以及水溶性离子的光学特性.结果表明,采样期间PM2.5的质量浓度为(93.8±40.3)μg/m3,其中54.2%为水溶性离子,其总质量浓度为(50.9±25.6)μg/m3,而二次水溶性离子(SNA)占水溶性离子的76.8%.各水溶性离子组分分布为:NO3- > SO42- > NH4+ > Ca2+ > Cl- > NO2- > K+ > F- > Mg2+ > Na+.在季节变化上,PM2.5和主要水溶性离子均为春季高,夏季低,但夏季NO3-42-.硫转化率(SOR)和氮转化率(NOR)在采样期的均值分别为0.38、0.22,这说明南京有较强的二次转化过程.采样期间,平均[NO3-]/[SO42-]的值为1,这说明水溶性离子主要来源于移动源的排放.通过IMPROVE公式计算的大气消光系数低于实际值,但能够较为准确的反映出南京消光系数的趋势.各组分消光贡献从大到小分别为(NH4)2SO4(38.9%)、NH4NO3(36.7%)、POM(13.6%)、EC(9.3%)、NO2(1.5%).其中SNA的消光贡献占70%以上,春季的SNA消光贡献最大,而夏季的最小. 相似文献
16.
为深入研究菏泽市秋冬季PM2.5中水溶性离子污染特征,于2017年10月15日-2018年1月31日对菏泽市3个监测点同步进行PM2.5的采集和分析,分析探讨了不同污染程度下ρ(PM2.5)及水溶性离子化学特征.结果表明:①菏泽市秋冬季PM2.5呈区域污染特征.②整个观测期间,ρ(PM2.5)范围为26.72~284.10 μg/m3,平均值为103.27 μg/m3,其中水溶性离子对ρ(PM2.5)贡献率较大,为44.65%~49.87%;SNA(NO3-、NH4+、SO42-的统称)的占比较高,SNA占总水溶性离子质量浓度的86.88%,说明二次气溶胶为菏泽市大气PM2.5中的重要组成部分.③SNA三角图解和水溶性离子相关性结果表明,采样期间大气中NO3-、SO42-可能以NH4NO3、(NH4)2SO4形式存在;ρ(Cl-)与ρ(K+)相关性较高(清洁天和污染天的相关系数分别为0.79和0.81),由此推测Cl-与K+具有同源性,二者主要源于生物质燃烧.④重度及以上污染天的SOR(硫氧化率)和NOR(氮氧化率)分别为0.54和0.37,分别是清洁天的2.08和2.06倍;轻/中污染天的SOR和NOR分别为0.37和0.29,分别是清洁天的1.42和1.61倍.随着污染程度的加重,SO2和NO2向SO42-和NO3-的二次转化增强.重污染日SOR、NOR和相对湿度均大于清洁天和轻/中度污染天,而温度则未表现出相似的变化趋势,说明非均相反应是菏泽市秋冬季SO42-和NO3-形成的重要原因.研究显示,菏泽市污染呈区域性污染特征,二次气溶胶是菏泽市大气PM2.5的重要组成部分,污染天ρ(NO3-)、ρ(SO42-)、ρ(NH4+)均与相对湿度呈显著正相关(P < 0.05),均与温度呈负相关,表明在污染天高湿低温对SO2、NO2转化为SO42-、NO3-有推动作用. 相似文献
17.
基于北京、石家庄2017、2018年的1月和7月PM2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法(CWT),分析两地PM2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份(2017年1月)PM2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM2.5浓度均高于北京; SNA占PM2.5所有组分的34.11%~51.68%,对PM2.5浓度有重要贡献,其中北京NO3-浓度最高,石家庄SO42-浓度最高, SO42-/NO3-夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区; 2017年1月,北京、石家庄PM2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO3-的传输作用比SO42-更加突出.从PM2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%. 相似文献
18.
通过采集北京市亦庄经济技术开发区2016年7月和10月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM1样品,分析研究了该开发区PM1及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明:研究期间开发区PM1平均浓度为73.95μg/m3,高于北京市同期估算的PM1平均水平,为其1.13倍.夏、秋、冬、春4季PM1平均浓度分别为69.22,63.38,99.50,57.26μg/m3,明显呈现出冬季 > 夏季 > 秋季 > 春季的季节变化特征,各季节霾天PM1浓度是清洁天的1.78~3.17倍.PM1中总水溶性离子浓度为37.30μg/m3,占PM1总质量浓度的50.44%,其中二次组分SO42-、NO3-和NH4+(SNA)平均浓度占总水溶性离子浓度的86.98%,是PM1中水溶性离子的最主要组成部分.PM1总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季 > 夏季 > 秋季 > 春季.研究期间硫氧化率(SOR)高于氮氧化率(NOR),且SOR表现为夏 > 秋 > 冬 > 春,而NOR表现为夏 > 秋~春 > 冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO2和NO2的二次转化过程最为显著.SO2向SO42-的转化主要受相对湿度RH、温度T、NO2以及NH3的影响,且液相反应是硫酸盐形成的重要途径.NO2向NO3-的转化受RH、T、O3以及NH3的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素. 相似文献
19.
为研究本溪市大气PM2.5中水溶性离子污染特征,于2016年1—10月在本溪市开展PM2.5样品采集,使用离子色谱法分析了其中8种水溶性离子(Cl-、NO3-、SO42-、NH4+、Ca2+、Na+、Mg2+、K+),并采用PMF(positive matrix factorization,正矩阵因子分解法)模型对水溶性离子的来源进行分析.结果表明:观测期间,本溪市ρ(PM2.5)平均值为(57.6±21.9)μg/m3,ρ(PM2.5)季节性变化特征明显,呈冬季 > 秋季 > 春季 > 夏季趋势;水溶性离子平均质量浓度为19.3 μg/m3,占ρ(PM2.5)的33.6%,各离子质量浓度高低顺序为SO42- > NO3- > NH4+ > Cl- > Ca2+ > K+ > Na+ > Mg2+;SNA(SO42-、NO3-和NH4+)是PM2.5中主要的3种离子,在春季、夏季、秋季和冬季分别占水溶性离子的73.2%、88.2%、82.5%和73.6%,表明夏季的二次污染较为严重.阴、阳离子电荷平衡分析结果显示,阴离子相对亏损,本溪市PM2.5整体呈弱碱性,NO3-、SO42-与NH4+相关性较高,其在PM2.5中主要以NH4NO3和NH4HSO4的形式存在. PMF分析结果表明,本溪市PM2.5中水溶性离子的来源主要包括二次转化源、燃煤源和扬尘源.研究显示,本溪市PM2.5中水溶性离子季节性变化特征明显,二次转化源、燃煤源和扬尘源是其主要来源. 相似文献
20.
空间关联网络结构特征的减排效应:基于城市群视角 总被引:1,自引:1,他引:0
基于社会网络分析及回归分析方法,选取珠三角城市群2001~2019年地级市数据,考察珠三角城市群碳排放空间关联网络特征的减排效应.结果表明:①珠三角城市群内各城市间的碳排放联系程度较为疏松,从属结构变动频繁,城市间的碳排放交流与合作亟待增强.②碳排放空间关联网络的中心-边缘结构产生一定程度的松动,中心城市对于整体网络结构的控制能力在减弱,边缘城市有逐渐由被控制向控制角色转变的趋势.③碳排放空间关联的整体网络紧密程度及稳定性的提升、网络等级结构的破除能显著降低地区碳排放量,而个体网络中心性的提高对于城市碳减排具有显著的促进作用.以上分析将有助于为协调二氧化碳减排和低碳城市发展政策的提出提供借鉴. 相似文献