排序方式: 共有22条查询结果,搜索用时 250 毫秒
11.
利用2015年深圳市宝安区PM_(2.5)监测数据和气象数据进行分析,得出辖区PM_(2.5)年均浓度为38μg/m3,呈夏季低冬季高特征。冬季PM_(2.5)超标天数达15 d,占总超标天数的52%。模型模拟结果表明,辖区PM_(2.5)受本地源的影响约为37%~47%,受周边区域的影响约为53%~63%。按污染源类型来分,宝安区PM_(2.5)受工业企业污染源影响较大,约为49%~59%,受机动车尾气和道路扬尘影响约为25%~35%,受裸土和施工扬尘源影响约为11%~21%。西乡、沙井、松岗子站PM_(2.5)受周边区域影响较大,福永子站PM_(2.5)受本地源影响较大。 相似文献
12.
本文根据深圳市8 个监测站点2013 年的逐日PM10 和PM2.5 浓度监测数据、气象数据,统计风向、风速、稳定度联合频率等,利用污染物在大气中输送扩散模式,由实测的浓度值反推出污染物的产生量或排放量的方法,重点分析龙华新区PM10 和PM2.5 的污染特征,并依据环境目标值,估算该区域剩余环境容量。研究结果表明,龙华新区全年盛行东风、南风,其风频分别为16.7%、13.2%,风速约为1.6m/s,PM10、PM2.5 浓度均呈现出季节性变化,秋、冬季浓度值较高,尤其在10 月到次年1 月份,其排放强度主要受本地污染源的影响。除此以外,其西、北部的污染源对其污染物浓度有一定的影响。新区PM10 和PM2.5 的剩余环境容量均呈现负值,尤其以PM2.5 最为突出,须大力加强减排控制,以达到环境目标值 相似文献
13.
14.
利用安徽省78个气象台站1971~2010年逐日雷暴大风资料,统计出历年各站雷暴大风日数并分析其时空分布特征,通过M K突变检验、小波分析、EOF分析等方法对安徽省近40 a雷暴大风的时空变化特征进行分析。结果表明:安徽省雷暴大风日数存在显著的减少趋势;夏季6~8月是雷暴大风最为集中的时段,约占全年的69%;雷暴大风的日变化上主要呈现单峰结构,峰值在15~16时。空间分布特征和纬度没有太大的关系,主要是和对流天气系统的影响区域及地形因素有关。安徽省雷暴大风日在1987年存在一次显著突变,小波分析表明存在着准10 a和6~8 a周期左右的显著振荡,10 a的时间尺度上,雷暴大风日数经历了由多到少4个循环交替,多雷暴大风时期主要在1995年左右及2003~2005年左右,2010年之后雷暴大风日数仍将处于减少状态。对于10 a准周期,1995年以前10 a振荡较小,而1995年后振荡剧烈;雷暴大风日数EOF展开前4个模态累积方差贡献达61%,第一模态能大部分反映安徽省雷暴大风日年分布的主要特征;各模态的时间系数表现为明显的年代变化 相似文献
15.
16.
于2014年10月在海州湾采集表层沉积物,利用分级浸取分离的方法,对其中的离子交换态氮(IEF-N)、弱酸可浸取态氮(WAEF-N)、强碱可浸取态氮(SAEF-N)及强氧化剂可浸取态氮(SOEF-N)4种可转化态氮(TTN)的含量进行了分析测定,结合沉积物的有机质含量(TOC)、粒度分布,讨论了各形态氮的生态意义.结果表明:IEF-N、WAEF-N、SAEF-N、SOEF-N、非转化态氮(NTN)、总氮(TN)的平均含量分别为12.63、5.78、8.93、85.32、568.93和681.59 mg·kg-1;各形态氮在TTN中所占的比例大小顺序为SOEF-N(75.73%)IEF-N(11.21%)SAEF-N(7.93%)WAEF-N(5.13%).研究还表明,沉积物中TN与TOC和粒径具有显著的相关性(p0.01);WAEF-N与TOC具有显著的相关性(p0.01),与粒径也具有显著相关性(p0.05),其他形态氮与TOC、粒度分布均有一定程度的相关关系;各形态氮与水体中的溶解态无机氮(DIN)、叶绿素a具有相关性,说明沉积物中的氮对海洋生态环境有着重要意义. 相似文献
17.
为了解深圳市坪山新区环境空气质量现状,研究运用坪山新区PM2.5浓度数据,分析该区PM2.5的污染特征及气象条件对其的影响,坪山新区PM2.5浓度呈现了明显的季节变化、月变化特征,表现为秋冬季高、夏季低、春季居中的特点;PM2.5浓度最高出现在12月,最低出现在7月.该区PM2.5浓度日间变化呈双峰分布,7:00~9:00出现短期高峰,夜间21:00~次日4:00出现长期高峰.坪山新区PM2.5超标情况多出现在秋冬季及初春.在超标日期里,区域一般温度较低、风速较小,相对湿度也较低.污染源分析模型结果表明,坪山新区PM2.5的排放强度高值区主要集中在北部和西部,南部和东部排放强度稍低.由此可见,坪山新区大气环境亟待提升,需要针对区域内大气颗粒物污染进行有效防治. 相似文献
18.
龙华新区灰霾污染特征研究 总被引:1,自引:0,他引:1
根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。 相似文献
19.