武器装备电磁兼容性预测试技术初探

阐述了电磁兼容性(EMC)和电磁兼容测量的基本概念,通过分析EMC认证测试与EMC预测试的特点,总结了EMC预测试的优点.EMC预测试分为指标性预测试和故障诊断预测试.以一些EMC测试项为例,详细描述了这两种预测试的测试方法,最后简述了对电磁兼容性设计的整改措施.     

气溶胶中不同类型碳组分粒径分布特征

了解气溶胶碳组分粒径分布特征对于研究区域气溶胶生成转化机制、辐射特性等非常重要,但北京地区针对气溶胶碳组分粒径分布特征的相关研究非常少.本研究利用MOUDI-120采样器在北京地区3个季节开展气溶胶分级样品的采集,并分析其中不同类型的碳组分的含量,进而系统研究不同季节及污染状况下,各碳组分的粒径分布特征、来源及相互关系.结果表明,碳组分主要富集在细粒子中,秋冬季细粒子中碳组分的比重高于夏季.碳组分主要分布在两个模态,即积聚模态和粗模态. OC1和OC2主要分布在积聚模态,在0. 056～0. 56μm范围内有较高比例,OC3+OC4在粗模态的分布较为明显.Soot-EC浓度较低,没有明显的粒径分布特征,在0. 10～0. 18μm粒径段浓度较高,表明高温燃烧排放的EC主要分布在超细粒径段. Char-EC浓度远高于Soot-EC,在EC中占绝大部分比重.各主要碳组分在白天和夜晚的分布形态基本一致.夏季和冬季较有利于SOC的形成,OC/EC比值明显高于秋季. OC/EC值在不同粒径区间中差异很大,由于水溶性有机物(WSOC)主要分布在0. 056～0. 10μm,OC/EC值明显高于其他粒径段.白天及高温有利于气态有机物氧化生成SOC,致使夏季白天的OC/EC比值明显高于夜晚.各碳组分之间,EC1和OC1相关性最强,此外EC1和K+也有很强的相关性.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

霾天能见度参数化方案改进及预报效果评估

为了选择适合京津冀地区能见度预报的参数化方案,为霾的预报提供更准确的能见度预报产品.根据实际应用需求,改进了基于气溶胶体积浓度建立的Chen等能见度参数化方案（S1）,并利用2017年2月快速更新多尺度分析和预报系统-化学子系统（RMAPS-CHEM v1.0）的预报结果,对比评估了该方案与基于PM_2.5浓度建立的参数化方案（S2）和Mie散射计算方案（S3）在京津冀地区的预报效果.结果表明：①模式系统对京津冀地区的PM_2.5浓度预报总体较好,预报值与观测值非常接近,二者的相关系数在大部分地区可达0.8以上,小时相对湿度的预报值与观测值相关在0.78以上,平均误差低于3.91%.②三套方案计算的能见度都能较好地预报出2017年2月京津冀地区能见度的时间演变趋势,且在大部分时间三者计算的能见度都非常接近.总体上S1计算的能见度最低,S3计算的能见度最高,S2居中.在京津冀大部分地区,S1的均方根误差和归一化平均绝对误差最低,S3的最高,S2居中且在北京地区表现最佳.③能见度大于10 km时三套方案计算结果都偏低,其中S3的平均误差和均方根误差最低,能见度低于10 km时,特别是对出现频率较高的1~5 km低能见度的预报,S1方案的平均误差、均方根误差和归一化平均绝对误差都是最低的,更适合京津冀地区霾天气能见度的预报应用.     

中国北方某市城市绿地土壤重金属空间分布特征、污染评价及来源解析

为掌握北方某市城市中心区绿地土壤环境状况,对其中心区城市绿地土壤重金属（Cd、Hg、As、Pb、Cu、Cr、Zn和Ni）的空间分布、来源及污染现状进行分析和评价.结果表明,该市中心区的城市绿地土壤环境质量整体良好.土壤重金属Cd、Hg、As、Pb、Cr、Cu、Zn和Ni的含量均值分别为：0.172、0.202、9.02、34.7、57.0、31.2、85.7以及26.3mg·kg^-1.Cd、Hg、Pb和Zn平均含量均超过同为北方地区的京津唐土壤背景值.所有点位各项重金属含量均不超过国家建设用地土壤污染风险管控标准的污染风险筛选值.空间上,As、Cr和Ni含量高值出现于西北部;Cd和Zn含量高值出现于东北部;Hg、Pb和Cu的高值区集中在城市核心区.对于不同土地利用类型土壤,Cd、Zn和Ni在企业绿地土壤中含量显著高于其他元素,Hg、Pb和Cu等在公园绿地和居民绿地土壤中含量较高.土壤污染评价结果表明,97.2%的样点内梅罗综合污染指数小于1,为清洁土壤;所有样点潜在生态风险指数均小于80,属轻微生态风险水平.多元统计分析表明,Cu、Pb和Hg为人为源,与古建筑保护的彩绘以及对古树保护采用杀虫剂有关;Cr为自然源,可能来源于土壤母质和地球化学过程;Cd、Zn、Ni和As为混合来源,部分可能来源于人类活动和工业生产,另一部分来源于岩石的风化和土壤母质等.利用受体模型对超标元素进行来源定量解析,Cd按来源贡献率高低依次为源2（占46.1%）、源3（占33.1%）、源1（17.7%）和其他源（占3.1%）;Cu源贡献率主要为源1（占93.0%）;Zn源贡献率依次为源1（占52.4%）、源3（占24.2%）、源2（占20.0%）以及其他源（占3.4%）;Ni源贡献率依次为源1（占56.3%）、源2（占37.8%）以及源3（占5.8%）.推测源1和源3为人为源,源2为自然来源.     

北京温榆河流域微生物污染调查研究

随着工业化和城市化进程的加快,我国河流普遍受到了不同程度的水质污染,而微生物指标对于水质评价具有重要作用.本研究选取细菌总数、总大肠菌群、粪大肠菌群以及SC噬菌体、F噬菌体作为指示微生物对北京市温榆河开展了历时一年多的调查研究,结果表明,除了有机污染和富营养化问题外,温榆河流域的微生物污染非常突出.温榆河上游已经受到了一定程度的微生物污染,微生物浓度(以粪大肠菌群为例)波动较大(5.01×10²~5.37×10⁶个·L^-1);下游受清河、坝河等排水河道的影响,微生物污染普遍严重(均值达6.3×10⁶个·L^-1以上),与地表水Ⅴ类水质标准(GB 3838—2002)相比FC浓度平均超出两个数量级.统计分析显示,温榆河微生物污染受季节的影响并不显著(p>0.05),表明人为因素很可能是其主要影响因素.温榆河处于微生物高污染水平,可能威胁地下水水质和农作物质量安全,应从源头加强微生物风险控制.     

企业实施清洁生产的途径与建议

清洁生产是实现企业可持续发展的基础。本文从原辅材料、产品、工艺、设备、管理等方面介绍了企业实施清洁生产的途径，分析了企业实施清洁生产中存在的问题，并提出了建议。     

常州市国控站PM_(2.5)监测的代表范围研究

为评价常州市国家大气自动监测站(国控站)细颗粒物(PM_(2.5))监测的代表范围,通过1 km×1 km的多角度大气校正算法(MAIAC)的气溶胶光学厚度(AOD)等相关数据,采用随机森林方法进行PM_(2.5)估算反演,考虑变异函数和最优分割模型等统计学模型,开展国控站PM_(2.5)监测代表范围的评价。结果表明:(1)估算反演的PM_(2.5)浓度空间分布显示,常州市区东部区域浓度相对较高,西南部区域浓度相对较低;(2)变异函数分析中,PM_(2.5)浓度在5 km范围内具有相对显著的空间相关性,但超过5 km范围后空间自相关性不显著,差异性增大到最大;(3)最优分割法分析中,常州市各个国控站PM_(2.5)监测均存在各自的代表范围,2019年的代表范围为3~5 km,其中“经开区”站点范围最大(5 km),“市监测站”和“武进监测站”站点范围最小(均为3 km),且逐年分析显示,各个站点PM_(2.5)监测的代表范围呈上升趋势。     

上甸子本底站地面臭氧变化特征及影响因素

利用TE Model 49C型臭氧监测仪,于2004年1月1日-12月31日,在上甸子本底站进行了地面φ(O₃)的连续在线监测.分析了全年φ(O₃)的变化特征及其与同期气象要素的相关关系,并对φ(O₃)高值日的个例分析进行了验证.结果表明,上甸子本底站地面φ(O₃)具有明显的季节变化和日变化规律,并且与同期的气象条件密切相关.主要特征:①夏初φ(O₃)较高,6月的平均值达到最高,小时平均最大值可达129.7 μL/m3;而冬季φ(O₃)较低,12月的平均值达到最低,小时平均最大值仅为32.7 μL/m3.②日变化趋势较为明显,在4:00-7:00出现最低值,在15:00-18:00出现最高值,变化幅度为夏季最大、冬季较小.③气温与φ(O₃)呈显著正相关,夏季相对湿度与φ(O₃)呈显著负相关,风向和辐射强度也与φ(O₃)及其变化规律呈显著相关关系.