敞口,大面积,低流速,低浓度尘排放源的测定

本文针对敞口大面积、低流速、低浓度这类特殊尘排放源的特点，用质量守衡的方法导出在出口附近，烟气的夹卷作用仅出现在这类排气筒所排烟流的边缘。这一现象通过实测烟气参数的各种实验得以证实。以此基础上提出了这类排放源烟尘的测试方法。     

北京市农业机械排放因子与排放清单

利用车载排放测试技术对典型的联合收割机、拖拉机、农用运输车和农田建设机械实际工况下的尾气进行测试,建立了实际工况下农业机械的排放因子和2017年北京市农用机械排放清单.结果表明,不同的工作状态对农业机械尾气排放有较大的影响,怠速和行走时CO、NO_x、HC和PM排放趋于平稳;而切地和翻地模式下的波动较为明显.根据各类机械的分类和排放标准对排放因子进行细化,建立了较为完整的实际工况下的排放因子.根据农业机械排放因子和燃油消耗量计算出2017年北京市CO、NO_x、HC和PM的排放量分别是2 566.60、 1 239.29、 563.08和538.32 t.拖拉机、运输机械和联合收割机的污染物总量占CO、NO_x、HC和PM这4种污染物总量的98%、 95%、 95%和98%.因此,农用拖拉机、运输机械和联合收割机在农业机械污染减排中应作为重点控制对象.     

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

上海地区大气中氯化氢和颗粒氯排放源清单初步研究

氯自由基对于臭氧和二次气溶胶的生成贡献不容忽视.夜间颗粒相氯(Cl~-)可以通过与N_2O_5的复杂反应转化生成ClNO_2,其光解产生的氯自由基将显著影响大气污染的形成机制.本文以上海地区为案例,以2017年为基准年,收集了人为源活动水平数据,采用排放系数估算方法,首次建立了上海地区人为源氯化氢(HCl)和颗粒氯(Cl~-)的排放清单;并进一步结合模型计算海盐气溶胶排放的颗粒氯(Cl~-).结果表明,2017年上海市人为源和天然源排放的HCl和Cl~-分别为1207 t和820 t,其中,燃煤、工业、垃圾焚烧和秸秆燃烧产生的HCl排放量分别为327、134、722和24 t.燃煤源中的燃煤电厂和其它行业燃烧约占燃煤源排放的80%;工业源中水泥为HCl的最大排放源,约占工业源排放的51%;垃圾焚烧厂排放约占总HCl排放的60%,为最大的HCl排放源.燃煤、工业源、垃圾焚烧、秸秆焚烧、烹饪源和海盐的颗粒Cl~-排放量分别为82、153、498、47、39和0.6 t,燃煤源中的燃煤电厂占燃煤Cl~-排放的40%,供热、其他行业和家庭燃烧分别占燃煤Cl~-排放的24%、22%和14%;钢铁行业为工业源的主要Cl~-排放源,约占工业源排放的90%,垃圾焚烧厂占全部Cl~-排放的61%,烹饪源中餐饮企业为最主要排放源,占烹饪源的70%;天然源海盐的排放量极少,未占到总排放的1%.从空间分布来看,浦东新区、宝山、普陀、松江和金山排放的HCl和Cl~-占到全市人为源总排放的80%,为主要的HCl和Cl~-排放区域.本文研究建立的上海地区大气中氯化氢和颗粒氯排放源清单,对于深入研究氯化学机制对二次污染的影响提供了重要的数据参考.     

乙醇汽油与普通汽油非常规污染物排放特性对比研究

在一台满足国Ⅴ排放标准的双喷射(气口喷射+缸内直喷)汽油机上开展了燃用E10乙醇汽油(乙醇体积比为10%)对发动机非常规排放特性影响的试验研究.使用傅里叶变换红外分析仪(FTIR)测量了饱和烃、不饱和烃、芳香烃及醇、醛等非常规污染物排放量,对比分析了双喷射模式时各工况下E0和E10两种燃料的非常规排放水平.结果表明,双喷射模式下,加入乙醇有效降低了乙烯、1,3-丁二烯、苯和甲苯的排放量,但会导致乙醛排放升高.双喷射模式下,随着负荷增加,两种燃料下的1,3-丁二烯和甲苯排放呈现先升高后降低的趋势,乙烯、甲醛和苯排放则先降低后升高.乙醇能抑制1,3-丁二烯、乙烯生成,抑制效果为PFI模式优于双喷射模式,GDI模式抑制量最低.PFI和GDI模式下E10的甲醛排放均显著升高,但双喷射模式有效抑制了甲醛排放的增加.     

沱江沉积物中有机氯农药分布特征及其与藻类有机质的关系和生态风险评估

使用气相色谱-质谱联用仪分析了长江支流沱江流域48个表层沉积物中有机氯农药（organochlorine pesticides,OCPs）的残留水平,探讨了其分布和组成特征及其与总有机碳（total organic carbon,TOC）、藻类有机质之间的关系,以及评估其生态风险.结果表明沱江流域表层沉积物中OCPs的总含量为3.17~127 ng·g^-1,其中六六六（hexachlorocyclohexane,HCHs）类农药的含量为2.83~86.0 ng·g^-1,滴滴涕（dichlorodiphenyltrichloroethane,DDTs）类农药的含量为0.340~40.9 ng·g^-1.OCPs空间分布特点为：上游 < 中游 < 下游 < 支流.HCHs和DDTs的组成成分分析表明,沱江流域存在林丹输入的现象,主要来自于历史残留,这与绝大多数流域的DDTs的输入状况相似.OCPs含量与TOC、藻类有机质含量之间存在着极显著的正相关性关系,表明藻类有机质在TOC对沉积物中的OCPs分配中起更为重要的作用.生态风险评估表明,沱江流域表层沉积物的有机氯农药存在较大的生态风险,可能对河流的底栖生物及生态环境造成明显的影响.     

中国集成电路制造行业VOCs排放特征及控制对策

中国电子信息产业发展迅速,集成电路等电子器件产量不断增加.在集成电路制造的过程中,大量有机溶剂的使用导致VOCs的产生和排放,从而对大气环境造成影响.为掌握集成电路制造行业VOCs的排放特征,系统分析了其工艺流程和产排污环节,分析了行业废气收集和治理现状,通过对典型企业VOCs的排放监测,获得VOCs排放水平;采用排放因子法核算行业VOCs历史排放量,并基于行业排放特征及减排潜力分析,提出了相应的污染防治对策.结果表明：在集成电路制造中,VOCs排放环节主要集中在光刻、清洗、去胶等过程,1 m²集成电路产量约使用87 g有机溶剂,VOCs产生量较大;通过采取高效的VOCs治理技术,集成电路制造行业有组织排放水平较低,平均浓度为2.1 mg·m^-3,但厂界无组织排放浓度相对较高,平均浓度为0.78 mg·m^-3,接近国家标准的排放限值.根据排放量核算结果,2011—2016年中国集成电路制造行业VOCs排放量呈逐年上升的趋势,主要受产量增加而相应污染控制技术水平提升有限的影响,无组织排放量比重大,占排放总量的38.1%~45.1%.     

基于遥感尾气监测的柴油车气态污染物排放因子计算方法研究

采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征,修正了排放因子的计算方法,并与车载排放测试系统（PEMS）实测结果进行了验证,获得了实测车辆的CO、HC和NO排放因子.测试结果显示,在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气,未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大,且氧气浓度越大,偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升,适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小,精确度较高,可以为量化柴油车尾气排放贡献提供科学依据.     

关于城镇污水处理厂进水浓度低及污水处理率修正的相关问题探讨

住房和城乡建设部《中国城市建设统计年鉴2017》中的污水处理率指标是指污水处理总量与污水排放总量的比率,仅反映污水处理设施进水的处理水量,不能真实反映污染物减排效能。经分析,全国约45%污水处理厂的进水浓度低于200mg/L,本文研究以污水处理厂进水浓度修正《中国城市建设统计年鉴2017》中的污水处理率,修正后初步判断:全国污水处理率在57.9%～71.8%,各城市污水处理率较统计数据普遍低15～37个百分点。建议近期以污水处理厂进水浓度为抓手,聚焦进水浓度低、污水处理率低的重点城市,并给予中央资金倾斜支持,为针对性地打赢碧水保卫战提供支撑。     

成都市大气颗粒物粒径分布及其对能见度的影响

使用环境颗粒物分析仪（GRIMM180）对成都市2018年10月—2019年9月0.25~32 μm的大气颗粒物数浓度粒径分布进行观测,结合细颗粒物（PM_2.5）质量浓度以及相对湿度（RH）、能见度、降水量等气象要素数据,分析了成都市大气颗粒物粒径分布及其与能见度的关系.结果表明,观测期间成都市大气颗粒物以细粒子为主,0.25~0.5 μm的粒子数浓度占总数浓度的97.75%,数浓度谱呈单峰分布,2018年秋季、2019年夏季表面积谱呈双峰分布,2018年冬季、2019年春季表面积谱呈三峰,体积谱均为三峰分布;在不同RH区间,PM_2.5质量浓度及数浓度均与能见度呈负相关,且其中0.25~0.5 μm粒径段的细颗粒物因为对可见光波段的米散射效应而对能见度产生较大影响;在不同RH情况下,不同粒径段颗粒物数浓度对能见度的影响程度有所差别：在低RH（<70%）下,0.25~0.3 μm粒径段粒子数浓度对能见度影响最大;在中等RH（70%~80%）下,0.3~0.5 μm粒径段粒子数浓度对能见度的影响最大;而在高RH（>80%）下,0.3~0.5 μm和0.5~1 μm粒径段粒子数浓度对能见度影响相当.