排序方式: 共有45条查询结果,搜索用时 15 毫秒
31.
微生物过滤法净化恶臭污染物 总被引:9,自引:0,他引:9
分析了处理恶臭污染物的吸附法、化学吸收法、催化燃烧法、生物处理法等优缺点 ,并介绍了微生物过滤器法净化恶臭物质的过程及工艺实例。 相似文献
32.
对2015年8-9月重庆市主城区3个站点环境空气中96种VOCs即烷烃、烯炔烃、芳香烃和醛酮类为主的VOCs进行在线气相色谱监测,研究其污染特征并利用PMF受体模型对环境空气中挥发性有机物进行来源分析。结果表明,重庆市中心城区大气中VOCs主要有7个来源,分别为工业源、溶剂使用源、汽油机动车、柴油车、二次生成、天然源、区域背景。缙云山天然源贡献量较高,南泉站点和超级站天然源比例极低而二次生成比例较高,分别贡献1.2%、0.5%,该地区的天然源产物受人为源排放污染物的影响迅速进行了二次转化;超级站机动车的贡献率达到42.8%,是该区域臭氧控制的重要排放源。 相似文献
33.
34.
为探讨城市加油站苯系物污染状况和对不同受众健康的影响,于2009—2011年采用苏码罐采样、GC-MS分析法对重庆市3个代表性加油站及周边环境空气中苯系物进行采样和分析,并采用健康风险四步评价法,对相关受众进行环境健康风险评价。结果表明,不同加油站、不同点位苯系物体积分数分布存在较大差异,体积分数最高达3291.16×10-9,卸油区和加油区苯系物体积分数相对较高,站内环境点和站周界点次之,环境敏感点相对最低。甲苯、二甲苯和苯是最主要的组成部分,三甲苯、乙苯,苯乙烯基本未检出。加油站一线工作人员、其他工作人员、周边居民和机动车驾驶员均受到不同程度的致癌风险,从高到低为加油站一线工作人员、加油站其他工作人员(周边居民)、机动车驾驶员,其中,加油站一线工作人员风险较大,其他3类人员致癌风险均在可接受范围之内。非致癌风险主要存在于加油站一线工作人员。女性风险略大于男性。风险主要来自于苯。建议减少加油站油气排放,加强加油站工作人员,尤其是一线工作人员的防护。 相似文献
35.
于2012年春季采集了重庆主城区和缙云山共6个环境采样点的大气PM10、PM2.5样品,同步采集了燃煤尘、机动车尾气尘、施工机械尾气尘、船舶尾气尘、餐饮油烟尘、生物质燃烧尘及土壤尘等7类污染源,采集到有效受体样品139个、有效源样品233个,使用GC-MS分析样品中18种PAHs的质量浓度(ρ),分析了PM10、PM2.5上载带PAHs的污染特征,并分别运用比值法、主成分分析法及CMB(化学质量平衡)受体模型法对PM10、PM2.5中的PAHs进行来源解析,所得源解析结果较为一致. 结果表明:重庆主城区大气PM10、PM2.5中ρ(PAHs)较低,ρ(PAHs)分别为22.03~31.71、19.02~29.92 ng/m3,其中位于工业区新山村采样点的ρ(PAHs)最高. PM10载带的PAHs有86%~99%集中在PM2.5中,说明PAHs主要富集在PM2.5中. 重庆主城区大气PM10、PM2.5载带的PAHs主要来自机动车尾气尘和燃煤尘的贡献,这2类源对PM10的贡献率分别为25.89%、32.80%;而在PM2.5中,机动车尾气尘的贡献率较高,可达62%左右. 相似文献
36.
以2019年3—4月臭氧(O3)污染小高峰为例,应用空气质量模型CAMx-DDM法分析了成渝地区O3浓度对人为源前体物排放敏感性,并用2020年"新冠"疫情防控及生产恢复导致的污染排放同比变化情景进行模拟验证.模拟结果表明成渝地区O3对NOx的敏感性为负、对VOCs的敏感性为正,其中,重庆市主城区、主城区以西地区、川南城市群和成都平原西部地区敏感性较高,与其自身污染排放源分布密集有关.以典型城市重庆市主城区为例,2019年3—4月O3小时浓度对NOx和VOCs的敏感性平均值分别为-19.14 μg·m-3和7.25 μg·m-3,两者表现出相反的日变化规律,且主要受到本地及周边区域的影响,模拟结果显示在所有区域VOCs排放均削减25%的情况下,3月和4月月均O3日最大8 h浓度分别下降2.62 μg·m-3和3.59 μg·m-3.敏感性模拟得到2020年3月四川省和重庆市NOx排放量同比下降8.00%和22.40%,VOCs同比下降1.00%和7.92%;4月NOx排放量同比上升5.00%和9.50%,四川省VOCs同比持平,重庆市上升3.63%,与同期"新冠"疫情防控及生产恢复导致的实际排放情况非常一致. 相似文献
37.
万州城区夏季、冬季PM_(2.5)中有机碳和元素碳的浓度特征 总被引:5,自引:2,他引:3
在位于三峡库区腹心的山地城市万州城区采集夏季和冬季PM2.5样品,采用热光反射法(Thermal Optical Reflection,TOR)测定了PM2.5中有机碳(OC)和元素碳(EC)的浓度,探讨了其污染特征及来源.结果发现,OC和EC在夏季的平均浓度分别为(7.09±1.86)μg·m-3和(3.49±0.64)μg·m-3;冬季分别为(16.82±6.87)μg·m-3和(6.21±2.06)μg·m-3,高于夏季,这可能与冬季当地居民生物质燃烧的贡献显著增加有关.冬季OC和EC显著线性相关(r=0.89),表明冬季两者的一次污染来源相近.冬季PM2.5中总碳(TC)和水溶性K+含量的相关性(r=0.88)高于夏季(r=0.69),表明冬季生物质燃烧对碳污染贡献显著.利用OC/EC比值法对二次有机碳(SOC)进行估算,SOC的浓度均值在夏季为(2.17±1.46)μg·m-3,占OC比例为28.18%±13.85%;冬季为(4.46±3.69)μg·m-3,占OC的23.13%±12.30%.通过计算PM2.5中8个碳组分丰度,初步判断机动车尾气排放和生物质燃烧是万州城区碳组分的主要来源. 相似文献
38.
39.
重庆市主城区不同粒径颗粒物水溶性无机组分特征 总被引:15,自引:2,他引:13
于2010年3月—2011年7月,在重庆市主城区同步采集PM1.0、PM2.5和PM10三种粒径的颗粒物样品. 用离子色谱分析了样品中F-、Cl-、NO3-、SO42-、Na+、NH4+、K+、Mg2+和Ca2+ 9种水溶性无机组分,并收集了SO2和NO2等气体污染物的数据. 结果表明:采样期间ρ(PM1.0)、ρ(PM2.5)和ρ(PM10)分别为82.9、104和160 μg/m3,PM1.0、PM2.5、PM10中所测9种水溶性无机组分的浓度之和分别为40.82、48.66和57.99 μg/m3. ρ(SO42-)、ρ(NO3-)和ρ(NH4+)相对较高,并且主要分布在细颗粒物中. 多数水溶性无机组分浓度冬季最高,春季其次,夏、秋季浓度偏低. 所测组分溶液的pH显酸性,冬季样品的pH最低,细粒子的酸性要强于粗粒子. SOR(硫的氧化率)与NOR(氮的氧化率)与国内其他地区相比较高,SOR秋季最高,NOR冬季最高. 因子分析结果表明,化石燃料以及生物质的燃烧、机动车尾气排放是水溶性无机组分的主要来源,建筑施工、土壤风沙等扬尘类污染源对水溶性无机组分也有一定的贡献. 相似文献
40.
重庆市黑碳气溶胶特征及影响因素初探 总被引:7,自引:1,他引:6
为了解影响重庆市黑碳气溶胶(Black Carbon,BC)污染的主要气象因素及BC的主要来源,对2012年重庆市BC与主要气象因素及燃煤、机动车产生的SO2、NO x进行了相关性分析,并分析了24 h内BC浓度变化与车流量的关系.结果显示,2012年,重庆市BC年日均浓度为(5.9±2.7)μg·m-3,占PM2.5年日均浓度的7.2%,BC小时浓度较大值出现在6:00—10:00及20:00—23:00.气温和相对湿度对BC浓度的影响不大.影响BC浓度的主要气象因素为风速,风速为0.5~1.5 m·s-1时,BC浓度随着风速增大而减小;当风速超过2 m·s-1时,BC浓度随风速增大而增加.BC与SO2、NO x的相关系数分别为0.374和0.542(p0.01),表明重庆市BC与SO2、NO x来源相同,即燃煤和机动车尾气排放,且受机动车排放的影响更大.BC浓度24 h变化与车流量的关系表明,BC浓度日变化除了受到气象条件的影响外,还受机动车尤其是柴油重型车的影响,因此,需重点控制柴油机动车以控制重庆市区BC污染. 相似文献