固相萃取-气相色谱法测定饮用水中甲基汞

根据巯基棉在一定酸性条件下能定量吸附甲基汞的原理,利用多通道并联的固相萃取装置,采用气相色谱(ECD)方法测定饮用水中痕量甲基汞,考察了水样pH值对回收率的影响.方法在0.050 mg/L～1.00 mg/L范围内线性良好,当采样体积为1.0 L时,检出限为0.03 ng/L,标准样品与实际水样平行测定的相对标准偏差均...     

火电厂大气污染物排放标准对区域酸沉降影响的数值模拟

设计了火电厂实施2003版排放标准和2011版排放标准两种排放情景,运用Models-3/CMAQ模型系统分别模拟各情景到2015年的硫、氮沉降量,探讨2011版火电排放标准对我国大陆地区酸沉降的影响.研究表明,2011版火电标准能够有效改善我国的硫沉降状况,相比于实施2003版标准,2011版标准实施后至2015年我国大陆硫沉降总量降低了18.58%,年均硫沉降强度大于3.2t/km2的面积减少了86.40%;2011版火电标准对我国氮沉降状况也起到了一定的改善作用,标准实施后到2015年我国大陆氮沉降总量降低了9.28%,年均氮沉降强度大于4.0t/km2的面积减少了27.27%.     

2013年北京市细颗粒物时空分布特征研究

根据2013年北京市PM2.5监测数据,系统分析了北京市PM2.5污染的时空分布特征,并利用克里格插值统计了四季PM2.5不同浓度区间的国土面积。结果显示:2013年全市PM2.5年均浓度为89.5μg/m3,超过年均35μg/m3的国标1.56倍;PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季;空间分布上PM2.5呈现明显的南北梯度分布特征;2013年PM2.5平均浓度达标对应的国土面积占比夏季最大为73%,冬季最小为22%。     

无锡冬季和春季大气中细粒子化学组分及其特性分析

本研究对无锡冬(2011年1月)春(2011年5月)两季PM2.5、PM10颗粒物浓度进行了传统的膜采样及离线检测分析,并运用大气气体/气溶胶水溶性离子在线收集及分析(GAC-IC)系统对PM2.5颗粒物中水溶性无机离子(WSII)进行了在线检测,时间分辨率为30 min.无锡冬、春两季PM2.5的浓度分别为108.15±41.76μg·m-3和84.40±26.74μg·m-3,其PM2.5/PM10比值分别为0.81±0.07和0.78±0.07,有较强的二次气溶胶生成过程.铵可用性指数(J冬季=101.2%±22.3%,J春季=79.5%±20.2%)分析表明冬季无锡大气颗粒物中铵(NH+4)相对比较富余,而春季则出现铵(NH+4)亏损现象,春季光化学反应更为活跃,硫氧化率(SOR)由冬季的0.15±0.05增至春季的0.35±0.13,硫酸盐(SO2-4)浓度增加明显,导致铵(NH+4)相对不足.硫氧化率(SOR)没有明显的季节变化,冬、春两季均为0.15.细粒子中的WSII与气态污染物、气象因子、硫氧化率(SOR)和氮氧化率(NOR)等的主成分分析表明无锡大气光化学反应与污染物的其他来源,例如工业源、交通移动源、生物质燃烧源等,有很好的协同作用,共同推高了大气中颗粒物的浓度.观测期间同时测得冬季PM2.5颗粒中有机碳(OC)与元素碳(EC)浓度之间有较好的相关性(R2=0.839),两者有一个共同的主导源,而春季来源则比较复杂,两者相关性较差;二次有机碳(SOC)的半定量分析表明春季大气中有机气溶胶的形成有较强的二次转化过程.     

北京北运河水系水质污染特征及污染来源分析

以北运河水系主要干支流2011年1～12月23项指标的监测数据为依据,采用水质类别法和平均综合污染指数法,对水质污染特征进行综合评价,运用主成分分析和系统聚类分析法,对水质指标主成分以及水质差异进行分类,并进一步对不同干支流污染来源进行分析.结果表明,北运河水系由于排污量大,地表水污染严重,除城市中心区部分河流水质为Ⅲ~Ⅳ类外,城市排水河流、远郊河流水质均为劣Ⅴ类.水质由3个主成分组成,COD、CODMn、BOD5、NH3-N、TP等为第一主成分;汞为第二主成分;石油类为第三主成分.干支流水质分为4类:第1类为清洁水源类河流,主要集中在城市中心区,降雨地表径流、雨污合流管网溢流引起的非点源污染是影响其水质达标的重要污染源;第2类为再生水水源类河流,主要集中在城市排水上游河流,城镇污水处理厂排水是其主要污染源;第3类为再生水与污水混合水源类河流,主要集中在城市排水下游河流及部分远郊区河流,由于城市下游排水管网不健全,远郊区污水集中处理率低,生活源和农业源的污染贡献率较高,水质污染严重;第4类为污水水源类河流,分布于远郊区县,农业污染占比较大,水质污染最严重.     

正矩阵因子分解法评价北京市PM_(10)和SO_2监测网络

为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络.     

北京地区夏冬季气溶胶不同参数的相关性分析

通过对北京市夏冬季不同尺寸大气气溶胶粒子数密度与颗粒物质量浓度及大气能见度的相关性分析,给出了利用粒子数密度计算颗粒物(PM₁₀,PM2.5和PM1.0)质量浓度和大气能见度的经验计算公式。      

沙尘天气对北京市空气质量的影响及其预测预报

概述了北京市沙尘天气的分类、特征、判别方法,总结了2000—2002年沙尘天气对北京市空气质量的影响情况,提出了沙尘天气影响空气质量的短期(1～2d)预报方法。利用该方法预报了2002年4次主要沙尘天气过程,预报结果都比较准确。研究发现沙尘天气年际变化主要是受气候条件年际变化影响,提出根据气候条件年际变化预测来进行沙尘天气年际变化预测的初步方法。      

北京地区大气中可吸入颗粒物的污染现状分析

利用2002年7月—2003年6月可吸入颗粒物(PM10)20余站点的监测资料,分析获得了北京地区PM10的浓度水平和地域分布特征。分析表明:远郊区县城关镇与市区污染水平相当;西南部和南部较其他地区污染严重;北京地区背景浓度很高,是国家标准年浓度限值的75%。这一分析结果可为颗粒物污染的进一步研究提供基础信息和建议。      

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.