我省2020年空气质量改善状况发布

1月20日,江苏省生态环境厅召开新闻发布会,发布“十三五”以来全省大气污染防治工作总体情况,围绕近期大气环境质量状况介绍相关情况,并展示2013年与2020年空气质量改善的对比。     

基于SHERPA的环境空气质量减排情景模拟评估

分析了SHERPA综合评价模型的基本原理和主要建模理念,重点介绍了其在环境空气质量减排情景模拟评估方面的作用,以及在排放源与受体关系(SRR)方面的处理方法,比较了其与欧盟常用的其他情景模拟模型的优缺点。SHERPA模型的特点是空间灵活性较好,对于任何给定地点,可以快速评估不同地区对该研究地点空气质量的影响。SHERPA模型的3个主要功能为污染物来源分析、决策支持和情景模拟。基于SHERPA模型对法国环境空气中PM_(2.5)、PM_(10)和NO_2年均浓度进行污染来源分析、决策支持分析和减排情景模拟评估,展示了模型在环境治理措施优先级筛选和政府间联合治理措施协调建议方面的功能和作用,以期为中国环境空气质量预测预报、环境质量管理措施的制定和成效评估等环境服务与管理工作提供借鉴。     

美国加州南岸地区空气质量监测系统运行管理与借鉴

借鉴加州南岸空气质量监测管理经验（特别是运行管理模式）对于现阶段我国城市环境空气质量监测管理具有极高的参考价值。简要介绍了加州南岸空气质量管理局（ SCAQMD）的空气质量监测现状、监测网络布局、颗粒物采样方法和相关质量管理体系。对现行的环境空气质量指数、管理架构和PM2?5考核方法进行了综合比较，建议从4个方面借鉴SCAQMD经验：试行“空气质量管理区”模式；开展专项研究网络建设；逐步开展手工监测采样和颗粒物化学组分分析；提升数据挖掘水平，服务管理决策。     

泰州市冬季空气质量变化特征

为了解泰州市冬季空气质量变化特征,于2013年12月27日—2014年1月7日对NO2,SO2,O3,CO,PM10和PM2.5进行了监测,结合地面气象资料和HYSPLIT轨迹模式分析了污染物的来源与传输过程。结果表明,观测期间AQI优良率仅为25%,PM10和PM2.5日均值超标率分别为58.3%,75.0%;有机碳是泰州市ρ(PM2.5)中最高的化学组分,其次是富钾和元素碳。PM2.5主要来源为汽车尾气、工业源、燃煤,分别占来源比例21.76%,16.52%,15.54%。局地污染源和不利气象条件是造成大气污染的主要原因。     

空气质量AQI实时发布的改进探讨

针对《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)中对空气质量AQI实时发布存在的欠缺,从增加颗粒物1 h浓度的AQI分级浓度限值及颗粒物24 h滑动平均值计算方法改进着手,解决PM2.5和PM10的24 h滑动平均值实时延迟、1 h平均值代替24 h滑动平均值偏高等问题。     

常州市春节期间污染物相关性分析

分析了常州市2017年春节前后各污染物浓度的关联性和差异性。结果表明,除O_3外,春节期间各污染物均值均低于春节前后,春节前后随着污染源的变化,污染物之间的相关性表现出较为明显的差异。SO_2与PM_(2.5)、PM_(10)、CO和NO_2的相关性均较春节前后有显著下降;爆竹集中燃放时间段,CO与综合指数、PM_(2.5)和PM_(10)之间的相关系数0.96;而在烟花爆竹燃放相对较少的初三和初四,该相关系数0.6。工业减产停产和机动车使用减少对空气质量改善有较大贡献,而在不利气象条件下,烟花爆竹可导致空气质量在短时间内恶化。     

井下光谱多参数分析系统开发

本系统基于气体浓度光学分析方法理论朗伯-比尔(Lambert-Beer)定律、光谱气体检测技术开发,实现了对煤矿火灾与瓦斯灾害超前预警、灾害产生的有毒有害气体实时监测和煤矿环境气体爆炸危险性辨识,对于煤矿灾害防治、救灾过程中杜绝次生灾害,保障煤矿工人及救护队员的生命安全,促进煤矿安全生产具有重要意义。     

欧盟空气质量监测现状及加强我国空气质量监测体系建设的建议

从欧盟空气质量监测政策和监测网络建设现状两个方面描述了欧盟空气质量监测发展现状。分析了我国空气污染现状和空气质量监测体系中存在的问题,并借鉴欧盟的经验,提出了加大政策支持和财政保障力度、逐步健全空气质量监测网络体系、加强空气质量监测技术研究、完善空气质量监测数据库、开展能力建设、提高公众参与度等加强我国空气质量监测体系建设的建议。     

中国安全生产科学研究院最新科技成果转化巡展 高精度地铁大客流监控预警系统

基于光强度调制技术(MLI)及飞行时间法(ToF)的高精度大客流监控预警系统由中国安全生产科学研究院和北京航星机器制造有限公司联合研发,拥有多项已授权核心专利,具有完全自主知识产权,可实现客流流量、密度的秒级识别统计与预警。系统可对地铁车站各出入口、换乘通道、站台等关键区域内乘客进出量和密度进行统计,利用内置的客流风险预警模型,实现客流实时监控预警,精度达到99%。相比于国内同类产品,该系统快速识别率1 S、预警响应1.5 S,并在北京东单站开展应用。