排序方式: 共有89条查询结果,搜索用时 15 毫秒
1.
利用2017—2018年全国7个区域10个典型城市环境空气O3和PM2.5浓度数据,统计污染物累积速率,进而采用回归方法拟合污染物浓度及其累积速率的时间序列模型,分析不同区域污染物时序变化特征差异。结果表明:不同区域O3浓度时序曲线拟合程度总体高于PM2.5,石家庄O3拟合程度最高,西安PM2.5拟合程度最高。以07:00、14:00分别作为O3、PM2.5模拟起点是24 h中的最优模型。不同城市夏季O3小时浓度时序变化曲线均为单峰形态,O3浓度及累积速率峰值出现时间可能由城市所处经度决定,太原O3累积最快,西安O3消解最快。各城市间冬季PM2.5小时浓度及其累积速率时序变化曲线形态差异较大,沈阳PM2.5累积和消解均最快。与浓度相比,城市环境空气O3和PM2.5累积速率与光照、扩散条件等有更好的时间相关性。 相似文献
2.
为提高便携烟气分析仪对超低排放烟气的测试效果,采用Nafion干燥管进行选择性气态除湿。应用结果表明:在实验室标准气体测试中,当水分含量在10%~18%范围内,NDIR和定电位电解法分析仪测试状况稳定,SO2回收率稳定在95%以上;在现场监测应用中,便携式预处理系统与NDIR配合使用后,测试数据与FTIR基准数据变化趋势一致,相对误差小于10%;相比加热冷凝脱水,Nafion干燥管除湿技术能够彻底解决冷凝水析出问题,避免因SO2溶入冷凝水而导致的损失,有效满足火电厂实施超低排放改造后对高湿度、低浓度SO2环境下的现场烟气监测要求。 相似文献
3.
4.
建立了一种同时测定饮用水中22种邻苯二甲酸酯(PAEs)的高效液相色谱-三重四级杆/复合线性离子阱质谱方法:饮用水样品经针头过滤器过滤,选用Biphenyl液相色谱柱进行分离,以含0.1%甲酸的水溶液和含0.1%甲酸的甲醇溶液为流动相,电离模式为电喷雾正离子,选用多反应监测触发增强子离子扫描模式进行检测。结果表明,22种PAEs的灵敏度良好,定量限为0.001~0.1 μg/L。配制浓度为0.1~100.0 μg/L的混标溶液进行进样分析,分析结果显示,22种PAEs在该范围内的线性关系良好,相关系数均大于0.995,方法的平均回收率为82.9%~108.9%,相对标准偏差为0.9%~11.2%。同时,使用增强子离子扫描谱图进行搜库匹配,定性准确性高。该方法适用于饮用水中PAEs的检测。 相似文献
5.
为估算重庆市夏秋季VOCs(挥发性有机物)对O3和SOA(二次有机气溶胶)的生成潜势,利用在线GC-MS/FID在2015年8月22日-9月23日对重庆市区点和郊区点VOCs开展了为期一个月的实时观测,获得市区点和郊区点$ \varphi $(TVOCs)(总挥发性有机物)分别为41.35×10-9和22.72×10-9,其中市区点以烷烃(35.2%)和烯炔烃(25.2%)为主,郊区点以含氧挥发性有机物(oxygenated volatile organic compounds,OVOCs)(30.6%)和烷烃(26.0%)为主.结合最大增量反应活性量化市区点和郊区点VOCs的OFPs(臭氧生成潜势)分别为149.11×10-9和71.09×10-9,市区点OFPs最大的是乙烯、丙烯、甲苯、C8和C9的芳香烃等,郊区点OFPs最大的VOCs是丙烯醛、异戊二烯和甲基乙烯基酮.结合气溶胶生成系数量化郊区点和市区点VOCs对SOA的生成贡献分别为0.36和1.26 μg/m3,相比国内其余城市VOCs的SOAP(二次有机气溶胶生成潜势)较小,主要以甲基环己烷、正壬烷、正葵烷和十一烷等高碳烷烃,以及甲苯、苯、二甲苯和乙苯等芳香烃的SOAP为主.研究显示,控制烯炔烃和芳香烃的浓度有助于控制重庆市O3的生成,控制高碳烷烃和芳香烃则有助于控制重庆市SOA的生成. 相似文献
6.
气象因子对臭氧的影响及其在空气质量预报中的应用 总被引:1,自引:0,他引:1
为提高重庆市臭氧(O_3)预报准确率,利用2013—2015年5—10月O_3监测数据和气象数据,通过主成分分析、逐步回归分析等方法,确定了影响重庆O_3浓度的主要气象因素为最高温度、温差、太阳辐射、降水量、相对湿度、水气压和压差;通过基于O_3污染水平相似的主要气象控制因子筛选和最优组合的预报结果优化方法,提高了O_3预报准确率,使2016年5—8月O_3的AQI类别预报准确率由57.7%增至72.4%,O_3超标的预报准确率由38%增至46%。 相似文献
7.
8.
9.
基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。 相似文献