质量保证工作中遇到的问题及解决办法

兰州市空气质量监测系统,是全套引进美国热电子公司的空气质量连续自动监测系统,已不间断运行两年多,该系统包括一个中心站和七个子站,中心站配备有质量保证实验室、支持室、算机室及模式室.每个子站内装有SO_2、CO、O_3、NO_x、PID、IP的连续自动监测仪器,气象仪和微机电台.     

兰州城区大气污染变化规律及短期宏观预测的研究

兰州城区大气污染变化规律及短期宏观预测的研究朱延盛，孙凤安，侯喜福，张英俊（甘肃兰州市环境科学研究所，７３００００）１．污染变化规律分析三年来各种污染物的月平均值变化曲线如图１的点划拆线所示。由变化曲线得知，各种污染物的污染变化规律，都有这样一些共同...     

不同驯化方式对微生物降解乐果的影响

为了获得有效降解有机磷农药乐果的微生物,采用北京大兴黄村施用过乐果的土壤为菌源,以乐果作为唯一碳源和能源采用一次性大剂量冲击驯化和逐渐加量的驯化方式分离得到7株对乐果有一定降解能力的微生物。微生物降解乐果实验结果显示:不同的驯化方式对微生物的降解能力有明显的影响,大剂量冲击驯化获得的微生物对乐果的降解能力优于逐渐加量驯化获得的微生物。     

乐果好氧降解菌的驯化和筛选

为了获得有效降解有机磷农药乐果的微生物,采用北京大兴黄村施用过乐果的土壤为菌源,以乐果作为唯一碳源和能源分离得到5株对乐果有一定降解能力的细菌。正交实验结果显示:降解菌在温度为40℃,pH值为9,NaCl浓度为0 .5g/L条件下生长良好。     

基于WRF-NAQPMS的一次沙尘天气预报评估

为提高沙尘天气的预报准确率,利用ECWMF再分析资料和近地面PM₁₀小时质量浓度监测数据,评估WRFNAQPMS模式对2021年3月15—21日甘肃强沙尘过程的预报能力。结果表明,WRF-NAQPMS能够在一定程度上模拟此次污染过程:WRF对“3· 15”天气系统的模拟与实况整体趋势较为一致,随着预报时效延长,气象模拟场移动偏快,导致沙尘预报场发展偏快、沙尘二次传输影响下游时间提前;近地面风向的局地偏差是导致甘肃中东部地区沙尘浓度出现预报误差的主要气象因素。NAQPMS模式对PM₁₀小时质量浓度的模拟随着预报时效增加和离沙源地距离的增大,预报误差逐步增大:在河西地区,沙尘影响时段和起沙浓度的模拟值均接近监测值,其中嘉峪关、酒泉、张掖的PM₁₀小时质量浓度模拟值与监测值相关系数r>0.8;中部地区城市的沙尘影响时段预报略有偏差,且模拟值低于监测值;受复杂下垫面和气象场预报误差影响,省内其他地区沙尘预报结果参考性较低。     

关于14B/E仪器反应室检修的几个问题

14B/E型氮氧化物分析仪是美国热电子公司的产品,各部件中,只有反应室直接和样气及来自臭氧发生器的臭氧相接触,运行中容易被污染,是日常维修的重点。 14B/E分析仪采用了一个大口径(φ50mm光电倍增管PMT),为了减小和稳定暗电流,将PMT装在热电子致冷器传热导体的内腔     

降尘规律研究--兰州城区降尘变化规律及多元自身回归预测

探讨了降尘的年变化、月变化.运用逐步回归筛选变量.采用主分量分析法,得出不同季节的主分量,揭示了降尘的规律,建立了多元自身回归预测方程.对城区降尘进了预测,并与实测作了验证和对比,取得较好效果.     

基于SPAMS的兰州市2018年冬季沙尘天气过程细颗粒物污染特征及来源研究

2018年11月22日-12月1日,兰州市经历了一次远距离传输的沙尘天气过程,为了解此次沙尘天气过程时段细颗粒物污染特征及其污染来源变化特征,本研究基于单颗粒气溶胶质谱仪（SPAMS）细颗粒物自动采集数据,并结合常规污染物自动监测数据和气象因子数据对沙尘天气前后及其过境期间细颗粒物化学组分及污染来源变化情况进行了分析,同时利用后向轨迹模型（HYSPLIT）研究了沙尘气溶胶的输送路径.研究结果表明：受沙尘天气过境影响,兰州市PM₁₀浓度大幅升高,PM_2.5/PM₁₀最小值仅为0.13,SO₂、NO₂、CO质量浓度出现明显降低,而O₃质量浓度在沙尘过境时有所升高;细颗粒物质量浓度与MASS数浓度变化趋势基本一致,细颗粒物的变化趋势可一定程度上反映大气细颗粒物的污染状况;利用自适应共振神经网络法分类后经人工合并将所采集到的细颗粒分为9类：OC、EC、HOC、OCEC、MD、HM、K、Na、LEV;所选时间段内SPAMS采集到的OC（24.8%）类颗粒物数量最多,沙尘过境时MD、LEV、Na类颗粒物占比不同程度增大,其余颗粒物占比减小;沙尘过境时扬尘源、生物质燃烧源、工业工艺源、餐饮及其它源贡献率增加,其中扬尘源增幅最大,而其余源贡献占比减小;后向轨迹HYSPLIT模型输送路径结果显示沙尘天气过程的起源地为塔克拉玛干沙漠,传输方向为经新疆的塔里木盆地塔克拉玛干沙漠进入青海中部,最后影响兰州地区.     

基于HHM-RFRM理论的智能船舶航行风险识别与筛选

针对智能船舶航行过程中航行关键风险因素的有效识别和筛选问题，提出了基于等级全息建模(Hierarchical Holographic Modeling, HHM)框架和风险过滤、评级与管理(Risk Filter, Ranking and Management, RFRM)思想的智能船舶航行风险识别与筛选理论。首先，构建智能船舶航行风险识别HHM模型，以全面而准确地选取和反映智能船舶航行风险来源；其次，通过RFRM模型对风险因素进行过滤、排序和筛选，结合贝叶斯方法的多判据评估模型，识别出智能船舶航行过程中可能存在的关键风险因素。结果可以为相关海事机构和船舶公司进行动态管理提供理论依据，同时为保障智能船舶航行安全提供一种手段。