共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
重庆城区大气颗粒物污染来源解析 总被引:6,自引:2,他引:6
首次在重庆采用受体模型-CMB7.0模型来定量解析各种尘源对受体TSP的贡献率(%),结果表明:重庆城区大气TSP主要来源燃煤烟尘(43.0%),钢铁冶金尘(35.7),道路土壤尘(9.3%),建筑材料尘(3.0%)及SO^2-4(6.2%)NO^-3(1.1%)二次气溶胶。 相似文献
3.
上海市大气颗粒物高浓度区污染物的源解析 总被引:37,自引:0,他引:37
应用受体模式的化学质量平衡法支9个监测点的大气颗粒物进行污染源的源解析,得出这9个监测点的各类污染源平均贡献率为建筑尘占32.1%,土壤尘占27.5%,钢铁尘占24.9%,燃煤尘占14.8%,汽车尘和燃油尘分别占0.2%和0.4%。 相似文献
4.
自贡市大气颗粒物污染特征及来源解析 总被引:1,自引:0,他引:1
利用自贡市大气监测数据、同期气象数据以及颗粒物源解析在线监测资料,对颗粒物污染的特征及成因进行研究.结果表明:颗粒物年均浓度受浮尘天气影响明显,季均浓度呈冬高夏低变化,月均浓度呈"U"字形变化,日均浓度呈双峰型变化;颗粒物与降水、温度、气压、风速存在相关性,与相对湿度无相关性,PM10、CO、NO2、SO2、O3浓度对PM2.5浓度变化影响显著;PM2.5主要成分为元素碳、有机碳、富钾颗粒等,主要来源为机动车尾气、燃煤、工业工艺源等. 相似文献
5.
6.
我国大气颗粒物来源及特征分析 总被引:23,自引:0,他引:23
我国大气颗粒物来源复杂,呈现大气复合型污染特征,对主要污染源进行识别和定量,是制定城市空气质量改善措施的基础。本研究总结了2000年以来我国近30个城市大气可吸入颗粒物PM10源解析研究,结果表明我国大气颗粒物PM10主要来自六类源:扬尘(土壤尘、道路尘、建筑尘);燃煤;工业排放;机动车排放;生物质燃烧;SO2、NOx、VOCs氧化产生的二次颗粒物。研究还表明,不同地区不同季节大气颗粒物主要来源和相对贡献存在差异。近年来随着大气颗粒物控制措施的实施,城市PM10污染状况已明显改善,大气细颗粒物PM2.5越来越受关注,在制定空气质量达标方案时,各类燃烧源和二次颗粒物的重要性将进一步上升。 相似文献
7.
分析了2019~2020年秋冬季廊坊市北部、市区和南部这3个站点的大气细颗粒物及其化学组成.空间分布上,PM2.5浓度整体为:南部>市区>北部.PM2.5主要成分为有机物、硝酸盐、硫酸盐、铵盐、矿物组分、氯离子和元素碳,分别占PM2.5的质量分数为25.4%、21.5%、11.0%、11.5%、13.7%、3.5%和5.8%,金属元素及其他物质的质量分数分别为0.3%和7.2%;二次无机盐浓度呈现市区(28.7μg·m-3)高于北部(28.0μg·m-3)和南部(26.8μg·m-3)郊区的变化特征,而有机物(其浓度分别为16.6、13.0和18.5μg·m-3,由北向南,下同)、矿物组分(9.6、6.7和9.7μg·m-3)、氯盐(2.0、2.0和2.8μg·m-3)和元素碳(3.6、3.2和4.3μg·m-3)浓度呈现南部和北部郊区高于市区的变化特征.随... 相似文献
8.
长株潭城市群秋季大气颗粒物及其重金属元素污染特征 总被引:6,自引:1,他引:6
为研究长株潭城市群大气颗粒物及典型元素污染特征,于2011年11月在长沙、株洲、湘潭三地采集TSP和PM10样品,同期在北京进行采样,以分析颗粒物及其中重金属元素(Cr、Cd、Hg、Pb和As)质量浓度的分布特征. 结果表明:秋季长沙、株洲、湘潭三地的ρ(TSP)均低于北京,背景点(长沙沙坪站)最低,为(110±48)μg/m3. 株洲ρ(PM10)与北京相近,略高于湘潭和长沙,但背景点ρ(PM10)仍为最低. ρ(PM10)/ρ(TSP)在70.26%~95.80%之间,平均值为85.90%. 长株潭城市群的ρ(Cr)、ρ(Hg)、ρ(As)、ρ(Cd)和ρ(Pb)在TSP中分别为37.7~60.7、0.2~1.5、22.7~92.0、4.2~36.8和142.9~508.3ng/m3,在PM10中相应分别为20.4~33.5、0.1~1.0、20.6~74.2、3.8~31.9和126.1~432.4ng/m3. 长株潭城市群各采样点Cd在TSP和PM10中的富集因子均最大,分别为475.8~4690.7和840.5~7489.8;其次为Hg、Pb和As;Cr的富集因子在TSP和PM10中分别为7.8~33.3和9.1~33.6,均为最小. 相似文献
9.
利用二重源解析技术解析抚顺市大气颗粒物的来源 总被引:2,自引:0,他引:2
在利用CMB模型对大气颗粒物进行解析时经常遇到一组数据多种结果的现象,同时,扬尘属于混合尘源类,与一些单一尘源类之间可能存在严重的共线性,从而很难准确地解析出各单一尘源类对受体的贡献值.二重源解析技术较好地解决了上述问题.本文利用二重源解析技术对抚顺市的大气颗粒物来源进行了解析.解析结果表明扬尘、土壤风沙尘、煤烟尘和有机碳是抚顺市环境空气中TSP的四大排放源类,其贡献率分别为扬尘37.5%、土壤风沙尘15.9%、有机碳13.9%、煤烟尘6.0%. 相似文献
10.
11.
2006~2007年在天津近岸海域分4个季节走航采集了不同粒径大气颗粒物样品,分析了其质量浓度以及元素、离子和碳等化学组成,并应用富集因子以及特征化合物比值对其来源进行了探讨.结果表明,天津近岸海域TSP,PM10和PM2.5的质量浓度分别为(294.98±3.95),(279.87±17.53),(205.50±38.13)μg/m3,且呈现出明显的季节变化,秋季颗粒物浓度最高,冬季次之,夏季最低. TSP、PM10和PM2.5中总元素浓度分别为48.76, 47.94,32.08 μg/m3. TSP中含量最高的离子是Na+, PM10和PM2.5中含量最高的离子是Cl-. 3种不同粒径中OC浓度秋、冬两季均明显高于春夏两季. Al/Fe的比值分析结果表明,春季TSP的主要来源为土壤尘,秋、冬季PM10和PM2.5主要受燃煤的影响. Cu、Zn和Pb的富集系数较高,其中Pb在冬季PM10中富集达到最高为741.3. NO3-/SO42-的变化范围为0.28~0.85,春夏季该比值较高于秋冬季,反映了该海域同时受燃煤与机动车污染的影响.OC/EC变化范围为2.13~5.58,表明该海域气溶胶中存在着大量二次有机碳. 相似文献
12.
13.
针对采用化学质量平衡模型(CMB)进行大气颗粒物源解析时,混合尘源由于与单一尘源存在严重共线性而不能代入模型的问题,首先对混合尘进行源解析,根据解析结果将混合尘分拆为对应的单一尘源,然后与原有的单一尘源共同代入CMB进行源解析,提出了大气颗粒物混合尘溯源解析新方法.将混合尘溯源解析新方法应用于某市的大气颗粒物尘源解析,得到扬尘的贡献率为28.75%,较二重源解析技术的46.3%和二重源解析技术改进方法的38.38%都要低,表明新方法更好地解决了共线源代入CMB出现的问题.受体元素计算值与测量值的比值较二重源解析技术改进方法有更多元素接近1,表明新方法建立的模型更加合理. 相似文献
14.
北京道路交通环境亚微米颗粒物元素组成特征及来源分析 总被引:4,自引:0,他引:4
于2011年12月和2012年8月对北京北四环道路交通环境中亚微米颗粒物(PM1)进行了采样,并对PM1的质量浓度、元素组成及主要来源进行了分析.夏季非灰霾时段PM1日平均浓度为(52.5±29.9)μg·m-3,灰霾时段PM1浓度增加到(154.2±36.3)μg·m-3;冬季非灰霾时段PM1日均浓度为(59.6±32.5)μg·m-3.采用X射线荧光光谱法(XRF)对颗粒物中元素进行分析,共得到Na、Mg、Al、Si、P、S、Cl、K、Ca、Ti、V、Cr、Mn、Fe、Ni、Cu、Zn、As、Cd、Ba和Pb等21种元素的质量浓度.其中S、Cl、K、Na、Si、Zn、Fe和Ca等8种元素含量较高,占测试元素质量浓度90%以上.污染元素浓度呈现显著的季节差异,夏季S元素浓度较高,冬季As、Cl、K、Pb、Mn、V、Cd和P等元素浓度较高.应用富集因子法发现,PM1相对PM2.5能够更好地反映人为源的元素污染特征.应用因子分析法分析出PM1的3个元素浓度贡献主成分因子:因子1反映燃煤、交通源排放和生物质燃烧,因子2反映道路及建筑扬尘贡献,因子3反映机动车排放和工业排放.因子1和因子3之和的夏季和冬季贡献比例分别高达46.8%和68.3%,表明来自机动车、燃煤、生物质燃烧等重要人为源对道路交通环境PM1浓度的贡献显著高于其他来源.灰霾期间S、As、Pb等污染元素浓度明显高于非灰霾期间,地壳元素在灰霾期间无明显浓度变化. 相似文献
15.
利用天津市大气边界层观测站2009年能见度、相对湿度、风速逐时观测资料和2009年3月9~21日期间颗粒物的膜采样数据,分析天津市大气能见度与颗粒物污染的关系.结果表明,颗粒物质量浓度与能见度变化总体呈负相关,小粒径颗粒对能见度的影响作用明显,随着能见度的降低,小粒径颗粒与大粒径颗粒浓度的比值明显增加.能见度与颗粒物中总碳质量浓度变化呈负相关. SO42-,NO3-,OC和EC对大气消光贡献平均值分别为28.7%,6.1%,27.6%和19.2%.表明观测期间颗粒物中SO42-,OC对能见度的影响明显. 相似文献
16.
为了研究南京市PM2.5的污染特征及来源贡献,于2018年3月至2019年2月在南京仙林地区进行PM2.5组分的在线监测,运用PMF和CMB受体模型,开展PM2.5的来源解析.结果表明,观测期间南京市PM2.5平均质量浓度为54.3μg/m3,其中冬季平均浓度76.4μg/m3.PM2.5的主要组分为NO3-(21.3%~30.8%)、SO42-(18.9%~23.5%)、NH4+(14.3%~16.2%).从全年平均来看,PMF模型得到的PM2.5解析结果为:二次无机气溶胶(54.9%)、燃煤源(17.4%)、二次有机气溶胶(7.4%)、机动车排放源(7.1%)、工业源(4.9%)、扬尘源(4.8%)、其他源(3.4%);CMB模型得到的PM2.5解析结果为:硝酸盐(33.0%)、硫酸盐(24.0%)、燃煤源(16.4%)、机动车排放源(8.4%)、二次有机气溶胶(7.1%)、扬尘源(5.7%)、其他源(2.9%)、工业源(2.4%).不同季节PM2.5来源有所差异,夏冬季二次无机气溶胶占比大于春秋季,春冬季燃煤占比最大,二次有机气溶胶在秋季占比最大.结合2017年南京市大气污染源排放清单,对二次气溶胶贡献进行再解析,得到南京仙林地区PM2.5主要贡献来自燃煤源(PMF:34.14%,CMB:33.82%),机动车排放源(PMF:27.33%,CMB:29.33%)以及工业源(PMF:26.76%,CMB:24.77%).可见,影响南京仙林地区PM2.5的污染源主要来自燃煤源、机动车排放源和工业源,基于在线组分监测、利用PMF和CMB模型得到的PM2.5源解析结果具有较好的一致性. 相似文献
17.
针对大气颗粒物来源解析技术存在的2大问题:二次有机碳(SOC)对CMB模型的影响及源与受体不匹配程度对源成分谱共线性的影响,给出了解决方案.对于SOC影响的问题,提出从受体的角度扣除SOC,对CMB模型进行修正,降低SOC的影响;对于共线性问题,提出了PCA/MLR-CMB复合模型,复合模型首先进行PCA/MLR的解析,降低受体中未知源的影响,使得纳入CMB模型中的源和受体匹配程度大大提高,从而使得共线性源类能够得到理想的结果. 相似文献
18.
A factor analysis-multiple regression model for source apportionment of suspended particulate matter
《Atmospheric Environment. Part A. General Topics》1990,24(8):2089-2097
A factor analysis-multiple regression (FA-MR) model has been used for a source apportionment study in the Tokyo metropolitan area. By a varimax rotated factor analysis, five source types could be identified: refuse incineration, soil and automobile, secondary particles, sea salt and steel mill. Quantitative estimations using the FA-MR model corresponded to the calculated contributing concentrations determined by using a weighted least-squares CMB model. However, the source type of refuse incineration identified by the FA-MR model was similar to that of biomass burning, rather than that produced by an incineration plant. The estimated contributions of sea salt and steel mill by the FA-MR model contained those of other sources, which have the same temporal variation of contributing concentrations. This symptom was caused by a multicollinearity problem. Although this result shows the limitation of the multivariate receptor model, it gives useful information concerning source types and their distribution by comparing with the results of the CMB model. In the Tokyo metropolitan area, the contributions from soil (including road dust), automobile, secondary particles and refuse incineration (biomass burning) were larger than industrial contributions: fuel oil combustion and steel mill. However, since vanadium is highly correlated with SO42− and other secondary particle related elements, a major portion of secondary particles is considered to be related to fuel oil combustion. 相似文献
19.