环境空气PM_1自动监测与手工采样比对分析

选取3种原理(β射线法,β射线+光散射融合法和振荡天平法)9种型号国产和进口PM_1自动监测仪器和4台手工监测设备开展PM_1自动监测和手工监测比对实验,并利用线性回归曲线和相对偏差方法分析和评价比对测试结果。结果表明:4台手工采样器的平行性满足参考标准要求;参与比对的9款自动监测仪器监测结果与手工采样监测结果的回归曲线的相关系数、斜率、截距均满足参考标准要求;国产和进口仪器以及不同原理自动监测仪器监测结果与手工监测结果回归曲线的相关系数、斜率和截距无明显差异。低PM_1质量浓度下自动监测结果和手工监测结果的相对偏差最大,实际应用中需重点关注低PM_1质量浓度时的监测数据质量。     

水质氨氮在线监测仪国产化应用研究

氨氮在线监测仪能够快速准确分析水体中氨氮含量,其中膜电极法氨氮在线分析仪对水样前处理要求低,抗干扰能力强,广泛应用于各种环境的氨氮指标监测。对一款国产氨氮在线监测仪各项性能指标进行测试,并与进口仪器及实验室手工测定值比对,希望通过探究其使用过程中的优缺点,使国产氨氮分析仪得到更广泛的应用。实验结果表明国产仪器的检出限、精密度、准确度、线性范围,均与进口仪器差别不大,但极低浓度抗干扰能力较差。     

成都市典型建筑工地扬尘污染特征研究

在成都市选取一个典型建筑工地,布设4个采样点,利用在线监测和手工离线监测同步测试建筑施工工地扬尘污染特征。监测结果表明:扬尘在线监测与手工离线监测变化趋势较接近,其中在线监测总颗粒物(TSP)浓度总体高于手工监测浓度,上风向(2#)、下风向(1#)PM_(10)日均值总体较手工监测数据分别低19%和33%,PM_(2.5)日均值总体较手工监测数据分别低24%和20%;建筑施工活动以及车辆进出对工地扬尘排放影响较大。     

不同方法测量大气二氧化碳浓度的特征分析

利用中国大气本底基准观象台2010~2012年3种不同测量方法得出的CO2浓度数据,分析了它们之间存在的差异以及变化特征。结果表明:从仪器的稳定性上来讲,较为先进的Picarro在线观测仪器在稳定性上不如Li-cor在线观测仪器,软硬件等方面都有待提高;Picarro和Li-cor两种在线连续仪器观测的CO2数据都具有很高的可信度。两台在线观测仪器的观测数据都能均能很好地替代Flask瓶采样数据,并且都具有很好的代表性;Picarro在线监测仪器的观测精度比Li-cor在线监测仪器的高;3种不同分析方法得出的瓦里关地区CO2本底浓度的月变化趋势是一致的,月平均浓度最高值出现在3~4月,最低值出现在7~8月。这种变化规律与以往的研究结果吻合。     

成都市春节期间PM_(2.5)中水溶性离子的污染特征分析

采用在线监测仪器对成都市春节期间大气中的PM_(2.5)及PM_(2.5)中的水溶性无机离子浓度进行了连续观测。结果表明:春节期间NO-3、SO2-4、NH+4是PM_(2.5)中水溶性离子的主要组成部分;烟花爆竹的集中燃放使PM_(2.5)的浓度短时间内迅速升高,同时PM_(2.5)中的SO2-4、K~+、Mg2+、Cl-的浓度亦显著升高,最大值分别为28.74μg/m3、33.40μg/m3、3.01μg/m3、23.53μg/m3,是基本无烟花爆竹燃放时段的2.90倍、303.6倍、376.2倍和13.8倍;相关性分析表明,春节期间PM_(2.5)中的K~+、Mg2+、Cl-可能有相同的来源,即烟花爆竹的燃放,部分SO2-4还可能以硫酸钾、硫酸镁的形式存在。     

采暖期和非采暖期PM_(2.5)污染特征分析——以烟台市为例

通过统计烟台市11个监测点位的大气污染成分数据,分析了PM_(2.5)在各阶段的浓度变化规律,并利用pearson相关性分析系统分析了各个监测站点之间污染变化规律的相关性。研究表明PM_(2.5)在一天内的时均浓度呈"M"型双峰的变化规律;烟台市年均浓度超过了国家规定的年均浓度限值35.0g/m~3,达到了47.0μg/m;另外采暖期PM_(2.5)的质量浓度是非采暖期的1.27倍;非采暖期PM_(2.5)占PM_(10)的比重为59%,在采暖期上升到63%,将采暖期与非采暖期做了系统的比对。     

水泥生产线污染源PM_(2.5)排放的监测

水泥工业是重要的PM_(2.5)排放源之一,因此有必要对水泥生产线污染源PM_(2.5)排放进行监测。介绍了水泥生产线污染源PM_(2.5)监测的主要仪器和方法,并对监测数据进行了分析。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

北京市城区PM_(2.5)浓度分布及影响因素研究

对2015年4月1日至2016年3月31日期间北京市城区PM_(2.5)的日均浓度变化及天气影响因素进行了研究。研究结果表明PM_(2.5)的日均浓度变化幅度较大,且在秋冬季节明显高于春夏季节;PM_(2.5)日均浓度统计结果的概率密度呈对数形式分布;由于北京市城区的地理位置原因,导致东南风向时城区PM_(2.5)浓度普遍偏高;而温度与PM_(2.5)浓度无明显相关性。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

污染源废水化学需氧量自动在线监测设施验收探讨

正随着社会的发展、环境监测技术的提高以及经济条件的许可,环境监测分析已从早期的人工采样实验室手工分析,走向自动采样在线自动连续分析。由于污染源自动在线监测是在现场连续实时监测,具有可视性、可查性、公正性和客观性,因而可以很好地为环境管理与决策提供服务。污染源废水COD自动在线监测仪是安装应用最广泛的自动在线监测仪之一,它在技术路线上完全不同     

废水在线监测仪超标自动留样系统设计探索

本文简要分析了目前废水在线监测仪应用局限性以及目前废水自动采样器应用情况,进一步探索将在线监测仪和废水自动采样器进行联机运作,对在线监测仪超标数据进行留样比对的方案,并就水污染源监测自动化的推进作了初步探讨。     

低浓度高湿度烟气环境下PM_(2.5)的测试方法研究

阐述了国内外主要的固定源PM_(2.5)的标准测试方法及测试仪器,并对实测结果进行了对比及分析,测定金属板式湿式电除尘器PM_(2.5)质量浓度的排放范围是0.4～4.6mg/m~3,导电玻璃钢湿式电除尘器是0.2～3.4mg/m~3。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

青海省环境空气颗粒物自动监测仪常见故障与排除

文章通过青海省环境空气颗粒物自动监测仪器的使用情况,结合仪器常见的故障分析,分别对β射线法和振荡天平法颗粒物自动监测仪的故障原因及维护方法做了细致的总结,以期提高自动监测仪稳定运行率和数据质量。     

乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。