固相萃取-气相色谱法测定饮用水中甲基汞

根据巯基棉在一定酸性条件下能定量吸附甲基汞的原理,利用多通道并联的固相萃取装置,采用气相色谱(ECD)方法测定饮用水中痕量甲基汞,考察了水样pH值对回收率的影响.方法在0.050 mg/L～1.00 mg/L范围内线性良好,当采样体积为1.0 L时,检出限为0.03 ng/L,标准样品与实际水样平行测定的相对标准偏差均...     

水样发光细菌急性毒性测试的方式与表征

选取不同类型的环境和污染源水样开展了发光细菌毒性测试,针对不同环境管理目标,探讨了急性毒性定量表征方式。发光细菌急性毒性测试在环境应急监测、水源早期生物预警中,采用绘制毒性预警基线图的方式比较可行。在污染源监督监测中,对于发光抑制率低于60%、无法求出EC50的样品,采用等效毒性参照物的质量浓度表征废水的毒性;对于发光抑制率高于60%,采用稀释因子表示样品的毒性更直观可靠。     

北京城区大气PM_(2.5)主要化学组分及污染特征

为了解北京城区大气PM2.5主要化学组成特征,于2012年8月─2013年7月对城区石景山、东四和通州3个采样点及城区对照点定陵和区域传输点榆垡开展为期1 a的PM2.5组分研究,共获得268组样品.结果表明:城区平均质量浓度大于1.0μg/m3的组分有OC、NO3-、SO42-、NH4+、EC、Cl-、Si、Ca、Al、K+,其中ρ(OC)、ρ(NO3-)、ρ(SO42-)、ρ(NH4+)分别为(22.2±17.1)、(21.5±25.9)、(19.8±23.7)、(14.3±16.8)μg/m3,分别占ρ(PM2.5)的17.9%、17.3%、15.9%、11.5%,城区各主要组分的平均质量浓度明显大于对照点;城区各采样点之间主要组分所占比例相差不大,与城区对照点、区域传输点差异明显;春、夏、秋、冬四季城区采样点的主要组分均为OC、NO3-、SO42-、NH4+,这4种组分质量浓度之和分别占各季ρ(PM2.5)的62.5%、54.2%、46.0%、62.7%,其中春季ρ(NO3-)、夏季ρ(SO42-)、秋冬季的ρ(OC)相对较高;北京城区各采样点均受SOC影响较大,OC/EC〔ρ(OC)/ρ(EC)〕的平均值为5.7,城区SNA(二次无机气溶胶)占ρ(PM2.5)的比例(15.0%~53.1%)和NO3-/SO42-〔ρ(NO3-)/ρ(SO42-)〕(0.47~1.36)均随空气质量指数上升而增加,同时观测期间北京城区PM2.5中NO3-/SO42-的平均值为1.14,较往年明显增大,表明目前北京城区的PM2.5排放源逐步由以固定源为主向固定源和移动源并重的方向发展.     

2019～2021年北京市PM2.5及组分受风向影响研究

利用北京市2019～2021年的气象数据、PM_2.5及组分浓度数据,结合常规污染物NO₂浓度,分别对PM_2.5及组分浓度、气象参数、NO2浓度和氮氧化率(NOR)大小的时空变化进行分析比较.结果表明:2019～2021年三年间北京市城区PM_2.5浓度下降14%,但NO₃^-上升12%;各风向上,北京市城区PM_2.5浓度大小顺序为:东北风>东风>西南风>东南风>南风>西风>北风>西北风,此外,二次无机盐组分最高浓度均出现在偏东风风向,有机物(OM)最高浓度出现在西南风;各风向年际变化上,2019～2021年,北京市PM_2.5、各组分及NO₂浓度在空间上均呈现高浓度“东移”特征,NO₃^-在东北风向上上升幅度最高,达65.7%;东北、东风及东南风风向上,相对湿度同步升高,NOR在东北、东风风向上同步升高,升高幅度达...     

超声解吸-气相色谱法同时测定环境空气中乙腈和丙烯腈

采用大容量活性炭管吸附环境空气,丙酮-二硫化碳混合溶液（体积比为1∶1）超声解吸目标物,用气相色谱法（带FID检测器）同时测定样品中乙腈和丙烯腈。通过优化试验条件,使方法在1.00 mg/L~50.0 mg/L范围内线性良好,乙腈和丙烯腈的方法检出限均为0.003 mg/m3。低、中、高3个质量浓度水平的模拟环境样品6次测定结果的RSD为3.4%~7.0%,加标回收率为86.8%~102%。用该方法在北京某石化公司厂界布设采样点测定,结果为未检出。     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源,施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此,快速、有效地定位裸地位置,并确认其管控措施落实情况,对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据,结合人工解译裸地扬尘源数据集,以北京市大兴区为例,利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时,利用颜色匹配法对大兴区防尘网覆盖裸地进行识别,横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明,深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率,实现规范化图像识别,可以作为人工判读的辅助手段。在实际应用中,可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

高效液相色谱法快速测定水中苦味酸

采用高效液相色谱法,研究了水中苦味酸的快速测定方法,优化了液相色谱的各项分析条件。结果表明,流动相为甲醇:水(0.01%三氯乙酸)(体积比45:55)、柱温40℃、检测波长350 nm为最佳的检测条件,在最佳检测条件下,苦味酸的检出限为0.4 μg/L。地表水和地下水高、中、低3种浓度的加标回收率均在88%以上,相对标准偏差(RSD)均小于5%,污水的加标回收率为71%~90%,RSD为7.9%。     

波长色散-X射线荧光光谱法测定PM2.5中23种元素

研究以单元素标准膜为基础,结合NIST SRM 2783颗粒物滤膜标准样品,建立了波长色散-X射线荧光光谱法测定PM_2.5中23种无机元素的测定方法,优化了测试条件,测量一个样品耗时约15 min,计算了各元素的方法检出限。对NIST SRM 2783滤膜标准品在一周内重复测定10次来计算方法的准确度与精密度,测定结果显示大多数元素的测量值在给出的参考值范围内,且测量标准偏差一般在10%以内。对比了石英与聚四氟乙烯材质（Teflon）滤膜的空白值,石英滤膜中Si、Fe、Na、Mg、Al、K、Ca等元素的背景值较高,Teflon滤膜的背景值较低,推荐选用Teflon滤膜作为PM_2.5组分分析采样滤膜。分别用波长色散-X射线荧光光谱法及酸消解-ICP-MS法测定了样品膜中的元素组分,得到的测定结果基本一致。     

直接进样-热脱附-GC-MS快速测定大气细颗粒物中有机示踪物

建立了直接进样-热脱附-GC-MS快速测定细颗粒物中甾烷类和藿烷类有机示踪物的方法。经实验条件优化,13种目标化合物的线性回归方程的相关系数均在0.990以上,空白加标回收率为81.4%~102.3%,实际样品加标回收率为79.1%~112.9%,相对标准偏差小于13.2%。当采样体积为24 m~3时,各目标化合物的检出限为0.008~0.084 ng/m~3,方法灵敏度高。利用该方法测定了北京城区采暖季和非采暖季PM2.5实际样品,结果表明:各目标物均有检出,且采暖季的甾烷类和藿烷类化合物的总量均明显高于非采暖季。该方法无需复杂的前处理和有机溶剂,操作简便快捷,在颗粒物中非极性化合物的快速检测方面具有很大的应用价值。