北京城区冬季空气污染时期C2~C6碳氢化合物含量特征

本研究于2015年冬季,在北京市东南城区开展了C2~C6碳氢化合物大气环境浓度在线监测,研究共检出25种C2~C6碳氢化合物,但鉴于分析仪器的局限性,未包含苯这一重要物种.检出的25种碳氢化合物含量之和(C2~C6 HCs)在12.4~297.5×10~(-9)范围内,不同的空气质量条件下,C2~C6 HCs平均含量分别为29.4×10~(-9)(Ⅰ级,PM_(2.5):35μg·m~(-3))、63.2×10~(-9)(Ⅱ级,PM_(2.5):35~75μg·m~(-3))、85.5×10~(-9)(Ⅲ级,PM_(2.5):75~150μg·m~(-3))、94.9×10~(-9)(Ⅳ级,PM_(2.5):150~250μg·m~(-3))、131.8×10~(-9)(Ⅴ级,PM_(2.5):250μg·m~(-3)),且碳氢化合物的化学组成亦有所差异,烷烃、烯烃、乙炔的摩尔比分别从Ⅰ级条件的47%、45%、7%,变为Ⅴ级条件的59%、30%、12%,烷烃和乙炔的比重上升;烯烃的比重下降.碳氢化合物日变化规律显示,C2~C6 HCs在优良日(PM_(2.5)小时浓度均低于75μg·m~(-3))和污染日(PM_(2.5)小时浓度均高于75μg·m~(-3)),均在08:00~09:00、17:00~18:00存在两个明显的峰值,与日交通峰值时间一致,显示了道路源对局地碳氢化合物浓度的显著影响.通过HCs与CO浓度比值研究,发现随着污染情况的加重,HCs/CO(×10~(-9)/×10~(-6))呈显著下降趋势:90.6(Ⅰ级)、63.8(Ⅱ级)、56.9(Ⅲ级)、37.4(Ⅳ级)、36.4(Ⅴ级).具体化合物与CO比值在污染条件(Ⅲ~Ⅴ)与优良条件(Ⅰ~Ⅱ)的变化率,与各化合物的OH反应速率关联性很差(R=-0.31),由此判断污染时期C2~C6碳氢化合物并未发生强烈的化学衰减.HCs/CO比值变化更多反映了污染源贡献的变化,后向轨迹分析表明,在优良日北京城区多受北部和西北部清洁气团影响,北部地区燃烧源较少,其气团HCs/CO比值较高;而在污染日北京城区受南部和西南部污染气团输送,南部地区工业燃烧源和散煤燃烧源均偏多,其气团HCs/CO值偏低.综上所述,本研究认为重污染过程,北京城区C2~C6碳氢化合物(未包含苯)未体现出显著的化学衰减,碳氢化合物浓度的大幅提升,不仅源于本地污染源的排放累积,还受到南部污染气团的输送贡献.     

标准件行业VOCs排放特征及环境影响分析

为研究标准件行业VOCs排放特征及其环境影响,选取了典型标准件企业进行现场调研与采样,运用GC-MS/FID测定了废气中102种VOCs物种,建立了标准件行业VOCs源成分谱,并估算了行业VOCs的环境污染影响、排放因子及排放量.结果表明,标准件行业各工序VOCs均以烷烃(29.58％～68.94％)为主要排放组分.正...     

BP神经网络法预测唐山市需水量

需水量预测研究已成为当前水资源规划与管理研究中的重要课题之一.本文设定不同的神经网络运行次数,根据预测结果进行误差分析,BP神经网络在运行5 000次时,具有高度的可信度和可行性.应用5 000次运行次数的BP神经网络模型对唐山市规划水平年的需水量进行预测.最后引入人均综合用水量概念,结果表明,预测结果在理论上和实际上都具有可行性.     

应用多维多箱与高斯模型结合的复合模型预测大气环境质量

根据北京市市区自然环境、污染气象特征、大气环境过程及区域污染源分布等现有信息,建立了用于大气环境质量预测的多维多箱与高斯模型结合的复合模型,对北京市市区采暖季(2002年1月)和非采暖季(2002年8月)特征污染物SO2和PM10的质量浓度进行了预测.将预测结果与地面监测值比较分析后发现,多维多箱与高斯模型结合的复合模型预测大气环境质量产生的相对误差在25%以内.     

节能是改善环境质量的主要措施之一

本文论述了我国和世界主要国家的能源利用现状和发展趋势，分析了我国能耗高、浪费严重的主要原因，提出了节能降耗和发展新能源是防治环境污染、避免资源浪费的两大途径。概括地阐述了改进工艺和动力装置、发挥集中供热、利用废余热发电和实现热电联产、改变能源结构、发展新能源等是节能降耗、改善环境的重要措施。     

北京地区大气混合层高度的研究及气象特征

本文收集了首都飞机场多年的探空资料和地面常规气象资料对北京地区大气稳定层结和混合层高度进行研究。采用干绝热作图法、罗氏计算等方法确定其混合层高度,对各种方法得出的结果进行比较和分析,并讨论了混合层高度各种确定方法的特点。     

石家庄市垂直大气温度层结及混合层高度的研究

本文收集了石家庄市大郭村飞机场多年的探空资料,对本市垂直大气温度层结及混合层高度进行了分析和研究,采用每天07时探空温度廓线和当天的最高气温、最低气温相结合的方法来确定其混合层高度,并对诸天的混合层高度进行了统计和整理,得出了四个季节代表月的混合层高度和年平均混合层高度.     

区域大气污染物日均浓度不同计算方法的比较

在计算区域典型日大气中ＳＯ２日均浓度时,对点源采用高斯烟流模式和烟团模式;对面源分别采用后退点源模式和面源积分模式,计算结果均与实际的监测值比较接近,但用面源积分模式得到的计算结果较后退点源模式更准确。     

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.