排序方式: 共有133条查询结果,搜索用时 46 毫秒
31.
基于天津市在线数据评估ISORROPIA-Ⅱ模式结果及气溶胶pH的影响因素 总被引:1,自引:1,他引:0
气溶胶酸性与颗粒物性质及二次颗粒物暴发性增长密切相关.气溶胶pH难以直接测量,通常利用热力学模型进行计算.ISORROPIA-Ⅱ是常用热力学模型之一,包括不同的模式和气溶胶状态(forward和reverse模式,stable和metastable状态),研究表明,选择的模式和相态不同,其计算的pH结果也会有差异.且除模式相态选择外,还存在其他因素也会对模型结果产生影响.为探讨在我国典型城市大气污染特征下,ISORROPIA-Ⅱ合适的模式选择以及模型结果的影响因素,本研究利用天津市高时间分辨率在线小时数据,对不同模式和气溶胶状态下的模拟结果进行了分析.结果表明,使用forward模式和metastable状态的pH计算结果较为理想.温度升高,pH、气溶胶水含量、半挥发性组分气溶胶相中浓度占比均降低.RH通过影响气溶胶水含量和半挥发性组分浓度影响气溶胶pH值.阳离子浓度升高均会不同程度地导致pH升高、气相中NH_3浓度升高及HNO_3浓度降低;而阴离子则相反.Ca~(2+)、 SO_4~(2-)、 NO~-_3和NH~+_4对pH影响较大;与 SO_4~(2-)相比,NO~-_3对pH影响较小; NH~+_4对pH的影响存在敏感区,高浓度NH~+_4不会导致pH持续升高.本研究可提高对ISORROPIA-Ⅱ模拟我国城市大气气溶胶pH的理解,为我国开展pH相关的二次生成机制、半挥发性组分气粒分配和污染控制措施等相关研究提供参考. 相似文献
32.
随着环境监测数据空间分辨率的提高,越来越多研究人员选择将大气颗粒物多点位数据合并进行解析.本文通过模拟试验的方法,共设定了三大类八小类情景评估了不同条件下将多点位受体(大气颗粒物)进行解析的结果,同时结合合肥市2014年PM2.5数据进一步验证多点位数据合并解析的适用性.结果表明:各点位间源贡献时间趋势完全一致时,多点位合并解析并不会使PMF模型的结果变好.各点位间源贡献时间趋势差异明显时,多点位合并解析更易解析出结果.各点位间源贡献时间趋势部分相同时,多点位合并解析的结果整体趋于变好,但是对某些源类的解析可能更差. 相似文献
33.
乌鲁木齐市重污染期间PM_(2.5)污染特征与来源解析 总被引:1,自引:0,他引:1
目前有关我国城市大气重污染期间PM2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气.分析了重污染天气下ρ(PM2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM2.5的来源构成.结果表明:大气重污染期间ρ(PM2.5)严重超标,其中米东区环境保护局采样点的ρ(PM2.5)最高,其次是铁路局、市监测站;PM2.5化学组分以SO42-、TC、Si和NO3-为主,其中二次离子占ρ(PM2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%. 相似文献
34.
利用大气化学完全耦合模式WRF-Chem 对天津市环境空气中特征污染物CO、NOx、O3、PM2.5 的时间变化规律和空间分布特征进行了数值模拟研究,并与实际观测资料进行了对比.结果表明,天津市CO、NOx、O3、PM2.5 具有明显的时空变化特征:O3 浓度在中午出现最高值,夜间浓度较低;NOx、O3、PM2.5 在晚上和清晨出现高浓度,午后至傍晚浓度较低.O3 在空间分布上表现为中午市区比郊区浓度高,夜间郊区浓度高.其他污染物则均表现为市区浓度高于郊区.在当日东北风情况下,周边地区对天津市污染的影响较小,4 类污染物主要是受本地源的影响. 相似文献
35.
研究了郑州城区空气颗粒物中多环芳烃(PAHs)的稳定碳同位素组成特征并对其来源进行了解析.气相色谱/燃烧系统/同位素质谱(GC/C/IRMS)分析表明,PAHs 的δ13C 值在非采暖季为-29.4‰~-23.4‰,采暖季为-30.0‰~-24.2‰,随着分子量的增大,PAHs 中 13C 降低.统计表明不同采样点的样品中的 PAHs 的δ13C 区别不明显(0.1‰<σ<0.8‰).两个季节中,三环和四环多芳香烃化合物荧蒽、芘和苯并(a)蒽的δ13C没有明显的区别,其范围为-24.5‰~-23.4‰,但是,五环和六环芳烃的δ13C 值有明显差异.随着分子量的增大,采暖季环境空气颗粒物中 PAHs的碳同位素比值变小的程度比非采暖季的大.采暖季的苯并(a)芘、茚并(1,2,3-cd)芘、苯并(ghi)苝的δ13C 值分别为-26.6‰、-30.0‰和-28.1‰,而非采暖季为-24.5‰、-29.4‰和-26.3‰.利用二元复合同位素模型,估算了不同季节机动车尾气和煤的燃烧对郑州城区苯并(a)芘的贡献.在非采暖季机动车尾气排放的贡献率为 70%,在采暖季贡献率为 50%,煤的燃烧对六环化合物的贡献高于机动车排放的贡献. 相似文献
36.
大气颗粒物源成分谱可以表征源排放颗粒物的理化特征,为受体模型开展来源解析研究提供基础数据.餐饮油烟排放是室内外环境大气污染的来源之一,当前餐饮源排放PM2.5的化学成分谱仍然缺乏.该研究分别在成都市、武汉市和天津市采集了29组6种餐饮源(居民烹饪、火锅店、烧烤店、职工食堂、中餐馆、商场综合餐饮)排放的PM2.5样品,分析无机元素、离子、碳、多环芳烃(PAHs)等化学组分,并构建了餐饮源排放颗粒物化学成分谱.结果表明:①餐饮源排放PM2.5化学成分中的主要组分为OC(有机碳)、EC(元素碳)、Ca、Al、Fe、NH4+、SO42-、NO3-、Na+、K+、Mg2+和Cl-,其中w(OC)最高,为41.67%~57.91%.②餐饮源排放PM2.5的PAHs中,3环和4环占比较高,其中芴(Flu)、菲(Phe)、荧蒽(Fla)、芘(Pyr)的质量分数相对其他物质较高.研究显示:餐饮源排放PM2.5中OC/EC约为15.99~67.61,在一定程度上可以用来表征餐饮源排放;Fla/(Fla+Pyr)和InP/(InP+BghiP)多集中在0.45~0.55之间,或可作为标识餐饮源的特征比值. 相似文献
37.
PM2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM2.5浓度范围为3.21~291.80 μg/m3,采暖季PM2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM2.5浓度的影响,发现观测期间排放源对PM2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM2.5浓度的重要性在排序上没有变化,然而驱动因素对PM2.5浓度的影响程度有所不同. 采暖季排放源对PM2.5浓度的影响程度高于非采暖季,采暖季大气压对PM2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM2.5的影响相对较大,气象条件和大气氧化能力对PM2.5浓度的影响也不容忽视. 相似文献
38.
本研究利用正定矩阵因子分解模型(PMF)-健康风险评价模型(HMHR)探究了扬州市细颗粒物(PM_(2.5))中重金属污染来源及不同污染源对重金属潜在健康风险值的贡献.结果表明,各重金属全年浓度均值为Pb(64. 4 ng·m~(-3)) Cr(25. 24ng·m~(-3)) As(6. 36 ng·m~(-3)) Ni(5. 36 ng·m~(-3)) Cd(3. 34 ng·m~(-3)) Co(1. 21 ng·m~(-3));各污染源对PM_(2.5)贡献分别为二次源(37. 7%)燃煤源(19. 4%)扬尘(17. 5%)机动车(16. 9%)建筑尘(5. 2%)工业源(3. 4%). As主要源于燃煤、机动车和扬尘; Co主要源于工业源;燃煤源对Pb的浓度贡献较高;工业源对Ni、Cd含量的贡献最高.不同污染源的健康风险依次为扬尘源、燃煤源、机动车、工业源、建筑尘.扬尘源和燃煤源的潜在健康风险较其他污染源为高,与其源谱中重金属元素占比较大且对PM_(2.5)贡献浓度较高有关. 相似文献
39.
天津市冬季近地层颗粒物垂直分布特征研究 总被引:2,自引:0,他引:2
为了解天津市冬季近地层颗粒物垂直分布特征,于2013年12月23日—2014年1月18日,利用Andersen撞击式采样器在天津大气边界层观测站采集10 m和220 m高度颗粒物样品,分析了水溶性离子、碳组分.结果表明,不同天气下不同粒径颗粒物质量浓度分布均呈双峰形,峰值出现在1.1~2.1μm和9.0~10μm粒径段.PM10浓度均随高度的增加而降低,污染日和清洁日最大浓度峰值分别出现在1.1~2.1μm、9.0~10μm粒径段.污染日SO_4~(2-)、NO_3~-、NH_4~+等二次离子质量浓度、百分占比及OC/EC的比值均随高度的上升而增加;清洁日二次离子质量浓度随着高度的上升而降低,但百分占比随着高度的上升而增加,OC/EC的比值均随高度的上升基本保持稳定.污染日SO_4~(2-)、NO_3~-、Cl~-质量浓度及百分占比均较清洁日增加明显,燃煤、机动车及二次离子为颗粒物的主要来源,并在220 m高度二次污染较重.污染日和清洁日下NO_3~-/SO_4~(2-)的比值均随着高度的上升而增加,低层机动车排放对亚微米模态(1μm)贡献明显,而对于粗粒径段,燃煤源的贡献则大于机动车.污染日和清洁日二次离子、OC、EC主要富集于细粒子,Ca~(2+)、Mg~(2+)、Na~+等一次离子主要富集于粗粒子. 相似文献
40.
为研究杭州市PM2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳(OC)、元素碳(EC)、二次有机碳(SOC)的平均质量浓度分别为(23.7±7.5)(5.0±2.4)和(9.2±4.5)μg/m3,OC/EC[ρ(OC)/ρ(EC)]和SOC/OC[ρ(SOC)/ρ(OC)]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ(OC)、ρ(EC)、ρ(SOC)和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ(OC)和ρ(EC)的日均值具有相同的时间变化趋势.对照点ρ(OC)和ρ(EC)的相关性(0.49)低于常规点位(0.61),对照点PM2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM2.5中总碳(TC)的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%. 相似文献