雪冰中持久性有机污染物的研究进展

雪冰是温带和极地生态系统中最重要的环境组份,它们不仅影响了能量平衡和水循环,而且也能直接影响当地、区域以及全球环境范围内的化学行为。降雪能很有效地从大气中清除颗粒和气相的POPs。本文简要介绍了雪冰环境中持久性有机污染物研究的科学意义,着重综述了POPs在极地和高海拔地区雪冰中的环境化学行为和雪冰中POPs的历史环境记录,并讨论了雪冰中POPs浓度的不确定性。持久性有机污染物从大气到冰川的过程并不容易理解,半挥发性有机化合物在沉积后的浓度存在不确定性。有机物沉积在积雪中后,随着积雪的老化和变形,它们能够随着融水迁移或者又挥发到大气中。全文最后对未来雪冰中POPs的研究需要进行了展望,并提出四点今后需加强研究的内容。由于青藏高原位于人类居住的低纬度高海拔地区,可能在POPs全球输送过程中起到重要的作用,今后需加强青藏高原地区雪冰中持久性有机污染物的研究;有机污染物在雪冰中主要是通过光化学反应进行转化,雪冰中有机污染物的光化学反应机理研究必须引起重视;随着雪冰样品前处理和分析测试技术的提高,将会推动雪冰中痕量POPs的环境变化记录研究的发展;通过建立模型模拟预算和评价POPs在积雪中的物理化学行为,也可以利用模型模拟POPs在老雪中的命运,确定其在融水中成比例蒸发和渗浸的速率。     

2019年郑州冬、春季重污染期间PM2.5污染特征分析

为研究郑州冬、春季重度污染期间细颗粒物的组分特征、污染来源、气象影响因素及外来传输影响,基于本地超级站污染监测数据及相关气象要素监测数据对重污染时段进行分析,并对本地污染成因进行探讨.结果表明,2019年1—3月郑州共有426 h达到重度及以上污染水平,首要污染物均为PM_2.5.重污染时段碳组分（OC+EC）共占PM_2.5的14.6%,OC与EC存在显著相关性,1、2、3月的r值分别为0.72、0.89和0.91,且二者比值多介于2~4之间,表明机动车和燃煤排放是碳组分的主要来源;水溶性离子浓度排序为NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Mg²⁺ > Na⁺,SNA（SO₄^2-、NO₃^-、NH₄⁺）浓度达123.37 μg·m^-3,占PM_2.5的61.2%,且NO₃^-占比达30.2%, NO₃^-/SO₄^2-值为1.98,说明移动源对水溶性组分的贡献大于固定源. PMF受体解析结果按污染源贡献量大小依次为：机动车源（34.9%）、二次源（24.6%）、燃煤源（20.2%）、扬尘源（9.2%）、生物质及烟花爆竹源（8.2%）和工业源（2.9%）,机动车和燃煤燃烧是造成大气重污染的主要排放源.气象分析表明,与清洁时段相比,重污染期间大气整体处于有利于颗粒物二次生成和不利于污染扩散的条件下,整体温度偏低（3.2 ℃）,相对湿度较高（67%）,风速较弱（1.3 m·s^-1）.除本地污染物的累积外,来自偏东和偏南方向的短距离传输及东北方向中长距离输送（分别占外界传输的36.4%、22.6%和22.0%）也是造成郑州重污染天气的重要原因.     

基于无线传感器网络的气体泄漏源快速定位方法研究

为及时发现大气环境中危险化学品泄漏事故,快速准确判断泄漏源位置,实现有效的监测监控,开发出集气体质量浓度信息采集、时间校准、无线收发等功能于一体的集成探测模块。在此基础上,建立基于无线传感器网络(WSN)的气体泄漏实时监测平台,提出实时监测数据和高斯扩散模型相结合的气体泄漏源快速定位方法。通过开展实际场地泄漏试验,实现气体泄漏源的快速定位,并分析试验系统的敏感度。结果表明:气体泄漏扩散受风力影响很大;合理布局探测器,能有效提高泄漏源定位精度,为危险气体泄漏事故的应急决策提供决策参考。     

基于SIP的网络视频监控系统的设计与实现

设计了一个基于SIP的网络视频监控系统,利用SIP的呼叫机制,解决了多个视频监控系统间的信令互通性问题.在此基础上,利用SIP的媒体协商机制支持多种媒体的互通,集成多种视频监控前端,实现了复杂组网环境下的互联互通.描述了该系统的设计和实现过程,讨论了其中的一些关键技术;该系统在现有的社区宽带网络上运行良好.     

基于Spark Streaming流回归的煤矿瓦斯浓度实时预测

为了实时分析瓦斯监测流数据并对瓦斯浓度进行准确预测以实现瓦斯灾害实时预警,以实时流数据处理框架Spark Streaming构建基于流回归的瓦斯浓度实时预测系统。系统采用分布式流处理技术,可使基于回归算法的瓦斯浓度预测模型更新周期达到秒级,提高了瓦斯浓度预测精度,满足流式大数据处理的实时性要求。实验表明:应用Spark Streaming流回归预测系统在采样周期为5 s的瓦斯监测数据流上进行实时预测时,预测平均均方根误差随模型更新周期的缩短而减小,模型更新周期可达15 s,且更新周期为45 s时预测总均方根误差最小,既能保证预测精度,又能提高瓦斯灾害预警时效。     

京津冀及周边地区采暖季PM2.5化学组分变化特征

利用京津冀及周边地区大气污染综合立体监测网,在京津冀大气污染传输通道城市（“2+26”城市）开展了PM_2.5及其化学组分长期连续观测,并对数据进行深入分析.结果表明:①2017年、2018年和2019年采暖季“2+26”城市PM_2.5浓度平均值分别为（84±62）（95±63）和（80±61）μg/m3,达到了京津冀及周边地区2019—2020年秋冬季PM_2.5平均浓度同比下降4%的目标;与PM_2.5浓度变化相似,其主要化学组分——有机物（OM）浓度最大值出现在2018年采暖季,但二次无机盐（硝酸盐、硫酸盐和铵盐）浓度呈逐年上升趋势,而元素碳、氯盐、地壳物质和微量元素浓度均呈逐年下降趋势.②OM、硝酸盐、硫酸盐、铵盐、地壳物质、元素碳、氯盐和微量元素浓度空间分布存在明显差异.受污染物排放、气象条件以及地形因素的共同影响,PM_2.5及其化学组分浓度高值区主要出现在太行山传输通道城市（保定市、石家庄市、邢台市、邯郸市、安阳市和新乡市）.③不同空气质量状况下,“2+26”城市PM_2.5化学组分浓度年际变化相似,即随空气污染的加重,硝酸盐、硫酸盐和铵盐占PM_2.5的比例均上升,而OM占比下降.研究显示,采暖季“2+26”城市空气质量总体得到改善,但需进一步加强对PM_2.5中二次组分的科学管控.      

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%～66.01%,京津冀受区域外传输的贡献率范围为0.11%～26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线...     

基于区域传输矩阵和PM2.5达标约束的大气容量计算方法

大气环境容量是环保规划中的重要参考指标.为满足PM_(2.5)的达标,在传统的容量计算方法基础上,筛选不利气象年份,结合CAMx-PSAT模式计算的区域传输结果,优化广东省各城市的大气环境容量分配,并综合分析各城市超载情况,模拟容量情景下的PM_(2.5)浓度.结果表明,在全省各地市PM_(2.5)≤35μg·m-3的约束下,广东省SO2容量约为68万t;NOx约为135万t;NH3约为46万t;PM_(2.5)约为51万t.2014年广东省SO2排放超出容量10%,NOx超出12%,NH3超出9%,一次PM_(2.5)超出20%.污染物种超载数量较多的城市有广州、佛山、中山、清远.当实现容量情景时,全省PM_(2.5)年均浓度约在30μg·m-3,各城市年均值都达到国家空气质量二级标准.     

华北地区沙尘天气垂直气溶胶直接辐射强迫

利用CALIOP数据和SBDART（Santa Barbara DISORT Atmospheric Radiative Transfer）辐射传输模式研究了2013~2016年华北地区8d沙尘天气气溶胶及其直接辐射强迫垂直分布特征,分析了气溶胶垂直分布和光学特性对直接辐射强迫的影响.结果表明,气溶胶集中分布在地表及以上3km范围,其中纯净沙尘型和污染沙尘型气溶胶位于上层,污染大陆型气溶胶和烟雾位于下层.大气层顶、地表和大气层的日均气溶胶直接辐射强迫分别是-38.41~-88.44,-74.03~-225.86,9.06~137.42W/m².0~8km高度范围气溶胶直接辐射强迫是负值,且随着高度的增加绝对值逐渐减小.气溶胶垂直分布对大气层顶、地表和大气层的直接辐射强迫影响较小,但对直接辐射强迫垂直分布影响较大,由气溶胶廓线差异造成的同一高度层气溶胶直接辐射强迫最大差值能达到31.18W/m².气溶胶光学厚度和单次散射反照率对直接辐射强迫影响明显.消光能力相同时,吸收性气溶胶对短波太阳光的衰减作用大于散射性气溶胶,后向散射比例大的气溶胶大于后向散射比例小的气溶胶.     

基于空间密集传感器解析城市本地排放和区域传输贡献方法初探

为了对城市污染物进行详细区域来源解析,基于长沙市低成本传感器监测网络,收集了2019年10月PM_2.5、PM₁₀、SO₂、NO₂的高空间分辨率监测数据,对污染特征进行分析.同时,根据本地排放和背景浓度变化的不同相对频率,基于小波分析提取了污染物背景浓度并结合空间密集监测量化了城市环境中监测点的近场、远场及区域传输贡献.结果显示,2019年10月长沙市4项常规污染物中,PM_2.5浓度较高,SO₂浓度较低.小波分析提取各监测点背景浓度结果表明,部署在乡村的监测点PM_2.5、PM₁₀和NO₂背景浓度平均水平较低,而城市总体数据分布更分散,存在明显的本地排放源.估计近场、远场及区域传输对城市监测点总污染水平贡献发现,研究期间,区域传输对监测点污染贡献最大.其中,PM_2.5的区域贡献、远场贡献和近场贡献占比分别为43%、24%和17%;PM₁₀的区域贡献占比较高为59%,远场贡献和近场贡献分别占比14%和16%;NO₂的区域贡献、远场贡献和近场贡献占比分别为45%、24%和19%;而SO₂主要以区域贡献为主,占比达78%.