边界层方案对山西冬季一次静稳天气PM_(2.5)浓度模拟的影响

准确的空气质量数值预报模式依赖于精确的气象条件模拟,尤其依赖于大气边界层的准确模拟.为理解边界层过程如何影响空气污染物的传输与混合,利用WRF-Chem模式不同边界层方案(YSU和MYJ)进行敏感性试验,针对山西冬季典型静稳天气,对地面温度场、地面风场、PM_(2.5)浓度及边界层内部的动力和热力层结进行模拟分析,并与观测资料进行对比,分析不同PBL方案对于气象要素和PM_(2.5)浓度分布的模拟能力,探讨边界层内部热力层结和湍流输送差异对PM_(2.5)浓度模拟的影响.结果表明:2种边界层方案均能较好模拟出冬季静稳天气背景下地面温度、风速及PM_(2.5)浓度的空间分布和日变化特征,气温模拟的较大误差主要出现在夜间,而地面风速和PM_(2.5)浓度的模拟结果在午后误差较大;相对于YSU方案,局地MYJ方案模拟的温度、风场和PM_(2.5)浓度的误差更小,模拟结果更接近于实况观测.地面PM_(2.5)浓度的模拟误差可能与近地面逆温层、混合层及地面风速等的模拟误差有关;不同边界层参数化方案导致的边界层内热力层结和湍流输送的模拟差异,可能是影响近地面PM_(2.5)浓度模拟差异的主要原因;夜间MYJ方案逆温层厚度较厚,地面PM_(2.5)模拟浓度较低;午后MYJ方案混合层高度较低,加之地面风速较弱,导致地面PM_(2.5)模拟浓度较高.     

北京大气PM_(2.5)对A549细胞炎性因子及DNA损伤的毒性

为探讨大气PM_(2.5)及其不同组分对人肺上皮细胞A549的毒性作用及其剂量-反应关系,将前期采集的PM_(2.5)颗粒物用不同方法进一步制备PM_(2.5)水溶性组分、PM_(2.5)脂溶性组分和PM_(2.5)单纯颗粒物,将制备的PM_(2.5)颗粒物及其组分以不同浓度(10,50,100,200,400μg/m L)对A549细胞染毒,用MTS法分别在染毒6,10,24,48,72h后测定细胞活力,染毒24h后用ELISA及RT-QPCR法测定炎性因子IL-6和TNF-α表达量,AP位点计数法测定细胞DNA损伤情况.结果表明:除PM_(2.5)水溶性组分外,其余染毒样本高浓度染毒时始终对细胞生长表现出抑制作用,其中低浓度染毒时可在较短时间对细胞生长表现出抑制作用,染毒时间较长时抑制作用减弱或消失,PM_(2.5)水溶性组分对细胞生长抑制作用并不显著;除PM_(2.5)水溶性组分外,其余染毒样本都显著升高了IL-6m RNA的相对表达量和IL-6蛋白的分泌,除PM_(2.5)脂溶性组分外,其余染毒样本都显著升高了TNF-αm RNA的相对表达量;除PM_(2.5)水溶性组分外,其余染毒样本都显著提高了DNA碱基缺失程度.总的来说,PM_(2.5)水溶性组分在抑制细胞活力、造成炎性损伤及DNA损伤方面作用相对较小,而PM_(2.5)所产生的毒性作用并不仅限于其所吸附的复杂成分,其中作为载体的固体核心颗粒对机体可能造成的毒性作用也不容忽视.     

循环冷却水高浓缩倍率处理技术在电厂的应用研究

随着淡水资源的日益紧缺,如何提高水资源的利用率以达到节约用水的目的引起更高的关注.基于河南某电厂循环冷却水浓缩倍率仅为2.0的现状,选取两种新型高效的水处理药剂(1号、2号).经试验研究确定处理效果更佳的1号药剂为选择药剂,并确定最佳投药量为8 mg/l.将1号药剂应用到实际工程中,循环水浓缩倍率提高至6.5以上,节省了大量的水资源,同时减少废水的排放量,为该电厂带来了良好的经济和环境效益,也为类似工程的建设提供一定的参考作用.     

粒径控制对好氧颗粒污泥处理高含氮废水的影响

采用序批式反应器(SBR),以不同的缺氧搅拌时长来控制颗粒污泥粒径,探究不同粒径的好氧颗粒污泥系统对高浓度氨氮废水的处理特性。研究表明不同控制策略下的4个反应器(R1~R4)分别得到的主要粒径分布为0.4~0.6,0.6~0.8,0.6~0.8,1.0~1.2 mm;系统稳定阶段氨氮平均去除率分别为83.6%、79.4%、77.7%和73.1%。此外,好氧颗粒污泥系统处理高氨氮废水时,颗粒粒径最小的反应器(R1)在氨氮、总氮和磷酸盐方面具有较好的去除效果,但其颗粒污泥的物化性能并没有体现出较高优势。     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

邯郸市PM_(1.0)、PM_(2.5)污染特征及在线水溶性离子分析

对2014年12月—2015年2月邯郸市大气中PM_(1.0)、PM_(2.5)以及PM_(2.5)中的硝酸根(NO-3)、水溶性有机碳(WSOC)和硫酸根(SO2-4)进行在线监测。结果表明,PM_(1.0)中干性成分(PM_(1.0)_DRY)和包含水分的PM_(1.0)(PM_(1.0)_WET)分别占PM_(2.5)的74.0%和81.4%,PM_(1.0)为PM_(2.5)中的主要组成。利用锯齿型方法估算本地源和区域源对PM_(1.0)、PM_(1.0)~2.5、PM_(2.5)的贡献,得出区域源对PM_(1.0)的贡献为40.6%,明显高于对PM_(1.0)~2.5与PM_(2.5)贡献的32.3%和37.7%,因为PM_(1.0)直径小,在大气中存在时间较长、传输距离远。根据NO-3、WSOC、SO2-4与PM_(1.0)、PM_(1.0)~2.5的相关系数,推断NO-3、WSOC可能在PM_(1.0)生成,而SO2-4可能在PM_(1.0)~2.5中生成。     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。     

Estimation of daily PM2.5 concentration and its relationship with meteorological conditions in Beijing

When investigating the impact of air pollution on health, particulate matter less than 2.5 μm in aerodynamic diameter(PM_(2.5)) is considered more harmful than particulates of other sizes. Therefore, studies of PM_(2.5) have attracted more attention. Beijing, the capital of China,is notorious for its serious air pollution problem, an issue which has been of great concern to the residents, government, and related institutes for decades. However, in China,significantly less time has been devoted to observing PM_(2.5) than for PM_(10). Especially before 2013, the density of the PM_(2.5) ground observation network was relatively low, and the distribution of observation stations was uneven. One solution is to estimate PM_(2.5) concentrations from the existing data on PM_(10). In the present study, by analyzing the relationship between the concentrations of PM_(2.5) and PM_(10), and the meteorological conditions for each season in Beijing from 2008 to 2014, a U-shaped relationship was found between the daily maximum wind speed and the daily PM concentration, including both PM_(2.5) and PM_(10). That is, the relationship between wind speed and PM concentration is not a simple positive or negative correlation in these wind directions; their relationship has a complex effect, with higher PM at low and high wind than for moderate winds.Additionally, in contrast to previous studies, we found that the PM_(2.5)/PM_(10) ratio is proportional to the mean relative humidity(MRH). According to this relationship, for each season we established a multiple nonlinear regression(MNLR) model to estimate the PM_(2.5) concentrations of the missing periods.     

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

广东省土壤镉含量影响因子解析与评估

影响镉(Cd)含量的因子众多,包括自然影响因子和人为影响因子,而治理Cd污染首先应查明Cd污染来源及其影响因子,这对因地制宜制定Cd污染治理措施及指导相关产业布局具有重要意义.广东省地理状况复杂、经济发达,Cd含量分布区域间差异较大.因此,本文基于Cubist构建土壤Cd含量与相关影响因子关系模型,解析影响广东省土壤Cd含量的主要因子.结果表明:土壤pH值与土壤类型是影响广东省Cd含量最主要的因素,土壤Cd含量与土壤pH值呈正相关关系;赤红壤、砖红壤及紫色土中Cd含量相对较低,潮土、红壤、黄壤、水稻土及石灰土中Cd含量相对较高.Cd含量高值主要出现在第四纪、泥盆纪和石炭纪地质构造运动形成的土壤中.此外,植被指数、土壤粉粒、平均气温、高程、距道路及距河流距离也是影响广东省土壤Cd含量的主要因素.其中,土壤Cd含量与土壤粉粒、高程呈正相关关系,与植被指数、距道路距离、距河流距离呈负相关关系.本文研究结果可为土壤Cd污染治理提供科学的参考依据.