城市绿地空气颗粒物及其与空气微生物的关系

通过对北京市元大都遗址公园内不同林地类型及其旁边道路空气颗粒物及微生物浓度的研究,得出:空气颗粒物中直径大于10μm的粗颗粒所占比例较小,而人可以通过呼吸吸入的PM10所占比例相对较高,对人体最为有害的PM2.5所占比例也很小;对照点(道路)的PM10、TSP浓度都显著高于其临近绿地的浓度,可见绿地具有显著的滞尘作用;元大都公园各林地中PM10浓度都超过了国家环境质量标准中的Ⅱ级标准,是标准的1.36~2.54倍,对人体最为有害的PM2.5浓度只有个别绿地超标;空气微生物浓度与空气TSP、PM10具有极显著相关性,与PM2.5、PM1相关关系不显著。     

可吸入颗粒上多环芳烃来源的识别和解析

根据化学质量平衡(CMB)受体模型对安阳市大气颗粒物中多环芳烃进行源解析。测定安阳市非采暖季和采暖季可吸入颗粒物中多环芳烃的浓度,对其污染水平进行比较分析。根据污染源调查结果,确定市区多环芳烃的主要排放源类,并建立相应的源成分谱。应用CMB受体模型解析安阳市可吸入颗粒物中多环芳烃主要来源的分担率。     

RELEVANT ASPECTS OF AIR QUALITY IN OPORTO (PORTUGAL): PM10 AND O3

The air quality Framework Directive (FWD) and the correspondent Daughter Directives defined the new strategy for air quality management in Europe. In general, the new standards are more restrictive than those established by the previous legislation. In Portugal, some difficulties can be previewed to achieve those new standards. Thus, this paper aims at evaluating the impact of application of the FWD to Oporto Metropolitan Area in what concerns to the most critical air pollutants in the area (PM₁₀ and O₃). The specific objectives were: i) to analyse the concentration exceedances between 1999 and 2001; ii) to identify the main emission sources; iii) to evaluate the possibility of a new redistribution of the existing monitoring sites; iv) to contribute to the definition of a new strategy for air quality management. The results showed that; i) the standard values for PM₁₀ and O₃ were largely surpassed, possibly concluding that the FWD application implies a strong impact on the air quality management strategies; ii) the main emission sources (road traffic and the neighbour stationary sources localised upwind) affect all the Metropolitan area through intra-region pollutant transport; iii) it is safer maintaining the site localisation to avoid previewing exceedances through mathematical correlations; iv) the reduction of PM₁₀ and of ozone precursors must be performed considering new technologies for cleaner production and gaseous depuration, a rigorous urban and territory planning, the creation of an efficient public transport network and the definition of strict measures for car maintenance.     

TEOM~ RP1400a(PM_(10))测尘仪日常维护和常见故障处理

介绍TEOMR○RP1400a(PM10)测尘仪原理、工作过程以及日常维护、质量控制和常见故障的排除方法。     

天津郊区土壤风蚀源PM10排放清单不确定性分析

运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件（PMEI-WES）,估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明：2016年天津市郊区土壤风蚀源PM₁₀排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为（15237.7581t,37434.8873t）,不确定度为（-37.48%,53.60%）;90%概率范围排放量为（16111.8606t,36104.7554t）,不确定度为（-33.89%,48.14%）.各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大.     

公路工程施工安全事故致因模型构建

为了探究公路施工安全事故诱因及其影响关系,基于"4M"理论和事故致因"2-4"模型,识别公路工程施工安全事故致因因素并确定模型框架,运用SPSS Modeler软件对2007~2017年426起事故进行关联规则挖掘,采取路径分析与重要度分析,构建出公路工程施工安全事故致因模型。结果表明:施工单位内外部原因共同引发公路工程施工安全事故,外部原因来源于建设单位、监理单位和勘察设计单位的安全管理缺失,而施工单位内部影响因素中,人的不安全动作、物的不安全因素、不良的生产环境和自然环境是事故发生的直接原因,无效的安全监管和作业层安全素质及能力不强是间接原因,根本原因是施工程序和技术方案存在缺陷,根源原因是决策层和管理层的安全素质及能力有待提高。该模型系统展现了工程施工项目安全事故致因因素的影响关系和重要程度,为公路工程施工安全事故预防提供指导。     

高校安全管理模型建立及对策研究

高校的安全问题日益突出,严重威胁师生的人身和财产安全,影响校园的和谐稳定。如何减少校园事故的发生,提高安全管理效率,是目前研究的热点。本文根据高校事故发生的"5M原理",揭示导致校园事故发生的多种因素,结合AHP理清了各因素之间的复杂层次关系,建立5个一级指标、30个二级指标的高校评价指标体系。根据L高校实际情况,制定了危险控制的基本措施,依据构建的基于"新木桶理论"安全管理模型,为高校安全事故的预防提供借鉴。     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

城市轨道交通环控系统颗粒物浓度相关性分析

城市轨道交通系统在为人们提供了许多便利的同时出现了很多颗粒物方面的问题。对上海市、南京市轨道交通不同系统颗粒物质量浓度进行了实测分析,结果表明:不同系统站台和车厢PM_(10)(PM_(2.5))之间有很大的相关性(相关系数|r|=0.909~0.993);同一时段地铁系统站台(|r|=0.871~0.894)和轻轨系统站台(|r|=0.829)的PM_(2.5)与PM_(2.5-10)之间分别有很大的相关性,两种颗粒物有同一来源;不同系统车厢内PM_(2.5)与PM_(2.5-10)的相关性均较好(|r|=0.932~0.992),粗细颗粒物有共同的来源。     

基于GIS和BP神经网络模型的PM10浓度预测与空间分布研究

耦合GIS和BP神经网络模型,探讨不同算法和隐藏神经元数对PM10浓度预测和空间分布的影响,结果显示:不同算法的PM10浓度预测值与监测值的平均相关系数和平均相对误差分别为0.85和17.58％,Levenberg-Marquardt优化算法在隐藏神经元数为20时预测精度最高.相同算法,不同隐藏层神经元数对PM10浓度的预测结果影响较大,不同算法,相同神经元数对PM10浓度的预测结果影响较小.不同算法的PM10浓度空间分布模拟在中北部的高风险区和东南部的低风险区与监测数据结果基本一致.