生产性毒物的控制措施

生产性毒物在生产过程中可在原料、辅助材料、夹杂物、半成品、成品、废气、废液及废渣中存在,可以固体、液体、气体、蒸汽、烟雾等形式存在于生产环境中。了解生产性毒物的存在形态,有助于研究毒物进人机体的途径,找出发病原因,且便于采取有效的防护措施,以及选择车间空气中有害物采样方法。以下是常用的生产性毒物控制措施。     

燃煤发电厂采煤样机精密度性能检验

为确保燃煤发电厂入厂煤及入炉煤质量,采到具有代表性的煤样,通过改变采样单元、采样次数、采样时间间隔参数和采样方法等手段,对火车、汽车、皮带采煤样机精密度进行验证。结果表明:其精密度均达到国家标准对采煤样机精密度的要求。     

渝东南山区乡镇尺度土壤合理采样数估算及重金属污染评价

为了研究乡镇尺度土壤重金属污染状况及土壤合理采样数的确定方法,选择在重庆市黔江区舟白镇采集表层（0~20 cm）土壤样品320件,分析了土壤中各重金属元素（Cd、Cr、Pb、Hg、As、Cu、Zn、Ni）含量和pH,基于经典统计学方法和地统计法研究不同土壤指标的空间变异特征及土壤合理采样数,利用内梅罗指数法进行土壤重金属污染评价.结果表明:研究区土壤中Cd、Cr、Pb、Ni含量及pH的空间分布主要受到成土母质的影响,土壤中Hg、As、Cu、Zn含量同时受到地质背景和人为活动的影响.对于研究区土壤各重金属含量和pH而言,250个土壤样点即可反映其基本信息.研究区中部土壤污染程度较低,北部和南部污染程度较高,中度和重度污染区主要分布在研究区南部.原始土壤点位和合理土壤点位重金属污染评价结果差别较小,说明所得的合理采样数结果较可靠.与地层分布对比发现,土壤中度、重度污染主要与二叠系地层有关.      

决策单元-多点增量采样(DUMIS)在镍污染地块基坑清挖效果评估中的应用

为评估现行采样方法在土壤清挖效果评估中的不确定性,以某Ni污染地块土壤清挖后遗留的基坑坑底为研究对象,用现行采样方法和决策单元-多点增量采样方法（Decision unit multi increment sampling,DUMIS）分别采集基坑坑底土壤,分析土壤中w（Ni）的变化情况,并评估DUMIS方法现场采样和室内制样的误差.结果表明:①现行采样方式下,7个坑底采样单元（每个采样单元9点混合）中土壤w（Ni）的变异系数为71.7%,属强变异;现场平行双样w（Ni）的相对偏差为42.6%,不符合平行双样最大允许误差要求;所有样品的w（Ni）均未超过土壤清理目标值（90.5 mg/kg）,但个别采样单元的土壤w（Ni）较接近清理目标值.②DUMIS方式下,将基坑底部划分为一个决策单元,均匀布设50个分样采样点位,并在现场采样和实验室制样过程均进行3次重复采样;实验室制样三重复w（Ni）的相对标准偏差（Relative standard deviation,RSD）分别为1.3%、1.5%和1.7%,现场采样三重复w（Ni）的RSD为4.0%,数据精度较高;基坑坑底土壤w（Ni）的平均值为36.6 mg/kg,远低于土壤清理目标值.研究显示,DUMIS方法样本代表性强,数据重现性好,决策可靠,适合用于基坑清挖效果评估.      

污染场地调查中离散采样的局限性分析

采样误差是污染场地调查不确定性的主要来源.对污染场地调查采样方法进行研究,是提升调查数据精度和风险管控决策水平的重要手段.该研究结合污染场地的调查目标、污染物在土壤中分布的空间异质性特征,重点对离散采样方法和增量采样方法的应用现状及局限性进行了分析阐述.结果表明:①采样目标的设定取决于决策尺度.基于地块尺度决策的采样目标是表征污染物的空间分布,基于网格尺度决策的采样目标是获取更小尺度决策单元内污染物的平均浓度水平;②利用离散点表征污染物空间分布时,由于本身空间自相关性不强,表征结果不确定性大;③通过采用大样本量、高覆盖率的增量采样方法,能增强样本的代表性,更加精确地表征污染物在决策单元内的平均浓度,弥补离散采样的不足.但增量采样在挥发性有机物场地、深层土壤调查等情景下存在局限性.因此,污染场地调查应充分考虑污染物分布的空间异质性特征、采样方法应用条件、决策尺度等因素,选择合适的采样方法才能有效提升污染场地风险管控决策的科学性.      

LDPE膜被动采样技术预测模型的建立及其应用

选用3种厚度的低密度聚乙烯(LDPE)膜(76,56和25μm)作为研究对象,对辛醇-水分配系数的对数(logKow)>2的有机污染物采用被动采样技术进行膜-水分配系数(Kpew)实测实验和动力学实验,首次建立考虑时间(t),膜厚度(d)和动力学3个因素的LDPE膜 Kpew预测模型.实验结果表明,预测模型得到的Kpew与实测Kpew的相对误差为±0.03,证明了预测模型的准确性和可靠性.Kpew预测模型的建立避免了实验监测Kpew的繁琐实验过程,从而极大地提高了有机污染物的监测效率.将预测模型Kpew值应用于浑河与东洲河有机污染物质的监测,监测结果进一步表明了预测模型的准确性和实用性.此外本文首次提出了苯系物的Kpew值,对LDPE膜被动采样技术应用的延伸属于突破性进展.     

河流水质采样策略与频率对氮磷负荷估算的影响

为探究适合的流域水质监测频率与采样策略,提高氮磷污染物负荷估算的精度,基于云南省洱源县凤羽河流域2011～2013年间逐日流量与总氮、总磷浓度的每日数据,在7d/次,14d/次,21d/次,28d/次4种采样频率下设定了3种不同的采样情景(情景a:普通随机取样、情景b:随机取样的基础上增加降水量超过10mm的水样样品采集,情景c:随机取样的基础上增加降水量超过25mm的水样样品采集).基于采样频率与采样情景的组合,利用LOADEST模型估算的总氮与总磷负荷,并与逐日连续水量水质数据计算的实测值进行比较,评估了不同取样频率和取样情景下LOADEST模型的负荷估算精度.结果表明:在LOADEST模型的估算过程中,同种采样频率下,增加降雨时期的浓度数据将会提高LOADEST模型的模拟精度;在降雨事件期间进行加密采样,不仅加大了工作量,且增加的采样次数过多(如情景b)使总氮的RMSE值由1.92增至2.26,总磷的RMSE值由0.08增至0.19,高估氮磷负荷,模型模拟精度降低.在四种不同的采样频率下,情景c中总氮的RMSE值范围为1.92～2.07,总磷的RMSE值范围为0.06～0.13,...     

基于工况数据的烟尘排放异常检测

识别由于主观篡改或设备工况异常导致的污染物排放数据异常现象,对于重点排污单位环境污染监控、整治和管理有着重要意义。以河北省某钢铁企业为例,基于每小时工况数据和烟尘浓度建立预测模型,采用改进的损失函数MSECorrLoss进行TabNet模型训练,并与XGBoost、LightGBM和BiLSTM模型进行对比,提出了一种基于阈值划分的K-error算法进行烟尘排放异常数据的识别,结果表明：1)相较RMSELoss损失函数,采用改进的MSECorrLoss训练后,TabNet模型MAPE由15.33%下降为15.10%,且模型收敛更快。2)LightGBM和XGBoost训练速度快,但LightGBM预测精度低(RMSE=0.3201, MAPE=29.45%),XGBoost和BiLSTM模型鲁棒性与稳定性(RMSE:0.3403～0.3425, MAPE:13.58%～18.38%)不及TabNet(RMSE:0.2886～0.2934, MAPE:15.10%～15.33%)。虽然TabNet训练时间较长,但无需人工进行特征选取,应用限制低,在烟尘预测中具有良好的应用效果。3)基于工...     

锅炉烟尘排放浓度测量的不确定度评定

如何对测量结果的不确定度进行合理评定,一直是困扰检测实验室的一个难题。根据环境监测的特点,通过实例,阐述了烟尘排放浓度测量不确定度评定的方法,对废气监测领域测量不确定度评定具有现实意义。