某高密度街区大气颗粒物质量浓度分布特征实测研究

为研究城市高密度街区大气颗粒物浓度分布特征,2019年秋季对上海市某高密度街区道路大气颗粒物浓度、空气温度、相对湿度、地理位置、车辆与道路图像视频信息进行了同步移动在线监测,并结合街区内固定站数据和后向轨迹模拟结果,总结了影响街区大气颗粒物浓度变化的主要因素。结果表明:城市大气颗粒物背景拟合值处于较低水平时,街区内的大气颗粒物浓度变化和影响因素易被识别;机动车污染源对大气颗粒物浓度贡献大,其中大型机动车的影响明显;户外施工和道路清扫会引起大气颗粒物浓度上升,其中PM₁₀上升更明显;交通密度大的十字路口大气颗粒物浓度通常较高;城市高架的盖状结构会阻碍大气颗粒物在垂直方向上的扩散,引起局部大气颗粒物浓度上升;街区内高大浓密的乔木对近地面的大气颗粒物屏蔽效果不理想,甚至有助于颗粒物累积;早晚高峰时段大气颗粒物浓度较非高峰时段高。     

污水中喹诺酮类抗生素分布及与环境变量的相关性研究

利用固相萃取-高效液相色谱串联质谱法（SPE-HPLC-MS/MS）对广西九洲江地区的6个污水处理厂的进水和出水中的喹诺酮类抗生素（QNs）进行检测,分析不同处理工艺对QNs的去除情况,并对检出的QNs进行冗余分析,探究其与环境变量之间的相关性。结果表明,污水处理厂进水中诺氟沙星（NFX）检出浓度最高,其次是环丙沙星（CPX）、氧氟沙星（OFX）和恩诺沙星（EFX）,QNs在进水和出水时的质量浓度分别为252.1~1 374.9 ng/L和44.4~147.1 ng/L;污水中QNs的总去除率为66.6%~92.5%;Na⁺、K⁺和总有机碳（TOC）与多数QNs呈正相关关系,Ca²⁺、Mg²⁺、pH值与多数QNs呈负相关关系。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

天津冬季大气中PM2.5 及其主要组分的污染特征

研究了天津冬季中心城区、工业区和滨海区大气中PM_2.5 及其水溶性无机离子和含碳组分的污染特征.结果表明,天津冬季PM_2.5 污染严重,平均质量浓度为223µg/m³,其中有机物、SO₄^2-和元素碳是含量较高的3 种组分,分别占PM_2.5 总质量的23.4%, 13.1%,12.8%.PM2.5浓度及其化学组成空间分布较为均匀,但工业区受局部排放源的影响,含碳物质污染突出;SO₄^2-、NO₃^-、C_l^-、NH₄⁺和K⁺约占离子总量的90%,阴、阳离子未达到平衡状态,酸性阴离子过剩;有机碳与元素碳的浓度比为1.4,低于国内其他城市;有机碳主要来自污染源的直接排放,二次有机碳的含量约为27%∼37%;机动车尾气、燃煤是PM2.5 的主要排放源,海盐粒子的贡献甚微.     

框架通风除尘设备降尘方法的探讨

煤矿开采、水泥生产、面粉加工、制药等行业长期受到粉尘污染的困扰。为了改变粉尘的治理现状,缓解粉尘对人体的伤害,采用框架通风除尘专利设备除尘,通过测定室内环境中可吸入颗粒物浓度,计算出不同尘源产生粉尘的沉降率。     

去除药品分装粉尘的新方法

通常在药品生产、分装、包装等过程中,工作环境会出现大量的药物粉尘污染问题。为了改善和创造良好的工作环境,结合中药药材标准物质粉末分装工作,研制出一套高效自动除尘设备。它可有效控制工作区域的粉尘流向并定位收集,达到人与粉尘的高度分离,有效地改善了工作环境。     

贻贝养殖区悬浮颗粒物浓度的卫星遥感反演研究

悬浮颗粒物(total suspended matter,TSM)是重要的水环境参数,影响着海水的透明度和初级生产力,因此总悬浮颗粒物的监测对于海洋牧场环境的评价具有重要意义。卫星遥感技术具有显著的时空观测优势,但目前尚无专门针对海洋牧场小尺度海域的TSM遥感产品。本研究以浙江嵊泗枸杞岛贻贝养殖区为研究对象,基于春、夏、秋、冬4个季节的调查实测数据,建立了面向Landsat-8卫星遥感影像的TSM浓度定量反演模型。验证结果表明,反演模型具有良好的估算精度,决定系数R²为0.72,均方根误差为6.59 g/m³,绝对偏差为0.72 g/m³,平均绝对百分误差为29.8%;进一步将其用于2021-2022年春、夏、秋、冬4个季节的Landsat-8影像,反演了贻贝养殖区及毗邻海域的TSM浓度遥感产品,分析了其时空变化特征。     

北京山前典型细粒子污染过程的气象条件分析

可吸入颗粒物(PM₁₀)是近年来北京地区冬季首要污染物,其中细粒子(PM_2.5)污染受到广泛关注,由于该地区具有山前地区的地形和气象条件,使其细粒子污染更具区域代表性.对2007年12月北京出现的4次细粒子污染过程及气象条件进行了分析,结果表明:细粒子山前累积/清除时间,ρ(PM_2.5)峰值均与气象条件相关;12月23─26日的3 d连续累积,使26日的ρ(PM_2.5)日均值达到313.4 μg/m3,是国家ρ(PM₁₀₎二级标准〔环境空气质量标准(GB3095─1996)〕(150 μg/m3)的2.1倍,超过世界卫生组织ρ(PM_2.5)日均指导值(25 μg/m3)的11倍;持续的偏南风和边界层底层局地性环流,使得京津冀南部区域细粒子以日均96.7 μg/m3的高值累积在北京山前地区,造成了12月23—31日具有代表性的北京冬季严重细粒子污染.      

北京大气颗粒物中一元羧酸的季节变化和来源分析

通过膜采样溶剂提取、衍生化GC/MS分析,对2006年9月~2007年8月间北京大气PM10和PM2.5中的一元羧酸进行了观测研究.结果表明,可检出C10~C30的烷酸以及油酸、亚油酸和桐油酸3种烯酸,其中含量最高的是C16和C18 2种烷酸.PM10中,一元羧酸总浓度为61.7~1652.3ng/m3,年平均为426.2ng/m3;PM2.5中,一元羧酸总浓度为34.5~992.1ng/m3,年平均为319.6ng/m3.75%的一元羧酸分布在细粒子中,且冬、春季浓度明显高于夏、秋季.春、夏、秋、冬4个季节PM10中一元羧酸浓度分别为(625.1±403.8), (200.0±95.3), (263.0±201.1), (659.9±433.5)ng/m3; PM2.5中一元羧酸浓度为(431.7±211.0), (194.4±95.8), (207.9±160.8), (463.6±262.1)ng/m3.源解析显示,燃煤排放是冬季最主要的人为污染源;机动车排放则在其他季节贡献最大.