支持向量机回归在臭氧预报中的应用

采用南京工业区2016年5月20日~8月15日这一高臭氧（O₃）期的O₃、O₃前体物和常规气象资料数据,利用支持向量机回归（SVMr）方法分别预报O₃的小时值、日最大值和最大8 h滑动平均值.结果表明,O₃小时值预报的相关系数（R²）为0.84,平均绝对误差（MAE）和平均绝对百分误差（MAPE）分别为3.44×10^-9和24.48,O₃前期浓度、紫外B波段辐射（UVB）和NO₂浓度是关键因子.O₃日最大值预报的主要因子是NO_x在07：00的浓度和UVB.预报O₃ 8 h时UVB和气温起重要作用.加入前体物项能够使O₃的预报精度提升10%~28%.与多元线性回归方法相比,SVMr对O₃浓度的预报有明显优势.     

旅游影响区等级划分及旅游影响指标的分析

采用TWINSPAN分类法,根据旅游对森林植被影响程度,划分为6个旅游等级影响区,反映了以游径为轴线的旅游影响水平空间格局变化规律;对12个旅游影响指标相关分析表明,有3对旅游影响指标间存在显著或极显著关系。其中剔除树桩影响系数和游径距离为极显著相关,旅游垃圾影响系数和剔除树桩影响系数、旅游垃圾影响系数和游径距离这2对指标均为显著相关;根据主成分分析的结果,有5个主成分所提供的信息量占全部信息量的81.88％,这5个主成分与12个旅游影响指标中的7个旅游影响指标关系密切。以7个旅游影响指标进行的旅游影响区等级划分与12个旅游影响指标所得结果是一致的,这就简化了旅游对植被影响评价和影响区等级划分指标的选取。     

Evaluation of atmospheric sources of PCDD/Fs, PCBs and PBDEs around a steel industrial complex in northeast China using passive air samplers

The concern about emissions of polychlorinated dibenzo-p-dioxins and dibenzofurans (PCDD/Fs) polychlorinated biphenyls (PCBs), and polybrominated diphenyl ethers (PBDEs) from steel industrial parks has increased in the past decades. In this study, polyurethane foam (PUF)-disk based passive air samples were collected in and around a big steel industrial park of Anshan, Northeast China from June 2008 to March 2009. The levels, seasonal variations and potential sources of PCDD/Fs, PCBs and PBDEs in the atmosphere around the steel industrial complex were investigated, and potential contribution of these three groups of persistent organic pollutants (POPs) from iron and steel production was also assessed. The air concentrations of ∑₁₇PCDD/Fs (summer: 0.02-2.77 pg m⁻³; winter: 0.20-9.79 pg m⁻³), ∑₁₉PCBs (summer: 23.5-155.8 pg m⁻³; winter: 14.6-81.3 pg m⁻³) and ∑₁₃PBDEs (summer: 2.91-10.7 pg m⁻³; winter: 1.10-3.89 pg m⁻³) in this targeted industrial park were relatively low in comparison to other studies, which implied that the industrial activities of iron and steel had not resulted in serious contamination to the ambient air in this area. On the whole, the air concentrations of PCDD/Fs in winter were higher than those of summer, whereas the concentrations of PCBs and PBDEs showed opposite trends. The result from principal component analysis indicated that coal combustion might be the main contributor of PCDD/F sources in this area.     

Polycyclic aromatic hydrocarbons in urban soils of Beijing: status, sources, distribution and potential risk

We studied the source, concentration, spatial distribution and health risk of 16 polycyclic aromatic hydrocarbons (PAHs) in urban soils of Beijing. The total mass concentration of 16 PAHs ranged from 93 to 13 141 μg kg⁻¹ with a mean of 1228 μg kg⁻¹. The contour map of soil PAH concentrations showed that the industrial zone, the historical Hutong district and the university district of Beijing have significantly higher concentrations than those in remainder of the city. The results of sources identification suggested that the primary sources of PAHs were vehicle exhaust and coal combustion and the secondary source was the atmospheric deposition of long-range transported PAHs. The incremental lifetime cancer risks (ILCRs) of exposing to PAHs in the urban soils of Beijing for adult were 1.77 × 10⁻⁶ and 2.48 × 10⁻⁵, respectively under normal and extreme conditions. For child, they were 8.87 × 10⁻⁷ and 6.72 × 10⁻⁶, respectively under normal and extreme conditions.     

济南市空气中颗粒物来源与防治对策

颗粒物(总悬浮颗粒物TSP及可吸入颗粒物PM10)已成为济南市空气污染的首要污染物,其主要来源为扬尘、煤烟尘和风沙尘.三类尘对TSP和PM10的贡献分别为扬尘:34%和30%、煤烟尘:25%和19%、风沙尘:18%和22%.文中在阐明颗粒物源解析的分析方法及结果基础上,提出了颗粒物污染的防治对策.     

化工园区污水特征分析及生物毒性研究

对天津市某化工园区9个主要污染企业及总排放口的废水进行监测分析,测定了12项水质常规指标和8项重金属指标,采用主成分分析法和生物毒性测试对化工区废水的水质进行了综合评价。结果表明,水质指标中大部分常规项目(如COD、氨氮和重金属含量)在多数企业污水中都符合排放标准,总氮、总磷污染较重,其中磷的污染最严重,最高超标23.83倍;影响污水性质的第一主成分为氯化物、电导率、全盐量和Cr,第二主成分为溶解氧、悬浮物、氨氮、总氮、总磷和As;废水具有一定的生物毒性,且不同化工企业之间毒性差异较大。水质化学测定的结果和生物毒性程度有一定相关性,但也存在差异,应该结合两者综合评价水质污染特征。     

城市河流各水期水质变化分析

选取宁波市区20个监测断面作为研究对象,选择溶解氧、高锰酸盐指数、五日生化需氧量、氨氮、铜、锌、挥发酚、石油类作为评价指标,利用主成分分析法分别对其枯水期、平水期、丰水期进行综合水质评价。根据计算结果提取了3个主成分因子(有机物因子、氨氮和重金属因子、挥发酚因子),累计方差贡献率达到84.02%,基本保留了选取指标的有效信息。结果发现,各监测断面污染状况均显示为枯水期>平水期>丰水期,枯水期、平水期、丰水期断面达标率分别为20%、50%、80%,主要超标水域为鄞州河网、中大河、鄞江下游,评价结果与实际情况相符合。     

宁波市秋冬季大气能见度特征及影响因素分析

针对宁波市大气能见度的观测研究表明,宁波市秋冬季大气能见度均值为11.6 km,霾日发生率为31.6%,霾日的能见度均值为6.6 km,且PM_(2.5)质量浓度在100~120μg/m3范围内的频率最高。能见度随着PM_(2.5)浓度增大呈指数下降,且相同的PM_(2.5)浓度情况下,相对湿度越大,能见度越低。能见度为10 km的临界点上,PM_(2.5)质量浓度值对应为67.5μg/m3。不同相对湿度时,能见度为10 km对应的PM_(2.5)质量浓度临界值不同。通过建立能见度回归方程发现,低相对湿度(RH≤30%)时,PM_(2.5)对能见度的影响权重最大;高相对湿度(RH60%)时,相对湿度的权重最大;RH低于60%时,RH的权重随着PM_(2.5)浓度的增加而增大;而RH高于60%时,RH的权重随着PM_(2.5)浓度的增加而减小。分析结果可为宁波市灰霾防治和采取合适的管控措施提高能见度提供一定参考。     

成都市冬季3次灰霾污染过程特征及成因分析

基于成都市大气环境超级观测站气态污染物和PM_2.5中组分在线监测数据,对2019～2020年成都市3次灰霾污染过程气象要素和组分特征进行分析,采用CMB模型模拟获得研究期间PM_2.5污染来源及变化趋势,剖析各污染过程成因.结果表明:(1) 3次污染过程均发生在相对湿度和温度持续上升,风速和边界层高度持续降低的不利气象条件下,日均相对湿度均大于70%,日均温度均大于8℃,日均风速均低于0.8 m·s^-1,日均边界层高度均低于650 m;(2) 3次污染过程中主要组分均为NO^-₃、 OC、 NH⁺₄和SO₄ ^2-,其中NO^-₃质量浓度和占比污染时段较清洁时段增长倍数均高于其他组分,分别增加了1.47～2.09倍和0.22～0.35倍,NO^-₃是成都市冬季PM_2.5污染的关键组分;(3) ...     

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...