克拉玛依市中心城区颗粒物中多环芳烃污染特征

在克拉玛依市中心城区布设4个采样点,在供暖期和非供暖期分别同步采集4个点位大气中不同粒径的颗粒物,采用HPLC进行分析并计算2个采样期内PM_(10)和PM_(2.5)中多环芳烃(PAHs)的浓度和种类。结果表明:中心城区供暖期PM_(10)中PAHs浓度为56.19 ng/m3,PM_(2.5)中PAHs浓度为48.85 ng/m3;中心城区非供暖期PM_(10)中PAHs浓度为18.86 ng/m~3,PM_(2.5)中PAHs浓度为14.53 ng/m~3。不同采样期PM_(10)和PM_(2.5)中PAHs浓度变化趋势相同,均为供暖期明显大于非供暖期。中心城区供暖期大气颗粒物吸附的PAHs以4环以下的组份为主,非供暖期则是5~6环的高环数组份偏多。分析结果表明克拉玛依市中心城区供暖期颗粒物中PAHs来源于燃煤排放叠加机动车排放,与中心城区集中供热锅炉关系密切;非供暖期则是以机动车排放污染为主。     

北京市大气PM10源解析研究

于2004年在北京市定陵、车公庄、古城、亦庄、房山和奥体中心6个采样点采集大气PM10环境样品,针对北京市颗粒物主要排放源采集土壤尘、建筑水泥尘、燃煤等污染源PM10样品,分别对其中的无机元素、离子、有机碳(OC)和元素碳(EC)进行测定。采用代表北京市颗粒物主要排放源PM10组分特征的成分谱,利用CMB受体模型对PM10来源进行解析。结果表明,PM10的最大来源为土壤尘,其它贡献源类依次为燃煤排放、机动车/燃油排放、二次粒子(SO42-、NO3-和NH4 )、建筑水泥尘。污染源贡献具有明显的季节变化,并存在一定的地域变化。     

水汽和风速对雾霾中PM2.5/PM10变化的影响

依据北京2013年PM2.5/PM10、GPS水汽和无线电探空风速资料,发现水汽变化与PM2.5/PM10变化呈正相关,风速变化与PM2.5/PM10变化呈负相关。在风速较小情况下,水汽变化与PM2.5/PM10变化呈显著正相关,水汽上升对应了GPS水汽变化与PM2.5/PM10质量浓度的上升,水汽下降则对应了PM2.5/PM10质量浓度的下降。分析了水汽与PM2.5/PM10变化显著正相关的原因。     

中国四城市空气颗粒物中铅的污染水平

在大量实验数据的基础上,研究了中国四城市空气颗粒物中铅的污染水平。探讨了颗粒物中铅的数据分布属对数正态分布类型。分析了铅在ＰＭ２５及ＰＭ１０中的分配比例,指出铅在对人体危害较大的细颗粒物中含量占绝大部分。同时分析了铅在粗细颗粒物中铅的富集因子,结论指出铅更易富集在细颗粒物中     

Roadside vehicle particulate matter concentration estimation using artificial neural network model in Addis Ababa, Ethiopia

Currently, vehicle-related particulate matter is the main determinant air pollution in the urban environment. This study was designed to investigate the level of fine (PM_2.5) and coarse particle (PM₁₀) concentration of roadside vehicles in Addis Ababa, the capital city of Ethiopia using artificial neural network model. To train, test and validate the model, the traffic volume, weather data and particulate matter concentrations were collected from 15 different sites in the city. The experimental results showed that the city average 24-hr PM_2.5 concentration is 13%–144% and 58%–241% higher than air quality index (AQI) and world health organization (WHO) standards, respectively. The PM₁₀ results also exceeded the AQI (54%–65%) and WHO (8%–395%) standards. The model runs using the Levenberg-Marquardt (Trainlm) and the Scaled Conjugate Gradient (Trainscg) and comparison were performed, to identify the minimum fractional error between the observed and the predicted value. The two models were determined using the correlation coefficient and other statistical parameters. The Trainscg model, the average concentration of PM_2.5 and PM₁₀ exhaust emission correlation coefficient were predicted to be (R² = 0.775) and (R² = 0.92), respectively. The Trainlm model has also well predicted the exhaust emission of PM_2.5 (R² = 0.943) and PM₁₀ (R² = 0.959). The overall results showed that a better correlation coefficient obtained in the Trainlm model, could be considered as optional methods to predict transport-related particulate matter concentration emission using traffic volume and weather data for Ethiopia cities and other countries that have similar geographical and development settings.     

深圳市大气中PM2.5载带金属污染特征及健康风险

于2020年3月～2021年2月对深圳市道路环境空气中PM_2.5载带的15种金属元素的质量浓度进行时间分辨率为1h的全年在线观测.结果显示,深圳市道路环境空气中PM_2.5载带金属元素的总平均浓度为(1062.3±434.6) ng/m³,其中Fe、Al、K、Ca和Zn为主要贡献元素,在金属元素中总贡献达到95.5%.Fe的浓度较高,受到与道路扬尘和机动车排放的强烈影响.金属浓度存在着显著的季节性差异,冬季浓度最高(1709.3ng/m³),夏季最低(644.1ng/m³).Mn、Fe、Cr、Zn和Ca元素呈现明显的双峰日变化分布,与机动车流量高峰一致.昼夜浓度分布结果显示,夜间船舶排放V和Ni的浓度高值得关注,而Mn、Zn和Ca的浓度白天较夜晚高,与白天机动车流量较高有关.高污染日总金属日间浓度和夜间浓度均为全年日间和夜间平均浓度的1.9倍.成年人与儿童暴露于深圳市道路环境空气的非致癌风险均低于阈值1,但是总致癌风险(6.5×10^-6)超过阈值10     

电袋复合除尘器脱除PM2.5效率的探讨

介绍了“电袋复合除尘器脱除烟气中PM2.5细颗粒效率”的研究成果。包括实验室研究和现场测定两部分,同时也对比了电除尘器、袋式除尘器和电袋复合除尘器三种高效除尘器的脱除效率,研究表明,电袋复合除尘器在三种除尘器中具有较高的PM2.5脱除效率。     

铝电解工业PM2.5超细粉尘的控制技术研究

分析了铝电解工业PM2.5的来源,估计电解铝生产产生的PM2.5大约为66万t/a,加上铝电解工业其他工段产生的粉尘,整个铝冶炼行业产生的PM2.5粉尘达到80万～100万t/a以上。进行铝电解工业废气排放PM2.5控制技术的研究,实际上是对布袋除尘器过滤技术的研究,包括除尘器内部流场控制技术、用于电解铝行业袋式除尘器专用滤料技术、滤袋上滤饼及清灰控制和烟气平衡自适应控制技术的研究。阐述了有关研究方法及阶段性研究成果,以及下一步的研究目标。     

燃煤电VPM2.5及汞控制技术探讨

火电厂烟气中PM2.5控制技术,目前可分为电除尘和袋式除尘两大类。其中电除尘又分常规电除尘、移动电极电除尘、前置聚并器电除尘、湿式电除尘、低温电除尘等;袋式除尘又分为纯袋式除尘、电一袋复合式除尘、先进的混合式电一袋除尘等。文章对这些技术从捕集机理到应用效果进行了分析探讨,推荐了火电厂应用最合适的控制技术。     

2020年江苏省机动车排放污染分布特征及与大气质量耦合性研究

依据生态环境部2021年6月发布的《排放源统计调查产排污核算方法和系数手册》,结合本地实测数据,在对汽油车颗粒物(PM)排放系数进行测算的基础上,核算了2020年江苏省机动车PM、氮氧化物(NO_(X))、挥发性有机物(VOC_(S))的排放总量,分析了机动车排放污染分布特征及与大气质量的耦合关系。结果表明:2020年江苏省机动车PM、NO_(X)、VOC_(S)排放量分别为0.5×10^(4),3.71×10^(5),1.17×10^(5) t。从区域分布来看,苏州、南京、无锡3市的3项污染物排放总量及NO_(X)、VOC_(S)排放量均位列前3位,PM排放量位列前3位的是苏州、徐州、无锡。从车型、燃料类型和排放阶段来看,国Ⅳ及以下排放标准的汽油小型客车是机动车VOC_(S)排放控制的重点,国Ⅲ排放标准的重型柴油货车是机动车PM和NO_(X)排放控制的重点。分析区域机动车PM排放量与大气中PM_(2.5)来源解析结果的耦合关系,其间存在不同程度的正相关性,控制机动车污染对改善大气环境会产生积极成效,南京、徐州和盐城3市的成效会尤为明显。