基于静止卫星GOCI传感器的大气污染过程AOD监测

针对北京及周边地区2017年11月2~8日的一次污染过程,利用韩国静止卫星COMs1GOCI数据,对北京地区进行AOD监测.AOD反演采用时间序列迭代算法,根据地表反射率随时间慢变而大气气溶胶随时间快变的理论,采取最小值拟合的方式,获取气溶胶光学厚度数据.反演结果与地基AERONET监测结果具有很好的一致性,两者的相关系数R²大于0.89.AOD监测结果表明,GOCI传感器1次/h的监测频率,可以很好地展现北京地区大气污染过程的开始,发展及消散过程,可以展示出一天之内AOD的变化,为大气污染监测以及气候变化研究提供依据.     

辽东湾潜在褐潮生物时空分布及环境关联

以18S rDNA V4区作为目标基因,利用自行设计的真核浮游植物鉴定引物V4（F/R）,结合高通量测序技术,对辽东湾2014年四季海水中真核浮游植物多样性进行了检测.结果发现了8种潜在褐潮生物：抑食金球藻、金牛微球藻、微拟球藻、颗粒微拟球藻、细小微胞藻、密球藻、普通小球藻、钙质角毛藻,其中前2种生态风险较高,主要分布在辽东湾西南、东南两侧.除抑食金球藻和细小微胞藻为混合营养型外,其他6种均为自养型.细小微胞藻丰度最高（平均161445个/L）,主要分布在秋季;其次是抑食金球藻、金牛微球藻（平均13912,13717个/L）,主要分布在春季;之后为钙质角毛藻、普通小球藻（平均5498,5234个/L）,主要分布在秋季;密球藻（平均1345个/L）,主要分布在夏季;微拟球藻、颗粒微拟球藻最少（平均56,44个/L）,冬季无分布.辽东湾潜在褐潮生物丰度与水温、水深、无机氮、N/P显著相关,其群落结构演替与环境因子关联性有待于进一步研究.     

京津冀及周边地区水泥工业大气污染控制分析

以京津冀及周边地区水泥工业为研究对象,基于产排污系数法,建立了水泥工业主要大气污染物排放计算方法,对2016年该地区水泥工业主要大气污染物排放控制水平进行了分析.结果表明：京津冀及周边地区2016年水泥工业SO₂、NO_x、PM（有组织）排放量分别达到3.2×10⁴t、23.9×10⁴t、9.7×10⁴t,较2015年分别减少24.1%、18.2%、27.2%,各项污染物大幅下降.水泥工业PM无组织排放量占PM总排放量的45.4%,仍需要采取集中收集的方式加强治理.山东、河南是水泥工业SO₂、NO_x、PM、PM₁₀、PM_2.5重点排放来源,应通过化解过剩产能降低污染排放.从各工艺来看,新型干法工艺应考虑采用高效脱氮脱硫技术、协同处置技术、高效大型袋式除尘技术等新技术,进一步降低各项污染物的排放量;粉磨站也需进一步提高污染治理水平.     

基于高精度清单的京津冀机动车控污政策研究

为研究京津冀机动车污染控制政策对CO、HC、NO_x、PM_2.5、PM₁₀等污染物的减排效果,建立了2014年高精度机动车排放清单,选取过去已经实施,未来规划实施及优化/劣化后的若干政策,设置4类共13种政策情景,与实际清单基准情景进行对比,识别各政策情景的排放变化,并对其中由政府给予补贴的政策进行成本收益核算.结果显示,淘汰低排放标准机动车带来的污染减排效果最好,在天津和河北对CO和HC的排放削减分别为53.19%,49.75%和51.28%,50.87%,达半数及以上;升级机动车发动机和燃油标准也能显著削减排放,在天津和河北对PM_2.5、PM₁₀的削减分别为17.01%,17.00%和21.95%,21.93%.政府补贴政策存在明显边际效应特征,排放标准高,重污染车少的北京单位成本的减排收益明显低于天津和河北,.河北和天津在考虑成本因素的基础上,应当逐步采纳北京的高标准减排政策;北京则可在一定条件下,将一部分低效的政府补贴通过合理方式转移支付给天津和河北,以提高政府投入的减排效率.     

海洋环境低水位加速腐蚀研究进展

以海洋环境中一个非常重要的局部腐蚀形式——低水位加速腐蚀(ALWC)为对象,自其检测、发生原因、防护三个方面就国内外的文献报告进行综述分析。在检测方面,首先介绍了常用的宏观观察这一被动形式,并突出其特征,然后介绍了利用海水中可溶性无机氮含量作为ALWC发生概率预测这一主动形式,分析其优势与不足。在发生原因方面,在对将ALWC认定为一种典型的微生物腐蚀(MIC)形式的认知过程进行介绍之后,重点分析了微生物对ALWC作用机制不清晰的原因,并建议在后续研究中突出动态演变过程,结合高通量测序等分子生物学技术,确定在不同的阶段影响ALWC的关键微生物,且进一步在大气-海水体系下研究典型菌株及其协同作用的影响,提出微生物对ALWC的作用机制。在防护方面,根据新建和已建钢结构设施分别对传统和针对ALWC所具有的MIC与局部腐蚀特性的新型高效防护方法进行了介绍,并分析了防护方法的优缺点。     

Monitoring Air Quality in Mountains: Designing an Effective Network

A quantitatively robust yet parsimonious air-quality monitoring network in mountainous regions requires special attention to relevant spatial and temporal scales of measurement and inference. The design of monitoring networks should focus on the objectives required by public agencies, namely: 1) determine if some threshold has been exceeded (e.g., for regulatory purposes), and 2) identify spatial patterns and temporal trends (e.g., to protect natural resources). A short-term, multi-scale assessment to quantify spatial variability in air quality is a valuable asset in designing a network, in conjunction with an evaluation of existing data and simulation-model output. A recent assessment in Washington state (USA) quantified spatial variability in tropospheric ozone distribution ranging from a single watershed to the western third of the state. Spatial and temporal coherence in ozone exposure modified by predictable elevational relationships ( 1.3 ppbv ozone per 100 m elevation gain) extends from urban areas to the crest of the Cascade Range. This suggests that a sparse network of permanent analyzers is sufficient at all spatial scales, with the option of periodic intensive measurements to validate network design. It is imperative that agencies cooperate in the design of monitoring networks in mountainous regions to optimize data collection and financial efficiencies.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.     

日照市大气质量指数分区预报

利用1999年1月至2002年7月日照市环境监测站监测的污染物浓度资料和探空及本站地面气象资料,分析了日照地区可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响。在此基础上,建立了可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度指数预报方程及大气质量指数分区预报流程。并用VB6.0语言编程在微机上建立了简洁流畅、操作简便的大气质量指数分区预报系统。实际预报结果较好。     

发展我国环境监测技术产业的探讨

本文从发展我国环境监测技术产业的角度论述了环境监测技术产业的主要内容，分析了我国环境监测技术产业的发展和存在的问题，对发展我国环境监测技术产业提出了建议。     

浅谈烟道气现场监测的工作管理

烟道气现场监测，易出差错。监测人员必须有良好的专业理论水平、丰富的工作经验、高度的敬业精神。本文就现场监测工作易出现问题进行了分析，列举了解决问题的方法