重庆市CO浓度特征及潜在源分析

该文基于2018-2020年重庆市空气质量监测网络数据,分析了城市站、区域站和交通站CO浓度水平、时间变化规律,研究了CO与大气污染物、气象参数的相关性,并利用Meteoinfo软件对抵达重庆市各片区的轨迹进行聚类分析、潜在源贡献因子分析及浓度权重分析,获得了各片区CO的传输规律及潜在源区贡献特征。结果表明,2018-2020年,城市站和区域站CO质量浓度为下降趋势,交通站呈现上升趋势,CO质量浓度月变化为“U型”特征,日变化为“双峰”特征,区域站峰值时间晚于城市站和交通站,各类型站点均存在明显“周末效应”。城市站CO与其他大气污染物相关性整体强于区域站,交通站CO与其他大气污染物相关性最低。CO质量浓度与风速为负相关关系,与地面气压和温度的相关性不明显。重庆市冬季的气团轨迹主要来自偏东区域,占比70%以上,此外还有少量轨迹较短的偏西区域轨迹,对应CO质量浓度较高。中心城区主要源区位于重庆主城都市区以及川东城市,主城新区主要源区位于重庆主城都市区、泸州、广安、南充,渝东北片区主要源区位于渝东北区域、川东及湖北省恩施州、湖南省张家界等,渝东南片区主要源区来自渝东南片区及湖北省恩施州。     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

环境空气PM_1自动监测与手工采样比对分析

选取3种原理(β射线法,β射线+光散射融合法和振荡天平法)9种型号国产和进口PM_1自动监测仪器和4台手工监测设备开展PM_1自动监测和手工监测比对实验,并利用线性回归曲线和相对偏差方法分析和评价比对测试结果。结果表明:4台手工采样器的平行性满足参考标准要求;参与比对的9款自动监测仪器监测结果与手工采样监测结果的回归曲线的相关系数、斜率、截距均满足参考标准要求;国产和进口仪器以及不同原理自动监测仪器监测结果与手工监测结果回归曲线的相关系数、斜率和截距无明显差异。低PM_1质量浓度下自动监测结果和手工监测结果的相对偏差最大,实际应用中需重点关注低PM_1质量浓度时的监测数据质量。     

ICP-AES法和分光光度法测定工业废水中总磷的方法比较

用ICP-AES法和分光光度法同时测定4种不同工业废水中的总磷含量,将2种方法的测定结果作比对。试验表明,ICP-AES法对国家标准样品的测定结果具有较高的准确度和精密度,4种废水样品测定结果的加标回收率为94.0%~110%,RSD在0.9%~3.2%之间。分光光度法适用于低浓度、低干扰样品的测定,对于高浓度含磷废水,取样体积和样品稀释倍数均会对其测定结果产生显著影响。消解样品经浊度-色度补偿后,分光光度法的测定结果精密度较低。