排序方式: 共有34条查询结果,搜索用时 140 毫秒
1.
北京市地表水环境面临的主要问题及防治对策 总被引:6,自引:2,他引:6
针对北京市地表水水质污染现状、污染特点及其变化趋势,深入剖析了目前地表水环境及其治理过程中存在的主要问题,提出进一步改善北京市地表水环境的措施与建议。 相似文献
2.
3.
为深入分析"水十条"对北京市地表水环境质量状况的影响程度,选取2014—2017年间全市地表水逐月监测数据,从水质类别、污染物浓度和总量减排等角度进行综合分析。结果显示:"水十条"的实施有效改善了北京市地表水环境质量,改善水体主要为劣Ⅴ类和Ⅳ~Ⅴ类水体;全市氨氮(NH_3-N)和高锰酸盐指数(COD_(Mn))浓度分别降低55. 9%和25. 9%,月际间变化规律由U型分布转变为整体下降趋势,其中以再生水、再生水和污水混合水为水源的河流改善幅度较大;污染物总量控制成效显著,"水十条"的实施加速了水劣化足迹的下降。因子分析结果显示:城市、农村和自然为影响北京地表水水质的主要因素。其中,城市化水平与污染物浓度呈显著负相关关系,增加生态用水、加强农业污染源和城市非点源的治理力度将推进首都水环境状况的持续改善。 相似文献
4.
广州市酸沉降对材料破坏的经济损失估算 总被引:3,自引:0,他引:3
大气中的酸性物质对材料的破坏是酸沉降经济损失中的重要部分。简要说明了材料损失的计算方法,并以2001年为基准年,选择了广州市作为代表性城市,运用材料损伤函数和材料使用寿命公式对建筑材料及自行车的经济损失进行了估算,使酸沉降的破坏作用达到定量化。 相似文献
5.
以北运河水系主要干支流2011年1~12月23项指标的监测数据为依据,采用水质类别法和平均综合污染指数法,对水质污染特征进行综合评价,运用主成分分析和系统聚类分析法,对水质指标主成分以及水质差异进行分类,并进一步对不同干支流污染来源进行分析.结果表明,北运河水系由于排污量大,地表水污染严重,除城市中心区部分河流水质为Ⅲ~Ⅳ类外,城市排水河流、远郊河流水质均为劣Ⅴ类.水质由3个主成分组成,COD、CODMn、BOD5、NH3-N、TP等为第一主成分;汞为第二主成分;石油类为第三主成分.干支流水质分为4类:第1类为清洁水源类河流,主要集中在城市中心区,降雨地表径流、雨污合流管网溢流引起的非点源污染是影响其水质达标的重要污染源;第2类为再生水水源类河流,主要集中在城市排水上游河流,城镇污水处理厂排水是其主要污染源;第3类为再生水与污水混合水源类河流,主要集中在城市排水下游河流及部分远郊区河流,由于城市下游排水管网不健全,远郊区污水集中处理率低,生活源和农业源的污染贡献率较高,水质污染严重;第4类为污水水源类河流,分布于远郊区县,农业污染占比较大,水质污染最严重. 相似文献
6.
北京春季城区与远郊区不同大气粒径颗粒物中水溶性离子的分布特征 总被引:2,自引:0,他引:2
为比较北京城区与远郊区大气颗粒物中水溶性无机离子的组成特征,2012年4月,利用Andersen分级撞击式采样器同时在2个采样点进行大气颗粒物分级采样,样品采用离子色谱分析.结果表明,城区和上甸子大气颗粒物中水溶性无机离子总浓度分别为(83.7±48.9)μg·m-3和(75.5±52.9)μg·m-3,NO-3、SO2-4和NH+4是最主要的水溶性无机离子,分别占总离子浓度的81.2%和84.2%.粒径分布显示,Mg2+和Ca2+在5.8~9.0μm的粒径范围出现峰值,Na+、NH+4、Cl-在0.43~1.1μm和4.7~9.0μm的粒径范围出现双峰,K+、NO-3和SO2-4在0.65~2.1μm的粒径范围出现峰值.后向轨迹簇分析表明,气团来自南方时,城区和上甸子二次离子浓度分别为(92.4±40.0)μg·m-3和(95.0±35.4)μg·m-3,来自其他方向时,分别为(24.0±10.8)μg·m-3和(13.3±10.6)μg·m-3. 相似文献
7.
8.
为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM2.5质量浓度、O3质量浓度、NO2质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R2)分别为0.80、0.... 相似文献
9.
10.