全文获取类型
收费全文 | 129篇 |
免费 | 38篇 |
国内免费 | 160篇 |
专业分类
安全科学 | 2篇 |
废物处理 | 1篇 |
环保管理 | 1篇 |
综合类 | 258篇 |
基础理论 | 28篇 |
污染及防治 | 16篇 |
评价与监测 | 20篇 |
社会与环境 | 1篇 |
出版年
2024年 | 1篇 |
2023年 | 8篇 |
2022年 | 15篇 |
2021年 | 28篇 |
2020年 | 35篇 |
2019年 | 32篇 |
2018年 | 23篇 |
2017年 | 20篇 |
2016年 | 20篇 |
2015年 | 28篇 |
2014年 | 21篇 |
2013年 | 21篇 |
2012年 | 22篇 |
2011年 | 16篇 |
2010年 | 9篇 |
2009年 | 7篇 |
2008年 | 3篇 |
2007年 | 4篇 |
2006年 | 5篇 |
2005年 | 2篇 |
2004年 | 2篇 |
2003年 | 3篇 |
2002年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有327条查询结果,搜索用时 15 毫秒
1.
成都夏冬季PM2.5中水溶性无机离子污染特征 总被引:6,自引:5,他引:1
利用大气细颗粒物水溶性组分及气态前体物在线监测设备(GAC-IC)对成都市2017年夏、冬两季大气PM2.5中水溶性无机离子(WSIIs)及气态前体物进行了连续观测,对其污染特征及冬季一次典型污染过程进行了深入分析.结果表明,成都冬季PM2.5质量浓度为100.2μg·m-3,显著高于夏季(34.0μg·m-3).WSIIs是PM2.5的重要组成,对夏、冬季PM2.5的贡献分别可达52.9%和53.3%.夏、冬季的二次离子(SNA)占WSIIs的比例分别为73.2%和87.6%,其中,SO42-和NO-3分别是夏、冬季SNA的主导组分,对SNA的贡献分别为37.7%和59.7%.冬季NO-3/SO42-比值(2.7)显著高于夏季(0.8),体现了移动源(尤其是机动车源)对该季节PM<... 相似文献
2.
深圳市郊区大气中PM2.5的特征分析 总被引:3,自引:1,他引:3
为了确定深圳市郊区大气中PM2.5的污染特征,本研究分析了2009年和2010年夏季和冬季PM2.5样品中的水溶性离子和多环芳烃成分.结果表明,深圳市郊区大气中PM2.5的质量浓度很高,夏季53.9%和冬季100%的样品超过了WHO的大气质量准则浓度.PM2.5中,冬季最主要的3种离子是SO24-、NO3-和NH4+.在夏季,这3种离子在PM2.5中的含量都会减少,而Cl-、Na+、K+、Ca2+和Mg2+的含量会增多.另外,冬季是多环芳烃浓度较高的季节,其中萘、苊烯、苊和苯并荧蒽是冬季PM2.5中多环芳烃的主要成分.本研究还通过比值法和特征化合物法对深圳市郊区大气中的PM2.5进行了源解析,确定了PM2.5的可能来源. 相似文献
3.
苏州市PM2.5中水溶性离子的季节变化及来源分析 总被引:2,自引:27,他引:2
2015年在苏州市城区采集大气细颗粒物PM_(2.5)样品共87套,用重量法分析了PM_(2.5)的质量浓度,离子色谱法分析了颗粒物中F-、Cl-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+),共9种水溶性无机离子.观测期间,苏州市PM_(2.5)的年均质量浓度为(74.26±38.01)μg·m-3,其季节特征为冬季春季秋季夏季;9种水溶性离子的总质量浓度为(43.95±23.60)μg·m~(-3),各离子的浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Na~+Cl~-K~+Ca~(2+)F-Mg~(2+);SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)是最主要的水溶性离子;SO_4~(2-)、NO_3~-和NH_4~+三者之间具有显著的相关性,它们在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4的结合方式存在.苏州市PM_(2.5)中水溶性离子的主要来源包括工业源、燃烧源、二次过程和建筑土壤尘等. 相似文献
4.
为研究北京偏南地区细颗粒物(PM_(2.5))中水溶性无机离子的变化特征,利用大气细颗粒物快速捕集系统及化学成分分析系统RCFP-IC,于2016年对北京南郊区大兴PM_(2.5)中9种水溶性无机离子(Cl~-、NO_2~-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+))展开为期1 a的连续在线观测.结果表明,观测期间,9种水溶性无机离子总质量浓度为38.6μg·m~(-3),并呈现冬春高,夏秋低的特征,浓度水平高低顺序为SO_4~(2-)NO_3~-NH_4~+Ca~(2+)NO_2~-Cl~-Na~+K~+Mg~(2+);在冬季,SO_4~(2-)、NO_3~-和NH_4~+浓度占比高达75.7%;春季次之,为72.8%;夏季最低,仅为60.2%.并且随着空气污染的加剧,SO_4~(2-)、NO_3~-和NH_4~+浓度显著增加,这表明SO_4~(2-)、NO_3~-和NH_4~+与空气质量的恶化密切相关,但相比NO_3~-和NH_4~+,SO_4~(2-)在二次离子形成过程中占据主导地位;SO_4~(2-)、NO_3~-和NH_4~+存在显著的日变化特征,SO_4~(2-)统计日变化为双峰型,峰值分别出现在10:00和18:00左右,而NO_3~-和NH_4~+呈单峰型,峰值出现在10:00左右.基于后向轨迹聚类分析结果发现,对南郊区污染有影响的气团主要有3类,分别来自东南方向、西部和来自蒙古高原的高空气团,东南方向气流会加重南郊区水溶性盐的累积,而偏北气流有利于污染物扩散和稀释;基于主成分分析发现,北京南郊区水溶性盐的污染来源分别为二次源、燃煤源和土壤风沙尘及建筑扬尘的混合源.利用潜在源贡献因子分析法对南郊区冬季水溶性盐的潜在污染源区进行分析发现,影响大兴水溶性盐浓度潜在源区主要分布在南郊区的东南部. 相似文献
5.
郑州市夏、秋季大气颗粒物中水溶性无机离子质量浓度及粒径分布特征 总被引:1,自引:2,他引:1
为研究我国中原城市群中心城市郑州市的不同粒径大气颗粒物的组成特征,利用八级撞击式采样器在夏、秋季进行大气颗粒物分级采样,利用离子色谱测定Na~+、Ca~(2+)、NH_4~+、K~+、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)共9种离子的浓度,利用在线离子色谱分析仪监测颗粒物中硝酸盐的实时浓度.结果表明,采样期间郑州市水溶性离子平均浓度为(70. 9±52. 1)μg·m~(-3),其中监测的9种水溶性离子浓度从大到小顺序依次为:NO_3~- SO_4~(2-) NH_4~+ Ca~(2+) Na~+ Cl~- Mg~(2+) K~+ F~-、NO_3~-、SO_4~(2-)和NH_4~+占总水溶性离子的质量分数为79. 9%;无论在秋季或夏季SO_4~(2-)主要集中在≤1. 1μm粒径段上,而NO_3~-主要集中在0. 65~3. 3μm粒径段上. NO_3~-和SO_4~(2-)夏季和秋季均呈双峰分布,主要分布于细粒子中; NH_4~+夏季呈双峰分布,秋季呈单峰分布,表现出季节变化.郑州市夏季臭氧污染严重,O_3与NO_3~-明显地"错峰"现象,表示大气中存在光化学反应;秋季颗粒物污染严重,采样期间[NO_3~-]/[SO_4~(2-)]的比值远大于0. 5,移动源成为颗粒物重要的来源.夏季NOR、SOR峰值在1. 1~2. 1μm粒径段上,秋季两者峰值在0. 65~1. 1μm粒径段上;夏季硫的气-粒转化大于氮的转化,而秋季则相反. 相似文献
6.
霾不同发展阶段下污染气体和水溶性离子变化特征分析 总被引:1,自引:9,他引:1
为探讨霾不同阶段下大气污染物的变化特征,使用MARGA观测了2018年11月18日~12月7日长三角地区一次区域霾过程中前体污染气体(NH_3、HNO_3、SO_2)和8种水溶性离子浓度.结合环保数据(PM_(2.5)、NO_2、CO、O_3)和气象数据,分析此次区域霾过程的成因、大气污染物的日变化特征以及在霾不同阶段下大气污染物的分布特征.结果表明,此次霾过程中长三角地区主要受到高压脊控制,天气形势稳定,有利于大气污染物累积.霾天时PM_(2.5)、NO_2、NO_3-、SO_24-、NH_4+、Cl-和Na+的浓度分别为(118. 91±39. 23)、(61. 62±26. 34)、(45. 64±16. 01)、(18. 80±8. 02)、(20. 82±7. 16)、(3. 02±2. 25)和(0. 23±0. 22)μg·m-3,分别是干净天的2. 73、1. 63、2. 64、1. 94、2. 50、2. 05和2. 56倍;霾天CO的浓度为(1. 34±0. 39)mg·m-3,是干净天的1. 86倍.不同大气污染物的日变化特征不同.霾不同阶段下大气污染物的分布特征不同.SO_2的浓度在霾发生阶段最高; PM_(2.5)、NO_2、NH_3、CO和SNA的浓度在霾发展阶段最高; O_3、Cl-、Na+和K+的浓度在霾消散阶段最高.SNA在霾不同阶段下对PM_(2.5)的相对贡献可达94%~96%,且在发展阶段的增速最大,增速排序为NO_3- NH_4+ SO_24-. SNA在干净天、发生阶段和发展阶段以NH_4NO_3为主,在消散阶段(NH_4)2SO4为主.此次霾过程主要由NO_3-增长导致,NO_3-在霾发生、发展和消散阶段对PM_(2.5)的相对贡献分别为51. 06%、51. 85%和48. 22%,主要通过气相均相反应生成. 相似文献
7.
使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明:霾日中南京水溶性离子浓度为121.41μg/m3,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO3- > SO42- > NH4+ > Cl- > K+ > Ca2+ > Mg2+,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl-、SO42-和NH4+的日变化为单峰型,Ca2+为双峰型,K+、Mg2+为三峰型.随着空气污染状况的加重,总水溶性离子在PM2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH4+占总离子的比例稳定在23%左右,SO42-占比缓慢减小,NO3-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧. 相似文献
8.
于2016年7~8月采集了陕西省西安市(城市)及蔺村(农村)夏季昼夜PM2.5样品,分析其有机碳(OC)、元素碳(EC)和无机离子等化学组分的含量,探讨关中平原城市和农村地区PM2.5的化学组成和来源的差异.结果表明,采样期间西安和蔺村的PM2.5浓度分别为(49.7±22.8)和(62.6±14.2)μg/m3.西安PM2.5中OC和EC的浓度[(6.5±2.5)μg/m3,(3.2±1.8)μg/m3]与蔺村[(6.8±1.8)μg/m3,(3.8±2.3)μg/m3]相当.西安OC/EC比值白天(2.6)高于夜晚(1.9),蔺村反之(白天:1.6;夜晚:2.7),主要是因为夜间城市地区重型卡车运输活动增强导致排放更多EC,而夜间农村地区人为活动较少导致EC排放显著降低.西安和蔺村无机离子总浓度分别为(20.2±14.6)和(30.1±10.5)μg/m3,占PM2.5浓度的40.6%和47.6%.蔺村SO42-的平均浓度高达19.0μg/m3,占PM2.5浓度的30%以上,远高于西安(9.4μg/m3和18.9%),主要与农村固体燃料(煤和生物质)使用有关.西安NO3-和Ca2+的浓度及其对PM2.5的贡献、NO3-/SO42-比值均明显大于蔺村,表明城市地区受机动车尾气和扬尘的影响更大.西安K+与Ca2+和Mg2+的相关性较强,而蔺村K+与EC的相关性显著强于西安,说明西安市区K+由粉尘源主导,而农村地区则主要来自生物质燃烧. 相似文献
9.
对2016年、2017年采暖季太行山沿线传输通道城市大气中PM2.5的OC、EC和水溶性离子进行分析,并利用特征组分比值和元素富集因子变化研究该传输通道的污染特征.结果表明,2017年采暖季通道整体较2016年同期空气质量改善良好,PM2.5浓度由2016年的171.86μg/m3下降为123.90μg/m3.太行山中部城市2017年采暖季较2016年同期PM2.5浓度下降显著,2a采暖季SNA离子(SO2-,NO3-,NH4+ 3种离子总称)浓度与占比呈现"北低南高",加之SNA/EC比值"北低南高",表明南部城市二次无机生成较为严重.而OC、EC浓度与占比呈现"北高南低",Cl-/K+比值和元素Zn、Ba的富集因子北部均高于南部,表明北部城市可能受燃煤和机动车源等一次排放影响较大;各城市2017年采暖季SO2、NO2、CO浓度有所下降,且均呈现"北高南低"趋势,进一步表明北部城市一次排放较为严重. 相似文献
10.