北京市PM2.5水分含量及其变化特征

利用卡尔费休法可直接测定PM_2.5水分含量,方法精密度及准确度均较好.将该方法应用于北京市城区站点2020年全年的PM_2.5分析,结果显示PM_2.5水分浓度年均值为(5.0±4.1)µg/m³,在PM_2.5占比为(12.5±4.8)%,与PM_2.5质量浓度呈显著相关.水分质量浓度与PM_2.5的质量浓度月度及季节变化趋势基本一致.研究发现,随着空气污染加重,水分质量浓度及其在PM_2.5占比均呈上升趋势,二者相关性明显增强.可见污染发生时,水分增加有利于颗粒物吸湿增长从而推高污染水平,对PM_2.5的贡献同步增强.当沙尘污染发生时湿度处于同期较低水平,不利于细颗粒物的吸湿增长,水分质量浓度及其占比均处于较低水平. PM_2.5水分与二次离子及有机物均有很好的相关性,说明水分为气态污染物提供非均相转化载体,促进硝酸盐、硫酸盐、有机物的进一步生成.PM_2.5水分与地壳物质无相关性,证实地壳元素为一次源,不受水分影响.     

北京市PM_(2.5)二次水溶性无机离子变化特征

利用在线高分辨率仪器对2013年和2014年北京市SO2-4、NO-3和NH+4(SNA)浓度进行连续观测。结果表明:NO-3浓度在夜间较高,下午较低;SO2-4浓度在后半夜至早晨较低,从上午至前半夜整体呈上升趋势;NH+4浓度日变化曲线相对平缓,在整个白天时段较低,夜间时段较高。硫氧化率(SOR)夏季最高,冬季最低;氮氧化率(NOR)季节变化相对较小。2014年整体ρ(NO-3)/ρ(SO2-4)比值明显高于2013年,表明北京市的排放源中以机动车为代表的移动源的贡献明显增大。     

北京城区和路边秋冬季PM2.5中碳质组分特征及来源分析

为探究北京市不同点位秋冬季碳质组分污染特征及其来源,该文于2020年9月和12月在城区和路边站点同时开展了有机碳(OC)、元素碳(EC)、PM_2.5、O₃、CO、NO_x(NO+NO₂)和气象因子连续在线监测。结果表明,研究期间空气质量较好,路边站ρ(OC)、ρ(EC)和ρ(PM_2.5)分别为(5.66±3.54)、(1.59±1.31)和(32.9±25.1)μg/m³,较城区分别高出32%、70%和33%,表明路边PM_2.5污染较重,移动源对碳质组分尤其是EC贡献显著;秋季两站点OC浓度无显著空间差异,路边站EC较城区站高47%,PM_2.5中ω(碳质颗粒(TCM=1.4×OC+EC))在城区和路边分别为29%和25%,冬季路边站OC和EC较城区高54%和83%,城区和路边ω(TCM)为27%和31%;除O₃以外,其他气态污染物和PM_2.5均呈冬季高于秋季、路边高于城区...     

2012~2013年间北京市PM2.5中水溶性离子时空分布规律及相关性分析

2012年8月~2013年7月,在北京市包括城市背景、城区、郊区以及边界传输点在内的9个监测点位进行大气细颗粒物PM2.5样品的采集与分析,共获得486个有效样本及9种水溶性离子的质量浓度.观测期间9种水溶性离子总质量浓度为60.5μg·m-3,浓度水平高低顺序分别为NO-3SO2-4NH+-4Cl-Na+K+Ca2+F-Mg2+;其中SO2-4、NO-3和NH+4(三者简称SNA)占全部所测水溶性离子的88%;NO-3是全年波动范围最大的二次离子.对所测阴、阳离子相关性研究发现,阴、阳离子总体相关性良好,春、冬季阴、阳离子相关性要好于夏、秋季.对不同颗粒质量级别中的水溶性离子研究发现,SNA积累活跃,相对于SO2-4的积累,NO-3和NH+4在二次离子的形成过程中占据主导地位;NO-3是重污染过程累积效应比较明显且贡献相对较高的二次离子.     

基于传感器的大气PM2.5高密度网格化监测技术及应用研究

基于光散射原理的PM_2.5传感器在近几年快速发展,中国、美国以及欧盟均发布了关于大气PM_2.5传感器使用的指南。传感器类PM_2.5设备受湿度、温度、颗粒物组成等影响,国内外相关应用重点集中在空气质量监测、预报预测、健康暴露评估及污染源精准识别等领域,中国在基于传感器的PM_2.5高密度网格化监测的设备研发、建设规模及应用等均走在世界前列。研究从PM_2.5传感器设备相关的原理、影响因素、性能指标,以及基于传感器形成的高密度网格化监测体系相关的标准规范、质控校准以及业务应用等方面进行了国内外资料调研,为传感器技术应用于大气精细化环境管理提供支撑。     

水样发光细菌急性毒性测试的方式与表征

选取不同类型的环境和污染源水样开展了发光细菌毒性测试,针对不同环境管理目标,探讨了急性毒性定量表征方式。发光细菌急性毒性测试在环境应急监测、水源早期生物预警中,采用绘制毒性预警基线图的方式比较可行。在污染源监督监测中,对于发光抑制率低于60%、无法求出EC50的样品,采用等效毒性参照物的质量浓度表征废水的毒性;对于发光抑制率高于60%,采用稀释因子表示样品的毒性更直观可靠。     

电子制冷预浓缩仪-气相色谱-质谱法测空气中含硫化合物

建立电子制冷预浓缩仪-气相色谱-质谱法测定空气中10种含硫化合物的方法。经考察不同采样容器、优化预处理条件、研究样品保存等获得了最佳实验条件,并通过实际样品的测定,考察了方法的适用性。结果表明:硫化氢、甲硫醇和乙硫醇3种高活性含硫化合物校准曲线线性回归系数在0.990以上,另外7种含硫化合物在0.995以上;高、中、低空白加标样品相对标准偏差均为9.5%以内,乙硫醇由于具有高活性和吸附性,低浓度空白加标回收率为63%,其余组分回收率范围为83%~110%;当进样体积为400 mL时,各目标化合物的方法检出限为0.2×10^-3~1.1×10^-3 mg/m³。分析污水处理厂无组织排放监控点的空气结果显示,该方法具有较低的检出限及较强的抗干扰能力,能较好地满足目前监测工作的要求。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

内标法与外标法测定废气中挥发性有机化合物

目前采用热脱附-气相色谱-质谱法测定废气中挥发性有机化合物时多使用外标法。实验对比了内标法与外标法测定时存在的差异,发现大多数VOCs内标法的回收率均高于外标法,且内标法的相对标准偏差普遍小于外标法,内标法测定的准确度和精密度均优于外标法。内标法的标准曲线可使用更长时间,对于大量样品的测定非常有利;而外标法必须每次测定时重新绘制新曲线。故废气中VOCs测定工作推荐使用内标法定量。     

固相萃取-气相色谱法测定饮用水中甲基汞

根据巯基棉在一定酸性条件下能定量吸附甲基汞的原理,利用多通道并联的固相萃取装置,采用气相色谱(ECD)方法测定饮用水中痕量甲基汞,考察了水样pH值对回收率的影响.方法在0.050 mg/L～1.00 mg/L范围内线性良好,当采样体积为1.0 L时,检出限为0.03 ng/L,标准样品与实际水样平行测定的相对标准偏差均...