-
利用空间统计分析方法(spatial statistics analysis),借助GIS,分析了重庆市3种主要大气污染物TSP,SO2和Nox质量浓度在空间上的分布特点.研究表明,在"九五"期间和2002年2个时期,重庆市大气污染物在空间上均呈不均衡分布.整体上,SO2的空间自相关性很强,属集中分布模式;TSP的空间自相关性较弱,属于随机分布模式;Nox处于二者之间.局部相关性分析表明,大部分区县的大气污染物之间相关性较弱.此外,利用缓冲区和内插浓度表面法分析了2个时期的污染物质量浓度随离行政中心距离变化的趋势,发现ρ(TSP)和ρ(SO2)在各地带内均有明显削减,而ρ(Nox)削减不显著;ρ(SO2)和ρ(Nox)随距行政中心距离增大下降,但ρ(TSP)随距离增大而增加.3种污染物质量浓度都在离行政中心50~60 km的地带发生明显变化,由此得出目前重庆市大气污染物空间分布的特征距离为50~60km.
大气污染物空间分布空间统计重庆市
-
基于滇东工业城市曲靖市 2018-2023 年环境空气自动站的大气污染物浓度和气象数据及地方社会经济数据,分析主要大气污染物时空分布特征和影响因素.结果表明:曲靖市环境空气呈现 PM2.5 和 O3 复合污染特征.SO2、NO2、CO、PM10、PM2.5 浓度春冬高、夏秋低,O3 浓度春季最高、夏季次之、秋冬最低.SO2、NO2、PM10、PM2.5 月均浓度呈峰谷型分布,CO、O3 月均浓度分别为 U 型、倒 U 型.O3 小时浓度为单峰单谷变化,其余大气污染物小时变化则为双峰双谷.影响因素分析结果显示:大气污染物中,NO2、PM10、PM2.5、CO 具有相关性,O3 与 NO2、CO 相关;气象因素中,颗粒物受气温影响较高,O3 受温度、湿度和风速影响较大;社会经济因素中,第三产业比值、人均 GDP、绿化率和人口密度是影响城市环境空气质量空间变化的主要因子,绿化率、城镇化率、人口密度交互提升度较高.
大气污染物气象条件相关性地理探测器
-
基于 2018-2023 年镇江市 4 个国控站点的大气污染物监测数据,采用污染物指数法分析大气污染的时空变化特征.结果表明,空气质量优良率稳步上升,由 2018 年的 76%升至 2023 年的 90%,PM2.5、PM10 质量浓度显著下降,但 2023 年出现反弹;PM2.5 和 NO2 为主要污染物,污染呈现"工业区高于能源区高于城区高于文教区"的空间分异特征,这与各区域产业结构及人类活动强度密切相关;污染物季节变化明显,冬季扩散条件差导致污染加重,夏季则受高温强光影响,光化学反应活跃使 O3 质量浓度升高.
大气污染时空特征镇江市污染物指数空气质量
-
通过对喀什年鉴中2008-2013年喀什市大气中的SO2、NO2和PM10含量进行分析及2015年大气监测调查,结果表明,2008-2013年SO2、NO2、PM10的全年平均实际排放质量浓度不同程度地递增,PM10为首要污染物,其次为SO2 、NO2,环境空气质量受季节性影响,SO2浓度在采暖期明显高于非采暖期,燃煤是SO2浓度增加的首要因素,PM10浓度在采暖期和非采暖期间变化不大.
喀什市大气污染物调查分析
-
本文综述了国内外遥测大气污染的研究现状,介绍了大气污染物遥测的多种方法及特点。对各种方法存在的问题和大气污染遥测技术的发展趋势进行了讨论,指出在大气污染物监测领域中主被动相结合、各种数据处理方法相融合是今后大气污染物遥测技术的重要研究方向。
遥测大气污染物激光雷达
-
[
学位论文]作者:
李炳伟
电子信息 江苏科技大学 2023(学位年度)
船舶大气污染物多传感器监测气体预处理监测精度
-
利用RBLM-Chem模式以及南京市高分辨建筑资料等,模拟研究了城市建筑立面的干沉降作用对空气污染物的影响.结果表明,建筑立面干沉降速率较低,平均值为0.07~0.21cm/s,但城市建筑提供了巨大的沉积面积,从而影响了污染物浓度:建筑立面干沉降过程导致污染物浓度减小,浓度衰减的空间分布与建筑分布较为吻合,且近地面层污染物的浓度衰减更为显著.PM10和PM2.5在中心城区浓度分别衰减1.2和0.7μg/m3,衰减比例均为1.6%;SO2、NO2、O3浓度下降比例分别为3.5%、2.4%和4.8%.O3浓度衰减极值达到了 9.49μg/m3,衰减比例为5.2%.污染物浓度的衰减量与建筑侧面积成显著正相关,相关系数约为0.7.研究结果表明,建筑高大密集区域立面干沉降过程对城市大气污染物浓度具有有效影响,应在城市空气质量评估中予以考虑.
城市建筑大气污染物建筑立面干沉降
-
综述了国内外利用植物修复大气污染的研究现状和趋势,总结了植物修复大气污染的影响因素和存在的问题,并论述了应将研究成果系统化、信息化的必要性.
大气污染植物修复微生物
-
为应对日益严峻的城市空气污染问题,基于PSO-WTC-former模型开展了对PM2.5、PM10 2类污染物在24 h预测步长下的短期浓度预测研究.该模型结合小波卷积(WTconv)以增强局部时序特征提取能力,并通过粒子群优化算法(PSO)对Transformer模型结构进行超参数自适应优化.以成都市2018-2023年的逐小时污染物与气象数据为基础,分别构建针对性输入变量集,开展2类污染物的单目标建模实验.实验结果表明,所改进的模型在24 h预测任务中相较LSTM、CNN-LSTM、Transformer及CNN-Transformer模型具有更高的预测精度与稳定性.本研究为多污染物短期联合预测提供了技术支持,也验证了 PSO-WTC-former模型在中短期大气预测场景中的适用性与优势.
大气污染物24 h预测Transformer小波卷积粒子群优化
-
通过全面探究煤制氢装置所产的粉尘,挥发性有机物(VOCs),氮氧化物以及二氧化硫这四大主要大气污染物,指出粉尘大多来自输备煤的物料转运;VOCs超标是由于低温甲醇洗装置里甲醇携带量过大;氮氧化物超标与富氨气组分波动以及烧氨炉配风不恰当有关;而二氧化硫超标是制硫催化剂活性变低以及离子液系统运行不均衡造成的.针对以上问题进行充分研究,最终采取布袋除尘和干雾抑尘,优化低温甲醇洗工艺参数,稳定富氨气组分并做到精确配风,加强硫的转化率以及离子液系统的调节等措施,把各种污染物的排放浓度分别限制在4mg/m3,21m g/m3,80 mg/m3和30 mg/m3以下,远低于国家排放标准,为煤化工行业清洁生产提供了实用技术路径.
煤制氢大气污染污染物控制清洁生产工艺优化效果