污染分布（共10篇）
污染分布 篇1
随着气候的发展变化以及污染问题加剧, 开展污染问题研究及管理越来越受到人们的重视。对于城市的空气污染来说, 它是较为常见的一个问题, 同时也表现的较为复杂, 因为城市的空气污染是一个复杂的现象, 它会在不同的时间段或者是地点受到多种因素的影响, 尤其是其污染浓度的分布问题。而要检测一个城市的空气质量, 那么就要分析其空气污染的指数 (API) , 在空气质量检测上它是较为常用的一个指标, 一般会按照这些指标的差异进行空气等级的划定。当前情况下, 我们研究城市的空气污染问题就要通过对空气污染指数的检测来进行。
1 对于城市空气污染分布的基本认识
城市空气污染分布是不均匀的, 那么这种不均匀具有哪些特征呢?在城市空气污染管理的过程中, 我们需要对其进行全面的分析和探讨。对此, 笔者以珠三角地区的广东省为例进行分析。其中, 我们在珠江三角洲的广泛区域内建立相应的空气质量检测管理站点, 通过站点进行日常的空气质量污染数据收集和统计, 进而对其分布的规律和成因进行了分析。当然, 在进行城市空气污染分布分析的过程中, 还需要进行动态的研究, 因为局部区域的影响因素是多变的, 要想全面的了解和掌握相关的变化特征, 需要长期的进行动态分析, 以减少其局限性。
城市空气污染分布研究是一个系统化的过程, 其中要考虑到整个城市的市政规划以及工业、住宅区域的布局, 在此基础之上, 我们还需要进行定量的分析, 进行实地的检测和观察, 以了解不同区域空气污染状况的差异。当然, 在城市空气污染分布的研究过程中, 我们还需要考虑一系列的问题, 因为这些问题的出现从而影响了污染程度的差异。其中表现较为突出, 影响较大就是一下几个方面的因素。第一, 城市人口的变化, 以及聚集分布的差异。随着近年来城市化进程的加快, 城市的人口出现了迅速的增长和膨胀, 在这种情况下, 因为人口增长所带来的城市压力是巨大的, 同时也产生了一定的环境污染。第二, 城市的整体规划和布局, 对于城市来说, 其主要的布局也会对空气质量造成影响, 特别是工业区等的分布。第三, 公共交通设施的影响, 公共交通设施的不同情况, 也会造成不同的交通情况, 一般来说在交通拥挤和较为繁忙的地段, 其带来的环境影响也是巨大的。第四, 气象气候的影响, 城市的空气污染在很大的程度上也会受到当地气象气候的影响, 不同气候对于区域环境的影响是显而易见的, 在这方面, 尤其是在分布城市空气污染分布不均匀问题的时候, 需要考虑到当地气候条件的影响。
2 城市空气污染分布不均匀特征的研究分析
城市空气污染分布不均匀是普遍存在的, 以广东省来说, 其主要包括了广州、珠海以及深圳、佛山等二十余个城市, 这些城市位于我国的南端, 属于亚热带地区, 常年主要受东南信风的影响。通过相关的空气质量检测和报告, 我们了解到广州市空气污染指数最高达到62, 而以广州市为主要核心的珠江三角洲地带, 其空气污染的区域, 普遍的污染指数都是在40以上。由此可见, 整个广东省的空气污染区域是存在着广泛差异的, 这是城市之间的空气污染差异, 而在同一城市的不同地区其空气污染也是不均匀的。为了更好的了解城市空气污染分布的相关特征, 我们还建立了相对系统的城市环境空气监测网, 以了解不同城市之间的空气污染差异。在这些常规的检测站点当中, 我们划分了不同的区域进行检测, 其中不仅包括市中心, 同时在主要的交通、工业和居民等多种污染源分布区域进行分析。通过相关的研究和统计, 我们发现其污染的指数也是不同的。
通过我们的研究和调查发现, 在广州的几大检测站点中, 如位于市中心的天河职幼、广雅中学等, 其空气污染分布不均与主要是受其交通的影响。而番禺中学、花都师范和麓湖3个站点为城区点。其中, 污染较为严重的就是市五中所在的相关区域, 这主要是因为市五中位于海珠区, 因为该区域存在大量的工业群, 所以其工业污染的指数就相对较高。
通过以上的分析和检测我们发现, 城市的空气污染分布是不均匀的, 同时这种不均匀也是受到多重因素的影响。例如, 在不同城市之间, 因为其经济建设的差异, 以及人口分布和地势地形的影响, 都会导致空气污染的差异, 并呈现出不均匀的分布特征。同时, 在同一城市的不同地区, 由于城市功能区的划分不同, 以及城市规模变化的影响, 其都会对城市空气质量产生重大影响, 造成空气污染分布的不均匀。其中, 工业区的空气污染指数明显高于城市其他分布区域, 与此同时在一些人口的密集区域, 或者是交通繁忙地段, 其空气污染指数也是相对较高的。而在城市郊区其污染的严重程度是相对较低的, 这种分布不均匀特征在城市中是普遍存在的。
3 结语
总之, 对于城市空气质量的管理和检测需要我们统筹分析, 同时结合不同区域的发展状况进行局部研究, 因为在城市之间以及城市内部的不同区域, 其城市空气污染是存在着差异的, 不同的区域其污染分布是不均匀的。在这种情况下, 我们需要考虑到不同城市的发展背景, 进而科学的进行综合分析与评价, 以此来研究空气污染的特征, 并对其主要的来源进行探讨, 从而更加有针对性的开展城市空气污染的治理, 而不是统一化、呆板化的管理。
参考文献
[1]王斌, 高会旺.中国沿海城市空气污染指数的分布特征[J].生态环境, 2008, 17 (2) :542～548.
[2]朱传风, 赵和平.用空气污染指数评价城市空气质量[J].甘肃环境研究与监测, 1998, 11 (2) :30～31.
[3]汤惠君.广州市大气污染分布规律[J].地理研究, 2004, 23 (4) :495～497.
[4]张凌, 付朝阳, 郑习健, 等.广州市大气污染特征与影响因子分析[J].生态环境, 2007, 16 (2) :305～308.
[5]余淑范, 刘国红, 程锦泉, 等.2002～2005年深圳市空气污染物浓度的动态分析[J].环境与健康, 2006, 23 (6) :512～514.
[6]广省统计年鉴2009[M].广州:中国统计出版社, 2009 (6) .
污染分布 篇2
应用计算流体力学(CFD)软件中的FLUENT软件模拟了典型城市街道峡谷中的气流和污染物分布状况.建立的模型包括不同形状的建筑物所构成的街道峡谷和存在高架桥的街道峡谷.研究结果表明:①不同形状的建筑物改变了街道峡谷内的风和湍流分布,从而对街道峡谷内污染物的分布产生很大的影响,在几何比例相同的.街道峡谷里,建筑物外形越趋向于流线型,街道峡谷里污染物的地面浓度越小;②高架桥对街道峡谷内污染物浓度的影响取决于高架桥相对于街道峡谷的高度和宽度,高度越高、宽度越窄的高架桥其地面污染物的浓度越低;③ FLUENT软件对街道峡谷大气环境的模拟结果基本合理,可用于研究城市大气环境问题.
作 者：蒋德海 蒋维楣 苗世光 JIANG De-hai JIANG Wei-mei MIAO Shi-guang 作者单位：蒋德海,蒋维楣,JIANG De-hai,JIANG Wei-mei(南京大学,大气科学系,江苏,南京,210093)
苗世光,MIAO Shi-guang(北京市气象局,北京,100089)
污染分布 篇3
关键词：监测系统；网络终端；温湿度传感器
中图分类号： TP274；S126文献标志码： A文章编号：1002-1302（2016）06-0416-03
收稿日期：2015-04-27
基金项目：院士工作站资助项目（编号：fckt201503）；陕西省教育厅产业化培育项目（编号：14JF004）；陕西理工学院科研基金（编号：SLGKY14-06、SLGKY15-25）。
作者简介：韩团军（1981—），男，陕西乾县人，硕士，讲师，主要从事集成电路设计与分析相关研究。E-mail：htjzyh@163.com。随着汉中茶园种植朝着产业化、标准化种植方向发展，茶园环境的信息化管理水平对其质量和产量有着很大影响。因此，生产过程中实时掌握种植环境参数有着重要意义。传统的监控设备数据不能实时在网络上进行显示，用户不可以随时随地查看信息进行控制[1-3]。随着农业的迅速发展，远程实时监控农作物生长环境显得更加重要。为了达到实时监控空气质量的目的，并且能方便、快捷、高效、直观地查看监控的结果，本研究提出了基于GPRS和WEB的远程网络分布式茶园环境污染检测系统。相比传统的监控设备，该系统是将数据发送到网络上进行显示，用户可以随时随地查看信息，进行控制。
1检测系统的设计方案
该系统是通过各个气体传感器将模拟当地空气浓度模拟信号传到AD转换芯片将模拟信号转换为数字信号，单片机接收数字信号，分析、处理再加密数据后传给GPRS，GPRS使用3G网络，使用TCP/IP协议，将加密后的数据发送到服务器端，服务器端接收大量数据并提取转换实际有效的数据，写入到数据库。服务器端是基于多线程网路数据库的后台程序，同时可以支持上千客户访问的连接，处理并写入到数据库。数据库存储海量数据，为WEB前台提供接口，WEB前台调用指定数据库的数据并进行直观显示。具体硬件框图如图1所示。
2硬件接口设计
2.1传感器选择
传感器对于监测系统来说就如同生物的眼睛一样重要，它决定着该系统数据的稳定性、真实性。因此，就数据的真实性﹑稳定性和价格合理性选择了技术先进、性能稳定、灵敏度
高、性价比高的MQ系列气体传感器和Sensirion公司生产的单片全校准数字式相对湿度和温度传感器SHT11[4-6]。气体传感器原理是其输出电压和气体的浓度有一定的比例，输出为模拟电压值，利用ADC7888将模拟信号数字化。温湿度传感器是一个将放大和调理为一体的器件，而且输出为数字信号，避免了芯片之间转化而使信号产生误差。经过长时间的测试和厂家提供的传感器技术资料，得出这为后期的数据处理提供了优越的先天条件，而且为系统数据的稳定性、真实性提供有力的保障。
2.2GSM通信模块电路
SIM9000A模块是一个双频GPRS/GSM模块，TCP/IP协议在其内部嵌入。控制模块利用它的串口控制其工作实现该模块的收据收发。电路如图2所示。
2.3电源模块电路
电源电路要为整个系统供电，由于单片机、传感器和GPRS模块所需电流不同，系统用双电源进行供电。GPRS模块供电用MP2307设计，该器件工作电流可达3A，集成可调MOSFET，电流模式控制快速瞬态响应和逐周期电流限制。采用78M05、LM2940稳压芯片分别为传感器和AD芯片及各部分电路供电。GPRS供电具体电路如图3所示。
2.4控制电路
控制电路采用STC12C5A60S2完成傳感器数据的采集和线性处理，控制GSM模块完成信息的无线传输，最后在终端
显示实时参数（图4）。
3系统的软件设计
3.1系统的流程
系统主要由控制芯片完成环境的数据采集、分析、处理，再加密数据后传给GPRS，GPRS使用3G网络，使用TCP/IP协议，将加密后的数据发送到服务器端，服务器端接收大量数据并提取转换实际有效的数据，写入到数据库，服务器端是基于多线程网路数据库的后台程序，同时可以支持上千客户访问的连接，处理并写入到数据库。数据库存储海量数据，为WEB前台提供接口，WEB前台调用指定数据库的数据并进行直观显示。具体流程如图5所示。
3.2WEB服务器的设计
空气质量远程监测软件的WEB服务器最终决定使用 Apache 公司的一款免费开源的Web 应用服务器TomCat作为B/S结构的WEB服务器。ApacheTomcat服务器接收用户发来的请求并送至数据逻辑处理部分的Servlet进行处理，Servlet 则根据需要，调用JavaBean中的方法，通过JDBC技术获得数据库的数据，最后将所得到的数据再经由Tomcat、Apache 服务器和Jsp、HTML页面呈现给用户。
4实现与应用
通过硬件和软件设计，系统可以正常地监测分散地域的环境相关参量，可以很好地在用户页面上展示数据，系统稳定，页面美观大方。用户页面如图6所示，最终的设计终端如图7所示。
5结论
针对汉中茶园种植的特点，设计了基于GPRS和WEB的远程网络分布式茶园环境污染检测系统，实现了对当地空气质量数据的实时采集，并全自动发送至网络，通过自建的服务器收到后并响应，用户可以很方便的访问和查询，该系统测量精确抗干扰能力强、性价比高，支持7×24 h不间断为用户提供信息服务，具有一定的农业应用价值。
参考文献：
[1]梅志坚，马娅婕，肖凡男. 基于 ZigBee 和 GPRS 的大气污染监测系统设计[J]. 武汉科技大学学报：自然科学版，2015（1）：63-66.
[2]郑争兵. 基于GSM网络的蔬菜大棚环境参数监测系统[J]. 广东农业科学，2012，39（1）：158-159.
[3]李震，洪添胜，文韬，等. 基于物联网的果园实蝇监测系统的设计与实现[J]. 湖南农业大学学报：自然科学版，2015，41（1）：89-93.
[4]唐慧强，葛黎黎，景华. 基于无线传感器网络的接地电阻检测系统[J]. 仪表技术与传感器，2015（2）：54-56，70.
[5]董玉德，于洽，金国良，等. 基于Web的蔬菜农药残留检测网络监控系统构建[J]. 农业工程学报，2008，24（5）：178-180.
污染分布 篇4
1 材料与方法
1.1 样品采集
201 1年8月份, 在天津近岸海域共设1 8个站位 (图1所示) , 覆盖了大港至汉沽近岸海域, 其中34~39号站位于大港近岸海域, 40~45号站位于塘沽近岸海域, 46~51号站位于汉沽近岸海域, 该区域水深范围在4~12m。调查时间为8月4日~22日, 利用有机玻璃采水器采集表层海水样品, 试样采集后, 立即用0.45μm醋酸纤维滤膜过滤并添加1%HNO3固定, 带回国家海洋局天津海洋环境监测中心站实验室。所有样品采集、保存、制备、前处理和样品测试等方法均参照《海洋监测规范》[2] (G B1 7 3 7 8.4-2 0 0 7) 的要求进行。
1.2 测定项目与方法
水质重金属前处理方法均按照《海洋监测规范》 (GB 17378.4-2007) 的要求进行, Cu、Pb、Zn、Cd、Cr采用原子吸收分光光度计 (岛津AA-6800型) 测定, Zn为火焰原子吸收分光光度法测定, Cu、Pb、Cd、Cr为石墨炉原子吸收分光光度法测定。Hg、As采用原子荧光分析仪 (X GY-1 011 A型原子荧光光度计) 测定。
分析过程中所用玻璃容器均在1∶1硝酸中浸泡24h以上, 分析所用酸均为优级纯, 水为高纯水。实验过程中每批样品均做全程空白, 并同步分析了由国家海洋局第二海洋研究所生产的海水中微量元素 (G BW (E) 0 80 040) 标准物质, 分别控制样品分析的精密度和准确度。重金属元素平行样的相对误差<5%, 标准物的回收率在90%~110%之间。
1.3 评价方法
1.3.1 超标率统计和污染状况分析
利用国标《海水水质标准》 (GB3097-19 97) 第一类标准值, 对监测海域海水中重金属含量进行超标率统计, 分析各种金属指标超标状况。利用单因子污染指数法统计各指标污染程度, 并根据计算结果排序, 找出污染较重因子。
1.3.2 空间分布分析
利用surfer10.0绘图软件对重金属分布状况进行分析, 插值方法采用kriging空间插值法, 分析各重金属元素在天津近岸的分布状况。
2 结果与讨论
2.1 天津近岸海水中重金属的含量及污染状况
18个采样点水质重金属含量统计结果见 (表2) 。
研究结果表明:天津近岸水质重金属含量总体水平较低。Pb的含量范围在 (2.52~3.86) μg/L之间, 平均值为3.13μg/L, 全部超过第一类海水水质标准;Z n的含量范围在 (16.0~20.2) μg/L之间, 平均值为18.8μg/L, 22.2%的站位超过第一类海水水质标准;Hg的含量范围在 (0.0148~0.0708) μg/L之间, 平均值为0.0373μg/L, 2 2.2%的站位超过第一类海水水质标准;C u的含量范围在 (2.2 8~4.0 7) μg/L之间, 平均值为3.36μg/L;C d的含量范围在 (0.235~0.465) μg/L之间, 平均值为0.3 5 6μg/L;C r的含量范围在 (2.8 7~4.7 8) μg/L之间, 平均值为3.9 9μg/L;A s的含量范围在 (0.2 7~6.0 8) μg/L之间, 平均值为2.34μg/L。除Pb、Zn、Hg有不同程度的超标之外, 其余监测指标均符合第一类海水水质标准。
根据单因子污染指数法对天津近岸海水重金属进行评级 (表3) , Pb的污染指数在2.5 2~3.8 6之间, 全部处于“重污染”等级;Zn有22.2%的站位污染程度为“轻污染”, 77.8%的站位污染程度为“影响”, Hg有22.2%的站位污染程度为“轻污染”, 55.6%的站位污染程度为“影响”, 22.2%的站位污染程度为“允许”;Cu有94.4%的站位污染程度为“影响”, 5.6%的站位污染程度为“允许”;Cd、As、Cr在全部站位污染程度均为“允许”。由此可以看出, Pb是天津近岸海域水体中主要污染因子, 各指标污染程度排序为Pb>Zn>Hg>Cu>Cd>As>Cr。
2.2 水质重金属分布状况分析
对天津近岸海域水质重金属含量进行克里格插值得到重金属等值线分布图 (图2、图3) 。
从图中可以看出天津近岸海域水质重金属污染具有显著特征:Cu、Pb、Zn和Hg最大值均出现了大港近岸海域, 最小值均出现在塘沽附近海域, 分布趋势为南北高、中间低, Cu、Pb、Zn最大值均出现在3 7号站, C u为4.0 7μg/L, P b为3.8 6μg/L, Z n为2 0.2μg/L, H g最大值出现在3 5号站, 为0.0708μg/L;As最大值出现在汉沽附近海域49号站, 为6.08μg/L, 最小值出现在塘沽附近海域45号站, 为0.27μg/L, 分布趋势为南北高、中间低;Cr最大值和最小值均出现在汉沽附近海域, 最大值在5 1号站, 为4.7 8μg/L;C d最大值出现在塘沽近岸海域40号站, 为0.465μg/L, 最小值出现在汉沽附近海域, 为0.235μg/L。由以上分析可知, Cu、Pb、Zn、Hg最大值均处于大港附近海域的南港工业区外围, Cd最大值处于塘沽附近海域大沽排污河口附近, Cr和As最大值分别处于汉沽北疆电厂和中心渔港附近海域, 各污染物极大值均出现在受陆源排污影响的区域和围填海海洋工程附近, 说明陆源排污和人类开发活动是造成海洋污染的主要原因。
3 结语
(1) 对天津近岸海域水质重金属含量的测定结果表明, 各站点沉积物中Cu、Pb、Z n、C d、C r、Hg及A s的含量范围分别为2.28~4.07、2.52~3.86、16.0~20.2、0.2 3 5~0.4 6 5、2.8 7~4.7 8、0.0 1 4 8~0.0 70 8、0.2 7~6.0 8μg/L。P b的超标率为10 0%, Z n、Hg的超标率均为22.2%, 其它元素未出现超标。
(2) 单因子污染指数法评价结果为, P b污染程度为“重污染”, Cu、Zn、Hg污染程度为“影响”, Cd、As、Cr污染程度为“允许”, 各因子污染程度排序为Pb>Zn>Hg>C u>C d>A s>C r。
(3) 对各污染指标的分布状况分析可知, Cu、Pb、Zn、Hg、As有着相似的空间分布, 均为南北高中间低, Cr、Cd分布无明显特征。各污染物最大值均出现在受陆源排污影响的区域和围填海海洋工程附近, 说明陆源排污和人类开发活动是造成海洋污染的主要原因。
参考文献
[1]国家环境保护局.GB3097-1997, 海水水质标准[S].北京:中国标准出版社, 1997.
污染分布 篇5
摘要：应用分布式水文模型SWAT对天津市径流及水质进行模拟校核,验证了模型在该地区的适用性.基于SWAT2000,从丰水年、平水年、枯水年平原、山区的特征,对天津市氨氮等污染物的产出进行了负荷量、负荷模数的统计,分析了不同水平年、各种地貌条件下,污染物产出量不同的原因.模拟表明:平原区和山区的非点源负荷差别较大的.主要原因除了与地形和坡度有关外,平原区土壤结构松散,在外力的作用下土壤易流失,是造成非点源污染物产出量较多的另一个原因.作 者：张楠 张占庞 周祖昊 桑学峰 江红 作者单位：张楠(华北水利水电学院,河南,郑州,450011;中国水利水电科学研究院,北京,100044)
张占庞,江红(华北水利水电学院,河南,郑州,450011)
周祖昊,桑学峰(中国水利水电科学研究院,北京,100044)
污染分布 篇6
在石油勘探开发的过程当中, 大量的钻井泥浆和钻井废水被废弃于地表, 由于地表渗漏、地表溢流现象, 往往会引起地表水和地下水的污染, 严重危及周围环境, 影响生态平衡。这种由于钻井泥浆和钻井废水引起的长期污染逐渐引起人们的关注, 泥浆的处理已经成为石油开发过程中无法避免的难题。
钻井泥浆是钻井活动中必不可少的物质之一, 为了能够快速、安全的达到钻井的目的, 钻井泥浆的使用类型以及所添加的化学药品的类型和数量也越来越多, 因此, 其产生的钻井泥浆的性质和成分也越来越复杂多变, 危害当然也越来越大, 这不可避免的对油田附近的环境造成了长期的污染。长庆油田位于甘肃、宁夏、陕西等地的黄土地区, 黄土地倾向于垂直型的节理发育, 水湿之后陷性极强, 容易形成塌陷等无法挽回的地质灾害, 造成钻井的永久性报废。针对长庆油田黄土地区的这一特殊地貌, 在钻井时, 科研人员配备了专门适用于该黄土地区的钻井泥浆, 以求钻井工作能够顺利开展。
二、分析实验
1. 实验所用仪器
CS101-AB型电热鼓风干燥箱;DELTA320酸度计;COD-571-1消解装置;TGL20M台式高速冷冻离心机;UV-2450型紫外线-可见分光光度计;ICAP6500型ICP-AES。
2. 实验所用原料
实验中所用到的钻井泥浆是由长庆油田陕北油区的油井提供的。经过初步检测发现, 钻井泥浆中水的比例大约为85.3%, 密度为1.14g/cm3, 化学需氧量为2 417mg/L, 氢离子浓度指数为11.89, 色度为600, 通过判断可知此种泥浆为水基型泥浆。
3. 实验方法
对从实验区石油钻井中提取的泥浆应分别按照不同的方法进行预处理, 一部分是钻井泥浆, 另一部分是泥浆的池水液或者泥浆的离心液。应当先将钻井泥浆风干并研磨成粉, 筛过后保存, 再用理化性的测试方法检测泥浆池水液或泥浆离心液。对于氢离子浓度指数的测试、化学需氧量的测试、可溶性盐的测试和电导率的测试应当先将泥浆的土样与蒸馏水按照一比五的比例混合, 经过震荡后提取过滤, 再进行测试。而其他不需与蒸馏水混合的测试项目应当按照土样测试的方法进行实验。另外, 泥浆的评价标准为国家规定的《污水综合排放标准》和《土壤环境质量标准》。
三、实验结果
1. 泥浆离心液部分特征分析
从泥浆离心液的实验结果中可以得出:泥浆离心液的颜色为黑色、褐色或白色;氢离子的浓度指数在6.88到10.12之间, 呈现出弱碱性;而可溶性盐的比例在1.55g/L到48.20g/L之间, 数据结果的差异性较大;化学需氧量在850.00mg/L与5 445.00gm/L之间, 比重严重超标;铬离子、镉离子、铅离子、砷离子含量也较高, 有超标现象产生但不严重。个别油井中锌离子含量严重超标, 而其他实验指数除化学需氧量严重超标之外都超标不严重。
2. 泥浆部分特征分析
从实验数据中的水溶性指数可以得出下列结论:泥浆部分的可溶性盐、铵根离子、含水率等值都与泥浆离心液的数值相比而言较低, 但是氢离子浓度指数仍然呈现出弱碱性。通过对风干后样品的分析可以得知, 泥浆主要是由硅酸盐组成的, 这一点可以说明泥浆中的固体形态物质主要是通过钻井地层中的土壤融入泥浆当中的。通过无机分组的实验数据可以看出重金属离子如铬离子、砷离子的浓度都较高, 砷离子含量较低, 镉离子和汞离子的浓度则更低。通过有机分组的实验数据可以看出有机物的含量大约在0.56%到1.73%之间, 主要来源于泥浆和石油当中。
四、泥浆污染对环境的污染及治理建议
钻井泥浆对环境的污染体现在多个方面, 如:污染的面积较大, 这是由于钻井的分散性和流动性造成的;可溶性盐、石油及氢离子浓度指数较高致使得土壤呈现棕褐色, 植物难以生长;重金属离子以及不易被降解的高分子物质、有机物质容易进入食物链, 危害人类的身体健康甚至生命安全;倘若泥浆中的废水渗入底层或者流入河流当中, 将会使水中各项指标攀升, 影响水下生物的生长。
泥浆的胶状形态是其治理的难点, 因此, 必须先破坏泥浆的胶状结构, 使泥浆失去其稳定性, 进行固液分离, 在对其进行处理。
结语
通过实验分析得知, 陕北地区石油钻井泥浆中的污染物质主要是由于化学需氧量、氢离子浓度指数、色度与悬浮物超标所致。由于泥浆具有流动性和分散性, 若不进行有效地控制, 便极易造成污染的扩散。本文对泥浆中的污染做出了分析, 而对于污染的处理方法却仍需更深入的研究。
参考文献
[1]陈劲.阎禄.万希岭.钻井泥浆对环境的污染及防治措施[J].安全与环境工程, 2003 (2) .
[2]贺吉安.钻屑、钻井液固话处理及对环境的影响分析[J].油气田环境保护, 2002 (3) .
[3]王长宁.马海忠.朱哲.长庆陇东地区钻井废液无害化处理技术研究[J].钻井液与完钻井液.2005 (3) .
污染分布 篇7
随着城市经济的快速发展和城市人口的不断增加, 城市土壤重金属污染状况已日趋严重, 研究人类活动影响下城市地质环境的演变模式, 日益成为人们关注的焦点。因此, 对城市表层土壤重金属污染的研究有着重要的理论价值和实际意义。
基于表层土壤重金属污染, 国内外已有了一定的研究, 蔡志杰[1]主要研究重金属元素在表层土壤中的传播特征, 建立相应的数学模型, 给出求解方法;王新赠等[2]以2011年“高教社杯”全国大学生数学建模竞赛A题提出了一个从稀疏的污染元素抽样数据估测污染源的问题, 研究了可孤立区域的重金属污染源的估测模型及求解方法;陈秀端等[3]以西安城市表层土壤为对象, 测定表层土壤样品的磁化率和Co, Cr, Cu, Pb, Sn, Sr, Ba的含量, 探讨表层土壤Co, Cr, Cu, Pb, Sn, Sr, Ba含量与磁化率的空间分布规律及二者的相关性;成夏炎[4]运用Muller地积累指数法、因子分析法、函数拟合, 讨论了城市表层上壤重金属的污染问题。
本文以2011年全国大学生数学建模竞赛A题为研究背景, 运用已给的8种主要金属元素分布数据, 研究某城市的表层土壤重金属污染问题。根据城市不同的区域环境受人类活动影响的程度不同, 按功能将城区划分为生活区、工业区、山区、主干道路区及公园绿地区, 分别记为1类区、2类区、3类区、4类区、5类区。首先, 采用克里金插值法研究该城市土壤主要重金属元素的空间分布特征和分布规律;其次, 采用内梅罗指数法, 运用Excel软件求得土壤重金属各区的综合评价律;其次, 采用内梅罗指数法, 运用Excel软件求得土壤重金属各区的综合评价指数, 根据土壤重金属综合污染指数分级标准, 得到了该城区不同区域的污染程度。
2 8种金属的空间分布
为了更加清晰地描绘8种重金属的空间分布, 采用表面绘图和等值线绘图, 从各个角度来表述重金属的分布情况, 能更直观地看出其分布特点。
2.1 重金属元素空间分布图的生成
运用了GIS强大的空间分析功能[5], 制作的8种主要重金属元素的空间分布如图1-8所示。
2.2 作图小结
由图1-8可以看出, 工业区域Cu要素严重超标, 此外As、Cd、Pb元素也存在较明显超标斑块, 其余三种重金属超过标准值的斑点相对较少。在Cd、Cr、Cu三幅图上, 均出现了概率较高的黄色蓝色区域。特别是Cd, 在整幅图面上, 只有少部分区域超标的概率小于50%, 预示了Cd要素在五个区域的严重污染。其他三种重金属元素, As、Hg及Pb, 存在特定斑点区域超标, 几率在60%上 (黄色系以上色彩表示) , 但大部分研究区域污染程度较轻。As、Cd、Cr、Cu、Ni、Pb、Hg和Zn具有相似的空间分布模式:高值位于工业区, 空间模式相对平滑和规律, 说明这些元素的空间分布主要受自然因素控制。Cd、As、Cr、Cu、Ni、Pb、Hg和Zn的高值分布基本一致, 几个极高值区分散在工业区域和交通区域, 这些极高值区主要受特别的人类活动影响。铅的高值区相对较大, 主要位于工业区、生活区和交通区。总之, 城市周边的工业区生产活动和城市附近频繁的人类活动给环境带来较大的影响, 污染很严重。
3 土壤重金属污染综合评价
3.1 模型建立—内梅罗指数法
采用内梅罗指数法对土壤进行评价和分类, 内梅罗指数法同时兼顾了单因子污染指数的平均值和最高值, 可以突出污染较重的污染物的作用, 而且方法比较简便, 目前普遍采用这种方法来评价土壤重金属污染。
该方法是先求出各因子 (各种重金属) 的分指数, 然后求出各分指数的平均值, 取最大分指数和平均值计算得到各单因子的综合指数, 最后综合所有单因子得到土壤的总综合指数。内梅罗土壤重金属综合污染指数计算公式如下:
式中:P综为土壤重金属综合污染指数;Ci为土壤重金属元素I的实测浓度 (mg/kg) ;Si为重金属元素i的评价标准 (mg/kg) ; (Ci/Si) 为土壤重金属元素中污染指数最大值; (Ci/Si) ave为土壤各污染指数的平均值。
3.1.1 单因子指数
通过单因子评价, 可以确定主要的重金属污染物及其危害程度。一般以污染指数来表示, 以重金属含量实测值和评价标准相比除去量纲来计算污染指数:
式中:Pi为重金属元素i的污染指数;Ci为重金属元素i含量实测值;Si为土壤环境质量标准值 (国家二级标准值[5]) ;n为重金属元素i的土壤样品数;为重金属元素i的单项平均污染指数。
在上式中, 因为Si为土壤环境质量标准值, 没有考虑土壤环境背景值, 所以很难区分外来因素的影响, 为了突现出外来因素的作用, 我们需要用土壤环境背景值对该式进行改进[6]。公式如下:
式中, bi为土壤环境背景值, 此题背景值数据2011年全国大学生数学建模竞赛A题资料已给出。
3.1.2 综合指数
单因子指数只能反映各个重金属元素的污染程度, 不能全面地反映土壤的污染状况, 而综合污染指数兼顾了单因子污染指数平均值和最高值, 可以突出污染较重的重金属污染物的作用[5]。单因子污染指数综合值计算方法如下:
式中:Pn为采样点的单因子污染指数综合值;Pimax为i采样点重金属污染物单项污染指数中的最大值;为单因子指数平均值。
根据Excel软件处理数据的能力, 得到了各Pn个值, 然后根据所得的Pn值可求出土壤重金属综合污染指数P综, 计算方法如下:
3.2 模型求解
根据所提供的数据, 利用Excel软件的数据处理能力对模型进行了求解。首先使用Excel软件的筛选功能对数据进行了分类, 把五个区域的数据分别筛选出来。接着利用Excel软件的计算能力, 求出了五个区域的各种单因子的单因子指数Pi。然后我们使用了Excel软件中的AVERAGE、MAX和SQRT函数求得每个区域的单因子污染指数综合值Pn, 得到数据如表1。
利用Excel软件的AVERAGE函数求出土壤重金属综合指数, 即模型一得到求解, 结果见表2。
最后将得到的各区土壤重金属综合指数与土壤重金属综合污染指数分级标准进行对比, 土壤重金属综合污染指数分级标准[7]如表3。
当Pi≤1.0时, 表示土壤未受到污染;当Pi≥1.0时, 表示土壤受到污染, 且其值越大说明污染越严重。通过对比, 我们得到了该城区各个区域的综合污染程度, 如表4。
3.3 模型小结
本模型考虑到了各个因子的背景值, 突显出了外来因素的影响, 使得到的结果更加符合实际。对于求解结果我们还利用了前面所得到的分布图对其进行了比对分析, 发现情况吻合。工业区和交通区由于属于高度发展地带, 所以重金属含量高, 故污染程度严重;山区因为地处偏僻, 所以污染程度低;公园绿地区因为受到了一定措施的保护, 但是由于是个对外开放的公共场所, 所以也不能完全地全方位保护, 故有轻度污染;生活区因为人口众多, 生活垃圾多, 生活用煤多, 所以处于中度污染。可见内梅罗指数法对该系统评价较为吻合。
参考文献
[1]蔡志杰, 龙敏斌.城市表层土壤重金属污染的传播模型[J].数学建模及应用, 2012, 1 (1) :53-56.
[2]王新赠, 洪永发等.可孤立区域的重金属污染源的估测模型[J].数学建模及应用, 2012, 1 (1) :57-61.
[3]陈秀端, 卢新卫, 杨光.城市表层土壤磁化率与重金属含量分布的相关性研究[J].环境科学, 2013, 34 (3) :1086-1093.
[4]成夏炎, 张云.城市表层土壤重金属污染的分析与评价[J].重庆科技学院学报, 2012, 14 (5) :112-117.
[5]中华人民共和国国家环境保护局、国家技术监督局.GBl5618—1995.中华人民共和国国家标准.北京:中国标准出版社, 1996.03—01.
污染分布 篇8
随着世界各国能源消耗的日益增大,人类对电力需求的不断增长,以集中供电方式为主的传统发电方式所引起的资源浪费、环境污染以及可持续发展等问题越来越受到社会的重视。在环境保护与能源需求的双重压力下,人们开始把目光投向了分布式电源[1](Distributed Generation,DG)。DG具有占地小、投资少、排放污染气体少和充分利用可再生资源等优点。此外,DG安装在负荷中心,实时跟踪负荷变化,相对于集中供电方式,在用电高峰期DG对电力负荷的供电更加经济,对集中供电来说是很大的补充。
当DG接入配电网时,配电系统结构将会发生改变,从普通的辐射状变为多电源结构,潮流的大小和方向也随之改变,继而引起配电网网络损耗的变化,并且还会对电力系统的电能质量、继电保护、谐波等其他方面产生影响,而这影响的好坏与DG的安装位置以及容量密切相关[2,3]。近年来,不少国内外学者对其进行研究,取得了很多成果。文献[4]利用前推回代法对网络损耗进行分析,通过仿真得到了负荷大小与DG容量、接入位置的配合关系,得到网损最小时的DG配置,但是DG选址定容是一个综合性问题,单方面考虑不能得到系统综合最优的DG配置方案。文献[5]以支路电压稳定性指标为依据来选择DG最优接入位置,以降低网损和提高电压质量为目标建立DG定容数学模型,采用混合智能算法对其进行求解,但是该文献没有考虑到投资成本等问题。文献[6]建立了DG选址定容多目标数学模型,主要从DG的接入给配电网带来的效益和DG的投资及运行费用两方面出发,利用动态规划法得到了合理的DG接入方案,但是该文献未将DG的环境效益考虑进去。文献[7]从网损、电压和环境效益三方面出发,建立了DG多目标数学模型,该文献考虑了DG的环境效益,体现了对DG排放少量污染气体这一优点的重视,这对改善当前面临的环境污染问题具有一定的参考价值。
本文主要研究DG接入配电网的最优配置问题。在考虑DG环境效益的基础上,建立了考虑网络损耗、系统投资及运行费用和污染气体3方面的数学模型,该模型将网损和污染气体都量化成费用,利用重要程度系数将这3方面组合成一个目标函数,并满足节点电压、线路潮流等约束条件,采用改进粒子群算法求解。在得到的DG配置方案中选取3个较优方案进行各项费用、电压、网损等方面的比较,选出综合最优的方案作为最终方案。
1 DG优化模型
DG的优点之一是能很大程度降低污染气体的排放,有利于环境保护,同时还考虑到电力系统的基本要求是保证可靠持续供电、良好的电能质量和运行的经济性等,因此本文从网损费用、系统投资及运行费用和污染气体费用3个角度出发来建立DG接入配电网的优化模型。
1.1 网损费用
DG接入配电网会改变系统的拓扑结构,从而改变系统潮流分布,合理地接入DG可以降低系统有功网损,为配电网带来经济效益,本文考虑网损费用Closs为系统总有功网损与电价的乘积。
式中:ce为单位电价;t为当前规划年,共T年;β为折现率;d为贴现率;rk、Ik分别为第k条线路的电阻和电流,共N条线路。
1.2 系统投资及运行费用
负荷增长会导致线路潮流的增加以及变电站需要提供功率的增加,当线路功率超过额定值时,考虑线路升级,当变电站功率超过额定值时,考虑变电站扩展。安装DG后,DG的投资及运行维护费用也需要考虑,此外,DG的接入可以减少从电网的购电量。因此,本文从4方面来考虑系统投资及运行费用Ccost:支路升级费用C1、变电站运行及扩展费用C2、DG的投资及运行费用C3和因安装DG而节省的购电费用C4。
式中:lk、σk分别为第k条线路长度和升级决策变量;σk=1为第k条线路升级;σk=0为第k条线路不升级;cp为单位长度线路升级费用;Pu为系统中第u台变压器的有功功率,共Tu台变压器;cλα、σλα分别为第α台变压器单价和决策变量,共Tα台变压器可供扩展;σλα=1为扩展第α台变压器;σλα=0为不扩展第α台变压器;cf、cr分别为单位DG的初始投资费用和运行维护费用;SDGi为第i个负荷节点所接DG容量,共M个负荷节点;pf为系统的功率因数。
1.3 污染气体费用
DG多为清洁能源,系统安装DG后,能有效减少污染气体的排放,并且还能提高能源的利用率。本文考虑污染气体费用Cgas为系统排放的NOx、CO2和SO23种污染气体的排放费用和环境价值。
式中:e1b、e2b分别为传统发电机与DG单位出力时所排放的第b种污染气体量;cgasb为第b种污染气体的单价,共有B种气体。
传统发电方式和部分DG的污染物排放数据对比[8]表1所示,污染气体排放单价即其排放费用和环境价值之和,具体费用标准[9]按汇率为1:8换算成人民币后的标准值如表2所示。
1.4 目标函数
为了体现规划者的侧重点,本文赋予网损费用、系统投资及运行费用、污染气体费用不同的重要程度系数,得到的目标函数F为
式中::w1、w2和w3分别为3个子目标的重要程度系数,且满足w1+w2+ω3=1。
1.5 约束条件
(1)等式约束,即系统潮流约束。在接入DG后,对于节点而言也必须满足所有流入节点的功率之和等于流出节点的功率之和的约束条件
其中,对于节点j而言,等号左边依次是所有流入节点j的线路功率和接入节点j的DG容量SDGj;等号右边依次是节点j负荷Pj+jQj和所有流出节点j的线路功率为从节点i流向节点j的功率,ΔSij为线路i-j的网损。
(2)不等式约束,包括节点电压、线路功率、DG接入容量和变电站功率等约束。
式中:和分别是节点i电压Ui的上下限;Sijmax是线路i-j的额定值;是DG的最大容量;ST和STmax分别是变电站功率及额定值。
2 改进粒子群算法
粒子群算法(Particle Swarm Optimization,PSO)是一种基于群体合作的随机搜索优化方法,具有探索能力较好,需要调整的参数少等优点,但也存在易陷入局部最优、易早熟和停滞等问题,并且对于复杂问题的开发能力较弱,在后期进化中很难获得比较精确的解。PSO基本步骤见文献[10],对于PSO存在的缺陷,本文采用改进粒子群算法(Improved Particle Swarm Optimization,IPSO),对惯性权重ω及学习因子c1、c2进行改进[11]。
对于惯性权重ω采用随机生成ω的策略,如果算法在迭代初期就与最优解接近,那么随机ω可能会产生相对小的ω值,起到加快算法收敛速度的作用;如果算法在进化初期找不到最优解,随机ω也可能产生相对大的ω值,扩大搜索空间,增大寻找到最优点的机会。其中μ、μmin、μmax和σ分别为随机ω的平均值、最小值、最大值和方差,取μmin=0.5,μmax=0.8,σ=0.2,N(0,1)为标准正态分布,rand(0,1)为[0,1]的随机数。对于学习因子c1、c2采用异步变化策略,设置学习因子随迭代次数的增加c1先大后小,c2先小后大,使得在迭代初期,粒子具有较大全局搜索能力,在迭代后期,有利于粒子收敛到全局最优解。其中,clini和c2lin为c1的初始值和终值,分别取值为2.5和0.5,c2ini和c2fin为c2的初始值和终值,分别取值为0.5和2.5。
3 IPSO测试及算例分析
3.1 IPSO效果测试
采用Sphere函数对算法改进效果进行测试,其中X=x1,x2,…,xd该函数的理想全局最优点位于0,0,…,0,理想全局最优值为f(X)=0。算法改进前后对比如图1所示。
将PSO和IPSO各自迭代100次,分别用时0.066 4 s和0.103 7s,由图1可以看出PSO和IPSO分别在迭代50次和40次左右开始趋于稳定,分别稳定于1.09和0.29,说明IPSO虽然计算时间较长,但是有利于加快收敛速度而且能够更接近理想最优解,此外,PSO和IPSO的迭代初值分别为12.31和6,可见IPSO能从一开始就找到比PSO好很多的解。综上可知,虽然IPSO计算时间较长,但是具有更好的收敛性,并且能找到更精准的解,避免陷入局部最优
3.2 算例介绍
图2是一所66/10 kV变电站(容量为63 MVA)的等值系统图。算例线路参数和负荷参数见文献[12]。该变电站有5条馈线和14个节点,其中节点14是变电站,节点1～13是负荷节点,可接入DG,基准年负荷45 MVA,4年后达到63.9 MVA,系统功率因数0.95。线路额定容量15 MVA,单位阻抗0.062 5+j0.033 5Ω/kn,线路功率越限时,升级线路额定容量为20 MVA,单位阻抗0.05+j0.0335Ω/km,单价76万元/km。当需要新增变压器时,将2台三相10 MVA变压器(66/10 kV)加入变电站,单价127万元/台。市场电价445元/MWh,允许最大电压偏差±5%,贴现率1 2.5%。受发电资源约束,DG类型只能选择微型燃气轮机,容量上限为3 MVA,投资费用为318万元/MVA,运行费用为318元/MWh。
3.3 运行结果分析
传统发电机选取火力发电,为了体现DG在污染物排放方面的优势,取3个子目标的重要程度系数分别为:w1=0.3,w2=0.3,w3=0.4。设置粒子个数30个,每遍迭代100次,一共运行100遍,得到78个方案(运行出来得到的方案有一样的)。在所得方案中选取了3个较优方案进行比较,方案1中节点1～13的DG接入容量分别为:3、2.2、3、3、3、3、3、3、3、3、3、2.9、3,单位/MVA;方案2中节点1～13的DG接入容量分别为:0、3、3、3、0、3、3、1.3、3、3、3、3、3,单位/MVA;方案3中节点1～13的DG接入容量分别为:2、3、2.2、3、1、0、3、2.5、3、3、1、3、3,单位/MVA。
3个方案各项费用指标对比如表3所示。3个方案均无线路升级及变压器扩展。3个方.案中,方案1的目标函数值最小,为1.222×108元,DG接入总量最大,为38.1 MV A,DG排放的污染气体少,因此DG的大量接入可以降低污染气体费用,方案1为0.753×10s元,比方案2和3分别降低了16.3%和19.3%。此外,IDG接入越多,变电站从电网购电量越少,系统投资及运行费用也就越少,方案1最少,为2.988×108元,比方案2和3分别减少了21%和24.5%。同时,合适的DG容量可以就地供给负荷,减少线路上传输的功率,继而降低网损及其费用。方案1的网损费用最低,为0.0817×108元,比方案2和方案3分别降低了31.9%和48.3%。如果某节点接入DG容量不合适,可能增加网损,出现虽然接入DG总量多,但是网损大的情况,比如方案2的DC接入量比方案3多,但其网损为1.026 MW,也比方案3多。
图3给出了3个方案的节点电压对比图。由图3可知,方案1中各个节点电压更接近1,节点3的电压最低为0.961p.u,比方案2和方案3的最低节点电压都高(方,案2:节点9的电压0.953p.u.,方案3:节点13的电压0.954p.u.),由此可见,方案1更能满足电压要求,保障系统运行可靠性。
图4给出了3个方案的线路功率对比图。由图4可见,方案1中大部分线路功率均比方案2和3的功率小,支路1-2的线路功率最大,为9.092 MVA,比方案2和3的线路功率最大值都小(方案2:支路1-2的功率1 1.359 MVA,方案3:支路1-2的功率10.143 MVA)。当前线路功率低,使得网损也会比较小,同时当负荷继续增加时可以延缓线路升级时间,节约投资。
综上分析可知,3个方案中,方案1的各项费用、节点电压和线路功率均比方案2和3更有利,能让系统处于更优的状态,因此本文选取方案1作为DG接入的最终方案。
4 结语
DG接入配电网带来的影响与其接入位置与容量有很大关系。本文从配电网和DG的角度出发,建立了DG配置数学模型,并针对PSO算法存在的一些缺陷进行改进,利用改进后的算法求解模型。通过算例分析,选取3组较优方案进行综合分析,得到最优方案。该方案可以让各项费用更少,同时让节点电压更接近1,网损也更低,由此说明本文模型和算法是合理并且有效的。
参考文献
[1]柳睿,杨镜,程浩忠,等.分布式电源并网的综合评价[J].电力系统及其自动化学报,2013,25(1):34-39.
[2]AL KAABI S S,ZEINELDIN H H.KHADKIKAR V.Planning Active Distribution Networks Considering Multi-DG Configurations[J].IEEE Transaction on Smart Grid,2014,5(3):1351-1360.
[3]李鹏,张惠娥.分布式电源对配电网电压的影响[J].陕西电力,2012,40(12):30-35.
[4]刘鹏,马明,张俊芳.分布式电源对配网网损影响的研究[J].现代电力,2008,25(6):27-30.
[5]叶萌,刘文霞,张鑫.考虑电压质量的分布式电源选址定容[J].现代电力,2010,27(4):30-34.
[6]KHALESI N,REZAEI N,HAGHIFAM M R.DG Allocation with Application of Dynamic Programming for Loss Reduction and Reliability Improvement[J].Electrical Power and Energy Systems,2011,33(2):288-295.
[7]郑漳华,艾芊,顾承红.考虑环境因素的分布式发电多目标优化配置[J].中国电机工程学报,2009,29(13):23-28.
[8]CARTER S.Emissions from Distributed Generation[EB/OL].California,California Energy Commission Sitting Committee Workshop,2000[2014-6-28].http://www.distributed-generation.com/Library/Emissions.PDF.
[9]万欣,石孝文,冯俊.考虑环境因素的分布式能源多目标优化配置[J].西南师范大学学报:自然科学版,2013,38(5),92-97.
[10]HOSSEINI R K,KAZEMZADEH R.Optimal DG Allocation by Extending an Analytical Method to Minimize Losses in Radial Distribution Systems[C].Tehran:Electrical Engineering(ICEE),2011.
[11]龚纯,王正林.精通MATLAB最优化计算[M].北京:电子工业出版社,2009,291-293.
污染分布 篇9
1 数据
本文研究在数据分析上运用数学上的统计学办法，对大气污染物的分布进行直观地描述，结果显示二氧化硫的浓度通常为5.0μg/m3～57μg/m3，二氧化氮的浓度在2.8μg/m3～30.7μg/m3，其在季度中符合正态分布，满足半变异函数的使用条件。在研究其在空间上的变异性时采用ArcGIS软件，对二氧化氮和二氧化硫浓度进行比较，最后在最优半变函数拟合模型和变异参数，结果得出标准的模型的数据是最好的。
2 污染物浓度变化
塔城地区的PM10第一季度的平均值为0.254mg/m3，二氧化硫平均值为0.195 mg/m3，二氧化氮均值为0.0745 mg/m3，所以塔城地区的主要污染物就是PM10,它的API值高于其他两种主要污染物，按照国家标准污染级数来确定，在第一季度内PM10在三级内，在其他三季度内都是在二级内，二氧化氮的污染级别都在二级污染以下，二氧化硫的污染程度在第一季度内在三级污染内，其余季节都在二级以下，三种污染物的API值随着季节的变化还是非常明显的，总体呈现U型曲线分布，其中PM10和二氧化硫在第三季度的指数最小，第一季度中最高。而二氧化氮在第二季度的值最小，这可以充分的与塔城地区冬季取暖和逆温层深厚有着很大的联系，不光是这些直接因素，还与风动的频率和大气稳定性以及降水多少有关，根据相关的数据报到，新疆塔城地区的大气稳定性，在第一季度和第四季度最高，此时逆温层极易形成并且会累积厚度，在厚度达到一定的量后不易被破坏，而且这两个季度的阴天多，没有风的天气多，这样会导致大气降水对大气污染物的清洗率低，在第二季度和第三季度时空气层的对流增多，这时逆温层会被破坏且消散，风静的时候少，这些自然因素也是导致一四季度污染浓度高，二、三季度污染程度低的原因。
根据2013年的三种污染物的各月检测数据，可以看出每月的污染物主要的还是PM10，在5～10月时二氧化硫的浓度最低，4～9月时二氧化氮的浓度最低，从三月开始三种主要污染物的浓度开始减少，并且在8月时达到最低值，之后开始升高在一二月时达到最高值，在这个表中可以明显的看出PM10在3月事有一个明显的反弹，这与春季风大，尘多有关，冬季由于取暖的煤燃烧而产生的二氧化硫等污染物在春夏两季由于降水的稀释，这使得扩散也变得小了，再则应为二氧化硫比二氧化氮较易溶于水，所以在春夏二氧化硫的浓度比二氧化氮的浓度低，在冬季时，大气相对而言处在一个稳定的状态，因为降雪的缘故，土地被覆盖一层积雪，这使得在逆温强的天气下，风能破坏这种大气结构，使得污染物扩散增快，而如果积雪没了的话，这种气候甚至会使得PM10超过国家标准造成重度污染，导致塔城地区的污染加重。
3 结语
塔城地区三种污染物浓度具有一定的规律性，它是随时间的变化而变化，即夏、秋交换的两个月内，二氧化硫和二氧化氮处在无污染区，PM10处在二级良性区域内；1月、2月和12月是二氧化硫和PM10的三级轻度污染区。不管是在季度中，还是月中，影响塔城地区空气质量的首要污染物均为PM10，并且浓度在3月有反弹；一年中6、7月中，三种污染物的浓度最低，空气质量相对最好，2月、12月和1月中，三种污染物浓度最高，空气质量最差。以上这些特性，它既有它客观存在的一些原因，也有人为造成的相关因素，如果我们能最大限度地控制人为造成的严重污染，同时掌握影响空气污染的客观因素，就能有效的治理污染，还大家一个洁净的蓝天。
参考文献
[1]王庆梅.新疆塔城市环境质量状况及成因分析[J].云南环境科学,2015.
污染分布 篇10
枣庄市位于山东省的东南部,其地跨东经116°48′30″—117°49′24″,北纬34°27′48″—35°19′12″,总面积4563平方公里,常住人口394万,辖薛城区、市中区、峄城区、山亭区、台儿庄区、滕州市。北部接壤孔孟之乡济宁,南部与吴楚之邦徐州相邻,东部与革命圣地临沂接壤,西部是京杭大运河的源头微山湖,如图1。枣庄市因其悠久的采煤历史被称为鲁南煤城,但同时枣庄市近年来随着经济的发展,城镇化脚步的加快,城市建设规模的扩大,一些化工污染企业的增多,家庭汽车拥有量的增加等因素的影响,枣庄市已经成为全国重污染城市之一,解决环境问题迫在眉睫。
根据山东省环境监测部门公布的结果显示:2014年6月———2015年5月间,枣庄市“蓝天白云,繁星闪烁”天数(能见度≥10公里)最多的月份为2015年5月为19日,最少的月份为2014年8月为4日,PM2.5的平均浓度为91.33μg/m3,空气质量Ⅱ级,如图2、图3。
一、枣庄市PM2.5污染现状分析
AQI(空气质量指数)是定量描述空气质量状况的无量纲指数。参与评价的主要指标为PM2.5、PM10、SO2和NO2四个部分。对枣庄市2013年第四季度至2015年第三季度AQI及其相关指标进行时间、地域的差别分析,监测数据来源为市中区政府、污水处理厂、市环保局、薛城区环保局、峄城区政府、台儿庄环保局、山亭区环保局、高新区八个监测点,如图4。监测对象为AQI、PM2.5、PM10、NO2、SO2。
二、枣庄市PM2.5数据季节统计分析
(一)枣庄市2014年环境质量状况
2014年枣庄市AQI均值为128,PM2.5平均浓度为88μg/m3;PM10平均浓度为167μg/m3;SO2平均浓度为67μg/m3;NO2平均浓度为41μg/m3。PM2.5是影响全市环境空气质量的首要污染物。
如图5,四种污染物全年浓度变化走势相同,AQI值在12月份以及1月份达到全年最高值,其中,一月份AQI均值高达209;全市空气质量在夏季7-9月达到全年最佳,7-9月全市空气质量优良天数分别为21天、18天和23天;全年NO2以及SO2浓度全年走势平缓,对AQI值得贡献较低,PM2.5以及PM10浓度较高,且波动较大,对AQI值贡献大。2014年枣庄市空气质量在冬季较差,夏季较好,AQI、PM2.5浓度在1月份达到最高。监测的四种污染物随着时间变化趋势相同,NO2以及SO2变化趋势较为平缓,且全年值较低,PM2.5及PM10值较高,并随时间变化趋势较为明显;PM2.5是枣庄市空气污染的首要污染物。
(二)枣庄市PM2.5的季节性差异原因分析
枣庄市地处鲁中南低山丘陵南部地区,属于黄淮海冲击平原的一部分,是典型的煤炭型工业城市,随着煤炭资源的大量开采,且不合理的露天堆放,导致了枣庄市PM2.5浓度高于国家平均水平,近些年随着城市化的发展,家庭汽车拥有量的增加,新建住宅小区、城市公路的增加以及耕地的减少,都是空气质量的直接杀手。
在气候上枣庄市受中纬度暖温带大陆性季风气候影响,全年降水集中在6-9月,降水对空气中的PM2.5、PM10、SO2等污染物的浓度有很好的降低作用,此外由于夏季日照充足、天气炎热、太阳热辐射高、风速较其他季节大、大气热对流强烈、逆温现象较少等原因,PM2.5不易堆积,扩散较好,浓度较低。
枣庄市冬春两季寒冷少雨,逆温现象严重,大风、沙尘天气的频繁出现,此外我国北方冬季大量使用燃煤采暖、空调等供暖使用,且春节期间烟花爆竹的大量燃放,导致空气中AQI相关污染物浓度增高。
三、枣庄市PM2.5的地域分布统计分析
(一)枣庄市PM2.5地域分布统计分析
选取枣庄市8个大气采样点2015年夏季连续50d的AQI、PM2.5、PM10质量浓度均值数据进行统计分析。监测点1—8分别代表市中区政府、污水处理厂、市环保局、薛城区政府、峄城区政府、台儿庄区环保局、山亭区环保局、高新区,得图6—图8。
如图数据可知,夏季枣庄市8个监测点的AQI、PM2.5、PM10浓度值均处于高位,污染严重。从地域分异上来看:7(山亭区环保局)观测点和6(台儿庄区环保局)观测点三项指标浓度相对较低,空气质量相对较好;5(峄城区政府)观测点、1(市中区政府)观测点及8(高新区)观测点三项指标浓度最高,空气污染严重。
(二)枣庄市PM2.5地域差异原因分析
枣庄市是传统的煤炭城市,如图9,辖区内矿区和热电产业主要分布在滕州市乡镇,而造成二氧化硫、氮氧化合物的烟尘污染的水泥产业主要分布在市中区内,污染物排放量大,体现出了工业布局和区域传输对枣庄市PM2.5浓度的影响。同时枣庄市中区和滕州市区是主城区,人口密度大、交通发达、物流发达,汽车尾气和生活污染排放量较高,也会导致PM2.5指标浓度的升高;山亭区以山区为主,处于刚开发状态,绿色生态环境较好,人口密度和车流量较低,人工环境相对少,导致PM2.5浓度相对较低;台儿庄区东连沂蒙山、西濒微山湖是枣庄市重点发展的旅游区域,辖区内工业企业较少,人口密度低,绿地面积大PM2.5浓度低。
四、枣庄市PM2.5日变化统计分析
(一)枣庄市PM2.5日变化统计分析
选取枣庄市8个监测点以2015年7月26日同一时间点的AQI、PM2.5、PM10浓度的平均值,做出24h均值的变化曲线。如图10可知AQI、PM2.5、PM1024h变化曲线呈多峰变化趋势,峰值分别出现在0:00、07:00、10:00、19:00。
(二)枣庄市PM2.5日变化差异原因分析
枣庄市夜间PM2.5浓度处于一个较高的水平,是由于夜间对流层气温较低,易产生逆温层,使大气污染物的扩散受到影响,导致底层大气污染严重。随着上班交通高峰的到来,07:00左右PM2.5浓度略有上升,但对空气质量影响不大。由于枣庄市属于中等城市,城镇化水平较低,居民机动车拥有量相对较少,对环境不会造成直接影响。枣庄市是一个重工业城市,随着进入工作时间点,空气质量陡然上升,到10时—11时PM2.5浓度出现了全天最高值。随着气温的升高,大气扩散情况好转,夏季植物光合作用的加强,在加上交通高峰的过去,PM2.5浓度下降。直到晚上19:00点附近,由于气象条件的变化,人类活动、下半集体出行活动的增多,PM2.5浓度又出现了一个小峰值。21点之后,由于夏季烧烤在城市的流行,小型污染企业的夜间开工AQI、PM2.5、PM10平均浓度升高。
五、PM2.5和大气氧化物的相关性分析
SO2和NO2可以通过光学反映对PM2.5浓度产生作用,同时枣庄作为典型的烟煤型城市,其CO排放量对空气质量也形成较大影响。应用SPSS17.0软件对枣庄市8个观测点的PM2.5平均小时浓度与SO2、NO2、CO和O3进行Spearman相关性分析,得表1。
结果显示,枣庄市的PM2.5平均小时浓度与SO2、NO2和CO浓度均为明显正相关,与O3浓度成明显负相关。这其中O3对PM2.5浓度的影响最为显著,关联度达到0.54,其次是NO2、O3和CO,关联度分别为0.42、-0.36和0.25.这也证明了枣庄市的空气污染物主要为SO2、NO2和粉尘。
六、结论
对枣庄市不同年月的PM2.5浓度及其相关指标进行整理统计分析得到以下结论:
首先,枣庄市2014年AQI、PM2.5季节性浓度均值夏季7—9月最低,冬季最高,对人体造成一定伤害。
其次,8个功能监测点中山亭区环保局和台儿庄环保局空气质量较好,PM2.5浓度值较低;峄城区政府观测点、市中区政府观测点和高新区观测点指标浓度较高,空气污染严重。
第三,枣庄市24h PM2.5浓度呈明显的多峰形状,峰值分别出现在0:00、07:00、10:00、19:00,这与日常生活出行、人类活动与气象自然因素密不可分。
第四,枣庄市PM2.5浓度与SO2、NO2和CO浓度均为显著正相关,与O3浓度成明显负相关,说明其二次转化对PM2.5浓度影响明显,从相关性分析的结果来看,SO2对PM2.5浓度的影响最为显著,CO最不显著。
摘要：枣庄市是传统的煤烟型重污染城市,在工业城市转型的过程中,解决空气质量问题迫在眉睫。对2014年—2015年枣庄市8个自动空气质量监测站的PM_(2.5)数据进行分析,探讨PM_(2.5)的季节分异特征、地域分布特征、日变化差异分析以及与大气氧化物的相关性分析。结果表明,夏季PM_(2.5)的平均浓度最低、冬季最高。各监测站中浓度较高的是峄城区政府观测点、市中区政府观测点和高新区观测点;较低的是山亭区环保局观测点和台儿庄区环保局观测点。在一天中,PM_(2.5)的浓度变化呈多峰分布,峰值分别出现在0:00、07:00、10:00及19:00。PM_(2.5)浓度与SO_2、NO_2和CO浓度均为显著正相关,与O_3浓度成明显负相关,表明大气氧化物对PM_(2.5)浓度有显著影响。
关键词：枣庄,PM2.5,季节分布,地域分布,日变化,大气氧化物
参考文献
[1]张思远,吴开亚.合肥市PM2.5污染特征及影响因素分析研究[J].环境科学与管理,2015(1)
[2]王占山,李云婷等.2013年北京市PM2.5的时空分布[J].地理学报,2015(1)
[3]王延敦、朱学宝等.枣庄市春节期间烟花爆竹燃放对空气质量影响的研究[J].中国科技纵横,2016(4)
[4]杜艳伟,程建光等.2013年青岛市PM2.5时空分布及来源分析[J].城市环境与城市生态,2015(4)
[5]曾静,廖晓兰等.奥运期间北京PM2.5、N O x、CO的动态特征及影响因素[J].生态学报,2010(22)
[6]顾昊,张亚男等.哈尔病市春季PM2.5污染状况及来源调查研究[J].环境科学与技术,2013(36)