基于小波分解和因子分析的白酒香型和年份鉴定的研究

提出了一种基于小波分解和因子模型分析白酒荧光光谱,对白酒香型进行分类和年份预测的方法。白酒的三维荧光光谱包含了其所含荧光物质信息,对其进行小波分解,其分解系数与特征峰的强度相关。选取高斯小波对三维荧光光谱进行分解,可以避免对二维荧光光谱进行分解时需要选取特定激发波长的问题。对样品的三维荧光光谱进行小波分解后,选取第4层近似系数构建正交因子模型,通过因子载荷系数对白酒进行鉴别。结果指出,贡献率较小的因子蕴含着样品的独特信息,在相似样品的比较中,不容忽视。在对10个品牌的白酒进行香型分类时,先将样品的三维荧光光谱进行高斯小波分解,使用第4层近似系数进行因子分析,得到贡献率由大到小的多个因子。根据因子的载荷系数,对样品进行聚类分析。结果表明,加入贡献率较小的因子可以将正确率提高至90%。通过对因子载荷系数与年份的相关性分析得出,贡献率排在前六位的因子和白酒年份关系较大,而排在后面的因子和白酒年份的相关性较小,因此可以选取前六位的因子建立白酒年份预测模型。通过选取不同贡献率的因子对白酒年份进行预测,其平均误差可降低至0.9年。

高等数学教学质量评价的统计数学模型与Spss应用

利用多元统计数学中的相关数学方法建立高等数学教学质量综合评价的一种定量化评价方法与模型,本文客观提取青海省省内各高校高等数学课程教学质量原始数据并加以处理后,在统计软件Spss下进行了实证分析,其结果表明:这是一种稳定性较好且切实有效的综合评价方法模型。

基于扩散模型的京津冀地区空气污染研究

综合分析京津冀地区的空气污染指标数据,首先建立正交因子模型,利用SPSS软件找出京津冀地区主要的污染源及其污染参数,其次结合具体案例分别建立单污染源和多污染源的扩散模型,使用Matlab软件编程,描述了其对周围空气污染的动态影响规律及空气污染浓度的时空梯级分布.

适用于训练样本选择的斜交因子模型研究

训练样本的质量直接影响训练阶段的训练质量(或效果),进而在一定程度上影响测试阶段的分类精度。训练样本的代表性和典型性则反映出训练样本质量的一个重要方面。对于当前非常流行的深度学习模型研究,如何尽可能地减少训练样本的数量,一方面成为一个非常“棘手”的问题,另一方面从实际应用的角度来看,这也上升为一个经济或成本方面的问题。提出了一种适用于训练样本选择的斜交因子模型方法,该方法松弛了Q型因子分析和对应分析对于公因子之间独立的假设条件,并在斜交参考解的基础上提出一种适合训练样本选择的近似求解斜交旋转的方法。实验结果表明,所提方法是可行、有效的。与基于正交因子模型的方法相比,它可以更好地描述或逼近现实的真实情况,可以选择出更合理、更具有代表性的典型训练样本,并且还可以取得满意的分类精度。适用于训练样本选择的斜交因子模型方法优于基于正交因子模型的训练样本的选择方法,被选择的训练样本分布相对更分散、更合理,而且总的分类精度平均提高3%左右。

天津降水季节特征及不同气团来向离子来源分析

基于天津2019年3月~2022年2月的大气降水样品,分析降水季节性变化及无机离子和有机酸来源,降水pH值均值为6.68,电导率均值为46.8μS/cm,总离子浓度均值为726μeq/L,降水离子整体呈现“冬高夏低”的季节特征,SO_(4)^(2-)和NO_(3)^(-)对总自由酸度(TFA)的贡献率为89.6%,是主要致酸离子.基于HYSPLIT模型得出降水主要受5个来向气团影响,春冬季以离子浓度较高的北部气团和西北部气团来向为主,占比60.0%~62.5%,夏秋季离子浓度较低的南部气团、东部气团和东南部气团占比较大,达到60.0%~97.8%.富集因子分析表明Ca^(2+)、Mg^(2+)和K^(+)主要来源于土壤;Cl^(-)的主要来源为海洋;Na^(+)的来源包括土壤;SO_(4)^(2-)和NO_(3)^(-)主要来自人为源.根据有机酸来源判定,植物生长和土壤释放等直接来源对天津有机酸浓度贡献较大,不饱和烃类的大气光化学反应等间接来源贡献较小.正矩阵因子分析(PMF)源解析表明,天津大气降水离子来源包括生物质燃烧源、垃圾焚烧源、二次无机源、生物排放和二次有机源、海源及工业源、陆源及扬尘源.

郑州市金水区冬季大气PM_(2.5)污染特征及来源解析

为探究郑州市金水区冬季PM_(2.5)污染特征及来源贡献,采用离线采样法对金水区大气中银行学校和郑纺机两站点的PM_(2.5)进行了采集,通过颗粒物分析仪解析PM_(2.5)的组分构成,并重点采用正交矩阵因子(PMF)模型和多尺度空气质量(CMAQ)模型分析评估了PM_(2.5)的来源及输送贡献。结果表明,银行学校和郑纺机站点中水溶性离子(WSIIs)浓度分别占PM_(2.5)浓度的46.4%和44.8%,金属元素组分浓度分别占17.2%和14.3%。富集因子(EF)及比值分析显示,两站点需重点关注燃煤源和机动车源的影响。PMF源解析显示,金水区两站点中对PM_(2.5)的浓度贡献污染源主要是机动车源、扬尘源及燃煤源。CMAQ模型模拟结果显示,金水区两站点中PM_(2.5)的主要来自金水区自身的排放,贡献占比高达43%以上,其次为金水区的北部、西部和南部区域。研究显示,在加强本地PM_(2.5)污染管控的同时,需要考虑北部、西部及南部区域以及郑州市周边地区的区域联防联控。

郑州市高新区大气中VOCs污染特征及来源研究

为研究郑州市高新技术产业开发区(以下简称“高新区”)环境空气挥发性有机物(VOCs)污染的特征、光化学反应活性和来源,采用手工采样的方式,环境空气样品通过苏玛罐采集后,经气相色谱分离FID/MS检测器进行分析,利用正交矩阵因子模型(PMF)解析数据结果来源。分析结果表明芳香烃类化合物对平均臭氧生成潜势(OFP)和气溶胶生成潜势(AFP)的贡献均为最高,VOCs主要来源为工业排放源、油气挥发源、溶剂使用源、燃烧排放源、机动车排放源,占比分别为27.4%、23.5%、22.6%、15.7%和10.8%。因此,郑州市高新区应进行工业排放源,油气排放源和溶剂排放源的减排,并重点关注芳香烃类VOCs的排放。

利用SPAMS研究西安市重污染天气细颗粒物污染特征及来源

为了对西安市冬季重污染过程中的细颗粒物进行动态源解析,于2016年12月5—22日,利用SPAMS (单颗粒气溶胶质谱仪)在西安市城市运动公园开展连续观测.将观测期分为4个阶段,结合气象条件对不同阶段细颗粒物的污染特征进行分析比较.依据质谱特征,将所采集到的颗粒分为EC (元素碳)、OC (有机碳)、ECOC (混合碳)、HM (重金属)、LEV (左旋葡聚糖)、Si O3(矿尘)、K (钾)、Na (钠)、HOC (有机大分子)及Other (其他)类.结果表明:观测期间所采集到的OC类颗粒物数量最多,在重污染阶段OC、K和EC类颗粒物占颗粒总数的70%以上,是重污染天气的主要组成颗粒.在雾霾消散期,OC、LEV和Si O3类颗粒是主要类型颗粒物.根据颗粒物的化学类型及离子特征,利用PMF (正交矩阵因子分解)模型法得到6种污染源贡献率分别为27. 7%(燃煤源)、22. 3%(二次污染源)、20. 4%(交通源)、10. 4%(生物质燃烧源)、9. 7%(工艺过程源)、6. 5%(扬尘源)及3. 0%(其他未知源).研究显示:在重污染阶段,燃煤源与交通源占比大幅上升,与二次污染源共同造成了此次重污染天气;在雾霾消散期,扬尘源及生物质燃烧源成为大气细颗粒物的主要污染源.

黄石市大气挥发性有机物污染特征及源解析

为研究黄石市大气挥发性有机物(VOCs)污染特征、臭氧生成潜势及来源,该文于2018年7月-2019年4月,在黄石市城区使用苏玛罐采集大气VOCs样品,利用气相色谱质谱/氢火焰离子检测器(GC-MS/FID)测定71种VOCs。结果表明,黄石市总挥发性有机物(TVOCs)平均浓度为(24.1±9.01)×10^(-9)(体积浓度),季节性变化趋势为冬季高夏季低。黄石市大气VOCs的平均臭氧生成潜势(OFP)为128μg/m^(3),对OFP贡献最大的物种是乙烯,其值为21.2μg/m^(3)。特征物种比值显示,黄石市大气存在一定老化现象,异戊烷和正戊烷可能受到燃料燃料蒸发和机动车排放影响,甲苯和苯受机动车尾气影响较大。正交矩阵因子模型的解析结果显示VOCs的主要来源为机动车排放源(30.44%)、燃料挥发源(24.48%)、燃烧源(22.58%)、石油化工源(9.26%)、溶剂使用源(8.06%)和植物排放源(5.18%)。

郑州市秋季VOCs污染特征及来源解析研究

为探究郑州市秋季挥发性有机化合物(VOCs)污染特征及来源,采用GC5000在线气相色谱仪对郑州市秋季大气环境中VOCs进行实时监测,分析了气象因素对臭氧(O)及其前体物的影响和VOCs污染特征,并重点利用B/T/E(苯/甲苯/乙苯)比值和正交矩阵因子模型(PMF)方法分别对VOCs来源进行了研究。结果表明:郑州市秋季温度对O生成影响明显,尤其是高温、扩散较差气象条件下,有利于O前体物的反应消耗,促使O生成及累积。郑州市秋季VOCs平均质量浓度为93.4μg/m,浓度占比贡献较大组分为烷烃(52.6%)、芳香烃(28.7%)及烯烃(17.7%),贡献较大前10物种为乙烷、乙烯、丙烷、间/对-二甲苯及甲苯等,占总VOCs的64.9%。秋季臭氧生成潜势(OFP值)为350.7μg/m,其中烯烃和芳香烃贡献最大,分别为45.8%和41.7%,其次为烷烃12.2%,OFP贡献前10物种主要为乙烯、间/对-二甲苯、异戊二烯、甲苯及邻-二甲苯等,占总OFP的74.9%。B/T/E比值显示机动车尾气排放、溶剂涂料使用及燃烧源是郑州市秋季VOCs的主要来源,尤其机动车尾气排放源贡献最为突出。PMF源解析显示,机动车尾气(汽油车和柴油车)排放源、溶剂涂料使用源、燃烧源是郑州市秋季VOCs排放主要来源,贡献率为35.1%、20.4%、19.7%,尤其9月柴油车尾气较为突出,汽油车尾气排放逐月增加。其中机动车尾气(汽油车和柴油车排放)和溶剂涂料使用源是对郑州市秋季O生成贡献较大的来源,贡献率分别为33.8%和20.6%,需重点关注。

郑州市高新区大气VOCs源解析及风险评估

为探究郑州市高新区环境大气中挥发性有机物(VOCs)的来源及潜在危害,通过罐采样-GC-MS/FID对样品进行采集分析,采用正交矩阵因子解析(PMF)模型及风险评价方法对VOCs来源及潜在危害进行研究。源解析结果显示,工业溶剂使用、机动车尾气、燃煤及生物质燃烧源是高新区VOCs主要排放源,其对VOCs贡献率依次为28.11%、27.58%及19.89%;其中溶剂涂料使用和植物排放源对臭氧生成潜势(OFP)贡献较大,分别为30.08%和30.42%。风险评估结果表明,高新区VOCs的OFP为174.18μg/m3,其中芳香烃和烯炔烃分别占37.33%和36.03%,OFP贡献大的物种为异戊二烯(23.31%)、间/对-二甲苯(11.77%)、丙酮(7.64%)、甲苯(6.71%)及1-丁烯(6.19%)。高新区环境空气中VOCs非致癌风险值(HI)在2.67×10-13.37×10-1之间,均值为3.03×10-1,低于美国环保署(USEPA)规定值1,其中苯、二氯甲烷、四氯化碳及三氯乙烯的HI值较高,其HI值在2.20×10-21.33×10-1之间;致癌风险值(Risk)为6.35×10-5,其中1,2-二氯乙烷、四氯化碳、苯及氯乙烯均高于USEPA限值(1×10-6),但未高于美国职业安全与健康署(OSHA)可承受的致癌风险值(1×10-3),说明对于长期暴露外界人群仍存在一定的致癌风险,危害人体健康。今后亟需加强溶剂使用、机动车尾气及燃烧源的管控。

郑州市金水区夏季VOCs污染特征、来源及风险评估

为探究夏季郑州市金水区大气环境中挥发性有机物(VOCs)的特征组分,通过罐采样和气质联用仪系统(GC-MS/FID)采集了郑州市金水区夏季的环境样品并对其进行定量分析.同时对郑州市金水区夏季VOCs的污染特征进行了探讨,并利用正交矩阵因子(PMF)模型和风险评估方法分别对VOCs来源及BTEX的潜在风险进行了研究.结果表明,金水区夏季VOCs平均质量浓度为105.90μg/m3.VOCs组分中,OVOCs、烷烃和芳香烃的浓度占比排名前三,分别为30.22%、26.90%、20.99%.浓度占比排名前十的物种浓度占总VOCs浓度的65.28%,其中丙酮、间/对-二甲苯、异丁烷对VOCs浓度的贡献突出.从臭氧生成潜势(OFP)看,金水区夏季VOCs的平均OFP为207.49μg/m3.芳香烃、烯烃(含异戊二烯)和烷烃对OFP的贡献率分别为55.27%、20.89%、15.32%,是对OFP贡献较大的VOCs组分.间/对-二甲苯、邻-二甲苯、异戊二烯是对OFP贡献较大的VOCs物种.PMF模型解析显示,金水区夏季VOCs的主要来源为机动车尾气排放源和溶剂涂料使用源,它们对VOCs浓度的贡献率分别为44.36%和34.95%.溶剂涂料使用源对OFP的贡献率最大,为57.31%,其次为植物排放源和机动车尾气排放源,其对OFP的贡献率分别为13.94%和13.53%.苯系物(BTEX)风险评估结果表明,金水区夏季VOCs中BTEX的危害指数(HI)为1.83×10^(-2),低于美国环保署(USEPA)规定的限值(HI<1),其中苯和间/对-二甲苯的非致癌风险危害熵值(HQ)分别为1.60×10^(-2)、1.35×10^(-3),是对HI贡献较大的物种;苯的致癌风险值(R)为3.75×10^(-6),高于USEPA规定的限值(1×10^(-6)),会对人体健康造成潜在风险危害.郑州市金水区后期需重点关注溶剂涂料使用源和机动车尾气排放源的排放,尤其是溶剂使用过程中苯系物的排放.

西安市大气降水的主要化学组分及其来源

为认识西安市大气降水主要化学组分的现状,对2019年西安市市区和郊区大气降水样品的pH值、电导率、水溶性离子和重金属的质量浓度、湿沉降通量和来源进行了研究.结果表明,西安市冬季大气降水pH、电导率、水溶性离子和重金属浓度均高于其它季节.降水中主要的水溶性离子为Ca^(2+)、NH_(4)^(+)、SO_(4)^(2-)和NO_(3)^(-),其之和占总离子浓度的(88.5±2.8)%;市区和郊区主要重金属是Zn和Fe、Zn和Mn,其之和分别占总金属浓度的(54.0%±3)%和(47.0%±8)%.市区和郊区降水中水溶性离子的湿沉降通量分别为(253.2±58.4)mg·(m^(2)·month)^(-1)和(241.9±61.1)mg·(m^(2)·month)^(-1),呈现出冬季高于其他季节的特点;重金属的湿沉降通量分别为(86.2±37.5)mg·(m^(2)·month)^(-1)和(88.1±37.4)mg·(m^(2)·month)^(-1),季节差异较小.PMF源解析表明,市区和郊区降水中水溶性离子主要来源于燃烧源(57.5%和32.32%),其次是机动车源(24.4%和17.2%)和扬尘源(18.1%和27.0%),郊区降水中离子还受到了当地农业(11.1%)的影响.市区和郊区降水中重金属主要来源于工业源(51.8%和46.7%);燃煤和机动车混合源在冬季贡献率比夏季分别高10.7%和6.1%.

石家庄市挥发性有机物和臭氧的污染特征及源解析

为研究石家庄市挥发性有机物(VOCs)的化学特征和污染来源,于2017年3月至2018年1月取3个国控点进行环境VOCs的罐采样及分析,并结合臭氧(O3)及气象数据进行相关性分析,采用正交矩阵因子模型(PMF)开展溯源解析;为确定夏季O3的污染周期,利用小波分析研究其时序特征.结果表明,石家庄市采样期间VOCs浓度为(137.23±64.62)μg·m^-3,以卤代烷烃(31.77%)、芳香烃(30.97%)和含氧VOCs(OVOCs,23.76%)为主.采样期间VOCs的季节变化为:冬季(187.7μg·m^-3)>秋季(146.8μg·m^-3)>春季(133.24μg·m^-3)>夏季(107.1μg·m^-3),空间特征呈自西向东逐渐增加的格局.监测期内O3与VOCs、NO2呈显著负相关,与温度、日照时数、风速和能见度呈正相关.在夏季O3≤160μg·m^-3时,6月应关注气温开始上升后4~5 d的气象条件变化,而7~8月需关注7~8 d后的气象变动.PMF溯源解析了6个VOCs的来源,依次为:汽油车排放源(24.78%)、柴油车排放源(24.69%)、溶剂使用源(18.64%)、化工生产排放源(11.87%)、区域背景(10.84%)及制药工业生产排放源(9.17%);其中汽油车和柴油车排放源的O3生成潜势(OFP)贡献(54.98%)超过一半.因此,石家庄市夏季O3削减的关键是控制交通及工艺过程源的排放.

郑州市某城区冬季不同污染水平大气VOCs特征及源解析

于2019年1月3~23日,在郑州市某城市站点对挥发性有机物(VOCs)进行观测,研究不同污染水平下VOCs组成、变化特征、来源及其对二次有机气溶胶(SOA)生成的影响.结果表明,观测期间含氧VOCs和烷烃为VOCs的主要组分,乙酸乙酯和丙酮为最丰富的物种.清洁天演变至重度污染过程中,VOCs体积分数增高约1倍,大部分物种体积分数随污染程度加重而增高.基于正交矩阵因子模型(PMF),观测期间VOCs主要来源于机动车排放、工业排放、燃烧源、溶剂使用和液化石油气(LPG)使用,且不同污染水平下来源贡献差异明显,重污染期间工业排放和溶剂使用的源贡献分别增高至约清洁天的9倍和3倍.芳香烃为SOA生成潜势(SOA_p)贡献最大的组分,甲苯和间/对-二甲苯为贡献最大的物种,溶剂使用源为贡献最大的来源,重度污染期间总SOA_p增大至约清洁天的2.6倍.加强管控芳香烃类化合物及溶剂使用等相关源的排放对改善郑州市冬季霾污染具有重要意义.

南京北郊降水无机离子和有机酸的化学特征及来源分析

连续收集2016年12月至2017年11月期间的南京降水样品,分析主要无机离子和有机酸的化学特征及季节变化,运用正交矩阵因子模型法(PMF)进行源解析.结果表明,南京地区降水pH均值为5.6,离子总浓度雨量加权平均值为297.3μmol·L^-1,阳离子浓度依序为NH4^+>Ca^2+>K^+>Na^+>Mg^2+,阴离子浓度则为NO3^->SO4^2->Cl^->F^-.总有机酸浓度雨量加权平均值为2.86μmol·L^-1,占总阴离子的2.2%.CHO2^-、C2H3O2^-和C2O4^2-是南京降水主要的有机酸,年雨量加权平均值分别是1.35、1.05和0.26μmol·L^-1.离子浓度总体表现出明显的冬春高和夏秋低的季节性变化,而总有机酸浓度夏季最高,春季次之,冬季最低,生长季节高于非生长季节,与较多的植被排放有关.运用甲酸和乙酸的比值(F/A)判定南京降水有机酸的主要来源为植物生长释放,有机物燃烧,机动车排放等直接来源,大气氧化等间接来源较少.南京降水无机离子和有机酸主要有5个来源贡献,海源和二次无机生成、生物质燃烧、陆源和垃圾焚烧、二次有机生成、生物排放和生物源二次生成,分别贡献40.0%、22.2%、22.0%、14.5%及1.3%.

柳州市春季大气挥发性有机物污染特征及源解析

为了解我国西南岩溶工业地区VOCs污染特征及其来源,2019年3月用GC955挥发性有机物在线监测系统对柳州市大气VOCs进行监测并对其污染特征、臭氧生成潜势(OFP)、气溶胶生成潜势(AFP)和正交矩阵因子模型(PMF)进行分析.结果表明:①研究区春季监测期间共检出50种VOCs组分,日平均摩尔分数为25.52×10^(-9)mol·mol^(-1).其中,烷烃、烯烃、炔烃及芳香烃分布占比为56.08%、19.63%、14.25%和10.04%.②VOCs摩尔分数呈现白天低,夜间高的特征.VOCs日变化中的峰值与早晚交通高峰出现的时间有一定的相关性,同时可能受到多方面因素的影响.③烯烃、芳香烃及烷烃对OFP贡献分布为44.30%、33.03%及19.96%,指示对于芳香烃和烯烃的控制应优先于烷烃.此外柳州市O3生成处于VOCs敏感区,消减VOCs对O3生成具有控制作用.④芳香烃对AFP的贡献高达95.27%,因此对于机动车尾气排放、溶剂的使用、汽车产业和化工产业这几个行业工艺上的改进及控制可同时有效地抑制臭氧及霾污染.⑤柳州春季VOCs排放源及其对总VOCs的贡献分别为:工业排放源(28.34%)、机动车源(25.47%)、燃烧源(24.37%)、溶剂使用源(13.28%)和植物排放源(8.54%),表明控制工业排放源、机动车源和燃烧源是目前控制柳州市环境空气中VOCs污染的主要途径,同时,重点考虑控制这些排放源排放的烯烃和芳香烃.

大连市夏季VOCs化学反应活性及来源

为了解大连市环境空气挥发性有机物(VOCs)污染特征及来源,基于2020年6~8月高时间分辨率VOCs在线观测数据,对大连市大气VOCs的浓度水平、组成特征、反应活性及来源情况进行了分析.结果表明φ(VOCs)的平均值为(10.21±5.71)×10^(-9),其中烷烃占比为66.35%,烯烃为11.89%,炔烃为7.75%,芳香烃为14.01%.VOCs和NO_(x)呈现夜间高,白天低的特征,而O_(3)变化趋势相反.综合考虑物种活性,确定甲苯、乙烯、间/对-二甲苯、 1-己烯、正丁烷、异戊烷、正戊烷和异戊二烯是影响大连市大气VOCs的关键物种,优先控制烯烃和芳香烃类化合物的排放是改善大连市夏季O_(3)污染的关键.PMF源解析结果显示交通源(26.38%)、燃烧源(22.75%)、工业排放源(17.09%)、溶剂使用源(14.59%)、天然源(11.72%)和其他(7.47%)为监测期间VOCs的主要来源,交通源和燃烧源排放是大连市夏季O_(3)防控的重点污染源.

南京北郊大气细粒子硝基苯酚类化合物污染特征与来源

硝基苯酚类化合物是大气中普遍存在的一类含氮有机物,也是大气吸光性有机物(即棕色碳)的重要组成部分,对气候变化、空气质量和人体健康都具有重要影响.自2019年3月至2020年1月于南京北郊地区采集了共265个大气细粒子(PM_(2.5))日样品,并利用超高效液相色谱质谱联用仪(UHPLC-MS)定量分析样品中的8种硝基苯酚类化合物.结果表明,南京北郊大气细粒子中年均ρ(硝基苯酚)为18.77 ng·m^(-3),春夏秋冬四季平均值分别为16.82、8.59、17.28和44.79 ng·m^(-3);其浓度水平显著高于国外测量结果,但与国内部分城市如济南等较为接近.4-硝基苯酚是对总硝基苯酚类化合物贡献最大的物质,其次是4-硝基儿茶酚和2-甲氧基-5-硝基苯酚.相关性分析表明3-硝基水杨酸来源与其他7种物质显著不同.进一步正交矩阵因子分解模型对硝基苯酚的来源进行了定量解析,结果发现,该地区硝基苯酚的主要来源是交通源、燃煤生物质混合源和工业排放源,年均占比分别为32%、44%和24%;其中燃煤生物质混合源在秋冬季占据主导(占比>50%),是硝基苯酚的主要排放源;工业排放源中3-硝基水杨酸占比高于90%,与相关性分析一致.总体而言,对认识环境大气细粒子中硝基苯酚的浓度水平、组成特征及其具体来源有较重要价值.

郑州市春季大气挥发性有机物污染特征及源解析

对2018年春季郑州市5点位进行环境大气挥发性有机物(VOCs)罐采样及组分分析,开展其污染特征、臭氧生成潜势(OFP)、气溶胶生成潜势(AFP)和来源解析研究.结果表明,郑州市春季VOCs体积分数为(30. 66±13. 60)×10-9,烷烃占比最高(35. 3%),其次为OVOCs(25. 3%)、卤代烃(24. 1%)、芳香烃(10. 0%)和烯烃(5. 2%);总OFP为195. 53μg·m-3,烷烃、烯烃、芳香烃、卤代烃和OVOCs贡献率分别为25. 6%、17. 8%、38. 9%、5. 8%和11. 9%;总AFP为0. 95μg·m-3,芳香烃贡献率最高(87. 6%),其次为烷烃(12. 4%);秦岭路和经开区点位正戊烷、异戊烷、苯和甲苯受机动车影响较大,郑州大学点位主要受燃烧源影响;源解析显示机动车尾气及LPG挥发、溶剂使用源、工业过程源、区域老化气团和植物源对采样期间VOCs浓度贡献依次是30. 5%、27. 3%、22. 1%、14. 4%和5. 7%.