CN110069897A - 一种基于同位素技术的大气细颗粒物来源解析方法和装置 - Google Patents
一种基于同位素技术的大气细颗粒物来源解析方法和装置 Download PDFInfo
- Publication number
- CN110069897A CN110069897A CN201910460170.0A CN201910460170A CN110069897A CN 110069897 A CN110069897 A CN 110069897A CN 201910460170 A CN201910460170 A CN 201910460170A CN 110069897 A CN110069897 A CN 110069897A
- Authority
- CN
- China
- Prior art keywords
- target element
- atmospheric fine
- content
- isotope
- fine particles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013618 particulate matter Substances 0.000 title claims abstract description 71
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 230000000155 isotopic effect Effects 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 50
- 239000000203 mixture Substances 0.000 claims description 144
- 239000010419 fine particle Substances 0.000 claims description 131
- 238000011109 contamination Methods 0.000 claims description 27
- 229910000831 Steel Inorganic materials 0.000 claims description 21
- 239000010959 steel Substances 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 229910002651 NO3 Inorganic materials 0.000 claims description 7
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 7
- 239000000443 aerosol Substances 0.000 claims description 7
- PMZURENOXWZQFD-UHFFFAOYSA-L Sodium Sulfate Chemical compound [Na+].[Na+].[O-]S([O-])(=O)=O PMZURENOXWZQFD-UHFFFAOYSA-L 0.000 claims description 6
- 229910052938 sodium sulfate Inorganic materials 0.000 claims description 6
- 235000011152 sodium sulphate Nutrition 0.000 claims description 6
- 239000000428 dust Substances 0.000 description 26
- 239000000243 solution Substances 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- 239000004568 cement Substances 0.000 description 9
- 239000002689 soil Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000010790 dilution Methods 0.000 description 5
- 239000012895 dilution Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 239000002817 coal dust Substances 0.000 description 3
- 238000004939 coking Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003546 flue gas Substances 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 239000010902 straw Substances 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 229910052779 Neodymium Inorganic materials 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 229910052712 strontium Inorganic materials 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 239000011133 lead Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QEFYFXOXNSNQGX-UHFFFAOYSA-N neodymium atom Chemical compound [Nd] QEFYFXOXNSNQGX-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本申请提供了一种基于同位素技术的大气细颗粒物来源解析方法和装置，其中，该方法包括：对采集到的目标区域的大气细颗粒物和采集到的目标区域的各污染源进行元素和元素的同位素分析，以得到大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素含量及其同位素组成；利用大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各污染源对大气细颗粒物的贡献值，通过上述方法可以对大气细颗粒物的来源进行解析，从而得到各污染源对大气细颗粒物的贡献值，通过各污染源对大气细颗粒物的贡献值可以确定该地区各污染源对大气细颗粒物贡献程度。
Description
技术领域
本申请涉及大气污染防治领域，具体而言，涉及一种基于同位素技术的大气细颗粒物来源解析方法和装置。
背景技术
随着环境越来越恶略，人们对空气质量越来越重视，而大气细颗粒物的含量是评价空气质量的关键因素。由于不同的地区形成大气细颗粒物的成因不同，为了降低大气细颗粒物的含量需要知道该地区各污染源对大气细颗粒物贡献程度，但是针对上述问题，目标尚未找到有效的解决办法。
发明内容
有鉴于此，本申请实施例的目的在于提供一种基于同位素技术的大气细颗粒物来源解析方法和装置，以解析各污染源对大气细颗粒物贡献程度。
第一方面，本申请实施例提供了一种基于同位素技术的大气细颗粒物来源解析方法，包括：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，所述利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等；
对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，所述利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，包括：
当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
在一个可行的实施方案中，所述利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
在一个可行的实施方案中，所述利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
第二方面，本申请实施例还提供了一种基于同位素技术的大气细颗粒物来源解析装置，包括：
分析单元，用于对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
处理单元，用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等；
对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组时，包括：
当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
在一个可行的实施方案中，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
在一个可行的实施方案中，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行以下步骤：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
第四方面，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行以下步骤：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
本申请的实施例提供的技术方案可以包括以下有益效果：
由于同位素能够示踪来源，并且由于单种同位素示踪来源时，有两个或多个污染源单种同位素组成可能会相似，因此利用单种同位素就无法对多种污染源进行识别，所以需要借助其他同位素加以区分，并且由于某一区域的大气细颗粒物是由该区域中产生的各污染源之间经过物理作用和化学作用后产生的，因此在本申请中，对采集到的目标区域的大气细颗粒物和采集到的目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，然后利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值，通过上述方法可以对大气细颗粒物的来源进行解析，从而得到各污染源对大气细颗粒物的贡献值，通过各污染源对大气细颗粒物的贡献值可以确定该地区各污染源对大气细颗粒物贡献程度，从而为治理该区域的大气细颗粒物提供依据。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例一提供的一种基于同位素技术的大气细颗粒物来源解析方法的流程示意图；
图2为本申请实施例一提供的另一种基于同位素技术的大气细颗粒物来源解析方法的流程示意图；
图3为本申请实施例二提供的一种基于同位素技术的大气细颗粒物来源解析装置的结构示意图；
图4为本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
图1为本申请实施例一提供的一种基于同位素技术的大气细颗粒物来源解析方法的流程示意图，如图1所示，该大气细颗粒物来源解析方法包括以下步骤：
步骤101、对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成。
步骤102、利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
具体的，为了使大气细颗粒物来源的解析结果更佳准确，需要尽量多的采集目标区域中的污染源的种类，样本的采集点可以为该目标区域的街道、建筑物、厂房及周边农田；采样期为不同时期的非雨雪大风天；采样数量以能满足化学组分和同位素组分测量以及能够代表目标区域环境空气质量为限，采样时长可根据当地空气的清洁度、所用的化学组分和同位素组成测量方法的检出限、以及仪器的采样效率来决定，以能满足化学成分分析和同位素分析的要求为原则。
各污染源样品包括：城市扬尘、道路扬尘、土壤风沙尘、电厂燃煤尘、民用燃煤尘、汽油车尾气尘、柴油车尾气尘、焦化尘、钢铁尘和水泥尘等10类主要的对环境空气细颗粒物有贡献的污染源。
在采集城市扬尘时，在城市城区均匀布点，采集点可以选取楼房、仓库、商店等建筑物的窗台、橱窗、台架等处长期积累的灰，采样高度要求在5-15米范围内。
在采集道路扬尘时，在城市城区主要道路(高速公路、主要干道、支路)的十字路口布点，布点周围避免烟尘、工业粉尘、建筑工地等人为污染源的干扰。在每个采样点上，采集路边的马路灰，隔离带、交通警察岗楼、交通指挥台等较长期积累的灰。
在采集土壤风沙尘时，在城市周边的不同距离上和主导风向上按梅花状布置采样点，采样点避开认为污染源的干扰，在每个采样点上，采集地表土和地表20cm以下土壤，采集的土壤主要是农田土、果园土、荒土地等。
在采集水泥尘时，采集水泥厂有组织排放、无组织排放及成品水泥；施工建筑水泥尘采样点设在正在施工的建筑楼层水泥地面、窗台、楼梯、水泥据拌场地，收集散落在正施工建筑物施工作业面上的建筑水泥尘混合样，同时收集作业现场不同型号的成品水泥。
在采集电厂燃煤尘时，选择典型的正常使用的不同吨位、不同燃烧方式(链条炉、循环炉、往复炉等)、不同除尘方式的以煤为燃料的工业锅炉，使用便携式稀释通道采样器在烟道采集烟气颗粒物。
在采集民用燃煤尘时，选择正常使用的不同吨位的以煤为燃料的生活锅炉(热源锅炉、城中村居民锅炉)，使用便携式稀释通道采样器在烟道采集烟气颗粒物。
在采集生物质燃烧尘时，收集城市周边各种植物的秸秆(如玉米、豆类秆、小麦秆)，在实验室进行燃烧试验模拟，用一台中流量大气细颗粒物采样器采集排放到室内空气中的烟尘。
在采集汽油车尾气尘和柴油车尾气尘时，采用等速稀释采样法，采集不同品牌、不同排量、不同工况下汽油车和柴油车尾气颗粒物。
在采集焦化尘时，在焦化厂的主要工艺环节的烟道，使用便携式稀释通道采样器采集烟气颗粒物。
钢铁尘采集：在钢铁厂的主要工艺环节(烧结、炼铁、炼钢)的烟道，使用便携式稀释通道采样器采集烟气颗粒物。
需要说明的是，上述污染源的种类和采集方法为本申请实施例示例性的说明，并不对本申请实施例形成限定，关于具体的污染源的种类和采集方法可以根据实际需要进行设定，在此不做具体限定。
在采集到目标区域的大气细颗粒物和目标区域的各污染源后，对大气细颗粒物和各污染源进行元素和元素的同位素分析，以得到大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成。
需要说明的是，目标元素包括但不限于：Si(硅)、K(钾)、Cd(镉)、Fe(铁)、Cu(铜)、Zn(锌)、Pb(铅)、Sr(锶)、Nd(钕)等，分析的同位素包括但不限于：Si、K、Cd、Fe、Cu、Zn、Pb、Sr、Nd等。
由于同位素能够示踪来源，并且由于单种同位素示踪来源时，有两个或多个污染源单种同位素组成可能会相似，因此利用单种同位素就无法对多种污染源进行识别，所以需要借助其他同位素加以区分，并且由于某一区域的大气细颗粒物是由该区域中产生的各污染源之间经过物理作用和化学作用后产生的，因此在本申请中，在得到了多种目标元素的同位素组成后，可以避免由于单种同位素而无法对多种污染源进行识别的问题，并且，可以利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值，通过上述方法可以对大气细颗粒物的来源进行解析，从而得到各污染源对大气细颗粒物的贡献值，通过各污染源对大气细颗粒物的贡献值可以确定该地区各污染源对大气细颗粒物贡献程度，从而为治理该区域的大气细颗粒物提供依据。
需要说明的是，利用大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各污染源对大气细颗粒物的贡献值的具体方式可以根据实际需要进行设定，在此不做具体限定。
在一个可行的实施方案中，图2为本申请实施例一提供的另一种基于同位素技术的大气细颗粒物来源解析方法的流程示意图，如图2所示，在执行步骤102时，可以通过以下步骤实现：
步骤201、利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等。
步骤202、对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
具体的，在得到大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成后，可以利用上述参数建立同位素平衡方程组，通过对该方程组进行求解，可以得到各污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，在执行步骤201时，当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
需要说明的是，可以使用受体模型解析出硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率M，关于使用受体模型具体解析的方法在此不再详细说明。
在一个可行的实施方案中，在执行步骤102时，当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
在一个可行的实施方案中，在执行步骤102时，当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
在一个可行的实施方案中，为了验证各污染源对大气细颗粒物的贡献值和算法拟合的优良程度，可以通过以下三种方式中的至少一种来进行检测：
方式一、残差平方和：
х2表示拟合的同位素组成的测量值与计算值之差的平方的加权和。权值为目标元素i的同位素组成的标准偏差的平方和在污染源中目标元素i的含量与同位素组成的标准偏差的和的平方之和。定义х2＜1，表示数据拟合的好；х2＜2，表示数据拟合结果可以接受；如果х2＞4，表示数据拟合差，有可能是一个或几个目标元素的同位素组成不能够很好地参与拟合。
方式二、回归系数：
R2等于目标元素的同位素组成的计算值的方差与测量值的方差之比值。R2取值在0-1之间。该值越接近于1，说明污染源的贡献值的计算值与测量值拟合的越好。
方式三、总贡献值诊断系数：
总贡献值诊断系数应为100％，可接受范围为80％-120％。如果该值小于80％，则考虑某个污染源的贡献的缺失。
需要说明的是，后续的参数说明可参考之前的参数说明，在此不再一一赘述。
实施例二
图3为本申请实施例二提供的一种基于同位素技术的大气细颗粒物来源解析装置的结构示意图，如图3所示，该大气细颗粒物来源解析装置包括：
分析单元31，用于对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
处理单元32，用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，在所述处理单元32的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等；
对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
在一个可行的实施方案中，在所述处理单元32的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组时，包括：
当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
在一个可行的实施方案中，在所述处理单元32的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
在一个可行的实施方案中，在所述处理单元32的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
关于上述单元的详细介绍可参考实施例一的相关说明，在此不再详细赘述。
由于同位素能够示踪来源，并且由于单种同位素示踪来源时，有两个或多个污染源单种同位素组成可能会相似，因此利用单种同位素就无法对多种污染源进行识别，所以需要借助其他同位素加以区分，并且由于某一区域的大气细颗粒物是由该区域中产生的各污染源之间经过物理作用和化学作用后产生的，因此在本申请中，对采集到的目标区域的大气细颗粒物和采集到的目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，然后利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值，通过上述方法可以对大气细颗粒物的来源进行解析，从而得到各污染源对大气细颗粒物的贡献值，通过各污染源对大气细颗粒物的贡献值可以确定该地区各污染源对大气细颗粒物贡献程度，从而为治理该区域的大气细颗粒物提供依据。
实施例三
图4为本申请实施例三提供的一种电子设备的结构示意图，包括：处理器401、存储介质402和总线403，所述存储介质402包括如图3所示的装置，所述存储介质402存储有所述处理器401可执行的机器可读指令，当电子设备运行上述的定位方法时，所述处理器401与所述存储介质402之间通过总线403通信，所述处理器401执行所述机器可读指令，以执行以下步骤：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各所述污染源中各所述目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
在本申请实施例中，所述存储介质402还可以执行其它机器可读指令，以执行如实施例一中其它所述的方法，关于具体执行的方法步骤和原理参见实施例一的说明，在此不再详细赘述。
实施例四
本申请实施例四还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行以下步骤：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
在本申请实施例中，该计算机程序被处理器运行时还可以执行其它机器可读指令，以执行如实施例一中其它所述的方法，关于具体执行的方法步骤和原理参见实施例一的说明，在此不再详细赘述。
本申请实施例所提供的大气细颗粒物来源解析装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于同位素技术的大气细颗粒物来源解析方法，其特征在于，包括：
对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
2.如权利要求1所述的大气细颗粒物来源解析方法，其特征在于，利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等；
对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
3.如权利要求2所述的大气细颗粒物来源解析方法，其特征在于，利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，包括：
当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
4.如权利要求1所述的大气细颗粒物来源解析方法，其特征在于，利用大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
5.如权利要求1所述的大气细颗粒物来源解析方法，其特征在于，利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
6.一种基于同位素技术的大气细颗粒物来源解析装置，其特征在于，包括：
分析单元，用于对采集到的目标区域的大气细颗粒物和采集到的所述目标区域的各污染源进行元素和元素的同位素组成分析，以得到所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成；
处理单元，用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成得到各所述污染源对大气细颗粒物的贡献值。
7.如权利要求6所述的大气细颗粒物来源解析装置，其特征在于，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组，其中，所述同位素平衡方程组中包括的方程的数量与所述目标元素的数量相等；
对所述同位素平衡方程组进行求解，以得到各所述污染源对大气细颗粒物的贡献值。
8.如权利要求7所述的大气细颗粒物来源解析装置，其特征在于，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成建立同位素平衡方程组时，包括：
当所述污染源的数量等于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
其中，Fi为所述大气细颗粒物中目标元素i的含量，δi为所述目标元素i的同位素组成，Fij为第j个污染源中所述目标元素i的含量，Xj为j个污染源对大气细颗粒物的贡献值,δij为第j个污染源中所述目标元素i的同位素组成，J为所述污染源的数量，j的取值依次为1、2、3、4……J，i的取值依次为1、2、3、4……I，I为所述目标元素的数量，Xj之和为1-M，M为硫酸盐、硝酸盐和二次有机气溶胶对大气细颗粒物的总贡献率。
9.如权利要求6所述的大气细颗粒物来源解析装置，其特征在于，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值时，包括：
当所述污染源的数量小于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用有效方差最小二乘法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
其中，为大气细颗粒物中目标元素i的含量测量值Fi的标准偏差，为大气细颗粒物中目标元素i的同位素组成测量值δi的标准偏差，为第j个污染源对大气细颗粒物的贡献值Xj的标准偏差，为第j个污染源中目标元素i的含量测量值Fij的标准偏差，δij为第j个污染源中目标元素i的同位素组成测量值的标准偏差，在m2取最小值时，得到的Xj为j个污染源对大气细颗粒物的贡献值的最优解。
10.如权利要求6所述的大气细颗粒物来源解析装置，其特征在于，在所述处理单元的配置在用于利用所述大气细颗粒物中各目标元素的含量及其同位素组成和各污染源中各目标元素的含量及其同位素组成，得到各所述污染源对大气细颗粒物的贡献值，包括：
当所述污染源的数量大于所述目标元素的数量与1的和时，通过以下公式建立所述同位素平衡方程组：
使用雅克比迭代法求解方程，可以得到各所述污染源对大气细颗粒物的贡献值：
Xk+1＝D-1(L+U)Xk+D-1B；
其中，收敛条件为||Xk+1-X||∞≤10-5，aij＝Fij·δij，bi＝Fi·δi。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910460170.0A CN110069897A (zh) | 2019-05-30 | 2019-05-30 | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910460170.0A CN110069897A (zh) | 2019-05-30 | 2019-05-30 | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110069897A true CN110069897A (zh) | 2019-07-30 |
Family
ID=67371897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910460170.0A Pending CN110069897A (zh) | 2019-05-30 | 2019-05-30 | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110069897A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379044A (zh) * | 2020-10-26 | 2021-02-19 | 中国科学院烟台海岸带研究所 | 基于氮同位素的大气颗粒物中铵盐来源解析的优化方法 |
| CN114062478A (zh) * | 2021-11-10 | 2022-02-18 | 中国科学院生态环境研究中心 | 一种可实现自验证的颗粒污染物来源解析方法 |
| CN115684331A (zh) * | 2022-11-03 | 2023-02-03 | 安徽农业大学 | 一种基于稳定同位素的场地土壤镉污染源解析方法 |
| CN115791537A (zh) * | 2022-11-25 | 2023-03-14 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520123A (zh) * | 2011-12-13 | 2012-06-27 | 中国农业科学院农产品加工研究所 | 一种辅助分析小麦籽粒中铅污染源的方法 |
| CN103226128A (zh) * | 2013-04-10 | 2013-07-31 | 太原理工大学 | 一种解析环境空气细颗粒物中二次有机碳来源的方法 |
| CN104391032A (zh) * | 2014-11-17 | 2015-03-04 | 中国环境科学研究院 | 一种人体血液中铅暴露来源的定性源解析方法 |
| CN107817289A (zh) * | 2017-10-27 | 2018-03-20 | 中国农业科学院农产品加工研究所 | 水稻籽粒中镉元素污染来源的解析方法 |
-
2019
- 2019-05-30 CN CN201910460170.0A patent/CN110069897A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520123A (zh) * | 2011-12-13 | 2012-06-27 | 中国农业科学院农产品加工研究所 | 一种辅助分析小麦籽粒中铅污染源的方法 |
| CN103226128A (zh) * | 2013-04-10 | 2013-07-31 | 太原理工大学 | 一种解析环境空气细颗粒物中二次有机碳来源的方法 |
| CN104391032A (zh) * | 2014-11-17 | 2015-03-04 | 中国环境科学研究院 | 一种人体血液中铅暴露来源的定性源解析方法 |
| CN107817289A (zh) * | 2017-10-27 | 2018-03-20 | 中国农业科学院农产品加工研究所 | 水稻籽粒中镉元素污染来源的解析方法 |
Non-Patent Citations (6)
| Title |
|---|
| HUILING BAI等: "Stable hydrogen isotope composition of n-alkanes in urban atmospheric aerosols in Taiyuan, China", 《ATMOSPHERIC ENVIRONMENT》 * |
| M.S.MILLER等: ""A Chemical Element Balance for the Pasadena Aerosol"", 《JOURNAL OF COLLOID AND INTERFACE SCIENCE》 * |
| 张云峰 等: "修正的铅锶同位素混合模型定量解析大气PM2.5的来源", 《中国科学》 * |
| 张棕巍 等: "泉州市大气降尘中金属元素污染特征及来源解析", 《环境科学》 * |
| 闫雨龙 等: "太原市大气PM2.5中铅同位素特征研究", 《地球与环境》 * |
| 闫雨龙: ""环境空气中典型异构烷烩类组成及其来源研究"", 《中国博士学位论文全文数据库工程科技Ⅰ辑（月刊）》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379044A (zh) * | 2020-10-26 | 2021-02-19 | 中国科学院烟台海岸带研究所 | 基于氮同位素的大气颗粒物中铵盐来源解析的优化方法 |
| CN112379044B (zh) * | 2020-10-26 | 2022-11-08 | 中国科学院烟台海岸带研究所 | 基于氮同位素的大气颗粒物中铵盐来源解析的优化方法 |
| CN114062478A (zh) * | 2021-11-10 | 2022-02-18 | 中国科学院生态环境研究中心 | 一种可实现自验证的颗粒污染物来源解析方法 |
| CN114062478B (zh) * | 2021-11-10 | 2023-11-10 | 中国科学院生态环境研究中心 | 一种可实现自验证的颗粒污染物来源解析的方法 |
| CN115684331A (zh) * | 2022-11-03 | 2023-02-03 | 安徽农业大学 | 一种基于稳定同位素的场地土壤镉污染源解析方法 |
| CN115791537A (zh) * | 2022-11-25 | 2023-03-14 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
| CN115791537B (zh) * | 2022-11-25 | 2023-08-18 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
| GB2624745A (en) * | 2022-11-25 | 2024-05-29 | Univ Jinan | Method and system for online source apportionment of PM based on isotopes, device, and medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110069897A (zh) | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 | |
| Birmili et al. | Long-term observations of tropospheric particle number size distributions and equivalent black carbon mass concentrations in the German Ultrafine Aerosol Network (GUAN) | |
| Bernardoni et al. | PM10 source apportionment in Milan (Italy) using time-resolved data | |
| Liu et al. | Source apportionment of urban fine particle number concentration during summertime in Beijing | |
| Gilardoni et al. | Better constraints on sources of carbonaceous aerosols using a combined 14 C–macro tracer analysis in a European rural background site | |
| Watson et al. | Air quality measurements from the Fresno Supersite | |
| Watson et al. | Source apportionment: findings from the US supersites program | |
| Viana et al. | Comparative analysis of organic and elemental carbon concentrations in carbonaceous aerosols in three European cities | |
| CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
| Rohra et al. | Indoor-outdoor association of particulate matter and bounded elemental composition within coarse, quasi-accumulation and quasi-ultrafine ranges in residential areas of northern India | |
| Nemitz et al. | An eddy-covariance system for the measurement of surface/atmosphere exchange fluxes of submicron aerosol chemical species—first application above an urban area | |
| Linnik et al. | Geochemical assessment and spatial analysis of heavy metals pollution around coal-fired power station | |
| Ivey et al. | Development of PM 2.5 source impact spatial fields using a hybrid source apportionment air quality model | |
| Begum et al. | Source identification of fine particles in Washington, DC, by expanded factor analysis modeling | |
| Ahmed et al. | Applicability of air pollution modeling in a cluster of brickfields in Bangladesh | |
| CN109187287A (zh) | 基于稳定元素粒径分布信息的大气颗粒物来源解析方法 | |
| Klejnowski et al. | Number Size Distribution of Ambient Particles in a Typical Urban Site: The First Polish Assessment Based on Long‐Term (9 Months) Measurements | |
| Watson et al. | Receptor models and measurements for identifying and quantifying air pollution sources | |
| Holmén et al. | Lidar-assisted measurement of PM10 emissions from agricultural tilling in California's San Joaquin Valley–Part I: lidar | |
| Dai et al. | A size-resolved chemical mass balance (SR-CMB) approach for source apportionment of ambient particulate matter by single element analysis | |
| Yli-Tuomi et al. | Impact of wood combustion for secondary heating and recreational purposes on particulate air pollution in a suburb in Finland | |
| Hooda et al. | Atmospheric aerosols local–regional discrimination for a semi-urban area in India | |
| Cortez-Lugo et al. | Modeling and estimating manganese concentrations in rural households in the mining district of Molango, Mexico | |
| Liu et al. | Aerosol properties over an urban site in central East China derived from ground sun-photometer measurements | |
| Lowenthal et al. | Evaluation of regional-scale receptor modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190730 |