您现在的位置: 首页> 研究主题> 受体模型

受体模型

受体模型的相关文献在1994年到2022年内共计91篇,主要集中在环境污染及其防治、化学、环境科学基础理论 等领域,其中期刊论文71篇、会议论文14篇、专利文献161828篇;相关期刊56种,包括滨州学院学报、土壤、农业环境科学学报等; 相关会议14种,包括2014年PM2.5及雾霾污染控制专题研讨会、第四届全国恶臭污染测试与控制技术研讨会、第六届全国环境化学学术大会等;受体模型的相关文献由283位作者贡献,包括冯银厂、朱坦、史国良等。

受体模型—发文量

期刊论文>

论文:71 占比:0.04%

会议论文>

论文:14 占比:0.01%

专利文献>

论文:161828 占比:99.95%

总计:161913篇

受体模型—发文趋势图

受体模型

-研究学者

  • 冯银厂
  • 朱坦
  • 史国良
  • 卫昱婷
  • 王淑兰
  • 田福林
  • 白志鹏
  • 陈锋
  • 黄标
  • 何宗健
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 卢鑫; 邝荣禧; 何跃; 胡文友; 黄标; 田康; 李元; 祖艳群; 湛方栋
    • 摘要: 为了研究矿区周边农田土壤As等重金属的污染特征和来源情况,在云南会泽铅锌矿区采集了42个农田土壤样品,测定了9种元素含量,利用绝对主成分得分–多元线性回归(APCS-MLR)受体模型定量解析了土壤中As的来源和贡献率,并结合地统计学方法揭示了As的不同来源及其贡献的空间分布状况。结果表明:①研究区土壤As的平均含量为73.3 mg/kg,超过农用地土壤污染风险筛选值的1.8倍;②根据APCS-MLR模型计算得到的As污染源的贡献率分别为源1(58.6%),源2(14.7%)和其他源(26.7%);③结合PCA和源贡献率的空间分布状况,推断源1可能为矿山开采所造成的人为源,源2可能是燃煤及化肥施用所造成的人为源,其他源可能为地质背景等自然源。可见,基于APCS-MLR受体模型和地统计学方法相结合,可以有效解析矿区农田土壤As等重金属的来源及贡献。
    • 张忠诚; 谢宇琪; 张智杰; 高岗栓; 许博; 田霄; 徐晗; 卫昱婷; 史国良; 冯银厂
    • 摘要: 于2019年11月至2020年12月期间在典型工业城市太原市开展了降尘采样和降尘化学组分分析.采样期间,太原市平均降尘量约为7.9t/(km^(2)·30d),并呈现在4~6月较高.在选取的8个监测区域中,清徐和巨轮的平均降尘量较高,分别为10.7t/(km^(2)·30d)和10.6t/(km^(2)·30d).降尘化学组分质量中地壳元素(Ca、Si、Al)占比较高,巨轮和桃园监测区域的降尘中Fe元素的质量显著高于其他监测区域.将降尘量和化学组分分析结果分别纳入正定矩阵因子分解(PMF)和偏目标转换-正定矩阵分解(PTT-PMF)两种受体模型中对太原市降尘进行了定量来源解析.通过比较两种受体模型的拟合性能和解析的因子谱发现:PTT-PMF受体模型相较于PMF能够更好地区分出降尘中城市扬尘源和建筑尘源这两类相似的尘源.结果表明,太原市降尘主要有六种来源:城市扬尘源(PMF:35%,PTT-PMF:35%)、建筑尘源(PMF:29%,PTT-PMF:28%)、钢铁工业源(PMF:14%,PTT-PMF:14%)、燃煤源(PMF:13%,PTT-PMF:12%)、二次无机盐(PMF:5%,PTT-PMF:6%)、机动车尾气排放源(PMF:4%,PTT-PMF:5%).两种受体模型得到的平均来源贡献结果相似,而建筑尘源和钢铁工业源的季节变化趋势则有一定的差异.粗粒径源类(城市扬尘源和建筑尘源)是太原市降尘的主要来源,两者对降尘的贡献率超过了60%,并在春季贡献率(4~6月)较高.
    • 陈凯; 刘启蒙; 刘瑜; 彭位华; 汪子涛; 赵祥
    • 摘要: 我国浅部煤炭资源已逐渐枯竭,在煤炭进入深部开采的条件下,来自煤层底板高承压灰岩水的威胁也越来越大,深入理解矿区含水层中水化学组成控制机制是针对性地开展水害防治工作的重要科学前提。为了查明安徽钱营孜煤矿深部地下水中常规离子的定性与定量来源,通过多种数理统计方法(包括相关性分析和R型聚类分析)、离子比值法和Unmix模型对22个灰岩水中常规离子浓度进行了分析。结果表明,地下水呈中至弱碱性,溶解性总固体(TDS)变化范围为1945~5292 mg/L,阳离子平均质量浓度由大到小排序为:Na^(+)(718 mg/L)、Ca^(2+)(270 mg/L)、Mg^(2+)(153 mg/L),阴离子平均质量浓度由大到小排序为:SO_(4)^(2−)(2305 mg/L)、HCO_(3)^(−)(239 mg/L)、Cl^(−)(186 mg/L),95%样品的水化学类型为SO_(4)-Na型。相关性分析、聚类分析和离子比值分析表明,含水层中水化学组成控制因素主要为硫酸盐和碳酸盐矿物的溶解(源1)以及盐岩的溶解和硅酸盐矿物的风化(源2)。Unmix模型显示源1和源2对地下水中常规离子浓度的平均贡献率分别为56%和44%,其中,源1对Ca^(2+)、Mg^(2+)、Na^(+)和SO_(4)^(2−)浓度贡献率依次为73%、68%、63%和73%,源2对Cl^(−)和HCO_(3)^(−)浓度的贡献率分别为75%和66%。研究成果可为相似条件煤矿突水水源的精准识别提供理论支持。
    • 徐燕; 唐周
    • 摘要: 以香港后海湾河流水质管制区为研究对象,地表水环境质量标准(GB3838-2002)IV类为目标水质,单因子评价结果显示该处河流水质超标率最高和最低的分别为总磷(63.1%)和化学需氧量(21.4%)。基于水质评价结果筛选部分特征样点,联合PCA/FA法和APCS-MLR受体模型得到4种不同污染来源及其贡献率,可为流域水质管理提供参考。
    • 许博; 徐晗; 赵焕; 张忠诚; 高洁; 李岳; 冯银厂; 史国良
    • 摘要: PM_(2.5)主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_(2.5)浓度的影响十分重要.本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_(2.5)浓度的影响.结果表明:①2018年11月—2020年10月观测地点的PM_(2.5)浓度范围为3.21~291.80μg/m^(3),采暖季PM_(2.5)浓度和化学组分均高于非采暖季.②使用受体模型解析PM_(2.5)的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小.③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_(2.5)浓度的影响,发现观测期间排放源对PM_(2.5)浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_(2.5)浓度的影响程度次之,为32.4%;大气氧化能力对PM_(2.5)浓度的影响程度相对较低,为13.3%.在采暖季和非采暖季,各驱动因素对PM_(2.5)浓度的重要性在排序上没有变化,然而驱动因素对PM_(2.5)浓度的影响程度有所不同.采暖季排放源对PM_(2.5)浓度的影响程度高于非采暖季,采暖季大气压对PM_(2.5)浓度的影响程度低于非采暖季.研究显示,排放源对PM_(2.5)的影响相对较大,气象条件和大气氧化能力对PM_(2.5)浓度的影响也不容忽视.
    • 刘宏波; 瞿明凯; 张健琳; 康俊锋; 赵永存; 黄标
    • 摘要: 简述了土壤污染物源解析技术的发展历程及土壤污染物的主要类型与来源。指出,定性源识别技术主要包括特征比值法、多元统计法、空间分析法等;定量源解析技术主要包括源清单法、扩散模型法、化学质量平衡模型法、正定矩阵因子分解法、UNMIX模型法、同位素法等。重点总结了这些技术方法的原理及其在应用上的优势与局限。从解析对象、解析方法和软件开发角度,提出了土壤污染物源解析技术的未来发展方向。
    • 刘宏波; 瞿明凯; 张健琳; 康俊锋; 赵永存; 黄标
    • 摘要: 简述了土壤污染物源解析技术的发展历程及土壤污染物的主要类型与来源.指出,定性源识别技术主要包括特征比值法、多元统计法、空间分析法等;定量源解析技术主要包括源清单法、扩散模型法、化学质量平衡模型法、正定矩阵因子分解法、UNMIX模型法、同位素法等.重点总结了这些技术方法的原理及其在应用上的优势与局限.从解析对象、解析方法和软件开发角度,提出了土壤污染物源解析技术的未来发展方向.
    • 李德安; 邓一荣; 王俊; 黄灶泉; 谷培科
    • 摘要: 为对正定矩阵因子(PMF)模型用于土壤重金属污染源解析的拟合优劣性作出评价,利用自行编制设计的数据作为PMF模型的原始输入,在已知源成分谱及贡献率的条件下验证了PMF模型的源解析结果.通过设置3种编制情景,发现PMF模型源数量的设定最优值可近似按照模型拟合度和Q值变化曲线的拐点确定.PMF拟合所得的源成分谱实际为编制源贡献矩阵列向量均值与编制源成分谱矩阵行向量的乘积,其物理含义即为某个源对某种重金属的平均贡献含量,因此源成分谱的百分比占比的物理含义即为源贡献率.在不带观测误差和带有观测误差2种条件下,PMF模型均能较好地拟合原始数据,拟合r2值大于0.87.且拟合所得的源贡献率与原始编制数据所表征的源贡献率一致性较好,表明PMF用于土壤重金属源解析可取得较为理想的结果.
    • 罗干; 王体健; 赵明; 王德羿; 曹云擎; 陈楚
    • 摘要: 为了研究南京市PM2.5的污染特征及来源贡献,于2018年3月至2019年2月在南京仙林地区进行PM2.5组分的在线监测,运用PMF和CMB受体模型,开展PM2.5的来源解析.结果表明,观测期间南京市PM2.5平均质量浓度为54.3μg/m3,其中冬季平均浓度76.4μg/m3.PM2.5的主要组分为NO3(21.3%~30.8%)、SO42 (18.9%~23.5%)、NH4+(14.3%~16.2%).从全年平均来看,PMF模型得到的PM2.5解析结果为:二次无机气溶胶(54.9%)、燃煤源(17.4%)、二次有机气溶胶(7.4%)、机动车排放源(7.1%)、工业源(4.9%)、扬尘源(4.8%)、其他源(3.4%);CMB模型得到的PM2.5解析结果为:硝酸盐(33.0%)、硫酸盐(24.0%)、燃煤源(16.4%)、机动车排放源(8.4%)、二次有机气溶胶(7.1%)、扬尘源(5.7%)、其他源(2.9%)、工业源(2.4%).不同季节PM2.5来源有所差异,夏冬季二次无机气溶胶占比大于春秋季,春冬季燃煤占比最大,二次有机气溶胶在秋季占比最大.结合2017年南京市大气污染源排放清单,对二次气溶胶贡献进行再解析,得到南京仙林地区PM2.5主要贡献来自燃煤源(PMF:34.14%,CMB:33.82%),机动车排放源(PMF:27.33%,CMB:29.33%)以及工业源(PMF:26.76%,CMB:24.77%).可见,影响南京仙林地区PM2.5的污染源主要来自燃煤源、机动车排放源和工业源,基于在线组分监测、利用PMF和CMB模型得到的PM2.5源解析结果具有较好的一致性.
    • 马国斌
    • 摘要: 本文通过对2016年长沙市城区伍家岭四个季度(1月、4月、8月、11月)PM2.5的监测数据进行统计分析,并运用PMF模型对PM2.5的来源进行解析。结果显示:长沙市2016年PM2.5主要的污染成分为OC、SO42-、NO3-、NH4+、EC、Zn、Fe、Al、Ca、Na、K+、Na+、Ca2+、Mg,并且长沙市2016年PM2.5浓度在春季最高,为69.89μg/m3;在秋季最低,为38.31μg/m3。通过PMF源解析的结果发现,2016年长沙市春季PM2.5污染来源中燃料燃烧源占比最多,贡献量为40.0%;2016年长沙市夏季PM2.5污染来源中机动车源占比最多,其贡献量为54.8%;2016年长沙市秋季PM2.5污染来源中机动车源占比最多,其贡献量为35.5%;2016年长沙市冬季PM2.5污染来源中燃煤源占比最多,其贡献量为29.9%。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号