<form id="dvpjr"><nobr id="dvpjr"><th id="dvpjr"></th></nobr></form>
        <form id="dvpjr"></form>
        <address id="dvpjr"><nobr id="dvpjr"><nobr id="dvpjr"></nobr></nobr></address>

                新聞中心

                新聞中心

                當前位置:首頁 >> 新聞中心 >> 新聞中心
                北京、上海、廣州三地地鐵系統PM2.5 測試分析
                發布時間: 2016-6-29 15:36:38

                [摘 要] 本文測試了北京上海廣州地鐵系統PM2.5 濃度,測試區域分為站外、大廳、站臺和車內。測試儀器采用手持式粉塵測量儀,儀器原理為β 射線吸收法。測試結果表明:總體趨勢來看地鐵系統PM2.5 濃度分布呈現出來的規律如下:PM2.5(站外)>PM2.5(大廳)>PM2.5(站臺)>PM2.5(車內),但當站外PM2.5濃度極低時,地鐵系統PM2.5 濃度呈現的規律正好相反。測試結果顯示地鐵車內與站外PM2.5 濃度存在回歸直線關系;降雨及臺風氣候會降低車內PM2.5 濃度;地鐵載客量對車內PM2.5 濃度無影響。

                [關鍵詞] 地鐵系統;PM2.5;回歸直線關系;載客量


                0 前言
                      2012 年底,全國已有15 個城市建設地鐵,總里程達到2,173.73 公里。2020 年,全國將有40 個城市建設地鐵,總規劃里程達7,000 公里。其中北京、上海和廣州地鐵發展速度比較顯著,截止2012 年底,北京有17 條地鐵線路,運營里程達到456 公里;上海有12 條地鐵線路,運營里程達到469 公里;而廣州有8 條地鐵線路,運營里程達到299 公里。伴隨地鐵的發展人們在地鐵上的時間越來越多。據美國環保署(EPA)1993年~1994年對近萬人的跟蹤調查數據顯示,人們平均有7.2%的時間在地鐵中度過[1]。而從事特殊職業的地鐵司機、售票員等群體在地鐵上度過的時間更多。
                      PM10,指空氣動力學當量直徑在10 ?m 以下的顆粒物,又稱為可吸入顆粒物。PM2.5,指空氣動力學當量直徑在2.5 ?m 以下的顆粒物,又稱為細顆粒物(fine particle)PM2.5-10,指空氣動力學當量直徑在(2.5~10) ?m 的顆粒物,又稱為粗顆粒物(coarseparticle)。直徑越小對人體影響越大,PM2.5 可直接吸入肺泡。長期暴露在PM2.5 濃度高的環境中引發包括哮喘、支氣管炎和心血管病等方面的疾病。在美國[2-3],每年由于顆粒物污染造成的死亡人數約為22,000~52,000 人(2000 年數據),在歐洲[4]這一數字則高達20 萬。
                      北京、上海和廣州等城市PM2.5 濃度監測點主要分布在人口比較密集的醫院、學校、商場和車站等位置。目前我國還沒有針對地鐵系統PM2.5 濃度的監測,本文擬對北京、上海和廣州部分地鐵線路地鐵系統PM2.5 濃度進行測試分析,詳細探討地鐵
                系統PM2.5 濃度分布規律和特殊氣候條件對PM2.5濃度的影響。這為今后地鐵系統環境質量的改善和PM2.5 濃度的監測大有裨益。


                1 測試對象
                      北京、上海和廣州地鐵發展速度快,也是我國主要的經濟發展體。本文選取北京、上海和廣州10條地鐵線路作為測試對象,包括北京地鐵2 號線和4 號線,上海地鐵1 號線、2 號線、4 號線和11 號線,廣州地鐵2 號線、3 號線、5 號線和11 號線。


                2 測試儀器及原理
                      測試儀器是美國TSI 公司生產的手持式粉塵測量儀,型號為TSI8534(見圖1)。該儀器采用β射線吸收法,可以給出瞬時的可吸入顆粒的濃度,包括PM1、PM2.5 和PM10。
                      β 射線吸收法:將PM2.5 收集到濾紙上,然后照射一束β 射線,射線穿過濾紙和顆粒物時由于被散射而衰減,衰減的程度與PM2.5 的重量成正比。根據射線的衰減就可以計算出PM2.5 的重量。由于這種方法可實現自動、連續監測,因此多應用于大氣環境監測業務應用中[5-7]。

                圖1 TSI8534 手持式粉塵測量儀


                3 測試方案

                3.1 站外、大廳、站臺和車內PM2.5 對比實驗
                1)監測地體站外、大廳、站臺和車內的PM2.5濃度。
                2)采樣口的垂直高度是1.6 m,在每個監測區域監測1 min。


                3.2 高峰和平峰車內PM2.5 對比實驗
                1 ) 平峰時段為13:00~16:00 , 高峰時段為17:30~19:00。


                3.3 特殊天氣車內PM2.5 對比實驗
                1)2012 年6 月12 日上海天氣晴朗,無臺風。2012 年7 月30 日上海天晴,受臺風影響。
                2)2012 年7 月13 日對上海地鐵4 號線PM2.5進行了測試。8:30~10:00 測試了無降雨條件下上海地鐵4 號線PM2.5 濃度。16:00~17:10 測試了降雨條件下上海地鐵4 號線PM2.5 濃度。


                4 測試結果及分析

                4.1 地鐵站外、大廳、站臺和車內空氣PM2.5 濃度比較

                      本文對3 個城市10 條地鐵線路站外、大廳、站臺和車內空氣中PM2.5 濃度進行測試,測試數據如圖2。表格中的數據代表了該條地鐵線路每個站在該區域測試數據的平均值。對這個表格數據站外、大廳、站臺和車內的數據取平均值,站外PM2.5平均值為0.19381 mg/m3,大廳PM2.5 平均值為0.18063 mg/m3,站臺PM2.5 平均值為0.16998 mg/m3,車內PM2.5 平均值為.12644 mg/m3。從這組數據整體呈現出來的大致趨勢如下: PM2.5( 站外)>PM2.5(大廳)>PM2.5(站臺)>PM2.5(車內)。
                      對站外、大廳、站臺和車內PM2.5 數據進行相關性分析,相關系數如表1。表中相關系數是通過Excel 中的數據分析模塊得到。相關系數的取值范圍為?1 至1,越趨近1 表明數據線性相關越強。從表中的數據可以看出,任意兩組數據的相關系數都大于0.9,說明站外、大廳、站臺和車內PM2.5 相互之間的關聯性極強。

                圖2 站外大廳站臺車內PM2.5 濃度比較


                    表1 站外大廳站臺車內PM2.5 濃度相關系數

                                                                                              
                              站外           大廳           站臺        車內
                站外         1               ---              ---            ---
                大廳    0.98262          1               ---            ---
                站臺    0.98735    0.998288         1             ---
                車內    0.95674    0.939326    0.948171      1

                                                                                             
                      在一些特殊天氣狀況下,例如大降雨、臺風等,站外PM2.5 濃度會變得極低,如表2 所示。而此時站外、大廳、站臺和車內PM2.5 濃度呈現出來的規律也發生了變化,此時PM2.5(站外)<PM2.5(大廳)<PM2.5(站臺)<PM2.5(車內)。

                           表2 站外PM2.5 極低的情況下地鐵系統

                            空氣PM2.5 濃度比較(單位:mg/m3)

                                                                                                     

                                   上海地鐵2 號線            上海地鐵11 號線
                站外                 0.0300                           0.0175
                大廳                 0.0715                           0.0500
                站臺                 0.0630                           0.0530
                車內                 0.0646                           0.0210

                                                                                                    
                      對地鐵系統站外和車內PM2.5 數據進行回歸分析,如圖3 線性回歸方程y = 0.473x + 0.034,相關系數R = 0.915。R2越接近1,回歸方程線性相關顯著性越好。本文對回歸方程方差分析,如表3 所示,其中SS 值為0.064808,誤差平方和較小。MS值為0.064808,接近1。Significance F 對應的是在顯著水平下Fα 臨界值, 則模型為真的概率P ≈ 99.99%。因此,本模型回歸方程能真實顯示地鐵站外和車內PM2.5 的關系。


                圖3 站外和車內PM2.5 線性回歸


                                                  表3 回歸方程方差分析表

                                                                                                                           

                          df              SS               MS              F             Significance F

                                                                                                                           
                回歸
                分析   1         0.064808     0.064808    86.5083    1.45412×10?5
                殘差   8         0.005993     0.000749         -                    -
                總計   9         0.070801           -               -                    -
                                                                                                                           

                4.2 臺風和無臺風天氣下地鐵車內PM2.5 濃度比較
                      2012 年6 月12 日和7 月30 日先后對上海地鐵11 號線車內PM2.5 進行了測試。測試結果對比如圖4 所示,相比無臺風氣候,臺風天氣下車內PM2.5濃度降低。6 月12 日上海天氣晴朗,無臺風。7 月30 日上海天晴,受臺風影響。數據對比如圖2 所示。
                      在臺風天氣下,會導致很多水汽聚集,造成強降雨,臺風風速很大,最大風速達到32.6 m/s。強降雨對空氣有一種洗滌作用,空氣的顆粒物質會進入水滴,最后到達地面,此外強風速也會把當地區域的顆粒物質帶到其他區域,造成此區域PM2.5 濃度降低。因此在有臺風的氣候下的PM2.5 濃度低于無臺風氣候。

                圖4 上海地鐵11 號線在有臺風和無臺風影響的地鐵車內PM2.5 對比



                4.3 降雨和無降雨天氣下車內PM2.5 比較
                      2012 年7 月13 日對上海地鐵4 號線PM2.5 進行了測試。8:30~10:00 測試了無降雨條件下上海地鐵4 號線PM2.5 濃度,16:00~17:10 測試了降雨條件下上海地鐵4 號線PM2.5 濃度。測試結果對比如圖5所示,有降雨時刻車內PM2.5 濃度低于無降雨時刻車內PM2.5 濃度。如前所述,在降雨的氣候條件下,水滴對空氣中的顆粒物有洗滌作用,因此相比無降雨氣候,降雨天車內PM2.5 濃度比較低。而實測數據正好說明了這一規律,具體變化趨勢如圖4 所示。

                圖5 上海地鐵4 號線(7 月13 日)在降雨和無降雨條件下PM2.5 對比


                4.4 客流量對地鐵車內PM2.5 的影響
                      本文測試了上海地鐵2 號線在平峰時段和高峰時段各個站車內PM2.5 值。平峰時段為13:00~16:00點,高峰時段為17:30~19:00。具體數據如圖5 所示。從圖6 可以看出,平峰和高峰時刻,這兩組數據并沒有呈現出明顯的變化規律。本文對平峰和高峰情形下車內PM2.5 濃度進行了相關性分析,相關系數R=0.02342。因此兩組數據相關性極低。說明載客量對地鐵車內PM2.5 并沒有顯著的影響。


                圖6 上海地鐵2 號線平峰和高峰時段PM2.5 濃度對比


                5 結論
                      (1)總體趨勢來看地鐵系統PM2.5 濃度分布呈現出來的規律如下:PM2.5(站外)>PM2.5(大廳)>PM2.5(站臺)>PM2.5(車內),但是通過測試本文發現,當站外PM2.5 濃度極低時,地鐵系統PM2.5 濃度呈現的規律正好相反。

                      (2)本文通過對站外和車內的PM2.5 濃度進行回歸分析,發現地鐵車內PM2.5 和站外PM2.5 濃度有顯著的線性關系,可以用線性方程表示其規律。

                      (3)通過測試表明,在同一檢測地點PM2.5(降雨)<PM2.5(無降雨),PM2.5(臺風)<PM2.5(無臺風)。

                      (4)本文測試了平峰和高峰時刻同一條線地鐵車內PM2.5 濃度,對兩種客流量情況下PM2.5數據進行相關性分析,發現這兩組數據并沒有明顯相關性,可以說明載客量對地鐵車內PM2.5 濃度沒有影響。

                參考文獻
                [1] WALLACE L. Indoor particles, a review[J]. Journal ofthe Air & Waste Management Association, 1996,46(2):
                98-126.
                [2] 周蕊, 邵帥, 王彥清. PM2.5 的毒性及機制的進展[J].科技傳播, 2012(6):85-85.
                [3] 張文麗, 徐東群, 崔九思. 空氣細顆粒物(PM(2.5))污染特征及其毒性機制的研究進展[J]. 中國環境監測,
                2002, 18(1): 59-63.

                [4] KAM W, CHEUNG K, DAHER N, et al. Particulatematter (PM) concentrations in underground and
                ground-level rail systems of the Los Angeles metro[J].Atmospheric Environment, 2011, 45(8): 1506-1516.
                [5] VOYTEK M A , WARD B B. Detection ofammonium-oxidizing bacteria of beta-subclass of the class proteobacteria in aquatic samples with the PCR[J]. Applied and Environmental Microbiology, 1995, 61(4):
                1444-1450.
                [6] NASREEN B, JAMES T H. Diversity and distribution of DNA sequences with affinity to ammonia-oxidizing
                bacteria of the β-subdivision of the class Proteobacteria in the Arctic Ocean[J]. Applied and Environmental
                Microbiology, 2000, 66(7): 1960-1969.
                [7] GEORGE A K, NAOUMENKO Z S, PIET J L, et al.Molecular analysis of ammonia-oxidizing bacteria of the
                β-subdivision of the class Proteobacteria in compost and composted materials[J]. Applied and Environmental
                Microbiology, 1999, 65(1): 396-403.

                返 回
                上一篇:老外自制便攜式空氣凈化器 專家:還不如口罩
                下一篇:11月起防霾口罩將有“標”可循
                • 微信公眾號

                咨詢電話:020-86457063

                地址:廣州市白云區人和鎮西成工業區興業路2

                Weini 美國授權批發商,Weini US Authorized Wholesaler and Distributor Proteck Supplies 781-437-7292

                https://protecksupplies.com/

                版權所有 2015 廣州市威尼科技發展有限公司 ICP15024160-1


                男女拍拍无档视频免费 - 视频 - 在线观看 - 影视资讯 - 爱雨网