2014年APEC期间北京市空气质量改善分析

利用2014年11月1~12日(APEC会议期间)北京市大气污染物、PM_2.5组分及气象、遥感监测数据,结合CMB受体模型,综合分析了APEC会议期间北京市空气质量与气象条件变化并初步评估了减排措施对APEC会议期间PM_2.5浓度的贡献及影响. 结果表明,APEC会议期间北京市PM_2.5、PM₁₀、SO₂、NO₂的浓度分别为43、62、8和46 μg ·m^-3,比近5年平均浓度(PM_2.5为2012~2013年平均浓度)降低45%、43%、64%和31%; 空间分布上PM_2.5在城区及北部山区改善效果最明显,下降幅度在30%~45%之间,南部地区降幅在25%以下; 不同类别的站点降幅在27.4%~35.5%之间; APEC会议期间PM_2.5的主要组分SO₄^2-与同期(2013年11月1~12日)相比下降50%,地壳物质同比下降76%,NO₃^-同比下降35%; CMB模型源解析结果显示APEC会议期间燃煤锅炉贡献2%左右,扬尘贡献7%左右,机动车贡献30%左右; APEC会议期间北京市及周边地区针对可能发生的污染过程采取的减排保障措施对PM_2.5浓度具有明显的削峰降速作用.     

APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

2014年APEC前后北京城区PM2.5中水溶性离子特征分析

2014年10月至11月间,在北京城区开展PM_(2.5)监测并对其中的水溶性离子进行离线及在线分析.其中NO_3~-、SO_4~(2-)和NH_4~+在不同观测阶段均是PM_(2.5)中的主要离子,APEC期间三者总浓度为(26.8±22.5)μg·m~(-3),占PM2.5质量浓度的(41.7±8.5)%,占所测水溶性离子组分的(84.7±5.0)%;APEC期间NO-3浓度水平较高,对PM_(2.5)贡献最大.对APEC期间水溶性离子的累积趋势研究发现,NO_3~-、SO_4~(2-)、NH_4~+和Cl~-均经历了3个不同的累积过程,除气象条件外,本地源排放及区域污染引起的累积效应仍不可忽视.对颗粒物酸性特征研究发现,不同观测期间,颗粒物中主要水溶性离子浓度虽有不同,但北京秋末冬初颗粒物无明显酸化特征.     

北京市PM_(2.5)主要化学组分浓度水平研究与特征分析

为研究北京市大气环境PM_(2.5)中主要化学组分特征,于2012年8月—2013年7月期间,在北京市定陵、车公庄、东四、石景山、通州、房山、亦庄和榆垡等8个点位开展为期1年的样品采集,共计采集472组样品,分析每组样品中OC、EC、水溶性离子和18种无机元素等组分.研究结果表明,本次研究的组分重建后和实际PM_(2.5)浓度相关性显著,相关系数为0.94,所测组分平均占PM_(2.5)总量的90%;各点位不同季节PM_(2.5)中主要的组分均为OC、NO_3~-、SO_4~(2-)、NH_4~+,呈南高北低的趋势,冬季OC是夏季的1.7倍,NO_3~-和SO2--4在四季呈交替状态,除榆垡点位的SO_4~(2-)NO_3~-外,其他点位均是NO_3~-SO_4~(2-),4种主要的组分质量浓度分别为(23.1±21.4)、(20.3±23.4)、(19.4±22.2)、(13.6±15.2)μg·m-3,占PM_(2.5)总含量的18.5%、16.3%、15.6%、10.9%;研究水溶性离子发现,8个点位全年SNA/PM_(2.5)比例为42.8%,其中,夏季最高(49.9%),秋季较低(31.1%),NO_3~-/SO_4~(2-)比值平均为1.05,相对往年研究结果 NO_3~-/SO_4~(2-)比值有增加的趋势.     

APEC期间北京空气质量改善对比分析

为了评估APEC期间强化减排措施对北京空气质量的改善效果,利用2014年11月1~15日中国环境监测总站发布的奥体中心监测点空气质量监测数据,分析其空气质量演变特征,并与2013年同期监测数据进行对比研究.结果表明:1PM_(2.5)是当前北京最重要的污染物,APEC期间空气质量以优良为主,期间有3次明显的污染过程,与2013年同期相比较有所好转,显示出强化减排措施对北京空气质量的改善有显著的效果;2与世界卫生组织(WHO)的标准值相比,APEC期间PM_(2.5)有5d在WHO标准值(25μg·m~(-3))以下,而SO_2均小于标准值;3APEC期间,在空气质量为优时PM_(2.5)/PM_(10)小于0.5,且随污染浓度的增加比值逐渐增大,在严重污染情况下PM_(2.5)/PM10达到0.9以上;4与2013年同期相比,强化减排措施对PM_(2.5)的减少有一定的贡献,但与SO_2和CO的减少量相比,颗粒物的减少量又相对较少,NO_2减少量相对最小,实施强化减排措施对污染物减排的排序为SO_2COPMNO_2,说明北京空气污染中的PM_(2.5)的来源、影响和减排的复杂性,有待进一步深入研究.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

APEC期间京津冀及周边城市PM_(2.5)中化学组分特征

为考察APEC会议期间颗粒物化学成分特征,于2014年11月3-20日在京津冀与周边城市北京、天津、石家庄、济南、保定同步手动采集PM_(2.5)无机滤膜样品,并与会议结束后化学组分进行对比。结果表明:后向轨迹分析发现,APEC期间大气扩散条件整体好于会后,尤其是北京、石家庄气象条件明显好于其他城市。京津冀城市PM_(2.5)浓度在85~99μg/m~3之间,石家庄最高,保定和北京最低;各城市离子含量最高的前3位的均为NO_3~-、SO_4~(2-)和NH_4~+等二次粒子,NO_3~-和SO_4~(2-)比值在1.3~2.6之间,以流动源为主,会后保定、石家庄NO_3~-和SO_4~(2-)比值降至低于1,表现出固定源(燃煤)为主的能源消耗特征;OC/EC比值在3.1~3.7之间,二次反应显著;APEC期间地壳元素极微量浓度明显低于会后,施工建筑、土壤、以及工业排放等综合源类管控有效。     

烟花燃放对珠三角地区春节期间空气质量的影响

为研究烟花爆竹燃放对珠三角区域城市空气质量的影响,对2015年春节期间珠三角地区环境空气质量自动监测站的数据进行了分析.结果表明,春节期间珠三角地区PM_(10)、PM_(2.5)、SO_2和CO_污染最严重的城市均为肇庆市,臭氧污染最严重的为惠州,广州市NO_2污染最严重;与去年同期相比,各地SO_2、NO_2、CO_、PM10和PM_(2.5)的浓度普遍有大幅的降低,但春节期间臭氧浓度有所增加;春节期间烟花燃放行为主要集中在郊区,市区内燃放现象较少;烟花燃放对SO_2、PM10和PM_(2.5)浓度的短期影响极大,造成除夕夜间污染物浓度迅速升高,甚至成倍增加,对CO_、O_3和NO_2没有明显的影响;烟花燃放造成PM_(2.5)/PM_(10)比例迅速下降,在颗粒物浓度达到峰值后,PM_(2.5)/PM_(10)的比例也到达最小值;烟花燃放对各地PM_(2.5)的小时浓度最大贡献值在16~65μg·m~(-3)之间,对各地PM_(10)的小时浓度最大贡献值在28~138μg·m~(-3)之间,对各地SO_2的小时浓度最大贡献值在9~43μg·m~(-3)之间.     

北京市2014年APEC期间及前后城区大气污染物变化特征

该文选择北京城区12个空气质量监测点,研究APEC前后及期间污染物时空变化特征及相互关系,并从不同角度分析污染物时空变化的影响因素,探讨APEC期间采取的临时减排措施对污染物的影响。结果表明:除O_3外,APEC期间污染物浓度低于非APEC期间,各污染物浓度在会间逐日变化呈"M"型、日变化最为平稳(α=0.05,Sig0.05),基本呈从北至南、从西至东的递增趋势,O_3浓度空间变化和NO_2的相反耦合度最高(p=0.01,r-0.80);PM_(2.5)、SO_2、NO_2和CO相互间在不同时段呈不同水平的正相关关系,但O_3在和其他污染物呈负相关。大气污染物浓度主要受排放源、气象因素、区域传输及污染物相关性等综合因素的影响,通过回归分析发现SO_2、NO_2、CO浓度和温度负相关性显著(α=0.05,Sig0.05),NO_2、CO、PM_(2.5)和湿度负相关性极显著(α=0.05,Sig=0.000.05)。PM_(2.5)为APEC期间首要污染物,PM_(2.5)浓度在各因素综合影响下降低,使得会间空气质量达到优良水平,因此,APEC期间采取的减排措施取得成效,可为相关环保部门采取合理有效的环保手段提供指导。     

北京APEC期间大气颗粒物中类腐殖酸的污染特征及来源

为分析北京市APEC期间强化减排措施对大气细颗粒物中类腐殖酸(humic-like substances,HULIS)浓度及污染特征的影响.对APEC前后样品进行了碳质组分(OC/EC)、水溶性有机碳(water-soluble organic carbon,WSOC)、HULIS和水溶性离子分析,研究发现APEC采样期间大气颗粒物中HULIS的浓度范围为1~15μg·m~(-3).HULIS浓度在会议减排前、中和后期分别为7.99、5.83和7.06μg·m~(-3).会议减排对降低HULIS浓度起到了一定作用.在会议期间HULIS的浓度下降程度明显快于EC与WSOC.会议之后HULIS的浓度上升程度明显慢于OC、EC、WSOC和PM_(2.5);HULIS占PM_(2.5)的值在采样期间变化不大,在采样期间、会议减排前、中和后期分别为13.60%、13.59%、14.02%和12.22%.HULIS-C/OC的值和HULIS-C/WSOC的值依次为28.95%、35.51%、28.37%、19.93%和52.75%、59.58%、51.54%、45.39%.HULIS与湿度呈显著正相关,与风速呈显著负相关;生物质燃烧和二次转化可能是北京大气颗粒物中HULIS重要来源.     

风向对北京市重污染日PM_(2.5)浓度分布影响研究

对2013年北京市58 d重污染日PM_(2.5)浓度水平进行了分析,并用克里格插值法统计了重污染期间不同风向PM_(2.5)不同浓度区间的国土面积。结果显示2013年北京市重污染日主要集中在冬季,占到全年天数的15.9%,且重污染日PM_(2.5)平均浓度为218μg/m3;重污染日PM_(2.5)空间分布较为均匀且统计的平均浓度在150μg/m3以上的国土面积约占总面积的82%;重污染期间重度污染(150μg/m3)以上面积占比分别为南风(87%)、东风(81%)、西风(70%)、北风(66%);重污染日不同风向下ρ(NO_3~-)、ρ(NH_4~+)、ρ(SO_4~(2-))之和约占ρ(PM~(2.5))的60%~65%,且各组分浓度相差不大。     

天津市PM2.5组分污染特征与模型模拟对比

文章选用2015-2018年天津市复康路站点的长期连续PM_(2.5)组分观测数据,分析了天津市的PM_(2.5)主要组分污染特征,并分析了WRF/NAQPMS模型对天津市不同季节的PM_(2.5)组分的模拟情况。研究发现天津市近年的PM_(2.5)及其主要组分浓度整体在逐年下降,与2015年相比,2018年PM_(2.5)、OM与EC分别下降了27%、30%与28%。Cl~-、F~-、NO_3~-、NO_2~-、SO_4~(2-)等均有较大降幅,2018年与2015年相比分别下降了51%、72%、28%、54%与48%,但Ca~(2+)、Mg~(2+)、K~+浓度均有所上升,升幅分别是177%、170%与76%。这些组分浓度的变化表明燃烧源等人为源排放控制较好,沙尘等影响在加大。大部分PM_(2.5)组分呈现冬季浓度最高,夏季浓度最低的季节变化规律,但Na~+与Ca~(2+)等离子在5-6月也出现了一个峰值,可能与沙尘或海风的影响相关;K+离子在2月出现峰值,可能与烟花或生物质燃烧有关;硝酸盐与铵盐在3月出现了另一个峰值,可能与农业活动有关。总体上数值模式对天津市PM_(2.5)及其主要组分模拟的结果比较理想,NAQPMS模式可以较好地模拟出NO_3~-、OM、NH_4~+、SO_4~(2-)等的变化趋势与浓度水平,但对EC高估了约2倍,这可能主要由于清单对EC排放的估算过高导致。     

南京市大气细颗粒物二次组分的时空变化特征

在南京市六个典型点位,于2014~2015年的四个季节,开展了PM_(2.5)化学组分的监测.基于513个有效样本资料,分析了包括硫酸根(SO_4~(2-))、硝酸根(NO_3~-)、铵根(NH_4~+)和二次有机物(SOA)的二次组分的时空分布特征.结果表明:南京市PM_(2.5)以二次组分为主,约占57.7%,其中SO_4~(2-)、NO_3~-、NH_4~+和SOA年均浓度分别为11.9,12.5,7.7,8.7μg/m~3,所占PM_(2.5)的比例分别是17.2%、16.9%、10.5%、13.1%,其中98.8%的SO_4~(2-)为非海盐成分;近年来,[NO_3~-]/[SO_4~(2-)]快速增加,2015年约达到1.0,表明机动车的贡献日益突出;南京市二次组分季节差异较显著,NO_3~-、NH_4~+和SOA占比秋冬季节大于春夏季节,SO_4~(2-)占比春夏季节大于秋冬季节;空间分布上,二次组分的占比在远郊区最高(73.5%),其次是近郊新城区(59.0%),城市中心区和工业区最小(57.3%,57.4%),这反映了不同区域PM_(2.5)来源的差异;随着污染水平的上升,NO_3~-的占比显著增加,这表明机动车对于重污染过程具有更加重要的影响.研究结果深化了关于南京PM_(2.5)来源的认识,可以为更有效地控制灰霾污染提供科学依据.     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

高原城市昆明公路隧道大气中PM2.5理化特征分析

为研究高原地区机动车尾气排放特征,选取昆明市草海隧道内大气PM_(2.5)为研究对象,并对样品中的水溶性离子、碳组分、多环芳烃、无机元素进行分析.结果表明,隧道内PM_(2.5)质量浓度为225.65~312.84μg·m~(-3),是同期环境大气中PM_(2.5)浓度的11~14倍,PM_(2.5)中碳组分所占比重最高,约占总质量浓度的35.73%,其次无机元素占21.78%,离子组分在4.79%~5.52%之间,含量最低的是多环芳烃,占0.25%~0.32%;离子组分中Ca~(2+)和SO_4~(2-)含量较高,占总离子浓度的77.78%~80.17%,显示为地壳来源,其次是NH_4~+、NO_3~-的浓度也相对较高,主要来自机动车尾气源;草海隧道PM_(2.5)中以分子量相对较大、不易挥发的4、6环PAHs为主,机动车尾气对PM_(2.5)中多环芳烃的贡献十分显著,毒性最强的Ba P浓度是国家规定浓度限值的23~29倍,高原草海隧道大气中存在PM_(2.5)暴露健康风险;隧道大气PM_(2.5)中元素由PCA分析显示机动车尾气和道路扬尘来源占比约61.64%,其次机械磨损排放源占比约为17.49%,最后为轮胎磨损排放源,占比为9.11%;云贵高原大气低压低氧条件下,机动车发动机燃料不完全燃烧几率较高,导致机动车尾气PM_(2.5)中的OC以及PAHs排放量增加.     

长三角地区重点源减排对PM2.5浓度的影响

应用中尺度天气-化学预报模式(WRF-Chem),基于重点源(八大重点行业与交通)一般与强化两组减排情景,针对2013年开展长三角地区重点源减排对PM_(2.5)浓度影响的模拟研究.长三角地区SO2、NOx、PM_(2.5)和NMVOC排放在一般减排情景下分别减少36.3%、26.3%、32.0%、14.6%,强化减排情景下分别减少51.4%、39.6%、37.6%、28.4%.模拟结果表明,两组减排情景下长三角地区国控点PM_(2.5)年均浓度分别下降1.4~26.7μg·m~(-3)和2.1~32.3μg·m~(-3),降幅分别为2.7%~23.1%和3.9%~27.5%,二次无机盐中硝酸盐对年均PM_(2.5)浓度的降低贡献最大.PM_(2.5)及二次无机盐浓度变化的季节特征均体现为冬季降幅最小,夏季降幅最大,并且随着减排力度的增强,夏季降幅的进一步降低程度最显著,导致削减效果的季节差异增大.重点源强化减排即可使得上海、江苏夏季PM_(2.5)浓度降低约20%.对大气氧化性的进一步分析表明,减排对四季大气氧化性均有不同程度的增强,加大减排力度后,大气氧化性进一步增强,有利于二次PM_(2.5)的生成,从而阻碍了PM_(2.5)浓度的降低.其中,冬季的阻碍作用最强,导致PM_(2.5)污染改善效果最差.夏季大气氧化性受减排影响较小,从而使得PM_(2.5)污染改善在四季中最有效.此外,春、秋季的阻碍作用也不容忽视.     

延庆区大气PM_(2.5)组分构成及特征分析

2017年7月至2018年6月期间,作者对北京市延庆区夏都公园和体育公园2个点位开展为期1年的PM_(2.5)化学组分研究,通过Pearson系数研究各组分间关系。结果表明:采样期间2个点位的PM_(2.5)主要成分为OM、EC、NH_4~+、NO_3~-、SO_4~(2-)、地壳元素、微量元素及其他,质量浓度分别为16.67、3.25、2.98、6.68、4.02、7.98、2.06、5.86μg/m~3,占比分别为33%、7%、6%、13%、8%、17%、4%、12%,OM为PM_(2.5)最大的组分;各组分含量随季节变化,OM春秋季节最高;NO_3~-离子春季最高,占比为18%;NH_4~+和SO_4~(2-)离子夏季最高;地壳元素在冬季占比最高。优、良天气条件,有机物占比最大,34%～37%;重污染时,二次离子占比高达58%;天气由优、良向重污染变化,地壳元素占比明显降低,重污染时仅2%。延庆区OC/EC比值为3.2,表明大气中存在二次污染,主要来自机动车和燃煤排放;NO_3~-/SO_4~(2-)比值大于1,说明移动源对延庆区PM_(2.5)贡献较大。EC与OM在不同空气质量级别,均存在显著相关性,具有同源性;NH_4~+与SO_4~(2-)和NO_3~-间的相关性随着空气质量变差而增强;OM与地壳元素随着空气质量变差,相关性减弱,优良天为显著线性相关,重污染时无明显线性相关。     

聊城冬季一重污染过程PM2.5污染特征及成因分析

北方秋冬季为重污染过程频发季节,为了解聊城市冬季重污染过程中PM_(2.5)及化学组分污染特征,于2016年1月7~11日在聊城市区开展PM_(2.5)样品采集并分析了其中水溶性离子、碳成分及无机金属元素这3种化学组分,并对污染特征及成因进行了分析.结果表明,此次污染过程PM_(2.5)浓度呈现明显的倒V字型,平均浓度为238.3μg·m~(-3),超过国家环境空气质量标准(GB 3095-2012)二级浓度限值2.2倍;NH_4~+、NO_3~-和SO_4~(2-)为PM_(2.5)的主要水溶性离子成分;随污染加重或减轻,NH_4~+、SO_4~(2-)、NO_3~-、Cl-和Mg~(2+)浓度呈现增加或降低趋势,而Ca~(2+)变化趋势与之相反.污染鼎盛时,NH_4~+、NO_3~-和SO_4~(2-)浓度分别为48.96、68.45和80.55μg·m~(-3),达到起始阶段的6.29、7.31和7.84倍;过程期间OC和EC的浓度为20.8~60.2μg·m~(-3)和3.0~7.5μg·m~(-3),OC浓度高于EC且变化幅度明显偏大;过程期间各日无机金属元素浓度和分别为10.2、22.4、16.0、19.6和8.2μg·m~(-3),富集因子(EF)结果显示,各元素EF均小于10,未被富集,表明污染过程中其主要来源于地壳等自然源;PM_(2.5)质量浓度重构结果表明,有机物(OM)、SO_4~(2-)和NO_3~-为PM_(2.5)的主要组分,其次为NH_4~+、地壳物质和其他离子,EC和微量元素含量相对较低.随着PM_(2.5)污染加重,二次无机盐(SO_4~(2-)、NO_3~-及NH_4~+)浓度及所占比例均随之增加,OM浓度随之增加但比例有所下降,而地壳物质浓度及比例均下降,表明二次无机转化是此次污染过程的主要原因,主要受燃煤和机动车排放影响.     

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

廊坊市秋季环境空气中颗粒物组分昼夜变化特征研究

为研究廊坊市区秋季环境空气中颗粒物浓度及其组分昼夜变化特征,于2015年9月12—21日在廊坊市进行PM_(2.5)和PM_(10)采样,并对采集的样品无机元素、水溶性离子和碳组分(OC和EC)分析.结果表明,夜间PM_(2.5)和PM_(10)浓度比白天高,且下半夜出现大幅上升.PM_(2.5)/PM_(10)比值为0.49~0.62,下半夜最高.碳组分、Ba、Cr、Cl~-、NO_3~-、SO_4~(2-)、NH_4~+等主要富集在PM_(2.5)中,而Ca、Al、Si、Mg~(2+)和Ca~(2+)等主要富集在PM_(10)中.通过昼夜颗粒物组分对比发现,夜间EC、Cu、Zn、Cr、Pb、Cl~-、NO_3~-和NH_4~+等浓度明显上升.同时,下半夜OC/EC比值明显变小,Cl-、NO_3~-和NH_4~+浓度明显增大,同时段CO和NO_2浓度上升,而SO_2浓度变化平缓.以上表明采样期间廊坊夜间可能存在移动源和部分工业污染源排放.