冬季PM2.5中无机水溶性离子与大气相对湿度的相关性

依托河北省灰霾污染防治重点实验室,对2019年11月26日—12月31日石家庄市大气PM_2.5中的NO₃^-和SO₄^2-进行连续在线观测,研究NO₃^-和SO₄^2-与环境空气相对湿度的相关性,解析冬季发生PM_2.5重污染天气的RH阈值.观测期间,RH为10%~60%时,NO₃^-的浓度与RH呈显著正相关,为PM_2.5中浓度最高的无机水溶性离子.RH超过70%后,NO₃^-与RH呈负相关,NO₃^-浓度和NOR开始下降.SO₄^2-浓度与RH在整个湿度区间均呈正相关.RH低于50%时,SO₂向SO₄^2-的转化以气相反应为主.RH高于50%以后,颗粒物达到潮解点,SO₂的主要反应转入液相,转化速率加快,SO₂液相反应贡献逐渐增加至64.6%.RH超过70%后,SO₄^2-成为PM_2.5中浓度最高的无机水溶性离子.RH超过PM_2.5潮解点以后,NO₃^-和SO₄^2-大量合成,推高PM_2.5环境浓度,易于形成重污染天气.     

天津市2017年重污染过程二次无机化学污染特征分析

基于2017年天津市超级观测站数据,筛选出7次典型重污染过程,从污染物浓度、二次转化方面分析重污染过程二次无机化学污染特征.结果表明,重污染期间NO₃^-和SO₄^2-浓度较清洁天气增长幅度最高,显著高于PM_2.5的增长程度,说明二次无机转化是导致重污染期间PM_2.5污染加重的重要原因;下半年PM_2.5和SO₂污染程度较上半年减轻,与秋冬季采取燃煤治理等活动有关;重污染期间NO₂/SO₂比值为1.5~19.6,其中下半年NO₂/SO₂比值显著高于上半年,说明在各项污染源管控下移动源的影响比例相对增加;大部分重污染期间NO₃^-浓度大于SO₄^2-浓度,SOR值高于NOR值,说明重污染期间硫酸盐和硝酸盐转化均较重要;在SO₂浓度显著降低的情况下,重污染期间SO₄^2-浓度并未明显降低,说明除二次无机转化外,硫酸盐生成还受其他因素影响.     

青岛春节期间大气污染特征及烟花燃放一、二次贡献分析

我国北方地区冬季采暖期大气污染事件频发,期间硝酸盐成为促进PM_2.5增加的主要因素.然而在烟花燃放期间,硫酸盐的累积却强于硝酸盐,形成不同的污染特征.对春节期间（2019年2月2~10日）青岛近郊在线离子色谱观测数据,结合国控自动监测站数据进行综合分析.结果表明,研究期间观测到大气颗粒物累积事件、沙尘过境事件和烟花燃放事件.烟花燃放高峰期,其对PM_2.5和PM₁₀的一次贡献率分别为69.8%和63.8%.相比颗粒物累积期间硝酸盐有更明显的累积,硫酸盐在烟花燃放期间先于硝酸盐生成,并存在更强的累积.分离得到烟花燃放的一次贡献因子n（SO₄^2-）/n（K⁺）和n（NO₃^-）/n（K⁺）特征摩尔比分别为1.2和1.3;利用该比值估算得到对SO₄^2-和NO₃^-二次贡献因子,在较稳定的气象条件下分别为一次贡献因子的2.1倍和1.6倍;但在强的干冷空气过境时,二次贡献因子大幅降低,与一次贡献因子相当.     

兰溪市PM2.5中水溶性离子的组成特征及季节变化

为探索浙江省中部地区大气细颗粒物（PM_2.5）中水溶性离子的组成特征及其季节变化,采集了兰溪市市区和近郊两个站点2016年4个季节的PM_2.5样品,利用双通道离子色谱对水溶性无机离子（Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺）进行了定量分析.结果表明,兰溪PM_2.5中离子总浓度存在明显的冬季高、夏季低的季节变化趋势,年均值为21.19 μg·m^-3,约占PM_2.5质量的45%;SO₄^2-、NO₃^-和NH₄⁺是水溶性离子中最主要的组分,年均浓度分别为8.11、5.92、3.87 μg·m^-3.Cl^-和NO₃^-浓度的季节变化最为显著,冬/夏浓度比接近10,其半挥发特性是导致兰溪PM_2.5中离子组成呈现季节变化的重要原因.兰溪PM_2.5中NO₃^-/SO₄^2-比值的冬季平均值为1.18,说明流动源对兰溪PM_2.5有很大贡献;夏季（以及春、秋季）时NO₃^-/SO₄^2-比值较低,且与PM_2.5浓度呈负相关,与矿物尘结合的硝酸根离子的较大贡献可能是导致夏季PM_2.5浓度较低时NO₃^-/SO₄^2-比值较高的主要原因.阴阳离子平衡、相关性及主成分分析（PCA）结果表明,矿物尘对兰溪市PM_2.5的酸度及离子赋存状态有较大影响;冬季及春、秋季兰溪的PM_2.5具有一定的酸性;NO₃^-和SO₄^2-主要与NH₄⁺结合,但部分可能与钙等其他组分结合;Cl^-和K⁺主要来源于生物质燃烧,但K⁺的年均浓度仅为0.31 μg·m^-3,说明生物质燃烧对兰溪PM_2.5的贡献不大.     

成都市冬季3次灰霾污染过程特征及成因分析

基于成都市大气环境超级观测站气态污染物和PM_2.5中组分在线监测数据,对2019~2020年成都市3次灰霾污染过程气象要素和组分特征进行分析,采用CMB模型模拟获得研究期间PM_2.5污染来源及变化趋势,剖析各污染过程成因.结果表明：① 3次污染过程均发生在相对湿度和温度持续上升,风速和边界层高度持续降低的不利气象条件下,日均相对湿度均大于70%,日均温度均大于8℃,日均风速均低于0.8 m ·s^-1,日均边界层高度均低于650 m;② 3次污染过程中主要组分均为NO₃^-、OC、NH₄⁺和SO₄^2-,其中NO₃^-质量浓度和占比污染时段较清洁时段增长倍数均高于其他组分,分别增加了1.47~2.09倍和0.22~0.35倍,NO₃^-是成都市冬季PM_2.5污染的关键组分;③ 3次污染过程SOR均值为0.40,NOR均值为0.27,SO₂和NO_x的二次转化程度较高,SO₂向SO₄^2-转化以夜间非均相氧化反应为主,NO_x向NO₃^-转化以非均相水解反应为主;④ 3次过程变化特征略有不同,过程Ⅰ呈现出明显的二次硝酸盐主导的特征,过程Ⅱ PM_2.5浓度上升过程中主要受燃煤排放影响,PM_2.5浓度高值时段主要受NO₃^-影响,过程Ⅲ总体仍为二次硝酸盐主导的特征,但部分污染时段化石燃料燃烧源排放有所增加;⑤二次硝酸盐、二次硫酸盐、机动车和燃煤源为研究期间主要污染来源,PM_2.5浓度与二次硝酸盐贡献率正相关,与扬尘源贡献率负相关.     

上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征

于2010年10月1日至11月30日在上海市城区对大气中颗粒物质量浓度及细粒子化学组分进行了在线连续观测,获得了秋季大气灰霾和沙尘等典型污染过程中颗粒物质量浓度和化学组成的变化特性.观测结果显示,在大气灰霾污染过程中PM₁₀和PM_2.5的日均最高浓度分别达到216~293 μg·m^-3和130~204 μg·m^-3,PM_2.5/PM₁₀的比值在65%以上,总的可溶性无机离子(TWSII)占PM_2.5质量浓度的50%以上,有机碳(OC)和元素碳(EC)的总和占25%~30%.二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的83.3%~87.5%,OC/EC的比值在5左右,表明在灰霾污染过程中二次组分对PM_2.5的贡献较大;沙尘天气以粗粒子污染为主,TWSII、OC和EC分别仅占PM_2.5质量浓度的27.2%、13.4%和2.0%,二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的55.7%,Ca²⁺、Mg²⁺等地壳组分的比例较灰霾天气明显升高.研究结果还显示,SO₄^2-和NO₃^-等二次离子组分的生成与颗粒物中硫与氮的氧化速率有关,在大气灰霾过程中硫转化率(SOR)和氮转化率(NOR)值较高,分别为0.24±0.10和0.15±0.06,说明SO₂通过二次反应生成SO₄^2-的能力较强,在污染的环境下高浓度的NO₂更有利于向NO₃^-转化.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

伊犁河谷夏季PM2.5和PM10中水溶性无机离子浓度特征和形成机制

区域尺度大气颗粒物的同步观测与分析是制定大气污染防治策略的重要途径.为研究伊犁河谷城市群大气颗粒物和水溶性无机离子的空间分布特征,于2021年7月19~29日期间同步采集伊宁市和周边三县大气颗粒物样品,深入分析了PM_2.5和PM₁₀中9种水溶性无机离子（WSIIs）的空间分布特征、存在形式和影响因素,并对二次无机颗粒物的形成机制进行了探讨.结果表明,夏季伊犁河谷城市群ρ（PM_2.5）和ρ（PM₁₀）均值分别为（23±3）μg ·m^-3和（59±7）μg ·m^-3,伊宁市受本地工业源和移动源排放影响,导致其PM_2.5浓度在区域中最高;伊宁县受扬尘源和地形影响,使其PM₁₀浓度在区域中最高;而霍城县的良好扩散条件使其PM_2.5和PM₁₀浓度最低.PM_2.5和PM₁₀中WSIIs占比分别介于28.2%~29.9%和16.0%~20.2%之间.4种主要离子（SO₄^2-、NO₃^-、NH₄⁺和Ca²⁺）占到WSIIs的90%左右,在PM_2.5中浓度大小排序为：SO₄^2->Ca²⁺>NH₄⁺>NO₃^-,在PM₁₀中浓度大小排序为：SO₄^2->Ca²⁺>NO₃^->NH₄⁺;相关性研究结果显示4个城市SO₄^2-浓度相近主要是由区域输送所致,而Ca²⁺在PM_2.5和PM₁₀中占比高于国内大部分城市反映出伊犁河谷核心区城市受扬尘源的影响较大.PM_2.5和PM₁₀中n（NO₃^-）/n（SO₄^2-）分别为0.78和0.76,表明伊犁河谷受固定源影响大于移动源;4个城市n（NO₃^-）/n（SO₄^2-）的大小排序为：伊宁市>霍城县>伊宁县>察县,与各城市机动车保有量大小一致,反映出伊宁市受机动车等移动源的影响高于周边三县.二次组分主要以（NH₄）₂SO₄、NH₄HSO₄和NH₄NO₃的形式存在,各城市NH₄⁺与SO₄^2-反应后均有盈余,盈余的铵盐在伊宁市主要以NH₄NO₃存在,与伊宁市较高的NO₂浓度有关.夏季PM_2.5和PM₁₀中NOR变化幅度分别为0.03~0.10和0.03~0.16,受夏季高温影响导致NO₃^-二次转化较弱;SOR分别介于0.21~0.41和0.23~0.44之间,察县相对较高的湿度使其SOR较高,而霍城县受区域输送影响使其SOR高于伊宁市.形成机制表明：察县和伊宁市的SO₄^2-主要由非均相反应生成,伊宁县主要由均相反应产生,而霍城县SO₄^2-的形成机制较为复杂,受到均相反应和非均相反应的共同影响.     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

深圳市城区大气颗粒物及主要水溶性无机离子的污染特征

基于2015年深圳市大气颗粒物和主要水溶性无机离子的观测数据,深入分析了大气颗粒物的浓度变化及二次污染特征.结果表明2015年深圳的大气颗粒物（PM₁₀、PM_2.5、PM₁）浓度虽然低,但其中细粒子占比高,PM_2.5/PM₁₀的比值高达0.744,甚至大于广州典型灰霾过程中的粗细粒子比.大气颗粒物浓度季节变化明显,秋冬高,春夏低.其日变化特征明显受到交通高峰的影响,汽车尾气可能是污染来源之一.SO₄^2-、NO₃^-和NH₄⁺（SNA）质量浓度在PM_2.5中的占比超过1/3（37.7%）,且全年硫转化率都大于0.1,这说明深圳市细颗粒物主要来自于二次转化.深圳大气颗粒物浓度受气象要素影响显著,与气压正相关,与气温、相对湿度、降水及风速负相关;若将风速、气温、气压、相对湿度和降水作为一个整体考虑,这些气象要素对深圳大气颗粒物浓度的影响大小是PM₁ > PM₁₀ > PM_2.5.本工作不仅对深圳的大气环境管理和经济可持续发展有着重要参考价值,还对空气相对清洁地区的大气颗粒物和霾治理具有指导意义.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

Chemical characteristics of fine particles and their impact on visibility impairment in Shanghai based on a 1-year period observation

In this work, a one-year observation focusing on high time resolution characteristics of components in fine particles was conducted at an urban site in Shanghai. Contributions of different components on visibility impairment were also studied. Our research indicates that the major components of PM_2.5 in Shanghai are water-soluble inorganic ions and carbonaceous aerosol, accounting for about 60% and 30% respectively. Higher concentrations of sulfate (SO₄²⁻) and organic carbon (OC) in PM_2.5 occurred in fall and summer, while higher concentrations of nitrate (NO₃⁻) were observed in winter and spring. The mass concentrations of Cl⁻ and K⁺ were higher in winter. Moreover, NO₃⁻ increased significantly during PM_2.5 pollution episodes. The high values observed for the sulfate oxidizing rate (SOR), nitrate oxidizing rate (NOR) and secondary organic carbon (SOC) in OC indicate that photochemical reactions were quite active in Shanghai. The IMPROVE (Interagency Monitoring of Protected Visual Environments) formula was used in this study to investigate the contributions of individual PM_2.5 chemical components to the light extinction efficient in Shanghai. Both NH₄NO₃ and (NH₄)₂SO₄ had close relationships with visibility impairment in Shanghai. Our results show that the reduction of anthropogenic SO₂, NO_x and NH₃ would have a significant effect on the improvement of air quality and visibility in Shanghai.     

Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China

During November-December 2010 aerosol scattering coefficients were monitored using a single-waved (525 nm) Nephelometer at a regional monitoring station in the central Pearl River Delta region and 24-hr fine particle (PM_2.5) samples were also collected during the period using quartz filters for the analysis of major chemical components including organic carbon (OC), elemental carbon (EC), sulfate, nitrate and ammonium. In average, these five components accounted for about 85% of PM_2.5 mass and contributed 42% (OC), 19% (SO₄^2-), 12% (NO₃^-), 8.4% (NH₄⁺) and 3.7% (EC), to PM_2.5 mass. A relatively higher mass scattering efficiency of 5.3 m²/g was obtained for fine particles based on the linear regression between scattering coefficients and PM_2.5 mass concentrations. Chemical extinction budget based on IMPROVE approach revealed that ammonium sulfate, particulate organic matter, ammonium nitrate and EC in average contributed about 32%, 28%, 20% and 6% to the light extinction coefficients, respectively.     

武汉地区秋冬季清洁与重污染过程的水溶性离子特征研究

利用武汉地区2014年秋、冬季在线离子色谱分析仪Marga监测所得的大气PM_(2.5)中水溶性离子数据和武汉市环境空气质量自动监测的细颗粒物数据,分析了武汉地区秋、冬季重污染和清洁过程的大气污染特征.结果表明,PM_(2.5)是武汉地区秋、冬季大气污染的首要污染物,无论是在清洁还是重污染过程中,NO_3~-、SO_4~(2-)和NH_4~+3种成分都是PM_(2.5)的主要无机成分.重污染过程中PM_(2.5)的平均浓度是清洁过程的4.5倍,而3种主要水溶性离子平均浓度增长至清洁过程的5~6倍,且有着显著的相关性,二次生成水溶性离子的污染已成为武汉秋、冬季大气污染的主要因素.Cl-在重污染过程中的浓度及与PM_(2.5)的相关系数显著增大,表明化石燃料燃烧等过程也对重污染的形成产生了较显著的作用,值得关注的是,K~+在重污染过程中的浓度及与PM_(2.5)的相关系数增大也验证了燃烧过程对重污染起到的贡献.硫氧化率和氮氧化率的分析结果表明,重污染过程中的二次转化要多于清洁过程,可能是非均相反应生成了二次污染的硫酸盐和硝酸盐.线性回归分析的方程系数研究表明,NH_4NO_3和(NH_4)_2SO_4可能是清洁和重污染过程中主要的盐类物质.NO_3~-/SO_4~(2-)的平均质量浓度比说明移动源对武汉地区秋、冬季二次污染的形成和发展已经起到越来越大的作用,特别是重污染过程中的影响更大.     

广州PM2.5化学组分特征及其与气象因子的关系

于2012年12月—2013年12月在广州城区(市站)和东部郊区(九龙)开展为期一年的PM2.5样品采集,并同步收集气象因子和气态污染物质量浓度等数据.结果表明,PM2.5中主要化学组分为有机质(OM)和硫酸盐(SO2-4),分别占市站和九龙PM2.5质量浓度的49.4%和15.2%及57.0%和17.3%.碳质气溶胶(OM和EC)贡献接近50%,二次无机气溶胶(SO2-4、NO-3和NH+4总和,SIA)贡献超过30%.由于以机动车尾气为代表的移动污染源在城市区域贡献较大,市站[NO-3]/[SO2-4]比值显著高于九龙.两个站点[NH+4]/[SO2-4]摩尔质量比均高于1.5,表明观测期间广州市干季大气处于富铵状态.市站和九龙站硫氧化率(SOR)和氮氧化率(NOR)的时空变化趋势与O3类似,表明大气光化学过程是影响广州市SOR和NOR的重要因素.相对湿度低于65%时,SOR和NOR均较高;温度对SOR和NOR的影响有显著的城郊差异.降雨对PM2.5及各化学组分浓度有显著去除作用.     

河南省北部区域霾污染过程中城市和农村点位PM2.5组分差异

近年来,我国京津冀及其周边地区暴发了多次霾污染过程,受观测仪器等因素的限制,尚未有对河南省北部城市和农村霾污染的对比研究.利用一系列在线高时间分辨率的观测仪器在河南省2个城市点位和3个农村点位对一次区域重污染过程(2018年1月12～25日)进行综合观测.结果表明SO₄^2-、 NO^-₃和NH⁺₄(SNA)是此次区域污染过程中5个点位PM_2.5中占比最高的组分,位于53%～63%之间,以NO^-₃为主24%～32%,其次为SO₄^2-(13%～17%).相较于城市点位,农村点位PM_2.5中有机物的占比更高,尤其是夜间.随着污染的加重,SNA的占比上升,重污染时段可达67%.此外,当区域受南部气团的传输影响时,5个点位PM_2.5中NO^-₃的占比增大;受北和东北部气团的传...     

唐山市2017年采暖期不同污染等级PM2.5化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM_2.5及其水溶性离子和碳质组分（OC、EC）的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR（硫氧化率）分别为0.05、0.08、0.20,NOR（氮氧化率）分别为0.05、0.12、0.26,随着污染的加重,SO₂、NO_x向PM_2.5中SO₄2-、NO₃-的二次转化现象更加明显.③清洁时,ρ（OC）、ρ（EC）、ρ（SO₄2-）和ρ（Cl-）占PM_2.5化学组分（水溶性离子、碳质组分）质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ（NO₂）/ρ（SO₂）分别为0.96、1.14、1.44,ρ（NO₃-）/ρ（SO₄2-）分别为0.94、1.57和1.75;重污染时,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）三者之和占PM_2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ（NO₂）/ρ（SO₂）、ρ（NO₃-）/ρ（SO₄2-）明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.