京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

邢台市秋季PM2.5及水溶性离子污染特征

为研究邢台市秋季PM_2.5污染特征,于2017年10月15日~11月14日在邢台市区对PM_2.5样品进行了采集,并对其中水溶性离子（包括Cl^-、NO₃^-、SO₄^2-、NH₄⁺、Ca²⁺、Na⁺、Mg²⁺、K⁺）进行了分析.结果显示,观测期间邢台市ρ（PM_2.5）平均值为（130.0±74.9）μg/m³,其中水溶性离子质量浓度为（69.8±11.4）μg/m³,占ρ（PM_2.5）的53.3%,NO₃^-、SO₄^2-和NH₄⁺为主要离子,占水溶性离子比例达到了89.7%. 当污染加重,水溶性离子质量浓度随ρ（PM_2.5）增大而升高,且NO₃^-、NH₄⁺及SO₄^2-占比亦逐渐升高,但其他离子占比随之下降,Ca²⁺尤为明显,表明ρ（PM_2.5）升高时主要受二次无机转化影响;观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.36和0.25,表明秋季SO₂与NO₂转化速率较强,二次无机污染严重,另外SOR及NOR与温度及相对湿度呈正相关,且SOR对二者更为敏感;邢台市秋季PM_2.5呈弱碱性,NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃的形式存在;ρ（NO₃^-）/ρ（SO₄^2-）平均值为2.13,表明移动源对秋季大气颗粒物的来源贡献较大;PMF分析结果表明,二次转化源、燃烧源及扬尘源为邢台市秋季PM_2.5中水溶性离子的主要来源.     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_2.5和PM₁₀气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子（Na⁺、K⁺、NH₄⁺、Mg²⁺、Ca²⁺）和阴离子（Cl^-、NO₃^-、SO₄^2-、MSA）的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_2.5和PM₁₀样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m³和10.4~47.9μg/m³,平均值分别为（14.9±5.8）μg/m³和（21.3±10.7）μg/m³.二次离子（nss-SO₄^2-、NO₃^-和NH₄⁺）浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO₄^2-和NH₄⁺主要富集在细颗粒物（PM_2.5）中,NO₃^-主要富集在粗颗粒物（PM₁₀）中.富集因子及相关性分析表明K⁺主要来自陆源,Mg²⁺受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH₄⁺的主要结合方式均为（NH₄）₂SO₄和NH₄NO₃.来源分析结果表明,PM_2.5和PM₁₀样品中生源硫化物对nss-SO₄^2-的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH₄⁺对氮沉降的贡献程度小于NO₃^-.     

基于高分辨率MARGA分析桂林市PM2.5水溶性离子特征

利用高时间分辨率MARGA于2017年2月17日~3月24日在桂林市开展PM_2.5组分监测，结合同一点位环境和气象监测数据，分析桂林市大气PM_2.5水溶性无机离子组分特征及气溶胶酸性.结果表明：MARGA监测的PM_2.5中8种水溶性离子与PM_2.5变化趋势一致.8种水溶性离子总浓度均值29.27μg/m³，3种二次水溶性离子SO₄^2-、NO₃^-和NH₄⁺浓度均值26.91μg/m³，占水溶性离子总浓度的93.50%，是桂林市大气PM_2.5的主要组分.二次水溶性离子SO₄^2-、NH₄⁺和NO₃^-两两之间存在显著正相关性（相关系数均>0.80），提示二次离子产生的机制及在大气中的演化、沉积具有一定的相似性.无论有无降雨，能见度（Vis）均随着水溶性离子，尤其是二次水溶性离子浓度的增加呈幂函数规律递减.24h累计降雨量≥ 10.0mm时，湿清除作用明显.晴天及降雨量不大的天气下，需注意管控机动车尾气、生物质燃烧和扬尘污染.SOR、NOR分别为0.35、0.12，SO₂同时通过均相和非均相氧化反应转化为SO₄^2-，NO_x主要是通过白天光化学反应转化为NO₃^-.大多数离子和气态前体物均存在明显的日变化规律，这与物质的来源、形成机制和气象条件不同有关.CE/AE摩尔浓度均值为1.5，桂林市PM_2.5总体偏碱性.PM_2.5中SO₄^2-、NO₃^-、Cl^-主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在.PM_2.5中NH₄⁺可能与监测点位交通源排放有关，桂林市应加强交通污染物排放管控.     

长三角沙尘中气溶胶粒径分布及化学组分特征

基于PM、10nm~10μm气溶胶数谱、水溶性离子和气象要素数据,分析了2017年5月3日~8日一次沙尘远距离输送过程中长三角地区气溶胶粒径分布及其化学组成的污染特征.结果表明,此次沙尘伴随天气系统由北往南的传输过程中,PM的浓度逐渐降低,但是高浓度PM持续时间逐渐增加.沙尘在呼和浩特市影响时间为38h,而在南京的影响时间超过60h.沙尘期间气溶胶数浓度谱的峰值向大粒径段偏移,沙尘和非沙尘期间峰值分别位于33和26nm.表面积浓度谱在非沙尘期间为三峰型分布,但是在沙尘期间为四峰型分布.在沙尘期间PM_2.5和PM₁₀中水溶性离子的排序为Ca²⁺ > NH₄⁺ > SO₄^2- > NO₃^- > Mg²⁺ > Na⁺ > Cl^- > NO₂^- > K⁺ > F^-,非沙尘期间为NH₄⁺ > SO₄^2- > NO₃^- > Mg²⁺ > Ca²⁺ > Cl^- > NO₂^- > K⁺ > Na⁺ > F^-.沙尘期间不同水溶性离子的浓度变化不同,沙尘天PM_2.5和PM₁₀中Ca²⁺浓度分别是非沙尘天的9.5和13.7倍,Na⁺分别是非沙尘天的4.4倍和4.6倍.沙尘天PM_2.5和PM₁₀中Ca²⁺占总离子的比例分别为24.7%和24.9%,是非沙尘天的4.9和5.7倍.NO₃^-在PM₁₀中的占总离子的比例为18.7%,高于非沙尘天（13.9%）,但是在PM_2.5中占总离子的比例仅为7.9%,低于非沙尘天（13.2%）.沙尘天F^-、Cl^-、SO₄^2-、NH₄⁺和K⁺离子在PM_2.5和PM₁₀中所占总离子的比例均低于非沙尘天.     

北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.     

南京市一次霾污染过程中水溶性离子分布特征

使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM_2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明：霾日中南京水溶性离子浓度为121.41μg/m³,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO₃^- > SO₄^2- > NH₄⁺ > Cl^- > K⁺ > Ca²⁺ > Mg²⁺,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl^-、SO₄^2-和NH₄⁺的日变化为单峰型,Ca²⁺为双峰型,K⁺、Mg²⁺为三峰型.随着空气污染状况的加重,总水溶性离子在PM_2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH₄⁺占总离子的比例稳定在23%左右,SO₄^2-占比缓慢减小,NO₃^-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧.     

重庆市不同粒径颗粒物中水溶性离子污染特征

于2010年3月~2011年2月和2017年1~12月在重庆主城区连续采集PM_1.0、PM_1.0~2.5和PM_2.5~10样品,采用离子色谱测定了样品中9种水溶性无机离子（WSIIs）含量,研究了近年来不同粒径颗粒物中主要离子的污染特征.结果表明,2017年重庆市PM_1.0、PM_1.0~2.5和PM_2.5~10中WSIIs年均浓度和占比分别为24.10,32.89,39.11μg/m³和41.8%、40.3%、38.6%,较2010年均有所下降（39.85,47.84,57.12μg/m³和49.2%、46.6%、36.2%）,但NO₃^-浓度和占比呈上升趋势（分别上升12.3%~27.8%和53.1%~78.2%）,且成为2017年冬季首要离子.SO₄^2-、NO₃^-、NH₄⁺、Cl^-、K⁺和Na⁺主要分布在细粒子中,F^-、Mg²⁺和Ca²⁺主要分布在粗粒子中.重庆颗粒物呈弱碱性,其中粗粒子碱性强于细粒子,NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃的形式存在.与2010年不同,2017年细粒子中SO₄^2-和NO₃^-浓度均随相对湿度增大而快速上升,非均相反应已成为2017年SO₄^2-和NO₃^-形成的重要途径,且在PM_1.0中尤为突出.随污染加重,不同粒径下各类WSIIs演化特征各异,其中2017年细粒子中NO₃^-浓度及其对WSIIs贡献大幅升高,并成为重污染形成的主因,而SO₄^2-和扬尘源示踪物（Mg²⁺、Ca²⁺）贡献呈下降趋势.与2010年相比,2017年各粒径中NO₃^-/SO₄^2-比值随污染加重大幅升高,且重污染日比值均大于1.0.细粒子中WSIIs主要来源于二次转化,粗粒子主要来源于扬尘.2017年扬尘污染较2010年有所减缓,但二次源对WSIIs贡献上升明显,尤其是NO₃^-的二次生成,因此对NOx排放源的管控是WSIIs减排的重要途径.研究结果对了解近年来重庆市大气颗粒物污染来源及形成机制研究具有重要参考价值.     

北京城区PM2.5各组分污染特征及来源分析

为探索北京城区大气细颗粒物( PM_{2. 5}) 及其各组分的浓度特征,于 2019 年全年在车公庄地区开展了 PM_{2. 5}及水溶性离子、碳质组分及金属元素的连续在线监测． 结果表明,2019 年北京城区 ρ( PM_{2. 5}) 平均值为 46. 7 μg·m^{- 3},化学组分中 ρ[有机物（ OM） ]、ρ（ NO₃^-） 、ρ( SO₄^2-) 、ρ（ NH₄⁺） 、ρ（ EC） 、ρ（ Cl^-） 、ρ（ 微量元素） 和 ρ（ 地壳物质） 分别为 9. 1、11. 1、5. 7、5. 4、1. 4、0. 9、1. 6 和 7. 3 μg·m^{- 3},SNA ( SO₄^2-、NO₃^-和 NH₄⁺) 合计占到了...     

南京北郊大气降水中水溶性无机氮和有机氮沉降特征

基于2019～2020年在南京北郊收集的大气降水进行降水pH、电导率和化学组分分析,研究南京北郊大气降水pH值和电导率的季节变化规律,分析了降水中水溶性无机氮（WSIN）和水溶性有机氮（WSON）的污染水平和沉降特征.结果表明,观测期间南京北郊大气降水发生酸雨（pH<5.6）的频率达到37.18%,降水酸化在秋冬季节较严重,pH值随季节表现出春季>夏季>秋季>冬季的变化趋势.降水电导率平均值为29.49μS·cm^-1,春季出现高pH和电导率与该季节大气中含量较高的扬尘有关.降水中WSIN和WSON的季节差异较大,最高和最低NO^-₃-N和NH⁺₄-N浓度分别出现在春季和夏季;WSON浓度则表现为秋季(2.63 mg·L^-1)最高.降水中WSON与水溶性总氮（WSTN）浓度平均比值约为0.47,说明WSON对总氮研究具有重要意义.WSIN和WSON湿沉降通量的平均值分别为12.10 kg·（hm²·a）^-...     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

水溶性汽车喷涂漆的环境效益分析

通过对某厂增资扩建技术改造项目中采用水溶性色漆替代溶剂性油漆引起的废气污染物捧放量增减情况的案例分析，论述其采用水溶性色漆的环境效益，并建议国内汽车喷涂在有条件的情况下尽量采用水溶性色漆。     

霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

春季沙尘过程北京市不同粒径大气气溶胶污染特征及来源分析

为了解沙尘气溶胶在大气中的物理、化学特性演变,于2017年5月北京沙尘暴发期间,对北京大气中不同粒径颗粒物的质量浓度进行了连续观测,并用离子色谱仪和水溶性有机碳分析仪对其中的主要水溶性化学组分进行了检测.结果表明,沙尘期间TSP及其中的水溶性有机碳(WSOC)、元素碳(EC)、有机碳(OC)和水溶性无机离子的平均质量浓度分别为(2237.59±681.49)、(29.90±18.05)、(1.46±3.05)、(67.35±29.07)和(136.75±46.38)μg·m~(-3),除EC变化不大外,其他成分沙尘期浓度远高于非沙尘期,其中Na~+、NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-)、WSOC的浓度分别为沙尘前的11.55、3.00、14.88、14.89、9.40、4.60、2.40、3.91、1.83倍,浓度增长最为明显的是地壳元素离子,变化最小的为NH_4~+和NO_3~-;粒径分析表明,地壳元素离子在整个采样期间均在粗粒径段(4.7~5.8μm)表现出最大浓度;沙尘期间SO_4~(2-)及NO_3~-均以粗模态为主,沙尘结束后SO_4~(2-)在0.43~0.65μm粒径段出现峰值,而NO_3~-依然是在4.7~5.8μm粒径段出现峰值,表明大部分NO_3~-主要以非均相反应存在于粗粒径段中.沙尘期SO_4~(2-)与地壳元素离子表现显著的正相关关系,与NH_4~+没有表现出相关性,表明沙尘期SO_4~(2-)主要来自于沙尘携带的一次来源,非沙尘期SO_4~(2-)与地壳元素没有明显的相关性,而与NH_4~+之间相关系数r=0.70,表明其为非均相二次转化形成.NO_3~-与地壳元素离子和NH_4~+的相关性分析表明其在沙尘期既有一次来源,也有二次转化,而在非沙尘期主要来源于二次转化过程.     

茶园土壤水溶性氟含量的模拟调控

以湖北英山、大悟、竹山、赤壁和浙江杭州茶园土壤为研究对象,通过施加一定量的CaCO3、CaO、Ca3(PO4)2、CaCl2和CaSO4来调控土壤中水溶性氟含量,结果表明：英山、大悟和竹山茶园土壤中施加一定量的CaCl2或CaSO4均可降低土壤中水溶性氟含量,英山和大悟茶园土壤中可施加1～2 g·kg-1的CaCl2或...     

使用RCFP-IC对南京市不同污染状况下PM_(2.5)中水溶性离子的观测分析

本文使用大气细颗粒物快速捕集系统及化学成分在线分析系统(RCFP-IC)和美国热电污染气体分析系统(EMS系统)对2013年11月16日—12月10日南京地区PM2.5中主要水溶性离子和污染气体进行了观测分析,并结合气象要素数据分析了灰霾天PM2.5中主要水溶性离子的污染特征.结果表明:不同污染条件下PM2.5中水溶性离子分布差异较大,清洁天浓度最大的6种离子排序为SO2-4NO-3NH+4Cl-NO-2K+,霾天(11月20—24日)和雾-霾天(12月1—8日)前6种离子排序分别是SO2-4NH+4NO-3NO-2Cl-K+和NO-3SO2-4NH+4Cl-NO-2K+.受污染源和化学反应的日变化影响,不同离子的日变化特征不同.污染天NO-3、SO2-4和NH+4的浓度是干净天的2.8~5.0倍.不同水溶性离子对能见度的影响不同.     

南京城区与郊区秋季大气PM_(10)中水溶性离子的特征研究

对南京市城区与郊区秋季PM10中水溶性离子的浓度水平,变化规律及其相关性进行分析。结果表明:水溶性离子是南京市PM10的重要组成部分,占PM10总量的26.8%～49.5%;NO3-、SO24-为南京PM10中离子的主要成分同时SO24-与PM10的相关性高,在郊区与城区相关系数分别为0.97与0.98;土壤源对Mg2+的贡献多于海洋气溶胶。郊区与城区非海盐Mg2+和Ca2+的比值分别为0.0308～0.0557与0.0314～0.0558,与中国北方沙漠地区相异,说明观测期间南京大气PM10主要受局地源影响;南京城、郊NO3-/SO24-均值分别为0.74和0.80,说明南京市城郊PM10中NO3-与SO24-更多地来自于机动车尾气排放。     

基于UNMIX模型对大气降雨中水溶性离子来源解析

对洛杉矾2005年1月至2015年1月的降水数据进行了分析,并通过UNMIX模型对降水中的无机离子成分进行了来源解析.结果表明,洛杉矶降水的pH均值为4.84,表现为轻度污染的弱酸性水平;降水的污染来源主要有3个,分别是二次污染源(50％)、海洋传输源(43％)、燃煤源及生物质燃烧源(7％);降水中离子解析结果与洛杉矶地区细颗粒物污染来源解析结果有较好的一致性,表明在细颗粒物化学成分缺失的情况下,降水离子可在一定程度上反应污染来源解析.     

Application of ion chromatography to the determination of water-soluble inorganic and organic ions in atmospheric aerosols

A simple, sensitive and convenient ion chromatography(IC) method was established for the simultaneous determination of twelve water-soluble inorganic anions(F^-, Cl^-, NO2^-, NO3^-, SO3^2-, SO4^2-, PO4^3- ), and fifteen water-soluble organic ions(formate, acetate, MSA, oxalate, malonate, succinate, phthalates, etc. ) in atmospheric aerosols. The linear concentrations ranged from 0.005 μg/m^3 to 500 μg/m^3 (r = 0.999--0.9999). The relative standard deviation(RSD) were 0.43%--2.00% and the detection limits were from 2.7 ng/m^3 to 88 ng/m^3. The proposed method was successfully applied to the simultaneous determination of those inorganic ions and organic ions in PM2.5 of Beijing.