2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

两湖盆地冬季区域大气颗粒物污染特征及独特的风场和下垫面影响

为认识近年来长江流域中游两湖（湖南-湖北）盆地大气环境变化特征,本文利用两湖盆地2015~2019年冬季近地面PM_2.5和PM₁₀观测数据,结合风速、地形和植被指数等资料,探讨两湖盆地冬季大气颗粒物PM_2.5和PM₁₀的变化特征及其与风速、地形和下垫面的关联.结果表明：①两湖盆地2015~2019年冬季PM_2.5污染频发,其中两湖盆地西北部的襄阳和荆门的冬季平均分别多达62 d和61 d出现PM_2.5污染（PM_2.5>75 μg·m^-3）,襄阳重污染（PM_2.5>150 μg·m^-3）多达19 d,表明两湖盆地是长江流域中游地区一个区域性PM_2.5污染中心.②在空间上,两湖盆地污染呈现出西北重东南轻、城市群污染较重的特征,这主要与冬季风驱动的大气污染物的区域传输和两湖盆地城市地区的强排放有关.③近地面风速与PM_2.5和PM₁₀地面浓度变化呈现特殊的"U"型非线性关系,PM_2.5和PM₁₀浓度拐点值分别为153 μg·m^-3和210 μg·m^-3,揭示了两湖盆地局地大气颗粒物累积主导了轻/中度污染,大气污染物区域传输决定了重度污染的独特区域特征.④两湖盆地冬季PM_2.5和PM₁₀地面浓度与地形高度和植被指数均呈显著负相关,反映了两湖盆地地形和城市化下垫面变化的大气环境效应.     

苏州工业园区室内外颗粒物中多溴联苯醚污染特征及人体暴露水平

利用大流量主动采样技术在苏州市工业园区工厂车间、办公室、住宅区和风景区,采集PM₁₀样品,GC-MS测定PM₁₀中8种PBDEs的含量.室内PM₁₀中PBDEs总浓度范围为9.22~64.15 pg·m^-3（均值为20.93 pg·m^-3）,室外样品中PBDEs总浓度范围为1.06~8.44 pg·m^-3（均值为5.11 pg·m^-3）,室内含量显著高于室外含量.PM₁₀中∑₈PBDEs平均浓度从高到低顺序依次为工业车间、办公室、住宅区和室外大气,与其他地区室内外颗粒物含量相比,苏州室内外大气颗粒物中PBDEs都处于较低水平.室内外大气中BDE-209是最主要化合物（平均占总PBDEs的63%）,其次为BDE-99和BDE-47.车间员工、办公室员工和儿童的PBDEs日呼吸摄入剂量分别为3.75、2.78和2.60 pg·（kg·d）^-1,这表明苏州居民呼吸暴露PBDEs的潜在健康危害并不明显.     

南京市不同功能区冬季大气PM2.5分布特征及其来源解析

2016年12月-2017年1月,在南京市4类典型功能区（农业区、住宅区、交通干道区、工业区）各选两点,共采集了大气PM_2.5样品32套,测定并分析了其质量浓度、9种水溶性离子（WSIs）、有机碳（OC）以及元素碳（EC）的含量.观测期间,南京市冬季PM_2.5的平均浓度为104.5 μg·m^-3,分布特征为：工业区（116.6 μg·m^-3）>农业区（104.3 μg·m^-3）>住宅区（100.1 μg·m^-3）>交通干道区（96.9 μg·m^-3）;WSIs、OC和EC的平均浓度（/PM_2.5）分别为：53.4 μg·m^-3（51.1%）、11.8 μg·m^-3（11.3%）、8.2 μg·m^-3（7.8%）.农业区和住宅区受WSIs污染较严重且NOR、SOR较高,而工业区和交通干道区的OC、EC污染较严重且SOC/OC较高.进一步运用PMF模型解析,南京市冬季PM_2.5来源为：二次源（37.3%）、工业源（31.2%）、交通源（16.4%）、建筑尘（7.9%）和燃煤源（7.2%）.最后,本文收集了自2000年起南京市冬季大气PM_2.5浓度及其污染来源研究,总体而言,近年来南京冬季大气PM_2.5浓度呈下降趋势,其主要污染源比重也发生了较大变化,燃煤贡献有所下降,而工业和交通排放逐渐上升,且二次污染贡献逐渐突出.今后,控制二次污染源将成为南京市大气PM_2.5治理的重中之重.     

太原市大气PM2.5中水溶性离子的季节污染特征及来源分析

为探究当前空气质量持续改善背景下重污染地区大气PM_2.5和水溶性无机离子（WSⅡs）的污染特征和季节变化,于2019年在太原市采集了四季PM_2.5样品.结果表明,2019年太原市PM_2.5年均质量浓度为（65.50±30.44）μg·m^-3,水溶性离子浓度的季节特征为：冬季（39.81 μg·m^-3） > 秋季（33.05 μg·m^-3） > 春季（20.50 μg·m^-3） > 夏季（19.62 μg·m^-3）.WSⅡs以二次离子SNA为主,占总离子浓度的76.90%±10.51%,且随着PM_2.5污染加重,SNA的比重显著升高.其中,SO₄^2-和NO₃^-在秋、冬季的浓度最高,这与气态污染物排放增加和二次转化程度的升高（硫氧化率SOR>0.30,氮氧化率NOR>0.10）有关;NH₄⁺、Cl^-和K⁺在冬季的浓度最高,是其他季节的1.2~7.9倍,可能归因于冬季燃煤和生物质燃烧活动的增加;由于春季风速较高,受土壤扬尘的影响,Ca²⁺和Mg²⁺的比重在春季显著增加为20.2%.春季和夏季为贫氨状态,而秋、冬季为富氨状态,且硝酸盐颗粒物在高湿度条件下的吸湿增长比硫酸盐更为显著.太原市大气PM_2.5中水溶性离子主要来源于二次生成、燃煤、生物质燃烧和土壤扬尘.     

成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

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.     

嘉善冬季碳质气溶胶变化特征及其来源解析

利用2018年冬季（2018年12月至2019年2月）和2019年冬季（2019年12月至2020年2月）嘉兴市嘉善县善西超级站有机碳（OC）、元素碳（EC）及细颗粒物（PM_2.5）浓度数据分析嘉兴嘉善地区碳质气溶胶变化特征及潜在来源区域.结果表明,2018年和2019年冬季OC浓度分别为6.90μg·m^-3和5.63μg·m^-3,EC浓度分别为2.47μg·m^-3和1.57μg·m^-3,2019年冬季OC和EC浓度较2018年冬季降幅分别为18.4%和36.4%.利用Minimum R-squared （MRS）方法计算得到2018年和2019年冬季二次有机碳（SOC）分别为1.49μg·m^-3和1.97μg·m^-3,一次有机碳（POC）浓度分别为5.41μg·m^-3和3.66μg·m^-3,SOC在OC中占比呈上升趋势,上升31.1个百分点,POC占比变化则相反.值得注意的是,随着PM_2.5浓度升高,OC和EC浓度呈上升趋势,最高上升幅度分别为474.7%和408.2%,但在PM_2.5中占比却呈下降趋势,OC和EC占比下降幅度分别为6.5个百分点和2.4个百分点;POC对PM_2.5的贡献波动不大,仅在150μg·m^-3以上有明显降低趋势,SOC对PM_2.5的贡献先下降后上升.嘉兴OC和EC潜在源区主要为苏南地区、安徽东南部和浙江北部,且2019年冬季和2018年冬季相比,OC和EC的主要潜在源区贡献浓度分别下降2μg·m^-3和6μg·m^-3以上,且潜在源区高值区域变小.疫情前受机动车尾气排放和燃煤共同影响,春节和居家隔离期间,因交通管制等原因,机动车排放量减少,燃煤贡献占比上升.     

兰州市冬夏季大气PM2.5化学组分特征及来源分析

于2019年冬季（1月）和夏季（7月）对兰州市大气PM_2.5进行了连续采集,并结合同时期的气象资料分析了PM_2.5化学组分（有机碳、元素碳、水溶性离子）特征及来源.结果表明,冬季OC浓度为11.58~45.42 μg·m^-3,EC浓度为3.25~13.90 μg·m^-3,夏季OC、EC浓度分别为8.42~23.08、2.85~7.93 μg·m^-3,OC浓度总体高于EC,在PM_2.5中占到了更高的比重.冬季平均OC/EC为3.24,夏季平均OC/EC为2.75,表明有二次气溶胶SOC生成,且机动车排放与冬季燃煤供暖为其主要污染源.冬季OC和EC相关系数为0.94,夏季为0.66,夏季相关系数较低表明其污染来源较冬季复杂.SO₄^2-、NO₃^-、NH₄⁺、Ca²⁺是大气PM_2.5中最重要的4种水溶性离子,这4种离子在冬季和夏季分别占到总水溶性离子的84.56%和90.16%,占PM_2.5的45.6%、14.5%.主成分分析法、后向轨迹及浓度权重结果表明,兰州市PM_2.5主要的污染源除了受本地化石燃料燃烧、机动车尾气、生物质燃烧排放、土壤和建筑粉尘的影响外,还可能受到内蒙古高原和新疆塔克拉玛干沙漠等地远距离传输的影响.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

Temporal variability of atmospheric particulate matter and chemical composition during a growing season at an agricultural site in northeastern China

This study presents the observations of PM_(10) and PM_(2.5) concentrations at an agricultural site from April to October 2012 in Dehui city,China.Ambient air was sampled by filter-based samplers and online PM monitors.The filter samples were analyzed to determine the abundance of ionic/inorganic elements,organic carbon(OC) and elemental carbon(EC).The daily PM_(10) concentrations varied significantly over the monitoring period,with an average of168 ± 63(in the range of 52-277) μg/m~3 during the land preparation/planting period(26 April-15 June),85 ± 65(36-228) μg/m~3 during the growing season(16 June-25 September),and 207 ±88(103-310) μg/m~3 during the harvest period(26 September-31 October).PM_(2.5) accounted for44%,56%and 66%of atmospheric PM_(10) during these periods,respectively.The PM_(10) diurnal variation showed a distinct peak from 16:00 to 21:00(LST) during the growing and harvesting seasons,while a gradual increase throughout the daytime until 17:00 was observed during tilling season.Mineral dust elements(Al,Ca,Fe,and Mg) dominated the PM_(10) chemical composition during the tilling season;OC,NO_3~-,SO_4~(2-) and NH_4~+ during the growing season;and carbonaceous species(i.e.,OC and EC) during the harvesting season.Our results indicate that the soil particles emitted by farm tillage and organic matter released from straw burning are the two most significant sources of PM_(10) emissions contributing to the recurring high pollution events in this region.Therefore,development of agricultural PM inventories from soil tillage and straw burning is prioritized to support air quality modeling.     

上海市夏季颗粒物污染过程数值模拟研究

利用观测资料和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年7月26日—8月26日上海市及周边城市PM10、PM2.5及其无机盐组分的浓度变化趋势及时空分布特点.结果表明,NAQPMS模式较为合理的重现了上海各方位站点及其周边城市PM10、PM2.5及其硫酸盐、硝酸盐等无机化学组分的浓度水平与变化趋势,相关系数在0.7以上.研究期间造成上海颗粒物污染的主要原因是:弱气旋低压系统控制下,西南或西北气流将内陆污染物输送至上海市,当低压中心移至上海附近时带来的辐合气流使得污染进一步累积上升.长三角地区PM2.5主要无机盐组分分布特征表明,上海市及周边城市的硫酸盐、硝酸盐和铵盐的总和占PM2.5浓度的40%~60%,二次气-粒转化过程贡献明显,且以SO2向SO2-4的氧化转换为主;污染上升过程中NO-3/SO2-4比率增大,说明流动源的贡献有所增加.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

植物叶表尘及重金属对城市大气颗粒物污染的指示与评估

城市大气颗粒物污染问题日渐突出,目前主要依靠大气站点的直接观测数据反映污染的即时状况,而植物叶表尘及重金属的监测为评价大气颗粒物阶段性污染状况提供了新的途径.本研究通过分析北京交通带和公园共7个样点的臭椿(Ailanthus altissima)、槐(Sophora japonica)、北京杨(Populus beijingensis)、榆树(Ulmus pumila)、紫叶李(Prunus cerasifera f.atropurpurea)等5种常见绿化树种的叶表尘及重金属Cd、Cr、Cu、Mn、Ni、Pb、Zn含量,并计算尘金属综合累积指数(MAI),进而与邻近站点大气颗粒物观测数据对比并进行统计分析,尝试量化评价植物所处环境的大气颗粒物及尘重金属综合污染状况.结果表明:采用榆树叶表尘可量化评价大气可吸入颗粒物PM10的月均质量浓度,相对误差为1.2%~10.6%;臭椿叶表尘可量化评价大气细颗粒物PM2.5的月均质量浓度和月均空气质量指数(AQI),相对误差分别为0.18%~3.7%和0.26%~5.7%.MAI值可指示大气尘重金属综合污染状况,本研究中京承高速和朝阳公园大气尘重金属综合污染较重,其次为念坛公园、望京公园和玉蜓桥,最轻为岳各庄桥和麋鹿苑.     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.     

上海城区二次污染物形成过程及影响因素研究

利用气溶胶质谱仪在上海典型城区开展了对夏季亚微米颗粒物(PM_1)浓度及化学组分的实时在线观测,旨在捕捉污染过程、研究二次污染物的形成机制及影响因素.结果发现,上海城区二次污染物,包括二次有机气溶胶(SOA)、硫酸盐与硝酸盐是PM_1的主要组成,占比为82.5%,其中,SOA(28%)、硫酸盐(27%)与硝酸盐(27%)的比重相当.观测期间捕捉到了一个清洁期与两次污染的生消过程,清洁期的二次有机与无机污染物显著受到局地日间光化学转化过程的影响,污染过程根据气象条件的不同可以分为不同的阶段,包括传输期、累积期与消散期.传输期与消散期的局地光化学过程对SOA的形成有显著的促进作用,累积期SOA受到颗粒相水含量与区域传输的共同作用.污染期硝酸盐浓度显著上升,液相反应是促进污染期硝酸盐生成的重要因素,而污染期硫酸盐主要受到区域传输的影响.     

东亚大气可吸入颗粒物时空分布的数值模拟研究

利用嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年东亚地区可吸入颗粒物(PM10)的时空演变,并初步评估了其对人群健康的危险度.结果表明,NAQPMS模式能够合理地反映东亚地区PM10的时空分布,不同季节观测值和模拟值的总体相关系数达到0.65~0.85.2010年东亚PM10的地面浓度高值区(100μg·m-3)出现在我国华北、华中和内蒙古中西部等地区.其中,无机盐(硫酸盐、硝酸盐和铵盐)对我国东部PM10的贡献最大(10~70μg·m-3,20%~50%);一次PM10次之(5~50μg·m-3,10%~30%),有机物(5~30μg·m-3,10%~20%)和黑炭(3~20μg·m-3,3%~5%)紧随其后.PM10可以引起我国东部人群急性总死亡率增加2%~5%,对我国居民的健康水平构成了一定威胁.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.