广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。     

北京城区PM_(2.5)有机碳和元素碳的污染特征及来源分析

为研究北京城区PM_(2.5)中有机碳(OC)和元素碳(EC)的浓度水平、季节变化特征与主要来源,于2015年4月至2016年3月在北京西三环交通带附近采集4个季节PM_(2.5)有效样品95组,利用热光反射法测定了PM_(2.5)中OC和EC的质量浓度,并对OC/EC值、OC与EC相关性、二次有机碳(SOC)等特征及污染来源进行了分析.结果表明,采样期间PM_(2.5)平均质量浓度为(109.9±7.99)μg·m~(-3). PM_(2.5)中OC的年平均质量浓度为(13.49±4.32)μg·m~(-3),占PM_(2.5)的13.13%; EC的年平均质量浓度为(5.41±1.83)μg·m~(-3),占PM_(2.5)的5.2%.OC和EC平均浓度及OC和EC在PM_(2.5)中所占比例的季节变化特征均为冬季最高,秋季大于春季,夏季最低.4个季节PM_(2.5)中OC/EC比值均大于2.0,表明各季节存在二次有机碳(SOC)的生成,采用OC/EC最小比值法对SOC含量进行了估算,SOC年平均浓度为(6.88±1.10)μg·m~(-3),占OC含量的50.86%,冬秋季节的SOC浓度水平高于春夏季节.夏季SOC对OC的贡献率为62.22%,高于其他季节.相关性分析表明,OC与EC的相关性在春季(R2=0.9046)和秋季(R2=0.8886)高于夏季(R2=0.4472)和冬季(R2=0.6018),表明春秋两季OC与EC来源相似且相对简单.进一步对PM_(2.5)中8个碳组分质量浓度进行分析显示,北京城区大气碳质气溶胶主要来自汽油车排放和燃煤.     

太原市PM_(2.5)中含碳气溶胶特征分析

为研究太原市环境空气中含碳组分的时空分布变化规律,于2014年3月、5月、8月、12月采集了太原市3个点位春、夏、秋、冬等4个季节的PM_(2.5)样品,利用碳分析仪(DRI 2001A)测定了样品中OC1、OC2、OC3、OC4、EC1、EC2、EC3、OPC共8种碳组分含量,计算了有机碳(OC)、元素碳(EC)二者浓度,分析了OC和EC的时空分布特征.结果显示,太原市PM_(2.5)中OC和EC的平均质量浓度分别是13.5±14μg·m~(-3)和6.5±6.1μg·m~(-3),其中OC浓度随季节变化顺序为冬季春季夏季秋季,EC浓度季节变化与OC一致.春、夏、秋、冬4个季节总含碳气溶胶(TCA)占PM_(2.5)比例分别为17.6%、9.5%、8.8%、42.3%,其中冬季最高,表明冬季含碳气溶胶污染较为严重.夏季中OC和EC相关性较弱(R~2=0.4054),而春季(R~2=0.7659)、秋季(R~2=0.8253)、冬季(R~2=0.8184)OC和EC相关性较强,表明夏季碳气溶胶来源不同.通过(OC/EC)min最小比值法估算二次有机碳(SOC)浓度,春、夏、秋、冬季SOC浓度分别为2.8±2.9μg·m~(-3)、1.0±0.8μg·m~(-3)、 0.5±0.4μg·m~(-3)、 3.6±3.5μg·m~(-3),冬季SOC浓度最高. 8种碳组分分析结果显示,不同季节一次排放源中生物质燃烧、机动车尾气排放及煤炭燃烧对太原市含碳气溶胶贡献不同,其中,冬季燃煤和机动车排放使太原市含碳气溶胶污染严重,应加强燃煤和机动车排放源管控,来减轻碳组分污染.     

华北典型城市PM_(2.5)中碳质气溶胶的季节变化与组成特征

2013年10月至2014年9月,在华北典型城市——河南新乡市市区采集4个季节大气PM_(2.5)样品,每个季节连续采样1个月,共获得样品124个。用热-光透射法(TOT)分析了PM_(2.5)中的碳质气溶胶组成,并用核磁共振(~(13)C-NMR)的方法测定了碳组分结构。采样期间PM_(2.5)、OC和EC的日平均质量浓度分别为(238±123)、(28.5±20.5)和(5.08±4.46)μg·m~(-3)。其中4个季节的TC与PM_(2.5)质量浓度高度相关,显示碳质气溶胶是新乡PM_(2.5)的重要组分,其季节平均质量浓度大小顺序为:冬季秋季春季夏季。OC/EC比值在2.78~16.20之间,平均值为6.33,说明新乡碳质气溶胶来源具有多样性。不同季节OC/EC比值的变化范围也有不同,其中春季变化范围最小,说明污染源相对比较稳定;冬季变化范围最大,最低值为2.78,最高值为16.2,显示了生物质燃烧贡献的重要性。核磁共振结果显示新乡市碳质组分的主要成分为烷基碳、羟基碳、烷基取代的芳香碳和芳烃或者酚醛树脂类碳。秋季羧酸类碳和氧取代芳烃或者酚醛树脂类碳明显增加,显示了生物质燃烧对城市秋季大气碳质气溶胶贡献的重要性;冬季羟基化合物增加主要来源于室内生物质燃烧;春季芳香类化合物增加,可能为汽车尾气排放源;夏季烷烃类碳明显增加,与植物生长和气候有关。     

高原城市昆明PM_(2.5)中碳组分污染特征及来源分析

为研究昆明市大气细颗粒物(PM_(2.5))中碳组分特征,于2014年7月21—27日、2014年10月27—11月2日、2014年1月9—15日、2015年4月14—20日采集了昆明中心城区3个采样点的大气PM_(2.5)四季样品,采用IMPROVE热光分析法准确地测量了样品的有机碳(OC),元素碳(EC)及其中的8个碳组分含量,分析了OC和EC的时空变化特征、相关性关系及其比值特征,并采用因子分析方法研究了主要排放来源对总碳的贡献.结果显示,昆明城区的OC和EC年平均浓度分别为17.83±9.57μg·m~(-3)、5.11±4.29μg·m~(-3),OC浓度显示冬季≈春季秋季夏季的变化趋势,EC浓度显示冬季春季≈秋季夏季的变化趋势,OC与EC浓度季节分布的不一致反映了两种不同性质碳组分排放源之间可能存在差异.从空间分布上来说,OC和EC均呈现金鼎山(工业区)东风东路(交通密集区)西山森林公园(清洁对照区)的特点,与PM_(2.5)的空间分布规律保持一致.OC和EC的相关性在冬、春季较显著,而夏、秋季的相关性较弱.二次有机碳(SOC)对OC的贡献率在金鼎山、东风东路和西山森林公园的3个采样点分别为25.8%、23.7%和47.7%,SOC是总有机碳的重要组成部分.因子分析表明,4个季节燃煤、汽油车、柴油机排放及生物质燃烧对碳气溶胶贡献显著,都是碳组分的重要来源之一.其中,在常年尺度上,机动车排放和燃煤的混合贡献了碳组分的51.3%,是昆明城区碳气溶胶的最主要来源.     

宜宾市PM_(2.5)中碳组分的污染特性及来源分析

2017年1月—12月期间在四川省宜宾市布置4个点位,共采集360个PM_(2.5)样品膜,采用美国沙漠研究所DRI Model 2001型热光分析仪测定PM_(2.5)样品中OC、EC的浓度值,应用OC/EC比值法对SOC进行了估算.结果表明,宜宾市PM_(2.5)年均浓度为75.2μg·m~(-3).OC、EC年均浓度分别为14.3μg·m~(-3)和4.30μg·m~(-3),季节变化趋势为冬季秋季春季夏季,OC占PM_(2.5)比例为19.0%,为PM_(2.5)重要组成部分.SOC年均浓度为4.70μg·m~(-3),对OC贡献较大,在OC中占比为29.3%;SOC在OC中的占比春季冬季≈秋季夏季.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3、和OPC进行主成分分析,结果表明机动车尾气、燃煤排放和生物质燃烧是宜宾市PM_(2.5)中OC和EC的主要贡献源,可贡献PM_(2.5)中碳组分的54.0%—69.0%.     

重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征

为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。     

北京冬季重污染过程大气细颗粒物化学组成特征及来源分析

为研究北京冬季重污染过程细颗粒物(PM_(2.5))的化学组成特征和来源贡献,利用大流量颗粒物采样器于2014年1月8日—19日对PM_(2.5)样品进行了为期12 d的采集,每4 h更换1次滤膜.采集的样品分别利用GC-MS、IC、ICP-MS、EC/OC仪测定了其中的有机组分、水溶性离子、金属元素和EC、OC等成分.结果表明,北京冬季PM_(2.5)维持在较高的水平,清洁天和霾天PM_(2.5)的平均浓度分别为86.0μg·m~(-3)和200.4μg·m~(-3),其中水溶性离子和有机物是主要组成,随着污染的发生,水溶性离子的占比由清洁天的35.6%快速上升至霾天的52%,而有机物的占比由清洁天的34.0%下降至霾天的17.4%.在所测定的有机组成中,糖类和一元脂肪酸是浓度最高的组成,其次为正构烷烃和多环芳烃,二元脂肪酸浓度最低,除二元脂肪酸外,其他检测的有机物均为霾天高于清洁天,表明霾天有更多的一次有机物的排放,根据PMF受体模型分析结果表明,霾天中二次来源是北京冬季PM_(2.5)的主要来源.     

石家庄冬季道路积尘PM_2.5与PM_10碳组分污染特征分析

为探讨石家庄市冬季道路积尘中PM_2.5与PM_10的碳组分污染特征和来源,利用移动式采样法对市区不同类型铺装道路积尘进行收集,用热光碳分析仪测定样品中有机碳(OC)和元素碳(EC)的含量并分析其特征.结果表明,OC、EC在PM_2.5中的平均质量浓度为166.54 mg·g~(-1)、25.35 mg·g~(-1),在PM_10中的平均质量浓度为118.31 mg·g~(-1)、20.3 mg·g~(-1),总碳(TC)占PM_2.5中百分比为19.2%,占PM_1013.9%,表明碳组分更容易富集到细粒径颗粒物上;相关性分析表明OC、EC来源大致相同;8个碳组分中OC3的百分含量最高,OC4次之,EC3最低;主成分分析及OC、EC相关分析结果表明冬季道路积尘中的碳主要来自于机动车尾气排放和大气降尘中的燃煤成分.     

济南市居住区采暖季大气PM_(2.5)中碳组分构成及变化分析

为探究济南市采暖季环境空气中PM_(2.5)中碳组分的污染情况及主要来源,于2017年11月16日-2018年3月31日和2017年11月16日-28日分别进行了居住区和背景区离线颗粒物采样,运用美国沙漠研究所DRIModel2015多波长热/光学碳分析仪对大气PM_(2.5)中碳组分进行了分析。研究结果显示,日均质量浓度ρ(OC)、ρ(EC)和ρ(PM_(2.5))在居住区为9.26、3.16、85.32μg·m~(-3),在背景区为2.88、1.44、59.27μg·m~(-3),说明居住区碳组分污染程度明显高于背景区。居住区日均质量浓度最高的碳组分为OC4、OC3和EC2;OC3和OC4日均质量浓度随污染等级从优向重度污染变化的过程逐渐增大,且OC日均质量浓度的变化情况跟OC3和OC4日均质量浓度变化相一致。但OC/PM_(2.5)和EC/PM_(2.5)均随污染等级的加重而呈下降趋势,可见OC和EC并不是济南采暖季重污染天气的控制因子。PMF来源解析结果显示,济南市采暖季居住区碳组分贡献较大的源为燃煤源、汽油车尾气和道路尘。结合碳组分在线监测仪器(美国SUNSET公司,型号RT-4)同期OC和EC质量浓度数据,采用Cabada改进后的方法,计算出SOC和POC质量浓度分别为1.14μg·m~(-3)和4.69μg·m~(-3)对采样时间段内一次典型重污染过程进行分析,发现CO、EC、POC等一次污染物的大量排放、不利的气象因素、区域传输等因素共同导致了此次污染过程的的形成。     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

天津城区PM_(2.5)中碳组分污染特征分析

为探讨天津城区碳组分的季节污染特征,于2009年4月—2010年1月采集大气PM2.5样品,测定其碳组分浓度,分析有机碳(OC)和元素碳(EC)的相互关系,并探讨气象条件对碳组分浓度的影响.结果表明,天津城区PM2.5质量浓度为141.47μg·m-3,OC和EC质量浓度年均值分别为18.81μg·m-3和6.86μg·m-3,分别占PM2.5质量浓度的13.3%和4.8%,碳组分系PM2.5的重要组成部分;季节分布特征显示,秋、冬季OC和EC污染较为严重,总碳气溶胶(TCA)分别为45.74μg·m-3和46.75μg·m-3,占PM2.5质量浓度的30.1%和40.1%;采用改进的OC/EC最小比值法计算得到的二次有机碳(SOC)浓度显示,秋季和冬季SOC较高,为7.45μg·m-3和7.28μg·m-3.后向轨迹的聚类分析表明,局地气流或偏南气流控制下的PM2.5中碳组分浓度较高.     

天津市采暖季PM_(2.5)中碳组分污染特征及来源分析

为探究天津市采暖季PM_(2.5)中碳组分的污染特征及来源,于2017年11月28日—2017年12月30日,分昼夜采集天津市大气中的PM_(2.5)样品,并利用热光碳分析仪测定了PM_(2.5)样品中有机碳(OC)和元素碳(EC)的质量浓度。对天津市PM_(2.5)中OC和EC的浓度变化特征进行分析,采用OC/EC最小比值法估算二次有机碳(SOC)的含量,然后利用主成分分析法(PCA)对碳组分进行来源解析,并基于后向轨迹聚类分析方法探讨区域污染传输对天津市碳组分的影响。结果表明,(1)采样期间,PM_(2.5)中OC和EC的平均质量浓度分别为15.63、4.19μg·m~(-3),分别占PM_(2.5)质量浓度的23.78%和6.38%,天津市碳组分污染仍然比较严重。另外,OC和EC的质量浓度及其占PM_(2.5)质量浓度的百分比均呈现出昼低夜高的特点。(2)OC和EC之间的相关性在白天与夜间均较强(R2分别为0.89和0.75),表明OC与EC的来源均较为一致。夜间相关系数R2较低,碳组分来源更为复杂。(3)白天SOC的估算值为5.37μg·m~(-3),占OC的38.71%;夜间SOC的估算值为8.54μg·m~(-3),占OC的48.69%,天津市存在严重的SOC污染。(4)2017年采暖季,天津市PM_(2.5)碳组分污染主要来源于汽油车尾气、道路扬尘、燃煤与生物质燃烧。与白天相比,夜间道路扬尘的贡献作用更加显著。(5)采样期间,天津市气团轨迹主要来自西北与偏北方向。不同方向的气团轨迹对PM_(2.5)中碳组分的影响存在显著差异。研究结果可为天津市制定具有针对性的大气污染控制措施以及区域间的联防联控提供科学依据。     

成都市冬季PM_(2.5)中碳组分污染特征及来源解析

为研究成都市冬季PM_(2.5)中碳组分的污染特征和来源,于2019年12月7—28日在成都市进行PM_(2.5)的采集,并利用热光碳分析仪和元素分析仪-同位素质谱仪分别测定了样品中有机碳(OC)和元素碳(EC)的质量浓度以及碳同位素的组成特征。结果表明,成都市PM_(2.5)、OC和EC的平均质量浓度分别为98.23、14.50、2.19μg·m~(-3);OC和EC的相关性较高(相关系数为0.80),表明OC和EC可能具有一致的来源,也有可能是具有较高的混合程度;OC/EC比值大于2.0,表明成都市冬季有二次有机碳(SOC)的形成,且SOC/OC的比值为34.48%;主成分分析结果显示,生物质燃烧、燃煤和汽油车尾气尘混合源是成都市冬季PM_(2.5)碳组分的主要来源,贡献率为59.68%;其次是柴油车尾气尘,贡献率为22.40%;碳同位素组成结果显示,成都市冬季PM_(2.5)碳组分的来源与汽油车尾气排放相关性最强,其次为C3植物燃烧;通过IsoSource模型软件进行计算,可知不同时期各污染源的贡献比例均呈现出汽油车尾气排放C3植物燃烧柴油车尾气排放燃煤C4植物燃烧地质源(农业土壤、扬尘)的规律,但相较于清洁期来说,污染期的汽油车尾气排放和C3植物燃烧污染源所占比例增大。研究结果可为成都市大气污染治理提供理论指导。     

北京大气颗粒物碳质组分粒径分布的季节变化特征

为了解有机碳(OC)和元素碳(EC)在北京大气颗粒物中的季节变化、粒径分布和来源,于2010年3月—2011年2月采用惯性撞击分级采样器采集大气颗粒物样品,热光碳分析仪测定其中有机碳和元素碳质量浓度.结果表明,OC在粗细粒子中含量相当,EC主要存在于细粒子中,在<2.1μm颗粒物中分别占(52±11)%和(70±22)%.OC存在明显的季节变化,冬、夏季高于春、秋季,而EC则表现为冬、秋季大于春、夏季.OC和EC粒径分布呈"双峰型",细粒子段峰值分别位于0.43—1.1μm和0.43—0.65μm,粗粒子段峰值均位于4.7—5.8μm.四季峰值对应的粒径段、峰宽和峰高存在差异.OC与EC粒径分布和相关性的季节变化表明,冬季OC与EC的主要来源为燃煤排放,夏季EC的主要来源为机动车尾气.     

新冠肺炎疫情期间南京市PM_(2.5)中碳质组分污染特征分析

为掌握新冠肺炎疫情爆发前后南京市城区细大气细颗粒物(PM_(2.5))中有机碳(OC)和元素碳(EC)的浓度变化特征,于2020年1—2月期间在南京市主城区在线监测了PM_(2.5)、OC、EC浓度及气象要素。与应急响应前相比,应急响应启动后PM_(2.5)浓度下降了41.2%,EC浓度下降了57.9%,而OC浓度不降反增,表明停工停产显著降低了PM_(2.5)和EC浓度,但对OC浓度变化影响较小。在应急响应前,OC和EC浓度均呈现白天浓度低、清晨及傍晚浓度高的日变化规律;在应急响应后,EC浓度日变化不大且维持在较低水平,OC浓度呈现午后浓度低、午前和傍晚浓度高的变化规律。PM_(2.5)浓度在应急响应后的大幅减少导致光照辐射强度提升,有利于光化学反应生成二次有机碳(SOC)。在PM_(2.5)和EC浓度下降的形势下SOC浓度不降反增,同时OC与EC的相关性显著降低。     

佛山市大气细粒子碳质组分时空分布特征及其影响因素

采用热/光法测定了2011年夏季和冬季佛山市城区和对照点大气细粒子碳质组分浓度水平,并讨论了城区与对照点碳质组分的污染水平和时空差异;通过分析OC与EC的相关性,研究了各站点大气中碳质组分的主要来源;最后采用ρ(OC)/ρ(EC)最小比值法估算了各站点SOC的污染水平。结果表明:佛山市大气细粒子碳质组分中有机碳(OC)和元素碳(EC)质量浓度分别为9.93μg·m-3和6.47μg·m-3。从季节上看,佛山市碳质组分季节分布明显,冬季污染程度明显高于夏季,各个区域夏季和冬季OC质量浓度分别为5.33～10.60μg·m-3和10.60～15.94μg·m-3,相应的EC质量浓度分别为3.58～6.94μg·m-3和6.03～10.12μg·m-3;夏季和冬季ρ(OC)/ρ(EC)比值分别为1.15～1.84和1.32～2.34。从空间上看,佛山市各区域OC、EC、ρ(OC)/ρ(EC)和ρ(SOC)/ρ(OC)的变化范围较大,城区与对照点二次有机碳(SOC)占OC比例分别为19%～56%和21%～76%,反映了佛山市碳质组分空间分布存在着显著差异。总体上,佛山市各采样点夏季明显受局地污染影响,冬季明显受区域污染影响。OC与EC的相关性系数r2在0.4～0.7之间,说明佛山市大气颗粒物中OC和EC有相似来源。从大气细粒子浓度来看,对照点更合镇污染程度相对较轻,明显低于其他几个城区采样点,但从大气细粒子碳质组分浓度来看,更合镇碳质组分污染水平较高,特别是冬季EC浓度明显高于城区,表明一次燃烧源对更合镇细粒子污染有重要贡献。研究结果对于对后续评估佛山市大气污染整治效果具有一定参考价值,同时可为产业结构类似佛山的其他重工业城市大气污染控制提供基础数据。     

嘉兴市碳质气溶胶的特征分析

2013年10月到2014年2月在嘉兴城区对大气中细颗粒物的质量浓度和含碳气溶胶进行了在线连续观测,获得秋冬季节碳质气溶胶的变化特征。观测期间,有机碳(organic carbon,OC)的平均质量浓度为12.5μg/m^3,日均质量浓度变化范围为2.1~61.1μg/m^3;元素碳(elemental carbon,EC)的平均质量浓度为4.2μg/m^3,日均质量浓度变化范围为0.7~17.1μg/m3。OC和EC分别占PM2.5质量浓度的15.8%和5.3%。总碳气溶胶(total carbonaceous aerosols,TCA=1.6×OC+EC)的平均质量浓度为24.2μg/m3,日均变化范围为4.1~114.9μg/m3,约占PM2.5质量浓度的30.5%。较强的OC与EC相关性表明其具有相似的污染来源。OC/EC值为3.0,说明其受汽车尾气和煤炭燃烧的影响较大。二次有机碳(secondary origin carbon,SOC)的平均质量浓度为6.6μg/m^3,占PM2.5中总有机碳的53.0%。潜在源贡献(potential source contribution function,PSCF)分析表明,EC在长三角地区呈显著的区域性污染,而OC在输送过程中容易老化,区域性污染特征相对较弱。     

山东禹城夏季PM_(2.5)中碳质组分污染特征

为研究华北平原夏季PM2.5中有机气溶胶污染特征,于2015年6月20日至2015年7月30日对山东禹城生态站大气中PM_(2.5)进行了观测研究.结果表明,观测期间禹城大气PM_(2.5)日平均浓度为87.15±32.27μg·m~(-3),与我国《环境空气质量标准》(GB3095-2012)二级标准75μg·m~(-3)相比,超标率为58.53%.检测到的10种糖醇的平均总浓度为177.89±145.38 ng·m~(-3)(白天)和226.97±196.88 ng·m~(-3)(晚上),分别占WSOC的3.18%(白天)和4.97%(晚上).脱水糖(左旋葡聚糖、半乳聚糖和甘露聚糖)是检测到的糖类化合物中的主要组成部分,分别占总浓度的58.52%(白天)和75.61%(晚上).EC、OC、WSOC的平均质量浓度分别为2.68±2.8μg·m~(-3),7.51±4.4μg·m~(-3)、5.57±3.95μg·m~(-3),分别占PM_(2.5)质量浓度的3.08%、8.62%和7.34%.WSOC占OC的74.16%,表明有机碳中大部分是水溶性组分.利用EC示踪法和WSOC法估算的二次有机碳(SOC)的质量浓度分别为4.08±2.25μg·m~(-3)和4.90±3.11μg·m~(-3),且两种方法计算的SOC呈现很好的相关性(r=0.77,P0.001).估算得到的SOC为白天高于夜间,与白天光化学反应比较强烈、产生的二次有机物较多一致.相关性分析表明,OC、WSOC和SOC与相对湿度呈现显著的负相关,与SO_2表现出较强的正相关关系,与温度均没有表现出相关性.     

北京城区夏季PM_(2.5)中碳组分和二次水溶性无机离子浓度特征

为探索北京城区大气细颗粒物浓度水平及其碳组分和二次水溶性无机离子的浓度特征,于2014年6月1日至7月15日在车公庄地区使用微量振荡天平(TEOM+FDMS)、EC/OC在线分析仪以及水溶性离子在线分析仪对PM_(2.5)质量浓度及其主要化学组分(OC、EC、SO_4~(2-)、NO_3~-和NH_4~+)进行了实时监测.研究结果表明,北京市城区夏季PM_(2.5)质量浓度平均值为69.0±47.9μg·m-3,PM_(2.5)中OC、EC、SO_4~(2-)、NO_3~-和NH_4~+所占的比例分别为15.8%、2.4%、23.0%、15.7%和19.2%,SNA(SO_4~(2-)、NO_3~-和NH_4~+)合计达到了PM_(2.5)质量浓度的57.9%.研究各组分的日变化特征发现,OC和SO_4~(2-)白天浓度变化较小,夜晚浓度稍高;NO_3~-和NH_4~+则随着光照和温度的增加而逐渐降低;EC呈现出夜晚浓度高白天浓度低的特点.研究各组分的相关性及比值发现,OC和EC的相关系数为0.62,OC/EC大于2.0,说明北京城区夏季存在着较为严重的二次污染;此外,NO_3~-/SO_4~(2-)平均比值为0.68,SOR和NOR的变化趋势基本一致,两者的平均值分别为0.55和0.14.通过分析北京市城区夏季不同浓度级别各组分的变化发现,随着PM_(2.5)质量浓度的增加,OC和EC所占的比例不断降低,而SNA比例则不断升高,其中NO_3~-浓度水平的增加最为显著.