西宁市典型开放源颗粒物粒径组成特征分析

采用BT-9300S激光粒度仪分析了西宁市道路尘、扬尘、土壤尘、建筑尘4种典型开放源的粒径组成。结果表明,4种类型尘中大粒径颗粒物占主导地位,粒径大于10 μm颗粒占到全部颗粒的73.80%以上,可吸入颗粒物的含量仅占7.06%～26.20%;建筑尘的细颗粒物含量最高,粒径小于2.5、1 μm的颗粒含量分别为8.36%±4.25%、2.42%±1.02%;道路尘的细颗粒物含量最低,粒径小于2.5、1 μm的颗粒含量分别为2.30%±0.94%、0.73%±0.28%;4种类型尘的体积平均直径、面积平均直径、中位直径分别在37.70～87.99 μm、8.50～23.53 μm、28.95～74.98 μm之间,其中道路尘的3种粒径参数最大,建筑尘最小;开放源颗粒物的粒度分布曲线主要呈头长尾短的不对称单峰分布,累积频率曲线为两段式,存在较为明显的拐点。     

大气颗粒物源解析受体模型应用研究及发展现状

通过大量文献资料调研对化学质量平衡模型、二重源解析技术、主因子分析、正矩阵因子分析法等目前应用较广泛的受体模型方法的原理、优缺点和应用现状进行了比较分析,对单颗粒源解析方法、有机物示踪技术和扩散与受体模型联用技术等受体模型新技术方法进行了评述。     

保山市大气细颗粒物排放特征与理化特征分析

于2016年11月9日—14日,用单颗粒气溶胶在线源解析技术分析保山市体育馆监测点大气中PM_(2.5)的化学组成、粒径分布、来源及典型排放源质谱特征。结果表明:采集的颗粒可分为7类,主要以有机碳、元素碳和混合碳颗粒为主,占电离颗粒数的60%以上;不同类型颗粒粒径分布差异较为明显;机动车尾气为首要污染贡献源,且呈周期性变化,每日有两个上升时段,分别为凌晨1:00—10:00和12:00—20:00;其次为燃煤源,贡献率为10%～40%;工艺过程源与生物质燃烧源贡献率相一致,总体上夜间贡献率高于白天;扬尘源、二次无机源贡献率变化幅度不大。     

大气颗粒物中多环芳烃的源解析方法

综述了用于大气颗粒物中多环芳烃（PAHs)源解析的主要定性、定量方法、并对其优缺点作了总结。比值法多用于定性解析,化学质量平衡法（CMB）要求源的成分谱较全面,而多元统计法则要求输入的数据较多。由于缺乏各污染源较完整的PAHs成分谱,且PAHs易发生化学反应,所以CMB法难以广泛推广,而多元统计法对源成分谱,且PAHs易发生化学反应,所以CMB法难以广泛推广,而多元统计不对源成分谱要求低,且不需要考虑PAHs的降解,因而具有推广价值。     

蚌埠市夏季大气细颗粒物在线源解析

为了解蚌埠市环境空气中PM2.5的来源,于2017年8月18日—9月18日,在百货大楼和高新区站点,利用单颗粒物气溶胶飞行时间质谱仪开展PM2.5在线源解析。结果表明,百货大楼点位ρ(PM2.5)高于高新区点位,轻度污染比例(4.2%)明显高于高新区点位(0.8%),出现了中度污染(0.3%);SPAMS的PM2.5质谱图显示百货大楼点位PM2.5中K^+、Na^+特征明显,高新区点位HSO^-4、NO^-3、NO^-2等无机信号较为明显;2个点位NO^-3、NO^-2、NH^+4离子颗粒数占总颗粒数的百分比明显较高,且高新区点位NO^-3、HSO^-4离子数占比要明显高于百货大楼点位,燃料燃烧、工业工艺源、农田氮肥施用是其主要的人为污染源;2个点位PM2.5成分主要为元素碳,分别占比42.4%,40.6%;污染时段,ρ(PM2.5)快速上升,除受本地机动车尾气源和燃煤源累积影响外,百货大楼点位扬尘源排放增加,高新区点位扬尘源和工业工艺排放源增加;2个点位机动车尾气源均为首要污染源,分别占比29.5%和30.9%,其次为燃煤源(24.3%和24.7%),扬尘源占比分别为22.9%和20.8%。     

宜兴市细颗粒物化学特征和来源解析

通过在宜兴市3个监测站点对细颗粒物(PM_(2.5))开展不同季节采样,对样品做化学分析,结合化学质量平衡(CMB)模型解析PM_(2.5)来源贡献。结果表明,宜兴市PM_(2.5)年均质量浓度为37.5μg/m~3,冬季质量浓度最高,为53.1μg/m~3。PM_(2.5)主要化学成分为SO_4~(2-)、NO_3~-、OC、EC、NH_4~+、Cl~-、Ca、Na、Al。PM_(2.5)的主要排放源贡献为二次硫酸盐(21.0%)、二次有机气溶胶(14.9%)、二次硝酸盐(14.1%)和燃煤电厂(8.0%)。利用本地排放源清单进行二次来源解析,得到全年主要排放源贡献为工业(33.1%)、燃煤(23.1%)、移动源(17.6%)、扬尘(9.3%)和其他来源(16.9%)。减轻颗粒物污染,重点是控制工业生产、燃煤及机动车中的排放。     

大气颗粒物中铅污染来源解析技术

近年来,我国大气颗粒物中铅的污染比较严重,其来源比较复杂.大气颗粒物中铅污染来源的解析比较成熟的主要有同位素丰度比、无机多元素分析、质子微探针技术等方法,而序列提取、化学形态分析等技术还处于探索阶段.     

城市大气中颗粒物的研究现状及健康效应

综述了大气尘(TSP、PM10、PM2.5)的研究现状,重点围绕TSP、PM10、PM2.5的物理特征、化学组成(有机组成、重金属元素的总含量及其各化学形态分布)及其源解析进行描述,也提及了大气颗粒物与健康的关系.     

不同粒径空气颗粒物中11种多环芳烃的分析测定

将五段多孔冲击分级器 (粒径分级 :≤ 1 .1 ,1 .1～ 2 .0 ,2 .0～ 3 .3 ,3 .3～ 7.0 ,≥ 7.0μm)与大流量采样器连接 ,采集呼和浩特市冬夏两季空气颗粒物样品 ,用高压液相色谱仪 (HPLC)测定样品中的蒽 (An)、菲 (Ph)、萤蒽 (Fl)、芘 (Py)、(Ch)、苯并 [a]蒽 (Ba A)、苯并 [a]芘 (Ba P)、二甲基苯并 [a]蒽 (DMBa A)、二苯并 [ah]蒽 (DBah A)、苯并 [ghi] (Bghi P)和晕苯 (Cor)等 1 1种多环芳烃化合物 (PAHs)。数据表明 :呼和浩特市空气颗粒物中 PAHs的浓度较高 ;有约 97%的 PAHs富集于可吸入颗粒中。     

BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

Sources of PM10 and PM2.5 in Cairo’s ambient air

A source attribution study was performed to assess the contributions of specific pollutant source types to the observed particulate matter (PM) levels in the greater Cairo Area using the chemical mass balance (CMB) receptor model. Three intensive ambient monitoring studies were carried out during the period of February 21–March 3, 1999, October 27–November 27, 1999, and June 8–June 26, 2002. PM₁₀, PM_2.5, and polycyclic aromatic hydrocarbons (PAHs) were measured on a 24-h basis at six sampling stations during each of the intensive periods. The six intensive measurement sites represented background levels, mobile source impacts, industrial impacts, and residential exposure. Major contributors to PM₁₀ included geological material, mobile source emissions, and open burning. PM_2.5 tended to be dominated by mobile source emissions, open burning, and secondary species. This paper presents the results of the PM₁₀ and PM_2.5, source contribution estimates.     

改进二重源解析技术应用中需注意的几个重要问题

对改进二重源解析技术的计算步骤进行了介绍,并对计算中需要注意的几个主要问题进行了阐述,其中包括成分谱的建立、解析参数的范围以及独立源的选取原则。     

Motor Vehicle Contributions to Ambient PM10 and PM2.5 at Selected Urban Areas in the USA

A source apportionment study was carried out to estimate the contribution of motor vehicles to ambient particulate matter (PM) in selected urban areas in the USA. Measurements were performed at seven locations during the period September 7, 2000 through March 9, 2001. Measurements included integrated PM_2.5 and PM₁₀ concentrations and polycyclic aromatic hydrocarbons (PAHs). Ambient PM_2.5 and PM₁₀ were apportioned to their local sources using the chemical mass balance (CMB) receptor model and compared with results obtained using scanning electron microscopy (SEM). Results indicate that PM_2.5 components were mainly from combustion sources, including motor vehicles, and secondary species (nitrates and sulfates). PM₁₀ consisted mainly of geological material, in addition to emissions from combustion sources. The fractional contributions of motor vehicles to ambient PM were estimated to be in the range from 20 to 76% and from 35 to 92% for PM_2.5 and PM₁₀, respectively.     

东南沿海典型岛屿大气降水化学特征及来源分析

于2020年6月—2021年5月,应用相关分析、富集因子(EF)以及正定矩阵因子分解模型(PMF)和气团来源分析对东南沿海岛屿平潭大气降水化学特征及来源进行了综合评价与分析。结果表明,平潭大气降水pH值为3.96~7.49,平均值为4.78;电导率(EC)为4.9~342.0μs/cm,平均值为24.4μs/cm,高于我国降水背景点值;大气降水中各离子组分当量浓度排序为:Cl->Na+>SO_(4)^(2)>NO-3>Ca 2+>NH+4>Mg 2+>K+>F->NO-2,Cl-和Na+是降水中占比最大的阴、阳离子,其当量浓度占总离子当量浓度的51.4%;NO-3对平潭大气降水酸化的贡献较高(55.9%),且有77%的大气降水酸度被碱性物质中和,其中铵根离子(NH+4)和钙离子(Ca 2+)有着较强的中和能力。富集因子分析结果表明,除海洋源外,地壳源和人为源也是平潭大气降水离子的主要来源;PMF模型结果显示,海洋源、人为源、地壳源和燃烧源分别贡献了平潭大气降水离子的61.1%,23.8%,10.0%和5.1%;气团来源分析结果表明,区域传输对平潭大气降水离子分布及空气质量影响显著,京津冀和长三角地区排放的人为污染物可以经海上传输通道由北至南影响我国下风向地区,给沿海地区大气细颗粒物(PM_(2.5))与臭氧(O_(3))协同控制带来挑战。     

环境空气颗粒物来源解析受体采样频率优选方法初探

环境空气颗粒物来源解析受体样品化学组成的时空差异,除受采样点位分布制约外,主要还受采样时间的制约。如何选取时间段及采样周期显得尤为重要。通过青岛市空气自动监测系统近几年获取的颗粒物连续时均值数据,采用统计优化组合选择法,筛选出日均值、年均值的最佳采样时段,可供类似研究参考。     

2006—2020年上海市闵行区大气降水化学特征及来源分析

为研究上海市闵行区大气降水化学特征及来源,以2006—2020年上海市闵行区大气降水监测数据为依据,对大气降水量、pH值、电导率(EC)和主要离子进行了统计分析。结果表明:2006—2020年上海市闵行区大气降水呈酸性,pH值范围为4.41~5.19,酸雨频率呈下降趋势;EC变化范围为1.26~3.67 mS/m,平均值为2.32 mS/m;夏季pH值最高,酸雨发生频率、EC和总离子浓度最低,冬季pH值最低,总离子浓度最高。大气降水中各离子组分浓度占比大小排序为:SO^(2-)_(4)>NH^(+)4>NO^(-)3>Ca^(2+)>Cl^(-)>Na^(+)>Mg^(2+)>F^(-)>K^(+),主要阴、阳离子SO^(2-)_(4)、Ca^(2+)和NH^(+)4浓度呈明显下降趋势,NO^(-)3浓度变化较平稳;SO 2-4与NO^(-)3的浓度比范围为0.94~3.59,呈波动下降趋势,降雨类型由硫酸型逐步转为混合型。因子分析及相关性分析显示,因子1中所有的离子成分都有较大的载荷,各离子在来源上可能具有一定的共性,Ca^(2+)与Mg^(2+)、K^(+)表现出显著相关,其可能来源于地壳组分;Cl^(-)与K^(+)、Mg^(2+)、Ca^(2+)的相关性显著,Mg^(2+)、K^(+)与Cl^(-)、Na^(+)有强相关性,表明海洋输送及生物质燃烧对大气降水化学组成的影响;NO_(3)^(-)、SO^(2-)_(4)和NH^(+)4在因子2中为高荷载,且有很好的相关性,它们可能有相似的来源或形成化合物共同存在。     

郑州大气及颗粒物中多环芳烃的分布特征与来源解析

对2012年郑州市大气中气态和颗粒态多环芳烃(PAHs)的分布特征与来源进行了分析。结果表明,ρ(∑PAHs)(包括气相与颗粒相)为23.27~194.61 ng/m3,气相中∑PAHs高于颗粒相,四环以下的PAHs大都存在于气态中;在夏、春2季,较小分子质量(≤178)的PAHs占比较高,冬季,较大分子质量(≥252)的PAHs占比明显较高;各功能区ρ(PAHs)排序为工业区交通密集区医疗、文化、行政混合区。郑州大气和颗粒物中PAHs可能主要来自煤和液体燃料(汽油柴油)的燃烧。     

沈阳市大气中PM2.5来源解析研究

通过2015年在沈阳市采集PM2.5样品及源类样品,分析样品的质量浓度和化学组成,用化学质量平衡(CMB)模型对该市PM2.5来源进行解析。结果表明:沈阳市大气中PM2.5浓度时空变化特征明显;各主要源类对沈阳市PM2.5的分担率依次为煤烟尘(28.03%)、二次无机离子(22.63%)、机动车尾气尘(17.27%)、城市扬尘(13.28%)、建筑尘(5.94%)、土壤风沙尘(5.82%)、道路尘(3.04%)、生物质燃烧尘(2.74%)和冶金尘(1.25%)。燃煤和机动车的有效控制既能降低本类源的贡献,也能降低二次无机离子,体现了多源类综合治理原则。     

In-vehicle Measurement of Ultrafine Particles on Compressed Natural Gas, Conventional Diesel, and Oxidation-catalyst Diesel Heavy-duty Transit Buses

Many metropolitan transit authorities are considering upgrading transit bus fleets to decrease ambient criteria pollutant levels. Advancements in engine and fuel technology have lead to a generation of lower-emission buses in a variety of fuel types. Dynamometer tests show substantial reductions in particulate mass emissions for younger buses (<10 years) over older models, but particle number reduction has not been verified in the research. Recent studies suggest that particle number is a more important factor than particle mass in determining health effects. In-vehicle particle number concentration measurements on conventional diesel, oxidation-catalyst diesel and compressed natural gas transit buses are compared to estimate relative in-vehicle particulate exposures. Two primary consistencies are observed from the data: the CNG buses have average particle count concentrations near the average concentrations for the oxidation-catalyst diesel buses, and the conventional diesel buses have average particle count concentrations approximately three to four times greater than the CNG buses. Particle number concentrations are also noticeably affected by bus idling behavior and ventilation options, such as, window position and air conditioning.