基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

沈阳市国三和国四排放标准不同车型柴油车PM2.5和PM10排放因子及碳组分源谱

柴油车是机动车排放的大气颗粒物的主要来源,为研究沈阳市柴油车PM_(2.5)和PM_(10)的排放因子及其碳组分排放特征,采用检车线车载测试方法采集了15辆国三和国四排放标准的小型、中型、大型载客和轻型、中型、重型载货柴油车尾气样品,并对其中的碳组分进行化学分析.结果表明,国三柴油车PM_(2.5)和PM_(10)的排放因子分别为(0. 193±0. 092) g·km-1和(0. 338±0. 305) g·km-1,国四柴油车PM_(2.5)和PM_(10)的排放因子分别为(0. 085±0. 038) g·km-1和(0. 100±0. 042) g·km-1,随排放标准的提升PM_(2.5)和PM_(10)排放因子显著下降.同一排放标准下,排放因子随车型的增大而增大. TC为柴油车的主要组分,国四柴油车中TC的质量分数(23%～48%)明显低于国三柴油车(29%～70%).各车型柴油车元素碳(EC)的质量分数均大于有机碳(OC),OC/EC为0. 70±0. 29,且国四柴油车OC/EC值低于国三柴油车.因载客汽车总行驶里程明显高于载货汽车导致油耗较高,相同排放标准载客汽车OC和EC的质量分数高于载货汽车.国三、国四柴油车质量分数最高的碳组分均为EC2,可将EC2作为柴油车的标识组分.     

吉林市大气PM_(2.5)污染特征及来源分析

2014年在吉林市设立7个大气PM_(2.5)采样点,分采暖季和非采暖季分别采样分析了吉林市城区大气颗粒物污染特征和可能来源。结果表明:吉林市大气颗粒物以PM_(2.5)为主,PM_(2.5)年均值65μg/m3,超过国家二级标准限值86%,PM_(2.5)/PM10的年平均值为61%;PM_(2.5)中,休闲生活区各个时间段金属元素浓度相对较低,工业混合区浓度较高;非金属离子SO2-4、NH+4、NO-3、Cl-是PM_(2.5)水溶性离子的主要成份,其和占PM_(2.5)质量的13.31%,在采暖期浓度质量全部高于非采暖期;采暖期OC和EC来源基本相同,来源于机动车尾气、燃煤和生物质燃烧等,在非采暖期OC和EC来源差异性较大,主要来源于机动车尾气和工业燃煤等。     

基于交通流的成都市高分辨率机动车排放清单建立

提出一种基于交通流监测数据的道路机动车高分辨率排放清单建立方法,对成都市道路交通流特征进行分析并建立了成都市机动车尾气高分辨率排放清单.结果表明,成都市道路车流量及排放均呈现明显的"双峰"分布,早晚高峰时段机动车通行量占全天的39.85%,车队结构中排放标准以国Ⅳ车为主,车辆类型以小型车为主,燃料类型以汽油车为主;道路机动车SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC和VOCs(不含驻车蒸发)日排放量分别为3.89、 162.08、 324.11、 4.79、 4.36、 1.89、 0.78和44.37 t,空间分布整体呈现从城市中心到外围排放强度逐渐降低趋势,时间分布基本呈现"双峰"分布,颗粒物相关指标受货车流量影响较大; NO_x、PM_(10)、PM_(2.5)、BC和OC主要来源为大型柴油车,CO主要来源为小型汽油车,其中大型车对NO_x的贡献率达80%;基于保有量的计算方法对成都市道路机动车污染物排放存在一定高估,高估比例在1%～30%.     

成都市国Ⅲ柴油车PM_(2.5)表面形貌与碳质组分研究

柴油车排放的细颗粒物是机动车PM2.5的主要来源,其组成复杂,对人体健康有较大危害。为研究成都地区国Ⅲ柴油车的PM2.5排放特征和碳质组分特征,采用便携式车载测试装置对成都地区重型柴油车(HD)、中型柴油车(MD)和轻型柴油车(LD)进行了尾气PM2.5采样,研究了PM2.5排放因子、表面形貌及碳质组分。结果表明:1)HD、MD和LD的PM2.5排放因子分别为0.12,0.04,0.03 g/km;2)颗粒物表面都深褐色或黑色,粒径主要分布在100~300 nm之间,以积聚模态为主;3)碳质组分是柴油车颗粒物的主要成分,其质量分数在68%~75%之间,HD、MD和LD的PM2.5中OC/EC分别为2.93、2.88和3.10,OC的主要成成分为OC1,EC的主要成分为EC1。     

济南市典型机动车的尾气颗粒物污染特征与影响因素研究

采用便携式仪器,借鉴双怠速尾气检测法,利用自行设计的尾气采样装置,选择济南市区道路上10辆不同类型的机动车,现场测量尾气颗粒物的质量浓度和数浓度.基于实验数据,分析了机动车尾气颗粒物污染特征,深入探索了影响尾气颗粒物浓度的主要因素,提出了相应的对策建议.结果表明:①怠速工况下机动车尾气中PM_(2.5)和PM_(10)质量浓度、PM_(0.01～1)数浓度较低,平均分别为0.035～1.434和0.049～3.669 mg·m~(-3)、(0.95～21.69)×10~4 cm~(-3);高怠速工况下颗粒物质量浓度和数浓度较高, PM_(2.5)质量浓度为0.350～5.132 mg·m~(-3),最大值来自大型柴油货车8.394 mg·m~(-3); PM_(10)质量浓度高达1.708～7.862 mg·m~(-3),最大值来自大型柴油客车8.672 mg·m~(-3); PM_(0.01～1)数浓度为(6.78～40.68)×10~4 cm~(-3).②随着发动机转速和车型增大、排放标准降低,机动车尾气中颗粒物质量浓度和数浓度明显升高.与怠速工况相比,高怠速工况下的PM_(2.5)质量浓度升高3～44倍, PM_(0.01～1)数浓度升高2～33倍.与小型车相比,中、大型车的PM_(2.5)质量浓度升高约5倍, PM_(0.01～1)数浓度升高约2倍.使用92号汽油排放的颗粒物质量浓度与数浓度约为95号汽油车的2倍,柴油车排放的颗粒物浓度高于汽油车.国III标准的汽油车尾气颗粒物的质量浓度与数浓度约是国IV和国V标准的2～4倍.③提高机动车排放标准和燃油品质,减少在实际道路行驶中突然加速或启动等高怠速工况的瞬态变化,加强对中、大型车尤其是大型柴油车的监管,能够一定程度上减轻机动车尾气颗粒物污染.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

天津市区夏冬季环境空气PM2.5中碳组分污染特征及来源研究

为了明确天津市区环境受体PM_(2.5)中碳组分的污染特征及来源,本研究分别于2016年2月(冬季)和8月(夏季)在天津市区设置6个采样点位同步采集PM_(2.5)样品,采用热光反射法测定样品中各个碳组分(OC1~OC4、EC1~EC3和OP(裂解碳))的含量,并计算得到OC、EC、CharEC和Soot-EC,以定性识别大气颗粒物中碳组分的来源.结果表明,夏季PM_(2.5)中OC平均浓度为(7.5±3.0)μg·m-3,占PM_(2.5)的11.7%±4.1%;而冬季相比于夏季OC的浓度和占比均有增加,分别为(13.1±7.0)μg·m-3和13.9%±2.8%.夏季和冬季EC浓度分别为(4.0±1.8)μg·m-3、(4.3±2.4)μg·m-3,占PM_(2.5)的6.1%±2.0%和4.6%±1.2%.OC与EC的相关性在夏季(r=0.83,p0.01)和冬季(r=0.96,p0.01)均显著,而冬季CharEC与OC(r=0.94,p0.01)、EC(r=0.98,p0.01)相关性明显高于夏季(OC:r=0.44,p0.01;EC:r=0.45,p0.01).PM_(2.5)中OC/EC平均值在夏季和冬季分别为1.9和3.0,估算得到夏季SOC为(2.6±1.4)μg·m-3,占OC的33.5%±13.6%;冬季为(3.5±2.5)μg·m-3,占OC的26.6%±12.0%.夏季Char-EC/Soot-EC为6.5,高于冬季(4.9),并且空间差异性显著(t检验,p0.05).正定矩阵因子模型(PMF)解析结果表明,天津市区大气PM_(2.5)中碳组分主要有4类来源:燃煤及生物质排放混合源、柴油车、汽油车、道路尘,对夏季PM_(2.5)中碳组分分担率分别为35.4%、16.4%、20.5%、14.4%;对冬季碳组分分担率分别为41.3%、15.5%、18.1%、16.3%.可见,燃煤和机动车是天津市区PM_(2.5)中碳组分的主要来源.     

北京市典型排放源PM_(2.5)成分谱研究

为了建立和完善北京市PM_(2.5)本地化源谱,对北京市11类排放源PM_(2.5)进行采集,并测定其26种组分,分析了不同排放源源谱的组分特征.结果表明,在有组织排放源中,燃煤电厂PM_(2.5)中OC和Si含量很高,占PM_(2.5)的质量分数分别为8.56%和6.19%(平均值),而供热/工业锅炉排放PM_(2.5)中则是SO_4~(2-)(占48.38%)和OC(11.0%)比例最高,水泥窑炉PM_(2.5)中OC(7.12%)、Ca(4.81)和Si(4.41%)占有较大比例;垃圾焚烧排放的PM_(2.5)中Si、Ca、K和SO_4~(2-)均较高,分别占8.15%、9.36%、7.17%和6.79%,且Cl~-含量(2.5%)高于其他所有源,生物质燃烧源PM_(2.5)中OC(21.7%)、Si(6.75%)、Ca(6.15%)较为丰富,餐饮源PM_(2.5)中OC(19.44%)、SO_4~(2-)(5.76%)和K(3.11%)含量均较高;无组织开放源中,道路扬尘和土壤风沙PM_(2.5)化学组分含量变化较为一致,均是Si(分别为16.8%和9.3%)和OC(分别为8.89%和6.61%)最高,建筑水泥尘PM_(2.5)中Ca(17.46%)含量高于其他源;流动排放源PM_(2.5)中OC、EC比例最高,其中,重型柴油车的OC(29.79%)与EC(26.5%)排放比例相当,而轻型汽油车OC排放占有绝对优势(占75%).本文通过对比国内外部分排放源PM_(2.5)成分谱的差异,指出不同区域相同源类排放的PM_(2.5)化学组分差异较大,在应用受体模型中的化学质量平衡模型(CMB)判断受体颗粒物来源时,应基于本地的排放源成分谱,以避免较大的误差.     

机动车源和民用燃料源颗粒物中有机碳和元素碳的排放特征

为了获取机动车源尾气和主要民用燃料源燃烧过程排放的颗粒物中含碳气溶胶的排放特征,使用多功能便携式稀释通道采样器和Model 5L-NDIR型OC/EC分析仪,采集分析了典型机动车源(汽油车、轻柴油车、重柴油车)、民用煤(块煤和型煤)和生物质燃料(麦秆、木板、葡萄树树枝)的PM₁₀和PM_2.5样品中的有机碳(OC)和元素碳(EC).结果表明,不同排放源释放的PM₁₀和PM_2.5中含碳气溶胶的质量分数存在显著差异.总碳(TC)在不同源PM₁₀和PM_2.5中的质量分数范围分别为40.8%～68.5%和30.5%～70.9%,OC/EC范围分别为1.49～31.56和1.90～87.57.不同源产生的含碳气溶胶均以OC为主,OC在PM₁₀和PM_2.5中的质量分数范围分别为56.3%～97.0%和65.0%～98.7%.在PM₁₀和PM_2.5的含碳气溶胶中OC质量分数按照从高到低...     

郴州市大气PM2.5碳组分污染特征及其来源分析

为研究郴州市PM_2.5中碳组分的污染特征及来源,于2016年7月-2017年4月分4个季度典型时段采集郴州市环境大气中的PM_2.5,测定了样品中OC（有机碳）和EC（元素碳）的质量浓度,对碳气溶胶污染水平、时空分布、SOC（二次有机碳）以及OC和EC相关性等特征进行了分析,并分析了碳组分的来源.结果表明:郴州市ρ（PM_2.5）年均值为（40.2±19.0）μg/m3,ρ（OC）、ρ（EC）占比分别为15.7%和7.2%;ρ（OC）与ρ（EC）相关性分析显示二者来源较为一致,但春季、夏季差异相对较大;ρ（SOC）全年估算值为1.84 μg/m3,占ρ（OC）的29.11%,夏季较高的温度和较低的相对湿度导致夏季ρ（SOC）的估算偏低.结合碳组分丰度分析、PCA（主成分分析）和PMF（正矩阵因子分解分析）结果发现,燃煤/道路尘、机动车排放和生物质燃烧对PM_2.5中TC（总碳）的影响最为明显,贡献率分别为49.25%~56.71%、19.79%~25.36%和9.35%~13.69%.反向轨迹聚类结果显示,广东珠三角区域的汽油车排放、道路尘和生物质燃烧对郴州市PM_2.5中碳组分有较大的影响,而燃煤和柴油车的贡献主要来源于本地.研究显示,郴州市PM_2.5中碳组分污染较为严重,应重点加强本地燃煤和柴油车的控制.      

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

基于PMF模型的PM2.5中金属元素污染及来源的区域特征分析

金属元素是大气PM_2.5的重要组成成分,对人群危害性极强且兼具源特异性,分析不同经济模式地区大气细颗粒物中金属污染状况及来源差异,可以为科学规划城市产业布局和保护大气环境提供参考.通过霾/非霾期大气PM_2.5采样,使用电感耦合等离子体发射光谱仪（ICP-OES）测定成都市及仁寿县样品中18种金属元素质量浓度,分析其污染水平,并基于正定矩阵因子分解模型（PMF）解析两地大气PM_2.5中金属元素的来源.结果表明,成都市扬尘源、移动源和燃煤源特征元素占元素总和的比值大于仁寿县,而仁寿县生物质燃烧源、工业源以及燃油源特征元素占比则较高.两地Cr、Cd和As元素浓度均超标,表明PM_2.5中重金属污染严重.随着霾污染加剧,两地PM_2.5中金属元素总量上升,但增幅远低于PM_2.5浓度增长.此外,不同元素在霾期和非霾期浓度比值存在差异,成都市变化范围为0.7（Al）~2.8（Ba）,仁寿县介于0.8（Al）~3.1（Mn）之间,但总的来说两地大致呈现出燃煤和工业活动排放元素增幅较大,机动车污染源次之,扬尘源增幅较缓的状况.受地区产业布局、经济规模和发展模式的影响,大气PM_2.5中金属元素污染水平及来源呈现出不同的区域特征.在重点发展第三产业的大型城市,如成都,更易遭受交通运输和城市建设等带来的大气污染,而在仁寿等第二产业占比不断增加的郊县,其污染主要受化石燃料燃烧和工业过程排放的影响.     

石家庄市冬季道路积尘PM2.5中金属元素污染特征及来源

为研究石家庄市冬季道路积尘PM_2.5中金属元素污染特征及来源,利用移动式采样法收集石家庄市不同类型铺装道路积尘,使用ICP-MS和ICP-OES分析测定PM_2.5中Cr、Zn、Mn、Cu、Pb、Ni、Sn、As、Sb、Co、Mo、Cd、Al、Mg、Ca、Fe共16种元素的质量分数.结果表明:石家庄市冬季道路积尘PM_2.5中金属元素质量分数之和依次为支路>快速路>主干道>次干道,与车流量、车辆类型、道路类型等影响因素有关,w（Mg）、w（Ca）、w（Cr）、w（Cu）、w（Ni）、w（Zn）、w（Pb）、w（Sn）、w（Sb）、w（Mo）、w（Cd）的平均值均高于当地土壤背景值,是背景值的1.2~40.5倍,其中Cr、Zn、Cu、Pb、Sn、Sb、Mo、Cd等元素中,除Pb的富集因子（9.38）接近10外,其他均高于10,来源于人为污染.I_geo（地累积指数）评价结果显示,Cr、Sn（I_geo为4~5）达到强-极强污染水平;Cd、Cu（I_geo为3~4）达到强污染水平;Sb、Mo、Zn（I_geo为2~3）为中-强污染水平,Pb（I_geo为1~2）为中污染水平.多元统计分析结果表明,石家庄市冬季道路积尘中金属元素来源可分为四大类:As、Mo、Zn、Cd、Ni、Pb主要来自机动车和大气中的燃煤沉降;Mn、Co、Sb来自于自然来源、机动车尾气的排放和焊接材料及轴承的磨损;Cr、Cu、Sn主要来自于工业排放的沉降和机动车刹车片磨损;Al、Ca、Mg、Fe主要来自绿化带或机动车携带的土壤尘.研究显示,石家庄市冬季道路积尘PM_2.5中金属元素污染严重,主要来源于交通排放.      

西安市城市降尘和土壤尘PM10和PM2.5中碳组分特征

为研究西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分污染特征,丰富大气降尘的成分谱库,于2015年4~5月收集了西安市城区5个点位的城市降尘和周边16个点位的土壤尘样品,通过ZDA-CY01颗粒物再悬浮采样器获得PM₁₀和PM_2.5的滤膜样品,使用Model5L-NDIR型OC和EC分析仪测定了样品中的有机碳（OC）和元素碳（EC）,定量分析了西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分特征及其主要来源.结果表明,不同站点降尘PM₁₀和PM_2.5中OC的占比差异较大,分别为6.0%~19.4%和7.6%~29.8%.不同站点降尘PM₁₀和PM_2.5中EC的占比较小,在城市站点的占比分别为0.6%~2.2%和0.2%~3.6%,而在多数外围土壤尘中几乎检测不到EC的存在.PM₁₀中含碳组分的占比为：城市降尘>外部对照>河滩土>土壤尘,PM_2.5中含碳组分的占比为：城市降尘>土壤尘>外部对照>河滩土.不同站点降尘含碳气溶胶均以OC为主,在城市降尘中相对较低,在PM₁₀和PM_2.5中OC占总碳（TC）的比值分别为85.2%~95.3%和87.9%~98.9%;在土壤尘中OC的占比较高,均超过99%.含碳物质主要集中在细颗粒物中.不同城市站点降尘中碳组分的分布具有一致性,不同土壤尘中碳组分的差异较大.城市和土壤降尘中碳组分主要受生物质燃烧、燃煤、汽油车和柴油车尾气等污染源的影响,PM₁₀和PM_2.5中含碳气溶胶的来源贡献率存在差异.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

邯郸市PM2.5中碳组分的浓度、来源及其变化

为明确邯郸市PM_(2.5)中碳组分污染浓度、来源和近年来的变化,分别于2015和2017年1、4、7、10月在河北工程大学能环实验楼4层采集PM_(2.5)样品,采用热/光碳分析仪测定了样品中8种碳组分含量,并计算得到有机碳(OC)、元素碳(EC)、Char-EC和Soot-EC含量.结果表明,2017年PM_(2.5)中碳组分浓度较2015年下降约15%,质量分数下降约17%,季节变化均表现为冬高夏低的特点;2017年SOC浓度和SOC/PM_(2.5)、SOC/OC比值均低于2015年,SOC浓度和SOC/PM_(2.5)比值下降约36%,季节分布特征相似(秋冬高、春夏低).两年除夏季外,其余季节OC、EC相关系数均高于0.7,表明存在共同来源;2017年OC、OC1与EC相关性高于2015年,此外,两年中EC1～EC3、Char-EC和Soot-EC与各组分相关系数差异较大;两年中Char-EC与OC、EC的相关性(r=0.5～1.0)明显高于Soot-EC与OC、EC的相关性(r=0.1～0.6),这主要与二者形成机理有关.碳组分之间的关系和主成分分析结果表明,燃煤、生物质燃烧和柴油车尾气的混合源是2015年碳质组分的主要来源,而2017年则来源于燃煤和机动车尾气排放.