北京大兴6种常见绿化树种吸附PM_(2.5)能力研究

该文以北京大兴南海子公园6种常见园林绿化树种为研究对象,应用气溶胶再发生器对植物叶片PM_(2.5)吸附量进行了定量研究,分析了叶表面微形态特征。结果表明:单位叶面积PM_(2.5)吸附量油松和白皮松最大,其次为柳树、五角枫,杨树和银杏最小,且针叶树种PM_(2.5)吸附能力强于阔叶树种;不同树种单位叶面积PM_(2.5)吸附量均值:4月在(0.008±0.002)~(0.053±0.008)μg/cm2之间、5月在(0.010±0.001)~(0.067±0.017)μg/cm2之间、6月在(0.014±0.001)~(0.328±0.073)μg/cm2之间,从不同月份看,表现为6月(0.093±0.124)μg/cm25月(0.031±0.023)μg/cm24月(0.027±0.019)μg/cm2;油松、白皮松叶表面凹凸不平,粗糙度较大,且气孔密集,开度较大,从而致使其吸附PM_(2.5)能力最强;而杨树、银杏、五角枫叶表面光滑,气孔较少,颗粒物不易附着,且因蜡质的疏水特性,对植物表面具有一定的清洁作用,其吸附PM_(2.5)能力较弱;此外,叶表面存在绒毛有利于植物叶片吸附PM_(2.5)等颗粒物。因此,在绿化造林时可优先考虑种植叶表面粗糙、有绒毛存在的针叶树种,将更有利于PM_(2.5)等颗粒物的吸收,从而提高植物的环保效益。     

北京市常见树种叶片吸滞颗粒物能力时间动态研究

目前,以显微镜观察叶片微观结构已被证明是研究叶片吸滞颗粒物机理的有效方法.本文利用颗粒物再悬浮法和原子力显微镜,观察了北京市主要园林树种吸滞颗粒物的能力和叶片的表面特征,并探讨了不同树种吸滞颗粒物能力随时间变化的规律及叶片微观结构对滞尘能力的影响.结果表明:1针叶树种吸滞总悬浮颗粒物(TSP)能力大于阔叶树种,排序为:油松((27.13±0.44)μg·cm~(-2))白皮松((10.74±0.23)μg·cm~(-2))五角枫((8.24±0.18)μg·cm~(-2))柳树((7.71±0.18)μg·cm~(-2))银杏((6.43±0.17)μg·cm~(-2))杨树((6.17±0.19)μg·cm~(-2)),不同时间段树种滞尘能力不一致;2观测期间,针叶树种吸滞TSP和粗颗粒物(PM10)能力随月份呈U型趋势,在8、9和10月最低,随后又逐渐上升,而阔叶树种吸滞颗粒物能力则呈倒U型趋势,在7、8月最高,但不同树种吸滞细颗粒物(PM2.5)能力随时间变化均无明显规律性;3通过对叶片表面原子力显微镜(AFM)结构观测发现,叶片表面粗糙度越大,其吸滞颗粒物能力越强.     

3条风沙进京路径植物吸附颗粒物能力

在3条风沙进京路径上选取10个城市(北线:二连浩特—苏尼特右旗—张家口—北京;中线:额济纳旗—呼和浩特—北京;西线:哈密—张掖—银川—太原—北京)的植物为研究对象,应用气溶胶再发生器对植物叶片颗粒物吸附量进行了定量测定,同时应用环境扫描电镜观察了不同城市树木叶表面微形态特征结构,阐释了不同城市树木叶表面结构与吸滞颗粒物的关系。结果表明:3条线路的PM_(10)吸附量表现为中线(1.57±0.24)μg/cm~2西线(1.51±0.18)μg/cm~2北线(1.50±0.76)μg/cm~2,PM_(2.5)吸附量表现为西线(0.15±0.06)μg/cm~2北线(0.12±0.03)μg/cm~2中线(0.11±0.04)μg/cm~2;不同风沙进京路径植物吸附颗粒物在3-4月和11月是植物吸附颗粒物较高的月份,7月和9月是植物吸附颗粒物较低的月份,植物吸附PM_(2.5)和PM_(10)量均不在风沙源头和终点城市最大,而是在风沙传输路径的中间城市最大;3条风沙进京路径植物吸附PM_(10)约为1.53μg/cm~2,吸附PM_(2.5)约为0.13μg/cm~2;在叶面粗糙、凹凸不平的时期,颗粒物的吸附量均较大,叶片光滑、粗糙度较低的月份,植物颗粒物吸附量均较低。可见,风沙进京路径植物吸附PM_(10)主要来源于新疆和蒙古高原以西的沙漠区域,吸附PM_(2.5)主要来源于新疆和蒙古高原北部,在风沙运移过程中植物吸附颗粒物主要以PM_(10)为主,处于风沙频繁、污染严重、沙尘较大的时间和地区在叶面形态上更有利于吸附颗粒物。研究结果可为政府部门决策和造林治沙工程的实施提供依据。     

北京常见绿化树种叶表面形态与PM_(2.5)吸滞能力关系

文章以北京大兴南海子公园常见绿化树种为研究对象,应用气溶胶再发生器对植物叶片在自然状态和饱和状态下PM_(2.5)吸滞量进行定量分析,分析叶表面微形态特征。结果表明:不同树种自然状态下单位面积PM_(2.5)吸滞量存在显著差异,整体表现为针叶树种显著高于阔叶、灌木树种,其中桧柏、油松PM_(2.5)吸滞量较大,银杏、杨树吸滞量较小;饱和状态下,PM_(2.5)吸滞量显著增加,但其吸滞能力排序与自然状态下基本保持一致。叶表面存在气孔、细密沟状组织等,有利于叶片吸滞PM_(2.5)等细颗粒物;叶表面光滑,无明显起伏,存在较宽沟壑,不利于叶片吸滞细颗粒物。为合理选择滞尘能力强的绿化树种提供理论依据,从而提高城市绿化植被的环保效益。     

北京10个常绿树种颗粒物吸附能力研究

大气中颗粒物PM(particulate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器(QRJZFSQ-I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物(TSP)、PM10、PM2.5和PM1.0的吸附能力.结果表明:1不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松(Cedrus deodara)和油松(Pinus tabuliformis),吸附量分别是(18.95±0.71)μg·cm-2和(14.61±0.78)μg·cm-2,冷杉(Abies fabri)最小,为(8.02±0.4)μg·cm-2;2不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松、铺地柏(Juniperus procumbens)、龙柏(Juniperus chinensis cv.kaizuka)和油松,附着PM1.0能力最强的是雪松、铺地柏、冷杉和油松;3不同月份叶片上附着的各粒级颗粒物(PM10、PM2.5)占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

北京1o个常绿树种颗粒物吸附能力研究

大气中颗粒物PM( particuIate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器( QRJZFSQ_I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物( TSP)﹑PM10﹑PM2.5和PM1.0的吸附能力.结果表明①不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松( Cedrus deodara)和油松( pinus tabuliformis),吸附量分别是(18.95±0.71)μg.cm-2和(14.61±0.78)μg.cm-2,冷杉( Abies fabri)最小,为(8.02±0.4)μg.cm-2;②不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松﹑铺地柏( Juniperus procumbens)﹑龙柏( Juniperus chinensis cv. kaizuka)和油松,附着PM1.0能力最强的是雪松﹑铺地柏﹑冷杉和油松;③不同月份叶片上附着的各粒级颗粒物( PM10﹑ PM2.5 )占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m~3,北京植物园为(44.41±31.57)μg/m~3),2月最高(西山公园为(154.07±95.70)μg/m~3,北京植物园为(139.49±100.74)μg/m~3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m~3,北京植物园为(127.04±109.34)μg/m~3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m~3)>北京植物园((82.52±28.18)μg/m~3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m~3)>春季((112.39±18.50)μg/m~3)>秋季((106.37±24.25)μg/m~3)>夏季((81.87±12.60)μg/m~3),北京植物园为冬季((97.35±41.38)μg/m~3)>春季((94.07±12.21)μg/m~3)>秋季((93.17±31.42)μg/m~3)>夏季((61.86±16.70)μg/m~3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

鞍山市夏冬季PM_(2.5)中碳组分化学特征及来源解析

为研究鞍山市PM_(2.5)中碳组分的化学特征,于2014年7月和2015年1月在鞍山市建成区6个监测点位采集PM_(2.5)样品,并用热光碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过分析2个季节PM_(2.5)中OC和EC的化学特征、比值及其相关性,以及SOC的估算值,定性分析了鞍山市PM_(2.5)中碳质气溶胶的来源;利用因子分析法,进一步分析了其来源.结果表明,夏季和冬季PM_(2.5)的平均浓度分别为(53.4±18.0)和(124.9±60.1)μg/m3.夏季PM_(2.5)中OC和EC的质量浓度分别为(5.44±0.84)和(2.29±0.49)μg/m3;冬季PM_(2.5)中OC和EC的质量浓度分别为(21.47±12.45)和(4.68±1.79)μg/m3.夏季和冬季各点位的OC/EC值的变动范围分别为2.18~2.70和4.04~4.95.相比冬天,夏季OC和EC的相关性较强.夏季和冬季SOC的估算值分别为2.12,11.95μg/m3.鞍山市大气PM_(2.5)中碳组分主要来源于生物质燃烧源、燃煤源、汽车排放和道路扬尘源.     

西安市主要大气污染物的观测分析研究

该文分析了西安地区的AQI指数以及PM_(2.5)、PM_(10)、CO、NO、O_3、SO_2 6种污染物浓度在2013年7月到2014年4月的每小时观测数据,利用统计方法研究了各污染物不同时间尺度(小时、日、周、月)的浓度变化特征,分析了各个污染物之间的相关系数,对各个污染物之间的相互关系和相互作用进行了探讨。结果表明,PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2的平均浓度和标准差分别为:(92.37±75.59)μg/m~3、(166.79±106.27)μg/m~3、(2.16±2.39)mg/m~3、(51.01±20.84)μg/m~3、(36.85±34.44)μg/m~3、(36.97±30.62)μg/m~3、(39.99±31.27)μg/m~3。PM_(2.5)、PM_(10)以及CO浓度都是在中午12时以及夜间12时左右达到峰值,在下午或傍晚达到低谷;O_3则是白天浓度高,夜间浓度低,清晨达到一天中的极小值;研究还发现,O_3浓度在周末要高于工作日,CO、SO_2却是周末浓度低于工作日浓度;PM_(2.5)和PM_(10)浓度都在冬季达到峰值,在夏季达到低谷,O_3浓度则是在夏季明显高于冬季。O_3与其他所有污染物之间都呈负相关,而其他污染物之间都是正相关。     

道路两侧不同树种对大气中可吸入污染颗粒物的吸附效应分析研究

不同树种对大气中可吸入污染颗粒物的吸附效应存在显著差异,其中,白杄、油松对PM_(10)的吸附效应较强,白杄对PM_(1.0)的吸附效应较强,油松对TSP的吸附效应较强,白杄、油松对PM_(2.5)的吸附效应较强;而国槐对上述可吸入污染颗粒物的吸附效应较弱;白毛杨的吸附效应最弱。因此可以得出结论,气孔密集、绒毛多的叶片有利于树种对污染颗粒物的吸附,其中,白杄、油松的综合吸附效应最好,能够有效降低大气中可吸入污染颗粒物的含量,是优良的道路两侧绿化树种。     

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.     

成都冬季PM2.5化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM_(2.5)进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度.观测期间,PM_(2.5)的平均质量浓度为(127.1±59.9)μg·m~(-3);总水溶性离子的质量浓度为(56.5±25.7)μg·m~(-3),其中SO2-4、NO-3和NH+4是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m~(-3),一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m~(-3)和6.1μg·m~(-3),分别占PM_(2.5)质量浓度的26.8%和4.8%.昼夜污染对比显示,PM_(2.5)白天和夜晚质量浓度分别为(120.4±56.4)μg·m~(-3)和(133.8±64.0)μg·m~(-3),夜间污染更为严重.SO2-4、NO-3和NH+4白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响.通过对近年来成都冬季PM_(2.5)化学组分的研究进行文献总结和比较后发现,SO2-4浓度显著降低,从2010年的50.6μg·m~(-3)降低到2017年的13.6μg·m~(-3);而NO-3浓度变化不大,维持在20μg·m~(-3)左右.PM_(2.5)中离子酸碱平衡分析表明,成都冬季PM_(2.5)由于NH+4的相对过剩而呈现出碱性,与以往呈偏酸性结果存在差异.对成都冬季NO-3/SO2-4的比值进行计算,NO-3/SO2-4平均值为1.57,表明移动源对PM_(2.5)污染影响更大.OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性.SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m~(-3)和11.9μg·m~(-3),占到OC的28.1%和31.8%.K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响.主成分分析表明,成都冬季PM_(2.5)主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%.     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

厦门市冬季大气PM2.5中有机碳和元素碳的污染特征

为探讨厦门市冬季大气PM_(2.5)含碳组成特征,于2014-12-10至2015-01-09同步采集了城区和郊区的PM_(2.5)样品。采用热光透射法分析了PM_(2.5)中OC、EC的质量浓度。结果表明,近年来厦门市PM_(2.5)、OC、EC的浓度表现出逐年降低的趋势。城区和郊区的OC平均浓度分别为9.77±1.87和9.17±2.42μg/m~3,EC平均浓度分别为1.87±0.73和2.43±1.10μg/m~3,与国内外其他城市相比,厦门市冬季大气PM_(2.5)中的OC、EC浓度均处于较低水平,人为引起的大气含碳成分污染相对较轻。城区和郊区的OC/EC值均大于2,SOC占OC比例分别高达34.96%、39.03%,厦门大气PM_(2.5)中的OC受到二次污染较严重。PM_(2.5)、OC、EC的分布规律表明,OC、EC受到了除天气条件以外的其他因素如OC和EC污染源种类、源强以及二次转化程度的影响。城区(R2=0.107 9)和郊区(R2=0.341 9)的OC与EC相关性不明显,初步判断厦门市冬季PM_(2.5)中OC和EC的来源较复杂,EC可能主要来自化石燃料和生物质不完全燃烧等一次排放源,OC则主要受到化石燃料燃烧和二次污染的影响,城区污染源还包括烹饪源以及生物质燃烧。     

泉州市大气PM2.5中水溶性离子季节变化特征及来源解析

为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na~+、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m~(-3)冬季(8.54±7.61)μg·m~(-3)夏季(4.10±2.67)μg·m~(-3)秋季(3.91±2.58)μg·m~(-3);SO_4~(2-)、NO_3~-和NH_4~+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源.     

陕南农村冬季PM_(2.5)主要化学组分特征

通过对陕南农村冬季PM_(2.5)采样分析,获得PM_(2.5)质量浓度及主要化学组分特征。PM_(2.5)平均质量浓度为89.5±42.0μg·m~(-3),超过国家二级标准。观测期间PM_(2.5)中OC、EC浓度平均值分别为16.0±6.9μg·m~(-3)和5.7±3.2μg·m~(-3),OC/EC平均比值为3.0±0.4。主要水溶性离子组分为NO_3~-、SO_4~(2-)和NH_4~+。粒子数浓度与表面积浓度峰值主要集中在0.5μm以下粒径段。PAHs、BeP和BaP平均质量浓度分别为48.9±10.9 ng·m~(-3)、3.0±0.9 ng·m~(-3)和1.2±0.7 ng·m~(-3),PAHs污染较严重,强致癌物BaP浓度超过国家环境空气质量标准年平均浓度限值。当地农村以石煤为主的能源结构及采用的燃烧方式是导致污染的重要因素。     

梅州市大气颗粒物中水溶性无机离子组成特征研究

选取梅州市典型污染日(2015年7月8日至29日)进行实际测量,在梅州市环境监控中心站楼顶每天连续采集PM_(10)和PM_(2.5)样品,利用离子色谱仪分析样品中Na+、NH4+、K+、Mg~(2+)、Ca~(2+)、Cl~-、NO_2~-、NO_3~-、SO_4~(2-)离子的质量浓度,结果表明,PM_(10)日均质量浓度为(54±19)μg/m~3,PM_(2.5)日均质量浓度为(35±14)μg/m~3。PM10和PM2.5中水溶性无机离子平均浓度分别为(19.7±4.4)μg/m~3、(10.8±5.0)μg/m3,分别占PM_(10)和PM_(2.5)质量的(42±20)%和(31±9.7)%。其中S0_4~(2-)、NO_3~-、NH_4~+是梅州市PM_(10)和PM_(2.5)中最主要的水溶性无机离子。采样期间SO42-浓度较高的可能原因是煤炭在梅州市的能源结构中占有较高比例。S0_4~(2-)、NO_3~-主要以(NH_4)_2SO_4的形式存在气溶胶体系中。     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

自贡市冬季大气PM2.5组分特征分析及来源解析

为探究自贡市冬季大气PM_(2.5)污染特征,文章分析了自贡市冬季大气PM_(2.5)中水溶性离子、无机元素和碳质组分的浓度水平及来源。结果表明,二次无机离子(NO_3~-、SO_4~(2-)、NH_4~+)是自贡冬季PM_(2.5)中水溶性离子的重要组成部分,占PM_(2.5)质量浓度的45.8%。SOR和NOR值分别为0.45和0.31,说明自贡市二次离子污染较为严重;PM_(2.5)中无机元素总浓度为2.7μg/m~3,占PM_(2.5)质量浓度的3.9%。通过富集因子法分析,Pd、Te、Ag、Cd、Sb、Se、Mo、Sn、Hg、Br、Cs、Tl为高度富集;As、Co、Sc、Ga、Pb、Cr、Zn、Cu、Ni为中度富集;Al、K、Mn、V、Ba为轻度富集;TC质量浓度为19.3μg/m~3,其中OC为11.7μg/m~3、EC为7.5μg/m~3,分别占PM_(2.5)质量浓度的15.3%、9.8%。PM_(2.5)中SOC平均浓度为1.6μg/m~3,占OC的13.7%;自贡市冬季PM_(2.5)来源贡献大小依次为二次硝酸盐(24.5%)、移动源(20.9%)、二次硫酸盐(18.1%)、工业源(17.2%)、生物质燃烧源(10.1%)、扬尘源(9.2%),应重点管控移动源、水泥行业、道路扬尘和施工扬尘、生物质燃烧等排放源。