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.     

拉萨市大气中碳颗粒物的浓度变化及特征

利用STAPLEX大流量分级采样器于2014年8—12月采集拉萨市城区大气颗粒物84个样品,测定不同粒径上有机碳(OC)和元素碳(EC)的质量浓度,定性分析二次有机碳(SOC),基于碳质组分和~(14)C值得到其来源.结果表明,不同粒径的OC质量浓度呈双峰分布,较高峰出现在0.49μm粒径段,次高峰出现在1.5—3.0μm粒径段(8—9月)和3.0—7.2μm粒径段(11—12月);EC主要分布在0.49μm粒径段.OC/EC比值为4.15—33.80,表明拉萨大气颗粒物存在二次有机碳.研究表明,拉萨市碳质颗粒物的主要污染源是燃煤、机动车尾气、生物质燃烧和地面扬尘、生物质燃烧和地面扬尘是OC的主要来源,燃煤和机动车尾气则是EC的主要来源.     

杭州市大气PM_(2.5)中碳分布特征及来源分析

碳是城市空气中颗粒物的主要成分之一.PM2.5中的碳主要以有机碳(OC)和元素碳(EC)的形式存在.本文对杭州市大气中PM2.5颗粒物进行研究,探讨有机碳和元素碳的分布特征.     

石河子市PM_2.5中有机碳和元素碳的变化特征与来源解析

本研究采集2015年9月至2016年8月石河子市不同类型天气下大气颗粒物样品,根据气象条件进行霾与沙尘分类,使用热光碳分析仪DRI 2001A进行有机碳(organic carbon,OC)与元素碳(elemental carbon,EC)测定,采用最小比值法估算二次有机碳(second organic carbon,SOC)质量浓度,主成分分析法(principle component analysis,PCA)分析其可能来源.结果表明:中霾天气下OC和EC平均质量浓度达到20.85±5.03、2.75±0.46μg·m~(-3)(沙尘天气18.9±4.4μg·m~(-3),2.6±0.9μg·m~(-3)).二次有机碳SOC在中霾天气下质量浓度为10.62±3.94μg·m~(-3)(沙尘天气9.3±3.7μg·m~(-3)),占OC浓度67%(沙尘天气67%).霾与沙尘天气OC与EC相关系数低于非霾非沙尘天气,表明霾与沙尘天气较非霾非沙尘天气有着复杂的污染源.PCA分析表明,霾与沙尘天气下的碳气溶胶的主要排放源为机动车尾气,固定燃煤源和道路扬尘.本项研究分析了石河子市霾和沙尘天气下的碳气溶胶分布,有望为中国西部城市的霾和沙尘天气治理提供依据.     

宝鸡城郊灰霾与非灰霾天大气颗粒物中水溶性无机离子的粒径分布特征及区域传输

本文采用安德森大气颗粒物分级采样器分别采集了宝鸡城郊灰霾天和非灰霾天的大气颗粒物,利用离子色谱仪进行水溶性无机离子组分的分析,探讨了宝鸡城郊大气颗粒物中离子组分的粒径分布特征;结合风向及气团后向轨迹,分析了大气污染物的区域传输对宝鸡大气颗粒物的影响.结果显示,灰霾天城区昼夜的颗粒物污染程度重于郊区,非灰霾天相反.宝鸡城郊灰霾天细粒子(PM_(2.1))污染严重,城区高于郊区;总水溶性离子(TWSIs)对灰霾天颗粒物质量浓度的贡献率高于非灰霾天;城郊灰霾天昼夜二次离子(SNA)浓度均高于非灰霾天;灰霾天城区夜间是二次离子的重污染时段,二次离子中NO~-_3的浓度最高.城郊灰霾天昼夜Ca~(2+)的浓度均低于非灰霾天.二次离子均呈双峰分布,主峰值均在细粒子中(0.43—1.1μm粒径段),属于液滴模态.K~+呈双峰分布,峰值分别在0.65—1.1μm和2.1—10.0μm粒径段,K~+的粗细粒径分布在城郊昼夜存在着一定关联的转化.灰霾天和非灰霾天Ca~(2+)的粒径分布均呈单峰分布,峰值在4.7—5.8μm粒径段.灰霾天宝鸡东部地区污染物自东向西的区域传输是宝鸡重污染发生的重要条件.     

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.     

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。     

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.     

济南市钢铁集聚区大气细颗粒物中碳组分污染特征

为分析钢铁集聚区大气细颗粒物(PM_2.5)中碳组分的污染特征,对济南市钢铁集聚区和市区秋季(2020年10月15日至2020年10月24日)、冬季(2020年12月18日至2021年1月7日)和春季(2021年4月23日至5月2日)环境空气中PM_2.5进行手工采样,利用热光碳分析仪测定了PM_2.5中有机碳(OC)和元素碳(EC)的含量.结果表明,钢铁集聚区秋季OC和EC质量浓度范围分别为5.79—12.56μg·m^-3和1.34—3.44μg·m^-3;冬季OC和EC质量浓度范围分别为3.92—55.54μg·m^-3和0.38—11.39μg·m^-3;春季OC和EC质量浓度范围分别为2.14—4.70μg·m^-3和0.19—1.33μg·m^-3,呈现显著的季节变化,表现为冬季>秋季>春季.钢铁集聚区冬季PM_2.5中OC和EC占比最高,分别为28.11%和5.3...     

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。     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。     

Effects of a diesel oxidation catalyst on gaseous pollutants and fine particles from an engine operating on diesel and biodiesel

The effects of a diesel oxidation catalytic (DOC) converter on diesel engine emissions were investigated on a diesel bench at various loads for two steady-state speeds using diesel fuel and B20. The DOC was very effective in hydrocarbon (HC) and CO oxidation. Approximately 90%–95% reduction in CO and 36%–70% reduction in HC were realized using the DOC. Special attention was focused on the effects of the DOC on elemental carbon (EC) and organic carbon (OC) fractions in fine particles (PM_2.5) emitted from the diesel engine. The carbonaceous compositions of PM_2.5 were analyzed by the method of thermal/optical reflectance (TOR). The results showed that total carbon (TC), OC and EC emissions for PM_2.5 from diesel fuel were generally reduced by the DOC. For diesel fuel, TC emissions decreased 22%–32% after the DOC depending on operating modes. The decrease in TC was attributed to 35%–97% decrease in OC and 3%–65% decrease in EC emissions. At low load, a significant increase in the OC/EC ratio of PM_2.5 was observed after the DOC. The effect of the DOC on the carbonaceous compositions in PM_2.5 from B20 showed different trends compared to diesel fuel. At low load, a slight increase in EC emissions and a significant decrease in OC/EC ratio of PM_2.5 after DOC were observed for B20.     

天津市夏季PM2.5中碳组分时空变化特征及来源解析

为研究天津市夏季PM_2.5中碳组分的时空变化特征及来源,于2019年7—8月设立2个点位分昼夜采集天津市PM_2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。结果表明,城区PM_2.5、OC和EC浓度日均值分别为(53.4±20.8)μg·m^-3、(8.72±2.56)μg·m^-3和(1.67±0.90)μg·m^-3,郊区PM_2.5、OC和EC浓度日均值分别为(54.2±24.5)μg·m^-3、(7.54±2.50)μg·m^-3和(1.82±1.06)μg·m^-3;白天PM_2.5、OC、EC的平均浓度分别为(47.3±16.1)μg·m^-3、(8.7±2.1)μg·m^-3和(1.5±0.6)μg·m^-3,夜间PM_2.5、OC、EC的平均浓度分别为(60.2±26.2)μg·m^-3、(7.5±2.9)μg·m^-3和(2.0±1.2)μg·m^-3。OC浓度表现为城区高于郊区,白天高于夜间;EC及PM_2.5浓度表现为郊区高于城区,夜间高于白天。OC/EC比值分析得,城区(6.04)高于郊区(5.08);白天(6.58)高于夜间(4.54)。城区OC与EC相关性弱于郊区,白天OC与EC相关性弱于夜间。采用EC示踪法与MRS模型对SOC含量进行估算,得到白天与夜间SOC浓度分别为(5.71±1.35)μg·m^-3和(3.81±1.20)μg·m^-3,白天SOC污染比夜间严重。丰度分析与主成分分析的结果表明,天津市夏季城郊区PM_2.5中碳组分均主要来源于燃煤和机动车尾气排放。     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

典型海滨和内陆城市PM10中的碳成分初步研究

为了分析碳成分在海滨和内陆城市的浓度现状、季节变化和日变化特征,于2009-11-2—2009-11-4(秋季)、2009-12-21—2009-12-23(冬季)、2010-4-27—2010-4-30(春季)和2010-8-26—2010-8-29(夏季)连续同步密集采集了厦门和成都大气可吸入颗粒物(PM10)样品,并采用IMPROVE热光分析法分析了PM10中有机碳(OC)和元素碳(EC),采用燃烧氧化-非分散红外吸收法测定了样品中的水溶性有机碳(WSOC),采用乙基紫-分光光度法测定样品中阴离子表面活性物质(EVAS)的浓度.结果显示,海滨和内陆城市PM10中碳成分含量季节分布明显,冬春季含量较高,夏秋季含量较低.各季碳成分含量日变化趋势不完全相同.WSOC与OC和EC相关分析结果显示,WSOCs主要来源于光化学反应形成的二次污染物.     

自然粒度下渤海沉积物中有机碳的地球化学特征

对渤海三个典型海域6个站位柱状沉积物自然粒度下的有机碳（OC）进行了研究，探讨了有机碳的垂直分布特征及其氧化还原环境（Eh^0,Es^0,Fe^3 /Fe^2 比值）因素对渤海沉积物中有机碳的影响，渤海自然粒度沉积物中的有机碳含量在0.39-0.86%之间，一般在表层-次表层含量变化较剧烈，在下层变化较缓，相关分析说明，在中层，一般沉积物的还原性相比表层有增强，氧化环境与还原环境共存，有机质被氧化，OC浓度变得趋于减小，Fe^3 /Fe^2 也趋于减小，二者有明显的正相关；在下层，还原环境占据了主导地位，导致大量OC不能被氧化，就被保存了下来，而Fe^3 /Fe^2 却明显减小，所以在下层OC-Fe^3 /Fe^2 呈较强的负相关；在表层又掺杂了生物化学与物理扰动等因素，使OC-Fe^3 /Fe^2 的相关性变得复杂，且不规律，表层-次表层OC主要取决于物质来源和物理搅动，变化较复杂；中，下层主要受氧化还原环境影响，矿化作用明显，有机碳含量逐渐降低；下层除C3区和A区外，有机碳含量也逐步降低。有机碳含量不同层次受不同的物质来源，沉积环境，氧化还原进程与不同的生物化学过程共同影响，从C区的断面分布看，表层-次表层呈垂直叠层分布，主要是逐步垂直沉降沉积的结果。25cm以下呈水平推进式梯度分布，可能由于特殊的沉积事件如大洪水冲刷沉积而致。     

武汉市秋冬季室内外空气颗粒物以及有机碳、元素碳的污染特征

为了解秋冬季室内外空气颗粒物PM10、PM2.5以及其有机碳和元素碳的污染特征,于2009年10月及12月对武汉大学医学部学生宿舍室内、外PM10、PM2.5进行了两周连续采样。结果表明：秋季室内PM10和PM2.5的平均浓度分别为121.8和91.3μg/m3,室外为153.9和104.2μg/m3;冬季室内PM10...     

Online single particle analysis of chemical composition and mixing state of crop straw burning particles: from laboratory study to field measurement

Fresh straw burning (SB) particles were generated in the laboratory by the combustion of rice straw and corn straw. The chemical composition and mixing state of the fresh SB particles were investigated by an Aerosol Time-of-Flight Mass Spectrometer (ATOFMS). Based on the mass spectral patterns, the SB particles were clustered into four major types: Salt, Organic Carbon (OC), Elemental Carbon (EC), and internally mixed particles of EC and OC (EC-OC). In addition, particles containing ash, polycyclic aromatic hydrocarbons, heavy metals or nicotine were also observed. Physical and chemical changes of the SB particles immediately after the emission were analyzed with highly time-resolved data. During the aging processes, the average particle size increased steadily. Freshly emitted organic compounds were gradually oxidized to more oxygenated compounds in the OC-containing particles. Meanwhile, an important displacement reaction (2KCl+ SO42−→ K₂SO₄ + 2Cl⁻) was observed. The marker ions for SB particles were optimized and applied to identify the SB particles in the ambient atmosphere. The fluctuation of the number fraction of ambient SB particles sorted by ATOFMS agrees well with that of water soluble K⁺ measured by an online ion chromatography, demonstrating that the optimized marker ions could be good tracers for SB particles in field measurements.     

Single particle analysis of ambient aerosols in Shanghai during the World Exposition, 2010: two case studies

ATSI Model 3800 aerosol time-of-flight mass spectrometer (ATOFMS) was deployed for single-particle analysis in Shanghai during the World Exposition (EXPO), 2010. Measurements on two extreme cases: polluted day (1st May) and clean day (25th September) were compared to show how meteorological conditions affected the concentration and composition of ambient aerosols. Mass spectra of 90496 and 50407 particles were analyzed respectively during the two sampling periods. The ART-2a neural network algorithm was applied to sort the collected particles. Seven major classes of particles were obtained: dust, sea salt, industrial, biomass burning, organic carbon (OC), elementary carbon (EC), and NH₄-rich particles. Number concentration of ambient aerosols showed a strong anti-correlation with the boundary layer height variation. The external mixing states of aerosols were quite different during two sampling periods because of different air parcel trajectories. Number fraction of biomass burning particles (43.3%) during polluted episode was much higher than that (21.6%) of clean time. Air parcels from the East China Sea on clean day diluted local pollutant concentration and increased the portion of sea salt particle dramatically (13.3%). The large contribution of biomass burning particles in both cases might be an indication of a constant regional background of biomass burning emission. Mass spectrum analysis showed that chemical compositions and internal mixing states of almost all the particle types were more complicate during polluted episode compared with those observed in clean time. Strong nitrate signals in the mass spectra suggested that most of the particles collected on polluted day had gone through some aging processes before reaching the sampling site.     

武汉市城区大气PM2．5的碳组分与源解析

大气细颗粒物（PM2．5）和碳组分（OC,EC）是影响大气能见度、气候变化以及人体健康的重要污染物,研究大气颗粒物及其中碳组分的污染特征及各类典型污染源对大气细颗粒物及碳组分的贡献,对于认识区域和城市大气污染状况,控制细颗粒物的污染,具有重要意义。2011年7月至2012年2月,利用大流量PM2．5采样器采集武汉市大气细颗粒物样品并对其碳组分进行测定。武汉市城区大气中PM215、OC和EC的质量浓度平均值分别为（127±48．7）、（19．4±10．5）和（2．9±1．48）μg·m-3。其PM2．5的浓度处于我国主要城市的中等偏高水平,而OC、EC的浓度则属中等偏下水平,但均高于国外城市。武汉市大气PM2,质量浓度的季节性变化呈现出秋季〉冬季〉夏季的趋势,是气象因素和污染源排放综合影响的结果。OC浓度和EC浓度具有较好的相关性（r2=0．69）,表明二者存在来源联系。OC／EC的比值为6．7,指示武汉市大气中OC和EC的来源受汽车尾气排放和生物质燃烧的共同影响。SOA的平均质量浓度值为12．5μg·m-3约占PM2．5平均质量浓度的9．8％,表明SOA对武汉市城区大气PM2．5具有重要贡献。结合PM2．5所含的水溶性离子、微量元素组成,利用正矩阵因子分析（PMF）模型对武汉市城区大气PM2．5来源进行解析,结果表明,其主要来源及贡献率分别为机动车源（27．1％）、二次硫酸盐和硝酸盐（26．8％）、工厂排放（26．4％）和生物质燃烧（19．6％）。