伊犁河谷夏季PM2.5和PM10中水溶性无机离子浓度特征和形成机制

区域尺度大气颗粒物的同步观测与分析是制定大气污染防治策略的重要途径.为研究伊犁河谷城市群大气颗粒物和水溶性无机离子的空间分布特征,于2021年7月19~29日期间同步采集伊宁市和周边三县大气颗粒物样品,深入分析了PM_2.5和PM₁₀中9种水溶性无机离子（WSIIs）的空间分布特征、存在形式和影响因素,并对二次无机颗粒物的形成机制进行了探讨.结果表明,夏季伊犁河谷城市群ρ（PM_2.5）和ρ（PM₁₀）均值分别为（23±3）μg ·m^-3和（59±7）μg ·m^-3,伊宁市受本地工业源和移动源排放影响,导致其PM_2.5浓度在区域中最高;伊宁县受扬尘源和地形影响,使其PM₁₀浓度在区域中最高;而霍城县的良好扩散条件使其PM_2.5和PM₁₀浓度最低.PM_2.5和PM₁₀中WSIIs占比分别介于28.2%~29.9%和16.0%~20.2%之间.4种主要离子（SO₄^2-、NO₃^-、NH₄⁺和Ca²⁺）占到WSIIs的90%左右,在PM_2.5中浓度大小排序为：SO₄^2->Ca²⁺>NH₄⁺>NO₃^-,在PM₁₀中浓度大小排序为：SO₄^2->Ca²⁺>NO₃^->NH₄⁺;相关性研究结果显示4个城市SO₄^2-浓度相近主要是由区域输送所致,而Ca²⁺在PM_2.5和PM₁₀中占比高于国内大部分城市反映出伊犁河谷核心区城市受扬尘源的影响较大.PM_2.5和PM₁₀中n（NO₃^-）/n（SO₄^2-）分别为0.78和0.76,表明伊犁河谷受固定源影响大于移动源;4个城市n（NO₃^-）/n（SO₄^2-）的大小排序为：伊宁市>霍城县>伊宁县>察县,与各城市机动车保有量大小一致,反映出伊宁市受机动车等移动源的影响高于周边三县.二次组分主要以（NH₄）₂SO₄、NH₄HSO₄和NH₄NO₃的形式存在,各城市NH₄⁺与SO₄^2-反应后均有盈余,盈余的铵盐在伊宁市主要以NH₄NO₃存在,与伊宁市较高的NO₂浓度有关.夏季PM_2.5和PM₁₀中NOR变化幅度分别为0.03~0.10和0.03~0.16,受夏季高温影响导致NO₃^-二次转化较弱;SOR分别介于0.21~0.41和0.23~0.44之间,察县相对较高的湿度使其SOR较高,而霍城县受区域输送影响使其SOR高于伊宁市.形成机制表明：察县和伊宁市的SO₄^2-主要由非均相反应生成,伊宁县主要由均相反应产生,而霍城县SO₄^2-的形成机制较为复杂,受到均相反应和非均相反应的共同影响.     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

珠海2019年秋季一次大气污染过程的特征、 成因及来源分析

2019年秋季在珠三角典型沿海城市珠海观测到一次中重度污染过程,本文对此次过程的污染特征、形成机制和来源进行了研究.通过 采集PM_2.5样品,分析了9种水溶性无机离子（WSIIs）、有机碳（OC）、元素碳（EC）和水溶性有机碳（WSOC）等化学组分的浓度水平和污染特征;进一步结合污染过程中的不利天气形势、72 h后向气流轨迹及PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）等方法分析了污染的形成机制和来源.结果表明,有机物（OM）是污染时期PM_2.5中增长最快的组分,其次是占WSIIs约82.46%的SO₄^2-、NO₃^-和NH₄⁺（SNA）. NO₃^-/SO₄^2-均值为0.20,表明珠海以固定源污染为主;硫氧化率（SOR）均值为0.65,氮氧化率（NOR）均值为0.08,高温高湿的气象条件可能是 造成珠海比中国其他城市SOR偏高而NOR偏低的原因.在污染时段,二次有机碳（SOC）明显增加,WSOC/SOC随污染物的升高而降低并趋近于1,因此, 污染时期的WSOC可能主要是二次生成的.副高控制型、台风外围型和高压出海型等天气形势控制着整个珠三角地区时,不利于污染物的传输和扩散,使污染加剧.后向气流轨迹分析表明,污染时期的气团轨迹主要来自于高污染的内陆地区,这可能是造成此次污染形成的重要原因和来源.WPSCF和WCWT的高值区主要集中在江西、广东等内陆地区,因此,珠海在控制本地排放的同时,也应该关注上风向临近省市的污染排放.     

宿迁市PM2.5中水溶性无机离子的季节特征和来源分析

为了研究宿迁市PM_2.5中水溶性无机离子的季节特征和来源,于2017年5月至2018年1月在宿迁市水汽通道上的3个监测点位采集了171份PM_2.5样品,分析了PM_2.5质量浓度以及9种水溶性无机离子含量.结果表明,宿迁市PM_2.5中水溶性无机离子的年均浓度为（44.08±34.61）μg ·m^-3,占PM_2.5质量的41.8%,9种水溶性离子浓度大小排序为ρ（NO₃^-） > ρ（SO₄^2-） > ρ（NH₄⁺） > ρ（Cl^-） > ρ（Na⁺） > ρ（Ca²⁺） > ρ（K⁺） > ρ（F^-） > ρ（Mg²⁺）,其中NO₃^-、SO₄^2-和NH₄⁺是主要的离子组分,占总水溶性无机离子浓度的75.6%.ρ（NO₃^-）/ρ（SO₄^2-）年均值为1.53±0.88,表明移动污染源对PM_2.5的贡献高于固定污染源.水溶性无机离子相关性分析表明,NH₄⁺与NO₃^-、SO₄^2-可能以（NH₄）₂ SO₄、NH₄HSO₄和NH₄NO₃的形式存在.结合主成分分析,水溶性无机离子主要来源于二次转化、工业源、生物质燃烧和扬尘.PM_2.5浓度与相对湿度在冬季呈显著正相关,水汽传输在冬季更容易对PM_2.5浓度增长有促进作用.     

沿海城市珠海PM2.5中水溶性离子特征及来源分析

PM_2.5水溶性离子特征研究主要集中在大中型城市,为探讨珠海市PM_2.5水溶性离子特征及来源,2016年6月至12月采集PM_2.5样品,用离子色谱分析9种水溶性离子浓度。结果表明：珠海PM_2.5总离子浓度处于较低水平,离子浓度有季节变化特征,表现为冬季＞秋季＞夏季;夏、秋季PM_2.5呈碱性,冬季显酸性;从夏季到冬季,SO₄^2-和NH₄⁺在总离子中比例有减小趋势,NO₃^-比例有增大趋势。SO₄^2-、NO₃^-、NH₄⁺为主要组成成分,占离子总成分的85.07%,表明珠海市大气PM_2.5二次污染较严重,NO₃^-/ SO₄^2-均值0.2,表明以固定源污染为主。从气团聚类、离子相关性、富集因子分析和主因子分析等角度讨论来源和存在形式,珠海PM_2.5水溶性离子受气团影响较大,来自陆地气团的离子浓度高于海洋气团;夏季到冬季,PM_2.5受到80.2%的人为源和海洋源的混合源和16%的农业源贡献,离子主要存在形式有NH₄HSO₄、Mg(NO₃)₂、KNO₃、Ca(NO₃)₂、NH₄NO₃、NaCl、KCl和CaCl₂。     

甘肃南部典型城镇PM2.5浓度及水溶性离子特征分析

为研究甘肃南部城镇PM_2.5及水溶性离子（WSIIs）浓度水平,于2019年4月—2020年2月在甘肃成县按季度进行PM_2.5样品采集,分析了其变化特征,并运用相关和主成分分析法进行来源解析.结果表明：采样期间甘肃成县PM_2.5年平均质量浓度为（57.2±26.9） μg·m^-3,表现为冬季>春季>秋季>夏季的季节变化特征,冬季质量浓度约为夏季的1.9倍,全年空气质量优良率为81%,其中夏季达100%.WSIIs质量浓度呈现SO₄^2->NO₃^->Na⁺>NH₄⁺>Ca²⁺> K⁺>Cl^->Mg²⁺的特征.SNA是浓度水平最高的3种水溶性离子,占8种主要水溶性离子浓度的70.1%.ρ（NO₃^-）/ρ（SO₄^2-）平均值为0.6,表明工农业生产及化石燃料燃烧排放等固定源是颗粒物污染的主要来源.新型冠状病毒疫情期间人员管控对PM_2.5和水溶性离子中SNA质量浓度影响显著,PM_2.5平均质量浓度降幅达44.2%.源解析表明,PM_2.5中WSIIs主要来自化石燃料燃烧、生物质燃烧及二次源和道路建筑扬尘等.     

兰溪市PM2.5中水溶性离子的组成特征及季节变化

为探索浙江省中部地区大气细颗粒物（PM_2.5）中水溶性离子的组成特征及其季节变化,采集了兰溪市市区和近郊两个站点2016年4个季节的PM_2.5样品,利用双通道离子色谱对水溶性无机离子（Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺）进行了定量分析.结果表明,兰溪PM_2.5中离子总浓度存在明显的冬季高、夏季低的季节变化趋势,年均值为21.19 μg·m^-3,约占PM_2.5质量的45%;SO₄^2-、NO₃^-和NH₄⁺是水溶性离子中最主要的组分,年均浓度分别为8.11、5.92、3.87 μg·m^-3.Cl^-和NO₃^-浓度的季节变化最为显著,冬/夏浓度比接近10,其半挥发特性是导致兰溪PM_2.5中离子组成呈现季节变化的重要原因.兰溪PM_2.5中NO₃^-/SO₄^2-比值的冬季平均值为1.18,说明流动源对兰溪PM_2.5有很大贡献;夏季（以及春、秋季）时NO₃^-/SO₄^2-比值较低,且与PM_2.5浓度呈负相关,与矿物尘结合的硝酸根离子的较大贡献可能是导致夏季PM_2.5浓度较低时NO₃^-/SO₄^2-比值较高的主要原因.阴阳离子平衡、相关性及主成分分析（PCA）结果表明,矿物尘对兰溪市PM_2.5的酸度及离子赋存状态有较大影响;冬季及春、秋季兰溪的PM_2.5具有一定的酸性;NO₃^-和SO₄^2-主要与NH₄⁺结合,但部分可能与钙等其他组分结合;Cl^-和K⁺主要来源于生物质燃烧,但K⁺的年均浓度仅为0.31 μg·m^-3,说明生物质燃烧对兰溪PM_2.5的贡献不大.     

2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究

为了快速分析天津市区冬季以及重污染过程中PM_2.5的化学组成特征及来源,本研究于2017年1月利用在线监测仪器快速采集了天津市区环境受体中PM_2.5及其化学组分的小时数据,并通过PMF（positive matrix factorization,正定矩阵因子分解法）模型解析了天津市区2017年1月及重污染过程中PM_2.5的主要贡献源类,分析了重污染过程中排放源的变化趋势.结果表明：2017年1月天津市区PM_2.5浓度为6.0~449.0 μg·m^-3,平均值为153.3 μg·m^-3.NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中水溶性离子的主要组分,三者之和占水溶性离子总量的88.3%.NH₄⁺与Cl^-、NO₃^-、SO₄^2-均表现出显著的正相关性（r=0.82,0.95,0.97;p<0.01）.NO₃^-和SO₄^2-（r=0.90;p<0.01）,Ca²⁺与Mg²⁺（r=0.65;p<0.01）均表现出显著的相关性,说明它们分别具有较高的同源性.OC和EC也是PM_2.5的重要组成部分,两者之和占PM_2.5质量浓度的20.4%.重污染过程中,PM_2.5及其主要离子的浓度显著的增加（p<0.01）,并存在较高的二次离子生成.PMF解析结果表明,二次源类是天津市区2017年1月PM_2.5的首要源类,分担率为38.1%,其次为机动车源（分担率为25.6%）、燃煤源（分担率17.1%）、扬尘（分担率10.1%）和生物质燃烧（分担率9.1%）.重污染过程中,二次源是PM_2.5的主要贡献源类,分担率达到39.3%;说明重污染期间存在显著的二次转化及二次粒子的积累过程.重污染发生演变过程中,二次源、机动车源和燃煤源对PM_2.5贡献表现出显著增加的趋势,而扬尘和生物质燃烧的贡献则没有显著增加.     

南京江北新区PM2.5中水溶性离子的季节特征和来源解析

为探究南京江北新区PM_2.5中水溶性离子的季节特征和来源，于2019年共采集了113个有效PM_2.5样品.用称重法和离子色谱法分别测定出PM_2.5和10种水溶性离子的质量浓度，并使用PMF源解析法对其进行来源解析.结果表明，观测期间南京江北新区PM_2.5和水溶性离子年平均浓度分别为（78.34±29.64）和（35.68±18.30）μg·m^-3，其四季变化趋势相同，冬季浓度高，夏季浓度低.10种水溶性离子中NO₃^-、SO₄^2-和NH₄⁺的浓度远远高于其他离子，其在总离子中的含量高达89.9%.南京江北新区四季PM_2.5中NH₄⁺主要与HSO₄^-和NO₃^-结合存在.硫氧化率（SOR）和氮氧化率（NOR）的年均值分别为0.53和0.28，说明观测期间大气中氮硫的二次生成率较高.南京江北新区PM_2.5中水溶性离子主要来源为二次转化、海盐和扬尘.     

三亚城区PM2.5中水溶性离子特征与来源分析

基于2019年三亚城区站点PM_2.5中水溶性离子在线观测数据,分析了水溶性离子的质量浓度水平、不同时间尺度和不同PM_2.5浓度下的特征,探讨了气象因子对离子组分的影响,通过主成分分析（PCA）解析来源.结果表明：2019年三亚城区总水溶性离子（TWSI）质量浓度为8.173 μg·m^-3,占ρ（PM_2.5）的58.4%,各离子质量浓度大小依次为：ρ（SO₄^2-） > ρ（NO₃^-） > ρ（K⁺） > ρ（NH₄⁺） > ρ（Na⁺） > ρ（Cl^-） > ρ（Ca²⁺） > ρ（F^-） > ρ（Mg²⁺） > ρ（NO₂^-）,其中二次离子SO₄^2-、NO₃^-、NH₄⁺（SNA）和K⁺为主要离子组分,占总水溶性离子的80.0%,海盐粒子Na⁺及Cl^-之和占比为14.7%,且与风速呈显著正相关;TWSI季节浓度变化特征明显,秋季最高,春冬季次之,夏季最低,主要与秋冬季风速较大、主导风向转为东北风,易受外来传输有关;SO₄^2-在各个季节均是浓度及占比最高的离子,硫氧化率（SOR）的日均值均大于0.1,存在显著的SO₂向SO₄^2-转化的过程;PCA分析结果表明三亚城区水溶性离子主要受海洋源、二次源及生物质燃烧源的影响.     

重庆市北碚大气中PM2.5、NOx、SO2和O3浓度变化特征研究

重庆是我国西南工业重镇,但长期受大气污染困扰.利用全自动在线环境监测仪器,于2012年1月—2014年2月,对重庆市北碚区大气中的典型污染物PM2.5、NO_x、SO_2和O_3进行了观测研究.结果表明:重庆北碚大气首要污染物为PM2.5,2012和2013年平均浓度分别为(67.5±31.9)和(66.6±37.5)μg·m~(-3),是国家环境空气质量一级标准35μg·m~(-3)的1.9倍,两年超过国家二级标准的天数分别为119和126 d,年超标率均大于1/3;两年NO_x,SO_2及O_3的年平均浓度分别为(57.1±24.6)和(55.1±36.6),(43.1±24.0)和(35.0±21.9)及(31.1±24.9)和(48.5±37.4)μg·m~(-3).大气污染物浓度具有明显的季节变化特征,PM2.5和NO_x冬季污染最为严重,两年冬季平均值分别比两年年平均值高33.6%、59.6%和43.2%、8.5%;O_3表现为夏高冬低;SO_2春季最高且污染最轻.大气污染物日变化显示PM2.5和NO_x浓度呈双峰日变化形式,有早晚两个峰值,与城市交通高峰相对应.SO_2和O_3浓度呈单峰日变化,前者峰值出现在午前10∶00—12∶00大气对流层被打破之后,而后者峰值出现在午后16∶00局地光化学最强之时.消减各种污染源的颗粒物直接排放,消减气态污染物SO_2和NO_x的工业排放,消减机动车NO_x和VOCs等的排放,才有可能使重庆北碚的大气污染状况得到改善.     

河北张家口市大气污染观测研究

冀北重镇张家口,全年干旱少雨风沙大,自然生态环境极其脆弱,但近年来工业发展极为迅速.为了解张家口市大气污染物浓度水平及季节变化,2009年12月1日～2010年11月30日,利用自动在线仪器对张家口市区大气典型污染物NOx、SO2、O3和PM10进行了连续观测研究.结果表明,张家口市首要污染物为可吸入颗粒物(PM10),年均质量浓度达(137±105)μg.m-3.NO、NO2、SO2和O3年均质量浓度分别为:(8±13)、(30±15)、(19±26)和(54±35)μg.m-3.NOx和SO2质量浓度冬季最高,分别达(51±35)μg.m-3和(42±29)μg.m-3;夏季最低,分别为(28±8)μg.m-3和(4±3)μg.m-3.O3质量浓度夏季最高,达(92±40)μg.m-3,最高小时均值可达271μg.m-3;冬季最低,为(34±20)μg.m-3.PM10质量浓度春季最高,达(144±131)μg.m-3;冬季最低,为(130±129)μg.m-3,但季节变化不明显.依照国家二级标准PM10日均值超标率为28%.季节统计日变化显示NOx和PM10为早晚双峰型,SO2为午间单峰型,O3为午后单峰型.张家口市区大气污染日变化受到交通源显著影响,气态污染物冬季受取暖燃煤显著影响.夏季东南气流对张家口O3有输送作用,自西北的沙尘及局地扬尘(浮尘)对张家口PM10影响显著,并对华北平原区域造成一定影响.     

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

夏季渤海NOx、O3、SO2和CO浓度观测特征

利用2000-08～2000-09渤海海上观测资料,初次揭示了渤海污染物浓度的时间变化特点,分析了光照、天气等因素对NO_x、O₃、SO₂和CO气体浓度的影响.SO₂浓度比较稳定,浓度平均值在0.006 mg·m^-3左右.O₃浓度变化主要受辐射影响.在弱天气形势下,CO和NO_x浓度分别在2.5～3.5 mg·m^-3.和0.1 mg·m^-3左右,台风天气会造成浓度在短时间内的剧烈增长.文中还简要说明了渤海大气污染与陆地污染的差异,评价了渤海夏季的空气质量.     

重庆市北碚城区大气污染物浓度变化特征观测研究

为了研究重庆市北碚区大气污染物浓度变化特征及其污染状况,采用全自动在线监测仪器对重庆市北碚城区大气污染物进行连续在线监测,分析了2012年1月~2013年2月的大气污染物观测数据.结果表明,除SO2以外,其它污染物均有超出国家新环境空气质量标准(GB 3095-2012)的情况出现,其中细粒子污染最严重.大气污染物浓度具有明显的季节变化,2012年春夏秋冬季各污染物平均浓度:O3为(36.1±19.2)、(48.8±32.6)、(29.8±28.6)、(18.2±15.8)μg·m-3,Ox为(77.6±20.6)、(91.3±37.6)、(77.5±30.6)、(69.4±18.2)μg·m-3,表现为夏高冬低;NO为(11.8±9.4)、(8.2±4.9)、(20.7±17.1)、(30.4±25.1)μg·m-3,NO2为(42.3±13.1)、(40.5±9.9)、(47.2±14.1)、(51.2±15.9)μg·m-3,NOx为(54.1±20.8)、(48.7±12.6)、(67.9±25.5)、(81.6±37.9)μg·m-3,均表现为冬高夏低;SO2为(50.5±23.3)、(26.3±16.7)、(38.8±18.4)、(53.7±23.4)μg·m-3,表现为冬春高而夏秋低;而PM2.5则为(61.4±28.5)、(68.1±32.5)、(61.9±27.1)、(89.6±44.2)μg·m-3,表现出冬季高而其它季节比较平稳的特征.O3、Ox、NO、NOx以及SO2浓度均为单峰型的日变化形式,其中O3和Ox的日变化峰值出现在午后16:00,而NO、NOx及SO2的日最大值则出现在08:00~11:00;NO2和PM2.5的日变化模态呈双峰型,有早晚两个峰值.O3和Ox在夏季日变化振幅最大,而其它污染物则冬季日变化振幅最大.将工作日与周末各污染物浓度的日变化相比,成对t检验分析表明,NO并无明显差异(P=0.14),但N2O工作日显著高于周末(P=0.03),而O3则为工作日极显著低于周末(P<0.001).相关分析表明,O3浓度与气温和风速呈显著或极显著正相关,与相对湿度呈极显著负相关,而NOx则与以上各气象要素的关系正好相反;PM2.5与气温和风速呈负相关,与相对湿度呈正相关;SO2与各气象要素的关系在不同的季节表现不同.除此之外,风向也是影响大气污染物浓度的一个重要因素.     

长春城市水体夏秋季温室气体排放特征

为掌握我国东北地区城市湖泊水体温室气体的释放/吸收特征,本研究分别于夏季和秋季,对位于吉林省长春市的7个城市湖泊(南湖、北湖、雁鸣湖、胜利公园、地理所内湖、天嘉公园和长春公园)表层水中的CO_2和CH_4分压[p(CO_2)和p(CH_4)]进行了监测,并对影响p(CO_2)和p(CH_4)季节变化的相关环境和水质参数进行了分析.研究结果表明在夏季和秋季这7个城市湖泊表层水体中CH_4都处于过饱和状态;除夏季的南湖和胜利公园内湖,其它湖泊CO_2也都处于过饱和状态,且不同湖泊间的温室气体分压具有显著性差异(P0.05),通量也同样具有显著性差异(P0.05).除了南湖和胜利公园内湖外,其它各湖泊在夏秋季节都是大气CO_2和CH_4的"源",且对大气中温室气体的贡献都以CO_2为主.环境参数与p(CO_2)或p(CH_4)之间的相关性分析表明,在夏季,城市湖泊表层水体中p(CO_2)和p(CH_4)都与日照时数呈显著负相关(r_(p(CO_2))=-0.48,P0.05;r_(p(CH_4))=-0.63,P0.01),日照时数通过影响水生植物的光合作用进而影响水体中CO_2和溶解氧浓度,p(CH_4)还与降水量呈显著正相关(r_(p(CH_4))=0.44,P0.05);在秋季,p(CO_2)与气温呈显著负相关(r_(p(CO_2))=-0.39,P0.05).另外,水质参数与p(CO_2)和p(CH_4)的相关性分析表明,这些城市湖泊表层水体的p(CO_2)和p(CH_4)都与水体pH显著负相关(r_(p(CO_2))=-0.51,r_(p(CH_4))=-0.82,P0.01),与盐度显著正相关(r_(p(CO_2))=0.38,P0.05;r_(p(CH_4))=0.75,P0.01),p(CH_4)还与水体DOC、TN和TP均具有显著相关性(P0.01).从研究结果可以推测在这7个富营养城市湖泊中,水体的营养物水平及其所决定的浮游植物生物量并不是影响表层水体p(CO_2)的最主要因素,而日照时数、水体pH和盐度与夏秋季表层水体中的p(CO_2)和p(CH_4)有较大关联.     

夏秋季北京及河北三城市的大气污染联合观测研究

为评估北京西南方向城市群对北京大气污染的影响,于2009年夏秋季节（2009年7月16日～10月15日）,利用自动在线大气环境观测仪器,对北京及太行山东侧河北省的3个城市涿州、保定和石家庄进行了大气污染物PM10、NOx和O3的联合观测研究.结果表明,夏秋季节4个城市的首要污染物均为可吸入颗粒物（PM10）,平均质量浓...     

小型养殖塘水体中CH4、CO2和N2O浓度的时空变化特征及影响因素

养殖塘作为重要的温室气体排放源,水体中温室气体浓度的变化不仅是准确量化温室气体排放量的基础,还是明确其影响因素的重要依据.基于顶空平衡-气相色谱仪法对长三角一处典型的小型养殖塘水体中CH₄、CO₂和N₂ O浓度的时空变化特征以及影响因素进行了分析.结果表明,除春季外,在水温影响下,CH₄和N₂ O浓度在午间或午后出现高值;受水温和水生植物光合作用影响,CO₂浓度的高值出现在晨间光合作用较弱的时候.养殖塘水体中CH₄和CO₂浓度呈现秋季最高、冬季最低的季节变化特征,c（CH₄）在秋季和冬季的均值分别为176.34 nmol·L^-1和32.75 nmol·L^-1,主要受气温、水温和溶解氧（DO）影响;c（CO₂）秋季和冬季的均值分别为134.37 μmol·L^-1和23.10 μmol·L^-1,主要受水生植物光合作用和pH影响;c（N₂ O）在夏季最高,冬季最低,均值分别为97.05 nmol·L^-1和19.41 nmol·L^-1,主要受气温和水温影响.在空间上,垂直方向上,夏季养殖塘c（CH₄）随水深的加深而降低,表层与底层、中间层的浓度差值为71.28 nmol·L^-1和42.80 nmol·L^-1,秋季随水深的加深而升高,底层与表层的浓度差值为163.94 nmol·L^-1.c（CO₂）在夏季和秋季都表现为随着水深的加深而升高,其底层与表层的浓度差值分别为18.69 μmol·L^-1和29.90 μmol·L^-1.N₂ O浓度在垂直方向上无明显变化规律.水平方向上,夏季饲料及春季鸡粪投放的区域会出现CH₄、CO₂和N₂ O浓度的高值,春季和夏季CH₄浓度约为其他区域的1.34~1.98倍和1.95~2.42倍,春季N₂ O浓度和夏季CO₂浓度约为其他区域的1.13~1.26倍和1.39~1.74倍.     

Transverse approach between real world concentrations of SO2, NO2, BTEX, aldehyde emissions and corrosion in the Grand Mare tunnel

With regard to automotive traffic, a tunnel-type semi enclosed atmosphere is characterized by a higher concentration of gaseous pollutants than on urban traffic roads and highlights the gaseous effluent species having an impact on material degradation. Therefore, a transverse approach between air quality and its consequences upon the longevity of materials is necessary, implying better knowledge of tunnel atmosphere and a better understanding of material degradation inside a tunnel for operating administration. Gaseous pollutant measurements carried out in a road tunnel in Rouen (Normandy) give the real world traffic concentrations of experimental exposure conditions. The sampling campaigns, achieved in summer and winter include SO₂, NO₂, BTEX and aldehyde analyses. Effluent profiles in the upward and downward tubes have been established. The current work shows that SO₂, NO₂, formaldehyde, acetaldehyde, propanal and butanal must be considered in the degradation process of materials in a stuffy environment. As regards NO₂, its concentration depends on the modification of the automotive fleet. The total aldehyde concentrations indicate no particular trend between the two bores. Formaldehyde, acetaldehyde, propanal, butanal and acrolein species are the most abundant species emitted by vehicles and represent 90% to 95% of the total aldehyde emissions.     

重庆市北碚城区气溶胶中水溶性无机离子的质量浓度及其粒径分布

为了研究重庆市北碚区城区气溶胶中水溶性无机离子的浓度和分布特征,于2014年3月~2015年2月利用安德森采样器连续采集大气气溶胶分级样品,并用离子色谱法分析了不同粒径(9.00、5.80、4.70、3.30、2.10、1.10、0.65和0.43μm)中Na~+、NH~_4~+、K~+、Mg~(2+)、Ca~(2+)、F-、Cl-、NO_3~-、SO_4~(2-)这9种水溶性无机离子.结果表明,SO_4~(2-)、NH~_4~+、NO_3~-、Cl-、Na~+、K~+主要分布在细粒子中,Mg~(2+)、Ca~(2+)、F-主要分布在粗粒子中.SNA(SO_4~(2-)、NH~_4~+和NO_3~-三者的简称)呈明显单峰型分布,其峰值均出现在0.65~1.10μm的液滴模态,且在细粒子中主要以(NH4)2SO4和NH4NO3形式存在.SO_4~(2-)的形成主要来自云内过程,部分来自SO_2的氧化.Na~+、Cl-、Mg~(2+)在粗、细粒子中呈双峰型分布;K~+在0.43~1.10μm呈单峰型分布;F-、Ca~(2+)在粗粒子中出现峰值.观测期间,PM2.1和PM9.0中总水溶性离子的年均质量浓度分别为(32.68±15.28)μg·m~(-3)和(48.01±19.66)μg·m~(-3),且浓度具有相似季节变化特征,均表现为冬季春季夏季秋季.大部分离子(Na~+、NH~_4~+、K~+、Cl-、NO_3~-、SO_4~(2-))浓度表现为冬春季偏高,夏秋季偏低;而少数离子(F-、Mg~(2+)、Ca~(2+))浓度在秋季最低,其他季节浓度变化稍有不同.SNA是PM2.1中最主要的水溶性离子;而PM9.0中水溶性离子的主要成分除了SNA外,还包括Ca~(2+).PM2.1和PM9.0中阳离子总浓度明显高于阴离子,且不同离子间均具有一定的相关性.主成分分析结果表明,该地区水溶性离子的主要来源包括机动车尾气的排放源、燃烧源、土壤源和建筑道路扬尘.分析气象因素的影响,发现气温对二次离子的生成有明显关系(P0.05),而相对湿度、风速的影响则不显著(P0.05).