邯郸市PM_(2.5)中水溶性无机离子污染特征及来源解析

本研究通过对邯郸市环境空气中PM2.5样本进行采集和成分检测,分析了该地区PM2.5中水溶性无机离子的污染特征,并结合气象要素(风速、温度)、气态污染物(O3、NO2、SO2、CO)、SOR(硫氧化率)、NOR(氮氧化率)对其主要来源进行了解析.研究结果表明:总水溶性无机离子(TWSII)浓度季节变化特征明显,秋、冬季高于春、夏季.SO2-4、NO-3、NH+4是PM2.5中主要的水溶性无机离子,在TWSII中所占的比例为夏(93.2%)冬(85.6%)秋(85.5%)春(84.0%).春、夏、秋三季PM2.5呈酸性,冬季显碱性.此外还分析得到,SO2-4在四季中均以(NH4)2SO4的形式存在.NO-3在冬季以NH4NO3的形式存在,其余季节中以NH4NO3、HNO3等共存.绝大部分Cl-在冬季以NH4Cl的形式存在,其它季节中以NH4Cl、KCl等的形式存在.均相反应是SO2-4的主要生成途径,夏、冬季也伴随有非均相反应.NO-3的生成以均相反应为主(春、夏、秋),在冬季均相反应与非均相反应同时存在.应用因子分析法解析出4个主因子,其中,工业、燃煤、交通、生物质燃烧等综合源是PM2.5中水溶性无机离子的主要来源.     

汉中市秋季PM_(2.5)昼夜变化特征

为探讨汉中市秋季PM_(2.5)昼夜变化特征。于2015年9月7日至9月17日利用中流量大气颗粒物采样仪在汉中市三个不同站点分昼夜采集PM_(2.5)滤膜样品,并分别利用热光碳分析仪(DRI—2011)和离子色谱(Dionex—600)分析PM_(2.5)中碳组分和水溶性离子组分,主要探讨PM_(2.5)及其碳组分和水溶性离子昼夜变化特征。结果显示:汉中秋季PM_(2.5)浓度低于国家空气质量一级标准;PM_(2.5)中主要化学组分包括SNA (硫酸盐、硝酸盐、铵盐)和有机类物质,白天和夜间占比分别达到32.3%、39.6%和28.9%、39.6%; PM_(2.5)颗粒物呈酸性。除SO_4~(2-)、Mg~(2+)和Ca~(2+)之外,PM_(2.5)及其化学组分均呈现夜间浓度高于白天的特征。离子的赋存形态分析表明:SO_4~(2-)更多以(NH_4~+)_2SO_4~(2-)的形式存在于PM_(2.5)中。本文相关结果可为地方环保政策的制定提供参考和基础数据。     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

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。     

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.     

大气颗粒物PM_(2.5)监测技术研究进展及展望

大气颗粒物已经成为中国的首要大气污染物,其中PM2.5污染越来越受到政府和相关部门关注,本文综述了国内外对大气颗粒物PM2.5的几种监测方法的研究进展,重点比较了各种监测方法的优缺点,并通过实例对比说明了β-射线法的可靠性及用膜片反演方法提高精确度的可行性,同时就加强国内PM2.5监测技术研究提出相关建议及展望。     

北京市PM_(2.5)主要化学组分浓度水平研究与特征分析

为研究北京市大气环境PM_(2.5)中主要化学组分特征,于2012年8月—2013年7月期间,在北京市定陵、车公庄、东四、石景山、通州、房山、亦庄和榆垡等8个点位开展为期1年的样品采集,共计采集472组样品,分析每组样品中OC、EC、水溶性离子和18种无机元素等组分.研究结果表明,本次研究的组分重建后和实际PM_(2.5)浓度相关性显著,相关系数为0.94,所测组分平均占PM_(2.5)总量的90%;各点位不同季节PM_(2.5)中主要的组分均为OC、NO_3~-、SO_4~(2-)、NH_4~+,呈南高北低的趋势,冬季OC是夏季的1.7倍,NO_3~-和SO2--4在四季呈交替状态,除榆垡点位的SO_4~(2-)NO_3~-外,其他点位均是NO_3~-SO_4~(2-),4种主要的组分质量浓度分别为(23.1±21.4)、(20.3±23.4)、(19.4±22.2)、(13.6±15.2)μg·m-3,占PM_(2.5)总含量的18.5%、16.3%、15.6%、10.9%;研究水溶性离子发现,8个点位全年SNA/PM_(2.5)比例为42.8%,其中,夏季最高(49.9%),秋季较低(31.1%),NO_3~-/SO_4~(2-)比值平均为1.05,相对往年研究结果 NO_3~-/SO_4~(2-)比值有增加的趋势.     

新乡市秋季大气细颗粒物PM2.5中水溶性离子特征及其来源解析

为探究新乡市秋季PM_(2.5)污染水平及水溶性离子特征,于2016年9—11月期间,利用TH-150C中流量大气采样器分别在新乡市城市和郊区设立的两个采样点采集了大气PM_(2.5)样品,并分别用重量法和离子色谱法测得PM_(2.5)的浓度值和水溶性离子的组分,分析了大气PM_(2.5)的组成特征、变化规律及污染来源.结果表明,采样期间,城市站PM_(2.5)浓度为122.65~223.56μg·m-3,平均值为164.17μg·m-3,郊区站PM_(2.5)浓度为92.99~217.40μg·m-3,平均值为144.75μg·m-3,均超过国家二级标准浓度限值(75μg·m-3).采样期间,城市站7种水溶性无机离子(NH+4、NO-3、SO2-4、K+、Mg2+、Ca2+、Cl-)的平均质量浓度分别为9.98、22.05、13.41、0.65、0.04、0.30、2.19μg·m-3,郊区站分别为7.49、17.95、10.34、0.38、0.03、0.57、1.35μg·m-3;其中,NO-3、SO2-4、NH+4是大气PM_(2.5)中水溶性离子最主要的二次污染成分,而硝酸盐则是新乡市大气灰霾污染的关键组分.对PM_(2.5)中阴、阳离子进行相关性分析,结果发现,新乡市大气颗粒物PM_(2.5)总体呈酸性.PM_(2.5)中水溶性离子来源主要有二次转化,以及工业源、燃烧源及土壤建筑尘等,移动源(汽车尾气)对新乡市秋季大气污染的贡献较大.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

PM2.5中水溶性有机物吸光特性的模拟研究

研究建立了超声雾化器与光声光谱仪,扫描电迁移率颗粒物粒径谱仪联用的分析系统,将深圳市2011年夏季采集的PM2.5膜样品提取液雾化发生气溶胶,使之进入光声光谱仪检测其吸光强度以研究气溶胶中水溶性有机物(WSOM)的吸光特征.结果表明:观测期间PM2.5中WSOM平均质量浓度为(4.3±2.3)μg/m3,分别占PM2.5和OM质量浓度的11.9%±4.8%和49.2%±18.5%.WSOM在405,532,781nm波长下的质量吸收效率值(MAE)分别为(0.55±0.31),(0.54±0.31),(0.21±0.13)m2/g.经计算所得:深圳市夏季大气PM2.5中WSOM在405,532,781nm波长下的平均吸收系数分别为(2.30±1.08),(2.25±1.26),(0.86±0.45)Mm-1,对应的WSOM对大气PM2.5整体吸光效应的贡献率分别为7.6%,10.6%和5.8%,说明WSOM对PM2.5整体吸光效应的贡献不容忽视,有机气溶胶在大气灰霾中的能见度损害作用值得进一步深入研究.     

深圳大气PM2.5中水溶性有机物的来源特征

对2017年9月～2018年8月深圳市北部大气PM_2.5中水溶性有机物(WSOM)的质量浓度、质谱及来源结构进行测量和分析.结果表明:PM_2.5的质量浓度为(32.3±18.4)μg/m³,WSOM的质量浓度为(9.4±5.7)μg/m³,占颗粒物总有机物的(77.6%±14.0%).质谱分析显示,WSOM的氧碳比(O/C)平均值达到(0.57±0.09),属于二次有机物的O/C值范围,且生物质燃烧排放的离子碎片C₂H₄O₂⁺的丰度显著,说明WSOM的来源中有显著的生物质燃烧排放的有机气溶胶.为了明确WSOM的来源结构,利用正矩阵因子分解法(PMF)模型进行来源解析,发现3个合理因子:高氧化态有机气溶胶(MO-OOA),低氧化态有机气溶胶(LO-OOA)和生物质燃烧(BBOA),贡献比例分别为51.7%,31.8%和16.5%.MO-OOA和BBOA贡献浓度均呈现秋冬高、春夏低的季节变化特征,反向轨迹分析显示其与...     

合肥市PM2.5和PM10中元素组成特征及重污染成因分析

通过对合肥市2018年大气PM_(2.5)和PM_(10)样品的采集,结合对样品中无机元素的测试分析,研究了PM_(2.5)和PM_(10)中的元素组成特征,并根据合肥市重污染天气和非污染天气下大气颗粒物中元素组成的差异性分析,探讨了合肥市重污染天气的主要污染物来源与成因.结果表明,本研究所检测的16种元素中,Si、Al、Mg和Ca这4种地壳元素在重污染天气的质量浓度较非污染天气低,可能是重污染状况下的静风天气引起的地面扬尘减少所造成的; S、Na、K、Cl、Ti、Fe、P、Cu和Ni等元素在重污染天气的质量浓度较非污染天气高,其中S元素的增幅最大,在重污染天气所占的比重和富集因子也大大提升,表明燃煤排放源是合肥地区重污染天气的主要污染成因;重金属元素含量低、富集因子大,其主要来源可能为垃圾焚烧、机动车和工业排放.     

运城秋冬季大气细粒子化学组成特征及来源解析

为研究运城市秋冬季细颗粒物(PM2.5)的化学组成特征和污染来源贡献,于2018年10月15日至2019年3月15日利用四通道小流量颗粒物采样器在运城市对大气PM2.5样品进行了连续采集.主要对水溶性离子、元素碳、有机碳和金属元素等化学成分进行了分析,并结合颗粒物化学质量重构法和正定矩阵因子分解模型(PMF)深入探讨....     

北京市延庆区PM2.5中主要水溶性无机离子特征及来源解析

对2017年6月—2018年5月北京市延庆区大气PM2.5样本进行采集,分析了PM2.5中9种水溶性无机离子的污染特征,并利用SPSS软件进行来源解析。结果表明:延庆区大气PM2.5中总水溶性无机离子平均浓度为28.0 μg∕m 3,其中,S O 4 2 - 、N O 3 - 和N H 4 + 是最主要的水溶性无机离子,合计占比为82.1%。受天气影响,N O 3 - 和S O 4 2 - 浓度均表现为秋高冬低,N H 4 + 浓度为秋高夏低;受冬季气象条件和施工影响,Ca 2+、Mg 2+、Na +浓度冬季最高。根据电荷平衡分析,春季PM2.5中阴、阳离子基本达到平衡状态,夏、秋季呈弱酸性,冬季呈弱碱性;PM2.5中硫氧化率(SOR)、氮氧化率(NOR)的均值分别为0.53和0.27,大气中存在明显的二次转化过程;N O 3 - ∕S O 4 2 - 为1.66,说明机动车尾气排放源对PM2.5中水溶性无机离子贡献较大;根据N H 4 + 与S O 4 2 - 、N O 3 - 、Cl -的相关性分析,PM2.5中N O 3 - 和S O 4 2 - 以(NH4)2SO4、NH4HSO4、NH4NO3以及HNO3形式存在。利用SPSS软件进行皮尔森相关性分析,PM2.5中N O 3 - 、S O 4 2 - 、N H 4 + 两两相关性强,说明二次反应显著;Ca 2+、Mg 2+、Na + 两两相关性强,说明其污染来源可能相同;Cl -与K +相关性强,说明大气中Cl -主要以KCl的形式存在。利用因子分析模块进行主成分分析,发现延庆区主要污染源为生物质燃烧、扬尘污染和机动车尾气排放。     

北京夏末秋初大气细粒子中水溶性盐连续在线观测研究

利用大气细颗粒物快速捕集分析系统和微量天平方法实时、在线分析了北京夏末秋初PM2.5中水溶性无机盐和PM2.5质量浓度的变化,并结合气象资料和部分前体物SO2、NOx监测数据进行了相关分析.结果表明,北京夏末秋初空气质量良好时,PM2.5日平均浓度为61,0±30.6μg·m-3,其中水溶性无机盐占PM2.5的40%～56%,(亚)硝酸盐、硫酸盐、铵盐是水溶性无机盐中的主要成分,占所测水溶性组分的80%以上.SO2向硫酸盐的转化率高于NOx向(亚)硝酸盐的转化率.亚硝酸盐浓度受气象要素和大气化学过程影响,白天亚硝酸盐有向硝酸盐转化的趋势.     

中国海峡西岸城市群冬季PM2.5和PM10中水溶性离子的污染特征

为了研究中国海峡西岸城市群冬季大气颗粒物水溶性离子的污染特征,采集该区域8个城市共14个采样点位(包含1个背景点)的PM2.5和PM2.5~10样品,采用离子色谱分析F-、Cl-、NO3-、SO42-、Na+、K+、NH4+、Ca2+和Mg2+ 9种水溶性离子的质量浓度.结果表明,海峡西岸城市群冬季大气颗粒物污染严重,PM2.5和PM10的日均值分别为89.65,135.65μg/m3,PM2.5占PM10的66.1%.城区水溶性无机离子主要集中在PM2.5上,其浓度分布存在空间差异,温州地区水溶性无机离子浓度处于较高水平;SO42-、NO3-和NH4+是水溶性无机离子的主要贡献者,其占PM2.5 中水溶性离子总量的79.6%~89.0%,占PM10的74.2%~83.4%.由于受冬季季风的影响,该区域非海盐离子对水溶性无机离子的贡献较大.NO3-/SO42-的质量浓度比显示,冬季海峡西岸城市群已处于机动车污染与燃煤污染并存的复合型污染状态.     

细颗粒物(PM2.5)可溶性提取液对发光细菌的光抑制与组分浓度的相关性分析

为科学评估PM_(2.5)对生物体的综合生物效应,利用费氏弧菌检测了PM_(2.5)水溶性提取液的光抑制效应,统计分析了227组PM_(2.5)主要组分与发光抑制率的相关关系.实验结果表明:PM_(2.5)水溶性提取液的发光抑制率值与OC、NO-3、EC和微量元素等组分浓度显著相关,相关系数从高到低的排序为:OC微量元素ECNO-3(p0.01).PM_(2.5)中,主要来自燃煤、交通燃油、生物质燃烧及冶金工业污染源排放的组分(苯并(a)芘、Cl-、OC、Cu、K+、Mn、Zn、EC、Pb、Se、F-等)浓度与发光抑制率显著相关.此外,二次来源的NO-3、NH+4等组分浓度与发光抑制率在冬季和春季显著相关.     

Chemical composition and source apportionment of PM10 and PM2.5 in different functional areas of Lanzhou, China

To elucidate the air pollution characteristics of northern China, airborne PM_10(atmospheric dynamic equivalent diameter ≤ 10 μm) and PM_(2.5)(atmospheric dynamic equivalent diameter ≤ 2.5 μm) were sampled in three different functional areas(Yuzhong County,Xigu District and Chengguan District) of Lanzhou, and their chemical composition(elements, ions, carbonaceous species) was analyzed. The results demonstrated that the highest seasonal mean concentrations of PM_10(369.48 μg/m~3) and PM_(2.5)(295.42 μg/m~3) were detected in Xigu District in the winter, the lowest concentration of PM_(2.5)(53.15 μg/m~3) was observed in Yuzhong District in the fall and PM_10(89.60 μg/m~3) in Xigu District in the fall.The overall average OC/EC(organic carbon/elemental carbon) value was close to the representative OC/EC ratio for coal consumption, implying that the pollution of Lanzhou could be attributed to the burning of coal. The content of SNA(the sum of sulfate, nitrate,ammonium, SNA) in PM_(2.5)in Yuzhong County was generally lower than that at other sites in all seasons. The content of SNA in PM_(2.5)and PM_10 in Yuzhong County was generally lower than that at other sites in all seasons(0.24–0.38), indicating that the conversion ratios from precursors to secondary aerosols in the low concentration area was slower than in the area with high and intense pollutants. Six primary particulate matter sources were chosen based on positive matrix factorization(PMF) analysis, and emissions from dust, secondary aerosols, and coal burning were identified to be the primary sources responsible for the particle pollution in Lanzhou.