西安城区大气PM_(2.5)中有机碳与元素碳的污染特征

为研究西安市夏、秋、冬3季大气细颗粒物中碳组分的污染变化规律,于2013年夏、秋、冬3季在西安市明城墙内采集大气中的PM2.5样品,测定了样品中的有机碳和元素碳的含量。结果显示,PM2.5中OC和EC的季节平均浓度冬季最高,秋季次之,夏季最低。OC/EC的比值在夏、秋、冬3季均超过2.0,说明采样期间夏、秋、冬3季均存在二次污染。OC/PM2.5的比值夏秋两季差异较小,冬季明显高于夏秋两季;EC/PM2.5的比值在夏、秋、冬3季的变化不大。OC和EC的相关性:夏季秋季冬季。OC与PM2.5的相关程度冬季秋季夏季,且随季节更替变化明显;EC与PM2.5的相关性:秋季夏季冬季。即随着季节变化PM2.5浓度水平整体升高、污染加重时,PM2.5中的OC所占比例明显升高,EC比较稳定,说明受人为影响的二次排放为主要成分的OC对PM2.5贡献更大。     

成都春季气溶胶理化性质及不同时段污染特征

利用单颗粒气溶胶质谱（SPAMS）及多种在线设备于2017年春季对成都市大气污染进行了连续观测.结果表明,成都市春季PM_2.5和PM₁₀的平均浓度分别为（62±25）和（90±40）μg/m³.大气中单颗粒物可分为8类,由于排放源及老化过程的差异,各类颗粒质谱特征和粒径分布差异明显.对选取的细粒子污染、细粒子与粗粒子混合污染（混合污染）及清洁时段的污染特征对比分析发现：（1）钾与元素碳混合颗粒（KEC）的贡献在细粒子污染时段（42.8%~46.3%）明显高于其他时段（28.9%~33.7%）;与清洁时段相比,源于燃烧过程的碳质颗粒在混合污染时段贡献降低,但沙尘/扬尘颗粒（DUST）的贡献为各时段最高.（2）相比清洁时段,大多数颗粒与二次无机组分的混合程度在其他两种时段均增强.（3）不同时段成都市气团来向差异明显,西南方向气团在细粒子污染时段占据绝对主导,川南重污染区域对成都市污染贡献重大.     

福州城市及郊区冬、夏两季大气中多环芳烃特征研究

2010年冬、夏两季,利用大流量采样器和气相色谱-质谱联用仪(GC-MSD),分析了福州市大气中多环芳烃(PAHs)的浓度水平、分布特征及来源.结果表明,福州城郊冬、夏两季大气(颗粒相+气相)中ΣPAHs浓度范围分别为115.45～187.76ng.m-3和45.55～59.20 ng.m-3,整体而言,气相显著高于颗粒相,冬季高于夏季;冬季城区高于郊区,夏季城区则低于郊区,但城郊区差异不显著;气相中PAHs比例夏季高于冬季.整体而言,气相中PAHs主要以2～4环化合物组成,颗粒相中则以4～6环化合物为主.冬季气相中PAHs主要以3环化合物为主,夏季主要以3环和4环化合物为主;颗粒相中PAHs组成无明显的季节特征.毒性当量因子法分析表明福州市空气质量状况总体良好.来源解析表明,福州大气PAHs主要为燃烧源,福州机动车燃料以柴油为主.     

基于TEM-EDS对四川盆地大气单颗粒气溶胶的研究

为了解四川盆地大气中单颗粒气溶胶理化特征,分别在该区域典型城市（成都市）和背景地区（峨眉山）进行了大气单颗粒样品采集.基于带能谱的透射电子显微镜（TEM-EDS）对两地累计3923个单颗粒的化学组成、形貌特征及混合状态等进行了全面观测和分析,并对两地颗粒物差异性进行了对比分析.结果发现：两地气溶胶颗粒主要包括有机物、富硫、矿物、烟尘和飞灰/金属颗粒,除了以单独的外混形式存在外,大多数颗粒以两种及两种以上颗粒类型混合（即内混）形式存在.通过对成都市不同污染状况下单颗粒特征对比发现,"污染天"的内混颗粒占比高于"清洁天",分别为74.2%和68.6%;相比"清洁天","污染天"颗粒物粒径分布范围更广且峰值区间更大,表明污染过程中颗粒物的大气混合趋于更强.对比成都市与峨眉山分析结果得知,成都市以内混的有机物-硫颗粒为主导（占比为50.2%）,而峨眉山以外混的有机物颗粒为主导（占比为50.5%）;成都市含硫类颗粒物（如有机物-硫颗粒）贡献高于峨眉山,而峨眉山两种含碳类颗粒（如烟尘和有机物-烟尘颗粒）占比高于成都市;此外,成都市与峨眉山两地大气颗粒物粒径分布范围及峰值区间均存在一定差异,进一步体现了两地颗粒物来源和老化混合的差异.在峨眉山,与非降雨天相比,一些易溶于水的颗粒物（如含硫类颗粒）在降雨天占比明显降低,而源自当地燃烧过程、粒径较小且疏水性强的颗粒物（如烟尘和有机物-烟尘颗粒）占比相应升高.     

成都夏冬季PM2.5中水溶性无机离子污染特征

利用大气细颗粒物水溶性组分及气态前体物在线监测设备(GAC-IC)对成都市2017年夏、冬两季大气PM_(2.5)中水溶性无机离子(WSIIs)及气态前体物进行了连续观测,对其污染特征及冬季一次典型污染过程进行了深入分析.结果表明,成都冬季PM_(2.5)质量浓度为100.2μg·m~(-3),显著高于夏季(34.0μg·m~(-3)).WSIIs是PM_(2.5)的重要组成,对夏、冬季PM_(2.5)的贡献分别可达52.9%和53.3%.夏、冬季的二次离子(SNA)占WSIIs的比例分别为73.2%和87.6%,其中,SO_4~(2-)和NO~-_3分别是夏、冬季SNA的主导组分,对SNA的贡献分别为37.7%和59.7%.冬季NO~-_3/SO_4~(2-)比值(2.7)显著高于夏季(0.8),体现了移动源(尤其是机动车源)对该季节PM_(2.5)的重要贡献.受来源及气象条件差异的影响,两季节SNA的日变化规律明显.在冬季,随着污染加重,各化学组分及主要气态前体物浓度均显著增加,NO~-_3是引发重污染的关键组分.后向轨迹分析表明,成都两季节气团来向差异明显,夏、冬季聚类对应的WSIIs分别以SO_4~(2-)和NO~-_3为主导,成都周边地区的近距离低空传输对该城市PM_(2.5)污染贡献重大.     

成都市城区大气VOCs季节污染特征及来源解析

为研究成都市城区大气VOCs季节变化特征,本研究在2018年12月至2019年11月对VOCs组分进行监测,并对VOCs的浓度水平、各化学组成、化学反应活性和来源进行分析.结果表明,成都市城区春、夏、秋和冬季VOCs的平均体积分数分别为32.29×10~(-9)、 36.25×10~(-9)、 40.92×10~(-9)和49.48×10~(-9),冬季的浓度明显高于其他季节,春季和夏季的浓度水平相差不大,各季节VOCs的组分浓度水平有所差异,冬季烷烃占总VOCs的比例最大,可能受机动车排放的影响较明显;夏季和秋季含氧(氮)挥发性有机物占比远高于春、冬季,一次源的挥发排放和二次转化的生成贡献较大;成都市城区不同季节大气中VOCs平均浓度排名靠前的关键组分基本无变化,主要是C_2～C_4的烷烃、乙烯、乙炔及二氯甲烷等,可能受机动车尾气、油气挥发、溶剂使用和LPG燃料等影响明显,夏季丙酮以及乙酸乙酯等含氧有机物浓度贡献突出;根据·OH消耗速率和OFP计算可知关键活性物种主要为间/对-二甲苯、乙烯、丙烯、1-己烯、甲苯、异戊烷和正丁烷等,这些物种应该优先减排和控制;四季VOCs源解析结果显示:春、夏季温度较秋、冬季高,光照更强,PMF明显解析出天然源和二次排放贡献,同时,由于夏季温度较高,解析出油气挥发占9%;秋、冬季占比增加的源主要为机动车尾气和燃烧源,燃烧源的排放占比在25%左右,另餐饮源的排放占比在9%左右.     

利用SPAMS研究南宁市四季细颗粒物的化学成分及污染来源

为研究南宁市四季大气颗粒物的化学成分及污染来源,利用单颗粒气溶胶质谱仪(single particle aerosol mass spectrometer,SPAMS)对南宁市2015年四季大气细颗粒物进行观测.SPAMS所测得4个观测阶段大气细颗粒物数浓度与细颗粒物质量浓度线性相关系数均在0.75以上,在一定程度上颗粒物数浓度可反映大气污染状况.南宁市四季大气细颗粒物平均质谱图体现出冬、春两季二次反应生成的污染物质较多.利用自适应共振神经网络分类方法对细颗粒物化学成分进行分类,南宁市细颗粒物各化学成分数浓度占比和污染来源在四季均有差异,且化学成分能体现污染来源.冬季元素碳最高,对应较高的燃煤源;秋季有机碳最高,对应较高的机动车尾气源;夏季富钾颗粒、左旋葡聚糖和矿物质较高,对应较高的生物质燃烧源和扬尘源;春季富钠颗粒和重金属略高.在污染升高过程,生物质燃烧源和燃煤源等贡献较大.     

呼和浩特市大气气态和颗粒物上正构烷烃的研究

采用聚氨基甲酸乙酯和玻璃纤维滤膜采集样品并测定。大气中总正构烷烃的浓度分布、气／固分布比与季节变化、污染源有关。在呼市大气中总正构烷烃（Ｃ１５－Ｃ３３），夏季主要存在气态中（７８％），而冬季主要存在于颗粒物上（８３％）。内蒙古草原大气对照样品中，气态中总正构烷烃在冬夏两季所占百分比都约为５０％。市区冬季大气颗粒物上的总正构烷烃浓度比其它城市结果高出１－２个数量级。     

两种典型污染时段鹤山市大气细颗粒污染特征及来源

PM_2.5和O₃浓度超标是我国大气污染的主要特征,研究两种典型污染时段的细颗粒化学组成、混合状态和来源对治理大气污染具有重要意义.2016年11月10—20日广东省鹤山市先后出现了PM_2.5和O₃超标的污染事件.污染期间,采用SPAMS（单颗粒气溶胶质谱仪）对细颗粒进行实时采样分析,共采集到有正负化学组成信息的颗粒422 944个,占总颗粒数的19.2%.基于单颗粒质谱数据特征,使用自适应共振神经元网络算法（ART-2a）,对单颗粒数据进行自适应分类.颗粒物划分为OC（有机碳）、EC（元素碳）、ECOC（元素-有机碳混合）、HOC（高分子有机碳）、Pb-rich（富铅）、Si-rich（富硅）、LEV（左旋葡聚糖）、K-Secondary（钾二次）、Na-rich（海盐）和HM（重金属）颗粒共10类.结果表明:两个PM_2.5污染时段EC颗粒和K-Secondary颗粒的占比高,EC颗粒分别占46.5%和61.1%,K-Secondary颗粒分别占14.3%和10.3%;O₃污染时段EC颗粒占比（39.4%）最高,其次是OC颗粒占比17.0%;两种污染时段OC组分与HSO₄-和NO₃-的混合程度都有明显的上升,说明污染有利于有机气溶胶的老化.由源解析结果可知,PM_2.5污染时段,细颗粒主要来源于燃煤、机动车尾气和扬尘,而O₃污染时段细颗粒主要来源于燃煤、生物质燃烧和扬尘;此外,两种污染时段燃煤源对细颗粒的贡献都有较大提升.研究显示,控制燃煤源的排放对污染物的降低有着重要影响.      

贡嘎山本底站大气中VOCs的研究

为研究中国西南地区大气中挥发性有机物（VOCs）区域性本底浓度和变化特征,利用不锈钢钢瓶采样、三步冷冻浓缩进样-气相色谱/质谱联用技术（GC/MS）,测定了贡嘎山大气本底站大气中的VOCs组成、浓度及季节变化,并利用PCA（principal component analysis）受体模型对大气中VOCs来源进行了初步分析.结果表明,贡嘎山地区TVOCs和NMHCs的年平均浓度（体积分数）分别为9.40×10-9±4.55×10-9和7.73×10-9±4.43×10-9,且两者的最高和最低浓度都出现在同一次采样.在TVOCs中,芳香烃所占比例最大,为37.3%,烷烃（30.0%）和卤代烃（19.8%）次之,烯烃的比例最低,为12.9%.通过PCA受体模型分析发现,贡嘎山地区大气中VOCs的主要来源可以归结为交通源、生物源和燃烧源.贡嘎山地区大气中TVOCs呈现明显的季节变化,变化特征为秋季〉冬季〉春季〉夏季,秋季和冬季大气中的TVOCs浓度分别极显著（P〈0.01）和显著地高于夏季（P〈0.05）,由于光化学性质的差异,4种类型的VOCs季节变化也呈现出不同的特征.异戊二烯是生物源的重要排放物,其排放速率与大气温度呈指数相关,在20℃以上随着温度的升高排放速率明显增强,其最高和最低值分别出现在夏季的下午和冬季的上午.与其他地区的研究结果相比,贡嘎山地区TVOCs的排放处于中等水平,有着明显的本底站排放特征.     

南京北郊霾天气溶胶化学组分粒径分布特征

为研究南京霾天气中大气气溶胶化学成分及其粒径分布的特征,使用β射线测尘仪、安德森9级撞击式采样器、离子色谱分析仪和热光碳分析仪对南京冬、春季节的颗粒物进行了采样分析.结果表明,霾日中3种主要二次离子SO₄^2-、NO₃^-和NH₄⁺在细粒径段中占比最高（77.4%）,霾日中除F^-和Cl^-外其余离子均呈三峰型分布,工业排放、生物质燃烧与二次反应是粗、细粒径段中水溶性离子最重要来源.OC、EC均主要富集于细粒子中,PM_2.1~10中OC与EC相关性较好（R²=0.76）,说明存在共同来源.通过OC/EC特征物比值的方法得到霾日期间碳质颗粒物的来源为机动车尾气排放、燃煤和生物质燃烧.     

基于气溶胶光学特性的颗粒物来源分析

为初步探讨利用气溶胶光学指标判别污染物来源的适用性,选取天津市冬季一次重污染过程（2017年11月17—21日）,对气溶胶的七波段吸收系数、三波段散射系数及其化学组分进行在线观测及分析,研究气溶胶光学特性的变化,并结合化学组分定性分析污染过程不同阶段的污染来源.结果表明:SSA（单散射反照率）可以从散射性组分和吸光性组分对消光贡献的变化判断污染来源.污染积累期,颗粒物中散射性组分（SO₄2-、NO₃-、NH₄+）的增幅高于吸光性组分EC（元素碳）,导致污染积累期的SSA值高于污染前期和污染消散期,说明污染积累期存在较明显的二次转化过程.SAE（散射波长指数）可以从粒径角度推断污染来源.此次观测的污染积累期SAE值呈较明显的下降趋势,说明在细粒径段（2.5 μm以下）颗粒物粒径有增大的趋势,这主要与颗粒物中无机盐的吸湿增长及颗粒物之间的碰并有关.AAE（吸收波长指数）在一定程度上可以指示吸光颗粒物的类型.污染前期,BrC（棕色碳）在370、470 nm处对光吸收的贡献率分别为50.7%、33.8%;同期PM_2.5中ρ（Cl-）、ρ（K+）同步升高,卫星遥感显示,观测点周围有大量火点出现,推测主要受祭祖活动的影响.研究显示,气溶胶光学指标能够从散射性组分和吸光性组分对消光贡献变化、粒径变化、吸光颗粒物类型角度定性解析一部分污染来源,但其对于燃煤源和机动车等重要源类的指示作用还有待进一步研究.      

浙北地区PM2.5中多环芳烃特征

为了研究浙北地区PM_2.5中多环芳烃（PAHs）的季节性变化和它们的来源,于2014年11月~2015年11月收集了杭州和宁波2个城市中4个采样点的PM_2.5样品,利用气-质联用仪测定了17种PAHs浓度.结果表明,∑PAHs年平均浓度范围为24.1~51.9ng/m³,平均值为（35.5 ±12.3） ng/m³.2~3环PAHs在PM_2.5中的浓度较低（<1ng/m³）,而4~6环PAHs占总PAHs的77.0%.∑PAHs的浓度与PM_2.5呈相似的季节性变化特征,冬季浓度最高而夏季最低.惹烯作为软木燃烧的示踪物,冬季的浓度是夏季的4倍,表明在冬季软木燃烧的排放和对PM_2.5的贡献都有所增加.除了夏季的2个城区站点,其它季节和站点∑PAHs浓度和PM_2.5呈现一定的正相关性.特征PAHs比值显示,浙北地区气溶胶相关的多环芳烃主要来自燃烧和热解排放,如生物质燃烧和煤燃烧,而交通排放和石油挥发源的影响不大.     

北京市铺装道路降尘污染特征及来源

为研究北京市道路降尘在不同季节的污染特征及来源,选取北京市4条典型道路得到64个采样点的道路尘样品,采集的道路尘样品经过预处理得到75 μm以下的颗粒物,经过再悬浮及实验室分析得到PM_2.5的粒径分布和化学成分谱.结果表明:不同采样高度及不同道路类型的颗粒物粒径大体分布规律一致,颗粒物质量频率存在三个峰值,分别为0.75 μm（微粒径）、2.50 μm（小粒径）、4.50 μm（大粒径）;各季节的降尘颗粒物的化学组分中质量分数最大的是元素,主要元素（含量>1%）季节变化为冬季>春季>秋季>夏季,元素富集因子法得到污染元素为Cr、Cd、Sn、Cu、Zn、Pb、As,双重元素为Bi、Ti、Ni、W、Mg、Ca、TI、Mo、V、Fe、Zr、Ba,其余16种为非富集元素;颗粒物中离子质量分数在夏季最大为9.31%,春季、秋季、冬季的离子质量分数相差不大,其中Ca2+、NO₃-、Cl-、SO₄2-占总离子质量的80%左右;碳素中w（OC）和w（EC）的季节变化均为夏季>秋季>春季>冬季,OC/EC[w（OC）/w（EC）]的季节变化规律为冬季>春季>秋季>夏季.不同季节w（OC）和w（EC）的相关性大小为夏季>秋季>春季>冬季.对PM_2.5中化学组分来源分析表明,污染元素受机动车和建筑尘影响较大,与机动车尾气相比,机动车磨损造成的污染也不容小视;燃煤影响一直存在,但供暖期污染有所改善.机动车尾气、建筑尘及土壤尘对离子均有贡献,在夏季土壤尘、建筑尘、二次反应的综合影响较大,春季土壤尘影响更为突出.碳在夏秋季节受汽车尾气和建筑尘的影响较大,夏季二次反应影响不大;冬季除气象因素外,燃煤和生物质燃烧也不可忽视;春季土壤尘影响较为突出.      

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

区域大气细粒子污染特征及快速来源解析

在广东大气超级站使用单颗粒气溶胶飞行时间质谱仪(SPAMS)等仪器开展综合观测,2013年12月共监测到两个污染过程,主要的化学成分为元素碳(EC),占总颗粒数的56.8%,其次为有机碳(OC)和重金属(HM),分别占总颗粒数的12.7%和10.1%.两个污染过程中,不同颗粒类别的变化趋势有差异,说明两个污染过程的污染特征有所不同.污染来源分析发现,监测期间主要受到机动车尾气源和燃煤源的影响,二者分别占24.8%和22%;其次为工业工艺源和生物质燃烧,分别占16.4%和10.3%.第一个污染过程中,工业工艺源是首要污染源,而随着颗粒物浓度的增高,燃煤和二次无机气溶胶的比例明显增加,说明此污染过程中受一次污染源(燃煤源和工业工艺源)和二次光化学反应的复合影响.而第二个污染过程中,机动车尾气为首要污染源,其次是燃煤和工业工艺源,整个过程中各源的比例较为稳定,说明该次污染过程主要由不利气象条件导致的污染物累积形成.     

成都市冬季大气颗粒物组成特征及来源变化趋势

年冬季分别在成都市8个环境受体采样点采集PM₁₀、PM_2.5样品,同时采集颗粒物源类样品,分析上述样品质量浓度及多种无机元素、水溶性离子和碳组分的含量,以对这3 a冬季大气颗粒物浓度、特征组分、来源及变化趋势进行分析. 使用CMB-iteration模型对成都市中心城区的PM₁₀、PM_2.5进行来源解析. 结果表明: 成都市冬季ρ(PM₁₀)在工业区最高,PM_2.5污染呈现区域性特征;冬季PM₁₀的主要来源有扬尘、二次硫酸盐、煤烟尘、二次硝酸盐和机动车尾气尘,上述5类源在2010─2012年的分担率分别为24%～29%、17%～22%、13%～16%、6%～12%、6%～11%;对PM_2.5有重要贡献的源类有二次硫酸盐、扬尘、煤烟尘、二次硝酸盐和机动车尾气尘,这5类源在2010─2012年的分担率范围分别为25%～27%、19%～22%、12%～15%、11%～13%、8%～11%. 二次粒子、扬尘等是成都市大气颗粒物的主要污染源,其中扬尘、建筑水泥尘等以粗粒子为主的源类浓度贡献呈逐年下降趋势,而二次粒子等以细粒子为主的源类浓度贡献则逐年上升,成都市冬季大气细颗粒物污染加重.      

Characteristics, evolution, and regional differences of biomass burning particles in the Sichuan Basin, China

The Sichuan Basin has experienced serious air pollution from fine particulate matter (PM_2.5) in the past few years with biomass burning has been identified as a major source of PM_2.5 in this region. We used single particle aerosol mass spectrometer to investigate the characteristics of biomass burning particles in three interacting cities representing different types of urban environment in the Sichuan Basin. A total of 739,794, 279,610, and 380,636 biomass burning particles were detected at Ya'an, Guang'an, and Chengdu, which represented 42%, 69%, and 61%, respectively, of the total number of particles. We analyzed the chemical composition, transportation, and evolution of biomass burning particles. The contribution of K-elemental carbon and K-secondary inorganic particles was highest in Ya'an (36%) and Guang'an (47%), respectively, reflecting the important role of fresh biomass burning particles and long-distance transport in these two cities. Air masses originating from different directions corresponded to different levels of PM_2.5 and the contributions of polluted clusters increased significantly on polluted days. Fresh and secondary inorganic biomass burning particles increased pollution at Ya'an and Guang'an, respectively, but dominated different stages of pollution in Chengdu. K-nitrate particles were formed by photochemical reactions, whereas K-sulfate particles were formed by both photochemical and liquid-phase reactions. Investigation of the degree of particle aging showed that there were more fresh particles at Ya'an and more aged particles at Guang'an. These results are useful in helping our understanding of the characteristics of biomass burning particles and evaluating their role in PM_2.5 pollution in the Sichuan Basin.