民用燃料烟气中气态污染物及水溶性无机离子的排放

选取北京市地区典型生物质燃料（玉米芯、玉米秆、黄豆秆、草梗、松木、栗树枝、桃树枝）以及民用煤（烟煤、蜂窝煤）在实验室内进行了模拟燃烧实验,采用Thermo Fisher 42i型化学发光NO-NO₂-NOx分析仪、43i型脉冲荧光SO₂分析仪、48i型CO分析仪对烟气中的NO_x、SO₂、CO进行全程在线监测;对燃烧产生的颗粒物样品进行采集,采用ICS 90A、ICS2000离子色谱仪对不同粒径段颗粒物中的水溶性无机离子进行测定.研究表明：3类民用燃料排放因子均值由大到小的顺序,SO₂为民用煤 > 薪柴 > 秸秆;CO为秸秆 > 民用煤 > 薪柴;NO_x为薪柴 > 民用煤 > 秸秆.薪柴燃烧产生的PM_2.5中SO₄^2-含量最高,占总水溶性无机离子的22%~30%;秸秆类燃烧产生PM_2.5中的水溶性无机离子K⁺占绝对优势,占总水溶性无机离子的36%~49%,其次为Cl^-或SO₄^2-,两者之和占总水溶性无机离子的35%~44%.3类民用燃料中秸秆类燃烧排放的颗粒物中水溶性无机离子的排放因子最高,其次为薪柴类燃料,民用煤最低.本实验对不同粒径段颗粒物中9种水溶性无机离子进行了分析（Na⁺、K⁺、Mg²⁺、Ca²⁺、NH₄⁺、F^-、Cl^-、NO₃^-、SO₄^2-）,薪柴类燃料燃烧排放的颗粒物中,Na⁺、K⁺、NH₄⁺、F^-的排放因子在0~2.5μm粒径段内最大,Mg²⁺和Ca²⁺的排放因子在2.5~10μm粒径段内最大.秸秆类燃料除Ca²⁺、Mg²⁺外,其余离子的排放因子均在0~2.5μm粒径段内达到最大.对于烟煤而言,除了K⁺、Mg²⁺和Ca²⁺外,其余离子的排放因子均在0~2.5μm粒径段内达到最大;蜂窝煤中Na⁺、K⁺、Cl^-、NO₃^-、SO₄^2-的排放因子均在0~2.5μm粒径段内达到最大.     

基于高分辨率MARGA分析桂林市PM2.5水溶性离子特征

利用高时间分辨率MARGA于2017年2月17日~3月24日在桂林市开展PM_2.5组分监测，结合同一点位环境和气象监测数据，分析桂林市大气PM_2.5水溶性无机离子组分特征及气溶胶酸性.结果表明：MARGA监测的PM_2.5中8种水溶性离子与PM_2.5变化趋势一致.8种水溶性离子总浓度均值29.27μg/m³，3种二次水溶性离子SO₄^2-、NO₃^-和NH₄⁺浓度均值26.91μg/m³，占水溶性离子总浓度的93.50%，是桂林市大气PM_2.5的主要组分.二次水溶性离子SO₄^2-、NH₄⁺和NO₃^-两两之间存在显著正相关性（相关系数均>0.80），提示二次离子产生的机制及在大气中的演化、沉积具有一定的相似性.无论有无降雨，能见度（Vis）均随着水溶性离子，尤其是二次水溶性离子浓度的增加呈幂函数规律递减.24h累计降雨量≥ 10.0mm时，湿清除作用明显.晴天及降雨量不大的天气下，需注意管控机动车尾气、生物质燃烧和扬尘污染.SOR、NOR分别为0.35、0.12，SO₂同时通过均相和非均相氧化反应转化为SO₄^2-，NO_x主要是通过白天光化学反应转化为NO₃^-.大多数离子和气态前体物均存在明显的日变化规律，这与物质的来源、形成机制和气象条件不同有关.CE/AE摩尔浓度均值为1.5，桂林市PM_2.5总体偏碱性.PM_2.5中SO₄^2-、NO₃^-、Cl^-主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在.PM_2.5中NH₄⁺可能与监测点位交通源排放有关，桂林市应加强交通污染物排放管控.     

北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.     

北方沿海城市大气PM2.5组分特征及来源分析：以青岛市为例

为探究北方沿海城市大气PM_2.5的化学组分特征及其关键来源,本文选择典型代表城市青岛市作为研究对象,在2021年3月-2022年2月采集大气PM_2.5样品,测定水溶性无机离子、碳组分及化学元素等组分,深入分析大气PM_2.5化学组分特征,采用正定矩阵因子分解(PMF)和潜在源贡献函数(PSCF)对青岛市PM_2.5的主要贡献源类和潜在源区进行分析研究.结果表明：(1)采样期间青岛市PM_2.5浓度平均值为42.2μg/m³,NO₃-、NH₄⁺、SO₄^2-、OC是PM_2.5的主导成分,浓度分别为11.77、5.76、5.20和6.67μg/m³,占比分别为27.88%、13.65%、12.32%和15.80%.(2)各组分浓度季节性变化与PM_2.5浓度变化基本一致,呈现冬季最高、夏季最低,春...     

京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

邢台市秋季PM2.5及水溶性离子污染特征

为研究邢台市秋季PM_2.5污染特征,于2017年10月15日~11月14日在邢台市区对PM_2.5样品进行了采集,并对其中水溶性离子（包括Cl^-、NO₃^-、SO₄^2-、NH₄⁺、Ca²⁺、Na⁺、Mg²⁺、K⁺）进行了分析.结果显示,观测期间邢台市ρ（PM_2.5）平均值为（130.0±74.9）μg/m³,其中水溶性离子质量浓度为（69.8±11.4）μg/m³,占ρ（PM_2.5）的53.3%,NO₃^-、SO₄^2-和NH₄⁺为主要离子,占水溶性离子比例达到了89.7%. 当污染加重,水溶性离子质量浓度随ρ（PM_2.5）增大而升高,且NO₃^-、NH₄⁺及SO₄^2-占比亦逐渐升高,但其他离子占比随之下降,Ca²⁺尤为明显,表明ρ（PM_2.5）升高时主要受二次无机转化影响;观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.36和0.25,表明秋季SO₂与NO₂转化速率较强,二次无机污染严重,另外SOR及NOR与温度及相对湿度呈正相关,且SOR对二者更为敏感;邢台市秋季PM_2.5呈弱碱性,NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃的形式存在;ρ（NO₃^-）/ρ（SO₄^2-）平均值为2.13,表明移动源对秋季大气颗粒物的来源贡献较大;PMF分析结果表明,二次转化源、燃烧源及扬尘源为邢台市秋季PM_2.5中水溶性离子的主要来源.     

基于随机森林模型的武汉市城区大气PM2.5来源解析

基于2019年12月～2020年11月期间武汉市城区大气PM_2.5及其主要化学组分（碳质组分、水溶性离子和元素组分）的在线监测数据,分析武汉城区大气PM_2.5的污染特征,并利用主成分分析方法和随机森林模型,对PM_2.5进行来源解析．结果表明,武汉市大气ρ(PM_2.5)冬季最高,为（61.33±35.32）μg·m^-3,而夏季最低,为（17.87±10.06）μg·m^-3．其中碳质组分以有机碳为主,年均值为（7.27±3.51）μg·m^-3,离子组分中ρ（NO₃^-）、ρ(SO₄^2-)和ρ（NH₄⁺）最高,年均值分别为（11.55±3.86）、（7.55±1.53）和（7.34±1.99）μg·m^-3,元素组分中ρ（K）、ρ（Fe）和ρ（Ca）最高,年均值分别为（752.80±183.9...     

室内木柴燃烧排放水溶性离子粒径分布特征

基于实验室模拟燃烧和稀释通道采样系统,采用荷电低压撞击采样器采集了6种典型木柴燃烧排放的14级粒径段颗粒物.采用离子色谱分析了8种水溶性离子,获得水溶性离子的分粒径排放因子和排放特征.结果表明,Ca²⁺的排放因子呈双峰分布,在0.25~0.38和2.5~3.6μm粒径段出现峰值,分别为0.14和0.16mg/kg.其余离子的排放因子为单峰分布.NH₄⁺、NO₃^-和SO₄^2-的排放因子在0.25~0.38μm粒径段出现峰值,分别为0.41、0.58和0.84mg/kg.K⁺和Cl^-的排放因子在0.15~0.25μm内出现峰值,分别为0.89和0.99mg/kg.木柴燃烧排放总水溶性离子的质量中值粒径为（0.30±0.07）μm,各离子的质量中值粒径范围为0.24~0.44μm.PM_0.094、PM_0.94、PM_2.5和PM₁₀中水溶性离子的排放因子变化范围分别为1.04~9.33、5.00~48.87、5.46~52.00和6.14~53.68mg/kg.木柴燃烧排放颗粒物中K⁺/Cl^-、K⁺/NO₃^-、K⁺/SO₄^2-和SO₄^2-/NO₃^-比值随粒径变化而变化,其排放初始值在应用于源解析和生物质燃烧排放气溶胶传输老化研究时需引起关注.木柴燃烧排放PM₁₀中的阴阳离子当量比值为0.80±0.11,颗粒物的酸度随颗粒物粒径而改变,亚微米颗粒物和细颗粒物的酸度高于超细颗粒物和粗颗粒物的酸度.本研究对构建生物质燃烧排放分粒径水溶性离子清单,更新和改进相关气候和空气质量模型的参数设置,识别烟气传输过程中的老化具有重要意义.     

苏南五市秋冬季PM2.5化学组成特征和空间差异

于2020年9月至2021年2月在苏南五市(南京、苏州、无锡、常州和镇江)收集PM_2.5滤膜样品,分析了各样品中的水溶性无机离子和碳质组分.结果表明,苏南五市PM_2.5各组分中ρ(NO₃^-)均为最高[(9.54±10.1)～(12.1±11.3)μg·m^-3],比其它目标组分高约2倍以上.由于受更多道路扬尘和燃煤源的影响,常州市PM_2.5中Ca²⁺、Cl^-、OC和EC的浓度平均值高于其它4个城市.将所有目标组分浓度相加得到重构PM_2.5(r PM_2.5)浓度,发现各城市r PM_2.5浓度均由二次无机离子(NH₄⁺、NO₃^-和SO₄^2-,SNA)主导,占比高达(59.2%±11.1%)～(70.8%±9.72%),且r ...     

南京北郊早春霾污染过程及硫酸盐形成研究

对2016年3月南京北郊PM_2.5进行采样分析,通过样品中的水溶性离子（Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺、Cl^-、NO₃^-、SO₄^2-）和碳质组分（OC、EC）,探讨霾污染的特征、来源及硫酸盐形成机制.结果表明,采样期间南京北郊PM_2.5平均浓度（103.22±48.5）µg/m³.污染天二次硫酸盐的形成与NO₂对SO₂的氧化相关性较强,而O₃的氧化作用影响较小;清洁天则相反.污染天,具有酸度缓冲作用的矿物粉尘使得气溶胶颗粒物总体呈弱碱性,而碱性环境下又更利于二次硫酸盐的形成.南京北郊早春二次污染严重,SOC主要由大气中碳氢化合物与O₃发生光氧化反应生成.污染天主要排放源为机动车尾气排放,其次是生物质和煤炭燃烧;清洁天主要排放源为煤炭燃烧和扬尘,机动车尾气影响较小.     

民用燃煤不同燃烧阶段细颗粒物排放特征

研究了民用燃煤在不同燃烧阶段排放PM_2.5的质量浓度分布特征.结果表明,散煤与正烧炉在旺火阶段排放颗粒物粒径主要集中在0.2μm以下（d₅₀=0.15μm）,加煤和封火阶段在0.2~0.5μm （d₅₀=0.38mm）,质量占比46.6%~68.97%.型煤与正烧炉在各阶段排放的颗粒物均以0.2μm以下颗粒物为主,质量占比44.64%~56.24%.扫描电镜（SEM）观察到燃煤排放PM_2.5为大量超细颗粒物聚集形成的簇团状结构.用碳平衡法计算得到散煤加煤阶段的PM_2.5排放因子为4.72g/kg,分别是旺火和封火阶段的12和11倍.将散煤更换为型煤,能够使得加煤阶段的PM_2.5排放因子减少90.9%,从而显著降低PM_2.5排放.     

民用燃煤不同燃烧阶段细颗粒物排放特征

研究了民用燃煤在不同燃烧阶段排放PM_2.5的质量浓度分布特征.结果表明,散煤与正烧炉在旺火阶段排放颗粒物粒径主要集中在0.2μm以下（d₅₀=0.15μm）,加煤和封火阶段在0.2~0.5μm （d₅₀=0.38mm）,质量占比46.6%~68.97%.型煤与正烧炉在各阶段排放的颗粒物均以0.2μm以下颗粒物为主,质量占比44.64%~56.24%.扫描电镜（SEM）观察到燃煤排放PM_2.5为大量超细颗粒物聚集形成的簇团状结构.用碳平衡法计算得到散煤加煤阶段的PM_2.5排放因子为4.72g/kg,分别是旺火和封火阶段的12和11倍.将散煤更换为型煤,能够使得加煤阶段的PM_2.5排放因子减少90.9%,从而显著降低PM_2.5排放.     

沈阳市PM2.5污染组分特征及其来源解析

为了解沈阳市空气细颗粒物的污染特征及主要来源,于2015年2月、5月、8月和10月在沈阳市采集PM_2.5样品,对PM_2.5质量浓度及其化学组分（无机元素、含碳组分和水溶性离子）进行测定.结果显示,采样期间沈阳市PM_2.5平均质量浓度为69 μg/m³,是《环境空气质量标准》（GB 3095-2012）年均二级标准限值（35 μg/m³）的2.0.水溶性离子在PM_2.5中的含量最高,其次为碳组分、无机元素.富集因子结果表明：沈阳市富集因子值最高的元素来自于燃煤、交通污染、工业排放等污染源.正交矩阵因子分析（PMF）结果表明：PM_2.5结果中燃煤源、二次源、工业源、扬尘源和交通源的贡献比分别为33.4%、27.2%、16.7%、11.5%、11.2%.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

南京市一次霾污染过程中水溶性离子分布特征

使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM_2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明：霾日中南京水溶性离子浓度为121.41μg/m³,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO₃^- > SO₄^2- > NH₄⁺ > Cl^- > K⁺ > Ca²⁺ > Mg²⁺,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl^-、SO₄^2-和NH₄⁺的日变化为单峰型,Ca²⁺为双峰型,K⁺、Mg²⁺为三峰型.随着空气污染状况的加重,总水溶性离子在PM_2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH₄⁺占总离子的比例稳定在23%左右,SO₄^2-占比缓慢减小,NO₃^-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧.