沙尘天气对北京大气重污染影响特征分析

利用北京市具有代表性的大气污染物监测站资料,统计出2000─2005年各月重污染的天数,并对4和5级的重污染特征进行分析.结果表明,北京市大气重污染主要源于颗粒物. 分析了北京沙尘型重污染年、季节变化特征和表现形式等. 利用2000—2005年北京及周边地区环境监测、卫星遥感以及气象等数据,对沙尘天气影响北京城区大气中ρ(PM₁₀₎进行分析发现,ρ(沙尘粒子)约占ρ(PM₁₀₎的1%～13%;沙尘天气的影响区域逐渐加重的顺序为前门<古城<车公庄<农展馆<东四<天坛<奥体中心<定陵;沙尘天气下ρ(PM₁₀₎具有双峰型特征,细粒子(PM_2.5)质量浓度的增加对人体健康影响极为不利.      

北京市2018年春季一次沙尘回流过程的污染特征

通过监测数据分析,结合轨迹模拟和特征雷达图的分析结果,对2018年4月14~19日北京出现的一次沙尘天气过程进行分析.结果显示：依据ρ（PM_2.5）和ρ（PM₁₀）及其比值PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]的变化情况,此次沙尘过程可分为沙尘期、中间期、回流期和回流后期4个典型时期.沙尘期ρ（PM₁₀）平均值达到（278.5±83.7）μg/m³,明显高于回流期和回流后期,回流后期ρ（PM_2.5）平均值达到（135.5±16.9）μg/m³,明显高于回流期和沙尘期.沙尘期逐小时PM_2.5/PM₁₀<0.2,回流期和回流后期PM_2.5/PM₁₀比值分别介于0.3~0.6和0.5~0.8范围内.SO₄^2-、NO₃^-和NH₄⁺等（SNA）水溶性离子沙尘期浓度占比仅为7.3%±2.5%,沙尘回流期和回流后期SNA占比分别增长至47.0%±6.3%和51.3%±5.7%.研究表明,受天气系统影响,回流沙尘可裹挟南部的细颗粒和气态污染物输送到北京后发生累积和二次转化,从而推高PM_2.5浓度,因此发生沙尘回流时,区域内应加强一次污染物排放的管控力度,同时北京市需进一步加强机动车氮氧化物的排放监管.     

兰州市沙尘天气与痤疮门诊量的时间序列

研究沙尘天气、非沙尘天气下颗粒物（PM_2.5、PM_C、PM₁₀）对痤疮门诊量的影响,并进行性别、年龄分层研究,筛选敏感人群.收集了2013~2017年兰州市沙尘期与非沙尘期3家三甲医院痤疮门诊量资料、大气颗粒物及气象数据,采用基于泊松分布的分布滞后非线性模型（DLNM）,控制气象因素、季节性和长期趋势、星期几效应等混杂因素,分析沙尘期与非沙尘期颗粒物对痤疮门诊量的影响及滞后效应.结果表明：沙尘期时,兰州市3家三甲医院痤疮日均门诊量为26人次,范围3~54人次.非沙尘期时痤疮日均门诊量为37人次,范围1~89人次;单污染物模型显示,PM_2.5、PM_C、PM₁₀均在滞后第6d （lag6）时效应量达到最大值,其浓度每增加10μg/m³,痤疮门诊量的超额危险度（ER）及95%可信区间（95% CI）分别为1.065（95% CI：0.260~1.877）、0.355（95% CI：0.018~0.693）、0.310（95% CI：0.054~0.567）,PM_2.5对痤疮门诊量的影响最为显著;性别及年龄分层发现,性别分层中PM_2.5对女性的影响有统计学意义,其浓度每增加10μg/m³,痤疮门诊量增加1.077（95% CI：0.124~2.039）;年龄分层中,0~18岁组受PM_C、PM₁₀影响显著,19~24岁组受PM_2.5、PM₁₀影响显著,各颗粒物对25~34岁组及≥35岁组效应无统计学意义.在非沙尘期时,PM_2.5、PM_C、PM₁₀不引起痤疮门诊量增加.双/多污染物模型显示,分别调整其他污染物后,PM_2.5、PM_C、PM₁₀对痤疮门诊量的影响与单污染物模型类似,仍具有统计学意义.兰州市沙尘天气下大气颗粒物（PM_2.5、PM_C、PM₁₀）可使痤疮门诊量增加,对女性及青少年影响显著.     

兰州市沙尘天气与痤疮门诊量的时间序列

研究沙尘天气、非沙尘天气下颗粒物（PM_2.5、PM_C、PM₁₀）对痤疮门诊量的影响,并进行性别、年龄分层研究,筛选敏感人群.收集了2013~2017年兰州市沙尘期与非沙尘期3家三甲医院痤疮门诊量资料、大气颗粒物及气象数据,采用基于泊松分布的分布滞后非线性模型（DLNM）,控制气象因素、季节性和长期趋势、星期几效应等混杂因素,分析沙尘期与非沙尘期颗粒物对痤疮门诊量的影响及滞后效应.结果表明：沙尘期时,兰州市3家三甲医院痤疮日均门诊量为26人次,范围3~54人次.非沙尘期时痤疮日均门诊量为37人次,范围1~89人次;单污染物模型显示,PM_2.5、PM_C、PM₁₀均在滞后第6d （lag6）时效应量达到最大值,其浓度每增加10μg/m³,痤疮门诊量的超额危险度（ER）及95%可信区间（95% CI）分别为1.065（95% CI：0.260~1.877）、0.355（95% CI：0.018~0.693）、0.310（95% CI：0.054~0.567）,PM_2.5对痤疮门诊量的影响最为显著;性别及年龄分层发现,性别分层中PM_2.5对女性的影响有统计学意义,其浓度每增加10μg/m³,痤疮门诊量增加1.077（95% CI：0.124~2.039）;年龄分层中,0~18岁组受PM_C、PM₁₀影响显著,19~24岁组受PM_2.5、PM₁₀影响显著,各颗粒物对25~34岁组及≥35岁组效应无统计学意义.在非沙尘期时,PM_2.5、PM_C、PM₁₀不引起痤疮门诊量增加.双/多污染物模型显示,分别调整其他污染物后,PM_2.5、PM_C、PM₁₀对痤疮门诊量的影响与单污染物模型类似,仍具有统计学意义.兰州市沙尘天气下大气颗粒物（PM_2.5、PM_C、PM₁₀）可使痤疮门诊量增加,对女性及青少年影响显著.     

青岛冬季霾-沙尘重污染过程PM1理化特征及来源分析

对2018年11月21日~12月2日期间青岛市大气PM₁的质量浓度、化学组分和数浓度进行连续观测,结合国控站点监测数据和气象条件,分析青岛市秋末冬初一次典型霾-沙尘重污染过程的特征及污染物来源.结果表明：本次污染过程可分为霾前（11月21~23日）、霾期（11月24~25日）、霾-沙尘叠加期（11月26日）、沙尘期（11月27~29日）、沙尘后（11月30日~12月2日）5个发展阶段,观测期间PM₁质量浓度为（40±20）μg/m³,霾期PM₁为沙尘期的2.03倍.冷锋锋前以人为污染物气团为主,锋后以冷干沙尘气团为主,并在长距离传输中保持干燥,受沙尘传输过程中经过区域的影响较小,导致沙尘阶段PM_2.5和PM₁₀错峰12h出现.霾期PM₁中SO₄^2-、NO₃^-质量浓度比霾前分别升高73%、111%,SOR、NOR分别升高28%、67%,表明霾期NO₃^-的二次转化明显升高.PM₁中NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃形式存在,为富氨条件.本次沙尘事件气团传输过程中途经山西、河北、山东西北部等污染物高强度排放区域,前锋到达青岛时,携带的人为污染物占主导,导致沙尘期PM₁中OC、EC占比为霾期的1.73、1.53倍.霾期SOC/OC值为0.43,略低于沙尘期,表明霾期SOC生成受到抑制.     

一次典型沙尘过程对我国热带地区空气质量影响分析

2023年3月中上旬,受北方地区沙尘天气的影响,位处我国热带地区的海南省大部分市县均出现颗粒物浓度骤然升高的现象.为进一步探究我国环境空气质量变化受沙尘天气的影响以及进行颗粒物远距离传输来源解析,本文利用常规大气污染物及气象数据,结合海南边界点位颗粒物组分数据,运用后向轨迹分析、相关性分析等方法研究了此次沙尘过程对海南省环境空气质量的影响及来源分析.结果表明:(1)海南省全省范围内均受到此次沙尘天气不同程度的影响,浮尘由北向南扩散,PM₁₀浓度显著升高.(2)以海口市为例,受沙尘过程影响后,PM₁₀浓度出现明显上升,PM_2.5/PM₁₀比值迅速下降,O₃、CO、NO₂及SO₂浓度出现同步上升趋势.(3)沙尘过程造成PM₁₀中化学组分浓度整体升高,其中,硅、铝、硫、钙等地壳元素上升显著,硫元素受本地源及沙尘天气共同影响虽浓度增加但占比降低,氯元素等海盐粒子则与此次过程关系较小;相关性分析得出,铝、硅、钾、钙、锰、铁...     

北京春季强沙尘过程前后的激光雷达观测

利用激光雷达、PM_2.5和地面气象要素等综合观测资料,分析了北京地区2012年3月30—31日的强沙尘过程前后的天气形势和PM_2.5的污染特征,反演了雷达探测期间得到的消光系数,探讨了沙尘过程中气溶胶的时空分布特征及输送特征. 结果表明:沙尘过境时,地面风速最大达到6m/s,沙尘沉降时ρ(PM_2.5)增至289μg/m3,相对湿度和能见度明显降低,大气低层逆温和近地面风速等气象条件对沙尘影响地面的时间和程度起到了重要作用;沙尘层雷达反演的气溶胶消光系数最大为0.96km-1,偏振比最大为0.4,近地面消光系数变化与地面ρ(PM_2.5)变化规律吻合较好,其探测可以精确反映不同天气形势下气溶胶的垂直结构和时空变化信息;高空输送至北京的沙尘以粗颗粒物为主,细粒子主要来源于本地及周边地区细粒子源;西北方向的内蒙及外蒙地区沙尘输送是导致此次北京强沙尘过程的主要原因.      

风廓线雷达在北京地区一次强沙尘天气分析中的应用

基于北京地区逐小时风廓线雷达数据、大气成分观测数据以及地面常规观测资料对2017年5月3~7日一次沙尘天气过程进行了研究.结果表明：受蒙古气旋影响,全国多地出现空气质量严重污染,其中北京PM₁₀浓度达到严重污染级别时间超过30h.通过对边界层内水平风场、垂直速度以及大气折射率结构常数等要素进行分析,研究发现沙尘爆发前,边界层内出现平均风速达到14.8m/s的西北急流核,该急流核的建立有利于将高层沙尘粒子向近地面传输,而沙尘爆发阶段边界层通风量较前期增加31.6%,中低层的通风量逐渐占据主导地位,使近地面PM₁₀浓度出现爆发性增长.此外,整个沙尘天气过程中,以弱下沉运动为主,垂直速度在1m/s以下,而沙尘天气爆发前,边界层内出现强烈垂直下沉运动,达到5.3m/s.同时,大气折射率结构常数出现1.0×10^-16的高值中心.二者均先于地面污染物浓度的变化,预报时间提前量为8~9h,可为今后沙尘预报提供一定参考.     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

沙尘天气对兰州市大气污染物置换和叠加作用

本文分析了2014~2015年兰州市春季沙尘天气期间颗粒污染物PM₁₀、PM_2.5及气态污染物SO₂、NO₂、CO和O₃质量浓度的演变规律.结果表明,沙尘天气造成PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度表现为降低（置换型）或升高（叠加型）,O₃浓度受沙尘天气影响不明显.置换型的PM₁₀和PM_2.5平均质量浓度分别为1086.9和286μg/m³,SO₂、NO₂和CO平均质量浓度分别为16.7、41.0和1.02×103μg/m³.叠加型的PM₁₀和PM_2.5平均质量浓度分别为383.2和116.2μg/m³,SO₂、NO₂和CO平均质量浓度分别为24.5、49.1和1.19×103μg/m³.置换型的PM₁₀和PM_2.5平均质量浓度分别为叠加型的2.8和2.4倍,叠加型的SO₂、NO₂和CO平均质量浓度分别为置换型的1.47、1.2和1.17倍.置换型对应的气象条件为近地面东北方向大风、显著降温和高压,即强冷空气活动时,PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度显著减小,沙尘源地主要为塔克拉玛干沙漠和青藏高原北部地区,影响气流多为1500~6000m高空西北气流.叠加型则为近地面东北风向弱风,气温和气压无明显波动,即弱冷空气活动时,初期PM₁₀和PM_2.5浓度上升,同时SO₂、NO₂和CO浓度略下降,而后PM₁₀和PM_2.5维持高值时SO₂、NO₂和CO浓度亦上升,沙尘源地主要为巴丹吉林沙漠,影响气流多为1500m以下低空西北气流.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

济南市大气颗粒物背景值确定方法

城市大气颗粒物背景值的确定能够为制订城市大气颗粒物污染防治目标提供重要基础支撑,探索大气颗粒物背景值确定方法对于大气污染防治具有重要意义.以济南市清洁对照点跑马岭监测数据为基础,直接采用概率密度法计算得到的ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是100~110和40~50 μg/m3.综合应用空气质量模型模拟法和概率密度法,提出基于数值模拟的城市大气颗粒物环境背景值确定方法,并在此基础上确定了济南市大气颗粒物背景值.结果表明:济南市ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是30~35和15~20 μg/m3,其中ρ（PM₁₀）环境背景值秋季（40~45 μg/m3）最高、夏季（25~30 μg/m3）最低;ρ（PM_2.5）环境背景值秋季（25~30 μg/m3）最高、冬季（10~15 μg/m3）最低.研究显示,基于数值模拟计算得到的颗粒物背景值明显低于直接采用概率密度法得到的结果,表明跑马岭受人为因素影响明显,监测结果已不能完全代表济南市大气颗粒物背景值水平;而数值模拟法可以完全剔除了人为源的贡献,计算得到较为准确的ρ（PM₁₀）和ρ（PM_2.5）背景值.      

2017年汾渭平原东部大气颗粒物污染特征分析

高度集中的煤炭产业和繁忙的交通运输使得汾渭平原成为全国污染最严重的地区之一.利用中国环境监测总站发布的大气环境监测资料,以统计的方法分析了2017年汾渭平原东部三门峡市、运城市、渭南市、洛阳市的颗粒物质量浓度演变特征,并与北京市开展对比分析.结果表明:①2017年汾渭平原东部颗粒物污染形势较为严峻,ρ（PM_2.5）年均值范围为61~75 μg/m3,高于北京市（58 μg/m3）,ρ（PM_2.5）/ρ（PM₁₀）范围为0.47~0.57,远低于北京市的0.66,说明汾渭平原东部一次颗粒物的贡献更为显著.②与北京市相比,汾渭平原东部重污染有效时数较长,在三门峡市、运城市、渭南市和洛阳市出现PM_2.5重度及以上污染过程的时数分别占全年总时数的6.56%、8.91%、9.23%和9.10%.但由于汾渭平原东部重污染期间颗粒物质量浓度较北京市低,因此造成汾渭平原东部和北京市重度及以上污染过程中颗粒物质量浓度平均值在颗粒物质量浓度年均值中占比基本相同.③汾渭平原东部颗粒物质量浓度的周变化特征与北京市有显著区别.④重污染期间,汾渭平原东部ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相同,均呈白天高、夜间低的特征,而北京市ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相反,呈白天低、夜间高的特征,说明汾渭平原东部特殊的能源结构、边界层动力演变和局地环流造成高架点源对重污染期间污染物质量浓度的影响较显著.研究显示,汾渭平原东部应该加强重污染期间高架点源的管控.      

2015年北京“阅兵蓝”特征及成因探讨

利用大气成分和气象要素观测数据,对2015年8~9月北京田径世锦赛和抗战胜利70周年纪念活动期间的北京PM_2.5浓度变化特征及其相关的大气污染气象条件进行了研究,并采用大气化学数值模式模拟了气象条件、减排措施和区域减排联合行动对北京PM_2.5浓度下降的作用和贡献.结果表明：纪念活动期间北京地区空气质量显著改善,PM_2.5平均浓度仅为18.7μg/m³,比前期8月1~19日下降70%,比2014年同期降低74.0%;东北冷涡长时间稳定少动为空气质量改善提供了良好的大气环流条件,北京地区混合层高度相比前期升高20%,相对湿度降低17%,风速增大7%,气象要素变化为庆祝活动期间PM_2.5浓度下降提供了良好的气象条件,尤其是地面主导风向转为偏北风后,阻止了北京城南及华北中南部地区的污染物输入北京城区;CAMx模式的模拟结果表明,与2014年同期相比,气象条件变化在北京PM_2.5浓度降幅中的贡献率达73%;纪念活动期间有无减排的模拟分析显示,在相同的气象条件下,减排措施使北京PM_2.5浓度下降约33%;期间北京PM_2.5来源以本地排放为主,本地的减排措施对改善空气质量的贡献率约为72%,周边地区减排的贡献率约为28%.     

大阅兵期间北京市大气质量改善效果评估

为了评估抗战纪念活动期间污染物减排措施对北京市空气质量的影响,利用2015年8月1日~2015年9月18日北京市大气污染物浓度数据,以及2014年同期监测数据进行对比分析.结果表明：减排期间（2015年8月20日~2015年9月3日）北京市PM_2.5,SO₂,NO₂和CO浓度均值为17.05mg/m³,2.35mg/m³,21.04mg/m³和0.56mg/m³,对比减排前期,各污染物分别下降了71.26%,36.49%,37.92%和37.78%,减排后期,随着减排措施的取消,大气污染物反弹上升.与2014年同期相比,减排期间污染物浓度分别下降了73.59%,56.64%,52.39%和38.46%,大气质量改善效果显著.3个时段（减排期间,活动当天和2014年同期）污染物浓度日变化特征相似,整体上呈现2014年同期>减排期间>活动当天的特征.空间分布上,各站点污染物浓度均远低于2014年同期水平,其中PM_2.5降幅大且空间差异较小,SO₂在空间上差异最为明显,不同站点的PM_2.5降幅在68.91%~77.63%之间,SO₂降幅在7.43%~74.75%之间,NO₂降幅在34.60%~72.28%之间,CO降幅在24.98%~63.73%之间.减排期间北京市PM_2.5,SO₂,NO₂和CO浓度分别比周边城市均值低24.66%,81.00%,27.30%和36.36%,也从另一方面反映出减排措施的明显效果.     

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM₁₀、PM_2.5、PM₁质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_2.5的超标天数为26d,南郊山区无PM_2.5超标,市区PM₁₀的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM₁₀日变化存在3个峰值,PM_2.5、PM₁为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.     

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

2002年春季沙尘暴对青岛大气气溶胶的影响

根据TSP,PM10,分级粒子质量浓度观测资料,分析了2002年春季发生于我国北方的2次沙尘天气过程对青岛大气环境的影响.在3月15-19日和21-23日的2次沙尘天气过程中TSP质量浓度分别为0.488和0.721 mg/m\+3,比平时增加了2.8和4.1倍.沙尘天气期间2～7 μm粒子为影响青岛的主要成分,在第2次沙尘暴期间该粒径的粒子质量浓度增加了30倍,其中2.1～3.3 μm粒子质量浓度达到0.13 mg/m\+3.根据地面气象资料和PM10连续监测资料发现,在地面风向转北之前,高空气流携带的沙尘首先影响到青岛.      

北京及周边地区夏季PM2.5中含碳组分污染特征与来源解析

为研究《打赢蓝天保卫战三年行动计划》等政策实施后北京及其周边区域夏季环境PM_2.5含碳组分特征及来源,2019年7月分别在北京城区与河北郊区的2个站点同步连续采集大气PM_2.5样品,利用热光碳分析仪分别测定了有机碳(OC)和元素碳(EC)及其组分的质量浓度;通过最小OC/EC比值法、最小相关系数法估算了二次有机碳(SOC)浓度;利用主成分分析、后向轨迹分析等方法探究了含碳气溶胶的来源。结果表明:夏季北京城区PM_2.5中ρ(OC)和ρ(EC)平均分别为(6.34±0.64),(1.96±0.29)μg/m3,分别占ρ(PM_2.5)的18.65%和5.78%;河北郊区PM_2.5中ρ(OC)与ρ(EC)平均分别为(6.29±0.79),(3.54±0.63)μg/m3,分别占ρ(PM_2.5)的17.69%和9.53%。2种方法估算出北京城区的ρ(SOC)分别为(3.35±0.59),3.98μg/m3,分别占ρ(OC)的(51.77±6.97)%和68.48%;河北郊区的ρ(SOC)分别为(3.28±0.69),4.17μg/m3,分别占ρ(OC)的(62.42±9.62)%和68.32%。此外,夏季北京城区与河北郊区均存在较为严重的二次污染;北京城区含碳组分主要污染源是混合机动车排放、道路扬尘及燃烧源;而工业燃煤排放、机动车尾气及扬尘是河北郊区含碳组分的主要污染源。后向轨迹分析发现,夏季气团轨迹主要来自东南、西南及偏南方向,且对北京城区与河北郊区2个区域PM_2.5中碳组分的影响较大。