新乡冬季PM2.5中金属元素与水溶性离子年际变化及其来源解析

为了探究新乡地区年际间冬季PM_(2.5)组分的变化特征和污染来源,于2015年冬季和2016年冬季分别在新乡市区进行连续1个月的膜采样,测定PM_(2.5)质量浓度、金属元素含量及其水溶性离子成分含量,并结合气象因素进行分析.结果表明,新乡地区2015年和2016年冬季采样期间PM_(2.5)的质量浓度日均值分别为226μg·m~(-3)和224μg·m~(-3),污染水平较高.观测期间,新乡冬季PM_(2.5)中Cd和Pb金属元素富集明显,富集因子超过1000.且与2015年相比,2016年金属元素(除Ag和Ni)浓度下降约7. 83%～73. 33%,富集程度均趋于降低.水溶性离子以SO_4~(2-)、NO_3~-和NH_4~+这3种为主,2016年在PM_(2.5)中占比上升25. 1%.综合两种成分分析,新乡地区的PM_(2.5)污染呈现出金属污染向二次水溶性离子污染转移的趋势.综合PCA和PMF源解析结果显示,新乡市冬季有4种主要排放源,即尘土、二次源、工业源和化石燃料燃烧源,2015年冬季主要来源是土壤和建筑扬尘混合源,贡献率37. 46%,2016年主要来源是交通及工业生产中的二次气溶胶污染源,贡献率为34. 94%.     

厦门市大气PM_(2.5)中水溶性离子污染特征及来源解析

为探讨厦门市大气PM_(2.5)水溶性离子污染特征及来源,于2014年8月和12月同步采集了城区和郊区的PM_(2.5)样品.用离子色谱分析了9种水溶性离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、Na~+、K~+、NH_4~+、Ca~(2+)和Mg~(2+))的质量浓度.结果表明,厦门大气PM_(2.5)中水溶性离子浓度处于较低水平,总水溶性离子浓度(μg/m~3)顺序为:冬季城区(18.16)冬季郊区(14.55)夏季郊区(6.87)夏季城区(5.33),降水对水溶性离子有显著的去除作用.观测期间,夏季PM_(2.5)阴离子相对亏损,冬季反之.SO_4~(2-)、NO_3~-、NH_4~+(简称SNA)占全部水溶性离子质量浓度之和的比例达79.64%以上,表明厦门市大气PM_(2.5)二次污染较严重.相关性分析和SNA三角图解表明厦门市夏季NH_4~+主要以(NH4)2SO4的形式存在,其次为NH_4NO_3及碱性游离NH_4~+;冬季则主要以(NH_4)_2SO_4和NH_4NO_3的形式存在,其次为NH_4Cl.N/S值表明夏季PM_(2.5)中水溶性离子污染特征以燃煤源排放为主,冬季以交通排放为主,总体呈现出交通源与燃煤污染并存的复合型污染特征,但受海洋源的影响很小.主成分分析进一步表明厦门市大气PM_(2.5)水溶性离子主要来自燃煤源、交通排放和生物质燃烧源.     

辽宁典型城市道路扬尘PM2.5中水溶性无机离子组分特征及来源解析

为了解辽宁省典型城市道路扬尘PM_(2.5)中水溶性无机离子组分特征及其来源,分别于2014年和2016年采集了鞍山市和盘锦市道路扬尘样品,利用再悬浮采样器将其悬浮到滤膜上,用离子色谱仪分析了其中的水溶性无机离子组分,分别用相关分析法和比值法分析了其污染特征,用主成分法初步解析了其主要污染源.结果表明,盘锦市和鞍山市8种水溶性无机离子分别占道路扬尘PM_(2.5)的5.83%±3.34%和5.84%±1.15%.盘锦市NH_4~+与SO_4~(2-)和NO_3~-的结合方式主要为(NH_4)2SO_4和NH_4NO_3,鞍山市NH_4~+与SO_4~(2-)和NO_3~-的主要结合方式为NH_4HSO_4和NH_4NO_3.盘锦市和鞍山市道路扬尘PM_(2.5)中NO_3~-/SO_4~(2-)的均值分别为0.52±0.55和0.46±0.13,表明固定源(燃煤)对其道路扬尘PM_(2.5)的影响较显著.盘锦市道路扬尘PM_(2.5)主要来源于生物质燃烧源、海盐粒子、建筑水泥尘和机动车尾气;鞍山市道路扬尘PM_(2.5)主要来源于燃煤源、生物质燃烧源、海盐粒子和钢铁冶炼尘.     

南京江北新区冬季PM2.5中化学组分的昼夜变化特征及其来源解析

为更好地了解南京江北新区大气气溶胶中水溶性离子的昼夜变化特征,冬季连续采集了2个月的PM_(2.5)样品,研究其水溶性离子昼夜变化特征及来源解析.结果表明,观测期间水溶性离子质量浓度变化范围为17. 07～168. 43μg·m~(-3),均值为(59. 01±30. 75)μg·m~(-3),且白天的水溶性离子平均质量浓度高于夜晚. NO_3~-和NH_4~+的浓度占离子总浓度的比值在夜晚偏高,而SO_4~(2-)和Cl~-则在白天偏高. SO_4~(2-)、NO_3~-和NH_4~+(SNA)是南京市PM_(2.5)中最重要的水溶性离子,其质量浓度在污染天要高于清洁天.白天和夜晚的阴阳离子平衡比值(AE/CE)大于1,说明PM_(2.5)呈酸性.相关性分析显示NH_4~+与NO_3~-、SO_4~(2-)之间具有显著的线性相关性,其在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4结合方式存在. PMF源解析进一步表明南京江北新区冬季大气PM_(2.5)中水溶性离子主要来源于机动车排放、化石燃料燃烧、生物质燃烧和扬尘等.     

苏州市PM2.5中水溶性离子的季节变化及来源分析

2015年在苏州市城区采集大气细颗粒物PM_(2.5)样品共87套,用重量法分析了PM_(2.5)的质量浓度,离子色谱法分析了颗粒物中F-、Cl-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+),共9种水溶性无机离子.观测期间,苏州市PM_(2.5)的年均质量浓度为(74.26±38.01)μg·m-3,其季节特征为冬季春季秋季夏季;9种水溶性离子的总质量浓度为(43.95±23.60)μg·m~(-3),各离子的浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Na~+Cl~-K~+Ca~(2+)F-Mg~(2+);SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)是最主要的水溶性离子;SO_4~(2-)、NO_3~-和NH_4~+三者之间具有显著的相关性,它们在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4的结合方式存在.苏州市PM_(2.5)中水溶性离子的主要来源包括工业源、燃烧源、二次过程和建筑土壤尘等.     

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.     

自贡市大气颗粒物中水溶性离子的特征及来源

基于四川省自贡市2015年9月-2016年9月的大气颗粒物采样数据,利用离子色谱仪对其中8种水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、Na~+、K~+、Cl~-、Ca~(2+)和Mg~(2+))进行了浓度测定。分析结果表明,自贡市PM_(10)平均浓度为(88.4±59.2)μg/m~3,PM_(2.5)为(76.2±51.7)μg/m~3,各季节PM_(2.5)/PM_(10)的浓度比值均大于80%,说明自贡市大气颗粒物污染以PM_(2.5)为主;水溶性离子是颗粒物的主要化学组分,其总质量浓度对PM_(10)和PM_(2.5)的贡献率分别为40.3%和42.7%,其中SNA(二次水溶性无机离子,SO_4~(2-)、NO_3~-和NH_4~+)、Cl~-、K~+、Ca~(2+)、Na~+和Mg~(2+)在PM_(2.5)的占比分别为39.5%、1.8%、1.2%、0.5%、0.3%和0.04%;SO_4~(2-)是自贡市春季和秋季污染天主要来源,其在PM_(2.5)水溶性离子中的贡献率均为45.5%,NO_3~-对应的贡献率分别为22.3%和23.6%,冬季污染天SO_4~(2-)和NO_3~-的贡献率分别为33.5%和35.7%,NO_3~-的贡献率显著上升。利用因子分析法对PM_(2.5)中水溶性离子进行源解析发现,其来源主要为二次污染源、燃烧源、农业源以及道路扬尘源。     

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.     

兰州市大气PM_(2.5)的化学组分特征及其来源研究

为探讨兰州市大气细颗粒物化学组成及其污染来源,对兰州市大气PM_(2.5)中水溶性离子、无机元素以及OC和EC进行了研究。结果表明:PM_(2.5)浓度及其化学组成具有明显的季节变化特征,PM_(2.5)浓度为冬季>春季沙尘>春季>夏季;水溶性离子以SO_4~(2-)、NH_4~+和NO_3~-浓度最高,占总水溶性离子的78.7%~87.1%,表明该地区的二次污染较为严重,主成分分析表明水溶性离子主要来源于燃烧源和土壤源;无机元素以Zn、Pb和Ba浓度最高,主要来源于燃煤和机动车源;OC冬季浓度最高,而EC夏季浓度最高,并形成了较严重的二次有机碳污染。     

北京南郊区PM2.5中水溶性无机盐季节变化及来源分析

为研究北京偏南地区细颗粒物(PM_(2.5))中水溶性无机离子的变化特征,利用大气细颗粒物快速捕集系统及化学成分分析系统RCFP-IC,于2016年对北京南郊区大兴PM_(2.5)中9种水溶性无机离子(Cl~-、NO_2~-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+))展开为期1 a的连续在线观测.结果表明,观测期间,9种水溶性无机离子总质量浓度为38.6μg·m~(-3),并呈现冬春高,夏秋低的特征,浓度水平高低顺序为SO_4~(2-)NO_3~-NH_4~+Ca~(2+)NO_2~-Cl~-Na~+K~+Mg~(2+);在冬季,SO_4~(2-)、NO_3~-和NH_4~+浓度占比高达75.7%;春季次之,为72.8%;夏季最低,仅为60.2%.并且随着空气污染的加剧,SO_4~(2-)、NO_3~-和NH_4~+浓度显著增加,这表明SO_4~(2-)、NO_3~-和NH_4~+与空气质量的恶化密切相关,但相比NO_3~-和NH_4~+,SO_4~(2-)在二次离子形成过程中占据主导地位;SO_4~(2-)、NO_3~-和NH_4~+存在显著的日变化特征,SO_4~(2-)统计日变化为双峰型,峰值分别出现在10:00和18:00左右,而NO_3~-和NH_4~+呈单峰型,峰值出现在10:00左右.基于后向轨迹聚类分析结果发现,对南郊区污染有影响的气团主要有3类,分别来自东南方向、西部和来自蒙古高原的高空气团,东南方向气流会加重南郊区水溶性盐的累积,而偏北气流有利于污染物扩散和稀释;基于主成分分析发现,北京南郊区水溶性盐的污染来源分别为二次源、燃煤源和土壤风沙尘及建筑扬尘的混合源.利用潜在源贡献因子分析法对南郊区冬季水溶性盐的潜在污染源区进行分析发现,影响大兴水溶性盐浓度潜在源区主要分布在南郊区的东南部.     

2017—2018年秋冬季唐山市PM2.5中元素组成特征及来源解析

为研究唐山市大气PM_2.5中元素组成特征及其来源,于2017年10月19日—2018年1月31日（秋冬季）在唐山市的超级站（典型城市站点）、开平站（工业站点）和古冶站（工业站点）开展了PM_2.5的手工连续采样,定量分析测定了PM_2.5中23种无机元素.结果表明:Si、Al、Ca和Na等地壳元素的质量浓度均在10月最高,在1月最低.10月,ρ（Cr）在开平站最高（0.020 0 μg/m3）,随后逐月略微降低,其主要受钢铁冶炼工业的减产和限产影响.多数重金属元素质量浓度在11月或12月最高,包括Zn、Pb、Mn、Cu、Ni、Se、V、Cd和Co,其可能受燃煤取暖影响.Cd、Zn、Pb和Cu四种元素的富集因子值分别为2 677、616、422和77,均达到极强富集,且均受人为排放源影响最大.基于因子分析法得出,唐山市大气PM_2.5中元素的主要来源有燃煤源、钢铁工业源与扬尘源的混合源、交通源以及土壤扬尘源,其方差贡献率分别为56.3%、21.6%、7.1%、5.4%.研究显示,秋冬季唐山市大气颗粒物PM_2.5中元素最主要的污染来源为工业源、燃煤源和扬尘源.      

北京冬季PM2.5中金属元素浓度特征和来源分析

为了解北京冬季细颗粒物中金属元素的浓度水平及其来源,于2014年12月至2015年1月使用中流量PM_(2.5)采样器在北京城区开展了为期30 d的连续采样,采用滤膜称重法检测PM_(2.5)浓度,电感耦合等离子体质谱法(ICP-MS)分析PM_(2.5)中16种元素总量,并采用富集因子法和因子分析法分析元素污染特征及其来源.结果表明,观测期间PM_(2.5)中主要金属元素为K、Ca、Fe、Al和Mg,占16种元素总量的90.7%.与白天相比,地壳元素如Mg和Al等在夜间的浓度下降30%以上,而人为源金属元素如Cu和Pb等的浓度则上升40%以上.从优良天到重污染天气,上述16种金属元素的总浓度上升1倍,但其在PM_(2.5)中的比例却逐渐降低,说明金属元素的富集不是PM_(2.5)上升的主要原因.随着污染程度的加剧,Cu、Zn、As、Se、Ag和Cd等主要来自人为源的金属元素浓度上升较快,重度污染天与优良天的浓度比值范围为2.9~5.3;而Al、Mg、Ca、Mn和Fe等地壳元素浓度上升则较缓,重度污染天与优良天的浓度比值范围为1.2~1.8.北京冬季PM_(2.5)中金属元素主要来源于燃煤和生物质燃烧、交通和工业排放以及地面扬尘,贡献率分别为34.2%、25.5%和17.1%.     

上海市冬季PM_(2.5)无机元素污染特征及来源分析

为了解高污染季节上海市细颗粒物PM2.5及其无机元素的污染特征和来源,于2013年1月4日至2月1日在上海3个点位采集PM2.5样品,并采用电感耦合等离子光谱仪(ICP-OES)测定样品中19种元素含量.结果表明,采样期间PM2.5污染水平较高,均值达(90.5±41.2)μg·m-3,且郊区明显高于市区和背景参照点.所测无机元素的空间分布规律与PM2.5一致,但背景参照点元素Zn的浓度较高.采样期间Cd、As、Zn、Pb、S和Cu等人为污染元素的富集因子较高.因子分析结果表明冬季上海市PM2.5具有多源性,主要来源于燃煤、自然尘、燃油以及机动车.     

2000～2021年成渝城市群PM2.5时空变化及驱动机制多维探测

研究成渝城市群PM_2.5浓度时空变化和驱动机制，对区域大气环境保护和国家经济可持续发展具有重要意义.基于PM_2.5遥感数据、 DEM数据、基于站点的气象数据、 MODIS NDVI数据、人口密度数据、夜间灯光数据、路网数据和土地利用类型数据，采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验等方法，结合地理探测器，在多时空尺度上分析成渝城市群PM_2.5时空变化，并探测影响其变化的驱动机制.结果表明，2000～2021年成渝城市群PM_2.5浓度整体呈波动下降态势，冬季PM_2.5污染最为突出.PM_2.5浓度具有明显的空间异质性，呈现出“中间高，四周低”的空间分布特征，PM_2.5浓度高值区主要集中在自贡、内江、资阳和广安，PM_2.5浓度呈显著下降的区域主要集中在重庆西部等地.因子探测结果表明，成渝城市群PM_2.5浓度空间分异受气候、地形、植被和人文因子共同影响.高程、...     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

基于发热量的中国煤炭碳含量研究

煤炭基于发热量的碳含量数据,是计算煤炭的二氧化碳排放因子的基础。本研究对全国范围内采集的煤炭样品进行工业分析、元素分析及发热量分析,统计分析得出我国基于发热量的煤炭碳含量。对所得结果按地区分煤种分别阐述,并与国外煤炭碳含量数据进行了对比。结果表明,我国褐煤、次烟煤、烟煤、无烟煤的碳含量平均值分别为27.21±0.35 kg/GJ、26.57±0.14 kg/GJ、25.50±0.03 kg/GJ、26.77±0.13 kg/GJ。我国无烟煤的碳含量与IPCC缺省值相当,烟煤、褐煤的碳含量比IPCC缺省碳含量分别低1.16%和1.41%,次烟煤碳含量比IPCC缺省碳含量高1.41%。     

鄂东典型工业城市大气PM10中元素浓度特征和来源分析

为了解鄂东典型工业城市——黄石市可吸入颗粒物中元素的浓度水平、污染特征及来源,于2012年4月至2013年2月在黄石市城区采集PM_(10)样品,利用能量色散X射线荧光光谱仪测定了17种元素的质量浓度.运用富集因子法讨论了PM_(10)中14种元素的污染特征,并通过主成分分析法和正定矩阵因子分析法(PMF)分析了这些元素的来源.结果表明,观测期间黄石城区PM_(10)中元素质量浓度变化范围较大,在0.01~9.83μg·m~(-3)之间,其中S的浓度最高,Ni和V的浓度最低.与国家二级标准相比,Pb和Cd日均浓度超标较为严重,全年超标天数分别达到36.4%和89.1%.富集因子分析表明,PM_(10)中Ti、V、Mn和Ni为轻度富集,受自然源和人为源的双重影响;Ca、Cr和Ba为中度富集,Cu、Zn和Pb为高度富集,Sn、Sb和Fe为超富集,说明这些元素受到人为源的影响较大.主成分分析和PMF源解析结果表明,PM_(10)中元素主要来源于地壳源/土壤扬尘、燃煤源、工业源和机动车源,且两种方法的解析结果具有较好的一致性.     

福建省4种主要乔木枝叶燃烧含碳物质排放特性分析

森林可燃物燃烧释放的大量含碳物质对大气环境和生态系统碳平衡具有重要影响,揭示森林可燃物燃烧的含碳物质排放特性具有重要的科学意义.运用自主设计的生物质燃烧系统,模拟福建省4种主要乔木树种——马尾松、杉木、樟树、桉树的枝、叶燃烧,分析其在不同燃烧状态（阴燃、明燃）下含碳气体（CO、CO₂、C_xH_y）和PM_2.5的排放因子（分别以EF_CO2、EF_CO、EF_CxHy、EF_PM2.5表示）及PM_2.5中的碳质组分之间的差异性.结果表明,马尾松、杉木、樟树、桉树燃烧排放的含碳气体、PM_2.5的排放因子及PM_2.5的碳质组分在不同燃烧状态下差异较大,阴燃时EF_CO2、EF_CO、EF_CxHy、EF_PM2.5平均值在分别为（1 400.7±76.5）（297.6±16.2）（25.2±3.9）（23.9±4.3）g/kg,明燃时分别为（1 582.8±73.2）（253.6±16.1）（17.2±3.7）（8.4±2.8）g/kg,除CO₂外其他多为阴燃显著高于明燃.针叶树种（杉木、马尾松）枝、叶在阴燃时EF_PM2.5高于阔叶树种（樟树、桉树）,而明燃时差异相对较小.PM_2.5中OC（有机碳）、EC（元素碳）、TC（OC+EC）的质量分数阴燃时分别为45.6%、12.0%、57.6%,明燃时分别为42.9%、17.6%、60.5%.EF_OC/EF_PM2.5、EF_EC/EF_PM2.5、EF_OC/EF_EC在两种燃烧状态下具有不同的特征,其特征值可作为区分不同燃烧源或不同燃烧状态的指标;EF_OC/EF_PM2.5在明燃和阴燃时差异不大,平均值分别为0.49、0.46;EF_EC/EF_PM2.5明燃显著高于阴燃,平均值分别为0.18、0.12;4种乔木的枝、叶燃烧的EF_OC/EF_EC明燃低于阴燃,平均值分别为2.59和4.01.在两种燃烧状态下OC与PM_2.5的排放因子均呈显著相关.研究显示,不同燃烧条件以及不同燃料燃烧对排放含碳物质具有显著影响.      

小麦－玉米轮作期土壤排放N2O通量及总量估算

对小麦-玉米轮作期周年的N₂O通量进行了测定和总量估算,分析了N₂O通量与土壤温度、地温、气温、降水和施氮量的关系。由实验获知,华北平原栾城农业生态系统实验站的农田N₂O通量(N)为10.6-24.2μg/(m²·h),相应的全年排放总量(N)为0.93-2.11kg(hm²·a)。施用尿素的农田排放N₂O量约占化肥施用量的0.54%,施用有机肥和化肥的农田排放N₂O量占总施氮量的0.70%。     

环境因素对芦苇湿地CH4排放的影响

用封闭式箱法对辽河三角洲芦苇湿地温室气体CH₄ 排放进行了长期观测 .结果表明 ,CH₄ 排放有明显的季节变化规律 ,平均通量为 520μg·m^-2·h^-1.土壤产CH₄ 活性主要发生在0～5cm土层中 ,并随土层深度的增加而显著下降 .CH₄排放受环境因素影响很大 ,土壤氧化还原电位在 -110mV时就有CH₄排放 ,其排放量随氧化还原电位的下降而增加 .另外 ,随着淹水深度的增加 ,CH₄ 排放反而减少 .在测定期内 ,CH₄ 排放与温度呈明显的正相关 (R²=0196,n=21,P<0.05).