绵阳市PM2.5中水溶性离子特征及来源分析

为研究绵阳市PM2.5中水溶性离子污染特征及来源,于2018年4月15日-2019年2月28日在绵阳市设置5个采样点位进行样品采集,利用Dionex ICS-2000离子色谱仪分析了9种离子(F-、Cl-、NO3-、SO42-、Na+、NH4+、K+、Mg2+、Ca2+),并通过SPSS进行来源解析.结果 表明,绵阳市ρ(总水溶性离子)年均值为20.8 μg·m-3,在PM2.5中w(总水溶性离子)为46.6％.离子中质量浓度大小顺序依次为:ρ (NO3-)＞ρ(SO42-)＞ρ(NH4+)＞ ρ(Ca2+)＞ ρ(K+)＞ρ(Cl-)＞ ρ(Na+)＞ ρ(Mg2+)＞ ρ(F-),其中SNA(二次离子NO3-、SO42-、NH4+)为水溶性离子主要组成部分,水溶性离子中w(SNA)为86.4％.水溶性离子质量浓度季节变化趋势为:冬季＞秋季＞春季＞夏季,除Mg2+外其余离子质量浓度季节变化趋势与总离子浓度趋势一致,ρ(Mg2+)夏季与春季相当.SNA间具有较好的相关性,表明二次离子来源具有高度相似性,NH4+与SO42-摩尔当量浓度线性拟合斜率大于0.75,表明绵阳市大气环境为富氨状态,二次离子主要以(NH4)2SO4和NH4NO3形式存在.污染天NO2、 w(NO3-)和NOR(氮氧化率)均增大,且污染水平越严重w(NO3-)增幅越大,而w(SO42-)和w(NH4+)基本不变,表明NO3-增加导致PM2.5浓度升高.四季SOR(硫氧化率)和NOR均大于0.1,表明NO3-、SO42-主要来源于气态污染物二次转化,受温度和湿度影响,SOR值夏季最高,NOR值夏季最低冬季最高.SPSS来源解析结果显示绵阳市PM2.5中水溶性离子主要受二次转化、生物质燃烧以及扬尘源影响,三者合计贡献率为82.7％.     

江苏沿江城市PM10和PM2.5中水溶性离子特征及来源分析

2012年3月和6月在江苏沿江七市(镇江、常州、无锡、苏州、扬州、泰州和南通)采集空气中PM10和PM2.5样品,运用离子色谱法,分析无机水溶性离子成分,并对其组成、相关性、结合形式和来源解析等方面进行研究.结果表明,春季苏南四市PM10和PM2.5质量浓度低于苏中三市,夏季反之;水溶性离子在PM2.5中所占的比例一般高于PM10,SO2-4、NO-3、NH+4是颗粒物中水溶性离子的主要成分,占总量的80%左右.PM10和PM2.5中的SO2-4和NO-3、NH+4和SO2-4、NO-3之间均具有较好的相关性;PM10中Ca2+和Mg2+显著相关,细粒子中相关性较小.NH+4和SO2-4、NO-3主要以(NH4)2SO4和NH4NO3存在于可吸入颗粒物中.春夏两季,江苏沿江城市PM10和PM2.5中的SOR均大于NOR,SO2在大气中的转化率比NOx的转化率要高;苏南地区PM10和PM2.5中的SOR和NOR高于苏中地区.运用[NO-3]/[SO2-4]的比值法研究颗粒物污染来源,表明春季的污染源主要为流动源,夏季为固定源.运用因子分析法分析颗粒物来源,燃煤、交通运输、生物质燃烧、土壤和建筑地表扬尘是春夏两季江苏沿江城市可吸入颗粒物的主要污染源.     

闽南重点城市春季PM2.5中水溶性无机离子特征研究

对闽南地区重点城市春季 PM2.5中水溶性离子的污染状况进行剖析,分析和探讨了闽南地区同城化进程中重点城市PM2.5中水溶性离子污染的共同点和差异点,以期在当前空气污染日益严重的趋势下为闽南地区的大气污染控制提供依据.于2011年春季3月7—16日在福建省闽南地区重点城市厦门城区与郊区、漳州和泉州城区同步用聚丙烯纤维滤膜采集大气PM2.5样品,滤膜经超声萃取后用离子色谱仪分析样品中F-、Cl-、NO3-、SO42-、Na+、K+、NH4+、Ca2+和Mg2+等9种离子组分的质量浓度.结果表明,(1)闽南地区重点城市春季PM2.5的质量浓度变化具有较好的一致性,PM2.5的平均质量浓度为94.14μg·m-3,二次离子SO42-、NO3-和NH4+的质量浓度变化范围为14.66~66.68μg·m-3,平均质量浓度为32.43μg·m-3,占总水溶性离子的83.30%,主要以(NH4)2SO4和NH4NO3形式存在;与国内其他主要城市相比,闽南地区PM2.5中二次离子浓度水平偏高,二次污染严重.(2)NO3-/SO42-和SOR、NOR值均表明闽南地区固定源污染对水溶性离子的贡献大于流动源,但厦门流动源的贡献占了更高的比重;与国内其它地区相比,闽南地区由于春季潮湿多雨,硝酸盐化速率较高,也是导致二次离子污染水平较高的原因之一.(3)作为滨海地区,闽南地区 PM2.5中水溶性离子的主要贡献者主要来自人为源,而非海盐离子.     

北京市大气PM_（2.5）中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节（春季）郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京冬季一次重污染过程PM2.5中水溶性无机盐的变化特征

为了解北京冬季重污染过程大气颗粒物化学特性,利用高时间分辨率实时在线细粒子快速捕集及化学成分分析系统(RCFP-IC)对2011年2月18—24日发生的一次重污染过程PM2.5中水溶性无机离子浓度变化进行了在线观测.结合颗粒物质量浓度、气态污染物浓度及气象资料,对此次污染过程中污染物的化学成分变化特征进行了详细分析.结果表明,此次北京冬季重污染4 d中颗粒物污染严重;总水溶性无机离子平均质量浓度151.31μg·m-3,占PM2.5相对比例54%,其中NO3-、SO24-和NH4+质量浓度占总水溶性无机离子质量浓度91%,二次离子污染非常严重;硝酸根氧化率(NOR)和硫酸根氧化率(SOR)结果显示NO3-与SO24-主要通过非均相反应生成,水溶性无机盐存在形态以NH4HSO4和(NH4)2SO4为主;重污染期K+和Cl-质量浓度显著升高,Mg2+和Ca2+质量浓度下降;阳、阴离子电荷比(C/A)重污染平均值为0.8,细粒子偏酸性.     

北京市大气PM2.5中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京市大气PM_(2.5)中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

临汾市PM2.5中水溶性离子季节变化特征及来源解析

利用在线监控平台获得临汾市2019年3月1日至2020年2月29日PM2.5的24 h均值及其中8种水溶性离子(NO3-、SO42-、NH4+、Cl-、K+、Na+、Mg2+和Ca2+)的监测数据,分析了PM2.5及水溶性离子浓度的季节变化特征,采用主成分分析法探讨了各种离子的主要来源.结果 表明,在研究期内,临汾市PM2.5年均浓度为57 μg·m-3,季节性特征明显,冬季最高,夏季最低,秋季略高于春季;各离子浓度依次为NO3-＞SO42-＞NH4+＞Cl-＞Ca2+＞Na+＞K+＞Mg2+;全年阴阳离子电荷当量的比值为0.86,大气气溶胶呈碱性;SO42-、NO3-与NH4+是其中的主要水溶性离子,不同季节这3种离子之和占8种离子总量的比例分别为夏季(90.98％)＞秋季(88.98％)＞冬季(87.58％)＞春季(85.68％),存在较强的SO2向SO42-、NO2向NO3-的二次转化过程.PM2.5中水溶性离子的主要来源有工业源、生物质燃烧、机动车尾气以及土壤风沙和建筑扬尘等,不同季节各污染源的贡献有较大差别.     

西安市春季大气细粒子的质量浓度及其水溶性组分的特征

为了探讨西安市春季大气细粒污染物的污染水平及水溶性组分的特征及来源,2005年3—5月对西安大气PM2.5进行了观测,并应用离子色谱对其中的水溶性组分进行了分析。结果显示,西安市春季大气PM2.5的质量浓度为159.9μg·m-3。分析的11种阴阳离子(Na 、NH4 、K 、Mg2 、Ca2 、F-、Cl-、Br-、NO2-、NO3-和SO42-)质量浓度占PM2.5的30%,表明水溶性组分是大气细粒子的主要组成之一。NH4 、SO42-和NO3-为水溶性离子的主要组分,其平均质量浓度分别为6.6、20.1和7.6μg·m-3,在总水溶性离子中的百分比分别为12.4%、47.4%和16.9%,SO42-和NO3-质量浓度与能见度有较好的负相关性,表明细粒子中二次气溶胶组分对能见度有显著的影响。阴阳离子的平衡和pH值的测定结果显示,西安市大气细粒子污染物为弱酸性。离子间的相关性分析揭示水溶性离子在颗粒物中主要结合方式为(NH4)2SO4、NH4HSO4、NH4NO3、KHSO4和K2SO4。Mg2 和Ca2 的相关性也较好,其摩尔比率为0.07,小于中国北方沙漠和黄土的平均值(0.15),揭示二次扬尘和建筑扬尘等过程对Ca2 的质量浓度影响较大。计算的NO3-/SO42-质量浓度比值的均值为0.38,说明固定排放源(燃煤)对细粒子中水溶性组分的贡献大于移动排放源(机动车)。     

沈阳市大气PM2.5中水溶性离子的季节变化特征

为研究沈阳市大气中PM2.5及其水溶性离子的污染特征、季节差异和来源情况,使用URG-9000D在线监测系统对沈阳市2019年大气颗粒物进行连续的采样分析,并利用正交矩阵因子分析法(PMF)进行污染物的来源解析.结果 表明,2019年沈阳市秋冬季节PM2.5质量浓度变化受相对湿度影响较大,冬季PM2.5平均质量浓度达到85.76 μg·m-3,细粒子污染较为严重.沈阳市大气PM2.5中SNA(SO42-、NO3和NH4+)所占比重表现为春季最高秋季最低;夏季SO42-和NH4+浓度较高,而NO3-浓度较低.SO42-在夏季呈单峰型日变化,与NO3-变化趋势相反.春夏秋三季NH4+与SO42-、NO3-主要结合为(NH4)2SO4和NH4NO3,冬季NH4+主要以(NH4)2SO4和NH4HSO4的形式存在.沈阳市存在较强的SO2和NOx二次转化现象,且各季节中SO2的转化率均高于NO2.PMF源解析结果表明,二次源对沈阳市大气污染贡献最大,夏秋季生物质燃烧和冬季燃煤源贡献同样不可忽视.     

电感耦合等离子体-质谱法研究大气颗粒物中元素浓度

1　IntroductionAirborneparticulatematterisoneoftheimportantmarkersofairqualityandisanimportanthealthconcerninurbanareas,especiallywithrespecttoanumberofchronicrespiratorydiseases.Medicaldatasuggeststhatitisthisfractionofparticulatematterthatbecomesdeeplyi…     

郑州市道路网络结构特征对大气颗粒物污染的影响及尺度效应

交通排放是大气颗粒物(PM)污染主要来源之一,从道路网络空间结构探究大气颗粒物污染缓解途径,对治理城市空气污染具有重要意义。该研究数据来源于郑州市GF-2遥感影像及建成区8个空气质量监测点(AQMS)的日监测数据。以AQMS为中心建立1 km×1 km(Scale1)-6 km×6 km(Scale6)空间尺度的样方,运用主成分分析法和线性混合效应模型,探讨不同空间尺度下影响PM10、PM2.5质量浓度的关键性路网结构特征,为郑州市路网结构规划和空气污染治理提供科学依据。结果表明,(1)郑州市建成区各监测点的颗粒物质量浓度及变异性都有冬高夏低的特征。(2)郑州市路网结构对PM10质量浓度的影响程度高于PM2.5。(3)主干道面积占比与PM10在Scale1、Scale3-Scale5尺度正相关,与PM2.5仅在Scale5正相关;总道路及次干道面积占比与PM10在Scale2-Scale6均正相关,但与PM2.5仅在Scale5、Scale6尺度正相关。在Scale5的空间尺度下控制总道路及次干道面积占比、减少主干道面积占比,可以有效缓解PM10、PM2.5的污染。(4)路网连通复杂度在Scale2与PM10负相关,在Scale2尺度提升路网环通复杂度可以促进PM10污染的有效缓解。(5)节点与廊道数量水平在Scale1、Scale2与PM10负相关,在Scale1、Scale5与PM2.5负相关。通过在Scale1尺度提升节点与廊道数量水平可以同时有效缓解PM10、PM2.5污染。     

武汉市秋冬季室内外空气颗粒物以及有机碳、元素碳的污染特征

为了解秋冬季室内外空气颗粒物PM10、PM2.5以及其有机碳和元素碳的污染特征,于2009年10月及12月对武汉大学医学部学生宿舍室内、外PM10、PM2.5进行了两周连续采样。结果表明：秋季室内PM10和PM2.5的平均浓度分别为121.8和91.3μg/m3,室外为153.9和104.2μg/m3;冬季室内PM10...     

厦门冬季PM_（2.5）颗粒物中细菌和真核微型生物群落组成及其来源分析

近年来由于雾霾事件频发,有关细颗粒物PM2.5的来源、组成及迁移转化规律已经引起了人们的广泛关注,然而对于PM2.5颗粒物中微生物的组成和来源还知之甚少。本文应用T–RFLP、克隆文库和测序方法研究厦门2012年冬季PM2.5颗粒物中细菌和真核微型生物的群落组成,并分析其潜在的来源环境。研究结果表明：与克隆文库方法相比,T–RFLP分析所得的物种数量（TRF峰）相对较多,说明T–RFLP是快速、灵敏分析空气微生物群落特征的高效手段之一。T–RFLP和克隆文库结果表明,PM2.5颗粒物中细菌和真核微型生物群落多样性较高,其中2%的细菌16S rRNA基因和42%的真核微型生物18S rRNA基因序列与已知序列的相似度低于97%。分类分析表明,Bacteroidetes、Actinobacteria、Firmicutes和Proteobacteria是PM2.5颗粒物细菌的主要类群,其相对丰度分别为2.91%、10.68%、41.75%和44.66%;Stramenopiles、Alveolata、Metazoa、Fungi和Viridiplantae是PM2.5颗粒物真核微型生物的主要类群,其相对丰度分别为5%、7%、15%、20%和39%。然而,尚有14%的真核微型生物18S rRNA基因序列未能分类到已知门类,说明气溶胶真核微型生物方面的研究尚存在较大空白。与文献对比分析表明,厦门城区空气微生物的动态性较强,环境来源多变。环境来源分析表明,厦门虽然属于典型海滨城市,但其空气微生物的重要环境源可能为淡水,其次是土壤、水体沉积物、污水系统和动物粪便等。而季节性气团输送可能是厦门冬季气溶胶微生物多来源于淡水的原因之一。     

典型海滨和内陆城市PM10中的碳成分初步研究

为了分析碳成分在海滨和内陆城市的浓度现状、季节变化和日变化特征,于2009-11-2—2009-11-4(秋季)、2009-12-21—2009-12-23(冬季)、2010-4-27—2010-4-30(春季)和2010-8-26—2010-8-29(夏季)连续同步密集采集了厦门和成都大气可吸入颗粒物(PM10)样品,并采用IMPROVE热光分析法分析了PM10中有机碳(OC)和元素碳(EC),采用燃烧氧化-非分散红外吸收法测定了样品中的水溶性有机碳(WSOC),采用乙基紫-分光光度法测定样品中阴离子表面活性物质(EVAS)的浓度.结果显示,海滨和内陆城市PM10中碳成分含量季节分布明显,冬春季含量较高,夏秋季含量较低.各季碳成分含量日变化趋势不完全相同.WSOC与OC和EC相关分析结果显示,WSOCs主要来源于光化学反应形成的二次污染物.     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

北京市区域城市化程度与颗粒物污染的相关性分析

城市化程度的提升带来严重的资源环境问题,尤其是空气污染问题,严重影响了人类的健康。大气中的PM2.5等颗粒物已经成为影响我国城市空气质量的主要污染物。现有研究多数是对于多年来多地区的宏观研究,缺乏对于典型地区的具体数据报道。通过分析北京市PM2.5和PM10的质量浓度与不同城市化程度地区的相关关系,探索城市化程度对PM2.5等颗粒物浓度的影响。选取北京市7处具有代表性空气质量监测点,于2013年7月至10月对PM2.5和PM10的质量浓度进行连续4个月的实时监测,结合《北京市区域统计年鉴》中的城市化指标数据,包括常住人口密度、地区生产总值和林木覆盖率,对数据进行变化趋势分析、Pearson相关分析和回归分析。研究结论表明：由于北京市不同区域城市化程度不同导致颗粒物污染状况不同,每个区域的PM2.5与PM10的质量浓度虽有差异但均显著相关,PM2.5的质量浓度约占PM10的质量浓度的60%,PM2.5是PM10的主要组成成分。城市化程度与PM2.5等颗粒物浓度有明显的关系,PM2.5等颗粒物浓度与地区生产总值和林木覆盖率显著相关,与地区生产总值呈正相关,与林木覆盖率呈负相关;与常住人口密度呈正相关趋势但并不显著相关。其中,PM2.5的质量浓度与地区生产总值的相关系数为0.875,与林木覆盖率的相关系数为-0.838;PM10的质量浓度与地区生产总值相关系数为0.947,与林木覆盖率相关系数为-0.775。总体来看,PM2.5等颗粒物浓度随城市化程度的提高而增加,北京市区域城市化程度与颗粒物污染情况关系明显。我国在快速发展城市化的同时,应关注环境与经济相协调。调整产业结构,增加植被绿化,控制污染源将有助于减少北京市大气中颗粒物的污染程度,为我国的城市化进程提供相应的支持和保障。