西安市大气颗粒物PM2.5与降水关系的探讨

对西安市2011年的降水及PM_2.5进行采样，并对其进行了pH及无机水溶性离子测定。结果表明，西安市酸雨的污染类型以硫酸型污染为主，连续性降水对大气颗粒物的去除效果明显，pH随降水量的增加而减小。对采样日降水前和降水后3 h的PM_2.5监测结果表明降水对PM_2.5质量浓度与其中的离子有一定去除作用。西安市的PM_2.5呈酸性，并且与降水的pH有着很好的相关性；另外降水前PM_2.5的质量浓度、SO₄^2-浓度与降水pH呈负相关，NO₃^-与降水pH的相关性不明显。近几年PM_2.5和降水中的SO₄^2-/NO₃^-当量值变化趋势表明西安市大气污染已步入煤烟和机动车尾气混合型污染类型，且机动车污染对大气污染和酸雨的贡献比例有所增加。     

杭州秋冬季PM2.5污染特征分析

为研究杭州PM_2.5污染来源特征,利用2013—2019年杭州市PM_2.5监测数据和气象观测数据,分析了杭州市2013—2019年PM_2.5浓度变化,选取本地积累型和输入型2种PM_2.5污染过程,结合单颗粒气溶胶飞行时间质谱仪（SPAMS）和在线离子色谱数据,探讨杭州市PM_2.5化学组分和污染来源。结果表明：每年秋冬季（11月至次年3月）杭州以东北风、西北风及偏南风为主,风速低于4 m/s时,大气扩散条件差,受本地污染物积累影响,PM_2.5浓度容易出现超标;风速较大且为东北风和西北风时,受上游污染输入影响,易出现PM_2.5重度污染。本地积累型和输入型案例中,PM_2.5化学组分中占比最大的为NO₃^-、SO₄^2-和NH₄⁺;PM_2.5浓度上升过程中,二次NO₃^-和SO₄^2-转换率明显上升,其中NO₃^-上升更为显著,二次气溶胶污染严重。2次案例中,PM_2.5来源贡献占比前3位均为机动车尾气源、燃煤源和工业工艺源,其中本地积累型PM_2.5浓度上升阶段,机动车尾气源占比会明显上升;输入型案例中,输入阶段机动车尾气源占比显著上升,燃煤源贡献也小幅上升。     

杭州市大气PM2.5和PM10污染特征及来源解析

2006年在杭州市两个环境受体点位采集不同季节大气中PM_2.5和PM₁₀样品,同时采集了多种颗粒物源类样品,分析了其质量浓度和多种化学成分,包括21种无机元素、5种无机水溶性离子以及有机碳和元素碳等,并据此构建了杭州市PM_2.5和PM₁₀的源与受体化学成分谱;用化学质量平衡(CMB)受体模型解析其来源。结果表明,杭州市PM_2.5和PM₁₀污染较严重,其年均浓度分别为77.5μg/m³和111.0μg/m³;各主要源类对PM_2.5的贡献率依次为机动车尾气尘21.6%、硫酸盐18.8%、煤烟尘16.7%、燃油尘10.2%、硝酸盐9.9%、土壤尘8.2%、建筑水泥尘4.0%、海盐粒子1.5%。各主要源类对PM₁₀贡献率依次为土壤尘17.0%、机动车尾气尘16.9%、硫酸盐14.3%、煤烟尘13.9%、硝酸盐粒8.2%、建筑水泥尘8.0%、燃油尘5.5%、海盐粒子3.4%、冶金尘3.2%。     

2021年春节期间陕西省烟花爆竹燃放对PM2.5的影响

通过对比2021年春节烟花爆竹集中燃放时段和前期非集中燃放时段的PM_2.5浓度及特征组分浓度,分析了烟花爆竹集中燃放对陕西省PM_2.5的影响情况。分析结果显示,2021年春节烟花爆竹集中燃放时段,关中和陕南地区PM_2.5浓度增幅大且高值持续时间长,陕北地区PM_2.5浓度增幅小且高值持续时间短。陕北和陕南地区PM_2.5小时浓度峰值出现在2月12日(初一)00:00前后,关中地区略晚。西安市PM_2.5特征组分中,K⁺、Cl^-、SO₄^2-、NO₃^-、Mg²⁺、Al³⁺、Cu²⁺、Si²⁺、Ba²⁺的浓度分别为6.61、7.20、12.83、23.96、1.36、2.91、0.23、0.27、0.86 μg/m³,明显高于非集中燃放时段。烟花爆竹燃放对陕南地区PM_2.5的贡献率和贡献量均高于关中和陕北地区;对郊县PM_2.5的贡献率高于城区,且对郊县的贡献率正值的出现时间早于城区。除榆林市外,陕西省其他城市的城区均受到了相关郊县烟花爆竹燃放的影响。     

交通限行对大气颗粒物及PM2.5中二NFDA1英的影响

为了研究北京大气颗粒物和二NFDA1英(PCDD/Fs)的污染状况以及评估交通限行对大气颗粒物和PCDD/Fs的影响。利用同位素稀释高分辨率气相色谱/高分辨率质谱(HRGC/HRMS)联用法和USEPA 1613B 标准方法,以中国地质大学(北京)东门为采样点,采集大气PM_2.5、PM₁₀、TSP样品,对北京市交通限行期间以及交通限行前后等不同交通状况下颗粒物浓度及大气PM_2.5中17种2,3,7,8-PCDD/Fs污染特征进行了监测。结果表明,PM_2.5、PM₁₀、TSP的日均质量浓度在交通限行前分别为126、202、304 μg/m³,限行期间分别为39、78、93 μg/m³,限行结束后分别为79、126 μg/m³。PM_2.5中17种PCDD/Fs的质量浓度(毒性浓度)3个时段分别为1 804 fg/m³(70 fg I-TEQ/m³)、252 fg/m³ (9 fg I-TEQ/m³)和1 196 fg/m³ (48 fg I-TEQ/m³)。北京市交通限行期间颗粒物浓度和二 NFDA1 英浓度显著低于交通限行前后,交通源减排措施的实施是大气颗粒物和二 NFDA1英污染水平降低的主要原因,从减排效果看,交通源减排措施对大气细颗粒物(PM_2.5)的控制效果明显好于大气粗颗粒物。     

PM1与PM2.5切割器性能与测试系统研究

切割器是PM_2.5监测设备的关键部件,其切割性能直接影响PM_2.5和PM₁等环境空气颗粒物质量浓度监测数据的真实、准确。该研究采用粒径范围为0.6~4 μm的聚苯乙烯微球(PSL)标准粒子、单分散气溶胶发生器、混匀(分流)装置和颗粒物数量浓度测量仪等仪器设备集成搭建了适用于PM₁和PM_2.5切割器性能测试的通用系统。测试结果表明:该系统发生的PSL粒子能够保持稳定的数量浓度,并在切割气路和非切割气路间具有较好的数量浓度一致性,能在3 h内快速完成一台切割器切割效率的测试。采用该系统测试了1种类型的PM₁切割器和3种类型的PM_2.5切割器的关键切割性能。结果显示:VSCC型PM_2.5切割器D₅₀分别为2.48、2.52、2.48 μm,σ_g1分别为1.20、1.23和1.15,σ_g2分别为1.21、1.21和1.16,各项关键性能指标均符合美国和中国相关环境保护标准规范的要求,且优于SCC型和URG型切割器。推荐使用VSCC型切割器开展环境空气中PM_2.5质量浓度的监测。SCC型PM₁切割器的D₅₀为0.91 μm,σ_g1和 σ_g2为1.20和1.18,结合其他相关研究,建议PM₁切割器D₅₀合格标准应为(1.0±0.1)μm,σ_g合格标准为不超过1.20。     

天津市PM2.5中水溶性离子组分特征

2006年8—12月连续采集PM_2.5样品,分析其中水溶性无机离子浓度特征。结果表明,采样期间,天津市PM_2.5日均浓度均不同程度超过美国EPA日均浓度标准(35 μg/m³);SO₄^2-、NO₃^-、NH₄⁺和Cl^-为无机离子的主要成分,占全部无机离子的88.6%;各离子均表现出不同季节变化特征。对NH₄⁺和NO₃^-、SO₄^2-进行相关性分析发现,NH₄⁺和NO₃^-相关性最好,相关系数为0.795。SOR和NOR的平均值分别为0.16和0.23,均为8月最高,表明前体物二次转化夏季最明显。     

北京市PM2.5质量浓度特征及组分化学质量闭合研究

2013年7—9月分2次在北京市朝阳区的4个采样点(来广营、垡头、奥体和建外)进行PM_2.5手工采样,共获得164个有效滤膜样品。以石英滤膜为例,这4个采样点的均值分别为85、94、81、86 μg/m³。数据显示PM_2.5质量浓度呈"南高北低"的特点。化学质量闭合研究表明:碳质组分(OM+EC)和二次无机离子是PM_2.5的主要组成;碳质组分对夏季PM_2.5的质量浓度贡献比较稳定,2次采样对PM_2.5的贡献均在1/3左右,与采样时间和地点无关;二次无机离子的贡献则与采样时间有关,对PM_2.5的贡献在第一和第二次采样时间分别约为30%和20%。4个采样点中,最南端的垡头PM_2.5质量浓度最高,有机颗粒物、SO₄^2-、NO₃^-和NH₄⁺的质量浓度平均值最高,分别为26、18.2、10.5、5.9 μg/m³。     

宁波市区冬季大气颗粒物及其主要组分的污染特征分析

为了更好地研究影响宁波市区环境空气质量的污染物变化特征,于2010年1月20—30日进行了加强监测。研究结果表明,宁波市区大气中PM₁₀和PM_2.5质量浓度较高,其中PM_2.5/PM₁₀为0.5~0.85。对PM₁₀和PM_2.5采样膜分析,水溶性粒子和含碳组分分别占PM₁₀和PM_2.5质量浓度的56.7%和66.9%,其中二次污染的水溶性离子SO₄^2-、NO₃^-和NH₄⁺是PM₁₀和PM_2.5中浓度较高的离子组分;PM_2.5样品中OC与EC的相关性较好,表明OC与EC的来源相对一致,可能主要来自机动车尾气的贡献;但PM₁₀样品中OC与EC的相关性较差,表明其来源相对复杂;其中SOC的浓度占OC的13%~35%,说明宁波市区冬季导致二次污染的光化学反应不活跃。     

天津市PM2.5中水溶性无机离子污染特征及来源分析

2008年1、4、7月和10月在天津大气层边界站,利用中流量采样器对大气中的细粒子进行了滤膜样品采集,应用离子色谱检测技术分析了8种水溶性无机离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、SO₄^2-、NO₃^-和Cl^-)的含量。结果表明,天津市大气PM_2.5中总水溶性无机离子平均浓度为47.3 μg/m³,其中,SO₄^2-、NO₃^-、NH₄⁺和Cl^-是最主要的水溶性无机离子,占总离子质量分数共计87.3%,表明了天津市细粒子中的主要水溶性无机离子的特征。/2 平均比值接近1.0,显示硫酸氨是细粒子中硫酸盐的主要存在形式。NO₃^-/SO₄^2-浓度比的平均值为0.65,反映了燃煤污染与机动车尾气污染并存的复合型大气污染特征。并通过对PM_2.5中8个水溶性离子成分的主成分分析进一步揭示了其来源。     

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

利用2013年1月—2014年12月北京地区PM_(2.5)和PM_(10)监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM_(2.5)和PM_(10)的浓度对不同季节地面气象因素的响应。结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻。不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素。PM_(2.5)和PM_(10)质量浓度对气象因素变化的响应程度也有较大区别,PM_(2.5)/PM_(10)比值冬季最高,PM_(2.5)影响最大,春季最低,PM_(10)影响最大。这些结论可对制订科学有效的大气污染控制策略提供参考。     

2020年泰州市细颗粒物质量浓度高值区污染来源解析

2020年在位于泰州市主城区大气细颗粒物(PM_(2.5))质量浓度高值区的莲花国控空气站点进行手工采样,分析了大气PM_(2.5)的质量浓度和元素组成,以及离子、有机碳和元素碳的质量浓度。根据监测结果,采用正定矩阵因子分解(PMF)受体模型对其来源进行解析。结果显示,莲花站点大气PM_(2.5)中主要组分包括有机物、硝酸盐、硫酸盐、铵盐、地壳物质、氯盐、钾盐、黑炭、微量元素和钠盐,占比分别为35.7%,25.6%,13.9%,11.9%,6.1%,2.3%,1.5%,1.5%,0.8%和0.7%,有机物、硝酸盐、硫酸盐、铵盐为首要污染组分,这4类物质对PM_(2.5)的累计贡献为87.1%。根据解析结果与实际污染特征,提出应优化城市路网结构,强化工地扬尘管控,全面取缔燃煤炉和严抓秸秆禁烧工作等控制对策。     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响，在苏州市相城区国控点开展比对监测分析，回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象，PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年，苏州全部国控点“倒挂”时间的总体趋势都是逐年递增，且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

北京市典型重污染过程中PM2.5载带水溶性无机离子污染特征分析

为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

南充市大气PM10与PM2.5排放清单及特征

以四川省南充市为研究区域,通过实地调研、现场测试及结合统计年鉴等获得数据,采用排放因子法计算南充市2014年大气PM_(10)、PM_(2.5)排放量并建立排放清单。结果表明,南充市2014年扬尘源、移动源、生物质燃烧源、化石燃料固定燃烧源、工艺过程源排放总量PM_(10)分别为85 187、1 777、9 175、2 417、3 519 t,PM_(2.5)分别为16 093、1 619、7 322、914、1 585 t,PM_(10)贡献率分别为83.5%、1.7%、9.0%、2.4%、3.4%,PM_(2.5)贡献率分别为58.4%、5.9%、26.6%、3.3%、5.8%。城市区域扬尘源、生物质燃烧源、移动源、化石燃料固定燃烧源、工艺过程源对PM_(10)贡献分别为60.0%、12.5%、6.3%、8.6%、12.5%,对PM_(2.5)贡献分别为41.8%、21.6%、14.4%、8.1%、14.1%。南充市2014年大气PM_(10)、PM_(2.5)排放源总量和贡献率以及区域空间分布特征均存在差异。     

大气中PM2.5污染现状、健康效应及其致炎症机制研究进展

空气细颗粒物(PM_(2.5))污染已成为影响人体健康的重要因素,其健康效应及致炎症机制已经受到人们的广泛关注。简述了PM_(2.5)国内外污染现状,从PM_(2.5)的质量浓度和组成成分2个方面系统地阐述了其对人体健康的危害,并重点从介导信号通路和介导细胞自噬2个方面对PM_(2.5)导致机体炎症反应的毒性机制进行了总结和讨论,为后续研究和控制PM_(2.5)对机体健康的危害提供科学参考。     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料，分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况，并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年，台州市区PM_2.5年均浓度和超标天数呈显著下降趋势，O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高，且易发生超标；O₃浓度在春、夏、秋季均较高，且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关，与大气压呈正相关；O₃浓度与气温、风速呈正相关，与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关，两者存在协同增长。在春、夏、秋季，二次PM_2.5在总PM_2.5中的占比随着O₃