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。     

广州市冬季PM_(2.5)污染过程二次水溶性无机离子组分特征

为了解广州地区灰霾天气成因,基于城市超级站,对2013年12月1日—12月8日期间2次灰霾天气过程的水溶性无机离子污染特征进行研究。结果表明:监测期间二次离子(SNA)SO_4~(2-)、NO_3~-、NH_4~+分别占PM_(2.5)质量浓度的15.8%、7.4%、7.0%;2次污染过程SNA对PM_(2.5)贡献显著,机动车排放和燃煤是PM_(2.5)的主要污染来源。广州冬季属于富氨区,2次污染过程都伴随着NH_4~+显著增加,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3形式存在。     

重庆市主城区大气水溶性离子在线观测分析

2015年12月—2016年3月期间,利用在线气体与气溶胶成分监测仪(IGAC)在重庆市大气超级站开展连续观测分析,并捕捉到2次持续时间较长的空气重污染过程。对PM_(2.5)中9种水溶性离子及5种气态前体物的观测结果分析表明:NO_3~-、NH_4~+和SO_4~(2-)是重庆市主城区PM_(2.5)中主要的水溶性离子成分,其浓度均表现出明显的日变化特征,主要以(NH4)_2SO_4和NH_4NO_3的形式存在。NH_3和SO_2是最主要的气态污染物。2次重污染过程的水溶性离子组分有明显差异,细颗粒物累积型污染的NH_4~+、SO_4~(2-)、NO_3~-浓度高,二次转化十分明显;春节期间烟花爆竹集中燃放,Cl~-、K~+浓度高,主要属于一次排放;污染期间主要离子组分的同源性特征显著。     

武汉市春季大气PM2.5中水溶性离子特征

运用大气PM_(2.5)水溶性组分及其气态前体物在线监测系统(GAC-IC)于2017年3月5—12日对武汉市大气PM_(2.5)中水溶性组分进行了在线监测,分析了PM_(2.5)中主要水溶性离子的化学特征和作用机制。结果表明:实验期间武汉市大气PM_(2.5)中水溶性组分与气态前体物间存在明显的二次转化过程,二次反应是PM_(2.5)的重要来源。监测期间,PM_(2.5)中NO_3~-、SO_4~(2-)和NH_4~+的平均质量浓度分别为24.3、16.9、15.0μg/m~3,是PM_(2.5)中重要的水溶性无机离子,占PM_(2.5)质量浓度的40%~70%。硫氧化率(SOR)和氮氧化率(NOR)平均值分别为0.52和0.27,表现出较为明显的二次污染特征。通过相关性分析发现:监测点位周边大气PM_(2.5)中NH_4~+与NO_3~-、SO_4~(2-)有良好的相关性,且表现为富氨状态,大气中铵能较好地中和SO_4~(2-)和NO_3~-。     

合肥市冬季PM_(2.5)中水溶性离子化学特征分析

基于2021年12月1日-2022年2月28日合肥市细颗粒物(PM_(2.5))及其水溶性离子连续观测数据,分析了合肥市冬季PM_(2.5)中水溶性离子化学特征以及不同污染程度下水溶性离子化学特征。结果表明:采样期间合肥市PM_(2.5)污染较重,不同污染程度下PM_(2.5)浓度差异较大,中度及以上污染天的ρ(PM_(2.5))平均值分别是清洁天和轻度污染天的2.8和1.3倍。二次水溶性无机离子[硝酸根离子(NO_(3)^(-))、铵根离子(NH+4)和硫酸根离子(SO_(2)-4),简称SNA]是合肥市PM_(2.5)的重要组成部分,随着污染程度的加重,PM_(2.5)二次生成比例随之下降。NH+4是合肥市水溶性离子中中和能力最强的离子,易与NO_(3)^(-)和SO_(2)-4结合分别形成NH_(4)NO_(3)和(NH_(4))_(2)SO_(4)。合肥市SO_(2)和NO_(2)均易发生二次转化,且SO_(2)较NO_(2)更容易发生二次转化。钙离子(Ca^(2+))和镁离子(Mg^(2+))相关性较高,说明合肥市PM_(2.5)可能受扬尘影响较大;钾离子(K^(+))是生物质燃烧的指示离子,氯离子(Cl^(-))与K^(+)相关性较好,说明合肥市PM_(2.5)组分中的Cl^(-)和K^(+)主要来自生物质燃烧。PM_(2.5)中水溶性离子受降水和温度影响较大。     

连云港春季PM2.5中主要水溶性无机离子污染特征及来源解析

于2017年3月1日—5月31日监测分析了连云港市大气PM_(2.5)中主要水溶性无机离子质量浓度的日变化规律,以及与气象因子、PM10、PM_(2.5)相关性。结果表明,水溶性无机离子质量浓度与环境空气中NO_2、CO、PM_(10)、PM_(2. 5)显著相关,与气温、风速、能见度等呈负相关;日变化呈明显单峰型,峰值出现在08:00左右;水溶性无机离子季度均值为27. 2μg/m~3,占ρ(PM_(2.5))平均50%左右,ρ(NO_3~-)、ρ(SO_4~(2-))和ρ(NH_4~+)占ρ(水溶性无机离子)总85%以上;指出,SO_4~(2-)主要受远距离传输的影响,NO_3~-和NH_4~+主要受局地源的影响。     

采暖期大气颗粒物PM1.0和PM2.5中水溶性离子污染特征

为了解采暖期大气PM_(1.0)和PM_(2.5)中水溶性离子污染特征,采集哈尔滨市2014年11月至2015年3月采暖期PM_(1.0)和PM_(2.5)的样品,进而分析其中的水溶性离子(F-、Cl-、NO-3、SO2-4、Na+、NH+4、K+、Mg2+、Ca2+)的质量浓度。结果表明:PM_(1.0)和PM_(2.5)中的水溶性离子具有相同的变化趋势。采暖期间PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度总和分别为25.4~60.7μg/m~3和38.8~78.0μg/m~3。在PM_(1.0)和PM_(2.5)中NH+4、NO-3、SO2-4占比较高,而F-、Mg2+占比较低。PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度均为夜间大于白天。在PM_(1.0)和PM_(2.5)中,Mg2+和NH+4、F-和Cl-呈显著相关,说明它们来自相似的污染源,在PM_(1.0)中的K+和Ca2+显著相关,故它们受相似的污染源的影响。根据酸度与各离子的相关性,得出SO2-4和NH+4是控制大气颗粒物酸碱性的主要离子。另外,气象因素对PM_(1.0)和PM_(2.5)的浓度有影响。     

盐城市秋冬季节PM2.5污染特征及来源分析

于2019年10月—2020年2月在盐城市开展大气PM_(2.5)离线监测,对PM_(2.5)的浓度变化、质量平衡、组分及来源进行了分析。结果表明,监测期间盐城市ρ(PM_(2.5))月均值为43.32～62.59μg/m~3,其中1月最高;监测期间ρ(PM_(2.5))平均值为54.25μg/m~3,质量重建后该值为52.38μg/m~3,与实测值的相关性达到0.98; PM_(2.5)占比最多的成分是硫酸盐、硝酸盐和铵盐(SNA); m(NO_3~-)/m(SO_4~(2-))的平均值为2.16,说明监测期间盐城市机动车相比固定源对NO_2和SO_2有更高的贡献;通过主成分因子分析,可知盐城市秋、冬季节PM_(2.5)主要来源于土壤和扬尘源、燃烧源以及二次无机源。     

郑州市PM2.5组分季节性特征及来源研究

为了探究郑州市大气PM_(2.5)组分的季节性特征及来源,于2017年12月至2018年11月对郑州市5个点位进行采样,共采集有效环境受体样本1 166个。通过研究受体样本PM_(2.5)中的碳组分、水溶性离子和无机元素信息,获取各组分的季节特征,并结合正定矩阵因子分解(PMF)模型进行来源解析。结果表明,采样期间,郑州市PM_(2.5)平均浓度为69.6μg/m~3,占比较高的化学组分为NO_3~-、有机碳(OC)、SO_4~(2-)和NH_4~+,占比之和为86.7%。其中,NO_3~-、OC和NH_4~+呈现冬季高、夏季低的季节性浓度分布规律,SO_4~(2-)则是秋冬季稍高于春夏季。此外,Al、Si、Fe和Ca的浓度在春秋季略高于冬夏季。PMF模型解析结果显示,二次源为郑州市PM_(2.5)首要污染源,分担率为50.9%,其次是移动源(分担率12.0%)、燃煤源(分担率11.4%)和扬尘源(分担率10.2%)。其中,燃煤源在冬季较高、夏季较低,移动源在夏季最高,扬尘源在春季和秋季较高。     

邢台市采暖季PM2.5中水溶性离子污染特征及来源分析

通过监测邢台市2017年11月15日—2018年3月15日采暖期间大气PM_(2.5)中水溶性离子,得到水溶性离子的污染特征,并结合主成分分析方法讨论不同离子的来源。结果表明,邢台市PM_(2.5)中水溶性离子主要由NO~-_3、SO_4~(2-)、NH~+_4组成,分别占总水溶性离子质量浓度的35.2%、25.7%、20.4%;SNA三元相图表明,NH~+_4、SO_4~(2-)、NO~-_3在PM_(2.5)中占比分别为10.6%～40.2%、20.5%～67.1%、26.4%～56.2%;主成分分析结果表明,PM_(2.5)中水溶性离子的主要来源有二次气溶胶、燃煤、交通源、生物质燃烧和土壤尘。     

2013年苏州春季一次重污染天气的过程分析

研究了2013年3月在江苏范围内的一次重污染天气过程，重点分析苏州在此次污染过程中大气污染的变化特征。污染过程中，苏州市颗粒物浓度上升较为明显， PM10的小时质量浓度最高达548μg／m3， PM2．5质量浓度也达到197μg／m3，污染持续时间为2 d，3月8—9日当地空气质量均达到中度污染水平。根据后向轨迹模型、颗粒物离子浓度的分析，此次污染是由外来浮尘及苏州本地污染物排放所造成的区域霾污染影响所致。根据监测结果与实际污染特征，针对性地提出了对策和措施。     

2018年长三角一次持续重污染过程分析

利用常州市6个环境空气质量评价点PM_2.5、PM₁₀、SO₂、NO₂、CO和水溶性离子数据，结合后向轨迹、激光雷达探空资料、气象资料等，分析了2018年1月29日—2月2日长三角区域一次持续重污染过程。结果表明，重度污染时次高达94 h，PM_2.5最高值达235 μg/m³，由外来输送污染物与本地排放的污染物叠加而成，在不利气象条件影响下，污染物在长三角区域长时间滞留；重污染期间，污染物日变化规律显示，PM_2.5受外来源影响更显著，而SO₂、NO₂受本地污染源影响更显著，水溶性粒子组分与常州市本地源存在较大差异，其中NO₃^-、NH₄⁺、K⁺、Mg²⁺和SO₄^2-值增加最为明显，较污染前分别增加了9.1，5.9，4.3，4.2和4.1倍；K⁺值升高较快，说明污染期间也受到了生物质燃烧的影响。此外，NO₃^-和SO₄^2-在空气质量较好时，在水溶性离子中的占比日变化幅度较大，而在重污染期间，NO₃^-和SO₄^2-日变化幅度明显减小。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

台州市酸雨污染现状及其对策分析

通过对近十年来的酸雨监测资料的收集分析,结合同期台州市大气环境中二氧化硫和氮氧化物的监测数据,采用秩相关系数法,对酸雨污染趋势和成因进行分析和讨论,并提出针对性措施,以期为台州市以及类似地区的大气污染、酸雨污染等防治工作提供政策参考。     

贵阳市夏季大气颗粒物及多环芳烃污染特征研究

采集贵阳市老城区夏季5个典型监测点(太慈桥、贵州师范大学、大西门、省政府及省植物园)的样品进行PM2.5、PM10质量浓度分析。同时对PM2.5中PAHs的质量浓度进行分析。结果表明:贵阳市夏季PM2.5和PM10浓度排序均为太慈桥省政府大西门贵州师范大学省植物园,且PM2.5和PM10之间有良好的相关性,PM10=0.931 3 PM2.5+0.019 4,R2=0.996 7,PM2.5污染较重。此外,5个监测点总PAHs和苯并(a)芘的分析结果均为太慈桥省政府大西门贵州师范大学省植物园,苯并(a)芘浓度均未超标。     

Study of urban atmospheric pollution in Navarre (Northern Spain)

An ambient air quality study was undertaken in two cities (Pamplona and Alsasua) of the Province of Navarre in northern Spain from July 2001 to June 2004. The data were obtained from two urban monitoring sites. At both monitoring sites, ambient levels of ozone, NO_x, and SO₂ were measured. Simultaneously with levels of PM₁₀ measured at Alsasua (using a laser particle counter), PM₁₀ levels were also determined at Pamplona (using a beta attenuation monitor). Mean annual PM₁₀ concentrations in Pamplona and Alsasua reached 30 and 28 μg m⁻³, respectively. These concentrations are typical for urban background sites in Northern Spain. By using meteorological information and back trajectories, it was found that the number of exceedances of the daily PM₁₀ limit as well as the PM₁₀ temporal variation was highly influenced by air masses from North Africa. Although North African transport was observed on only 9% of the days, it contributed the highest observed PM₁₀ levels. Transport from the Atlantic Ocean was observed on 68% of the days; transport from Europe on 13%; low transport and local influences on 7%; and transport from the Mediterranean region on 3% of the days. The mean O₃ concentrations were 45 and 55 μg m⁻³ in Pamplona and Alsasua, respectively, which were above the values reported for the main Spanish cities. The mean NO and NO₂ levels were very similar in both sites (12 and 26 μg m⁻³, respectively). Mean SO₂ levels were 8 μg m⁻³ in Pamplona and 5 μg m⁻³ in Alsasua. Hourly levels of PM₁₀, NO and NO₂ showed similar variations with the typically two coincident maximums during traffic rush hours demonstrating a major anthropogenic origin of PM₁₀, in spite of the sporadic dust outbreaks.     

佛山市高明区环境空气污染物变化分析

根据佛山市高明区2007—2012年环境空气监测数据资料,分析该区近6年来空气污染物的变化趋势和影响因素。结果表明,2007—2012年该区空气污染呈现由单一型污染向复合型污染转变,综合污染指数总体上升,污染物以SO2、PM10为主。SO2、NO2浓度呈逐年增长,PM10则呈平稳状态。三者污染浓度最高值均在每年第4季度出现。该区的SO2浓度主要受工业污染源影响;NO2也受工业影响显著,与机动车数量呈正相关;PM10与烟粉尘排放量呈正相关,与降水量呈负相关。因此,改善该区环境空气应着重从控制工业污染源、扬尘污染、机动车排气污染3大方面开展工作。     

内蒙古干草原冬、春季大气气溶胶的若干特征观测研究

内蒙古半干旱草原区大气气溶胶浓度以及散射等特性对生态环境、气候变化与预测研究有重要意义,文利用2009年1～4月在锡林浩特观象台草原站的观测资料,分析了冬、春季背景大气气溶胶质量浓度、黑碳质量浓度、散射系数的分布特征。研究发现,背景天气下,PM10、PM2.5、PM1.0浓度值都较低,平均值分别为22.7、9.5、6.1μg/m3,3种PM浓度值间的相关性不同;黑碳浓度平均值为0.59μg/m3,小粒子中的含量较高,其日分布规律受人类活动影响较大,与各PM浓度分布有较大不同;散射系数平均值为31.2Mm-1,与PM10、PM2.5、PM1.0、黑碳质量浓度都显著相关。三种PM中,PM2.5对散射和吸收的影响最大。风速、相对湿度对不同粒径的PM以及黑碳浓度、散射系数的影响有所不同。     

2022年春季南京臭氧污染特征及成因分析

2022年春季,受新一轮新冠疫情影响,长三角各城市采取了一系列管控措施,使得大气污染物排放水平降低。对2022年春季(3—5月)南京及长三角地区的六项污染物尤其是臭氧(O₃)的变化特征进行了分析,从气象因素和O₃前体物方面,同时利用基于观测的模型(OBM)对南京O₃污染变化原因进行了研究,并分析了南京挥发性有机物(VOCs)的关键活性组分和来源。结果表明:2022年春季,南京PM_2.5、PM₁₀、NO₂和CO均值浓度均同比下降,但O₃日最大8 h滑动平均质量浓度(O₃-8 h)同比上升19.8%,O₃-8 h超标时间同比增加9 d;长三角区域O₃-8 h同比上升17.9%,O₃-8 h超标天数为2021年同期的2.5倍。南京O₃浓度上升的原因:一方面是由于不利的气象条件,另一方面是由于南京O₃生成处于VOCs控制区,但氮氧化物(NO_x)降幅大于VOCs降幅,同时结合O₃前体物削减方案的分析结果发现,VOCs和NO_x不当的削减比例会导致O₃浓度不降反升。南京O₃生成的关键VOC活性物种依次为乙醛、丙烯、间/对二甲苯、丙烯醛和乙烯;正定矩阵因子分解(PMF)解析结果显示,机动车尾气是南京城区VOCs的主要来源,其次为液化石油气/天然气使用和石油化工。     

气质联用法测固定污染源中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫

建立了固定污染源排气中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫的采样和气质联用分析方法,检出限分别为0.06、0.15、0.21、0.71 mg/m3,精密度在3.2%以下,相关系数大于0.999 6,并对浙江省内2家典型企业排放的温室气体进行了监测,实际样品监测结果表明,该方法能够满足废气中4种温室气体的监测要求。