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。     

济南市大气细颗粒物中二(口恶)英污染水平及季节变化

2021年对济南市大气PM_2.5中17种2,3,7,8氯取代二(口恶)英(PCDD/Fs)污染现状进行监测。对其异构体分布、指示性单体、季节变化规律等特征及其与常规污染物相关性进行了分析。结果表明:大气PM_2.5中PCDD/Fs浓度范围和年平均值分别为0.157~1.595 pg/m³和0.785 pg/m³,而毒性当量(以I-TEQ计)范围和年平均值分别为0.009~0.116 pg TEQ/m³和0.052 pg TEQ/m³。PCDD/Fs浓度与毒性当量季节变化特征显著,均呈现出冬季>春季>秋季>夏季的情况,可能由季节性排放源和气象条件不同导致。不同季节PCDD/Fs异构体分布模式一致,主要由高氯代(1,2,3,4,6,7,8-HpCDF、OCDD、OCDF和1,2,3,4,6,7,8-HpCDD)单体组成;而对毒性当量贡献最大的单体是2,3,4,7,8-PeCDF,其与总毒性当量具有较好的相关性。同时,PCDD/Fs浓度与SO₂、NO₂、PM_2.5等大气常规污染物呈显著正相关。这表明,大气PM_2.5中PCDD/Fs与常规污染物的生成和排放密切相关。     

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%。     

广州PM2.5污染特征及影响因素分析

对广州市2008—2010年PM_2.5质量浓度、影响因素数据资料进行整理统计,通过定性分析、定量计算以及对各物理量之间的相互作用过程研究,得出PM_2.5质量浓度变化特征和各影响因素之间的关系。结果表明,PM_2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征,夏季月平均值0.049 mg/m³,主要分布在0.03～0.05 mg/m³,非夏季月均值为0.063 mg/m³,分布于0.05～0.08 mg/m³之间;夏季、非夏季PM_2.5质量浓度超标率(采用美国EPA标准)分别为70.7%、77.8%,质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异;PM_2.5与温度正相关,和其他因素负相关,其中与能见度相关性最大,其次是温度、风速,与降雨量相关性最差,与气压、相对湿度相关系数季节性特征显著。     

北京城区降水对PM2.5和PM10清除作用分析

基于北京市PM_2.5和PM₁₀质量浓度、组分浓度以及降水数据，利用数理统计、相关性分析等方法分别从降水总量、降水时长和降水前颗粒物浓度3个角度研究降水对PM_2.5、PM₁₀的清除作用，同时以一次典型降水过程为例，具体分析降水对颗粒物的影响。结果表明：降水总量的增加有助于促进PM_2.5、PM₁₀的清除，随着降水总量增加，PM_2.5、PM₁₀的平均清除率提高，有效清除的比例增加；连续降水可增强对大气颗粒物的湿清除作用，连续降水达3d可有效降低PM_2.5、PM₁₀浓度；降水对PM_2.5、PM₁₀浓度的清除率和大气颗粒物前一日的平均浓度有较好的正相关性。降水对大气颗粒物的清除可分为清除、回升和平稳3个阶段，各个阶段大气颗粒物的变化趋势不同。降水对于大气气溶胶化学组分和酸碱性的改变具有明显作用，对于大气颗粒物各种组分的清除效果不完全相同。对于大气中OC、NO₃^-、SO₄^2-和NH₄⁺去除率较高，且这4种组分主要以颗粒态形式被冲刷进入降水中，加剧了北京市降水酸化程度。     

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。     

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。     

2013-2017年京津冀区域PM2.5浓度变化特征

利用2013-2017年京津冀区域13个城市PM_2.5监测数据，综合探讨了该区域PM_2.5浓度的时空变化特征。结果表明：京津冀区域PM_2.5污染整体较重，但治理成效显著，2013-2017年区域PM_2.5年均质量浓度分别为106、93、77、71、64 μg/m³，完成《大气污染防治行动计划》PM_2.5浓度下降25%左右的目标；13个城市PM_2.5浓度各百分位数总体呈现下降趋势，且随百分位数增大而下降速率加大，PM_2.5年均质量浓度平均每年下降10.6 μg/m³，污染严重的太行山沿线城市邢台、石家庄、邯郸3个城市平均每年分别下降20.3、16.1、13.9 μg/m³；京津冀区域PM_2.5重度污染天数比例分别为19.9%、16.6%、9.5%、9.0%、7.0%，呈下降趋势。2013-2017年京津冀区域PM_2.5平均质量浓度与非重度污染天相比升高19 μg/m³，PM_2.5重度污染天平均质量浓度较非重度污染天时高244.4%。     

郑州市大气PM2.5的污染特征及源解析

为全面解析郑州市环境空气PM_2.5的化学特征及来源,按照城市功能分区的差异,在郑州市沿主导风向选择4个监测点位,采用大流量采样器分别在采暖季和非采暖季采集40个PM_2.5样品。监测数据表明,郑州市环境空气PM_2.5在采暖季和非采暖季的浓度范围均值高达197、173μg/m³,已属于严重污染;PM_2.5成分分析结果表明,Zn、Pb、Cu、Mn等是PM_2.5中的主要污染元素,其富集系数分别为110、94.9、10.9和5.0;主成分分析结果表明,建筑扬尘、土壤尘及道路扬尘、汽车尾气、煤炭燃烧是郑州市PM_2.5的主要来源,其累计贡献率超过90%。     

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。     

乌鲁木齐采暖期TSP、PM10、PM5、PM2.5中重金属污染水平评价

采用石墨炉原子吸收分光光度法、双道原子荧光光谱法研究乌鲁木齐市采暖期前期与后期不同粒径大气颗粒物(TSP、PM_(10)、PM_5、PM_(2.5))中Hg、As、Zn、Pb、Ni等5种重金属元素的质量浓度,并对重金属污染水平进行评价。Hg质量浓度为0.3~5.7 ng/m3;As质量浓度为15.3~122.5 ng/m~3;Zn质量浓度为298.0~1 686.5 ng/m~3;Pb质量浓度为0.5~88.8 ng/m~3;Ni质量浓度为10.4~25.5 ng/m~3。Igeo计算得出采暖期后期的TSP、PM_(10)、PM_5、PM_(2.5)中各重金属Igeo值均高于采暖期前期,其中Hg元素为严重污染;富集因子分析得出Hg、Zn元素的EFi值大于10,说明这些元素是人为源贡献。通过研究乌鲁木齐市不同时期、不同粒径大气颗粒物中各种重金属污染状况,为乌鲁木齐大气污染治理提供科学支持。     

西宁市非采暖季和采暖季PM2.5中14种金属元素特征

于2012年11月采暖季和2013年9月非采暖季,在青藏高原典型城市西宁市4个采样点采集细颗粒物(PM_(2.5))样品,共获得40个有效样品。用微波消解-ICP-MS法、原子荧光法分析了样品中14种重点防控金属。结果表明:14种重点防控金属中Ag、Tl平均质量浓度为0.10~0.50 ng/m~3,Co、Sb、Hg平均质量浓度为0.50~4.00 ng/m~3,V、Cd、Cr、Ni、Cu、As平均质量浓度为4.00~50.0 ng/m~3,Mn、Pb、Zn平均质量浓度为50.0~2 000 ng/m~3。采样期间,采暖季相比非采暖季,PM_(2.5)质量浓度有下降趋势,不同采样区金属元素浓度有增有减。富集因子分析结果表明,重点防控金属元素在非采暖季主要来源于土壤风沙扬尘、机动车尾气和工业排放,采暖季主要来源于土壤风沙扬尘、燃煤、燃油、机动车尾气和工业排放。非采暖季Zn、Ag、Cd、Hg、Tl和Pb富集因子较高,采暖季Zn、As、Ag、Cd、Sb、Hg、Tl、Pb富集因子较高,更容易受到人为源的影响。     

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。     

沿海城市PM10和PM2.5自动监测过程中质量浓度“倒挂”现象分析与成因探讨

2020年2—3月,位于福建沿海地区中部的莆田市在环境空气质量自动监测过程中出现了严重的PM_(10)和PM_(2.5)质量浓度"倒挂"现象,小时值"倒挂"率为19.86%,日均值"倒挂"率为16.67%。在高相对湿度和低风速气象条件下,颗粒物会出现严重的"倒挂"现象,"倒挂"过程中常伴随着颗粒物和气态污染物(SO_2、NO_2和CO)质量浓度的增加。因此,于2020年2月16日—3月26日开展了颗粒物自动监测和手工监测比对,并结合气象参数、气态污染物质量浓度,以及PM_(10)和PM_(2.5)中水溶性离子和液态水的含量特征,进一步探讨了莆田市颗粒物质量浓度"倒挂"的主要成因。研究表明,PM_(10)和PM_(2.5)自动监测仪器检测原理的差异是导致颗粒物质量浓度"倒挂"的重要原因之一,而气象条件(相对湿度、气温和风速等)、颗粒物质量浓度、颗粒物中主要吸湿组分(NO_3~-、SO_4~(2-)和NH_4~+)和液态水的含量也是颗粒物质量浓度"倒挂"的主要影响因素。莆田市2020年2—3月出现高频率"倒挂"现象是多重因素共同作用的结果,解决该问题需要同时考虑监测仪器检测原理、气象参数、颗粒物质量浓度和吸湿组分等的影响。     

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...     

杭州城区大气颗粒物污染特征及PM2.5潜在源区研究

基于2015年9月1日至2016年8月25日杭州城区观测点PM₁、PM_2.5、PM₁₀小时浓度数据进行分析，利用HYSPLIT模型、潜在源贡献因子（PSCF）方法和浓度权重轨迹（CWT）方法，探讨了杭州城区PM₁、PM_2.5、PM₁₀时间分布特征和PM_2.5潜在来源。结果表明：研究期间PM₁季节平均浓度表现为冬季 > 秋季、春季 > 夏季，PM_1~2.5、PM_2.5~10浓度则表现为冬季 > 春季 > 秋季 > 夏季；PM₁浓度日变化呈现明显的双峰现象，而PM_1~2.5和PM_2.5~10在同一时段均无明显浓度峰值；杭州城区PM_2.5受外源输送污染具有明显的季节性变化特征，夏季、秋季杭州城区PM_2.5的潜在源区主要是浙江北部、安徽东南部等，春季PM_2.5的潜在源区主要是浙江中部、江苏南部等，冬季PM_2.5的潜在源区主要是山东南部、江苏西南部、浙江北部、安徽南部、江西中部等地区。     

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。     

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。