采暖期北京大气PM2.5中碳组分的分布特征及来源解析

在冬季采暖期采集北京大气中的PM_(2.5)样品,利用自动称重系统AWS-1和热/光碳分析仪测定样品中PM_(2.5)和OC/EC,研究碳组分的变化特征,并通过OC/EC的值和单颗粒气溶胶质谱仪(SPAMS 0515)分析大气颗粒物中碳气溶胶的可能来源。结果表明:PM_(2.5)污染天气的OC、EC在PM_(2.5)中的占比要比清洁天气时低,其中SOC在PM_(2.5)中的占比由清洁天气时的22.9%减少到了重污染天气的15.4%,这是因为大气中的PM_(2.5)有较强的消光作用,导致气溶胶的氧化能力降低,造成了SOC的生成量减少;通过分析OC/EC值表明,冬季采暖期北京大气碳气溶胶的主要来源为机动车尾气和燃煤,这与SPAMS 0515在线解析的结果一致。采用SPAMS 0515进行在线OC、EC分析,在PM_(2.5)质量浓度≤250μg/m3时同手工方法有较好的相关性。解析结果表明,燃煤和机动车尾气是北京冬季采暖期的首要污染物来源,占比分别为34.0%和26.4%。     

宁波PM10中有机碳和元素碳的季节变化及来源分析

为了探讨宁波市大气颗粒物中浓度水平与季节变化,2010年1、5、8、11月分季节采集了宁波市大气中PM10样品,在宁波连续观测了PM10以及有机碳(OC)、元素碳(EC)的浓度变化,并探讨宁波全年各季碳气溶胶污染变化特征;PM10中OC和EC相关性较好,说明OC与EC的来源相同,各采样点PM10中OC/EC的各季均值大部分超过2.0,表明宁波空气中存在一定的二次污染。宁波秋季SOC占OC含量高于其他季节。从PM10中8个碳组分丰度初步判断宁波市颗粒物中碳的主要来源是汽车尾气、道路扬尘及燃煤。     

青岛市PM2.5化学组分特征及综合来源解析

为明确青岛市环境受体中PM_(2.5)的化学组分特征及来源,该研究于2016年在青岛市7个点位采集了PM_(2.5)样品,分析了PM_(2.5)中的无机元素、水溶性离子、碳等组分的质量浓度,采用CMB模型估算法,估算了青岛市的一次源类、二次源类对PM_(2.5)的贡献,并结合排放源清单及系数分配得到综合的PM_(2.5)源解析结果。结果表明:青岛市环境受体中PM_(2.5)平均质量浓度为62μg/m~3。PM_(2.5)中占比较高的组分是OC(16.44%)、SO_4~(2-)(15.07%)、NO_3~-(11.27%)、NH_4~+(8.86%)和EC(5.21%)。OC/EC的年平均值为3.62,说明存在二次有机气溶胶污染;SO2-4/NO-3的年平均值为2.71,夏季明显高于其他季节。冬季重污染过程中主要离子呈现出累积的现象。夏季二次硫酸盐的贡献上升为第一位(24.7%);机动车尘四季的贡献均较高(17.5%~20.5%),燃煤在冬季(15.1%)、秋季(13.3%)贡献高,扬尘在春季(16.5%)、冬季(15.6%)贡献高。     

齐齐哈尔市PM2.5与PM10污染趋势及相关性分析

对2014—2016年齐齐哈尔市PM_(2.5)与PM_(10)质量浓度的时间变化特征进行简要分析,并探究PM_(2.5)/PM_(10)以及PM_(2.5)与PM_(10)的相关性。结果表明:2014—2016年齐齐哈尔的PM_(2.5)与PM_(10)的年均质量浓度分别为36.7、62.9μg/m~3,且呈逐渐下降趋势;冬季的PM_(2.5)与PM_(10)浓度最高,秋季次之,春季与夏季相对较低;2014—2016年PM_(2.5)与PM_(10)质量浓度月变化趋势基本相同,整体呈现2—6月逐渐下降,9—11月逐渐上升的规律;PM_(2.5)与PM_(10)质量浓度的日变化均呈双峰现象;对PM_(2.5)与PM_(10)进行线性拟合,相关系数为0.896 3。同时,残差分析也说明两者拟合情况良好,四季相关系数为r_(秋季)(0.982 2)r_(冬季)(0.964 4)r_(夏季)(0.943 9)r_(春季)(0.829 6);2014—2016年PM_(2.5)/PM_(10)平均值为55.27%,大气颗粒物PM_(2.5)的贡献率高达一半以上。     

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。     

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。     

荒漠草原无林地PM2.5、PM10时间变化特征及与气象因素的关系

选取荒漠草原无林地的PM_(2.5)、PM_(10)浓度以及气象因子数据,对颗粒物浓度的时间变化特征及其与气象因子的关系进行分析。结果表明:(1)1月的PM_(2.5)、PM_(10)月平均浓度最高,7月的PM_(2.5)与PM_(10)达到最低。季节尺度上PM_(2.5)、PM_(10)浓度变化为由大到小顺序依次为冬季秋季春季夏季。(2)风速≤4.0 m/s时,随着风速增加,PM_(2.5)、PM_(10)浓度不断降低;当风速4.0 m/s时,PM_(2.5)、PM_(10)浓度随风速增加而增加。PM_(2.5)、PM_(10)浓度与温度负相关。相对湿度≤50%时,随着相对湿度增加,PM_(2.5)、PM_(10)浓度呈增加趋势;相对湿度50%时,随着空气湿度增加,PM_(2.5)、PM_(10)浓度呈降低趋势。随着大气气压上升,PM_(2.5)与PM_(10)浓度随之增加。(3)不同季节的气象因子对PM_(2.5)、PM_(10)影响存在差异。     

应用化学质量平衡模型解析西宁大气PM2.5的来源

为研究影响西宁市大气环境PM_(2.5)污染水平的主要来源,于2014年采暖季、风沙季和非采暖季依托西宁市大气地面观测网络在11个监测点采集大气PM_(2.5)样品,对其化学组分(元素、离子和碳)进行分析。研究同步采集了4类固定源、14类移动源和4类开放源的PM_(2.5)样品,并构建源排放成分谱。应用化学质量平衡受体模型(CMB)开展源解析研究。源解析结果表明,观测期间西宁市PM_(2.5)主要来源包括城市扬尘(分担率为26.4%)、燃煤尘(14.5%)、机动车尾气(12.8%)、二次硫酸盐(9.0%)、生物质燃烧(6.6%)、二次硝酸盐(5.7%)、钢铁尘(4.7%)、锌冶炼尘(3.4%)、建筑尘(4.4%)、土壤尘(4.4%)、餐饮排放(2.9%)和其他未识别的来源(5.2%)。大力开展城市扬尘为主的开放源污染控制,严格控制本地燃煤、机动车等污染源的PM_(2.5)排放,是改善西宁市空气质量的重要途径。     

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。     

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。     

合肥市冬季细颗粒物中碳组分特征分析

利用2020年12月1日至2021年2月28日合肥市细颗粒物(PM_2.5)、有机碳(OC)和元素碳(EC)等环境空气质量监测数据和气象观测数据，分析了合肥市大气PM_2.5中OC和EC的污染特征，并探讨了其来源以及气象因素影响。结果表明：合肥市冬季碳质气溶胶是PM_2.5中主要组分，随着污染程度的加重，碳质气溶胶的质量浓度逐步增加，但其在PM_2.5中的占比先减小后增加。在以PM_2.5为首要污染物的不同污染级别天气条件下，OC和EC的相关性说明不同程度下碳质气溶胶来源复杂。OC/EC表明机动车尾气和燃煤源排放是碳质气溶胶的主要来源。二次有机碳(SOC)会随着污染程度的加重而呈现升高趋势。OC和EC在冬季受温度影响较小；较大的相对湿度对OC和EC具有一定的清除作用，明显降水或连续降水的清除作用更加显著；而风速对含碳气溶胶的影响主要出现在污染天气背景下。     

APEC期间京津冀及周边地区PM2.5中碳组分变化特征及来源

在APEC会议期间和会期之后,分别采集北京、天津、石家庄、保定、济南5个采样点的PM2.5样品,通过分析碳组分的变化特征,研究京津冀地区污染物减排的影响以及减排后各指标的变化特征,分析大气颗粒物中碳气溶胶的可能来源。采用重量法测定组分中PM2.5的含量,利用热/光碳分析仪测定组分中OC、EC的含量,结果表明,由于采取了污染源减排措施,会议期间PM2.5、OC、EC的质量浓度均低于会期之后;会议期间和会期之后OC与EC均表现出了较好的相关性,r2为0.789~0.983,说明OC与EC的排放源基本相同;会议期间OC/EC为3.11~3.62,表明含碳气溶胶的来源主要是机动车排放,同时也存在一定的燃煤排放,会期之后为3.08~6.10,表明燃煤的排放在碳气溶胶中的比重明显增加,另外OC/EC也表明APEC会议期间和会期之后二次有机碳在各采样点均普遍存在。     

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%。     

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。     

合肥市冬季灰霾天气PM_(2.5)源解析

于2016年12月30日—2017年2月4日,利用单颗粒气溶胶飞行时间质谱仪(SPAMS),对合肥市PM_(2.5)开展来源解析连续监测,共捕捉到4次较为明显的灰霾过程,对颗粒物种类及质谱特征进行了分析。结果显示,监测期间合肥市主要颗粒物成分为元素碳(EC)(31. 9%)、富钾(K)(16. 6%)、有机碳(OC)(16. 0%)及混合碳颗粒(ECOC)(15. 0%)等。主要污染源为机动车尾气源(24. 5%)、工业工艺源(22. 7%)、燃煤源(14. 1%)、二次无机源(13. 5%)等。污染天气发生时,工业工艺源占比上升2. 2个百分点,生物质燃烧和燃煤源占比分别下降1. 7和2. 7个百分点,机动车尾气和扬尘源基本持平,表明此次污染过程主要受到工业工艺源的累积影响。     

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。