东营春季PM10中有机碳和元素碳的污染特征及来源

2010年4月采集了东营市大气PM10样品,测定了PM10的浓度,并采用IMPROVE-TOR方法准确测量了样品中的8个碳组分.结果表明,采样期间,东营市大气PM10的平均浓度为(147.02±56.22) μg/m3；PM10中有机碳(0C)、元素碳(EC)浓度平均值分别为11.82、3.68 μg/m 3；PM10中OC和EC显著相关,表明OC、EC的来源相同；所有采样点PM10中OC/EC均大于2.15,表明存在二次有机碳(SOC)的贡献；PM10中SOC平均质量浓度是3.91 μg/m3,占OC质量浓度的33.08％；通过计算PM10中8个碳组分丰度,初步判断东营市颗粒物中碳的主要来源是汽车尾气、道路扬尘和燃煤.     

重庆市春季大气PM10中有机碳、元素碳浓度水平及污染特征分析

2006年4月于重庆市主城区9个采样点和1个城郊对照点同步采集了大气PM10样品,利用热分解示差热导法元素分析仪测定了PM10中的有机碳(OC)、元素碳(EC)的质量浓度,对OC和EC的污染水平、空间分布、OC和EC的浓度关系以及二次有机碳(SOC)等特征进行了较为详细的分析。结果显示,不同区域采样点的OC、EC浓度存在较明显差异,主城区大气环境中OC、EC平均浓度分别为52.5、8.6μg/m3,是对照点OC(16.8μg/m3)、EC(2.9μg/m3)浓度的3.1和3.0倍;主城区总碳气溶胶(TCA)占PM10总浓度的比例均值为33.3%;无论是高污染城区点还是一般城区点,OC和EC浓度间的相关性均不显著;各样点OC/EC值均超过2,表明存在二次有机碳的贡献;初步估算主城区PM10中的二次有机碳浓度均值为39.6μg/m3,占PM10总浓度的16.1%左右。     

北京清华园采暖前与采暖期PM10中含碳组分的理化特征

采用美国rp公司生产的Series5400大气颗粒物碳质组分监测仪对清华园PM10中的碳质组分进行了连续在线监测(2002年9月~11月)。结合PM2.5中碳质组分浓度、PM10的浓度和气象数据,分析了碳质组分的污染特征。结果表明,采样期间清华园大气PM10中有机碳(OC)、元素碳(EC)的日平均质量浓度分别在4.07~65.81μg/m3、0.96~26.14μg/m3之间变化,平均值分别为20.8±12.1和7.0±5.1μg/m3。OC在总碳(TC)中占有很大比例,OC/TC平均值为75.84%;TC在PM10中的含量平均为25.0%。本文对9~10月份(秋季)和11月份(初冬)OC、EC的相关性分别进行了分析,结果表明OC、EC之间具有良好的相关性,9月份和10月份相关性系数(R2)为0.83;11月份为0.90。二次生成的OC(OCsec)浓度估算结果表明,9、10月份OCsec在OC中的比例(60.7%)比11月份(38.5%)大。碳质组分主要集中在细颗粒物中,PM10中的OC有70.3%存在于细颗粒物PM2.5中,TC则有58.6%存在于PM2.5中。     

典型矿业城市大气颗粒物水溶性离子分布特征

利用2014年7月和2015年1月在淮南市不同功能区采集的大气颗粒物样品，分析其水溶性离子时空和粒径分布特征。结果表明：夏季和冬季粗、细粒子中总水溶性离子质量浓度均值分别为（13.45±4.53）μg/m3、（27.81±17.65）μg/m3和（12.87±8.37）μg/m3、（85.08±35.41）μg/m3。淮南市大气颗粒物中主要的水溶性离子为Ca2+、NO-3和SO2-4。冬季各功能区PM2.5中总水溶性离子质量浓度普遍高于夏季。大气颗粒物中水溶性离子主要来源于土壤源、工业污染及二次转化，冬季二次污染源主要以流动源污染为主，而夏季流动源和固定源污染贡献接近。     

天津市区PM2.5中碳组分污染特征及来源分析

为研究天津市细颗粒中碳组分特征,于2006年8-12月连续采集PM25样品,分析其来源及浓度特征.结果表明,天津市区PM25、有机碳(OC)及元素碳(EC)浓度分别为165.90、23.90、5.50 μg/m3,3项浓度均为冬季最高.OC、EC、总碳在PM2.5中所占比例分别为14.31％、3.66％和18.14％,秋季在PM 2 5中所占比例最高,夏季最低.OC/EC平均值为4.21,按照秋、夏、冬呈递增的季节变化趋势.冬季二次有机碳污染较重,二次有机碳浓度(13.98 μg/m3)占OC比例为34.5％.因子分析表明,非采暖期汽油车对碳气溶胶作用显著,采暖期生物质燃烧、燃煤及汽油车排放贡献.     

百色市PM10和PM2.5中有机碳和元素碳污染特征及来源解析

2015—2016年在百色市布设3个采样点采集PM_(10)和PM_(2.5)样品,分析其中有机碳(OC)和元素碳(EC)的含量。结果表明,PM_(10)和PM_(2.5)中OC、EC四季均值分别为15.0μg/m~3、5.55μg/m~3和11.7μg/m~3、4.72μg/m~3;OC与EC相关性不显著,存在不同的污染来源;OC/EC值多数2,存在二次污染,主要来源于柴油、汽油车尾气和燃煤的排放。由总碳质气溶胶(TCA)和8个碳组分丰度分析可知,百色市碳气溶胶(CA)来源于汽车尾气、道路扬尘、燃煤的排放。二次有机碳(SOC)在OC中的占比均75%,表明百色市大气颗粒物中OC以SOC为主,夜间污染重于昼间。     

北京地区气象条件与区域传输对PM2.5浓度影响研究

通过采用KZ（Kolmogorov Zurbenko）滤波统计方法,结合WRF/CMAQ数值模型情景分析技术,定量分析气象条件和区域传输对北京市PM2.5浓度的影响。结果显示: 2018年7月—2019年6月,北京市PM2.5平均质量浓度为46.0 μg/m3,气象条件同比偏差6.9%,外来传输平均为43.7%。从日变化上看,外来传输在早晚高峰期间明显下降,体现出本地机动车排放贡献明显上升的特点,气象条件对PM2.5浓度的影响主要表现为白天整体有利于污染物扩散,夜间气象条件转为偏不利的特征。2018年10月—2019年3月秋冬季期间,气象条件同比偏差3.3%,在气象条件较为不利和区域同比反弹的情况下,北京市PM2.5浓度持续走低,主要为源减排的效益。     

安庆市PM2.5碳质组分污染特征及来源解析

2020年3月2日—2021年2月28日在安庆市政务服务中心楼顶设置监测点,手工采集PM_2.5样品,运用多波段碳分析仪(DRI Model 2015)分析样品中碳质组分有机碳(OC)和元素碳(EC)质量浓度;利用OC/EC法、相关分析法和主成分因子分析法对PM_2.5中碳质组分的污染特征和可能来源进行解析。结果显示:安庆市手工采样期间PM_2.5平均质量浓度为(45.9±28.1)μg/m³,OC和EC的平均浓度分别为(8.0±3.4)、(1.4±0.6)μg/m³,在PM_2.5中占比为17.4%、3.1%。四季OC平均浓度分布为冬季(9.7±4.2)μg/m³ >春季(9.0±2.5)μg/m³ >秋季(8.3±2.9)μg/m³ >夏季(5.1±1.6)μg/m³,EC平均浓度分布为冬季(1.7±0.5)μg/m³ >春季(1.7±0.6)μg/m³ >秋季(1.3±0.4)μg/m³ >夏季(0.8±0.3)μg/m³。OC/EC范围为3.11~12.14,平均值为5.83,表明安庆市存在二次有机碳(SOC),SOC均值为(2.89±1.94)μg/m³,分别占OC和PM_2.5浓度的36.1%、6.3%;四季OC、EC相关性不显著,r均小于0.85,说明安庆市的碳质组分较复杂;在不同空气质量等级条件下,OC质量浓度随着污染等级的升高而逐渐升高,EC质量浓度随着污染等级升高而先升高后降低。利用主成分分析法进行来源解析发现,道路扬尘、燃煤、柴油车尾气是碳质组分的主要来源。     

江淮平原东部城市大气PM2.5组成和污染特征研究

2019年10月—2020年10月在江淮平原东部城市淮安开展持续1 a的PM2.5采样分析,研究PM2.5的组成和污染特征。结果表明：淮安市大气PM2.5年均质量浓度为（52.2±27.1）μg/m3,是国家二级标准（35 μg/m3）的1.5倍,其中冬季最高,为（67.5±36.4）μg/m3,是国家二级标准的1.9倍;PM2.5中的ρ（NO3-）/ρ（SO2-4）=1.76,说明机动车尾气排放对淮安市PM2.5的影响较大;PM2.5中平均ρ（OC）/ρ（EC）值为4.1±1.1,说明淮安市PM2.5受大气二次生成影响明显;Si、Al、Ca等无机元素的质量浓度较高,表明淮安须加大对扬尘污染的治理力度。     

2014-2018年南京PM2.5中碳组分污染特征分析

利用在线高分辨率仪器对2014-2018年南京市PM2.5中有机碳(OC)、元素碳(EC)进行了连续监测,结果表明:离线分析法与在线分析法对OC、EC的测定结果具有很好的线性相关性,离线分析的EC、OC浓度高于在线自动监测值;2014-2018年南京OC与EC的平均质量浓度分别为(6. 38±3. 91)μg/m^3和(3. 12±1. 76)μg/m^3,整体呈下降趋势,冬季OC与EC均较高,夏季两者质量浓度较低。OC和EC均呈现夜间高、白天低的日变化规律,OC与EC第一个峰值均出现在08:00左右,OC第二个峰值出现在20:00前后;夏季OC与EC相关性最低,冬季最高,NO2、CO与OC、EC的相关性总体高于SO2,表明燃料燃烧对碳气溶胶有一定贡献,但没有交通源的贡献显著,夏季O3与OC呈现一定程度的正相关性。利用最小相关系数法(MRS)计算大气OC中一次有机碳(POC)和二次有机碳(SOC),结果显示OC中以POC为主,但SOC呈逐年上升趋势,2018年SOC质量浓度达1. 96μg/m3,在OC中占比达31. 9%,后续颗粒物污染治理的重点可能应关注VOCs。     

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PM2.5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PM2.5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PM2.5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PM2.5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%。     

长沙市PM_(2.5)和PM_(10)质量浓度的变化特征

为检验PM_(2.5)和PM_(10)新监测标准实施近3年长沙大气颗粒物污染状况,利用近3年每日监测数据,对长沙10个国控自动监测点PM_(2.5)和PM_(10)达标情况、首要污染物及变化特征进行研究分析。结果表明,近3年长沙市PM_(2.5)和PM_(10)年均质量浓度均超过了新标准规定的年均值二级标准限值;2013年污染最严重。PM_(2.5)和PM_(10)月均值峰值出现在1月和11月,谷值在8月,各月PM_(2.5)超标天数和首要污染物为PM_(2.5)天数都大于PM_(10);PM_(2.5)和PM_(10)冬季日均值浓度明显高于其他季节,呈双峰型,峰值在上午10:00和20:00~21:00,夜晚浓度高于白天;PM_(2.5)春、夏、秋三季日变化呈单峰型,峰值在20:00~21:00;PM_(10)四季日变化呈双峰型。PM_(2.5)和PM_(10)浓度的比值(P)1月和2月最高,PM_(10)和PM_(2.5)日均值有着显著的线性相关性。     

郑州市 PM2．5和 PM10质量浓度变化特征分析

根据郑州市2013年PM2．5和PM10颗粒物连续自动监测数据，对郑州市各国控站点的PM2．5和PM10的达标情况、变化趋势等进行探讨分析。结果表明：2013年郑州市PM10和PM2．5的年均质量浓度均超过了新标准规定的年均值二级标准限值。 PM10和PM2．5月均值峰值出现在1月和10月，谷值出现在8月，各月PM2．5的超标天数都大于PM10。PM10和PM2．5冬季的日均值浓度明显高于其他季节，呈双峰型，夜晚浓度整体高于白天；PM2．5春、夏、秋三季日变化呈单峰型，PM10夏季和秋季呈单峰型，春季呈双峰型。 PM2．5和PM10日均值有着非常显著的线性相关关系，PM2．5和PM10浓度的比值（p）10月最高。     

Distribution of PM2.5 and PM10-2.5 in PM10 Fraction in Ambient Air Due to Vehicular Pollution in Kolkata Megacity

This research paper aims at establishing baseline PM₁₀ and PM_2.5 concentration levels, which could be effectively used to develop and upgrade the standards in air pollution in developing countries. The relative contribution of fine fractions (PM_2.5) and coarser fractions (PM_10-2.5) to PM₁₀ fractions were investigates in a megacity which is overcrowded and congested due to lack of road network and deteriorated air quality because of vehicular pollution. The present study was carried out during the winter of 2002. The average 24h PM₁₀ concentration was 304 μg/m³, which is 3 times more than the Indian National Ambient Air Quality Standards (NAAQS) and higher PM₁₀ concentration was due to fine fraction (PM_2.5) released by vehicular exhaust. The 24h average PM_2.5 concentration was found 179 μg/m³, which is exceeded USEPA and EU standards of 65 and 50 μg/m³ respectively for the winter. India does not have any PM_2.5 standards. The 24 h average PM_10-2.5 concentrations were found 126 μg/m³. The PM_2.5 constituted more than 59% of PM₁₀ and whereas PM₁₀-PM_2.5 fractions constituted 41% of PM₁₀. The correlation between PM₁₀ and PM_2.5 was found higher as PM_2.5 comprised major proportion of PM₁₀ fractions contributed by vehicular emissions.     

Chemical Composition and Sources of PM10 and PM2.5 Aerosols in Guangzhou, China

Aerosol samples of PM10 and PM2.5 are collected in summertime at four monitoring sites in Guangzhou, China. The concentrations of organic and elemental carbons (OC/EC), inorganic ions, and elements in PM10 and PM2.5 are also quantified. Our study aims to: (1) characterize the particulate concentrations and associated chemical species in urban atmosphere (2) identify the potential sources and estimate their apportionment. The results show that average concentration of PM2.5 (97.54 μg m⁻³) in Guangzhou significantly exceeds the National Ambient Air Quality Standard (NAAQS) 24-h average of 65 μg m⁻³. OC, EC, Sulfate, ammonium, K, V, Ni, Cu, Zn, Pb, As, Cd and Se are mainly in PM2.5 fraction of particles, while chloride, nitrate, Na, Mg, Al, Fe, Ca, Ti and Mn are mainly in PM2.5-10 fraction. The major components such as sulfate, OC and EC account for about 70–90% of the particulate mass. Enrichment factors (EF) for elements are calculated to indicate that elements of anthropogenic origins (Zn, Pb, As, Se, V, Ni, Cu and Cd) are highly enriched with respect to crustal composition (Al, Fe, Ca, Ti and Mn). Ambient and source data are used in the multi-variable linearly regression analysis for source identification and apportionment, indicating that major sources and their apportionments of ambient particulate aerosols in Guangzhou are vehicle exhaust by 38.4% and coal combustion by 26.0%, respetively.     

环境空气PM_(2.5)和PM_(10)监测分析质量保证及其评价

为保证四城市ＰＭ２５和ＰＭ１０的监测数据准确,具有可比性,本研究规定了滤膜的选择、称量操作步骤的要求和滤膜称量的质控指标。研究结果表明,粗细颗粒物样品的采集和称量操作可行,监测数据准确、可靠,具有可比性。     

Gravimetric and Chemical Features of Airborne PM10 AND PM2.5 in Mainland Portugal

This paper describes concentration amounts of arsenic (As), particulate mercury (Hg), nickel (Ni) and lead (Pb) in PM₁₀ and PM_2.5, collected since 1993 by the Technological and Nuclear Institute (ITN) at different locations in mainland Portugal, featuring urban, industrial and rural environments, and a control as well. Most results were obtained in the vicinity of coal- and oil-fired power plants. Airborne mass concentrations were determined by gravimetry. As and Hg concentrations were obtained through instrumental neutron activation analysis (INAA), and Ni and Pb concentrations through proton-induced X-ray emission (PIXE). Comparison with the EU (European Union) and the US EPA (United States Environmental Protection Agency) directives for Ambient Air has been carried out, even though the sampling protocols herein – set within the framework of ITN's R&D projects and/or monitoring contracts – were not consistent with the former regulations. Taking this into account, 1) the EU daily limit for PM₁₀ was exceeded a few times in all sites except the control, even if the number of times was still inferior to the allowed one; 2) the EU annual mean for PM₁₀ was exceeded at one site; 3) the EPA daily limit for PM_2.5 was exceeded one time at three sites; 4) the EPA annual mean for PM_2.5 was exceeded at most sites; 5) the inner-Lisboa site approached or exceeded the legislated PMs; 6) Pb levels stayed far below the EU limit value; and 7) concentrations of As, Ni and Hg were also far less than the reference values adopted by EU. In every location, Ni appeared more concentrated in PM_2.5 than in coarser particles, and its levels were not that different from site to site, excluding the control. The highest As and Hg concentrations were found in the neighbourhood of the coal-fired, utility power plants. The results may be viewed as a “worst-case scenario” of atmospheric pollution, since they have been obtained in busy urban-industrial areas and/or near major power-generation and waste-incineration facilities.     

新疆环境空气中PM_(2.5)/PM_(10)比值特征分析

随着环境空气质量新标准的全面实施,PM_(2.5)监测已经全面普及,并成为全国大部分城市关注的首要污染物,根据新疆环境空气质量监测网中不同区域、不同时段颗粒物(PM_(2.5)、PM_(10))质量浓度监测结果,对PM_(2.5)/PM_(10)质量浓度的比值关系进行深入分析,研究其在新疆典型区域特殊气象条件下的分布规律,为科学合理评价和考核新疆环境空气质量提供数据支持与参考。     

大中型商场PM10、PM2.5污染水平与来源分析

利用便携式气溶胶监测仪,对平顶山市区的中原商场、商业大楼、食品城总店三家大型商场不同楼层空气PM10和PM2.5进行了现场测定。结果显示,平顶山市大中型商场可吸入颗粒物污染严重,PM10、PM2.5污染平均超标率分别为13.7%和48.0%;PM10、PM2.5的质量浓度在时间和空间分布上存在很大差异;PM10中PM2.5所占比例为83%。