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。     

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。     

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。     

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。     

环境空气质量新标准对珠三角区域站空气质量评价的影响

利用粤港珠三角区域空气质量监控网中天湖、金果湾与万顷沙3个区域站2010年全年SO₂、NO₂、PM₁₀、O₃、PM_2.5与CO自动监测的数据,分析了实施环境空气质量新标准(GB 3095—2012)对这3个子站空气质量评价的影响。研究发现,若采用新标准,万顷沙的NO₂、PM₁₀和PM_2.5年均浓度将不同程度超标。这3个子站空气质量达标率下降7~28个百分点,空气污染指数从91%~99%下降至63%~91%;O₃的引入是导致空气质量达标率下降的最主要的原因;O₃将取代PM₁₀成为最主要的首要污染物,出现频率大于50%,且O₃(8 h)平均浓度的影响大于O₃ (1 h)浓度的影响。PM_2.5的纳入也是导致空气质量达标率下降的重要因素,其超标率为3%(金果湾)~16%(万顷沙)。NO₂标准的收严未对天湖与金果湾空气质量评价造成影响,但导致万顷沙NO₂的超标率从2%上升至10%,且NO₂作为首要污染物的比例达24%。     

南京大气细颗粒物中水溶性组分的污染特征

为了解南京城区大气细颗粒物中水溶性组分的污染特征,在国控点草场门进行了连续一年的PM_2.5采样与分析。6种离子日均浓度为5.29~67.6 μg/m³,其中SO₄^2-、NH₄⁺、NO₃^-是PM_2.5的主要组成成分,6 种离子约占PM_2.5总质量的31%,SO₄^2-、NO₃^-和NH₄⁺相关性较好,NH₄⁺是PM_2.5中硫酸盐和硝酸盐中居于主导地位的离子。     

2016—2017年武汉市城区大气PM2.5污染特征及来源解析

利用2016年1月至2017年9月湖北省环境监测中心站大气复合污染自动监测站的在线监测数据，对武汉市城区PM_2.5的污染特征及主要来源进行解析。结果表明，武汉市城区PM_2.5质量浓度呈现出明显的季节差异，季节变化规律为冬季>春季>秋季>夏季。水溶性离子的主要成分SO₄^2-、NO₃^-和NH₄⁺占总离子质量浓度的82.0%。PM_2.5中阴离子相对阳离子较为亏损，颗粒整体呈碱性。夏季气态污染物的氧化程度较高且SO₂较NO₂氧化程度高。后向轨迹分析结果表明，区域传输是武汉市PM_2.5的一个重要来源，在4个典型重污染阶段，武汉市分别受到局地、东北、西北及西南方向气团传输的影响。PMF模型解析出武汉市PM_2.5五大主要来源及平均贡献率：扬尘22.0%、机动车排放27.7%、二次气溶胶21.6%、重油燃烧14.9%和生物质燃烧13.8%。     

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。     

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。     

水中总氮测定方法存在问题的研究及改进

碱性过硫酸钾消解紫外分光光度法测定水中总氮采用的消解器皿是玻璃比色管,易造成空白偏高、结果偏低等问题。采用双圆柱状的消解杯对水样进行消解。结果表明,消解杯消解水中总氮,线性相关系数均大于0.999,检出限为0.05 mg/L,相对标准偏差小于5%,相对误差为0.88%~1.00%;改进后的消解器皿具有较好的精密度和准确度,能够更加准确测定水中总氮的含量。     

微波消解ICP-MS法测定宣威和富源土壤中的微量元素

建立了微波消解-ICP-MS法测定土壤中32种微量元素的方法。采用氢氟酸-硝酸-过氧化氢体系微波消解,稀释定容后用ICP-MS对溶液进行元素的测定,在优化仪器工作参数后,以双内标铑(Rh)和铼(Re)进行校正。元素检出限为0.01～0.45ng/ml,测定国家标准物质西藏土壤成分分析标准物质GBW 08302中的元素,测定值与标准值或参考值基本一致,用该法测定云南宣威和富源两地24份土壤样品结果表明,该方法快速、简便、准确,适于土壤中多种微量元素的测定。     

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。     

电力跨区域调配隐含的污染转移效应

为研究中国30个省/自治区/直辖市之间电力区域调配的污染物转移效应,构建了电力传输的污染转移模型,并以SO_2和NO_x为例对2006、2015年数据进行测算。结果表明,2015年电力行业SO_2、NO_x排放强度分别由2006年的4.03、2.18 g/(kW·h)下降到0.69、0.77 g/(kW·h)。2015年,16个电力净输入区通过电力跨区域传输的SO_2、NO_x转移量分别为47.8×10~4、53.0×10~4t,占这些地区电力行业SO_2、NO_x排放量的24.1%、24.2%;14个电力净输出区通过电力跨区域传输的SO_2、NO_x转移量分别为-54.6×10~4、-52.1×10~4t,占这些地区电力行业SO_2、NO_x排放量的26.5%、22.8%。研究结果对于分析区域物质流动所隐含的污染流动,全面认识区域污染物排放格局,制定合理的区域污染减排目标具有一定借鉴意义。     

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。     

Inter-Laboratory Comparison of No2 and SO2 Generated by Dynamic Dilution System Under Laboratory Conditions: A Technical Discussion

A workshop on analytical quality control (AQC) of ambient air quality measurement methods for nitrogen dioxide (NO₂) and sulphur dioxide (SO₂) was conducted by Central Pollution Control Board (CPCB) for officials involved in National Ambient Air Quality Monitoring (NAAQM) in India. Concentrations of NO₂ and SO₂ were generated by dynamic dilution system under laboratory conditions at low and high levels and measured using static dilution system and wet chemical methods laid down by CPCB under section 16(2)(h) of the air act 1981. CPCB provided the measured values as reference values for comparing the means obtained by the officials participated from thirteen organizations. A tolerance limit of ±15% of the reference values was specified to accept the results. Generated concentrations, which were unknown to the participants, were measured using gaseous sampling assembly (Envirotech APM 411, New Delhi, India), and wet chemical methods laid down by CPCB i.e. the same methodology which is used by the organizations to generate the data of NO₂ and SO₂ in ambient air. Simultaneously, concentrations were checked by CPCB using automatic analyzers as a check on reference concentration. It is observed that results of automatic analyzers for NO₂ and SO₂ were within a tolerance of ±5% with %RSD below 3. On the other hand, results of most of the participants showed variability in the measurements with %RSD ranging between ±0.8 and ±88.6 and exceedences of means from the tolerance limit with bias ranging between 1.4 and −59%. To check the cause of high variability in the measurements obtained under identical conditions, duplicate sampling was performed by one of the participants for SO₂ at low concentration level. In this study, results of wet chemical methods, automatic analyzers and results of duplicate sampling are analysed statistically to assess the cause of high variability in the measurements. Analysis of t-test and analysis of variance (ANOVA) showed highly significant results for NO₂ and SO₂ at high concentration levels (α 0.05) and for SO₂ at both the levels (α 0.01) respectively indicating some bias is existing either in the sampling or in analytical technique. Duplicate sampling performed to check precision in parallel measurements showed high %RSD indicating the presence of systematic error in sampling technique as the same calibration factor (CF) was used to measure the concentration of duplicate samples. Statistical analysis of flow rates of duplicate sampling showed that the sampling assembly could not maintain the constant flow rate within the ±10% with that measured at the start of the sampling. This resulted in high %RSD and deviation from the reference values for the results of most of the participants, even after accepting ±15% tolerance limit. There is a need to improve and evaluate this gaseous sample collection device under laboratory conditions to generate reliable database of NO₂ and SO₂ in ambient air.     

水中汞监测存在的问题与解决办法

利用中日合作 (JICA)项目资金 ,对测定地表水中汞存在的主要问题 ,如水样的保存和处理 ,水样的消解 ,测汞的冷原子吸收法和原子荧光法等进行了研究。通过对 33个环境监测站的样品考核 ,发现测定结果与标准值相比 ,偏高的数据达 75 %以上。提出了用 1%H2 SO4 和 0 1%K2 Cr2 O7保存水样最好 ;高锰酸钾 -过硫酸钾消解法适用于消解含有机物、悬浮物和组成复杂的废水样 ,高锰酸钾 -硫酸消解法适用于消解被有机物轻度污染的废水 ,溴酸钾 -溴化钾消解法适用于消解地表水和含较少有机物的生活污水及工业废水。研究表明 :尤以硫酸 -高锰酸钾 -过硫酸钾消解体系消解地表水和废水效果良好。对冷原子吸收法和原子荧光法中影响汞测定的因素 ,如空白值高、干扰物的消除、载气种类和流量、反应瓶体积和气液比以及反应时间等提出了详尽的解决方法     

2001年～2008年及奥运会期间天津市大气污染特征分析

根据天津市大气质量监测数据,对2001年～2008年及奥运会期间天津市大气污染特征和主要大气污染物的变化规律进行了分析。结果表明,2001年～2008年天津市的PM10、SO2和NO2污染总体呈下降趋势,但质量浓度仍相对较高。2008年8月奥运会期间天津市PM10和SO2质量浓度达到国家空气质量二级标准,NO2质量浓度达到国家空气质量一级标准,空气质量良好。天津市PM10污染相对稳定,SO2和NO2的污染分布呈现明显的季节性,时间上表现为冬强夏弱。气象条件对污染物浓度影响明显,沙尘、大雾等天气可使污染物浓度急剧升高。     

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。     

大同市大气颗粒物浓度与水溶性离子季度分布特征

为研究大同市大气颗粒物质量浓度与水溶性离子组成特征,于2013年2、7、9、12月,分别对大同市及其对照点庞泉沟国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子,结果表明,大同市大气颗粒物污染1、4季度重于2、3季度,PM2.5季度均值全年均未超标,PM10仅第1季度超标1.4倍,污染状况总体良好,PM2.5与PM10相关系数R为0.75,说明大同市颗粒物污染有较为相近的来源,且不同季节均以粗颗粒物为主;大同市PM2.5中水溶性离子浓度分布为SO2-4、NO-3、NH+4Cl-、Ca2+K+、Na+F-、Mg2+,PM10中Ca2+浓度仅次于SO2-4、NO-3,控制扬尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季度的浓度与颗粒物浓度分布规律类似,1、4季度较高,2、3季度较低;由阴阳离子平衡计算结果可知,相关性方程的斜率K为1.045,表明大同市大气颗粒物中阳离子相对亏损,大气细粒子组分偏酸性。NO-3与SO2-4浓度比值均小于1,大同市以硫酸型污染为主,大气中的SO2-4主要来源于人类活动排放。