石家庄市大气颗粒物中有机碳和元素碳的季节变化特征

为了解石家庄市大气颗粒物中有机碳和元素碳的季节变化特征,对春、夏、秋、冬四季采集的PM_(10)、PM_(2.5)样品中的有机碳(OC)和元素碳(EC)进行了分析。结果表明,石家庄市PM_(10)、PM_(2.5)污染严重;PM_(10)、PM_(2.5)中ρ(OC)和ρ(EC)季节变化特征均为夏季春季秋季冬季。冬季PM_(10)中ρ(OC)和ρ(EC)分别为42.85和8.88μg/m~3;PM_(2.5)中ρ(OC)和ρ(EC)分别为41.2和8.59μg/m~3。PM_(2.5)中EC占比最高为3.9%,EC更容易在PM_(2.5)中富集;在四个季节中,冬季PM_(10)、PM_(2.5)中ρ(OC)/ρ(EC)为最高,分别为4.83和4.80,冬季取暖用燃煤加重了OC、EC的污染。冬季PM_(10)中二次有机碳ρ(SOC)为20.92μg/m~3,PM_(2.5)中ρ(SOC)为23.50μg/m~3。     

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。     

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。     

PM2.5中OC/EC测定的离线分析法与在线分析法比较

采用离线分析法和在线分析法同步监测了武汉市PM_(2.5)中有机碳(OC)、元素碳(EC)和总碳(TC)的浓度,分析了2种方法的差别。结果表明,离线分析法与在线分析法对TC的测定结果具有很好的可比性,2种方法对TC的测定结果显著相关(r=0.970 9)。离线分析法得到的OC浓度普遍高于在线分析法,前者为后者的1.12倍,造成OC结果差异的主要原因可能是采样系统的差异。2种方法对EC测定的相关性较低(r=0.763 0),且2种方法对EC测定的精密度(相对偏差为13.14%)也不如其对TC和OC测定的精密度(相对偏差分别为3.42%和5.95%),造成EC结果差异的原因较复杂。离线分析法测得的OC/EC值明显高于在线分析法,鉴于OC/EC值在颗粒物源解析研究中具有重要意义,需要规范OC/EC分析方法。     

南京市城区和郊区PM2.5中碳质组分特征差异及来源分析

为比较南京市城区和郊区细颗粒物（PM_2.5）中碳质组分特征及来源差异，利用碳组分在线监测仪器对2022年城区和郊区有机碳（OC）和元素碳（EC）进行连续监测。研究结果表明：（1）2022年南京市城区OC、EC质量浓度分别为（5.24±2.39），（1.27±0.62）μg/m³，郊区OC、EC质量浓度分别为（5.67±2.45），（1.32±0.70）μg/m³。2022年OC和EC质量浓度水平分别较2014—2018年均显著下降。城区和郊区的OC、EC质量浓度均呈现冬季高、夏季低的特点。从日变化特征看，城区和郊区OC和EC质量浓度均呈现白天低、夜间高的特点，并且具有明显的峰谷值。（2）城区和郊区OC、EC均在冬季呈现良好的相关性，显著高于春季和夏季。根据碳质组分与气态污染物的关系以及ρ（OC）/ρ（EC）分析结果，城区和郊区均存在二次污染，机动车和燃煤是城、郊区的主要污染源，机动车源对城区影响大于郊区，燃煤源对郊区影响大于城区。（3）污染源的直接排放对南京市OC的质量浓度水平影响较大，郊区二次有机碳（SOC）质量浓度高于城区。城区需要重点关注机动车排放，郊区需要与周边区域协同治理燃煤、生物质燃烧等方面的污染排放。     

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.     

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%。     

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。     

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.     

重庆市主城区二次有机碳气溶胶污染特征研究

为研究重庆市大气PM_(2.5)中二次有机气溶胶污染特征,于2013年1—12月运用URG-3000ABC型中流量颗粒物采样仪连续同步采集重庆市主城区大气PM_(2.5)样品,选取OC/EC比值对PM_(2.5)中的SOC污染进行估算,结果表明,该市主城区PM_(2.5)中SOC年平均质量浓度为12.5μg/m3,占OC质量浓度的50.0%,占PM_(2.5)质量浓度的10.1%,SOC质量浓度为冬季秋季夏季春季。机动车排放是SOC前体物的主要来源。     

常州城区秋冬季黑炭气溶胶的浓度变化特征

根据常州市2012年9月-2013年1月的黑炭气溶胶（Black Carbon，以下简称BC）在线监测数据及常规气象资料，分析了BC在秋冬季不同时间段的变化特征及气象要素对BC的影响。结果表明，常州秋冬季BC平均值为5．17（1．48～17．02）μg／m^3，主要集中在1．00斗μg／m^3～7．50μg／m^3，冬季较高于秋季，小时均值最大值达33．87μg／m^3；BC本底值为3．50μg／m^3；1月份BC日均值变化幅度最大，发生高污染的频率最高。Bc的日变化具有明显的双峰结构，一天中最大浓度多出现在上午06：00-09：00，特殊天气条件下，BC小时值存在不同的分布情况；BC在不同风向的输送条件下有明显的不同，偏东北方向过来的气团易造成BC高污染。     

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。     

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。     

2017年厦门金砖会晤期间PM2.5的化学特征及来源

为了探讨厦门金砖会晤期间的排放控制措施以及天气形势对大气颗粒物污染特征的影响,于2017年8月10日至9月10日对厦门气态污染物、细颗粒物(PM2.5)中的水溶性离子以及有机碳(OC)、元素碳(EC)等主要化学成分开展了高时间分辨率的在线监测。根据空气质量管控措施和天气形势将研究期分为6个阶段。管控前、管控期Ⅰ(非台风)和管控期Ⅱ(非台风) PM2.5质量浓度分别为(33. 12±9. 48)、(30. 30±17. 00)、(16. 01±4. 71)μg/m^3。管控期Ⅰ(台风)和管控期Ⅱ(台风) PM2.5质量浓度分别为(12. 40±3. 73)、(12. 45±3. 28)μg/m^3。结果表明:管控期Ⅰ(非台风)阶段受静稳天气的影响,管控效果削弱,PM2.5质量浓度下降幅度小;台风对颗粒物质量浓度下降的影响比管控更显著。管控初期,PM2.5中二次无机离子的质量浓度下降明显;台风对碳质组分质量浓度的影响不如无机组分显著。PMF源解析结果表明,二次无机源是PM2.5主要来源,随着管控措施的实行,扬尘源的贡献从21%降低到6%,而机动车源的贡献降幅不明显。台风期间SO4^2-、NO3^-、SO2、NO2以及硫酸盐氧化比值(SOR)均明显低于非台风期间,氮氧化比值(NOR)反而升高。台风和非台风期间NOR的日变化特征一致,NOR与阳离子的相关性分析结果表明,台风或高风速海风期间NOR与Na^+呈现很强的正相关性,说明海盐粒子可促进NO2非均相反应生成NO3-。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

上海城区交通干道苯系物污染初探

利用设置在上海市中心城区交通主干道旁的路边空气质量自动监测站2018年1—12月的连续观测数据,研究苯系物(BTEX)污染水平、变化特征以及其与CO、NO x和气象参数的关系。结果表明,观测期间BTEX小时均值为0.10~169.38μg/m^3,年均值为(13.66±0.14)μg/m^3,甲苯占比最高。ρ(BTEX)受污染源排放强度和天气状况的影响大,其日变化呈单谷型,冬季值比夏季高。BTEX各化合物具有较好的同源性,ρ(苯)/ρ(甲苯)为(0.49±0.01)。BTEX与机动车尾气主要成分CO、NOx呈正相关,与风速负相关。其值低于北京、南京、郑州、杭州和西安等城市。     

基于三维空气质量模型的广东省臭氧生成速率分析

使用WRF/CAMx模型及化学过程分析(CPA)模块,系统研究了广东省夏、秋季的臭氧生成敏感性与生成速率。夏季,广州与东莞等珠三角中部地区臭氧生成主要对VOCs敏感,郊区的臭氧生成速率较大,珠江口地区是重要的臭氧生成源区,夏季白天(08:00-17:00)平均净臭氧生成速率可达37μg/(m^3·h),位于珠三角东北部的天湖白天平均净臭氧生成速率约为25μg/(m^3·h)。秋季,珠江口西岸臭氧生成主要对VOCs敏感,秋季臭氧生成速率显著低于夏季。夏、秋季珠三角大部分地区臭氧生成敏感性从早上对VOCs敏感逐步过渡到下午对NO_x敏感,广东其他大部分地区则全天均为NOx敏感,一般在VOCs敏感区中的臭氧生成速率与化学消耗速率均较大。中心城区的臭氧生成弱,臭氧净化学消耗强。     

广州大气颗粒物中二噁含量的初步研究

2004年夏季在广州四个不同区域采集大气颗粒物样品,参照美国环保局(US EPA)标准方法测定其中二噁的含量,采用热分解光学分析法测定元素碳和有机碳的含量。结果表明,花都、荔湾、天河、黄埔大气颗粒物中二噁浓度(毒性当量)平均值分别为3815fg/m3(104.6fg I-TEQ/m3)、12777fg/m3(430.5fg I-TEQ/m3)、6963fg/m3(163.7fg I-TEQ/m3)、10953fg/m3(769.3fg I-TEQ/m3)。简单地分析了广州大气颗粒物中二噁的含量特征,以及与元素碳、有机碳之间的相关性。     

Seasonal Variation of Chemical Composition in Fine Particles at Gosan, Korea

PM_2.5 aerosol samples were collected at Gosan in Jeju Island during six intensive measurement periods between November 2001 and August 2003. In order to investigate the chemical composition of fine particles, major ion components, trace elements, and elemental and organic carbon were analyzed. Quite different seasonal characteristic in the chemical composition of fine particles was observed. The concentration of most secondary aerosol components showed a summer minimum and a winter maximum with higher correlation between them at Gosan. This fact clearly reveals the possibility of long-range transport of such pollutants in winter. On the other hand, OC and EC had the highest concentration and good correlation with ion components, such as K⁺, Ca²⁺ in fall. It means that biomass burning could significantly influence the ambient fine carbonaceous particulate in fall, which was primarily long-range transported.