乌鲁木齐冬季雾天可吸入颗粒物透射电子显微镜研究

利用透射电子显微镜(TEM)对乌鲁木齐冬季雾天采集的可吸入颗粒物(PM_2.5、PM_2.5~10)的形貌特征和集聚状态进行分析。将乌鲁木齐大气可吸入颗粒物分为烟尘集合体、飞灰、矿物颗粒、硫酸盐和有机颗粒等5种单颗粒类型,并讨论了其来源。TEM分析表明,PM_2.5中烟尘集合体占14%,飞灰占7.4%,矿物颗粒占24%,硫酸盐占16.7%,有机颗粒占20.4%;PM_2.5~10 中烟尘集合体没有观察到,飞灰占4.9%,矿物颗粒占26.8%,硫酸盐占12.2%,有机颗粒占58.5%。     

奎屯-独山子石化区夏季和秋季PM2.5形貌及矿物组成

PM2.5是城市大气的主要污染物,对人体健康危害巨大。研究PM2.5的形貌特征及矿物组成有助于解析PM2.5的来源和贡献及评估PM2.5对人体健康的风险。利用高分辨率场发射扫描电镜(FESEM)和能谱(SEM-EDX)对以石化为支柱产业的奎屯-独山子石化区域生活区和工业区的夏季、秋季PM2.5的形貌和矿物类型进行了分析。结果表明,奎屯-独山子的PM2.5主要包括矿物颗粒(规则矿物、不规则矿物)、烟尘集合体、球形颗粒(燃煤飞灰和二次粒子)、其他颗粒(生物质、未知颗粒)等4种类型,其中矿物颗粒在数量上和体积上均占优势。夏季规则矿物颗粒较多。从元素组成分析看,夏季PM2.5有"富Si"、"富Al"、"富Fe"、"富Ca"、"富Cu"、"富Zn"等类型,秋季PM2.5有"富Si"、"富Ca"、"富Fe"、"富Zn"、"富Cu"、"富Ti"、"富Ba"等类型,2个季节均以"富Si"颗粒占优势,表明道路扬尘、燃油飞灰、燃煤飞灰、工业粉尘、机动车尾气尘、城市扬尘等污染源是奎屯-独山子石化区夏季和秋季大气污染的主要来源。     

张家口市沙尘天气过程气溶胶单颗粒特征研究

利用单颗粒气溶胶质谱仪对张家口市2015年春季的一次典型沙尘过程进行了监测,分析了沙尘过程对当地大气颗粒物成分的影响。结果表明,监测期间的颗粒物类型主要分为8种:矿物质(MD)、左旋葡聚糖(LEV)、元素碳(EC)、有机碳(OC)、混合碳(ECOC)、重金属(HM)、富钾(K)、其他(Other)。对比沙尘天气来临前、中、后3个时段,随着沙尘天气的来临,本地大气颗粒物成分发生较大变化,矿物质、左旋葡聚糖等成分含量升高,而有机碳、重金属等成分含量下降,其中矿物质在PM10峰值时段小时比例高达27.8%;沙尘天气期间,由于矿物质颗粒占比增加,使得总颗粒物的粒径分布向0.9μm以上的粗粒径段偏移;此外,沙尘天气期间的颗粒物各成分与二次组分的混合程度相较非沙尘天气时段的低,说明其老化程度相对较低。     

基于大气超级站观测的2017年5月北京市沙尘天气过程分析

结合常规污染物监测、PM_2.5化学组分监测、激光雷达监测和颗粒物数浓度及粒径监测等手段，对2017年5月影响北京市的一次沙尘天气过程进行分析。结果表明：5月4日凌晨起沙尘天气开始影响北京市，延庆、官园和通州3个站点PM₁₀峰值浓度分别为2 091、2 245、2 590 μg/m³，体现了该次沙尘天气影响程度之重。PM_2.5浓度与PM₁₀变化一致，也达到重度污染的水平。沙尘天气移动路径是沿着区域西北至东南方向。沙尘天气主体从3 km左右的高空进入北京市，随后逐渐渗透至1 km高度以及地面，且沙尘层厚度较高，覆盖了地面至3 km的高度。沙尘天气过程中OM和Ca²⁺组分增幅最大。在沙尘天气影响严重时间段，沙尘天气源与生物质燃烧源比例之和大于50%，最高值为67.6%。沙尘天气过程中颗粒物峰值粒径为0.965~1.037 μm。     

大气可吸入颗粒物(PM10)中矿物组分的X射线衍射研究

利用X射线衍射技术对北京2002春季和夏季的可吸入颗粒物进行了研究.结果表明,北京春季和夏季可吸入颗粒物的矿物组成明显不同,春季可吸入颗粒物中的矿物以硅铝酸盐为主,同时存在碳酸盐、硫酸盐、硫化物、铁的氧化物、粘土矿物以及难以鉴定的矿物;在夏季的样品中,矿物的种类有所减少,却有新的物种出现,如氯化氨、硫酸氨等.XRD定量分析显示,在沙尘天气时,可吸入颗粒物中石英和粘土矿物以及非晶质分别占到24.1%、28.5%和2 0%,斜长石和方解石分别占到10.4%和8.1%,其他矿物总共不到10%.矿物组分的确定对可吸入颗粒物来源的识别有一定的指导作用.     

2015年新疆阿克苏市沙尘污染与气象因素关系的分析

应用阿克苏市国家基准站及2个环保局监测站2015年大风沙尘天气过程前后PM10浓度变化及其与污染源、NECP全球再分析资料、风、监测站周边环境等关系进行分析.结果表明,阿克苏市春季沙尘天气的首要污染物均为PM10,PM10的变化曲线呈正态分布,春季中度及以上污染日均出现在污染日当日或次日.造成阿克苏市沙尘天气污染源分本地型、外来型以及二者共同影响型三种.本地型沙尘污染强度取决于北风风速大小及强风持续时间,PM10浓度变化与风速呈正相关.而外来型污染多发生在本地型沙尘天气之后,"东灌"冷空气裹挟沙尘进入南疆盆地,造成地面加压,浮尘天气造成PM10浓度增大,并持续数天.总结出沙尘天气污染预警的几个必要条件,后续在地区环保局、县局监测站建立的情况下,为分析阿克苏地区"八县一市"污染物与气象因素的关系提供借鉴,同时为实际的空气质量预警提供参考.     

广州市春季一次沙尘天气过程综合观测

2017年4月21—23日广州市经历了一次远距离传输的沙尘天气过程,为了解沙尘过程对广州市空气质量的影响,基于广州市大气超级站,利用单颗粒气溶胶质谱(SPAMS)、气溶胶激光雷达观测数据并结合HYSPLIT后向轨迹模型分析了沙尘过程细颗粒物组分及污染来源贡献变化和沙尘气溶胶的来源及路径。结果表明:受沙尘过境影响,PM_(10)浓度大幅升高,PM_(2.5)/PM_(10)最小值仅为12.1%;沙尘过境期间影响近地面颗粒物的沙尘高度主要分布在1 km以下区域,近地面颗粒物消光系数均值为100.11 Mm~(-1),探测到最大退偏振比为0.28。SPAMS研究发现沙尘过境期间含硅酸盐颗粒物(SI)的细颗粒物数浓度比例达25.9%,是沙尘过境前的1.4倍;PM_(2.5)中扬尘贡献率明显增大,达到了17.3%,是沙尘过境前的1.9倍。后向轨迹模型HYSPLIT显示此次沙尘为典型的北方沙尘传输,沙尘源自中国西北地区,传输方向为自西北输送至华东地区后,转为东南方向影响广州市。     

山西省大气污染特征及对公众健康的空间影响

利用山西省11个地级市大气环境监测站的PM_2.5、PM₁₀和O₃浓度数据,分析了2015—2020年山西省PM_2.5、PM₁₀和O₃浓度时空变化特征,采用空间计量模型和岭回归方法,分析了空气污染对公众健康的空间影响。结果表明:PM_2.5和PM₁₀年均质量浓度总体下降,两者在2017年最高,2020年最低;O₃年均浓度总体增加。在季节尺度上,PM_2.5和PM₁₀质量浓度在冬季的12月和1月最高,夏季的8月最低;O₃浓度在6月最高。空间上,相较2015年,2020年山西省各地级市PM_2.5污染程度均有改善,其中长治改善效果最好;2020年山西各地级市PM₁₀污染兼有加重和减轻的情形,所有地级市PM_2.5和PM₁₀污染水平均超过国家二级污染浓度限值;2020年山西多数地级市O₃浓度升高。山西公众健康水平具有明显的空间离散特征,PM_2.5和PM₁₀浓度的局部空间自相关特征高度一致,呈现"南高北低"的格局,O₃浓度分布呈"南部高,中北部低"的格局。大气环境质量和经济发展水平均对医疗机构诊疗人数和健康体检人数的变化有正向影响,每万人卫生技术人员数量和公共财政支出比例对公众健康均有负向影响,其中经济发展水平和大气环境质量的影响最显著。山西省PM_2.5治理取得一定成效,但大部分城市PM_2.5和PM₁₀达标率较低,O₃浓度有持续升高的趋势,PM₁₀和O₃污染改善缓慢,深度减排仍面临挑战。PM_2.5和PM₁₀是危害山西公众健康的主要大气污染物,未来需要加强PM_2.5、PM₁₀和O₃的精细化管理及协同治理。     

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。     

利用大气超级站对乌鲁木齐市一次沙尘天气过程及组份的分析

本研究利用大气超级站对乌鲁木齐市4月9日至10日沙尘天气过程,粒径谱、离子和重金属组成及变化进行分析。研究结果表明激光雷达观测结果与环境空气质量监测基本一致;小粒径颗粒在沙尘和非沙尘时段含量最多,但在沙尘时段大粒径颗粒的增长幅度远大于小粒径;沙尘过程中的离子主要来源于土壤一次源;沙尘过程中地壳元素浓度及占比均显著升高,会稀释环境空气中人为污染元素。     

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。     

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%。     

2008年北京市PM_(10)的粒度分布分形维数变化特征

2007年11月-2008年10月间在北京市市中心和西北城区采集了不同季节的PM10样品,并借助扫描电子显微镜和图像分析软件对其进行粒度分布分形维数分析。结果表明,颗粒物中细颗粒物越多,粒度越细,则颗粒物粒度分布分形维数值越大。2008年西北城区的PM10的粒径分布分形维数较大,市中心的较小。市中心的粒度分布分形维数在1.95～2.59之间,各个季节的分形维数呈现冬季春季夏季秋季,西北城区的粒度分布分形维数在2.58～2.72,各个季节的分形维数呈现秋季夏季冬季春季,说明在市中区冬季PM10粒度较细,而在西北城区秋季的颗粒物偏细。与2005年同季相比,2008年的总体颗粒物和烟尘集合体的粒径分布分形维数较大,矿物颗粒的粒度分布分形维数较小,并且总分布的季节变化一致。2008奥运期间的PM10粒度分布分形维数在2.28～3.39之间变化,标志着颗粒物总体变细的趋势。     

重庆城区不同粒径颗粒物元素组分研究及来源识别

为研究重庆市大气颗粒物的污染特征及其来源,于2010年3—10月在主城区分别采集PM_1.0、PM_2.5和PM₁₀3种粒径的颗粒物样品,利用XRF分析其中的26种元素浓度。结果表明,重庆市主城区S元素在各粒径中含量都较高,细粒子中K的含量较高,粗粒子中Si、Ca和Fe的浓度较大。富集因子分析表明,主城区Cd、S、Se等污染元素的富集系数较大,且粒径越小,富集现象越明显。利用因子分析得出土壤风沙、扬尘、燃煤的燃烧、机动车燃油产生的尾气排放、生物质燃烧排放是重庆市颗粒物污染的主要来源。     

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。     

Determination of road dust loadings and chemical characteristics using resuspension

The contribution of fugitive dust from traffic to air pollution can no longer be ignored in China. In order to obtain the road dust loadings and to understand the chemical characteristics of PM₁₀ and PM_2.5 from typical road dust, different paved roads in eight districts of Beijing were selected for dust collection during the four seasons of 2005. Ninety-eight samples from 28 roads were obtained. The samples were resuspended using equipment assembled to simulate the rising process of road dust caused by the wind or wheels in order to obtain the PM₁₀ and PM_2.5 filter samples. The average road dust loading was 3.82 g m^− 2, with the highest of 24.22 g m^− 2 being in Hutongs in the rural–urban continuum during winter. The road dust loadings on higher-grade roads were lower than those on lower-grade roads. Attention should be paid to the pollution in the rural–urban continuum areas. The sums of element abundances measured were 16.17% and 18.50% for PM₁₀ and PM_2.5 in road dust. The average abundances of OC and EC in PM₁₀ and PM_2.5 in road dust were 11.52%, 2.01% and 12.50%, 2.06%, respectively. The abundance of elements, water-soluble ions, and OC, EC in PM₁₀ and PM_2.5 resuspended from road dust did not change greatly with seasons and road types. The soil dust, construction dust, dust emitted from burning coal, vehicle exhaust, and deposition of particles in the air were the main sources of road dust in Beijing. Affected by the application of snow-melting agents in Beijing during winter, the amount of Cl⁻ and Na⁺ was much higher during that time than in the other seasons. This will have a certain influence on roads, bridges, vegetations, and groundwater.     

Characteristics of ambient 1-min PM2.5 variation in Beijing

One-minute PM_2.5 concentration was obtained with LD-5C pocket microcomputer laser dust instrument from Dec. 15th, 2005 to Jan. 16th, 2006 and Mar. 17th to Apr. 28th, 2006 in Beijing. The concentration of SO₂, NO₂, O₃, CO, and PM₁₀ from Jan. 1st, 2001 to Dec. 31st, 2004 were obtained from the conversion of air pollution index. Results showed that all the pollutants showed cyclic characteristics. The longer yearly cycles was shown from SO₂, NO₂, O₃, CO, and PM₁₀, as the sampling time was 4-year long and daily collected. The shorter hourly and daily cycle was shown from 1-min PM_2.5, as the sampling time was about 1-month long and one collected at 1 min. The spectral density analysis confirmed this from the periodogram graphs. The longer yearly cycle (365, 180 days), the seasonal cycle (120, 60–90 days), and monthly cycle (21, 23, 27 days) of SO₂, NO₂, CO, O₃, and PM₁₀ were obviously shown. In addition, the shorter weekly cycle of 5–7 days is obviously shown, too. The shorter hourly cycle (8–12, 4–6, 3, 1–2 h, 20 min) of 1-min PM_2.5 was also indicated from spectral density analysis. Two major factors contribute the 1-min PM_2.5 cycles, i.e., the meteorological factors and source effects. Both the relative humidity and dew point showed consistent variation with PM_2.5, but the wind speed showed inverse variations with PM_2.5. Furthermore, the spectral density analysis of the meteorological factors (4–5, 2–2.5, 1–1.5 days, 12, 6–8, 3 h) may partially explain the cycles of PM_2.5. As for the sources effects, it can be shown from the strong dust storm of April 16–18th, 2006. PM_2.5 constantly increased tens and even hundreds of times high concentration within a few minutes due to the intensity of the dust sources.