天津大气PM_(2.5)中碳组分特征和来源分析

于2014年1—4月在天津城区采集PM2.5样品,采用热光反射法测定样品中有机碳(OC)、元素碳(EC)及8个碳组分(OC1、OC2、OC3、OC4、EC1、EC2、EC3、裂解碳(OP))的含量。结果表明,天津城区空气PM2.5中OC、EC质量浓度分别为(18.7±9.9)、(3.9±2.6)μg/m3,两者之和占PM2.5质量浓度的18.0%。采样期间OC与EC变化趋势一致,均呈现春节期间、普通采暖季浓度较高,非采暖季浓度较低的特点。对8个碳组分进行相关性分析,发现OC1~OC4及EC1~EC3分别来自相似的来源或受大气中类似的二次过程影响,主成分分析结果表明,燃煤、生物质燃烧和机动车排放对天津城区PM2.5中碳组分贡献显著。     

西安市冬、夏两季PM2.5中碳气溶胶的污染特征分析

为研究西安市冬、夏两季大气颗粒物PM2.5中碳组分的污染变化规律,利用TEOM系列RP1400a采样仪于2010年冬季和夏季进行采样,测定了样品中的有机碳(OC)、无机碳(EC)和水溶性有机碳(WSOA)的含量。结果显示,PM2.5中OC和EC的季节平均浓度值冬季较高,分别是夏季的2.62,1.75倍,这表明西安市冬季碳气溶胶污染严重。OC和EC日变化在不同季节均呈现双峰分布特征,这主要是由交通源的排放和不利的气象条件造成的。OC和EC在冬、夏两季都有较强的相关性(R2分别为0.823和0.543),且OC/EC平均值分别为5.36和3.58,均大于2,表明采样各时段有二次有机碳(SOC)生成。     

朔州市市区环境空气PM_(10)中元素碳、有机碳分布特征

采集朔州市市区采暖季和非采暖季季PM10样品,测定其中元素碳(EC)和有机碳(OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行了研究,结果表明:朔州市市区PM10中OC、EC平均浓度分别为(25.95±9.36)μg/m3和(26.58±10.36)μg/m3,总碳气溶胶(TAC)在PM10中的平均百分含量为30.1%;采暖季OC和EC浓度大于非采暖季,且OC、EC质量浓度大小在5个采样点位均呈现出点位5(工业开发区)点位2(居民区)点位1(商业、居民混合区)点位3(商业、文教混合区)点位4(相对清洁区)的变化规律,其中,点位5的OC、EC质量浓度最大,分别为(29.66±8.72)μg/m3和(31.40±10.42)μg/m3;PM10中OC/EC在采暖季和非采暖季比值均低于2,一次污染严重;OC和EC相关性较好,相关系数(R2)分别为0.85(采暖季)和0.69(非采暖季),说明PM10中的碳气溶胶主要来源于一次排放源,加强对燃煤烟尘、机动车尾气和生物质的燃烧等空气污染来源的控制对于改善朔州市环境空气质量有重要作用。     

成都市道路细颗粒物污染特征

2013年9月20—28日,通过采集成都市城区道路大气环境中的PM2.5样品,分析测定了其中可溶性无机离子、碳组分和金属元素含量。结果表明,PM2.5中Fe、Mn、Ti、Si、Al等主要来源于机动车行驶产生的道路扬尘,Pb、Cu、Ni和Zn等主要来源于机动车尾气及零部件磨损;PM2.5中水溶性无机离子占道路大气环境细颗粒物的33.7%,A/C比值为0.95,表明细颗粒物偏弱碱性;机动车尾气排放的OC1、OC2、OC4和EC1等4种碳组分占道路大气环境细颗粒物碳组分的65.8%,且OC/EC比值为2.9,有二次有机碳(SOC)产生。     

西安夏季PM2.5中碳组分与水溶性无机离子特征分析

2012年8月6日—22日利用大气细颗粒物水溶性组分在线监测分析系统和大气气溶胶OC/EC在线分析仪在线分析了西安PM2.5中的水溶性无机离子和OC、EC,并结合气溶胶前体物SO2、NO2和部分气象参数的监测数据进行了分析。结果表明,PM2.5中OC、EC和主要水溶性组分SO2-4、NH+4和NO-3的比重分别为:14.34%、5.35%、26.32%、12.90%和11.28%;以有机物(OM)为主要成分的总碳气溶胶(TCA)在PM2.5中的质量分数为28.30%,其中光化学反应导致OM中二次组分(SOC)高达45.30%;对主要水溶性组分之间的相关性分析发现,NO-3、SO2-4、NH+43种主要组分之间的结合形态为(NH4)2SO4和NH4NO3,对Mg2+和Ca2+的相关分析反映其有多种共同源;此外,硫氧化率(SOR)和氮氧化率(NOR)均较高,表明大气中存在较强的光化学反应。PM2.5的各组分因子分析得到4个主要来源(机动车尾气和燃煤、土壤建筑尘和生物质燃烧、二次硝酸盐气溶胶、二次硫酸盐气溶胶)。     

济南市PM2.5化学组分及污染特征分析

为探讨济南市大气PM_(2.5)主要化学组分和污染特征,2017年在济南市开展了PM_(2.5)样品采集工作,分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子浓度水平。结果表明:采样期间济南市PM_(2.5)中OC、EC年均质量浓度分别为9.10、2.68μg/m~3,全年OC与EC质量浓度的比值为3.4,二次有机碳污染严重;OC、EC季节分布特征明显,均为冬季浓度最高,且秋、冬季两者相关系数较高,表明秋季和冬季OC、EC来源较为一致。NO_3~-、SO_4~(2-)、NH_4~+年均质量浓度之和为34.29μg/m~3,占水溶性离子总量的88.9%,是济南市PM_(2.5)中最重要的组分;各水溶性离子浓度具有明显的季节变化特征,NO_3~-、SO_4~(2-)、NH_4~+、Cl~-和K~+均冬季浓度最高,而Ca~(2+)春季浓度最高;PM_(2.5)中NO_3~-与SO_4~(2-)质量浓度的比值为1.10,说明相比于固定污染源,移动污染源对济南市PM_(2.5)影响更大。     

万州城区空气污染过程中含碳气溶胶的变化特征

于2016年9月28日至10月15日在万州城区对气态污染物、颗粒物及其含碳气溶胶进行了在线连续观测,结合气象参数,分析了含碳气溶胶的污染特征。结果表明,此次持续污染过程主要由颗粒物污染造成,污染天PM_(10)和PM_(2.5)平均质量浓度分别为170.8、123.7μg/m~3,显著高于非污染天。污染天和非污染天PM_(2.5)、NO_x、有机碳(OC)及元素碳(EC)浓度的日变化都呈双峰,但污染天PM_(2.5)、NO_x和OC出现早峰值时间比非污染天推迟1～3h。污染天OC、EC的平均质量浓度分别为28.0、5.4μg/m~3,分别为非污染天的2.2、1.6倍。以非污染天的起始点作为参照点,得到污染天OC、EC的平均增长率分别为159.3%和73.0%,OC污染累积和二次转化贡献率分别为45.8%和54.2%,说明污染过程OC以二次转化为主。并用最小比值法估算了二次有机碳(SOC)含量,得到污染天和非污染天PM_(2.5)中SOC平均质量浓度分别为16.3、5.3μg/m~3,SOC在OC中的占比(以质量分数计)分别为56.1%和39.9%,污染天SOC占比增加,也证明污染过程OC以二次转化为主。污染天静风出现频率比非污染天高,在东南风的影响下,OC、EC易出现高浓度。     

浙江省细颗粒物碳质气溶胶组分表征方法及污染特征研究

为深入探究大气细颗粒物(PM_2.5)碳质气溶胶组分(碳组分)表征方法，于2021年1-12月，在浙江省11个地市同期开展环境空气PM_2.5样品采集和分析工作，比较美国国家职业安全卫生研究所(NIOSH)协议和保护能见度多部门监测计划(IMPROVE)的代替协议(IMPROVE-A协议)测定样品的结果差异。结果表明：无氧阶段最高温度设置为870℃的NIOSH(NIOSH870)协议由于在氦气气氛下的解析温度高，测得PM_2.5样品中有机碳(OC)组分占比较IMPROVE-A协议大；对于IMPROVE-A协议而言，热光反射法校正的元素碳(EC)比热光透射法校正的结果大，在污染越严重、负载量越大的滤膜上，光学校正带来的差异越明显。通过开展浙江省部分地区的PM_2.5碳组分污染特征研究，发现PM_2.5中碳组分主要来自生物质燃烧、燃煤和机动车尾气排放。     

宝鸡市大气PM_(10)中水溶性物质的组成及特征研究

2008年冬、春季在宝鸡市4个不同功能区采集PM10样品,探讨了PM10中水溶性物质的化学组成、时空分布特征以及来源。结果表明,冬、春季PM10的平均质量浓度分别为(402±100)、(410±160)μg/m3,无明显季节差异,冬季以交通干道区的PM10浓度为最高,而春季则以商贸区的PM10浓度为最高;冬、春季PM10中水溶性有机碳(WSOC)浓度最高值均出现在商贸区,最低值则分别出现在背景点和交通干道区,水溶性无机碳(WSIC)浓度最高值分别出现在交通干道区和商贸区,最低值均出现在背景点;冬、春季PM10中所含大多数无机离子浓度不存在显著空间差异,但不同功能区PM10中无机离子所占质量分数差异较明显;冬、春季PM10中的水溶性物质质量浓度分别为207、151μg/m3,在PM10中所占质量分数分别为51%和40%,其中,冬、春季水溶性物质浓度最高的分别为居民区和商贸区;冬季PM10中WSOC浓度与SO24-、NO3-浓度有较好的相关性,说明冬季PM10中WSOC的主要组分为二次有机气溶胶,而春季PM10中WSOC浓度与SO42-、NO3-浓度的相关性相对较差,这是由于一次有机气溶胶对WSOC的贡献率较冬季显著增大;宝鸡市与北京市大气PM10浓度、PM10中的SO42-、NO3-、NH4+浓度最为接近;广州市大气PM10中的SO42-所占质量分数(14%)要高于北方城市(宝鸡市和北京市均为9%)。     

杭州市不同高度大气PM_(2.5)的污染特征研究

为研究杭州市大气PM_(2.5)的污染特征,评估本地污染源和外来污染源对PM_(2.5)的影响,于2013年10月10日至11月2日对杭州市主城区两个不同高度的采样点进行采样,并定量分析大气PM_(2.5)中的化学成分。结果表明,采样期间20、84m高度的大气PM_(2.5)日均质量浓度分别为(80.5±28.9)、(80.3±29.3)μg/m3,不同高度的PM_(2.5)浓度及其化学成分无明显差异;PM_(2.5)主要成分质量分数按如下排序:SO_4~(2-)有机碳(OC)NO_3~-NH_4~+元素碳(EC);大气PM_(2.5)中二次粒子SO_4~(2-)、NO_3~-、NH_4~+平均质量浓度总和约为39.0μg/m3,二次转化是杭州市大气PM_(2.5)的主要来源,SO_4~(2-)、NO_3~-、NH_4~+贡献率为48%左右;20、84 m高度的大气PM_(2.5)中OC分别为(15.6±5.1)、(14.8±4.7)μg/m3,EC分别为(4.6±1.8)、(4.6±1.6)μg/m3,OC/EC(质量比)约为3.3。采样期间,杭州市大气PM_(2.5)在近地面垂直方向上分布较为均匀,表明杭州市大气PM_(2.5)受外来污染源的影响较小。而在本地污染源中,杭州市大气PM_(2.5)主要受到生物质燃烧、机动车尾气、燃煤和餐饮油烟等来源的影响,地面扬尘的作用不明显。     

区域大气环境中PM2．5／PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5／PM10空间分布的方法，并在2004年12月进行了宁波市全市域PM2.5／PM10空间分布的研究。数据显示：相同路径所代表的地区PM2.5和PM10具有很好的相关性，多数路径上PM2.5与PM10数据的相关系数平方在0．95以上，而不同路径上PM2.5与PM10的比值不同。文中给出了宁波市PM2.5／PM10污染的空间分布图，直观地显示出PM2.5／PM10污染的空间分布情况，突出了污染的重点点位和地区。     

南宁市大气颗粒物TSP、PM10、PM2.5污染水平研究

2002年在南宁市的5个典型城市功能区内，共采集了125个大气样品(按季节分别采集)，初步调查了大气中颗粒物TSP、PM10、PM2.5的污染状况。结果表明，南宁市TSP、PM10、PM2.5的污染很严重，超标率分别为67．5％、82．5％、92．5％，对人体健康危害更大的PM2．5占到了PM10的63．5％左右。重污染区PM2.5的浓度超过轻污染区近一倍。     

PM10 and PM2.5 source apportionment in the Barcelona Metropolitan area, Catalonia, Spain

Levels of total suspended particles, PM10, PM2.5 and PM1 were continuously monitored at an urban kerbside in the Metropolitan area of Barcelona from June 1999 to June 2000. The results show that hourly levels of PM2.5 and PM1 are consistent with the daily cycle of gaseous pollutants emitted by traffic, whereas TSP and PM10 do not follow the same trend, at least in the diurnal period. The PM2.5/PM10 ratio is dependent on the traffic emissions, whereas additional contribution sources for the >10 μm fraction must be taken into account in the diurnal period. Different PM10 and PM2.5 source apportionment techniques were compared. A methodology based on the chemical determination of 83% of both PM10 and PM2.5 masses allowed us to quantify the marine (4% in PM10 and <1% in PM2.5), crustal (26% in PM10 and 8% in PM2.5) and anthropogenic (54% in PM10 and 73% in PM2.5) loads. Peaks of crustal contribution to PM10 (up to 44% of the PM10 mass) were recorded under Saharan air mass intrusions. A different seasonal trend was observed for levels of sulphate and nitrate, probably as a consequence of the different thermodynamic behaviour of these PM species and the higher summer oxidation rate of SO₂.     

南昌市大气PM2.5中多环芳烃的来源解析

在南昌市布设5个采样点,分别代表工业区、居住区、交通干线区、商业区以及郊区,于2007年7～8月进行大气PM2.5的采样.根据5个采样点测得的数据,通过因子分析法判断南昌市大气PM2.5中多环芳烃的主要来源,再利用多元线性回归法确定各主要来源对多环芳烃的贡献率.结果表明,南昌市多环芳烃的主要来源为车辆排放源、高温加热源、燃煤污染源,对多环芳烃的贡献率分别为37.9%、28.2%、22.0%.     

PM composition and source reconciliation in Mexico City

PM_2.5 and PM₁₀ were collected during 24-h sampling intervals from March 1st to 31st, 2006 during the MILAGRO campaign carried out in Mexico City's northern region, in order to determine their chemical composition, oxidative activity and the estimation of the source contributions during the sampling period by means of the chemical mass balance (CMB) receptor model. PM_2.5 concentrations ranged from 32 to 70 μg m⁻³ while that of PM10 did so from 51 to 132 μg m⁻³. The most abundant chemical species for both PM fractions were: OC, EC, SO₄²⁻, NO₃⁻, NH₄⁺, Si, Fe and Ca. The majority of the PM mass was comprised of carbon, up to about 52% and 30% of the PM2.5 and PM10, respectively. PM2.5 constituted more than 50% of PM10. The redox activity, assessed by the dithiothreitol (DTT) assay, was greater for PM_2.5 than for PM₁₀, and did not display significant differences during the sampling period. The PM_2.5 source reconciliation showed that in average, vehicle exhaust emissions were its most important source in an urban site with a 42% contribution, followed by re-suspended dust with 26%, secondary inorganic aerosols with 11%, and industrial emissions and food cooking with 10% each. These results had a good agreement with the Emission Inventory. In average, the greater mass concentration occurred during O₃S that corresponds to a wind shift initially with transport to the South but moving back to the North. Taken together these results show that PM chemical composition, oxidative potential, and source contribution is influenced by the meteorological conditions.     

低温等离子体处理柴油机NOx和PM试验研究

建立了一种具有较强实用性的介质阻挡放电等离子体反应器试验装置.借助静态试验研究其放电特性,通过发动机台架试验探讨了利用低温等离子体处理柴油机2种主要有害排放物NOx和PM的效果和化学反应机理,并通过模拟试验作了处理PM的进一步验证.试验结果表明,放电功率对于低温等离子体活性成分的产生有重要影响,应当优选放电参数以获得高的放电功率从而达到更好的处理效果;采用低温等离子体处理柴油机排气,NOx总量变化不大,主要将NO转化成NO2;低温等离子体可以有效去除柴油机排气中的PM,去除率随能量密度的增大而提高.     

Identification of PM sources by principal component analysis (PCA) coupled with wind direction data

The effectiveness of combining principal component analysis (PCA) with multi-linear regression (MLRA) and wind direction data was demonstrated in this study. PM data from three grain-size fractions from a highly industrialised area in Northern Spain were analysed. Seven independent PM sources were identified by PCA: steel (Pb, Zn, Cd, Mn) and pigment (Cr, Mo, Ni) manufacture, road dust (Fe, Ba, Cd), traffic exhaust (P, OC + EC), regional-scale transport (, , V), crustal contributions (Al2O3, Sr, K) and sea spray (Na, Cl). The spatial distribution of the sources was obtained by coupling PCA with wind direction data, which helped identify regional drainage flows as the main source of crustal material. The same analysis showed that the contribution of motorway traffic to PM10 levels is 4-5 microg m-3 higher than that of local traffic. The coupling of PCA-MLRA with wind direction data proved thus to be useful in extracting further information on source contributions and locations. Correct identification and characterisation of PM sources is essential for the design and application of effective abatement strategies.     

常州市春季大气PM2.5中金属元素的分析及污染特征

建立了微波消解-电感耦合等离子体质谱(ICP-MS)法,同时测定大气PM2.5中K、Na、Ca、Mg、Fe、Al、Zn、Si、Ti、V、Cr、Mn、Co、Ni、Cu、As、Cd和Pb等18种金属元素的分析方法.样品用HNO3+H2O2(5∶1)经微波消解系统进行前处理.该方法操作方便,酸用量少,由于是密闭消解,对环境污染也少.经过反复调试,确定了仪器最佳操作条件.结果表明,各种元素标准曲线的线性相关系数均在0.9990以上,方法检出限在0.07 μg/L ～1.16 mg/L之间,精密度实验中各元素的RSD均小于7.53％,回收率在91.38％～117.53％之间.该方法能够快速有效地实现多元素同时测定,检测线性范围宽,测试结果准确可靠,可以应用于大气颗粒物中多种金属元素的测定.采用富集因子分析法对常州市大气中PM25做来源分析表明,常州市大气PM25中,大部元素的富集因子都大于10,其中,Ni、Cu、Zn、As、Cd、Co和Pb在各个采样点的富集因子都非常高,表明主要来自于人为污染.     

应用地质累积指数评价抚顺市PM10中元素的污染

2006-2007年采暖季、风沙季和非采暖季分别在抚顺市的6个采样点采集PM10样品,用等离子体原子发射光谱(ICP-AES)法测定样品中Ti、Al、Mn、Mg、Ca、Na、K、Cu、Zn、As、Pb、Cr、Ni、Co、Cd、Fe、V等17种元素的含量,并用地质累积指数对其污染状况进行初步评价。结果表明:(1)从PM10中元素在不同采样点的含量看,抚顺市PM10中Ti、Mn、Mg、Cu、Zn、Pb、Cr、Ni、Co这9种元素在各采样点间的差别较大;Al、Ca、Na、K、As、Cd、Fe、V这8种元素差别较小。(2)从PM10中元素在不同采样季的含量看,抚顺市PM10中Mn、Mg含量的季间差别较大,其余15种元素季间差别较小。(3)Zn、Cd污染较重;Ti、Al、Mg、Ca、Na、K、As、Fe和V污染较轻;其他6种元素在6个采样点和3个采样季污染程度差别较大。(4)水库采样点各元素污染级别均不是最高;新华采样点PM10中Cu、Zn、Pb、Cr、Ni、Co、Cd污染级别均较高。(5)3个采样季PM10中Cd、Zn污染均较重,属于重度或严重污染;在采暖季PM10中Cu、Pb、Cr的地质累积指数较风沙季、非采暖季大;在非采暖季PM10中Mn、Co受到的污染比采暖季和风沙季稍严重。     

声场中PM2.5颗粒碰撞运动模型

建立了声场中PM2.5颗粒碰撞运动模型。模拟结果表明，颗粒碰撞前速度与水平面的夹角θ是影响颗粒运动轨迹的一个重要因素，它的改变将决定颗粒在声场中是否碰撞、碰撞的位置以及碰撞后颗粒如何运动；颗粒碰撞前的速度大小将决定颗粒碰撞后是沿声波方向运动还是逆声波方向运动或是停留在原地振动；声场频率的不同改变了颗粒在发生碰撞时的运动趋势及颗粒的在碰撞时的运动趋势，同时，声场频率的改变将影响碰撞后颗粒的振幅；声场声强的改变不但影响了颗粒运动的振幅，而且影响了颗粒碰撞后运动趋势。