室内木柴燃烧排放水溶性离子粒径分布特征

基于实验室模拟燃烧和稀释通道采样系统,采用荷电低压撞击采样器采集了6种典型木柴燃烧排放的14级粒径段颗粒物.采用离子色谱分析了8种水溶性离子,获得水溶性离子的分粒径排放因子和排放特征.结果表明,Ca²⁺的排放因子呈双峰分布,在0.25~0.38和2.5~3.6μm粒径段出现峰值,分别为0.14和0.16mg/kg.其余离子的排放因子为单峰分布.NH₄⁺、NO₃^-和SO₄^2-的排放因子在0.25~0.38μm粒径段出现峰值,分别为0.41、0.58和0.84mg/kg.K⁺和Cl^-的排放因子在0.15~0.25μm内出现峰值,分别为0.89和0.99mg/kg.木柴燃烧排放总水溶性离子的质量中值粒径为（0.30±0.07）μm,各离子的质量中值粒径范围为0.24~0.44μm.PM_0.094、PM_0.94、PM_2.5和PM₁₀中水溶性离子的排放因子变化范围分别为1.04~9.33、5.00~48.87、5.46~52.00和6.14~53.68mg/kg.木柴燃烧排放颗粒物中K⁺/Cl^-、K⁺/NO₃^-、K⁺/SO₄^2-和SO₄^2-/NO₃^-比值随粒径变化而变化,其排放初始值在应用于源解析和生物质燃烧排放气溶胶传输老化研究时需引起关注.木柴燃烧排放PM₁₀中的阴阳离子当量比值为0.80±0.11,颗粒物的酸度随颗粒物粒径而改变,亚微米颗粒物和细颗粒物的酸度高于超细颗粒物和粗颗粒物的酸度.本研究对构建生物质燃烧排放分粒径水溶性离子清单,更新和改进相关气候和空气质量模型的参数设置,识别烟气传输过程中的老化具有重要意义.     

生物质室内燃烧产物的碳质特征及EC同位素组成

选取南京地区典型的生物质种类(水稻、芦苇、玉米、梧桐、桂花和白玉兰)进行室内模拟燃烧实验,同时采用Model 2001A热/光碳分析仪和元素分析-同位素质谱仪(EA/IRMS)分别对不同粒径段颗粒物中OC、EC的浓度和生物质燃烧的不同产物EC同位素组成进行了测定.结果表明,除芦苇秸秆外,其他各类生物质燃烧产生的OC排放因子均在0.43μm粒径段内达到最大;EC排放因子除梧桐和桂花树叶以外,最大值均分布在0.43μm和0.43~0.65μm粒径段内,其中,玉米秸秆燃烧产生的OC、EC排放因子均为最高.6种生物质燃烧产物中的碳质(OC、EC)浓度最大值均主要集中在0.43μm的亚微米粒径段上.玉米秸秆燃烧所产生的烟尘和烟灰中EC的同位素组成均高于其他生物质,除了生物质自身的组分会影响同位素分馏以外,燃烧过程的温度较高,也会促进秸秆和树叶发生热解从而形成碳同位素分馏.     

南京市一次霾污染过程中水溶性离子分布特征

使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM_2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明：霾日中南京水溶性离子浓度为121.41μg/m³,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO₃^- > SO₄^2- > NH₄⁺ > Cl^- > K⁺ > Ca²⁺ > Mg²⁺,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl^-、SO₄^2-和NH₄⁺的日变化为单峰型,Ca²⁺为双峰型,K⁺、Mg²⁺为三峰型.随着空气污染状况的加重,总水溶性离子在PM_2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH₄⁺占总离子的比例稳定在23%左右,SO₄^2-占比缓慢减小,NO₃^-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧.     

南京北郊早春霾污染过程及硫酸盐形成研究

对2016年3月南京北郊PM_2.5进行采样分析,通过样品中的水溶性离子（Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺、Cl^-、NO₃^-、SO₄^2-）和碳质组分（OC、EC）,探讨霾污染的特征、来源及硫酸盐形成机制.结果表明,采样期间南京北郊PM_2.5平均浓度（103.22±48.5）µg/m³.污染天二次硫酸盐的形成与NO₂对SO₂的氧化相关性较强,而O₃的氧化作用影响较小;清洁天则相反.污染天,具有酸度缓冲作用的矿物粉尘使得气溶胶颗粒物总体呈弱碱性,而碱性环境下又更利于二次硫酸盐的形成.南京北郊早春二次污染严重,SOC主要由大气中碳氢化合物与O₃发生光氧化反应生成.污染天主要排放源为机动车尾气排放,其次是生物质和煤炭燃烧;清洁天主要排放源为煤炭燃烧和扬尘,机动车尾气影响较小.     

我国典型细颗粒物排放源单颗粒质谱特征对比研究

针对现有污染源单颗粒质谱成分谱较少且缺乏对比总结的问题,本论文收集了工艺过程源、扬尘源、机动车尾气源、燃煤源和生物质燃烧源的单颗粒质谱图数据,使用聚类算法分析了各源类单颗粒物的主要化学组成特征的差异性.结果表明工艺过程源和燃煤源颗粒物均含有OC类、矿物质类、EC类、重金属类、富钾/左旋葡聚糖/硫酸盐硝酸盐类、OCEC类,但各颗粒类型的占比有明显差异,燃煤源中EC类占比明显高于工艺过程源而重金属类占比低于工艺过程源.生物质燃烧源主要由OC类、其他有机物类、富钾/左旋葡聚糖/硫酸盐硝酸盐类和OCEC类组成.扬尘颗粒的主要类型为矿物质类.从单颗粒化学组成上看,工艺过程源排放的有机颗粒中OC常与SO₄^2-内混,元素碳颗粒中EC与NO₃^-或SO₄^2-内混.燃煤源排放的碳质颗粒中EC、OC成分往往与NO₃^-和SO₄^2-或者单独与SO₄^2-...     

民用燃料烟气中气态污染物及水溶性无机离子的排放

选取北京市地区典型生物质燃料（玉米芯、玉米秆、黄豆秆、草梗、松木、栗树枝、桃树枝）以及民用煤（烟煤、蜂窝煤）在实验室内进行了模拟燃烧实验,采用Thermo Fisher 42i型化学发光NO-NO₂-NOx分析仪、43i型脉冲荧光SO₂分析仪、48i型CO分析仪对烟气中的NO_x、SO₂、CO进行全程在线监测;对燃烧产生的颗粒物样品进行采集,采用ICS 90A、ICS2000离子色谱仪对不同粒径段颗粒物中的水溶性无机离子进行测定.研究表明：3类民用燃料排放因子均值由大到小的顺序,SO₂为民用煤 > 薪柴 > 秸秆;CO为秸秆 > 民用煤 > 薪柴;NO_x为薪柴 > 民用煤 > 秸秆.薪柴燃烧产生的PM_2.5中SO₄^2-含量最高,占总水溶性无机离子的22%~30%;秸秆类燃烧产生PM_2.5中的水溶性无机离子K⁺占绝对优势,占总水溶性无机离子的36%~49%,其次为Cl^-或SO₄^2-,两者之和占总水溶性无机离子的35%~44%.3类民用燃料中秸秆类燃烧排放的颗粒物中水溶性无机离子的排放因子最高,其次为薪柴类燃料,民用煤最低.本实验对不同粒径段颗粒物中9种水溶性无机离子进行了分析（Na⁺、K⁺、Mg²⁺、Ca²⁺、NH₄⁺、F^-、Cl^-、NO₃^-、SO₄^2-）,薪柴类燃料燃烧排放的颗粒物中,Na⁺、K⁺、NH₄⁺、F^-的排放因子在0~2.5μm粒径段内最大,Mg²⁺和Ca²⁺的排放因子在2.5~10μm粒径段内最大.秸秆类燃料除Ca²⁺、Mg²⁺外,其余离子的排放因子均在0~2.5μm粒径段内达到最大.对于烟煤而言,除了K⁺、Mg²⁺和Ca²⁺外,其余离子的排放因子均在0~2.5μm粒径段内达到最大;蜂窝煤中Na⁺、K⁺、Cl^-、NO₃^-、SO₄^2-的排放因子均在0~2.5μm粒径段内达到最大.     

天津市典型城区大气碳质颗粒物的粒径分布特征和来源

为分析天津市典型城区大气碳质颗粒物的粒径分布及其来源,于2009年12月—2010年11月采用9级惯性撞击式分级采样器对大气颗粒物进行采样,采用热光碳分析仪分析了颗粒物中的EC(元素碳)和OC(有机碳)的质量浓度. 结果表明:天津市典型城区大气颗粒物中EC和OC主要存在于细颗粒物中,在≤2.1μm的4个细粒径段中,ρ(EC)的加和年均值为(2.6±0.9)μg/m3,占PM₉(空气动力学直径≤9.0μm)ρ(TEC)的72%;ρ(OC)为(21.5±7.7)μg/m3,占PM₉中ρ(TOC)的60%. ρ(EC)和ρ(OC)季节变化显著,在≤2.1μm粒径段中,春、夏、秋、冬季的ρ(EC)分别为(1.7±0.3)、(2.1±0.4)、(3.1±0.5)和(3.7±0.5)μg/m3;ρ(OC)分别为(17.6±0.4)、(14.4±1.1)、(21.9±1.8)和(32.1±2.5)μg/m3. ρ(EC)峰值分别出现在≤0.43、>0.65~1.1和>4.7~5.8μm 3个粒径段,其中最高值出现在≤0.43μm粒径段;ρ(OC)峰值分别出现在>0.65~1.1和>4.7~5.8μm 2个粒径段,最高值出现在>0.65~1.1μm粒径段. 天津市典型城区细颗粒物中的OC、EC主要来自燃煤、机动车和烹饪排放,粗颗粒物中的OC、EC则更多来自于路面和建筑扬尘.      

太原市采暖季PM2.5组分特征及重污染事件分析

针对2017~2018年采暖季太原市PM_2.5及其水溶性离子、碳质组分和无机元素开展在线观测,结合气象数据分析不同污染水平下的组分特征.分析表明,2017~2018年太原市采暖季细颗粒物主要化学成分为SO₄^2-、NO₃^-、NH₄⁺、Cl^-、Ca²⁺、OC、EC,且呈现OC>SO₄^2- > NO₃^- > NH₄⁺ > Cl^- > Ca²⁺ > EC的趋势,随污染水平增长最多的是二次无机物;优良、轻度污染和重污染3种污染水平下OC、EC相关系数分别为0.69、0.66、0.55,N/S分别为1.06、1.29、0.93,表明随着污染水平的提高,OC和EC的来源一致性逐步变差,且排放源虽仍处于氮排放源（移动源和工业源）和硫排放源（燃煤源）的共同控制,但硫排放源贡献率显著升高.重污染事件分析表明太原市重污染应对过程中不仅需要加强机动车、工业源等污染源的管控,更需要重点加强燃煤管控.     

南京市大气颗粒物中有机碳和元素碳粒径分布特征

采用Model 2001A热/光碳分析仪测定了南京市区和工业区不同粒径颗粒物中OC、EC的含量,分析了OC、EC粒径分布特征.结果表明,市区和工业区四季OC、EC在<0.43μm粒径段中平均质量浓度最高,市区四季OC所占比例分别为20.9%、21.9%、29.6%、27.9%,EC比例分别为24.0%、23.5%、31.4%、22.6%;工业区四季OC比例分别为18.6%、45.8%、26.6%、25.9%,EC比例分别为16.7%、60.9%、26.3%、24.3%;两地OC、EC主要存在于细粒子中且市区细粒子中OC、EC在夏季所占比例最高,而工业区无明显季节变化规律.市区和工业区细粒子中SOC污染严重且在夏季达到高值,粗粒子SOC季节变化规律不明显,可能与各污染源贡献率及气象因素有关.相关性和OC/EC分析表明,南京地区细粒子中OC、EC主要来自尾气排放和燃煤,粗粒子中OC、EC还与生物质燃烧及烹调排放关联.     

南京北郊夏季大气颗粒物中有机碳和元素碳的污染特征

采用DRI Model 2001A热/光碳分析仪对2013年5~7月期间南京北郊大气气溶胶9级惯性撞击式分级Andersen采样器膜采样样品中有机碳(OC)和元素碳(EC)的质量浓度进行了分析.结果表明,南京北郊夏季EC、OC的平均浓度,在PM2.1(空气动力学直径≤2.1μm)中分别为(2.6±1.1)μg·m-3、(13.0±5.2)μg·m-3,在PM9.0(空气动力学直径≤9.0μm)中,分别为(3.4±1.7)μg·m-3、(20.3±7.3)μg·m-3.EC主要富集在超细颗粒物中,OC主要存在于细颗粒物中,EC的PM1.1/PM9.0比值和OC的PM2.1/PM9.0比值分别为0.62和0.64.EC和OC浓度的平均最高值都出现在≤0.43μm粒径段中,分别占PM9.0中的总元素碳的33.4%和总有机碳的21.1%.南京北郊夏季PM1.1、PM2.1和PM9.0中EC、OC的相关性较好,说明存在共同的一次污染源.通过OC/EC特征物比值的方法得到南京夏季碳质颗粒物的主要来源有机动车尾气排放、燃煤排放和地面扬尘排放.     

关中典型城市及农村夏季PM2.5的化学组成对比

于2016年7~8月采集了陕西省西安市（城市）及蔺村（农村）夏季昼夜PM_2.5样品,分析其有机碳（OC）、元素碳（EC）和无机离子等化学组分的含量,探讨关中平原城市和农村地区PM_2.5的化学组成和来源的差异.结果表明,采样期间西安和蔺村的PM_2.5浓度分别为（49.7±22.8）和（62.6±14.2）μg/m³.西安PM_2.5中OC和EC的浓度[（6.5±2.5）μg/m³,（3.2±1.8）μg/m³]与蔺村[（6.8±1.8）μg/m³,（3.8±2.3）μg/m³]相当.西安OC/EC比值白天（2.6）高于夜晚（1.9）,蔺村反之（白天：1.6;夜晚：2.7）,主要是因为夜间城市地区重型卡车运输活动增强导致排放更多EC,而夜间农村地区人为活动较少导致EC排放显著降低.西安和蔺村无机离子总浓度分别为（20.2±14.6）和（30.1±10.5）μg/m³,占PM_2.5浓度的40.6%和47.6%.蔺村SO₄^2-的平均浓度高达19.0μg/m³,占PM_2.5浓度的30%以上,远高于西安（9.4μg/m³和18.9%）,主要与农村固体燃料（煤和生物质）使用有关.西安NO₃^-和Ca²⁺的浓度及其对PM_2.5的贡献、NO₃^-/SO₄^2-比值均明显大于蔺村,表明城市地区受机动车尾气和扬尘的影响更大.西安K⁺与Ca²⁺和Mg²⁺的相关性较强,而蔺村K⁺与EC的相关性显著强于西安,说明西安市区K⁺由粉尘源主导,而农村地区则主要来自生物质燃烧.     

北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.     

北京市2014年10月重霾污染特征及有机碳来源解析

2014年10月北京市出现了多次重霾天气,与此同时,通过全国秸秆燃烧卫星遥感监测发现,北京周边河南、河北等地区恰存在一定规模的秸秆燃烧活动. 对2014年10月4—27日北京市大气PM_2.5中的水溶性离子、金属、OC(有机碳)、EC(元素碳)和有机物示踪物等化学成分进行了分析,对霾天和非霾天PM_2.5中化学成分进行了比较,并使用CMB(化学质量平衡)模型对PM_2.5中有机物的来源进行了解析,采用后向轨迹模拟和卫星遥感图像定量评估生物质燃烧(秸秆燃烧等)对重霾污染的影响. 结果表明:霾天ρ(PM_2.5)〔(229.0±96.3)μg/m3〕是非霾天的5.0倍,水溶性离子总质量浓度〔(125.3±59.3)μg/m3〕是非霾天的6.5倍,ρ(SO₄2-)、ρ(NO₃-)和ρ(NH₄+)分别是非霾天的6.1、8.6和7.1倍,ρ(OC)〔(81.8±39.5)μg/m3〕是非霾天的7.8倍,ρ(EC)〔(6.7±3.4)μg/m3〕是非霾天的4.2倍;霾天生物质燃烧的示踪物——左旋葡聚糖和K+的质量浓度平均值分别是非霾天的9.1和3.3倍. 生物质燃烧、机动车排放以及二次污染物对有机细颗粒物的贡献率分别为18.9%、36.9%和41.9%;二次细颗粒物质量浓度增加了1倍左右;气象条件同样在很大程度上促进了霾的形成. 常规的源解析方法仅可对生物质燃烧的一次污染贡献进行定量,但对重霾污染贡献的全面评价尚需进一步探讨.      

北京混合功能区夏冬季细颗粒物组分特征及来源比较

于2014年8月和12月,选择北京某城市混合功能区,分别手工采集一个月的环境空气PM_2.5样品,实验室方法测定滤膜中的元素碳/有机碳、9种可溶性离子、16种无机元素等20余种化学组分,采用CMB模型对夏冬两季PM_2.5来源进行分析.结果表明,夏季PM_2.5日均质量浓度为73μg/m³,低于《环境空气质量标准》,而冬季平均值为111μg/m³,高于夏季和标准限值.冬季OC和EC浓度均高于夏季,且OC/EC比值升高,OC和EC呈线性相关,提示二者有相同来源.NO₃^-、SO₄^2-、NH₄⁺是北京混合功能区3种主要可溶性离子,且夏季生成量较高;冬季Cl^-显著升高与燃煤排放有关.Si、Ti、Fe、Zn、Al等元素质量浓度在0.1~10μg/m³浓度水平,Pb、Cu、Mn、Cr、Ba、Sb等在10~10²ng/m³浓度水平,V、Ni、Co、Mo、Cd等在0.1~10ng/m³浓度水平.且冬季各个元素浓度均高于夏季.CMB模型初步解析结果表明,夏季和冬季颗粒物的来源变化明显,夏季二次硫酸盐、机动车和二次硝酸盐贡献率居前三位,而冬季则为燃煤、机动车和扬尘.     

天津市夏季灰霾与非灰霾天气下颗粒物污染特征与来源解析

年6—8月在天津市区进行的连续灰霾观测发现,灰霾发生的天数占观测时段的1/3. 灰霾日与非灰霾日颗粒物质量浓度存在显著差异,灰霾日ρ(PM_2.5)与ρ(PM₁₀)的平均值分别是非灰霾日的1.64和1.55倍. 灰霾日S含量高于非灰霾日近50%;灰霾日ρ(SO₄2-)和ρ(NO₃-)明显高于非灰霾日,其中灰霾日ρ(NO₃-)增幅最高可达251.02%;灰霾日PM_2.5和PM₁₀中的ρ(OC)、ρ(EC)均是非灰霾日的1.25倍以上. 灰霾日与非灰霾日的气象条件相近,表明此次观测期间天津市区夏季灰霾天气发生与气象条件的关系不大. 使用CMB模型(化学质量平衡模型)对PM_2.5来源进行的解析表明,二次硝酸盐和二次硫酸盐对灰霾日ρ(PM_2.5)的贡献率分别是非灰霾日的2.17和1.34倍,而其他源类在灰霾日和非灰霾日的贡献差异不明显,说明二次离子可能是造成天津市区夏季灰霾最主要的颗粒物源类.      

西沙永兴岛大气降水化学特征及来源分析

于2013年对南海西沙永兴岛雨水进行采集,分析了其主要阴阳离子,利用PMF模型对不同离子组成的来源进行解析并运用TrajStat软件模拟后向气团轨迹污染物来源区域的分析.结果表明,永兴岛降水离子浓度顺序为：Cl^-、SO₄^2-、NO₃^-和Na⁺、Ca²⁺、Mg²⁺、NH₄⁺、K⁺.Na⁺和Cl^-是降水中主要的阴阳离子,表现出海洋性降水的特征.SO₄^2-、Mg²⁺、K⁺主要来源于海水,但SO₄^2-也受化石燃料燃烧等影响,而K⁺可能受生物质燃烧的影响.Ca²⁺主要来源于土壤,少数来源于其他影响.NO₃^-主要来源于化石燃料燃烧释放,而NH₄⁺有多种来源,包括内陆人为活动的排放和海洋本身有机物降解过程释放的影响.根据Redfield比,可以初步计算出降水中NO₃^-和NH₄⁺对南海新生产力的贡献约为4.8%~13.5%.后向气团轨迹表明,永兴岛降水的离子来源区域相对复杂,包括我国东北地区、南方区域,以及马来西亚等国家、地区的影响,或者来源于南海局地的影响.     

廊坊市夏季大气气溶胶消光特性及其来源

通过对廊坊市2016年5~9月的空气污染指标进行连续观测,分析了PM_2.5污染特征、消光特性,并进行来源解析及潜在污染区域分析.观测期间PM_2.5浓度为（43.82±28.68）μg/m,PM_2.5中SO₄^2-,NO₃^-,NH₄⁺,OC和EC分别占PM_2.5总质量的24.74%,22.98%,20.54%,8.79%和5.50%,各组分随着PM_2.5浓度增加而增加;气溶胶散射系数（Bsp）和吸收系数（Bap）分别为（294.54±257.35）,（16.05±9.14）Mm^-1,粗粒子（CM）对消光系数的贡献为11.12%,细颗粒子PM_2.5在大气消光中起主要作用,其中硝酸盐（32.23%）,硫酸盐（27.28%）和OM （20.56%）为最主要消光成分;PM_2.5主要来自工业（14.14%）、机动车（15.15%）、二次无机气溶胶（38.38%）、燃煤（22.22%）及扬尘和生物质燃烧（10.10%）,对消光系数的贡献分别为工业（1.32%）、机动车（17.25%）、二次气溶胶（55.57%）、燃煤（18.56%）,扬尘和生物质燃烧（7.32%）.后轨迹分析表明廊坊市以来自山东、河南的小尺度_,短距离和来自内蒙古东北部、中部的中短距离传输为主,占比接近80%,污染源的潜在分布区域主要是山东东北部、河南东部、山西东部、辽宁西南等地.     

京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

鹤山大气超级站旱季单颗粒气溶胶化学特征研究

利用单颗粒气溶胶飞行时间质谱等仪器在鹤山大气超级站开展综合观测,结合ART-2a自适应共振神经网络聚类算法,将2013年11月4日~2013年12月30日期间监测到的1637330个细颗粒分成9类: EC-Fresh颗粒、EC-Nitrate/Sulfate颗粒、K-EC颗粒、Ca-EC颗粒、ECOC颗粒、OC-Levoglucosan颗粒、OC-Nitrate/Sulfate颗粒、K-Nitrate/Sulfate颗粒和Metal-rich颗粒.结果表明:该大气超级站所在地区旱季霾日有利于与水溶性二次无机组分混合的EC-Nitrate/Sulfate颗粒、K-Nitrate/Sulfate颗粒的累积;晴朗天更有利于二次有机组分在气溶胶颗粒中生成,雨天受当地排放源的影响显著,含有较高EC-Fresh和K-EC颗粒.相关性的研究发现,EC-Nitrate/Sulfate颗粒与能见度有良好的相关性,它们对霾的形成有至关重要的作用.