利用SPAMS研究南宁市四季细颗粒物的化学成分及污染来源

为研究南宁市四季大气颗粒物的化学成分及污染来源,利用单颗粒气溶胶质谱仪(single particle aerosol mass spectrometer,SPAMS)对南宁市2015年四季大气细颗粒物进行观测.SPAMS所测得4个观测阶段大气细颗粒物数浓度与细颗粒物质量浓度线性相关系数均在0.75以上,在一定程度上颗粒物数浓度可反映大气污染状况.南宁市四季大气细颗粒物平均质谱图体现出冬、春两季二次反应生成的污染物质较多.利用自适应共振神经网络分类方法对细颗粒物化学成分进行分类,南宁市细颗粒物各化学成分数浓度占比和污染来源在四季均有差异,且化学成分能体现污染来源.冬季元素碳最高,对应较高的燃煤源;秋季有机碳最高,对应较高的机动车尾气源;夏季富钾颗粒、左旋葡聚糖和矿物质较高,对应较高的生物质燃烧源和扬尘源;春季富钠颗粒和重金属略高.在污染升高过程,生物质燃烧源和燃煤源等贡献较大.     

利用单颗粒气溶胶质谱仪研究燃煤尘质谱特征

采用单颗粒气溶胶质谱仪(SPAMS)和再悬浮采样器联用的方式对燃煤电厂烟道气样品和下载灰样品的质谱特征进行测定,并使用颗粒物粒径分级采样仪ELPI测定其粒径分布特征.研究表明,SPAMS监测得到的粒径分布与ELPI结果差异较大,SPAMS对于500 nm以上粒径段检测效果较好;两个样品正谱图中有非常明显的锂、钙、钛、铝等金属组分信号和碳组分信号特征,负谱图中硅酸盐、硝酸盐和硫酸盐等信号比较明显,并且随着粒径的增加碳组分、硫酸盐和硝酸盐等组分对应的信号强度逐渐减弱,而硅酸盐、铝、钙和钛等组分对应的信号强度逐渐增强;对两个样品使用ART-2a聚类获得多个颗粒物类别,分析表明,它们均含有元素碳二次类(硫酸盐和硝酸盐缩写为二次Sec)、有机碳二次类、铝元素碳类、铝钙硅酸盐类和富硅酸盐类等颗粒物类别,并且随着粒径的增加金属硅酸盐颗粒出现频率增大,而含碳颗粒与硫酸盐出现频率降低.但烟道气样品和下载灰样品的质谱特征呈显著差异,下载灰样品更能代表燃煤源真实排放特征.建议在今后建立基于单颗粒质谱固定源成分谱时,应使用单颗粒气溶胶质谱仪在外场进行实测,并使用聚类的方法提取不同粒径段上的源质谱特征,可能会取得更好的效果.     

基于单颗粒气溶胶质谱仪的香河采暖季前后含铅颗粒物的组成特征研究

为了研究粒径在0.2?—?2.0μm的含铅颗粒物的化学组分和粒径分布特征,运用单颗粒气溶胶质谱仪(SPAMS)于2017年10月至2018年1月在河北省香河县开展观测活动.通过自适应神经网络算法(ART-2a)对含铅颗粒物进行命名、合并后,主要分为六类:富钾(Pb-K)、元素碳(Pb-EC)、有机碳元素碳(Pb-OCE...     

广州市2020年春节期间烟花爆竹燃放对空气质量的影响

利用2020年春节期间（1月21~28日）广州市21个空气质量监测站气象和空气污染物数据及其中4个监测点位的单颗粒气溶胶质谱仪（single particle aerosol mass spectrometer,SPAMS）数据,研究烟花爆竹燃放对广州市及11个行政区空气质量的影响,并基于SPAMS建立了烟花爆竹快速溯源方法,分析了烟花爆竹源单颗粒化学成分.结果表明,烟花爆竹燃放对燃放区及禁止燃放区的空气质量都造成显著影响,广州市PM_2.5、PM₁₀和SO₂质量浓度在除夕夜间迅速升高.烟花爆竹集中燃放时段（1月25日01：00~06：00）,主要影响了增城区、白云区、黄埔区及天河区部分区域的空气质量.建立了基于SPAMS以Al⁺为示踪物及最快5 min时间分辨率的烟花爆竹快速溯源方法.烟花爆竹源颗粒主要颗粒类型是左旋葡聚糖、富钾和矿物质类颗粒.烟花爆竹源颗粒含有丰富的硝酸盐,但不利于铵盐的形成.     

天井山空气背景站单颗粒气溶胶有机硫酸酯初步研究

运用单颗粒气溶胶飞行时间质谱仪(SPAMS)在雨季(2015年8月18日~9月7日)于广东南岭天井山国家背景空气站,首次从二次有机气溶胶(SOA)中发现了有异戊二烯参与生成的有机硫酸酯(IEPOX-derived organosulfate),并初步研究了其变化规律.运用自适应共振理论神经网络算法(ART-2a)将细颗粒物按化学成分分为9类,元素碳(EC)、有机碳(OC)、元素/有机混合碳(ECOC)、左旋葡聚糖颗粒(LEV)、富钾颗粒(K-rich)、富钠颗粒(Na-rich)、金属颗粒(Metal)、富硅颗粒(Si-rich)和有机胺(Amine).并运用示踪离子法研究森林中与异戊二烯氧化相关的有机硫酸酯的变化规律,发现其变化趋势与O_3较为相关,与SO_2和CO几乎不相关.另外,有机硫酸酯在相对湿度大于90%和在温度小于18℃时更容易形成.在夜间观测到的有机硫酸酯较白天高出49%,这可能与森林夜间湿度更高,温度更低有关.本研究证实了该森林地区已经受到人为源污染的影响,并且可以生成人为源二次有机气溶胶(ASOA).     

利用SPAMS研究南宁市冬季单颗粒气溶胶化学成分

利用单颗粒气溶胶飞行时间质谱仪(SPAMS)对南宁市2015年冬季2月15~24日期间大气PM2.5进行观测.SPAMS所测得大气PM2.5数浓度与PM2.5质量浓度线性相关系数为0.76,在一定程度上颗粒物数浓度可反映大气污染状况.利用自适应共振神经网络分类方法(Art-2a)对PM2.5化学成分进行分类,确定PM2.5化学成分主要为元素碳、有机元素碳混合颗粒、有机碳、富钾颗粒、矿物质、富钠颗粒、二次无机颗粒、左旋葡聚糖以及其它重金属共9类.成分占比最高的是元素碳,其次是有机碳和富钾颗粒.监测到80%以上的PM2.5粒径主要集中在0.2~1.0μm之间,峰值出现在0.62μm处,各化学成分的粒径分布特征与总颗粒数粒径分布特征相似.各化学成分数浓度与PM2.5质量浓度随时间变化趋势较一致,化学成分数浓度占比变化在一定程度上可反映瞬时的污染来源.     

利用SPAMS研究华北乡村站点(曲周)夏季大气单颗粒物老化与混合状态

利用单颗粒气溶胶飞行时间质谱(SPAMS)于2013年6月30日~7月8日对华北地区乡村站点曲周大气单颗粒粒径及其化学组成进行了在线测量,共采集到同时含有正负离子谱图的颗粒230 152个,其粒径主要集中在0.2~2.0μm.结果表明,该地区的大气颗粒物主要分为8类:元素碳(EC,55.5%)、有机碳(OC,10.7%)、钠,钾等碱金属颗粒(alkalis,17.4%)、其他金属颗粒(other metals,1.7%)、富铁颗粒(Fe-rich,6.3%)、富铅颗粒物(Pb-rich,3.1%)、沙尘颗粒(dust,4.8%),other颗粒(0.8%),观测得到的8类气溶胶颗粒中绝大部分包含46NO-2、62NO-3、80SO-3、96SO-4、97HSO-4等二次组分离子,说明这些颗粒都经历了不同的老化过程或与二次组分进行了不同程度的混合.从气溶胶类型的谱分布看,各类型颗粒数浓度峰值基本出现在700~800 nm之间,dust、Fe颗粒主要集中在粗粒径段,EC颗粒子类研究表明随着表面不断吸附NH+4、NO-3、SO2-4等二次组分,EC颗粒逐步演化成老化程度较低的NO-3吸附型EC(ECN)和严重老化的SO2-4吸附型EC(ECS)混合态,两者日变化呈现明显的负相关性,也可能随着二次有机物在EC表面吸附,形成OC/EC混合态.     

基于SPAMS的天津市夏季环境受体中颗粒物的混合状态及来源

天津位于京津冀区域,近年来面临的颗粒物污染问题受到广泛关注,研究其大气环境中颗粒物的化学组成及来源具有重要意义.为明确天津市夏季环境受体中颗粒物的混合状态及可能来源,于2017年7月利用单颗粒气溶胶质谱仪(single particle aerosol mass spectrometer,SPAMS)在津南区采集到成功电离有粒径及完整质谱信息颗粒209 887个,利用ART-2a对有质谱数据的颗粒按照质谱特征的相似性进行聚类共获得369个颗粒物类别,随后按照类别的化学组成(质谱谱图)的相似性进行人工合并获得19个颗粒物类别,包括:K-EC(0.20%)、K-EC-Sec(0.18%)、K-NO_3-PO_3(12.00%)、K-NO_3-SiO_3(2.98%)、K-Sec(0.16%)、EC(39.60%)、EC-Sec(3.46%)、EC-HM-Sec(3.93%)、HEC(1.49%)、HEC-Sec(1.38%)、OC-Amine-Sec(3.58%)、OC-Sec(0.36%)、OCEC-Sec(0.71%)、Dust-HEC(21.35%)、Dust-Sec(0.72%)、Cl-EC-NO_3(1.22%)、Na-Cl-NO_3(3.20%)、HM-Sec(2.58%)和PAH-Sec(0.90%)颗粒.得到的各个颗粒类别可归因于气溶胶颗粒的不同来源及不同的传输和反应过程,综合分析采集到的颗粒贡献源主要包括机动车排放源、生物质燃烧源、工业排放源、扬尘源、燃煤源和二次源等.其中K-EC、EC、HEC和Dust-HEC等颗粒主要来自一次源直接排放,K-Sec、OC-Amine-Sec、OC-Sec、OCEC-Sec和Na-Cl-NO_3等颗粒大都是一次源排放颗粒经历了不同程度的老化或与二次组分进行了不同程度的混合.     

鹤山灰霾期间大气单颗粒气溶胶特征的初步研究

2012年6月9-17日,使用单颗粒气溶胶质谱仪(SPAMS)分析了鹤山大气中单颗粒的特征,共采集到同时含有正负离子谱图的颗粒763350个,其粒径主要集中在0.2～2.0 μm之间,期间发生灰霾的天数为3d.研究结果表明,该地区的大气颗粒物类型主要可分为7种:元素碳(EC)、有机碳(OC)、元素-有机碳混合(ECOC)、大分子有机碳(HMOC)、海盐(Na-K)、富钾颗粒(K-rich)和富铅颗粒(Pb-rich).灰霾天气下,颗粒中的二次成分含量更高,粒径显著增大.各颗粒类型数量浓度均有一定程度的提高,其中,以EC、ECOC和K-rich的增加最为明显.分析结果表明,水稻秸秆的集中焚烧及EC、ECOC和K-rich的老化是形成本次灰霾的重要原因.     

南京北郊春季含Pb气溶胶粒子来源分析

含有重金属的气溶胶粒子对人类健康有着重要的影响,其中,重金属Pb对人体神经系统有很大的危害,因此,含Pb气溶胶粒子的化学特征和来源问题一直受到人们的广泛关注.本研究于2012年3—4月使用在线单颗粒气溶胶质谱仪(SPAMS)在南京北郊对含Pb气溶胶粒子进行连续观测,并结合自适应共振理论神经网络算法(ART-2a)对其化学特征进行了分析.结果表明,南京北郊春季含Pb气溶胶粒子按照化学组成可分为6类:富钾-铅类(K-rich)、扬尘-铅类(DUST)、钾-元素碳-铅类(K-EC)、铜-元素碳-铅类(Cu-EC)、锌-铅类(Zn)和锰-铅类(Mn),它们主要来自钢铁冶炼、城市扬尘、燃油排放和化工排放,贡献率分别为70.66%、24.53%、2.47%和2.34%.     

2014年1月北京市大气重污染过程单颗粒物特征分析

利用在线单颗粒物气溶胶质谱仪(SPAMS)对2014年1月北京市典型大气重污染过程进行了连续监测,分析了具有正负离子质谱信息的颗粒物共2248225个.同时,利用ART-2a神经网络分类方法并结合Matlab统计分析,将具有质谱信息的颗粒物归为10类,分别为:矿尘类颗粒物(Dust)、元素碳颗粒物(EC)、有机碳颗粒物(OC)、元素碳和有机碳混合颗粒物(ECOC)、钠钾颗粒物(NaK)、富钾颗粒物(K)、含氮有机物(KCN)、高分子有机物(MOC,Macromolecular OC)、多环芳烃类颗粒物(PAHs)和重金属类颗粒物(Metal).结合PM_2.5质量浓度数据和HYSPLIT 4.0后向轨迹模型结果,将观测时间段划分为3个典型污染过程和1个清洁过程.结果显示,重污染期间OC、MOC和PAHs为最主要的颗粒物类型.最后,本文还比对分析了污染过程和清洁期间颗粒物的混合状态,结果表明,污染过程中硫酸盐和硝酸盐较清洁期间更容易与碳质颗粒物结合.     

Characteristics of atmospheric single particles during haze periods in a typical urban area of Beijing: A case study in October, 2014

To investigate the composition and possible sources of particles, especially during heavy haze pollution, a single particle aerosol mass spectrometer (SPAMS) was deployed to measure the changes of single particle species and sizes during October of 2014, in Beijing. A total of 2,871,431 particles with both positive and negative spectra were collected and characterized in combination with the adaptive resonance theory neural network algorithm (ART-2a). Eight types of particles were classified: dust particles (dust, 8.1%), elemental carbon (EC, 29.0%), organic carbon (OC, 18.0%), EC and OC combined particles (ECOC, 9.5%), Na-K containing particles (NaK, 7.9%), K-containing particles (K, 21.8%), organic nitrogen and potassium containing particles (KCN, 2.3%), and metal-containing particles (metal, 3.6%). Three haze pollution events (P1, P2, P3) and one clean period (clean) were analyzed, based on the mass and number concentration of PM_2.5 and the back trajectory results from the hybrid single particle Lagrangian integrated trajectory model (Hysplit-4 model). Results showed that EC, OC and K were the major components of single particles during the three haze pollution periods, which showed clearly increased ratios compared with those in the clean period. Results from the mixing state of secondary species of different types of particles showed that sulfate and nitrate were more readily mixed with carbon-containing particles during haze pollution episodes than in clean periods.     

Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China

During November-December 2010 aerosol scattering coefficients were monitored using a single-waved (525 nm) Nephelometer at a regional monitoring station in the central Pearl River Delta region and 24-hr fine particle (PM_2.5) samples were also collected during the period using quartz filters for the analysis of major chemical components including organic carbon (OC), elemental carbon (EC), sulfate, nitrate and ammonium. In average, these five components accounted for about 85% of PM_2.5 mass and contributed 42% (OC), 19% (SO₄^2-), 12% (NO₃^-), 8.4% (NH₄⁺) and 3.7% (EC), to PM_2.5 mass. A relatively higher mass scattering efficiency of 5.3 m²/g was obtained for fine particles based on the linear regression between scattering coefficients and PM_2.5 mass concentrations. Chemical extinction budget based on IMPROVE approach revealed that ammonium sulfate, particulate organic matter, ammonium nitrate and EC in average contributed about 32%, 28%, 20% and 6% to the light extinction coefficients, respectively.     

基于SPAMS的太原市典型生活区停暖前后PM2.5来源及组成

为分析太原市采暖期和非采暖期PM_2.5的特征,利用单颗粒气溶胶质谱仪（SPAMS）分析太原市典型生活区采暖期（2016年3月11-18日）和非采暖期（2016年4月1-7日）PM_2.5的来源及组成.结果表明:① 采暖期（停暖前）颗粒物有机碳、硫酸盐和多环芳烃等信号强度大于非采暖期（停暖后）,而元素碳、硝酸盐、铵盐等反之.② 为了尽可能排除气象因素的影响,选取风向（东南风）、风级（二级）相同时段的颗粒物进行分析,停暖前后颗粒物主要化学组分为有机碳、混合碳和元素碳,采暖前有机碳占比（达51.9%）最高,非采暖期元素碳占比（32.6%）最高.采暖期有机碳、高分子有机物和左旋葡聚糖占比明显高于非采暖期,元素碳、矿物质和重金属反之.③ 停暖前后首要的两类污染源为燃煤和机动车尾气,二者贡献率之和分别高达70.1%和67.4%,可见本地主要受这两类源的影响.燃煤在采暖期为首要污染源,并且贡献比例高于非采暖期,而机动车尾气在非采暖期为首要污染源,且比例明显高于采暖期.研究显示,采暖和非采暖期虽然首要污染源有所差异,但在污染过程中,机动车尾气源的贡献比例均高于优良时段,说明无论是采暖期还是非采暖期,除燃煤排放的影响外,机动车尾气的影响也需得到重视,建议加强机动车燃油品质的升级,使用清洁煤,并在重污染时段采取相应的管控措施.      

鹤山气溶胶光学性质和单颗粒化学组分的研究

2014年10~11月在广东省鹤山大气超级站利用单颗粒气溶胶质谱仪（SPAMS）、积分式浊度仪和黑碳仪在线观测了单颗粒气溶胶的化学组成与气溶胶光学特征.采用Art-2a分类法将单颗粒分为9类：有机碳-硫酸盐/硝酸盐颗粒（OC-Sulfate/Nitrate）、元素碳-硫酸盐/硝酸盐颗粒（EC-Sulfate/Nitrate）、元素碳有机碳-硫酸盐/硝酸盐颗粒（ECOC-Sulfate/Nitrate）、高分子有机碳颗粒（HOC）、海盐颗粒（Sea-salt）、硅酸盐颗粒（Si-rich）、左旋葡聚糖颗粒（Lev）、钾-硫酸盐/硝酸盐颗粒（K-Sulfate/Nitrate）、金属颗粒（Metal）.从清洁期到灰霾期气溶胶的吸收系数、散射系数和单次散射反照率（SSA）显著升高,气溶胶消光能力增强,同时EC-Sulfate/Nitrate颗粒占比从34.8%降至31%,OC-Sulfate/Nitrate颗粒从9.9%增加至23.6%,K-Sulfate/Nitrate二次颗粒从8.5%增加至14%,且灰霾期OC-Sulfate/Nitrate颗粒与硫酸盐、硝酸盐和铵盐的混合程度增强,因此老化的OC-Sulfate/Nitrate颗粒和二次组分颗粒对气溶胶消光系数的增加有重要贡献.在大气相对湿度从50%增加到70%以上的过程中,气溶胶散射系数和吸收系数升高,消光系数由326.1Mm^-1增加到362.9Mm^-1,SSA有所下降,PM_2.5质量消光效率由4.98增加到5.99,EC-Sulfate/Nitrate颗粒和K-Sulfate/Nitrate二次颗粒占比下降,而OC-Sulfate/Nitrate颗粒的占比由7.79%增加到14.29%,且OC-Sulfate/Nitrate颗粒中富含硫酸盐、硝酸盐和铵盐,表明高相对湿度下老化的OC-Sulfate/Nitrate颗粒数目增多对气溶胶消光系数的增强有重要影响.     

利用SPAMS分析北京市硫酸盐、硝酸盐和铵盐季节变化特征及潜在源区分布

采用单颗粒气溶胶质谱仪(SPAMS)于2013年12月至2014年11月在中国环境科学研究院内对大气颗粒物进行全年在线观测,采用特征离子法提取了观测结果中硫酸盐、硝酸盐和铵盐(SNA)的小时均值数据,分析了SNA混合特征和粒径分布随季节的变化.采用Hysplit模拟气团48 h的后向轨迹,并结合浓度权重轨迹方法(CWT),计算得到了影响北京市各季节SNA的潜在源区分布.结果表明,春、夏季颗粒物中硫酸盐、硝酸盐和铵盐混合比例较秋、冬季更加稳定.硫酸盐和硝酸盐的粒径分布特征十分相似,表明硫酸盐和硝酸盐成分在颗粒物中大多同时存在.颗粒物中SNA粒径分布的季节变化特征为:秋季SNA最大粒径段夏季春季冬季.SNA潜在源区分布有较为相似的空间分布特征,对北京市SNA高贡献的潜在源区主要分布在北京本地以及南部区域,以天津、廊坊、衡水、保定、石家庄等地为主.     

Enhanced mixing state of black carbon with nitrate in single particles during haze periods in Zhengzhou, China

Black carbon（BC） plays an important role in air quality and climate change, which is closely associated with its mixing state and chemical compositions. In this work the mixing state of BC-containing single particles was investigated to explore the evolution process of ambient BC particles using a single particle aerosol mass spectrometer（SPAMS） in March 2018 in Zhengzhou, China. The BC-containing particles accounted for 61.4% of total detected ambient single particles and were classified into f...     

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.     

区域大气细粒子污染特征及快速来源解析

在广东大气超级站使用单颗粒气溶胶飞行时间质谱仪(SPAMS)等仪器开展综合观测,2013年12月共监测到两个污染过程,主要的化学成分为元素碳(EC),占总颗粒数的56.8%,其次为有机碳(OC)和重金属(HM),分别占总颗粒数的12.7%和10.1%.两个污染过程中,不同颗粒类别的变化趋势有差异,说明两个污染过程的污染特征有所不同.污染来源分析发现,监测期间主要受到机动车尾气源和燃煤源的影响,二者分别占24.8%和22%;其次为工业工艺源和生物质燃烧,分别占16.4%和10.3%.第一个污染过程中,工业工艺源是首要污染源,而随着颗粒物浓度的增高,燃煤和二次无机气溶胶的比例明显增加,说明此污染过程中受一次污染源(燃煤源和工业工艺源)和二次光化学反应的复合影响.而第二个污染过程中,机动车尾气为首要污染源,其次是燃煤和工业工艺源,整个过程中各源的比例较为稳定,说明该次污染过程主要由不利气象条件导致的污染物累积形成.     

天津2009年3月气溶胶化学组成及其消光特性研究

2009年3月,采集天津城区PM10和PM2.5样品,分析其中的水溶性无机离子、有机碳(OC)和元素碳(EC),并估算其二次有机碳(SOC)浓度及消光系数.结果表明,天津城区PM10和PM2.5污染严重,水溶性无机离子和含碳物质在PM10中的比例为24.8%和10.0%,在PM2.5中的比例为26.6%和13.9%;SO42-、NO3-和Ca2+是主要的无机离子,霾日天气有利于SO2和NO2向硫酸盐和硝酸盐的二次转化;通过OC/EC最小比值法估算SOC的浓度,表明SOC与OC的比值分别为38%(PM10)和24%(PM2.5),霾日天气有利于SOC生成;二次离子(SO42-,NO3-和NH4+)、粗粒子、OC和EC是大气消光的主要贡献者,其消光贡献比例分别为33.1%, 22.6%,22.0%和15.6% 采用化学组分和相对湿度可以较好的拟合大气消光系数及大气能见度.