菏泽市PM2.5碳组分季节变化特征

于2015年8月到2016年4月在菏泽市城区采集PM_(2.5)颗粒,利用热/光碳分析仪测定了颗粒物中8种碳组分,获得了有机碳(OC)和元素碳(EC)的质量浓度,分析了OC与EC的比值、相关性,使用OC/EC比值法估算了二次有机碳(SOC)的浓度,并使用主成分分析法研究8种碳组分含量.结果表明,(1)PM_(2.5)中OC、EC的年质量浓度变化范围分别为1.2~60.6μg·m~(-3)、0.6~24.8μg·m~(-3),OC/PM_(2.5)、EC/PM_(2.5)的季节分布特征相似:冬季春季秋季夏季;(2)OC/EC的年平均值为2.6±1.0,春夏秋冬OC、EC的相关系数分别为0.91、0.56、0.86、0.75,估算的SOC年平均浓度为(4.7±5.0)μg·m~(-3);(3)不同季节8种碳组分质量分数均为EC1最高,EC3最低.主成分分析结果显示,春秋冬这3个季节碳组分的主要来源为燃煤、机动车和生物质燃烧.     

常州夏秋季PM2.5中碳质气溶胶特征及来源

为更好地了解碳质组分的特点和来源,在常州市采集了夏季(7~8月)和秋季(10~11月)60个细颗粒物(PM_(2.5))样品.采样期间,夏季PM_(2.5)、OC、EC平均浓度分别为73.0、14.3和3.3μg·m~(-3),秋季为84.2、13.2和3.5μg·m~(-3).总碳质组分(OC+EC)占PM_(2.5)总质量的24.3%(夏季)和20.7%(秋季).采用IMPROVE-A热/光反射法测定的碳质8组分结果表明,OC2、OC3、OC4和EC1相关性好(r0.92),EC2和EC3相关性较好(r0.65),说明可能的相似来源.OC与EC相关性中等,表明碳质组分来源复杂.秋季WSOC/OC(60.9%)略高于夏季(57.4%),而夏季SOC/OC(52.5%)略高于秋季(49.0%).夏季和秋季SOC/OC都低于WSOC/OC,说明部分水溶性有机碳是一次源.WSOC和SOC相关性强,进一步验证了大部分SOC具有水溶性.碳质组分之间的关系及主成分分析表明,采样期间燃煤和机动车尾气排放是碳质组分的两个主要来源.后向轨迹分析表明,采样点PM_(2.5)和碳质组分主要受当地排放源和短距离传输的影响,长距离传输贡献较小.     

南京北郊冬夏季大气PM2.5中碳质组分浓度及同位素组成研究

为研究南京北郊不同季节PM_(2.5)中碳质组分的主要来源,分别在2014年1月1—23日和2014年7月3—22日进行PM_(2.5)样品采集,并分析其中有机碳(OC)、元素碳(EC)浓度及总碳同位素组成.结果表明,冬季PM_(2.5)浓度高于夏季,平均值为(146.69±64.67)μg·m-3,OC、EC浓度较高,分别为(14.77±5.58)μg·m-3与(9.01±4.74)μg·m-3;而夏季PM_(2.5)浓度为(57.69±23.80)μg·m-3,OC、EC浓度分别为(5.94±2.20)μg·m-3和(2.78±1.25)μg·m-3.二次有机碳(SOC)占OC比重较小,冬、夏两季分别为36.99%与27.37%,这与采样点紧邻公路主干道使颗粒物未得到充分的二次反应有关.南京北郊冬季δ13C平均值为-25.38‰±0.36‰,夏季为-26.50‰±0.58‰,通过与潜在污染源的δ13C值对比,推断出采样期间冬季主要的潜在碳质污染源为煤炭燃烧及机动车尾气,夏季主要的潜在碳质污染源为生物质燃烧及汽车尾气.     

京津冀区域PM2.5中碳组分污染特征研究

为了解京津冀区域PM_(2.5)中碳组分污染特征,于2015年7月和10月及2016年1月和4月在北京、天津、保定、石家庄、沧州5个城市同步采集PM_(2.5)样品,采用热/光分析法分析样品中有机碳(OC)和元素碳(EC),使用OC/EC最小比值法估算二次有机碳(SOC).结果表明:京津冀区域主要城市OC、EC和SOC的年均浓度分别为12.9~28.5、4.1~7.9和3.3~10.4μg·m~(-3),OC/EC和SOC/OC的比值分别为2.4~3.0和0.26~0.32.OC和EC的浓度呈现保定石家庄沧州天津北京的空间分布特点和夏季春季秋季冬季的季节变化特点.OC/EC的比值及OC和EC的相关性在夏季最低,冬季最高,这可能与京津冀区域冬季采暖燃煤有关,冬季不利的气象条件也加剧了碳质气溶胶污染.冬季较高的SOC浓度主要与低温、气态前体物的增加以及频繁出现的逆温、小风和混合层高度降低等不利气象条件有关.京津冀区域碳质气溶胶的污染特征具有空间相似性.     

天津市区夏冬季环境空气PM2.5中碳组分污染特征及来源研究

为了明确天津市区环境受体PM_(2.5)中碳组分的污染特征及来源,本研究分别于2016年2月(冬季)和8月(夏季)在天津市区设置6个采样点位同步采集PM_(2.5)样品,采用热光反射法测定样品中各个碳组分(OC1~OC4、EC1~EC3和OP(裂解碳))的含量,并计算得到OC、EC、CharEC和Soot-EC,以定性识别大气颗粒物中碳组分的来源.结果表明,夏季PM_(2.5)中OC平均浓度为(7.5±3.0)μg·m-3,占PM_(2.5)的11.7%±4.1%;而冬季相比于夏季OC的浓度和占比均有增加,分别为(13.1±7.0)μg·m-3和13.9%±2.8%.夏季和冬季EC浓度分别为(4.0±1.8)μg·m-3、(4.3±2.4)μg·m-3,占PM_(2.5)的6.1%±2.0%和4.6%±1.2%.OC与EC的相关性在夏季(r=0.83,p0.01)和冬季(r=0.96,p0.01)均显著,而冬季CharEC与OC(r=0.94,p0.01)、EC(r=0.98,p0.01)相关性明显高于夏季(OC:r=0.44,p0.01;EC:r=0.45,p0.01).PM_(2.5)中OC/EC平均值在夏季和冬季分别为1.9和3.0,估算得到夏季SOC为(2.6±1.4)μg·m-3,占OC的33.5%±13.6%;冬季为(3.5±2.5)μg·m-3,占OC的26.6%±12.0%.夏季Char-EC/Soot-EC为6.5,高于冬季(4.9),并且空间差异性显著(t检验,p0.05).正定矩阵因子模型(PMF)解析结果表明,天津市区大气PM_(2.5)中碳组分主要有4类来源:燃煤及生物质排放混合源、柴油车、汽油车、道路尘,对夏季PM_(2.5)中碳组分分担率分别为35.4%、16.4%、20.5%、14.4%;对冬季碳组分分担率分别为41.3%、15.5%、18.1%、16.3%.可见,燃煤和机动车是天津市区PM_(2.5)中碳组分的主要来源.     

宁波市PM2.5中碳组分的时空分布特征和二次有机碳估算

为了研究PM2.5中碳质组分的时空分布特征,于2012年12月至2013年10月4个季度典型时段在宁波市5个采样点采集环境大气中的PM2.5,分析了样品中有机碳(OC)和元素碳(EC)的质量浓度,并估算二次有机碳(SOC)对OC的贡献.结果表明:1宁波市PM2.5年均质量浓度为51.6μg·m-3,其中OC和EC的比例分别为17%和6%.反向轨迹模型的分析结果表明,来自内陆地区的区域传输可能是冬季和春季PM2.5浓度较高的主要原因.2OC/EC比值和OC与EC的相关性分析结果表明,夏季有大量SOC生成,而冬季则可能受华北地区燃煤供暖的显著影响.3用EC示踪法对宁波市的SOC进行了估算,结果表明宁波冬季和春季受到区域传输的显著影响,污染源较不稳定,不宜使用该估算方法.夏季和秋季的SOC质量浓度分别为2.5μg·m-3和2.3μg·m-3,占OC的42%和28%.     

成都市西南郊区春季大气PM2.5的污染水平及来源解析

为了解成都市西南郊区大气中PM_(2.5)污染特征,于2015年3月1~31日对成都西南郊区大气PM_(2.5)进行膜样品采集,并分析其中的化学组分.结果表明,3月成都市西南郊区大气PM_(2.5)的日均质量浓度为121.21μg·m~(-3),采集的31个有效PM_(2.5)样品中有24个样品日均浓度在75μg·m~(-3)以上,日超标率为77%,该地区3月PM_(2.5)污染严重.在与大气气象要素的关系研究中发现,大气颗粒物PM_(2.5)与大气能见度有着较好的指数关系,与温度、湿度有一定的正相关关系,但相关性并不明显.水溶性阴阳离子中NH~+_4(16.24%)、SO~(2-)_4(12.58%)、NO~-_3(9.91%)占PM_(2.5)的主导地位,NO~-_3/SO~(2-)_4的比值是0.77,表明成都西南郊区固定源的污染要大于移动源的污染,燃煤排放的污染相对于汽车尾气较多.有机碳(OC)/元素碳(EC)比值均大于2.0,表明有二次有机碳(SOC)产生.利用OC/EC比值法估算SOC的质量浓度发现,成都西南郊区3月PM_(2.5)中SOC的平均浓度水平为3.49μg·m~(-3),对OC的贡献率达20.6%,说明成都市西南郊区的OC主要来源于一次排放,且OC与EC的相关性分析显示,其相关系数达0.95,说明OC、EC来源相似且相对稳定,成都市西南郊区春季受局地源排放影响较大,一次排放占主导地位,二次有机碳对OC贡献相对较小,与估算所得的SOC性质一致.利用主成分分析(PCA)方法对成都西南郊区大气中PM_(2.5)进行来源解析,发现成都西南郊区PM_(2.5)的主要污染源为燃煤、生物质的燃烧、二次硝酸盐或硫酸盐、土壤和扬尘源、汽车尾气源、电子生产源以及机械加工源.     

南京北郊秋季PM2.5碳质组分污染特征及来源分析

本研究于2015年10~11月在南京北郊分昼夜采集PM_(2.5)样品,采用热光透射法(TOT)和离子色谱法对样品中的有机碳(OC)/元素碳(EC)和左旋葡聚糖(levoglucosan)的质量浓度特征进行分析.观测期间OC和EC的平均浓度分别为(11.3±4.9)μg·m-3和(1.1±0.9)μg·m-3,总碳TC占PM_(2.5)的质量分数为22.9%,OC/EC的平均值为7.4,SOC占OC的质量分数为51.9%.PM_(2.5)、OC、EC和SOC质量浓度都体现出夜晚白天的特征,白天OC和EC的相关性好于夜晚(相关性系数分别为0.86和0.7).通过分析PM_(2.5)、左旋葡聚糖和SOC质量浓度以及后向轨迹和火点数据可知南京北郊在13~16号受到来自河北等地生物质燃烧远距离输送的影响.采样期间K+和左旋葡聚糖与OC、EC和SOC的相关性显著(相关性系数分别为0.78、0.79和0.65),经受体示踪物方法估算采样期间生物质燃烧对OC的贡献为21.9%.     

嵊泗地区大气PM2.5中汞形态污染及其与碳组分的关系

2014年11月~2015年8月在舟山群岛嵊泗岛上设定采样点采集了4个不同季节的大气PM_(2.5)样品.采用微波消解-原子荧光光度法测定了颗粒物中汞及其不同形态,采用热/光碳分析仪分析样品中有机碳(OC)和元素碳(EC).结果表明,嵊泗岛上大气PM_(2.5)中总汞(PBM)的质量浓度范围为0.02~1.25 ng·m-3,而单位质量颗粒物中汞的含量为(12.46±18.79)μg·g-1,比陆地城市PM_(2.5)的汞含量偏高.ANOVA分析结果表明,PBM的季节变化规律为:秋季春季冬季夏季.春秋季节汞的质量浓度较高,这表明春秋季节嵊泗地区的汞可能受到外来输送的影响.此外,大气PM_(2.5)中不同形态汞的分析结果表明,惰性汞(RPM)的比例最高,占53.1%.OC、EC均与PBM显示出明显的正相关性,表明碳组分有利于汞的气-粒转化.由于OC/EC比值间接反映了大气光氧化能力的高低,而OC/EC与可溶盐酸汞(HPM)呈显著正相关,这说明高浓度HPM主要来自于大气中的气-粒转化.char-EC/soot-EC与形态汞呈现显著负相关,表明嵊泗地区的大气颗粒汞主要受外界源输入的影响.     

长三角典型站点冬季大气PM2.5中OC、EC污染特征

对2015年1月9日~2015年1月31日临安、南京和苏州3个站点采集的PM_(2.5)样品(共计279组),使用热光反射法(thermal/optical reflectance,TOR)分析了样品中有机碳(OC)与元素碳(EC)的含量,并研究了长三角地区冬季PM_(2.5)中OC和EC的污染特征.结果表明,采样期间临安、南京和苏州的PM_(2.5)平均质量浓度分别为(123.56±61.11)、(144.77±62.91)和(156.5±68.97)μg·m-3,均超过我国《环境空气质量标准》(GB 3095-2012)规定的PM_(2.5)日均值75μg·m-3;其中3个站点OC与EC的平均质量浓度依次分别为(21.93±11.69)/(6±3.6)、(20.32±10.3)/(5.39±3.07)和(27.08±14.35)/(6.4±4.29)μg·m-3.临安作为长三角大气环境背景点,OC与EC的污染也较为严重.3个站点OC与EC的相关性为临安(R2=0.83)、南京(R2=0.72)和苏州(R2=0.72),表明冬季长三角地区的碳质气溶胶的来源较为一致和稳定.3个站点样品中的OC/EC值均大于2.0,样品的OC/EC值主要分布在2.5~6.0这个区间内,表明燃煤源和机动车尾气排放源是OC与EC的主要来源.使用EC示踪法估算临安、南京和苏州3个站点的二次有机碳(SOC)平均质量浓度分别为(9.23±5.26)、(6.82±4.36)和(12.56±7.52)μg·m-3,在OC中占比为42%、34%和46%,表明SOC是OC的重要组成部分.后向轨迹显示,PM_(2.5)、OC和EC的质量浓度与主要气团的传输路径有较好的相关性,自空气质量较差区域气团的PM_(2.5)、OC和EC的质量浓度是来自空气质量较好区域的1.14~1.7倍、1.55~2.1倍和1.94~2.47倍.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

太原市PM2.5中有机碳和元素碳的污染特征

采集了太原市4个点位冬季和夏季PM2.5样品,利用元素分析仪测定了PM2.5中有机碳(OC)和元素碳(EC)的质量浓度,并对碳气溶胶污染水平、时空分布、二次有机碳(SOC)以及OC和EC相关性等特征进行了分析.结果表明,太原市冬季有机碳(OC)、元素碳(EC)平均质量浓度为22.3μg·m-3和18.3μg·m-3,夏季OC、EC平均质量浓度为13.1μg·m-3和9.8μg·m-3,冬季和夏季总碳气溶胶(TCA)占PM2.5的比例分别为56.6%和36.5%;各点位OC和EC质量浓度均呈现冬季夏季的季节特征,冬季OC、EC浓度呈现出较好的均一性,夏季OC、EC质量浓度存在较明显的空间分布差异;太原市SOC污染较轻;冬季OC、EC相关性较强,夏季OC、EC相关性差.     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_(2.5)和PM_(10)中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_(2.5)和PM_(10)进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_(2.5)和PM_(10)中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_(2.5)中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧源、扬尘源、机动车排放和工业源,贡献率分别为22.64%、 7.49%、 41.22%、 14.71%和13.94%.PM_(10)中元素来源主要有扬尘源、燃煤和铜冶炼的混合源、机动车排放和工业源,贡献率分别为55.47%、 19.80%、 7.48%和12.83%.由此可见,扬尘源和燃煤与铜冶炼的混合源是临沂市颗粒物污染形成过程中的重要源类.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

郴州市大气PM2.5碳组分污染特征及其来源分析

为研究郴州市PM_2.5中碳组分的污染特征及来源,于2016年7月-2017年4月分4个季度典型时段采集郴州市环境大气中的PM_2.5,测定了样品中OC（有机碳）和EC（元素碳）的质量浓度,对碳气溶胶污染水平、时空分布、SOC（二次有机碳）以及OC和EC相关性等特征进行了分析,并分析了碳组分的来源.结果表明:郴州市ρ（PM_2.5）年均值为（40.2±19.0）μg/m3,ρ（OC）、ρ（EC）占比分别为15.7%和7.2%;ρ（OC）与ρ（EC）相关性分析显示二者来源较为一致,但春季、夏季差异相对较大;ρ（SOC）全年估算值为1.84 μg/m3,占ρ（OC）的29.11%,夏季较高的温度和较低的相对湿度导致夏季ρ（SOC）的估算偏低.结合碳组分丰度分析、PCA（主成分分析）和PMF（正矩阵因子分解分析）结果发现,燃煤/道路尘、机动车排放和生物质燃烧对PM_2.5中TC（总碳）的影响最为明显,贡献率分别为49.25%~56.71%、19.79%~25.36%和9.35%~13.69%.反向轨迹聚类结果显示,广东珠三角区域的汽油车排放、道路尘和生物质燃烧对郴州市PM_2.5中碳组分有较大的影响,而燃煤和柴油车的贡献主要来源于本地.研究显示,郴州市PM_2.5中碳组分污染较为严重,应重点加强本地燃煤和柴油车的控制.