广州城区黑碳气溶胶吸光增强特性研究

本研究运用最小相关系数法（MRS）,使用元素碳（EC）作为示踪物,得到一次排放的质量吸光效率（MAE_p）,结合黑碳仪（AE33）和有机碳/元素碳分析仪获得实测的质量吸光效率MAE_t,进而通过MAE_t/MAE_p的比值得出吸光增强系数（E_abs）.采样站点位于广州市城区暨南大学大气超级监测站,采样时间涵盖了干季（2019年1月26日~3月31日）和湿季（2018年5月1日~7月31日）.对广州市城区的黑碳气溶胶及其光学特征进行分析,EC在干季的平均浓度（1.93±1.38）μgC/m³高于湿季（1.46±0.75）μgC/m³,而E_abs520在干季的均值（1.26±0.34）低于湿季（1.63±0.55）.E_abs520在干湿季的日变化差异明显,但有机碳（OC）、EC、OC/EC、波长指数（AAE_470-660）均为干季高于湿季.分析发现气溶胶负载补偿参数k值与E_abs520在湿季呈现出较好的相关性,而在干季相关性较差,可能与生物质燃烧的影响有关;探讨了O₃、NO₂和SOC/OC对E_abs520的影响,在干季O₃与E_abs520的相关性较差（R²=0.21）,在湿季较好（R²=0.46）,SOC/OC却展现出了相反的关系,而NO₂在干季和湿季与E_abs520的相关性都较差（R²=0.01）,并发现温度对E_abs520存在一定的影响.通过后向轨迹聚类分析发现,长距离传输气团的的黑碳E_abs520值较高.     

地壳元素铁的吸光贡献对黑碳吸光增强估算的影响——以武汉为例

传统方法使用固定的波长吸收指数来估算地壳元素或棕碳吸光,但该方法只能处理仅存在两种组分的情形(黑碳/棕碳,或黑碳/地壳元素)的吸光贡献,存在较大不确定性.为此,本文提出一种新的方法,利用武汉在线观测数据(2021年2、3、8、9月),采用铁作为地壳元素的示踪物,利用最小相关系数法(MRS)得出地壳元素的吸光贡献,在扣除地壳元素吸光之后,再得到黑碳吸光增强系数(E_abs).结果显示观测期间370nm波段地壳元素吸光贡献均值为12.3%,月均值范围5.7%~15.5%,且波长吸收指数与铁的浓度正相关,表明地壳元素吸光贡献不可忽视.地壳元素吸光贡献呈现出显著的季节特征,呈现出冬季低,春季高的特点.地壳元素吸光的分离前后计算的E_abs存在一定的差异,受到了黑碳和铁的相关性的影响.观测期间扣除地壳元素吸光后,E_abs均值为1.43±0.53,在季节性上呈现春夏高,秋冬低的特性,春季较高E_abs值与春季黑碳较高的老化程度有关.E_abs对无机盐和有机物的含量存在正的依赖关系,证明了这些包裹物质对吸光增强的影响.     

南京冬夏硫酸盐和硝酸盐对黑碳混合态的影响

采用单颗粒黑碳光度计（SP2）结合MARGA在线分析仪对南京地区冬季和夏季黑碳（BC）的质量浓度,以及硫酸盐,硝酸盐对其混合状态的影响进行了研究.结果表明,冬季和夏季南京地区BC质量浓度分别在1.01~14.5μg/m³和0.20~3.81μg/m³之间,均值分别为（4.39±2.66）μg/m³和（1.67±0.76）μg/m³,均呈现早晚高值的双峰型日变化特征.运用相对包裹层厚度D_p/D_c表示BC混合状态,冬季和夏季D_p/D_c分别在1.39~2.34和1.03~1.45之间,均值分别（1.81±0.21）和（1.24±0.08）,D_p/D_c日变化特征与BC相反,冬季D_p/D_c日变化幅度较大.冬季D_p/D_c与SO₄^2-和NO₃^-的相关性较好,D_p/D_c与NO₃^-的相关性高于其与SO₄^2-的相关性,夏季则相反.冬季清洁时期BC以本地源排放为主,其混合状态受硫酸盐和硝酸盐影响较高,冬季重污染时期,受排放源以及区域传输的影响,D_p/D_c与SO₄^2-和NO₃^-的相关性较低.     

盘锦市夏冬季PM2.5中碳组分污染特征及来源分析

于2016年7月和2017年1月采集盘锦市3个点位的PM_2.5样品,研究盘锦市夏冬季节PM_2.5中碳组分的特征与来源.结果表明：盘锦市夏季PM_2.5、有机碳（OC）和元素碳（EC）日均浓度分别为（46.14±12.70）,（8.58±2.82）和（2.89±1.54）μg/m³;冬季分别为（91.01±43.51）,（24.50±15.51）和（7.31±5.00）μg/m³.夏季开发区和第二中学2个采样点的OC与EC之间不具有线性相关性;冬季3个采样点OC、EC高度相关.采用最小相关系数法（MRS）估算SOC浓度,得到夏季SOC的浓度为4.65μg/m³,占OC总量的54.19%;冬季SOC浓度为8.42μg/m³,占OC总量的34.36%.通过比值分析和主成分分析得出盘锦市夏季PM_2.5中碳组分主要来源为汽油车尾气和燃煤排放;冬季PM_2.5中碳组分主要来源为机动车尾气、燃煤排放和生物质燃烧.     

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.     

2015~2019年南京北郊碳质气溶胶组成变化

碳质气溶胶是大气细颗粒物的重要组成,对空气质量、人体健康和气候变化有着重要影响.为了探究碳质气溶胶在减排背景下的长期变化,本研究测定了南京北郊5 a（2014年12月17日至2020年1月5日） PM_2.5样品的有机碳（OC）和元素碳（EC）浓度.结果表明,ρ（OC）和ρ（EC）5a平均值分别为（10.2±5.3）μg·m^-3和（1.6±1.1）μg·m^-3,其中OC占PM_2.5的31.1%,EC占PM_2.5的5.2%.OC和EC均呈现出冬高夏低的季节特征.通过非参数的Mann-Kendall检验和Sen’s斜率发现,OC和PM_2.5的浓度整体呈显著下降趋势[OC:P<0.000 1,-0.79μg·（m³·a）^-1,-0.29%·a^-1; PM_2.5:P<0.000 1,-4.59μg·（m³·a）^-1,-1.5...     

深圳市城区和郊区黑碳气溶胶对比研究

为了解深圳地区黑碳气溶胶（BC）的污染特征,使用深圳市西涌（XC）站点（郊区）和竹子林（ZZL）站点（城区）2014年1月1日~2015年6月30日测得的BC浓度及常规气象资料,对比研究了深圳地区两个不同代表性站点的BC变化特征.结果表明：在观测期间,郊区XC和城区ZZL站点BC小时平均浓度分别为（1.12±0.90）,（2.58±2.00）μg/m³,本底浓度分别为（0.27±1.31）,（1.07±0.85）μg/m³,气溶胶吸收系数σ_abs分别为（5.87±4.81）,（13.47±10.50） Mm^-1,城区站点值均高于郊区站点.两站点BC浓度分布均为对数正态分布,且都呈现干季高、湿季低的季节变化特点.日变化分析表明ZZL站点BC浓度呈现明显的双峰结构,XC站点日变化不明显.通过计算两地的气溶胶波长吸收指数AAE值,发现两地AAE值均接近1,说明两地BC污染主要来源于化石燃料的燃烧.进一步分析可知XC站点西北方向32km处是世界第三大集装箱码头,当西北风达到一定程度时（10~20m/s）,码头排放的污染物将严重影响XC站点的BC浓度.后向轨迹聚类分析结果表明,XC站点主要受中远距离输送影响,ZZL站点主要受周边及本地污染源排放影响.     

国庆期间南岭背景大气中PAN的浓度特征与来源

为了评估华南地区国庆期间频发的大范围区域光化学污染事件对华南背景大气的影响,2018年国庆节前后（9月19日~10月19日）,在广东南岭国家大气背景站对光化学污染的代表产物过氧乙酰硝酸酯（PAN）开展了连续在线观测,并对PAN的浓度特征和来源进行了分析.结果表明,研究期间南岭PAN的平均体积浓度为（0.66±0.54）×10^-9,最大值为2.33×10^-9,显著高于国内外其他背景站点（（0.21~0.44）×10^-9）,且PAN的夜间浓度一直维持在较高的水平;PAN和O₃（r=0.90）、NO₂（r=0.87）的相关性较强,通过PAN和O₃的线性拟合估算出O₃的大气背景体积浓度为（46.22±0.65）×10^-9,表明南岭光化学反应十分活跃;受区域光化学污染事件的影响,国庆期间南岭PAN的浓度显著升高,达到（1.18±0.45）×10^-9,而同期NO/NO₂比值降低,导致PAN大气寿命延长,有利于PAN的本地累积;结合气团后向轨迹,潜在源贡献分布以及前体物NO₂的全国分布特征分析,发现国庆期间高浓度PAN主要来自湖南,湖北、河南、江西等华中地区.     

泰山夏季PM2.5中生物源SOA的分子组成及影响因素

为探究泰山夏季PM_2.5中生物源二次有机气溶胶（BSOA）的分子组成、昼夜变化特征、及影响因素,于2016年7~8月在泰山山顶进行PM_2.5样品采集,并对碳质组分、无机离子和BSOA示踪物进行分析.结果表明,元素碳（EC）和左旋葡聚糖质量浓度处于较低水平且昼夜差异较小（t检验,P < 0.05）,表明采样期间泰山山顶气溶胶受人为污染排放的影响较小.BSOA示踪物的总质量浓度呈昼高夜低的变化特征,表明白天较强的温度和太阳辐射使得气溶胶的氧化程度比夜间强.其中,异戊二烯类SOA示踪物的质量浓度最高达（77.64±51.79）ng/m³,其次为单萜烯类和倍半萜烯类SOA示踪物,分别为（33.68±21.29）和（6.97±3.28）ng/m³.基于示踪物-产率法估算得出SOC_异戊二烯对有机碳（OC）的贡献率（15.3%）最高.由BSOA示踪物与RH（R￡-0.45）和pH_is（R￡-0.53）的负相关性可知,高湿条件可以降低气溶胶的酸度进而抑制BSOA通过酸催化氧化反应的形成.由BSOA与温度和人为源指示物（左旋葡聚糖和EC）的相关性分析得出,采样期间泰山地区BSOA主要受当地BVOCs氧化反应的影响,而受长距离传输人为污染源的影响较小.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

黄石市大气二氧化氮健康效应与人群暴露风险

为揭示黄石市二氧化氮(NO₂)的健康效应和人群暴露风险特征,收集2015～2020年黄石市NO₂浓度、非意外死亡、呼吸系统和循环系统疾病每日死亡人数、内科疾病每日住院人数以及气象要素等资料,探究了黄石市NO₂时空变化,采用时间序列的半参数广义相加模型(GAM)定量评价NO₂对黄石市死亡病例和内科住院病例人数的影响,并对居民的暴露风险(R*)进行评估.结果表明:黄石市NO₂的浓度年内变化呈“U”型,春冬污染较严重,人群密集和工业区NO₂浓度稍高.在最佳滞后时间下,NO₂浓度每增加10μg/m³,非意外死亡、呼吸系统和循环系统病例的死亡人数在lag01、lag3、lag1时达到最大,增加百分比(ER)值分别为1.93%(95%CI:-2.10,6.14),2.13%(95%CI:-6.56,11.62),4.82%(95%CI:-0.22,10.02),内科疾病每日住院人数在lag05时达到最大,增加百分比(IP)值...     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.     

不同电导率盐碱土壤固碳潜力

采集内蒙古河套灌区盐碱土壤(电导率EC为0.27mS/cm),利用NaCl调节土壤电导率为(0,10,20,40,80mS/cm),基于稳定碳同位素分析不同电导率土壤添加定量δ¹³C-CO₂后,土壤CO₂吸收量以及土壤难溶性无机碳含量(SIC)-δ¹³C值.结果表明,盐碱土壤能够吸收CO₂,随土壤电导率(EC)升高,土壤CO₂累积吸收量增加, S5(EC=80mS/cm) CO₂累积吸收量比S1(0.27mS/cm)高1.6640mg.土壤SIC含量(R²=0.7080,P<0.05)和土壤可溶性无机碳含量(DIC)(R²=0.6096,P<0.05)与土壤EC显著负相关关系.盐碱土壤吸收CO₂部分固存于土壤无机碳中,外源添加δ¹³C-CO₂,盐碱土壤SIC-δ¹³C值(-5.299‰ ~ -0.8341‰)显著增加.EC为20mS/cm土壤固相保存δ¹³C-CO₂总量最高1.276mg,固存δ¹³C-CO₂总量占土壤吸收¹³CO₂总量比例30.28%最高;EC为80mS/cm固碳量最低为0.2749mg,固存δ¹³C-CO₂总量占土壤吸收¹³CO₂总量比例5.579%.     

基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

2016~2018年采暖季太行山沿线城市PM2.5污染特征分析

对2016年、2017年采暖季太行山沿线传输通道城市大气中PM_2.5的OC、EC和水溶性离子进行分析,并利用特征组分比值和元素富集因子变化研究该传输通道的污染特征.结果表明,2017年采暖季通道整体较2016年同期空气质量改善良好,PM_2.5浓度由2016年的171.86μg/m³下降为123.90μg/m³.太行山中部城市2017年采暖季较2016年同期PM_2.5浓度下降显著,2a采暖季SNA离子（SO^2-,NO₃^-,NH₄⁺ 3种离子总称）浓度与占比呈现"北低南高",加之SNA/EC比值"北低南高",表明南部城市二次无机生成较为严重.而OC、EC浓度与占比呈现"北高南低",Cl^-/K⁺比值和元素Zn、Ba的富集因子北部均高于南部,表明北部城市可能受燃煤和机动车源等一次排放影响较大;各城市2017年采暖季SO₂、NO₂、CO浓度有所下降,且均呈现"北高南低"趋势,进一步表明北部城市一次排放较为严重.     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

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.     

成都碳质气溶胶变化特征及二次有机碳的估算

利用2020年6月~2021年5月在成都市观测的碳质气溶胶小时分辨率数据,分析了气溶胶中总碳(TC)、有机碳(OC)、元素碳(EC)和二次有机碳(SOC)的变化特征.结果表明:观测期间m(TC)、m(OC)、m(EC)和r(OC/EC)的年均值分别为(9.5±4.4)μg/m³,(6.4±3.2)μg/m³,(3.2±1.1)μg/m³,2.2±0.5.成都m(TC)、m (OC)、m (EC)均表现冬为季最高((15.8±8.2),(11.1±5.8),(4.6±2.5)μg/m³),春秋次之,夏季最低((6.1±0.9),(4.5±2.0),(2.7±1.4)μg/m³)的特征.r(OC/EC)季节均值(1.9~2.6)以及四个季节的m(TC)、m(OC)、m(EC)呈现早(07:00~09:00)晚(22:00~01:00)“双峰”的日变化特征,表明机动车排放源对成都碳质气溶胶的影响较大.春夏季OC与EC的相关性小于秋冬季,表明春夏季OC、EC来源差异较大.由EC示踪法和最小相关性法得到m(SOC),r(SOC/OC)在夏季最大(40.4%),冬季最小(27.3%).春、夏季SOC与O₃呈显著正相关,表明较强的光化学反应对SOC生成有重要贡献.选取各季节连续高m(TC)时段与季节平均作对比,发现碳质气溶胶有明显夜间积累过程,夏季高浓度时段二次生成使得m(OC)增长显著高于m(EC),r(OC/EC)也迅速上升.