青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.      

HEPA空气净化器对学校室内颗粒物的净化效果研究

为了解HEPA（high efficiency particle air filter,高效空气过滤器）空气净化器在小学教室和寝室的净化效果,于2019年3—4月在北京市一所全寄宿小学开展了一项HEPA空气净化器的交叉干预研究.记录干预组、非干预组室内和室外PM_2.5、PM₁₀、PM₁的浓度,计算空气净化器的净化率;采用多元线性回归模型探索净化效果的影响因素.结果表明:①空气净化器对PM_2.5、PM₁₀、PM₁的净化率分别为41.3%〔Q_l~Q_u（下四分位数~上四分位数,下同）:0~53.1%〕、40.7%（10.5%~46.2%）和34.9%（9.6%~40.3%）,其中对PM_2.5的净化率最高;寝室的净化率高于教室的净化率.②当室外PM_2.5浓度为[115,150）μg/m3时对PM_2.5的净化率最高,为52.83%（50.26%~56.13%）,PM₁₀和PM₁亦有类似结果.③多元线性回归分析表明,室外PM_2.5浓度 < 35 μg/m3时,开门通风和室内人员活动分别使室内PM_2.5浓度下降3.73 μg/m3〔95%置信区间（95% CI）:（0.60 μg/m3,6.86 μg/m3）〕和升高3.4 μg/m3（0.22 μg/m3,6.58 μg/m3）;室外PM_2.5浓度为[35,150）μg/m3时,空气净化器使室内PM_2.5浓度下降33.36 μg/m3（16.47 μg/m3,50.25 μg/m3）;室外PM_2.5浓度≥150 μg/m3时,空气净化器和开门通风分别使室内PM_2.5浓度下降48.87 μg/m3（25.62 μg/m3,72.12 μg/m3）和升高37.65 μg/m3（5.60 μg/m3,69.69 μg/m3）.研究显示:空气净化器可同时降低室内PM_2.5、PM₁₀、PM₁的浓度;当室外PM_2.5浓度 < 35 μg/m3时,不需开启空气净化器;当室外PM_2.5浓度为[35,150）μg/m3时,空气净化器有较好的净化效果,偶尔开窗通风不影响空气净化器的净化效果;当室外PM_2.5浓度≥150 μg/m3时,开启空气净化器时应关闭门窗,以免影响其净化效果.      

北京交通环境PM10分布特征及重金属形态分析

以北京市西三环航天桥地区为对象,研究了城市交通环境大气可吸入颗粒物浓度及主要化学组成随时间和粒径的分布特征. 结果表明:该地区大气中ρ(PM₁₀)冬季略高于春季,秋季次之,夏季最低;颗粒物中ρ(PM_2.5)/ρ(PM₁₀)和ρ(PM_1.0)/ρ(PM₁₀)平均值分别为82.6%和70.3%;ρ(PM₁₀)与ρ(PM_2.5)和ρ(PM₁₀)与ρ(PM_1.0)之间均有显著的相关性. PM₁₀中金属元素浓度冬春季较高,夏秋季较低;Mg,Ca和Fe等地壳元素浓度随粒径的减小而降低,而Pb,Zn和Ni等重金属元素浓度总体上随粒径的减小而增加. 颗粒物中的Cr和Ni主要以有机物结合态存在,Cu,Zn和Cd主要以酸可提取态存在,Pb主要以酸可提取态和氧化物结合态存在;颗粒物中所含Cd和Zn元素的生物有效性最高. PM₁₀中水溶性ρ(SO₄2-)在夏季和冬季最高,秋季最低,而水溶性ρ(NO₃->/sup>)全年变化不大;［0.43～2.1 μm)粒径段颗粒物中的水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)较高,分别占PM₁₀中水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)总量的68.3%及57.6%;ρ(NO₃->/sup>)/ρ(SO₄2-)平均值为0.659.      

超大城市SO2排放对硫酸盐区域分布影响的观测与模拟

2002年8月14—24日在临安采集气溶胶样品,对气溶胶质往往w量和离子成分的尺度分布进行分析.结果表明:SO₄2-主要集中在粒径<2.1 μm的细粒子中,约占所有尺度段上SO42-质量总和的94%;细粒子(PM_2.1)中,ρ(SO₄2-)和ρ(NH₄+)最高,二者之和占所分析离子质量浓度总和的89%. 利用公共多尺度空气质量模式(CMAQ)的过程分析对影响硫酸盐气溶胶分布特征的主要因子进行定量评估,结果表明:经过云内液相氧化和湿清除形成硫酸盐气溶胶的速率为0.19 μg/(m3·h),其对硫酸盐气溶胶的贡献最大;SO₂液相氧化反应中速率最大的是H₂O₂〔5.26 μg/(m3·h)〕,其次是O₂〔4.14 μg/(m3·h)〕和O₃〔1.56 μg/(m3·h)〕. 模拟分析证明,采样期间研究区域SO₄2-主要是由上海及其以南的浙江沿海一带通过SO₂云内与H₂O₂和O₂的液相氧化反应生成. 通过模式敏感性试验发现,在个例的风场配置下,上海排放的SO₂对临安地区的SO₂和硫酸盐的贡献率分别达15%和22%.      

北京市PM2.5中类腐殖质的生物氧化应激效应初探

为研究细颗粒物(PM_2.5)中类腐殖质(humic-like substances, HULIS)的生物氧化应激效应,对北京市区和郊区不同季节大气PM_2.5及其中碳质组分和金属元素浓度进行测定,并以大鼠肺泡巨噬细胞(NR8383)作为细胞模型,分析PM_2.5及其重要组分诱导产生内源性ROS的能力,研究了PM_2.5中HULIS对诱导产生内源性ROS的贡献. 结果表明:①冬季PM_2.5中碳质组分浓度及内源性ROS浓度(单位为μg zymosan/m3,以酵母聚糖(zymosan)表征的单位体积空气中内源性ROS的浓度)明显高于夏季,但夏季PM_2.5具有更高的生物氧化潜力(单位为μg zymosan/mg PM,以酵母聚糖(zymosan)表征的单位质量颗粒物的生物氧化潜力). ②PM_2.5中碳质组分和一些金属元素浓度均与PM_2.5生成的内源性ROS浓度之间具有较高的相关性. ③HULIS单独诱导生成的内源性ROS浓度也呈冬季〔市区和郊区分别为(55.46±22.69) (43.27±23.89) μg zymosan/m3〕高于夏季〔市区和郊区分别为(18.73±11.94) (7.88±3.63) μg zymosan/m3〕的特征. 在北京市区和郊区两个采样点,由HULIS单独诱导生成的内源性ROS浓度与PM_2.5诱导生成的总内源性ROS浓度之间具有较好的相关性. 研究显示,HULIS是PM_2.5中诱导ROS生成的关键组分,在北京市区和郊区两个采样点HULIS对PM_2.5诱导的内源性ROS的贡献率分别为42%和37%.      

生活垃圾填埋场细菌气溶胶分布及职业暴露风险评估

为探究生活垃圾填埋场细菌气溶胶分布以及场区员工的职业暴露风险,在西安市某垃圾填埋场的6个功能区测定和分析了细菌气溶胶浓度、粒径分布和细菌活性,并运用风险商法评估场区员工的职业暴露风险.结果表明,生活垃圾填埋场细菌气溶胶浓度最高和最低值分别为渗滤液收集区（（5381±3875）CFU·m^-3）和生活办公区（（1227±204）CFU·m^-3）,不同季节细菌气溶胶浓度变化为：夏季 > 秋季 > 冬季 > 春季.各采样点位于0.65~1.1 μm的细菌气溶胶浓度最低,小粒径细菌气溶胶比重由春季到冬季逐渐增大,各采样点细菌气溶胶的平均中值粒径均小于5.0 μm.流式细胞术分析结果显示,冬季不同采样点细菌气溶胶中活菌占比为74%~83%.细菌气溶胶职业暴露风险商均小于1,不同季节的暴露风险大小为夏季 > 秋季 > 冬季 > 春季,成年男性的职业暴露风险大于成年女性.     

气象因素对北京市大气颗粒物浓度影响的非参数分析

利用2005年9月—2006年9月北京市大气颗粒物分级(不同粒径)监测资料和同期分时段气象观测数据,采用非参数分析(Spearman秩相关系数)法对北京市3种粒径大气颗粒物在不同季节的浓度水平与气象因素的影响进行了研究.结果表明:不同季节影响颗粒物质量浓度的气象因素各不相同;春季ρ(PM_2.5),ρ(PM2.5～10)和ρ(PM₁₀₎都与气压呈显著负相关;夏季颗粒物质量浓度受降水影响很大;秋、冬季ρ(PM_2.5)和ρ(PM₁₀₎均与日照时数呈显著负相关;冬季ρ(PM_2.5),ρ(PM_2.5～10)和ρ(PM10)均与平均风速呈显著负相关,与气温、相对湿度呈显著正相关. 细粒子和粗粒子质量浓度对气象因素变化的响应程度也有较大区别. 春、夏季地面平均风速对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随风速增加而增大;秋季日照时数对细粒子质量浓度的影响比粗粒子更显著,ρ(PM_2.5)/ρ(PM₁₀₎随日照时数增加而减小;冬季相对湿度对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随相对湿度增加而减小.      

重庆市主城区不同粒径颗粒物水溶性无机组分特征

于2010年3月—2011年7月,在重庆市主城区同步采集PM_1.0、PM_2.5和PM₁₀三种粒径的颗粒物样品. 用离子色谱分析了样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+和Ca2+ 9种水溶性无机组分,并收集了SO₂和NO₂等气体污染物的数据. 结果表明:采样期间ρ(PM_1.0)、ρ(PM_2.5)和ρ(PM₁₀)分别为82.9、104和160 μg/m3,PM_1.0、PM_2.5、PM₁₀中所测9种水溶性无机组分的浓度之和分别为40.82、48.66和57.99 μg/m3. ρ(SO₄2-)、ρ(NO₃-)和ρ(NH₄+)相对较高,并且主要分布在细颗粒物中. 多数水溶性无机组分浓度冬季最高,春季其次,夏、秋季浓度偏低. 所测组分溶液的pH显酸性,冬季样品的pH最低,细粒子的酸性要强于粗粒子. SOR(硫的氧化率)与NOR(氮的氧化率)与国内其他地区相比较高,SOR秋季最高,NOR冬季最高. 因子分析结果表明,化石燃料以及生物质的燃烧、机动车尾气排放是水溶性无机组分的主要来源,建筑施工、土壤风沙等扬尘类污染源对水溶性无机组分也有一定的贡献.      

西安市春季生物气溶胶的分布特征和健康影响

西安春季经常出现大量飞絮,易造成空气污染并引发居民哮喘等健康风险.采集西安市春季不同观测点(交通样点和校园样点)生物气溶胶、 PM_2.5和飞絮样品,通过恒温培养和高通量测序等方法研究可培养生物气溶胶的浓度变化、粒径分布,PM_2.5和飞絮携带的微生物的来源、群落结构和健康影响.结果表明,可培养细菌浓度在交通样点高于校园样点(P=0.027);交通样点可培养细菌浓度为真菌的2.7倍,而校园样点可培养真菌浓度高于细菌(1.4倍).可培养细菌和真菌日内最高浓度均出现在08:00;可培养细菌粒径呈双峰分布,真菌为单峰分布.土壤和植被是大气微生物的主要来源(占比85.9%),变形菌门(Proteobacteria)是飞絮和PM_2.5中共有的、丰度最高的菌门,在飞絮中占比达到91.3%(交通样点)和99.1%(校园样点);在PM_2.5样品中放线菌门(Actinobacteria)、厚壁菌门(Firmicutes)、拟杆菌门(Bacteroidetes)、蓝藻门(Cyanobacteria)和异常球菌-栖热菌门(D...     

浙江省大气颗粒物PM2.5化学组分污染特征分析

为探究浙江省城市大气颗粒物的组分污染特征,基于2019年10月1日至2020年9月30日浙江省内11个点位4个区域的手工采样监测数据,分析了浙江省PM_2.5组分不同区域不同季节的污染特征.结果表明,采样期内浙江省各地区ρ(PM_2.5)平均值范围为34.3～46.4μg·m^-3,其中浙西和浙北内陆地区PM_2.5浓度相对较高,分别高出均值15.1%和13.2%,浙东和浙南沿海地区PM_2.5浓度相对较低,分别低于均值8.4%和14.9%.季节性特征呈现秋季和冬季较高,夏季最低,空间分布来看,浙南地区的PM_2.5浓度春季、秋季和冬季季节变化不明显,浙西地区为：秋季>冬季>春季>夏季,浙北和浙东地区均呈现冬季>秋季>春季>夏季的季节变化特征.内陆地区采样期内,风景名胜区、行政区、居民区和商业交通居民混合区的ρ(PM_2.5)分别为：(40.2±10.2)、(46.3±9.6)、(50.1±10.6)和(46.7...     

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

京津冀及周边民用散煤燃烧控制对北京市PM2.5的影响

为评估京津冀及周边“2+26”城市农村居民面源污染控制成效,揭示其对北京市秋冬季重污染天气PM_2.5污染的改善作用,及其对PM_2.5组分硫酸盐形成机制的影响,采用空气质量模型对北京市2018—2019年秋冬季5次重污染事件进行了模拟. 结果表明:①在“2+26”城市平原地区民用散煤削减90%的控制情景下,区域PM_2.5浓度最大值由324 μg/m3降至251 μg/m3,下降了23%. 北京市城区PM_2.5浓度由139 μg/m3降至124 μg/m3,下降了11%;同时,北京市城区SO₂、硫酸盐浓度分别降至6.2、14.9 μg/m3,分别下降了45%、24%. ②农村居民面源污染控制前北京市硫酸盐浓度的正贡献来源主要受水平平流输送过程影响,控制后水平平流输送过程仍起主导作用,但该过程在水平平流输送、垂直平流输送、水平扩散、垂直扩散这4个物理过程中的绝对重要性上升了2%;此外,农村居民面源污染控制后垂直扩散清除过程对硫酸盐浓度的贡献下降了33%,气溶胶二次转化过程的贡献下降了25%,但SO₂向硫酸盐转化的速率加快,其小时转化率上升了1.44%. ③ISAM源解析方法结果表明,控制情景下区域工业过程是影响北京市SO₂浓度的最主要行业源因素,平均贡献率为65%,硫酸盐工业过程源的平均贡献率为82%. 区域来源分析表明,北京市SO₂来源主要为外地源输送,硫酸盐主要来源与SO₂一致,其中河北省贡献较大,其对SO₂、硫酸盐的平均贡献率分别达43%、40%. 研究显示,控制情景下污染期间北京市PM_2.5污染改善,且污染物浓度、形成过程和来源贡献均发生明显变化.      

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。     

基于典型站位AERONET数据气溶胶类型分析

气溶胶是影响大气环境的重要因素,气溶胶光学厚度（AOD）是气溶胶的重要光学特征参数之一,气溶胶类型分析可以对区域大气研究提供科学依据.基于2015年12月—2019年11月AERONET数据选取的11个典型站位不同波段的AOD进行层次聚类分析,将所选站位最终划分为北京、沿海、太湖、西藏4个区域.然后基于图形分类法划分为6种气溶胶类型（清洁、沙漠粉尘、大陆、次大陆、城市工业和生物质燃烧型）.北京区域主要的气溶胶类型为城市工业型和大陆型,其中冬季主要为大陆型和清洁型、春季为大陆型和城市工业型、夏季和秋季主要为城市工业型气溶胶;沿海区域主要的气溶胶类型为大陆型气溶胶,其中冬、夏和秋季主要为大陆型和清洁型、春季主要为城市工业型和大陆型气溶胶;太湖区域城市工业型气溶胶占比最多,为41.96%,冬、春和夏季主要为城市工业型气溶胶,秋季主要为大陆型气溶胶;西藏区域清洁型气溶胶占比为80.53%,春夏秋冬四季以清洁型气溶胶为主.     

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

基于在线监测的南京仙林PM2.5组分特征与来源解析

为了研究南京市PM_2.5的污染特征及来源贡献,于2018年3月至2019年2月在南京仙林地区进行PM_2.5组分的在线监测,运用PMF和CMB受体模型,开展PM_2.5的来源解析.结果表明,观测期间南京市PM_2.5平均质量浓度为54.3μg/m³,其中冬季平均浓度76.4μg/m³.PM_2.5的主要组分为NO₃^-（21.3%~30.8%）、SO₄^2-（18.9%~23.5%）、NH₄⁺（14.3%~16.2%）.从全年平均来看,PMF模型得到的PM_2.5解析结果为：二次无机气溶胶（54.9%）、燃煤源（17.4%）、二次有机气溶胶（7.4%）、机动车排放源（7.1%）、工业源（4.9%）、扬尘源（4.8%）、其他源（3.4%）;CMB模型得到的PM_2.5解析结果为：硝酸盐（33.0%）、硫酸盐（24.0%）、燃煤源（16.4%）、机动车排放源（8.4%）、二次有机气溶胶（7.1%）、扬尘源（5.7%）、其他源（2.9%）、工业源（2.4%）.不同季节PM_2.5来源有所差异,夏冬季二次无机气溶胶占比大于春秋季,春冬季燃煤占比最大,二次有机气溶胶在秋季占比最大.结合2017年南京市大气污染源排放清单,对二次气溶胶贡献进行再解析,得到南京仙林地区PM_2.5主要贡献来自燃煤源（PMF：34.14%,CMB：33.82%）,机动车排放源（PMF：27.33%,CMB：29.33%）以及工业源（PMF：26.76%,CMB：24.77%）.可见,影响南京仙林地区PM_2.5的污染源主要来自燃煤源、机动车排放源和工业源,基于在线组分监测、利用PMF和CMB模型得到的PM_2.5源解析结果具有较好的一致性.     

广州地区不同粒径段大气颗粒物中水溶性有机碳的吸光贡献

对广州地区春季（2015年3~4月）、夏季（2015年6~7月）、秋季（2015年9~10月）、冬季（2015年12月~2016年1月）四个季节6个粒径段（<0.49、0.49~0.95、0.95~1.5、1.5~3.0、3.0~7.2以及7.2~10.0μm）的大气颗粒物样品中水溶性有机碳（WSOC）的浓度和光学性质等变化特征进行了研究.结果表明,WSOC的浓度水平呈现冬季[（5.07±2.80）μg/m³]>秋季[（3.87±1.51）μg/m³]>春季[（3.60±1.16）μg/m³]>夏季[（2.42±0.51）μg/m³]的季节变化特征;WSOC的质量平均直径（MMD）为0.57μm （春）、0.42μm （夏）、0.49μm （秋）和0.56μm （冬）.WSOC的质量吸收效率MAE₃₆₅差异较大,分布在0.18~1.42m²/g之间,冬季最高;吸收波长指数AAE值分布在3.6~9.8之间.细颗粒物（<3μm）中WSOC对PM₁₀WSOC总吸光的贡献达到了90%以上,其中<0.49μm颗粒物的贡献超过50%.在300~500nm之间,春季、夏季、秋季和冬季WSOC对颗粒物总吸光比例平均值分别为5.23%、2.95%、3.04%和6.92%;其中<0.49μm粒径段的贡献最高,分别为3.11%、1.79%、1.65%和3.45%.进一步通过特征紫外吸光度SUVA值的分析表明芳香性和分子量可能是影响WSOC吸光能力的重要因素.粒径越小颗粒物含有越多的不饱和键,使得MAE₃₆₅值较高.     

2002年春季沙尘暴对青岛大气气溶胶的影响

根据TSP,PM10,分级粒子质量浓度观测资料,分析了2002年春季发生于我国北方的2次沙尘天气过程对青岛大气环境的影响.在3月15-19日和21-23日的2次沙尘天气过程中TSP质量浓度分别为0.488和0.721 mg/m\+3,比平时增加了2.8和4.1倍.沙尘天气期间2～7 μm粒子为影响青岛的主要成分,在第2次沙尘暴期间该粒径的粒子质量浓度增加了30倍,其中2.1～3.3 μm粒子质量浓度达到0.13 mg/m\+3.根据地面气象资料和PM10连续监测资料发现,在地面风向转北之前,高空气流携带的沙尘首先影响到青岛.