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.     

盘锦市秋季PM2.5水溶性离子特征及来源分析

为研究盘锦市秋季PM_(2.5)中水溶性离子污染特征及来源,于2016年10月在盘锦市开发区、文化公园和第二中学采集PM_(2.5)样品,用离子色谱分析其水溶性离子.同时,分析了PM_(2.5)及水溶性离子浓度特征,并通过离子平衡计算、相关性分析和聚类分析对其污染特征和来源进行研究.结果表明:盘锦市秋季PM_(2.5)平均质量浓度为(52.71±19.44)μg·m~(-3),低于环境空气质量标准(GB 3095—2012)日均浓度限值(75μg·m~(-3)),不同点位之间表现为:开发区第二中学文化公园.开发区、文化公园和第二中学的水溶性离子总质量浓度分别为13.64、13.16和13.19μg·m~(-3),分别占PM_(2.5)浓度的22.83%、29.72%和24.36%,各点位均表现为NO~-_3、SO■和NH~+_4质量浓度较大.阴阳离子当量比值(AE/CE)均大于1,表明采样期间盘锦市颗粒物整体偏酸性.离子间相关关系分析显示,SNA的主要存在形式为(NH_4)_2SO_4、NH_4NO_3和KNO_3等.NO~-_3/SO■的均值为1.41,说明移动源对PM_(2.5)的贡献大于固定源.通过聚类分析得出,盘锦市秋季PM_(2.5)中水溶性离子主要来源于气态污染物的二次转化、生物质和化石燃料燃烧及土壤扬尘或建筑扬尘排放.     

典型物流城市2016年冬季2次污染过程PM2.5污染特征及来源解析

为研究典型物流城市临沂市冬季重污染天气过程中PM_(2.5)化学组分特征,探讨污染成因,于2016年12月～2017年1月在6个采样点连续采集28 d的PM_(2.5)样品,并对其离子、元素、碳组分进行分析.采样期间PM_(2.5)质量浓度均值(145. 2±87. 8)μg·m~(-3),日均值超标率为82%; 2次污染过程中PM_(2.5)均值浓度分别为(187. 3±79. 8)μg·m~(-3)和(205. 3±92. 0)μg·m~(-3),为《环境空气质量标准》(GB 3095-2012)年均二级标准的5. 4和5. 9倍.化学组分质量重构结果显示二次无机离子(SNA)是冬季PM_(2.5)的主要组分(所占质量分数为51. 2%),其次为有机物OM(23. 8%),再次为矿物尘MIN(12. 7%).结合污染过程中化学组分的变化趋势和累积速率发现,第1个污染过程中SNA和OM是引起PM_(2.5)浓度增加的原因之一,第2个污染过程中SNA是导致污染的主因,硫氧化率(SOR)、氮氧化率(NOR)和OC/EC比值的日均变化趋势进一步验证了该结论. PMF源解析结果表明,临沂市冬季大气PM_(2.5)的首要源类为二次颗粒物和生物质燃烧混合源(分担率50. 0%),其次为燃煤源(16. 8%)、机动车(12. 9%)和城市扬尘(10. 0%),再次为工业源(5. 3%)和土壤尘(5. 0%). 2次污染过程中二次颗粒物的贡献较之冬季平均有明显增加,说明不利气象条件下二次颗粒物的生成、累积是导致重污染期形成的主因.     

成都冬季PM2.5化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM_(2.5)进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度.观测期间,PM_(2.5)的平均质量浓度为(127.1±59.9)μg·m~(-3);总水溶性离子的质量浓度为(56.5±25.7)μg·m~(-3),其中SO2-4、NO-3和NH+4是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m~(-3),一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m~(-3)和6.1μg·m~(-3),分别占PM_(2.5)质量浓度的26.8%和4.8%.昼夜污染对比显示,PM_(2.5)白天和夜晚质量浓度分别为(120.4±56.4)μg·m~(-3)和(133.8±64.0)μg·m~(-3),夜间污染更为严重.SO2-4、NO-3和NH+4白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响.通过对近年来成都冬季PM_(2.5)化学组分的研究进行文献总结和比较后发现,SO2-4浓度显著降低,从2010年的50.6μg·m~(-3)降低到2017年的13.6μg·m~(-3);而NO-3浓度变化不大,维持在20μg·m~(-3)左右.PM_(2.5)中离子酸碱平衡分析表明,成都冬季PM_(2.5)由于NH+4的相对过剩而呈现出碱性,与以往呈偏酸性结果存在差异.对成都冬季NO-3/SO2-4的比值进行计算,NO-3/SO2-4平均值为1.57,表明移动源对PM_(2.5)污染影响更大.OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性.SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m~(-3)和11.9μg·m~(-3),占到OC的28.1%和31.8%.K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响.主成分分析表明,成都冬季PM_(2.5)主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%.     

成都夏冬季PM2.5中水溶性无机离子污染特征

利用大气细颗粒物水溶性组分及气态前体物在线监测设备(GAC-IC)对成都市2017年夏、冬两季大气PM_(2.5)中水溶性无机离子(WSIIs)及气态前体物进行了连续观测,对其污染特征及冬季一次典型污染过程进行了深入分析.结果表明,成都冬季PM_(2.5)质量浓度为100.2μg·m~(-3),显著高于夏季(34.0μg·m~(-3)).WSIIs是PM_(2.5)的重要组成,对夏、冬季PM_(2.5)的贡献分别可达52.9%和53.3%.夏、冬季的二次离子(SNA)占WSIIs的比例分别为73.2%和87.6%,其中,SO_4~(2-)和NO~-_3分别是夏、冬季SNA的主导组分,对SNA的贡献分别为37.7%和59.7%.冬季NO~-_3/SO_4~(2-)比值(2.7)显著高于夏季(0.8),体现了移动源(尤其是机动车源)对该季节PM_(2.5)的重要贡献.受来源及气象条件差异的影响,两季节SNA的日变化规律明显.在冬季,随着污染加重,各化学组分及主要气态前体物浓度均显著增加,NO~-_3是引发重污染的关键组分.后向轨迹分析表明,成都两季节气团来向差异明显,夏、冬季聚类对应的WSIIs分别以SO_4~(2-)和NO~-_3为主导,成都周边地区的近距离低空传输对该城市PM_(2.5)污染贡献重大.     

兰州城区大气PM2.5污染特征及来源解析

为探究兰州城区PM_(2.5)的污染特征及其来源,分别在兰州市城关区和西固区设置PM_(2.5)采样点,于2013年10月(非采暖期)和12月(采暖期)采集样品并进行分析,得到了PM_(2.5)及其16种化学组成的质量浓度.结果表明,兰州城区PM_(2.5)污染水平较高,平均质量浓度为129μg·m~(-3).样品无机元素平均质量浓度为:SCaFeAlMgPbZnMnTiCu,其中S、Ca、Fe、Al的质量浓度在1μg·m~(-3)以上,是主要元素组分;样品各无机元素质量浓度表现为采暖期高于非采暖期,城关区高于西固区.样品水溶性离子平均质量浓度为:SO~(2-)_4NO~-_3NH~+_4Cl~-K~+Na~+,其中SO~(2-)_4、NO~-_3、NH~+_4的质量浓度在10μg·m~(-3)以上,是主要离子组分;样品各水溶性离子质量浓度表现为采暖期高于非采暖期,西固区高于城关区.富集因子(EF)分析结果表明,元素Al、Ca、Mg、Ti的EF值均小于1以自然来源为主;元素Cu、Pb、S、Zn的EF值显著大于10,表明这4种元素在PM_(2.5)中高度富集,且主要源于人为活动造成的污染.主成分分析结果表明,交通排放源、生物质燃烧源、土壤源和二次粒子对兰州城区大气PM_(2.5)贡献显著.     

关中地区细颗粒物碳组分特征及来源解析

为研究关中地区细颗粒物中碳组分的污染特征及其来源,于2017年9月4日至2018年1月19日在关中地区5个主要典型城市(西安、渭南、铜川、宝鸡和咸阳)设置采样点(XA、WN、TCH、BJ和XY)进行细颗粒物(PM_(2.5))的手工采样观测,碳组分环境样品采用热光透射法(TOT)分析.结果表明,细颗粒物中OC和EC平均浓度分别为(14. 48±7. 86)μg·m~(-3)和(2. 27±0. 95)μg·m~(-3),占比分别为18. 04%和2. 99%,与其他城市相比污染较为严重.碳组分占比的空间分布为XY WN XA BJ TCH,且季节差异明显,冬季占比高于秋季. OC与EC的相关性显著(R~2=0. 79),有着较为相同的污染来源.OC1在碳组分中比例最高为23. 44%,碳组分的浓度顺序为OC1 EC2 EC3 OC4 EC1 OC2 OC3 EC4 EC6 EC5.正矩阵因子分解模型的源解析结果表明,该地区碳组分的4类主要贡献源为生物质燃烧与燃煤源、汽油车尾气、柴油车尾气和道路扬尘污染源,贡献率分别为48. 63%、23. 07%、18. 82%和9. 47%,各点位的污染贡献结构有着明显的差异.     

典型时段西南地区PM_(2.5)及组分污染特征

选取西南地区为采样点,于2015年非重污染和重污染时期对环境PM_(2.5)进行采样,并对PM_(2.5)、水溶性离子和碳质组分的污染特征进行分析。结果显示:重污染与非重污染天PM_(2.5)质量浓度分别为(204.8±47.0)μg/m~3和(66.8±23.1)μg/m~3。重污染天气下SO_4~(2-)、NO_3~-和NH_4~+浓度分别是非重污染天气下的3.5,4.2,3.4倍,SIA浓度占PM_(2.5)的比例可高达42.2%。重污染期间OC和EC浓度分别是非重污染期间的4.8,2.7倍,SOC浓度在非重污染和重污染期间分别为(3.2±1.6),(25.6±15.2)μg/m~3,OC、EC较低的相关性也反映出重污染期间碳质组分来源的复杂性。     

舟山市大气细颗粒物组分特征及其污染来源解析

为研究舟山市大气细颗粒物(PM_(2.5))的主要污染来源,在2016年4月—2017年1月期间利用3个国控点对舟山市PM_(2.5)开展手工监测,并对其主要污染源进行样品采集,基于420个环境样品和13类源样品的化学组分分析,应用CMB-二重源解析技术,对舟山市颗粒物受体成分谱、本地化源成分谱的组分特征和颗粒物的污染来源进行分析。结果表明:普陀点的PM_(2.5)浓度均值低于位于主城区的檀枫点和临城点,3个站点的颗粒物浓度分别为(36. 46±19. 40),(40. 92±20. 68),(40. 03±21. 55)μg/m~3。PM_(2.5)受体中以NO_3~-、SO_4~(2-)、NH_4~+等二次组分含量最高,二次无机盐和移动源是监测期间舟山市大气PM_(2.5)的主要来源,解析结果具有显著的海岛型城市特征。以船舶源为代表的移动源既是颗粒物的重要一次源,又是二次无机盐生成的主要前体物贡献来源之一,故加强移动源的排放管理对于舟山市的颗粒物污染防治具有重要意义。     

华北区域点冬季二次有机气溶胶特征与影响因素

为探明二次有机气溶胶(SOA)的污染特征和影响因素,本研究于2018年11月—2019年1月对华北区域点(德州市郊区点)细颗粒物(PM_(2.5))的化学组成进行了在线测量,并分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子组分的污染特征及PM_(2.5)与气象要素之间的相关性.结果表明,观测期间德州PM_(2.5)污染严重,平均质量浓度为(115.6±24.6)μg·m~(-3);其中,有机碳和元素碳是PM_(2.5)的主要成分,平均质量浓度分别为(8.2±5.8)μg·m~(-3)和(2.6±2.2)μg·m~(-3),占PM_(2.5)总质量的7.1%和2.2%;PM_(2.5)与风速呈负相关,与相对湿度呈正相关,与气温的相关性较差,偏北风对PM_(2.5)浓度影响较大.同时,本研究利用EC示踪OC/EC比值法对PM_(2.5)中的二次有机碳(SOC)进行了估算,通过估算得到的SOC结果表明,华北区域点冬季SOC是OC的重要组成部分,平均浓度为(4.0±2.9)μg·m~(-3),占OC的45.7%,SOC在白天占比较高(62.7%),早晚由于有局地生物质燃烧影响,SOC占比降低,约占OC的42.7%.本研究还分析了SOC生成的影响因素,分析了德州市冬季O_3、含水量、酸度与SOC的相关性.结果表明,SOC受臭氧浓度影响,但在白天和夜晚表现出不同的相关关系,可能存在不同的生成机制.最后,利用ISORROPIA模型估算了颗粒物的含水量和酸度,发现SOC在高含水量和低含水量下存在不同的关系,高含水量更能促进SOC生成;在高含水量下SOC与H~+具有显著相关性,但在低含水量下则不相关,表明颗粒物含水量较高、H~+浓度较高情况下液相酸催化反应可能对SOC具有重要贡献.     

『吃德』与『生态法西斯分子』

中国人好吃。因而吃的讲究极多。自古以来。有关吃的外观、内容乃至礼仪、细节都有说法。而烹调技术、口味之类的食谱、馔经，更是汗牛充栋。连孔圣人都说过“食不厌精。脍不厌细”。“割不正不食”。甚至关心到作料，强调“不撤姜食”。可见“民以食为天”，吃在中国人心目中所占的分量。     

生态环境监测发展历程与展望——从"跟跑""并跑"向"领跑"迈进

自20世纪70年代以来,我国生态环境监测事业从无到有,由小到大,不断发展完善,有效支撑了生态环境保护工作。本文在梳理和总结生态环境监测从“跟跑”变为“并跑”,并向“领跑”迈进的发展历程的基础上,立足新发展阶段,为推动高质量发展,在支撑落实生态环境保护责任、提高生态环境监测服务效能、加强生态环境监测理论和战略研究方面提出了未来我国生态环境监测事业发展的方向。     

城市“名片”

本期话题：陕西省汉中市近日为美化道路,将南郑大道上树龄达35年以上的万余棵水杉大量砍伐,同时,又以几千元一棵的成本大量购买、移栽银杏树。这条长达8公里多的国道两侧,如今随处可见裸露的树桩。究其原因,还是为了追逐城市名片所致,据说,银杏比水杉更能美化道路。汉中下辖10县区,有5个至今仍为贫困县,但依旧耐不住对光鲜称号的追逐。此前,该市创建国家园林城市和卫生城市的推进大会刚刚落幕。——《南方周末》     

环境审计年度主题:"水"与"生物多样性"

“环境审计”专题追踪——环境审计在我国越来越受到重视,其中对“水环境审计”与“生物多样性审计”两大重点,从理论探讨到审计实践的探索是富有成效的。本刊今年5月号专题解读过环境审计的话题,读者反应良好。因此,本刊特约审计署农业与资源环保审计司,就“水环境审计”与“生物多样性审计”的话题作进一步的解读。     

企业生产“商品”还须控制其“危害”

数百年前,当企业家初次遇到严重的环境问题时,他们只需简单地转移业务。例如,把钢铁厂从利物浦搬到匹兹堡,然后再移迁到中国,而现在没有新的厂址可供迁移了。当企业家无处可藏而不得不面临环境问题的时候,他们最初的反应是勉强接受这恼人的额外成本,并迅速指出没     

环境保护工作要以"有作为"赢得"有地位"

该文将环保部门应以“有作为”赢得“有地位”为论题,提出了实现“有作为”的四个基本点。有一定的指导意义。     

“《死魂灵》”

竹外桃花三两枝,春江水暖鸭先知. 萎蒿满地芦芽短,正是河豚欲上时. 大诗人苏东坡的《春江晓景》写于宋时初春的江南,正是河豚欲从大海回溯至江河,逆流而上准备产卵之时节.毫无疑问,宋代的江南一带,河流等自然环境是绝对的"原生态",尽管人们每年都捕捞河豚,但似乎河豚种群的繁衍并没有因此受到影响,污染更是无从谈起.