廊坊市秋季环境空气中颗粒物组分昼夜变化特征研究

为研究廊坊市区秋季环境空气中颗粒物浓度及其组分昼夜变化特征,于2015年9月12—21日在廊坊市进行PM_(2.5)和PM_(10)采样,并对采集的样品无机元素、水溶性离子和碳组分(OC和EC)分析.结果表明,夜间PM_(2.5)和PM_(10)浓度比白天高,且下半夜出现大幅上升.PM_(2.5)/PM_(10)比值为0.49~0.62,下半夜最高.碳组分、Ba、Cr、Cl~-、NO_3~-、SO_4~(2-)、NH_4~+等主要富集在PM_(2.5)中,而Ca、Al、Si、Mg~(2+)和Ca~(2+)等主要富集在PM_(10)中.通过昼夜颗粒物组分对比发现,夜间EC、Cu、Zn、Cr、Pb、Cl~-、NO_3~-和NH_4~+等浓度明显上升.同时,下半夜OC/EC比值明显变小,Cl-、NO_3~-和NH_4~+浓度明显增大,同时段CO和NO_2浓度上升,而SO_2浓度变化平缓.以上表明采样期间廊坊夜间可能存在移动源和部分工业污染源排放.     

辽宁典型城市道路扬尘PM2.5中水溶性无机离子组分特征及来源解析

为了解辽宁省典型城市道路扬尘PM_(2.5)中水溶性无机离子组分特征及其来源,分别于2014年和2016年采集了鞍山市和盘锦市道路扬尘样品,利用再悬浮采样器将其悬浮到滤膜上,用离子色谱仪分析了其中的水溶性无机离子组分,分别用相关分析法和比值法分析了其污染特征,用主成分法初步解析了其主要污染源.结果表明,盘锦市和鞍山市8种水溶性无机离子分别占道路扬尘PM_(2.5)的5.83%±3.34%和5.84%±1.15%.盘锦市NH_4~+与SO_4~(2-)和NO_3~-的结合方式主要为(NH_4)2SO_4和NH_4NO_3,鞍山市NH_4~+与SO_4~(2-)和NO_3~-的主要结合方式为NH_4HSO_4和NH_4NO_3.盘锦市和鞍山市道路扬尘PM_(2.5)中NO_3~-/SO_4~(2-)的均值分别为0.52±0.55和0.46±0.13,表明固定源(燃煤)对其道路扬尘PM_(2.5)的影响较显著.盘锦市道路扬尘PM_(2.5)主要来源于生物质燃烧源、海盐粒子、建筑水泥尘和机动车尾气;鞍山市道路扬尘PM_(2.5)主要来源于燃煤源、生物质燃烧源、海盐粒子和钢铁冶炼尘.     

泉州市大气PM2.5中水溶性离子季节变化特征及来源解析

为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na~+、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m~(-3)冬季(8.54±7.61)μg·m~(-3)夏季(4.10±2.67)μg·m~(-3)秋季(3.91±2.58)μg·m~(-3);SO_4~(2-)、NO_3~-和NH_4~+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源.     

苏州市PM2.5中水溶性离子的季节变化及来源分析

2015年在苏州市城区采集大气细颗粒物PM_(2.5)样品共87套,用重量法分析了PM_(2.5)的质量浓度,离子色谱法分析了颗粒物中F-、Cl-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+),共9种水溶性无机离子.观测期间,苏州市PM_(2.5)的年均质量浓度为(74.26±38.01)μg·m-3,其季节特征为冬季春季秋季夏季;9种水溶性离子的总质量浓度为(43.95±23.60)μg·m~(-3),各离子的浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Na~+Cl~-K~+Ca~(2+)F-Mg~(2+);SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)是最主要的水溶性离子;SO_4~(2-)、NO_3~-和NH_4~+三者之间具有显著的相关性,它们在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4的结合方式存在.苏州市PM_(2.5)中水溶性离子的主要来源包括工业源、燃烧源、二次过程和建筑土壤尘等.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征

2015年1~12月对北京市城区开展PM_(2.5)中主要水溶性离子NH_4~+、NO_3~-和SO_4~(2-)(统称SNA)及其前体气体NH_3、NO、NO_2和SO_2的监测,共获得样本325组.用特氟龙滤膜采集PM_(2.5)中SNA,用在线仪器实时监测各前体气体.分析各前体气体和SNA的污染特征并同时对其相关性进行研究.观测期间NH_3、NO、NO_2、SO_2、NH_4~+、NO_3~-和SO_4~(2-)的年平均浓度分别为21.5、17.7、54.3、14.2、8.1、13.5和12.7μg·m~(-3),SNA质量浓度占PM_(2.5)的43.4%.NO、NO_2和SO_2冬季最高,夏季最低;NH_3为夏季最高,秋冬较低;NH_4~+浓度和体积分数四季波动不大;NO_3~-浓度和体积分数均夏季最低;SO_4~(2-)浓度为冬季最高,百分含量为夏季最大.全年([NO_3~-]+2[SO_4~(2-)])与NH_4~+的比值为0.97,表明阴离子主要以NO_3~-和SO_4~(2-)的形式存在.随着污染程度的增加,各化合物浓度均有明显上升,NO_3~-是重污染过程累积效应比较明显且贡献率最大的离子.SO_4~(2-)则在污染级别较低时,贡献率较大.NO_3~-与NO_2,NO、NH_4~+与NH_3,SO_4~(2-)与SO_2在置信度为0.01水平上均显著相关;SO_4~(2-)和SO_2变化规律呈负相关,NO_2和NO_3~-基本呈正相关,相比NH_3,NH_4~+浓度的高低受酸性气体NO_2、SO_2影响更大.     

济南市夏、冬季PM2.5中化学组分的季节变化特征及来源解析

为探究济南市大气气溶胶中化学组分的季节变化特征,于2015年夏季、冬季分别连续进行1个月的PM_(2.5)样品采集,并分析无机离子、碳质组分与水溶性二次有机碳(WSOC)的组成、浓度水平及来源.结果表明,济南市冬季PM_(2.5)的质量浓度[(158.3±95.3)μg·m~(-3)]约为夏季[(75.3±25.9)μg·m~(-3)]的2倍,在我国其浓度处于中上等水平.无机离子的总浓度呈夏低冬高的季节变化特征,其中SO_4~(2-)、NO_3~-、NH_4~+是浓度最高的3种离子,且这3种离子的相关性均较好,NH_4~+在夏季和冬季均以(NH_4)_2SO_4和NH_4NO_3的形式存在.大气中存在较高程度的SO_2和NO_2的二次氧化,其中硫氧化率(SOR)呈夏高冬低的变化特征,而氮氧化率(NOR)呈相反的季节变化特征.通过分析PM_(2.5)中阴、阳离子电荷平衡可知,PM_(2.5)呈弱碱性.基于热力学模型ISORROPIA-Ⅱ,结果表明冬季PM_(2.5)的酸性比夏季强.OC与EC浓度均呈夏低冬高的变化特征,由OC/EC的比值、WSOC/OC的比值和估算的二次有机碳(SOC)的浓度可知,夏季二次污染的程度比冬季更为严重.主成分分析(PCA)结果表明,济南市夏季无机离子主要来自二次氧化及生物质燃烧,而冬季无机离子主要来自煤炭燃烧及其产生的前体物经光化学氧化形成的二次污染物.     

徐州市冬季大气细颗粒物水溶性无机离子污染特征及来源解析

本研究于2015年12月至2016年2月在徐州市城区采集大气细颗粒物PM_(2.5)样品共32套,使用离子色谱法分析了颗粒物中的F~-、Cl~-、NO_3~-、SO2-4、Na~+、Mg~(2+)、NH_4~+、K~+和Ca~(2+)的质量浓度.观测期间,徐州市冬季PM_(2.5)的平均质量浓度为(164.8±77.3)μg·m-3,9种水溶性离子总质量浓度为(67.5±36.1)μg·m~(-3),占PM_(2.5)的40.9%,各离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-Ca~(2+)K~+Na~+Mg~(2+)F~-,其中NH_4~+、NO_3~-和SO_4~(2-)是最主要的水溶性离子.清洁大气、轻度霾和重度霾时期PM_(2.5)中总水溶性无机离子(WSIIs)质量浓度分别为(12.8±8.8)、(59.0±22.8)、(86.3±36.0)μg·m~(-3),SNA分别占WSIIs的86.4%、82.8%和78.9%.NH_4~+、NO_3-和SO_4~(2-)三者之间相关性显著,在PM_(2.5)中的结合方式为(NH_4)_2SO_4和NH_4NO_3.徐州市PM_(2.5)中水溶性离子的主要来源为二次转化、生物质燃烧、化石燃料燃烧和矿物粉尘等.     

盘锦市冬季PM2.5水溶性离子特征及来源分析

为探讨盘锦市冬季PM_(2.5)水溶性离子污染特征和来源,于2017年1月采集3个点位的PM_(2.5)样品,用ICS-900离子色谱仪分析了8种离子(Na~+、Mg~(2+)、Ca~(2+)、K~+、NH_4~+、SO_4~(2-)、Cl~-和NO_3~-).开展了PM_(2.5)和离子浓度特征分析、硫氧化率(SOR)和氮氧化率(NOR)计算、离子平衡计算、主成分分析等.结果表明:盘锦市冬季PM_(2.5)浓度与水溶性离子浓度特征为文化公园开发区第二中学;SO_4~(2-)、NO_3~-、NH_4~+质量浓度较大;冬季硫氧化率(SOR)和氮氧化率(NOR)的均值均大于0.10,说明SO_4~(2-)、NO_3~-主要由SO_2和NO_x转化而来;阳离子和阴离子当量相关性较强;开发区整体上呈现出中性,文化公园与第二中学呈现出偏碱性;盘锦市PM_(2.5)中水溶性离子主要来源于煤烟尘,生物质燃烧,二次粒子以及扬尘.     

基于样方法的天津市春季道路扬尘PM2.5中水溶性离子特征及来源解析

为研究天津市道路扬尘PM_(2.5)中水溶性无机离子组分特征及其来源,于2015年4月采集天津市道路扬尘样品,利用再悬浮采样器将采集的样品悬浮到滤膜上,用离子色谱仪分析其水溶性无机离子组分,利用相关分析和比值分析及主成分法对其污染特征和来源进行探讨.结果表明,天津市8种水溶性无机离子占道路扬尘PM_(2.5)的6.13%±2.32%;不同道路类型道路扬尘PM_(2.5)中水溶性无机离子总量差异较大.相关性分析表明Na~+、K~+、Mg~(2+)和Ca~(2+)这4种离子同源性较高.NO_3~-/SO_4~(2-)比值显示固定源对天津市春季道路扬尘PM_(2.5)的影响更为显著.通过主成分分析法可知,天津市春季道路扬尘PM_(2.5)主要来源于燃煤源、移动源、生物质燃烧源和建筑施工扬尘.     

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.     

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.      

邯郸市PM2.5中碳组分的浓度、来源及其变化

为明确邯郸市PM_(2.5)中碳组分污染浓度、来源和近年来的变化,分别于2015和2017年1、4、7、10月在河北工程大学能环实验楼4层采集PM_(2.5)样品,采用热/光碳分析仪测定了样品中8种碳组分含量,并计算得到有机碳(OC)、元素碳(EC)、Char-EC和Soot-EC含量.结果表明,2017年PM_(2.5)中碳组分浓度较2015年下降约15%,质量分数下降约17%,季节变化均表现为冬高夏低的特点;2017年SOC浓度和SOC/PM_(2.5)、SOC/OC比值均低于2015年,SOC浓度和SOC/PM_(2.5)比值下降约36%,季节分布特征相似(秋冬高、春夏低).两年除夏季外,其余季节OC、EC相关系数均高于0.7,表明存在共同来源;2017年OC、OC1与EC相关性高于2015年,此外,两年中EC1～EC3、Char-EC和Soot-EC与各组分相关系数差异较大;两年中Char-EC与OC、EC的相关性(r=0.5～1.0)明显高于Soot-EC与OC、EC的相关性(r=0.1～0.6),这主要与二者形成机理有关.碳组分之间的关系和主成分分析结果表明,燃煤、生物质燃烧和柴油车尾气的混合源是2015年碳质组分的主要来源,而2017年则来源于燃煤和机动车尾气排放.     

朔州市市区PM2.5中元素碳、有机碳的分布特征

采集朔州市市区4个点位采暖季和非采暖季环境空气PM2.5样品,利用Elementar Analysensysteme Gmb H vario EL cube型元素分析仪测定其中元素碳(elemental carbon,EC)和有机碳(organic carbon,OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行分析.结果表明,朔州市市区非采暖季PM2.5中OC和EC的平均浓度为(14.3±2.7)μg·m-3和(10.3±3.1)μg·m-3,采暖季OC、EC平均浓度分别为(23.3±5.9)μg·m-3和(20.0±5.7)μg·m-3;4个点位OC和EC的浓度均表现为采暖季大于非采暖季,其中在采暖季,点位SW中OC和EC浓度分别为28.5μg·m-3和28.1μg·m-3,高于其它采样点,在非采暖季,点位PS中OC和EC的浓度分别为17.7μg·m-3和14.1μg·m-3高于其它采样点;采暖季和非采暖季PM2.5中OC/EC值均小于2,但OC和EC相关性不好(在采暖季和非采暖季的相关系数分别为0.66和0.52),说明PM2.5中碳气溶胶来源复杂.控制碳组分一次排放来源,如燃煤烟尘、生物质燃烧及机动车尾气排放,同时关注二次污染是控制朔州市PM2.5的关键.朔州市市区采暖季和非采暖季PM2.5中二次有机碳(secondary organic carbon,SOC)浓度分别为(6.44±2.77)μg·m-3和(4.11±1.92)μg·m-3.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

忻州市环境空气PM10中有机碳和元素碳污染特征分析

采集了忻州市4个监测点位采暖季和非采暖季环境空气PM10样品,利用Elementar Analysensysteme GmbH vario EL cube测定有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的质量浓度,通过OC和EC的时空分布、比值以及相关性分析揭示忻州市的碳组分污染特征.结果表明,忻州市PM10中OC和EC的平均质量浓度分别为(18.5±4.5)μg·m-3和(16.1±4.3)μg·m-3,采暖季和非采暖季TCA占PM10的比例分别为70.7%和43.8%;4个监测点位采暖季OC的质量浓度均高于非采暖季,XT、DC和KQ监测点采暖季EC的质量浓度高于非采暖季,SQ监测点则相反,采暖季燃煤是OC和EC的主要来源;监测点XT的OC质量浓度最高,为24.1μg·m-3,DC的EC质量浓度最高,为22.0μg·m-3,SQ的OC和EC质量浓度最低,分别为17.2μg·m-3和14.5μg·m-3,区域性污染特征存在差异;OC/EC均值小于2,一次污染严重;非采暖季OC与EC浓度相关性较好(R2=0.55),二者排放源单一,主要来源为机动车尾气排放,采暖季相关性不显著(R2=0.13),二者排放源复杂.忻州市主要通过控制燃煤、机动车尾气、生物质燃烧、工业源等的一次排放来减轻碳组分污染,进而提高环境空气质量.     

兰州春夏季PM10碳组分昼夜变化特征与来源分析

为探讨兰州市春夏季大气可吸入颗粒物(PM_(10))中碳气溶胶的昼夜变化特征及来源,从2015年4月1日至8月30日分白天(08:00~20:00)和夜间(20:00~次日08:00)对兰州市区PM_(10)样品进行采集,并分析了其中的有机碳(OC)和元素碳(EC)的昼夜浓度.结果表明,采样期间白天PM_(10)、OC和EC的平均浓度分别为(136.0±84.3)、(12.4±3.2)和(2.3±0.7)μg·m-3.夜间,PM_(10)和OC、EC的平均浓度分别为(196.0±109.2)、(16.0±5.3)和(5.0±2.1)μg·m-3.PM_(10)、OC和EC浓度均呈现出夜间高于白天.采样期间白天二次有机碳占有机碳的比值均高于夜间,表明白天受二次有机碳的污染更严重.沙尘日PM_(10)和OC浓度均高于非沙尘日,而EC浓度与非沙尘日接近.沙尘日,二次有机碳和总碳气溶胶的浓度均较高,但对PM_(10)的贡献相对较低.对碳气溶胶8种组分进行主成分分析,结果表明在非沙尘日,白天碳气溶胶主要来源于燃煤、汽油车、柴油车排放和生物质燃烧,夜间主要受到燃煤、扬尘以及柴油车和生物质燃烧的影响.     

CO2泡沫混凝土碳封存潜力分析

CO₂捕集、利用与封存是碳中和技术体系的重要组成部分,混凝土在大规模吸收CO₂方面具有巨大的发展潜力.为了掌握CO₂泡沫混凝土的碳封存潜力,分析了CO₂泡沫混凝土的固碳机制,建立了CO₂泡沫混凝土固碳能力的数学模型,估算了CO₂泡沫混凝土的固碳和储碳能力.结果表明,CO₂泡沫混凝土碳封存能力的99%以上是由混凝土骨架的化学碳化方式完成的,而泡孔的储碳能力较弱;按照30%碳化率估算,我国每年生产的混凝土在全生命周期内的碳封存量平均为2.18亿t,超过大兴安岭林区森林1 a的碳汇;近5年,我国CO₂泡沫混凝土的碳封存潜力为5.80亿t ·a^-1,在煤电一体化矿区的固废和废气资源化利用方面具有很好的应用前景.CO₂泡沫混凝土在凝固前的稳定性是下一步要重点解决的技术难题.     

无锡市冬季典型天气PM2.5中碳组分的污染特征

于2013-12-03~2014-01-03在无锡市对大气细粒子(PM2.5)进行了连续采集,并用热/光透射法(TOT)分析了其中有机碳(OC)和元素碳(EC)的浓度,结合气象参数,分析了冬季霾产生过程及霾天气下碳组分的污染特征.结果表明,采样期间共有3次霾产生过程,冷空气、风和降水成为改善空气质量最有效的途径.PM2.5、OC及EC的日均质量浓度分别为(132.38±87.17)、(22.80±9.77)和(2.08±1.63)μg·m-3,总碳(TC,TC=OC+EC)占PM2.5的23.57%,同时TC与PM2.5之间存在较好的相关性,相关系数为(R2)0.730;采样期间,TC在PM2.5中所占的比例与PM2.5的浓度之间存在相反的变化趋势,并且在霾天气下TC所占的比例要比非霾天气小,二次无机气溶胶粒子(SO2-4、NO-3、NH+4)的快速增长可能是造成霾天气下细粒子浓度较高的原因之一;OC/EC值为12.83,并且相关性较差,可能与二次污染有关,对二次有机气溶胶(SOC)进行估算:得到SOC平均质量浓度为9.04μg·m-3,占OC的40.96%.     

珠江三角洲二氧化碳源汇演变特征及驱动因素

随着经济与人口快速增长，珠江三角洲（珠三角）地区是我国碳中和压力最大的区域之一.通过建立珠三角地区二氧化碳（CO₂）源汇历史趋势清单，分析碳排放与碳汇的历史演变特征，并基于指数分解法识别了影响珠三角碳源汇的关键驱动因素.结果表明：① 2006~2020年珠三角碳排放总量从2.18亿t上升至3.66亿t，呈现出波动上升的演变特征，总体上升了67.86%，尚未实现碳达峰；② 2006~2020年珠三角绿地碳汇总量从1567.26万t下降至1552.59万t，呈现出波动下降的趋势特征，总体下降了0.94%，碳汇量远低于碳排放量，距离碳中和仍有很大缺口；③珠三角碳源主要来源于能源部门（40.38%）和工业部门（26.33%），碳汇主要来源于林地（67.92%）和耕地（18.09%）；④"十一五"至"十三五"期间，碳源的主要正向驱动因素是经济增长和人口规模，主要负向驱动因素是能源强度（单位GDP的能源使用量），但"十三五"以来，降低能源强度可以释放的CO₂减排潜力正在减弱，未来需要挖掘能源、工业和交通等方面结构调整的负向驱动潜力；⑤"十一五"至"十三五"期间，碳汇的主要正向驱动因素是绿地规模，源于"十一五"期间城市绿地面积增加，主要负向驱动因素是碳汇系数，源于自然灾害导致的水稻等高碳汇系数作物减产，未来绿地增汇需重视绿地结构调整.研究可为珠三角制定降碳增汇政策提供科学支撑.