成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

2008奥运和后奥运时段北京大气颗粒物质量浓度和数浓度比对研究

为探索奥运和后奥运时段北京地区大气颗粒物质量浓度和数浓度变化规律及其主要影响因素,于2008-08-08～2008-10-07期间,在中国科学院大气物理研究所325 m气象观测塔附近的办公楼楼顶使用微量振荡天平（TEOM）和空气动力学粒谱仪（APS）在线实时测量颗粒物质量浓度和数浓度,同时结合地面气象资料和HYSPLIT轨迹模式对颗粒物的来源和传输过程进行了探讨. 结果表明,奥运期间北京大气颗粒物粗细粒子质量浓度（PM_2.5～10和PM_2.5）平均值分别为（23.1±1.6） μg·m^-3和（55.5±7.3）μg·m^-3,比非奥运时期分别降低18.2%和16.0%,比非源控制时期分别降低22.3%和18.0%;而奥运期间粗细粒子数浓度（PN_2.5～10和PN_0.5～2.5）平均值分别为（15±1）个·cm^-3和（3138±567）个·cm^-3,比非奥运时期分别降低23.4%和27.5%,比非源控制时期分别降低29.5%和34.3%. 观测期间风速、相对湿度和前1 d的降水与颗粒物质量浓度和数浓度存在显著线性关系,逐步回归分析结果显示,风速和相对湿度可以解释细粒子质量浓度和数浓度变化的42%和53%,而风速和前1 d的降雨则可以解释粗粒子质量浓度和数浓度变化的21%和39%;观测期间北京大气颗粒物主要受保定、石家庄等偏南地区输送的影响,偏南弱气流使北京大气细粒子质量浓度和数浓度迅速增加,而偏北强气流使区域大气粗细粒子得到彻底清除,体现了北京地区大气粗粒子受局地排放控制而细粒子受区域污染输送的特征. 对比观测期间颗粒物累积清除的2次典型过程发现,气象因素影响颗粒物浓度值波动,而局地源排放减少和区域输送减弱则使颗粒物粗细粒子浓度显著降低,北京及周边省（市、区）协同减排是保障奥运期间优质空气质量的主要原因.     

基于无人机垂直观测塔克拉玛干沙漠一次沙尘污染过程研究

利用多旋翼无人机于2021年7月30—31日对塔克拉玛干沙漠的塔中（飞行高度0~2000 m）、民丰地区（飞行高度0~1000 m）不同粒径 颗粒物浓度、气温、相对湿度和风速进行垂直观测,结合多地面站点、再分析资料、后向轨迹模型和卫星遥感数据,对沙尘污染过程中的影响 因素、颗粒物垂直分布特征及污染成因进行了分析.结果表明：①近地面低气温、高相对湿度、高风速的气象条件有利于沙尘污染事件的发生,通过无人机探测数据发现高相对湿度有利于颗粒物吸湿增长,气温和风速的上升能够加强大气对流运动,有利于污染物的输送.②在沙尘污染期间,塔中地区PM₁、PM_2.5和PM₁₀的浓度分别为0.8~45.7、1.0~267.0和1.0~588.7 μg·m^-3;民丰地区PM₁、PM_2.5和PM₁₀的浓度分别为21.5~126.9、39.6~263.6和48.5~520.6 μg·m^-3.③在沙尘污染期间,塔克拉玛干沙漠腹地颗粒物组成以粗颗粒物为主,南缘则以细颗粒物为主.民丰地区PM₁/PM_2.5比值（0.48~0.55）和PM_2.5/PM₁₀比值（0.55~0.83）在同时刻均高于塔中地区（PM₁/PM_2.5为0.18~0.33, PM_2.5/PM₁₀为0.33~0.51）.④天气形势和后向轨迹表明,此次污染主要由西风环流导致,气团分别从北面翻越天山和东面绕道进入塔克拉玛干沙漠,携带了塔克拉玛干沙漠东部地区沙尘颗粒和新疆北部人为污染物.⑤CALIPSO卫星数据表明,此次污染中气溶胶存在于海拔1~8 km之间,主要集中在低层（消光系数在 海拔1.0~2.2 km左右最大）.气溶胶类型为沙尘气溶胶、污染沙尘气溶胶和烟雾气溶胶,其中,沙尘气溶胶占主要部分.     

上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征

于2010年10月1日至11月30日在上海市城区对大气中颗粒物质量浓度及细粒子化学组分进行了在线连续观测,获得了秋季大气灰霾和沙尘等典型污染过程中颗粒物质量浓度和化学组成的变化特性.观测结果显示,在大气灰霾污染过程中PM₁₀和PM_2.5的日均最高浓度分别达到216~293 μg·m^-3和130~204 μg·m^-3,PM_2.5/PM₁₀的比值在65%以上,总的可溶性无机离子(TWSII)占PM_2.5质量浓度的50%以上,有机碳(OC)和元素碳(EC)的总和占25%~30%.二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的83.3%~87.5%,OC/EC的比值在5左右,表明在灰霾污染过程中二次组分对PM_2.5的贡献较大;沙尘天气以粗粒子污染为主,TWSII、OC和EC分别仅占PM_2.5质量浓度的27.2%、13.4%和2.0%,二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的55.7%,Ca²⁺、Mg²⁺等地壳组分的比例较灰霾天气明显升高.研究结果还显示,SO₄^2-和NO₃^-等二次离子组分的生成与颗粒物中硫与氮的氧化速率有关,在大气灰霾过程中硫转化率(SOR)和氮转化率(NOR)值较高,分别为0.24±0.10和0.15±0.06,说明SO₂通过二次反应生成SO₄^2-的能力较强,在污染的环境下高浓度的NO₂更有利于向NO₃^-转化.     

基于两种再分析资料的一次四川盆地大气污染过程气象要素数值模拟研究

利用ECMWF-ERA5和NCEP-FNL再分析资料作为中尺度气象模式WRF（The Weather Research and Forecasting）初始场,对四川盆地2018年1月一次大气污染过程气象要素进行了模拟,对比分析了气温、风速、风向、相对湿度、边界层高度、温廓线的模拟效果,并结合大气超级站观测数据对模拟结果进行评估.结果表明：两种资料均能较好地模拟出气象要素的变化情况,但由于两套资料时空分辨率、采用的模式、同化方案、数据来源和质量控制方案存在一定区别,导致各要素模拟效果并不一致.与NCEP-FNL相比,ECMWF-ERA5模拟的平均相对湿度（59.23%）与观测值差异更小,且均方根误差、偏差较小,分别为9.83%和-0.83%,但NCEP-FNL模拟的平均气温（8.99℃）更接近观测值,且偏差值较小,为-0.04℃.两组模拟结果均显示盆地内部为模拟区域的低风速区,相对湿度模拟值在60%以上,气温高于西部山地地区.NCEP-FNL模拟的盆地内部气温、相对湿度、风速小于ECMWF-ERA5模拟值,但边界层高度模拟值较大.ECMWF-ERA5模拟的逆温强度相比较小,且温度露点差较小.此次污染过程PM_2.5和PM₁₀日均浓度最大值分别为190.1 μg·m^-3和261.0 μg·m^-3,相对湿度增大引发的颗粒物吸湿增长是导致PM_2.5和PM₁₀质量浓度突增的主要原因.     

2013年12月上海市重度污染期间细颗粒物化学特征与输送轨迹影响

2013年12月我国中东部地区发生多场大范围高强度的颗粒物污染. 期间,本研究采用在线连续观测手段测量了上海市城区大气中气态污染物、颗粒物的质量浓度、细颗粒物的化学组分等,获得了浮尘污染、灰霾污染、雾霾污染、长距离传输的过境污染过程中颗粒物的污染特征变化. 观测结果显示,雾霾污染最为严重,PM₁₀和PM_2.5日均最大浓度分别达到536 μg ·m^-3和411 μg ·m^-3,PM_2.5/PM₁₀高达76.7%,高湿度加强了大气颗粒物中NO₃^-、SO₄^2-、NH₄⁺等二次组分的生成. 浮尘污染中PM_2.5的Ca²⁺浓度在所有污染过程中最高,且PM_2.5中一次组分比重明显上升. 长距离传输的过境污染中PM_2.5的SO₄^2-浓度最高,且增长速度很快. 同时本研究还采用Hysplit反向轨迹结合聚类分析方法,得到了不同污染过程中到达上海的主要气团轨迹,并结合上海城区在线观测的PM_2.5及其化学组分浓度数据,探讨了不同气团下PM_2.5组分特征差异和不同污染过程的大致来源. 结果表明,观测期间上海的气团轨迹可以聚类为六类. 其中,移动速度快的cluster6出现时,上海市不易出现颗粒物污染; 始于蒙古的cluster2和cluster3导致上海出现沙尘污染,该气团下PM_2.5/PM₁₀的比例都较低,且PM_2.5中Ca²⁺浓度较高. 移动缓慢的cluster5和cluster4有利于污染物的二次生成,静稳天气同时加剧了污染物的累积,加上他们经海上夹带水汽传输至上海,这些不利条件是导致上海出现严重污染的关键因素.     

北京秋冬季大气氨观测研究

利用差分光学吸收光谱技术,对北京市北郊的大气氨进行了近2个月的观测.结果显示,在秋冬季节,北京大气氨的浓度为（12.89±10.12）×10^-9（part per billion）,观测期间的小时浓度最大值为49.71×10^-9.氨浓度的日变化呈现出白天低、夜晚高的特征,在早高峰时间,氨有明显的一个峰值浓度.另外,氨与NO₂、CO、PM_2.5和PM₁₀之间相关性分别为0.845、0.824、0.821和0.598,明显高于春季,说明秋冬季北京大气氨受机动车排放影响明显.气象要素对氨 浓度明显影响,风速、气压和相对湿度与氨的关联性较高,相比而言,氨与气温关联性较低,说明秋冬季低温环境下,土壤排放、垃圾存储堆场和人体排泄物等排放对大气氨浓度影响较小.     

两湖盆地冬季区域大气颗粒物污染特征及独特的风场和下垫面影响

为认识近年来长江流域中游两湖（湖南-湖北）盆地大气环境变化特征,本文利用两湖盆地2015~2019年冬季近地面PM_2.5和PM₁₀观测数据,结合风速、地形和植被指数等资料,探讨两湖盆地冬季大气颗粒物PM_2.5和PM₁₀的变化特征及其与风速、地形和下垫面的关联.结果表明：①两湖盆地2015~2019年冬季PM_2.5污染频发,其中两湖盆地西北部的襄阳和荆门的冬季平均分别多达62 d和61 d出现PM_2.5污染（PM_2.5>75 μg·m^-3）,襄阳重污染（PM_2.5>150 μg·m^-3）多达19 d,表明两湖盆地是长江流域中游地区一个区域性PM_2.5污染中心.②在空间上,两湖盆地污染呈现出西北重东南轻、城市群污染较重的特征,这主要与冬季风驱动的大气污染物的区域传输和两湖盆地城市地区的强排放有关.③近地面风速与PM_2.5和PM₁₀地面浓度变化呈现特殊的"U"型非线性关系,PM_2.5和PM₁₀浓度拐点值分别为153 μg·m^-3和210 μg·m^-3,揭示了两湖盆地局地大气颗粒物累积主导了轻/中度污染,大气污染物区域传输决定了重度污染的独特区域特征.④两湖盆地冬季PM_2.5和PM₁₀地面浓度与地形高度和植被指数均呈显著负相关,反映了两湖盆地地形和城市化下垫面变化的大气环境效应.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

西南涡对四川盆地PM2.5污染的影响研究

利用2015—2016年西南涡个例数据与同期的细颗粒物（PM_2.5）浓度数据进行时空匹配,对比分析西南涡过境前后四川盆地PM_2.5浓度变化,并结合温度、湿度、风等气象要素及逆温特征,深入研究西南涡对PM_2.5污染的影响机理.结果表明：①2015—2016年四川盆地共182个西南涡,其中,干涡72个（多集中在春季）,弱降水涡75个（多集中在春季和冬季）,强降水涡35个（多集中在夏季）.②总体而言,干涡过境使四川盆地PM_2.5浓度增加,降水涡使PM_2.5浓度减小,强降水涡的削减作用强于弱降水涡.全年来看,干涡过境使四川盆地PM_2.5浓度增加10.52%,强、弱降水涡过境分别使PM_2.5浓度减小29.72%、9.71%.③除降水外,3类西南涡对PM_2.5影响的主导气象要素和逆温条件为相对湿度、风速和逆温层底高.而主导季节差异的气象要素和逆温条件各异：干涡的主导因素是温度垂直变化和逆温强度,在温度随高度递减和逆温强度较小的春季和夏季,对PM_2.5浓度的增幅减小（甚至有削减作用）;弱降水涡的主导因素是湿度和风速、逆温强度和逆温层厚度,春季其过境时湿度和风速最小,逆温强度和逆温厚度仅次于冬季,甚至使PM_2.5浓度增加;强降水涡的主导因素是风速、湿度和逆温层底高,夏季其过境时风速和低层湿度最小,逆温层底高最低,对PM_2.5的削减作用远弱于其他季节.     

北京雾霾天大气颗粒物中微生物气溶胶的浓度及粒谱特征

于2013年1月8日~2013年2月4日雾霾频繁暴发期间,使用定量空气微生物采样器和气溶胶粒谱测试仪测试并比较了雾霾天和之后的清朗天气下细菌、真菌气溶胶浓度变化、粒谱分布及不同粒径大小颗粒物的数量浓度差异和粒谱分布特征.结果表明,采样周期内真菌气溶胶小于5μm的粒子(可吸入肺粒子)所占百分比显著高于细菌气溶胶小于5μm的粒子百分比.雾霾过后的晴朗天气下细菌、真菌气溶胶浓度高于雾霾天气时的浓度,而颗粒物浓度则相反.无论雾霾天或晴朗天微生物气溶胶的粒谱分布无显著差别,空气中的颗粒物以PM1.0占绝大多数.     

气候变化对浙江省大气污染的影响

开展气候变化对大气污染影响的研究有利于加深对大气污染形成机理的认识.利用1996-2015年浙江省大气成分、气象观测资料,分析气候变化对大气污染的影响.结果表明,近20 a来浙江省呈年高压天气日数增多、年均气温升高、降水集中及年均净辐射、日照时数、风速、气温日较差和水汽蒸发量都下降的气候变化事实.气候变化引起大气污染扩散能力下降,1996-2015年杭州市和浙江省年均大气扩散指数分别下降了0.55和0.81,降幅分别达35.71%和42.69%.大气扩散指数与ρ（PM₁₀）、ρ（PM_2.5）及年霾日数之间呈显著负相关,当大气扩散指数增大时,大气颗粒物浓度和年霾日数均下降,反之亦然.杭州市大气扩散指数与ρ（PM₁₀）、ρ（PM_2.5）之间的相关系数分别为0.73和0.76.杭州市和浙江省大气扩散指数与年霾日数之间的相关系数分别达到0.77和0.78,T检验值则分别为28.88和30.81,说明由气候变化引起的大气扩散能力改变是影响大气污染的重要原因,但不同大气成分受气候变化的影响程度不同.影响ρ（PM₁₀）的关键气候要素是降水量、风速及相对湿度等,影响ρ（PM_2.5）的主要是辐射、气温,影响ρ（SO₂）的主要是气温,影响ρ（NO₂）及ρ（NO₃-）、ρ（NH₄+）的主要是辐射.总体来说,浙江省近20 a的气候变化事实可能有利于促进ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）及ρ（O₃）等上升,促进ρ（SO₂）、ρ（NO₃-）、ρ（SO₄2-）、ρ（NH₄+）等下降.      

河南省北部区域霾污染过程中城市和农村点位PM2.5组分差异

近年来,我国京津冀及其周边地区暴发了多次霾污染过程,受观测仪器等因素的限制,尚未有对河南省北部城市和农村霾污染的对比研究.利用一系列在线高时间分辨率的观测仪器在河南省2个城市点位和3个农村点位对一次区域重污染过程(2018年1月12～25日)进行综合观测.结果表明SO₄^2-、 NO^-₃和NH⁺₄(SNA)是此次区域污染过程中5个点位PM_2.5中占比最高的组分,位于53%～63%之间,以NO^-₃为主24%～32%,其次为SO₄^2-(13%～17%).相较于城市点位,农村点位PM_2.5中有机物的占比更高,尤其是夜间.随着污染的加重,SNA的占比上升,重污染时段可达67%.此外,当区域受南部气团的传输影响时,5个点位PM_2.5中NO^-₃的占比增大;受北和东北部气团的传...     

Role of secondary aerosols in haze formation in summer in the Megacity Beijing

A field experiment from 18 August to 8 September 2006 in Beijing, China, was carried out. A hazy day was defined as visibility < l0 km and RH (relative humidity) < 90%. Four haze episodes, which accounted for ~ 60% of the time during the whole campaign, were characterized by increases of SNA (sulfate, nitrate, and ammonium) and SOA (secondary organic aerosol) concentrations. The average values with standard deviation of SO₄^2 −, NO₃⁻, NH₄⁺ and SOA were 49.8 (± 31.6), 31.4 (± 22.3), 25.8 (± 16.6) and 8.9 (± 4.1) μg/m³, respectively, during the haze episodes, which were 4.3, 3.4, 4.1, and 1.7 times those in the non-haze days. The SO₄^2 −, NO₃⁻, NH₄⁺, and SOA accounted for 15.8%, 8.8%, 7.3%, and 6.0% of the total mass concentration of PM₁₀ during the non-haze days. The respective contributions of SNA species to PM₁₀ rose to about 27.2%, 15.9%, and 13.9% during the haze days, while the contributions of SOA maintained the same level with a slight decrease to about 4.9%. The observed mass concentrations of SNA and SOA increased with the increase of PM₁₀ mass concentration, however, the rate of increase of SNA was much faster than that of the SOA. The SOR (sulfur oxidation ratio) and NOR (nitrogen oxidation ratio) increased from non-haze days to hazy days, and increased with the increase of RH. High concentrations of aerosols and water vapor favored the conversion of SO₂ to SO₄^2 − and NO₂ to NO₃⁻, which accelerated the accumulation of the aerosols and resulted in the formation of haze in Beijing.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

烟花爆竹集中燃放的大气细颗粒物(PM2.5)成分图谱

烟花爆竹燃放是大气细颗粒物（PM_2.5）来源的途径之一.以泉州城区春节期间为例,研究烟花爆竹燃放对大气细颗粒物的影响,服务大气污染的特殊污染源管理.结果表明,烟花爆竹集中燃放时段,SO₂、PM₁₀和PM_2.5浓度明显升高,尤以PM_2.5的升高最为显著,城区PM_2.5日均浓度峰值约为年均值的4倍,涂山街点位PM_2.5小时浓度峰值约为城区年均值的21倍;燃放高峰期Al、Mg、Ba、Cu、Sr等烟花爆竹的特征元素占比迅速上升,Al⁺、Mg⁺、Ba⁺、Cu⁺间的小时数浓度高度相关;监测期间泉州城区细颗粒物主要污染源是烟花爆竹燃放和生物质燃烧,贡献占总颗粒物的一半以上,燃煤和工业工艺源的比例相对较低,均低于10.0%;集中燃放时段大气细颗粒物浓度高达0.578 mg·m^-3,此时的烟花源的贡献比例也提升到58.2%;污染过程分析表明PM_2.5浓度与烟花源的占比、数浓度的变化趋势具有趋同性.以上结果说明烟花爆竹的集中燃放是春节期间泉州大气环境恶化的主要原因.     

2015年石家庄市采暖期一次重污染过程细颗粒物在线来源解析

近年来,我国北方采暖期的大气污染问题备受关注.以2015年11月24日至12月4日石家庄地区一次重污染过程为例,采用大气细颗粒物实时在线源解析技术,对不同时段细颗粒物来源解析结果和各类源粒径分布、重污染期间各类源的质谱特征,结合气象条件进行综合分析.结果表明：重污染期间主要污染物来源为燃煤、工业工艺、机动车尾气和二次无机源;低压、静稳条件和低空传输共同作用下,以燃煤及工业工艺源排放颗粒物为主的细颗粒物严重累积,二次转化加剧,导致此次重污染的发生;来自燃煤源的颗粒物以混合碳为主,工业工艺源以金属为主,机动车尾气源以元素碳和金属锰为主,纯二次无机源以二次无机离子为主,来自扬尘源的颗粒物以铝、钙、铁和硅酸盐为主,生物质燃烧源以左旋葡聚糖LEV为主,餐饮源以有机酸为特征信号;与重污染前后不同,八类源于重污染发生期间在整个粒径段呈现均匀分布状态.     

COVID-19管控前后不同污染阶段PM2.5中二次无机离子变化特征

为探讨新冠肺炎疫情(COVID-19)管控前后不同污染阶段PM_2.5中二次无机离子变化特征,使用高分辨率(1 h)在线仪器对2019年12月15日至2020年2月15日郑州冬季气象、污染气体浓度和PM_2.5中水溶性离子水平进行在线监测,分析此次COVID-19管控前后霾过程的成因、大气污染物的日变化特征和在霾不同阶段下大气污染物的分布特征.结果表明,郑州主要受到高压脊控制,天气形势稳定,有利于大气污染物累积,二次无机气溶胶(SNA,包括SO₄^2-、NO^-₃和NH⁺₄)是水溶性离子的主要组分,占比高达90%以上,COVID-19期间居家隔离措施对霾不同阶段下大气污染物的分布特征产生不同的影响,COVID-19期间PM_2.5在干净、发生和消散阶段的浓度比COVID-19前有所提高,但是发展阶段明显降低,居家隔离明显使PM_2.5高值降低了;NO₂、SO<...