东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_2.5和PM₁₀气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子（Na⁺、K⁺、NH₄⁺、Mg²⁺、Ca²⁺）和阴离子（Cl^-、NO₃^-、SO₄^2-、MSA）的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_2.5和PM₁₀样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m³和10.4~47.9μg/m³,平均值分别为（14.9±5.8）μg/m³和（21.3±10.7）μg/m³.二次离子（nss-SO₄^2-、NO₃^-和NH₄⁺）浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO₄^2-和NH₄⁺主要富集在细颗粒物（PM_2.5）中,NO₃^-主要富集在粗颗粒物（PM₁₀）中.富集因子及相关性分析表明K⁺主要来自陆源,Mg²⁺受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH₄⁺的主要结合方式均为（NH₄）₂SO₄和NH₄NO₃.来源分析结果表明,PM_2.5和PM₁₀样品中生源硫化物对nss-SO₄^2-的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH₄⁺对氮沉降的贡献程度小于NO₃^-.     

京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

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.     

邢台市秋季PM2.5及水溶性离子污染特征

为研究邢台市秋季PM_2.5污染特征,于2017年10月15日~11月14日在邢台市区对PM_2.5样品进行了采集,并对其中水溶性离子（包括Cl^-、NO₃^-、SO₄^2-、NH₄⁺、Ca²⁺、Na⁺、Mg²⁺、K⁺）进行了分析.结果显示,观测期间邢台市ρ（PM_2.5）平均值为（130.0±74.9）μg/m³,其中水溶性离子质量浓度为（69.8±11.4）μg/m³,占ρ（PM_2.5）的53.3%,NO₃^-、SO₄^2-和NH₄⁺为主要离子,占水溶性离子比例达到了89.7%. 当污染加重,水溶性离子质量浓度随ρ（PM_2.5）增大而升高,且NO₃^-、NH₄⁺及SO₄^2-占比亦逐渐升高,但其他离子占比随之下降,Ca²⁺尤为明显,表明ρ（PM_2.5）升高时主要受二次无机转化影响;观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.36和0.25,表明秋季SO₂与NO₂转化速率较强,二次无机污染严重,另外SOR及NOR与温度及相对湿度呈正相关,且SOR对二者更为敏感;邢台市秋季PM_2.5呈弱碱性,NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃的形式存在;ρ（NO₃^-）/ρ（SO₄^2-）平均值为2.13,表明移动源对秋季大气颗粒物的来源贡献较大;PMF分析结果表明,二次转化源、燃烧源及扬尘源为邢台市秋季PM_2.5中水溶性离子的主要来源.     

长三角东部沿海地区气溶胶液态水含量及酸度的热力学平衡研究：以上海淀山湖为例

气溶胶液态水含量(ALWC)及酸度(pH)是表征气溶胶理化性质的重要指标,对PM_2.5二次颗粒生成机制及来源研究具有重要意义.本文基于国家环境保护长三角区域大气复合污染上海淀山湖科学观测研究站2020年PM_2.5和水溶性离子组分等在线监测数据,利用ISORROPIA-Ⅱ模型正向模式和亚稳态体系分析了ALWC和pH的昼夜、月度时间变化以及影响因素、相互关系,同时利用MeteoInfo模拟气团后向轨迹探究了高值ALWC及pH的传输来源.结果表明:(1)SO₄^2-、NO₃^-对气溶胶pH的影响与其浓度、比例及ALWC有关,而NH₄⁺对pH的影响有限,NH₄⁺与SO₄^2-、NO₃^-浓度均呈较强正相关,且pH越高,NH₄⁺与SO₄...     

长三角沙尘中气溶胶粒径分布及化学组分特征

基于PM、10nm~10μm气溶胶数谱、水溶性离子和气象要素数据,分析了2017年5月3日~8日一次沙尘远距离输送过程中长三角地区气溶胶粒径分布及其化学组成的污染特征.结果表明,此次沙尘伴随天气系统由北往南的传输过程中,PM的浓度逐渐降低,但是高浓度PM持续时间逐渐增加.沙尘在呼和浩特市影响时间为38h,而在南京的影响时间超过60h.沙尘期间气溶胶数浓度谱的峰值向大粒径段偏移,沙尘和非沙尘期间峰值分别位于33和26nm.表面积浓度谱在非沙尘期间为三峰型分布,但是在沙尘期间为四峰型分布.在沙尘期间PM_2.5和PM₁₀中水溶性离子的排序为Ca²⁺ > NH₄⁺ > SO₄^2- > NO₃^- > Mg²⁺ > Na⁺ > Cl^- > NO₂^- > K⁺ > F^-,非沙尘期间为NH₄⁺ > SO₄^2- > NO₃^- > Mg²⁺ > Ca²⁺ > Cl^- > NO₂^- > K⁺ > Na⁺ > F^-.沙尘期间不同水溶性离子的浓度变化不同,沙尘天PM_2.5和PM₁₀中Ca²⁺浓度分别是非沙尘天的9.5和13.7倍,Na⁺分别是非沙尘天的4.4倍和4.6倍.沙尘天PM_2.5和PM₁₀中Ca²⁺占总离子的比例分别为24.7%和24.9%,是非沙尘天的4.9和5.7倍.NO₃^-在PM₁₀中的占总离子的比例为18.7%,高于非沙尘天（13.9%）,但是在PM_2.5中占总离子的比例仅为7.9%,低于非沙尘天（13.2%）.沙尘天F^-、Cl^-、SO₄^2-、NH₄⁺和K⁺离子在PM_2.5和PM₁₀中所占总离子的比例均低于非沙尘天.     

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.     

富氨地区秋冬季不同PM2.5污染级别气溶胶酸性及其影响因素

为研究富氨地区秋冬季不同PM_2.5污染级别气溶胶酸性及其影响因素, 于2018年10月15日~2019年2月28日, 选择郑州市2个非城区点位——新密和航空港进行PM_2.5膜样本采集, 采用离子色谱法测定其水溶性离子, 通过ISORROPIA-Ⅱ模型计算气溶胶pH值, 并分不同污染等级探讨PM_2.5主要离子浓度和pH值范围.结果显示: 采样期间NO₃^-、NH₄⁺和SO₄^2-是3种最主要的离子, 随着污染程度的加剧, NO₃^-、SO₄^2-、NH₄⁺呈现上升趋势, 其中NO₃^-和NH₄⁺的增长速度较大; NH₄⁺/SO₄^2-的比值大于0.75, 大气处于富氨条件, NH₄⁺主要存在形式是(NH₄)₂SO₄、NH₄NO₃、NH₄Cl; 所选两点位PM_2.5的pH值呈中等酸性, 新密4.6±0.6、航空港4.6±0.7, 随着污染的加剧, pH值的变化范围逐渐收窄; 敏感性分析表明影响秋冬PM_2.5的pH值变化的主要共同驱动因素是TNH₃(总氨(气体+气溶胶))、SO₄^2-和温度, 随着污染的加剧, 由TNH₃对气溶胶酸度的影响最大变为SO₄^2-对酸性的影响最大; 随着pH值增大, 总硝酸倾向于向颗粒态移动, 总氨倾向于向气态移动, 呈相反变化.     

天山北坡典型工业城市冬季大气铵盐污染特征及其赋存形式

天山北坡是重污染天气消除攻坚战的重点区域,为了解该区域冬季大气重污染期间NH₄⁺污染特征及其对PM_2.5浓度的贡献,2020年12月—2021年1月在该区域典型工业城市石河子市城区对气态NH₃和PM_2.5中水溶性离子的浓度进行了连续监测,分析了不同空气质量等级下PM_2.5中NH₄⁺浓度和NH₃-NH₄⁺气固转化率的变化以及NH₄⁺的赋存形式.结果表明：(1)监测期间,石河子市大气PM_2.5、NH₄⁺和其他阳离子的平均浓度分别为164、25.3和3.60μg/m³,NH₄⁺浓度是其他阳离子总浓度的7.0倍;NH₄⁺浓度在PM_...     

北京2009~2010年冬、春季PM2.5污染特征

针对北京地区冬季和春季PM_2.5污染特征进行研究.于2009年12月～2010年5月在城市点采集24h 大气颗粒物样品,进行颗粒物主要化学组分分析.冬季和春季颗粒物的平均质量浓度分别为（84.97±68.98）μg/m³和（65.25±45.76）μg/m³.冬季和春季颗粒物中二次组分（SNA+SOA）有重要贡献,二次组分分别占颗粒物质量浓度的49%和47%.冬春季重污染时期较强的源排放和低温、低风速、高相对湿度等不利的气象特征使得颗粒物中二次无机离子SNA（NH₄⁺、NO₃^-、SO₄^2-）的比重较干净天明显上升,其中硝酸盐贡献的增强最为显著.同时冬春季有机物中二次有机组分贡献显著.而受一次源的影响,冬春季重污染时期一次有机物的增强.     

北京市开发区PM1污染特征及影响霾形成的因素

通过采集北京市亦庄经济技术开发区2016年7月和10月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM₁样品,分析研究了该开发区PM₁及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明：研究期间开发区PM₁平均浓度为73.95μg/m³,高于北京市同期估算的PM₁平均水平,为其1.13倍.夏、秋、冬、春4季PM₁平均浓度分别为69.22,63.38,99.50,57.26μg/m³,明显呈现出冬季 > 夏季 > 秋季 > 春季的季节变化特征,各季节霾天PM₁浓度是清洁天的1.78~3.17倍.PM₁中总水溶性离子浓度为37.30μg/m³,占PM₁总质量浓度的50.44%,其中二次组分SO₄^2-、NO₃^-和NH₄⁺（SNA）平均浓度占总水溶性离子浓度的86.98%,是PM₁中水溶性离子的最主要组成部分.PM₁总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季 > 夏季 > 秋季 > 春季.研究期间硫氧化率（SOR）高于氮氧化率（NOR）,且SOR表现为夏 > 秋 > 冬 > 春,而NOR表现为夏 > 秋~春 > 冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO₂和NO₂的二次转化过程最为显著.SO₂向SO₄^2-的转化主要受相对湿度RH、温度T、NO₂以及NH₃的影响,且液相反应是硫酸盐形成的重要途径.NO₂向NO₃^-的转化受RH、T、O₃以及NH₃的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素.     

基于水化学及氮氧同位素技术的硝酸盐来源解析——以鄱阳湖湿地为例

为了识别鄱阳湖湿地水体中硝酸盐污染的来源,转化特征和各污染来源的贡献比例,选取枯水期这一典型时期,于2019年1月份对鄱阳湖中的蚌湖湿地,沙湖山湿地和庐山湿地的地表水进行取样,并测定了水样中的离子组成和硝酸盐氮氧同位素值.研究结果显示, NO₃^-/Cl^-物质的量浓度比值与Cl^-浓度的关系表明3处湿地中硝酸盐来源可能受到农业活动和降雨的影响.蚌湖,沙湖山和庐山湿地水体中δ¹⁵N-NO₃^-和δ¹⁸O-NO₃^-值的范围分别为-6.19‰~4.67‰和3.41‰~39.95‰,-4.14‰~1.45‰和31.54‰~68.30‰,-6.98‰~3.83‰和2.80‰~30.43‰,硝酸盐氮氧同位素值表明3处湿地硝酸盐来源可能受到降水NO₃^-,硝酸盐氮肥,氨态氮肥和土壤有机氮的影响.利用硝酸盐氮氧同位素之间的关系,并结合NO₃^-与Cl^-比值关系判断湿地中无明显反硝化作用的发生.SIAR模型结果显示:蚌湖湿地,沙湖山湿地,庐山湿地硝酸盐来源中降水NO₃^-贡献占比最大,其次是化肥,土壤有机氮,粪便和生活污水贡献占比最小.     

北京市2018年春季一次沙尘回流过程的污染特征

通过监测数据分析,结合轨迹模拟和特征雷达图的分析结果,对2018年4月14~19日北京出现的一次沙尘天气过程进行分析.结果显示：依据ρ（PM_2.5）和ρ（PM₁₀）及其比值PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]的变化情况,此次沙尘过程可分为沙尘期、中间期、回流期和回流后期4个典型时期.沙尘期ρ（PM₁₀）平均值达到（278.5±83.7）μg/m³,明显高于回流期和回流后期,回流后期ρ（PM_2.5）平均值达到（135.5±16.9）μg/m³,明显高于回流期和沙尘期.沙尘期逐小时PM_2.5/PM₁₀<0.2,回流期和回流后期PM_2.5/PM₁₀比值分别介于0.3~0.6和0.5~0.8范围内.SO₄^2-、NO₃^-和NH₄⁺等（SNA）水溶性离子沙尘期浓度占比仅为7.3%±2.5%,沙尘回流期和回流后期SNA占比分别增长至47.0%±6.3%和51.3%±5.7%.研究表明,受天气系统影响,回流沙尘可裹挟南部的细颗粒和气态污染物输送到北京后发生累积和二次转化,从而推高PM_2.5浓度,因此发生沙尘回流时,区域内应加强一次污染物排放的管控力度,同时北京市需进一步加强机动车氮氧化物的排放监管.