广州不同站点类型PM2.5与O3污染特征及相互作用

基于2015~2019年广州4个不同国控站点类型的大气污染物监测数据,研究了广州各站点类型颗粒物（PM_2.5）和臭氧（O₃）的污染特征,并分析了O₃污染季节和PM_2.5污染季节PM_2.5和O₃的相关性及相互作用.结果表明：2015~2019年广州各站点类型PM_2.5浓度总体呈下降趋势,O₃浓度呈上升趋势.不同污染季节PM_2.5与O₃浓度均呈正相关.O₃污染季节二次PM_2.5的生成对颗粒物的影响显著大于一次PM_2.5,随着光化学水平的升高,一次PM_2.5的贡献浓度基本不变（均在21.03~31.37μg/m³范围内）,贡献率逐渐下降;而二次PM_2.5的贡献浓度逐渐升高（3.51~7.72 μg/m³升高到16.04~18.45μg/m³）,贡献率也逐渐升高（11%~27%升高到34%~44%）,且呈倍数增加.不同站点类型贡献差异明显,背景站点二次PM_2.5的贡献最大,城区站点在中和高光化学水平下二次PM_2.5的贡献最小;PM_2.5污染季节各站点类型在不同PM_2.5污染水平下O₃浓度均具有差异性,总体上均呈现背景站点>郊区站点>城区站点的特点.气溶胶的消光作用和非均相反应均显著促进O₃生成,随着PM_2.5浓度升高,各站点类型的O₃浓度峰值逐渐升高,由62.12~83.82μg/m³升高到92.49~135.4μg/m³;O₃变化率峰值也逐渐升高,由8.42~10.02μg/（m³·h）升高到21.33~27.04μg/（m³·h）.进一步促进了广州PM_2.5和O₃浓度的协同增长.     

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.     

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_...     

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^-.     

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.     

2018年春节期间京津冀地区污染过程分析

为了解2018年春节期间京津冀地区空气污染情况,利用近地面污染物浓度数据、激光雷达组网观测数据,结合WRF气象要素、颗粒物输送通量和HYSPLIT气团轨迹综合分析污染过程.结果表明,春节期间出现3次污染过程.春节前一次污染过程,各站点PM_2.5浓度均未超过200μg/m³;除夕夜,廊坊站点PM_2.5峰值浓度达到504μg/m³,是清洁天气的26倍;年初二~初五,各站点PM_2.5始终高于120μg/m³,且污染主要聚集在500m高度以下,北京地区存在高空传输,800m处最大输送通量达939μg/（m³·s）,此次重污染过程为一次典型的区域累积和传输过程.京津冀地区处于严格管控状态时,燃放烟花爆竹期间PM_2.5峰值浓度可达无燃放时PM_2.5峰值的3.2倍.为防止春节期间重污染现象的发生,需对静稳天气下燃放烟花炮竹采取预防对策.     

基于高分辨率MARGA分析桂林市PM2.5水溶性离子特征

利用高时间分辨率MARGA于2017年2月17日~3月24日在桂林市开展PM_2.5组分监测，结合同一点位环境和气象监测数据，分析桂林市大气PM_2.5水溶性无机离子组分特征及气溶胶酸性.结果表明：MARGA监测的PM_2.5中8种水溶性离子与PM_2.5变化趋势一致.8种水溶性离子总浓度均值29.27μg/m³，3种二次水溶性离子SO₄^2-、NO₃^-和NH₄⁺浓度均值26.91μg/m³，占水溶性离子总浓度的93.50%，是桂林市大气PM_2.5的主要组分.二次水溶性离子SO₄^2-、NH₄⁺和NO₃^-两两之间存在显著正相关性（相关系数均>0.80），提示二次离子产生的机制及在大气中的演化、沉积具有一定的相似性.无论有无降雨，能见度（Vis）均随着水溶性离子，尤其是二次水溶性离子浓度的增加呈幂函数规律递减.24h累计降雨量≥ 10.0mm时，湿清除作用明显.晴天及降雨量不大的天气下，需注意管控机动车尾气、生物质燃烧和扬尘污染.SOR、NOR分别为0.35、0.12，SO₂同时通过均相和非均相氧化反应转化为SO₄^2-，NO_x主要是通过白天光化学反应转化为NO₃^-.大多数离子和气态前体物均存在明显的日变化规律，这与物质的来源、形成机制和气象条件不同有关.CE/AE摩尔浓度均值为1.5，桂林市PM_2.5总体偏碱性.PM_2.5中SO₄^2-、NO₃^-、Cl^-主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在.PM_2.5中NH₄⁺可能与监测点位交通源排放有关，桂林市应加强交通污染物排放管控.     

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.     

北京冬季一次重污染过程的污染特征及成因分析

为了研究北京冬季重污染过程的污染特征及形成原因,选取2013年1月9~15日一次典型重污染过程,对污染期间气象要素、大气颗粒物组分特征和天气背景场进行综合研究.结果表明,此次大气重污染过程中PM₁₀和PM_2.5平均质量浓度分别为347.7μg/m³和222.4μg/m³,均超过环境空气质量标准(GB3095-2012)中规定的日均二级浓度限值.重污染时段PM_2.5中NH₄⁺、NO₃^-和SO₄^2-质量浓度之和占PM_2.5质量浓度的44.0%,OC/EC的平均比值为5.44,说明二次无机离子和有机物对此次污染过程中PM_2.5贡献较大.稳定的大气环流背景场、高湿度低风速的地面气象条件和低而厚的逆温层导致北京地区大气层结稳定,加上北京三面环山的特殊地形结构,是造成此次大气重污染过程的主要原因.     

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.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

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.     

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.