常州市春季PM2.5中细菌群落特征及影响因素

为研究常州市春季PM_2.5中细菌群落特征,利用高通量测序对PM_2.5中细菌的16S rRNA基因进行研究.测序获得的有效序列数为600150,以97%的相似水平划分,各样品的OTUs为1890~6519,同时样本的Coverage指数较高,表明测序结果可以准确地代表样本中的空气细菌群落.物种注释结果表明：常州春季PM_2.5中相对丰度> 1%的有11个细菌门、14个细菌纲和12个细菌属,其中变形菌门（Proteobacteria）、蓝藻细菌门（Cyanobacteria）和厚壁菌门（Firmicutes）是排名前3的优势细菌类群,占总基因丰度的80.88%.属水平优势细菌主要有拟甲色球藻属（Chroococcidiopsis,6.03%）、Rubellimicrobium（5.95%）、微囊藻属（Microcystis,4.86%）和鞘氨醇单胞菌属（Sphingomonas,3.16%）,但在属水平上未能进行分类的基因序列比例高达81.11%.基于PM_2.5中细菌群落组成进行来源分析,发现常州市春季PM_2.5中细菌的环境来源多变,其主要环境源可能为淡水,其次是土壤、植物和人为源.利用冗余分析探讨环境因子与细菌群落的关系,结果表明,NH₄⁺、NO₃^-、O₃、SO₄^2-、OC、气压和CO是常州市春季PM_2.5中细菌群落的主要影响因子,同时不同环境因子对不同细菌类群影响不同.     

成都市大气PM2.5中有机磷阻燃剂的污染水平及来源

应用气相色谱-质谱联用仪定量分析成都市大气PM2.5中有机磷酸酯阻燃剂(OPEs)的质量浓度水平,讨论了其分布特征,并采用后向气流轨迹模型及相关性分析探析PM2.5中OPEs的来源.结果表明,成都市市区采样点大气PM2.5中Σ7OPEs年平均质量浓度为6.46 ng·m-3,郊区采样点为9.38 ng·m-3.受郊区废旧物质拆解产业和常年主导风向的影响,郊区采样点大气PM2.5中OPEs的质量浓度高于市区采样点(P=0.013).大气混合程度影响郊区和市区OPEs的分布,外源污染对成都市OPEs贡献小,OPEs质量浓度高低可能主要受采样点周围局地源的影响.     

北京和保定地区大气细颗粒物中可培养细菌的种群特征

在北京城区和河北省保定郊区(望都),于2015年1月10~17日雾-霾时期,使用大气颗粒物采样器收集大气细颗粒物(PM2.5),比较了两地雾-霾时期PM2.5中可培养细菌的种群结构特征异同;使用场发射扫描电镜(FESEM)观察PM2.5颗粒形态,利用后向轨迹模型NOAA/ARL HYSPLIT-4分析北京城区和保定郊区气团输送来源,采用离子色谱仪、流动分析仪和ICP-MS仪器监测PM2.5中主要水溶性离子和重金属元素含量.结果表明,北京城区和保定郊区分离得到的PM2.5可培养细菌为厚壁菌门(Firmicutes)、放线菌门(Actinobacteria)和α-变形菌门(α-Proteobacteria)三大菌门,其中厚壁菌门(Firmicutes)为优势菌门;分离纯化鉴定出17种细菌,革兰氏阳性菌占90%以上;优势菌属为产芽孢的芽孢杆菌属(Bacillus),分别占北京城区(RCEES)和保定郊区(WD)PM2.5样品中可培养细菌百分比的68.15%和75%.北京城区和保定郊区PM2.5中可培养细菌种群结构特征可能受到PM2.5理化性质和气团传输的影响.     

青岛冬季霾天不同粒径生物气溶胶中细菌群落特征研究

采用Illumina高通量测序方法对青岛冬季一次霾过程中大气生物气溶胶中细菌群落结构特征进行了研究.测序获得的807104条序列以97%的相似水平可划分为874个OTUs,其中有344个OTUs注释到属水平.结果表明,霾发生时,大气生物气溶胶中细菌群落结构和多样性变化显著.由非霾到重度霾天过程中,细菌群落丰富度和多样性逐渐降低,且细菌群落丰富度在不同粒径颗粒物上的差异逐渐减小,多样性在不同粒径颗粒物上的差异逐渐增大.非霾天优势菌属为假单胞菌属(Pseudomonas)、韦荣氏球菌属(Veillonella)和鞘氨醇单孢菌属(Sphingomonas);霾发生后,优势菌属转变为鞘氨醇单孢菌属(Sphingomonas).此次霾发生过程中,浓度升高的鞘氨醇单孢菌属(Sphingomonas)和新检出的皮生球菌属(Dermacoccus)、梭菌属(Fusobacterium)、纤毛菌属(Sneathia)、黄杆菌属(Flavobacterium)为条件致病菌,可能存在健康风险.     

硫氧同位素示踪南京北郊大气PM2.5中硫酸盐来源

采用EA-IRMS联用技术对2014年1月南京北郊大气细粒子(PM2.5)中硫酸盐的硫和氧同位素组成进行了分析,结合大气颗粒物化学组成,追溯南京北郊大气PM2.5中硫酸盐的来源,并评估了各污染源的贡献率.结果表明,2014年1月南京北郊硫酸盐气溶胶的硫同位素组成(δ34S)范围为2.7‰~6.4‰,平均值为5.0‰±0.9‰(n=16);氧同位素组成(δ18O)值范围为10.6‰~16.1‰,平均值为12.5‰±1.37‰(n=16).通过气溶胶与可能污染源的δ34S值对比和后向轨迹分析,得出结论:研究区域大气中硫同位素组成主要受当地燃煤中硫的影响,其次是远距离传输硫.此外,有低δ34S值硫源存在,但贡献比较小,可能来自生物成因硫.绝对主因子分析结果显示:人为成因硫和远距离传输硫贡献率分别为46.74%和31.54%.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

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%.     

重庆市北碚大气中PM2.5、NOx、SO2和O3浓度变化特征研究

重庆是我国西南工业重镇,但长期受大气污染困扰.利用全自动在线环境监测仪器,于2012年1月—2014年2月,对重庆市北碚区大气中的典型污染物PM2.5、NO_x、SO_2和O_3进行了观测研究.结果表明:重庆北碚大气首要污染物为PM2.5,2012和2013年平均浓度分别为(67.5±31.9)和(66.6±37.5)μg·m~(-3),是国家环境空气质量一级标准35μg·m~(-3)的1.9倍,两年超过国家二级标准的天数分别为119和126 d,年超标率均大于1/3;两年NO_x,SO_2及O_3的年平均浓度分别为(57.1±24.6)和(55.1±36.6),(43.1±24.0)和(35.0±21.9)及(31.1±24.9)和(48.5±37.4)μg·m~(-3).大气污染物浓度具有明显的季节变化特征,PM2.5和NO_x冬季污染最为严重,两年冬季平均值分别比两年年平均值高33.6%、59.6%和43.2%、8.5%;O_3表现为夏高冬低;SO_2春季最高且污染最轻.大气污染物日变化显示PM2.5和NO_x浓度呈双峰日变化形式,有早晚两个峰值,与城市交通高峰相对应.SO_2和O_3浓度呈单峰日变化,前者峰值出现在午前10∶00—12∶00大气对流层被打破之后,而后者峰值出现在午后16∶00局地光化学最强之时.消减各种污染源的颗粒物直接排放,消减气态污染物SO_2和NO_x的工业排放,消减机动车NO_x和VOCs等的排放,才有可能使重庆北碚的大气污染状况得到改善.     

春季华东高山背景区域PM2.5和PM2.5~10中水溶性无机离子特征

为了探讨华东高山背景区域春季颗粒物中水溶性组分的特征,2014年3月至5月在国家大气背景监测福建武夷山站采集PM2.5及PM2.5~10样品,获取了水溶性无机离子组分,并同步收集气象因子及SO2、NO2、O3、PM10和PM2.5等污染物质量浓度数据.结果表明,春季武夷山背景点PM2.5和PM2.5~10中水溶性无机离子总浓度分别为(8.3±2.8)μg·m-3和(1.3±0.9)μg·m-3,分别占PM2.5和PM2.5~10质量浓度的(43.7±7.5)%和(24.4±6.4)%.SO2-4占PM2.5质量浓度百分比最高,为(32.4±6.3)%;NO-3占PM2.5~10质量浓度百分比最高,为(8.9±3.7)%.春季武夷山背景点硫酸盐主要存在于细颗粒物中,且以(NH4)2SO4和K2SO4的形式存在,粗颗粒中的硝酸盐则主要以Mg(NO3)2的形式存在.春季武夷山背景点水溶性无机离子主要来源于沙尘、海盐及高污染区域的远距离输送.     

太原冬季PM2.5影响霾污染的关键尺度谱特征

PM_(2.5)普遍被认为是导致霾形成的主要污染物之一.利用2016年11~12月在太原市人工降雨防雹办公室观测获得的气溶胶数谱资料、小店区气象站提供的气象要素资料以及小店区环境监测站提供的PM质量浓度资料,探讨了PM_(2.5)影响霾污染的关键尺度谱特征.结果表明,观测期间霾污染频发,且程度严重,重度霾占25.35%.相对湿度高于80%、风速小于1.5 m·s~(-1)是霾频繁发生的有利条件,特别是重霾;中度霾和轻度霾在相对湿度40%~80%、风速小于1.5 m·s~(-1)时也会频繁发生;轻微霾主要发生在相对湿度20%~40%,风速为1.25~2.55 m·s~(-1)时.霾天PM_(2.5)平均质量浓度为209.45μg·m~(-3),是非霾天气的3倍,且随着霾等级增加,PM_(2.5)质量浓度和PM_(2.5)/PM_(10)比值不断增加.低湿环境下PM_1是影响霾的关键粒子;高湿环境下PM_(0.5)是影响轻微霾、轻度霾和中度霾的关键粒子,而影响重度霾的关键粒子则是PM_1.高湿环境下表面积浓度对能见度的贡献率下降,但是气溶胶吸湿增长增大了粒子尺度,导致消光效率因子增大,从而弥补了表面积浓度的不足;粒子尺度参数的增加是高湿时PM_(2.5)影响霾污染的重要因素.     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

天津市春季道路降尘PM2.5和PM10中的元素特征

为探究天津市春季道路降尘中元素污染特征及来源,于2015年春季采集了天津市道路降尘样品,通过再悬浮得到PM_(2.5)和PM_(10)滤膜样品,继而测定了滤膜样品中16种元素的含量,通过非参数检验、分歧系数法、富集因子法等研究了道路降尘中元素的污染特征、来源和成分谱的相似性.结果表明,天津市春季道路降尘PM_(2.5)和PM_(10)质量分数平均值在1%~20%之间的元素从大到小依次为:SiAlCaFeMgKNa;PM_(10)和PM_(2.5)中元素成分谱分歧系数为0.06,表明两者元素成分谱很相似;PM_(10)和PM_(2.5)中,元素Cd和Cr强烈富集,Zn、Cu、Pb和As显著富集;道路降尘PM_(2.5)和PM_(10)中元素主要来源于土壤风沙尘、建筑尘、交通尘(汽车尾气的排放、轮胎磨损和刹车片磨损)和煤烟尘.     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

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.     

北京市典型绿化灌木阻滞吸附PM2.5能力研究

选取北京市典型绿化灌木物种大叶黄杨、小叶黄杨、紫叶小檗、矮紫杉,结合气室模拟与实地观测的方法,综合测定不同树种对PM2.5的吸附能力.同时,收集2012年12月~2013年5月间北京市区PM2.5浓度值,分析了北京市冬春季PM2.5污染特征.结果表明,由气室实验得到的4种植物对PM2.5阻滞吸附能力排序为:紫叶小檗>小叶黄杨>矮紫衫>大叶黄杨,其原因主要为叶片特征差异所致;室外测量结果表明,4种物种吸附能力排序为:小叶黄杨>紫叶小檗>矮紫衫>大叶黄杨.气室模拟与室外实测结果均表明,小叶黄杨和紫叶小檗具有较强的阻滞吸附PM2.5的能力;气室模拟与室外观测实验中植物阻滞吸附PM2.5能力的大小略有差异,其原因应与植物结构相关.同时,通过分析北京市PM2.5浓度的季节性变化,发现北京市冬季的PM2.5浓度值尤为高,且常绿灌木植物仍能表现出较好的阻滞吸附PM2.5的能力.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

北京地区秋冬季大气污染特征及成因分析

为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016～2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16～22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%～69. 3%.     

北京冬季PM2.5中金属元素浓度特征和来源分析

为了解北京冬季细颗粒物中金属元素的浓度水平及其来源,于2014年12月至2015年1月使用中流量PM_(2.5)采样器在北京城区开展了为期30 d的连续采样,采用滤膜称重法检测PM_(2.5)浓度,电感耦合等离子体质谱法(ICP-MS)分析PM_(2.5)中16种元素总量,并采用富集因子法和因子分析法分析元素污染特征及其来源.结果表明,观测期间PM_(2.5)中主要金属元素为K、Ca、Fe、Al和Mg,占16种元素总量的90.7%.与白天相比,地壳元素如Mg和Al等在夜间的浓度下降30%以上,而人为源金属元素如Cu和Pb等的浓度则上升40%以上.从优良天到重污染天气,上述16种金属元素的总浓度上升1倍,但其在PM_(2.5)中的比例却逐渐降低,说明金属元素的富集不是PM_(2.5)上升的主要原因.随着污染程度的加剧,Cu、Zn、As、Se、Ag和Cd等主要来自人为源的金属元素浓度上升较快,重度污染天与优良天的浓度比值范围为2.9~5.3;而Al、Mg、Ca、Mn和Fe等地壳元素浓度上升则较缓,重度污染天与优良天的浓度比值范围为1.2~1.8.北京冬季PM_(2.5)中金属元素主要来源于燃煤和生物质燃烧、交通和工业排放以及地面扬尘,贡献率分别为34.2%、25.5%和17.1%.     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.