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.      

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

清洁取暖对保定市采暖期PM2.5中碳质气溶胶的影响

为了研究清洁取暖措施对保定市PM_2.5中碳质气溶胶浓度和来源的影响,于2014年和2019年冬季采暖期在保定市采集PM_2.5样品,用DRI Model 2001A热光碳分析仪测定样品中OC和EC的浓度.结果表明,2014年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为60.92μg·m^-3和18.15μg·m^-3,2019年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为36.63μg·m^-3和6.07μg·m^-3,与2014年相比2019年OC、 EC浓度分别下降了39.87%和66.56%,EC下降幅度大于OC,且2019年气象条件与2014年相比更不利于污染物扩散.通过对OC和EC相关性分析和SOC估算,发现2014年和2019年保定市OC和EC相关性R²分别为0.874和0.811,表明保定市OC和EC具有较为一致的来源.2014年和2019年ρ(SOC)的平均值分别为16...     

机动车源和民用燃料源颗粒物中有机碳和元素碳的排放特征

为了获取机动车源尾气和主要民用燃料源燃烧过程排放的颗粒物中含碳气溶胶的排放特征,使用多功能便携式稀释通道采样器和Model 5L-NDIR型OC/EC分析仪,采集分析了典型机动车源(汽油车、轻柴油车、重柴油车)、民用煤(块煤和型煤)和生物质燃料(麦秆、木板、葡萄树树枝)的PM₁₀和PM_2.5样品中的有机碳(OC)和元素碳(EC).结果表明,不同排放源释放的PM₁₀和PM_2.5中含碳气溶胶的质量分数存在显著差异.总碳(TC)在不同源PM₁₀和PM_2.5中的质量分数范围分别为40.8%～68.5%和30.5%～70.9%,OC/EC范围分别为1.49～31.56和1.90～87.57.不同源产生的含碳气溶胶均以OC为主,OC在PM₁₀和PM_2.5中的质量分数范围分别为56.3%～97.0%和65.0%～98.7%.在PM₁₀和PM_2.5的含碳气溶胶中OC质量分数按照从高到低...     

2015~2019年南京北郊碳质气溶胶组成变化

碳质气溶胶是大气细颗粒物的重要组成,对空气质量、人体健康和气候变化有着重要影响.为了探究碳质气溶胶在减排背景下的长期变化,本研究测定了南京北郊5 a（2014年12月17日至2020年1月5日） PM_2.5样品的有机碳（OC）和元素碳（EC）浓度.结果表明,ρ（OC）和ρ（EC）5a平均值分别为（10.2±5.3）μg·m^-3和（1.6±1.1）μg·m^-3,其中OC占PM_2.5的31.1%,EC占PM_2.5的5.2%.OC和EC均呈现出冬高夏低的季节特征.通过非参数的Mann-Kendall检验和Sen’s斜率发现,OC和PM_2.5的浓度整体呈显著下降趋势[OC:P<0.000 1,-0.79μg·（m³·a）^-1,-0.29%·a^-1; PM_2.5:P<0.000 1,-4.59μg·（m³·a）^-1,-1.5...     

天津市区夏季碳气溶胶特征及改进的二次有机碳估算方法

为更加准确地估算环境受体PM_2.5中SOC（二次有机碳）的质量浓度,于2015年6-8月利用在线监测仪器同步采集小时分辨率的PM_2.5及OC（有机碳）和EC（元素碳）样品数据,分析碳气溶胶的变化特征,并尝试运用改进的EC示踪法估算ρ（SOC）.结果表明:天津市区夏季ρ（PM_2.5）为（70.9±46.0）μg/m3,ρ（OC）和ρ（EC）分别为（7.6±3.1）（2.2±1.5）μg/m3,占ρ（PM_2.5）的11.8%±4.6%和3.1%±1.4%,OC/EC（质量浓度之比,下同）的平均值为4.0±2.0.ρ（OC）与ρ（EC）之间的Pearson相关系数（R）仅为0.66,说明OC和EC的来源较为复杂,SOC的产生可能是重要影响因素.ρ（NO₂）与OC/EC呈显著负相关（R=-0.47,P < 0.01）,并且OC/EC（4.0）相对较低,说明天津市区机动车可能对碳气溶胶具有重要影响.ρ（SO₂）与ρ（OC）、ρ（EC）的相关性较低（R均为0.33,P均小于0.01）,说明天津市区碳气溶胶可能受燃煤源的影响较低.改进的EC示踪法主要是利用O₃和CO、EC作为光化学反应和一次源排放的指标,并结合ρ（OC）、ρ（EC）和OC/EC的变化特征,逐步筛选一次排放源主导的时间段的ρ（OC）和ρ（EC）数据,然后利用最小二乘法拟合获得ρ（OC）和ρ（EC）的线性方程,最后进行ρ（SOC）和ρ（POC）（POC为一次有机碳）的估算.天津市区夏季ρ（SOC）的平均值为（2.5±2.0）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的28.8%±15.0%和3.7%±3.6%;ρ（POC）的平均值为（5.2±1.7）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的71.2%±15.0%和8.1%±5.2%,说明天津市区夏季有机碳的主要来源是一次排放源.研究显示,相比于EC示踪法,改进的EC示踪法估算的ρ（SOC）明显降低,ρ（POC）明显升高.AT（大气温度）对ρ（SOC）的影响较为显著,而WS（风速）对ρ（POC）的影响较为显著.      

菏泽市冬季大气PM2.5和PM10中碳组分来源解析

为研究菏泽市冬季大气颗粒物中碳组分的污染特征和来源,于2016年1月采集菏泽市冬季大气PM_2.5和PM₁₀样品,基于热光反射法分析样品中OC（有机碳）、EC（元素碳）及8个碳组分[OC1、OC2、OC3、OC4、EC1、EC2、EC3和OP（裂解碳）]的含量,并计算得到ρ（Char-EC）（Char-EC为燃料燃烧后固体残渣中的EC）和ρ（Soot-EC）（Soot-EC为燃烧后气相挥发物质再凝结形成的EC）,以定性识别大气颗粒物中碳组分的来源.结果表明,菏泽市冬季大气颗粒物样品中碳组分浓度处于较高水平,PM_2.5中的ρ（OC）、ρ（EC）分别为26.34、9.22 μg/m3,PM₁₀中ρ（OC）、ρ（EC）分别为31.82、10.71 μg/m3.采样期间大气PM_2.5中碳组分（OC、EC、OC1、OC2、OC3、OC4、EC1、EC2、EC3、Char-EC、Soot-EC）浓度与PM₁₀中相应各组分浓度的比值均大于0.5（0.60~0.90）,表明碳组分多集中于细粒子（PM_2.5）.大气颗粒物样品中各碳组分浓度具有明显空间差异,各点位大气PM_2.5和PM₁₀中ρ（OC）均显著高于ρ（EC）（T检验,P < 0.05）.菏泽市冬季大气PM_2.5和PM₁₀中Char-EC/Soot-EC（二者质量浓度之比）分别为10.04、8.00,并且存在显著的空间差异性（T检验,P < 0.05）.PMF（正定矩阵因子分解法）解析结果表明,菏泽市冬季大气PM_2.5和PM₁₀中碳组分来源主要有4类,包括两类柴油车（1类排放的碳组分中以EC2为主,定义为柴油车-1;1类排放的碳组分中以EC3为主,定义为柴油车-2）、汽油车、生物质燃烧和燃煤混合源,对大气PM_2.5中碳组分的分担率分别为13.98%、5.13%、24.47%、41.97%,对大气PM₁₀中碳组分的分担率分别为16.08%、8.21%、18.34%、47.35%.可见,菏泽市冬季大气PM_2.5和PM₁₀中碳的主要来源是柴油车、汽油车、生物质燃烧和燃煤.      

杭州市冬季环境空气PM2.5中碳组分污染特征及来源

为研究杭州市PM_2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM_2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳（OC）、元素碳（EC）、二次有机碳（SOC）的平均质量浓度分别为（23.7±7.5）（5.0±2.4）和（9.2±4.5）μg/m3,OC/EC[ρ（OC）/ρ（EC）]和SOC/OC[ρ（SOC）/ρ（OC）]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ（OC）、ρ（EC）、ρ（SOC）和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ（OC）和ρ（EC）的日均值具有相同的时间变化趋势.对照点ρ（OC）和ρ（EC）的相关性（0.49）低于常规点位（0.61）,对照点PM_2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM_2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM_2.5中总碳（TC）的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%.      

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

郴州市大气PM2.5碳组分污染特征及其来源分析

为研究郴州市PM_2.5中碳组分的污染特征及来源,于2016年7月-2017年4月分4个季度典型时段采集郴州市环境大气中的PM_2.5,测定了样品中OC（有机碳）和EC（元素碳）的质量浓度,对碳气溶胶污染水平、时空分布、SOC（二次有机碳）以及OC和EC相关性等特征进行了分析,并分析了碳组分的来源.结果表明:郴州市ρ（PM_2.5）年均值为（40.2±19.0）μg/m3,ρ（OC）、ρ（EC）占比分别为15.7%和7.2%;ρ（OC）与ρ（EC）相关性分析显示二者来源较为一致,但春季、夏季差异相对较大;ρ（SOC）全年估算值为1.84 μg/m3,占ρ（OC）的29.11%,夏季较高的温度和较低的相对湿度导致夏季ρ（SOC）的估算偏低.结合碳组分丰度分析、PCA（主成分分析）和PMF（正矩阵因子分解分析）结果发现,燃煤/道路尘、机动车排放和生物质燃烧对PM_2.5中TC（总碳）的影响最为明显,贡献率分别为49.25%~56.71%、19.79%~25.36%和9.35%~13.69%.反向轨迹聚类结果显示,广东珠三角区域的汽油车排放、道路尘和生物质燃烧对郴州市PM_2.5中碳组分有较大的影响,而燃煤和柴油车的贡献主要来源于本地.研究显示,郴州市PM_2.5中碳组分污染较为严重,应重点加强本地燃煤和柴油车的控制.      

上海中心城区冬季PM_(2.5)中有机碳和元素碳组成变化特征

采样分析了上海中心城区冬季2009年1月-2月PM2.5中有机碳和元素碳组分,并对其污染和变化特征进行了分析。监测分析结果表明,中心城区范围内OC、EC质量浓度空间分布无明显差异;OC、EC是PM2.5的重要组成部分,其在PM2.5中的质量分数分别为8.88%、1.49%;ρ(OC)/ρ(EC)比值较高,为5.73,且存在一定程度的二次有机污染;OC质量浓度和EC质量浓度有着很好的相关性,二者一定程度上有着相同的源;春节前后,TC浓度变化(即OC+EC)呈现明显的假日效应,机动车排放是TC的重要来源之一。     

上海市大气颗粒物中有机碳（OC）与元素碳（EC）的粒径分布

分析了上海市嘉定区不同粒径大气颗粒物(0.49、0.49～0.95、0.95～1.50、1.50～3.00、3.00～7.20、7.20μm)中OC和EC质量浓度的粒径分布特征;讨论了不同粒径大气颗粒物中二次有机碳EC示踪法中(OC/EC)pri的选定方法,用改进后的EC示踪法估算出上海市嘉定区大气颗粒物中的二次有机碳(SOC)质量浓度的粒径分布;通过OC和EC的相关性定性分析了上海市嘉定区大气颗粒物的主要来源.上海市嘉定区大气颗粒物中OC和SOC的质量浓度呈双峰分布,峰值出现在0.49μm与3.00μm的粒径段,EC出现双峰或三峰分布,与OC相比,更集中在0.49μm的粒径段.细颗粒(3.00μm)中OC和EC分别占总OC和EC质量浓度的59.8%～80.0%和58.1%～82.4%,OC和EC的质量浓度主要集中在3.00μm的颗粒物中.不同粒径颗粒物中SOC占相应粒径段内OC浓度的15.7%～79.1%,其中细颗粒物(3.00μm)和粗颗粒物(3.00μm)中SOC质量浓度占相应粒径段中OC的41.4%和43.5%.OC、EC和SOC的粒径分布显现出明显的时间依存性.OC和EC的相关性分析表明,上海嘉定区大气颗粒物的污染源主要以轻型汽油车尾气为主.     

机动车尾气碳质气溶胶排放因子及其稳定碳同位素特征

机动车尾气是大气碳质气溶胶的重要人为来源,其排放因子与稳定碳同位素组成是重要的基础数据.选取多辆不同类型在用机动车,进行多种工况、冷/热条件下启动的台架试验,收集各测试阶段尾气分析其碳质组分含量与稳定碳同位素比值,并探讨其影响因素.结果表明,总碳排放因子大小为：重型柴油车>轻型柴油车>轻型汽油车,轻型天然气车虽然在低速与中速阶段排放因子极低,但高速行驶阶段可达到重型柴油车的排放水平.各型车冷启动的排放因子均高于热启动,NEDC工况的排放因子整体低于WLTC工况,应与其测试车速有关.汽油车和天然气车各测试阶段排放有机碳(OC)均远高于元素碳(EC),柴油车OC与EC排放因子相近,各类车辆OC/EC都随测试车速的提高而上升.稳定碳同位素EC重于OC,同位素比值大小关系均呈现：汽油车<天然气车<轻型柴油车<重型柴油车,现有源解析的稳定碳同位素源谱较难反映汽油车与天然气车特征.在排放治理与源解析工作中,应注意替代燃料的使用与机动车老化过程所造成的排放因子与同位素特征值的变化影响.     

2008年奥运期间北京不同粒径大气颗粒物中元素碳和有机碳的变化特征

采用安德森撞击式分级采样器采集2008-06-01～2008-09-30不同粒径的大气颗粒物样品,并用美国沙漠所DRI(desert research institute)的Model 2001A热光碳分析仪对其中的元素碳和有机碳进行了分析.结果表明,平均有56%、55%和73%的PM、OC和EC富集于粒径<2.1 μ...     

沈阳市冬季不同污染程度PM2.5中OC和EC污染特征

于2018年12月~2019年1月对沈阳市PM_2.5进行持续在线浓度监测,使用有机碳/元素碳分析仪对PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度进行分析,研究了不同污染程度下PM_2.5及其碳组分的污染特征和来源.结果表明,沈阳地区冬季碳组分污染较为严重,不同污染程度下的总碳气溶胶（TCA）约占PM_2.5的36.3%~42.8%.中/重度污染天气下PM_2.5、OC和EC的平均质量浓度达到148.6,29.6,6.6μg/m³,是清洁天的3.1~3.3倍.PM_2.5、OC和EC的日变化均表现为早晚高、午后低,任一时刻其浓度均为中/重度污染>轻度污染>清洁天.不同污染程度下的OC/EC值均大于2,其中污染天比值分布在2.1~25.3区间内,表明燃煤和机动车尾气排放是污染天碳质气溶胶的主要来源.二次有机碳（SOC）随污染程度增加表现出升高趋势,清洁天、轻度污染和中/重度污染下其平均浓度依次为2.9,6.5,10.6μg/m³.后向轨迹聚类结果表明,沈阳地区冬季污染天主要受偏北和西北方向气团影响.     

南通市重污染过程PM_(2.5)中OC/EC浓度水平及污染特征分析

采用EC/OC在线分析仪连续监测数据,结合空气自动监测站监测的PM_(2.5)浓度数据和气象参数,对南通市几次重污染过程进行了分析。结果表明,OC/EC浓度随PM_(2.5)浓度变化趋势基本一致,重污染过程中明显升高,是导致南通市重污染天气的重要元素之一。重污染过程中存在明显的二次有机碳污染,且重污染程度越高,二次有机污染越严重。单次重污染过程OC/EC来源基本相同,仅凭OC/EC的比值判断污染物来源是不充分的。污染过程中TC(OC+EC)的上升幅度较PM_(2.5)中其他组分低,污染后其下降幅度也相对较低。