南京北郊秋季气溶胶理化特征及潜在源区分布

利用单颗粒气溶胶质谱仪(SPAMS)于2015年秋季对南京北郊大气颗粒物进行了连续观测,选取了4类主要颗粒:富元素碳颗粒(EC)、富有机碳颗粒(OC)、富钾颗粒(K-rich)和富金属颗粒(Metal),占总颗粒数的比例分别为29.39%,9.53%,26.55%,8.54%.分析了不同天气下4类颗粒的粒子数和粒径分布的变化,采用后向轨迹模型和浓度权重轨迹方法,得到了各类颗粒的潜在源区分布.结果表明,清洁、清洁降雨、污染、污染降雨,4类天气采集到的颗粒物平均数分别约为2900,1300,6450,5950h-1.污染天气下,EC和Metal颗粒对当地颗粒物污染的贡献增大,各类颗粒的粒子数均大幅上升,并且除了OC颗粒,其他类颗粒粒径普遍向大粒径段偏移.强降水对各类颗粒均有明显的清除作用,其中大粒径段颗粒数下降最显著,但在污染降雨天气下,降水清除作用不明显,且对各类颗粒的清除作用存在粒径差异.不同来源气团携带的细颗粒物数量与类别存在差异,总体上海洋气团比内陆气团更清洁,气团经过陆地时会显著受到当地排放源的影响.细颗粒物的高贡献源区主要在本地及西南侧的安徽马鞍山一带,各类颗粒物的强潜在源区分布也存在明显差异.     

长江三角洲大气颗粒物生成-成长过程的研究 ——不同气团影响下的过程特征

针对大气颗粒物数浓度粒径分布的演变特征,于2005年夏季在上海下风方向站点太仓进行大约30d的观测.观测发现颗粒物生成-成长过程主要发生于混合充分、有区域代表性的气团中.应用颗粒物数浓度粒径分布数据计算了颗粒物凝结汇、可凝结性蒸气浓度、可凝结性蒸气源速率、颗粒物成长速率等过程特征量.颗粒物成长速率平均为6.0nm/h,可凝结性蒸气浓度平均为8.2′107/cm3,其源速率为3.1′106/(cm3×s).利用后向气流轨迹对影响颗粒物生成-成长过程的气团来源进行分析,并利用观测所得SO2浓度及过程特征量计算了不同气团影响下气态硫酸蒸气对颗粒物成长速率的贡献:长江三角洲城市群气团影响下硫酸贡献量最大,为59%,北方气团影响下硫酸贡献量次之,超过53.8%,受南方气团影响下硫酸贡献量最低,为30%.     

天津市环境空气质量现状特征分析研究

利用天津市环境空气监测数据及相关资料,统计分析其环境空气质量状况.结果表明,2013年天津市环境空气质量达标率为40％,重度及以上污染日有49天,主要发生在冬季,超标日的首要污染物以细颗粒物、可吸入颗粒物和臭氧为主.在空气质量污染物构成中,细颗粒物占比为29.43％,其次为可吸入颗粒物占比22.18％,表明天津市大气污染以颗粒物为主.细颗粒物与可吸入颗粒物的月均浓度线性相关系数为0.918 4,占比为64％.除臭氧以外的五项主要污染物在冬季污染最重,夏季污染较轻,臭氧浓度变化与气温变化保持一致,夏季最高,冬季最低.在市域内,滨海新区、蓟县和西青空气质量较好,红桥、宁河和北辰空气质量较差;气态污染物比颗粒物的空间分布更受局地排放的影响,而颗粒物污染分布具有区域性趋势.     

利用SPAMS研究西安市重污染天气细颗粒物污染特征及来源

为了对西安市冬季重污染过程中的细颗粒物进行动态源解析,于2016年12月5-22日,利用SPAMS（单颗粒气溶胶质谱仪）在西安市城市运动公园开展连续观测.将观测期分为4个阶段,结合气象条件对不同阶段细颗粒物的污染特征进行分析比较.依据质谱特征,将所采集到的颗粒分为EC（元素碳）、OC（有机碳）、ECOC（混合碳）、HM（重金属）、LEV（左旋葡聚糖）、SiO₃（矿尘）、K（钾）、Na（钠）、HOC（有机大分子）及Other（其他）类.结果表明:观测期间所采集到的OC类颗粒物数量最多,在重污染阶段OC、K和EC类颗粒物占颗粒总数的70%以上,是重污染天气的主要组成颗粒.在雾霾消散期,OC、LEV和SiO₃类颗粒是主要类型颗粒物.根据颗粒物的化学类型及离子特征,利用PMF（正交矩阵因子分解）模型法得到6种污染源贡献率分别为27.7%（燃煤源）、22.3%（二次污染源）、20.4%（交通源）、10.4%（生物质燃烧源）、9.7%（工艺过程源）、6.5%（扬尘源）及3.0%（其他未知源）.研究显示:在重污染阶段,燃煤源与交通源占比大幅上升,与二次污染源共同造成了此次重污染天气;在雾霾消散期,扬尘源及生物质燃烧源成为大气细颗粒物的主要污染源.      

河北省涞水县大气颗粒物单颗粒分析表征及来源识别

为了解河北省涞水县颗粒物污染特征,采用单颗粒分析技术扫描电镜-X射线能谱法和气团后向轨迹分析技术对该县2015年3个典型污染时段〔即正常管控、严格管控（2015年阅兵期间）及发生严重颗粒物染污〕采集的7个大气颗粒物样品进行了分析表征和来源解析.共测量了1 506个粒径≥0.5 μm的单颗粒,其中粒径小于2.5 μm的颗粒占98%以上,测量结果揭示了细颗粒污染特征.结果表明:①碳质颗粒为主要颗粒物种类,其检出数目占比在90%以上.②非供暖期严格管控时段,当地居民日常生活产生的球形碳质颗粒检出数目占比最高.③非供暖期正常管控时段,机动车排放的碳质集合体颗粒检出数目占比最高,交通污染贡献最大.④供暖期球形碳质颗粒检出数目占比最高,含硫颗粒检出数目占比相对增加,燃煤的贡献最大.3个采样时段48 h气团后向轨迹分析结果表明,在空气质量良好、颗粒物污染水平较低的情况下,影响研究区域空气质量的主要是本地源;雾霾天气（处于严重颗粒物污染时段）时,西南方向外来源和本地源共同构成研究区域的颗粒物污染状态.      

黄山顶夏季气溶胶数浓度特征及其输送潜在源区

利用轨迹聚类方法对2011年6~8月黄山光明顶的气团轨迹进行聚类分组,得到2011年夏季到达黄山顶的主要气团输送轨迹,结合黄山顶的气溶胶数浓度观测资料,分析不同类型输送轨迹与黄山顶积聚模态颗粒物数浓度的关系.利用潜在源贡献因子分析法PSCF(potential source contribution function analysis)定性分析了不同气团背景下黄山顶积聚模态颗粒物数浓度的潜在源区,最后结合浓度权重轨迹分析法CWT(concentration weighted field)定量分析不同潜在源区对黄山顶积聚模态颗粒物数浓度的贡献.结果表明,积聚模态颗粒物(0.5~1μm)数浓度约占0.5~20μm颗粒物数浓度的94.9%;黄山顶6~8月大陆气团的发生频率最高,约43.4%;影响黄山光明顶积聚模态颗粒物数浓度的潜在源区主要来自一些工业发达人口密集的城市群:湖北东部、安徽中部、河南、江西境内、两广交界处、湖南南部以及浙江北部地区.而垂直方向上,来自西北和西南方向高度约2~5km的自由对流层气团对黄山顶积聚模态粒子数浓度贡献较大.     

杭州市大气颗粒物浓度及组分的粒径分布

分别于2008年11月及2009年4~5月及10月采集了杭州大气颗粒物样本,测定了杭州市大气颗粒物及其化学组分[元素碳(EC)/有机碳(OC)、11种水溶性离子、20种元素]的浓度,并研究了其粒径分布特征.结果表明,杭州市大气颗粒物质量浓度、EC和OC的质量浓度、9种离子(SO42-、NO3-、K+、Na+、Cl-、Ca2+、Mg2+、NO2-、F-)浓度的粒径分布均显双峰结构,峰值分别出现在<0.49μm的细粒径段与3.00~7.20 μm的粗粒径段; OC、EC、SO42-、NO3-、NH4+以及主要来自人为源的元素(Cu、Zn、As、Se、Sb、Cd)主要集中在<3.0μm的细颗粒物中;杭州市大气细颗粒物中二次污染严重,细颗粒物主要受工业、交通等人为源影响.     

漳州大气PM2.5污染特征与区域传输影响分析

利用多点位三维受体模型与后向轨迹模型,研究了漳州市近海与城区两个代表性点位不同季节不同来向气团所载带的PM_(2.5)浓度、化学组分及污染源贡献特征。结果表明:近海与城区两点位PM_(2.5)质量浓度在季节变化上均为夏季低,冬季高(近海点位夏季37.3μg/m~3,冬季52.1μg/m~3;城区点位夏季38.5μg/m~3,冬季86.2μg/m~3);总体而言,近海点位主要受本地气团以及江苏-浙江来向气团影响,城区点位主要受广东省及其近海来向气团影响。在PM_(2.5)化学组成上,近海点位二次无机组分SO_4~(2-)、NO_3~-、NH_4~+均高于城区点位,而城区点位秋季二次有机污染明显高于近海点位。因受河口地形影响,近海点位冬季PM_(2.5)各化学组分均高于城区点位。两点位源解析结果存在季节性差异。在近海点位,春冬季二次无机源贡献最大,夏秋季二次有机源贡献最大;在城区点位,春季建筑尘、夏季二次有机源、秋季地壳尘、冬季二次无机源占比最大。不同来向气团对两点位四季PM_(2.5)分担率分别为:近海点位春季NNE来向的二次无机源(20.5%)、夏季SW来向的二次有机源(14.3%)、秋季NNE来向的二次有机源(10.0%)、冬季NE来向的二次无机源(24.2%);城区点位春季NNE来向的建筑尘(18.0%)、夏季WSW来向的二次有机源(15.9%)、秋季NNE来向的地壳尘(15.4%)、冬季NNE来向的二次无机源(24.3%)。     

哈尔滨市周边秸秆焚烧对市区空气质量的影响分析研究

利用单颗粒气溶胶质谱仪(SPAMS),结合哈尔滨市大气污染物排放源谱库对大气污染主要成分进行来源解析,结果表明,秸秆焚烧期间,哈尔滨市环境空气中细颗粒物质量浓度明显上升,生物质燃烧排放源仅低于燃煤和机动车尾气,位列第三大污染源,浓度占总颗粒物浓度的20％.同时,为了探讨秸秆焚烧对哈尔滨市空气质量造成影响的原因,结合气象观测资料,对污染期间气团后向轨迹分析,发现在高空无风不利于污染物扩散的情况下更易加剧哈尔滨环境空气质量污染的程度.     

广西北海涠洲岛春季大气颗粒物浓度特征及影响因素

为了解我国北部湾区域大气环境特征和可能的跨界输送,于2015年3~4月在涠洲岛开展了对大气颗粒物浓度水平和粒径分布特征的外场观测研究,并结合气象因子和后向轨迹探讨了颗粒物浓度变化原因和来源.结果表明涠洲岛大气PM_1、PM_(2.5)、PM_(10)质量浓度分别为(21±12)、(35±19)、(43±20)μg·m~(-3).PM1、PM_(1~2.5)和PM_(2.5~10)质量浓度分别占PM10的50%、32%、18%.0.5~1、1~2.5和2.5~20μm粒径段颗粒物数浓度分别占总数浓度的93.5%、6.1%和0.4%.颗粒物数浓度与能见度和气压呈弱负相关.后向轨迹模拟分析发现,来自涠洲岛西南方向东南亚一带的气团影响频率最高(45.9%),0.5~1μm、1~2.5μm数浓度和PM_(2.5)浓度最低但NO浓度最高;其次为来自正东方向气团(34.1%),SO2浓度最低但O3浓度最高;来自正南方向的气团(12.5%)NO2、NOx、O3和CO浓度最低;来自东北方向的大陆气团影响频率最低(7.4%),但颗粒物数浓度、质量浓度和气体污染物浓度(除O3和NO)最高.涠洲岛大气细颗粒物和气态污染物主要受大陆和东南亚地区输送影响,来自大陆方向的输送以工业污染为主,来自东南亚方向的输送以港口船舶及航运污染为主.     

基于SPAMS的兰州市2018年冬季沙尘天气过程细颗粒物污染特征及来源研究

2018年11月22日-12月1日,兰州市经历了一次远距离传输的沙尘天气过程,为了解此次沙尘天气过程时段细颗粒物污染特征及其污染来源变化特征,本研究基于单颗粒气溶胶质谱仪（SPAMS）细颗粒物自动采集数据,并结合常规污染物自动监测数据和气象因子数据对沙尘天气前后及其过境期间细颗粒物化学组分及污染来源变化情况进行了分析,同时利用后向轨迹模型（HYSPLIT）研究了沙尘气溶胶的输送路径.研究结果表明：受沙尘天气过境影响,兰州市PM₁₀浓度大幅升高,PM_2.5/PM₁₀最小值仅为0.13,SO₂、NO₂、CO质量浓度出现明显降低,而O₃质量浓度在沙尘过境时有所升高;细颗粒物质量浓度与MASS数浓度变化趋势基本一致,细颗粒物的变化趋势可一定程度上反映大气细颗粒物的污染状况;利用自适应共振神经网络法分类后经人工合并将所采集到的细颗粒分为9类：OC、EC、HOC、OCEC、MD、HM、K、Na、LEV;所选时间段内SPAMS采集到的OC（24.8%）类颗粒物数量最多,沙尘过境时MD、LEV、Na类颗粒物占比不同程度增大,其余颗粒物占比减小;沙尘过境时扬尘源、生物质燃烧源、工业工艺源、餐饮及其它源贡献率增加,其中扬尘源增幅最大,而其余源贡献占比减小;后向轨迹HYSPLIT模型输送路径结果显示沙尘天气过程的起源地为塔克拉玛干沙漠,传输方向为经新疆的塔里木盆地塔克拉玛干沙漠进入青海中部,最后影响兰州地区.     

两种典型污染时段鹤山市大气细颗粒污染特征及来源

PM_2.5和O₃浓度超标是我国大气污染的主要特征,研究两种典型污染时段的细颗粒化学组成、混合状态和来源对治理大气污染具有重要意义.2016年11月10—20日广东省鹤山市先后出现了PM_2.5和O₃超标的污染事件.污染期间,采用SPAMS（单颗粒气溶胶质谱仪）对细颗粒进行实时采样分析,共采集到有正负化学组成信息的颗粒422 944个,占总颗粒数的19.2%.基于单颗粒质谱数据特征,使用自适应共振神经元网络算法（ART-2a）,对单颗粒数据进行自适应分类.颗粒物划分为OC（有机碳）、EC（元素碳）、ECOC（元素-有机碳混合）、HOC（高分子有机碳）、Pb-rich（富铅）、Si-rich（富硅）、LEV（左旋葡聚糖）、K-Secondary（钾二次）、Na-rich（海盐）和HM（重金属）颗粒共10类.结果表明:两个PM_2.5污染时段EC颗粒和K-Secondary颗粒的占比高,EC颗粒分别占46.5%和61.1%,K-Secondary颗粒分别占14.3%和10.3%;O₃污染时段EC颗粒占比（39.4%）最高,其次是OC颗粒占比17.0%;两种污染时段OC组分与HSO₄-和NO₃-的混合程度都有明显的上升,说明污染有利于有机气溶胶的老化.由源解析结果可知,PM_2.5污染时段,细颗粒主要来源于燃煤、机动车尾气和扬尘,而O₃污染时段细颗粒主要来源于燃煤、生物质燃烧和扬尘;此外,两种污染时段燃煤源对细颗粒的贡献都有较大提升.研究显示,控制燃煤源的排放对污染物的降低有着重要影响.      

唐山市2017年采暖期不同污染等级PM2.5化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM_2.5及其水溶性离子和碳质组分（OC、EC）的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR（硫氧化率）分别为0.05、0.08、0.20,NOR（氮氧化率）分别为0.05、0.12、0.26,随着污染的加重,SO₂、NO_x向PM_2.5中SO₄2-、NO₃-的二次转化现象更加明显.③清洁时,ρ（OC）、ρ（EC）、ρ（SO₄2-）和ρ（Cl-）占PM_2.5化学组分（水溶性离子、碳质组分）质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ（NO₂）/ρ（SO₂）分别为0.96、1.14、1.44,ρ（NO₃-）/ρ（SO₄2-）分别为0.94、1.57和1.75;重污染时,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）三者之和占PM_2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ（NO₂）/ρ（SO₂）、ρ（NO₃-）/ρ（SO₄2-）明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.      

Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China

During November-December 2010 aerosol scattering coefficients were monitored using a single-waved (525 nm) Nephelometer at a regional monitoring station in the central Pearl River Delta region and 24-hr fine particle (PM_2.5) samples were also collected during the period using quartz filters for the analysis of major chemical components including organic carbon (OC), elemental carbon (EC), sulfate, nitrate and ammonium. In average, these five components accounted for about 85% of PM_2.5 mass and contributed 42% (OC), 19% (SO₄^2-), 12% (NO₃^-), 8.4% (NH₄⁺) and 3.7% (EC), to PM_2.5 mass. A relatively higher mass scattering efficiency of 5.3 m²/g was obtained for fine particles based on the linear regression between scattering coefficients and PM_2.5 mass concentrations. Chemical extinction budget based on IMPROVE approach revealed that ammonium sulfate, particulate organic matter, ammonium nitrate and EC in average contributed about 32%, 28%, 20% and 6% to the light extinction coefficients, respectively.     

基于SPAMS的天津市夏季环境受体中颗粒物的混合状态及来源

天津位于京津冀区域,近年来面临的颗粒物污染问题受到广泛关注,研究其大气环境中颗粒物的化学组成及来源具有重要意义.为明确天津市夏季环境受体中颗粒物的混合状态及可能来源,于2017年7月利用单颗粒气溶胶质谱仪(single particle aerosol mass spectrometer,SPAMS)在津南区采集到成功电离有粒径及完整质谱信息颗粒209 887个,利用ART-2a对有质谱数据的颗粒按照质谱特征的相似性进行聚类共获得369个颗粒物类别,随后按照类别的化学组成(质谱谱图)的相似性进行人工合并获得19个颗粒物类别,包括:K-EC(0.20%)、K-EC-Sec(0.18%)、K-NO_3-PO_3(12.00%)、K-NO_3-SiO_3(2.98%)、K-Sec(0.16%)、EC(39.60%)、EC-Sec(3.46%)、EC-HM-Sec(3.93%)、HEC(1.49%)、HEC-Sec(1.38%)、OC-Amine-Sec(3.58%)、OC-Sec(0.36%)、OCEC-Sec(0.71%)、Dust-HEC(21.35%)、Dust-Sec(0.72%)、Cl-EC-NO_3(1.22%)、Na-Cl-NO_3(3.20%)、HM-Sec(2.58%)和PAH-Sec(0.90%)颗粒.得到的各个颗粒类别可归因于气溶胶颗粒的不同来源及不同的传输和反应过程,综合分析采集到的颗粒贡献源主要包括机动车排放源、生物质燃烧源、工业排放源、扬尘源、燃煤源和二次源等.其中K-EC、EC、HEC和Dust-HEC等颗粒主要来自一次源直接排放,K-Sec、OC-Amine-Sec、OC-Sec、OCEC-Sec和Na-Cl-NO_3等颗粒大都是一次源排放颗粒经历了不同程度的老化或与二次组分进行了不同程度的混合.     

成都春季气溶胶理化性质及不同时段污染特征

利用单颗粒气溶胶质谱（SPAMS）及多种在线设备于2017年春季对成都市大气污染进行了连续观测.结果表明,成都市春季PM_2.5和PM₁₀的平均浓度分别为（62±25）和（90±40）μg/m³.大气中单颗粒物可分为8类,由于排放源及老化过程的差异,各类颗粒质谱特征和粒径分布差异明显.对选取的细粒子污染、细粒子与粗粒子混合污染（混合污染）及清洁时段的污染特征对比分析发现：（1）钾与元素碳混合颗粒（KEC）的贡献在细粒子污染时段（42.8%~46.3%）明显高于其他时段（28.9%~33.7%）;与清洁时段相比,源于燃烧过程的碳质颗粒在混合污染时段贡献降低,但沙尘/扬尘颗粒（DUST）的贡献为各时段最高.（2）相比清洁时段,大多数颗粒与二次无机组分的混合程度在其他两种时段均增强.（3）不同时段成都市气团来向差异明显,西南方向气团在细粒子污染时段占据绝对主导,川南重污染区域对成都市污染贡献重大.     

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.     

Size distributions of aerosol and water-soluble ions in Nanjing during a crop residual burning event

To investigate the impact on urban air pollution by crop residual burning outside Nanjing, aerosol concentration, pollution gas concentration, mass concentration, and water-soluble ion size distribution were observed during one event of November 4-9, 2010. Results show that the size distribution of aerosol concentration is bimodal on pollution days and normal days, with peak values at 60-70 and 200-300 nm, respectively. Aerosol concentration is 10⁴ cm^-3. nm^-1 on pollution days. The peak value of spectrum distribution of aerosol concentration on pollution days is 1.5-3.3 times higher than that on a normal day. Crop residual burning has a great impact on the concentration of fine particles. Diurnal variation of aerosol concentration is trimodal on pollution days and normal days, with peak values at 03:00, 09:00 and 19:00 local standard time. The first peak is impacted by meteorological elements, while the second and third peaks are due to human activities, such as rush hour traffic. Crop residual burning has the greatest impact on SO₂ concentration, followed by NO₂, O₃ is hardly affected. The impact of crop residual burning on fine particles (< 2.1 μm) is larger than on coarse particles (> 2.1 μm), thus ion concentration in fine particles is higher than that in coarse particles. Crop residual burning leads to similar increase in all ion components, thus it has a small impact on the water-soluble ions order. Crop residual burning has a strong impact on the size distribution of K⁺, Cl^-, Na⁺, and F^- and has a weak impact on the size distributions of NH₄⁺, Ca²⁺, NO₃^- and SO₄^2-.     

Characteristics of secondary inorganic aerosol and sulfate species in size-fractionated aerosol particles in Shanghai

Sulfate, nitrate and ammonium(SNA) are the dominant species in secondary inorganic aerosol, and are considered an important factor in regional haze formation. Size-fractionated aerosol particles for a whole year were collected to study the size distribution of SNA as well as their chemical species in Shanghai. SNA mainly accumulated in fine particles and the highest average ratio of SNA to particulate matter(PM) was observed to be 47% in the fine size fraction(0.49–0.95 μm). Higher sulfur oxidation ratio and nitrogen oxidation ratio values were observed in PM of fine size less than 0.95 μm. Ion balance calculations indicated that more secondary sulfate and nitrate would be generated in PM of fine size(0.49–0.95 μm). Sulfur K-edge X-ray absorption near-edge structure(XANES) spectra of typical samples were analyzed. Results revealed that sulfur mainly existed as sulfate with a proportion(atomic basis) more than 73% in all size of PM and even higher at 90% in fine particles. Sulfate mainly existed as(NH4)2SO4 and gypsum in PM of Shanghai. Compared to non-haze days, a dramatic increase of(NH4)2SO4 content was found in fine particles on haze days only, which suggested the promoting impact of(NH4)2SO4 on haze formation. According to the result of air mass backward trajectory analysis, more(NH4)2SO4 would be generated during the periods of air mass stagnation. Based on XANES, analysis of sulfate species in size-fractionated aerosol particles can be an effective way to evaluate the impact of sulfate aerosols on regional haze formation.