北京冬季重污染过程黑碳气溶胶的飞机观测

利用空中国王飞机平台搭载单颗粒黑碳光度计（SP2）针对北京2016年12月冬季一次污染过程进行了连续观测,阐述了污染发生、发展和消散过程中的黑碳（BC）气溶胶质量浓度、粒径分布和混合状态的变化特征.结果表明,此次污染过程是以PM_2.5污染为主的霾污染过程,最大值为432μg/m³.NO₂、SO₂和CO等气态污染物浓度经过3次污染积累阶段,为PM_2.5最终爆发增长提供了物质基础.静稳的大气条件为PM_2.5爆发增长提供了动力条件.污染发展过程中BC气溶胶先在地面累积增加,然后向高空传输;清除过程则是高空先被移除,低层缓慢降低.污染发展过程中北京地区黑碳气溶胶在边界层（PBL）浓度变化为先升高后减小,平均浓度为3.45μg/m³,质量中值直径（MMD）范围在190~220nm.随着污染过程的发展,气溶胶迅速老化,PBL内的BC老化比例在一天内可从27%增加到了51%,老化过程使得PM_2.5质量浓度爆发增长.污染过程中BC在边界层的垂直演变导致大气加热率发生变化,有利于逆温的维持和发展,加剧了污染物过程.     

青岛冬季霾-沙尘重污染过程PM1理化特征及来源分析

对2018年11月21日~12月2日期间青岛市大气PM₁的质量浓度、化学组分和数浓度进行连续观测,结合国控站点监测数据和气象条件,分析青岛市秋末冬初一次典型霾-沙尘重污染过程的特征及污染物来源.结果表明：本次污染过程可分为霾前（11月21~23日）、霾期（11月24~25日）、霾-沙尘叠加期（11月26日）、沙尘期（11月27~29日）、沙尘后（11月30日~12月2日）5个发展阶段,观测期间PM₁质量浓度为（40±20）μg/m³,霾期PM₁为沙尘期的2.03倍.冷锋锋前以人为污染物气团为主,锋后以冷干沙尘气团为主,并在长距离传输中保持干燥,受沙尘传输过程中经过区域的影响较小,导致沙尘阶段PM_2.5和PM₁₀错峰12h出现.霾期PM₁中SO₄^2-、NO₃^-质量浓度比霾前分别升高73%、111%,SOR、NOR分别升高28%、67%,表明霾期NO₃^-的二次转化明显升高.PM₁中NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃形式存在,为富氨条件.本次沙尘事件气团传输过程中途经山西、河北、山东西北部等污染物高强度排放区域,前锋到达青岛时,携带的人为污染物占主导,导致沙尘期PM₁中OC、EC占比为霾期的1.73、1.53倍.霾期SOC/OC值为0.43,略低于沙尘期,表明霾期SOC生成受到抑制.     

鄂尔多斯市夏秋季黑碳气溶胶时间演变特征及其来源解析

使用AE-33于2019年8月12日至10月4日观测了黑碳（BC）浓度,结合PM、污染气体和气象要素数据、 HYSPLIT模式、 PSCF和CWT模式,分析了BC的时间演变特征、潜在来源及其主要影响区域.结果表明,ρ（BC）平均值为882 ng·m^-3,占PM_2.5的质量分数为6.08%.ρ（BC）主要集中在200～1 000 ng·m^-3,占总样本数的55.9%.在不同BC浓度范围内,均是以BC_液态为主,平均占比为86%. BC和PM_2.5浓度的日变化均为单峰型分布,峰值分别位于08:00和10:00,峰值浓度分别增加了24.3%和47.2%.BC_固态的日变化为双峰型分布,峰值分别位于08:00和20:00, BC_液态的日变化为单峰型分布,峰值位于08:00. BC与NO₂的相关性较好,与SO₂的相关性较弱,说明BC受交通源的影响较大,受工业源的影响较小.影响鄂尔多斯市的主导气团可分为4类...     

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.     

石家庄一次沙尘大气污染物与边界层相互作用

针对2020年5月11~12日华北平原出现的一次沙尘过程,使用云高仪和空中国王-350飞机观测平台观测了气溶胶后向散射系数、气象要素、黑碳气溶胶（BC）和0.1~3.0μm气溶胶粒径分布的垂直结构,并结合FY-4A卫星数据、大气污染物数据（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）、地面气象数据和探空数据,探究了此次沙尘过程中大气污染物和边界层结构的相互作用机制.结果表明,由于逆温层的存在,沙尘在石家庄上空维持在>1km的高度,因此对地面污染物的影响较小.沙尘期间石家庄PM₁₀的平均质量浓度为166.3μg/m³,分别是沙尘前和沙尘后的2.7倍和1.5倍.沙尘过程对边界层结构影响较大.沙尘期间在沙尘层附近形成一层RH较小、风速较大、气溶胶含量较高的“穹顶”结构,阻碍了大气边界层的发展.“穹顶”结构使得贴地逆温消失,有利于近地面污染物的扩散.沙尘层内BC和气溶胶数浓度较高,最大浓度接近地面观测浓度.沙尘过程对不同高度气溶胶数浓度谱谱型影响较小,沙尘层使得0.4~3μm气溶胶数浓度显著增加.     

嘉兴市冬季不同空气质量等级下大气污染物的分布特征

为研究浙江省嘉兴市冬季PM、污染气体和含碳气溶胶在不同空气质量等级下的分布特征,于2013年11月28日—12月28日使用SHARP测尘仪、热电EMS系统和Sunset在线OCEC分析仪观测了PM（PM₁₀和PM_2.5）、污染气体（SO₂、NO₂、CO和O₃）和含碳气溶胶〔OC（有机碳）、EC（元素碳）和TC（总碳）〕的质量浓度,结合气象数据和HYSPLIT模式,分析了霾污染过程中大气污染物浓度变化、日变化及其来源特征.结果表明:嘉兴市冬季霾天ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）、ρ（O₃）、ρ（OC）、ρ（EC）、ρ（POC）和ρ（SOC）分别为167.90、248.86、77.79、、97.16、28.50、27.09、7.72、7.50和19.59 μg/m3,ρ（CO）为1.47 mg/m3,分别是空气质量为良时的3.00、2.50、1.29、1.84、0.86、2.59、2.19、2.13、2.82和1.50倍.降雨对不同大气污染物的清除作用不同,对粗粒子的清除作用较大,而对二次产物O₃的影响较小.高ρ（PM）是造成能见度降低的主要原因,随着污染程度的加剧,PM中细粒子占比越来越高,在严重污染过程中ρ（PM_2.5）/ρ（PM₁₀）可达70.31%,比空气质量为良时高14.04%;不同污染气体的日变化不同,OC和EC的来源逐渐趋于一致,ρ（SOC）呈现出积累-爆发-积累-爆发的往复过程,边界层的日变化对污染物浓度的影响逐渐减弱.研究显示,随着霾污染的加剧,SOC气溶胶占比逐渐增加、EC和POC等一次碳气溶胶占比逐渐降低.      

菏泽市秋冬季PM2.5水溶性离子化学特征分析

为深入研究菏泽市秋冬季PM_2.5中水溶性离子污染特征,于2017年10月15日-2018年1月31日对菏泽市3个监测点同步进行PM_2.5的采集和分析,分析探讨了不同污染程度下ρ（PM_2.5）及水溶性离子化学特征.结果表明:①菏泽市秋冬季PM_2.5呈区域污染特征.②整个观测期间,ρ（PM_2.5）范围为26.72~284.10 μg/m3,平均值为103.27 μg/m3,其中水溶性离子对ρ（PM_2.5）贡献率较大,为44.65%~49.87%;SNA（NO₃-、NH₄+、SO₄2-的统称）的占比较高,SNA占总水溶性离子质量浓度的86.88%,说明二次气溶胶为菏泽市大气PM_2.5中的重要组成部分.③SNA三角图解和水溶性离子相关性结果表明,采样期间大气中NO₃-、SO₄2-可能以NH₄NO₃、（NH₄）₂SO₄形式存在;ρ（Cl-）与ρ（K+）相关性较高（清洁天和污染天的相关系数分别为0.79和0.81）,由此推测Cl-与K+具有同源性,二者主要源于生物质燃烧.④重度及以上污染天的SOR（硫氧化率）和NOR（氮氧化率）分别为0.54和0.37,分别是清洁天的2.08和2.06倍;轻/中污染天的SOR和NOR分别为0.37和0.29,分别是清洁天的1.42和1.61倍.随着污染程度的加重,SO₂和NO₂向SO₄2-和NO₃-的二次转化增强.重污染日SOR、NOR和相对湿度均大于清洁天和轻/中度污染天,而温度则未表现出相似的变化趋势,说明非均相反应是菏泽市秋冬季SO₄2-和NO₃-形成的重要原因.研究显示,菏泽市污染呈区域性污染特征,二次气溶胶是菏泽市大气PM_2.5的重要组成部分,污染天ρ（NO₃-）、ρ（SO₄2-）、ρ（NH₄+）均与相对湿度呈显著正相关（P < 0.05）,均与温度呈负相关,表明在污染天高湿低温对SO₂、NO₂转化为SO₄2-、NO₃-有推动作用.      

深圳冬季霾日的大气污染特征

2009年1月10日─2月16日,利用在线仪器获得深圳市冬季大气中气态污染物和PM₁主要化学组分的高时间分辨率数据,结合气象条件,对非霾日、霾日的大气污染物和PM₁主要化学组分浓度水平及其日变化特征进行了研究. 结果表明:深圳冬季霾日除O₃外,其他气态污染物和PM₁主要化学组分的平均质量浓度均明显高于非霾日,增幅均在40%以上;PM₁中的有机物是深圳冬季霾的首要污染因子;PM₁主要化学组分的日变化趋势不尽相同,但总体上表现出霾日高于非霾日的特征,尤其是午夜至清晨时段,这说明深圳冬季霾日的夜间大气扩散能力显著减弱.      

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.      

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.     

廊坊市秋冬季大气细颗粒物污染特征及来源解析

分析了2019～2020年秋冬季廊坊市北部、市区和南部这3个站点的大气细颗粒物及其化学组成.空间分布上,PM_2.5浓度整体为：南部>市区>北部.PM_2.5主要成分为有机物、硝酸盐、硫酸盐、铵盐、矿物组分、氯离子和元素碳,分别占PM_2.5的质量分数为25.4%、21.5%、11.0%、11.5%、13.7%、3.5%和5.8%,金属元素及其他物质的质量分数分别为0.3%和7.2%;二次无机盐浓度呈现市区(28.7μg·m^-3)高于北部(28.0μg·m^-3)和南部(26.8μg·m^-3)郊区的变化特征,而有机物(其浓度分别为16.6、13.0和18.5μg·m^-3,由北向南,下同)、矿物组分(9.6、6.7和9.7μg·m^-3)、氯盐(2.0、2.0和2.8μg·m^-3)和元素碳(3.6、3.2和4.3μg·m^-3)浓度呈现南部和北部郊区高于市区的变化特征.随...     

北京雾霾天大气颗粒物中微生物气溶胶的浓度及粒谱特征

于2013年1月8日~2013年2月4日雾霾频繁暴发期间,使用定量空气微生物采样器和气溶胶粒谱测试仪测试并比较了雾霾天和之后的清朗天气下细菌、真菌气溶胶浓度变化、粒谱分布及不同粒径大小颗粒物的数量浓度差异和粒谱分布特征.结果表明,采样周期内真菌气溶胶小于5μm的粒子(可吸入肺粒子)所占百分比显著高于细菌气溶胶小于5μm的粒子百分比.雾霾过后的晴朗天气下细菌、真菌气溶胶浓度高于雾霾天气时的浓度,而颗粒物浓度则相反.无论雾霾天或晴朗天微生物气溶胶的粒谱分布无显著差别,空气中的颗粒物以PM1.0占绝大多数.     

Chemical characterization of size-resolved aerosols in four seasons and hazy days in the megacity Beijing of China

Size-resolved aerosol samples were collected by MOUDI in four seasons in 2007 in Beijing. The PM₁₀ and PM_1.8 mass concentrations were 166.0 ± 120.5 and 91.6 ± 69.7 μg/m³, respectively, throughout the measurement, with seasonal variation: nearly two times higher in autumn than in summer and spring. Serious fine particle pollution occurred in winter with the PM_1.8/PM₁₀ ratio of 0.63, which was higher than other seasons. The size distribution of PM showed obvious seasonal and diurnal variation, with a smaller fine mode peak in spring and in the daytime. OM (organic matter = 1.6 × OC (organic carbon)) and SIA (secondary inorganic aerosol) were major components of fine particles, while OM, SIA and Ca^2 + were major components in coarse particles. Moreover, secondary components, mainly SOA (secondary organic aerosol) and SIA, accounted for 46%–96% of each size bin in fine particles, which meant that secondary pollution existed all year. Sulfates and nitrates, primarily in the form of (NH₄)₂SO₄, NH₄NO₃, CaSO₄, Na₂SO₄ and K₂SO₄, calculated by the model ISORROPIA II, were major components of the solid phase in fine particles. The PM concentration and size distribution were similar in the four seasons on non-haze days, while large differences occurred on haze days, which indicated seasonal variation of PM concentration and size distribution were dominated by haze days. The SIA concentrations and fractions of nearly all size bins were higher on haze days than on non-haze days, which was attributed to heterogeneous aqueous reactions on haze days in the four seasons.     

春季沙尘过程对华东高山背景区域颗粒物中水溶性无机离子的影响

于2014年3—5月在国家大气背景监测福建武夷山站采集了PM2.5及PM2.5~10样品,利用离子色谱对其中的水溶性组分进行分析,并同步收集气象因子及污染物质量浓度数据,结合后向气流轨迹,分离出受沙尘影响的样品,探讨了春季沙尘过程华东高山背景区域颗粒物中水溶性组分的特征.结果表明,春季武夷山背景点沙尘影响期间颗粒物质量浓度及各水溶性离子浓度均比非沙尘期高,在粗粒子中表现更为明显;沙尘期间NO-3在粗粒子中明显富集,NO-3浓度显著升高;受沙尘影响,粗粒子中阳离子与阴离子的当量浓度比及NO2的二次转化率均明显升高.     

2013年1月宁波市PM_(2.5)污染的形成过程与传输规律

为了深入认识宁波市冬季细颗粒物(PM2.5)的污染特征和主要影响因素的作用规律,利用Models-3/CMAQ模式系统对2013年1月宁波市的PM2.5污染形成过程进行了模拟分析.结果表明,宁波市PM2.5的重点污染区主要分布在市区、北部地区及东部沿海,除了受到局地污染源排放的影响外,对比非污染的情况,大气输入和气溶胶生成作用的增强是引起PM2.5污染的主导因素,其中水平传输过程对PM2.5浓度升高的贡献最为突出.气溶胶过程的贡献在近地面(0~80 m)最显著,随着高度升高而逐渐减弱.硝酸盐在局地二次生产的细颗粒物中占主要份额(~70%).对于硫酸盐,局地二次生成所占的比例很低,主要来自宁波局地排放和宁波以外地区的大气传输(贡献比例分别为44%和40%).宁波市的PM2.5污染主要受到来自北向沿岸气团(占比54%)、西北向大陆气团(占比21%)和西向局地气团(占比25%)的传输影响.在西北方向短距离区域传输的作用下PM2.5浓度最高;在我国中东部大范围灰霾天气的影响下,西北向和北向的长距离传输作用也会导致宁波地区的PM2.5污染.     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

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.     

上海霾与非霾期间大气颗粒物光学特性垂直分布特征和质量浓度对比研究

采用美国国家航空航天局的云-气溶胶激光雷达红外开拓者卫星搭载的正交极化云-气溶胶激光雷达数据产品,包括消光系数、光学厚度、总后向散射系数、体积退偏比和色比,结合地面监测的颗粒物质量浓度,分析上海大气相对湿度小于80%霾发生期间气溶胶光学属性的垂直分布特征和颗粒物质量浓度变化,并与非霾期间进行比较.结果表明:霾期间532 nm和1064 nm消光系数在垂直高度上(海拔:0~10 km)均大于非霾期间,且大多数霾期间颗粒物在整层大气的光学厚度大于非霾期间.在近地面,霾期间大气颗粒物散射能力大于非霾期间.各垂直高度层,霾与非霾期间小粒径和规则气溶胶占主导地位.霾期间近地面大粒径颗粒物在霾期间所占比例大于非霾期间;2.0~4.0 km高度层,霾和非霾期间细颗粒所占比例接近;4.0~10.0 km高度层,霾期间细颗粒气溶胶所占比例大于非霾期间.PM1、PM2.5和PM10质量浓度在霾期间均大于非霾期间,且霾期间细颗粒物所占比例明显增加.颗粒物质量浓度和比值PM1/PM2.5和PM2.5/PM10分别随霾污染程度的加重而升高.冬季颗粒物质量浓度最高,主要来自细颗粒物的贡献;而春季PM10质量浓度高于其它季节.     

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.      

2014年1月北京市大气重污染过程单颗粒物特征分析

利用在线单颗粒物气溶胶质谱仪(SPAMS)对2014年1月北京市典型大气重污染过程进行了连续监测,分析了具有正负离子质谱信息的颗粒物共2248225个.同时,利用ART-2a神经网络分类方法并结合Matlab统计分析,将具有质谱信息的颗粒物归为10类,分别为:矿尘类颗粒物(Dust)、元素碳颗粒物(EC)、有机碳颗粒物(OC)、元素碳和有机碳混合颗粒物(ECOC)、钠钾颗粒物(NaK)、富钾颗粒物(K)、含氮有机物(KCN)、高分子有机物(MOC,Macromolecular OC)、多环芳烃类颗粒物(PAHs)和重金属类颗粒物(Metal).结合PM_2.5质量浓度数据和HYSPLIT 4.0后向轨迹模型结果,将观测时间段划分为3个典型污染过程和1个清洁过程.结果显示,重污染期间OC、MOC和PAHs为最主要的颗粒物类型.最后,本文还比对分析了污染过程和清洁期间颗粒物的混合状态,结果表明,污染过程中硫酸盐和硝酸盐较清洁期间更容易与碳质颗粒物结合.