京津冀及周边地区“2+26”城市空气质量特征及其影响因素

京津冀及周边地区“2+26”城市为京津冀大气污染传输通道城市,也是我国空气污染最严重的区域之一.针对京津冀及周边地区“2+26”城市,利用中国环境监测总站公布的PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO数据,对2013—2019年京津冀及周边地区“2+26”城市大气污染特征进行分析,并探讨影响其空气质量变化的因素.研究表明:①2013—2019年京津冀及周边地区“2+26”城市空气质量总体向好,2019年ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（CO）和ρ（NO₂）比2013年分别下降了50%、41%、79%、49%和20%,ρ（O₃-8 h-90per）（臭氧日最大8 h平均值第90百分位数）比2013年升高了21%.②2013—2019年京津冀及周边地区“2+26”城市重污染天数持续减少,2019年比2013年下降67%,严重污染天数下降尤为明显,降幅达90%.优良天数比例虽然增加,但2016年以后基本稳定在50%左右,没有持续增加的趋势.③ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的最大值均出现在1月,ρ（O₃-8 h）（臭氧日最大8 h平均值）的最大值出现在6月.ρ（PM_2.5）越高,PM_2.5/PM₁₀和SO₂/NO₂越大,表明二次污染源和燃煤源的贡献越大.④就空间分布而言,ρ（PM_2.5）和ρ（PM₁₀）高值区主要集中在区域中南部太行山脉山前的平原地区,低值区主要集中在区域北部.⑤地理位置、气象条件、产业结构、能耗消耗以及减排政策是影响2013—2019年京津冀及周边地区“2+26”城市空气质量变化的重要因素.研究显示,随着大气污染防治减排措施实施的力度逐渐加大,政策影响已成为京津冀及周边地区“2+26”城市空气质量持续改善的最重要手段.      

基于PM2.5来源解析的减排方案制定

为定量解析PM_2.5浓度与排放源削减比例之间的关系,利用WRF-NAQPMS/OSAM模式对2017年12月京津冀及周边地区“2+26”城市的PM_2.5浓度变化和来源解析进行了模拟,并基于来源解析结果对各城市进行了迭代减排实验.结果表明,各城市削减本地排放源的效果最为显著,由于受化学生成影响引起的排放源和PM_2.5浓度之间的高度非线性关系,使得线性减排方案具有较大的局限性.各城市排放源削减引起的PM_2.5浓度变化主要由排放源的一次贡献和化学生成的二次贡献组成,其中化学生成的二次贡献浓度与行业解析结果的函数之间存在显著的线性关系.随着排放源的削减,清洁期间PM_2.5浓度中各组分的浓度随之下降,污染期间硝酸盐、二次有机气溶胶、铵盐等浓度不降反升,这为迭代减排方案中物种的选择提供了指导意义.     

京津冀及周边地区“十四五”及中长期PM2.5污染控制目标的健康效益预估研究

京津冀及周边地区是我国最具有代表性的空气污染较严重的城市群,为探究重污染地区空气污染的疾病负担及其未来空气质量改善的健康效益,基于环境因子人群疾病负担评估的基本方法,评估了京津冀及周边地区“2+26”城市2015年的PM_2.5相关疾病负担,并对该地区在“十四五”及中长期PM_2.5污染控制目标下的未来PM_2.5疾病负担进行了预估研究,分析了PM_2.5污染控制目标带来的健康效益.结果表明:①2015年“2+26”城市PM_2.5所致超额死亡数为15.11×104例.②若不考虑人口变化,未来空气质量按“十四五”及中长期PM_2.5污染控制目标改善,预计到2025年、2030年和2035年“2+26”城市PM_2.5所致超额死亡数将分别降至11.49×104、10.62×104和9.85×104例,比2015年分别减少了23.96%、29.72%和34.79%.③分年龄段和分疾病对比发现,65岁以上老年人群PM_2.5相关超额死亡数的占比较高且有上升趋势,与PM_2.5相关的心脑血管系统疾病（中风和缺血性心脏病）的超额死亡数在PM_2.5相关超额死亡总数中占比最大,且有增加的趋势.研究显示,京津冀及周边地区“2+26”城市未来空气质量的改善将大幅降低空气污染相关疾病负担,带来显著的健康效益,但由于人口增长和老龄化的影响,未来较长时间内我国空气污染带来的疾病负担依然较重,应持续改善空气质量,并关注脆弱人群的健康防护,以进一步降低空气污染相关疾病负担.      

2018年春节期间京津冀及周边地区烟花禁放效果评估

为了评估2018年春节期间（2月15—16日）京津冀及周边地区“2+26”城市烟花禁限放措施的效果,采用浓度特征对比、ρ（PM_2.5）/ρ（CO）等方法,对“2+26”城市的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）进行分析,并定量估算了除夕夜烟花燃放对ρ（PM_2.5）和ρ（SO₂）的贡献率.结果表明:“2+26”城市烟花的集中燃放会导致ρ（PM_2.5）、ρ（SO₂）显著增长,出现以PM_2.5为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ（PM_2.5）达到重度及以上污染水平,呈区域性污染特征;与2017年同期（1月27—28日）相比,2018年春节期间（2月15—16日）14个城市烟花燃放对ρ（PM_2.5）平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ（PM_2.5）显著高于城区,呈“农村包围城市”的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.      

2016~2018年采暖季太行山沿线城市PM2.5污染特征分析

对2016年、2017年采暖季太行山沿线传输通道城市大气中PM_2.5的OC、EC和水溶性离子进行分析,并利用特征组分比值和元素富集因子变化研究该传输通道的污染特征.结果表明,2017年采暖季通道整体较2016年同期空气质量改善良好,PM_2.5浓度由2016年的171.86μg/m³下降为123.90μg/m³.太行山中部城市2017年采暖季较2016年同期PM_2.5浓度下降显著,2a采暖季SNA离子（SO^2-,NO₃^-,NH₄⁺ 3种离子总称）浓度与占比呈现"北低南高",加之SNA/EC比值"北低南高",表明南部城市二次无机生成较为严重.而OC、EC浓度与占比呈现"北高南低",Cl^-/K⁺比值和元素Zn、Ba的富集因子北部均高于南部,表明北部城市可能受燃煤和机动车源等一次排放影响较大;各城市2017年采暖季SO₂、NO₂、CO浓度有所下降,且均呈现"北高南低"趋势,进一步表明北部城市一次排放较为严重.     

“2+26”城市一次多因素叠加重污染过程的特征分析

2018年11月23日-12月4日,京津冀及周边地区"2+26"城市出现了一次长时间、大范围、高强度的复合型大气重污染过程,为揭示区域性重污染过程中多因素的综合作用,利用气象资料、空气质量监测等多源数据以及区域污染特征雷达图,对京津冀及周边地区"2+26"城市此次重污染特征和成因进行分析.结果表明:根据PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]可将此次重污染过程划分为4个阶段.第一阶段（2018年11月23-26日）PM_2.5/PM₁₀在0.5~1.0内波动,"2+26"城市大气扩散条件转差,一次污染物局地积累及SO₂、NO_x、NH₃等气态污染物在高湿条件下二次转化是污染形成并发展的主要原因;第二阶段（11月27日）PM_2.5/PM₁₀突降至0.2左右,"2+26"城市北部受形成于蒙古国的沙尘影响,短时ρ（PM₁₀）快速升高（峰值为818 μg/m3）,中南部受形成于内蒙古自治区阿拉善盟的沙尘及上风向PM_2.5污染的传输影响,ρ（PM_2.5）和ρ（PM₁₀）均较高,维持日均重度污染水平（参照GB 3095-2012《环境空气质量标准》和HJ 633-2012《环境空气质量指数（AQI）技术规定（试行）》）;第三阶段（11月28日-12月2日）PM_2.5/PM₁₀由0.3逐渐升至0.8,在静稳、高湿的不利气象条件下,一次污染物积累并二次转化,第二阶段残留沙尘中的矿物质对硫酸盐起到催化作用,导致ρ（PM_2.5）快速上升,"2+26"城市大部分达日均重度及以上污染;第四阶段（12月3-4日）与第二阶段类似,PM_2.5/PM₁₀突降至0.2,"2+26"城市再次受到沙尘天气和区域传输的共同影响,因冷空气持续时间较长,污染被有效清除.研究显示,此次污染过程是气象条件、污染物一次排放和二次转化、区域传输、沙尘天气等多因素综合作用的结果.当静稳、高湿等不利气象条件或沙尘天气出现时,区域应加强对各类污染物排放的管控力度,以降低污染物的一次排放、二次转化以及沙尘和区域传输的共同影响,进而削弱污染严重程度.      

汾渭平原秋冬季PM2.5化学组分特征及其来源

汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域. 本研究针对汾渭平原11城市开展PM_2.5化学组分连续观测,分析PM_2.5浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM_2.5污染来源. 结果表明:①2018—2019年秋冬季汾渭平原11城市ρ(PM_2.5)平均值为(101.4±65.4)μg/m3,是京津冀及周边地区“2+26”城市的1.1倍. 临汾市ρ(PM_2.5)最高(216.8 μg/m3),是汾渭平原的2.1倍. ②2018—2019年秋冬季汾渭平原PM_2.5的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍. ③受污染物排放、气象条件以及地理位置的影响,汾渭平原PM_2.5中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性. ④随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM_2.5中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果. ⑤重污染过程期间,相对湿度增加、风速减小是影响PM_2.5浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM_2.5浓度上升的重要原因,二次源和燃烧源是PM_2.5的主要来源. 研究显示,汾渭平原秋冬季PM_2.5污染较重,尤其需要关注燃烧源的管控.      

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

京津冀大气污染传输通道区大气污染时空格局研究

客观理解京津冀大气污染传输通道城市（“2+26”城市）空气污染时空格局对于区域大气污染联合防治具有重要意义.本研究采用遥感数据反演的PM_2.5浓度产品，利用趋势分析法和重心分析法，揭示了京津冀城市大气污染传输通道区2000~2015年大气污染时空格局演化特征.结果表明：（1）区域PM_2.5平均浓度整体呈现出太行山脉区域较低，太行山脉以东较高的格局，城镇地区明显高于周边地区.（2）2000~2015年区域PM_2.5年均浓度总体呈增加趋势，主要表现在2000~2007年，呈显著增加趋势的面积占全区的88.48%，之后呈稳定状态.（3）区域PM_2.5污染重心位于衡水、邢台和德州3市交界处，区域北部大气污染较严重.本研究可为京津冀及周边地区大气污染防治政策制定和措施实施提供参考与支持.     

2015～2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析

为了解京津冀及周边地区“2+26”城市PM_2.5和O₃复合污染时空分布特征,利用ArcGIS和SPSS软件对2015～2021年京津冀及周边地区“2+26”城市空气质量数据和气象数据进行关联性分析.结果表明：(1) 2015～2021年PM_2.5污染持续减缓,污染集中在区域中南部;O₃污染呈波动上升趋势,空间分布呈现“西南低,东北高”的格局.季节变化来看,PM_2.5浓度主要为：冬季>春季≈秋季>夏季,O₃-8h浓度为：夏季>春季>秋季>冬季.(2)“2+26”城市PM_2.5超标天数持续下降,O₃超标天数波动上升,复合污染日下降趋势显著;PM_2.5和O₃污染在夏季呈强正相关,相关系数最高达0.52,冬季呈强负相关.(3)对比典型城市臭氧污染时期与复合污染时期气象条件,复合污染发生的温度区间集中在23.7～26.5℃、湿度48%～65%和S～S...     

天津市老年人PM2.5个体暴露化学组分特征

分别于2011年6月13日—7月2日(夏季)和11月30日—12月12日(冬季),采用颗粒物个体暴露采样器对天津市某社区101名老年人(平均年龄67岁)的PM_2.5个体暴露水平进行监测,以探讨PM_2.5个体暴露化学组分的特征. 结果表明,天津市老年人夏、冬季PM_2.5个体暴露浓度分别为(124.2±75.2)和(170.8±126.6)μg/m3. 斯皮尔曼相关分析表明,Si、NH₄+和NO₃-的暴露浓度均与PM_2.5暴露浓度显著相关(P<0.01),R(相关系数)分别为0.61、0.55和0.46. 富集因子分析表明,Cd、Zn和Pb 3种元素高度富集,受人为源的影响强烈. SO₄2-是水溶性离子中含量最高的组分,其次是NO₃-和NH₄+,在夏、冬季这3种离子暴露浓度之和分别占PM_2.5暴露浓度的34.3%和40.6%. OC是老年人PM_2.5个体暴露的主要成分之一,夏、冬季OC暴露浓度分别占PM_2.5暴露浓度的19.3%和27.4%. 老年人PM_2.5个体暴露化学组分浓度受气象因素、室内源和室外源的共同影响,季节变化明显. 冬季Al、Si、K、Ca和Fe的暴露浓度高于夏季,但大部分微量金属元素(V、Cr、Mn、Ni、Cu、Zn、As、Sb和Pb)的冬季暴露浓度却低于夏季. 方差分析表明,冬季SO₄2-、NO₃-、NH₄+、OC和EC的暴露浓度显著高于夏季(P<0.05).      

本溪市PM2.5中水溶性离子季节性变化特征及来源分析

为研究本溪市大气PM_2.5中水溶性离子污染特征,于2016年1—10月在本溪市开展PM_2.5样品采集,使用离子色谱法分析了其中8种水溶性离子（Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）,并采用PMF（positive matrix factorization,正矩阵因子分解法）模型对水溶性离子的来源进行分析.结果表明:观测期间,本溪市ρ（PM_2.5）平均值为（57.6±21.9）μg/m3,ρ（PM_2.5）季节性变化特征明显,呈冬季 > 秋季 > 春季 > 夏季趋势;水溶性离子平均质量浓度为19.3 μg/m3,占ρ（PM_2.5）的33.6%,各离子质量浓度高低顺序为SO₄2- > NO₃- > NH₄+ > Cl- > Ca2+ > K+ > Na+ > Mg2+;SNA（SO₄2-、NO₃-和NH₄+）是PM_2.5中主要的3种离子,在春季、夏季、秋季和冬季分别占水溶性离子的73.2%、88.2%、82.5%和73.6%,表明夏季的二次污染较为严重.阴、阳离子电荷平衡分析结果显示,阴离子相对亏损,本溪市PM_2.5整体呈弱碱性,NO₃-、SO₄2-与NH₄+相关性较高,其在PM_2.5中主要以NH₄NO₃和NH₄HSO₄的形式存在. PMF分析结果表明,本溪市PM_2.5中水溶性离子的来源主要包括二次转化源、燃煤源和扬尘源.研究显示,本溪市PM_2.5中水溶性离子季节性变化特征明显,二次转化源、燃煤源和扬尘源是其主要来源.      

泰山顶PM2.5及其二次组分的输送路径与潜在源

为了明确泰山顶PM_2.5及其二次组分的输送路径与潜在来源,基于后向轨迹聚类方法对2015年冬季和春季抵达泰山顶的气团传输轨迹进行聚类分析,并利用PSCF（潜在源贡献因子）和CWT（浓度权重轨迹）方法分析泰山顶冬季和春季PM_2.5、SO₄2-、NO₃-和NH₄+的潜在源域.结果表明,冬季和春季来自不同方向的气团轨迹对泰山顶PM_2.5及其组分的潜在源分布的影响具有明显差异.冬季泰山顶ρ（PM_2.5）和ρ（NO₃-）平均值的最高值对应的气团轨迹来自湖北、河南、山东济宁等地区,而来自西北方向的轨迹1和轨迹2分别对应的ρ（SO₄2-）和ρ（NH₄+）平均值最高;春季影响ρ（PM_2.5）和ρ（NO₃-）的气团轨迹主要来自西南方向的河南、安徽北部、山东聊城等地区,而源自蒙古国途经内蒙古、山西、河南北部和山东聊城的气团轨迹对ρ（SO₄2-）和ρ（NH₄+）的贡献最大.泰山顶ρ（PM_2.5）、ρ（SO₄2-）、ρ（NO₃-）和ρ（NH₄+）的PSCF分布特征与CWT分布特征类似,WPSCF（源区分布概率）和CWT的最高计算值主要集中山东济宁、聊城以及邻近的山西省、河北省和河南省,是泰山顶大气污染物的主要潜在源域.      

基于WRF-CMAQ模型的辽宁中部城市群PM2.5化学组分特征

为了探究北方寒冷地区城市PM_2.5化学组分特征,采用WRF-CMAQ模型对辽宁中部城市群2019年1月、4月、7月、10月及一次重污染过程（2019年1月11—14日）的PM_2.5化学组分展开模拟分析.结果表明:WRF-CMAQ模型分析下SO₂、NO₂、PM₁₀、PM_2.5浓度模拟值与监测值的相关系数（R）在0.63~0.82之间,PM_2.5组分中SO₄2-、NO₃-、NH₄+、EC、OC浓度的相关系数（R）在0.59~0.88之间,WRF-CMAQ模型对大气污染物及PM_2.5主要化学组分的模拟效果较好,可以反映PM_2.5及其组分的时空变化特征.通过对模拟结果的进一步分析发现,辽宁中部城市群PM_2.5中SNA（SO₄2-、NO₃-、NH₄+三者的合称）的占比为37%,与成渝城市群、长三角地区、京津冀地区城市相比,PM_2.5二次污染程度较低,一次污染仍是PM_2.5的主要来源.1月、4月、7月、10月PM_2.5中[NO₃-]/[SO₄2-]（质量浓度比）分别为0.62、0.44、0.15、0.50,表明该区域的燃煤污染对PM_2.5的贡献大于机动车尾气的贡献,该现象在秋冬季尤为明显;硫氧化率（SOR）普遍处于较高水平,分别为0.34、0.54、0.61、0.58,表明该区域燃煤排放的SO₂更易对PM_2.5产生贡献.同时,全年OC/EC（质量浓度比）的平均值为3.6,说明碳气溶胶的贡献主要来自机动车尾气的排放与化石燃料燃烧.通过分析2019年1月11—14日重污染过程PM_2.5组分浓度的逐小时变化发现,该时段中SOR与NOR分别是1月平均值的1.2与2.0倍,NOR的提升导致PM_2.5中NO₃-浓度占比上升了8%,超过SO₄2-的占比,这表明该重污染过程中机动车尾气对PM_2.5的贡献超过平常时段.研究显示,辽宁中部城市群的大气污染呈燃煤与机动车尾气为主的复合型污染特征,尤其在重污染天气下,实施工业限产的同时,加强机动车限行尤为重要.      

黄石市大气PM2.5中水溶性离子浓度特征及来源分析

为研究黄石市大气PM_2.5中水溶性离子组成、质量浓度变化特征及来源,于2012年3月-2013年2月在湖北省黄石市利用MiniVol颗粒物采样器采集PM_2.5样品,用离子色谱分析了9种水溶性离子（NH₄+、Ca2+、Mg2+、Na+、K+、Cl-、NO₃-、SO₄2-、F-）的质量浓度,并采用PMF（正定矩阵因子分析法）模型讨论了不同离子的来源.结果表明:观测期间黄石市大气PM_2.5中ρ（总水溶性离子）的年均值为（61.5±26.8）μg/m3,占ρ（PM_2.5）的63.9%,各离子质量浓度的高低顺序依次为ρ（SO₄2-）> ρ（NO₃-）> ρ（NH₄+）> ρ（Na+）> ρ（Cl-）> ρ（Ca2+）> ρ（K+）> ρ（F-）> ρ（Mg2+）.二次无机离子SNA（为SO₄2-、NO₃-和NH₄+的统称）是水溶性离子的主要成分,占全部所测水溶性离子的74.4%.ρ（NO₃-）/ρ（SO₄2-）范围为0.12~1.29,平均值为0.53±0.30,说明全年观测点附近主要以固定源污染为主.4个季节的SOR（硫氧化率）和NOR（氮氧化率）均大于0.10,说明黄石市PM_2.5中的SO₄2-和NO₃-主要是经二次转化形成的.阴、阳离子相关性研究发现,4个季节阴、阳离子总体相关性（R2为0.98）较好,并且全年PM_2.5组分偏酸性.通过PMF模型源解析发现,黄石市大气PM_2.5中水溶性离子主要来源于燃烧源、二次转化源和土壤/矿物扬尘源.研究显示,黄石市大气PM_2.5中主要水溶性离子成分是SNA,燃烧、二次转化和土壤/矿物扬尘是其主要来源.      

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.      

华北地区夏季大气亚微米颗粒物的半挥发性特征

利用热扩散管TD(Thermal Denuder)与高分辨飞行时间气溶胶质谱仪(HR-ToF-AMS)联用法,于2013年6—7月对华北地区国家环境空气质量评价区域点香河的大气PM₁(亚微米颗粒物)及其组分〔OM(有机质)、SO₄2-、NO₃-、NH₄+、Cl-〕进行连续在线观测,并实现了PM₁不同化学组分半挥发性特征的模拟分析. 结果表明:在观测期间,ρ(PM₁)平均值为 (47.9±47.3) μg/m3,其中OM贡献最大,达到38.2%〔ρ(OM)占ρ(PM₁)的比例,下同〕,之后依次为SO₄2-(33.7%)、NH₄+(13.8%)、NO₃-(12.3%)、Cl-(2.0%). 在PM₁的各化学组分中,NO₃-和Cl-的MFR(质量剩余分数)值最低(约0.40),表明二者的半挥发性最高,当温度为50 ℃时,约60%的NO₃-或Cl-进入气相中;SO₄2-的半挥发性最低,在50 ℃时仍有约90%的质量剩余;而OM和NH₄+的半挥发性居中. NO₃-的半挥发性受大气PM₁污染水平的影响,50 ℃时其半挥发性随着ρ(PM₁)的增加而升高. 当温度从50 ℃升至200 ℃时,残留有机气溶胶的O/C(原子数比)从0.47增至0.60,说明半挥发性组分多为氧化态较低的有机化合物. 此外,真空动力学粒径在60~2 000 nm的颗粒物在不同粒径段表现出相近的半挥发性. 大气PM₁半挥发性的定量分析结果可为全面认识大气颗粒物的物化性质及污染机理提供数据,也有助于空气质量模型的完善.      

新疆奎独乌区域冬季大气重污染过程PM2.5组成特征及来源解析

为研究新疆奎独乌（奎屯、独山子、乌苏）区域冬季大气重污染过程的PM_2.5污染特征及其成因,于2015年2月4-10日在奎屯、独山子和乌苏三地开展PM_2.5样品采集,并对其中的元素、水溶性离子及碳组分进行测试,分析不同污染水平下PM_2.5中化学组分的变化规律.结果表明,采样期间奎独乌区域ρ（PM_2.5）日均值均超过GB 3095-2012《环境空气质量标准》二级标准（75 μg/m3）,2月9日ρ（PM_2.5）最高（298.58 μg/m3）,超标2.98倍.通过比较PM_2.5载带化学组分质量百分比发现,随着污染等级加剧,SO₄2-、NO₃-质量百分比呈逐渐增加的趋势,严重污染时SO₄2-、NO₃-质量百分比分别较轻度污染时增长11.7%、5.5%;NH₄+、碳组分及元素组分质量百分比则呈下降趋势,严重污染较轻度污染时分别下降0.7%、9.5%、2.4%;结合采样期间静稳及高湿的气象条件,说明此次重污染由本地污染物累积及二次颗粒物生成所致.随着污染水平的加重,SOR（硫氧化率）及NOR（氮氧化率）的值也在随之增大,说明污染越重大气二次转化程度越高,进一步验证了二次颗粒物是导致此次重污染的原因之一.对不同污染等级PM_2.5进行质量重构发现,PM_2.5中主要组分均为硫酸盐和OM（有机物）,硫酸盐和OM的质量百分比分别在23.0%~34.7%、16.4%~28.7%之间,说明此次重污染过程的主要污染源为燃煤及机动车尾气.      

临沂市冬季环境空气PM2.5中水溶性离子污染特征及来源分析

为探究临沂市冬季环境空气PM_2.5中水溶性离子污染特征及来源,于2016年12月11日—2017年1月9日在临沂大学、兰山区政府、高新区翠湖嘉园、汤庄办事处、河东区政府、临沂开发区6个采样点开展样品采集.结果表明:①采样期间全市ρ（PM_2.5）日均值的平均值为144.86 μg/m3,ρ（PM_2.5）日均值在2016年12月20日和2017年1月4日出现峰值,分别为304.46和341.65 μg/m3.②水溶性离子日均质量浓度大小顺序依次为ρ（NO₃-）> ρ（SO₄2-）> ρ（NH₄+）> ρ（Cl-）> ρ（K+）> ρ（Ca2+）> ρ（Na+）> ρ（F-）> ρ（Mg2+）> ρ（NO₂-）,其中,在PM_2.5中w（NO₃-）、w（SO₄2-）、w（NH₄+）分别为22.33%、16.57%、13.62%,说明NO₃-、SO₄2-和NH₄+是临沂市PM_2.5的主要组成部分.③临沂市污染天和非污染天ρ（PM_2.5）日均值分别为164.00和56.86 μg/m3.随污染水平增加,PM_2.5中w（NO₃-）明显增高,w（SO₄2-）和w（NH₄+）基本不变,说明w（NO₃-）的增加导致ρ（PM_2.5）的升高.污染天和非污染天的NOR（氮氧化率）分别为0.28和0.11,SOR（硫氧化率）分别为0.34和0.28,说明污染越重,NOR和SOR越高,并且NO_x的气-粒转化速率较SO₂慢.污染天ρ（Cl-）和ρ（K+）分别为7.22和1.77 μg/m3,分别是非污染天的2.5和3.0倍.④采样期间非污染天和污染天的N/S〔ρ（NO₃-）/ρ（SO₄2-）〕分别为0.85和1.39,说明非污染天时固定源对PM_2.5的贡献相对较大,而污染天时移动源对PM_2.5的贡献相对较大.⑤通过PMF模型法解析出3个因子.因子1对PM_2.5中水溶性离子的贡献率为56.13%,代表二次源和生物质燃烧源;因子2的贡献率为25.22%,代表工业源和垃圾焚烧源;因子3的贡献率为18.65%,代表扬尘源.研究显示,临沂市冬季PM_2.5污染严重,水溶性离子来源复杂,应采取多源控制的污染防治对策.      

聊城市冬季PM2.5及水溶性离子污染特征及来源分析

为研究聊城市冬季PM_2.5污染特征,于2016年1月7-29日在聊城市区对PM_2.5样品进行了采集,并对其水溶性离子（包括F-、Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）进行了分析.结果显示:观测期间聊城市ρ（PM_2.5）平均值为（192.4±88.9）μg/m3,超过GB 3095-2012《环境空气质量标准》日均二级标准限值的1.6倍.水溶性离子质量浓度为（77.4±46.9）μg/m3,占ρ（PM_2.5）的40.2%,其中SNA（NO₃-、SO₄2-和NH₄+）为主要离子,占水溶性离子比例达82.5%.轻度、中度、重度及严重污染时PM_2.5中水溶性离子质量浓度分别为（32.49±3.67）（46.26±17.66）（77.11±11.64）和（139.21±51.71）μg/m3,SNA分别占ρ（PM_2.5）的24.4%、26.7%、30.4%和39.0%,随着污染程度加重,SNA比例升高.观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.18和0.20,随着ρ（PM_2.5）升高,SOR及NOR明显上升,表明冬季PM_2.5污染越严重时SO₂与NO₂的转化速率越强,二次无机污染严重.主成分分析结果表明,二次转化、扬尘源及工业生产为水溶性离子的主要来源.后向气流轨迹结果显示,观测期间污染气团主要来源于西北方向,受内蒙古及河北城市影响较大,但当污染气团来源于周边城市且天气静稳时,颗粒物浓度最高.研究显示,聊城市冬季PM_2.5污染较为严重.