北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.     

京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

苏南五市秋冬季PM2.5化学组成特征和空间差异

于2020年9月至2021年2月在苏南五市(南京、苏州、无锡、常州和镇江)收集PM_2.5滤膜样品,分析了各样品中的水溶性无机离子和碳质组分.结果表明,苏南五市PM_2.5各组分中ρ(NO₃^-)均为最高[(9.54±10.1)～(12.1±11.3)μg·m^-3],比其它目标组分高约2倍以上.由于受更多道路扬尘和燃煤源的影响,常州市PM_2.5中Ca²⁺、Cl^-、OC和EC的浓度平均值高于其它4个城市.将所有目标组分浓度相加得到重构PM_2.5(r PM_2.5)浓度,发现各城市r PM_2.5浓度均由二次无机离子(NH₄⁺、NO₃^-和SO₄^2-,SNA)主导,占比高达(59.2%±11.1%)～(70.8%±9.72%),且r ...     

北京市开发区PM1污染特征及影响霾形成的因素

通过采集北京市亦庄经济技术开发区2016年7月和10月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM₁样品,分析研究了该开发区PM₁及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明：研究期间开发区PM₁平均浓度为73.95μg/m³,高于北京市同期估算的PM₁平均水平,为其1.13倍.夏、秋、冬、春4季PM₁平均浓度分别为69.22,63.38,99.50,57.26μg/m³,明显呈现出冬季 > 夏季 > 秋季 > 春季的季节变化特征,各季节霾天PM₁浓度是清洁天的1.78~3.17倍.PM₁中总水溶性离子浓度为37.30μg/m³,占PM₁总质量浓度的50.44%,其中二次组分SO₄^2-、NO₃^-和NH₄⁺（SNA）平均浓度占总水溶性离子浓度的86.98%,是PM₁中水溶性离子的最主要组成部分.PM₁总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季 > 夏季 > 秋季 > 春季.研究期间硫氧化率（SOR）高于氮氧化率（NOR）,且SOR表现为夏 > 秋 > 冬 > 春,而NOR表现为夏 > 秋~春 > 冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO₂和NO₂的二次转化过程最为显著.SO₂向SO₄^2-的转化主要受相对湿度RH、温度T、NO₂以及NH₃的影响,且液相反应是硫酸盐形成的重要途径.NO₂向NO₃^-的转化受RH、T、O₃以及NH₃的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素.     

邢台市秋季PM2.5及水溶性离子污染特征

为研究邢台市秋季PM_2.5污染特征,于2017年10月15日~11月14日在邢台市区对PM_2.5样品进行了采集,并对其中水溶性离子（包括Cl^-、NO₃^-、SO₄^2-、NH₄⁺、Ca²⁺、Na⁺、Mg²⁺、K⁺）进行了分析.结果显示,观测期间邢台市ρ（PM_2.5）平均值为（130.0±74.9）μg/m³,其中水溶性离子质量浓度为（69.8±11.4）μg/m³,占ρ（PM_2.5）的53.3%,NO₃^-、SO₄^2-和NH₄⁺为主要离子,占水溶性离子比例达到了89.7%. 当污染加重,水溶性离子质量浓度随ρ（PM_2.5）增大而升高,且NO₃^-、NH₄⁺及SO₄^2-占比亦逐渐升高,但其他离子占比随之下降,Ca²⁺尤为明显,表明ρ（PM_2.5）升高时主要受二次无机转化影响;观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.36和0.25,表明秋季SO₂与NO₂转化速率较强,二次无机污染严重,另外SOR及NOR与温度及相对湿度呈正相关,且SOR对二者更为敏感;邢台市秋季PM_2.5呈弱碱性,NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃的形式存在;ρ（NO₃^-）/ρ（SO₄^2-）平均值为2.13,表明移动源对秋季大气颗粒物的来源贡献较大;PMF分析结果表明,二次转化源、燃烧源及扬尘源为邢台市秋季PM_2.5中水溶性离子的主要来源.     

基于高分辨率MARGA分析桂林市PM2.5水溶性离子特征

利用高时间分辨率MARGA于2017年2月17日~3月24日在桂林市开展PM_2.5组分监测，结合同一点位环境和气象监测数据，分析桂林市大气PM_2.5水溶性无机离子组分特征及气溶胶酸性.结果表明：MARGA监测的PM_2.5中8种水溶性离子与PM_2.5变化趋势一致.8种水溶性离子总浓度均值29.27μg/m³，3种二次水溶性离子SO₄^2-、NO₃^-和NH₄⁺浓度均值26.91μg/m³，占水溶性离子总浓度的93.50%，是桂林市大气PM_2.5的主要组分.二次水溶性离子SO₄^2-、NH₄⁺和NO₃^-两两之间存在显著正相关性（相关系数均>0.80），提示二次离子产生的机制及在大气中的演化、沉积具有一定的相似性.无论有无降雨，能见度（Vis）均随着水溶性离子，尤其是二次水溶性离子浓度的增加呈幂函数规律递减.24h累计降雨量≥ 10.0mm时，湿清除作用明显.晴天及降雨量不大的天气下，需注意管控机动车尾气、生物质燃烧和扬尘污染.SOR、NOR分别为0.35、0.12，SO₂同时通过均相和非均相氧化反应转化为SO₄^2-，NO_x主要是通过白天光化学反应转化为NO₃^-.大多数离子和气态前体物均存在明显的日变化规律，这与物质的来源、形成机制和气象条件不同有关.CE/AE摩尔浓度均值为1.5，桂林市PM_2.5总体偏碱性.PM_2.5中SO₄^2-、NO₃^-、Cl^-主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在.PM_2.5中NH₄⁺可能与监测点位交通源排放有关，桂林市应加强交通污染物排放管控.     

南京北郊水溶性离子污染特征及其光学特性

为了分析南京北郊水溶性离子污染特征及其消光贡献,于2017年3月15日~4月15日、7月和10月开展了PM_2.5观测实验,分析了南京春夏秋3个季节的PM_2.5及其组分浓度特征、水溶性离子及其前体物转化特征以及水溶性离子的光学特性.结果表明,采样期间PM_2.5的质量浓度为（93.8±40.3）μg/m³,其中54.2%为水溶性离子,其总质量浓度为（50.9±25.6）μg/m³,而二次水溶性离子（SNA）占水溶性离子的76.8%.各水溶性离子组分分布为：NO₃^- > SO₄^2- > NH₄⁺ > Ca²⁺ > Cl^- > NO₂^- > K⁺ > F^- > Mg²⁺ > Na⁺.在季节变化上,PM_2.5和主要水溶性离子均为春季高,夏季低,但夏季NO₃^-4^2-.硫转化率（SOR）和氮转化率（NOR）在采样期的均值分别为0.38、0.22,这说明南京有较强的二次转化过程.采样期间,平均[NO₃^-]/[SO₄^2-]的值为1,这说明水溶性离子主要来源于移动源的排放.通过IMPROVE公式计算的大气消光系数低于实际值,但能够较为准确的反映出南京消光系数的趋势.各组分消光贡献从大到小分别为（NH₄）₂SO₄（38.9%）、NH₄NO₃（36.7%）、POM（13.6%）、EC（9.3%）、NO₂（1.5%）.其中SNA的消光贡献占70%以上,春季的SNA消光贡献最大,而夏季的最小.     

郑州市夏季PM2.5中二次无机组分污染特征及其影响因素

硝酸根(NO₃^-)、硫酸根(SO₄^2-)和铵根离子(NH₄⁺)是PM_2.5中重要组分,研究三者的污染特征及其影响因素对空气质量的持续改善至关重要.于郑州市2020年夏季利用一系列在线PM_2.5化学组分仪器开展连续观测.结果表明,郑州市2020年夏季ρ(PM_2.5)平均值为(28±13)μg·m-3,呈现夜间高白天低的日变化特征.ρ(NO₃^-)、ρ(SO₄^2-)和ρ(NH₄⁺)的平均值分别为(7.8±6.7)、(7.2±3.7)和(5.5±3.1)μg·m-3,在PM_2.5中的占比分别达到22%、 21%和16%.分析不同情景下组分变化规律发现,随着PM_2.5浓度的上升,NO₃^-     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

基于随机森林模型的武汉市城区大气PM2.5来源解析

基于2019年12月～2020年11月期间武汉市城区大气PM_2.5及其主要化学组分（碳质组分、水溶性离子和元素组分）的在线监测数据,分析武汉城区大气PM_2.5的污染特征,并利用主成分分析方法和随机森林模型,对PM_2.5进行来源解析．结果表明,武汉市大气ρ(PM_2.5)冬季最高,为（61.33±35.32）μg·m^-3,而夏季最低,为（17.87±10.06）μg·m^-3．其中碳质组分以有机碳为主,年均值为（7.27±3.51）μg·m^-3,离子组分中ρ（NO₃^-）、ρ(SO₄^2-)和ρ（NH₄⁺）最高,年均值分别为（11.55±3.86）、（7.55±1.53）和（7.34±1.99）μg·m^-3,元素组分中ρ（K）、ρ（Fe）和ρ（Ca）最高,年均值分别为（752.80±183.9...     

云贵高原城市PM2.5中水溶性离子的污染特征

为探究云贵高原区域城市PM_2.5中水溶性离子的污染特征及来源,该文选取贵阳市和遵义市作为典型城市进行PM_2.5样品采集,分析样品中8种水溶性无机离子(WSIIs)的污染特征,并采用主成分-多元线性回归法(PCA-MLR)解析其来源。结果表明,研究期间贵阳市和遵义市WSIIs浓度均值分别为22.64、14.44μg/m³,呈夏季最低、冬季最高的季节变化特征。2个站点氮氧化率(NOR)平均值分别为0.15、0.12,说明NO₃^-二次转化不明显,且夏季NOR的值远小于0.1,表明研究区域夏季NO₃^-来自于一次源。硫氧化率(SOR)平均值分别为0.44、0.35,表明SO₄^2-主要由二次反应形成。阴阳离子平衡分析表明,贵阳市春、夏、秋3个季节的PM_2.5呈碱性,冬季PM_2.5呈弱酸性,而遵义市全年PM_2.5呈碱性,主要由SO_...     

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.     

基于模式模拟的苏皖鲁豫交界区典型月份PM2.5来源解析

基于WRF-Chem模式模拟分析了2019年1月、7月苏皖鲁豫交界区本地排放对PM_2.5污染水平的贡献以及不同污染源对PM_2.5浓度和化学组分的贡献.结果表明：WRF-Chem模式合理地模拟了研究时段内苏皖鲁豫交界区PM_2.5的空间分布特征,PM_2.5的化学组分中冬季NO₃^-含量最高,夏季SO₄^2-含量最高.在不同的污染源中,民用源是冬季苏皖鲁豫交界区PM_2.5最主要的来源,贡献约为35.87%,农业源和工业源对PM_2.5的贡献分别为28.71%、22.17%;工业源是夏季苏皖鲁豫交界区PM_2.5最主要的来源,贡献达到50.57%,电力源、农业源和民用源的贡献分别为18.05%、15.14%和12.22%.从各污染源对PM_2.5污染贡献量的小时变化上看,工业源和民用源对冬季PM_2.5贡献量呈现明显的双峰双...     

珠三角春节期间PM2.5及水溶性离子成分的变化——以2012年为例

利用广州番禺大气成分站2012春节期间的逐时Marga数据、PM数据分析珠三角地区春节期间颗粒物及其水溶性离子的变化特征.研究发现在烟花爆竹集中燃放时期,PM₁₀、PM_2.5和各种水溶性离子浓度急剧升高,PM_2.5/PM₁₀的值与PM的变化趋势相反,说明主要增加的是PM₁₀中相对较粗的粒子;PM_2.5/PM₁₀平均值是0.92,说明在该期间,仍然主要是细粒子污染;K⁺、Cl^-和Mg²⁺以及NO₃^-和SO₄^2-、NH₄⁺浓度不同程度上升,说明烟花爆竹燃放对它们都存在影响,其中烟花爆竹燃放对PM、K⁺、Cl^-和SO₄^2-的影响最大,对NO₃^-、NH₄⁺也存在一定程度的影响.通过各离子之间的变化趋势以及相关系数研究,发现K⁺、Cl^-、Mg²⁺和Na⁺主要来源于烟花爆竹的燃放,因此在烟花爆竹集中燃放时段浓度急剧升高,SO₄^2-、NO₃^-和NH₄⁺相关系数很高,说明他们三者可能有相同的来源;黑碳浓度明显升高说明烟花爆竹的燃放对其也有一定的影响.     

2013-2021年长沙市城区PM2.5浓度变化特征及归因分析

根据2013-2021年长沙市城区10站点大气污染物监测数据,综合采用Daniel趋势检验和Kolmogorov-Zurbenko滤波方法,文章探讨了长沙市城区PM_2.5浓度时空分布规律及气象因素、减排措施影响。结果显示：2013-2021年长沙市空气质量呈持续改善趋势,达标天数累计增加107 d,优良率累计提高了29.3个百分点;PM_2.5年均浓度累计下降48.2%,除O₃外的其他各项污染物浓度呈现明显的下降趋势,通过Daniel显著性检验;城区SO₂、NO₂、PM_2.5、PM₁₀、CO年均浓度变化速率为3.1、2.3、5.1、5.5、61.4μg/(m³·a)。空间分布上,PM_2.5年均浓度的空间分布结构具有鲜明的特征,北部地区较低,中心城区和东南部地区较高,浓度梯度特征明显。与2013年相比,2021年各站点PM_2.5年均浓度原始数据累计降幅在38.5%～48.0...     

北京城区PM2.5各组分污染特征及来源分析

为探索北京城区大气细颗粒物( PM_{2. 5}) 及其各组分的浓度特征,于 2019 年全年在车公庄地区开展了 PM_{2. 5}及水溶性离子、碳质组分及金属元素的连续在线监测． 结果表明,2019 年北京城区 ρ( PM_{2. 5}) 平均值为 46. 7 μg·m^{- 3},化学组分中 ρ[有机物（ OM） ]、ρ（ NO₃^-） 、ρ( SO₄^2-) 、ρ（ NH₄⁺） 、ρ（ EC） 、ρ（ Cl^-） 、ρ（ 微量元素） 和 ρ（ 地壳物质） 分别为 9. 1、11. 1、5. 7、5. 4、1. 4、0. 9、1. 6 和 7. 3 μg·m^{- 3},SNA ( SO₄^2-、NO₃^-和 NH₄⁺) 合计占到了...     

深圳大气PM2.5化学组成的长期变化特征

为分析深圳市大气细颗粒物（PM_2.5）浓度长期持续下降的原因,进而明确PM_2.5下一步减排潜力和精细化管理方向,本研究基于2019年在深圳市西乡点位采集的PM_2.5样品,分析了西乡PM_2.5的化学组成及季节分布特征.结果表明,2019年西乡点位PM_2.5年均浓度为29.4μg/m³,总体上呈现夏低冬高的季节特征,有机物（OM）和硫酸根（SO₄^2-）仍是主要的组分,分别占总质量的42.3%和17.6%.对2009、2014、2019年典型月份PM_2.5的组分进行对比,PM_2.5全年质量浓度从42.3μg/m³（2009年）下降至24.6μg/m^3.（2019年）,OM、SO₄^2-、硝酸根（NO₃^-）、铵根（NH₄⁺）和元素碳（EC）等都有明显的下降趋势.矿物质元素（Al、Ca）是地面扬尘和建筑尘的标识组分,近年来Al、Ca浓度的增加趋势表明宝安区西乡扬尘的影响在逐渐扩大.2009、2014、2019年OC/EC的值逐渐扩大,说明了一次燃烧源排放的影响逐渐减小,但二次有机物（SOC）的贡献逐渐凸显.通过分析2004、2009、2014、2019年夏、冬季PM_2.5中6种主要组分变化趋势,表明6种主要组分夏冬两季皆有下降趋势,但由于气象因素导致冬季污染物受到区域传输的影响较大,夏季各组分浓度的下降幅度普遍高于冬季.总体来说深圳市PM_2.5浓度持续下降的原因是深圳市对机动车、工业VOC （挥发性有机物）、远洋船舶以及一次燃烧源的管控和减排.     

深圳冬季大气气态硝酸和硝酸盐气粒分配特征

利用双通道在线气体和气溶胶分析仪（MARGA）在深圳冬季同时观测了PM_2.5和PM₁₀中水溶性无机离子及气态前体物浓度变化,以探究气态硝酸（HNO₃）和颗粒态硝酸盐（pNO₃^-）的气粒分配特征.结果表明,气态硝酸和颗粒态硝酸盐总和TNO₃（TNO₃=HNO₃+pNO₃^-）中,气态HNO₃、细颗粒NO₃^-和粗颗粒NO₃^-三个部分的占比分别为9.6%、56.8%和33.6%.TNO₃浓度日变化呈现双峰特征,上午峰值来自于细颗粒态NO₃^-增加,由交通早高峰排放NO_x转化生成所致;白天光化学反应使TNO₃的3个部分浓度均增加,TNO₃在下午17：00达到全天峰值.相关分析表明,低温有利于NO₃^-以NH₄NO₃存在于细颗粒态;TNO₃浓度较高时,细颗粒态NO₃^-占比亦升高.     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

北京交通环境PM10分布特征及重金属形态分析

以北京市西三环航天桥地区为对象,研究了城市交通环境大气可吸入颗粒物浓度及主要化学组成随时间和粒径的分布特征. 结果表明:该地区大气中ρ(PM₁₀)冬季略高于春季,秋季次之,夏季最低;颗粒物中ρ(PM_2.5)/ρ(PM₁₀)和ρ(PM_1.0)/ρ(PM₁₀)平均值分别为82.6%和70.3%;ρ(PM₁₀)与ρ(PM_2.5)和ρ(PM₁₀)与ρ(PM_1.0)之间均有显著的相关性. PM₁₀中金属元素浓度冬春季较高,夏秋季较低;Mg,Ca和Fe等地壳元素浓度随粒径的减小而降低,而Pb,Zn和Ni等重金属元素浓度总体上随粒径的减小而增加. 颗粒物中的Cr和Ni主要以有机物结合态存在,Cu,Zn和Cd主要以酸可提取态存在,Pb主要以酸可提取态和氧化物结合态存在;颗粒物中所含Cd和Zn元素的生物有效性最高. PM₁₀中水溶性ρ(SO₄2-)在夏季和冬季最高,秋季最低,而水溶性ρ(NO₃->/sup>)全年变化不大;［0.43～2.1 μm)粒径段颗粒物中的水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)较高,分别占PM₁₀中水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)总量的68.3%及57.6%;ρ(NO₃->/sup>)/ρ(SO₄2-)平均值为0.659.