道路扬尘排放因子建立方法与应用

排放因子是分析污染源排放特征和建立排放清单的基础数据,本研究对典型道路进行积尘负荷采样和实验室筛分分析,通过再悬浮系统和颗粒物粒径谱仪对道路扬尘粒径分布和粒径乘数进行测量,调查道路车型构成并计算车重,以北京市通州区为例应用模型法建立本地化的道路扬尘PM_2.5排放因子.结果表明,不同类型道路的扬尘颗粒物粒径分布在<2.5 μm范围内的质量比例较为接近,道路扬尘中PM_2.5与PM₁₀比值在0.28~0.32之间;不同类型道路的PM_2.5粒度乘数在0.18~0.20 g·（km·辆）^-1之间,高速路、国道、省道、县道和乡道的PM_2.5排放因子分别为0.06、0.14、0.31、0.30和0.39 g·（km·辆）^-1.积尘负荷采样、再悬浮粒径分布测量和排放因子模型计算,是道路扬尘排放因子本地化的可行方法.在建立道路扬尘排放因子过程中,粒径乘数可以应用默认值,由于不同类型道路的积尘负荷差异较大,需要分道路类型或按车流量级别进行积尘负荷采样分析,对排放因子进行本地化.     

基于车载移动监测的北京市丰台区道路扬尘源排放特征

基于车载移动监测系统,对丰台区各类型道路、不同季节典型道路的积尘负荷特征进行分析.探讨不同环线区域内的道路车流量、积尘负荷、扬尘排放量的变化规律及原因,并运用ArcGIS软件得到道路扬尘积尘负荷和排放量的空间分布图.结果表明,各类型道路的积尘负荷均值和道路扬尘排放因子的大小顺序都为支路 > 次干道 > 主干道 > 快速路.车流量对道路扬尘积尘负荷和排放强度的影响呈反向关系.PM_2.5、PM₁₀和TSP的年排放量分别为1824、7539、39274 t·a^-1.从PM_2.5的年排放空间分布上来说,三环内网格排放量较大,其次是三环至四环,六环外的单位面积道路扬尘排放量最小.不同环线区域内的单位面积车流量和排放量大小顺序为三环内 > 三环至四环 > 四环至五环 > 五环至六环 > 六环外.而三环内、三环至四环、四环至五环、五环至六环、六环外的年均积尘负荷分别为0.67、0.73、0.76、0.80、0.79 g·m^-2.     

道路扬尘中PM2.5粒度乘数的测定方法及特征

粒度乘数是表征道路扬尘中颗粒物粒径分布特征和计算道路扬尘排放量的重要参数.为实现粒度乘数本地化,采用AP-42法和TRAKER法于2019年3月对保定市城区不同类型的道路进行采样和走航监测,利用校正公式计算得到道路扬尘PM_2.5粒度乘数（K_2.5）,对比了两种方法测定的K_2.5结果,分析了保定市道路扬尘粒度乘数特征.结果表明：①基于AP-42法和TRAKER法获取的保定市道路积尘的K_2.5平均值分别为0.21 g·VKT^-1和0.23 g·VKT^-1.两种方法获得的道路积尘K_2.5具有较高的线性相关性,相关系数约为0.6.分别利用两种方法获得的K_2.5计算道路扬尘PM_2.5排放因子值差异较小.说明利用基于激光传感器的TRAKER法能够满足测量并计算道路扬尘K_2.5的要求.②保定市不同类型道路积尘K_2.5特征按其值大小排序表现为：快速路 < 次干道 < 支路 < 主干道,存在显著差异;③保定市各道路扬尘K_2.5平均值高于0.15 g·VKT^-1,说明若直接借鉴美国环保署的推荐值（K_2.5=0.15 g·VKT^-1）进行排放清单计算,将会低估保定市的道路扬尘排放量,进而增加排放清单的不确定性.保定市K_2.5相对较高,说明保定市道路积尘中微颗粒物含量较多,道路扬尘对城市PM_2.5的贡献可能较大.     

燃煤电厂区域颗粒物及颗粒物汞分布特征研究

对东南沿海平原地区某燃煤电厂不同方位距离的9个采样点进行为期9个月的大气颗粒物采集,以PM_2.5、PM₁₀为对象,研究了颗粒物与颗粒物汞的时空分布,探讨了燃煤电厂排放对周边大气颗粒物与颗粒物汞分布的影响.结果表明：①本研究区PM_2.5平均浓度为78.10 μg·m^-3,其中颗粒物汞平均浓度为294.88 pg·m^-3;PM₁₀平均浓度为114.48 μg·m^-3,其中颗粒物汞平均浓度为363.41 pg·m^-3,均高于海内外众多城市.②冬季颗粒物、碳组分及颗粒物汞的浓度远高于春、夏、秋三季,冬季燃煤量大、逆温等气象因素及远距离污染物传输均造成当地冬季颗粒物累积.③大气颗粒物汞浓度随距电厂距离的增加先增加后降低,最大浓度范围为电厂W-NW方向1.3~2.5 km处.④各采样点均受到多种污染源共同影响,以燃煤尘为主,餐饮油烟、机动车尾气、生物质燃烧和扬尘次之,燃煤电厂对周边区域环境大气可吸入颗粒物主要影响区域为W-NW方向1.3~2.5 km.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

张掖市城区大气细颗粒物PM2.5的化学组成及来源解析

为研究张掖市城区大气细颗粒物（PM_2.5）的污染特征和来源,于2020年9月至2021年7月在张掖市城区的河西学院和湿地博物馆2个采样点进行了PM_2.5样品采集,对PM_2.5浓度、化学组成（水溶性无机离子、碳质组分和元素）和来源进行分析.结果表明,河西学院和湿地博物馆两个采样点的年均ρ（PM_2.5）分别为（73.7±31.8）μg·m^-3和（68.1±33.3）μg·m^-3,季节浓度均值均呈现春季>冬季>秋季>夏季的变化.河西学院采样点的二次水溶性无机离子（SO₄^2-、NO₃^-和NH₄⁺）年均值高于湿地博物馆.河西学院采样点的ρ（OC）和ρ（EC）分别为（9.6±5.7）μg·m^-3和（2.9±1.6）μg·m^-3,湿地博物馆采样点的年均ρ（OC）和ρ（EC）分别为（9.2±5.8）μg·m^-3和（2.5±1.3）μg·m^-3,河西学院的含碳组分在各季节均高于湿地博物馆.河西学院和湿地博物馆两个采样点的年均二次有机碳（SOC）在OC中的质量分数分别为49.4%和43.7%,表明张掖市存在较为严重的二次污染.河西学院和湿地博物馆两个采样点的元素浓度年均值分别为（6.0±3.5）μg·m^-3和（5.8±3.9）μg·m^-3,受到人为源的影响,Zn、Ca、Al和Fe等元素浓度水平相对较高.正定矩阵因子分解模型（PMF）结果表明,张掖城区PM_2.5的主要贡献源为二次气溶胶（28.0%）、交通源（25.8%）、扬尘源（15.2%）、燃煤源（14.0%）、生物质燃烧和垃圾焚烧源（12.5%）和工艺过程源（4.5%）.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

南昌市扬尘PM2.5中多环芳烃的来源解析及健康风险评价

为了解南昌市道路扬尘和土壤风沙尘PM_2.5中多环芳烃（PAHs）的来源和健康风险,利用颗粒物再悬浮系统采集PM_2.5样品,测定了PM_2.5中16种优先控制的多环芳烃的含量.结果表明,南昌市道路扬尘PM_2.5中ΣPAHs含量范围为48.85~166.16μg·kg^-1,平均值为（114.22±39.95）μg·kg^-1,土壤风沙尘PM_2.5中ΣPAHs含量范围为31.05~62.92μg·kg^-1,平均值为（40.79±9.39）μg·kg^-1.道路尘和土壤风沙尘PM_2.5中的PAHs都是以4~5环组分为主.主成分分析/多元线性回归分析结果表明,南昌市道路扬尘PM_2.5中PAHs的来源包括机动车的排放和燃煤源与石油泄漏,贡献率分别为51.7%和48.3%,总估计值与实际值的线性拟合有很好的一致性.对于儿童和成年男性,不同暴露途径的PAHs致癌风险值从大到小依次是皮肤接触 > 摄食 > 呼吸吸入,而成年女性则表现为摄食 > 皮肤接触 > 呼吸吸入.各暴露途径中,PAHs对成人的致癌风险均高于儿童.所有人群中,PAHs的总致癌风险值均低于美国EPA推荐的致癌风险阈值10^-6,没有致癌风险.     

2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

有色冶炼园区道路扬尘中重金属污染特征及健康风险评价

为研究有色冶炼工业园区周边道路扬尘中重金属污染特征及其健康风险,在云南省蒙自地区采集了城市道路、有色冶炼工业园区道路以及隧道尘样品,通过再悬浮设备将尘样悬浮至Teflon滤膜上获得PM_(2.5)和PM_(10)样品,并利用ICP-MS分析了Cr、Mn、Ni、Cu、Zn、As、Cd和Pb这8种重金属的含量.结果表明,在PM_(2.5)中重金属的平均含量高于PM_(10).Pb、Cd、As和Zn在3种道路扬尘中平均含量最高,且在不同道路扬尘中平均含量差异表现为:隧道工业园区道路城市道路.隧道扬尘中Pb和As的平均含量高于其它重金属,在PM_(2.5)中达到92 338.3 mg·kg~(-1)和12 457.7 mg·kg~(-1);工业园区道路扬尘中Pb和Zn的平均含量最高,在PM_(2.5)中分别是4 381.7 mg·kg~(-1)和4 685.0 mg·kg~(-1);城市道路平均含量最高的重金属是Zn和Pb,在PM_(2.5)中为1 952.6 mg·kg~(-1)和1 944.8 mg·kg~(-1), 3种道路扬尘中Cu、Zn、As、Cd和Pb平均含量均高于云南省土壤背景值.富集因子分析和主成分分析结果显示:Cu、Zn、As、Cd和Pb在3种道路上均有明显富集,受到有色冶炼工业和交通源的显著影响;而Cr、Mn和Ni在3种道路上富集不明显,未受到明显的人为源影响.健康风险评价结果表明,摄食是主要的暴露途径;儿童的非致癌风险高于成人.在PM_(2.5)道路扬尘中所含有的As、Cd和Pb都会对成人和儿童造成非致癌风险,在PM_(10)工业园区道路和隧道扬尘中的As、Cd和Pb对人体有非致癌风险,城市道路中的As仅对儿童有非致癌风险.此外,隧道中的As具有致癌风险.     

石家庄采暖季道路降尘PM2.5中元素分析及生态风险评价

为了解石家庄采暖季铺装道路降尘中元素污染状况及生态风险,利用降尘缸收集市区4种类型道路的降尘样品,分析降尘PM_(2.5)中Na、K、Cr、Ni、Cu、Zn、As、Pb、Al、Mg、Ca、Fe、Si等13种元素在不同类型道路、不同高度的含量特征,采用富集因子、主因子分析推测PM_(2.5)中元素来源,用潜在生态风险指数法评价重金属元素的生态风险.结果表明,主干道和支路降尘中元素含量最高,快速路最低,地壳元素Al、Si、K、Na更易在1.5 m高处富集,2.5 m高处多人为污染元素如Cr、Ni、Cu、Zn、As、Pb;富集因子和主成分分析显示采暖季道路降尘PM_(2.5)元素来源于燃煤燃油、交通(机动车尾气排放及零件老化磨损、轮胎磨损、道路扬尘)、建筑扬尘和生物质燃烧;富集因子范围0.35~100.45,地壳元素无富集,Cr富集因子平均值达100,生态风险指数高达320,富集程度极强且生态风险指数最大,应该引起足够重视.     

西安市城市降尘和土壤尘PM10和PM2.5中碳组分特征

为研究西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分污染特征,丰富大气降尘的成分谱库,于2015年4~5月收集了西安市城区5个点位的城市降尘和周边16个点位的土壤尘样品,通过ZDA-CY01颗粒物再悬浮采样器获得PM₁₀和PM_2.5的滤膜样品,使用Model5L-NDIR型OC和EC分析仪测定了样品中的有机碳（OC）和元素碳（EC）,定量分析了西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分特征及其主要来源.结果表明,不同站点降尘PM₁₀和PM_2.5中OC的占比差异较大,分别为6.0%~19.4%和7.6%~29.8%.不同站点降尘PM₁₀和PM_2.5中EC的占比较小,在城市站点的占比分别为0.6%~2.2%和0.2%~3.6%,而在多数外围土壤尘中几乎检测不到EC的存在.PM₁₀中含碳组分的占比为：城市降尘>外部对照>河滩土>土壤尘,PM_2.5中含碳组分的占比为：城市降尘>土壤尘>外部对照>河滩土.不同站点降尘含碳气溶胶均以OC为主,在城市降尘中相对较低,在PM₁₀和PM_2.5中OC占总碳（TC）的比值分别为85.2%~95.3%和87.9%~98.9%;在土壤尘中OC的占比较高,均超过99%.含碳物质主要集中在细颗粒物中.不同城市站点降尘中碳组分的分布具有一致性,不同土壤尘中碳组分的差异较大.城市和土壤降尘中碳组分主要受生物质燃烧、燃煤、汽油车和柴油车尾气等污染源的影响,PM₁₀和PM_2.5中含碳气溶胶的来源贡献率存在差异.     

淮北地区一次春季浮尘天气成因研究

利用激光气溶胶雷达和风廓线雷达,结合卫星遥感资料、地面气象要素资料、大气气溶胶浓度资料和HYSPLIT模型,研究了2017年5月5—8日淮北地区一次沙尘天气过程的特征.结果表明,2017年5月5—6日上午的浮尘(过程1)是由西北-华北地区的远距离输送所致,其中PM_(10)峰值浓度高达766μg·m~(-3),而6日下午—7日的浮尘(过程2)是冷空气回流所导致.外源输入、气象要素和垂直风场的变化为浮尘天气的发生和维持创造了有利条件,降水的出现使本次浮尘天气过程结束.激光气溶胶雷达可以有效监测此次浮尘天气的大气气溶胶消光系数的空间分布,能直观准确地反映出污染物的分布聚集情况以及时空变化,对大气污染监测具有重要意义.本研究还提出了适合江苏地区的浮尘客观判定方法,SO_2/PM_(10)、NO_2/PM_(10)以及PM_(2.5)/PM_(10)的比值可以有效判别浮尘天气.     

Dry deposition of PM10 over the Yellow Sea during Asian dust events from 2001 to 2007

Dry deposition velocities and fluxes of PM10during Asian dust events over the Yellow Sea from 2001 to 2007 were investigated using observation data in Qingdao, China and Jeju, Korea. The dry deposition velocities of PM10 during dust events over the Yellow Sea ranged from 0.19 to 8.17 cm/sec, with an average of 3.38 cm/sec. Dry deposition fluxes of PM10during dust events over the Yellow Sea were in the range of 68.5–2647.1 mg/(m2·day), with an average of 545.4 mg/(m2·day), which is 2–10 times higher than those reported by other studies for both dust and non-dust periods. It was estimated that 2.6 × 1011–48.7 × 1011g dust particles deposit to the Yellow Sea during dust events through dry deposition every year. Compared with the results in previous studies, it was found that the dry deposition of PM10over the Yellow Sea during dust events in the years with high frequency of dust could account for a large or overwhelming fraction of the annual total dry deposition. Backward air mass trajectory analysis showed that dust events influenced Jeju mainly originated from the desert regions located in Mongolia and Inner Mongolia, China. There were 119 backward trajectories influenced both Qingdao and Jeju during 15 dust events from 2001 to 2007, accounting for 61.3% of the total trajectories of 194, indicating that Qingdao and Jeju were usually on the same pathway of dust transport downwind from source areas.     

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

南京地区典型霾天气个例特征的比较分析

利用2011年南京大学城市大气环境观测站气象因子及污染物浓度资料、58238站点气象探空资料及NCEP再分析资料、CALIPSO卫星资料,比较分析了南京地区4类典型霾天气(烟花爆竹、沙尘、秸秆燃烧及不利气象条件污染)的污染特征.结果表明:烟花爆竹个例污染物排放集中,以细颗粒物为主,除夕和初五的PM2.5小时浓度分别达到0.46 mg·m-3和0.34 mg·m-3,受逆温层影响,能见度持续降低,最低达到1.16 km;受北方沙尘暴南下影响,沙尘个例以粗颗粒为主要污染物,PM10小时最高浓度为0.78 mg·m-3,PM2.5/PM10平均值为0.39,粒子形状不规则,体积偏退比为0.17;秸秆燃烧个例为重霾污染,能见度最低值为0.97 km,后向散射系数为0.0039 km-1獉sr-1,PM10和PM2.5最高小时浓度达到0.80 mg·m-3和0.49 mg·m-3,颗粒物主要来自南京东南地区秸秆的集中燃烧;不利气象条件导致的污染过程在冬季比较常见,下沉气流活跃,出现双层逆温,近地面静小风造成污染物积累,PM2.5与能见度的相关系数达到0.86,细颗粒物为主要污染物.可见,南京市霾天气可分为两类,分别是由不利气象条件导致的累积性污染和由高强度排放源造成的暴发性污染,具有不同的气象和污染特征.     

成都市道路积尘中全氟化合物的污染特征及暴露风险评估

为了解成都市道路积尘中全氟化合物(PFASs)的污染特征及人群暴露风险,采用超高效液相色谱-质谱联用仪分析了成都市道路积尘中12种PFASs的含量水平.成都市道路积尘中PFASs的含量为0. 95～111 ng·g~(-1),平均含量为(25. 6±37. 2)ng·g~(-1),说明存在较大的空间差异性.主干道路上PFASs的总含量显著高于支干道路,支干道路市区含量高于郊区含量.解放路一段、金牛坝路及水碾河路段主要的全氟化合物为全氟丁烷羧酸(PFBA),比例高达95%.而其它道路中主要的PFASs为全氟辛烷羧酸(PFOA,24. 8%)和全氟辛烷磺酸(PFOS,24. 1%),说明不同区域PFASs的污染源存在较大差异.成都市儿童和成人通过道路积尘摄入的PFASs分别为0. 168 ng·(kg·d)-1和0. 028 ng·(kg·d)-1,说明儿童暴露风险高于成人,应加强对儿童健康风险的关注.另外,根据欧盟推荐的每日最大耐受量,道路积尘中PFOS和PFOA的暴露量不会对成都市居民造成即时伤害.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.