北京市东北城区冬季大气细粒子与相关气体污染特征

利用VAPS通用型大气污染物采样仪与DX-600型离子色谱仪于2008年11月及2009年1月进行了北京市东北城区大气细粒子(PM2.5) 可溶性离子组分和相关气体组分的同时监测与分析.结果表明,在采样期间,北京PM2.5质量浓度随时间呈“3峰”的变化,在“3个峰段”期,随采样时间的推进,PM2.5质量浓度增高;与北京市以往监测结果相比,北京市PM2.5中几种主要水溶性无机离子的污染水平呈现下降的趋势;PM2.5呈弱酸性,对大气环境酸化和酸性湿沉降的形成具有一定的促进作用;PM2.5中NH4+主要以硫酸盐、硝酸盐及氯盐的形式存在;PM2.5中SO42-、NO3-的质量浓度变化趋势分别与环境空气中SO2、NO2的质量浓度变化趋势相似,PM2.5中SO42-和NO3-分别主要由SO2、NO2转化而来,且NO2二次转化率低于SO2的二次转化率.     

中国望都地区夏季大气气溶胶挥发性特征

采用热扩散管与气溶胶质谱联用系统对2014年夏季河北望都乡村点位亚微米级气溶胶进行在线测量,获取了两段污染过程的气溶胶化学组成及挥发性特征：相对低污染期气溶胶平均质量浓度为（23.3±15.1）·g/m³,有机物占主导,主要受偏北方向气团影响;重污染期平均浓度为（86.6±19.7）·g/m³,硫酸盐占主导,受偏南方向气团影响;主要化学组分挥发性顺序均为硝酸盐 > 氯盐 > 铵盐 > 有机物 > 硫酸盐;与相对低污染期相比,重污染期的硫酸盐对质量浓度贡献更高且挥发性降低,而硝酸盐表现出更高的挥发性;对有机气溶胶而言,重污染期有机物氧化态更高且挥发性更低,老化特征明显.气溶胶半挥发性特征反映了华北夏季高污染条件下区域传输的重要作用.     

城市灰霾数值预报模式的建立与应用

建立了城市灰霾的数值预报模式,可模拟PM2.5中主要成分硫酸盐、有机碳、黑碳、硝酸盐和土壤尘等气溶胶的浓度分布,根据气溶胶浓度分布计算城市大气能见度,从而预测城市灰霾天气. 利用城市灰霾的数值预报模式进行了冬、夏2个算例的模拟. 结果表明:在PM2.5中,夏季硫酸盐的贡献率(26.6%)略高于冬季(24.0%),夏季和冬季有机气溶胶(OM)贡献率分别为35.4%和33.3%, 黑碳贡献率分别为9.5%和7.1%;南京地区颗粒物的消光系数占总消光系数的95%以上,是能见度下降最主要的贡献者,其中,硫酸盐和有机物对能见度贡献最大,其次为黑碳、硝酸盐、粗粒子、土壤尘和NO2.      

天津市2020年冬季重污染过程气溶胶消光特性及其来源

为了解天津市2020年冬季重污染过程气溶胶消光特征,基于2020年1~2月高时间分辨率的在线监测数据,对1月16~18日（重污染过程Ⅰ）、1月26~28日（重污染过程Ⅱ）和2月9~10日（重污染过程Ⅲ）进行气溶胶消光特性及其来源分析.结果表明,3次重污染过程PM_2.5平均浓度分别为（229±52）、（219±48）和（161±25）μg·m^-3,NO₃^-、SO₄^2-、NH₄⁺、OC、EC、Cl^-和K⁺为PM_2.5中主要组分.3次重污染过程气溶胶散射系数（Bsp₅₅₀）和吸收系数（Bap₅₅₀）分别为（1055.65±250.17）、（1054.26±263.22）、（704.44±109.89） Mm^-1和（52.96±13.15）、（39.72±8.21）、（34.50±8.53） Mm^-1,散射效应高于吸收效应.重污染天气下硝酸盐（38.9%~48.8%）、硫酸盐（31.1%~40.7%）和OM （9.9%~21.8%）为PM_2.5中最主要消光成分.3次重污染过程PM_2.5组分对气溶胶消光的贡献发生明显变化,重污染过程Ⅰ,硝酸盐对消光系数的贡献最高;重污染过程Ⅱ,受春节期间烟花爆竹燃放影响,OM对消光系数的贡献升高;重污染过程Ⅲ,交通出行减少但燃煤源排放相对稳定,硝酸盐对消光系数的贡献降低,硫酸盐的贡献升高.来源解析结果显示,重污染天气气溶胶消光的主要来源为二次无机气溶胶（37.1%~42.0%）、燃煤和工业（22.9%~24.2%）、机动车（23.9%~27.2%）、扬尘源（5.0%~6.4%）和烟花爆竹及生物质燃烧排放（3.9%~6.2%）.与重污染过程Ⅰ相比,重污染过程Ⅱ烟花爆竹及生物质燃烧排放对消光系数的贡献升高;重污染过程Ⅲ机动车对消光系数的贡献明显降低;燃煤和工业对消光系数的贡献在3次重污染过程中较接近.后轨迹分析表明,重污染天气期间天津市主要以来自河北的小尺度、短距离以及内蒙古中部的中尺度、中短距离气团传输轨迹为主.     

苏州市连续重污染过程中可溶性离子组分分析研究

文章利用苏州南门空气质量监测站点的可溶性离子组分的数据,结合2013年连续重污染过程细颗粒物中可溶性离子组分.结果表明,重污染过程是在不利气象条件下一次污染过程,从后向轨迹分析,空气团裹挟大量污染物到达苏州,使本地污染和区域污染相互叠加;可溶性离子组分占到细颗粒物组分的一半,可溶性离子又以硫酸盐、硝酸盐和铵盐为主要成分,其中硫酸盐主要来自于二氧化硫的转换.     

南京地区一次灰霾天气的微脉冲激光雷达观测分析

利用微脉冲激光雷达(MPL)对2012年10月南京地区的一次灰霾天气进行了不间断观测,结合地面气象要素和PM10、PM2.5质量浓度资料分析了此次污染过程颗粒物质量浓度、气象要素、气溶胶垂直方向光学特性和混合层高度(MLH)日变化趋势以及相关性并与11月11~12日非灰霾天气做了消光系数和MLH的比较.结果表明,本次灰霾天气颗粒物浓度与近地面消光系数日变化较相似,基本上呈现夜间高午后低的趋势;灰霾期间MLH峰值滞后于地面温度峰值2h,MLH与PM2.5呈现负相关关系,两者相关系数为-0.57;霾天MLH远低于非灰霾天;霾期间近地面消光系数大部分时刻大于1.0km-1,远大于非霾日0.1~0.25km-1范围的消光系数.     

气态污染物和气溶胶在线检测装置(GAC)测量结果评估

气态污染物和气溶胶在线检测装置(GAC)是一种连续收集、测量气态污染物和气溶胶水溶性组分的装置. 分别将GAC的测量结果与二氧化硫(SO₂)分析仪、差分吸收光谱(DOAS)、颗粒物-液体转换采集系统(PILS)和膜采样法的测量结果进行比对. 结果表明:GAC对SO₂吸收完全,测量结果稳定可靠;GAC测量的气态亚硝酸(HONO)质量浓度比DOAS测量值略偏高,原因可能是在相对湿度较高的条件下GAC对HONO的测量受到了NO₂的干扰;GAC和PILS测量的硫酸盐、硝酸盐和氯离子质量浓度〔分别以ρ(SO₄2-),ρ(NO₃-)和ρ(Cl-)计〕均有较好的相关性,将ρ_GAC (SO₄2-)校正到与PILS相同的粒径范围后,与ρ_PILS (SO₄2-)的系统偏差仅为-2%;GAC与膜采样法测量的ρ(SO₄2-)具有较好的相关性(R20.96),而二者的ρ(NO₃-)相关性较差,原因可能是硝酸盐在膜采样过程中有损失,使膜采样法的测量结果偏低.      

霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

乌鲁木齐市重污染期间PM_(2.5)污染特征与来源解析

目前有关我国城市大气重污染期间PM2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气.分析了重污染天气下ρ(PM2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM2.5的来源构成.结果表明:大气重污染期间ρ(PM2.5)严重超标,其中米东区环境保护局采样点的ρ(PM2.5)最高,其次是铁路局、市监测站;PM2.5化学组分以SO42-、TC、Si和NO3-为主,其中二次离子占ρ(PM2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.     

化石燃烧源水汽是导致关中地区冬季空气质量恶化的影响因素之一

雾霾天气是我国近年来面临的严峻环境问题之一,它的频繁发生严重影响我国居民的日常生活和身心健康.众所周知,PM2.5(空气动力学当量直径小于等于2.5 μm的颗粒物,直径还不到头发丝粗细的1/20)是造成空气污染的一个重要因素.它的来源非常复杂,包括一次排放和二次形成颗粒物.由氮氧化物(NOx)、二氧化硫(SO2)和挥发性有机组分(VOCs)等前体物反应生成的二次颗粒物(如硝酸盐、硫酸盐、二次有机物)是PM2.5的重要组成成分.大量研究表明,由水汽作为媒介的液相化学反应是二次气溶胶生成的重要途径.水汽含量的升高将加速硫酸盐、硝酸盐及二次有机物的生成,导致雾霾过程持续和进一步恶化.     

Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing

The recent year‘s monitor results of Beijing indicated that the pollution level of fine particles PM2.5 showed an increasing trend. To understand pollution characteristics of PM2.5 and its relationship with the meteorological conditions in Beijing, a one-year monitoring of PM2.5 mass concentration and correspondent meteorological parameters was performed in Beijing in 2001. The PM2.5 levels in Beijing were very high, the annual average PM2.5 concentration in 2001 was 7 times of the National Ambient Air Quality Standards proposed by US EPA. The major chemical compositions were organics, sulfate, crustals and nitrate. It was found that the mass concentrations of PM2.5 were influenced by meteorological conditions. The correlation between the mass concentrations of PM2.5 and the relative humidity was found. And the correlation became closer at higher relative humidity. And the mass concentrations of PM2.5 were negtive-correlated to wind speeds, but the correlation between the mass concentration of PM2.5 and wind speed was not good at stronger wind.     

广州亚运期间鹤山大气颗粒物及碳组分的分析

2010年11月广州亚运会期间,在鹤山连续测量了PM10、PM2.5及PM2.5中有机碳(OC)、元素碳(EC)的质量浓度,结合气象数据综合分析了该地区上述各种污染物的污染特征。研究结果表明:鹤山大气颗粒物以PM2.5为主,PM10和PM2.5具有较好的相关性(R2=0.72),其中PM2.5污染较严重;与国内外其他城市相比,鹤山OC、EC质量浓度处于中等偏高水平;OC和EC质量浓度的相关性较差(相关系数R2=0.32),OC/EC质量浓度比值远大于2,说明鹤山大气OC、EC来源较复杂,同时存在严重的二次污染;估算的二次有机碳(SOC)占OC总质量的66.5%。各种气象因素中,风速对污染物的质量浓度影响最大,秸秆燃烧等人类活动对其也有显著影响。     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.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.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

Quantitative relationship between visibility and mass concentration of PM2.5 in Beijing

The pollution of particulate matter less than 2.5μm （PM2.5） is a serious environmental problem in Beijing. The annual average concentration of PM2.5 in 2001 from seasonal monitor results was more than 6 times that of the U,S, national ambient air quality standards proposed by U.S. EPA. The major contributors to mass of PM2.5 were organics, crustal elements and sulfate. The chemical composition of PM2.5 varied largely with season, but was similar at different monitor stations in the same season. The fine particles （PM2.5） cause atmospheric visibility deterioration through light extinction, The mass concentrations of PM2.5 were anti-correlated to the visibility, the best fits between atmospheric visibility and the mass concentrations of PM2.5 were somehow different： power in spring, exponential in summer, logarithmic in autumn, power or exponential in winter. As in each season the meteorological parameters such as air temperature and relative humidity change from day to day, probably the reason of above correlations between PM2.5 and visibility obtained at different seasons come from the differences in chemical compositions of PM2.5.     

天津2009年3月气溶胶化学组成及其消光特性研究

2009年3月,采集天津城区PM10和PM2.5样品,分析其中的水溶性无机离子、有机碳(OC)和元素碳(EC),并估算其二次有机碳(SOC)浓度及消光系数.结果表明,天津城区PM10和PM2.5污染严重,水溶性无机离子和含碳物质在PM10中的比例为24.8%和10.0%,在PM2.5中的比例为26.6%和13.9%;SO42-、NO3-和Ca2+是主要的无机离子,霾日天气有利于SO2和NO2向硫酸盐和硝酸盐的二次转化;通过OC/EC最小比值法估算SOC的浓度,表明SOC与OC的比值分别为38%(PM10)和24%(PM2.5),霾日天气有利于SOC生成;二次离子(SO42-,NO3-和NH4+)、粗粒子、OC和EC是大气消光的主要贡献者,其消光贡献比例分别为33.1%, 22.6%,22.0%和15.6% 采用化学组分和相对湿度可以较好的拟合大气消光系数及大气能见度.     

Chemical characteristics of PM2:5 during a typical haze episode in Guangzhou

The chemical characteristics (water-soluble ions and carbonaceous species) of PM2:5 in Guangzhou were measured during a typical haze episode. Most of the chemical species in PM2:5 showed significant di erence between normal and haze days. The highest contributors to PM2:5 were organic carbon (OC), nitrate, and sulfate in haze days and were OC, sulfate, and elemental carbon (EC) in normal days. The concentrations of secondary species such as, NO3??, SO4 2??, and NH4 + in haze days were 6.5, 3.9, and 5.3 times higher than those in normal days, respectively, while primary species (EC, Ca2+, K+) show similar increase from normal to haze days by a factor about 2.2–2.4. OC/EC ratio ranged from 2.8 to 6.2 with an average of 4.7 and the estimation on a minimum OC/EC ratio showed that SOC (secondary organic carbon) accounted more than 36.6% for the total organic carbon in haze days. The significantly increase in the secondary species (SOC, NO3??, SO4 2??, and NH4 +), especially in NO3??, caused the worst air quality in this region. Simultaneously, the result illustrated that the serious air pollution in haze episodes was strongly correlated with the meteorological conditions. During the sampling periods, air pollution and visibility had a good relationship with the air mass transport distance; the shorter air masses transport distance, the worse air quality and visibility in Guangzhou, indicating the strong domination of local sources contributing to haze formation. High concentration of the secondary aerosol in haze episodes was likely due to the higher oxidation rates of sulfur and nitrogen species.     

珠三角空气质量暨光化学烟雾数值预报系统

基于中尺度气象模式(MM5)、排放源模式(SMOKE)和大气化学模式(CMAQ),耦合本地排放源清单,建立了珠三角区域空气质量数值模式预报系统。该套模式系统对清洁、污染过程的一次、二次污染物都有较好的预报能力。冬季,能见度和PM_(2.5)的预报值和观测值的相关系数最高达0.76和0.78。O_3和NO_x的预报值和观测值的相关系数为0.64和0.61。随着预报时效的增加,预报效果没有明显降低。夏季,在2个典型光化学过程中,O_3的预报值和观测值的相关系数分别为0.68和0.81,NO_x分别为0.57和0.64。在相关的边界层气象因子中,地表通风系数和能见度相关度最高,相关系数达0.71。混合层高度、地面风速、比湿和能见度的相关系数分别为0.55、0.50、和-0.37。在灰霾过程中,PM_(2.5)占PM_(10)的质量浓度为78%。在气溶胶质量权重中,硫酸盐所占的比重最高,占PM_(2.5)权重达到33%,元素碳为18%,有机碳为14%,铵盐为5%,硝酸盐仅为1%。灰霾过程的二次气溶胶的质量权重比清洁过程的大。     

典型城市公众感受与空气污染指数的相关关系

针对现行空气污染指数与实际人体感受可能存在较大差距的问题,分别在广州和乌鲁木齐进行了为期一年的问卷调查.结果表明:公众主观环境空气质量评价(PSI)为良和轻微污染对应的API分别为43和99(广州), 75和179(乌鲁木齐),但较弱的相关关系表明,现行包含3项污染物指标的API尚不能完全体现公众的主观感受;公众健康综合感受(PHI)恶化对应的API区间广州约为API>60,乌鲁木齐则为API>100;广州PSI的主要影响因素是PHI和能见度,而在乌鲁木齐则为ρ(SO₂),ρ(NO₂),ρ(PM₁₀)和PHI;建议将能见度,O₃和PM_2.5纳入API或环境空气质量评价.