冬季PM2.5中无机水溶性离子与大气相对湿度的相关性

依托河北省灰霾污染防治重点实验室,对2019年11月26日—12月31日石家庄市大气PM_2.5中的NO₃^-和SO₄^2-进行连续在线观测,研究NO₃^-和SO₄^2-与环境空气相对湿度的相关性,解析冬季发生PM_2.5重污染天气的RH阈值.观测期间,RH为10%~60%时,NO₃^-的浓度与RH呈显著正相关,为PM_2.5中浓度最高的无机水溶性离子.RH超过70%后,NO₃^-与RH呈负相关,NO₃^-浓度和NOR开始下降.SO₄^2-浓度与RH在整个湿度区间均呈正相关.RH低于50%时,SO₂向SO₄^2-的转化以气相反应为主.RH高于50%以后,颗粒物达到潮解点,SO₂的主要反应转入液相,转化速率加快,SO₂液相反应贡献逐渐增加至64.6%.RH超过70%后,SO₄^2-成为PM_2.5中浓度最高的无机水溶性离子.RH超过PM_2.5潮解点以后,NO₃^-和SO₄^2-大量合成,推高PM_2.5环境浓度,易于形成重污染天气.     

上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征

于2010年10月1日至11月30日在上海市城区对大气中颗粒物质量浓度及细粒子化学组分进行了在线连续观测,获得了秋季大气灰霾和沙尘等典型污染过程中颗粒物质量浓度和化学组成的变化特性.观测结果显示,在大气灰霾污染过程中PM₁₀和PM_2.5的日均最高浓度分别达到216~293 μg·m^-3和130~204 μg·m^-3,PM_2.5/PM₁₀的比值在65%以上,总的可溶性无机离子(TWSII)占PM_2.5质量浓度的50%以上,有机碳(OC)和元素碳(EC)的总和占25%~30%.二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的83.3%~87.5%,OC/EC的比值在5左右,表明在灰霾污染过程中二次组分对PM_2.5的贡献较大;沙尘天气以粗粒子污染为主,TWSII、OC和EC分别仅占PM_2.5质量浓度的27.2%、13.4%和2.0%,二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的55.7%,Ca²⁺、Mg²⁺等地壳组分的比例较灰霾天气明显升高.研究结果还显示,SO₄^2-和NO₃^-等二次离子组分的生成与颗粒物中硫与氮的氧化速率有关,在大气灰霾过程中硫转化率(SOR)和氮转化率(NOR)值较高,分别为0.24±0.10和0.15±0.06,说明SO₂通过二次反应生成SO₄^2-的能力较强,在污染的环境下高浓度的NO₂更有利于向NO₃^-转化.     

成都市冬季3次灰霾污染过程特征及成因分析

基于成都市大气环境超级观测站气态污染物和PM_2.5中组分在线监测数据,对2019~2020年成都市3次灰霾污染过程气象要素和组分特征进行分析,采用CMB模型模拟获得研究期间PM_2.5污染来源及变化趋势,剖析各污染过程成因.结果表明：① 3次污染过程均发生在相对湿度和温度持续上升,风速和边界层高度持续降低的不利气象条件下,日均相对湿度均大于70%,日均温度均大于8℃,日均风速均低于0.8 m ·s^-1,日均边界层高度均低于650 m;② 3次污染过程中主要组分均为NO₃^-、OC、NH₄⁺和SO₄^2-,其中NO₃^-质量浓度和占比污染时段较清洁时段增长倍数均高于其他组分,分别增加了1.47~2.09倍和0.22~0.35倍,NO₃^-是成都市冬季PM_2.5污染的关键组分;③ 3次污染过程SOR均值为0.40,NOR均值为0.27,SO₂和NO_x的二次转化程度较高,SO₂向SO₄^2-转化以夜间非均相氧化反应为主,NO_x向NO₃^-转化以非均相水解反应为主;④ 3次过程变化特征略有不同,过程Ⅰ呈现出明显的二次硝酸盐主导的特征,过程Ⅱ PM_2.5浓度上升过程中主要受燃煤排放影响,PM_2.5浓度高值时段主要受NO₃^-影响,过程Ⅲ总体仍为二次硝酸盐主导的特征,但部分污染时段化石燃料燃烧源排放有所增加;⑤二次硝酸盐、二次硫酸盐、机动车和燃煤源为研究期间主要污染来源,PM_2.5浓度与二次硝酸盐贡献率正相关,与扬尘源贡献率负相关.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明：区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM_2.5、SO₂、NO₂和CO平均浓度分别为219、14、46 μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO₂浓度下降明显.PM_2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM_2.5中主要化学组分为二次无机离子（NO₃^-、SO₄^2-和NH₄⁺）、OC、K⁺和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9 μg·m^-3,在PM_2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO₃^-、SO₄^2-、NH₄⁺、EC和Ca²⁺浓度及其在PM_2.5中占比明显下降;受烟花爆竹燃放影响,OC、K⁺、Cl^-和Mg²⁺浓度及其在PM_2.5中占比均上升.与清洁天气相比,春节重污染期间PM_2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM_2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM_2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

水库沉积物贫营养型好氧反硝化菌(Pseudomonas sp.)分离及其对微污染水体脱氮效率分析

为探究深水水库沉积物微生物功能特征及利用价值,于2019年在实验室对小湾水库表层沉积物微生物进行了驯化分离,并分析了其中一株细菌的脱氮效率.结果表明,分离出的细菌XW731经鉴定属于假单胞菌属（Pseudomonas sp.）,是一种贫营养型好氧反硝化菌;在分别以NH₄⁺-N、NO₃^--N和NO₂^--N为唯一氮源时,该菌对NH₄⁺-N、NO₃^--N和NO₂^--N去除率分别为33.6%、68.5%和9.1%;以NH₄⁺-N和NO₃^--N为氮源时,对NH₄⁺-N和NO₃^--N去除率分别为66.4%、89.6%,同步硝化反硝化能力更强.将该菌投加到两种城市微污染水体后测试表明,该菌对城市河道水体的NH₄⁺-N和NO₃^--N去除率分别为38.3%和42.4%,对城市降雨水体的NH₄⁺-N和NO₃^--N去除率分别为22.2%和7.7%.     

昆山市不同污染条件下PM2.5水溶性离子时间变化特征及其源解析

为了探明昆山市不同污染条件下PM_2.5中水溶性无机离子的污染特征以及本地源排放占主导时对污染过程的贡献,本研究使用昆山市2017年3月—2018年2月期间PM_2.5、水溶性无机离子及其气态前体物数据,分别探讨了水溶性无机离子及其气态前体物在污染天气和清洁天气情况下的变化特征,揭示了它们在污染天气和清洁天气下的变化机制.同时结合周围城市PM_2.5浓度筛选出昆山市秋、冬季局地污染事件,利用主成分分析（principle component analysis,PCA）方法对筛选出的局地污染事件中的水溶性无机离子数据进行了来源解析,定量评估了本地源排放占主导时不同水溶性无机离子对灰霾污染事件过程中PM_2.5浓度的贡献.结果表明：①SO₄^2-、NO₃^-、NH₄⁺（合称SNA）是PM_2.5的重要组分,且其相对贡献随着大气污染加重而变化.3种离子在清洁和污染条件下对PM_2.5的相对贡献分别是49.4%~62.3%和52.7%~65.9%.在3种主要的水溶性无机离子中,NO₃^-浓度最高,其次是SO₄^2-和NH₄⁺.随着污染加重,SO₄^2-的贡献率下降,而NO₃^-的贡献率上升.②污染天气下3种离子日变化规律不同,且存在明显季节差异.其中秋冬季SO₄^2-和NH₄⁺与各自气态前体物变化趋势一致且为单峰型;NO₃^-为单峰型而其前体物则为双峰型.另外,NO₃^-与NH₄⁺日变化趋势较为一致,表明昆山地区SNA多以NH₄NO₃形式存在.③2017—2018年秋冬季由本地源排放占主导的污染天气下,PM_2.5的主要来源是二次气粒转化、建筑扬尘、生物质燃烧和燃煤;除了Mg²⁺和Ca²⁺,其他水溶性离子浓度均低于非本地源排放占主导的污染天气下的浓度.     

北京大气气溶胶中水溶性离子的粒径分布和垂直分布

2004-09在北京325 m气象塔的8、80、240 m 3个不同高度,利用Andersen分级采样器同步进行了大气气溶胶采样.样品用离子色谱（IC）进行了分析.结果表明,SO₄^2-, NH⁺₄、NO^-₃、K⁺的浓度在0.43～1.1 μm出现峰值;Ca²⁺、Mg²⁺的浓度在4.7～5.8 μm出现峰值;Na⁺,Cl^-的浓度在0.65～1.1 μm和4.7～5.8 μm出现峰值.观测期间,二次离子（SO₄^2-, NH⁺₄、NO^-₃）的峰值从“凝结模态"向“液滴模态"移动,高湿度可能是形成液滴模态的重要原因.二次离子（SO₄^2-,NH⁺₄、NO^-₃）随着高度升高,浓度有增加的趋势;Ca²⁺、Mg²⁺在80 m出现高值;K⁺、Na⁺、Cl^-的垂直分布比较均匀.     

垃圾渗滤液配水对UASB-ANAMMOX反应器进行二次启动的研究

通过温度和进水控制对UASB-ANAMMOX反应器内的ANAMMOX菌的反应活性进行充分抑制后,采用垃圾渗滤液配水来进行二次启动.结果表明,二次启动的时间相对较快,在第21 d的 NH^＋₄-N的去除率就可以达到96 .17%,NO^-_２-Ｎ的去除率达到86 .77%;由于反硝化的协同作用降低使得COD的去除率有下降的趋势,平均去除量只有60 mg/Ｌ; 反应启动过程中的平均三氮比即去除的NH^＋₄-N∶去除的NO^-_２-Ｎ∶生成的NO^-_３-Ｎ=1∶0 .75∶0 .26; 反应成功进行二次启动后的平均三氮比即去除的NH^＋₄-N∶去除的NO^-_２-Ｎ∶生成的NO^-_３-Ｎ=1∶0 .95∶0 .26,三氮比中的亚硝氮去除比率较大幅度上升.     

Intensified wintertime secondary inorganic aerosol formation during heavy haze pollution episodes (HPEs) in Beijing, China

Air pollution in China is complex, and the formation mechanism of chemical components in particulate matter is still unclear. This study selected three consecutive heavy haze pollution episodes (HPEs) during winter in Beijing for continuous field observation, including an episode with heavy air pollution under red alert. Clean days during the observation period were selected for comparison. The HPE characteristics of Beijing in winter were: under the influence of adverse meteorological conditions such as high relative humidity, temperature inversion and low wind speed; and strengthening of secondary transformation reactions, which further intensified the accumulation of secondary aerosols and other pollutants, promoting the explosive growth of PM_2.5. PM_2.5/CO values, as indicators of the contribution of secondary transformation in PM_2.5, were approximately 2 times higher in the HPEs than the average PM_2.5/CO during the clean period. The secondary inorganic aerosols (sulfate nitrate and ammonium salt) were significantly enhanced during the HPEs, and the conversion coefficients were remarkably improved. In addition, it is interesting to observe that the production of sulfate tended to exceed that of nitrate in the late stage of all three HPEs. The existence of aqueous phase reactions led to the explosive growth sulfur oxidation ratio (SOR) and rapid generation of sulfate under high relative humidity (RH>70%).     

武汉地区秋冬季清洁与重污染过程的水溶性离子特征研究

利用武汉地区2014年秋、冬季在线离子色谱分析仪Marga监测所得的大气PM_(2.5)中水溶性离子数据和武汉市环境空气质量自动监测的细颗粒物数据,分析了武汉地区秋、冬季重污染和清洁过程的大气污染特征.结果表明,PM_(2.5)是武汉地区秋、冬季大气污染的首要污染物,无论是在清洁还是重污染过程中,NO_3~-、SO_4~(2-)和NH_4~+3种成分都是PM_(2.5)的主要无机成分.重污染过程中PM_(2.5)的平均浓度是清洁过程的4.5倍,而3种主要水溶性离子平均浓度增长至清洁过程的5~6倍,且有着显著的相关性,二次生成水溶性离子的污染已成为武汉秋、冬季大气污染的主要因素.Cl-在重污染过程中的浓度及与PM_(2.5)的相关系数显著增大,表明化石燃料燃烧等过程也对重污染的形成产生了较显著的作用,值得关注的是,K~+在重污染过程中的浓度及与PM_(2.5)的相关系数增大也验证了燃烧过程对重污染起到的贡献.硫氧化率和氮氧化率的分析结果表明,重污染过程中的二次转化要多于清洁过程,可能是非均相反应生成了二次污染的硫酸盐和硝酸盐.线性回归分析的方程系数研究表明,NH_4NO_3和(NH_4)_2SO_4可能是清洁和重污染过程中主要的盐类物质.NO_3~-/SO_4~(2-)的平均质量浓度比说明移动源对武汉地区秋、冬季二次污染的形成和发展已经起到越来越大的作用,特别是重污染过程中的影响更大.     

基于高分辨率在线观测数据分析上海市城区秋冬季大气有机气溶胶化学特征及污染来源

有机气溶胶(OA)不仅是大气细颗粒物(PM_2.5)的重要组成部分,其与臭氧(O₃)污染也密切相关.采用气溶胶在线热脱附(TAG)系统对上海市城区秋冬季大气PM_2.5中94种有机分子示踪物浓度进行了在线观测,分析了不同气流轨迹影响下有机气溶胶的组成分布特征以及大气氧化性对其生成的影响.结果表明,本地气团影响下的OA组成以饱和脂肪酸、不饱和脂肪酸和正构烷烃等指示一次来源的有机分子示踪物为主,偏北长距离输送影响下的OA则含有较高比例的生物质燃烧示踪物.与本地气团和长距离输送气团不同,海面气团携带的OA主要由二羧酸和羟基羧酸类指示二次来源的有机分子示踪物构成,其生成受光化学和液相氧化过程影响显著.进一步运用正定矩阵因子分解法(PMF)对PM_2.5和OA污染来源进行解析,获得7类一次排放源和5类二次生成源,其中,二次硝酸盐对PM_2.5浓度贡献率最为突出(25.2%),移动源则对OA浓度贡献率最高(24.0%).污染过程中,燃煤源、移动源和餐饮源等人为源及其相关的二次生成源(二次硝酸盐、二...     

2013年12月上海市PM2.5重污染过程数值模拟研究

基于2013年11月30日-12月13日上海一次PM_2.5重污染过程,利用Model-3/CMAQ模式及过程分析技术,定量评估不同时段各大气过程对上海PM_2.5浓度变化的影响.结果表明:Model-3/CMAQ模式系统能较好的模拟出实况PM_2.5的浓度变化趋势与特点.研究期间,白天源排放的增强和大气传输的影响、加上较强的气溶胶和云过程生成贡献,是造成上海PM_2.5浓度上升至重污染的主要原因.不同污染时段对PM_2.5浓度上升贡献率最大的过程均为输送,其中,西北部点位(青浦淀山湖和虹口凉城输送)的贡献率最大,且重污染时段输送的贡献率明显高于非重污染时段.     

上海市夏季颗粒物污染过程数值模拟研究

利用观测资料和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年7月26日—8月26日上海市及周边城市PM10、PM2.5及其无机盐组分的浓度变化趋势及时空分布特点.结果表明,NAQPMS模式较为合理的重现了上海各方位站点及其周边城市PM10、PM2.5及其硫酸盐、硝酸盐等无机化学组分的浓度水平与变化趋势,相关系数在0.7以上.研究期间造成上海颗粒物污染的主要原因是:弱气旋低压系统控制下,西南或西北气流将内陆污染物输送至上海市,当低压中心移至上海附近时带来的辐合气流使得污染进一步累积上升.长三角地区PM2.5主要无机盐组分分布特征表明,上海市及周边城市的硫酸盐、硝酸盐和铵盐的总和占PM2.5浓度的40%~60%,二次气-粒转化过程贡献明显,且以SO2向SO2-4的氧化转换为主;污染上升过程中NO-3/SO2-4比率增大,说明流动源的贡献有所增加.     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子（65.4%）,主要来源为燃煤（24.4%）和工业工艺源（23.7%）.随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源（散煤等）,同时加强市区东北方向新乐、无极、深泽、晋州和行唐区县大气排放源管理,减少局地传输影响.     

山地型城市冬季大气重污染过程特征及成因分析

以阳泉市2018年12月26日~2019年1月20日发生的典型大气重污染过程为例,研究了山地型城市冬季大气重污染过程特征及成因.结果表明,重污染发生时段首要污染物为PM_2.5,水溶性离子和碳质组分是PM_2.5主要组分,其中二次离子SO₄^2-、NO₃^-和NH₄⁺是主要水溶性离子成分（共占离子组分的87.7%）,二次有机碳（SOC）是碳质组分的主要成分（71.6%）.二次离子在重污染发生时的浓度较发生前增加5.3倍,是导致PM_2.5快速增长的重要组分.气象条件分析显示,PM_2.5及其主要组分皆与相对湿度呈显著正相关关系而与风速呈显著负相关,随相对湿度增加以及平均风速降低,污染程度逐渐加重.山地型城市相对湿度较高、温度变化幅度大等气象特征使二次污染物的生成加快,是导致PM_2.5污染程度快速加重的主要原因.另外,山地型城市相对封闭的地形导致的平均风速降低使得大气污染物扩散条件相对较差是污染物累积的原因之一.PMF模型解析结果为：二次源（46.0%）对PM_2.5贡献显著,其次为燃煤源（32.6%）、机动车源（19.8%）和扬尘源（1.6%）.因此,山地型城市更应该重视对二次组分,特别是二次离子形成的前体物的管控.     

广州PM2.5化学组分特征及其与气象因子的关系

于2012年12月—2013年12月在广州城区(市站)和东部郊区(九龙)开展为期一年的PM2.5样品采集,并同步收集气象因子和气态污染物质量浓度等数据.结果表明,PM2.5中主要化学组分为有机质(OM)和硫酸盐(SO2-4),分别占市站和九龙PM2.5质量浓度的49.4%和15.2%及57.0%和17.3%.碳质气溶胶(OM和EC)贡献接近50%,二次无机气溶胶(SO2-4、NO-3和NH+4总和,SIA)贡献超过30%.由于以机动车尾气为代表的移动污染源在城市区域贡献较大,市站[NO-3]/[SO2-4]比值显著高于九龙.两个站点[NH+4]/[SO2-4]摩尔质量比均高于1.5,表明观测期间广州市干季大气处于富铵状态.市站和九龙站硫氧化率(SOR)和氮氧化率(NOR)的时空变化趋势与O3类似,表明大气光化学过程是影响广州市SOR和NOR的重要因素.相对湿度低于65%时,SOR和NOR均较高;温度对SOR和NOR的影响有显著的城郊差异.降雨对PM2.5及各化学组分浓度有显著去除作用.     

深圳市城区大气颗粒物及主要水溶性无机离子的污染特征

基于2015年深圳市大气颗粒物和主要水溶性无机离子的观测数据,深入分析了大气颗粒物的浓度变化及二次污染特征.结果表明2015年深圳的大气颗粒物（PM₁₀、PM_2.5、PM₁）浓度虽然低,但其中细粒子占比高,PM_2.5/PM₁₀的比值高达0.744,甚至大于广州典型灰霾过程中的粗细粒子比.大气颗粒物浓度季节变化明显,秋冬高,春夏低.其日变化特征明显受到交通高峰的影响,汽车尾气可能是污染来源之一.SO₄^2-、NO₃^-和NH₄⁺（SNA）质量浓度在PM_2.5中的占比超过1/3（37.7%）,且全年硫转化率都大于0.1,这说明深圳市细颗粒物主要来自于二次转化.深圳大气颗粒物浓度受气象要素影响显著,与气压正相关,与气温、相对湿度、降水及风速负相关;若将风速、气温、气压、相对湿度和降水作为一个整体考虑,这些气象要素对深圳大气颗粒物浓度的影响大小是PM₁ > PM₁₀ > PM_2.5.本工作不仅对深圳的大气环境管理和经济可持续发展有着重要参考价值,还对空气相对清洁地区的大气颗粒物和霾治理具有指导意义.     

2015年1月下旬北京市大气污染过程成因分析

采用地面观测和数值模拟相结合的方式,对2015年1月下旬北京市两次PM_2.5污染过程进行分析。研究表明,在第1次过程中PM_2.5浓度经过3个抬升阶段达到峰值,过程前期区域传输的作用明显,随后区域传输和本地污染积累、化学反应共同加重了污染的程度;3个浓度抬升阶段中均出现过PM_2.5浓度“跃升式”增长,且污染水平越重,浓度跃升的幅度越大。第2次过程是一次典型的静风、高湿度下的PM_2.5持续性增长过程,主要是本地污染物积累和发生化学反应二次生成导致的。大气氧化性分析和SOR、NOR分析均验证了对两次污染过程特征和成因的推断。数值模拟结果表明,第1次污染过程中区域传输对不同站点PM_2.5的贡献率在15.2%~68.7%之间;第2次过程区域传输的贡献率在12.8%~46.3%之间。