南京江北新区PM2.5中水溶性离子的季节特征和来源解析

为探究南京江北新区PM_2.5中水溶性离子的季节特征和来源，于2019年共采集了113个有效PM_2.5样品.用称重法和离子色谱法分别测定出PM_2.5和10种水溶性离子的质量浓度，并使用PMF源解析法对其进行来源解析.结果表明，观测期间南京江北新区PM_2.5和水溶性离子年平均浓度分别为（78.34±29.64）和（35.68±18.30）μg·m^-3，其四季变化趋势相同，冬季浓度高，夏季浓度低.10种水溶性离子中NO₃^-、SO₄^2-和NH₄⁺的浓度远远高于其他离子，其在总离子中的含量高达89.9%.南京江北新区四季PM_2.5中NH₄⁺主要与HSO₄^-和NO₃^-结合存在.硫氧化率（SOR）和氮氧化率（NOR）的年均值分别为0.53和0.28，说明观测期间大气中氮硫的二次生成率较高.南京江北新区PM_2.5中水溶性离子主要来源为二次转化、海盐和扬尘.     

基于在线观测的天津市PM2.5污染特征及来源解析

为了解天津市PM_2.5的污染特征及来源,基于2017~2019年高时间分辨率的在线监测数据,对PM_2.5浓度、化学组分和来源进行了分析.结果表明,2017~2019年,天津PM_2.5平均浓度为61 μg ·m^-3,PM_2.5中主要化学组分为NO₃^-、OC、NH₄⁺、SO₄^2-、EC和Cl^-,在PM_2.5中占比分别为17.7%、12.6%、11.5%、10.7%、3.4%和3.1%.从年分布上看,PM_2.5及主要化学组分浓度均呈现下降趋势,NO₃^-和NH₄⁺在PM_2.5中占比上升,SO₄^2-、OC和EC在PM_2.5中占比下降,Cl^-在PM_2.5中占比略上升,其他组分K⁺、Ca²⁺和Na⁺浓度及在PM_2.5中占比均上升.PM_2.5及主要组分浓度在采暖季相对较高,非采暖季相对较低,夏秋季SOR和NOR较高,二次转化强,PM_2.5中二次无机离子（NO₃^-、NH₄⁺和SO₄^2-）占比相对较高.当PM_2.5浓度为优良级别时,PM_2.5中二次无机离子占比较低,OC占比较高,SOC生成较高,Ca²⁺和Na⁺占比相对较高;PM_2.5浓度为轻度及以上污染级别时,随着污染程度加重,PM_2.5中二次无机离子占比明显上升,OC占比基本稳定,EC和Cl^-占比略升,K⁺、Ca²⁺和Na⁺等离子占比下降.PM_2.5浓度处于中度及以上污染级别时,机动车影响明显增加.PMF解析结果表明,2017~2019年,天津市PM_2.5的主要来源为二次源、机动车排放、工业和燃煤排放以及扬尘.其中机动车排放的贡献分担率上升,二次源、扬尘的贡献分担率略升,工业和燃煤源的贡献分担率略降.对天津来说,机动车、燃煤和工业排放始终是PM_2.5最主要的一次污染来源,产业结构和能源结构的调整以及机动车的管控是大气污染防治的主要方向.     

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1~2月高时间分辨率的在线监测数据,对天津市2020年1月16~18日（重污染过程Ⅰ）和2020年2月9~10日（重污染过程Ⅱ）进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO₂浓度下降明显,重污染过程Ⅱ北部地区PM_2.5和CO浓度较高.两次重污染过程PM_2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子（SO₄^2-、NO₃^-和NH₄⁺）、EC和Ca²⁺平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K⁺平均浓度低于重污染过程Ⅱ.与重污染过程Ⅰ相比,受燃烧源增加和移动源大幅降低影响,重污染过程Ⅱ中SO₄^2-、OC和K⁺在PM_2.5中占比明显上升,NO₃^-和EC在PM_2.5中占比明显下降;工业持续生产使重污染Ⅱ中NH₄⁺和Cl^-在PM_2.5中占比相对较高;工地的停工使两次重污染过程中Ca²⁺占比均较低.PMF解析结果表明,重污染过程Ⅰ中PM_2.5来源为二次离子、燃煤和工业、机动车、扬尘、烟花爆竹及生物质燃烧,贡献率分别为53.8%、20.2%、18.6%、6.3%和1.1%;重污染过程Ⅱ中各源对PM_2.5的贡献率分别为48.3%、28.2%、8.7%、2.6%和12.2%.与重污染过程Ⅰ相比,重污染过程Ⅱ燃煤和工业、烟花爆竹及生物质燃烧对PM_2.5贡献率明显上升,二次离子、机动车和扬尘贡献率明显下降,尤其是机动车和扬尘,贡献率分别下降53.2%和58.7%.     

铵盐在典型大气污染过程中的变化特征及来源分析

为了解铵盐在大气中对重污染天气生成的重要作用,于2020年12月26—29日,利用在线单颗粒飞行时间质谱（SPAMS）和在线离子色谱（MARGA）,对上海浦东新区一次典型的重污染天气过程进行分析.结果表明：本次污染过程主要与静稳天气下污染物的积聚,尤其是机动车尾气排放的累计效应,以及气态污染物二次转化过程有关.PM_2.5的高污染时段通常伴随着高浓度的硫酸盐、硝酸盐和铵盐,污染过程中NO₃^-、SO₄^2-、NH₄⁺最大小时质量浓度分别达到62.3、19.3和26.0 μg·m^-3.对ns-NH₄⁺（过量铵根离子物质的量浓度）-NO₃^-之间的回归分析证明,多数情况下浦东大气中氨是富余的.污染高峰时段的主要污染源为机动车尾气源（36.7%）、扬尘源（24.4%）、二次无机源（15.0%）,占比升幅最高的污染源为机动车尾气源.     

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.     

2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究

为了快速分析天津市区冬季以及重污染过程中PM_2.5的化学组成特征及来源,本研究于2017年1月利用在线监测仪器快速采集了天津市区环境受体中PM_2.5及其化学组分的小时数据,并通过PMF（positive matrix factorization,正定矩阵因子分解法）模型解析了天津市区2017年1月及重污染过程中PM_2.5的主要贡献源类,分析了重污染过程中排放源的变化趋势.结果表明：2017年1月天津市区PM_2.5浓度为6.0~449.0 μg·m^-3,平均值为153.3 μg·m^-3.NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中水溶性离子的主要组分,三者之和占水溶性离子总量的88.3%.NH₄⁺与Cl^-、NO₃^-、SO₄^2-均表现出显著的正相关性（r=0.82,0.95,0.97;p<0.01）.NO₃^-和SO₄^2-（r=0.90;p<0.01）,Ca²⁺与Mg²⁺（r=0.65;p<0.01）均表现出显著的相关性,说明它们分别具有较高的同源性.OC和EC也是PM_2.5的重要组成部分,两者之和占PM_2.5质量浓度的20.4%.重污染过程中,PM_2.5及其主要离子的浓度显著的增加（p<0.01）,并存在较高的二次离子生成.PMF解析结果表明,二次源类是天津市区2017年1月PM_2.5的首要源类,分担率为38.1%,其次为机动车源（分担率为25.6%）、燃煤源（分担率17.1%）、扬尘（分担率10.1%）和生物质燃烧（分担率9.1%）.重污染过程中,二次源是PM_2.5的主要贡献源类,分担率达到39.3%;说明重污染期间存在显著的二次转化及二次粒子的积累过程.重污染发生演变过程中,二次源、机动车源和燃煤源对PM_2.5贡献表现出显著增加的趋势,而扬尘和生物质燃烧的贡献则没有显著增加.     

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.     

太原市冬季PM2.5化学组分特征与来源解析

为研究太原市城区冬季PM_2.5污染特征及来源,于2017年1月对PM_2.5及其化学组分（水溶性离子、碳组分和微量元素）、气态污染物（SO₂、NO₂）进行在线观测,结合气象数据,分析了清洁天和污染天PM_2.5及其化学组分特征,并利用正定矩阵因子分析法（positive matrix factorization,PMF）对PM_2.5进行来源解析.结果表明,2017年1月太原市城区污染天PM_2.5质量浓度（239.92 μg·m^-3）为清洁天的5.70倍,污染天PM_2.5主要化学组分SO₄^2-、NO₃^-、NH₄⁺、Cl^-、OC和EC分别为清洁天的7.04、5.76、6.51、5.62、4.06和4.70倍;污染天硫的氧化速率（SOR）和氮的氧化速率（NOR）分别为0.12和0.19,明显高于清洁天,说明污染天二次转化程度更高;PMF解析结果显示,污染天二次源（35.06%）、燃煤源（30.19%）和机动车源（24.25%）较清洁天分别增长18.03%、7.39%和2.10%,说明太原市城区污染天在管控机动车和燃煤等一次排放源的基础上,更应该注意对二次源前体物的控制.     

武汉市PM2.5化学组分时空分布及聚类分析

颗粒物化学组分特征对于分析污染来源及成因具有较好的指示意义,能够为城市制定颗粒物源的有效管控提供基础数据支撑.本研究采集和分析了武汉市4个季节8个受体点位的PM_2.5浓度及其化学组分数据.结合各点位组分特征及周边污染源分布情况,通过聚类分析讨论PM_2.5化学组分的时空分布特征.结果表明,武汉市PM_2.5年平均浓度为70.7μg·m^-3,其中冬季PM_2.5浓度（103.1μg·m^-3）显著高于其它季节,秋季浓度最低（52.4μg·m^-3）.从空间分布来看,东湖高新、沌口新区和青山钢花站点的PM_2.5浓度显著高于其它站点.武汉市PM_2.5主要的化学组分为OC和SO₄^2-,占比分别为15.4%和14.2%.OC浓度表现为冬季最高,除了与不利的气象条件有关外,还可能受到周边区域传输的影响;而SO₄^2-浓度夏季最高,具有较强的SO₂二次转化.武汉市OC/EC年均比值为2.80,其中冬、春季小于夏、秋季;物质重构结果表明无机盐（SO₄^2-、NO₃^-、NH₄⁺）和有机物（OM）是PM_2.5中的主要物质,占比分别为32.34%和20.44%;工业燃煤源及机动车源可能是武汉市环境受体中PM_2.5主要贡献源.基于受体组分特征的聚类分析可见,武汉市8个站点可分为3类：其中汉阳月湖、灰霾超站、东湖梨园和黄陂区站为一类,主要特征是各站点组分浓度均较低;沌口新区与青山钢花为一类,NO₃^-和NH₄⁺组分浓度较高;东湖高新与吴家山为一类,该两个站点不仅工业源污染较重,机动车及扬尘污染也有较大的贡献.     

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.     

两种典型污染时段鹤山市大气细颗粒污染特征及来源

PM_2.5和O₃浓度超标是我国大气污染的主要特征,研究两种典型污染时段的细颗粒化学组成、混合状态和来源对治理大气污染具有重要意义.2016年11月10—20日广东省鹤山市先后出现了PM_2.5和O₃超标的污染事件.污染期间,采用SPAMS（单颗粒气溶胶质谱仪）对细颗粒进行实时采样分析,共采集到有正负化学组成信息的颗粒422 944个,占总颗粒数的19.2%.基于单颗粒质谱数据特征,使用自适应共振神经元网络算法（ART-2a）,对单颗粒数据进行自适应分类.颗粒物划分为OC（有机碳）、EC（元素碳）、ECOC（元素-有机碳混合）、HOC（高分子有机碳）、Pb-rich（富铅）、Si-rich（富硅）、LEV（左旋葡聚糖）、K-Secondary（钾二次）、Na-rich（海盐）和HM（重金属）颗粒共10类.结果表明:两个PM_2.5污染时段EC颗粒和K-Secondary颗粒的占比高,EC颗粒分别占46.5%和61.1%,K-Secondary颗粒分别占14.3%和10.3%;O₃污染时段EC颗粒占比（39.4%）最高,其次是OC颗粒占比17.0%;两种污染时段OC组分与HSO₄-和NO₃-的混合程度都有明显的上升,说明污染有利于有机气溶胶的老化.由源解析结果可知,PM_2.5污染时段,细颗粒主要来源于燃煤、机动车尾气和扬尘,而O₃污染时段细颗粒主要来源于燃煤、生物质燃烧和扬尘;此外,两种污染时段燃煤源对细颗粒的贡献都有较大提升.研究显示,控制燃煤源的排放对污染物的降低有着重要影响.      

Chemical compositions of PM2.5 aerosol during haze periods in the mountainous city of Yong''an, China

Haze phenomena were found to have an increasing tendency in recent years in Yong'an, a mountainous industrial city located in the center part of Fujian Province, China. Atmospheric fine particles (PM_2.5) in the urban area during haze periods in three seasons (spring, autumn and winter) from 2007 to 2008 were collected, and the mass concentrations and chemical compositions (seventeen elements, water soluble inorganic ions (WSIIs) and carbonaceous species) of PM_2.5 were determined. PM_2.5 mass concentrations did not show a distinct difference among the three seasons. The carbonaceous species organic carbon (OC) and elemental carbon (EC) constituted up to 19.2%-30.4% of the PM_2.5 mass during sampling periods, while WSIIs made up 25.3%-52.5% of the PM_2.5 mass. The major ions in PM_2.5 were SO₄^2-, NO₃^- and NH₄⁺, while the major elements were Si, K, Pb, Zn, Ca and Al. The experimental results (from data based on three haze periods with a 10-day sampling length for each period) showed that the crustal element species was the most abundant component of PM_2.5 in spring, and the secondary ions species (SO₄^2-, NO₃^-, NH₄⁺, etc.) was the most abundant component in PM_2.5 in autumn and winter. This indicated that dust was the primary pollution source for PM_2.5 in spring and combustion and traffic emissions could be the main pollution sources for PM_2.5 in autumn and winter. Generally, coal combustion and traffic emissions were considered to be the most prominent pollution sources for this city on haze days.     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

“大气十条”实施期间南京市PM2.5化学组成与来源的演变特征

为深入认识“大气污染防治行动计划”(“大气十条”)对大气细颗粒物(PM_2.5)污染的影响,基于“大气十条”实施期间南京市主城区(草场门)PM_2.5的化学组分监测资料,研究了PM_2.5主要组分的浓度和占比、富集因子和酸度等变化特征,并采用正定矩阵因子分解法(PMF)进行了PM_2.5的来源解析.结果发现,“大气十条”实施期间,南京市PM_2.5中硫酸根(SO₄^2-)的占比总体下降,但硝酸根(NO^-₃)和铵根(NH⁺₄)的占比均明显上升,两者的占比从2014年的25.58%上升到2017年的37.15%;碳组分(OC和EC)的浓度在“大气十条”早期出现大幅下降,但后期的下降趋势明显变缓,其中,有机碳(OC),特别是二次有机碳(SOC)的占比不降反升;PM_2.5酸性显著减弱,阴阳离子的摩尔当量比值(CE/AE)从2014年的0.83上升...     

利用SPAMS研究石家庄市冬季连续灰霾天气的污染特征及成因

2014年11月18~26日石家庄市发生了连续的灰霾天气.利用位于石家庄市大气自动监测站(20 m)的单颗粒气溶胶质谱仪(SPAMS)分析了细颗粒物的化学组成,根据石家庄市大气污染物排放源谱库对主要成分进行了来源解析,并结合颗粒物质量浓度和气象条件研究了该地区冬季灰霾天气成因.结果表明,石家庄市大气细颗粒物来源分为7类,各源示踪离子:燃煤源为Al,工业源为OC、Fe、Pb,机动车尾气源为EC,扬尘源为Al、Ca、Si,生物质燃烧源为K和左旋葡聚糖,纯二次无机源为SO-4、NO-2和NO-3,餐饮源为HOC.灰霾期间大气中主要含有OC、HOC、EC、HEC、ECOC、富钾颗粒、矿物质和重金属等8类颗粒,其中OC和ECOC颗粒最多,分别占到总数的50%和20%以上,OC颗粒主要来自燃煤和工业工艺,ECOC颗粒主要来自燃煤和机动车尾气排放.灰霾发生时含有NH+4、SO-4、NO-2和NO-3等二次离子的颗粒物占比升高,其中含NH+4颗粒增幅最大;EC、OC与NO-3、SO-4、NH+4在灰霾天气下的混合程度均比干净天气高,其中与NH+4的混合程度加剧最为明显.冬季采暖期煤炭的大量燃烧、医化行业工艺过程及机动车尾气等污染源排放的一次气态污染物(SO2、NOx、NH3、VOCs)和一次颗粒物在静稳天气中难以扩散而迅速累积,气态污染物发生二次转化形成硝酸铵、硫酸铵,而颗粒物之间通过碰撞形成二次颗粒物并发生不同程度的混合,从而导致大气能见度下降,以上是石家庄市冬季灰霾形成的主要原因.     

2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

Progressively narrow the gap of PM2.5 pollution characteristics at urban and suburban sites in a megacity of Sichuan Basin, China

Nowadays, the fine particle pollution is still severe in some megacities of China, especially in the Sichuan Basin, southwestern China. In order to understand the causes, sources, and impacts of fine particles, we collected PM_2.5 samples and analyzed their chemical composition in typical months from July 2018 to May 2019 at an urban and a suburban (background) site of Chengdu, a megacity in this region. The daily average concentrations of PM_2.5 ranged from 5.6-102.3 µg/m³ and 4.3-110.4 µg/m³ at each site. Secondary inorganics and organic matters were the major components in PM_2.5 at both sites. The proportion of nitrate in PM_2.5 has exceeded sulfate and become the primary inorganic component. SO₂ was easier to transform into sulfate in urban areas because of Mn-catalytic heterogeneous reactions. In contrast, NO₂ was easily converted in suburbs with high aerosol water content. Furthermore, organic carbon in urban was much greater than that in rural, other than elemental carbon. Element Cr and As were the key cancer risk drivers. The main sources of PM_2.5 in urban and suburban areas were all secondary aerosols (42.9%, 32.1%), combustion (16.0%, 25.2%) and vehicle emission (15.2%, 19.2%). From clean period to pollution period, the contributions from combustion and secondary aerosols increased markedly. In addition to tightening vehicle controls, urban areas need to restrict emissions from steel smelters, and suburbs need to minimize coal and biomass combustion in autumn and winter.     

唐山市2017年采暖期不同污染等级PM2.5化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM_2.5及其水溶性离子和碳质组分（OC、EC）的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR（硫氧化率）分别为0.05、0.08、0.20,NOR（氮氧化率）分别为0.05、0.12、0.26,随着污染的加重,SO₂、NO_x向PM_2.5中SO₄2-、NO₃-的二次转化现象更加明显.③清洁时,ρ（OC）、ρ（EC）、ρ（SO₄2-）和ρ（Cl-）占PM_2.5化学组分（水溶性离子、碳质组分）质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ（NO₂）/ρ（SO₂）分别为0.96、1.14、1.44,ρ（NO₃-）/ρ（SO₄2-）分别为0.94、1.57和1.75;重污染时,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）三者之和占PM_2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ（NO₂）/ρ（SO₂）、ρ（NO₃-）/ρ（SO₄2-）明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.      

重庆主城区春季大气PM10及PM2.5中多环芳烃来源解析

于2012年春季采集了重庆主城区和缙云山共6个环境采样点的大气PM₁₀、PM_2.5样品,同步采集了燃煤尘、机动车尾气尘、施工机械尾气尘、船舶尾气尘、餐饮油烟尘、生物质燃烧尘及土壤尘等7类污染源,采集到有效受体样品139个、有效源样品233个,使用GC-MS分析样品中18种PAHs的质量浓度(ρ),分析了PM₁₀、PM_2.5上载带PAHs的污染特征,并分别运用比值法、主成分分析法及CMB(化学质量平衡)受体模型法对PM₁₀、PM_2.5中的PAHs进行来源解析,所得源解析结果较为一致. 结果表明:重庆主城区大气PM₁₀、PM_2.5中ρ(PAHs)较低,ρ(PAHs)分别为22.03~31.71、19.02~29.92 ng/m3,其中位于工业区新山村采样点的ρ(PAHs)最高. PM₁₀载带的PAHs有86%~99%集中在PM_2.5中,说明PAHs主要富集在PM_2.5中. 重庆主城区大气PM₁₀、PM_2.5载带的PAHs主要来自机动车尾气尘和燃煤尘的贡献,这2类源对PM₁₀的贡献率分别为25.89%、32.80%;而在PM_2.5中,机动车尾气尘的贡献率较高,可达62%左右.      

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.