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.     

兰溪市PM2.5中水溶性离子的组成特征及季节变化

为探索浙江省中部地区大气细颗粒物（PM_2.5）中水溶性离子的组成特征及其季节变化,采集了兰溪市市区和近郊两个站点2016年4个季节的PM_2.5样品,利用双通道离子色谱对水溶性无机离子（Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺）进行了定量分析.结果表明,兰溪PM_2.5中离子总浓度存在明显的冬季高、夏季低的季节变化趋势,年均值为21.19 μg·m^-3,约占PM_2.5质量的45%;SO₄^2-、NO₃^-和NH₄⁺是水溶性离子中最主要的组分,年均浓度分别为8.11、5.92、3.87 μg·m^-3.Cl^-和NO₃^-浓度的季节变化最为显著,冬/夏浓度比接近10,其半挥发特性是导致兰溪PM_2.5中离子组成呈现季节变化的重要原因.兰溪PM_2.5中NO₃^-/SO₄^2-比值的冬季平均值为1.18,说明流动源对兰溪PM_2.5有很大贡献;夏季（以及春、秋季）时NO₃^-/SO₄^2-比值较低,且与PM_2.5浓度呈负相关,与矿物尘结合的硝酸根离子的较大贡献可能是导致夏季PM_2.5浓度较低时NO₃^-/SO₄^2-比值较高的主要原因.阴阳离子平衡、相关性及主成分分析（PCA）结果表明,矿物尘对兰溪市PM_2.5的酸度及离子赋存状态有较大影响;冬季及春、秋季兰溪的PM_2.5具有一定的酸性;NO₃^-和SO₄^2-主要与NH₄⁺结合,但部分可能与钙等其他组分结合;Cl^-和K⁺主要来源于生物质燃烧,但K⁺的年均浓度仅为0.31 μg·m^-3,说明生物质燃烧对兰溪PM_2.5的贡献不大.     

沿海城市珠海PM2.5中水溶性离子特征及来源分析

PM_2.5水溶性离子特征研究主要集中在大中型城市,为探讨珠海市PM_2.5水溶性离子特征及来源,2016年6月至12月采集PM_2.5样品,用离子色谱分析9种水溶性离子浓度。结果表明：珠海PM_2.5总离子浓度处于较低水平,离子浓度有季节变化特征,表现为冬季＞秋季＞夏季;夏、秋季PM_2.5呈碱性,冬季显酸性;从夏季到冬季,SO₄^2-和NH₄⁺在总离子中比例有减小趋势,NO₃^-比例有增大趋势。SO₄^2-、NO₃^-、NH₄⁺为主要组成成分,占离子总成分的85.07%,表明珠海市大气PM_2.5二次污染较严重,NO₃^-/ SO₄^2-均值0.2,表明以固定源污染为主。从气团聚类、离子相关性、富集因子分析和主因子分析等角度讨论来源和存在形式,珠海PM_2.5水溶性离子受气团影响较大,来自陆地气团的离子浓度高于海洋气团;夏季到冬季,PM_2.5受到80.2%的人为源和海洋源的混合源和16%的农业源贡献,离子主要存在形式有NH₄HSO₄、Mg(NO₃)₂、KNO₃、Ca(NO₃)₂、NH₄NO₃、NaCl、KCl和CaCl₂。     

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.     

天津市2017年重污染过程二次无机化学污染特征分析

基于2017年天津市超级观测站数据,筛选出7次典型重污染过程,从污染物浓度、二次转化方面分析重污染过程二次无机化学污染特征.结果表明,重污染期间NO₃^-和SO₄^2-浓度较清洁天气增长幅度最高,显著高于PM_2.5的增长程度,说明二次无机转化是导致重污染期间PM_2.5污染加重的重要原因;下半年PM_2.5和SO₂污染程度较上半年减轻,与秋冬季采取燃煤治理等活动有关;重污染期间NO₂/SO₂比值为1.5~19.6,其中下半年NO₂/SO₂比值显著高于上半年,说明在各项污染源管控下移动源的影响比例相对增加;大部分重污染期间NO₃^-浓度大于SO₄^2-浓度,SOR值高于NOR值,说明重污染期间硫酸盐和硝酸盐转化均较重要;在SO₂浓度显著降低的情况下,重污染期间SO₄^2-浓度并未明显降低,说明除二次无机转化外,硫酸盐生成还受其他因素影响.     

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.     

遵义市PM2.5中水溶性离子的污染特征及来源解析

为探究遵义市PM_2.5中水溶性离子的污染特征及来源,于2018年6月~2019年5月采集了遵义市两个采样点共120个PM_2.5样品,并利用离子色谱法对样品中8种水溶性离子进行了分析。结果表明：采样期间,遵义市PM_2.5平均值为47.6±19.3 μg/m³,呈现冬春高、夏秋低的季节变化特征;8种水溶性离子平均质量浓度顺序为SO₄^2- > NO₃^- > NH₄⁺ > Ca²⁺ > K⁺ > Cl^- > Na⁺ > Mg²⁺,平均值为13.74 μg/m³,水溶性离子质量浓度的季节变化与PM_2.5变化趋势相似;SO₄^2-、NO₃^-、NH₄⁺（SNA）是PM_2.5中主要水溶性离子,占比为83.8%,说明遵义市大气PM_2.5二次污染较严重;相关性分析表明,PM_2.5中NH₄⁺主要以（NH₄）₂SO₄、NH₄HSO₄的形式存在,部分以NH₄NO₃的形式存在;[NO₃^-]/[SO₄^2-]小于1,表明固定源为主要污染源;主成分分析结果表明,PM_2.5中水溶性离子主要来源于燃煤、交通混合源、土壤、建筑扬尘及农业源。     

京津冀典型城市冬季人为源减排与气象条件对PM2.5污染影响

本研究基于采样分析与WRF-CAMx-PSAT模式分析了2018年1月北京和唐山PM_2.5的组分特征、传输特征和来源解析.结果表明,2018年1月北京和唐山水溶性无机离子占PM_2.5质量浓度的49.59%和39.13%,两地NO₃^-/SO₄^2-分别为2.02和1.51,均受移动源主导,北京和唐山PM_2.5外来贡献分别占总浓度的48.74%和30.67%,除此之外主要受到邻近局地、西北通道和西南通道这3个方面的污染输送.在污染日时段,两地受西南通道污染贡献分别上升9.65%和15.02%.北京PM_2.5污染浓度贡献最大的是移动源和扬尘源,二次离子受区域输入影响较为明显,唐山则以移动源和工业源为主,且一次颗粒物和SO₄^2-的本地贡献十分显著.与2013年相比,水溶性离子主导组分由SO₄^2-向NO₃^-转变,主要污染源由燃煤源和工业源向移动源和扬尘源转变,同时2018年气象条件对于污染的缓解也比2013年更为有利,其中二次离子的气象影响变化与这两年的相对湿度变化差异紧密相关.     

宿迁市PM2.5中水溶性无机离子的季节特征和来源分析

为了研究宿迁市PM_2.5中水溶性无机离子的季节特征和来源,于2017年5月至2018年1月在宿迁市水汽通道上的3个监测点位采集了171份PM_2.5样品,分析了PM_2.5质量浓度以及9种水溶性无机离子含量.结果表明,宿迁市PM_2.5中水溶性无机离子的年均浓度为（44.08±34.61）μg ·m^-3,占PM_2.5质量的41.8%,9种水溶性离子浓度大小排序为ρ（NO₃^-） > ρ（SO₄^2-） > ρ（NH₄⁺） > ρ（Cl^-） > ρ（Na⁺） > ρ（Ca²⁺） > ρ（K⁺） > ρ（F^-） > ρ（Mg²⁺）,其中NO₃^-、SO₄^2-和NH₄⁺是主要的离子组分,占总水溶性无机离子浓度的75.6%.ρ（NO₃^-）/ρ（SO₄^2-）年均值为1.53±0.88,表明移动污染源对PM_2.5的贡献高于固定污染源.水溶性无机离子相关性分析表明,NH₄⁺与NO₃^-、SO₄^2-可能以（NH₄）₂ SO₄、NH₄HSO₄和NH₄NO₃的形式存在.结合主成分分析,水溶性无机离子主要来源于二次转化、工业源、生物质燃烧和扬尘.PM_2.5浓度与相对湿度在冬季呈显著正相关,水汽传输在冬季更容易对PM_2.5浓度增长有促进作用.     

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.     

天津市高校夏季道路扬尘PM2.5中水溶性离子污染特征及来源

为研究天津市高校道路扬尘PM_2.5中水溶性离子的污染特征、来源及校内外差异，于2018年7—8月采集天津市9所高校道路扬尘样品，用离子色谱法对其中8种水溶性离子（Ca²⁺、K⁺、Mg²⁺、Na⁺、Cl^-、NH₄⁺、NO₃^-、SO₄^2-）进行分析.结果显示：①水溶性离子占PM_2.5的11.65%，PM_2.5中占比大于1%的离子有Ca²⁺和SO₄^2-，其中Ca²⁺最多，占到总水溶性无机离子的65.75%；②入校道路离子含量（12.76%）稍高于校内道路（11.11%），其中8种离子含量的差异均无统计学意义；CE/AE（阴阳离子当量浓度比）值为9.59（远大于1），PM_2.5呈较强碱性；③NH₄⁺与SO₄^2-、NO₃^-主要以（NH₄）₂SO₄和NH₄NO₃的形态结合；④NO₃^-/SO₄^2-的比值为0.45，说明固定源的贡献更大；⑤天津市高校道路扬尘PM_2.5主要来源于海盐粒子、燃煤、机动车尾气、建筑水泥尘等.     

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.      

盘锦市冬季PM2.5水溶性离子特征及来源分析

为探讨盘锦市冬季PM_(2.5)水溶性离子污染特征和来源,于2017年1月采集3个点位的PM_(2.5)样品,用ICS-900离子色谱仪分析了8种离子(Na~+、Mg~(2+)、Ca~(2+)、K~+、NH_4~+、SO_4~(2-)、Cl~-和NO_3~-).开展了PM_(2.5)和离子浓度特征分析、硫氧化率(SOR)和氮氧化率(NOR)计算、离子平衡计算、主成分分析等.结果表明:盘锦市冬季PM_(2.5)浓度与水溶性离子浓度特征为文化公园开发区第二中学;SO_4~(2-)、NO_3~-、NH_4~+质量浓度较大;冬季硫氧化率(SOR)和氮氧化率(NOR)的均值均大于0.10,说明SO_4~(2-)、NO_3~-主要由SO_2和NO_x转化而来;阳离子和阴离子当量相关性较强;开发区整体上呈现出中性,文化公园与第二中学呈现出偏碱性;盘锦市PM_(2.5)中水溶性离子主要来源于煤烟尘,生物质燃烧,二次粒子以及扬尘.     

南昌市土壤风沙尘PM2.5中水溶性离子分布特征及来源初探

为了解南昌市土壤风沙尘PM_(2.5)中水溶性离子的分布特征,利用颗粒物再悬浮采样器采集土壤风沙尘的PM_(2.5)样品,并采用离子色谱仪分析了9种水溶性离子的含量。结果表明,土壤风沙尘PM_(2.5)中9种水溶性离子的含量之和为11. 126±2. 703 mg/g,阳离子中平均含量最高的是Ca~(2+)(1. 684±0. 545 mg/g),阴离子中最高的是SO_4~(2-)(3. 568±1. 553 mg/g)。SO_4~(2-)、NO_3~-、Ca~(2+)和Cl~-是土壤尘PM_(2.5)中的主要离子组成,占总离子浓度的80. 60%。与其他城市对比,南昌市土壤风沙尘PM_(2.5)中离子基本处于较低水平。阴阳离子当量浓度比值为1. 26,表明土壤风沙尘的PM_(2.5)颗粒为弱酸性。空间插值分析表明南昌市西南部土壤尘PM_(2.5)中的离子含量分布相对较高,而东部及北部多处于较低水平。相关性分析表明Na~+、F~-和NH_4~+具有同源性,K~+与其他离子都不相关。NO_3~-/SO_4~(2-)的比值介于0. 26～0. 97间,整体上反映出固定源对土壤风沙尘PM_(2.5)的影响更显著。     

辽宁典型城市道路扬尘PM2.5中水溶性无机离子组分特征及来源解析

为了解辽宁省典型城市道路扬尘PM_(2.5)中水溶性无机离子组分特征及其来源,分别于2014年和2016年采集了鞍山市和盘锦市道路扬尘样品,利用再悬浮采样器将其悬浮到滤膜上,用离子色谱仪分析了其中的水溶性无机离子组分,分别用相关分析法和比值法分析了其污染特征,用主成分法初步解析了其主要污染源.结果表明,盘锦市和鞍山市8种水溶性无机离子分别占道路扬尘PM_(2.5)的5.83%±3.34%和5.84%±1.15%.盘锦市NH_4~+与SO_4~(2-)和NO_3~-的结合方式主要为(NH_4)2SO_4和NH_4NO_3,鞍山市NH_4~+与SO_4~(2-)和NO_3~-的主要结合方式为NH_4HSO_4和NH_4NO_3.盘锦市和鞍山市道路扬尘PM_(2.5)中NO_3~-/SO_4~(2-)的均值分别为0.52±0.55和0.46±0.13,表明固定源(燃煤)对其道路扬尘PM_(2.5)的影响较显著.盘锦市道路扬尘PM_(2.5)主要来源于生物质燃烧源、海盐粒子、建筑水泥尘和机动车尾气;鞍山市道路扬尘PM_(2.5)主要来源于燃煤源、生物质燃烧源、海盐粒子和钢铁冶炼尘.     

COVID-19管控前后不同污染阶段PM2.5中二次无机离子变化特征

为探讨新冠肺炎疫情(COVID-19)管控前后不同污染阶段PM_2.5中二次无机离子变化特征,使用高分辨率(1 h)在线仪器对2019年12月15日至2020年2月15日郑州冬季气象、污染气体浓度和PM_2.5中水溶性离子水平进行在线监测,分析此次COVID-19管控前后霾过程的成因、大气污染物的日变化特征和在霾不同阶段下大气污染物的分布特征.结果表明,郑州主要受到高压脊控制,天气形势稳定,有利于大气污染物累积,二次无机气溶胶(SNA,包括SO₄^2-、NO^-₃和NH⁺₄)是水溶性离子的主要组分,占比高达90%以上,COVID-19期间居家隔离措施对霾不同阶段下大气污染物的分布特征产生不同的影响,COVID-19期间PM_2.5在干净、发生和消散阶段的浓度比COVID-19前有所提高,但是发展阶段明显降低,居家隔离明显使PM_2.5高值降低了;NO₂、SO<...     

基于样方法的天津市春季道路扬尘PM2.5中水溶性离子特征及来源解析

为研究天津市道路扬尘PM_(2.5)中水溶性无机离子组分特征及其来源,于2015年4月采集天津市道路扬尘样品,利用再悬浮采样器将采集的样品悬浮到滤膜上,用离子色谱仪分析其水溶性无机离子组分,利用相关分析和比值分析及主成分法对其污染特征和来源进行探讨.结果表明,天津市8种水溶性无机离子占道路扬尘PM_(2.5)的6.13%±2.32%;不同道路类型道路扬尘PM_(2.5)中水溶性无机离子总量差异较大.相关性分析表明Na~+、K~+、Mg~(2+)和Ca~(2+)这4种离子同源性较高.NO_3~-/SO_4~(2-)比值显示固定源对天津市春季道路扬尘PM_(2.5)的影响更为显著.通过主成分分析法可知,天津市春季道路扬尘PM_(2.5)主要来源于燃煤源、移动源、生物质燃烧源和建筑施工扬尘.     

泉州市大气PM2.5中水溶性离子季节变化特征及来源解析

为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na~+、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m~(-3)冬季(8.54±7.61)μg·m~(-3)夏季(4.10±2.67)μg·m~(-3)秋季(3.91±2.58)μg·m~(-3);SO_4~(2-)、NO_3~-和NH_4~+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源.     

深圳市郊区大气中PM2.5的特征分析

为了确定深圳市郊区大气中PM2.5的污染特征,本研究分析了2009年和2010年夏季和冬季PM2.5样品中的水溶性离子和多环芳烃成分.结果表明,深圳市郊区大气中PM2.5的质量浓度很高,夏季53.9%和冬季100%的样品超过了WHO的大气质量准则浓度.PM2.5中,冬季最主要的3种离子是SO24-、NO3-和NH4＋.在夏季,这3种离子在PM2.5中的含量都会减少,而Cl-、Na＋、K＋、Ca2＋和Mg2＋的含量会增多.另外,冬季是多环芳烃浓度较高的季节,其中萘、苊烯、苊和苯并荧蒽是冬季PM2.5中多环芳烃的主要成分.本研究还通过比值法和特征化合物法对深圳市郊区大气中的PM2.5进行了源解析,确定了PM2.5的可能来源.