成都冬季PM_(2.5)化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM2.5进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度。观测期间,PM2.5的平均质量浓度为(127.1±59.9)μg·m-3;总水溶性离子的质量浓度为(56.5±25.7)μg·m-3,其中SO42-、NO3-和NH4+是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m-3,一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m-3和6.1μg·m-3,分别占PM2.5质量浓度的26.8%和4.8%。昼夜污染对比显示,PM2.5白天和夜晚质量浓度分别为(120.4±56.4)μg·m-3和(133.8±64.0)μg·m-3,夜间污染更为严重。SO42-、NO3-和NH4+白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响。通过对近年来成都冬季PM2.5化学组分的研究进行文献总结和比较后发现,SO42-浓度显著降低,从2010年的50.6μg·m-3降低到2017年的13.6μg·m-3;而NO3-浓度变化不大,维持在20μg·m-3左右。PM2.5中离子酸碱平衡分析表明,成都冬季PM2.5由于NH4+的相对过盛而呈现出碱性,与以往呈偏酸性结果存在差异。对成都冬季NO3-/SO42-的比值进行计算,NO3-/SO42-平均值为1.57,表明移动源对PM2.5污染影响更大。OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性。SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m-3和11.9μg·m-3,占到OC的28.1%和31.8%。K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响。主成份分析表明,成都冬季PM2.5主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%。     

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。     

武汉市大气PM2.5中水溶性离子污染特征及来源

于2016年8月—2017年4月采集了武汉市PM2.5样品,使用离子色谱法分析了PM2.5中的水溶性离子(F-、Cl-、SO2-4、NO-3、Na+、NH+4、K+、Mg2+、Ca2+),并研究其污染特征及来源.结果表明,武汉市PM2.5质量浓度变化范围为24.8～215.7μg·m-3,均值为(81.3±38.1)μg·m-3.9种水溶性离子的年均质量浓度占PM2.5质量浓度的29.3%,其中,SO2-4、NO-3、NH+4(三者合称SNA)为主要的水溶性离子,SNA占PM2.5质量浓度的23.3%～32.0%.硫氧化率(SOR)和氮氧化率(NOR)年均值分别为0.4、0.1,说明武汉市大气存在较强的SO2向SO2-4、NO2向NO-3转化的二次过程.观测期间,武汉市的细颗粒物整体呈弱碱性.Ca2+与Mg2+,以及NH+4与NO-3、SO2-4等均有显著相关性,NH+4、NO-3、SO2-4主要以(NH4)2SO4和NH4NO3的形式存在.武汉市全年NO-3/SO2-4比值为0.9,表明固定源贡献相对较大.主成分分析结果表明,武汉市大气PM2.5中水溶性离子主要来自于燃煤及机动车排放、工业生产、扬尘等.     

北京城区PM_(2.5)不同组分构成特征及其对大气消光系数的贡献

为研究北京城区PM2.5不同组分对大气消光系数的贡献率,于2013年10月—2014年8月使用3台PQ200采样器在北京市环境保护科学研究院采集PM2.5样品并进行质量重建,采用IMPROVE方程计算大气消光系数并分析各组分的贡献率.结果表明:1北京城区ρ(PM2.5)年均值为(90.3±8.1)μg/m3,相比2005年有所下降,颗粒物呈弱碱性,NH4+略有剩余.2PM2.5质量重建后,化学构成为OM〔32.1%,为ρ(OM)占ρ(PM2.5)比例,下同〕、NO3-(13.6%)、SO42-(13.9%)、NH4+(11.1%)、Cl-(3.8%)、其他离子(4.0%)、EC(元素碳,5.0%)、FS(土壤尘,8.9%)、微量元素(1.3%)和未知物质(6.7%);与2005年相比,OM、NO3-、NH4+等二次污染物质量浓度占ρ(PM2.5)比例均显著增加,ρ(水溶性离子)占ρ(PM2.5)的比例随空气污染加重而增加.3北京城区大气消光系数年均值为(504.6±49.3)Mm-1,OM、(NH4)2SO4、NH4NO3、EC和FS的贡献率分别为37.5%、28.3%、25.2%、7.6%和1.4%;冬季由于ρ(PM2.5)高,大气消光系数最高,为(589±124.3)Mm-1,约是春季的2倍;夏季由于相对湿度大,PM2.5吸湿粒径增大,大气消光系数仅次于冬季.OM对大气消光系数贡献率为冬季最高,而(NH4)2SO4的贡献率在冬夏季均大于NH4NO3.     

广州城区秋季大气PM_(2.5)中主要水溶性无机离子分析

分别在广州市中心城区高楼顶(距地50m)和交通干线路边(距地1.2m),于2006年秋季连续一周采集了大气PM2.5样品,对比分析了SO42-、NO3-、Cl-、F-、Na+、NH4+、Ca2+、K+、Mg2+等9种水溶性无机离子含量。结果表明,楼顶相对充分混合大气中PM2.5的质量浓度范围59.5～129.5μg/m3,均值为83.7μg/m3;交通干线路边大气PM2.5的质量浓度范围为108.4～132.2μg/m3,均值为121.1μg/m3。9种离子总浓度平均达到50.9(楼顶)和44.1(路边)μg/m3,占PM2.5质量浓度的60.8%(楼顶)和36.4%(路边)。SO42-和NO3-为水溶性无机离子主要组成,其占PM2.5质量浓度的比例均是楼顶高于路边,显示二次气溶胶对楼顶充分混合大气中PM2.5有较大贡献,而路边样品中一次来源贡献相对较大。计算表明采样期间海盐对广州大气PM2.5中的水溶性组分贡献较小。NH4+当量浓度远小于SO42-和NO3-的当量浓度,中和度远1,反映PM2.5酸性较强,且楼项PM2.5粒子酸性高于路边样品。     

济南秋季大气PM_(2.5)中水溶性离子的在线观测

2008年9月29日—10月15日使用大气细颗粒物快速捕集系统实时、在线分析了济南秋季PM2.5中水溶性离子的质量浓度,并结合气象资料和部分前体物(SO2,NOx和O3)浓度进行了相关分析.结果表明:济南秋季燃煤污染严重,SO42-,NO3-和NH4+是大气PM2.5中水溶性离子的主要组分,三者质量浓度之和占总水溶性离子(TW SI)质量浓度的90%以上;SO42-污染物主要受远距离传输的影响,NO3-和NH4+污染物主要受局地源的影响;SO42-和NO3-的昼夜形成机理不同,它们的形成过程主要受相对湿度、温度和O3浓度的影响.周边地区生物质燃烧导致了济南重污染天气的产生,降水对污染物的清除作用较强.对比土壤和海盐中各种离子的质量浓度比可知,济南秋季PM2.5中的K+受生物质燃烧的影响较大,C l-主要来源于海盐和生物质燃烧,Na+主要来源于海盐.     

成都市城区PM2.5中二次水溶性无机离子污染特征

2009年4月~2010年1月在成都市城区采集131个PM2.5样品,应用离子色谱法对PM2.5中二次水溶性无机离子(NH+4、NO-3和SO2-4)含量进行分析,并探讨其污染特征.结果表明,PM2.5中NH+4、NO-3和SO2-4的平均浓度值分别为(10.4±8.6)、(19.7±14.6)和(32.8±21.8)μg·m-3,分别占PM2.5质量的(5.5±2.8)%、(11.1±3.5)%和(19.3±6.4)%,三者总和占PM2.5质量浓度的(35.9±12.7)%.PM2.5中NH+4、NO-3和SO2-4的季节变化特征明显,夏、冬两季NH+4、NO-3和SO2-4的浓度均为SO2-4>NO-3>NH+4,其总和占PM2.5质量浓度的百分比为冬(44.3%)>夏(39.4%).相关分析结果显示,NH+4、NO-3和SO2-4在成都主要以NH4HSO4、(NH4)2SO4和NH4NO3形式存在;NO-3/SO2-4比值表明,成都市大气中硫和氮的主要来源以固定源为主;硫氧化速率和氮氧化速率的年均值分别为:0.33±0.12和0.19±0.09,表明成都市PM2.5中SO2-4和NO-3主要经二次转化形成.     

兴隆大气气溶胶中水溶性无机离子分析

2009年9月～2010年8月在兴隆大气背景站,利用Andersen分级采样器进行大气气溶胶样品的采集,并利用离子色谱分析了其中的水溶性无机离子的成分含量.结果表明,TSP、PM2.1和PM1.1中总水溶性无机盐的年平均浓度分别为(89.66±47.66)、(54.44±34.08)和(44.39±29.95)μg·m-3,其中SO42-、NO3-、Ca2+和NH4+为兴隆大气气溶胶中最主要的水溶性无机离子.PM2.1中总水溶性无机离子的年平均浓度占TSP的61%.PM1.1总水溶性无机离子的年平均浓度占TSP的50%,占PM2.1的82%.PM1.1、PM2.1和TSP中水溶性无机离子总浓度季节性变化趋势一致,夏季>秋季>春季>冬季.NH4+与SO42-的摩尔比>2,表明NH4+未被SO42-完全中和.在细粒子中NH4+和SO42-、NO3-均有较好的相关性,相关系数分别为0.96和0.87,表明NH4+可能以(NH4)2SO4和NH4NO3的形式存在.     

北京东北部城区大气细粒子与相关气体污染特征研究

于2008年7月~2009年4月的4个季节,在北京市朝阳区北部,利用VAPS通用型大气污染物采样仪(URG3000K)对大气细粒子(PM2.5)和环境空气中相关气体进行了同时采集,并利用IC离子色谱仪(DX-600型)分析了PM2.5中水溶性无机离子成分和环境空气中相关气体的含量.结果表明,PM2.5质量浓度春季>夏季>冬季>秋季;SO42-、NO3-和NH4+是PM2.5中最主要的3种水溶性无机离子,年均质量浓度分别为14.82μg/m3、11.57μg/m3和8.35μg/m3,三者浓度之和占PM2.5中总水溶性无机离子浓度的86.28%.SO42-、NH4+浓度占PM2.5浓度百分比均为夏、秋季高于冬、春季; NO3-浓度占PM2.5浓度的百分比为秋季>春季>夏季>冬季.空气中的SO2、NO2和NH3等气态污染物的含量直接影响PM2.5中二次离子SO42-、NO3-和NH4+的浓度, SO2、NO2浓度的季节特征为冬、春季高于夏、秋季,与SO42-、NO3-的季节变化规律相反; NH3浓度在夏季最高,冬季最低. PM2.5酸度在夏、秋季高于冬、春季,且夏、秋季PM2.5样品全部呈酸性,冬、春季PM2.5样品一部分呈酸性,一部分呈碱性.夏季SOR值和NOR值分别为冬季的4.8倍和3倍,表明夏季SO2和NO2更易转化生成SO42-和NO3-.PM2.5中SO42-、NO3-和NH4+主要以(NH4)2SO4、NH4NO3的形式共存于气溶胶体系中.     

南京霾天气及PM_(2.5)化学污染特征分析

为了研究大气细粒子PM2.5在霾天气下的化学污染特性,2012年4月1日-27日在南京信息工程大学1号新实验楼楼顶,在霾天对大气细粒子PM2.5进行了采样,利用离子色谱法、TOC法等测得PM2.5的质量浓度、水溶性离子及水溶性有机碳组分浓度。结果表明:霾越重PM2.5质量浓度越高,霾天的PM2.5与地面温度、风速呈一定的负相关,与相对湿度呈正相关。SO42-、NO3-、NH4+、Ca2+、Na+、Cl-以及水溶性总有机碳是PM2.5的主要组成部分,其质量浓度随霾的加重而增加,其中NH4+、SO42-、NO3-及TOC质量浓度的增加幅度更明显,表明气态污染物的二次转化对采样点灰霾污染也有突出贡献。     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.      

PM1切割器的评价及其与PM2.5切割器的切换研究

开展了PM₁切割器的性能评价研究,通过搭建基于静态箱法的评价系统,选用8种粒径的单分散聚苯乙烯微球,结合空气动力学粒径谱仪获取PM₁切割器的捕集效率,最终得出拟合曲线.通过该方法测量得出某台BGI的PM₁切割器在16.67 L·min^-1工作流量下的50%切割粒径分布在(1.0±0.1) μm范围内,几何标准偏差分布在1.2±0.1范围内.同时研究了采样流量对PM₁切割器性能的影响,发现50%切割粒径随流量增大呈现减小趋势,而几何标准偏差一致性较好,偏差不超过1%,尤其当采样流量为6.77 L·min^-1时,PM₁切割器的性能可调整为符合国家标准对PM_2.5切割器的要求,本研究成果为PM₁切割器评价方法及性能指标的确定提供了参考.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

典型道路路边空气颗粒物中碳组分的组成特征

在天津市内选取了4条不同等级的道路（次干道,主干道,快速路,外环线）,于2015年4～5月分别在4条道路的路边进行了PM_2.5和PM₁₀样品和车流量信息的采集,并对其中的碳组分进行了分析.结果显示,天津路边PM_2.5和PM₁₀中OC、EC的浓度与国内已研究的其它城市相比处于中等水平,与国外城市相比,国内这些城市的OC、EC的浓度水平则较高.char-EC、soot-EC、OC、EC在PM_2.5中的百分含量在4条道路之间存在显著性差异,在4条路上百分含量为主干道 > 快速路 > 外环线 > 次干道,而PM₁₀不存在.PM_2.5中OC/EC和char-EC/soot-EC的平均比值分别是2.95和2.3,PM₁₀中分别为3.1和2.2.相关性分析的结果表明PM_2.5和PM₁₀中OC和EC有相同的来源,且EC与char-EC存在线性关系.     

2014年APEC期间北京市PM10和PM2.5氧化性损伤能力研究

为评估APEC会议期间联防联控措施对北京市大气可吸入颗粒物毒性的影响,采集2014年APEC会议前后3个月北京市大气PM₁₀和PM_2.5样品,应用质粒DNA损伤评价法来研究其氧化性损伤能力. 结果表明,APEC会议期间PM₁₀对DNA的损伤率高于PM_2.5,颗粒物对 DNA损伤率随剂量的增加而增加. 本研究用TD30值来指示颗粒物氧化性损伤能力,TD30为引起30%的DNA损伤率所需要的颗粒物剂量（单位为 μg·mL^-1）,TD30值越低,颗粒物氧化性损伤能力越强,APEC会议前后样品的TD30值表现为 APEC期间（11月）>APEC前（10月）>APEC后（12月）,说明氧化能力APEC后 >APEC前 >APEC期间. 用PM₁₀质量浓度乘上其在250 μg·mL^-1 剂量下的DNA损伤率得到颗粒物暴露毒性指数TI（toxic index）,与往年具有代表性月份样品的数据对比,TI大小顺序为2004年 >2014年 >2008年,说明大气中颗粒物暴露毒性随着政策控制力度的加大而降低.     

淄博市SO2与PM10垂直空间变化规律及其相关性分析

本文对淄博市环境空气中主要污染物SO2和PM10在不同高度的浓度值进行分析,找出污染物垂直空间分布规律;并利用SO2和PM10日均浓度值分析两者之间的相关性,为淄博市环境空气质量进一步控制治理提供一定依据。研究结论如下:淄博市垂直空间SO2、PM10浓度变化基本呈随高度增加而逐步降低趋势;同时SO2和PM10浓度呈现较为明显的相关性。为进一步改善淄博市环境空气质量,不仅要在城市规划中充分考虑给城区以自然通风通道,增加城市对污染物扩散稀释的能力,而其要在开展针对建陶、水泥等行业专项行动,降低工业粉尘排放,加强对城区内市政、房地产建筑工地的监督管理,减少道路和建筑扬尘的同时,加强对SO2排放企业尤其燃煤企业的监管力度,控制SO2排放量,也会相应的进一步降低PM10浓度。     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

廊坊市秋季环境空气中颗粒物组分昼夜变化特征研究

为研究廊坊市区秋季环境空气中颗粒物浓度及其组分昼夜变化特征,于2015年9月12—21日在廊坊市进行PM_(2.5)和PM_(10)采样,并对采集的样品无机元素、水溶性离子和碳组分(OC和EC)分析.结果表明,夜间PM_(2.5)和PM_(10)浓度比白天高,且下半夜出现大幅上升.PM_(2.5)/PM_(10)比值为0.49~0.62,下半夜最高.碳组分、Ba、Cr、Cl~-、NO_3~-、SO_4~(2-)、NH_4~+等主要富集在PM_(2.5)中,而Ca、Al、Si、Mg~(2+)和Ca~(2+)等主要富集在PM_(10)中.通过昼夜颗粒物组分对比发现,夜间EC、Cu、Zn、Cr、Pb、Cl~-、NO_3~-和NH_4~+等浓度明显上升.同时,下半夜OC/EC比值明显变小,Cl-、NO_3~-和NH_4~+浓度明显增大,同时段CO和NO_2浓度上升,而SO_2浓度变化平缓.以上表明采样期间廊坊夜间可能存在移动源和部分工业污染源排放.