成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

风向对北京市重污染日PM_(2.5)浓度分布影响研究

对2013年北京市58 d重污染日PM_(2.5)浓度水平进行了分析,并用克里格插值法统计了重污染期间不同风向PM_(2.5)不同浓度区间的国土面积。结果显示2013年北京市重污染日主要集中在冬季,占到全年天数的15.9%,且重污染日PM_(2.5)平均浓度为218μg/m3;重污染日PM_(2.5)空间分布较为均匀且统计的平均浓度在150μg/m3以上的国土面积约占总面积的82%;重污染期间重度污染(150μg/m3)以上面积占比分别为南风(87%)、东风(81%)、西风(70%)、北风(66%);重污染日不同风向下ρ(NO_3~-)、ρ(NH_4~+)、ρ(SO_4~(2-))之和约占ρ(PM~(2.5))的60%~65%,且各组分浓度相差不大。     

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.      

2018年春节期间京津冀及周边地区烟花禁放效果评估

为了评估2018年春节期间(2月15—16日)京津冀及周边地区"2+26"城市烟花禁限放措施的效果,采用浓度特征对比、ρ(PM_(2.5))/ρ(CO)等方法,对"2+26"城市的ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)进行分析,并定量估算了除夕夜烟花燃放对ρ(PM_(2.5))和ρ(SO_2)的贡献率.结果表明:"2+26"城市烟花的集中燃放会导致ρ(PM_(2.5))、ρ(SO_2)显著增长,出现以PM_(2.5)为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ(PM_(2.5))达到重度及以上污染水平,呈区域性污染特征;与2017年同期(1月27—28日)相比,2018年春节期间(2月15—16日)14个城市烟花燃放对ρ(PM_(2.5))平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ(PM_(2.5))显著高于城区,呈"农村包围城市"的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

2018年石家庄市秋冬季典型霾污染特征

依托河北省灰霾污染防治重点实验室,对2018年10月31日至12月3日期间石家庄市大气PM_(2.5)的质量浓度和化学组分进行连续在线观测,解析石家庄市秋末冬初典型灰霾过程的特征.观测期间,石家庄市共发生4次霾污染过程,PM_(2.5)均为首要污染物,日均浓度最大值分别为154、228、379和223μg·m~(-3),达到重度污染甚至严重污染.PM_(2.5)主要组分为无机水溶性离子(WSII)和含碳气溶胶,两者质量浓度的平均占比分别为(60. 7±15. 6)%和(21. 6±9. 7)%.相比优良天,两者浓度分别上升了4. 4倍和3. 1倍,是霾污染形成的主要原因.WSII中NO_3~-为首要成分,SO_4~(2-)和NH_4~+次之,三者(SNA)质量浓度之和占WSII质量浓度的(91. 5±17. 3)%,污染期间SNA的暴发式增长是推高PM_(2.5)浓度的主要原因.非高湿条件下,单位质量NO_3~-和SO_4~(2-)的变化速率差异不明显,高湿条件触发SO_2的液相氧化过程后,SO_4~(2-)二次转化被显著促进.大气处于富NH_3状态,PM_(2.5)中n(NH_4~+)与n(NO_3~-+2×SO_4~(2-))的比值 1,过量NH_3加剧NO_3~-和SO_4~(2-)的转化.霾污染时段,燃煤和机动车排放的一次污染物的积累为含碳气溶胶浓度上升的主要原因,相比优良天,二次有机碳的生成受到抑制.在采暖季开始之前的两次霾污染过程,移动源为PM_(2.5)首要污染源,平均占比30. 8%和39. 8%.随着燃煤采暖污染排放的增加,燃煤源贡献逐步增高至25. 2%,攀升为首要污染源.     

南京市大气细颗粒物二次组分的时空变化特征

在南京市六个典型点位,于2014~2015年的四个季节,开展了PM_(2.5)化学组分的监测.基于513个有效样本资料,分析了包括硫酸根(SO_4~(2-))、硝酸根(NO_3~-)、铵根(NH_4~+)和二次有机物(SOA)的二次组分的时空分布特征.结果表明:南京市PM_(2.5)以二次组分为主,约占57.7%,其中SO_4~(2-)、NO_3~-、NH_4~+和SOA年均浓度分别为11.9,12.5,7.7,8.7μg/m~3,所占PM_(2.5)的比例分别是17.2%、16.9%、10.5%、13.1%,其中98.8%的SO_4~(2-)为非海盐成分;近年来,[NO_3~-]/[SO_4~(2-)]快速增加,2015年约达到1.0,表明机动车的贡献日益突出;南京市二次组分季节差异较显著,NO_3~-、NH_4~+和SOA占比秋冬季节大于春夏季节,SO_4~(2-)占比春夏季节大于秋冬季节;空间分布上,二次组分的占比在远郊区最高(73.5%),其次是近郊新城区(59.0%),城市中心区和工业区最小(57.3%,57.4%),这反映了不同区域PM_(2.5)来源的差异;随着污染水平的上升,NO_3~-的占比显著增加,这表明机动车对于重污染过程具有更加重要的影响.研究结果深化了关于南京PM_(2.5)来源的认识,可以为更有效地控制灰霾污染提供科学依据.     

天津市冬季典型大气重污染过程特征

基于污染物浓度、颗粒物化学组分及气象参数等观测数据,综合分析天津市2015年冬季典型重污染过程成因及污染特征,结果表明:天津市冬季重污染期间风速0~4.0m/s,相对湿度80%以上,混合层高度仅为清洁天气的1/3~1/2,静稳高湿的大气环境对重污染影响较大.重污染过程NO_2/SO_2比值较清洁天气低,NO_3~-/SO_4~(2-)比值大于1,表明重污染期间天津市移动源与固定源并重.重污染PM_(2.5)/PM_(10)比值较清洁天气高,PM_1/PM_(2.5)比值较清洁天气低,可能与重污染过程期间细粒子的吸湿增长以及散煤燃烧排放有关.污染初期NOR大于SOR,随着重污染持续,甶于受制于氨,SOR要高于NOR,需关注气态前体物尤其是SO_2排放.OC与EC浓度高时二者相关性较低,SOC占OC的20%~54%,说明冬季重污染期间散煤燃烧源和二次有机化学反应对冬季重污染影响较大.     

2016~2017年采暖期华北平原东部PM2.5组分特征及来源解析

为掌握华北平原东部地区大气细颗粒物(PM_(2.5))的污染特征与来源,本研究对2016年和2017年这2年采暖期衡水市、沧州市、济南市、德州市、滨州市、淄博市和聊城市的大气细颗粒物、组分特征和来源进行对比分析.结果表明,2016年和2017年采暖期该区域ρ(PM_(2.5))日均值分别为137. 23μg·m-3和111. 83μg·m-3,分别超过《环境空气质量标准》(GB 3095-2012)日均二级标准限值1. 8倍和1. 5倍;水溶性离子质量浓度分别占ρ(PM_(2.5))的53. 32%和47. 04%,二次无机离子(SNA)为主要离子组分; NO_3-/SO_24-比值从1. 35上升至1. 60,同时Cl-浓度下降,表明燃煤源贡献降低;二次有机碳(SOC)在有机碳(OC)中的占比分别为71. 63%和55. 35%,说明该区域二次有机碳占比明显降低;特征元素Fe/Al、Ba/Ni对比分析表明,2017年采暖期机动车源和扬尘源贡献同比上升;后向轨迹结果表明,该区域污染气团主要源于西北方向,但来源于江苏、安徽等地的污染气团携带的颗粒物浓度最高.     

聊城冬季一重污染过程PM2.5污染特征及成因分析

北方秋冬季为重污染过程频发季节,为了解聊城市冬季重污染过程中PM_(2.5)及化学组分污染特征,于2016年1月7~11日在聊城市区开展PM_(2.5)样品采集并分析了其中水溶性离子、碳成分及无机金属元素这3种化学组分,并对污染特征及成因进行了分析.结果表明,此次污染过程PM_(2.5)浓度呈现明显的倒V字型,平均浓度为238.3μg·m~(-3),超过国家环境空气质量标准(GB 3095-2012)二级浓度限值2.2倍;NH_4~+、NO_3~-和SO_4~(2-)为PM_(2.5)的主要水溶性离子成分;随污染加重或减轻,NH_4~+、SO_4~(2-)、NO_3~-、Cl-和Mg~(2+)浓度呈现增加或降低趋势,而Ca~(2+)变化趋势与之相反.污染鼎盛时,NH_4~+、NO_3~-和SO_4~(2-)浓度分别为48.96、68.45和80.55μg·m~(-3),达到起始阶段的6.29、7.31和7.84倍;过程期间OC和EC的浓度为20.8~60.2μg·m~(-3)和3.0~7.5μg·m~(-3),OC浓度高于EC且变化幅度明显偏大;过程期间各日无机金属元素浓度和分别为10.2、22.4、16.0、19.6和8.2μg·m~(-3),富集因子(EF)结果显示,各元素EF均小于10,未被富集,表明污染过程中其主要来源于地壳等自然源;PM_(2.5)质量浓度重构结果表明,有机物(OM)、SO_4~(2-)和NO_3~-为PM_(2.5)的主要组分,其次为NH_4~+、地壳物质和其他离子,EC和微量元素含量相对较低.随着PM_(2.5)污染加重,二次无机盐(SO_4~(2-)、NO_3~-及NH_4~+)浓度及所占比例均随之增加,OM浓度随之增加但比例有所下降,而地壳物质浓度及比例均下降,表明二次无机转化是此次污染过程的主要原因,主要受燃煤和机动车排放影响.     

2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征

2015年1~12月对北京市城区开展PM_(2.5)中主要水溶性离子NH_4~+、NO_3~-和SO_4~(2-)(统称SNA)及其前体气体NH_3、NO、NO_2和SO_2的监测,共获得样本325组.用特氟龙滤膜采集PM_(2.5)中SNA,用在线仪器实时监测各前体气体.分析各前体气体和SNA的污染特征并同时对其相关性进行研究.观测期间NH_3、NO、NO_2、SO_2、NH_4~+、NO_3~-和SO_4~(2-)的年平均浓度分别为21.5、17.7、54.3、14.2、8.1、13.5和12.7μg·m~(-3),SNA质量浓度占PM_(2.5)的43.4%.NO、NO_2和SO_2冬季最高,夏季最低;NH_3为夏季最高,秋冬较低;NH_4~+浓度和体积分数四季波动不大;NO_3~-浓度和体积分数均夏季最低;SO_4~(2-)浓度为冬季最高,百分含量为夏季最大.全年([NO_3~-]+2[SO_4~(2-)])与NH_4~+的比值为0.97,表明阴离子主要以NO_3~-和SO_4~(2-)的形式存在.随着污染程度的增加,各化合物浓度均有明显上升,NO_3~-是重污染过程累积效应比较明显且贡献率最大的离子.SO_4~(2-)则在污染级别较低时,贡献率较大.NO_3~-与NO_2,NO、NH_4~+与NH_3,SO_4~(2-)与SO_2在置信度为0.01水平上均显著相关;SO_4~(2-)和SO_2变化规律呈负相关,NO_2和NO_3~-基本呈正相关,相比NH_3,NH_4~+浓度的高低受酸性气体NO_2、SO_2影响更大.     

典型时段西南地区PM_(2.5)及组分污染特征

选取西南地区为采样点,于2015年非重污染和重污染时期对环境PM_(2.5)进行采样,并对PM_(2.5)、水溶性离子和碳质组分的污染特征进行分析。结果显示:重污染与非重污染天PM_(2.5)质量浓度分别为(204.8±47.0)μg/m~3和(66.8±23.1)μg/m~3。重污染天气下SO_4~(2-)、NO_3~-和NH_4~+浓度分别是非重污染天气下的3.5,4.2,3.4倍,SIA浓度占PM_(2.5)的比例可高达42.2%。重污染期间OC和EC浓度分别是非重污染期间的4.8,2.7倍,SOC浓度在非重污染和重污染期间分别为(3.2±1.6),(25.6±15.2)μg/m~3,OC、EC较低的相关性也反映出重污染期间碳质组分来源的复杂性。     

成都夏冬季PM2.5中水溶性无机离子污染特征

利用大气细颗粒物水溶性组分及气态前体物在线监测设备(GAC-IC)对成都市2017年夏、冬两季大气PM_(2.5)中水溶性无机离子(WSIIs)及气态前体物进行了连续观测,对其污染特征及冬季一次典型污染过程进行了深入分析.结果表明,成都冬季PM_(2.5)质量浓度为100.2μg·m~(-3),显著高于夏季(34.0μg·m~(-3)).WSIIs是PM_(2.5)的重要组成,对夏、冬季PM_(2.5)的贡献分别可达52.9%和53.3%.夏、冬季的二次离子(SNA)占WSIIs的比例分别为73.2%和87.6%,其中,SO_4~(2-)和NO~-_3分别是夏、冬季SNA的主导组分,对SNA的贡献分别为37.7%和59.7%.冬季NO~-_3/SO_4~(2-)比值(2.7)显著高于夏季(0.8),体现了移动源(尤其是机动车源)对该季节PM_(2.5)的重要贡献.受来源及气象条件差异的影响,两季节SNA的日变化规律明显.在冬季,随着污染加重,各化学组分及主要气态前体物浓度均显著增加,NO~-_3是引发重污染的关键组分.后向轨迹分析表明,成都两季节气团来向差异明显,夏、冬季聚类对应的WSIIs分别以SO_4~(2-)和NO~-_3为主导,成都周边地区的近距离低空传输对该城市PM_(2.5)污染贡献重大.     

自贡市大气颗粒物中水溶性离子的特征及来源

基于四川省自贡市2015年9月-2016年9月的大气颗粒物采样数据,利用离子色谱仪对其中8种水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、Na~+、K~+、Cl~-、Ca~(2+)和Mg~(2+))进行了浓度测定。分析结果表明,自贡市PM_(10)平均浓度为(88.4±59.2)μg/m~3,PM_(2.5)为(76.2±51.7)μg/m~3,各季节PM_(2.5)/PM_(10)的浓度比值均大于80%,说明自贡市大气颗粒物污染以PM_(2.5)为主;水溶性离子是颗粒物的主要化学组分,其总质量浓度对PM_(10)和PM_(2.5)的贡献率分别为40.3%和42.7%,其中SNA(二次水溶性无机离子,SO_4~(2-)、NO_3~-和NH_4~+)、Cl~-、K~+、Ca~(2+)、Na~+和Mg~(2+)在PM_(2.5)的占比分别为39.5%、1.8%、1.2%、0.5%、0.3%和0.04%;SO_4~(2-)是自贡市春季和秋季污染天主要来源,其在PM_(2.5)水溶性离子中的贡献率均为45.5%,NO_3~-对应的贡献率分别为22.3%和23.6%,冬季污染天SO_4~(2-)和NO_3~-的贡献率分别为33.5%和35.7%,NO_3~-的贡献率显著上升。利用因子分析法对PM_(2.5)中水溶性离子进行源解析发现,其来源主要为二次污染源、燃烧源、农业源以及道路扬尘源。     

重庆市生活垃圾焚烧发电厂颗粒物特征研究

为了解重庆市生活垃圾焚烧废气排放颗粒物的组分情况,采集了重庆市两家典型生活垃圾焚烧发电厂焚烧废气颗粒物滤膜样品,分析了化学组分。结果表明,重庆市生活垃圾焚烧废气颗粒物PM_(10)源和PM_(2.5)源组分的有机碳(OC)、元素碳(EC)、SO_4~(2-)质量分数偏高,OC、EC的质量分数均超过10%,SO_4~(2-)的质量分数为3.22%～18.5%,S、K、NH_4~+、Ca~(2+)含量均超过1%。PM_(2.5)源中Cl~-含量高达3.92%～11.9%。研究结果与其他城市垃圾焚烧排放颗粒物的PM_(2.5)源及PM_(10)源组分特征差异性不大,PM_(10)源组分中K、Cl~-、SO_4~(2-)、OC的含量偏高,分别为1.16%、5.42%、11.2%、30.3%;PM_(2.5)源组分中Cl-、SO_4~(2-)和OC的含量偏高,分别为7.70%、6.99%、29.0%。     

西安市重污染与清洁天PM2.5组分及其活性氧物质对比

针对重霾污染,在西安市冬季重污染日(2015-11-30~2015-12-09)和清洁日(2016-01-13~2016-01-22)各进行了为期10d的PM_(2.5)采集,测量其中的有机碳、元素碳,及NH_4~+、NO_3~-、SO_4~(2-)等无机水溶性离子,探讨两种污染条件下的组分特征及其成因.结果表明:观测期,重霾日和清洁日PM_(2.5)质量浓度分别为(170±47.5)μg·m~(-3)和(48.6±17.9)μg·m~(-3),且重霾日伴随低能见度、高湿静风等多种不利气象条件;重霾日二次无机离子(NH_4~+、NO_3~-、SO_4~(2-))组分占PM_(2.5)质量浓度的49.8%±13.1%,而清洁日为19.4%±5.95%,并且重霾日硫氧化速率(sulfur oxidation ratio,SOR)和氮氧化速率(nitrogen oxidation ratio,NOR)分别为0.282±0.157和0.269±0.124,远高于清洁日(SOR和NOR分别为0.189±0.057和0.077±0.046),重霾日二次有机组分浓度[(6.22±3.87)μg·m~(-3)]是清洁日[(1.44±1.63)μg·m~(-3)]的5倍,表明二次污染及不利气象条件是造成重霾期间相关组分浓度升高的重要原因.最后,通过二氯荧光黄双乙酸盐(2',7'-DCFH)化学荧光分析法测定了其中活性氧物质(reactive oxygen species,ROS)的浓度,探讨其对于二次无机组分形成的影响,结果表明观测期ROS平均浓度(以H_2O_2计)分别为(4.99±1.54)nmol·m~(-3)(重霾期),(0.492±0.356)nmol·m~(-3)(清洁期),二次反应及积累效应可能是西安重霾条件下ROS浓度升高的主要原因.NO_3~-、SO_4~(2-)与ROS均呈现正相关(P0.05),表明ROS可能通过二次氧化过程参与到二次无机组分形成过程中.     

2014年10月太原市一次空气重污染过程分析

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·m~(-3),太原城区约1460km~2的国土面积处于重度污染(ρ(PM_(2.5))150μg·m~(-3))之下,而京津冀约20×104km2的国土面积达到重度污染水平;区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,逆温明显(2.14℃/100m)、风速小(1.91 m·s~(-1))、湿度大(68.13%)、负变压(-0.74 h Pa)、正变温(0.92℃).模拟结果显示,8—10日重污染期间区域输送对太原PM_(2.5)的贡献率在17%~24%之间,太原市PM_(2.5)浓度以本地贡献为主;估算的2014年太原城区PM_(2.5)排放量是其大气环境容量的1.4倍,重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.     

嘉兴市不同天气条件下大气污染物和气溶胶化学组分的分布特征

为研究不同天气条件下大气污染物(PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO)和气溶胶化学组分的污染特征,分别使用SHARP-5030监测仪、热电EMS系统、气溶胶化学成分在线监测仪(ACSM)和宽范围颗粒粒径谱仪(WPS)对嘉兴市2015年5月1~31日PM、污染气体、PM_(1.0)中化学组分和10 nm~10μm气溶胶数浓度进行了观测分析.结果表明,观测期间嘉兴市PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO的平均浓度分别为52.8和37.2μg·m~(-3)、10.3μg·m~(-3)、38.1μg·m~(-3)、92.1μg·m~(-3)和1.2 mg·m~(-3).PM_(1.0)中OA、SO_2-4、NO-3、NH_4~+和Cl-的平均浓度为2.18、1.24、0.87、0.63和0.08μg·m~(-3).数浓度主要集中在爱根核模态(20~100 nm),浓度为12 411.2 cm~(-3),其次是核模态(10~20 nm),浓度为4 946.6 cm~(-3).不同天气过程中PM和污染气体的浓度分布和日变化特征不同.不同天气条件下PM_(1.0)中化学组分分布不同.雨天和晴天PM_(1.0)中化学组分浓度从大到小顺序均为OASO_2-4NO-3NH_4~+Cl-,新粒子天PM_(1.0)中化学组分浓度的顺序为OANO-3SO_2-4NH_4~+Cl-.新粒子天OA和NO-3分别是晴天的1.61和1.42倍,说明OA和NO-3是影响新粒子生成事件的主要化学成分.不同天气条件下不同模态气溶胶的日变化特征不同.     

APEC期间北京空气质量改善对比分析

为了评估APEC期间强化减排措施对北京空气质量的改善效果,利用2014年11月1~15日中国环境监测总站发布的奥体中心监测点空气质量监测数据,分析其空气质量演变特征,并与2013年同期监测数据进行对比研究.结果表明:1PM_(2.5)是当前北京最重要的污染物,APEC期间空气质量以优良为主,期间有3次明显的污染过程,与2013年同期相比较有所好转,显示出强化减排措施对北京空气质量的改善有显著的效果;2与世界卫生组织(WHO)的标准值相比,APEC期间PM_(2.5)有5d在WHO标准值(25μg·m~(-3))以下,而SO_2均小于标准值;3APEC期间,在空气质量为优时PM_(2.5)/PM_(10)小于0.5,且随污染浓度的增加比值逐渐增大,在严重污染情况下PM_(2.5)/PM10达到0.9以上;4与2013年同期相比,强化减排措施对PM_(2.5)的减少有一定的贡献,但与SO_2和CO的减少量相比,颗粒物的减少量又相对较少,NO_2减少量相对最小,实施强化减排措施对污染物减排的排序为SO_2COPMNO_2,说明北京空气污染中的PM_(2.5)的来源、影响和减排的复杂性,有待进一步深入研究.     

广西北海涠洲岛春季大气颗粒物浓度特征及影响因素

为了解我国北部湾区域大气环境特征和可能的跨界输送,于2015年3~4月在涠洲岛开展了对大气颗粒物浓度水平和粒径分布特征的外场观测研究,并结合气象因子和后向轨迹探讨了颗粒物浓度变化原因和来源.结果表明涠洲岛大气PM_1、PM_(2.5)、PM_(10)质量浓度分别为(21±12)、(35±19)、(43±20)μg·m~(-3).PM1、PM_(1~2.5)和PM_(2.5~10)质量浓度分别占PM10的50%、32%、18%.0.5~1、1~2.5和2.5~20μm粒径段颗粒物数浓度分别占总数浓度的93.5%、6.1%和0.4%.颗粒物数浓度与能见度和气压呈弱负相关.后向轨迹模拟分析发现,来自涠洲岛西南方向东南亚一带的气团影响频率最高(45.9%),0.5~1μm、1~2.5μm数浓度和PM_(2.5)浓度最低但NO浓度最高;其次为来自正东方向气团(34.1%),SO2浓度最低但O3浓度最高;来自正南方向的气团(12.5%)NO2、NOx、O3和CO浓度最低;来自东北方向的大陆气团影响频率最低(7.4%),但颗粒物数浓度、质量浓度和气体污染物浓度(除O3和NO)最高.涠洲岛大气细颗粒物和气态污染物主要受大陆和东南亚地区输送影响,来自大陆方向的输送以工业污染为主,来自东南亚方向的输送以港口船舶及航运污染为主.