嘉兴市碳质气溶胶的特征分析

2013年10月到2014年2月在嘉兴城区对大气中细颗粒物的质量浓度和含碳气溶胶进行了在线连续观测,获得秋冬季节碳质气溶胶的变化特征。观测期间,有机碳(organic carbon,OC)的平均质量浓度为12.5μg/m^3,日均质量浓度变化范围为2.1~61.1μg/m^3;元素碳(elemental carbon,EC)的平均质量浓度为4.2μg/m^3,日均质量浓度变化范围为0.7~17.1μg/m3。OC和EC分别占PM2.5质量浓度的15.8%和5.3%。总碳气溶胶(total carbonaceous aerosols,TCA=1.6×OC+EC)的平均质量浓度为24.2μg/m3,日均变化范围为4.1~114.9μg/m3,约占PM2.5质量浓度的30.5%。较强的OC与EC相关性表明其具有相似的污染来源。OC/EC值为3.0,说明其受汽车尾气和煤炭燃烧的影响较大。二次有机碳(secondary origin carbon,SOC)的平均质量浓度为6.6μg/m^3,占PM2.5中总有机碳的53.0%。潜在源贡献(potential source contribution function,PSCF)分析表明,EC在长三角地区呈显著的区域性污染,而OC在输送过程中容易老化,区域性污染特征相对较弱。     

天津城区PM_(2.5)中碳组分污染特征分析

为探讨天津城区碳组分的季节污染特征,于2009年4月—2010年1月采集大气PM2.5样品,测定其碳组分浓度,分析有机碳(OC)和元素碳(EC)的相互关系,并探讨气象条件对碳组分浓度的影响.结果表明,天津城区PM2.5质量浓度为141.47μg·m-3,OC和EC质量浓度年均值分别为18.81μg·m-3和6.86μg·m-3,分别占PM2.5质量浓度的13.3%和4.8%,碳组分系PM2.5的重要组成部分;季节分布特征显示,秋、冬季OC和EC污染较为严重,总碳气溶胶(TCA)分别为45.74μg·m-3和46.75μg·m-3,占PM2.5质量浓度的30.1%和40.1%;采用改进的OC/EC最小比值法计算得到的二次有机碳(SOC)浓度显示,秋季和冬季SOC较高,为7.45μg·m-3和7.28μg·m-3.后向轨迹的聚类分析表明,局地气流或偏南气流控制下的PM2.5中碳组分浓度较高.     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

重庆市主城区春夏季不同粒径颗粒物污染特征分析

采用多通道采样器,采集重庆市主城区PM1.0、PM2.5和PM103种粒径的颗粒物样品,结果显示采样期间PM1.0、PM2.5和PM10日浓度均值分别为0.057 mg/m3、0.075 mg/m3和0.120 mg/m3,主城区颗粒物污染较为严重。对3种粒径颗粒物样品中的碳组分、水溶性组分以及无机污染元素组分进行分析...     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。     

高山风景区居民区碳质气溶胶污染特征及来源

碳质气溶胶是大气颗粒物的重要组成部分，具有很强的环境和气候效应，是气溶胶科学研究领域的热点.为探究庐山风景区居民区PM_2.5中碳质组分的污染特征及来源，于2019年12月2日—2020年10月31日在庐山风景区居民区进行PM_2.5样品采集，并对其碳质组分有机碳(OC)和元素碳(EC)进行分析.结果表明，观测期间庐山风景区居民区PM_2.5的平均质量浓度为(46.45±18.64)μg·m^-3，其中OC和EC平均质量浓度分别是(4.08±1.61)μg·m^-3和(0.23±0.10)μg·m^-3，占PM_2.5总质量的8.78%和0.50%.且碳质颗粒的污染水平普遍低于城市地区，介于国内其他典型高山背景点之间.采用EC示踪法对PM_2.5中的二次有机碳(SOC)进行估算，发现采样期间SOC的平均浓度为(1.51±1.22)μg·m^-3，占OC的33.2%，表明SOC是PM_2.5...     

天津市夏季PM2.5中碳组分时空变化特征及来源解析

为研究天津市夏季PM_2.5中碳组分的时空变化特征及来源,于2019年7—8月设立2个点位分昼夜采集天津市PM_2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。结果表明,城区PM_2.5、OC和EC浓度日均值分别为(53.4±20.8)μg·m^-3、(8.72±2.56)μg·m^-3和(1.67±0.90)μg·m^-3,郊区PM_2.5、OC和EC浓度日均值分别为(54.2±24.5)μg·m^-3、(7.54±2.50)μg·m^-3和(1.82±1.06)μg·m^-3;白天PM_2.5、OC、EC的平均浓度分别为(47.3±16.1)μg·m^-3、(8.7±2.1)μg·m^-3和(1.5±0.6)μg·m^-3,夜间PM_2.5、OC、EC的平均浓度分别为(60.2±26.2)μg·m^-3、(7.5±2.9)μg·m^-3和(2.0±1.2)μg·m^-3。OC浓度表现为城区高于郊区,白天高于夜间;EC及PM_2.5浓度表现为郊区高于城区,夜间高于白天。OC/EC比值分析得,城区(6.04)高于郊区(5.08);白天(6.58)高于夜间(4.54)。城区OC与EC相关性弱于郊区,白天OC与EC相关性弱于夜间。采用EC示踪法与MRS模型对SOC含量进行估算,得到白天与夜间SOC浓度分别为(5.71±1.35)μg·m^-3和(3.81±1.20)μg·m^-3,白天SOC污染比夜间严重。丰度分析与主成分分析的结果表明,天津市夏季城郊区PM_2.5中碳组分均主要来源于燃煤和机动车尾气排放。     

2011年冬季天津PM2.5及其二次组分的污染特征分析

2011年11月—12月于天津城区和武清采集PM2.5样品,分析其中的二次水溶性无机离子(NH4+、NO3-和SO24-)、有机碳(OC)和元素碳(EC),估算二次成分浓度,并分析采样期间气象因素对一次持续重污染过程的影响.结果表明,天津地区冬季PM2.5污染严重、城区和武清PM2.5质量浓度平均值分别为166.9μg.m-3和180.0μg.m-3;城区样品中SO24-、NO3-和OC在PM2.5的比例依次为19.4%、16.7%和15.4%,武清样品中则为19.2%、15.5%和20.4%;二次组分占PM2.5质量浓度的47%(城区)和46%(武清),雾霾日二次组分含量明显高于非雾霾日;高湿和静小风等不利气象条件是造成PM2.5质量浓度持续增加以及二次组分浓度迅速升高的重要原因.     

西安市冬季重污染天PM_(2.5)高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2~3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越(499μg·m-3),这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

中国典型沿海城市冬季PM2.5中碳组分的污染特征及来源解析

为研究中国典型沿海城市冬季PM_2.5中碳组分的污染特征及来源,于2018年12月5日—2019年1月30日分别在天津(TJ)、上海(SH)和青岛(QD)同步采集PM_2.5样品。结果表明,天津、上海和青岛PM_2.5的平均浓度分别为(116.96±66.93)、(31.21±25.62)、(74.93±54.60)μg·m^-3,OC和EC的空间分布均为天津(18.69±7.95)μg·m^-3和(4.98±2.08)μg·m^-3>青岛(16.45±8.94)μg·m^-3和(2.01±1.04)μg·m^-3>上海(7.28±3.11)μg·m^-3和(1.05±1.25)μg·m^-3。3个站点的OC和EC均呈现较好的相关性,表明OC和EC具有相似的来源;OC/EC比值范围在2.37—7.53、5.47—46.41和4.77—13.36之间,证明各采样点均存在二次有机碳(SOC)的生成;采用最小R²法(MRS)估算SOC浓度,得到3个采样点SOC的平均质量浓度为(5.09±4.68)、(3.90±1.65)、(4.21±4.31)μg·m^-3,分别占OC总量的27.2%、55.8%和19.5%,其中上海的SOC在OC中的占比最大,说明上海二次有机碳污染较为严重,这主要归因于冬季严重污染源排放和有利的二次转化气象条件,而天津和青岛的碳组分主要来自污染源的直接排放。主成分分析(PCA)结果发现,天津PM_2.5中碳组分主要来源于道路尘、生物质燃烧和机动车尾气,上海PM_2.5中碳组分主要来源于生物质燃烧、道路扬尘和机动车尾气。青岛PM_2.5中碳组分主要来源于道路扬尘、机动车尾气。后向轨迹聚类分析表明,来自西北方向的气团对天津的影响较大,PM_2.5和碳组分的浓度值最大;而对上海而言,主要受北方气溶胶经过海面又传输回上海的气团的影响;青岛站点主要受华北地区污染物和本地排放源的影响。     

大气CO2浓度升高对农田土壤颗粒组成及其碳周转的影响

采集FACE(Free Air CO2 Enrichment)平台下运行3年的水稻(Oryza sativaL.)/小麦(Triticum aestivumL.)轮作土壤(0~15cm耕作层土壤),利用超声波分散-湿筛分法对烘干土样进行颗粒分级,分析土壤各粒级及其碳、氮的分布特征,研究大气CO2浓度升高对土壤碳周转的影响。结果表明:高浓度大气CO2条件下稻/麦轮作3年后,土壤颗粒组成较对照发生了改变,>53μm粒级的质量分数减小27%(p<0.05),约占土壤总质量20%;53~25μm粒级的质量分数增大35%(p<0.05),约占土壤总质量25%;<25μm无明显变化,约占土壤总质量55%,三种粒级之间质量分数呈显著差异(p<0.05)。FACE条件下,不同粒级土壤颗粒碳质量分数在两个氮水平下平均为:>53μm(30.60g·kg-1),<25μm(13.08g·kg-1),25~53μm(12.85g·kg-1),氮质量分数分别为2.42g·kg-1,1.33g·kg-1,1.12g·kg-1。>53μm粒级的土壤颗粒碳、氮质量分数均极显著高于其它两个粒级(p<0.001)。FACE条件下土壤总碳、氮质量分数高于对照,增幅分别为6.2%和6.7%。从各粒级土壤颗粒碳、氮质量分数变化分析,新增碳、氮主要进入>53μm粒级中,表明该粒级土壤颗粒对土壤碳氮循环(转化和保存)起着重要作用。该研究结果表明高浓度大气CO2条件下,稻/麦轮作农田土壤将成为大气CO2的汇,这将为预测我国未来农田土壤碳的变化趋势提供科学依据。     

北京市不同主干道绿地群落对大气PM_(2.5)浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明:(1)PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8:00~10:00的交通早高峰期间增加,而后开始下降,到12:00~14:00左右达到最低值,之后呈持续上升状态,直至晚高峰19:00浓度达一天中的最大值。(2)不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;(3)分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染(PM2.5100μg·m-3)环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染(101μg·m-3PM2.5200μg·m-3)的环境下,只有群落配置以乔木林为主且郁闭度较高的蓝靛厂桥南绿地对PM2.5具有消减作用;重度污染(PM2.5201μg·m-3)天气条件下3种绿地对PM2.5的消减作用均不明显。     

武汉市三类不同大气污染过程下大气污染物特征及潜在源区分析

为了探讨武汉市不同类型大气污染过程中大气污染物变化特征,分析对比了沙尘、秸秆燃烧和霾污染过程中大气污染物(SO2,NO2,CO,O3,PM2.5和PM10)的变化特征及其影响因素。使用HYSPLIT模式计算了不同类型污染过程中气团轨迹,并利用潜在源区贡献(potential source contribution function,PSCF)和浓度权重轨迹(concentration weighted trajectory,CWT)分析方法,揭示了武汉市不同类型污染过程中大气污染物的潜在源区分布及其贡献特性。结果表明,不同类型污染下大气污染物变化不同。沙尘天主要以PM10污染为主,平均浓度为408.8μg/m^3,是干净天的5.9倍,PM2.5/PM10仅为29%。霾过程中主要以PM2.5污染为主,平均浓度为182.8μg/m^3,是干净天的3.7倍,PM2.5/PM10为90.4%。秸秆燃烧过程中大气污染物浓度均不同程度地增加,其中PM2.5、PM10和SO2的浓度分别为100.2μg/m^3,155.4μg/m^3和23.7μg/m^3,是干净天的1.8倍,1.6倍和1.6倍。表明,不同类型污染下大气污染物的日变化不同,不同类型污染过程中大气污染物的潜在源区差异较大。沙尘期间大气污染物的主要潜在源区为安徽、河南南部、沙尘源区的内蒙古和甘肃等地区。霾过程中大气污染物的主要潜在源区为湖南东北部、湖北东部、安徽西南部、浙江西部、江西北部和河南南部。秸秆燃烧过程中大气污染物的主要潜在源区为安徽、江苏西南部和河南东南部。     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.     

北京市不同主干道绿地群落对大气PM2.5浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明：（1）PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8：00-10：00的交通早高峰期间增加,而后开始下降,到12：00-14：00左右达到最低值,之后呈持续上升状态,直至晚高峰19：00浓度达一天中的最大值。（2）不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;（3）分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染（PM2.5〈100μg·m-3）环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染（101μg·m-3201μg·m-3）天气条件下3种绿地对PM2.5的消减作用均不明显。     

杭州市大气PM_(2.5)中碳分布特征及来源分析

碳是城市空气中颗粒物的主要成分之一.PM2.5中的碳主要以有机碳(OC)和元素碳(EC)的形式存在.本文对杭州市大气中PM2.5颗粒物进行研究,探讨有机碳和元素碳的分布特征.     

我国四个大气背景点颗粒物浓度及其元素分布特征

选择全国由南至北的4个大气背景站(广东南岭、湖北神农架、山西庞泉沟和吉林长白山),于2013年分4个季度同步采集环境空气颗粒物PM10和PM2.5样品,采用微波消解电感耦合等离子体质谱法测定滤膜样品中60余种元素.结果表明,4个背景点PM2.5日均质量浓度平均值为17μg·m-3,PM10为29μg·m-3,低于《环境空气质量标准》(GB 3095—2012)规定的一级浓度限值.第一季度的PM10和PM2.5最高,除长白山第三季度高于第四季度之外,其他3个点位均呈现第二季度第四季度第三季度的趋势.PM2.5和PM10二者呈线性正相关,4个季度的PM2.5/PM10比值均小于0.5,第二、第三季度较高,而第一、第四季度较低.PM10和PM2.5中元素随季节变化不大,PM2.5含量在同一水平上低于PM10.Na、Mg、Al、S、K、Ca、Fe、Zn质量浓度在0.1—10μg·m-3之间,P、Ti、Mn、Ni、Cu、Ba、Pb质量浓度在10—100 ng·m-3之间,Cd、Co、Ge、Ga、Zr、Sr、V等质量浓度在0.01—10 ng·m-3之间.K、Al、Ca含量大于10%,S、Mg、Na、Fe、Zn、Pb、Mn含量大于1%,Cu、P、Ba、Ti量介于0.5%—1%,其他痕量元素含量所占比例小于0.5%.     

唐山市多环芳烃富集PM2.5的来源识别与健康风险评价

河北省唐山市是中国污染最严重、工业排放量大的城市之一。制定有效的空气污染减排政策需要了解富含多环芳烃（PAHs）的细颗粒物（PM2.5）的来源和健康风险。在此，我们调查了唐山市2014~2015年16种优先PAHs富集PM2.5的季节变化和来源分配，并评估了吸入PAHs的健康风险。本研究于2014年4月~2015年2月采集PM2.5样品，并分析了PM2.5和PAHs富集PM2.5的浓度，利用主成分分析（PCA）和分子诊断比（DRs）识别潜在的来源，讨论了PAHs分布与气象条件的关系，并采用一个递增的终生癌症风险（ILCR）模型定量评估吸入PAHs的风险。结果显示，PM2.5的平均质量浓度为196 μg/m3，范围为34.0~586 μg/m3。PM2.5∑16PAHs中位值为190 ng/m3，采样期间为60.2～862 ng/m3。16种PAHs浓度的大小顺序为冬>秋>夏>春。结果表明，PAHs富集PM2.5的主要来源是燃煤、汽车尾气和生物质燃烧。苯并吡喃（BaP）的年平均值为8.37 ng/m3，是中国国家环保总局BaP年标准（1 ng/m3）的8倍多。三组（儿童、青少年、成人）四季的ILCR值在10-6～10-4之间，这表明唐山市可能存在PAHs引发的健康风险。     

遂宁市大气细颗粒物污染现状及成因

通过研究遂宁市环境空气质量变化趋势、城区空气颗粒物组成及浓度变化,系统分析了遂宁市雾霾天气的污染状况及成因,并横向比较了四川省内各城市的空气质量.研究结果表明,细颗粒物(PM2.5)是遂宁市环境空气中的主要污染物.2012年遂宁市大气中PM2.5浓度值为35—119μg·m-3,平均值为68μg·m-3.2013年1—4月,PM2.5浓度值为21—120μg·m-3,达标率不到50%.尤其在2013年3月,PM2.5/PM10由62.0%—87.2%降低为45.3%.由此判断遂宁市环境空气质量主要受细颗粒物类型、气象条件以及大气污染物长距离迁移等因素影响,其中细颗粒物的最主要来源为机动车尾气排放,并提出了细颗粒物污染防治的对策措施.     

江西兴国县农田土壤固碳潜力20a变化研究

通过GIS技术,采集38个农田土壤样品,研究了江西兴国县农田土壤有机碳变化量的空间分布特征.结果表明,20a来,兴国县农田土壤中土壤有机碳增加的面积为621.3km2,减少的面积为38.4km2,增幅主要在0~5g/kg和5~10g/kg;千枚岩、花岗岩、红砂岩、第四纪红粘土和紫色砂页岩发育的土壤中有机碳变化量分布的面积分别为361.7km2、144.7km2、76.5km2、48.7km2和18.0km2,海拔在300m以下、300~500m、500~800m和800m以上的土壤中有机碳变化量分布的面积分别为358.9km2、200.2km2、62.9km2、28.0km2.多元回归分析显示,20a来土壤有机碳变化量和初始含量呈负相关关系,土壤有机碳变化量和海拔、粘粒含量呈正相关关系.图1表2参15