沈阳市大气PM2.5中水溶性离子的季节变化特征

为研究沈阳市大气中PM2.5及其水溶性离子的污染特征、季节差异和来源情况,使用URG-9000D在线监测系统对沈阳市2019年大气颗粒物进行连续的采样分析,并利用正交矩阵因子分析法(PMF)进行污染物的来源解析.结果 表明,2019年沈阳市秋冬季节PM2.5质量浓度变化受相对湿度影响较大,冬季PM2.5平均质量浓度达到85.76 μg·m-3,细粒子污染较为严重.沈阳市大气PM2.5中SNA(SO42-、NO3和NH4+)所占比重表现为春季最高秋季最低;夏季SO42-和NH4+浓度较高,而NO3-浓度较低.SO42-在夏季呈单峰型日变化,与NO3-变化趋势相反.春夏秋三季NH4+与SO42-、NO3-主要结合为(NH4)2SO4和NH4NO3,冬季NH4+主要以(NH4)2SO4和NH4HSO4的形式存在.沈阳市存在较强的SO2和NOx二次转化现象,且各季节中SO2的转化率均高于NO2.PMF源解析结果表明,二次源对沈阳市大气污染贡献最大,夏秋季生物质燃烧和冬季燃煤源贡献同样不可忽视.     

滨海城市不同粒径大气颗粒物中水溶性离子的分布特征

选取东南滨海城市厦门的城区（厦门大学,仙岳小区）、郊区（集美大学城）、工业区（鹭联宾馆）和背景区（汀溪水库）5个站点为研究对象,于2008年10月至2009年9月对厦门市大气PM2.5、PM2.5-10和PM10-100分4个季节进行了采集工作,用离子色谱对其中的水溶性离子进行测定。研究结果表明,厦门市不同粒径颗粒物中水溶性离子具有明显的时空分布特征,且主要以富集在细颗粒物（PM2.5）上为主。SO42-、NO3-和NH4＋是PM2.5中主要的水溶性离子,占PM2.5中水溶性离子总质量浓度的64.59%～93.17%。PM2.5-10和PM10-100的水溶性离子则以Na＋、C1-和Ca2＋这些粒径较大的颗粒为主。滨海城市厦门PM2.5、PM10和TSP的SO2转化率（SOR）和NO2的转化率（NOR）年平均值分别为：0.35、0.39、0.41和0.04、0.08、0.09,较高的SOR和相对较低的NOR比值均说明厦门存在来自于SO2和NO2转化的二次污染物SO42-和NO3-。     

京津冀冬季与夏季PM_(2.5)/PM_(10)及其水溶性离子组分区域性污染特征分析

为研究京津冀地区冬、夏两季大气颗粒物质量浓度与水溶性离子组成特征,于2013年2月、7月对北京、天津、石家庄及4个国家大气背景点进行了PM2.5及PM10的采样,分析了质量浓度及9种水溶性离子,结果表明:(1)京津冀地区颗粒物污染冬季重于夏季,冬季污染水平石家庄天津北京,夏季污染天津、北京石家庄,区域内PM2.5与PM10之间有很好的相关性,相关系数r冬季为0.8796,夏季为0.8424,说明整个区域颗粒物污染有较为相近的来源,大气颗粒物污染表现出区域性特征;(2)京津冀地区PM2.5及PM10中的9种水溶性离子浓度规律为NO-3、SO2-4、NH+4Cl-、Ca2+K+、Na+F-、Mg2+.该地区水溶性离子污染冬季最重为石家庄,夏季则为北京;(3)在京津冀地区二次离子NO-3、SO2-4、NH+4是主要的污染离子,3种离子质量浓度总和在PM2.5、PM10中冬季分别占48.9%、27.8%,夏季分别占58.7%、48.5%.二次离子主要集中在PM2.5中,其对细离子浓度的升高起到直接作用,且二次离子的构成关系也在发生变化.整个区域向硝酸型污染转变,二次离子的季节分布也呈现区域特征,冬季NO-3离子质量浓度比重最大.夏季则为SO2-4;(4)粒径越小富集水溶性离子的能力越强,在PM1中分布了50%以上的水溶性离子,73.9%—94.8%的水溶性离子分布在PM2.5中.     

北京市大气PM_(2.5)中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京市大气PM2.5中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京市大气PM_（2.5）中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节（春季）郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

江苏沿江城市PM10和PM2.5中水溶性离子特征及来源分析

2012年3月和6月在江苏沿江七市(镇江、常州、无锡、苏州、扬州、泰州和南通)采集空气中PM10和PM2.5样品,运用离子色谱法,分析无机水溶性离子成分,并对其组成、相关性、结合形式和来源解析等方面进行研究.结果表明,春季苏南四市PM10和PM2.5质量浓度低于苏中三市,夏季反之;水溶性离子在PM2.5中所占的比例一般高于PM10,SO2-4、NO-3、NH+4是颗粒物中水溶性离子的主要成分,占总量的80%左右.PM10和PM2.5中的SO2-4和NO-3、NH+4和SO2-4、NO-3之间均具有较好的相关性;PM10中Ca2+和Mg2+显著相关,细粒子中相关性较小.NH+4和SO2-4、NO-3主要以(NH4)2SO4和NH4NO3存在于可吸入颗粒物中.春夏两季,江苏沿江城市PM10和PM2.5中的SOR均大于NOR,SO2在大气中的转化率比NOx的转化率要高;苏南地区PM10和PM2.5中的SOR和NOR高于苏中地区.运用[NO-3]/[SO2-4]的比值法研究颗粒物污染来源,表明春季的污染源主要为流动源,夏季为固定源.运用因子分析法分析颗粒物来源,燃煤、交通运输、生物质燃烧、土壤和建筑地表扬尘是春夏两季江苏沿江城市可吸入颗粒物的主要污染源.     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

中国主要大气污染物的时空分布特征研究

应用统计学和GIS对2014年3月─2015年2月期间190个监测城市的NO2、PM10、PM2.5和SO2的监测数据进行时空特征分布分析,结果表明,中国大气污染主要来源于采暖排放、机动车排放、工业排放与风沙天气。各污染物呈明显的区域性分布。污染物浓度总体趋势是北方地区高于南方地区。河北南部以及山东东部等重工业密集且人口密度大的地区污染较为严重。而中西部及东南部等工业发展相对落后人口较为稀少的地区污染较轻。PM10污染呈明显的季节变化,采暖期PM10主要来源于燃煤排放和机动车尾气排放,非采暖期受风沙天气影响显著,且在春、秋的风沙时期保持较高的值。采暖期PM2.5、SO2和NO2的浓度上升明显,其中SO2受到采暖期的影响最为显著。NO2主要来源于工业排放以及汽车尾气排放,因而工业布局密集且交通发达的城市污染较为严重。采暖期与非采暖期NO2、PM10、PM2.5和SO2的浓度对比变化显著,采暖期燃煤对空气质量的影响巨大。     

西安市春季大气细粒子的质量浓度及其水溶性组分的特征

为了探讨西安市春季大气细粒污染物的污染水平及水溶性组分的特征及来源,2005年3—5月对西安大气PM2.5进行了观测,并应用离子色谱对其中的水溶性组分进行了分析。结果显示,西安市春季大气PM2.5的质量浓度为159.9μg·m-3。分析的11种阴阳离子(Na 、NH4 、K 、Mg2 、Ca2 、F-、Cl-、Br-、NO2-、NO3-和SO42-)质量浓度占PM2.5的30%,表明水溶性组分是大气细粒子的主要组成之一。NH4 、SO42-和NO3-为水溶性离子的主要组分,其平均质量浓度分别为6.6、20.1和7.6μg·m-3,在总水溶性离子中的百分比分别为12.4%、47.4%和16.9%,SO42-和NO3-质量浓度与能见度有较好的负相关性,表明细粒子中二次气溶胶组分对能见度有显著的影响。阴阳离子的平衡和pH值的测定结果显示,西安市大气细粒子污染物为弱酸性。离子间的相关性分析揭示水溶性离子在颗粒物中主要结合方式为(NH4)2SO4、NH4HSO4、NH4NO3、KHSO4和K2SO4。Mg2 和Ca2 的相关性也较好,其摩尔比率为0.07,小于中国北方沙漠和黄土的平均值(0.15),揭示二次扬尘和建筑扬尘等过程对Ca2 的质量浓度影响较大。计算的NO3-/SO42-质量浓度比值的均值为0.38,说明固定排放源(燃煤)对细粒子中水溶性组分的贡献大于移动排放源(机动车)。     

PM10中重金属的提取方法及生物可利用性研究

分别运用模拟生物提取法与化学连续提取法对PM10标准参考样品城市源（NIST-1648A）和工业源（BCR-038）中6种重金属（Cd、Co、Cu、Mn、Ni、Pb）质量分数及赋存形态进行分析。其目标是验证2种提取大气固体颗粒物中重金属方法的有效性,并比较2种方法的优缺点,为将来提取PM10中重金属的方法选取提供依据。模拟生物提取法中,使用Gamble溶液模拟人体肺液对 PM10样品进行溶解,实验方法操作较为简单快捷;化学连续提取法中,不同溶解步骤则可确定重金属的不同赋存形态。在需要快速确定 PM10中某种重金属总量时,应优先使用模拟生物提取法。化学连续提取结果表明,城市源PM10中重金属赋存形态分布没有统一规律,工业源PM10中重金属多以残渣态存在。通过对2种来源的PM10样品中重金属生物可利用性分析,城市源的大气颗粒物对人体的毒性更大,其中标准参考样品城市源 PM10中生物可利用性较高的是重金属Cd（BIBio为61.65%±3.45%;BISE为69.02%±3.82%）和Cu,最低的是重金属Co和Pb;标准参考样品工业源PM10中重金属的生物可利用性最高的是Cd（BIBio为27.66%±1.52%;BISE为15.05%±2.13%）,而Ni、Co和Pb的生物可利用性较低。     

PM_(10)中重金属的提取方法及生物可利用性研究

分别运用模拟生物提取法与化学连续提取法对PM10标准参考样品城市源(NIST-1648A)和工业源(BCR-038)中6种重金属(Cd、Co、Cu、Mn、Ni、Pb)质量分数及赋存形态进行分析。其目标是验证2种提取大气固体颗粒物中重金属方法的有效性,并比较2种方法的优缺点,为将来提取PM10中重金属的方法选取提供依据。模拟生物提取法中,使用Gamble溶液模拟人体肺液对PM10样品进行溶解,实验方法操作较为简单快捷;化学连续提取法中,不同溶解步骤则可确定重金属的不同赋存形态。在需要快速确定PM10中某种重金属总量时,应优先使用模拟生物提取法。化学连续提取结果表明,城市源PM10中重金属赋存形态分布没有统一规律,工业源PM10中重金属多以残渣态存在。通过对2种来源的PM10样品中重金属生物可利用性分析,城市源的大气颗粒物对人体的毒性更大,其中标准参考样品城市源PM10中生物可利用性较高的是重金属Cd(BIBio为61.65%±3.45%;BISE为69.02%±3.82%)和Cu,最低的是重金属Co和Pb;标准参考样品工业源PM10中重金属的生物可利用性最高的是Cd(BIBio为27.66%±1.52%;BISE为15.05%±2.13%),而Ni、Co和Pb的生物可利用性较低。     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

我国4个大气背景点环境空气颗粒物(PM_(2.5)、PM_(10))中水溶性离子分布特征

为研究国家大气背景点颗粒物质量浓度与水溶性离子组成特征,于2013年2月、7月、9月、12月分别对4个国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子(F-、Cl-、NO-3、SO2-4、Na+、NH+4、K+、Mg2+、Ca2+)质量浓度,结果表明:(1)可吸入颗粒物浓度水平一、二季度重于三、四季度,PM2.5、PM10年均值分别为17μg·m-3、32μg·m-3,与其他主要国家和地区背景区域浓度相当,背景点大气状况良好;(2)PM2.5中水溶性离子比重全年波动不大,为35.5%—42.2%,浓度排序为SO2-4、NH+4、NO-3Ca2+、Cl-、K+、Na+F-、Mg2+,第一季度PM10中Ca2+浓度显著升高,控制风沙尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季节的浓度分布规律与颗粒物浓度类似,一季度较高,三、四季度较低;(3)二次离子是背景点区域的主要水溶性离子,浓度值与其他主要国家和地区相当.NO-3、SO2-4的物质的量浓度与NH+4存在显著相关性,相关系数r为0.7539,斜率小于1,水溶性离子中酸性离子的量比铵根离子略占优势,对气溶胶酸度产生重要贡献.     

基于PLS1的哈尔滨市PM_(2.5)与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份(共31 d)市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO与PM2.5质量浓度显著性相关,O3与PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

公路两侧大气颗粒物中的重金属污染特征及其影响因素

选择昌九高速公路(赣粤高速公路南昌至九江段)、昌樟高速公路(赣粤高速公路南昌至樟树段)为研究对象,采集了公路两侧10μm相似文献   

青年奥林匹克运动会期间南京市主要大气污染物浓度变化与分析

为了解青年奥林匹克运动会期间南京市主要大气污染物浓度变化趋势,通过南京空气质量发布系统实时监测的数据,对青奥会举办前(2014年8月3日—16日)、举办期间(2014年8月17日—28日)以及举办之后(2014年8月29日—9月9日)南京市主要大气污染物浓度变化特征进行比较分析,结果表明,青奥会前的14 d南京市PM2.5、PM10、SO2、NO2、O3浓度均值为51.6、72.2、13.5、33.1、41.7μg·m-3,青奥会期间各浓度均值为37.9、49.1、12.4、36.5、38.8μg·m-3,大气污染物浓度下降显著;而在青奥会之后,随着减排措施的取消,南京市大气污染物浓度均呈现反弹上升的趋势,各浓度均值依次为56.1、79.6、15.3、38.5、58.6μg·m-3.不同时段,PM2.5、PM10、SO2和O3浓度变化特征相似,均为青奥会之后青奥会之前青奥会期间,而NO2为青奥会之后青奥会期间青奥会之前.PM2.5、PM10、SO2、NO2日变化呈现双峰型,O3呈现单峰型的特点.     

郑州市道路网络结构特征对大气颗粒物污染的影响及尺度效应

交通排放是大气颗粒物(PM)污染主要来源之一,从道路网络空间结构探究大气颗粒物污染缓解途径,对治理城市空气污染具有重要意义。该研究数据来源于郑州市GF-2遥感影像及建成区8个空气质量监测点(AQMS)的日监测数据。以AQMS为中心建立1 km×1 km(Scale1)-6 km×6 km(Scale6)空间尺度的样方,运用主成分分析法和线性混合效应模型,探讨不同空间尺度下影响PM10、PM2.5质量浓度的关键性路网结构特征,为郑州市路网结构规划和空气污染治理提供科学依据。结果表明,(1)郑州市建成区各监测点的颗粒物质量浓度及变异性都有冬高夏低的特征。(2)郑州市路网结构对PM10质量浓度的影响程度高于PM2.5。(3)主干道面积占比与PM10在Scale1、Scale3-Scale5尺度正相关,与PM2.5仅在Scale5正相关;总道路及次干道面积占比与PM10在Scale2-Scale6均正相关,但与PM2.5仅在Scale5、Scale6尺度正相关。在Scale5的空间尺度下控制总道路及次干道面积占比、减少主干道面积占比,可以有效缓解PM10、PM2.5的污染。(4)路网连通复杂度在Scale2与PM10负相关,在Scale2尺度提升路网环通复杂度可以促进PM10污染的有效缓解。(5)节点与廊道数量水平在Scale1、Scale2与PM10负相关,在Scale1、Scale5与PM2.5负相关。通过在Scale1尺度提升节点与廊道数量水平可以同时有效缓解PM10、PM2.5污染。     

大气PM_（2.5）在线监测仪对SO_4~（2-）、NO_3~-和NH_4~＋的测定评价

通过两套大气细颗粒物（PM2.5）水溶性离子在线监测仪与蜂巢式固气分离器膜采样系统作对比,评估了在线监测仪器对主要水溶性组分SO24-、NO3-和NH4＋的测定结果.美国URG公司生产的在线连续监测分析系统（AIM URG-9000B）对NH4＋和NO3-的监测结果较好,但对SO24-的测定结果存在明显高估,其原因是AIM的平板溶蚀器系统无法完全去除大气中高浓度SO2,从而对SO24-的测定结果有干扰.为解决这一问题,进行了一系列实验,结果表明采用两个溶蚀器串联并用5 mmol.L-1H2O2＋5 mmol.L-1NaOH混合溶液作吸收液时,高浓度的SO2（甚至达到260μg.m-3）可以被完全吸收而对SO24-的测定结果不产生影响.由荷兰能源研究所（ECN）、Metrohm和Applikon共同研制的在线气体组分及气溶胶监测系统（MARGA,ADI2080）对NH4＋和SO24-的监测结果较好,可以满足实验要求;但NO3-的测定结果偏高,其准确性需作进一步评估.新型监测仪器在不同大气环境中投入使用前需进行对比测试,以确定其准确性和精确性.     

石家庄冬季道路积尘水溶性离子污染特征及来源分析

为了解石家庄市城市道路积尘水溶性离子组分特征及来源,于2015年冬季使用移动采样法收集城市道路积尘样品,经离子色谱仪分析其水溶性离子组分,用相关性分析和比值分析法解析其污染特征,用主成分分析法初步推断其主要来源.结果表明,10种水溶性离子(Na+、NH+4、K+、Mg2+、Ca2+、F-、Cl-、NO-2、NO-3、SO2-4)占道路积尘PM2.5的15.31%、PM10的11.15%,Ca2+和SO2-4的百分含量在PM2.5和PM10中均大于1%;其中Ca2+在10种离子中所占比例最高、SO2-4次之,PM2.5和PM10中NO-3/SO2-4分别为0.24和0.18;颗粒物总体偏碱性,且PM2.5较PM10碱性更强;推测其来源于机动车排放、大气中燃煤、生物质燃烧和建筑尘的沉降及绿化带尘土.