乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

华北南部重污染城市周边区域二次气溶胶的化学特征及来源解析

为探究华北南部地区重污染城市邯郸市北部地区冬季大气颗粒物的化学组分及来源,于2020年11月23日至12月12日采集了 PM1 和PM2.5样品并进行了分析.观测期间日平均ρ(PM1)和ρ(PM2.5)分别为114.53 μg·m-3和124.25μg·m-3,PM1/PM2.5比值的变化范围为83.3％～95.3％,...     

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。     

应用受体模型(CMB)对北京市大气PM_(2.5)来源的解析研究

为研究影响北京市大气环境PM2.5污染水平的主要来源,于2012年8月—2013年7月,依托北京市大气地面观测网络在10个监测点采集的491 d(次)大气PM2.5有效样本,对其化学组分进行了测试分析;从城市大气污染源组成出发,建立和完善了5类固定点源、2类流动源、4类无组织面源的PM2.5排放成分谱.应用受体模型(CMB)开展了来源解析研究.结果显示:1观测期间大气环境PM2.5的来源主要包括:一次来源机动车(16%)、燃煤(15%)、土壤尘(6%)、二次硫酸铵和硝酸铵(36%),以及有机物(20%)和其他未识别来源(7%);与历史解析结果相比,燃煤源分担率有所下降,二次无机盐与有机物分担率上升,且二次硝酸盐有赶超二次硫酸盐之势;2从主要组分的来源看,观测期间环境大气PM2.5中近25%的硫酸盐来自于燃煤锅炉和电厂排放,17%的有机物来自机动车排放;3北京市PM2.5来源类型大致相同,但各点位PM2.5来源种类和分担率具有一定差异,对一些排放量较大的局地排放源有比较明确的响应.研究表明,开展区域性PM2.5治理、大力削减前体物、严格控制本地机动车、燃煤等PM2.5排放都是改善北京市空气质量的重要途径.     

上海宝山区PM_(2.5)特征研究与源解析研究

利用2011年8月-2012年7月环保局(对照点)和钢研所(工业区)两个监测点的PM2.5的24小时连续监测数据,分析了上海市宝山区大气中PM2.5的浓度时空变化特征。并以四次灰霾事件为例解析了灰霾期间大气颗粒水溶性离子特征,以及灰霾期间PM2.5源特征。PM2.5中水溶性无机离子是以二次离子为主,因此,二次离子的污染水平可反映PM2.5的污染程度,是主要影响灰霾天气产生的物质。灰霾期间大气条件有利于二次离子的大量形成,更进一步加重大气细粒子的污染。而且,宝山地区大气细粒子污染具有受本地流动源和固定源双重排放控制的特征。     

濮阳市秋冬季大气细颗粒物污染特征及来源解析

濮阳市作为京津冀周边地区大气污染传输通道城市之一,秋冬季重污染天气频发,空气污染问题严峻.为了研究濮阳市秋冬季大气细颗粒物污染特征及其主要来源,于2017年10月15日至2018年1月13日在濮阳市3个国控点对PM_(2.5)进行了手工膜采样与化学组分分析,并结合PMF受体模型,开展了细颗粒物来源解析研究.结果表明,濮阳市2017年秋冬季PM_(2.5)平均质量浓度为94. 16μg·m~(-3),濮水河管理处的污染状况最严重,进入采暖季后3站点均表现为重度及严重污染事件频发,轻度污染发生频率降低,重污染发生时NO_2与CO浓度升高明显. PM_(2.5)中的主要组分为水溶性离子(52. 33%)、碳质组分(25. 32%)和地壳元素(0. 08%),NO_3~-的含量高而SO_4~(2-)的浓度水平较低.重污染发生时,PM_(2.5)中水溶性离子、OC、EC和K浓度都出现了明显的升高,而地壳元素浓度降低.采样期间濮阳市的硫氮转化率水平较高,大气氧化性较强,硫氮转化促进了重污染的发生.濮阳市2017年NOx、CO和VOCs排放量较高,来源解析结果表明,濮阳市秋冬季PM_(2.5)主要来源分别为二次无机盐(37%)、工业源(16%)、二次有机气溶胶SOA(14%)、生物质燃烧源(12%)、移动源(9%)、燃煤源(7%)和扬尘源(4%).可见,二次转化在濮阳重污染的形成过程中起到重要作用,要减轻大气细颗粒物污染,需要重点控制工业源、生物质燃烧、移动源和民用散煤燃烧的排放.     

宁波市春节期间水溶性离子污染来源和特征分析

利用在线气体及气溶胶检测系统对宁波市春节期间痕量气体和水溶性离子组分进行观测,结合气象要素,分析研究细颗粒物中水溶性离子污染来源和组分特征.观测期间ρ(PM2.5)平均值为33.1 μg·m-3,存在轻度污染.水溶性离子浓度大小排序为:NO3-＞SO42-＞NH4+＞K+＞Cl-＞Na+＞Ca2+＞Mg2+,二次无机离...     

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

宁波市冬季PM_(2.5)污染特征与来源解析

为了了解宁波市大气中PM2.5污染特征及来源,于2012年冬季在宁波5个环境受体点采集PM2.5样品,分析它们的质量浓度及多种无机元素、水溶性离子、金属元素和碳等组分的含量,并使用PMF模型对宁波市PM2.5来源进行了解析。结果表明:宁波冬季PM2.5浓度较高,5个点位PM2.5中主要化学组分均为有机物、SO42-、NO3-、NH4+和元素碳,约占PM2.5总质量浓度78.2%~92.4%。对宁波市PM2.5有重要贡献的源类分别为钢铁冶炼源、混合扬尘源、生物质燃烧源、二次硝酸盐、高氯源、机动车排放源、重油燃烧源和二次硫酸盐,其分担率分别为5.6%、3.3%、3.2%、28.8%、6.8%、22.2%、0.7%和29.4%。     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

昆明市冬季大气气溶胶外来源的化学组成

外来输入是城市大气颗粒物的主要来源之一,外来源气溶胶理化特征研究是理解其对城市大气颗粒物影响的前提和基础.本研究分析了昆明市冬季典型天气下主城区上风向大气PM2.5(空气动力学直径小于2.5μm)的化学组分(包括元素、水溶性离子和碳组分)特征,结合气象要素筛选,获得了昆明市外来输入气溶胶的化学组成.昆明市外来源气溶胶P...     

北京城郊冬季一次大气重污染过程颗粒物的污染特征

本研究分析了北京冬季一次大气重污染过程的颗粒物污染特征,通过数学统计方法分析了其形成的可能原因.观测于2013年1月24—31日进行,在西三环城区和大兴郊区使用中流量大气颗粒物采样器采集可吸入颗粒物(PM10)和细颗粒物(PM2.5),并采用离子色谱和元素碳/有机碳分析仪分析了PM2.5上的水溶性离子、元素碳和有机碳浓度.结果表明,本次重污染天气的大气日均能见度低于3.0 km.PM10和PM2.5质量浓度日均最大值分别为675.5和453.4μg·m-3,平均质量浓度为349.2和260.8μg·m-3,超过环境空气质量标准(GB3095—2012)所规定的二级浓度限值.通过比较PM2.5上化学成分的浓度发现,在城区和郊区,此次天气形成的共同污染源为冬季燃煤燃烧、汽车尾气排放和二次有机气溶胶污染;而土壤/沙尘对郊区污染天气的形成有部分贡献.大气中PM2.5质量浓度与能见度呈对数负相关关系.     

成都市无车日期间PM_(2.5)污染特征研究

2013年9月20-24日,通过采集成都市无车日前后禁行区域内PM2.5样品,分析样品中主要的可溶性无机离子、碳组分和金属元素,研究无车日期间PM2.5污染特征变化并评估机动车尾气排放对成都市大气污染的影响。结果表明:在无车日期间,可溶性无机离子中二次离子NO3-、SO42-、NH4+的含量分别下降了29.2%、21.6%、20.5%;有车日期间,OC/EC的平均比值为2.64,而无车日OC/EC比值为1.95,表明减少机动车尾气排放有助于减少二次有机碳的转化;PM2.5中Pb、Cs、Ni、Cu、Zn、Cr、As富集因子大,主要来源于人为污染;Pb、Cu和Zn主要来源于机动车,无车日质量浓度分别下降3.7%、16.3%和19.4%。机动车对PM2.5中的二次离子(NO3-、SO42-、NH4+)、碳组分和重金属(Pb、Cu、Zn)均有较大贡献。因子分析表明,机动车排放源对成都市大气污染物细颗粒物PM2.5贡献量达25.8%。     

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.     

珠江三角洲地区亚运期间颗粒物污染特征

为研究2010年广州亚运会期间珠江三角洲地区颗粒物污染特征,2010年11月11日—30日分别在广州市区城市点及下风向鹤山区域点采集24h颗粒物样品,对其主要化学组分(有机碳OC、元素碳EC和水溶性离子)进行测量.结果显示,观测期间广州和鹤山PM2.5平均质量浓度分别为(73.3±16.5)μg·m-3和(98.2±20.8)μg·m-3.鹤山PM10平均浓度高达131.6μg·m-3,且PM2.5占PM10的74%,表明区域PM2.5污染凸显.广州和鹤山PM2.5中二次无机离子(SNA)分别占39%和42%,有机物(OM)分别占31%和26%,EC分别占5%和6%.根据EC示踪法粗略估算,广州和鹤山PM2.5中一次有机碳POC分别占15%和13%,二次有机碳SOC分别占4%和3%.总体上,广州和鹤山PM2.5中二次生成(SNA+SOA)均约占50%,表明珠江三角洲地区PM2.5区域性二次污染的特征.广州市区PM2.5及SNA、Cl-和EC明显低于区域点鹤山浓度水平;与2004年同期研究(PRIDE-PRD2004)结果相比,气象条件相似,而广州市区PM2.5及EC浓度分别显著降低达29.6μg·m-3(29%)和3.5μg·m-3(49%),反映出亚运期间一次排放得到有效控制.     

北京市PM2.5水溶性有机物污染特征

用离子色谱技术对北京市2001~2002年大气PM2.5中7种水溶性有机物(WSOC)(甲酸、乙酸、甲磺酸、乙二酸、丙二酸、丁二酸、戊二酸)及12种无机离子(F-、Cl-、NO2-、NO3-、SO32-、SO42-、PO43-、Na 、NH4 、K 、Mg2 、Ca2 )的污染水平进行了同步测定.结果表明,SO42-、NO3-及NH4 为PM2.5中主要的水溶性物种,分别占PM2.5质量的10.6%、7.4%和5.7%;7种WSOC的浓度为0.011~0.118靏/m3,占PM2.5质量浓度的0.01%~0.1%,其中浓度最高的为乙二酸,其次为乙酸、丙二酸、丁二酸等;对PM2.5各化学组分浓度的季节变化特征的分析表明,PM2.5及OC的高浓度污染均出现在冬季采暖期,而WSOC则出现在夏季;对乙二酸与其他各组分进行相关性分析表明,乙二酸与SO42-、K 、NH4 、NO3-有较强的线性相关性(r=0.83,0.57,0.49,0.33),而与Cl-、Na 、Mg2 、Ca2 、EC、OC相关性较差(r=0.24, 0.22,0.12,0.05,0.13,0.10).由乙二酸季节变化特征及与其他物种相关性等特征初步推断,北京市PM2.5二元羧酸的主要来源为光化学反应而形成的二次污染物,而非来源于机动车、海盐或土壤的一次排放.     

2018年冬季淄博市一次沙尘天气颗粒物污染特征研究

2018年11月底淄博市经历了一次沙尘影响下的大气重污染过程,为研究此次重污染过程形成机制,分析了淄博市ρ(PM₁₀)和ρ(PM_2.5)及PM_2.5化学组分特征,并利用PMF模型和后向轨迹模型对颗粒物的来源进行研究.结果表明:①污染期间,ρ(PM₁₀)和ρ(PM_2.5)小时平均值分别为(259±111)和(133±51)μg/m3,分别是污染后ρ(PM₁₀)〔(88±38)μg/m3〕和ρ(PM_2.5)〔(36±14)μg/m3〕的2.9和3.7倍.②受沙尘的影响,Ca2+、Mg2+、Al、Mg、Ca、Si等代表沙尘源的离子和元素组分的质量浓度在PM_2.5中占比均高于污染后.③ 72 h后向轨迹结果表明,除受西北方向沙尘传输气流影响外,局地盘旋的当地气流也增加了污染物的累积,此次大气污染过程是本地污染物累积及西北沙尘传输共同作用形成的.④ PMF模型解析表明,污染期间扬尘源是PM_2.5的首要贡献源类,贡献率达33.61%,说明沙尘过境对此次污染过程有较大贡献;污染后工业源贡献显著增高,成为主要污染源,贡献率为22.71%,体现了淄博市是重工业城市的特点.研究显示,淄博市此次重污染过程颗粒物来源复杂,除受本地区域污染影响外,外来沙尘过境贡献也较大.      

2013年12月初长江三角洲及周边地区重霾污染的数值模拟

运用WRF-CMAQ模型模拟了2013年12月1~9日长江三角洲及周边地区的一次重霾污染过程.初步探究灰霾天气下大气细颗粒物(PM2.5)的时空分布特征和区域输送过程,并定量研究了外部源区域输送和本地源对长江三角洲地区PM2.5的贡献.结果表明:模式能够合理再现灰霾天气下长江三角洲及周边地区PM2.5的时空分布特征和演变规律.静稳天气下大气细颗粒物仍然存在着显著的区域输送.污染期间来自安徽、山东南部、苏北地区的跨界输送对长江三角洲区域PM2.5的贡献率分别为3.5%~24.9%、0.14%~30.0%、0.03%~17.5%.整个污染期间本地贡献占49%左右,本地贡献和外地贡献基本相当.     

冬季北京城区大气重污染特征分析

为研究北京市城区大气重污染特征,对2013年12月~2014年2月期间北京市6次大气重污染过程的PM2.5浓度水平、化学组成以及大气氧化性和气象要素特征进行了分析。结果表明,重污染日PM2.5平均质量浓度达到265.0μg/m3,是非重污染日的3.5倍。 PM2.5组分中NO3-,SO42-,NH4+和有机碳(OC)在重污染日的平均浓度分别是非重污染日的6.8,3.4,2.7和2.6倍。前3次过程中SO42-浓度最高,后3次过程中SO42-浓度与NO3-浓度接近。从气象要素来看,重污染期间的基本特征为地面温度升高、相对湿度增大、地面气压降低和风速减小。重污染日的能见度显著降低,平均能见度仅为非重污染日的34.4%。重污染日的大气氧化性明显增强,大气氧化剂OX平均浓度是非重污染日的1.5倍,(OC)/(EC)平均比值是非重污染日的1.6倍。