石家庄市大气颗粒物元素组分特征分析

为研究石家庄市大气颗粒物的污染特征及其来源,于2013年4—5月在主城6区分别采集TSP、PM10和PM2.5颗粒物样品,利用ICP-MS分析其中的22种元素浓度。结果表明,石家庄市城区Ca、Fe元素在各粒径颗粒物中含量都较高,PM2.5中的S、K含量较高,PM10和TSP中Mg、Al的浓度相对较高。颗粒物的主要来源为燃煤尘、道路尘和建筑尘,TSP、PM10和PM2.5具有较好的统计相关性和同源性。     

贵阳市夏季大气颗粒物及多环芳烃污染特征研究

采集贵阳市老城区夏季5个典型监测点(太慈桥、贵州师范大学、大西门、省政府及省植物园)的样品进行PM2.5、PM10质量浓度分析。同时对PM2.5中PAHs的质量浓度进行分析。结果表明:贵阳市夏季PM2.5和PM10浓度排序均为太慈桥省政府大西门贵州师范大学省植物园,且PM2.5和PM10之间有良好的相关性,PM10=0.931 3 PM2.5+0.019 4,R2=0.996 7,PM2.5污染较重。此外,5个监测点总PAHs和苯并(a)芘的分析结果均为太慈桥省政府大西门贵州师范大学省植物园,苯并(a)芘浓度均未超标。     

河南省典型城市PM2.5无机元素污染特征及来源分析

分析2012年采暖季和非采暖季郑州市、洛阳市和平顶山市大气细颗粒物(PM_(2.5))样品中22种无机元素含量和污染特征,采用富集因子法、因子分析法研究当地PM_(2.5)中无机元素来源。结果表明:3个城市PM_(2.5)中无机元素总量在采暖季均高于非采暖季,不同季节占PM_(2.5)质量浓度的比例为1.7%~3.6%。Al、Na、Ca等地壳元素在PM_(2.5)中占比与PM_(2.5)浓度呈负相关关系,而Zn、Pb、Cu等人为源元素的占比随PM_(2.5)浓度增加无明显下降趋势。3个城市PM_(2.5)中Se、Cd、Br的富集因子高于1 000,Pb、Zn、Cu的富集因子为100~1 000,Co、Sc、Cr、Ni、As、Mn、Ba的富集因子为10~100,说明这些元素主要来源于人为源。13种人为源元素质量浓度在22种元素中占比为18.9%~26.3%,K、Fe、Ca、Al等4种元素占比为67.9%~76.1%。因子分析结果表明:3个城市无机元素来源组成有很大相似性,主要来源于燃煤、机动车、扬尘和建筑尘等,但Ni、Co、Sr、Ba还有来自其他排放源的贡献。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

宁波市区冬季大气颗粒物及其主要组分的污染特征分析

为了更好地研究影响宁波市区环境空气质量的污染物变化特征,于2010年1月20—30日进行了加强监测。研究结果表明,宁波市区大气中PM₁₀和PM_2.5质量浓度较高,其中PM_2.5/PM₁₀为0.5~0.85。对PM₁₀和PM_2.5采样膜分析,水溶性粒子和含碳组分分别占PM₁₀和PM_2.5质量浓度的56.7%和66.9%,其中二次污染的水溶性离子SO₄^2-、NO₃^-和NH₄⁺是PM₁₀和PM_2.5中浓度较高的离子组分;PM_2.5样品中OC与EC的相关性较好,表明OC与EC的来源相对一致,可能主要来自机动车尾气的贡献;但PM₁₀样品中OC与EC的相关性较差,表明其来源相对复杂;其中SOC的浓度占OC的13%~35%,说明宁波市区冬季导致二次污染的光化学反应不活跃。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

内蒙古干草原冬、春季大气气溶胶的若干特征观测研究

内蒙古半干旱草原区大气气溶胶浓度以及散射等特性对生态环境、气候变化与预测研究有重要意义,文利用2009年1～4月在锡林浩特观象台草原站的观测资料,分析了冬、春季背景大气气溶胶质量浓度、黑碳质量浓度、散射系数的分布特征。研究发现,背景天气下,PM10、PM2.5、PM1.0浓度值都较低,平均值分别为22.7、9.5、6.1μg/m3,3种PM浓度值间的相关性不同;黑碳浓度平均值为0.59μg/m3,小粒子中的含量较高,其日分布规律受人类活动影响较大,与各PM浓度分布有较大不同;散射系数平均值为31.2Mm-1,与PM10、PM2.5、PM1.0、黑碳质量浓度都显著相关。三种PM中,PM2.5对散射和吸收的影响最大。风速、相对湿度对不同粒径的PM以及黑碳浓度、散射系数的影响有所不同。     

基于聚类分析的颗粒物监测网络优化研究

为了优化香港环境监测网络,收集香港14个监测站2011年1月1日至2015年11月30日的颗粒物PM_(2.5)、PM_(10)的小时数据进行统计分析。对PM_(2.5)进行聚类,并利用日均浓度变化图进行验证,结果表明,可将监测站分为4类(A、B、C、D类),A类位于城市郊区,B类则位于港口附近,且A、B类的PM_(2.5)日变化特征均呈现双峰型分布,峰值分别出现在09:00和21:00。对PM_(10)进行类似分析结果表明,监测站同样可以分为4类,A类位于九龙区,B类则位于港口附近,而且A、B类的PM_(10)日变化双峰分别出现在11:00和20:00左右。说明污染源头及地形的相似致使某些监测站颗粒物浓度的变化出现相同的趋势,导致监测设备的浪费和管理的冗余。建议建立更高效的空气管理系统,将冗余设备转移到其他地区,扩大空气监控区域。对PM_(2.5)/PM_(10)聚类结果表明,将监测站分为4类,B类均属于路边站,C类则位于居民区。同时还发现同类监测站PM_(2.5)/PM_(10)数值变化相同,并且可以用其中一个站的PM_(2.5)和PM_(10)浓度及另一个站的PM_(2.5)或PM_(10)浓度预测PM_(2.5)或PM_(10)浓度,为优化监测资源提供了一种新的思路。     

南京市大气颗粒物中多环芳烃变化特征

逐月采集南京市大气中不同粒径的颗粒物,采用HPLC分析了2010年每个月PM_(10)和PM_(2.5)颗粒物样品中的多环芳烃(PAHs)的种类和浓度水平。结果表明:PM_(10)中PAHs年均值为25.07 ng/m~3,范围为11.03~53.56 ng/m3;PM_(2.5)中PAHs年均值为19.04 ng/m~3,范围为10.82~36.43 ng/m~3。PM_(10)和PM_(2.5)中PAHs总体浓度有着相似的变化趋势,呈现凹形变化曲线;在南京市大气颗粒物中吸附的PAHs大部分以5~6环的高环数组分为主,大部分PAHs和∑PAHs的相关性较好,年度变化幅度不大,分析结果表明,颗粒物中PAHs的来源与稳定的排放源相关,机动车排放不容忽视,与北方城市燃煤污染有着较大的区别。     

天津市PM10和PM2.5中水溶性离子化学特征及来源分析

2011年5月—2012年1月在天津市南开区设立采样点,采集大气中PM10和PM2.5样品。采用离子色谱法测定颗粒物中水溶性无机阴离子、阳离子成分,分析其主要组成、季节变化及污染来源。结果表明,天津市PM10中离子平均浓度为71.2μg/m3,占PM10质量浓度的33.7%。PM2.5中离子平均浓度为54.8μg/m3,占PM2.5质量浓度的39.6%。NH+4、SO2-4、NO-3等二次离子含量较大,且夏季含量均为最高。颗粒物总体呈酸性,PM10中∑阳离子/∑阴离子平均值为0.92,PM2.5中该比值为0.75。来源分析发现,PM10可能主要来源于海盐、工业源、二次反应及土壤和建筑尘等,PM2.5则主要来源于海盐污染源、二次反应及生物质燃烧。     

郑州市大气PM2.5的污染特征及源解析

为全面解析郑州市环境空气PM_2.5的化学特征及来源,按照城市功能分区的差异,在郑州市沿主导风向选择4个监测点位,采用大流量采样器分别在采暖季和非采暖季采集40个PM_2.5样品。监测数据表明,郑州市环境空气PM_2.5在采暖季和非采暖季的浓度范围均值高达197、173μg/m³,已属于严重污染;PM_2.5成分分析结果表明,Zn、Pb、Cu、Mn等是PM_2.5中的主要污染元素,其富集系数分别为110、94.9、10.9和5.0;主成分分析结果表明,建筑扬尘、土壤尘及道路扬尘、汽车尾气、煤炭燃烧是郑州市PM_2.5的主要来源,其累计贡献率超过90%。     

青藏高原典型城市拉萨市大气颗粒物污染源成分谱建立研究与特征分析

系统研究建立高原典型城市拉萨市开放源(土壤风沙尘、道路扬尘、施工扬尘、采矿扬尘),移动源(机动车尾气尘),固定源(工业烟粉尘、生物质燃烧尘及餐饮油烟)共3类8种大气颗粒物(PM_(2.5)、PM_(10))污染源化学成分谱。研究结果表明:开放源以地壳类元素为主,自然背景特征明显;移动源源成分谱中元素碳含量明显高于其他城市,在PM_(2.5)、PM_(10)源谱中分别占60.15%、51.86%,有机碳含量也相对较高,均超过20%;固定源中,牛粪和松柏枝两类生物质燃烧污染源的有机碳含量显著高于其他组分,工业烟粉尘中Ca远高于其他组分,在PM_(2.5)、PM_(10)源谱中分别占21.32%、21.21%。移动源、固定源源成分谱均显示出高原城市的独特特征。     

重庆城区PM2.5中金属浓度及其来源

利用环境空气多金属在线监测仪对23种金属元素连续观测1年,分析了重庆城区PM2.5中金属元素浓度变化规律和来源。23种金属年均浓度值为(2.22±0.42)μg/m3,PM2.5样品中金属元素占2%~4%,浓度较稳定且季度特征明显,同时PM2.5中金属主要为K、Fe、Ca、Zn、Mn、Pb。K、Ca、Mn等3种金属既来源于自然源也来源于人为源,Zn、Pb、Cu、As、Cd等5种金属主要来自人为源。利用因子分析得出重庆城区PM2.5中金属元素主要来自土壤风沙扬尘、机动车尾气排放、冶金工业燃烧排放、燃煤燃烧排放。     

天津市区PM2.5中碳组分污染特征及来源分析

为研究天津市细颗粒中碳组分特征,于2006年8-12月连续采集PM25样品,分析其来源及浓度特征.结果表明,天津市区PM25、有机碳(OC)及元素碳(EC)浓度分别为165.90、23.90、5.50 μg/m3,3项浓度均为冬季最高.OC、EC、总碳在PM2.5中所占比例分别为14.31％、3.66％和18.14％,秋季在PM 2 5中所占比例最高,夏季最低.OC/EC平均值为4.21,按照秋、夏、冬呈递增的季节变化趋势.冬季二次有机碳污染较重,二次有机碳浓度(13.98 μg/m3)占OC比例为34.5％.因子分析表明,非采暖期汽油车对碳气溶胶作用显著,采暖期生物质燃烧、燃煤及汽油车排放贡献.     

宜都市PM2.5与O3季节性分布特征及潜在源区分析

为了解宜都市PM_2.5与O₃的污染特征及潜在来源,利用宜都市2020年3月至2022年2月在线监测数据及气象数据,对宜都市PM_2.5与O₃质量浓度变化特征、气象影响因素及潜在源区进行了分析,结果表明:宜都市PM_2.5质量浓度冬高夏低,日变化呈双峰特征,O₃质量浓度夏高冬低,日变化呈单峰特征。高湿、静稳的气象条件以及较强偏北风作用下的区域污染传输对PM_2.5污染有重要影响,高温以及中湿度对O₃污染过程有重要作用。春、夏、秋季偏南方向气流轨迹占主导,且携带较高的污染物浓度,冬季来自湖北东北及西南方向的气流占比较高且携带的PM_2.5浓度较高;宜都市PM_2.5、O₃的潜在源区具有季节性差异,总体来看,主要分布在河南南部、湖北东部及湖南的北部区域。     

青岛市PM2.5化学组分特征及综合来源解析

为明确青岛市环境受体中PM_(2.5)的化学组分特征及来源,该研究于2016年在青岛市7个点位采集了PM_(2.5)样品,分析了PM_(2.5)中的无机元素、水溶性离子、碳等组分的质量浓度,采用CMB模型估算法,估算了青岛市的一次源类、二次源类对PM_(2.5)的贡献,并结合排放源清单及系数分配得到综合的PM_(2.5)源解析结果。结果表明:青岛市环境受体中PM_(2.5)平均质量浓度为62μg/m~3。PM_(2.5)中占比较高的组分是OC(16.44%)、SO_4~(2-)(15.07%)、NO_3~-(11.27%)、NH_4~+(8.86%)和EC(5.21%)。OC/EC的年平均值为3.62,说明存在二次有机气溶胶污染;SO2-4/NO-3的年平均值为2.71,夏季明显高于其他季节。冬季重污染过程中主要离子呈现出累积的现象。夏季二次硫酸盐的贡献上升为第一位(24.7%);机动车尘四季的贡献均较高(17.5%~20.5%),燃煤在冬季(15.1%)、秋季(13.3%)贡献高,扬尘在春季(16.5%)、冬季(15.6%)贡献高。