成都市一次重雾霾天气PM10中水溶性离子污染特征

2015年1月10~19日,对成都市青羊区雾霾期间大气PM10样品进行了采集,分析其质量浓度和9种水溶性离子(F-、Cl-、NO-3、SO2-4、NH+4、Ca2+、Mg2+、K+和Na+)的分布特征。结果表明:此次雾霾期间PM10的平均质量浓度高达357.8μg/m3;水溶性离子的总质量浓度在雾霾天较高,二次无机水溶性离子NO-3、SO2-4和NH+4占总水溶性离子的74.53%以上;雾霾和非雾霾天PM10中水溶性离子的质量浓度、含量百分比和各离子比值体现了本次雾霾是由机动车尾气、燃煤、建筑施工和气象等因素造成;PM10中NO-3/SO2-4的比值范围0.755 1~1.410,均值为1.050,说明成都是燃煤和机动车并存的复合型污染;PM10中NH+4和NO-3、SO2-4两两之间均具有较好的相关性,NH+4和NO-3、SO2-4的相关性系数分别为0.845 0、0.966 0,NH+4和NO-3、SO2-4主要以(NH4)2SO4、NH4NO3形式存在于PM10中,Ca2+和Mg2+的相关性系数高达0.913 0。     

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

东莞市大气亚微米粒子PM1及其中水溶性无机离子的污染特征

2011年8月—2012年7月期间,利用中流量(100 L·min-1)大气采样器对东莞市A和B两点(A:生活区,B:工业区)进行PM1、PM1~2.5、PM2.5~10采样,并定量分析颗粒物上F-、Cl-、NO-3、SO2-4、NH+4、Na+、K+、Ca2+、Mg2+等9种水溶性无机离子.分析结果显示,工业区B点的细粒子污染较生活区A点严重,B点PM1质量浓度年均值为48μg·m-3,其浓度是A点的1.2倍.A、B两点PM1对PM2.5和PM10的质量贡献率无明显差异,平均贡献率分别高达69%和45%.二次离子SO2-4、NO-3、NH+4及与燃烧行为有关的K+、Cl-等5种离子在细粒子PM1上富集,这5种离子对PM1质量的贡献率分别为18.82%~19.76%、4.98%~5.47%、3.98%~4.12%、2.03%~2.27%和3.39%~3.78%.而其他4种离子,Ca2+、Mg2+、F-和Na+积聚在粗粒子PM2.5~10上.PM10/PM2.5/PM1三种粒子中,PM1粒子酸性值AE/CE(阴离子当量浓度/阳离子当量浓度)比值和硫转化率SOR、氮转化率NOR值均是最高.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

鼎湖山PM2.5 中水溶性离子浓度特征分析

为研究珠江三角洲背景区域大气气溶胶中水溶性离子的特征及其来源,于2007年1月～2008年12月,在鼎湖山利用大流量滤膜采样器采集PM2.5样品,并用离子色谱(IC)分析其中的水溶性离子成分含量.结果表明,PM2.5中总水溶性离子年平均浓度为(36.3±16.4)μg.m-3.其中,3种主要离子SO24-、NH4+和NO3-占总离子浓度的89%;夏季受到来自海洋气团的影响,Na+和Cl-相关性明显增强,相关系数R2为0.91;NO3-/SO24-的平均值为0.32,表明固定源对鼎湖山地区污染的贡献更大;PM2.5中Σ阳离子电荷/Σ阴离子电荷的变化范围为0.44～2.59,平均值是1.03,水溶性离子电荷基本平衡.     

东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_2.5和PM₁₀气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子（Na⁺、K⁺、NH₄⁺、Mg²⁺、Ca²⁺）和阴离子（Cl^-、NO₃^-、SO₄^2-、MSA）的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_2.5和PM₁₀样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m³和10.4~47.9μg/m³,平均值分别为（14.9±5.8）μg/m³和（21.3±10.7）μg/m³.二次离子（nss-SO₄^2-、NO₃^-和NH₄⁺）浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO₄^2-和NH₄⁺主要富集在细颗粒物（PM_2.5）中,NO₃^-主要富集在粗颗粒物（PM₁₀）中.富集因子及相关性分析表明K⁺主要来自陆源,Mg²⁺受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH₄⁺的主要结合方式均为（NH₄）₂SO₄和NH₄NO₃.来源分析结果表明,PM_2.5和PM₁₀样品中生源硫化物对nss-SO₄^2-的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH₄⁺对氮沉降的贡献程度小于NO₃^-.     

工作日、双休日和春节期间PM10中水溶性离子浓度变化特征

为了解北京冬季工作日、双休日和春节期间大气PM₁₀中水溶性离子质量浓度水平和日变化特征,2006年1月15日—2月18日在中国科学院大气物理研究所铁塔分部对大气PM10中水溶性离子状况进行了连续观测.结果表明:工作日、双休日和春节期间大气PM₁₀中主要水溶性离子均为SO₄2－,NO₃－和NH₄＋.与工作日相比,双休日中ρ（SO42－）,ρ（NO₃－）和ρ（NH₄＋）平均值分别下降15%,36%和27%;春节期间三者的平均值依次下降41%, 70%和67%.工作日、双休日和春节期间ρ（Cl－）和ρ（NO₂－）日变化相似,表现为白天低,晚上高; 春节期间ρ（SO42－）和ρ（NO₃－）由于源排放的减弱,日变化较平缓,没有明显的峰值.      

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

邢台市秋季PM2.5及水溶性离子污染特征

为研究邢台市秋季PM_2.5污染特征,于2017年10月15日～11月14日在邢台市区对PM_2.5样品进行了采集,并对其中水溶性离子(包括Cl^-、NO₃^-、SO₄^2-、NH₄⁺、Ca²⁺、Na⁺、Mg²⁺、K⁺)进行了分析.结果显示,观测期间邢台市ρ(PM_2.5)平均值为(130.0±74.9)μg/m³,其中水溶性离子质量浓度为(69.8±11.4)μg/m³,占ρ(PM_2.5)的53.3%,NO₃^-、SO₄^2-和NH₄⁺为主要离子,占水溶性离子比例达到了89.7%.当污染加重,水溶性离子...     

中国城市PM2.5和PM10时空分布特征和影响因素分析

PM_2.5和PM₁₀浓度超标引发的空气质量问题严重影响公众健康,研究PM_2.5和PM₁₀浓度对制定有效的污染防控和治理措施具有重要意义.运用时空分析法,分析2018年季度PM_2.5和PM₁₀浓度时空分布,并用GWR探究浓度差异的原因.结果表明：(1)PM_2.5和PM₁₀的浓度均呈冬春高、夏秋低的季节性规律;四季污染物浓度在胡焕庸线两侧存在显著差异,该线以东地区高浓度聚集在京津冀地区,该线以西地区高浓度聚集在新疆中南部.(2)PM_2.5和PM₁₀浓度的Moran’s I在四季均为正,且均在冬季增至最大值;PM_2.5和PM₁₀的分布格局基本一致,“高-高”类和“低-低”类集中分布现象明显.(3)各因素对PM_2.5和PM₁₀浓度的影响存在较大空间异质性.温度和坡度对PM_2.5     

武汉光谷空气PM10和PM2.5中的水溶性阴离子分析

2009年1月-2011年12月在武汉光谷商业区选取G、H两点,采集颗粒物样品,分析了PM10和PM2.5浓度,采用离子色谱测定了灰霾期间PM2.5中4种水溶性阴离子。结果表明:G点PM10和PM2.5年平均浓度分别超过《环境空气质量标准》(GB 3095-2012)二级浓度限值的1.48~1.73倍和1.94~2.4倍,H点分别超标1.16~1.4倍和1.26~1.86倍。灰霾期间PM2.5中主要水溶性阴离子为NO3-、SO42-、NO2-和Cl-,G点4种水溶性阴离子占PM2.5中总水溶性离子的比例分别是为20.29%、10.16%、9.51%和4.62%,H点为14.41%、30.12%、6.64%和3.83%。G点NOx-浓度约为SO42-浓度的3倍,而H点SO42-浓度约为NOx-浓度的1.5倍。G与H点NOx-和SO42-离子浓度的差异暗示两监测点的主要污染源不同,交通量和植被覆盖率可能是导致两点浓度差异的原因。。     

石家庄夏季大气PM_(10)和水溶性离子污染特征

于2014年7月在石家庄市区对大气环境PM_(10)进行样品采集,并对PM_(10)浓度和水溶性离子的污染特征进行了分析。结果表明:采样期间PM_(10)质量浓度为(145.2±58.7)μg/m3,重污染天气主要是由于气象条件和地理位置共同造成的。水溶性离子是PM_(10)中含量较高的组分,其中SO2-4、NO-3和NH+4之和占总水溶性离子质量浓度的80.7%,Ca2+和Mg2+相关系数高达0.88,表明两者来源一致,Na+和Cl-浓度受人为活动的影响较大,K+主要来自生物质燃烧。PM_(10)中硫氧化率和氮氧化率分别为0.37和0.28,表明大气中存在SO2和NO2二次转化过程。     

云贵高原城市PM2.5中水溶性离子的污染特征

为探究云贵高原区域城市PM_2.5中水溶性离子的污染特征及来源,该文选取贵阳市和遵义市作为典型城市进行PM_2.5样品采集,分析样品中8种水溶性无机离子(WSIIs)的污染特征,并采用主成分-多元线性回归法(PCA-MLR)解析其来源。结果表明,研究期间贵阳市和遵义市WSIIs浓度均值分别为22.64、14.44μg/m³,呈夏季最低、冬季最高的季节变化特征。2个站点氮氧化率(NOR)平均值分别为0.15、0.12,说明NO₃^-二次转化不明显,且夏季NOR的值远小于0.1,表明研究区域夏季NO₃^-来自于一次源。硫氧化率(SOR)平均值分别为0.44、0.35,表明SO₄^2-主要由二次反应形成。阴阳离子平衡分析表明,贵阳市春、夏、秋3个季节的PM_2.5呈碱性,冬季PM_2.5呈弱酸性,而遵义市全年PM_2.5呈碱性,主要由SO_...     

沙尘天气对兰州市PM10中主要水溶性离子的影响

利用在线监测仪器MARGA在兰州大学盘旋路校区对兰州市大气PM10中水溶性离子进行监测,监测期间(2011-04-01~2011-06-30)有15 d出现沙尘天气.兰州市PM10中主要水溶性离子物种为Ca2+、SO2-4和NO-3.扬沙天气期间NO-3和NH+4的浓度比非沙尘期间低,说明沙尘天气对当地人为源所排放污染物具有清除作用.沙尘天气期间,作为土壤污染源标识物的Mg2+、Na+和Ca2+离子都有明显增加,Na+和Mg2+相关系数为0.520,Na+和Ca2+相关系数为0.659,Mg2+和Ca2+相关系数为0.671,而非沙尘天气期间三者的相关系数并不高,Na+和Mg2+相关系数为0.065,Na+和Ca2+相关系数为0.131,Mg2+和Ca2+相关系数为0.163,说明沙尘天气期间三者之间具有相同的污染源,主要来自于土壤风沙尘,而非沙尘天气期间三者来源不同.Cl-的浓度在扬沙天气明显高于浮尘和非沙尘天气期间,说明外来的土壤风沙尘是Cl-的主要来源.     

太原市大气PM2.5中水溶性离子的季节污染特征及来源分析

为探究当前空气质量持续改善背景下重污染地区大气PM_2.5和水溶性无机离子（WSⅡs）的污染特征和季节变化,于2019年在太原市采集了四季PM_2.5样品.结果表明,2019年太原市PM_2.5年均质量浓度为（65.50±30.44）μg·m^-3,水溶性离子浓度的季节特征为：冬季（39.81 μg·m^-3） > 秋季（33.05 μg·m^-3） > 春季（20.50 μg·m^-3） > 夏季（19.62 μg·m^-3）.WSⅡs以二次离子SNA为主,占总离子浓度的76.90%±10.51%,且随着PM_2.5污染加重,SNA的比重显著升高.其中,SO₄^2-和NO₃^-在秋、冬季的浓度最高,这与气态污染物排放增加和二次转化程度的升高（硫氧化率SOR>0.30,氮氧化率NOR>0.10）有关;NH₄⁺、Cl^-和K⁺在冬季的浓度最高,是其他季节的1.2~7.9倍,可能归因于冬季燃煤和生物质燃烧活动的增加;由于春季风速较高,受土壤扬尘的影响,Ca²⁺和Mg²⁺的比重在春季显著增加为20.2%.春季和夏季为贫氨状态,而秋、冬季为富氨状态,且硝酸盐颗粒物在高湿度条件下的吸湿增长比硫酸盐更为显著.太原市大气PM_2.5中水溶性离子主要来源于二次生成、燃煤、生物质燃烧和土壤扬尘.     

基于高分辨率MARGA分析成都市PM2.5中水溶性离子污染特征

利用高分辨率MARGA对2019年成都市PM_2.5中水溶性离子展开连续监测,结合气象参数分析水溶性离子污染特征.结果表明,MARGA监测的8种水溶性离子质量浓度与PM_2.5变化趋势一致,水溶性离子年均浓度为(23.1±13.6)μg·m^-3,在PM_2.5中占比为48.6%,表明水溶性离子为PM_2.5重要组分.各离子质量浓度大小顺序依次为:NO^-₃、 SO₄^2-、 NH⁺₄、 Cl^-、 Ca²⁺、 K⁺、 Mg²⁺和Na⁺,其中二次离子(NO^-₃、 SO₄^2-和NH⁺₄)年均质量浓度为(20.2±2.7)μg·m...     

焦作市PM2.5和PM10时空变化特征及其与气象因子的关系

为了研究焦作市大气中PM_2.5和PM₁₀污染状况,基于2018—2020年焦作市50个环境空气质量监测站点的PM_2.5和PM₁₀浓度逐时观测资料,结合气象资料,分析了焦作市PM_2.5和PM₁₀浓度的时空分布特征及气象因素影响。结果表明:1)焦作市PM_2.5和PM₁₀呈双峰型日变化,且具有显著的U形逐月变化规律及冬高夏低、春秋居中的季节性特征。2)2018—2020年PM_2.5和PM₁₀浓度年均值呈西南高东北低的空间差异性特征。与2018年相比,2020年修武县PM_2.5和PM₁₀浓度的下降幅度最大,分别为30.25%、22.72%。3) Spearman相关性分析表明,PM_2.5和PM₁₀浓度与气温、风速呈显著负相关;与气压呈显著正相关;相对湿度与PM_2.5浓度呈显著正相关,与PM₁₀浓度呈显著负相关。焦作市环保局监测站在东北风、西南风风向PM_2.5和PM₁₀浓度污染较重,博爱县清化镇、沁阳市西万镇和武陟县乔庙乡监测站在西南风风向易出现高浓度颗粒物。该研究结果可为日后工业地区大气污染防治,生产生活的合理规划与布局提供重要参考。     

聊城市冬季PM2.5及水溶性离子污染特征及来源分析

为研究聊城市冬季PM_2.5污染特征,于2016年1月7-29日在聊城市区对PM_2.5样品进行了采集,并对其水溶性离子（包括F-、Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）进行了分析.结果显示:观测期间聊城市ρ（PM_2.5）平均值为（192.4±88.9）μg/m3,超过GB 3095-2012《环境空气质量标准》日均二级标准限值的1.6倍.水溶性离子质量浓度为（77.4±46.9）μg/m3,占ρ（PM_2.5）的40.2%,其中SNA（NO₃-、SO₄2-和NH₄+）为主要离子,占水溶性离子比例达82.5%.轻度、中度、重度及严重污染时PM_2.5中水溶性离子质量浓度分别为（32.49±3.67）（46.26±17.66）（77.11±11.64）和（139.21±51.71）μg/m3,SNA分别占ρ（PM_2.5）的24.4%、26.7%、30.4%和39.0%,随着污染程度加重,SNA比例升高.观测期间SOR（硫转化率）与NOR（氮转化率）的平均值分别为0.18和0.20,随着ρ（PM_2.5）升高,SOR及NOR明显上升,表明冬季PM_2.5污染越严重时SO₂与NO₂的转化速率越强,二次无机污染严重.主成分分析结果表明,二次转化、扬尘源及工业生产为水溶性离子的主要来源.后向气流轨迹结果显示,观测期间污染气团主要来源于西北方向,受内蒙古及河北城市影响较大,但当污染气团来源于周边城市且天气静稳时,颗粒物浓度最高.研究显示,聊城市冬季PM_2.5污染较为严重.      

成都西南郊区大气PM1中水溶性离子季节变化特征

为研究成都市西南郊区PM₁中水溶性离子的季节特征及其来源,于2019年1,4,7,10月采集PM₁样品并对其中的8种水溶性离子(NO₃-、SO₄2-、NH₄+、Ca2+、Cl-、K+、Na+和Mg2+)进行分析,开展PM₁和水溶性离子质量浓度及其相关关系的对比分析。结果表明:2019年,成都市西南郊区PM₁和水溶性离子年均总浓度分别为(30.1±12.5),(8.5±6.2)μg/m3,各离子浓度高低顺序为NO₃->SO₄2->NH₄+>K+>Ca2+>Cl->Na+>Mg2+;二次离子SNA(SO₄2-、NO₃-、NH₄+)占总水溶性离子比例达到90.0%以上,其在PM₁中占比的季节差异明显,冬季(35.0%)>春季(23.6%)>秋季(22.0%)>夏季(17.5%)。春、夏季NO₃-/SO₄2-分别为0.9和0.6,而秋、冬季NO₃-/SO₄2-分别为1.2和2.1,说明春夏季固定源对PM₁贡献更大,秋冬季移动源对PM₁的贡献更加显著。受来源和气象条件影响,SOR和NOR年均值分别为0.37和0.04,表明观测期间SO₂的二次生成率更为突出。主成分分析结果显示,成都市西南郊区PM₁中水溶性离子的主要来源有二次无机源、燃煤、生物质燃烧和扬尘。     

2020—2021年西安市大气PM2.5中水溶性离子变化特征

用离子色谱法对181份PM_2.5有效样品中NO^-₃、SO₄^2-、NH⁺₄、Cl^-和F^-等5种水溶性离子进行检测分析。结果表明,西安市PM_2.5的年均浓度为(71.04±51.80)μg·m^-3,季节变化特征表现为：冬季>春季>秋季>夏季。五种水溶性离子的年均浓度为(28.24±31.79)μg·m^-3,季节变化特征表现为：冬季>春季>秋季>夏季。各水溶性离子的年均浓度由大到小依次为：NO^-₃>SO₄^2->NH⁺₄>Cl^->F^-。NO^-₃在冬、春、秋三季...