保定市PM2.5中水溶性离子污染特征及来源分析

为研究保定市PM2.5中水溶性离子污染特征及来源,利用中流量采样器采集保定市2017年秋、冬季10月-2017年12月污染天的PM2.5样品(40个),进行水溶性离子组分分析,并辅以保定市同期气象数据及空气质量数据进行成因探讨.计算离子间相关性,采用离子平衡法衡量大气酸碱度,并对保定市日夜不同时段PM2.5中水溶性离子...     

鞍山市秋季大气PM_(2.5)中元素污染特征和来源分析

为了解鞍山市秋季大气细颗粒(PM2.5)中污染元素的污染特征和来源,于2014年10月在鞍山市6个监测点位采集PM_(2.5)样品,运用富集因子和相关分析法对元素的污染特征和来源开展研究.结果表明,Fe、Ca、Zn、Mg、Na、Pb元素浓度含量之和占所有检测的12种元素浓度的98.13%,是主要的污染元素;鞍山市秋季大气细颗粒物中污染元素主要来源于钢铁冶炼、机动车尾气与燃煤的混合型污染源.     

沈阳市大气PM2.5中重金属污染特征、来源解析及健康风险评价

为研究沈阳市PM2.5中重金属元素的污染、来源特征及健康风险,使用Xact-625重金属在线分析仪于2019年1月对细颗粒物中的重金属进行连续采样,对8种重金属(Pb、Cr、Cd、Zn、Cu、Ni、Mn和As)污染特征进行分析,并利用富集因子法、PMF源解析法和美国EPA暴露模型对重金属污染程度、来源和健康风险展开研究...     

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.     

城市森林大气PM2.5中水溶性无机离子的观测

PM2.5中水溶性无机组分的浓度及时空分布等已开展了大量的研究.这些研究主要集中在污染较重的地区或者敏感区,比如居民区或者道路边等.而关于我国城市森林生态系统对大气PM2.5及其组分的影响还未开展系统的研究.研究PM2.5中的水溶性离子组分在城市森林系统中的时空分布特征将有助于了解生态系统与大气颗粒物之间的相互影响,对大气污染治理及城市绿化都具有参考意义.因此,本研究对北京市的4个采样点PM2.5中水溶性无机离子组分进行了观测.     

中部城市秋冬季PM2.5水溶性离子的化学特征及来源

PM2.5是影响空气质量、引发灰霾污染发生的关键污染物.本研究以南昌为主要采样对象,分析了南昌市2017-1018年秋、冬季PM2.5和水溶性无机离子(WSIIs)的化学组成及其来源,并同时期采样和对比分析了中部城市(武汉和长沙)秋冬季(10月和1月)PM2.5及WSIIs化学特征及其来源.结果 表明,南昌市采样期间W...     

西安市大气PM2.5的化学组分及其来源

西安市是中国北方大气污染最为严重的城市之一,且大气PM2.5会对人类健康造成不利影响,为研究西安市大气PM2.5污染水平,本文采集2017年四季共121个大气PM2.5样品,分析其水溶性离子、有机碳(OC)、元素碳(EC)、18种元素含量并解析其来源.结果 表明,2017年PM2.5年均质量浓度为(64±45) μg·...     

贵阳市秋、冬季大气PM_(2.5)中重金属元素的污染特征

正贵阳市是我国西部地区的重要省会城市,地处山间盆地,多微风、静风的气候条件,对大气污染物浓度的变化比较敏感.本研究按功能区选取贵阳市10个代表性点位,以PM2.5中重金属为研究对象,分秋、冬两个季节采样,深入讨论了大气PM2.5中重金属的浓度水平、污染特征以及可能的污染来源,以期为贵阳市大气PM2.5中重金属污染防治提供科学依据.1实验材料与方法设置10个采样点,分别为云岩师大(文教区、交通干线)、云岩区检察院(行政区、交通干线)、合群路(商业综合区)、     

2013─2014年武汉市PM_(2.5)的时空分布特征及其与气象条件的关系

霾天气的频繁发生降低了武汉空气质量,明晰致霾污染物PM2.5的污染机理、污染时空分布特征、影响因素是科学认识和解决霾污染天气的重要前提。在全国大范围内开展PM2.5源解析的背景下,探讨其时空分布特征,厘清与气象因子的相互关系,是对源解析工作的响应,也是污染防治决策的科学依据。本文以2013─2014年武汉市10个国控点的PM2.5监测数据和中国地面气象交换站气象数据为基础,运用统计学方法,基于不同时间尺度和空间分布类型研究PM2.5污染分布特征,并探讨其与气象条件的相互关系。结果表明:(1)武汉市PM2.5污染表现出显著的时间分布规律。就年变化而言,PM2.5污染程度2014年(年均值121μg·m-3)2013年(107μg·m-3),且PM2.5污染主要为良好和轻度污染,季节尺度上冬季秋季春季夏季,月均值规律体现为4─9月优于10─翌年3月,以周为单位表现出显著的正周末效应,即周日周六周一周五周四周三周二;(2)武汉市ρ(PM2.5)的空间差异与区域类型、城市布局有关,工业区、居民区、交通区较风景区污染严重,二环和三环较一环严重;(3)ρ(PM2.5)月均值分布与降雨量、气温、平均风速、相对湿度呈负相关关系(P0.05),与气压呈正相关关系(P0.01),监测点S2、S3、S9与平均相对湿度相关性更显著。PM2.5污染的减轻与气象条件有一定关系,也离不开城市环境空气治理。     

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.     

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.     

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.     

天津滨海新区大气细颗粒物载带碳组分特征

为了研究天津滨海新区大气细颗粒物载带的碳组分浓度水平和来源,于2017年7月在东疆海泽物流园设置了大气监测点,采集PM2.5样品.基于热光反射法(TOR),测定PM2.5中有机碳(OC)和元素碳(EC)的浓度水平、污染特征;利用OC/EC比值法、相关分析法和浓度丰度法等方法对大气颗粒物中碳组分的可能来源等进行分析.结果...     

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。     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

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。     

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.     

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.     

1月天津市大气PM_(2.5)中邻苯二甲酸酯污染特征及暴露分析

本文研究了2014年1月天津市大气PM2.5中邻苯二甲酸酯(PAEs)的污染状况.结果表明,天津市大气PM2.5中PAEs污染以邻苯二甲酸二丁酯(DBP)和邻苯二甲酸二异辛酯(DEHP)为主;PM2.5上载带的∑6PAEs浓度与PM2.5浓度存在相关关系;文教区PAEs浓度低于工业及居住区浓度;大气PM2.5中PAEs经呼吸的日均暴露量邻苯二甲酸二甲酯(DMP)和邻苯二甲酸二丁酯(DBP)较高,且男性高于女性.     

北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。