飞行时间二次离子质谱法在一次污染过程中PM2.5表面组分分析中的应用

团簇离子源的发明和使用,使飞行时间二次离子质谱(TOF-SIMS)法成为材料表面化学分析越来越重要的手段,TOF-SIMS法的主要测试功能包括表层质谱、化学成像及深度剖析3种。采用TOF-SIMS法对一次污染过程中的大气细颗粒物(PM_2.5)的表层进行检测,得到了PM_2.5表面成分的质谱及成像信息。结果表明:PM_2.5表层存在多种金属离子,通过扫描电子显微镜能谱仪的形貌与飞行时间二次离子质谱仪的成像亮度分析可知,K⁺、Na⁺、Mg²⁺响应强度相对较强,含量较高;通过原子吸收光谱仪进行金属离子定量可知,2018年11月4日和12月24日的K⁺、Na⁺、Mg²⁺的平均质量分别为1.809 5、0.443 8、1.526 2 mg;从形态分布上看,PM_2.5表面烟尘集合体含量较多,其次为燃煤飞灰、矿物颗粒和超细未知颗粒;PM_2.5表层的有机物离子C     

克拉玛依市大气PM2.5、PM10污染水平浅析

根据从2012年1月1日至2012年3月30日在同一个监测点取得的PM2.5和PM10监测数据,分析采暖期颗粒物污染水平特征。结果表明,PM2.5浓度和PM10浓度之间高度线性相关;克拉玛依市冬季空气环境中PM2.5是PM10中的主要组成成分;PM2.5浓度在一天内基本保持稳定,而PM10浓度在一天之中的变化幅度较大,峰值出现在中午上下班高峰期。     

广州市冬季PM_(2.5)污染过程二次水溶性无机离子组分特征

为了解广州地区灰霾天气成因,基于城市超级站,对2013年12月1日—12月8日期间2次灰霾天气过程的水溶性无机离子污染特征进行研究。结果表明:监测期间二次离子(SNA)SO_4~(2-)、NO_3~-、NH_4~+分别占PM_(2.5)质量浓度的15.8%、7.4%、7.0%;2次污染过程SNA对PM_(2.5)贡献显著,机动车排放和燃煤是PM_(2.5)的主要污染来源。广州冬季属于富氨区,2次污染过程都伴随着NH_4~+显著增加,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3形式存在。     

降水和风对苏州地区PM2.5浓度影响分析

为了解降水和风对苏州地区细颗粒物（PM_2.5）质量浓度的影响,利用2018—2022年逐日降水量、风向风速和环境空气质量数据,分析苏州市降水和ρ PM_2.5）的月变化特征及日降水强度、降水时长和风向风速对ρ（PM_2.5）变化的作用。结果表明,降水对PM_2.5存在一定湿清除作用,全年雨日ρ（PM_2.5）平均值较非雨日低21%,1—2月和11—12月最为显著。降水的湿清除效率受日降水量级和日降水时长等因素的影响,当日降水量达到中雨及以上量级时,ρ（PM_2.5）下降样本数超过总样本数的60%,降水的湿清除效率随着降水量级的增加而显著提高;当日降水时长＞6 h时,降水对污染物浓度的改善作用明显,ρ（PM_2.5）下降样本数超过总样本数的50%。不同风向、风速的清除作用也有差异,静风或微风状态下,高温高湿的西南风最易造成苏州地区的霾污染;当西北风速＞4m/s时,受到冷锋前的污染气团南下扩散影响,ρ（PM_2.5）升高;对于东北风、西南风和东南风这3个风向,当风速达到5m/s时,对污染物具有有效的干清除作用。     

基于机器学习的大气PM2.5中金属浓度预测模型的研究

基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM_2.5）中金属成分数据,采用机器学习方法探索大气PM_2.5中金属浓度预测模型,并选择最优模型进行污染物浓度预测。结果表明,多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中,RF对大气PM_2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳,在训练集和测试集中表现均较稳定,其中相关系数（r）均＞0.7, 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM_2.5中金属浓度预测上具有较好的表现,可在缺乏监测和实验数据的情况下,实现对大气颗粒物中金属浓度的快速预测,为全面了解颗粒物中金属污染特征提供数据基础。     

潍坊市大气环境中PM2.5和PM10的污染特征及来源解析

于2017年1月—2018年1月在潍坊市城区8个监测点位按季节采集了环境空气颗粒物样品,对其组分进行分析;采用电子低压冲击仪（ELPI）稀释采样法和稀释四通道法2种源采样方法同步采集源样品,建立了潍坊市本地化的燃煤源、钢铁源等排放源的颗粒物源成分谱;结合排放源清单,利用化学质量平衡受体模型（CMB）开展不同行业的细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）的精细化来源解析。结果表明,各监测点位ρ（PM_2.5）、ρ（PM₁₀）年均值均超过环境空气质量二级标准;潍坊市城市扬尘、土壤风沙尘、建筑水泥尘特征组分分别为硅（Si）、Si、钙（Ca）,燃煤尘和造纸碱回收尘的特征组分均为硫酸根离子（SO₄^2-）;PM_2.5首要的贡献源类为煤烟尘,分担率为36%;其次为机动车尘,分担率为25.4%;扬尘的分担率为21.8%;煤烟尘中分担率最高的是工业燃煤（18%）;机动车尘中以载货汽车分担率最大（14%）。PM₁₀首要的贡献源类也是煤烟尘,分担率为30.9%,其次是扬尘（27.6%）、机动车尘（21.5%）;煤烟尘中分担率最高的是工业燃煤,为15.4%,机动车尘中以载货汽车分担率最大,为11.8%。工艺过程的分担率均较低。     

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。     

沈阳市冬季重污染过程PM2.5浓度变化及成因分析

利用多种污染物浓度数据、气象观测数据,结合HYSPLIT后向轨迹模式,对2015年11月6—10日发生在沈阳的一次较长时间重污染天气过程,从大气浓度变化、天气形势特征及成因机制等方面进行综合分析。结果表明,重污染期间日空气质量指数均超过重度污染限值200,首要污染物PM_(2.5)最高小时质量浓度达到1 326μg/m3,为沈阳市监测PM_(2.5)以来的历史峰值。此次空气污染是气象及人为因素共同作用的结果,重污染过程时段内高空场不利于气流上升运动的发展,地面倒槽、稳定的大气层结不利于污染物的扩散。此次重污染过程与大范围秸秆集中燃烧、大量污染物排放有一定关系。通过后向轨迹计算分析,发现颗粒物长距离输送对区域污染产生一定影响。     

山东省PM2.5污染现状及预报效果对比分析

对2019—2022年山东省16个市的细颗粒物（PM_2.5 ）污染特征进行了分析,并对2021和2022年的4个数值模式［社区多尺度空气质量模拟系统（CMAQ）、扩展综合空气质量模型（CAMx）、区域气象-大气化学在线耦合模式（WRF-Chem）、嵌套网格空气质量预报系统（NAQPMS）］及集合预报模式预测的效果进行评估。结果表明：2019—2022年山东省PM_2.5 年均质量浓度逐年降低,污染程度逐步减轻,但在1—3,11—12月,PM_2.5 质量浓度超标现象较为普遍。2021年底更换污染源清单后,2022年5个模式的24 h级别准确率和相关系数（r）同比升高,均方根误差（RMSE）同比降低,模式预报准确率有所提升,但由于参数调整略大,CMAQ、CAMx、WRF Chem、集合预报模式易漏报或偏轻预报PM_2.5 的中度污染和重度污染天气。由于NAQPMS模式在更换污染源排放清单时,同时改进了非均相化学反应机制,因此对PM_2.5 不同污染类别尤其是中度污染、重度污染的预报准确率明显提升。     

苏州市2022年春节期间烟花爆竹燃放对空气质量及PM2.5 组分的影响

利用苏州市2022年春节期间（1月31日—2月6日）逐时气象数据、细颗粒物（PM_2.5 ）及其特征组分监测数据,分析春节烟花爆竹集中燃放对PM_2.5及其特征组分的影响。结果表明：烟花爆竹集中燃放时段,硫酸根离子（SO₄ ^2-）、氯离子（Cl^-）、钾离子（K⁺）、镁离子（Mg²⁺）、有机碳（OC）和元素碳（EC）的质量浓度均显著升高,与非集中燃放时段相比,分别增加了90.6%,783.3%,350.0%,371.4%,137.5%,150.0%;质量浓度增加最显著的金属分别为钡（Ba）、铜（Cu）、铬（Cr）、钾（K）、铅（Pb）、锡（Sn）、锰（Mn）、锑（Sb）、硅（Si）、锌（Zn）、铁（Fe）、砷（As）、镓（Ga）（按增幅由大到小排序）;烟花特征离子钡离子（Ba²⁺）在烟花集中燃放时段的数浓度峰值是非集中燃放时段的34.9倍,其余特征离子数浓度峰值也都为非集中燃放时段的8倍以上。烟花爆竹集中燃放显著提高了空气中各项污染物的质量浓度,并且在除夕和初五2个时段分别形成了2个污染高峰;污染物比值法（M/CO）定量评估结果表明,苏州市区PM_2.5 的贡献率为50.4%,显著低于辖属区县,表明禁燃措施具有一定成效;特征水溶性离子、OC、示踪性重金属的变化特征与PM_2.5 质量浓度变化特征吻合;污染物在线源解析结果表明,春节期间苏州市空气质量受烟花爆竹集中燃放影响显著。     

贵阳市城区PM10和PM2.5水溶性离子特征分析

分别于2013年10月和2014年2月、5月、7月在贵阳市城区3个环境空气质量监测国控点位（南明区市监测站、云岩区黔灵公园马鞍山和观山湖区贵阳一中）进行PM₁₀、PM_2.5样品采集,并对10种水溶性离子（SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺、Mg²⁺、Ca²⁺）的含量进行了分析。结果表明,研究时段内,贵阳市3个点位PM₁₀、PM_2.5平均质量浓度分别为（64.8±25.5）、（46.6±21.2）μg/m³。其中,云岩区黔灵公园马鞍山点位的颗粒物浓度最低,南明区市监测站点位最高。3个点位PM_2.5平均浓度与PM₁₀平均浓度的比值为0.719,表明贵阳市城区PM₁₀中,PM_2.5占主导地位。水溶性离子分析显示,SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺主要分布在PM_2.5中,Mg²⁺、Ca²⁺主要分布在PM₁₀中。3个点位PM₁₀和PM_2.5中的水溶性离子均表现为SO₄^2-、NH₄⁺、Ca²⁺浓度较大,F^-、NO₂^-较小,表明3个点位的污染源总体相同,且水溶性离子占PM₁₀、PM_2.5含量的比例达33.6%~48.1%。贵阳市城区大气中的SO₂转化率在5月、7月、10月较高,2月最低,主要是由于5月、7月、10月的高温、高湿、强辐射环境条件促进了SO₂向SO₄^2-的转化。阴阳离子平衡分析表明,贵阳市城区PM₁₀、PM_2.5呈现出偏碱性的特征。水溶性离子主成分分析表明,贵阳市城区PM₁₀中的水溶性离子主要来源于城市扬尘、生物质燃烧尘、煤烟尘、建筑尘以及二次粒子,PM_2.5中水溶性离子的来源与PM₁₀较为相似。     

乌鲁木齐市PM2.5 中重金属污染特征及健康风险评估

为探究乌鲁木齐大气细颗粒物（PM_2.5 ）中重金属的污染水平、来源、健康风险及其变化趋势,对乌鲁木齐市典型区域2020年各季节PM_2.5中重金属的质量浓度进行了连续监测。研究结果表明,2020年,乌鲁木齐市大气ρ（PM_2.5）年均值超过我国《环境空气质量标准》（GB 3095—2012）二级标准限值（35μg/m³）,冬季PM_2.5中重金属质量浓度最高,夏季最低;其中质量浓度较高的重金属为铜（Cu）、铬（Cr）、锌（Zn）、锰（Mn）。1#（交通要道区）、2#（工业集中区）、3#（农业区）3个监测点大气PM_2.5中重金属总质量浓度分别占ρ（PM_2.5）的1.57%,2.48%,0.68%;不同监测点位重金属质量浓度表现为2#>1#>3#。1#、2#、3#监测点大气PM_2.5中重金属的主要来源有燃煤源、工业源、交通源。Cr对不同人群的致癌风险（ILCR）>10^-4,存在致癌风险;镍（Ni）、镉（Cd）对不同人群的ILCR为10^-6~10^-4,存在一定的致癌可能,处于可接受水平。Mn、Cr的危险系数（HQ）>1,存在非致癌风险;其余重金属对不同人群的HQ<1,非致癌风险可忽略;7种重金属的HQ表现为儿童>成年男性>成年女性。     

利用SPAMS初探盘锦市冬季PM2.5污染特征及来源

利用SPAMS 0515于2015年1月在盘锦市兴隆台空气质量自动监测点位采集PM_(2.5)样品,并分析其污染特征和来源。研究结果表明,盘锦市冬季PM_(2.5)的颗粒类型主要以OC颗粒、富钾颗粒、EC颗粒组成。其中,OC颗粒占比最高,为52.5%;PM_(2.5)污染的主要贡献源为燃煤、生物质燃烧、机动车尾气排放,占比分别为33.2%、25.7%、17.5%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大。     

长三角地区2014—2019年大气环流型下的PM2.5 和O3 污染特征

基于中国中东部地区2014—2019年秋、冬季（11月—次年2月）、暖季（4—10月）的细颗粒物（PM_2.5 ）、臭氧（O₃ ）监测数据,运用T-mode斜交旋转主成分分析法（T-mode PCA）对长三角及周边地区2014—2019年925hPa位势高度和风场进行大样本客观分型,总结了有利于和不利于长三角地区PM_2.5 和O₃ 污染发生的大气环流类型。结果表明,17类大气环流类型会影响长三角地区空气质量,并进一步识别出PM_2.5 污染和O₃ 污染易发的大气环流型。其中,秋、冬季PM_2.5 污染易发的环流型是冷锋相关（AW_CT2）和出海高压（AW_CT3和AW_CT5）相关,前者可能与上风向PM_2.5 污染输送相关,后者则可能以局地累积和转化过程为主。副高控制（Spring_CT1和Summer_CT1）和均压场（Summer_CT3和Autumn_CT2）环流型则有利于促发暖季O3污染;在Spring_CT1、Summer_CT1、Summer_CT3和Autumn_CT2环流型下,长三角5个重点城市O₃ 超标率和ρ（O₃ -8h）水平高于同季节的其他环流类型,但气象和化学影响机制可能有所差异。此外,副高控制和均压场环流型也易导致上海、杭州和南京等城市出现暖季PM_2.5 和O₃ 双高污染。     

齐齐哈尔市春季大气中PM2.5的污染特征分析

2013年4—6月分析了齐齐哈尔市大气PM2.5的浓度特征、元素组成、水溶性离子及其来源,并利用单颗粒分析技术获得了单颗粒的形貌、化学组成及粒度分布。结果表明,监测周期PM2.5日均质量浓度为34μg/m3,受气象条件影响显著。PM2.5单颗粒类型主要为烟尘集合体、飞灰和矿物颗粒,分别来源于煤炭燃料的燃烧、机动车尾气排放和扬尘。其中约90%的PM2.5颗粒粒径小于1.0μm,属大气细粒子。全样分析表明,PM2.5主要组成元素是Al、Fe、Ca、K、Mg和Na,而Zn、Cu和Pb因受到人为污染富集度较高。SO42-、NO3-和Cl-为PM2.5主要监测到的水溶性阴离子,NO3-与SO42-的质量浓度比说明了固定排放源对齐齐哈尔市春季大气PM2.5的贡献大于移动排放源。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

运城市区秋冬季大气PM2.5中重金属污染特征及健康风险评估

为了解山西省运城市大气细颗粒物（PM_2.5）中重金属的污染特征和来源及其健康风险,于2020年10月15日—2021年2月14日对运城市大气PM_2.5样品进行连续采集,使用微波消解-电感耦合等离子质谱法（ICP-MS）分析了样品中的铬（Cr）、锰（Mn）、镍（Ni）、铜（Cu）、锌（Zn）、砷（As）、镉（Cd）和铅（Pb）等8种重金属元素的质量浓度。结果表明,采样期间,ρ（PM_2.5）平均值为78.96μg/m³,采暖季ρ（PM_2.5）为（79.84±43.79）μg/m³,高于非采暖季（76.54±23.97）μg/m³,采暖季和非采暖季ρ（PM_2.5）均值均超过《环境空气质量标准》（GB 3095—2012）中的二级标准。富集因子法分析表明,Ni、Cu、Zn、As、Cd和Pb的富集因子均高于10,其中Cd元素的富集因子平均值达到1.089,表明受人为污染影响严重。主成分分析结果表明,运城市区秋冬季大气中重金属主要有3个来源,分别为混合燃烧源、机动车尾气源、工业排放源。健康风险评价结果显示,经手口摄入暴露强度最大,呼吸吸入暴露强度最小,皮肤接触暴露强度居中;儿童在3种暴露途径的总暴露剂量高于成人,儿童重金属暴露风险高于成人。各途径的非致癌风险强度叠加值＜1,表明非致癌风险较小;但As、Pb的非致癌风险相对较高。4种重金属的呼吸吸入途径致癌风险程度排序为：As＞Cr＞Cd＞Ni,单种重金属的致癌风险（TR）值以及重金属的总致癌风险（R）值均＜10^-6,表明本研究中重金属不具有致癌风险。     

盐都区PM2.5污染特征的城郊差异及成因初探

为探究城郊细颗粒物（PM_2.5）污染特征的差异及其成因,利用2022年盐都区城区和郊区ρ（PM_2.5）数据,分析了城郊站点ρ（PM_2.5）水平和日变化特征的差异,并从污染来源和传输影响两方面进行了成因初探。结果显示：2022年盐都郊区ρ（PM_2.5）年均值较城区高23.1%;郊区站点ρ（PM_2.5）日变化峰值更突出,春、夏、秋三季早晨峰值出现在06：00左右,明显早于城区站点。PM_2.5特征组分质量浓度比值和化学质量平衡（CMB）模型模拟结果表明,城郊站点PM_2.5的主要贡献源为移动源、燃煤源等,城区的餐饮源和郊区的生物质燃烧源也有贡献;此外,郊区站点受二次生成的影响要远大于城区站点。ρ（PM_2.5）与城市热岛效应强度（UHII）间关系研究结果表明：郊区受热岛效应影响的程度相对城区更强;各季节郊区ρ（PM_2.5）与UHII均呈负响应,UHII越强,郊区PM_2.5的水平扩散能力越强,城郊PM_2.5的垂直扩散能力差别越明显。后向气流轨迹分析结果表明：郊区受到来自西南（安徽中部、江苏中部）方向、东部（黄海、东海）方向以及高空下沉污染气团的影响明显强于城区,外来污染气团的输送也是郊区ρ（PM_2.5）高于城区的重要原因。     

安庆市PM2.5碳质组分污染特征及来源解析

2020年3月2日—2021年2月28日在安庆市政务服务中心楼顶设置监测点,手工采集PM_2.5样品,运用多波段碳分析仪(DRI Model 2015)分析样品中碳质组分有机碳(OC)和元素碳(EC)质量浓度;利用OC/EC法、相关分析法和主成分因子分析法对PM_2.5中碳质组分的污染特征和可能来源进行解析。结果显示:安庆市手工采样期间PM_2.5平均质量浓度为(45.9±28.1)μg/m³,OC和EC的平均浓度分别为(8.0±3.4)、(1.4±0.6)μg/m³,在PM_2.5中占比为17.4%、3.1%。四季OC平均浓度分布为冬季(9.7±4.2)μg/m³ >春季(9.0±2.5)μg/m³ >秋季(8.3±2.9)μg/m³ >夏季(5.1±1.6)μg/m³,EC平均浓度分布为冬季(1.7±0.5)μg/m³ >春季(1.7±0.6)μg/m³ >秋季(1.3±0.4)μg/m³ >夏季(0.8±0.3)μg/m³。OC/EC范围为3.11~12.14,平均值为5.83,表明安庆市存在二次有机碳(SOC),SOC均值为(2.89±1.94)μg/m³,分别占OC和PM_2.5浓度的36.1%、6.3%;四季OC、EC相关性不显著,r均小于0.85,说明安庆市的碳质组分较复杂;在不同空气质量等级条件下,OC质量浓度随着污染等级的升高而逐渐升高,EC质量浓度随着污染等级升高而先升高后降低。利用主成分分析法进行来源解析发现,道路扬尘、燃煤、柴油车尾气是碳质组分的主要来源。     

渝东南典型城区冬季一次罕见的PM2.5污染过程及溯源分析

2020年12月底,以生态旅游业为主的重庆市渝东南地区出现了一次较为罕见的PM_2.5污染过程,持续时间长且污染程度重。以渝东南地区武隆区为例,应用污染特征雷达图、后向轨迹模型及潜在源污染贡献估算等方法分析了本次PM_2.5污染的特征及来源,结果表明：(1)在污染前期主要受扬尘、燃煤和机动车等污染排放影响,污染源直接排放贡献较大;中、后期污染受二次颗粒物影响显著,扬尘影响也较为明显。(2)污染期间的气流轨迹均为短距离输送,轨迹主要来自东北方向(65%)。(3)除自身污染排放贡献外,渝东北地区和主城都市区是武隆区PM_2.5污染的主要潜在源区,对武隆区传输贡献占比超50%。