北京城市森林PM_(2.5)质量浓度特征及影响因素分析

以北京西山森林公园为林内观测点,北京海淀植物园为林外对照点,研究城市森林PM_(2.5)质量浓度变化特征,并对其影响因素进行分析。结果表明,林内外PM_(2.5)质量浓度日变化呈"双峰双谷"型,8:00和21:00左右是一天中的两个峰值,15:00和4:00左右是一天中的两个谷值,PM_(2.5)质量浓度林内(104.02μg·m~(-3))林外(82.52μg·m~(-3))。一年中PM_(2.5)质量浓度在冬季最高,春季次之,夏季最低,PM_(2.5)质量浓度年变化林内为冬季(115.46μg·m~(-3))春季(112.39μg·m~(-3))秋季(106.37μg·m~(-3))夏季(81.87μg·m~(-3)),林外为冬季(97.35μg·m~(-3))春季(94.07μg·m-3)秋季(93.17μg·m~(-3))夏季(61.86μg·m~(-3))。气温、降雨均与PM_(2.5)浓度呈负相关。晴天时,温度高、空气对流旺盛,PM_(2.5)浓度较低;降水对PM_(2.5)有很好的消减作用;风有驱散PM_(2.5)的作用。在高温高湿天气下,PM_(2.5)浓度高于其他天气情况。该研究可以丰富森林净化大气的理论,为环保部门相关政策的制定提供依据。     

基于GIS的北京市林地覆被与PM_(2.5)分布关联性分析

土地利用方式直接和间接地影响着城市的颗粒物污染程度,了解土地利用与颗粒物污染的关联规律,对改善环境空气质量具有重要的意义。选择颗粒物污染问题突出的北京市为研究对象,以空气质量地面监测站的PM_(2.5)质量浓度数据和卫星遥感解译数据为基础,借助地理信息系统和数理统计方法,对不同土地利用方式特别是林地覆被与细颗粒物分布的关联性进行分析。研究结果表明,(1)北京市的PM_(2.5)质量浓度分布在空间上呈由西北至东南逐级递增的趋势,东南部(107.0μg·m~(-3))西南部(96.2μg·m~(-3))城六区(95.3μg·m~(-3))东北部(79.6μg·m~(-3))西北部(79.0μg·m~(-3)),季节分布表现为冬季(122.0μg·m~(-3))春季(81.2μg·m~(-3))秋季(76.8μg·m~(-3))夏季(72.9μg·m~(-3)),不同土地利用方式PM_(2.5)质量浓度表现为耕地(96.9μg·m~(-3))建成区(95.7μg·m~(-3))未利用土地(91.5μg·m~(-3))水域(82.8μg·m~(-3))草地(80.9μg·m~(-3))林地(79.1μg·m~(-3))。(2)以各监测站点为中心建立不同半径缓冲区,随着缓冲区半径的不断增加林地覆被率与PM_(2.5)质量浓度的负相关性不断增强。当缓冲区半径达到1 000 m时,各个月份林地覆被率与PM_(2.5)质量浓度均在α=0.05水平上呈显著负相关。(3)以各监测站点为中心的3 000 m半径缓冲区内落叶阔叶林、常绿针叶林、落叶阔叶灌木林、常绿阔叶灌木林、乔木园地面积与PM_(2.5)质量浓度均呈负相关关系。研究结果表明,实行未利用土地、耕地以及部分建成区的土地利用方式向林地、草地转化是北京市防控颗粒物污染的可行方略。     

采暖季4种结构的城市绿地对PM_(2.5)和PM_(10)的调控作用

为研究采暖季不同结构城市绿地对大气中PM_(2.5)和PM_(10)的调控作用及其与气象因子的关系,于2015年11月—2016年4月,选择滞尘效果较好的4种类型城市绿地和对照点,于07:00—21:00每隔2 h在4种绿地的中心位置同步观测其内部PM_(2.5)、PM_(10)、温度、相对湿度、风速以及光照强度,对比分析绿地内颗粒物质量浓度差异以及不同绿地类型对消减PM_(2.5)和PM_(10)的作用。结果表明:采暖期4种结构城市绿地内PM_(2.5)日均值大小表现为CK(112μg?m~(-3))乔灌草(108μg?m~(-3))大阔叶乔草(107μg?m~(-3))小阔叶乔草(106μg?m~(-3))针叶乔草(100μg?m~(-3)),PM_(10)为CK(23μg?m~(-3))乔灌草(226μg?m~(-3))小阔叶乔草(224μg?m~(-3))大阔叶乔草(223μg?m~(-3))﹥针叶乔草(211μg?m~(-3)),CK内PM_(2.5)和PM_(10)质量浓度显著高于其他绿地类型(P0.05);PM_(2.5)和PM_(10)小时均值变化区间分别为81~133μg?m~(-3)和170~278μg?m~(-3),两者呈极显著相关(P0.01),都在09:00左右达到峰值,15:00左右达到最低值,而后至21:00一直呈上升趋势;采暖期PM_(2.5)和PM_(10)月均值稳步上升,但受大范围气象因素影响显著;观测期间,对PM_(2.5)和PM_(10)平均消减率按大小排序为针叶乔草乔灌草小阔叶乔草大阔叶乔草,且针叶乔草的消减率显著高于其他绿地类型(P0.05);4种结构城市绿地对PM_(2.5)和PM_(10)的消减率都与温度呈显著负相关(P0.05),仅有PM_(2.5)的消减率与湿度呈显著正相关(P0.05),与风速和光照相关性不显著。在城区绿地建设中,可加大针叶乔木的配置以降低大气颗粒物质量浓度。     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。     

贵阳秋季PM_(2.5)水溶性离子组成特征及来源解析

水溶性无机离子是PM_(2.5)的主要组分之一,对研究PM_(2.5)的物理化学性质,来源及其形成机理具有重要意义.本研究于2017年9月—2017年11月期间在贵阳城区采集了80个PM_(2.5)样品,并测定了8种水溶性离子浓度,探讨贵阳秋季PM_(2.5)水溶性离子组成特征及来源.结果表明贵阳秋季PM_(2.5)中无机离子的平均质量浓度为15.99μg·m~(-3),阴离子和阳离子的平均质量浓度分别为10. 90μg·m~(-3)、5. 09μg·m~(-3); SO_4~(2-)(8. 53±4.63μg·m~(-3))平均质量浓度最高,其次是NH_4~+(2.56±1.62μg·m~(-3))、NO_3~-(2.21±2.96μg·m~(-3))、Ca~(2+)(1.98±0.88μg·m~(-3)),最后依次是K~+(0.37±0.24μg·m~(-3))、Cl-(0.16±0.11μg·m~(-3))、Mg~(2+)(0.11±0.03μg·m~(-3))、Na~+(0.07±0.06μg·m~(-3)); NH_4~+、SO_4~(2-)、NO_3~-是主要水溶性离子,所占比例为83%; NO_3~-/SO_4~(2-)值平均为0.21±0.12,远小于1,说明贵阳秋季PM_(2.5)以固定源污染为主.相关性分析表明,PM_(2.5)中NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3的形式存在,Ca~(2+)与Mg~(2+)来源可能相同.结合富集系数分析NO_3~-、SO_4~(2-)、Ca~(2+)、K~+、Mg~(2+)基本都是来源于陆源贡献,NO_3~-、SO_4~(2-)是人为源,Ca~(2+)、K~+、Mg~(2+)是地壳源,此外Mg~(2+)还有一部分海源贡献.     

重庆城郊森林植被调控大气PM_(2.5)和PM_(10)的时空效应

2014年8月—2015年7月,以重庆市空气质量发布系统唐家沱监测点(代表城区)为对照,在重庆铁山坪国家森林公园采用高精度手持式空气测定仪(CW-HAT200)定位监测了森林植被调控下的大气PM_(2.5)和PM_(10)时空变化。结果表明:重庆城区大气PM_(2.5)和PM_(10)日变化均呈"双峰"规律,均分别在12:00、18:00达到峰值,季节变化呈现为冬季秋季春季夏季;城郊森林植被(针叶林、针阔混交林、阔叶林)调控下的大气颗粒物日变化基本呈"单峰"规律,均在9:00达到峰值,且下午大气颗粒物质量浓度低于上午,季节变化则表现为冬季春季秋季夏季;城郊森林公园的大气PM_(2.5)和PM_(10)质量浓度均随距离增大而呈下降趋势,在5 km范围内削减强度分别达到22.30%和22.66%。总体上,城郊森林植被对大气颗粒物的削减、再分配功能作用明显,并受林分特征影响;在森林植被调控下,城郊森林公园大气颗粒物动态变化更趋平缓,并明显不同于城区。因此,若仅从大气颗粒物考虑,建议市民在夏季和秋季的13:00—17:00时间段前往城郊森林公园开展休闲游憩活动,且应选择处于公园核心区的削减大气颗粒物功能强的林分。     

太原市PM_(2.5)中含碳气溶胶特征分析

为研究太原市环境空气中含碳组分的时空分布变化规律,于2014年3月、5月、8月、12月采集了太原市3个点位春、夏、秋、冬等4个季节的PM_(2.5)样品,利用碳分析仪(DRI 2001A)测定了样品中OC1、OC2、OC3、OC4、EC1、EC2、EC3、OPC共8种碳组分含量,计算了有机碳(OC)、元素碳(EC)二者浓度,分析了OC和EC的时空分布特征.结果显示,太原市PM_(2.5)中OC和EC的平均质量浓度分别是13.5±14μg·m~(-3)和6.5±6.1μg·m~(-3),其中OC浓度随季节变化顺序为冬季春季夏季秋季,EC浓度季节变化与OC一致.春、夏、秋、冬4个季节总含碳气溶胶(TCA)占PM_(2.5)比例分别为17.6%、9.5%、8.8%、42.3%,其中冬季最高,表明冬季含碳气溶胶污染较为严重.夏季中OC和EC相关性较弱(R~2=0.4054),而春季(R~2=0.7659)、秋季(R~2=0.8253)、冬季(R~2=0.8184)OC和EC相关性较强,表明夏季碳气溶胶来源不同.通过(OC/EC)min最小比值法估算二次有机碳(SOC)浓度,春、夏、秋、冬季SOC浓度分别为2.8±2.9μg·m~(-3)、1.0±0.8μg·m~(-3)、 0.5±0.4μg·m~(-3)、 3.6±3.5μg·m~(-3),冬季SOC浓度最高. 8种碳组分分析结果显示,不同季节一次排放源中生物质燃烧、机动车尾气排放及煤炭燃烧对太原市含碳气溶胶贡献不同,其中,冬季燃煤和机动车排放使太原市含碳气溶胶污染严重,应加强燃煤和机动车排放源管控,来减轻碳组分污染.     

北京城区PM_(2.5)有机碳和元素碳的污染特征及来源分析

为研究北京城区PM_(2.5)中有机碳(OC)和元素碳(EC)的浓度水平、季节变化特征与主要来源,于2015年4月至2016年3月在北京西三环交通带附近采集4个季节PM_(2.5)有效样品95组,利用热光反射法测定了PM_(2.5)中OC和EC的质量浓度,并对OC/EC值、OC与EC相关性、二次有机碳(SOC)等特征及污染来源进行了分析.结果表明,采样期间PM_(2.5)平均质量浓度为(109.9±7.99)μg·m~(-3). PM_(2.5)中OC的年平均质量浓度为(13.49±4.32)μg·m~(-3),占PM_(2.5)的13.13%; EC的年平均质量浓度为(5.41±1.83)μg·m~(-3),占PM_(2.5)的5.2%.OC和EC平均浓度及OC和EC在PM_(2.5)中所占比例的季节变化特征均为冬季最高,秋季大于春季,夏季最低.4个季节PM_(2.5)中OC/EC比值均大于2.0,表明各季节存在二次有机碳(SOC)的生成,采用OC/EC最小比值法对SOC含量进行了估算,SOC年平均浓度为(6.88±1.10)μg·m~(-3),占OC含量的50.86%,冬秋季节的SOC浓度水平高于春夏季节.夏季SOC对OC的贡献率为62.22%,高于其他季节.相关性分析表明,OC与EC的相关性在春季(R2=0.9046)和秋季(R2=0.8886)高于夏季(R2=0.4472)和冬季(R2=0.6018),表明春秋两季OC与EC来源相似且相对简单.进一步对PM_(2.5)中8个碳组分质量浓度进行分析显示,北京城区大气碳质气溶胶主要来自汽油车排放和燃煤.     

宜宾市PM_(2.5)中碳组分的污染特性及来源分析

2017年1月—12月期间在四川省宜宾市布置4个点位,共采集360个PM_(2.5)样品膜,采用美国沙漠研究所DRI Model 2001型热光分析仪测定PM_(2.5)样品中OC、EC的浓度值,应用OC/EC比值法对SOC进行了估算.结果表明,宜宾市PM_(2.5)年均浓度为75.2μg·m~(-3).OC、EC年均浓度分别为14.3μg·m~(-3)和4.30μg·m~(-3),季节变化趋势为冬季秋季春季夏季,OC占PM_(2.5)比例为19.0%,为PM_(2.5)重要组成部分.SOC年均浓度为4.70μg·m~(-3),对OC贡献较大,在OC中占比为29.3%;SOC在OC中的占比春季冬季≈秋季夏季.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3、和OPC进行主成分分析,结果表明机动车尾气、燃煤排放和生物质燃烧是宜宾市PM_(2.5)中OC和EC的主要贡献源,可贡献PM_(2.5)中碳组分的54.0%—69.0%.     

极干旱地区沙尘与非沙尘天气PM_(2.5)及所含金属元素的浓度特征分析

大气PM_(2.5)污染和金属元素健康风险已成为大气环境研究热点。研究目标区域位于塔克拉玛干沙漠南缘,气候极其干旱,全年降水稀少,风沙较多,沙尘天气一定程度上影响着该区域的大气环境。于2014年1月、4月、7月和10—11月在和田市城区采集PM_(2.5)样品,采用电感耦合等离子体质谱仪(ICP-MS)测定了样品中的17种金属元素,分析了金属元素在不同季节沙尘和非沙尘气象状况下的暴露特征及与气象参数的关系,采用富集因子(EF)和正交矩阵因子(PMF)法对金属元素来源进行了分析并对健康风险进行了评价。结果表明,(1)PM_(2.5)质量浓度季节性特征表现为春季(973.5 9μg·m~(-3))夏季(728.08μg·m~(-3))秋季(366.51μg·m~(-3))冬季(259.84μg·m~(-3)),并且PM_(2.5)质量浓度与风速和温度呈正相关。(2)PM_(2.5)中金属元素质量浓度在沙尘天气(108.12~268.25μg·m~(-3))明显高于非沙尘天气(43.19~126.41μg·m~(-3)),秋季金属元素Ni、Cd和Pb出现富集,EF值分别为10.26、42.06、27.39;冬季Ni、Zn、As、Cd和Pb出现富集,EF值分别为22.46、11.03、18.49、84.35、206.03。(3)金属元素在沙尘期间的来源主要为汽车排放(17.66%)、生物质燃烧(10.58%)、化石燃料9.97%和扬沙(61.78%),非沙尘期间4种排放源的贡献分别为23.63%、20.34%、18.39%、37.63%。(4)健康风险评价结果表明,金属元素风险指数小于阈值1,可以忽略;致癌金属Cr的致癌风险值小于10~(-6),没有致癌风险,但Co、Ni、As和Cd的致癌风险值在10~(-6)~10~(-4)之间,有一定的致癌风险。     

新疆独山子石化区域PM_(2.5)中水溶性无机离子的形成机制

2015年9月至2016年7月在新疆独山子区采集大气PM_(2.5)样品,对所含的水溶性无机离子和大气气态污染物的季节性变化进行了分析.其结果表明,PM_(2.5)、SO_2、NO_2和O_3的年均浓度分别为70.04、19.36、4.50、83.06μg·m~(-3); PM_(2.5)、SO_2、NO_2的浓度均出现冬季最高,夏季最低的趋势,而O_3浓度在春、夏季节偏高,冬季偏低;总水溶性无机离子的季节变化特征为冬季(68.99μg·m~(-3))秋季(14.23μg·m~(-3))春季(10.31μg·m~(-3))夏季(5.06μg·m~(-3)),其中SO_2~(-4)、NO_3~-、NH_4~+为水溶性无机离子的主要组成部分,占到水溶性总离子质量浓度的70%以上.对硫氧化率(SOR)和氮氧化率(NOR)的估算表明,全年SOR的值均大于0.1,表明SO_2~(-4)主要来自大气二次转化.夏季NOR值远低于其它季节. SO_2~(-4)浓度和SOR在冬季出现较高值,可能是由于冬季取暖导致SO_2排放量增加,同时较高的相对湿度又促进了SO_2的非均相转化.受相对湿度的影响,NO_3~-在冬季主要以非均相反应的方式生成,在春、夏、秋的3个季节主要以均相反应的方式生成;当PM_(2.5)的质量浓度大于75μg·m~(-3)时,NO_3~-/SO_2~(-4)、NOR/SOR和NOR值均显著增加,表明独山子区的硝酸盐污染较为严重.     

河南省PM_(2.5)时空分布特征及其与植被覆盖度的关系

随着中国城市化和工业化的不断推进,大气污染治理形势严峻,PM_(2.5)作为首要的大气污染物,已经引起了公众和学术界的普遍关注。研究PM_(2.5)的时空分布特征及其质量浓度同植被覆盖度之间的关系,为区域大气污染联防联控提供数据支撑和理论依据。以大气污染严重的河南省为研究对象,利用2017年1月—2019年2月期间75个国控空气质量监测站的逐日PM_(2.5)质量浓度数据,通过空间插值技术,分析了PM_(2.5)质量浓度的时间和空间分布特征。基于MODID NDVI遥感卫星数据,采用像元二分模型反演获取植被覆盖度数据,再计算其与PM_(2.5)质量浓度的秩相关系数。研究发现,(1)总体上,河南省PM_(2.5)年均质量浓度逐年降低,由2015年的79μg·m~(-3)降至2018年的63μg·m~(-3),年均降幅达7.2%,但是依然超过国家二级标准(35μg·m~(-3)),污染防治形势仍然严峻。(2)从时间分布看,PM_(2.5)季节差异明显,月均质量浓度曲线大致呈"U"形,冬季质量浓度最高(113μg·m~(-3)),夏季最低(35μg·m~(-3)),春秋两季居中。(3)从空间分布来看,PM_(2.5)质量浓度在河南省内由南至北污染程度递减,形成了以污染最严重的郑州市、安阳市为中心的PM_(2.5)辐射圈。(4)植被覆盖度和PM_(2.5)质量浓度相关性强,秩相关系数为-0.55。从污染治理来看,提高植被覆盖度,增加植被面积对PM_(2.5)沉降有积极作用,但作用有限。     

菏泽市夏季PM10和PM25中水溶性离子组分污染特征

为分析菏泽市大气颗粒物及其水溶性离子组分特征,本研究于2015年8月期间在菏泽市6个监测点位采集环境受体PM_(10)和PM_(2.5)样品共120个,利用离子色谱法测定颗粒物中水溶性无机离子(SO■、NO~-_3、NH~+_4、Cl~-、Ca~(2+)、K~+、Na~+、Mg~(2+)、F~-),并同步收集气象参数及气态污染物质量浓度等资料.结果表明,菏泽市夏季环境受体中颗粒物质量浓度ρ(PM_(10))和ρ(PM_(2.5))分别为94.5μg·m~(-3)、55.2μg·m~(-3),稍低于国内其他城市,这与各城市经济发展、产业能源结构、气象条件等因素有关.PM_(2.5)/PM_(10)值在0.5—0.8之间,表明菏泽市夏季细颗粒物(PM_(2.5))污染较为严重.但PM_(10)和PM_(2.5)中水溶性离子质量总浓度ρ(WSIs)分别为30.5μg·m~(-3)、17.0μg·m~(-3);质量分数w(WSIs)分别为32.4%、29.6%.其中SO■、NO~-_3、NH~+_4为PM_(10)和PM_(2.5)中主要水溶性离子,3种离子浓度和分别占PM_(10)和PM_(2.5)中总离子浓度的84.3%、88.3%.SO■、NO~-_3、NH~+_4、K~+主要集中在细颗粒物(PM_(2.5))中,Ca~(2+)、Mg~(2+)则广泛存在于粗颗粒物(PM_(10))中.各采样点的PM_(10)和PM_(2.5)中,SO■、NO~-_3、NH~+_4、Ca~(2+)和Mg~(2+)浓度分布具有空间差异.离子相关性表明,NH~+_4与SO■、NO~-_3相关性均较强,3种离子主要以NH_4HSO_4、NH_4NO_3形式存在.PM_(10)和PM_(2.5)中NO~-_3/SO■值分别在0.41—0.49和0.36—0.47之间,平均值分别为0.46、0.42,表明固定源是菏泽市夏季颗粒物污染的主要污染贡献源.     

乌鲁木齐大气细颗粒物PM_(2.5)水溶性离子浓度特征及其来源分析

大气细颗粒物PM_(2.5)是危害人体健康和环境最主要的空气污染物之一,对其水溶性离子的研究是一项非常必要而迫切的工作。文章对乌鲁木齐市中心区域树木年轮实验室和黑山头2013年1月-2014年2月期间采集的大气细颗粒物样品,利用离子色谱仪分析了其中的水溶性离子分布特征,采用硫转化率(SOR)、离子相关性分析等分析其可能来源,结果表明:年轮室和黑山头PM_(2.5)中总离子浓度平均值分别为88.03和65.11μg·m~(-3),分别占PM_(2.5)质量浓度的51.21%和33.8%。年轮室各种离子的季节变化明显:SO_4~(2-)、NO_3~-、Cl~-和NH_4~+表现为冬季秋季春季夏季,Na~+表现为冬季秋季夏季春季,Ca~(2+)表现为秋季夏季春季冬季。SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中主要的离子,(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3是乌鲁木齐PM_(2.5)中水溶性组分的可能结合方式。Cl~-和K~+主要来源于化石燃料和生物质的燃烧排放,Ca~(2+)和Mg~(2+)主要来自土壤、二次扬尘和燃煤。乌鲁木齐大气PM_(2.5)中ρ(NO_3~-)/ρ(SO_4~(2-))为0.40,说明目前固定排放源仍然是乌鲁木齐大气污染物的主要来源。本研究为更深入了解乌鲁木齐市颗粒物污染现状提供参考,同时为确定乌鲁木齐市大气污染治理重点、制定大气污染防治规划提供依据。     

极干旱区大气PM_(2.5)对质粒DNA的氧化性损伤研究

近年来和田经济迅速发展及城市人口快速增长,汽车尾气、工业废气等各类污染物的城区排放量也在不断增加,加重了和田市大气污染。为评估和田市城区风速、沙尘天气对大气PM_(2.5)毒性的影响,于2014年1月、4月、7月、10—11月采集大气PM_(2.5)样品,应用质粒DNA评价法研究其PM_(2.5)的氧化性损伤能力。结果表明,采样期间,和田市城区大气PM_(2.5)质量浓度的变化范围为70~2489μg·m~(-3),PM_(2.5)质量浓度有随风速增大而增大的趋势。应用TD30(造成30%DNA损伤率所需的颗粒物剂量,μg·mL~(-1))值指示颗粒物氧化性损伤能力,结果表明,TD30越高,颗粒物氧化性损伤能力越弱,全样和水溶部分TD30值的变化范围分别为444~27480μg·mL~(-1)和481~20434μg·m L~(-1);不论是全样还是水溶部分,其对质粒DNA的氧化性损伤均表现出随风速减小而增大的变化趋势;沙尘和非沙尘期间全样TD30的平均值分别为9464μg·mL~(-1)和8008μg·mL~(-1),而水溶部分分别为5494μg·mL~(-1)和7822μg·mL~(-1),即沙尘期间采集的颗粒物对体外DNA的氧化性损伤小于非沙尘期间采集的样品,且非沙尘期间采集的样品的全样损伤大于相应的水溶部分样,而沙尘状况下体外DNA的氧化性损伤可能主要来源于水溶成分。全样和水溶部分的TD30平均值与PM_(2.5)平均质量浓度之间存在明显的正相关趋势,说明颗粒物的质量浓度对DNA氧化损伤起着一定的作用。     

乌鲁木齐气溶胶粒径分布及细颗粒物(PM_(2.5))浓度变化分析

利用乌鲁木齐市中心区域气象局和黑山头2013年1月1日-2014年2月28日期间Grimm180在线监测数据,对乌鲁木齐市大气气溶胶数浓度和PM_(2.5)质量浓度的分布特征及其影响进行了分析,为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治规划提供依据。结果表明,(1)气象局和黑山头气溶胶数浓度分布趋势一致,0.25~0.28μm之间的粒子数浓度最大;整体趋势表现为双峰型,第1峰出现在0.30~0.35μm之间,峰值分别为467.0和455.4 particle·cm~(-3);第2峰出现在4.0~5.0μm之间,峰值较小;粒径小于2.5μm的粒子数占到了粒子总数的99.88%;在粒径0.25~0.45μm范围内冬季气溶胶粒子数浓度最高,在粒径0.45μm范围内秋季气溶胶粒子数浓度最高;在粒径0.25~1μm范围内夏季气溶胶粒子数浓度最低,在粒径1μm范围内冬季数浓度最低;0.25~0.5μm粒径段内粒子占粒子总数的比例大小顺序为冬春夏秋;0.8~2.5μm之间不同粒径段的粒子占粒子总数的比例大小顺序为夏秋春冬;PM_(2.5)数浓度小时变化采暖期表现为双峰型,非采暖期为不太明显的三峰型。(2)观测期间气象局和黑山头PM_(2.5)平均质量浓度分别为61.77,43.42μg·m~(-3),日平均值超标率分别是30.81%和16.44%。采暖期气象局PM_(2.5)质量浓度小时变化呈现单峰,在19:00─21:00出现峰值;黑山头则呈现双峰,在6:00-8:00出现峰值,20:00出现一个不太明显的小峰;非采暖期气象局与黑山头PM_(2.5)质量浓度小时变化趋势一致,均表现为双峰型。两个站点PM_(2.5)质量浓度的季节变化均表现为冬季秋季春季夏季,特殊的地理位置和不同季节污染源的排放强度、气象条件是导致PM_(2.5)质量浓度随季节变化的主要原因。     

高原城市昆明PM_(2.5)中碳组分污染特征及来源分析

为研究昆明市大气细颗粒物(PM_(2.5))中碳组分特征,于2014年7月21—27日、2014年10月27—11月2日、2014年1月9—15日、2015年4月14—20日采集了昆明中心城区3个采样点的大气PM_(2.5)四季样品,采用IMPROVE热光分析法准确地测量了样品的有机碳(OC),元素碳(EC)及其中的8个碳组分含量,分析了OC和EC的时空变化特征、相关性关系及其比值特征,并采用因子分析方法研究了主要排放来源对总碳的贡献.结果显示,昆明城区的OC和EC年平均浓度分别为17.83±9.57μg·m~(-3)、5.11±4.29μg·m~(-3),OC浓度显示冬季≈春季秋季夏季的变化趋势,EC浓度显示冬季春季≈秋季夏季的变化趋势,OC与EC浓度季节分布的不一致反映了两种不同性质碳组分排放源之间可能存在差异.从空间分布上来说,OC和EC均呈现金鼎山(工业区)东风东路(交通密集区)西山森林公园(清洁对照区)的特点,与PM_(2.5)的空间分布规律保持一致.OC和EC的相关性在冬、春季较显著,而夏、秋季的相关性较弱.二次有机碳(SOC)对OC的贡献率在金鼎山、东风东路和西山森林公园的3个采样点分别为25.8%、23.7%和47.7%,SOC是总有机碳的重要组成部分.因子分析表明,4个季节燃煤、汽油车、柴油机排放及生物质燃烧对碳气溶胶贡献显著,都是碳组分的重要来源之一.其中,在常年尺度上,机动车排放和燃煤的混合贡献了碳组分的51.3%,是昆明城区碳气溶胶的最主要来源.     

荥阳市春秋季观测期间颗粒物中重金属健康风险评价

为研究荥阳市2017春秋两季观测期间颗粒物中重金属的浓度特征及其在不同暴露途径下对人体的健康风险,采集大气中的PM_(2.5)和PM_(10),使用电感耦合等离子质谱仪ICP-MS对颗粒物中重金属浓度(Co、Cu、Zn、As、Cr、Pb)进行测定.结果表明,春、秋季的PM_(2.5)和PM_(10)的浓度均值分别为95.01μg·m~(-3)、149.03μg·m~(-3)和61.61μg·m~(-3)、108.61μg·m~(-3). PM_(2.5)浓度最高比《环境空气质量标准》(GB 3095—2012)规定的一级浓度限值高5.71倍,PM_(10)比其一级浓度限值高6.42倍,比二级浓度限值高1.47倍.健康风险评价表明,在呼吸暴露途径下,PM_(10)中Cr元素在春季对成人有一定致癌风险,在秋季则对成人和儿童均存在致癌风险,且秋季As、Cr、Co的危险指数高达4.2,存在显著非致癌风险;皮肤接触途径下,PM_(10)中Cr元素在春季对儿童和成人均有致癌风险,秋季则主要是对成人存在致癌风险;口入途径下,秋季PM_(2.5)中As元素对儿童有潜在致癌风险,PM_(2.5)和PM_(10)中重金属元素整体在两个季节对儿童均有显著非致癌风险.     

乌鲁木齐大气细颗粒物(PM_(2.5))有机碳和元素碳污染特征分析

对乌鲁木齐市中心区域树木年轮实验室(TRL)和黑山头(HST)2013年1月─2014年2月期间采集的大气细颗粒物(PM_(2.5))样品,利用热光碳分析仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治策略提供依据。结果表明:年轮室OC和EC的质量浓度分别为(15.73±8.50)和(5.48±2.70)μg·m-3,分别占PM_(2.5)质量浓度的9.15%和3.19%,黑山头OC和EC的质量浓度分别为(11.31±7.29)和(4.14±3.26)μg·m-3,分别占PM_(2.5)质量浓度的9.26%和3.06%。年轮室OC的月变化呈现单峰型,4月份浓度最小,1月份浓度最大,黑山头OC的月平均浓度1月份最大,6月份最小,两个站点EC月平均浓度分布均无明显的特征,两个站点最大浓度均出现在2013年1月。OC质量浓度的季节变化是冬季(19.80±8.53)μg·m-3秋季(12.83±8.25)μg·m-3夏季(9.82±2.83)μg·m-3春季(9.31±3.91)μg·m-3,EC质量浓度的季节变化是秋季(5.72±3.35)μg·m-3冬季(5.25±2.61)μg·m-3夏季(5.21±2.37)μg·m-3春季(4.89±2.31)μg·m-3。在不同的季节,OC浓度变化比较明显,EC排放相对稳定。乌鲁木齐春夏季OC和EC的相关性较高,并且相关系数较为接近,说明春夏两季OC和EC来源相对简单,来源一致,主要来源于交通源机动车尾气的排放;秋冬季相关性较低,说明OC和EC来源复杂,秋冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂。     

气象条件对西安市夏季和冬季近地面大气环境污染特征影响

利用2018年1—12月西安市13个环境空气质量监测点的六项大气污染常规分析指标(PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO)逐小时监测数据,结合气象条件(温度、相对湿度、风向、风速、大气压、光照、紫外辐射、混合层高度及大气能见度)和颗粒物样品采集,对西安市近地面大气污染物浓度特征进行分析,结果表明,西安市近地面大气污染物浓度呈现明显的季节变化特征,冬季空气污染物主要为颗粒物(PM_(10)、PM_(2.5))对应质量浓度分别为:(154.04±92.88)、(101.84±60.11)μg·m~(-3),PM_(2.5)/PM_(10)的值为0.66,夏季空气污染物主要为O_3,质量浓度为(89.07±20.62)μg·m~(-3);西安市冬季PM_(2.5)数浓度、表面积浓度、质量浓度分别为(51 890±14 619)cm~(-3)、(2 882.21±939.83)μm~2·cm~(-3)、(0.32±0.13)mg·m~(-3),PM_(10)数浓度、质量浓度、表面积浓度分别为(51 897±14 618)cm~(-3)、(3 410.50±1 060.31)μm~2·cm~(-3)、(0.86±0.29)mg·m~(-3),数浓度粒径分布集中在0.010≤d_p≤0.484μm,占总数浓度的99.13%,表面积浓度粒径分布集中在0.072≤d_p≤8.136μm,占总表面积浓度的98.32%,质量浓度粒径分布集中在0.316≤dp≤8.136μm,占总质量浓度的98.75%。颗粒物数浓度对大气能见度影响最大的3个粒径段分别为d_p=0.762μm、d_p=1.956μm、d_p=1.232μm,3个粒径段与能见度的R~2(拟合优度)分别为:0.840、0.789、0.775;西安市夏季,在近地面环境温度大于30.23℃,相对湿度小于58.09%,光照强度大于107.83 W·m~(-2),紫外辐射强度大于324.10μW·cm~(-2)时,有利于近地大气层中高质量浓度O_3((112.16±53.01)μg·m~(-3))的生成与累积。研究结果可为西安市及汾渭平原其他城市大气污染物减排、大气污染防治策略的制定提供数据支持。