邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

廊坊市秋季环境空气中颗粒物组分昼夜变化特征研究

为研究廊坊市区秋季环境空气中颗粒物浓度及其组分昼夜变化特征,于2015年9月12—21日在廊坊市进行PM_(2.5)和PM_(10)采样,并对采集的样品无机元素、水溶性离子和碳组分(OC和EC)分析.结果表明,夜间PM_(2.5)和PM_(10)浓度比白天高,且下半夜出现大幅上升.PM_(2.5)/PM_(10)比值为0.49~0.62,下半夜最高.碳组分、Ba、Cr、Cl~-、NO_3~-、SO_4~(2-)、NH_4~+等主要富集在PM_(2.5)中,而Ca、Al、Si、Mg~(2+)和Ca~(2+)等主要富集在PM_(10)中.通过昼夜颗粒物组分对比发现,夜间EC、Cu、Zn、Cr、Pb、Cl~-、NO_3~-和NH_4~+等浓度明显上升.同时,下半夜OC/EC比值明显变小,Cl-、NO_3~-和NH_4~+浓度明显增大,同时段CO和NO_2浓度上升,而SO_2浓度变化平缓.以上表明采样期间廊坊夜间可能存在移动源和部分工业污染源排放.     

北京城区PM_(2.5)不同组分构成特征及其对大气消光系数的贡献

为研究北京城区PM2.5不同组分对大气消光系数的贡献率,于2013年10月—2014年8月使用3台PQ200采样器在北京市环境保护科学研究院采集PM2.5样品并进行质量重建,采用IMPROVE方程计算大气消光系数并分析各组分的贡献率.结果表明:1北京城区ρ(PM2.5)年均值为(90.3±8.1)μg/m3,相比2005年有所下降,颗粒物呈弱碱性,NH4+略有剩余.2PM2.5质量重建后,化学构成为OM〔32.1%,为ρ(OM)占ρ(PM2.5)比例,下同〕、NO3-(13.6%)、SO42-(13.9%)、NH4+(11.1%)、Cl-(3.8%)、其他离子(4.0%)、EC(元素碳,5.0%)、FS(土壤尘,8.9%)、微量元素(1.3%)和未知物质(6.7%);与2005年相比,OM、NO3-、NH4+等二次污染物质量浓度占ρ(PM2.5)比例均显著增加,ρ(水溶性离子)占ρ(PM2.5)的比例随空气污染加重而增加.3北京城区大气消光系数年均值为(504.6±49.3)Mm-1,OM、(NH4)2SO4、NH4NO3、EC和FS的贡献率分别为37.5%、28.3%、25.2%、7.6%和1.4%;冬季由于ρ(PM2.5)高,大气消光系数最高,为(589±124.3)Mm-1,约是春季的2倍;夏季由于相对湿度大,PM2.5吸湿粒径增大,大气消光系数仅次于冬季.OM对大气消光系数贡献率为冬季最高,而(NH4)2SO4的贡献率在冬夏季均大于NH4NO3.     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

长春市典型高架公路大气环境颗粒物中重金属污染特征

于2014年4—11月对长春市典型高架公路大气颗粒物PM_(2.5)和PM_(10)进行采样,对颗粒物中主要重金属元素的浓度进行了分析,并采用变异系数法、地积累指数法和富集因子法对大气颗粒物重金属污染情况进行评价.研究表明,道路施工期间,PM_(2.5)和PM_(10)中重金属的浓度普遍低于道路运行通车后的浓度,而采暖期重金属的浓度又高于非采暖期的浓度.重金属元素在PM_(2.5)中的含量占PM_(10)中总含量的比例均超过50%,说明颗粒物越细越容易富集重金属.Zn、Fe和Mn的变异系数较小,说明来源稳定,自然源占主导地位.富集因子法表明,Zn的富集程度极强,Mn无富集.Cr和Cd的变异系数较大,受人为活动干扰严重,在道路施工期间二者富集程度较轻,道路通行加之采暖后富集程度加强,主要来源为汽油和煤的燃烧.Pb、Cu和Ni的变异系数在0.56~0.76之间,有一定的人为干扰,Pb和Ni在高架公路施工期富集程度较轻,道路运行及取暖期富集程度显著,主要来源是交通源;Cu富集程度强,主要来源可能是油燃烧、建筑扬尘.     

我国典型钢铁行业主要工艺环节排放颗粒物源成分谱特征

鉴于我国钢铁行业排放颗粒物源成分谱数量不足,有待更新的现状,致力于服务精细化颗粒物源解析的需求,采用稀释通道系统对武汉市某钢铁公司的3个主要工艺环节(烧结、炼钢、炼铁)排放源进行了采样.构建了3类PM_(2.5)源成分谱及3类PM_(10)成分谱,对源谱主要化学组分特征进行了研究,并与国内其他区域已有的钢铁行业源谱研究进行了对比.结果表明:(1)烧结工艺源成分谱中,SO_4~(2-)、Al和NH_4~+等含量高,PM_(2.5)源谱中质量分数依次为22. 2%、4. 5%和3. 5%,PM_(10)源谱中依次为36. 0%、5. 2%和2. 7%,炼铁工艺Fe元素含量最高,在PM_(2.5)源谱和PM_(10)源谱中分别达到28. 3%和24. 5%,炼钢工艺源谱Ca、Fe元素等为主要组分;(2)元素组分中,烧结工艺S元素含量最高,地壳元素在PM_(10)源谱中含量更高,炼铁工艺Pb、Cr等重金属含量偏高,炼钢工艺Cr富集;(3)源谱之间分歧系数的计算显示,同类工艺粗细粒径源谱相似性偏高,烧结工艺与其他两类工艺源谱之间差异性较高,炼钢工艺与炼铁工艺差异性较低.同国内其他区域研究源谱相比,发现Fe、Si和Ca等为钢铁行业排放颗粒物中标识性组分,而碳组分和SO_4~(2-)等组分特征随生产方式、除污设备等不同表现出不同特征.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

北京市常见树种叶片吸滞颗粒物能力时间动态研究

目前,以显微镜观察叶片微观结构已被证明是研究叶片吸滞颗粒物机理的有效方法.本文利用颗粒物再悬浮法和原子力显微镜,观察了北京市主要园林树种吸滞颗粒物的能力和叶片的表面特征,并探讨了不同树种吸滞颗粒物能力随时间变化的规律及叶片微观结构对滞尘能力的影响.结果表明:1针叶树种吸滞总悬浮颗粒物(TSP)能力大于阔叶树种,排序为:油松((27.13±0.44)μg·cm~(-2))白皮松((10.74±0.23)μg·cm~(-2))五角枫((8.24±0.18)μg·cm~(-2))柳树((7.71±0.18)μg·cm~(-2))银杏((6.43±0.17)μg·cm~(-2))杨树((6.17±0.19)μg·cm~(-2)),不同时间段树种滞尘能力不一致;2观测期间,针叶树种吸滞TSP和粗颗粒物(PM10)能力随月份呈U型趋势,在8、9和10月最低,随后又逐渐上升,而阔叶树种吸滞颗粒物能力则呈倒U型趋势,在7、8月最高,但不同树种吸滞细颗粒物(PM2.5)能力随时间变化均无明显规律性;3通过对叶片表面原子力显微镜(AFM)结构观测发现,叶片表面粗糙度越大,其吸滞颗粒物能力越强.     

成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_2.5污染贡献.结果表明成都市PM_2.5污染较重,特别是1月达到130μg·m^-3以上;浓度的高值集中在中心城区,且与周边城市PM_2.5污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_2.5污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_2.5年均浓度贡献率分别为29%、26%和24%,是影响PM_2.5污染的主要污染源,下一步应强化对这3类源的污染控制.     

成都夏冬季PM2.5中水溶性无机离子污染特征

利用大气细颗粒物水溶性组分及气态前体物在线监测设备(GAC-IC)对成都市2017年夏、冬两季大气PM_2.5中水溶性无机离子(WSIIs)及气态前体物进行了连续观测,对其污染特征及冬季一次典型污染过程进行了深入分析.结果表明,成都冬季PM_2.5质量浓度为100.2μg·m^-3,显著高于夏季(34.0μg·m^-3).WSIIs是PM_2.5的重要组成,对夏、冬季PM_2.5的贡献分别可达52.9%和53.3%.夏、冬季的二次离子(SNA)占WSIIs的比例分别为73.2%和87.6%,其中,SO₄^2-和NO^-₃分别是夏、冬季SNA的主导组分,对SNA的贡献分别为37.7%和59.7%.冬季NO^-₃/SO₄^2-比值(2.7)显著高于夏季(0.8),体现了移动源(尤其是机动车源)对该季节PM<...     

成都市冬季大气消光系数及其组成的特征研究

由于气溶胶吸湿增长的复杂性和不确定性,大气消光的演化机理至今尚不十分清晰.为此,利用成都市2017年12月浊度仪和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,系统研究了该区域冬季对应550 nm大气消光系数及其组成的特征.结果表明:①观测期间大气消光系数为(1173.42±641.21) Mm~(-1),其中"干"气溶胶散射系数、"干"气溶胶吸收系数、干洁大气散射系数、气态污染物吸收系数和气溶胶吸湿性消光系数对其平均贡献率分别是53.02%、6.54%、1.50%、1.65%和37.29%.②大气消光系数、"干"气溶胶散射系数和气溶胶吸湿性消光系数的日变化为"单峰单谷型",而"干"气溶胶吸收系数和气态污染物吸收系数的日变化则分别表现为"单谷型"和"双峰双谷型".③明确了单位质量大气消光系数及其组成随相对湿度的变化特征,并就其各自成因进行了分析.     

成都市冬季大气颗粒物组成特征及来源变化趋势

年冬季分别在成都市8个环境受体采样点采集PM₁₀、PM_2.5样品,同时采集颗粒物源类样品,分析上述样品质量浓度及多种无机元素、水溶性离子和碳组分的含量,以对这3 a冬季大气颗粒物浓度、特征组分、来源及变化趋势进行分析. 使用CMB-iteration模型对成都市中心城区的PM₁₀、PM_2.5进行来源解析. 结果表明: 成都市冬季ρ(PM₁₀)在工业区最高,PM_2.5污染呈现区域性特征;冬季PM₁₀的主要来源有扬尘、二次硫酸盐、煤烟尘、二次硝酸盐和机动车尾气尘,上述5类源在2010─2012年的分担率分别为24%～29%、17%～22%、13%～16%、6%～12%、6%～11%;对PM_2.5有重要贡献的源类有二次硫酸盐、扬尘、煤烟尘、二次硝酸盐和机动车尾气尘,这5类源在2010─2012年的分担率范围分别为25%～27%、19%～22%、12%～15%、11%～13%、8%～11%. 二次粒子、扬尘等是成都市大气颗粒物的主要污染源,其中扬尘、建筑水泥尘等以粗粒子为主的源类浓度贡献呈逐年下降趋势,而二次粒子等以细粒子为主的源类浓度贡献则逐年上升,成都市冬季大气细颗粒物污染加重.      

2012—2014年冬季北京上甸子气溶胶观测研究

为了分析冬季上甸子本底站气溶胶的变化特征,利用2012—2014年每年1月上甸子本底站的能见度、ρ(PM_2.5)、ρ(BC)、ρ(CO)等数据,结合气象资料对上甸子地区气溶胶特性进行分析. 结果表明:2012—2014年每年1月地面月均风速分别为2.5、2.4和2.4 m/s,RH(相对湿度)分别为45.6%、59.5%和45.8%,ρ(PM_2.5)分别为38.6、54.7和45.2 μg/m3,MSE(气溶胶质量散射系数)分别为5.3、5.9和4.9 m2/g. 虽然地面风速基本没有变化,但2013年1月的RH比2012年和2013年1月平均高出30%,并且同期ρ(PM_2.5)和MSE也高于2012年和2013年1月. ρ(PM_2.5)的增加导致太阳辐射减弱,但对SSA(气溶胶单次反照率)影响不大. 对2013年1月数据分析可知,各种RH区段下,能见度与ρ(PM_2.5)均呈负相关,其中在80.0%10 km时,b_ext和B_ext(分别以能见度和大气组分计算的大气消光系数)基本相当,二者在这3年的拟合斜率平均值高达0.99;当能见度<5 km时,2014年1月的b_ext和B_ext之间不存在线性关系,2012年和2013年1月的b_ext和B_ext的R2分别是0.88和0.92.      

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...     

减排背景下成都大气PM2.5碳质组分特征

近年来,国务院颁布的《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》对我国空气质量的全面改善起到了重要作用,然而,当前鲜有对四川盆地两大政策实施效果进行评估以及对政策实施后PM_2.5化学组分新特征的针对性研究.2017年和2020年分别是两大污染减排政策实施效果评估的关键时期,为对两时期成都市大气PM_2.5及其中碳质组分特征进行全面了解,分别于2016年10月至2017年7月和2020年12月在成都市区进行了PM_2.5的连续采样,并对其中有机碳（OC）和元素碳（EC）进行了分析.结果表明：①2016~2017年成都市ρ（PM_2.5）平均值为（114.0±76.4）μg·m^-3,最高值出现在冬季,可达（193.3±98.5）μg·m^-3,是浓度最低季节春季［（73.8±32.3）μg·m^-3］的2.6倍,而这种严重的冬季污染在2020年出现了明显改善,对应的ρ（PM_2.5）为（96.0±39.3）μg·m^-3,降幅达50.3%.②2016~2017年ρ（OC）和ρ（EC）的平均值分别为（21.1±16.4）μg·m^-3和（1.9±1.3）μg·m^-3,分别占PM_2.5的质量分数为18.5%和1.7%;ρ（OC）季节变化特征为：冬季［（40.6±21.5）μg·m^-3］>秋季［（17.0±7.0）μg·m^-3］>夏季［（14.4±3.9）μg·m^-3］>春季［（12.6±6.0）μg·m^-3］,而各季节ρ（EC）水平接近（1.3~2.4 μg·m^-3）;二次有机碳（SOC）是OC的重要组成,可占OC的质量分数为44.5%.相比2016年冬季,2020年冬季ρ（OC）降至（19.2±9.1）μg·m^-3,降幅达52.7%,EC则升高了26.1%.③随污染加重,各碳质组分及其贡献变化趋势各异,相比2016年冬季,2020年冬季OC随污染加重贡献更加趋于稳定,而SOC占比升高更为明显,二次有机组分贡献不容忽视.④各季节气团来向和污染物潜在源区均呈现出了明显差异;与2016年冬季相比,虽然2020年冬季主要气团来向未发生明显变化,但各轨迹对应的污染物浓度均出现了大幅降低,且污染物潜在源区向东部区域扩展明显.     

Chemical characteristics of fine particles and their impact on visibility impairment in Shanghai based on a 1-year period observation

In this work, a one-year observation focusing on high time resolution characteristics of components in fine particles was conducted at an urban site in Shanghai. Contributions of different components on visibility impairment were also studied. Our research indicates that the major components of PM_2.5 in Shanghai are water-soluble inorganic ions and carbonaceous aerosol, accounting for about 60% and 30% respectively. Higher concentrations of sulfate (SO₄²⁻) and organic carbon (OC) in PM_2.5 occurred in fall and summer, while higher concentrations of nitrate (NO₃⁻) were observed in winter and spring. The mass concentrations of Cl⁻ and K⁺ were higher in winter. Moreover, NO₃⁻ increased significantly during PM_2.5 pollution episodes. The high values observed for the sulfate oxidizing rate (SOR), nitrate oxidizing rate (NOR) and secondary organic carbon (SOC) in OC indicate that photochemical reactions were quite active in Shanghai. The IMPROVE (Interagency Monitoring of Protected Visual Environments) formula was used in this study to investigate the contributions of individual PM_2.5 chemical components to the light extinction efficient in Shanghai. Both NH₄NO₃ and (NH₄)₂SO₄ had close relationships with visibility impairment in Shanghai. Our results show that the reduction of anthropogenic SO₂, NO_x and NH₃ would have a significant effect on the improvement of air quality and visibility in Shanghai.