2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征

2015年1~12月对北京市城区开展PM_(2.5)中主要水溶性离子NH_4~+、NO_3~-和SO_4~(2-)(统称SNA)及其前体气体NH_3、NO、NO_2和SO_2的监测,共获得样本325组.用特氟龙滤膜采集PM_(2.5)中SNA,用在线仪器实时监测各前体气体.分析各前体气体和SNA的污染特征并同时对其相关性进行研究.观测期间NH_3、NO、NO_2、SO_2、NH_4~+、NO_3~-和SO_4~(2-)的年平均浓度分别为21.5、17.7、54.3、14.2、8.1、13.5和12.7μg·m~(-3),SNA质量浓度占PM_(2.5)的43.4%.NO、NO_2和SO_2冬季最高,夏季最低;NH_3为夏季最高,秋冬较低;NH_4~+浓度和体积分数四季波动不大;NO_3~-浓度和体积分数均夏季最低;SO_4~(2-)浓度为冬季最高,百分含量为夏季最大.全年([NO_3~-]+2[SO_4~(2-)])与NH_4~+的比值为0.97,表明阴离子主要以NO_3~-和SO_4~(2-)的形式存在.随着污染程度的增加,各化合物浓度均有明显上升,NO_3~-是重污染过程累积效应比较明显且贡献率最大的离子.SO_4~(2-)则在污染级别较低时,贡献率较大.NO_3~-与NO_2,NO、NH_4~+与NH_3,SO_4~(2-)与SO_2在置信度为0.01水平上均显著相关;SO_4~(2-)和SO_2变化规律呈负相关,NO_2和NO_3~-基本呈正相关,相比NH_3,NH_4~+浓度的高低受酸性气体NO_2、SO_2影响更大.     

厦门市大气PM_(2.5)中水溶性离子污染特征及来源解析

为探讨厦门市大气PM_(2.5)水溶性离子污染特征及来源,于2014年8月和12月同步采集了城区和郊区的PM_(2.5)样品.用离子色谱分析了9种水溶性离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、Na~+、K~+、NH_4~+、Ca~(2+)和Mg~(2+))的质量浓度.结果表明,厦门大气PM_(2.5)中水溶性离子浓度处于较低水平,总水溶性离子浓度(μg/m~3)顺序为:冬季城区(18.16)冬季郊区(14.55)夏季郊区(6.87)夏季城区(5.33),降水对水溶性离子有显著的去除作用.观测期间,夏季PM_(2.5)阴离子相对亏损,冬季反之.SO_4~(2-)、NO_3~-、NH_4~+(简称SNA)占全部水溶性离子质量浓度之和的比例达79.64%以上,表明厦门市大气PM_(2.5)二次污染较严重.相关性分析和SNA三角图解表明厦门市夏季NH_4~+主要以(NH4)2SO4的形式存在,其次为NH_4NO_3及碱性游离NH_4~+;冬季则主要以(NH_4)_2SO_4和NH_4NO_3的形式存在,其次为NH_4Cl.N/S值表明夏季PM_(2.5)中水溶性离子污染特征以燃煤源排放为主,冬季以交通排放为主,总体呈现出交通源与燃煤污染并存的复合型污染特征,但受海洋源的影响很小.主成分分析进一步表明厦门市大气PM_(2.5)水溶性离子主要来自燃煤源、交通排放和生物质燃烧源.     

苏州市PM2.5中水溶性离子的季节变化及来源分析

2015年在苏州市城区采集大气细颗粒物PM_(2.5)样品共87套,用重量法分析了PM_(2.5)的质量浓度,离子色谱法分析了颗粒物中F-、Cl-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+),共9种水溶性无机离子.观测期间,苏州市PM_(2.5)的年均质量浓度为(74.26±38.01)μg·m-3,其季节特征为冬季春季秋季夏季;9种水溶性离子的总质量浓度为(43.95±23.60)μg·m~(-3),各离子的浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Na~+Cl~-K~+Ca~(2+)F-Mg~(2+);SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)是最主要的水溶性离子;SO_4~(2-)、NO_3~-和NH_4~+三者之间具有显著的相关性,它们在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4的结合方式存在.苏州市PM_(2.5)中水溶性离子的主要来源包括工业源、燃烧源、二次过程和建筑土壤尘等.     

盘锦市冬季PM2.5水溶性离子特征及来源分析

为探讨盘锦市冬季PM_(2.5)水溶性离子污染特征和来源,于2017年1月采集3个点位的PM_(2.5)样品,用ICS-900离子色谱仪分析了8种离子(Na~+、Mg~(2+)、Ca~(2+)、K~+、NH_4~+、SO_4~(2-)、Cl~-和NO_3~-).开展了PM_(2.5)和离子浓度特征分析、硫氧化率(SOR)和氮氧化率(NOR)计算、离子平衡计算、主成分分析等.结果表明:盘锦市冬季PM_(2.5)浓度与水溶性离子浓度特征为文化公园开发区第二中学;SO_4~(2-)、NO_3~-、NH_4~+质量浓度较大;冬季硫氧化率(SOR)和氮氧化率(NOR)的均值均大于0.10,说明SO_4~(2-)、NO_3~-主要由SO_2和NO_x转化而来;阳离子和阴离子当量相关性较强;开发区整体上呈现出中性,文化公园与第二中学呈现出偏碱性;盘锦市PM_(2.5)中水溶性离子主要来源于煤烟尘,生物质燃烧,二次粒子以及扬尘.     

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.     

泉州市大气PM2.5中水溶性离子季节变化特征及来源解析

为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na~+、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m~(-3)冬季(8.54±7.61)μg·m~(-3)夏季(4.10±2.67)μg·m~(-3)秋季(3.91±2.58)μg·m~(-3);SO_4~(2-)、NO_3~-和NH_4~+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源.     

聊城冬季一重污染过程PM2.5污染特征及成因分析

北方秋冬季为重污染过程频发季节,为了解聊城市冬季重污染过程中PM_(2.5)及化学组分污染特征,于2016年1月7~11日在聊城市区开展PM_(2.5)样品采集并分析了其中水溶性离子、碳成分及无机金属元素这3种化学组分,并对污染特征及成因进行了分析.结果表明,此次污染过程PM_(2.5)浓度呈现明显的倒V字型,平均浓度为238.3μg·m~(-3),超过国家环境空气质量标准(GB 3095-2012)二级浓度限值2.2倍;NH_4~+、NO_3~-和SO_4~(2-)为PM_(2.5)的主要水溶性离子成分;随污染加重或减轻,NH_4~+、SO_4~(2-)、NO_3~-、Cl-和Mg~(2+)浓度呈现增加或降低趋势,而Ca~(2+)变化趋势与之相反.污染鼎盛时,NH_4~+、NO_3~-和SO_4~(2-)浓度分别为48.96、68.45和80.55μg·m~(-3),达到起始阶段的6.29、7.31和7.84倍;过程期间OC和EC的浓度为20.8~60.2μg·m~(-3)和3.0~7.5μg·m~(-3),OC浓度高于EC且变化幅度明显偏大;过程期间各日无机金属元素浓度和分别为10.2、22.4、16.0、19.6和8.2μg·m~(-3),富集因子(EF)结果显示,各元素EF均小于10,未被富集,表明污染过程中其主要来源于地壳等自然源;PM_(2.5)质量浓度重构结果表明,有机物(OM)、SO_4~(2-)和NO_3~-为PM_(2.5)的主要组分,其次为NH_4~+、地壳物质和其他离子,EC和微量元素含量相对较低.随着PM_(2.5)污染加重,二次无机盐(SO_4~(2-)、NO_3~-及NH_4~+)浓度及所占比例均随之增加,OM浓度随之增加但比例有所下降,而地壳物质浓度及比例均下降,表明二次无机转化是此次污染过程的主要原因,主要受燃煤和机动车排放影响.     

南京江北新区冬季PM2.5中化学组分的昼夜变化特征及其来源解析

为更好地了解南京江北新区大气气溶胶中水溶性离子的昼夜变化特征,冬季连续采集了2个月的PM_(2.5)样品,研究其水溶性离子昼夜变化特征及来源解析.结果表明,观测期间水溶性离子质量浓度变化范围为17. 07～168. 43μg·m~(-3),均值为(59. 01±30. 75)μg·m~(-3),且白天的水溶性离子平均质量浓度高于夜晚. NO_3~-和NH_4~+的浓度占离子总浓度的比值在夜晚偏高,而SO_4~(2-)和Cl~-则在白天偏高. SO_4~(2-)、NO_3~-和NH_4~+(SNA)是南京市PM_(2.5)中最重要的水溶性离子,其质量浓度在污染天要高于清洁天.白天和夜晚的阴阳离子平衡比值(AE/CE)大于1,说明PM_(2.5)呈酸性.相关性分析显示NH_4~+与NO_3~-、SO_4~(2-)之间具有显著的线性相关性,其在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4结合方式存在. PMF源解析进一步表明南京江北新区冬季大气PM_(2.5)中水溶性离子主要来源于机动车排放、化石燃料燃烧、生物质燃烧和扬尘等.     

徐州市冬季大气细颗粒物水溶性无机离子污染特征及来源解析

本研究于2015年12月至2016年2月在徐州市城区采集大气细颗粒物PM_(2.5)样品共32套,使用离子色谱法分析了颗粒物中的F~-、Cl~-、NO_3~-、SO2-4、Na~+、Mg~(2+)、NH_4~+、K~+和Ca~(2+)的质量浓度.观测期间,徐州市冬季PM_(2.5)的平均质量浓度为(164.8±77.3)μg·m-3,9种水溶性离子总质量浓度为(67.5±36.1)μg·m~(-3),占PM_(2.5)的40.9%,各离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-Ca~(2+)K~+Na~+Mg~(2+)F~-,其中NH_4~+、NO_3~-和SO_4~(2-)是最主要的水溶性离子.清洁大气、轻度霾和重度霾时期PM_(2.5)中总水溶性无机离子(WSIIs)质量浓度分别为(12.8±8.8)、(59.0±22.8)、(86.3±36.0)μg·m~(-3),SNA分别占WSIIs的86.4%、82.8%和78.9%.NH_4~+、NO_3-和SO_4~(2-)三者之间相关性显著,在PM_(2.5)中的结合方式为(NH_4)_2SO_4和NH_4NO_3.徐州市PM_(2.5)中水溶性离子的主要来源为二次转化、生物质燃烧、化石燃料燃烧和矿物粉尘等.     

杭州市PM2.5中水溶性离子的污染特征及其消光贡献

对杭州市2013年大气PM_(2.5)进行采样分析,探讨了其中水溶性离子的污染特征和消光贡献.杭州市PM_(2.5)中总水溶性离子的质量浓度为37.5μg·m~(-3),占PM_(2.5)质量浓度的44.4%,二次离子SNA(SO_4~(2-)、NO_3~-和NH_4~+)是水溶性离子的主要成分,共占到水溶性离子的83.4%.PM_(2.5)和主要水溶性离子的质量浓度都在冬季最大,夏季最低,夏秋季水溶性离子占PM_(2.5)的比值明显高于冬春季,而SNA在总水溶性离子中的比例4个季节非常接近.燃料燃烧和汽车尾气排放导致的二次离子生成,对杭州市PM_(2.5)贡献最大.SOR和NOR的年平均值分别为0.27和0.15,SO_2在大气中的转化率大于NO_x,SOR和NOR与相对湿度都呈现出明显正相关,非均相氧化过程对SO_4~(2-)和NO_3~-的生成具有重要贡献.气溶胶中[NO_3~-]/[SO_4~(2-)]的年平均值为0.63,主要受到燃煤排放的影响.霾天随着霾污染等级的逐渐加重,PM_(2.5)、水溶性离子和SNA的浓度都逐渐增大,SOR和NOR值也不断升高,霾天稳定的天气条件,能有效促进污染物的积累和二次转化.PM_(2.5)和SNA的质量浓度与大气消光系数都呈现出明显正相关,使用IMPROVE公式对不同化学组分消光系数的计算结果能够基本反映出气溶胶对大气散射的变化趋势,其结果显示SNA对大气总消光系数的贡献达60.8%.SNA的消光系数冬季最高,夏季最低,随着霾污染等级的加重,SNA的消光系数和对总消光的贡献比例也逐步增加.     

天津市2017年重污染过程二次无机化学污染特征分析

基于2017年天津市超级观测站数据,筛选出7次典型重污染过程,从污染物浓度、二次转化方面分析重污染过程二次无机化学污染特征.结果表明,重污染期间NO₃^-和SO₄^2-浓度较清洁天气增长幅度最高,显著高于PM_2.5的增长程度,说明二次无机转化是导致重污染期间PM_2.5污染加重的重要原因;下半年PM_2.5和SO₂污染程度较上半年减轻,与秋冬季采取燃煤治理等活动有关;重污染期间NO₂/SO₂比值为1.5~19.6,其中下半年NO₂/SO₂比值显著高于上半年,说明在各项污染源管控下移动源的影响比例相对增加;大部分重污染期间NO₃^-浓度大于SO₄^2-浓度,SOR值高于NOR值,说明重污染期间硫酸盐和硝酸盐转化均较重要;在SO₂浓度显著降低的情况下,重污染期间SO₄^2-浓度并未明显降低,说明除二次无机转化外,硫酸盐生成还受其他因素影响.     

Intensified wintertime secondary inorganic aerosol formation during heavy haze pollution episodes (HPEs) in Beijing, China

Air pollution in China is complex, and the formation mechanism of chemical components in particulate matter is still unclear. This study selected three consecutive heavy haze pollution episodes (HPEs) during winter in Beijing for continuous field observation, including an episode with heavy air pollution under red alert. Clean days during the observation period were selected for comparison. The HPE characteristics of Beijing in winter were: under the influence of adverse meteorological conditions such as high relative humidity, temperature inversion and low wind speed; and strengthening of secondary transformation reactions, which further intensified the accumulation of secondary aerosols and other pollutants, promoting the explosive growth of PM_2.5. PM_2.5/CO values, as indicators of the contribution of secondary transformation in PM_2.5, were approximately 2 times higher in the HPEs than the average PM_2.5/CO during the clean period. The secondary inorganic aerosols (sulfate nitrate and ammonium salt) were significantly enhanced during the HPEs, and the conversion coefficients were remarkably improved. In addition, it is interesting to observe that the production of sulfate tended to exceed that of nitrate in the late stage of all three HPEs. The existence of aqueous phase reactions led to the explosive growth sulfur oxidation ratio (SOR) and rapid generation of sulfate under high relative humidity (RH>70%).     

山地型城市冬季大气重污染过程特征及成因分析

以阳泉市2018年12月26日~2019年1月20日发生的典型大气重污染过程为例,研究了山地型城市冬季大气重污染过程特征及成因.结果表明,重污染发生时段首要污染物为PM_2.5,水溶性离子和碳质组分是PM_2.5主要组分,其中二次离子SO₄^2-、NO₃^-和NH₄⁺是主要水溶性离子成分（共占离子组分的87.7%）,二次有机碳（SOC）是碳质组分的主要成分（71.6%）.二次离子在重污染发生时的浓度较发生前增加5.3倍,是导致PM_2.5快速增长的重要组分.气象条件分析显示,PM_2.5及其主要组分皆与相对湿度呈显著正相关关系而与风速呈显著负相关,随相对湿度增加以及平均风速降低,污染程度逐渐加重.山地型城市相对湿度较高、温度变化幅度大等气象特征使二次污染物的生成加快,是导致PM_2.5污染程度快速加重的主要原因.另外,山地型城市相对封闭的地形导致的平均风速降低使得大气污染物扩散条件相对较差是污染物累积的原因之一.PMF模型解析结果为：二次源（46.0%）对PM_2.5贡献显著,其次为燃煤源（32.6%）、机动车源（19.8%）和扬尘源（1.6%）.因此,山地型城市更应该重视对二次组分,特别是二次离子形成的前体物的管控.     

2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

中原城市冬季两次重污染形成机制及来源

为揭示郑州市冬季空气污染过程及形成原因,选取郑纺机国控站点为采样点,探讨2019年12月郑州大气污染物浓度和主要气象参数特征,对比不同污染阶段PM_2.5水溶性离子、元素和碳质组分浓度变化,并利用空气质量模型模拟结果,分析采样期间污染源排放与区域传输对采样点PM_2.5质量浓度的贡献.结果表明,采样期间第一次和第二次重污染形成和消散过程略有差异,分别呈现出"缓慢累积、缓慢清除"和"缓慢积累、快速清除"的特征.第一次和第二次重污染时段NO₃^-、SO₄^2-和NH₄⁺质量浓度占PM_2.5比值达到41.5%和46.2%,OC/EC比值分别为4.0和4.5,二次气溶胶颗粒的大量生成是两次重污染形成的主要原因.采样期间本地、东部、南部、西部和北部区域对采样点PM_2.5浓度贡献占比均值分别为58.0%、2.4%、6.7%、6.9%和12.7%,第一次重污染是本地污染物排放和外来源区域传输共同作用的结果,期间西部和南部区域及外来工业源贡献占比有所升高;而第二次重污染则主要受到本地大气污染物累积的影响,期间交通源、扬尘源和燃煤源污染贡献骤增,外部区域对采样点PM_2.5浓度的影响有所减弱.     

2013年12月上海市PM2.5重污染过程数值模拟研究

基于2013年11月30日-12月13日上海一次PM_2.5重污染过程,利用Model-3/CMAQ模式及过程分析技术,定量评估不同时段各大气过程对上海PM_2.5浓度变化的影响.结果表明:Model-3/CMAQ模式系统能较好的模拟出实况PM_2.5的浓度变化趋势与特点.研究期间,白天源排放的增强和大气传输的影响、加上较强的气溶胶和云过程生成贡献,是造成上海PM_2.5浓度上升至重污染的主要原因.不同污染时段对PM_2.5浓度上升贡献率最大的过程均为输送,其中,西北部点位(青浦淀山湖和虹口凉城输送)的贡献率最大,且重污染时段输送的贡献率明显高于非重污染时段.     

天津市道路环境大气颗粒物水溶性无机离子分析

大气颗粒物,尤其是其中的水溶性无机离子,对人体危害很大.天津市大气污染中机动车尾气污染相对较高,为探究不同道路类型下水溶性无机离子的污染特征,于2015年4~5月对天津市四类道路类型分别进行大气颗粒物PM_(2.5)和PM_(10)采样及水溶性离子组分分析,并运用皮尔森相关性分析、水溶性离子比值关系分析及主成分分析方法进行探讨.结果表明,天津市水溶性无机离子主要集中在细颗粒物中,不同离子在不同道路下所占质量分数差异很大,二次污染相对较重;二次离子是水溶性无机离子的重要组成部分,在细颗粒物中含量相对较高,在PM_(2.5)中的含量是PM_(10)中的1~2倍左右;K~+、Mg~(2+)、Na~+与Ca~(2+)之间有较高的同源性;各道路PM_(2.5)和PM_(10)第一贡献因子均是燃烧和二次污染的混合源,第二贡献因子主要为扬尘与交通混合源.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

唐山市2017年采暖期不同污染等级PM2.5化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM_2.5及其水溶性离子和碳质组分（OC、EC）的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR（硫氧化率）分别为0.05、0.08、0.20,NOR（氮氧化率）分别为0.05、0.12、0.26,随着污染的加重,SO₂、NO_x向PM_2.5中SO₄2-、NO₃-的二次转化现象更加明显.③清洁时,ρ（OC）、ρ（EC）、ρ（SO₄2-）和ρ（Cl-）占PM_2.5化学组分（水溶性离子、碳质组分）质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ（NO₂）/ρ（SO₂）分别为0.96、1.14、1.44,ρ（NO₃-）/ρ（SO₄2-）分别为0.94、1.57和1.75;重污染时,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）三者之和占PM_2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ（NO₂）/ρ（SO₂）、ρ（NO₃-）/ρ（SO₄2-）明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.      

上海市夏季颗粒物污染过程数值模拟研究

利用观测资料和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年7月26日—8月26日上海市及周边城市PM10、PM2.5及其无机盐组分的浓度变化趋势及时空分布特点.结果表明,NAQPMS模式较为合理的重现了上海各方位站点及其周边城市PM10、PM2.5及其硫酸盐、硝酸盐等无机化学组分的浓度水平与变化趋势,相关系数在0.7以上.研究期间造成上海颗粒物污染的主要原因是:弱气旋低压系统控制下,西南或西北气流将内陆污染物输送至上海市,当低压中心移至上海附近时带来的辐合气流使得污染进一步累积上升.长三角地区PM2.5主要无机盐组分分布特征表明,上海市及周边城市的硫酸盐、硝酸盐和铵盐的总和占PM2.5浓度的40%~60%,二次气-粒转化过程贡献明显,且以SO2向SO2-4的氧化转换为主;污染上升过程中NO-3/SO2-4比率增大,说明流动源的贡献有所增加.