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.     

太原市采暖季清洁天与灰霾天PM_(2.5)中水溶性无机离子组成及来源分析

为探究太原市采暖季PM_(2.5)水溶性无机离子组成及其来源,于2017年11月至2018年3月在太原城区连续采集大气颗粒物PM_(2.5)样品共151个,并于离子色谱仪中分析样品的9种水溶性无机离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、K~+、Na~+、Ca~(2+)、Mg~(2+)、NH_4~+).结果表明,太原市采暖季PM_(2.5)质量浓度的平均值为77.89±47.16μg·m~(-3),总水溶性无机离子质量浓度平均值为53.21±29.76μg·m~(-3),占PM_(2.5)的68.3%±23.3%,其中SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的离子成分,NH_4~+在PM_(2.5)中主要以NH_4NO_3、(NH_4)_2SO_4与NH_4Cl等形式存在,NH_4~+、NO_3~-、K~+、SO_4~(2-)和Cl~-等5种离子的爆发性增长对灰霾天污染贡献最大.随着气温回升,硫氧化率和氮氧化率均有一定程度的升高,大气中存在明显的气溶胶二次转化过程.主成分分析表明,燃煤源和二次污染源是太原市采暖季灰霾期间的主要污染源,土壤扬尘为清洁天的首要污染源,大气污染以固定污染源为主,移动污染源为辅.后向轨迹模型显示,采暖季期间气团基本上来自本地和西北方向的内陆排放源.     

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.     

南京北郊冬季PM_(2.5)中水溶性离子以及碳质组分特征分析

2015年12月21日—2016年2月29日在南京北郊进行了大气细颗粒物PM_(2.5)的观测,并分析其中主要水溶性离子(Na~+、NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-))浓度以及碳质组分(OC、EC)含量.结果表明,观测期间南京北郊冬季大气细颗粒物(PM_(2.5))污染较为严重,二次离子(NO_3~-+SO_4~(2-)+NH_4~+)为主要污染成分,占PM_(2.5)浓度的47%.对36个观测日进行SO_4~(2-)-NO_3~--NH_4~+三相聚类,发现3种离子在整个体系中的配比存在差异.排放源类型所造成的前体物的不同以及NH_4~+与SO_4~(2-)、NO_3~-的结合方式是造成这种差异的主要原因.OC与EC的变化趋势相似,OC含量较高,而且浓度波动幅度较大.OC/EC的值为2.63±0.90,说明普遍存在二次反应产生的SOC.K+/PM_(2.5)比值法表明,除燃煤与机动车尾气排放以外,生物质燃烧亦是PM_(2.5)污染的排放源.     

郴州市大气细颗粒物中水溶性离子的污染特征及来源分析

为全面了解南方典型工业城市郴州市的大气细颗粒物(PM_(2.5))中水溶性离子污染特征及其来源,本研究利用离子色谱对从2016年4月到2017年1月间郴州市6个采样点的PM_(2.5)样品中的9种水溶性离子(SO_4~(2-)、NH_4~+、NO_3~-、Ca~(2+)、Cl~-、Na~+、K~+、F~-、Mg~(2+))进行分析.研究表明:郴州市的PM_(2.5)浓度范围为23. 3—66.5μg·m~(-3),呈现秋冬高,春夏低的特点.研究区域的水溶性离子质量浓度的变化趋势与PM_(2.5)变化趋势相类似; NO_3~-、SO_4~(2-)、NH_4~+和K~+与PM_(2.5)相关性较好,其中SNA(SO_4~(2-)、NH_4~+、NO_3~-)占PM_(2.5)的比重最高,为18.9%—40.2%.SNA三角图解表明NH_4~+的主要存在形式为(NH_4)_2SO_4,AE/CE均小于1,因此研究区域的PM_(2.5)呈碱性.通过主成分分析可知研究区域的水溶性离子污染来源主要为燃煤、交通、生物质燃烧等燃烧综合源,[NO_3~-]/[SO_4~(2-)]证明该区域的大气污染属于煤烟型污染.     

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。     

舟山市环境空气PM2.5及水溶性离子污染特征分析

为探究舟山市PM_(2.5)及水溶性离子组分的污染特征,于2016年4月、7月、10月和2017年1月在舟山市区3个国控点采集了168个PM_(2.5)样品,利用离子色谱仪测定颗粒物中的9种水溶性离子(Cl~-、NO_3~-、SO_4~(2-)、NH_4~+、K~+、F~-、Na~+、Mg~(2+)和Ca~(2+)),结合气象数据和数值分析手段对舟山市区PM_(2.5)和水溶性离子质量浓度特征、颗粒物酸碱度及二次离子的影响因素(气象参数、前体物)进行研究.结果表明,采样期内,舟山市PM_(2.5)质量浓度时间变化规律为春季冬季夏季秋季,空间分布较为均匀;二次离子是舟山PM_(2.5)主要水溶性组成,且在PM_(2.5)中具有一致的季节变化特征;阴阳离子平衡分析显示舟山市PM_(2.5)整体呈现酸性,并以夏季酸度最低、秋季酸度最高;温度是影响舟山市二次离子浓度的主要气象因素;以燃煤源为主的固定源是舟山市水溶性污染物的主要污染来源,檀枫和临城采样点的SO_4~(2-)和NO_3~-受电厂和燃煤锅炉的污染排放影响严重,普陀区船舶客货运输量大,是普陀点二次离子前体物的主要污染来源.     

石家庄市冬季PM_(2.5)污染特征、成因及潜在源区分析

对石家庄市2016年1月18—22日出现的PM_(2.5)污染过程进行研究,选择3个不同地区采用中流量采样器分别采集PM_(2.5)和PM_(10)样品,测定PM_(2.5)质量浓度及其化学组分(含碳组分、水溶性离子和无机元素),分析PM_(2.5)污染天气的污染特征和引起污染的气象因素,结合后向轨迹模型(HYSPLIT)分析污染的主要潜在源区。结果显示,在采样期间3个点的PM_(2.5)平均质量浓度分别为113、131和119μg·m-3,PM_(2.5)浓度高值出现在早晨和午夜,冬季京津冀地区农村散煤燃烧也是大气污染的主要原因。有机碳(OC)最大质量浓度值为218.37μg·m-3,无机碳(EC)最大质量浓度值为21.22μg·m-3。污染过程中3个点的地壳元素(Na、Ca、Mg、Al、K和Fe)质量浓度变化范围为27.19~60.03μg·m-3,占总无机元素的96.5%,表明交通源、道路扬尘和煤炭燃烧是此次石家庄市PM_(2.5)污染的主要贡献源类。较高的相对湿度和弱风速也会加速二次粒子的生成和颗粒物吸湿增长。潜在源分析表明,石家庄市PM_(2.5)污染主要受来源于北京和天津的气团影响,同时潜在源贡献(PSCF)分析表明河北省是影响石家庄市环境空气质量的最主要潜在源区。     

重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征

为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

北京采暖季PM_(2.5)水溶性无机离子污染特征及其影响因素

为深入研究北京市采暖季PM_(2.5)中水溶性离子的污染特征及其影响因素,利用大流量采样器结合石英滤膜采集了2016年11月15日—2016年12月31日期间北京市典型污染天的PM_(2.5)样品(19个),采用离子色谱法测定了其中的水溶性无机离子成分,收集了同期北京市的日均气象数据和海淀区日均PM_(2.5)数据。应用热力学平衡模型ISORROPIA-Ⅱ分析了PM_(2.5)样品的酸度值,Traj Stat软件分析气流的72 h后向轨迹,并采用潜在源贡献因子分析法(PSCF)定位了PM_(2.5)潜在污染源的位置,浓度权重轨迹分析(WCWT)法定量解析了潜在污染源对北京PM_(2.5)质量浓度贡献的大小。结果表明:(1)PM_(2.5)的日均质量浓度变化范围为7.6~383μg·m~(-3),均值为114μg·m~(-3),污染天是清洁天的4.4倍;(2)10种水溶性离子的总质量浓度均值为44.61μg·m~(-3),SNA(NO_3~-、SO_4~(2-)、NH_4~+)占总水溶性离子的81.37%,污染天NO_3~-、SO_4~(2-)、NH_4~+质量浓度均值分别为20.35、16.16、8.68μg·m~(-3),分别是清洁天的4.7、3.5、3.6倍;(3)污染天PM_(2.5)酸性比清洁天强,污染天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4,清洁天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3;(4)北京PM_(2.5)及其水溶性离子的污染除受本地污染源影响,还受河北省中部和南部以及内蒙古中部等区域传输的影响;(5)在北京采暖季低大气边界层以及三面环山的特殊条件下,风速和相对湿度是影响北京PM_(2.5)及其水溶性离子污染特征的2个主要气象因素,高湿度低风速的静稳天气条件可以造成以本地污染物为主的大气重污染,此外,一定范围内的低风速可以使周边地区高浓度的污染物传输至北京,加重大气污染。     

桂林市秋季PM_(2.5)组分特征及高浓度硫酸根形成机制初探

为了揭示桂林市大气中PM_(2.5)组分特征,本研究于2015年秋季在桂林5个环境受体点采集了PM_(2.5)样品,分析了PM_(2.5)质量浓度及多种无机元素、水溶性离子和有机碳(OC)、元素碳(EC)的含量,并运用富集因子法、比值法等分别研究了PM_(2.5)中元素富集程度、颗粒物来源等情况,并探讨了PM_(2.5)中高硫酸盐(SO_4~(2-))的污染成因.结果表明,采样期间,桂林市PM_(2.5)的浓度为(57.0±35.8)μg·m-3,PM_(2.5)中以水溶性离子(56.7%)和有机物OM(22.6%)污染最为突出,其次是元素(7.2%)和EC(6.3%).PM_(2.5)中Se、Pb、As、Zn、V、Cu严重富集,表明燃煤源排放对桂林市大气中元素产生了较大的影响;[NO_3~-]/[SO_4~(2-)]比值小于1,也进一步证明了固定燃烧源的主导作用.SO_4~(2-)/PM_(2.5)的比值为41%,高于国内其他城市报道值;而SOR均值0.51远高于一次排放源特征值(0.1),表明除本地和区域传输的一次SO_4~(2-)排放外,SO_4~(2-)主要来自SO_2的二次转化.因此,桂林市在控制本地燃煤源排放的同时,还应当注意区域污染传输对PM_(2.5)的影响.     

南京北郊一次重污染事件期间PM_(2.5)理化特性及其对大气消光的影响

为了解南京地区重度污染下PM_(2.5)污染特征及其对消光的影响,于2013年12月5日至12月15日在南京北郊进行了PM_(2.5)采样分析,利用离子色谱分析了其中SO_4~(2-)、NO_3~-、NH_4~+、Cl~-、Na~+、K~+、Mg~(2+)和Ca~(2+)的含量,采用扫描电迁移率粒径谱仪(SMPS)测量细粒子的粒径谱分布,运用Model 2001A热/光碳分析仪对PM_(2.5)中OC、EC进行了分析,同时采用三波长光声黑碳光度计(PASS-3)实时在线测量细粒子的吸收和散射系数,并同步获得了痕量气体SO_2、NO_x浓度.结果表明,观测期间PM_(2.5)平均浓度为161.8±51.2μg·m~(-3),主要的水溶性无机离子为SO_4~(2-)、NO_3~-和NH_4~+;气溶胶在532 nm处平均吸收、散射系数分别为98.00±42.91 MmPM_(2.5)、630.00±308.52 MmPM_(2.5).(NH_4)_2SO_4和OM是南京北郊冬季大气气溶胶中的主要消光物质,积聚模态颗粒物体积浓度和表面积浓度与总消光系数呈较好的正相关,与能见度则呈明显的负相关.重度污染期间SOR、NOR平均值分别是轻度污染期间的1.26倍和1.81倍.除较低风速条件下污染物的物理积聚,较高的相对湿度条件下污染物的二次转化是造成此次重度污染的主要原因.     

温州市区PM_(2.5)无机元素污染特征及来源分析

为探究温州市区大气细颗粒物PM_(2.5)及其19种无机元素的污染特征和主要来源,分别于2015年1月、4月、7月以及10月(代表4个季度)在温州市区选取4个监测点位采集环境空气PM_(2.5)样品共112个,并利用电感耦合等离子体发射光谱仪(ICP-AES)和原子荧光光度计(AFS)分析样品中19种无机元素的含量.结果表明,温州市区环境空气PM_(2.5)平均质量浓度为83.6±50.2μg·m-3.温州市不同季节PM_(2.5)浓度最低的均为市站(SZ),春冬季南浦(NP)采样点PM_(2.5)浓度最高.19种无机元素占PM_(2.5)总量的9.90%.样品中主要元素为Na、K、Ca、Si、Zn、Al、Mg和Fe,占所测元素总量的96.7%.龙湾(LW)采样点PM_(2.5)中Fe、Al和Ca元素在多数季节里浓度较高,可能与采样点附近的机械阀门铸造企业和混凝土企业有关.本研究利用富集因子法和主成分分析法进行PM_(2.5)的初步来源分析,结果表明,温州市区PM_(2.5)污染主要来源于燃煤、交通污染、金属冶炼/加工、建筑扬尘和海盐粒子.     

清洁能源政策下济南市采暖季PM_(2.5)中水溶性离子变化分析

为了评价清洁能源政策对济南市采暖季PM_(2.5)质量浓度及PM_(2.5)中水溶性离子的影响,于2016年11月—2017年3月(2016年采暖季)和2017年11月—2018年3月(2017年采暖季)济南市区清洁能源政策实施前后两个采暖季分别采集PM_(2.5)样品,采用离子色谱法得到了PM_(2.5)中的8种水溶性无机离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、Na~+、K~+、Ca~(2+)、NH_4~+)的质量浓度,并对PM_(2.5)不同污染等级水溶性离子进行了变化分析。结果表明:(1)采用清洁能源后,济南市采暖季的污染等级从轻度污染变为良,PM_(2.5)日均质量浓度从98.34μg·m~(-3)降到83.48μg·m~(-3),达标率上升了15.42%;(2)8种水溶性离子的总质量浓度从90.78μg·m~(-3)降到了67.72μg·m~(-3),对比两年采暖季各离子的质量浓度发现,实施后除污染天K+和Na+的质量浓度有所增长外,其余离子质量浓度均比清洁能源使用前要低;(3)NO_3~-、SO_4~(2-)、NH_4~+(SNA)在水溶性离子中占比最高,能源政策实施后,SNA的质量浓度降低了12.32%-31.71%;实施后SO_4~(2-)的占比降低,NO_3~-占比升高,NO_3~-是最主要的二次污染离子;(4)两年采暖季的硫氧化率SOR、氮氧化率NOR值均大于0.1,说明NO_3~-、SO_4~(2-)主要来自于大气中NO_2和SO_2的二次转化,随着污染等级的升高,SOR和NOR基本呈现上升的趋势,尤其是在重度污染下,由于NO_2对SO_2的氧化反应起到很好的催化作用,SOR是清洁天的2倍;(5)采用清洁能源前后阴阳离子电荷当量(AE/CE)分别为0.76和0.96,PM_(2.5)整体从弱碱性恢复到中性。清洁能源的使用,有效降低了各水溶性离子的质量浓度,减小了PM_(2.5)质量浓度,改善了颗粒物的酸碱性,提高了采暖季环境空气质量。     

兰州市采暖期空气质量特征及污染源分析

基于2016年兰州市采暖期采集的气溶胶样品的水溶性离子系列分析,对兰州市大气污染特征及其主控因素和来源进行了深入探讨.结果表明,近年来兰州市大气中,NO_3~-、SO_4~(2-)、Ca~(2+)和NH_4~+是兰州市冬季气溶胶样品中主要的离子成分,占到总离子浓度的88.12%,以人为污染源排放污染物的二次转化为主,其中NO_3~-、Ca~(2+)近年来有增加趋势.对兰州市污染物及离子来源分析发现兰州市冬季二次污染比较严重,机动车排放污染物所占比重增大.冬季到达兰州市的气团以武威-兰州为首;腾格里沙漠和黄土高原西南部是冬季PM_(10)污染的主要贡献源区,兰州市自身和白银市是NO_2污染的主要贡献源区.整体来看,兰州市空气质量有了很大的改善,NO_2、PM_(10)是目前最需要解决的两大污染问题.     

苏州郊区主要大气污染物的演变特征及其影响因素研究

大气灰霾污染已经成为了大气环境领域的研究热点之一,但是目前国内针对背景地区站点的大气污染形成机制和输送规律的研究仍然有限。利用PM_(2.5)、PM_(10)、CO、SO_2、O_3、NO_2等6种大气成分质量浓度数据、常规气象要素观测资料、结合HYSPLIT后向轨迹模式,对2015年1月15—28日发生在江苏省苏州市东山镇的一次持续十余天的空气污染过程进行了分析。结果表明,此次污染过程东山镇经历了一次完整的灰霾生成-积聚-消散的演变过程,其中包括两个主要污染时段,1月15—19日轻污染时段和1月22—26日重污染时段。ρ(PM_(2.5))/ρ(PM_(10))平均值达到62.8%(30.0%~93.4%),表明PM_(2.5)对东山大气颗粒物污染贡献显著。6种大气污染物相关性分析发现CO和NO_2与PM_(2.5)和PM_(10)相关性最好,人为燃烧源和交通源对灰霾形成贡献显著。高空较稳定的环流形势和地面弱气压场的配合以及低压高温高湿的不利气象条件,阻碍了污染物的垂直和水平扩散,是此次持续性灰霾天气形成的客观原因。通过风向、风速统计和后向轨迹分析发现,此次污染过程,在大风下颗粒物以远程输送为主,微风下颗粒物以局地排放为主。外来源的输送和本地源排放的叠加造成了灰霾的形成和积聚。轻污染时段,高浓度污染气团主要来自西北方向的远距离输送,来自山东、河北等工业发达地区的排放源对东山地区灰霾的形成影响显著。重污染时段,污染气团主要来自偏南方向的局地输送,此外来自湖南、江西一带的大规模生物质燃烧生成的高浓度污染气团输送也是污染加重的重要原因。来自东北方向的气流对此次区域灰霾污染起到了清洁作用。     

基于小波变换的北京市PM_(2.5)时空分布特征及成因分析

收集北京市2014年PM_(2.5)质量浓度数据,利用小波变换探讨北京市各类监测站点PM_(2.5)污染的时间序列特征、主周期、突变特性,并结合气象资料,采用小波相干谱探究气象因子对PM_(2.5)的影响。结果表明,2014年北京市各类监测点PM_(2.5)质量浓度变化呈现波动-平稳-波动的相似变化趋势,其中1—4月和10—12月波动明显,且主周期相同(172 d)。采暖期间,南部站点PM_(2.5)质量浓度最高,采暖结束后,交通站点超越南部站点,成为PM_(2.5)质量浓度最高的站点。北京PM_(2.5)突变事件秋冬季节频繁而春夏较少,主要对应于重污染天气的生消过程。5类监测站点的PM_(2.5)质量浓度基本呈现南高北低的分布规律。南部站点PM_(2.5)污染最为严重、突变事件频次最高,该区局地污染排放显著,又是区域传输的重要通道,污染相对复杂;而北部站点污染水平最低、突变频次也最少;市区范围内交通站点污染相对突出。此外,气象因子对PM_(2.5)质量浓度变化影响巨大:在小尺度(0~20 d)上,PM_(2.5)与相对湿度相关性最突出;在中等尺度(20~64 d)上,PM_(2.5)主要受平均风速和相对湿度制约,但季节变化明显;大尺度(64 d)上,PM_(2.5)与日照时数和相对湿度相关性显著。     

西安冬、夏季PM2.5中水溶性无机离子的变化特征

为探讨西安市冬、夏季水溶性无机离子的季节和空间变化特征,2010年1月和7月分别在西安城区4个站点及上风区高陵(GL)和下风区黑河(HH)连续采集2周的PM2.5样品,使用离子色谱仪分析样品中水溶性无机离子成分.结果表明,PM2.5质量浓度冬季明显高于夏季,空间变化表现为:城区站点浓度均值(172.6μg.m-3)>上风区点GL(98.9μg.m-3)>下风区点HH(81.0μg.m-3).水溶性无机离子浓度总和占PM2.5质量浓度的41.8%,其中SO24-、NO3-和NH4+是水溶性离子的主要成分,分别占总离子质量浓度的35.1%、22.6%和12.2%.Na+、Ca2+和Mg2+在冬、夏季浓度相差不大,而SO24-、NO3-、NH4+以及K+、Cl-等均明显表现为冬季浓度高于夏季.SO24-、NO3-和NH4+在冬、夏季空间变化均表现为城区站点>GL>HH,这3种离子夏季在大气中的主要存在方式为NH4HSO4和NH4NO3,而冬季主要以(NH4)2SO4、NH4NO3和NH4Cl形式存在.NO3-/SO24-的比值为0.64,表明西安市固定源仍是主要污染贡献源,但是移动源所占比例较之前研究有所上升,应采取一定措施控制机动车数量并加强排放监控.     

济南冬季大气重污染过程颗粒物组分变化特征

为研究济南市冬季大气重污染过程的颗粒物化学组分特征,于2017年11月15日—12月30日在市监测站及跑马岭清洁对照点同步采集PM_(10)和PM_(2.5),并对其质量浓度、水溶性离子及碳组分进行分析,结果表明重污染过程中PM_(2.5)/PM_(10)质量浓度比均超过0.6.NO_3~-(硝酸盐)、SO_4~(2-)(硫酸盐)、NH_4~+(铵盐)、OC(有机碳)浓度及百分占比与颗粒物浓度同步增加,其中NO_3~-、SO_4~(2-)、NH_4~+、OC的浓度增加倍数远大于PM_(2.5)的浓度增加,重污染日市监测站NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的5.1倍、8.8倍、8.3倍、7.0倍,跑马岭重污染日NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的3.0倍、3.9倍、3.7倍、4.6倍;且SO_4~(2-)和NH_4~+质量百分占比涨幅比NO_3~-的大,说明重污染天气下SO_4~(2-)和NH_4~+对PM_(2.5)浓度增加的贡献更大.通过经验公式计算得出市监测站和跑马岭SOC质量浓度分别占OC的82.4%和92.3%,说明重污染期间SOC是OC主要组成部分.二次无机离子和二次有机碳是导致重污染的主因,表明在冬季重污染过程中,大气化学反应非常重要,这可能与空气静稳和湿度较大的气象条件、前体物的大量积累、液相非均相化学过程的加强紧密相关.重污染天气下需要重视NO_2对SO_2液相催化氧化作用,严格控制NO_2的排放.