天津冬季PM_(2.5)中水溶性无机离子污染特征研究

2015年12月3—21日对天津冬季 PM2.5进行了采样分析,重点分析了 Na~+、Mg~(2+)、NH_4~+ 、Ca~(2+)、K~+、Cl~-、SO_4~(2-) 、NO_3~-8种水溶性无机离子,结合风速、相对湿度、温度等气象资料,并利用主成分分析对水溶性无机离子来源进行了解析。结果表明,风速小、气温高和相对湿度大的天气条件以及冬季燃煤的人为原因是引起霾天的重要原因。采样期间PM_(2.5)平均质量浓度为104.22μg/m~3。霾天中,轻微霾天、轻度霾天、中度霾天、重度霾天的PM_(2.5)中总离子平均质量浓度分别为27.63、26.89、105.03、143.92μg/m~3,远高于非霾天的15.43μg/m~3。SO_4~(2-)是水溶性无机离子中含量最高的离子,约占总离子的1/3,SO_4~(2-)、NO_3~-、Cl~-和NH_4~+浓度之和占总离子的90%以上。随着霾程度加重,NH_4NO_3占比增加,(NH_4)_2SO_4占比减少。水溶性无机离子主要来源于海盐粒子、生物质燃烧、机动车尾气排放和燃煤等。     

APEC会议期间天津市PM_(2.5)中水溶性无机离子的污染特征

2014年11月6—11日,亚太经济合作组织(APEC)会议在北京市召开,京津冀区域采取了最高级别的空气质量保障措施。于2014年11月3—20日同步手动采集天津市PM2.5样品,对APEC会议期间(2014年11月3—11日,在此期间实施了空气质量保障措施)及会议后(2014年11月12—20日)天津市PM2.5中水溶性无机离子组分浓度、二次转化特征等进行了分析。结果表明,APEC会议期间,天津市PM2.5平均质量浓度为78μg/m3,而会议后达到87μg/m3;会议期间PM2.5中水溶性无机离子的浓度为NO-3SO2-4NH+4Cl-K+Na+Ca2+Mg2+,会议后,除Mg2+外,各项离子浓度均有不同程度的上升;会议期间,PM2.5中NO-3浓度最高,在水溶性无机离子中所占比例为38.9%,其次为SO2-4(为22.0%)、NH+4(为20.8%),3者所占比例合计为81.7%,会议后3者所占比例降至75.0%;会议期间的大气污染以流动源为主;会议后,硫氧化率和氮氧化率均不同程度减弱,说明会议期间的二次离子转化更为明显;会议期间的停工停产措施对PM2.5中一次离子来源有明显改变,城市扬尘得到明显抑制。     

长春春季PM_(2.5)及其水溶性离子特征分析

于2014年春季在长春采集大气PM_(2.5)样品,对PM_(2.5)及其水溶性离子特征进行了分析。结果表明,2014年长春春季PM_(2.5)质量浓度为34.9~237.5μg/m3,平均质量浓度为125.6μg/m3。9种水溶性离子的总质量浓度为24.3~71.2μg/m~3,平均质量浓度为39.8μg/m~3,平均浓度大小表现为SO_4~(2-)Ca~(2+)Cl~-NH_4~+NO_3~-Na~+K~+Mg~(2+)F~-。后向轨迹表明,长春春季PM_(2.5)污染主要来源于内蒙古西北方向和长春东南部渤海、黄海地区。     

西安市2013年PM_(2.5)浓度变化分析研究

全面分析2013年西安市13个国控环境空气质量自动监测子站PM2.5监测数据。结果表明:2013年西安市环境空气中PM2.5年均值为105μg/m3,超过《环境空气质量标准》(GB 3095—2012)二级要求(35μg/m3)200.0%,污染较严重;西安市各子站PM2.5月均值总体呈两边高、中间低的"V"型趋势,全市及各子站PM2.5月均值分别为44~206、32~275μg/m3;采暖期(上半年采暖期为1—3月,下半年采暖期为11—12月)、非采暖期(4—10月)PM2.5平均值分别为156、70μg/m3;上、下半年采暖期PM2.5平均值分别为178、124μg/m3;西安市气象风力以微风为主,雨天集中在5—9月,期间PM2.5月均值小于80μg/m3。     

武汉市秋、冬季大气PM_(2.5)中水溶性离子污染特征及来源分析

采用离子色谱法测定武汉市秋、冬季大气PM2.5中水溶性离子浓度,对其化学组成、质量浓度变化特征及源解析等方面进行了研究。结果表明,NO-3、SO2-4、NH+4为武汉市秋、冬季大气PM2.5中主要的水溶性离子,相关性分析表明,燃烧源是秋、冬季大气PM2.5中水溶性离子的共同来源。成分分析表明,工业区的水溶性离子主要来源于燃烧源,交通区的水溶性离子主要来源于二次污染源,其中包括垃圾焚烧源,植物园的水溶性离子主要来源于二次污染源。     

西安市燃煤锅炉排放颗粒物中PM_(2.5)和PM_(10)的组分研究

为了解西安市燃煤锅炉排放颗粒物的组分情况,采用稀释通道采样,用滤膜采集了西安市3台链条炉排放颗粒物中的PM_(2.5)和PM_(10),并利用离子色谱仪(IC)、电感耦合等离子体质谱仪(ICP-MS)和碳分析仪等分析了其中的主要组分。实验结果表明,燃煤锅炉排放颗粒物中PM_(2.5)和PM_(10)的主要组分有SO_4~(2-)、NH_4~+、Cl~-、有机碳(OC)、元素碳(EC)、Al、Si。Si、Ca等地壳元素在PM_(10)中所占比例多于PM_(2.5),而NO_3~-、NH_4~+、OC等二次生成物在PM_(2.5)中所占比例多于PM_(10)。对比PM_(2.5)和PM_(10)组分可以发现,同种组分在不同燃煤锅炉排放的PM_(2.5)和PM_(10)中分布差异很大,这可能与除尘、脱硝等工艺密切相关。研究内容对西安市大气颗粒物源解析工作具有重要的参考价值,为西安市颗粒物源解析项目积累了一定的经验。     

天津市PM 2.5水溶性无机离子污染特征与来源分析

比较了天津市雾霾天和非雾霾天PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Ca~(2+)、Na~+、Mg~(2+)、K~+)的污染特征,并对其来源进行分析。结果表明:(1)非雾霾天PM_(2.5)日均质量浓度为35～60μg/m~3,均值为43μg/m~3,雾霾天PM_(2.5)日均质量浓度为120～332μg/m~3,均值为242μg/m~3;雾霾天水溶性无机离子浓度均高于非雾霾天。(2)非雾霾天SO_4~(2-)主要来自大气中燃煤源的SO_2二次转化,NO_3~-主要来自一次污染源,雾霾天SO_4~(2-)、NO_3~-主要来自大气中燃煤源的SO_2、NO_2二次转化;非雾霾天NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3的形式存在,雾霾天NH_4~+主要以NH_4NO_3和NH_4HSO_4的形式存在;Na~+、K~+、Cl~-除了海盐来源外,煤和生物质的燃烧及其二次转化是主要贡献源;Ca~(2+)和Mg~(2+)主要来自建筑扬尘源和土壤扬尘源。(3)风速和相对湿度是雾霾天SO_4~(2-)、NO_3~-、NH_4~+浓度变化的重要原因。     

贵阳市白云区大气PM_(10)和PM_(2.5)污染特征

使用β射线法在线监测仪连续监测了贵阳市白云区PM_(10)和PM_(2.5)浓度,分析了2014年6月1日—12月31日7个月内PM_(10)、PM_(2.5)的浓度水平、时变规律和PM_(2.5)/PM_(10)的变化情况。结果表明,监测时段内PM_(10)和PM_(2.5)的日均浓度平均值分别为76.8μg/m~3和40.0μg/m~3,均达到国家二级标准;浓度超标的天数占总观测天数的5.1%和9.3%,属污染轻微的地区。PM_(2.5)/PM_(10)在25.3%~78.8%之间周期性波动,平均值为52.1%。PM_(10)和PM_(2.5)的浓度变化具有很好的正相关性(r=0.919 8,p0.000 1);日均值在7个月中呈现明显的周期性变化,各月相对稳定,12月的PM_(10)和PM_(2.5)浓度最高且变化最为剧烈,6月最为平缓。PM_(10)和PM_(2.5)浓度小时变化总体上呈双峰型分布,最高值出现在出现在09:00—10:00和19:00—21:00前后,最低值出现在14:00—17:00之间。     

北京地铁车厢内PM_(2.5)和PM_(10)污染特征研究

地铁是人们出行的重要交通方式,车厢内颗粒物污染可影响人体健康。2016年春、秋、冬季对北京地铁1号、2号、4号、10号线进行现场监测,探讨北京地铁车厢内颗粒物污染特征。研究结果表明,北京地铁车厢内PM_(2.5)平均浓度超标率为83.8%~98.7%,地铁1号线PM_(10)平均浓度超标率为59.6%。地铁车厢内PM_(2.5)和PM_(10)浓度存在工作日和周末组间显著性差异,表明客运量对车厢内颗粒物浓度有较大影响。地铁车厢内PM_(2.5)和PM_(10)浓度存在季节性差异,冬季车厢内颗粒物平均浓度最高。不同线路车厢内PM_(2.5)和PM_(10)浓度存在组间差异,地铁通风空调系统、门系统和客运量是造成其差异的主要原因。     

西安市灰霾天气下PM_(2.5)浓度与气象条件分析

分析了2013年1—3月西安市12个空气监测子站监测的PM10、PM2.5以及相关气象参数;绘制了不同月的主城区浓度分布等值线图。运用单样本K-S非参数检验法检验表明,PM2.5浓度符合对数正态分布;各站点间的PM2.5浓度相关性非常高,变化趋势一致;PM10和PM2.5的变化规律呈现"W"型三峰分布;PM2.5日均值与能见度、净辐射量、平均气温、最高气温、最低气温均呈现显著负相关,且相关性较强;与平均湿度、最大湿度、最小湿度呈现显著正相关;与总辐射量、日照时数、气压、露点温度的相关性较弱;节日烟花燃放、沙尘天气容易造成严重大气污染,其中节日烟花燃放、沙尘天气对PM10的贡献量大于对PM2.5的贡献。     

北京市无风天人体高度的PM_(2.5)、PM_(10)变化特征及扩散机制研究

为了解无风天情况下PM_(2.5)、PM_(10)的人体暴露水平及扩散机制,对人体呼吸高度的PM_(2.5)、PM_(10)浓度及近地面不同高度处的温度、相对湿度进行连续监测,分析了垂直温度梯度、相对湿度的相对变化速率对PM_(2.5)、PM_(10)浓度的影响,并利用回归分析法建立PM_(2.5)、PM_(10)浓度与不同高度处温度、相对湿度的单、多变量回归模型,从中选取最优回归模型。结果表明:(1)晴天的PM_(2.5)、PM_(10)浓度在研究时段(9:00—21:00)内总体呈先降低再升高的趋势,而阴天、小雨天PM_(2.5)、PM_(10)浓度呈多峰变化,起伏较大;晴天不同高度的温度差异大,阴天、小雨天温度差异相对较小;晴天不同高度的相对湿度曲线总体均呈U型分布,相较而言,阴天及小雨天各层的相对湿度曲线波动较大;(2)垂直温度梯度是影响晴天PM_(2.5)、PM_(10)扩散的主要原因,相对湿度变化是影响颗粒物扩散的另一重要因素。(3)PM_(2.5)、PM_(10)浓度的单、多变量最优回归模型表明,低污染晴天,温度是影响颗粒物扩散的主要因素,高污染晴天则主要受相对湿度的影响,介于上述两种污染状况之间时,PM_(2.5)、PM_(10)浓度不仅受各层相对湿度的控制,还受到温度的影响。阴天PM_(2.5)、PM_(10)浓度的最优回归模型相对复杂,模型精度不及晴天。     

区域大气环境中PM_(2.5)/PM_(10)空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5/PM10空间分布的方法,并在2004年12月进行了宁波市全市域PM2.5/PM10空间分布的研究.数据显示:相同路径所代表的地区PM2.5和PM10具有很好的相关性,多数路径上PM2.5与PM10数据的相关系数平方在0.95以上,而不同路径上PM2.5与PM10的比值不同.文中给出了宁波市PM2.5/PM10污染的空间分布图,直观地显示出PM2.5/PM10污染的空间分布情况,突出了污染的重点点位和地区.     

天津大气PM_(2.5)中碳组分特征和来源分析

于2014年1—4月在天津城区采集PM2.5样品,采用热光反射法测定样品中有机碳(OC)、元素碳(EC)及8个碳组分(OC1、OC2、OC3、OC4、EC1、EC2、EC3、裂解碳(OP))的含量。结果表明,天津城区空气PM2.5中OC、EC质量浓度分别为(18.7±9.9)、(3.9±2.6)μg/m3,两者之和占PM2.5质量浓度的18.0%。采样期间OC与EC变化趋势一致,均呈现春节期间、普通采暖季浓度较高,非采暖季浓度较低的特点。对8个碳组分进行相关性分析,发现OC1~OC4及EC1~EC3分别来自相似的来源或受大气中类似的二次过程影响,主成分分析结果表明,燃煤、生物质燃烧和机动车排放对天津城区PM2.5中碳组分贡献显著。     

邯郸市PM_(2.5)及其化学组分的季节性变化

利用2013年邯郸市4个大气环境监测站连续1年的在线监测数据,并结合离线采样成分数据,对比分析了不同季节大气中PM_(2.5)及其主要成分的浓度水平和污染特征。结果表明,PM_(2.5)和PM10四季均存在不同程度的超标现象;污染物在4个站点之间的空间差异不太显著,邯郸市的污染为区域性污染。PM_(2.5)中水溶性无机离子和碳组分的季节变化均较为明显。SO_4~(2-)、NO_3~-和NH_4~+三者浓度之和占PM_(2.5)浓度的39.8%,占PM_(2.5)中总水溶性无机离子浓度的86.2%;四季均存在较强的光化学反应,但硫氧化率(SOR)和氮氧化率(NOR)呈现出不同的季节变化规律,与SO2-4和NO_3~-的来源和去除机制明显不同有关。秋、冬季有机碳(OC)和元素碳(EC)污染较为严重,总碳气溶胶(TCA)浓度分别占PM_(2.5)质量浓度的24.0%和32.9%;研究显示高浓度的OC较多来源于二次有机碳(SOC),高浓度碳易发生二次污染。进一步对PM_(2.5)中各组分进行来源分析得出燃煤、汽油车尾气、生物质燃烧、二次气溶胶和扬尘源对邯郸市PM_(2.5)贡献显著。     

西安采暖期PM2.5及其水溶性无机离子的时段分布特征

为了探讨西安市采暖期大气颗粒物PM2.5及其水溶性无机成分的污染水平,于2010年1月4日—2月1日按一天8个时段(每个时段3 h)连续采集PM2.5样品四周,每周更换一次滤膜。结果显示,西安市采暖期PM2.5的质量浓度时段差异较大,呈现明显的双峰分布特征:21:00—24:00时段(147.516μg/m3)和09:00—12:00时段(141.678μg/m3)。4种被测水溶性无机组分总浓度为39.801μg/m3,占PM2.5总浓度的30.5%。SO24-和NO3-是最主要组分,占到4种无机组分的86.2%。各离子间相关分析显示,Cl-只与NO3-有较强的相关性,表明机动车尾气对Cl-有较大的贡献。SO24-和NO3-时段分布规律较为相似,与PM2.5浓度的时段分布特征相反:在PM2.5污染最轻的15:00—18:00时段,SO24-和NO3-的相对含量达到一天中的最高浓度时段,而在PM2.5双峰时段,它们的含量有所降低。     

山西省空气污染物PM_(2.5)时空分布特征研究

基于山西省11个地级市2015年7月至2016年5月的PM_(2.5)月均浓度数据,运用地理信息系统(GIS)和分级统计法分析了山西省PM_(2.5)的时空变化特征。结果表明:山西省PM_(2.5)月平均浓度变化具有季节性,2015年8—9月和2016年4—5月污染较轻,2015年12月至2016年1月污染较严重;晋南各城市污染均比较严重,而位于晋北的大同市和晋西的吕梁市PM_(2.5)月均浓度一直处于达标状态。主成分分析发现,除吕梁市外,其他地级市对山西省PM_(2.5)污染的贡献接近,表明不同地级市的PM_(2.5)月均浓度变化主要受大尺度的天气变化影响。研究结果有利于了解山西省PM_(2.5)污染的时空分布格局,进而有助于针对性地开展污染防控工作。     

宝鸡市大气PM_(10)中水溶性物质的组成及特征研究

2008年冬、春季在宝鸡市4个不同功能区采集PM10样品,探讨了PM10中水溶性物质的化学组成、时空分布特征以及来源。结果表明,冬、春季PM10的平均质量浓度分别为(402±100)、(410±160)μg/m3,无明显季节差异,冬季以交通干道区的PM10浓度为最高,而春季则以商贸区的PM10浓度为最高;冬、春季PM10中水溶性有机碳(WSOC)浓度最高值均出现在商贸区,最低值则分别出现在背景点和交通干道区,水溶性无机碳(WSIC)浓度最高值分别出现在交通干道区和商贸区,最低值均出现在背景点;冬、春季PM10中所含大多数无机离子浓度不存在显著空间差异,但不同功能区PM10中无机离子所占质量分数差异较明显;冬、春季PM10中的水溶性物质质量浓度分别为207、151μg/m3,在PM10中所占质量分数分别为51%和40%,其中,冬、春季水溶性物质浓度最高的分别为居民区和商贸区;冬季PM10中WSOC浓度与SO24-、NO3-浓度有较好的相关性,说明冬季PM10中WSOC的主要组分为二次有机气溶胶,而春季PM10中WSOC浓度与SO42-、NO3-浓度的相关性相对较差,这是由于一次有机气溶胶对WSOC的贡献率较冬季显著增大;宝鸡市与北京市大气PM10浓度、PM10中的SO42-、NO3-、NH4+浓度最为接近;广州市大气PM10中的SO42-所占质量分数(14%)要高于北方城市(宝鸡市和北京市均为9%)。     

焦作市冬季PM2.5中水溶性离子组成特征及来源解析

为探讨焦作市冬季PM_(2.5)中水溶性离子特征及其来源,于2017年12月至2018年2月在焦作市区连续采集大气颗粒物PM_(2.5)样品,测定其中9种水溶性离子浓度。结果表明,焦作市冬季PM_(2.5)质量浓度为(99.11±73.26)μg/m~3,总水溶性离子质量浓度为(66.88±48.68)μg/m~3,其中NO_3~-、SO_4~(2-)、NH4_+是水溶性离子的主要成分,3者合计占总水溶性离子的81.5%(质量分数)。与清洁天相比,污染天NO_3~-、SO_4~(2-)、NH_4~+在PM_(2.5)中的占比显著增加,表明人为活动排放的二次污染物是焦作市冬季污染天PM_(2.5)的主要贡献成分;随着相对湿度的增加,大气中存在明显的气溶胶二次转化过程;焦作市大气PM_(2.5)移动源贡献大于固定源。焦作市PM_(2.5)中水溶性离子在清洁天主要受工业和生物质燃烧影响,而在污染天主要受气态污染物二次转化影响;后向轨迹聚类显示,采样期间焦作市主要受京津冀地区、西北地区气团影响。     

西安夏季PM2.5中碳组分与水溶性无机离子特征分析

2012年8月6日—22日利用大气细颗粒物水溶性组分在线监测分析系统和大气气溶胶OC/EC在线分析仪在线分析了西安PM2.5中的水溶性无机离子和OC、EC,并结合气溶胶前体物SO2、NO2和部分气象参数的监测数据进行了分析。结果表明,PM2.5中OC、EC和主要水溶性组分SO2-4、NH+4和NO-3的比重分别为:14.34%、5.35%、26.32%、12.90%和11.28%;以有机物(OM)为主要成分的总碳气溶胶(TCA)在PM2.5中的质量分数为28.30%,其中光化学反应导致OM中二次组分(SOC)高达45.30%;对主要水溶性组分之间的相关性分析发现,NO-3、SO2-4、NH+43种主要组分之间的结合形态为(NH4)2SO4和NH4NO3,对Mg2+和Ca2+的相关分析反映其有多种共同源;此外,硫氧化率(SOR)和氮氧化率(NOR)均较高,表明大气中存在较强的光化学反应。PM2.5的各组分因子分析得到4个主要来源(机动车尾气和燃煤、土壤建筑尘和生物质燃烧、二次硝酸盐气溶胶、二次硫酸盐气溶胶)。     

大气PM_(2.5)遥感反演研究进展

PM_(2.5)是中国空气质量的重要评价指标,影响着环境和人体健康。近年来,遥感反演已逐渐成为监测PM_(2.5)的热点。介绍了大气PM_(2.5)反演常用的遥感数据优缺点及适用范围,对遥感反演方法进行归纳和总结,阐述构建PM_(2.5)与气溶胶光学厚度关系模型、消除气象因素和垂直分布等参数影响的方法,并展望PM_(2.5)遥感反演在高时空分辨率数据和模型耦合等方面的发展趋势。