廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

天津市区夏季碳气溶胶特征及改进的二次有机碳估算方法

为更加准确地估算环境受体PM_2.5中SOC（二次有机碳）的质量浓度,于2015年6-8月利用在线监测仪器同步采集小时分辨率的PM_2.5及OC（有机碳）和EC（元素碳）样品数据,分析碳气溶胶的变化特征,并尝试运用改进的EC示踪法估算ρ（SOC）.结果表明:天津市区夏季ρ（PM_2.5）为（70.9±46.0）μg/m3,ρ（OC）和ρ（EC）分别为（7.6±3.1）（2.2±1.5）μg/m3,占ρ（PM_2.5）的11.8%±4.6%和3.1%±1.4%,OC/EC（质量浓度之比,下同）的平均值为4.0±2.0.ρ（OC）与ρ（EC）之间的Pearson相关系数（R）仅为0.66,说明OC和EC的来源较为复杂,SOC的产生可能是重要影响因素.ρ（NO₂）与OC/EC呈显著负相关（R=-0.47,P < 0.01）,并且OC/EC（4.0）相对较低,说明天津市区机动车可能对碳气溶胶具有重要影响.ρ（SO₂）与ρ（OC）、ρ（EC）的相关性较低（R均为0.33,P均小于0.01）,说明天津市区碳气溶胶可能受燃煤源的影响较低.改进的EC示踪法主要是利用O₃和CO、EC作为光化学反应和一次源排放的指标,并结合ρ（OC）、ρ（EC）和OC/EC的变化特征,逐步筛选一次排放源主导的时间段的ρ（OC）和ρ（EC）数据,然后利用最小二乘法拟合获得ρ（OC）和ρ（EC）的线性方程,最后进行ρ（SOC）和ρ（POC）（POC为一次有机碳）的估算.天津市区夏季ρ（SOC）的平均值为（2.5±2.0）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的28.8%±15.0%和3.7%±3.6%;ρ（POC）的平均值为（5.2±1.7）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的71.2%±15.0%和8.1%±5.2%,说明天津市区夏季有机碳的主要来源是一次排放源.研究显示,相比于EC示踪法,改进的EC示踪法估算的ρ（SOC）明显降低,ρ（POC）明显升高.AT（大气温度）对ρ（SOC）的影响较为显著,而WS（风速）对ρ（POC）的影响较为显著.      

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

杭州市冬季环境空气PM2.5中碳组分污染特征及来源

为研究杭州市PM_2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM_2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳（OC）、元素碳（EC）、二次有机碳（SOC）的平均质量浓度分别为（23.7±7.5）（5.0±2.4）和（9.2±4.5）μg/m3,OC/EC[ρ（OC）/ρ（EC）]和SOC/OC[ρ（SOC）/ρ（OC）]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ（OC）、ρ（EC）、ρ（SOC）和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ（OC）和ρ（EC）的日均值具有相同的时间变化趋势.对照点ρ（OC）和ρ（EC）的相关性（0.49）低于常规点位（0.61）,对照点PM_2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM_2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM_2.5中总碳（TC）的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%.      

菏泽市冬季大气PM2.5和PM10中碳组分来源解析

为研究菏泽市冬季大气颗粒物中碳组分的污染特征和来源,于2016年1月采集菏泽市冬季大气PM_2.5和PM₁₀样品,基于热光反射法分析样品中OC（有机碳）、EC（元素碳）及8个碳组分[OC1、OC2、OC3、OC4、EC1、EC2、EC3和OP（裂解碳）]的含量,并计算得到ρ（Char-EC）（Char-EC为燃料燃烧后固体残渣中的EC）和ρ（Soot-EC）（Soot-EC为燃烧后气相挥发物质再凝结形成的EC）,以定性识别大气颗粒物中碳组分的来源.结果表明,菏泽市冬季大气颗粒物样品中碳组分浓度处于较高水平,PM_2.5中的ρ（OC）、ρ（EC）分别为26.34、9.22 μg/m3,PM₁₀中ρ（OC）、ρ（EC）分别为31.82、10.71 μg/m3.采样期间大气PM_2.5中碳组分（OC、EC、OC1、OC2、OC3、OC4、EC1、EC2、EC3、Char-EC、Soot-EC）浓度与PM₁₀中相应各组分浓度的比值均大于0.5（0.60~0.90）,表明碳组分多集中于细粒子（PM_2.5）.大气颗粒物样品中各碳组分浓度具有明显空间差异,各点位大气PM_2.5和PM₁₀中ρ（OC）均显著高于ρ（EC）（T检验,P < 0.05）.菏泽市冬季大气PM_2.5和PM₁₀中Char-EC/Soot-EC（二者质量浓度之比）分别为10.04、8.00,并且存在显著的空间差异性（T检验,P < 0.05）.PMF（正定矩阵因子分解法）解析结果表明,菏泽市冬季大气PM_2.5和PM₁₀中碳组分来源主要有4类,包括两类柴油车（1类排放的碳组分中以EC2为主,定义为柴油车-1;1类排放的碳组分中以EC3为主,定义为柴油车-2）、汽油车、生物质燃烧和燃煤混合源,对大气PM_2.5中碳组分的分担率分别为13.98%、5.13%、24.47%、41.97%,对大气PM₁₀中碳组分的分担率分别为16.08%、8.21%、18.34%、47.35%.可见,菏泽市冬季大气PM_2.5和PM₁₀中碳的主要来源是柴油车、汽油车、生物质燃烧和燃煤.      

郴州市大气PM2.5碳组分污染特征及其来源分析

为研究郴州市PM_2.5中碳组分的污染特征及来源,于2016年7月-2017年4月分4个季度典型时段采集郴州市环境大气中的PM_2.5,测定了样品中OC（有机碳）和EC（元素碳）的质量浓度,对碳气溶胶污染水平、时空分布、SOC（二次有机碳）以及OC和EC相关性等特征进行了分析,并分析了碳组分的来源.结果表明:郴州市ρ（PM_2.5）年均值为（40.2±19.0）μg/m3,ρ（OC）、ρ（EC）占比分别为15.7%和7.2%;ρ（OC）与ρ（EC）相关性分析显示二者来源较为一致,但春季、夏季差异相对较大;ρ（SOC）全年估算值为1.84 μg/m3,占ρ（OC）的29.11%,夏季较高的温度和较低的相对湿度导致夏季ρ（SOC）的估算偏低.结合碳组分丰度分析、PCA（主成分分析）和PMF（正矩阵因子分解分析）结果发现,燃煤/道路尘、机动车排放和生物质燃烧对PM_2.5中TC（总碳）的影响最为明显,贡献率分别为49.25%~56.71%、19.79%~25.36%和9.35%~13.69%.反向轨迹聚类结果显示,广东珠三角区域的汽油车排放、道路尘和生物质燃烧对郴州市PM_2.5中碳组分有较大的影响,而燃煤和柴油车的贡献主要来源于本地.研究显示,郴州市PM_2.5中碳组分污染较为严重,应重点加强本地燃煤和柴油车的控制.      

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

北京城区和路边秋冬季PM2.5中碳质组分特征及来源分析

为探究北京市不同点位秋冬季碳质组分污染特征及其来源,该文于2020年9月和12月在城区和路边站点同时开展了有机碳(OC)、元素碳(EC)、PM_2.5、O₃、CO、NO_x(NO+NO₂)和气象因子连续在线监测。结果表明,研究期间空气质量较好,路边站ρ(OC)、ρ(EC)和ρ(PM_2.5)分别为(5.66±3.54)、(1.59±1.31)和(32.9±25.1)μg/m³,较城区分别高出32%、70%和33%,表明路边PM_2.5污染较重,移动源对碳质组分尤其是EC贡献显著;秋季两站点OC浓度无显著空间差异,路边站EC较城区站高47%,PM_2.5中ω(碳质颗粒(TCM=1.4×OC+EC))在城区和路边分别为29%和25%,冬季路边站OC和EC较城区高54%和83%,城区和路边ω(TCM)为27%和31%;除O₃以外,其他气态污染物和PM_2.5均呈冬季高于秋季、路边高于城区...     

2015~2019年南京北郊碳质气溶胶组成变化

碳质气溶胶是大气细颗粒物的重要组成,对空气质量、人体健康和气候变化有着重要影响.为了探究碳质气溶胶在减排背景下的长期变化,本研究测定了南京北郊5 a（2014年12月17日至2020年1月5日） PM_2.5样品的有机碳（OC）和元素碳（EC）浓度.结果表明,ρ（OC）和ρ（EC）5a平均值分别为（10.2±5.3）μg·m^-3和（1.6±1.1）μg·m^-3,其中OC占PM_2.5的31.1%,EC占PM_2.5的5.2%.OC和EC均呈现出冬高夏低的季节特征.通过非参数的Mann-Kendall检验和Sen’s斜率发现,OC和PM_2.5的浓度整体呈显著下降趋势[OC:P<0.000 1,-0.79μg·（m³·a）^-1,-0.29%·a^-1; PM_2.5:P<0.000 1,-4.59μg·（m³·a）^-1,-1.5...     

清洁取暖对保定市采暖期PM2.5中碳质气溶胶的影响

为了研究清洁取暖措施对保定市PM_2.5中碳质气溶胶浓度和来源的影响,于2014年和2019年冬季采暖期在保定市采集PM_2.5样品,用DRI Model 2001A热光碳分析仪测定样品中OC和EC的浓度.结果表明,2014年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为60.92μg·m^-3和18.15μg·m^-3,2019年采暖期PM_2.5中ρ(OC)和ρ(EC)平均值分别为36.63μg·m^-3和6.07μg·m^-3,与2014年相比2019年OC、 EC浓度分别下降了39.87%和66.56%,EC下降幅度大于OC,且2019年气象条件与2014年相比更不利于污染物扩散.通过对OC和EC相关性分析和SOC估算,发现2014年和2019年保定市OC和EC相关性R²分别为0.874和0.811,表明保定市OC和EC具有较为一致的来源.2014年和2019年ρ(SOC)的平均值分别为16...     

北京冬季PM2.5中元素碳、有机碳的污染特征

通过2003年1月对北京市区PM_2.5中元素碳(EC)、有机碳(OC)连续测量,分析了其污染特征。监测资料表明,北京市区PM_2.5中ρ(OC)高于ρ(EC),它们多在夜间高、白天低,且变化趋势大致相同。北京市区冬季ρ(OC) ρ(EC)的值较低。      

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

2015年福州市大气颗粒物污染特征

为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ（PM₁₀）、ρ（PM_2.5）年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ（PM_2.5）/ρ（PM₁₀）为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ（PM_2.5）/ρ（PM₁₀）日变化趋势与ρ（PM₁₀）日变化特征相反,即ρ（PM₁₀）高时ρ（PM_2.5）所占比例低,ρ（PM₁₀）低时ρ（PM_2.5）所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM₁₀和PM_2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.      

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

江淮地区湿沉降对颗粒物清除能力的影响

为了解单次降水总量、降水时长、降水前颗粒物质量浓度对颗粒物清除能力的影响,对江淮地区2017年气象资料与颗粒物质量浓度资料展开分析.分析江淮地区2017年ρ（PM_2.5）、ρ（PM₁₀）及降水特征,综合对比各季节不同单次降水总量对颗粒物的清除能力,对比不同季节、不同降水时段对颗粒物清除能力的变化特征,以及不同季节降水前颗粒物质量浓度与清除率对应阈值关系.研究表明:江淮地区北部颗粒物质量浓度高于南部,南部单次降水总量和降水总时长较北部高.单次降水总量越大对颗粒物的清除率越高.当单次降水总量大于1.5 mm时,清除率提升最明显,并且秋、冬两季清除率高于春、夏两季;当单次降水总量低于1.5 mm时,春、夏两季清除率高于秋、冬两季.总体上,降水对PM₁₀的清除率高于对PM_2.5.降水时长对颗粒物的清除率具有明显的季节性变化特征.春、秋两季存在降水时长阈值,分别为10和20 h.春季低于该阈值（10 h）清除率为正清除率,高于该阈值清除率为负清除率;秋季低于该阈值（20 h）清除率为负清除率,高于该阈值为正清除率.夏、冬两季总体表现为正清除率.分析降水前颗粒物质量浓度对清除率的影响得知,降水对PM_2.5清除率由负转正的阈值较PM₁₀低,并且冬、春两季清除率阈值较夏、秋两季高,春季、夏季、秋季、冬季的ρ（PM_2.5）清除率阈值分别为35、15、25、30 μg/m3,ρ（PM₁₀）清除率阈值分别为60、50、60、60 μg/m3.单次降水过程中颗粒物所处高度由2 200 m降至1 000 m,并且此次降水对非球形粒子清除效果明显,粒径在2.5 μm以下粒子质量浓度显著下降,其中,粒径在0.7~1.2和1.5~2.5 μm粒子数浓度下降明显;另外,降水对颗粒物中NO₃-和NH₄+去除明显,并且降水后光学EC、光学OC及金属元素质量浓度和占比显著增长.研究显示,当冬季单次降水总量大于1.5 mm,降水前ρ（PM_2.5）大于30 μg/m3、ρ（PM₁₀）大于60 μg/m3时颗粒物的清除率最佳.      

呼包鄂地区沙尘期间大气污染特征研究

为研究沙尘天气下典型大气污染特征,选择呼和浩特市、包头市、鄂尔多斯市（简称"呼包鄂地区"）为研究对象,分析了呼包鄂地区2016年春季3月1日-5月31日的PM₁₀与PM_2.5数据,利用CMB（化学质量平衡）受体模型、后向轨迹模型研究了呼包鄂地区污染源的特征,通过富集因子法评估了人类活动对沙尘天气的影响,最终通过特征比值法对沙尘天气与非沙尘天气进行了区分.结果表明:①沙尘天气与非沙尘天气时,呼包鄂地区PM₁₀、PM_2.5中主要化学组分均为Si、Ca、Al、Fe、OC、SO₄2-与NO₃-.沙尘天气时,ρ（PM₁₀）与ρ（PM_2.5）的差值大于非沙尘天气,较高的ρ（Al）、ρ（Si）、ρ（Ca）说明呼包鄂地区受到较大的沙尘天气影响.②CMB受体模型源解析结果表明,沙尘天气时扬尘源对PM₁₀与PM_2.5的贡献率分别为59.3%、48.7%,说明PM₁₀和PM_2.5的主要污染源均为扬尘源.后向轨迹模式模拟表明,呼包鄂地区的沙尘主要来自其西北部地区.③元素Na、K、Mg的EF（富集因子）在PM₁₀与PM_2.5中均大于1.0,Si、Cu的EF在PM_2.5中均大于1.0,但在PM₁₀中小于或等于1.0;依据EF表征级别,自然因素对PM_2.5和PM₁₀的影响程度均较大,并且PM_2.5受人类活动影响的程度大于PM₁₀.通过特征比值发现,ρ（Si）/ρ（Al）大于1.7且ρ（Si）/ρ（Fe）大于2.2可作为呼包鄂地区典型沙尘天气的界定.研究显示,呼包鄂地区春季受到较大程度的沙尘影响,这些沙尘主要来自其西北部地区,通过特征比值法可以对呼包鄂地区沙尘天气进行界定.      

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.