合肥市冬季PM_(2.5)中水溶性离子化学特征分析

基于2021年12月1日-2022年2月28日合肥市细颗粒物(PM_(2.5))及其水溶性离子连续观测数据,分析了合肥市冬季PM_(2.5)中水溶性离子化学特征以及不同污染程度下水溶性离子化学特征。结果表明:采样期间合肥市PM_(2.5)污染较重,不同污染程度下PM_(2.5)浓度差异较大,中度及以上污染天的ρ(PM_(2.5))平均值分别是清洁天和轻度污染天的2.8和1.3倍。二次水溶性无机离子[硝酸根离子(NO_(3)^(-))、铵根离子(NH+4)和硫酸根离子(SO_(2)-4),简称SNA]是合肥市PM_(2.5)的重要组成部分,随着污染程度的加重,PM_(2.5)二次生成比例随之下降。NH+4是合肥市水溶性离子中中和能力最强的离子,易与NO_(3)^(-)和SO_(2)-4结合分别形成NH_(4)NO_(3)和(NH_(4))_(2)SO_(4)。合肥市SO_(2)和NO_(2)均易发生二次转化,且SO_(2)较NO_(2)更容易发生二次转化。钙离子(Ca^(2+))和镁离子(Mg^(2+))相关性较高,说明合肥市PM_(2.5)可能受扬尘影响较大;钾离子(K^(+))是生物质燃烧的指示离子,氯离子(Cl^(-))与K^(+)相关性较好,说明合肥市PM_(2.5)组分中的Cl^(-)和K^(+)主要来自生物质燃烧。PM_(2.5)中水溶性离子受降水和温度影响较大。     

齐齐哈尔市PM2.5与PM10污染趋势及相关性分析

对2014—2016年齐齐哈尔市PM_(2.5)与PM_(10)质量浓度的时间变化特征进行简要分析,并探究PM_(2.5)/PM_(10)以及PM_(2.5)与PM_(10)的相关性。结果表明:2014—2016年齐齐哈尔的PM_(2.5)与PM_(10)的年均质量浓度分别为36.7、62.9μg/m~3,且呈逐渐下降趋势;冬季的PM_(2.5)与PM_(10)浓度最高,秋季次之,春季与夏季相对较低;2014—2016年PM_(2.5)与PM_(10)质量浓度月变化趋势基本相同,整体呈现2—6月逐渐下降,9—11月逐渐上升的规律;PM_(2.5)与PM_(10)质量浓度的日变化均呈双峰现象;对PM_(2.5)与PM_(10)进行线性拟合,相关系数为0.896 3。同时,残差分析也说明两者拟合情况良好,四季相关系数为r_(秋季)(0.982 2)r_(冬季)(0.964 4)r_(夏季)(0.943 9)r_(春季)(0.829 6);2014—2016年PM_(2.5)/PM_(10)平均值为55.27%,大气颗粒物PM_(2.5)的贡献率高达一半以上。     

石家庄市空气颗粒物污染与气象条件的关系

利用2013—2014年石家庄市环境监测中心PM_(2.5)、PM_(10)逐时监测资料、同期的石家庄市地面气象观测站常规观测资料以及环境监测梯度站2013年1月各层PM_(2.5)和PM_(10)逐时观测资料,分析了PM_(2.5)、PM_(10)质量浓度的时空分布特征及与气象要素的相关关系。结果表明:石家庄市PM_(2.5)与PM_(10)的质量浓度及两者的比值均为冬季和秋季较高;在水平分布上,PM_(2.5)与PM_(10)的平均质量浓度为市区西部高于东部;在垂直分布上,随着高度的增加,PM_(2.5)和PM_(10)平均质量浓度先上升后下降;PM_(2.5)与PM_(10)的质量浓度与相对湿度呈正相关,其中PM_(2.5)的质量浓度与相对湿度相关性更高;PM_(2.5)与PM_(10)的质量浓度与风速呈负相关,随着风速的增大,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势,但当风速大于5 m/s时,PM_(10)的质量浓度随着风速增大而上升,出现扬尘污染,总体来讲,刮西北风时PM_(2.5)与PM_(10)的质量浓度较高,刮东南风时PM_(2.5)与PM_(10)的质量浓度较低,这与风向和风速的日变化有关;PM_(2.5)与PM_(10)的质量浓度与降水呈负相关,随着降水的增加,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势。     

2017年佛山市大气复合污染特征及来源分析

利用2017年佛山市8个国控监测点位的6项常规大气污染物自动监测数据,研究细颗粒物(PM_(2.5))、可吸入颗粒物(PM 10)、臭氧(O_(3))的时空变化和复合污染特征,并采用单颗粒气溶胶质谱仪对佛山市大气PM_(2.5)进行来源解析,分析O_(3)与二次气溶胶的协同增长关系。结果表明,2017年佛山市空气质量综合指数(AQI)为4.75,主要的空气质量污染物为PM_(2.5)、二氧化氮(NO_(2))和O_(3),除O_(3)呈现第2,3季度较高外,其他5项污染物均呈现第1,4季度较高的趋势。ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(CO)在1—4月和11,12月较高,二次生成强度较大。机动车尾气源、燃煤源和工业工艺源是大气PM_(2.5)的主要来源。佛山市中心城区等道路密集以及交通枢纽地区的ρ(NO_(2))较高,机动车尾气排放是大气NO_(2)的主要来源。O_(3)污染主要发生在4,5,7—10月。ρ(O_(3))和ρ(PM_(2.5))/ρ(CO)的日变化均在12:00—17:00达到峰值。ρ(PM_(2.5))随光化学活性水平增强而提高,高度和中度光化学活性水平下ρ(PM_(2.5))/ρ(CO)明显大于轻度和低光化学活性水平。在统计时段,PM_(2.5)和O_(3)协同增长的时间占37.3%,O_(3)污染对二次气溶胶的氧化生成有明显的促进作用。     

杭州城区PM2.5和PM10污染特征及其影响因子分析

利用2013年12月—2014年11月杭州城区空气质量监测站PM_(2.5)、PM_(10)浓度值结合气象、道路、人口数据以及站点周边绿地信息分析PM_(2.5)、PM_(10)浓度时空特征及其影响因子。结果表明,杭州城区各监测站PM_(2.5)和PM_(10)晴天日浓度变化趋势基本一致,PM_(2.5)比PM_(10)污染严重;晴天日PM_(2.5)、PM_(10)浓度值与对应的温度(-0.463,-0.281)、风速(-0.305,-0.332)呈负相关,与湿度(0.257,0.239)呈正相关;晴天有风时,杭州市区PM_(2.5)、PM_(10)污染北部重于南部,东部重于西部,浓度极高值集中在风速小于5 m/s时段,且风速越小浓度值越高;温度为12℃左右,湿度在60%~80%时,颗粒物污染最严重;交通高峰时各监测站PM_(2.5)、PM_(10)污染程度存在明显差异。相关性分析表明,PM_(2.5)、PM_(10)污染程度与道路密度成正比,与缓冲区内绿地覆盖面积成反比。PM_(2.5)污染程度与人口密度成正比,PM_(10)污染与人口密度成反比。     

昌吉市采暖期和非采暖期PM_(2.5)和PM_(10)污染特征分析

昌吉市2016年冬春季多次出现雾霾天气,针对昌吉市2016年采暖期和非采暖期PM_(2.5)和PM_(10)的浓度变化特征进行分析,结果显示:2016年全年空气质量在二级以上达标的天数为267 d,占72.9%,未达标天数占26.6%;采暖期PM_(2.5)和PM_(10)的质量浓度显著高于非采暖期,平均值是非采暖期的5.6倍和3.1倍,2月浓度值达到最高;采暖期间的首要污染物质为PM_(2.5),比例最高占66.3%,PM_(10)次之(占33.7%),非采暖期间污染物质PM_(10)占37.4%,PM_(2.5)占8.1%;采暖期间PM_(2.5)在PM_(10)中的比重(60.8%)也高于非采暖期(33.3%)。     

石家庄市大气颗粒物中有机碳和元素碳的季节变化特征

为了解石家庄市大气颗粒物中有机碳和元素碳的季节变化特征,对春、夏、秋、冬四季采集的PM_(10)、PM_(2.5)样品中的有机碳(OC)和元素碳(EC)进行了分析。结果表明,石家庄市PM_(10)、PM_(2.5)污染严重;PM_(10)、PM_(2.5)中ρ(OC)和ρ(EC)季节变化特征均为夏季春季秋季冬季。冬季PM_(10)中ρ(OC)和ρ(EC)分别为42.85和8.88μg/m~3;PM_(2.5)中ρ(OC)和ρ(EC)分别为41.2和8.59μg/m~3。PM_(2.5)中EC占比最高为3.9%,EC更容易在PM_(2.5)中富集;在四个季节中,冬季PM_(10)、PM_(2.5)中ρ(OC)/ρ(EC)为最高,分别为4.83和4.80,冬季取暖用燃煤加重了OC、EC的污染。冬季PM_(10)中二次有机碳ρ(SOC)为20.92μg/m~3,PM_(2.5)中ρ(SOC)为23.50μg/m~3。     

灰色理论在优化水质监测断面上垂线数的应用

一、关联度分析法 关联度分析是基于系统各因素时间序列曲线间相似相异程度来衡量其关联度大小的量化方法。具体计算方法如下: 1.确定参考数据列 {A_o(t)}={A_o(1),A_o(2),…,A_o(n)} (t=1,2,…,n) 2.确定比较数据列 {A_i(t)}={A_i(1),A_i(2),…,A_i(n)} (i=1,2,…,n)     

重金属离子-二乙基二硫代氨基甲酸钠螯合体系的HPLC分析方法研究

采用二乙基二硫代氨基甲酸钠(NaDDC)为螯合剂,对Cu(Ⅱ)、Hg(Ⅱ)、Pb(Ⅱ)、Zn(Ⅱ)、Cd(Ⅱ)、Cr(Ⅵ)六种重金属离子进行了螯合萃取分离体系的方法研究,用HPLC方法建立了上述金属离子的最佳分离条件及定性定量分析方法.结果表明,用C18反相柱(5μm,150×4.6mmi.d.)和流动相(V(乙腈):V(甲醇):V(水)=55:15:30)能有效分离上述重金属离子,最低检测限在0.1～1.6ng范围内,线性范围及线性关系满足定量分析要求.     

合肥市PM1.0污染特征及与PM2.5污染相关性

对合肥市2014—2019年秋冬季节PM_(1.0)、PM_(2.5)、气象和理化性质等进行分析研究发现,PM_(1.0)质量浓度呈现年度波动性下降趋势,其中2015—2016年度变化最为显著。同一年度内,月度浓度同样呈现波动性变化,总体表现为11、2月PM_(1.0)质量浓度相对较低,12、1月相对较高。无污染情形时(PM_(2.5)浓度不高于75μg/m~3),PM_(1.0)/PM_(2.5)逐小时值相对平稳且比有污染情形(PM_(2.5)浓度大于75μg/m~3)总体高约10%;有污染情形下,PM_(1.0)/PM_(2.5)小时值呈现较明显的日变化特征,09∶00呈现谷值,17∶00呈现峰值,日变化特征显著高于无污染情形。PM_(1.0)质量浓度随着PM_(2.5)级别的上升而逐渐增加,PM_(1.0)/PM_(2.5)值则呈减小的污染特征。严重污染时,PM_(1.0)/PM_(2.5)显著下降,PM_(1.0～2.5)占比增加。传输型污染过程中,PM_(1.0)与OC、PM_(2.5)、SO_4~(2-)等呈现出显著的正相关性,污染来源主要为工业源、燃煤源、道路尘等,共占载荷为83.90%。本地累积型污染过程中,PM_(1.0)与PM_(2.5)、SO_4~(2-)、Ba和Cu等呈现出较好相关性,污染来源主要为烟花爆竹与二次生成,共占载荷为87.94%。     

宜兴市臭氧和挥发性有机物的浓度特征研究

于2016年对宜兴市大气挥发性有机物(VOCs)和臭氧(O_3)的变化特征进行了分析。结果表明,宜兴市O3年均值为62.92μg/m~3,其中冬季值最低(31.19μg/m~3),夏季值最高(94.96μg/m~3)。φ(VOCs)为(11.00~42.45)×10~(-9),其中丙酮(12.7%)、乙酸乙酯(8.8%)和丙烯(3.3%)等在VOCs中占比位于前3位。各站点φ(甲苯)/φ(苯)2,全年的φ(甲苯)/φ(苯)φ(乙苯)/φ(苯)φ(间、对二甲苯)/φ(苯)。指出VOCs主要来源为有机溶剂和道路交通,并受到一定的外来输送影响。各站点φ(VOCs)/φ(NOx)为0.94~2.44,O3处于VOCs敏感区。     

河源市城区春季PM_(2.5)典型污染过程案例分析

以河源市区2016年3月27日—4月4日污染过程为研究对象,基于同期气象条件与空气质量监测数据,分析了PM_(2.5)与气象因子间的相关性,探究河源市区PM_(2.5)污染变化特征。结果表明,3月30日河源市ρ(PM_(2.5))/ρ(PM_(10))和ρ(PM_(2.5))/ρ(CO)分别为0.87和0.08,明显高于其他时段,说明当天细颗粒物污染老化和二次转化程度突出。在此次污染过程的2个不同阶段,河源市ρ(PM_(2.5))波动受到多项气象要素共同影响,其中与气压先后呈现较强负相关(R~2=0.646 2)和不明显正相关(R~2=0.006 5),与气温呈现不明显正相关(R~2=0.008 4,R~2=0.033 9),与风速先后呈现弱负相关(R~2=0.105 2)和不明显正相关(R~2=0.072 9),与相对湿度先后呈现弱正相关(R~2=0.391 3)和弱负相关(R~2=0.176 9)。通过比较该时段河源市与周边城市的ρ(PM_(2.5))变化趋势及后向轨迹分析,发现河源市与周边城市在相似的气象背景条件下,PM_(2.5)污染主要来源于本地源排放和珠三角区域传输。     

基于气象因子的PM_(2.5)回归预测模型研究

采用Pearson相关系数分析了2013—2016年3大典型城市北京、南京和广州的ρ(PM_(2.5))与各气象因子的关系。结果表明,3个城市ρ(PM_(2.5))与各风速因子最大的相关系数依次为-0.44,-0.29和-0.37,与各气温因子最大的相关系数依次为-0.44,-0.33和-0.37,气压与南京和广州的ρ(PM_(2.5))正相关,气压因子最大的相关系数分别为0.25和0.34,湿度与北京ρ(PM_(2.5))正相关,与广州ρ(PM_(2.5))负相关,湿度因子最大的相关系数分别为0.49和-0.36,日照时数与北京ρ(PM_(2.5))相关系数为-0.46,降水量与南京和广州ρ(PM_(2.5))相关系数分别为-0.20和-0.24;采用逐步线性回归方法建立城市次日ρ(PM_(2.5))与气象因子的预测模型,复合相关系数分别为0.722 8,0.770 6和0.809 9。模型预测3个城市2016年PM_(2.5)年均值分别偏高4,5和3μg/m3,日均值平均相对误差为±45.6%,±32.9%和±26.0%,模型对高ρ(PM_(2.5))普遍低估。     

兰州城市大气中PM_(1.0)污染特征研究

运用不同类型的PM_(1.0)自动监测仪,于2017年11月至2018年11月对兰州城市大气PM_(1.0)开展了为期一年的观测,分析了兰州PM_(1.0)污染特征及来源,以及气象条件和SO_2、NO_2等污染物对PM_(1.0)浓度特征的影响,重点分析了重污染天气过程PM_(1.0)的演变情况。结果表明:研究期内,兰州城市PM_(1.0)日均最大浓度为117.5μg/m~3,最小浓度为8.3μg/m~3,平均浓度为33.7μg/m~3;4个季节的PM_(1.0)平均浓度排序为冬季秋季春季夏季,冬季PM_(2.5)中PM_(1.0)的占比超过70%。从全年来看,PM_(1.0)主要来源于内蒙古西北部地区污染气团输入。PM_(2.5)与PM_(1.0)的来源区域具有一致性,但PM_(1.0)的来源范围更广泛,而PM_(2.5)的来源更集中。重污染阶段,PM_(1.0)与PM_(2.5)、PM_(10)污染演变趋势呈现负相关,PM_(2.5)与PM_(10)呈现正相关,且秋冬季PM_(1.0)和PM_(2.5)的潜在污染来源距离兰州较近,范围更集中。     

环境中的锌(连载)

锌是周期表第二族的化学元素,元素符号为Zn,原子量为65.37,天然锌由质量数分别为64(48.89％)、 66(27.81％)、67(4.11％)、68(18.57％)、70(0.62％)的5种稳定同位素构成,九种放射性锌同位素中,Zn~(65)(半衰期为245天),Zn~(72)(半衰期为46.5小时)和Zn~(73)(半衰期为2分钟)最重     

长沙市PM_(2.5)和PM_(10)质量浓度的变化特征

为检验PM_(2.5)和PM_(10)新监测标准实施近3年长沙大气颗粒物污染状况,利用近3年每日监测数据,对长沙10个国控自动监测点PM_(2.5)和PM_(10)达标情况、首要污染物及变化特征进行研究分析。结果表明,近3年长沙市PM_(2.5)和PM_(10)年均质量浓度均超过了新标准规定的年均值二级标准限值;2013年污染最严重。PM_(2.5)和PM_(10)月均值峰值出现在1月和11月,谷值在8月,各月PM_(2.5)超标天数和首要污染物为PM_(2.5)天数都大于PM_(10);PM_(2.5)和PM_(10)冬季日均值浓度明显高于其他季节,呈双峰型,峰值在上午10:00和20:00~21:00,夜晚浓度高于白天;PM_(2.5)春、夏、秋三季日变化呈单峰型,峰值在20:00~21:00;PM_(10)四季日变化呈双峰型。PM_(2.5)和PM_(10)浓度的比值(P)1月和2月最高,PM_(10)和PM_(2.5)日均值有着显著的线性相关性。     

珠海市PM_(2.5)时空分布特征及其成因分析

选取2015年珠海市国控监测站ρ(PM_(2.5))数据,分析PM_(2.5)中有机碳(OC)、元素碳(EC)、水溶性离子组分等化学组成,ρ(PM_(2.5))时空分布特征,以及与气象因素的相互关系。结果表明,2015年珠海市PM_(2.5)年均值为31.0μg/m3,表现出显著的时间分布规律,月均值呈现"V"型趋势,PM_(2.5)中主要化学组分是有机物(OM),占总质量的34.0%,其次是硫酸根(SO2-4),占总质量的26.9%,具有明显的季节分布特征,呈现冬高夏低分布;ρ(PM_(2.5))日变化呈现双峰型分布,其值工作日显著高于非工作日;ρ(PM_(2.5))与平均温度、相对湿度、风速呈现负相关关系,与气压呈现显著正相关关系;珠海市ρ(PM_(2.5))空间分布总体呈现"东高西低,北重南轻"变化趋势,有机物、SO2-4和NH+4空间分布呈现东部高于西部趋势,颗粒物浓度受地形、气候因素和海域环境等影响呈现多样化分布趋势。     

应用化学质量平衡模型解析西宁大气PM2.5的来源

为研究影响西宁市大气环境PM_(2.5)污染水平的主要来源,于2014年采暖季、风沙季和非采暖季依托西宁市大气地面观测网络在11个监测点采集大气PM_(2.5)样品,对其化学组分(元素、离子和碳)进行分析。研究同步采集了4类固定源、14类移动源和4类开放源的PM_(2.5)样品,并构建源排放成分谱。应用化学质量平衡受体模型(CMB)开展源解析研究。源解析结果表明,观测期间西宁市PM_(2.5)主要来源包括城市扬尘(分担率为26.4%)、燃煤尘(14.5%)、机动车尾气(12.8%)、二次硫酸盐(9.0%)、生物质燃烧(6.6%)、二次硝酸盐(5.7%)、钢铁尘(4.7%)、锌冶炼尘(3.4%)、建筑尘(4.4%)、土壤尘(4.4%)、餐饮排放(2.9%)和其他未识别的来源(5.2%)。大力开展城市扬尘为主的开放源污染控制,严格控制本地燃煤、机动车等污染源的PM_(2.5)排放,是改善西宁市空气质量的重要途径。     

宜兴市细颗粒物化学特征和来源解析

通过在宜兴市3个监测站点对细颗粒物(PM_(2.5))开展不同季节采样,对样品做化学分析,结合化学质量平衡(CMB)模型解析PM_(2.5)来源贡献。结果表明,宜兴市PM_(2.5)年均质量浓度为37.5μg/m~3,冬季质量浓度最高,为53.1μg/m~3。PM_(2.5)主要化学成分为SO_4~(2-)、NO_3~-、OC、EC、NH_4~+、Cl~-、Ca、Na、Al。PM_(2.5)的主要排放源贡献为二次硫酸盐(21.0%)、二次有机气溶胶(14.9%)、二次硝酸盐(14.1%)和燃煤电厂(8.0%)。利用本地排放源清单进行二次来源解析,得到全年主要排放源贡献为工业(33.1%)、燃煤(23.1%)、移动源(17.6%)、扬尘(9.3%)和其他来源(16.9%)。减轻颗粒物污染,重点是控制工业生产、燃煤及机动车中的排放。     

苏州市一次PM_(2.5)污染过程分析及其来源解析

利用TEOM1405F型PM_(2.5)测量仪、MARGA水溶性离子在线分析仪和激光雷达对苏州市2016年8月24日—9月6日PM_(2.5)、水溶性离子和气溶胶垂直分布进行了观测,结合气象数据分析了水溶性离子的变化规律及其主要来源。结果表明,观测期间PM_(2.5)平均值为43.4μg/m3,与2014和2015年同期相比下降了42.9%和40.3%。总水溶性无机离子平均值为24.18μg/m~3,约占ρ(PM_(2.5))55.7%,其中ρ(SO_4~(2-))、ρ(NH_4~+)和ρ(NO_3~-)分别占ρ(总离子)的46.0%、25.8%、21.0%。夜间边界层降低,大气垂直扩散条件较差,是造成ρ(PM_(2.5))及ρ(水溶性离子)显著升高的主要原因。ρ(NO_3~-)/ρ(SO_4~(2-))为0.056~1.939,平均值为0.432,表明固定源(燃煤源)仍然是PM_(2.5)的主要来源;PCA方法表明苏州水溶性离子的主要来源于二次污染和燃烧源、海盐和土壤源以及地面扬尘、建筑尘。