西安市城市降尘和土壤尘PM10和PM2.5中碳组分特征

为研究西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分污染特征,丰富大气降尘的成分谱库,于2015年4~5月收集了西安市城区5个点位的城市降尘和周边16个点位的土壤尘样品,通过ZDA-CY01颗粒物再悬浮采样器获得PM₁₀和PM_2.5的滤膜样品,使用Model5L-NDIR型OC和EC分析仪测定了样品中的有机碳（OC）和元素碳（EC）,定量分析了西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分特征及其主要来源.结果表明,不同站点降尘PM₁₀和PM_2.5中OC的占比差异较大,分别为6.0%~19.4%和7.6%~29.8%.不同站点降尘PM₁₀和PM_2.5中EC的占比较小,在城市站点的占比分别为0.6%~2.2%和0.2%~3.6%,而在多数外围土壤尘中几乎检测不到EC的存在.PM₁₀中含碳组分的占比为：城市降尘>外部对照>河滩土>土壤尘,PM_2.5中含碳组分的占比为：城市降尘>土壤尘>外部对照>河滩土.不同站点降尘含碳气溶胶均以OC为主,在城市降尘中相对较低,在PM₁₀和PM_2.5中OC占总碳（TC）的比值分别为85.2%~95.3%和87.9%~98.9%;在土壤尘中OC的占比较高,均超过99%.含碳物质主要集中在细颗粒物中.不同城市站点降尘中碳组分的分布具有一致性,不同土壤尘中碳组分的差异较大.城市和土壤降尘中碳组分主要受生物质燃烧、燃煤、汽油车和柴油车尾气等污染源的影响,PM₁₀和PM_2.5中含碳气溶胶的来源贡献率存在差异.     

钢铁工业排放颗粒物中碳组分的特征

为探究钢铁工业排放颗粒物中碳组分的特征,使用荷电低压颗粒物撞击器(ELPI)采样,采集到3组不同载荷和除污设施的烧结炉和1组炼铁高炉排放的颗粒物样品,利用热-光反射法,分析颗粒物中的有机碳(OC)和元素碳(EC)以及按温度划分的7种碳组分物质.结果表明,烧结工艺排放颗粒物中OC的质量分数高于炼铁工艺,OC在PM_(10)和PM_(2.5)质量分数分别是(5.3±2.3)%和(7.1±3.0)%,说明OC易在细粒径段颗粒富集,炼铁工艺排放颗粒物中OC在PM_(10)和PM_(2.5)质量分数分别是2.5%和2.0%;4组样品的7种碳组分相对比例相似,OC2和OC3在7种碳组分中质量分数最高,EC1、EC2、EC3的质量分数依次递减,OC1的质量分数可能与锅炉规模和脱硫设施有关;另外,烧结工艺排放各粒径段的颗粒物中OC和EC表现出较高的相关性,一次排放的PM_(2.5)中的OC/EC为4.7±0.7,远高于受体中估算二次碳组分的指标值.钢铁工业排放颗粒物中碳质组分的深入分析,可以为受体碳质气溶胶的来源解析提供基础数据,也有助于钢铁工业后续的除污管理.     

机动车源和民用燃料源颗粒物中有机碳和元素碳的排放特征

为了获取机动车源尾气和主要民用燃料源燃烧过程排放的颗粒物中含碳气溶胶的排放特征,使用多功能便携式稀释通道采样器和Model 5L-NDIR型OC/EC分析仪,采集分析了典型机动车源(汽油车、轻柴油车、重柴油车)、民用煤(块煤和型煤)和生物质燃料(麦秆、木板、葡萄树树枝)的PM₁₀和PM_2.5样品中的有机碳(OC)和元素碳(EC).结果表明,不同排放源释放的PM₁₀和PM_2.5中含碳气溶胶的质量分数存在显著差异.总碳(TC)在不同源PM₁₀和PM_2.5中的质量分数范围分别为40.8%～68.5%和30.5%～70.9%,OC/EC范围分别为1.49～31.56和1.90～87.57.不同源产生的含碳气溶胶均以OC为主,OC在PM₁₀和PM_2.5中的质量分数范围分别为56.3%～97.0%和65.0%～98.7%.在PM₁₀和PM_2.5的含碳气溶胶中OC质量分数按照从高到低...     

Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China

During November-December 2010 aerosol scattering coefficients were monitored using a single-waved (525 nm) Nephelometer at a regional monitoring station in the central Pearl River Delta region and 24-hr fine particle (PM_2.5) samples were also collected during the period using quartz filters for the analysis of major chemical components including organic carbon (OC), elemental carbon (EC), sulfate, nitrate and ammonium. In average, these five components accounted for about 85% of PM_2.5 mass and contributed 42% (OC), 19% (SO₄^2-), 12% (NO₃^-), 8.4% (NH₄⁺) and 3.7% (EC), to PM_2.5 mass. A relatively higher mass scattering efficiency of 5.3 m²/g was obtained for fine particles based on the linear regression between scattering coefficients and PM_2.5 mass concentrations. Chemical extinction budget based on IMPROVE approach revealed that ammonium sulfate, particulate organic matter, ammonium nitrate and EC in average contributed about 32%, 28%, 20% and 6% to the light extinction coefficients, respectively.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

工程机械不同工况下PM_(2.5)排放及其碳质组分特征

我国工程机械排放控制起步较晚.为研究实际工况下工程机械的PM2.5排放特性及其碳质组分构成,采用便携式颗粒物稀释采样系统,对3台工程机械(2台挖掘机和1台装载机)在不同典型工况(行驶、作业和怠速)下的PM2.5及其碳质组分〔OC(有机碳)和EC(元素碳)〕的现场排放特征进行了测试.结果表明:沃尔沃挖掘机、山河智能挖掘机的PM2.5排放因子(基于燃油)分别为1.85~3.26和1.56~2.62 g/kg,厦工装载机的PM2.5排放因子为0.98~1.48 g/kg.不同工况对PM2.5排放因子影响较大,怠速工况下PM2.5排放因子是行驶工况下的1.49~1.76倍.工程机械排放的PM2.5中,碳质组分是最主要的成分,其质量分数高达71.0%~84.5%.其中,w(OC)为44.6%~72.0%,在怠速工况下最高;w(EC)则为8.6%~30.9%,在行驶工况下较高.测试工程机械的PM2.5排放水平较高,因此应尽快加强工程机械排放的污染防治.     

晋城城市扬尘化学组成特征及来源解析

采集晋城市城市扬尘及其他污染源样品,分析其中元素、离子、碳含量,选取富集因子分析法、潜在生态风险评价法、化学质量平衡模型分析城市扬尘化学组成及来源,为制定有效的城市扬尘污染防治工作方案提供科学依据.结果表明,晋城市城市扬尘中主量成分包括Si、TC、Ca、OC、Al、Mg、Na、Fe、K和SO_4~(2-),质量分数总和为61.14%.地壳元素在城市扬尘中含量最丰富,离子更易在细颗粒上富集.OC在PM_(2.5)上的质量分数较高,EC在PM_(10)上的质量分数较高,说明二次有机污染物主要集中在细颗粒上.城市扬尘PM_(2.5)和PM_(10)潜在生态风险指数均为极强,且PM_(2.5)比PM_(10)具有更强的生态危害性.城市扬尘中Pb的富集因子最大,在PM_(2.5)中达196.97,其次为As、Cr、Ni、V、Zn、Cu,且这些重金属元素的富集因子均在10以上,表明这几种元素显著富集,受人类活动影响较大.土壤风沙尘、建筑水泥尘、机动车尾气尘、煤烟尘是城市扬尘的主要来源.     

深圳市PM2.5 化学组成与时空分布特征

于2008-12-30～2009-12-25,在深圳市宝安区、罗湖区和盐田区各设置一个采样点采集大气细粒子PM2.5,分析了PM2.5中主要的水溶性离子组分、有机碳和元素碳,同时结合气象条件,对深圳市PM2.5的化学组成及时空分布特征进行了研究.结果表明,深圳市PM2.5污染总体上呈现西高东低的空间分布特点,但是SO24-和NH4+的空间差异不大,说明深圳PM2.5污染具有明显的区域传输特征.OC/EC值自西向东逐渐升高,说明深圳西部地区受一次源排放影响更为显著.受亚热带海洋性季风气候的影响,深圳市PM2.5总体污染程度表现为秋冬高、夏春低的特点,各主要组分的质量浓度变化也均有类似的特征.与2004年深圳的类似观测结果比较发现,该地区脱硫措施显著降低了PM2.5中硫酸盐浓度,而机动车尾气对PM2.5的贡献变得更加重要.     

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

Chemical compositions of PM2.5 aerosol during haze periods in the mountainous city of Yong'an, China

Haze phenomena were found to have an increasing tendency in recent years in Yong'an, a mountainous industrial city located in the center part of Fujian Province, China. Atmospheric fine particles (PM_2.5) in the urban area during haze periods in three seasons (spring, autumn and winter) from 2007 to 2008 were collected, and the mass concentrations and chemical compositions (seventeen elements, water soluble inorganic ions (WSIIs) and carbonaceous species) of PM_2.5 were determined. PM_2.5 mass concentrations did not show a distinct difference among the three seasons. The carbonaceous species organic carbon (OC) and elemental carbon (EC) constituted up to 19.2%-30.4% of the PM_2.5 mass during sampling periods, while WSIIs made up 25.3%-52.5% of the PM_2.5 mass. The major ions in PM_2.5 were SO₄^2-, NO₃^- and NH₄⁺, while the major elements were Si, K, Pb, Zn, Ca and Al. The experimental results (from data based on three haze periods with a 10-day sampling length for each period) showed that the crustal element species was the most abundant component of PM_2.5 in spring, and the secondary ions species (SO₄^2-, NO₃^-, NH₄⁺, etc.) was the most abundant component in PM_2.5 in autumn and winter. This indicated that dust was the primary pollution source for PM_2.5 in spring and combustion and traffic emissions could be the main pollution sources for PM_2.5 in autumn and winter. Generally, coal combustion and traffic emissions were considered to be the most prominent pollution sources for this city on haze days.     

邯郸市PM2.5中碳组分的浓度、来源及其变化

为明确邯郸市PM_(2.5)中碳组分污染浓度、来源和近年来的变化,分别于2015和2017年1、4、7、10月在河北工程大学能环实验楼4层采集PM_(2.5)样品,采用热/光碳分析仪测定了样品中8种碳组分含量,并计算得到有机碳(OC)、元素碳(EC)、Char-EC和Soot-EC含量.结果表明,2017年PM_(2.5)中碳组分浓度较2015年下降约15%,质量分数下降约17%,季节变化均表现为冬高夏低的特点;2017年SOC浓度和SOC/PM_(2.5)、SOC/OC比值均低于2015年,SOC浓度和SOC/PM_(2.5)比值下降约36%,季节分布特征相似(秋冬高、春夏低).两年除夏季外,其余季节OC、EC相关系数均高于0.7,表明存在共同来源;2017年OC、OC1与EC相关性高于2015年,此外,两年中EC1～EC3、Char-EC和Soot-EC与各组分相关系数差异较大;两年中Char-EC与OC、EC的相关性(r=0.5～1.0)明显高于Soot-EC与OC、EC的相关性(r=0.1～0.6),这主要与二者形成机理有关.碳组分之间的关系和主成分分析结果表明,燃煤、生物质燃烧和柴油车尾气的混合源是2015年碳质组分的主要来源,而2017年则来源于燃煤和机动车尾气排放.     

广西背景大气中生物质燃烧对碳质气溶胶组成和吸光性的影响

碳质气溶胶是大气细颗粒物（PM_2.5）的重要组成部分,对空气质量、人体健康和气候变化均有重要影响.针对生物质燃烧（BB）这一碳质气溶胶的重要来源,于2017年11月至2018年10月在广西壮族自治区背景地区采集了PM_2.5样品,分析了样品中的碳质组成、糖类化合物和水溶性棕色碳（BrC）的吸光系数（b_abs）.使用气团老化指数（AAM）校正LG浓度以消除LG降解带来的影响,进而结合贝叶斯混合模型与分子示踪剂法量化了BB对有机碳（OC）的贡献率,并通过相关性分析法探讨了BrC的可能来源.结果表明,研究期间AAM指数平均值为0.40±0.28,表示LG存在光化学降解过程.农作物秸秆是广西地区最主要的生物质燃料类型,在未考虑LG降解下,全年玉米、水稻和甘蔗秸秆焚烧排放的OC分别占总OC的22%、23%和18%;考虑LG在大气中的降解后,相对贡献率分别降低至16%、21%和17%.LG的降解会导致BB对OC的贡献率评估被低估,经过AAM指数校正后,全年BB对OC的贡献率平均值为49.0%.水溶性BrC的b_abs全年的平均值为（8.7±10.7） Mm^-1,其中BB、化石燃料燃烧以及初级生物气溶胶排放可能是BrC的重要来源.     

两种典型污染时段鹤山市大气细颗粒污染特征及来源

PM_2.5和O₃浓度超标是我国大气污染的主要特征,研究两种典型污染时段的细颗粒化学组成、混合状态和来源对治理大气污染具有重要意义.2016年11月10—20日广东省鹤山市先后出现了PM_2.5和O₃超标的污染事件.污染期间,采用SPAMS（单颗粒气溶胶质谱仪）对细颗粒进行实时采样分析,共采集到有正负化学组成信息的颗粒422 944个,占总颗粒数的19.2%.基于单颗粒质谱数据特征,使用自适应共振神经元网络算法（ART-2a）,对单颗粒数据进行自适应分类.颗粒物划分为OC（有机碳）、EC（元素碳）、ECOC（元素-有机碳混合）、HOC（高分子有机碳）、Pb-rich（富铅）、Si-rich（富硅）、LEV（左旋葡聚糖）、K-Secondary（钾二次）、Na-rich（海盐）和HM（重金属）颗粒共10类.结果表明:两个PM_2.5污染时段EC颗粒和K-Secondary颗粒的占比高,EC颗粒分别占46.5%和61.1%,K-Secondary颗粒分别占14.3%和10.3%;O₃污染时段EC颗粒占比（39.4%）最高,其次是OC颗粒占比17.0%;两种污染时段OC组分与HSO₄-和NO₃-的混合程度都有明显的上升,说明污染有利于有机气溶胶的老化.由源解析结果可知,PM_2.5污染时段,细颗粒主要来源于燃煤、机动车尾气和扬尘,而O₃污染时段细颗粒主要来源于燃煤、生物质燃烧和扬尘;此外,两种污染时段燃煤源对细颗粒的贡献都有较大提升.研究显示,控制燃煤源的排放对污染物的降低有着重要影响.      

森林生物质燃烧烟尘中的有机碳和元素碳

选取10种乔木制备风干树枝、新鲜树枝两种类型的样品,通过自制的生物质燃烧装置模拟阴、明燃两种燃烧方式燃烧制备的树枝样品,采集排放的烟尘,并使用DRI2001A热/光分析仪测定样品中的有机碳(OC)、元素碳(EC).结果表明,风干树枝明燃排放烟尘中OC的排放因子(EFOC)、EC的排放因子(EFEC)、PM的排放因子(EFPM)均值分别为6.8、2.1、16.5g·kg-1,阴燃排放烟尘中均值分别为57.5、11.1、130.9 g·kg-1;新鲜树枝明燃排放烟尘中EFOC、EFEC、EFPM均值分别为13.6、3.3、30.5 g·kg-1,阴燃排放烟尘中均值分别为57.6、9.6、125.6 g·kg-1.树枝(风干树枝、新鲜树枝)阴燃时EFOC、EFEC、EFPM均高于明燃时,在明燃(高温度)条件下含水率与树枝燃烧时EFOC、EFEC、EFPM是呈正相关关系.树枝燃烧烟尘中OC、EC、TC(TC=OC+EC)占PM的百分比约为45%、10%、55%,乔木树枝阴燃排放烟尘中OC的质量分数高于明燃,EC的质量分数低于明燃.新鲜树枝排放烟尘中OC的质量分数高于风干树枝,EC的质量分数低于风干树枝.风干树枝明燃条件下OC/EC的均值为3.3(2.5~5.2),阴燃条件下均值为5.2(4.3~6.3);新鲜树枝明燃条件下OC/EC的均值为4.1(3.1~5.3),阴燃条件下均值为6.2(4.2~8.4),乔木树枝阴燃时OC/EC的值高于明燃,含水率高的乔木树枝(新鲜树枝)燃烧排放烟尘中OC/EC的值高于含水率低的树枝(风干树枝).风干树枝燃烧烟尘中OC、EC的相关系数为0.985,新鲜树枝燃烧烟尘中OC、EC的相关系数为0.915,含水率不同的乔木树枝(风干树枝、新鲜树枝)在不同燃烧条件下(明燃、阴燃)排放烟尘中OC与EC都具有良好的相关性.     

Vehicular emissions in China in 2006 and 2010

Vehicular emissions in China in 2006 and 2010 were calculated at a high spatial resolution based on the data released by the National Bureau of Statistics, by taking the emission standards into consideration. China's vehicular emissions of carbon monoxide(CO),nitrogen oxides(NO_x), volatile organic compounds(VOCs), ammonia(NH_3), fine particulate matters(PM_(2.5)), inhalable particulate matters(PM_(10)), black carbon(BC), and organic carbon(OC) were 30,113.9, 4593.7, 6838.0, 20.9, 400.2, 430.5, 285.6, and 105.1 Gg, respectively, in 2006 and 34,175.2, 5167.5, 7029.4, 74.0, 386.4, 417.1, 270.9, and 106.2 Gg, respectively, in 2010. CO,VOCs, and NH_3 emissions were mainly from motorcycles and light-duty gasoline vehicles,whereas NO_X, PM_(2.5), PM_(10), and BC emissions were mainly from rural vehicles and heavyduty diesel trucks. OC emissions were mainly from motorcycles and heavy-duty diesel trucks. Vehicles of pre-China Ⅰ(vehicular emission standard of China before phase Ⅰ) and China Ⅰ(vehicular emission standard of China in phase Ⅰ) were the primary contributors to all of the pollutant emissions except NH_3, which was mainly from China Ⅲ and China Ⅳ gasoline vehicles. The total emissions of all the pollutants except NH_3 changed little from2006 to 2010. This finding can be attributed to the implementation of strict emission standards and to improvements in oil quality.     

福建省4种主要乔木枝叶燃烧含碳物质排放特性分析

森林可燃物燃烧释放的大量含碳物质对大气环境和生态系统碳平衡具有重要影响,揭示森林可燃物燃烧的含碳物质排放特性具有重要的科学意义.运用自主设计的生物质燃烧系统,模拟福建省4种主要乔木树种——马尾松、杉木、樟树、桉树的枝、叶燃烧,分析其在不同燃烧状态（阴燃、明燃）下含碳气体（CO、CO₂、C_xH_y）和PM_2.5的排放因子（分别以EF_CO2、EF_CO、EF_CxHy、EF_PM2.5表示）及PM_2.5中的碳质组分之间的差异性.结果表明,马尾松、杉木、樟树、桉树燃烧排放的含碳气体、PM_2.5的排放因子及PM_2.5的碳质组分在不同燃烧状态下差异较大,阴燃时EF_CO2、EF_CO、EF_CxHy、EF_PM2.5平均值在分别为（1 400.7±76.5）（297.6±16.2）（25.2±3.9）（23.9±4.3）g/kg,明燃时分别为（1 582.8±73.2）（253.6±16.1）（17.2±3.7）（8.4±2.8）g/kg,除CO₂外其他多为阴燃显著高于明燃.针叶树种（杉木、马尾松）枝、叶在阴燃时EF_PM2.5高于阔叶树种（樟树、桉树）,而明燃时差异相对较小.PM_2.5中OC（有机碳）、EC（元素碳）、TC（OC+EC）的质量分数阴燃时分别为45.6%、12.0%、57.6%,明燃时分别为42.9%、17.6%、60.5%.EF_OC/EF_PM2.5、EF_EC/EF_PM2.5、EF_OC/EF_EC在两种燃烧状态下具有不同的特征,其特征值可作为区分不同燃烧源或不同燃烧状态的指标;EF_OC/EF_PM2.5在明燃和阴燃时差异不大,平均值分别为0.49、0.46;EF_EC/EF_PM2.5明燃显著高于阴燃,平均值分别为0.18、0.12;4种乔木的枝、叶燃烧的EF_OC/EF_EC明燃低于阴燃,平均值分别为2.59和4.01.在两种燃烧状态下OC与PM_2.5的排放因子均呈显著相关.研究显示,不同燃烧条件以及不同燃料燃烧对排放含碳物质具有显著影响.      

成都市PM10中碳质气溶胶长期来源特点

大气颗粒物中包含多种组分的气溶胶,其中碳质气溶胶由于对人体健康、能见度有较大影响,已受到越来越多的关注.为研究碳质气溶胶的长期变化规律,采集了成都市2009—2013年的PM₁₀样品,对其中所含的无机元素、水溶性离子及碳组分分别进行测定,并使用“PMF（正定矩阵因子分解法）-比值”模型分别对PM₁₀和所含的碳质气溶胶的来源进行分析.结果表明,1月、2月、5月和12月的碳质气溶胶浓度较高,其中1月、2月和12月的OC/EC（有机碳与元素碳质量浓度之比）较高,并且PMF-比值模型计算结果也显示冬季SOC增多,表明冬季可能有更多的二次有机碳（SOC）生成;5月的char-EC/soot-EC（二者质量浓度之比,其中char-EC=EC1-OP,soot-EC=EC2+EC3,它们可更好地区分源类）较高,K含量也较高,表明可能有更多的生物质燃烧排放.PM₁₀解析共发现6类源,依次为地壳扬尘（26.5%）、二次硫酸盐（25.1%）、燃煤&生物质燃烧混合源（17.3%）、二次硝酸盐&二次有机碳混合源（12.3%）、机动车源（11.8%）和水泥尘源（7.0%）;碳质气溶胶解析发现,OC主要来源依次为机动车源（38.2%）、燃煤&生物质燃烧混合源（33.1%）和二次有机碳（25.3%）,char-EC的主要来源是燃煤&生物质燃烧混合源和机动车源,分别占50.5%和45.4%,soot-EC则主要受机动车影响（达73.2%）.研究显示,成都市PM₁₀主要来自于地壳扬尘、二次生成和燃煤&生物质燃烧,而碳质气溶胶主要来自于机动车、燃煤&生物质燃烧.      

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

滨海城市气溶胶中颗粒态汞的分布特征

与气溶胶颗粒相结合的汞,即颗粒态汞,不仅对人体健康及生态环境产生一定的危害,而且在汞的生物地球化学过程扮演重要角色.以我国东南滨海城市厦门市为研究对象,采集郊区、居民区、旅游区、工业区和背景区四季(2008年10月～2009年8月)的PM2.5、PM10和TSP样品,基于塞曼原子吸收法的俄罗斯LumexRA-915+汞分析仪对大气不同粒径颗粒物中颗粒态汞进行了测试.结果表明,厦门市大气不同粒径颗粒物中汞的含量均表现为冬、春两季的浓度明显高于夏、秋两季;春、夏、秋、冬四季细颗粒物(PM2.5)中的含量分别为(51.46±19.28)、(42.41±12.74)、(38.38±6.08)和(127.23±33.70)pg/m3.不同粒径颗粒物中汞主要分布在PM2.5中,占到颗粒物态汞的42.48%～67.87%,表明细粒子富集汞的能力较强.不同功能区颗粒态汞的浓度分布趋势为背景区居民区旅游区工业区郊区,说明颗粒态汞浓度的空间分布特征与采样点的环境功能密切相关.总体而言,滨海城市大气颗粒态汞含量较低;PM2.5对颗粒态汞的富集明显高于PM10和TSP,表明对颗粒态汞的控制应集中在细颗粒物污染上.     

六类餐饮源排放PM2.5化学成分谱

大气颗粒物源成分谱可以表征源排放颗粒物的理化特征,为受体模型开展来源解析研究提供基础数据.餐饮油烟排放是室内外环境大气污染的来源之一,当前餐饮源排放PM_2.5的化学成分谱仍然缺乏.该研究分别在成都市、武汉市和天津市采集了29组6种餐饮源（居民烹饪、火锅店、烧烤店、职工食堂、中餐馆、商场综合餐饮）排放的PM_2.5样品,分析无机元素、离子、碳、多环芳烃（PAHs）等化学组分,并构建了餐饮源排放颗粒物化学成分谱.结果表明:①餐饮源排放PM_2.5化学成分中的主要组分为OC（有机碳）、EC（元素碳）、Ca、Al、Fe、NH₄+、SO₄2-、NO₃-、Na+、K+、Mg2+和Cl-,其中w（OC）最高,为41.67%~57.91%.②餐饮源排放PM_2.5的PAHs中,3环和4环占比较高,其中芴（Flu）、菲（Phe）、荧蒽（Fla）、芘（Pyr）的质量分数相对其他物质较高.研究显示:餐饮源排放PM_2.5中OC/EC约为15.99~67.61,在一定程度上可以用来表征餐饮源排放;Fla/（Fla+Pyr）和InP/（InP+BghiP）多集中在0.45~0.55之间,或可作为标识餐饮源的特征比值.