基于高分辨率MARGA分析成都市PM2.5中水溶性离子污染特征

利用高分辨率MARGA对2019年成都市PM_2.5中水溶性离子展开连续监测,结合气象参数分析水溶性离子污染特征.结果表明,MARGA监测的8种水溶性离子质量浓度与PM_2.5变化趋势一致,水溶性离子年均浓度为(23.1±13.6)μg·m^-3,在PM_2.5中占比为48.6%,表明水溶性离子为PM_2.5重要组分.各离子质量浓度大小顺序依次为:NO^-₃、 SO₄^2-、 NH⁺₄、 Cl^-、 Ca²⁺、 K⁺、 Mg²⁺和Na⁺,其中二次离子(NO^-₃、 SO₄^2-和NH⁺₄)年均质量浓度为(20.2±2.7)μg·m...     

西安市PM2.5中水溶性离子的季节变化特征

为探究西安市大气PM_2.5中水溶性离子的污染特征及来源,本研究采集2017～2018年的PM_2.5样品,利用离子色谱仪测定9种水溶性离子(SO^2-₄、NO^-₃、Cl^-、F^-、Na⁺、Mg²⁺、NH⁺₄、K⁺和Ca²⁺)的浓度水平,并对NH⁺₄的存在形式分析、氮氧化率(NOR)、硫氧化率(SOR)以及[NO^-₃]/[SO^2-₄]等进行探究.结果表明,西安市PM_2.5中水溶性离子主要来自扬尘、燃煤、生物质燃烧和二次生成.Ca²⁺、SO^2-₄、NH⁺<...     

2020—2021年西安市大气PM2.5中水溶性离子变化特征

用离子色谱法对181份PM_2.5有效样品中NO^-₃、SO₄^2-、NH⁺₄、Cl^-和F^-等5种水溶性离子进行检测分析。结果表明,西安市PM_2.5的年均浓度为(71.04±51.80)μg·m^-3,季节变化特征表现为：冬季>春季>秋季>夏季。五种水溶性离子的年均浓度为(28.24±31.79)μg·m^-3,季节变化特征表现为：冬季>春季>秋季>夏季。各水溶性离子的年均浓度由大到小依次为：NO^-₃>SO₄^2->NH⁺₄>Cl^->F^-。NO^-₃在冬、春、秋三季...     

郑州市大气PM2.5中水溶性离子的污染特征及来源解析

为探究郑州大气细颗粒物PM_2.5中水溶性无机离子(WSIIs)的污染特征、季节变化和来源,有针对性地防治PM_2.5的污染,2020年12月至2021年10月4个不同季节连续采集PM_2.5样品,并结合气态污染物(SO₂、 NO₂和O₃)和气象因素(温度和相对湿度)对9种WSIIs(NO^-₃、 NH⁺₄、 SO₄^2-、 Ca²⁺、 K⁺、 Na⁺、 Mg²⁺、 F^-和Cl^-)进行分析.结果表明,观测期ρ[总水溶性离子(TWSIIs)]年均值为(39.34±21.56)μg·m^-3,呈现出冬季最高、夏季最低的季节变化特征.全年PM_2.5均稍微偏碱性,NH     

2016～2020年邯郸市冬季PM2.5污染特征与来源解析

为探究邯郸市近5年冬季PM_2.5污染特征及来源,于2016～2020年冬季采集PM_2.5样品,对8种水溶性无机离子进行分析,利用主成分分析(PCA)模型解析污染源类型,选用后向轨迹和潜在源贡献因子(PSCF)模拟传输轨迹和污染来源．结果表明,2018年冬季PM_2.5浓度最高,较2016、2017、2019和2020年升高60.44%、25.46%、91.43%和21.53%;2020年冬季水溶性无机离子(WSIIs)浓度较2016年下降18.86%,WSIIs/PM_2.5降至26.69%．夜晚ρ(PM_2.5)(110.20～209.65μg·m^-3)高于白天(95.21～193.00μg·m^-3),NO^-₃和NH⁺₄浓度夜间涨幅更大,SO₄^2-相反,Cl^-浓度和占比逐年下降;2020...     

渭南市冬季PM2.5化学组成及来源解析

基于2020年12月16日至2021年1月14日采集的渭南PM_2.5样品,分析了PM_2.5中碳质组分和无机离子的污染特征,并利用正矩阵因子分解法(PMF)、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)等方法对其来源与源地进行了解析.结果表明,渭南冬季夜间和白天ρ(PM_2.5)、ρ(OC)、ρ(EC)、ρ(TWSIIs)的平均值分别为：119.08、 17.02、 6.20、 34.20μg·m^-3和130.66、 18.09、 6.22、 50.65μg·m^-3.采样期间水溶性离子浓度表现为：F^->NO^-₃>Ca²⁺>SO₄^2->Na⁺>Cl^->NH⁺₄>K⁺>Mg²⁺     

天津市高校夏季道路扬尘PM2.5中水溶性离子污染特征及来源

为研究天津市高校道路扬尘PM_2.5中水溶性离子的污染特征、来源及校内外差异,于2018年7—8月采集天津市9所高校道路扬尘样品,用离子色谱法对其中8种水溶性离子(Ca²⁺、K⁺、Mg²⁺、Na⁺、Cl^-、NH⁺₄、NO^-₃、SO₄^2-)进行分析.结果显示:①水溶性离子占PM_2.5的11.65%,PM_2.5中占比大于1%的离子有Ca²⁺和SO₄^2-,其中Ca²⁺最多,占到总水溶性无机离子的65.75%;②入校道路离子含量(12.76%)稍高于校内道路(11.11%),其中8种离子含量的差异均无统计学意义;CE/AE(阴阳离子当量浓度比)值为9.59(远大于1),PM_2.5呈较强...     

长株潭城市群PM2.5中二次无机离子特征及生成机制

二次无机离子是大气PM_2.5的主要组分,其对城市霾污染的驱动作用愈发明显.目前长株潭城市群秋冬季PM_2.5污染形势依旧严峻,但该区域的二次转化对冬季霾污染过程以及秋冬季SNA差异特征的影响尚不明晰.2020年11月和2021年1月在长株潭城市群4个典型站点进行PM_2.5连续采样,并定量分析了SO₄^2-、 NO^-₃和NH⁺₄等组分.结果显示,秋季和冬季PM_2.5中ρ(SO₄^2-)、ρ(NO^-₃)、ρ(NH⁺₄)平均值(μg·m^-3)分别为(5.2±2.5)、(7.9±4.8)、(4.1±2.2)和(7.2±4.2)、(17.1±10.5)、(7.8±5.2).在冬季霾污染过程中,ρ(SO₄^...     

太原市冬季不同污染程度下PM2.5的化学组成、消光特征及氧化潜势

为深入探究重污染地区气溶胶的消光特征和健康风险,于2019年冬季开展了太原市PM_2.5主要化学成分和氧化潜势的分析.采样期间ρ(PM_2.5)为（89.9±33.6）μg·m^-3,其中水溶性离子和碳质气溶胶分别占到43.3%和33.8%,浓度较高的组分依次为：OC>SO₄^2->NO^-₃>EC>NH⁺₄>Cl^->Ca²⁺.随着污染程度的增加,PM_2.5中有机物（OM）和矿物尘的占比下降了5.8%和11.2%,而SNA(NO^-₃、 SO₄^2-和NH⁺₄)的质量分数由33.9%显著增加到56.0%.基于IMPROVE公式估算,太原市冬季大气颗粒物的平均消光系数为（453...     

遵义市秋、冬季PM2.5中水溶性离子的昼夜变化特征及来源解析

为探究遵义市秋、冬季PM_2.5中水溶性离子的昼夜污染特征及来源,于2020年10月～2021年1月昼(8:00～19:30)和夜(20:00～次日7:30)连续采集遵义市PM_2.5样品,对样品中8种水溶性离子含量进行检测,分析其昼夜浓度变化特征,并利用主成分分析-多元线性回归(PCA-MLR)模型解析其来源。结果表明：采样期间遵义市水溶性离子的平均浓度为16.89±9.29μg/m³,呈冬季高、秋季低的季节变化特征。NO^-₃、NH⁺₄、K⁺和Cl^-的浓度夜晚高于白天,而SO₄^2-、Ca²⁺和Mg²⁺的浓度则在白天较高。二次离子(NH⁺₄、NO^-₃、SO₄^2-)是遵义市主要水溶...     

天津市道路环境大气颗粒物水溶性无机离子分析

大气颗粒物,尤其是其中的水溶性无机离子,对人体危害很大.天津市大气污染中机动车尾气污染相对较高,为探究不同道路类型下水溶性无机离子的污染特征,于2015年4~5月对天津市四类道路类型分别进行大气颗粒物PM_(2.5)和PM_(10)采样及水溶性离子组分分析,并运用皮尔森相关性分析、水溶性离子比值关系分析及主成分分析方法进行探讨.结果表明,天津市水溶性无机离子主要集中在细颗粒物中,不同离子在不同道路下所占质量分数差异很大,二次污染相对较重;二次离子是水溶性无机离子的重要组成部分,在细颗粒物中含量相对较高,在PM_(2.5)中的含量是PM_(10)中的1~2倍左右;K~+、Mg~(2+)、Na~+与Ca~(2+)之间有较高的同源性;各道路PM_(2.5)和PM_(10)第一贡献因子均是燃烧和二次污染的混合源,第二贡献因子主要为扬尘与交通混合源.     

广东省CO2排放变化的社会经济影响因素

作为我国经济最为发达的省份之一,广东省社会经济可持续发展面临CO₂排放量增长的挑战.从多角度分析广东省CO₂排放变化的社会经济影响因素,有助于其实现低碳发展.基于投入产出模型,从生产、需求和供应角度分析1987—2015年广东省CO₂排放量的变化;此外,采用结构分解分析方法,从需求和供应角度量化广东省各种社会经济因素对CO₂排放变化的相对贡献.结果表明:①与生产端相比,需求侧和供给侧的研究有助于识别不同的关键行业,如建筑业（需求侧）、金融和保险业（供给侧）.②降低碳排放强度是减少广东省CO₂排放的主要因素,而人均最终需求水平和人均初始投入增加是推动广东省CO₂排放增加的主要因素.③生产结构、最终需求结构和初始投入结构变化导致CO₂排放量略有增加,表明广东省具有较大的通过调整结构性因素减排CO₂的潜力.综上,建议除了生产端CO₂减排措施外,广东省还应采取需求侧和供给侧相关措施,如优化消费行为、产品分配行为和初始投入结构等.      

热带气旋对海南岛臭氧污染的影响分析

基于2015～2020年西北太平洋生成的181个热带气旋资料,海南岛18个市县臭氧(O₃)小时浓度数据和气象观测资料,分析了热带气旋对海南岛O₃污染的影响.结果表明,近6年共有40个(22.1%)热带气旋的生命期间海南岛出现了O₃污染天气,热带气旋生成个数偏多的年份,O₃污染天数也偏多,其中2019年污染天数最多最严重,高污染(≥3个市县超标)天数高达39 d(54.9%).高污染(HP)类热带气旋有逐年增多趋势,趋势系数和气候倾向率分别为0.725(通过95%信度检验)和0.667个·a^-1.热带气旋强度与海南岛O₃最大8 h滑动浓度平均值(O₃-8h)成正相关关系,其中在台风(TY)等级,HP类热带气旋占所有样本数的比例高达35.4%.热带气旋路径聚类分析表明,南海生成影响型(A类)热带气旋生成个数最多,共有67个(37%),同时最容易造成海南岛出现大范围和高浓度的O₃污染,A类热带气旋中HP的个数和海南岛ρ...     

2017—2018年秋冬季唐山市PM2.5中元素组成特征及来源解析

为研究唐山市大气PM_2.5中元素组成特征及其来源,于2017年10月19日—2018年1月31日（秋冬季）在唐山市的超级站（典型城市站点）、开平站（工业站点）和古冶站（工业站点）开展了PM_2.5的手工连续采样,定量分析测定了PM_2.5中23种无机元素.结果表明:Si、Al、Ca和Na等地壳元素的质量浓度均在10月最高,在1月最低.10月,ρ（Cr）在开平站最高（0.020 0 μg/m3）,随后逐月略微降低,其主要受钢铁冶炼工业的减产和限产影响.多数重金属元素质量浓度在11月或12月最高,包括Zn、Pb、Mn、Cu、Ni、Se、V、Cd和Co,其可能受燃煤取暖影响.Cd、Zn、Pb和Cu四种元素的富集因子值分别为2 677、616、422和77,均达到极强富集,且均受人为排放源影响最大.基于因子分析法得出,唐山市大气PM_2.5中元素的主要来源有燃煤源、钢铁工业源与扬尘源的混合源、交通源以及土壤扬尘源,其方差贡献率分别为56.3%、21.6%、7.1%、5.4%.研究显示,秋冬季唐山市大气颗粒物PM_2.5中元素最主要的污染来源为工业源、燃煤源和扬尘源.      

Process analysis of PM2.5 pollution events in a coastal city of China using CMAQ

US EPA's Community Multiscale Air Quality modeling system(CMAQ) with Process Analysis tool was used to simulate and quantify the contribution of individual atmospheric processes to PM_(2.5) concentration in Qingdao during three representative PM_(2.5) pollution events in the winter of 2015 and 2016. Compared with the observed surface PM_(2.5) concentrations, CMAQ could reasonably reproduce the temporal and spatial variations of PM_(2.5) during these three events. Process analysis results show that primary emissions accounted for 72.7%–93.2% of the accumulation of surface PM_(2.5) before and after the events.When the events occurred, primary emissions were still the major contributor to the increase of PM_(2.5) in Qingdao, however the contribution percentage reduced significantly,which only account for 51.4%–71.8%. Net contribution from horizontal and vertical transport to the accumulation of PM_(2.5) was also positive and its percentage increased when events occurred. Only 1.1%–4.6% of aerosol accumulation was due to PM processes and aqueous chemical processes before and after events. When the events occurred,contribution from PM processes and aqueous chemistry increased to 6.0%–11.8%. Loss of PM_(2.5) was mainly through horizontal transport, vertical transport and dry deposition, no matter during or outside the events. Wet deposition would become the main removal pathway of PM_(2.5), when precipitation occurred.     

2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

长春市典型高架公路大气环境颗粒物中重金属污染特征

于2014年4—11月对长春市典型高架公路大气颗粒物PM_(2.5)和PM_(10)进行采样,对颗粒物中主要重金属元素的浓度进行了分析,并采用变异系数法、地积累指数法和富集因子法对大气颗粒物重金属污染情况进行评价.研究表明,道路施工期间,PM_(2.5)和PM_(10)中重金属的浓度普遍低于道路运行通车后的浓度,而采暖期重金属的浓度又高于非采暖期的浓度.重金属元素在PM_(2.5)中的含量占PM_(10)中总含量的比例均超过50%,说明颗粒物越细越容易富集重金属.Zn、Fe和Mn的变异系数较小,说明来源稳定,自然源占主导地位.富集因子法表明,Zn的富集程度极强,Mn无富集.Cr和Cd的变异系数较大,受人为活动干扰严重,在道路施工期间二者富集程度较轻,道路通行加之采暖后富集程度加强,主要来源为汽油和煤的燃烧.Pb、Cu和Ni的变异系数在0.56~0.76之间,有一定的人为干扰,Pb和Ni在高架公路施工期富集程度较轻,道路运行及取暖期富集程度显著,主要来源是交通源;Cu富集程度强,主要来源可能是油燃烧、建筑扬尘.     

陕西省冬春季PM2.5时空分布特征研究

根据陕西省2016年12月至2017年5月PM_2.5质量浓度逐小时数据，利用ArcGIS分析陕西省PM_2.5污染时空变化格局，并分析造成南北差异的原因，再利用小波分析手段探讨各市PM_2.5污染时间序列周期和突变特性。结果表明：（1）陕西省冬季PM_2.5污染重，春季污染轻，并表现出"关中高，南北低"的特征，秦岭南北经济发展差异和供暖差异是控制陕西省PM_2.5污染空间格局的主要原因；（2）冬季和春季单日PM_2.5浓度变化趋势基本一致，为"双峰双谷型"，日最低值出现在16∶00~18∶00；（3）Morlet小波分析结果显示，陕西省PM_2.5日均变化序列存在多时间尺度特征。陕北城市PM_2.5污染第1主周期为40 d，关中城市和陕南商洛市有40 d和65 d两个共同周期，安康市和汉中市共同周期为20 d和80 d；（4）陕西省PM_2.5突变事件冬季频繁而春季较少，多发生在1月和2月，春季1次大范围的沙尘天气，造成了陕西省5月5日8个城市PM_2.5污染浓度剧增。     

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.      

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.