深圳市大气PM2.5来源解析

为识别和量化深圳市大气PM_2.5的污染来源,2014年3,6,9,12月分别在5个站点采集PM_2.5的膜样品并进行质量浓度及组分分析,利用正向矩阵因子解析（PMF）模型对其主要来源和时空变化规律进行了解析.结果表明,2014年深圳市PM_2.5年均浓度为35.7 μg/m³,其中机动车源、二次硫酸盐生成、二次有机物生成和二次硝酸盐生成是最主要的来源,质量浓度贡献比例分别为27%、21%、12%和10%;地面扬尘、生物质燃烧源、远洋船舶源、工业源、海洋源、建筑尘和燃煤源贡献比例达2%~6%.各个源贡献的时空变化特征表明,二次硫酸盐生成、生物质燃烧源、二次有机物生成、工业源、远洋船舶源和海洋源显示出明显的区域源特征,机动车源、二次硝酸盐生成、燃煤源、地面扬尘和建筑尘具有显著的本地源特征.     

宿迁市PM2.5中水溶性无机离子的季节特征和来源分析

为了研究宿迁市PM_2.5中水溶性无机离子的季节特征和来源,于2017年5月至2018年1月在宿迁市水汽通道上的3个监测点位采集了171份PM_2.5样品,分析了PM_2.5质量浓度以及9种水溶性无机离子含量.结果表明,宿迁市PM_2.5中水溶性无机离子的年均浓度为(44.08±34.61)μg·m^-3,占PM_2.5质量的41.8%, 9种水溶性离子浓度大小排序为ρ(NO^-₃)>ρ(SO₄^2-)>ρ(NH⁺₄)>ρ(Cl^-)>ρ(Na⁺)>ρ(Ca²⁺)>ρ(K⁺)>ρ(F^-)>ρ(Mg²⁺),其中NO^-₃、 SO...     

深圳市城区冬季大气PM2.5在线来源解析

利用颗粒物同步混合实时监测仪、气溶胶化学组分监测仪(ACSM)、大气多金属元素在线监测仪、黑碳仪等在线仪器于2020年12月27日～2021年1月31日在深圳观测了PM_2.5及其化学组分.结果显示,深圳市PM_2.5在观测期间平均浓度为(32.2±17.0)μg/m³.其中,有机物在PM_2.5中浓度最高,均值为(15.4±9.5)μg/m³,其次是NO₃^-、SO₄^2-、BC、NH₄⁺和元素,浓度分别为(4.3±3.9),(3.8±2.1),(2.7±1.6),(2.5±1.7)和(1.9±1.2)μg/m³.本研究将ACSM获取的有机质谱信息(m/z 44)作为二次有机气溶胶(SOA)的示踪物纳入PMF(正交矩阵因子分解)模型,成功地识别了SOA.源解析结果显示,SOA对深圳市冬季PM_2.5贡献了23.8%...     

武汉市城区PM2.5碳质组分特征及来源解析

为探究武汉市PM_2.5中碳质组分特征及来源,该研究于2018年夏季和2019年冬季在武汉市设点采集了PM_2.5样品,分析了PM_2.5及其碳质组分(OC、EC和SOC)的浓度水平及季节变化特征,并运用同位素贝叶斯模型对碳质组分进行了来源解析。结果表明,PM_2.5在夏季和冬季的平均浓度分别为43.702和89.897μg/m³,均超过《环境空气质量标准》(GB 3095-2012)二级标准限值(35μg/m³)。OC、EC和SOC的夏季浓度为5.628、2.811和1.574μg/m³,冬季浓度为7.928、4.232和3.378μg/m³。冬季OC、EC的绝对浓度虽增大,但在PM_2.5中的占比却略有下降,说明冬季PM_2.5浓度的上升更多归结于无机组分的增加。武汉市夏季PM_2.5中碳组分各污染源贡献率依次为柴油车(50.14%)>C3植物燃烧(3...     

基于在线观测的天津市PM2.5污染特征及来源解析

为了解天津市PM_2.5的污染特征及来源,基于2017～2019年高时间分辨率的在线监测数据,对PM_2.5浓度、化学组分和来源进行了分析.结果表明, 2017～2019年,天津PM_2.5平均浓度为61μg·m^-3,PM_2.5中主要化学组分为NO^-₃、 OC、 NH⁺₄、 SO₄ ^2-、 EC和Cl^-,在PM_2.5中占比分别为17.7%、 12.6%、 11.5%、 10.7%、 3.4%和3.1%.从年分布上看,PM_2.5及主要化学组分浓度均呈现下降趋势,NO^-₃和NH⁺₄在PM_2.5中占比上升,SO₄ ^2-、 OC和EC在PM     

兰州城区大气PM2.5污染特征及来源解析

为探究兰州城区PM_(2.5)的污染特征及其来源,分别在兰州市城关区和西固区设置PM_(2.5)采样点,于2013年10月(非采暖期)和12月(采暖期)采集样品并进行分析,得到了PM_(2.5)及其16种化学组成的质量浓度.结果表明,兰州城区PM_(2.5)污染水平较高,平均质量浓度为129μg·m~(-3).样品无机元素平均质量浓度为:SCaFeAlMgPbZnMnTiCu,其中S、Ca、Fe、Al的质量浓度在1μg·m~(-3)以上,是主要元素组分;样品各无机元素质量浓度表现为采暖期高于非采暖期,城关区高于西固区.样品水溶性离子平均质量浓度为:SO~(2-)_4NO~-_3NH~+_4Cl~-K~+Na~+,其中SO~(2-)_4、NO~-_3、NH~+_4的质量浓度在10μg·m~(-3)以上,是主要离子组分;样品各水溶性离子质量浓度表现为采暖期高于非采暖期,西固区高于城关区.富集因子(EF)分析结果表明,元素Al、Ca、Mg、Ti的EF值均小于1以自然来源为主;元素Cu、Pb、S、Zn的EF值显著大于10,表明这4种元素在PM_(2.5)中高度富集,且主要源于人为活动造成的污染.主成分分析结果表明,交通排放源、生物质燃烧源、土壤源和二次粒子对兰州城区大气PM_(2.5)贡献显著.     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

基于随机森林的南京市PM2.5和O3对减排的响应

自2013年《大气污染防治行动计划》实施后,南京市大气污染有所改善,但仍面临着细颗粒物(PM_2.5)和臭氧(O₃)污染问题.为探究污染物浓度对其前体物减排的响应,获得有效的减排策略,常利用大气化学模式进行多组基于排放扰动的敏感性试验,而这需要消耗大量计算时间和计算资源.应用随机森林算法对2015年大气化学传输模式(GEOS-Chem)模拟结果进行机器学习,高效地预测了南京2019年PM_2.5浓度日均值和日最大8 h臭氧(MDA8 O₃)浓度对不同人为源排放控制情景的响应.随机森林结果表明2019年中国人为排放每减少10%,南京ρ(PM_2.5)季节平均值下降2～4μg·m^-3.当2019年中国人为源减排比例高于20%时,南京ρ(PM_2.5)年均值将低于国家二级限值(35μg·m^-3).若仅对中国地区O₃前体物氮氧化物(NO_x)和挥发性有机污染物(VOCs)同比例减排,反而...     

邯郸市区PM2.5污染特征及来源解析

对邯郸市区内邯郸钢铁集团（邯钢）、邯郸市环境监测中心（环保局）、河北工程大学（矿院）3个点位4个季节代表月大气PM_2.5样品进行采集,并对其离子、元素、碳质组分进行测试分析;利用基于排放清单、受体模型与空气质量模型相结合的综合来源解析方法,对邯郸市区大气PM_2.5贡献来源进行分析.结果表明：邯郸市区PM_2.5年均浓度为85.5μg/m³,秋冬季浓度明显高于春夏季,邯钢点位浓度略高于矿院和环保局;PM_2.5中占比较高的组分为NO₃^-、SO₄^2-、POA、SOA和NH₄⁺,分别占15.7%、14.5%、13.2%、12.2%和12.4%,具有明显的二次污染和有机污染特征,冬季二次组分和有机组分占比略高于其他季节,环保局点位一次有机气溶胶（POA）和二次有机气溶胶（SOA）占比略高于矿院和邯钢;冶金和扬尘是PM_2.5最主要的贡献来源,贡献率分别为27.0%和18.7%,冶金源在春夏季的贡献比例高于秋冬季,在邯钢点位的贡献率明显高于环保局和矿院.     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

基于随机森林模型的中国PM2.5浓度影响因素分析

选取气溶胶光学厚度、海拔、年降水量、年均气温、年均风速、人口密度、GDP密度和NDVI作为影响因子,基于随机森林模型、特征重要性排序和偏依赖图技术,研究中国PM_2.5浓度空间分布的影响因素及其区域差异.结果表明:①与多元回归、广义可加模型和BP神经网络相比,随机森林模型估算的PM_2.5浓度精度最高,可用于PM_2.5污染的影响因素研究.②PM_2.5浓度随气溶胶光学厚度、人口密度和GDP密度的增加呈先上升后平稳的趋势,随降水、风速和NDVI的增加呈先下降后平稳的趋势,随海拔和气温的增加呈下降→上升→下降的趋势.③气溶胶光学厚度对PM_2.5浓度空间分布的影响最大,可解释37.96%的PM_2.5浓度空间分异;年降水量对PM_2.5浓度空间分布的影响最小,解释率仅为5.75%.④影响因子与PM_2.5浓度的关系存在空间异质性,同一影响因子对不同地理分区的PM_2.5浓度的影响程度有所不同.气溶胶光学厚度对华...     

遵义市PM2.5中水溶性离子的污染特征及来源解析

为探究遵义市PM_2.5中水溶性离子的污染特征及来源,于2018年6月~2019年5月采集了遵义市两个采样点共120个PM_2.5样品,并利用离子色谱法对样品中8种水溶性离子进行了分析。结果表明：采样期间,遵义市PM_2.5平均值为47.6±19.3 μg/m³,呈现冬春高、夏秋低的季节变化特征;8种水溶性离子平均质量浓度顺序为SO₄^2- > NO₃^- > NH₄⁺ > Ca²⁺ > K⁺ > Cl^- > Na⁺ > Mg²⁺,平均值为13.74 μg/m³,水溶性离子质量浓度的季节变化与PM_2.5变化趋势相似;SO₄^2-、NO₃^-、NH₄⁺（SNA）是PM_2.5中主要水溶性离子,占比为83.8%,说明遵义市大气PM_2.5二次污染较严重;相关性分析表明,PM_2.5中NH₄⁺主要以（NH₄）₂SO₄、NH₄HSO₄的形式存在,部分以NH₄NO₃的形式存在;[NO₃^-]/[SO₄^2-]小于1,表明固定源为主要污染源;主成分分析结果表明,PM_2.5中水溶性离子主要来源于燃煤、交通混合源、土壤、建筑扬尘及农业源。     

菏泽市PM2.5源方向解析研究

为了定量解析环境受体中不同方向PM_2.5的源贡献水平,利用“源方向解析”（source directional apportionment,SDA）法〔综合PMF（positive matrix factorization,正定矩阵因子）方法和后向轨迹模型〕对京津冀大气污染传输通道上某典型城市——菏泽市环境受体中PM_2.5进行来源解析,并分析不同方向的源贡献.结果表明,菏泽市环境受体中ρ（PM_2.5）变化范围为42.73~191.72 μg/m3,平均值为92.54 μg/m3.SO₄2-、NO₃-和NH₄+是菏泽市环境受体中PM_2.5的主要化学组分;ρ（SO₄2-）、ρ（NO₃-）和ρ（NH₄+）的平均值分别为29.78、22.11和7.91 μg/m3,三者之和占ρ（PM_2.5）的63.54%.PMF的计算结果显示,二次无机盐、机动车排放、扬尘、煤烟尘和建筑水泥尘是菏泽市环境受体中PM_2.5的贡献源类,分担率分别为32.61%、22.60%、19.54%、16.25%和9.00%.利用后向轨迹模型识别出PM_2.5贡献源类的4个潜在方向,分别为东南、正西、西北和正东.二次无机盐在4个方向的贡献分别为8.49%、5.01%、6.65%和12.88%;机动车排放分别为1.39%、4.44%、7.47%和8.22%;扬尘分别为4.95%、3.65%、4.12%和6.92%;煤烟尘分别为4.56%、1.93%、2.16%和7.28%;建筑水泥尘分别为2.22%、1.88%、1.27%和3.56%.研究显示,菏泽市PM_2.5污染较为严重,其中二次源、机动车和扬尘源是其主要贡献源类,并且来自菏泽市东部的各源类贡献均较高.      

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.      

天津市典型区域PM2.5中水溶性离子污染特征

为了解天津市不同区域PM_2.5中水溶性离子污染特征,于2015年7月、10月及2016年1月、4月,在天津市南开区（简称“市区”）及武清区采集PM_2.5样品,结合气象因素、气态污染物研究,分析了样品中水溶性离子污染特征及来源.结果表明:①天津市市区及武清区PM_2.5中水溶性离子组分主要为二次离子（SO₄2-、NO₃-、NH₄+）;不同区域PM_2.5中二次离子各季节占比略有不同,市区为夏季（54.0%）>秋季（42.5%）>春季（41.3%）>冬季（40.7%）,武清区为夏季（53.0%）>春季（44.6%）>秋季（43.4%）>冬季（33.2%）.②冬季市区、武清区PM_2.5中水溶性离子组成差异较大,其他季节水溶性离子组成相似;夏季市区及武清区颗粒物呈酸性,其他季节均呈碱性,冬季武清区颗粒物碱性强于市区.③不同季节市区及武清区PM_2.5中SO₄2-均以（NH₄）₂SO₄形式存在,NO₃-冬季以NH₄NO₃形式存在,其他季节NO₃-主要以NH₄NO₃和HNO₃形式共存;市区Cl-主要以NH₄Cl、KCl和NaCl形式存在,武清区Cl-主要以NH₄Cl、KCl形式存在.④对市区及武清区来说,均相反应和非均相反应是SO₄2-重要生成途径,均相反应是生成NO₃-的主要途径.研究显示,代表一次排放的机动车源、燃煤源和二次无机粒子混合源对天津市PM_2.5中水溶性离子贡献率最高,工业源和扬尘源对市区的影响较大,农业源对武清区的影响较大.      

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...