广西工业源大气污染物排放清单及空间分布特征研究

大气污染物排放清单是了解区域污染物排放特征的重要资料,而工业源是大气污染的重点排放源.研究根据收集的工业企业活动水平数据,选择合理的计算方法和排放因子,建立了广西2016年工业源大气污染物排放清单.结果表明,2016年广西工业源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOCs排放总量分别为20.7×10~4、21.6×10~4、147.5×10~4、48.4×10~4、25.7×10~4、34.7×10~4 t.其中,电厂和非金属矿物制品业对SO_2、NO_x、PM_(2.5)和VOCs的贡献最高.除此之外,黑色金属冶炼是SO_2、NO_x和PM_(2.5)的主要贡献源;有色金属冶炼是PM_(2.5)的主要贡献源;农副食品加工业是VOCs的主要贡献源.根据排放源污染物排放量及地理坐标信息,建立了污染物排放量空间分布特征图.结果显示,广西工业企业SO_2和NO_x排放主要集中在百色、柳州、防城港和贵港市;颗粒物排放主要集中在贵港、柳州和百色市;VOCs排放主要集中在柳州、贵港和崇左市.研究建立的排放源清单结果具有一定的不确定性,建议进一步完善基础研究.     

珠江三角洲大气面源排放清单及空间分布特征

估算了珠江三角洲地区2006年大气面源污染物的排放清单,并利用2006年珠江三角洲人口分布栅格数据作为代用空间分配权重因子,建立了该地区大气面源3km′3km的SO2、NOx、PM10和VOC网格化排放清单.结果表明,2006年珠江三角洲大气面源排放的SO2为1.12′105 t, NOx为5.25′104 t, PM10为1.6′105 t, VOC为3.14′105 t.SO2、NOx和PM10排放量较大的区域集中在广州市区、佛山、东莞和中山,而VOC排放量较大的区域位于广州市区、东莞和深圳.     

长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

广东省人为源大气污染物排放清单及特征研究

本研究根据收集的广东省人为源活动水平数据,采用合理的估算方法、排放因子和GIS技术,建立了该地区2010年3 km×3 km人为源大气污染物排放清单.结果显示,2010年广东省SO2、NOx、CO、PM10、PM2.5、BC、OC、VOCs和NH3排放总量分别为867.8×103、1607.0×103、7476.0×103、1397.6×103、633.2×103、50.5×103、98.3×103、1436.5×103和578.3×103t.固定燃烧源是SO2和NOx的最大排放贡献源,CO排放主要来自道路移动源、固定燃烧源和生物质燃烧源,扬尘源和工业过程源是主要的PM10和PM2.5排放源,生物质燃烧源是最大的BC和OC贡献源,VOCs排放主要来自有机溶剂使用源、道路移动源和工业过程源,NH3排放主要来源于畜禽养殖和氮肥施用.东莞、佛山和广州是主要的SO2、NOx、CO和VOCs排放城市,广州、清远和梅州是最主要的PM10和PM2.5排放城市,BC排放集中在广州、深圳、东莞、佛山等珠三角城市,OC的重要排放城市为湛江和茂名,NH3排放主要分布在茂名、湛江和肇庆.空间分布结果显示,广东省NH3排放高值区分布在粤西和粤东地区,其他污染物排放高值区则主要分布在珠三角城市群.本研究建立的排放源清单仍具有一定的不确定性,建议后续研究加强大气污染源排放的基础研究,进一步完善该地区的排放源清单,以期为区域大气污染预报预警和污染控制措施的制定提供重要基础数据.     

海峡西岸地区人为源大气污染物排放特征研究

采用以"自下而上"为主的方法建立了2007年海峡西岸地区的人为源大气污染物排放清单.计算结果显示,海西地区人为源SO2、NOx、CO、PM10、PM2.5、VOCs和NH3排放总量分别为69.5×104、96.1×104、413.1×104、93.9×104、40.6×104、85.0×104和28.5×104t.电厂和工业燃烧设施分别占SO2排放的48%和39%,以及NOx排放的51%和25%.水泥、砖瓦等制造过程贡献了约51%的PM10排放和36%的PM2.5排放.秸秆燃烧、加油站和涂料等VOCs面源分别占到其排放总量的27%、15%和4%.NH3的主要排放源为畜禽养殖和氮肥施用等农业部门,占到总排放量的89%.海西地区的单位面积大气污染物排放量仅相当于长三角地区的25%左右,略高于全国平均水平.该地区人为源和天然源VOCs排放比重分别占56%和44%,人为源VOCs排放比重低于全国大部分地区.海西大气污染高排放地区主要集中在沿海一带,以泉州、潮汕、福州和温州等地区为主,建议"十二五"发展过程中,重点关注上述高排放地区,限制重点排放源的发展,开发低耗能、低污染的发展模式.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

辽宁省人为源大气污染物排放清单及特征研究

为全面评估辽宁省关键大气污染物排放状况,系统收集和整理全省基础活动水平信息,采用排放因子法建立了该省2012年人为源大气污染物排放清单.结果显示,2012年辽宁省SO_2、NO_x、CO、PM10、PM_(2.5)、BC、OC及NH_3排放总量分别为1434.8×10~3、1632.3×10~3、6682.9×10~3、1529.9×10~3、1087.8×10~3、74.5×10~3、176.1×10~3t及880.4×10~3t.BC和OC最大贡献源为生物质燃烧源,排放集中分布在辽宁中、西部;NH_3主要来自畜禽养殖与化肥施用,排放高值区位于辽宁中部农业畜牧业发达地区;其他污染物主要来自固定燃烧源和工艺过程源,集中分布在辽宁中部城市群以及大连金州区、甘井子区和普兰店区.大连、沈阳是SO_2、NO_x、NH_3和颗粒物主要排放城市,鞍山和本溪由于钢铁行业发达,成为CO排放量最大的城市.基于卫星观测获得的NO_2垂直柱浓度对NO_x排放空间分布进行评估,两者相关性系数为0.57(p0.01).辽宁省级排放清单与国家尺度排放清单在一定程度存在差异,主要原因在于采用的活动水平和污染物控制效率的不同,基于详细本地化污染源信息建立的省级排放清单可以较好地反映实际情况.建议完善点源排放特征信息并加强本地化测试,进一步降低省级排放清单不确定性.     

长江三角洲地区人为源大气污染物排放特征研究

在收集整理长江三角洲地区（简称＂长三角＂）各城市人为大气污染源资料的基础上,采用以＂自下而上＂为主的方法建立了2007年长三角地区人为源大气污染物排放清单.清单结果显示,2007年长三角地区的SO2、NOx、CO、PM10、PM2.5、VOCs和NH3等大气污染物排放总量分别达到2391.8、2292.9、6697.1...     

南京市工业源大气污染物排放清单的建立

通过收集整理南京市工业源活动水平,采用"自下而上"的方法建立了2014年南京市工业源大气污染物排放清单。清单结果显示,2014年南京市工业源SO_2、NO_x、PM_(2.5)、PM_(10)、CO、VOCs和NH_3的一次排放总量分别为6.70、14.45、4.97、7.06、83.03、14.47和0.07万t。电力生产是SO_2和NO_x的主要排放源,占工业源总排放量的40%以上,钢铁行业是PM_(2.5)、PM_(10)和CO的主要排放源,均占55%以上,VOCs排放主要来自石化化工,贡献了约62.6%的工业源排放。工业重点源空间分布结果显示,南京市重点源排放主要集中于长江沿岸一带的2个园区:南京化学工业园区和南京经济技术开发区。该研究建立的排放清单具有一定的不确定性,建议后续研究加强大气污染物排放系数的研究,进一步完善大气污染物排放清单,为该市大气污染预报预警和污染控制措施的制定提供重要基础数据。     

昆明市工业源主要大气污染物排放特征及时空分析

以昆明市辖区内“十三五”期间生态环境统计数据及调查资料为依据,分析昆明市工业源主要大气污染物的企业和行业排放特征,探讨研究昆明市工业源SO₂、NO_X和颗粒物的时间变化和空间分布特点。研究结果显示：(1)2019年昆明市排放工业废气的企业共涉及40个行业,以小型企业为主,分布比较分散,分布较多的地区在西南、东南区域。(2)SO₂排放前三行业依次为化学原料和化学制品制造业、有色金属冶炼和压延加工业、非金属矿物制品业,合计贡献率为81.77%;NO_X排放贡献较大为非金属矿物制品业、黑色金属冶炼和压延加工业、化学原料和化学制品制造业,合计贡献率73.97%;颗粒物排放量排放量较大行业为非金属矿物制品业,化学原料和化学制品制造业,石油、煤炭及其他燃料加工业,合计贡献率为63.13%。(3) SO₂和NO_X工业排放量呈下降趋势,分别下降46.71%、36.52%,颗粒物排放量呈波动上升趋势,上升20.10%。(4)工业SO₂排放较大地区分布在西南...     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

Mineralogical characterization of airborne individual particulates in Beijing PM10

This work mainly focuses on the mineralogical study of particulate matter（PM10） in Beijing. Samples were collected on polycarbonate filter from April, 2002 to March, 2003 in Beijing urban area. Scanning electronic microscopy coupled with energy dispersive X-ray（SEM/EDX） was used to investigate individual mineral particles in Beijing PM10. 1454 individual mineral particulates from 48 samples were analysed by SEM/EDX. The results revealed that mineral particulates were complex and heterogeneous. 38 kinds of minerals in PM10 were identified. The clay minerals, of annual average percentage of 30.1%, were the main composition among the identified minerals, and illite/smectite was the main composition in clay minerals, reaching up to 35%. Annual average percentage of quartz, calcite, compound particulates, carbonates were 13.5%, 10.9%, 11.95%, 10.31%, respectively. Annual average percentage less than 10% were gypsum, feldspar, dolomite, and so on. Fluorite, apatite, halite, barite and chloridize zinc（ZnCl2） were firstly identified in Beijing PM10. Sulfurization was found on surface of mineral particles, suggested extensive atmospheric reaction in air during summer.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

典型道路路边空气颗粒物中碳组分的组成特征

在天津市内选取了4条不同等级的道路（次干道,主干道,快速路,外环线）,于2015年4～5月分别在4条道路的路边进行了PM_2.5和PM₁₀样品和车流量信息的采集,并对其中的碳组分进行了分析.结果显示,天津路边PM_2.5和PM₁₀中OC、EC的浓度与国内已研究的其它城市相比处于中等水平,与国外城市相比,国内这些城市的OC、EC的浓度水平则较高.char-EC、soot-EC、OC、EC在PM_2.5中的百分含量在4条道路之间存在显著性差异,在4条路上百分含量为主干道 > 快速路 > 外环线 > 次干道,而PM₁₀不存在.PM_2.5中OC/EC和char-EC/soot-EC的平均比值分别是2.95和2.3,PM₁₀中分别为3.1和2.2.相关性分析的结果表明PM_2.5和PM₁₀中OC和EC有相同的来源,且EC与char-EC存在线性关系.     

金昌市PM2.5及PM10短期暴露对成人血压水平的影响

为探索西北地区颗粒物(PM)短期暴露对人群血压(BP)水平的影响,基于金昌队列研究平台,收集甘肃省金昌市2011~2017年颗粒物污染数据及队列人群血压测量数据,在调整相关混杂因素基础上,采用线性混合效应模型分析PM_2.5和PM₁₀短期暴露对收缩压(SBP)、舒张压(DBP)、平均动脉压(MAP)、脉压(PP)和Mid-BP (SBP和DBP的均值)的影响.结果显示,随着PM_2.5浓度的增加,人群SBP,MAP,PP和Mid-BP均呈上升趋势,该效应值分别在累积滞后05,03,07和05d最大.随着PM₁₀浓度的增加,5种BP指标也均呈上升趋势,效应最大值均出现在累积滞后07d.PM_2.5和PM₁₀对BP产生的影响分别在吸烟和男性人群中更为显著.此外,沙尘天气和气态污染物(SO₂和NO₂)对PM-BP效应存在一定的修饰作用.因此,在该队列人群中,PM_2.5和PM₁₀短期暴露对人群血压具有一定影响,吸烟者和男性人群可能是颗粒物影响血压效应的易感人群.     

成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.      

Seasonal variation and source apportionment of organic and inorganic compounds in PM2.5 and PM10 particulates in Beijing, China

The distribution and source of the solvent-extractable organic and inorganic components in PM 2.5(aerodynamics equivalent diameter below 2.5 microns),and PM 10(aerodynamics equivalent diameter below 10 microns) fractions of airborne particles were studied weekly from September 2006 to August 2007 in Beijing.The extracted organic and inorganic compounds identified in both particle size ranges consisted of n-alkanes,PAHs(polycyclic aromatic hydrocarbons),fatty acids and water soluble ions.The potential emission sources of these organic compounds were reconciled by combining the values of n-alkane carbon preference index(CPI),%waxC n,selected diagnostic ratios of PAHs and principal component analysis in both size ranges.The mean cumulative concentrations of n-alkanes reached 1128.65ng/m3 in Beijing,74% of which(i.e.,831.7ng/m3) was in the PM 2.5 fraction,PAHs reached 136.45ng/m3(113.44ng/m3 or 83% in PM 2.5),and fatty acids reached 436.99ng/m3(324.41ng/m3 or 74% in PM 2.5),which resulted in overall enrichment in the fine particles.The average concentrations of SO42-,NO3-,and NH4+ were 21.3±15.2,6.1±1.8,12.5±6.1μg/m3 in PM 2.5,and 25.8±15.5,8.9±2.6,16.9±9.5μg/m3 in PM 10,respectively.These three secondary ions primarily existed as ammonium sulfate((NH4)2SO4),ammonium bisulfate(NH4HSO4) and ammonium nitrate(NH4NO3).The characteristic ratios of PAHs revealed that the primary sources of PAHs were coal combustion,followed by gasoline combustion.The ratios of stearic/palmitic acid indicated the major contribution of vehicle emissions to fatty acids in airborne particles.The major alkane sources were biogenic sources and fossil fuel combustion.The major sources of PAHs were vehicular emission and coal combustion.