南京北郊冬夏季大气PM2.5中碳质组分浓度及同位素组成研究

为研究南京北郊不同季节PM_(2.5)中碳质组分的主要来源,分别在2014年1月1—23日和2014年7月3—22日进行PM_(2.5)样品采集,并分析其中有机碳(OC)、元素碳(EC)浓度及总碳同位素组成.结果表明,冬季PM_(2.5)浓度高于夏季,平均值为(146.69±64.67)μg·m-3,OC、EC浓度较高,分别为(14.77±5.58)μg·m-3与(9.01±4.74)μg·m-3;而夏季PM_(2.5)浓度为(57.69±23.80)μg·m-3,OC、EC浓度分别为(5.94±2.20)μg·m-3和(2.78±1.25)μg·m-3.二次有机碳(SOC)占OC比重较小,冬、夏两季分别为36.99%与27.37%,这与采样点紧邻公路主干道使颗粒物未得到充分的二次反应有关.南京北郊冬季δ13C平均值为-25.38‰±0.36‰,夏季为-26.50‰±0.58‰,通过与潜在污染源的δ13C值对比,推断出采样期间冬季主要的潜在碳质污染源为煤炭燃烧及机动车尾气,夏季主要的潜在碳质污染源为生物质燃烧及汽车尾气.     

南京春季北郊地区大气PM2.5中主要化学组分及碳同位素特征

PM_(2.5)是大气的重要污染物之一,其成分复杂,为研究PM_(2.5)的污染特征及来源,于2016年3月采集南京北郊地区大气中的PM_(2.5),利用Dinoex ICS-3000和ICS-2000型离子色谱和DRI Model 2001A热/光碳分析仪分别测定了PM_(2.5)中的阴阳离子和碳质组分,利用元素分析仪-同位素质谱仪测定大气PM_(2.5)中的总碳同位素(δ~(13)CTC)组成特征.结果表明,2016年3月期间南京北郊地区PM_(2.5)污染严重,平均浓度达(106.16±48.70)μg·m~(-3),且88%观测天中存在明显的二次有机污染,SOC平均浓度为(3.58±2.78)μg·m~(-3),且在晴天条件下高浓度的二次有机碳(SOC)与紫外线作用下的O_3具有较强的相关性.大气PM_(2.5)中δ~(13)CTC值范围是-26.56‰~-23.75‰,平均值为(-25.47‰±0.63‰),结合化学组分的三相聚类分析结果可知,大气PM_(2.5)主要来源于燃煤过程、机动车排放,此外还受地质源和生物质燃烧源的影响.     

南京市不同功能区冬季大气PM2.5分布特征及其来源解析

2016年12月-2017年1月,在南京市4类典型功能区（农业区、住宅区、交通干道区、工业区）各选两点,共采集了大气PM_2.5样品32套,测定并分析了其质量浓度、9种水溶性离子（WSIs）、有机碳（OC）以及元素碳（EC）的含量.观测期间,南京市冬季PM_2.5的平均浓度为104.5 μg·m^-3,分布特征为：工业区（116.6 μg·m^-3）>农业区（104.3 μg·m^-3）>住宅区（100.1 μg·m^-3）>交通干道区（96.9 μg·m^-3）;WSIs、OC和EC的平均浓度（/PM_2.5）分别为：53.4 μg·m^-3（51.1%）、11.8 μg·m^-3（11.3%）、8.2 μg·m^-3（7.8%）.农业区和住宅区受WSIs污染较严重且NOR、SOR较高,而工业区和交通干道区的OC、EC污染较严重且SOC/OC较高.进一步运用PMF模型解析,南京市冬季PM_2.5来源为：二次源（37.3%）、工业源（31.2%）、交通源（16.4%）、建筑尘（7.9%）和燃煤源（7.2%）.最后,本文收集了自2000年起南京市冬季大气PM_2.5浓度及其污染来源研究,总体而言,近年来南京冬季大气PM_2.5浓度呈下降趋势,其主要污染源比重也发生了较大变化,燃煤贡献有所下降,而工业和交通排放逐渐上升,且二次污染贡献逐渐突出.今后,控制二次污染源将成为南京市大气PM_2.5治理的重中之重.     

南京北郊秋季PM2.5碳质组分污染特征及来源分析

本研究于2015年10~11月在南京北郊分昼夜采集PM_(2.5)样品,采用热光透射法(TOT)和离子色谱法对样品中的有机碳(OC)/元素碳(EC)和左旋葡聚糖(levoglucosan)的质量浓度特征进行分析.观测期间OC和EC的平均浓度分别为(11.3±4.9)μg·m-3和(1.1±0.9)μg·m-3,总碳TC占PM_(2.5)的质量分数为22.9%,OC/EC的平均值为7.4,SOC占OC的质量分数为51.9%.PM_(2.5)、OC、EC和SOC质量浓度都体现出夜晚白天的特征,白天OC和EC的相关性好于夜晚(相关性系数分别为0.86和0.7).通过分析PM_(2.5)、左旋葡聚糖和SOC质量浓度以及后向轨迹和火点数据可知南京北郊在13~16号受到来自河北等地生物质燃烧远距离输送的影响.采样期间K+和左旋葡聚糖与OC、EC和SOC的相关性显著(相关性系数分别为0.78、0.79和0.65),经受体示踪物方法估算采样期间生物质燃烧对OC的贡献为21.9%.     

不同燃烧状态下农作物秸秆PM2.5排放因子及主要成分分析

运用自主设计的生物质燃烧系统,对水稻、小麦、大豆、玉米、花生和油菜6种农作物秸秆采用不同燃烧状态(阴燃和明燃)进行实验室模拟燃烧,分析PM_(2.5)的排放因子及其碳质组分和水溶性离子之间的差异.研究结果表明,不同燃烧状态对秸秆PM_(2.5)的排放因子、碳质组分和水溶性离子的排放均具有显著影响.不同农作物秸秆PM_(2.5)排放因子范围在阴燃和明燃时分别是11.45~23.84 g·kg~(-1)和4.51~12.15 g·kg~(-1).有机碳(OC)、元素碳(EC)的排放因子范围阴燃时分别是5.03~11.04 g·kg~(-1)和0.94~2.70 g·kg~(-1),明燃时分别是1.55~6.02 g·kg~(-1)·kg~(-1)和1.04~2.11 g·kg~(-1),阴明燃具有显著差异且阴燃高于明燃.此外,OC/EC、OC/PM_(2.5)和EC/PM_(2.5)在不同燃烧状态均具有显著差别,可作为区分阴明燃的指标.PM_(2.5)中水溶性离子的主要组分阴燃时为K+(1.011 g·kg~(-1))、Cl~-(0.712 g·kg~(-1))、F~-(0.182 g·kg~(-1)g)和SO_4~(2-)(0.166 g·kg~(-1)),明燃时为K+(0.457 g·kg~(-1))、Cl~-(0.271 g·kg~(-1))、SO_4~(2-)(0.086 g·kg~(-1))和F~-(0.048 g·kg~(-1)),且阴燃条件更有利于离子的排放.此外,水溶性离子的相关性也因燃烧状态的不同而有较大的差异.     

京津冀区域PM2.5中碳组分污染特征研究

为了解京津冀区域PM_(2.5)中碳组分污染特征,于2015年7月和10月及2016年1月和4月在北京、天津、保定、石家庄、沧州5个城市同步采集PM_(2.5)样品,采用热/光分析法分析样品中有机碳(OC)和元素碳(EC),使用OC/EC最小比值法估算二次有机碳(SOC).结果表明:京津冀区域主要城市OC、EC和SOC的年均浓度分别为12.9~28.5、4.1~7.9和3.3~10.4μg·m~(-3),OC/EC和SOC/OC的比值分别为2.4~3.0和0.26~0.32.OC和EC的浓度呈现保定石家庄沧州天津北京的空间分布特点和夏季春季秋季冬季的季节变化特点.OC/EC的比值及OC和EC的相关性在夏季最低,冬季最高,这可能与京津冀区域冬季采暖燃煤有关,冬季不利的气象条件也加剧了碳质气溶胶污染.冬季较高的SOC浓度主要与低温、气态前体物的增加以及频繁出现的逆温、小风和混合层高度降低等不利气象条件有关.京津冀区域碳质气溶胶的污染特征具有空间相似性.     

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.     

西安市PM2.5中碳质气溶胶污染特征

利用热光分析法探究了西安市2017年353个PM_2.5样品中的元素碳（EC）、有机碳（OC）、甲醇可萃取有机碳（MSOC）以及热-光分析法得到的7个碳组分（OC1~4、EC1~3）的质量浓度、季节变化趋势以及来源.结果表明,西安市2017年OC、EC以及MSOC的平均质量浓度分别为（17.56±11.83）、（4.08±2.95）和（11.10±6.77）μg·m^-3.OC质量浓度的季节性趋势为冬季 > 春季 > 夏季 > 秋季;EC为冬季 > 春季≈秋季 > 夏季.MSOC/OC比值年平均值为0.64±0.20,冬季最高,夏季最低.春季OC和EC相关性较好（r²=0.76）,而在冬季的相关性较差（r²=0.43）,说明碳气溶胶的来源不同.采用EC示踪法对二次气溶胶的含量进行估算,SOC的平均含量分别占到了春、夏、秋、冬四季OC质量浓度的51.9%、38.4%、37.3%、44.0%.采用主成分分析法得出西安市的碳质气溶胶主要来源于燃煤和机动车排放.     

宁波市PM2.5中碳组分的时空分布特征和二次有机碳估算

为了研究PM2.5中碳质组分的时空分布特征,于2012年12月至2013年10月4个季度典型时段在宁波市5个采样点采集环境大气中的PM2.5,分析了样品中有机碳(OC)和元素碳(EC)的质量浓度,并估算二次有机碳(SOC)对OC的贡献.结果表明:1宁波市PM2.5年均质量浓度为51.6μg·m-3,其中OC和EC的比例分别为17%和6%.反向轨迹模型的分析结果表明,来自内陆地区的区域传输可能是冬季和春季PM2.5浓度较高的主要原因.2OC/EC比值和OC与EC的相关性分析结果表明,夏季有大量SOC生成,而冬季则可能受华北地区燃煤供暖的显著影响.3用EC示踪法对宁波市的SOC进行了估算,结果表明宁波冬季和春季受到区域传输的显著影响,污染源较不稳定,不宜使用该估算方法.夏季和秋季的SOC质量浓度分别为2.5μg·m-3和2.3μg·m-3,占OC的42%和28%.     

汉中市秋季PM_(2.5)昼夜变化特征

为探讨汉中市秋季PM_(2.5)昼夜变化特征。于2015年9月7日至9月17日利用中流量大气颗粒物采样仪在汉中市三个不同站点分昼夜采集PM_(2.5)滤膜样品,并分别利用热光碳分析仪(DRI—2011)和离子色谱(Dionex—600)分析PM_(2.5)中碳组分和水溶性离子组分,主要探讨PM_(2.5)及其碳组分和水溶性离子昼夜变化特征。结果显示:汉中秋季PM_(2.5)浓度低于国家空气质量一级标准;PM_(2.5)中主要化学组分包括SNA (硫酸盐、硝酸盐、铵盐)和有机类物质,白天和夜间占比分别达到32.3%、39.6%和28.9%、39.6%; PM_(2.5)颗粒物呈酸性。除SO_4~(2-)、Mg~(2+)和Ca~(2+)之外,PM_(2.5)及其化学组分均呈现夜间浓度高于白天的特征。离子的赋存形态分析表明:SO_4~(2-)更多以(NH_4~+)_2SO_4~(2-)的形式存在于PM_(2.5)中。本文相关结果可为地方环保政策的制定提供参考和基础数据。     

南京北郊冬季霾天PM2.5水溶性离子的污染特征与消光作用研究

为了探讨霾天下大气细颗粒物(PM2.5)中水溶性离子的污染特征及其对大气消光的影响,在2013年1月25日至2月3日于南京北郊进行了PM2.5连续在线监测.利用颗粒物-液体转换采集系统(PILS)连续采集水溶性样品,与离子色谱联用分析了其中SO2-4、NO-3、NH+4、Cl-、Na+、K+、Mg2+和Ca2+的含量;同时采用扫描电迁移率粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)测量细粒子的粒径谱分布;采用三波长光声黑碳光度计(PASS-3)实时在线测量细粒子的散射和吸收消光系数;并实时监测痕量气体浓度.结果表明,观测期间霾与非霾天PM2.5中水溶性离子的总质量浓度分别为70.3μg·m-3和22.9μg·m-3;二次吸湿性组分SO2-4、NO-3和NH+4为主要的污染离子.霾天有利于SO2和NOx向SO2-4和NO-3的转化,尤其是NOx的氧化.运用多元线性回归统计方法,建立了PM2.5干消光系数与气溶胶化学成分之间的经验公式,发现NH4NO3对南京冬季消光的贡献最大,其次为(NH4)2SO4、有机碳(OC)和元素碳(EC).两次重污染事件中,污染前体物的一次排放和二次转化的增加分别是造成离子浓度升高的主要原因.     

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.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

北京市PM_(2.5)主要化学组分浓度水平研究与特征分析

为研究北京市大气环境PM_(2.5)中主要化学组分特征,于2012年8月—2013年7月期间,在北京市定陵、车公庄、东四、石景山、通州、房山、亦庄和榆垡等8个点位开展为期1年的样品采集,共计采集472组样品,分析每组样品中OC、EC、水溶性离子和18种无机元素等组分.研究结果表明,本次研究的组分重建后和实际PM_(2.5)浓度相关性显著,相关系数为0.94,所测组分平均占PM_(2.5)总量的90%;各点位不同季节PM_(2.5)中主要的组分均为OC、NO_3~-、SO_4~(2-)、NH_4~+,呈南高北低的趋势,冬季OC是夏季的1.7倍,NO_3~-和SO2--4在四季呈交替状态,除榆垡点位的SO_4~(2-)NO_3~-外,其他点位均是NO_3~-SO_4~(2-),4种主要的组分质量浓度分别为(23.1±21.4)、(20.3±23.4)、(19.4±22.2)、(13.6±15.2)μg·m-3,占PM_(2.5)总含量的18.5%、16.3%、15.6%、10.9%;研究水溶性离子发现,8个点位全年SNA/PM_(2.5)比例为42.8%,其中,夏季最高(49.9%),秋季较低(31.1%),NO_3~-/SO_4~(2-)比值平均为1.05,相对往年研究结果 NO_3~-/SO_4~(2-)比值有增加的趋势.     

南京江北新区冬季PM2.5中化学组分的昼夜变化特征及其来源解析

为更好地了解南京江北新区大气气溶胶中水溶性离子的昼夜变化特征,冬季连续采集了2个月的PM_2.5样品,研究其水溶性离子昼夜变化特征及来源解析.结果表明,观测期间水溶性离子质量浓度变化范围为17. 07～168. 43μg·m^-3,均值为(59. 01±30. 75)μg·m^-3,且白天的水溶性离子平均质量浓度高于夜晚. NO₃^-和NH₄⁺的浓度占离子总浓度的比值在夜晚偏高,而SO₄^2-和Cl^-则在白天偏高. SO₄^2-、NO₃^-和NH₄⁺(SNA)是南京市PM_2.5中最重要的水溶性离子,其质量浓度在污染天要高于清洁天.白天和夜晚的阴阳离子平衡比值(AE/CE)大于1,说明PM_2.5呈酸性.相关性分析...     

南京江北新区PM2.5中水溶性离子的季节特征和来源解析

为探究南京江北新区PM_2.5中水溶性离子的季节特征和来源，于2019年共采集了113个有效PM_2.5样品.用称重法和离子色谱法分别测定出PM_2.5和10种水溶性离子的质量浓度，并使用PMF源解析法对其进行来源解析.结果表明，观测期间南京江北新区PM_2.5和水溶性离子年平均浓度分别为（78.34±29.64）和（35.68±18.30）μg·m^-3，其四季变化趋势相同，冬季浓度高，夏季浓度低.10种水溶性离子中NO₃^-、SO₄^2-和NH₄⁺的浓度远远高于其他离子，其在总离子中的含量高达89.9%.南京江北新区四季PM_2.5中NH₄⁺主要与HSO₄^-和NO₃^-结合存在.硫氧化率（SOR）和氮氧化率（NOR）的年均值分别为0.53和0.28，说明观测期间大气中氮硫的二次生成率较高.南京江北新区PM_2.5中水溶性离子主要来源为二次转化、海盐和扬尘.     

南京江北新区PM2.5中水溶性有机氮的污染特征及其来源

以南京江北新区2019年4、7、11和12月为代表分析了大气PM_2.5中水溶性有机氮（WSON）的季节变化特征,探讨了WSON与水溶性无机氮（WSIN）的关系.结果表明,南京江北新区PM_2.5中WSON的变化范围为0.446～4.200μg·m^-3,平均值为2.04μg·m^-3,略高于北京、上海和常州的观测结果.秋季PM_2.5中的WSON平均值最高[（2.967±0.643）μg·m^-3],约为其他3个季节的1.7倍.南京细粒子中WSON对水溶性总氮（WSTN）的平均贡献率占到25%,并表现出夏秋高、冬春低的特点,如冬季该占比仅为夏秋季的50%左右. WSON与WSIN中的NO^-₂-N相关性最高,与NO^-₃-N的相关性最低,可能与夏季高温导致NO^-₃-N的挥发有关.通过主成分分析（PCA）表明,南京江北新区细粒子中WSON主要...     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.