2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征

2015年1~12月对北京市城区开展PM_(2.5)中主要水溶性离子NH_4~+、NO_3~-和SO_4~(2-)(统称SNA)及其前体气体NH_3、NO、NO_2和SO_2的监测,共获得样本325组.用特氟龙滤膜采集PM_(2.5)中SNA,用在线仪器实时监测各前体气体.分析各前体气体和SNA的污染特征并同时对其相关性进行研究.观测期间NH_3、NO、NO_2、SO_2、NH_4~+、NO_3~-和SO_4~(2-)的年平均浓度分别为21.5、17.7、54.3、14.2、8.1、13.5和12.7μg·m~(-3),SNA质量浓度占PM_(2.5)的43.4%.NO、NO_2和SO_2冬季最高,夏季最低;NH_3为夏季最高,秋冬较低;NH_4~+浓度和体积分数四季波动不大;NO_3~-浓度和体积分数均夏季最低;SO_4~(2-)浓度为冬季最高,百分含量为夏季最大.全年([NO_3~-]+2[SO_4~(2-)])与NH_4~+的比值为0.97,表明阴离子主要以NO_3~-和SO_4~(2-)的形式存在.随着污染程度的增加,各化合物浓度均有明显上升,NO_3~-是重污染过程累积效应比较明显且贡献率最大的离子.SO_4~(2-)则在污染级别较低时,贡献率较大.NO_3~-与NO_2,NO、NH_4~+与NH_3,SO_4~(2-)与SO_2在置信度为0.01水平上均显著相关;SO_4~(2-)和SO_2变化规律呈负相关,NO_2和NO_3~-基本呈正相关,相比NH_3,NH_4~+浓度的高低受酸性气体NO_2、SO_2影响更大.     

杭州市PM2.5中水溶性离子的污染特征及其消光贡献

对杭州市2013年大气PM_(2.5)进行采样分析,探讨了其中水溶性离子的污染特征和消光贡献.杭州市PM_(2.5)中总水溶性离子的质量浓度为37.5μg·m~(-3),占PM_(2.5)质量浓度的44.4%,二次离子SNA(SO_4~(2-)、NO_3~-和NH_4~+)是水溶性离子的主要成分,共占到水溶性离子的83.4%.PM_(2.5)和主要水溶性离子的质量浓度都在冬季最大,夏季最低,夏秋季水溶性离子占PM_(2.5)的比值明显高于冬春季,而SNA在总水溶性离子中的比例4个季节非常接近.燃料燃烧和汽车尾气排放导致的二次离子生成,对杭州市PM_(2.5)贡献最大.SOR和NOR的年平均值分别为0.27和0.15,SO_2在大气中的转化率大于NO_x,SOR和NOR与相对湿度都呈现出明显正相关,非均相氧化过程对SO_4~(2-)和NO_3~-的生成具有重要贡献.气溶胶中[NO_3~-]/[SO_4~(2-)]的年平均值为0.63,主要受到燃煤排放的影响.霾天随着霾污染等级的逐渐加重,PM_(2.5)、水溶性离子和SNA的浓度都逐渐增大,SOR和NOR值也不断升高,霾天稳定的天气条件,能有效促进污染物的积累和二次转化.PM_(2.5)和SNA的质量浓度与大气消光系数都呈现出明显正相关,使用IMPROVE公式对不同化学组分消光系数的计算结果能够基本反映出气溶胶对大气散射的变化趋势,其结果显示SNA对大气总消光系数的贡献达60.8%.SNA的消光系数冬季最高,夏季最低,随着霾污染等级的加重,SNA的消光系数和对总消光的贡献比例也逐步增加.     

厦门市大气PM_(2.5)中水溶性离子污染特征及来源解析

为探讨厦门市大气PM_(2.5)水溶性离子污染特征及来源,于2014年8月和12月同步采集了城区和郊区的PM_(2.5)样品.用离子色谱分析了9种水溶性离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、Na~+、K~+、NH_4~+、Ca~(2+)和Mg~(2+))的质量浓度.结果表明,厦门大气PM_(2.5)中水溶性离子浓度处于较低水平,总水溶性离子浓度(μg/m~3)顺序为:冬季城区(18.16)冬季郊区(14.55)夏季郊区(6.87)夏季城区(5.33),降水对水溶性离子有显著的去除作用.观测期间,夏季PM_(2.5)阴离子相对亏损,冬季反之.SO_4~(2-)、NO_3~-、NH_4~+(简称SNA)占全部水溶性离子质量浓度之和的比例达79.64%以上,表明厦门市大气PM_(2.5)二次污染较严重.相关性分析和SNA三角图解表明厦门市夏季NH_4~+主要以(NH4)2SO4的形式存在,其次为NH_4NO_3及碱性游离NH_4~+;冬季则主要以(NH_4)_2SO_4和NH_4NO_3的形式存在,其次为NH_4Cl.N/S值表明夏季PM_(2.5)中水溶性离子污染特征以燃煤源排放为主,冬季以交通排放为主,总体呈现出交通源与燃煤污染并存的复合型污染特征,但受海洋源的影响很小.主成分分析进一步表明厦门市大气PM_(2.5)水溶性离子主要来自燃煤源、交通排放和生物质燃烧源.     

广州干湿季典型灰霾过程水溶性离子成分对比分析

利用广州气象台2011年地面逐时能见度和相对湿度数据,以及广州番禺南村大气成分站2011年逐时Marga数据、PM数据,对比分析了一次湿季(4—9月)灰霾过程和干季(10月—次年3月)灰霾过程的污染特征.研究表明,相对干季灰霾过程,湿季灰霾过程颗粒物浓度较低,且细粒子所占比例较高;由于湿季较干季光化学反应较为活跃及可能受气象因素的不同影响,导致干湿季灰霾过程颗粒物浓度的总体变化趋势相反;湿季灰霾过程二次无机离子(SO_4~(2-)、NH_4~+和NO_3~-)占PM_(2.5)质量百分比的76%,是PM_(2.5)的主要成分;干季灰霾过程二次无机离子(SO_4~(2-)、NH_4~+和NO_3~-)仅占PM_(2.5)质量百分比的34%;湿季硫氧化率(Sulfur Oxidation Ratio,SOR)、氮氧化率(Nitrogen Oxidation Ratio,NOR)值大于干季,说明二次离子对湿季灰霾的贡献比干季要大;湿季灰霾过程中气溶胶酸性比干季弱.根据相关性分析结果可知,湿季灰霾过程中,NH_4~+主要与SO_4~(2-)结合,Na+主要与Cl-及NO_3~-结合,K+主要与Cl-和NO_3~-结合,极少部分与SO_4~(2-)结合;而在干季灰霾过程中,NH_4~+除了与SO_4~(2-)结合之外,还以NH_4NO_3和NH_4Cl的形式存在,K~+主要与Cl~-和SO_4~(2-)结合,Na+主要与Cl~-及SO_4~(2-)结合.     

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.     

徐州市冬季大气细颗粒物水溶性无机离子污染特征及来源解析

本研究于2015年12月至2016年2月在徐州市城区采集大气细颗粒物PM_(2.5)样品共32套,使用离子色谱法分析了颗粒物中的F~-、Cl~-、NO_3~-、SO2-4、Na~+、Mg~(2+)、NH_4~+、K~+和Ca~(2+)的质量浓度.观测期间,徐州市冬季PM_(2.5)的平均质量浓度为(164.8±77.3)μg·m-3,9种水溶性离子总质量浓度为(67.5±36.1)μg·m~(-3),占PM_(2.5)的40.9%,各离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-Ca~(2+)K~+Na~+Mg~(2+)F~-,其中NH_4~+、NO_3~-和SO_4~(2-)是最主要的水溶性离子.清洁大气、轻度霾和重度霾时期PM_(2.5)中总水溶性无机离子(WSIIs)质量浓度分别为(12.8±8.8)、(59.0±22.8)、(86.3±36.0)μg·m~(-3),SNA分别占WSIIs的86.4%、82.8%和78.9%.NH_4~+、NO_3-和SO_4~(2-)三者之间相关性显著,在PM_(2.5)中的结合方式为(NH_4)_2SO_4和NH_4NO_3.徐州市PM_(2.5)中水溶性离子的主要来源为二次转化、生物质燃烧、化石燃料燃烧和矿物粉尘等.     

北京灰霾天PM_(2.5)中有机官能团和无机离子的ATR-FTIR研究

采用傅里叶变换衰减全反射红外光谱法(ATR-FTIR)研究北京西北城区灰霾天气下PM_(2.5)中有机官能团(R-OH羟基、R-CH脂肪族碳氢基、R-CO-羰基、R-NO2硝基官能团)和无机离子(NH_4~+、SO_4~(2-)、NO_3~-)的变化规律.结果表明,PM_(2.5)中无机离子(NH_4~+、SO_4~(2-)、NO_3~-)的ATR-FTIR吸收峰值高于有机官能团(R-CH,R-CO-,R-NO_2,R-OH)的峰值;有机官能团R-CH的吸收峰峰值高于R-CO-和R-NO_2官能团的吸收峰,R-OH官能团的吸收峰峰值最低.灰霾天PM_(2.5)中各有机官能团和无机离子的ATR-FTIR吸收峰值明显高于非灰霾天.说明灰霾天气下PM_(2.5)中这些官能团及无机离子的质量浓度均高于非灰霾天.灰霾天PM_(2.5)中无机离子(NH_4~+、SO_4~(2-)、NO_3~-)质量浓度高于有机官能团(R-CH,R-CO-,R-NO_2,R-OH)的质量浓度,且有机官能团以R-CH为主,R-CO-,R-NO_2次之,R-OH最少.     

自贡市大气颗粒物中水溶性离子的特征及来源

基于四川省自贡市2015年9月-2016年9月的大气颗粒物采样数据,利用离子色谱仪对其中8种水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、Na~+、K~+、Cl~-、Ca~(2+)和Mg~(2+))进行了浓度测定。分析结果表明,自贡市PM_(10)平均浓度为(88.4±59.2)μg/m~3,PM_(2.5)为(76.2±51.7)μg/m~3,各季节PM_(2.5)/PM_(10)的浓度比值均大于80%,说明自贡市大气颗粒物污染以PM_(2.5)为主;水溶性离子是颗粒物的主要化学组分,其总质量浓度对PM_(10)和PM_(2.5)的贡献率分别为40.3%和42.7%,其中SNA(二次水溶性无机离子,SO_4~(2-)、NO_3~-和NH_4~+)、Cl~-、K~+、Ca~(2+)、Na~+和Mg~(2+)在PM_(2.5)的占比分别为39.5%、1.8%、1.2%、0.5%、0.3%和0.04%;SO_4~(2-)是自贡市春季和秋季污染天主要来源,其在PM_(2.5)水溶性离子中的贡献率均为45.5%,NO_3~-对应的贡献率分别为22.3%和23.6%,冬季污染天SO_4~(2-)和NO_3~-的贡献率分别为33.5%和35.7%,NO_3~-的贡献率显著上升。利用因子分析法对PM_(2.5)中水溶性离子进行源解析发现,其来源主要为二次污染源、燃烧源、农业源以及道路扬尘源。     

贵州“两控区”城市PM_(2.5)及其阴阳离子污染特征

2015年3月~2016年2月,对贵州主要城市(包括贵阳、安顺、遵义、毕节、都匀)9个采样点和贵州省背景点雷公山的PM_(2.5)按照季节进行采样,分析PM_(2.5)污染特征及其中9种阴阳离子的分布特征.结果表明:PM_(2.5)平均质量浓度范围为13.84~167.17μg/m~3,从季节分布上看,冬春秋夏,从空间分布上看,贵阳市区PM_(2.5)污染较重,平均质量浓度为(80.15±30.18)μg/m~3.PM_(2.5)样品中总阴阳离子浓度范围为7.85~47.02ng/m~3,SO_4~(2-)、NO_3~-、NH_4~+(SNA)占PM_(2.5)质量浓度比重范围为10.00~68.48%,从季节分布上看,夏冬秋春,从空间分布上看,背景点贵阳高坡、雷公山SNA占PM_(2.5)质量浓度平均比重较大,分别为41.45%、53.45%.AE/CE平均值为1.53,总体呈弱酸性.NH_4~+与SO_4~(2-)的相关性(R=0.67)大于NH_4~+与NO_3~-的相关性(R=0.33),Ca~(2+)与Mg~(2+)的相关性(R=0.57)明显.与其他城市相比,研究区[NO_3~-]/[SO_4~(2-)]较低,均值为0.29,表明贵州主要城市PM_(2.5)受固定源影响较大,大气污染以煤烟型为主.     

苏州市PM2.5中水溶性离子的季节变化及来源分析

2015年在苏州市城区采集大气细颗粒物PM_(2.5)样品共87套,用重量法分析了PM_(2.5)的质量浓度,离子色谱法分析了颗粒物中F-、Cl-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+),共9种水溶性无机离子.观测期间,苏州市PM_(2.5)的年均质量浓度为(74.26±38.01)μg·m-3,其季节特征为冬季春季秋季夏季;9种水溶性离子的总质量浓度为(43.95±23.60)μg·m~(-3),各离子的浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Na~+Cl~-K~+Ca~(2+)F-Mg~(2+);SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)是最主要的水溶性离子;SO_4~(2-)、NO_3~-和NH_4~+三者之间具有显著的相关性,它们在PM_(2.5)中主要是以NH_4NO_3和(NH_4)_2SO_4的结合方式存在.苏州市PM_(2.5)中水溶性离子的主要来源包括工业源、燃烧源、二次过程和建筑土壤尘等.     

3种金属氧化物纳米材料在不同土壤中运移行为研究

采用实验室柱淋溶方法,考察了纳米CeO2、纳米TiO2和纳米Al2O3材料在不同土壤中的运移行为,分析了纳米材料在土壤中运移能力与土壤性质的相关性,并采用胶体运移动力学模型估算了纳米材料在土壤中的最远运移距离.结果表明,纳米CeO2和纳米TiO2在试验的大部分土壤中有很强的运移能力,而纳米Al2O3仅在试验的酸性土壤中有较强的运移能力,在其他土壤中几乎被全部截留.纳米材料在土壤中运移的机制非常复杂,静电作用、土壤表面电荷异质性、团聚作用、张力作用(straining)以及过滤熟化作用(ripening)均对纳米材料的运移有着重要的影响.纳米CeO2的运移能力与土壤Zeta电位显著负相关;纳米TiO2的运移能力与土壤黏粒含量显著负相关,与土柱渗透系数显著正相关;纳米Al2O3的运移能力与土壤pH显著负相关,与土柱渗透系数显著正相关.模型估算的纳米CeO2、纳米TiO2和纳米Al2O3在试验土壤中的最远运移距离分别为52~69 043、31~332和<10~5 722 cm.纳米材料在一些土壤中的最远运移距离远远大于30 cm表层土壤的深度,意味着纳米材料在这些土壤中有向深层土壤运移的可能.     

紫外光照下盐酸环丙沙星的光解性能

本研究重点考察了盐酸环丙沙星初始浓度、硝酸铅、硝酸镉、氯化铅、氯化镉等重金属盐对盐酸环丙沙星光降解性能影响.结果表明,黑暗条件下环丙沙星无降解;紫外光照可以有效去除环丙沙星,且环丙沙星的光降解速率随其初始浓度的增大而降低;硝酸铅和硝酸镉(除0.006 mmol·L~(-1)体系外)可以促进环丙沙星的光降解,且随摩尔比的增大(即硝酸盐浓度的降低),环丙沙星的半衰期逐渐增大;随着摩尔比的增大(即氯化盐浓度的降低),氯化铅和氯化镉先促进后抑制环丙沙星的光降解.     

邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

沧州市大气污染特征观测研究

利用沧州2009年7月～2011年7月的NOx(NOx=NO+NO2)、O3、SO2以及PM10的观测数据,分析了沧州市大气污染物的日变化、月平均变化、年变化以及季节平均变化特征.结果表明,NOx、PM10日变化为双峰型,O3为单峰.SO2日变化也呈现为双峰型,但是其变化幅度较平缓.NO、NO2、NOx、SO2有较相同的季节变化趋势.NO、NO2、NOx、SO2及PM10冬季值最大,分别为(30.0±18.9)μg·m-3、(50.5±19.8)μg·m-3、(80.5±38.7)μg·m-3、(62.1±34.7)μg·m-3、(201.6±98.5)μg·m-3.臭氧夏季浓度最高,其月均值为(88.0±22.3)μg·m-3.NO、NO2、NOx、O3、SO2及PM10年均值分别为(18.9±14.5)μg·m-3、(37.6±13.0)μg·m-3、(56.5±27.5)μg·m-3、(49.9±16.3)μg·m-3、(31.6±19.5)μg·m-3、(156.7±79.1)μg·m-3.秋冬季污染物主要为NOx(NOx=NO+NO2)、SO2以及PM10,夏季污染物主要为O3.     

2014年北京奥体中心空气质量演变特征

利用中国环境监测总站发布的实时大气环境监测资料,选择北京国家奥林匹克体育中心(下称北京奥体中心)为研究对象,分析了2014年全年北京奥体中心空气质量演变特征. 结果表明:①2014年全年北京奥体中心首要污染污染物为PM_2.5,其次是NO₂,而PM_2.5和PM₁₀出现中度污染以上的污染事件主要集中在冬季和春末秋初;②PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等主要污染物的年均质量浓度分别为89.75、141.12、21.83、64.26、48.60和1 210 μg/m3. 其中年均ρ(PM_2.5)是GB 3095—2012《环境空气质量标准》二级标准限值(35 μg/m3)的2.6倍,年均ρ(PM₁₀)也是其二级标准限值(70 μg/m3)的2.0倍,年均ρ(SO₂)略高于其一级标准限值(20 μg/m3),而年均ρ(NO₂)则高于其标准限值(40 μg/m3);③北京奥体中心全年逐月ρ(SO₂)/ρ(NO₂)都小于1.00,年均值为0.37,反映出北京目前硝酸型污染特征越来越明显;④针对不同污染等级下各类污染物质量浓度的分析结果显示,严重污染时ρ(PM_2.5)和ρ(PM₁₀)平均值分别高达324.75和494.98 μg/m3,分别是世界卫生组织(WHO)《空气质量准则》推荐24 h平均浓度准则值的13和10倍,其浓度如此之高会对人体健康造成严重危害;⑤ρ(PM_2.5)年均24 h变化趋势表明,ρ(PM_2.5)具有明显的日变化特征,出现2个峰值,高峰值出现在午夜时分(23:00—翌日01:00),次高峰值出现在上午(09:00—11:00),最低值出现在下午(15:00—17:00),次低谷值则出现在凌晨(05:00—07:00),说明ρ(PM_2.5)除与混合层高度日变化特征密切相关外,还与人们的日常生活有一定联系.      

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

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.      

2013年北京市NO_2的时空分布

对2013年北京市35个自动空气质量监测子站的NO2数据进行分析,探讨NO2的时间分布特征、空间分布特征以及与PM2.5和大气氧化性的相关性关系.结果表明,NO2浓度由高到低的季节依次是冬季、秋季、春季和夏季,平均浓度分别为66.6、58.3、54.7μg·m-3和45.8μg·m-3;NO2浓度由高到低的监测站依次为交通站、城区站、郊区站和区域站,年均浓度分别为78.6、57.9、48.5μg·m-3和40.3μg·m-3.NO2月均浓度呈波浪型分布,在1月份、3月份、5月份和10月份各出现一个峰值.整体来看,区域站NO2日变化曲线呈现单峰型分布,其他站点为双峰型分布.2013年NO2浓度呈现"反周末效应",即周末大部分时段NO2浓度高于工作日.分地区来看,年均NO2浓度由高到低的依次是城六区、西南部、东南部、西北部和东北部.各站点NO2浓度与PM2.5和OX浓度均为显著正相关,表明NO2可以通过增加前体物浓度和增强大气氧化性两方面造成PM2.5浓度升高.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.