济南市大气颗粒物背景值确定方法

城市大气颗粒物背景值的确定能够为制订城市大气颗粒物污染防治目标提供重要基础支撑,探索大气颗粒物背景值确定方法对于大气污染防治具有重要意义.以济南市清洁对照点跑马岭监测数据为基础,直接采用概率密度法计算得到的ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是100~110和40~50 μg/m3.综合应用空气质量模型模拟法和概率密度法,提出基于数值模拟的城市大气颗粒物环境背景值确定方法,并在此基础上确定了济南市大气颗粒物背景值.结果表明:济南市ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是30~35和15~20 μg/m3,其中ρ（PM₁₀）环境背景值秋季（40~45 μg/m3）最高、夏季（25~30 μg/m3）最低;ρ（PM_2.5）环境背景值秋季（25~30 μg/m3）最高、冬季（10~15 μg/m3）最低.研究显示,基于数值模拟计算得到的颗粒物背景值明显低于直接采用概率密度法得到的结果,表明跑马岭受人为因素影响明显,监测结果已不能完全代表济南市大气颗粒物背景值水平;而数值模拟法可以完全剔除了人为源的贡献,计算得到较为准确的ρ（PM₁₀）和ρ（PM_2.5）背景值.      

北京市大气颗粒物与温度对人群非意外死亡影响的交互作用

使用Poisson回归和广义相加模型(GAM)相结合,通过比较不同温度下大气颗粒物质量浓度〔包括ρ(TSP)和ρ(PM₁₀₎〕与人群非意外死亡的关系,分析了北京市1998年1月—2000年6月ρ(TSP)和ρ(PM₁₀₎与温度对人群非意外死亡影响的交互作用. 结果表明:温度越高,ρ(TSP)和ρ(PM₁₀₎与温度对人群非意外死亡影响的联合作用就越大. 采用温度的P₅和P₉₅分位数将温度分为低、中、高温度层后,ρ(TSP)每增加10 μg/m3,每日非意外死亡人数分别增加0.177%,0.052%和0.311%;ρ(PM₁₀₎每增加10 μg/m3,每日非意外死亡人数分别增加0.090%,0.185%和0.568%. 高温度层ρ(TSP)和ρ(PM10)对人群非意外死亡的影响高于中温度层,表明大气颗粒物质量浓度和高温对人群非意外死亡的影响有交互作用.      

燃煤电厂湿法脱硫对细颗粒物的脱除特性

应用DGI承重撞击器对四台燃煤机组湿法脱硫前、后细颗粒物进行采集,分析细颗粒物的粒径分布、元素组成以及脱硫系统的脱除效率.结果表明:脱硫前细颗粒物粒径峰值出现在0.20~0.40 μm处,脱硫后峰值出现在0.20~0.30 μm处.经过湿法脱硫系统后ρ(PM_2.5)、ρ(PM₁)、ρ(PM_0.5)、ρ(PM_0.2)出现不同程度的增长,平均增长率分别为13.28%、19.57%、28.79%、33.51%.分粒径颗粒物中ρ(Si)、ρ(Al)在脱硫前、后均随着颗粒物粒径的减小呈递减趋势,并且脱硫后ρ(Si)、ρ(Al)均有不同程度的降低,ρ(Fe)随颗粒物粒径的减小呈增加趋势,表现出一定的富集特性;湿法脱硫后Ca在PM₁中的质量浓度出现明显的增长,ρ(Ca)由18.86~51.47 μg/m3增至41.87~84.83 μg/m3. Si、Al是PM_2.5中的主要元素,经过湿法脱硫后ρ(Si)、ρ(Al)由59%~72%降至43%~59%;而Ca在PM_2.5中表现出相反的变化趋势,ρ(Ca)由8%~13%升至17%~26%.      

东南亚生物质燃烧对我国春季PM2.5质量浓度影响的数值模拟

为研究东南亚生物质燃烧对我国的影响,利用NAQPMS(嵌套网格空气质量预报模式系统)模拟分析了2013年3月我国及东南亚污染物质量浓度分布,以及东南亚国家生物质燃烧对我国ρ(PM_2.5)的贡献. 结果表明:NAQPMS模式可较好地再现ρ(PM_2.5)的时空演变规律. 在我国西南部分地区,东南亚生物质燃烧贡献与当地人为源相当,并且在ρ(PM_2.5)较高时尤为明显. 东南亚生物质燃烧对我国的影响主要有两个路径:第一个路径是缅甸向云南等地的输送,对云南ρ(PM_2.5)的月均贡献达到20 μg/m3(贡献率为30%),是云南本地生物质燃烧贡献的2倍左右,日均贡献甚至可达到34 μg/m3(贡献率为43%),高于我国人为源贡献(28 μg/m3)和贡献率(36%);第二个路径是老挝和越南向云南与广西交界的输送, 对南宁ρ(PM_2.5)的月均贡献为10 μg/m3,日均贡献高值区间为20～40 μg/m3. 我国人为源对东南亚的影响较小,对ρ(PM_2.5)月均贡献率在10%以内,主要集中在越南和东南亚南部沿海城市. 东南亚人为源对我国的影响也较小,ρ(PM_2.5)月均贡献在2 μg/m3以下. 研究显示,东南亚生物质燃烧对我国特别是西南地区产生的影响不可忽视.      

北京山前典型细粒子污染过程的气象条件分析

可吸入颗粒物(PM₁₀)是近年来北京地区冬季首要污染物,其中细粒子(PM_2.5)污染受到广泛关注,由于该地区具有山前地区的地形和气象条件,使其细粒子污染更具区域代表性.对2007年12月北京出现的4次细粒子污染过程及气象条件进行了分析,结果表明:细粒子山前累积/清除时间,ρ(PM_2.5)峰值均与气象条件相关;12月23─26日的3 d连续累积,使26日的ρ(PM_2.5)日均值达到313.4 μg/m3,是国家ρ(PM₁₀₎二级标准〔环境空气质量标准(GB3095─1996)〕(150 μg/m3)的2.1倍,超过世界卫生组织ρ(PM_2.5)日均指导值(25 μg/m3)的11倍;持续的偏南风和边界层底层局地性环流,使得京津冀南部区域细粒子以日均96.7 μg/m3的高值累积在北京山前地区,造成了12月23—31日具有代表性的北京冬季严重细粒子污染.      

新型冠状病毒肺炎疫情防控时期上海市空气质量特征及成因分析

为研究新型冠状病毒肺炎（COVID-19）疫情防控政策实施对上海市大气污染物质量浓度的影响,利用上海市内环某高层顶楼微环境平台观测了政策实施前10 d（2020-01-14—23）和实施后20 d（2020-01-24—02-12）的PM_2.5和PM₁₀质量浓度及气象要素（温度、相对湿度、风向、风速、大气压及降雨）,结合2019年同期观测数据和杨浦四漂空气质量监测点的气态污染物逐时数据,采用描述性统计、合成分析、拉格朗日粒子扩散模式和Spearman相关系数方法,分析了政策实施前、后大气污染物特征及其影响因素。结果表明:1）污染物浓度变化方面。政策实施后,ρ（PM_2.5）和ρ（PM₁₀）和ρ（NO₂）均明显降低,ρ（PM_2.5）和ρ（PM₁₀）分别由61.4,102.4 μg/m3降至38.1,63.5 μg/m3,降幅均为38.0%,ρ（NO₂）由57.3 μg/m3降至27.0 μg/m3,降幅达到52.9%,而ρ（O₃）由47.6 μg/m3增至69.5 μg/m3。ρ（PM_2.5）和ρ（PM₁₀）日变化特征由实施前的双峰双谷型变为单谷型。2）气象因素影响方面。上海地区南风异常减弱了冬季风强度,对流层中层正距平异常抑制了对流活动的发展,易导致大气污染物在近地面的汇聚。ρ（PM_2.5）和ρ（PM₁₀）与相对湿度呈负相关,风速对ρ（PM_2.5）和ρ（PM₁₀）的影响与风向有关。3）外源输入影响方面。长三角城市群及山东省、河南省等周边区域对上海市ρ（PM_2.5）和ρ（PM₁₀）贡献显著。     

江淮地区湿沉降对颗粒物清除能力的影响

为了解单次降水总量、降水时长、降水前颗粒物质量浓度对颗粒物清除能力的影响,对江淮地区2017年气象资料与颗粒物质量浓度资料展开分析.分析江淮地区2017年ρ（PM_2.5）、ρ（PM₁₀）及降水特征,综合对比各季节不同单次降水总量对颗粒物的清除能力,对比不同季节、不同降水时段对颗粒物清除能力的变化特征,以及不同季节降水前颗粒物质量浓度与清除率对应阈值关系.研究表明:江淮地区北部颗粒物质量浓度高于南部,南部单次降水总量和降水总时长较北部高.单次降水总量越大对颗粒物的清除率越高.当单次降水总量大于1.5 mm时,清除率提升最明显,并且秋、冬两季清除率高于春、夏两季;当单次降水总量低于1.5 mm时,春、夏两季清除率高于秋、冬两季.总体上,降水对PM₁₀的清除率高于对PM_2.5.降水时长对颗粒物的清除率具有明显的季节性变化特征.春、秋两季存在降水时长阈值,分别为10和20 h.春季低于该阈值（10 h）清除率为正清除率,高于该阈值清除率为负清除率;秋季低于该阈值（20 h）清除率为负清除率,高于该阈值为正清除率.夏、冬两季总体表现为正清除率.分析降水前颗粒物质量浓度对清除率的影响得知,降水对PM_2.5清除率由负转正的阈值较PM₁₀低,并且冬、春两季清除率阈值较夏、秋两季高,春季、夏季、秋季、冬季的ρ（PM_2.5）清除率阈值分别为35、15、25、30 μg/m3,ρ（PM₁₀）清除率阈值分别为60、50、60、60 μg/m3.单次降水过程中颗粒物所处高度由2 200 m降至1 000 m,并且此次降水对非球形粒子清除效果明显,粒径在2.5 μm以下粒子质量浓度显著下降,其中,粒径在0.7~1.2和1.5~2.5 μm粒子数浓度下降明显;另外,降水对颗粒物中NO₃-和NH₄+去除明显,并且降水后光学EC、光学OC及金属元素质量浓度和占比显著增长.研究显示,当冬季单次降水总量大于1.5 mm,降水前ρ（PM_2.5）大于30 μg/m3、ρ（PM₁₀）大于60 μg/m3时颗粒物的清除率最佳.      

SHEDS-PM模型模拟杭州市人群PM10暴露水平

以杭州市为例,利用美国国家环境保护局(US EPA)国家暴露研究实验室(NERL)所开发的颗粒物人类暴露剂量随机模拟模型(SHEDS-PM),考察了人群在不同微环境中的PM₁₀暴露水平. 结合室外环境ρ(PM₁₀₎模拟结果、相关微环境参数和人群活动特征,对研究区域2004年不同季节室外环境、室内环境(住宅、办公室、学校、商店、餐馆)以及机动车内PM₁₀暴露水平进行了模拟. 结果表明:PM₁₀暴露量、吸入量和沉积量与ρ(PM₁₀₎日均值呈正相关;1月PM₁₀暴露量、吸入量和沉积量最大,分别为18.22,326.99和277.46 μg/m3>/sup>,三者在住宅环境中的剂量最大;不同微环境PM₁₀平均沉积速率有明显差异.      

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.      

北京交通环境PM10分布特征及重金属形态分析

以北京市西三环航天桥地区为对象,研究了城市交通环境大气可吸入颗粒物浓度及主要化学组成随时间和粒径的分布特征. 结果表明:该地区大气中ρ(PM₁₀)冬季略高于春季,秋季次之,夏季最低;颗粒物中ρ(PM_2.5)/ρ(PM₁₀)和ρ(PM_1.0)/ρ(PM₁₀)平均值分别为82.6%和70.3%;ρ(PM₁₀)与ρ(PM_2.5)和ρ(PM₁₀)与ρ(PM_1.0)之间均有显著的相关性. PM₁₀中金属元素浓度冬春季较高,夏秋季较低;Mg,Ca和Fe等地壳元素浓度随粒径的减小而降低,而Pb,Zn和Ni等重金属元素浓度总体上随粒径的减小而增加. 颗粒物中的Cr和Ni主要以有机物结合态存在,Cu,Zn和Cd主要以酸可提取态存在,Pb主要以酸可提取态和氧化物结合态存在;颗粒物中所含Cd和Zn元素的生物有效性最高. PM₁₀中水溶性ρ(SO₄2-)在夏季和冬季最高,秋季最低,而水溶性ρ(NO₃->/sup>)全年变化不大;［0.43～2.1 μm)粒径段颗粒物中的水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)较高,分别占PM₁₀中水溶性ρ(SO₄2-)及ρ(NO₃->/sup>)总量的68.3%及57.6%;ρ(NO₃->/sup>)/ρ(SO₄2-)平均值为0.659.      

嘉兴市冬季不同空气质量等级下大气污染物的分布特征

为研究浙江省嘉兴市冬季PM、污染气体和含碳气溶胶在不同空气质量等级下的分布特征,于2013年11月28日—12月28日使用SHARP测尘仪、热电EMS系统和Sunset在线OCEC分析仪观测了PM（PM₁₀和PM_2.5）、污染气体（SO₂、NO₂、CO和O₃）和含碳气溶胶〔OC（有机碳）、EC（元素碳）和TC（总碳）〕的质量浓度,结合气象数据和HYSPLIT模式,分析了霾污染过程中大气污染物浓度变化、日变化及其来源特征.结果表明:嘉兴市冬季霾天ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）、ρ（O₃）、ρ（OC）、ρ（EC）、ρ（POC）和ρ（SOC）分别为167.90、248.86、77.79、、97.16、28.50、27.09、7.72、7.50和19.59 μg/m3,ρ（CO）为1.47 mg/m3,分别是空气质量为良时的3.00、2.50、1.29、1.84、0.86、2.59、2.19、2.13、2.82和1.50倍.降雨对不同大气污染物的清除作用不同,对粗粒子的清除作用较大,而对二次产物O₃的影响较小.高ρ（PM）是造成能见度降低的主要原因,随着污染程度的加剧,PM中细粒子占比越来越高,在严重污染过程中ρ（PM_2.5）/ρ（PM₁₀）可达70.31%,比空气质量为良时高14.04%;不同污染气体的日变化不同,OC和EC的来源逐渐趋于一致,ρ（SOC）呈现出积累-爆发-积累-爆发的往复过程,边界层的日变化对污染物浓度的影响逐渐减弱.研究显示,随着霾污染的加剧,SOC气溶胶占比逐渐增加、EC和POC等一次碳气溶胶占比逐渐降低.      

基于2012—2018年内江市PM2.5化学组分变化对《大气污染防治行动计划》实施效果的评估

2013年9月国务院发布了《大气污染防治行动计划》（简称"《气十条》"）.基于《气十条》实施前期（2012年5月-2013年5月）和实施后期（2015年9月-2016年9月）在四川省内江市采集的PM_2.5及其化学组分,以及2013-2018年空气自动监测站在线监测数据,通过比较分析PM_2.5中WSIIs（water-soluble inorganic ions,水溶性离子）和6项常规污染物质量浓度的变化来评估《气十条》实施效果,同时应用PMF（positive matrix factorization,正矩阵因子分析法）模型解析WSIIs源变化以探究空气污染源的改变.结果表明:①2018年内江市ρ（SO₂）、ρ（NO₂）、ρ（PM₁₀）、ρ（PM_2.5）、ρ（O₃）和ρ（CO）年均值分别为9.4 μg/m3、23.9 μg/m3、53.1 μg/m3、34.9 μg/m3、140.0 μg/m3和1.1 mg/m3,6项污染物首次全部达到GB 3095-2012《环境空气质量标准》二级标准.②《气十条》实施后期ρ（PM₁₀）和ρ（PM_2.5）分别为（74.5±55.1）（63.0±47.0）μg/m3,较实施前期分别下降了36%和20%,说明《气十条》的实施明显改善了空气质量.PM_2.5中ρ（SO₄2-）和ρ（NO₃-）分别下降了47%和25%,表明SO₂和NO_x的排放均得到有效控制;PM_2.5中ρ（K+）和ρ（Mg2+）分别增加了66%和92%,这与春节期间燃放烟花爆竹和生物质燃烧有关,因此应加强对重点时段特殊事件的管控.③相较《气十条》实施前期,实施后期ρ（PM_2.5）/ρ（PM₁₀）由0.69升至0.84,SOR（sulfate oxidation ratio,硫氧化率）由0.22增至0.25,说明PM_2.5和二次污染占比增加.④PMF模型解析结果发现,与《气十条》实施前期相比,实施后期的燃煤-工业源、二次硫酸盐、二次硝酸盐和扬尘源对ρ（PM_2.5）的贡献量下降,生物质燃烧源对ρ（PM_2.5）的贡献量增加;燃煤-工业源和二次硫酸盐对ρ（PM_2.5）的贡献率之和大幅下降,二次硝酸盐和生物质燃烧的贡献率均升高.研究显示,《气十条》的实施使内江市燃煤和工业排放得到显著控制,但机动车和生物质燃烧尚需严控.      

云南边境五城市空气污染物分布特征

利用2015~2021年云南省5个边境城市6种常规大气污染物的质量浓度数据,探究其污染特征、时空变化及空间异质性。结果表明,研究区域污染物年际浓度变化起伏较大,PM₁₀、PM_2.5年均浓度分别为(42.6±8.2),(25.4±4.2)µg/m³,均低于中国《环境空气质量标准》(GB 3095-2012)二级浓度限值。PM、NO₂和O_3-8h月均浓度呈U型变化趋势,其中3月份浓度最高。5个城市PM和NO₂浓度季节变化均表现为:春季>冬季>秋季>夏季,O_3-8h表现为:春季>夏季>秋季>冬季,而CO冬季污染程度最小,SO₂无明显的季节变化规律。根据Sen-MK的逐日浓度趋势分析,污染物总体呈现下降趋势,其中PM₁₀下降速率最高达11×10^-3µg/(m³×d),而O_3-8h呈现上升趋势。变异系数(COD)表明,污染物的空间分布极不均匀,特别是SO₂的COD均大于0.2,春季O_3-8h空间分布更加均匀。Person相关分析表明,PM与NO₂、CO、O_3-8h表现出较强的相关性,且西双版纳(BN)PM与其他大气污染物相关性较其他城市强。     

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

珠海空气中可吸入颗粒物(PM10)的时空变化特征

选取2000年6月-2001年5月珠海空气中PM10的观测数据,分析其在3个监测点(香洲、前山和吉大)的时空演变特征.结果表明,珠海PM10的年均质量浓度为40 μg/m\+3(校正后为52 μg/m\+3),低于国家PM10的二级质量标准,与国内外其他城市相比,珠海PM10相对较低,表明珠海的大气颗粒物污染轻微.2001年4月14,15日珠海PM10日均值显著增高,达到92,127 μg/m\+3,对比香港及北方粉尘源区的颗粒物浓度及气团轨迹分析结果可知,珠海也受到了北方沙尘暴的影响.3个站点的PM10月均质量浓度变化主要表现为夏、秋季低,冬、春季高.珠海市大气PM10的日变化形式以白天高、夜晚低为主.      

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

秸秆露天焚烧典型大气污染物排放因子

利用烟气污染物稀释采样系统,基于实际测试,针对玉米、小麦、花生和棉花4种农作物秸秆开展露天焚烧排放大气污染物采集和分析.利用修正燃烧效率区分燃烧状态,根据碳平衡法计算烟气中颗粒物和气态污染物排放因子.结果表明,4种秸秆露天焚烧CO、SO₂、NO_x和CH₄平均排放因子分别在7.39~92.4g/kg、0.11~0.89g/kg、0.72~3.86g/kg和0.2~5.45g/kg之间,PM_2.5平均排放因子在1.48~13.29g/kg之间.OC和EC的质量分别占PM_2.5全部质量的27.7%~54.3%和4.4%~17.1%,是PM_2.5的主要组成成分.污染物排放主要来自混合燃烧状态,焖烧状态排放污染物浓度相对较高.随着含水率升高,焖烧过程增强显著,CO、CH₄、PM_2.5和OC的排放因子升高,其中PM_2.5排放量增高主要是由OC排放占比升高导致.     

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.      

西宁市PM2.5水溶性无机离子特征及其来源解析

为探讨西宁市PM_2.5水溶性无机离子的特征及其来源,于2017年1月-2018年4月在西宁市开展PM_2.5样品采集工作,使用离子色谱仪分析水溶性无机离子.结果表明:西宁市大气中ρ（PM_2.5）平均值为（42.7±36.6）μg/m3,4个采样点ρ（PM_2.5）大小顺序依次为市区（54.9 μg/m3）>工业区（44.1 μg/m3）>郊区（40.8 μg/m3）>农村（28.3 μg/m3）;ρ（PM_2.5）季节性分布特征明显,呈冬季最高、夏季最低的特征.SNA（为SO₄2-、NO₃-和NH₄+的统称）是最主要的水溶性离子,占总水溶性离子的66.3%,SNA季节性分布特征为冬季最高、夏季最低.4个采样点SOR（硫氧化率）和NOR（氮氧化率）平均值均大于0.10,说明SO₄2-和NO₃-主要来源于二次转化.采样期间PM_2.5中ρ（NO₃-）/ρ（SO₄2-）为0.72,表明燃煤源排放大于交通源排放.主成分分析显示,西宁市PM_2.5水溶性离子来源主要为二次粒子源、工业源、扬尘源和燃烧源.研究显示,西宁市城区、工业区、郊区大气中ρ（PM_2.5）平均值均超过GB 3095-2012《环境空气质量标准》一级标准限值,建议减少PM_2.5的产生应以控制二次粒子源、工业源、燃烧源和扬尘源为主.