2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

菏泽市冬季大气PM2.5和PM10中碳组分来源解析

为研究菏泽市冬季大气颗粒物中碳组分的污染特征和来源,于2016年1月采集菏泽市冬季大气PM_2.5和PM₁₀样品,基于热光反射法分析样品中OC（有机碳）、EC（元素碳）及8个碳组分[OC1、OC2、OC3、OC4、EC1、EC2、EC3和OP（裂解碳）]的含量,并计算得到ρ（Char-EC）（Char-EC为燃料燃烧后固体残渣中的EC）和ρ（Soot-EC）（Soot-EC为燃烧后气相挥发物质再凝结形成的EC）,以定性识别大气颗粒物中碳组分的来源.结果表明,菏泽市冬季大气颗粒物样品中碳组分浓度处于较高水平,PM_2.5中的ρ（OC）、ρ（EC）分别为26.34、9.22 μg/m3,PM₁₀中ρ（OC）、ρ（EC）分别为31.82、10.71 μg/m3.采样期间大气PM_2.5中碳组分（OC、EC、OC1、OC2、OC3、OC4、EC1、EC2、EC3、Char-EC、Soot-EC）浓度与PM₁₀中相应各组分浓度的比值均大于0.5（0.60~0.90）,表明碳组分多集中于细粒子（PM_2.5）.大气颗粒物样品中各碳组分浓度具有明显空间差异,各点位大气PM_2.5和PM₁₀中ρ（OC）均显著高于ρ（EC）（T检验,P < 0.05）.菏泽市冬季大气PM_2.5和PM₁₀中Char-EC/Soot-EC（二者质量浓度之比）分别为10.04、8.00,并且存在显著的空间差异性（T检验,P < 0.05）.PMF（正定矩阵因子分解法）解析结果表明,菏泽市冬季大气PM_2.5和PM₁₀中碳组分来源主要有4类,包括两类柴油车（1类排放的碳组分中以EC2为主,定义为柴油车-1;1类排放的碳组分中以EC3为主,定义为柴油车-2）、汽油车、生物质燃烧和燃煤混合源,对大气PM_2.5中碳组分的分担率分别为13.98%、5.13%、24.47%、41.97%,对大气PM₁₀中碳组分的分担率分别为16.08%、8.21%、18.34%、47.35%.可见,菏泽市冬季大气PM_2.5和PM₁₀中碳的主要来源是柴油车、汽油车、生物质燃烧和燃煤.      

伊犁河谷核心区夏季碳质气溶胶污染特征及来源解析

为研究伊犁河谷PM_2.5中碳组分特征及来源,于2021年7月19—29日在其核心区伊宁市及周边3个县(伊宁县、察布查尔县和霍城县)设置6个监测点位采集PM_2.5样品.采用热光法测定了样品中有机碳(OC)和元素碳(EC)的质量浓度,深入分析了夏季伊犁河谷核心区PM_2.5中OC和EC的浓度特征,并用最小比值法定量估算了二次有机碳(SOC)的浓度.此外,综合使用8种碳组分丰度及正矩阵因子分解模型定量解析出PM_2.5中碳质气溶胶的来源.结果表明：夏季采样期间该区域PM_2.5、OC、EC的平均浓度分别为(21.9±2.0)、(5.0±0.6)、(0.6±0.1)μg·m^-3,且呈现出伊宁市碳组分浓度高于周边3县的规律.OC、EC浓度显著相关,反映出二者有较高的同源性.整个区域SOC的平均浓度为(2.1±0.9)μg·m^-3,在PM_2.5中的占比为9.4%,在OC中的占比为40.1%,反映出OC主要来自一次排放,但二次生成也...     

“大气十条”实施结束川南城市群秋季霾污染过程中水溶性离子特征

为了解《大气污染防治行动计划》（“大气十条”）实施结束后川南城市群大气PM_2.5的污染状况,于2018年11月7～19日在内江、自贡、宜宾和泸州这4个城市同步采集PM_2.5样品,结合天气形势分析了秋季PM_2.5及主要水溶性离子的污染特征,并利用后向轨迹聚类分析探讨了区域输送对该地区大气污染的影响.结果表明,川南城市群秋季大气平均ρ(PM_2.5)为（67.2±38.3）μg·m^-3,泸州最高而内江最低;SNA(SO^2-₄、 NO^-₃和NH⁺₄)在PM_2.5中占比为33.3%,其中NO^-₃为首要离子组分;由“大气十条”实施中期（2015年）至实施结束（2018年）,内江、宜宾和泸州秋季ρ(PM_2.5)分别增加了13.8%、 47.2%和69.1%,自贡持平;由于大气...     

新冠疫情管控措施对郑州市PM2.5浓度、粒径分布、组分和来源的影响

新冠肺炎疫情（COVID-19）管控期间是一次典型的极限减排情景,是研究管控措施对大气颗粒物影响的重要机会.本研究于2020年1月16～31日利用在线观测仪器对郑州市PM_2.5进行观测,分别探究管控前（2020年1月16～23日）与管控期间（2020年1月24～31日）PM_2.5浓度、粒径分布、化学组分、来源解析和传输影响的变化特征.结果表明,相较于管控前,管控期间郑州市大气PM_2.5浓度下降4.8%.粒径分布特征表明,管控期间0.06～1.6μm的颗粒物质量浓度和数浓度下降显著. PM_2.5组分特征表明,SO₄^2-、 NO^-₃和NH⁺₄等二次无机离子是PM_2.5中占比最大的组分,管控期间NO^-₃浓度的下降对PM_2.5的下降有显著贡献.采用正定矩阵因子分解模型（PMF）解析PM     

国Ⅴ公交车燃用生物柴油的颗粒物碳质组分排放特性

以一辆国Ⅴ柴油公交车为研究对象,在重型底盘测功机上运行中国典型城市公交循环,研究了纯柴油（D100）,体积混合比例分别为5%,10%和20%餐厨废弃油脂制生物柴油-柴油混合燃料（即B5,B10,B20）的颗粒物（PM）碳质组分排放特性.结果表明：国Ⅴ柴油公交车尾气颗粒物碳质组分包括有机碳（OC）和元素碳（EC）,OC占73%~82%,OC的主要组分是OC2和OC3,生物柴油对车辆尾气颗粒物OC组成比例没有影响;随着生物柴油混合比例的增加,公交车尾气颗粒物OC和OC+EC排放呈降低的趋势,EC排放增加,且B10的OC排放较高;PM_0.05~0.1,PM_0.1~0.5,PM_0.5~2.5,PM_2.5~18 4个粒径段颗粒物中,PM_0.1~0.5的OC和EC排放最高,PM_2.5~18的EC排放几乎为零,生物柴油可改善公交车尾气超细颗粒（PM_0.05~0.1）的OC排放,对公交尾气颗粒物EC排放基本没有影响;公交使用生物柴油混合燃料尾气颗粒物OC/EC减小,且PM_0.05~0.1和PM_0.5~2.5OC/EC降低幅度明显,对大气二次气溶胶的影响减弱.     

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.      

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.      

2021年兰州市疫情管控前后大气污染差异对比研究

文章针对兰州市2021年疫情管控期间(10月26日-11月14日)和疫情管控后(11月15-20日)大气污染状况进行对比,探究了2个时间段气象条件影响以及大气污染特征和来源的差异。疫情期间颗粒物浓度明显低于疫情后,表明疫情管控措施对大气颗粒物浓度的降低有一定成效。PM_2.5颗粒主要组分中,混合碳(ECOC)、富钾(K)、富钠(Na)组分占比在疫情后上升,而有机碳(OC)和元素碳(EC)占比减少;燃煤和生物质燃烧源贡献在疫情后显著增加,并呈现夜间升高的日变化趋势;疫情管控期间及疫情后,兰州市大气污染来源均以本地生成和省内传输为主。     

太原市冬季不同污染程度下PM2.5的化学组成、消光特征及氧化潜势

为深入探究重污染地区气溶胶的消光特征和健康风险,于2019年冬季开展了太原市PM_2.5主要化学成分和氧化潜势的分析.采样期间ρ(PM_2.5)为（89.9±33.6）μg·m^-3,其中水溶性离子和碳质气溶胶分别占到43.3%和33.8%,浓度较高的组分依次为：OC>SO₄^2->NO^-₃>EC>NH⁺₄>Cl^->Ca²⁺.随着污染程度的增加,PM_2.5中有机物（OM）和矿物尘的占比下降了5.8%和11.2%,而SNA(NO^-₃、 SO₄^2-和NH⁺₄)的质量分数由33.9%显著增加到56.0%.基于IMPROVE公式估算,太原市冬季大气颗粒物的平均消光系数为（453...     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

郑州市细颗粒物时空差异及管控措施影响

为研究郑州市细颗粒物（PM_2.5）时空分布差异及秋冬季管控措施影响,于2017年秋季至2018年冬季选取5个点位采集PM_2.5样品并进行组分分析,利用正定矩阵因子分解模型（PMF）解析PM_2.5污染来源,评估郑州市秋冬季管控效果,并基于源解析结果为下一阶段秋冬季管控提供支撑.郑州市PM_2.5浓度冬季 > 秋季 > 春季 > 夏季,郑州大学（ZZU）PM_2.5浓度最高［（83.1±44.7）μg·m^-3］,高出平均浓度［（76.5±46.1）μg·m^-3］的8.7%.SO₄^2-、NO₃^-和NH₄⁺在9种水溶性离子中平均占比高达22.5%、43.6%和23.4%,受燃煤影响Cl^-两年冬季占比高于其他季节（6.7%和6.6%）.秋冬季二次有机碳（SOC）污染严重,浓度占有机碳的一半以上,2018年市监测站（JCZ）和ZZU点位SOC/OC比2017年有所下降,但其他3个点位大幅度升高,说明这些地区不同的排放基础应对管控措施的表现不尽相同.重构结果表明硫酸盐占比在夏季最高（25.0%）,硝酸盐两年秋季占比较高（23.1%和25.1%）,地壳物质春季占比最高（18.2%）,二次有机气溶胶（SOA）冬季最高（14.1%和20.5%）;JCZ和航空港（HKG）点位SOA贡献较大（16.9%和16.4%）,ZZU点位受到一次有机气溶胶和地壳物质影响较大（14.3%和12.1%）.PMF结果表明二次无机盐（37.5%）、SOA（15.4%）、交通源（14.9%）、工艺过程源（4.8%）、燃煤源（16.0%）、扬尘源（6.5%）和生物质燃烧源（2.8%）是郑州市PM_2.5的主要污染源,SOA和燃煤源在冬季贡献最大,扬尘源和生物质燃烧源在春季和秋季贡献较大;市区点位JCZ、ZZU和临近机场的HKG受到交通源的影响高于其他点位,非市区点位新密和HKG受到生物质燃烧源的影响较大.对比两年秋冬季,2018年秋冬季SOA、交通源和工艺过程源的贡献有所升高,而二次无机盐、燃煤源和生物质燃烧源有所下降,冬季扬尘源也有所下降.结果表明秋冬季管控措施对一次源中的扬尘、燃煤和工业效果显著,同时SOA前体物挥发性有机物是进一步减排管控的方向.     

Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China

During November-December 2010 aerosol scattering coefficients were monitored using a single-waved (525 nm) Nephelometer at a regional monitoring station in the central Pearl River Delta region and 24-hr fine particle (PM_2.5) samples were also collected during the period using quartz filters for the analysis of major chemical components including organic carbon (OC), elemental carbon (EC), sulfate, nitrate and ammonium. In average, these five components accounted for about 85% of PM_2.5 mass and contributed 42% (OC), 19% (SO₄^2-), 12% (NO₃^-), 8.4% (NH₄⁺) and 3.7% (EC), to PM_2.5 mass. A relatively higher mass scattering efficiency of 5.3 m²/g was obtained for fine particles based on the linear regression between scattering coefficients and PM_2.5 mass concentrations. Chemical extinction budget based on IMPROVE approach revealed that ammonium sulfate, particulate organic matter, ammonium nitrate and EC in average contributed about 32%, 28%, 20% and 6% to the light extinction coefficients, respectively.     

含氧柴油对柴油机排放及细颗粒物碳质组分的影响

乙缩醛(1,1-diethoxyethane)与柴油互溶性好, 可替代乙醇作为生物质来源的柴油含氧添加成分. 生物柴油掺混可以提高乙缩醛和柴油混合燃料的闪点及含氧量. 在柴油发动机台架上, 考察柴油和2种含氧柴油(10%乙缩醛+90%柴油和10%乙缩醛＋10%生物柴油＋80%柴油)在2个固定转速不同负荷的5个工况点的排放特性, 分析了NO_x、HC、CO和PM_2.5排放情况, 并用DRI的碳分析仪分析了PM_2.5中的碳质组分.结果表明, 与普通柴油排放相比, 含氧柴油对NO_x排放速率的影响不大, 在某些工况点HC排放速率有较显著的增加. 含氧柴油降低了柴油机PM_2.5排放速率, 最大降低幅度29%. 从碳质组成上看, 含氧燃料降低了PM_2.5中总碳 (total carbon,TC) 的排放速率, 最大降低幅度24%. 含氧柴油的元素碳(elemental carbon,EC)排放速率普遍低于普通柴油; 有机碳(organic carbon,OC)的排放速率在发动机高转速工况时明显低于普通柴油; PM_2.5的OC/EC值在大多数工况下高于普通柴油. 3种燃料排放PM_2.5的碳质组成百分比相似, OC和EC主要为OC1和EC1. 含氧柴油降低了柴油机PM_2.5的排放速率, 颗粒物中OC的比例有所增加, 但对颗粒物的碳质组分组成没有明显的影响.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

Chemical characteristics and source apportionment of atmospheric particles during heating period in Harbin, China

Atmospheric particles（total suspended particles（TSPs）; particulate matter（PM） with particle size below 10 μm, PM10; particulate matter with particle size below 2.5 μm, PM2.5）were collected and analyzed during heating and non-heating periods in Harbin. The sources of PM10 and PM2.5were identified by the chemical mass balance（CMB） receptor model.Results indicated that PM2.5/TSP was the most prevalent and PM2.5was the main component of PM210, while the presence of PM10–100was relatively weak. SO-4and NO-3concentrations were more significant than other ions during the heating period. As compared with the non-heating period, Mn, Ni, Pb, S, Si, Ti, Zn, As, Ba, Cd, Cr, Fe and K were relatively higher during the heating period. In particular, Mn, Ni, S, Si, Ti, Zn and As in PM2.5were obviously higher during the heating period. Organic carbon（OC） in the heating period was 2–5 times higher than in the non-heating period. Elemental carbon（EC） did not change much. OC/EC ratios were 8–11 during the heating period, which was much higher than in other Chinese cities（OC/EC： 4–6）. Results from the CMB indicated that 11 pollution sources were identified, of which traffic, coal combustion, secondary sulfate, secondary nitrate, and secondary organic carbon made the greatest contribution. Before the heating period, dust and petrochemical industry made a larger contribution. In the heating period, coal combustion and secondary sulfate were higher. After the heating period, dust and petrochemical industry were higher. Some hazardous components in PM2.5were higher than in PM10, because PM2.5has a higher ability to absorb toxic substances. Thus PM2.5pollution is more significant regarding human health effects in the heating period.     

内河船舶大气污染物排放特征实测研究

为获得内河船舶航行时的大气污染物排放特征,本研究基于船舶尾气测试系统测试了珠三角西江水域内航行的5艘内河船舶,识别了内河船舶气态污染物瞬时排放特征及基于燃油消耗量的排放因子,并探讨了船舶排放的PM_(2.5)化学组分特征及来源.结果表明:船舶在巡航行驶状态下气态污染物的排放浓度变化都较为平稳,货船污染物排放浓度明显高于快艇.CO_2、CO、NO、NO_2、NO_x、SO_2与PM_(2.5)的排放因子范围分别是3135.90～3149.90、3.10～12.03、30.87～41.18、3.90～7.43、36.36～48.61、0.08～5.50、0.32～4.17 g·kg~(-1).内河船舶排放的PM_(2.5)中碳组分、水溶性离子和金属元素的贡献占比分别为43.8%～64.2%、9.7%～39.0%和0.6%～3.4%,其中,有机碳/元素碳(OC/EC)比值范围为0.40～2.69,OC可能受船舶制动影响较大,润滑油损耗是重要来源.     

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

细颗粒物(PM2.5)可溶性提取液对发光细菌的光抑制与组分浓度的相关性分析

为科学评估PM_(2.5)对生物体的综合生物效应,利用费氏弧菌检测了PM_(2.5)水溶性提取液的光抑制效应,统计分析了227组PM_(2.5)主要组分与发光抑制率的相关关系.实验结果表明:PM_(2.5)水溶性提取液的发光抑制率值与OC、NO-3、EC和微量元素等组分浓度显著相关,相关系数从高到低的排序为:OC微量元素ECNO-3(p0.01).PM_(2.5)中,主要来自燃煤、交通燃油、生物质燃烧及冶金工业污染源排放的组分(苯并(a)芘、Cl-、OC、Cu、K+、Mn、Zn、EC、Pb、Se、F-等)浓度与发光抑制率显著相关.此外,二次来源的NO-3、NH+4等组分浓度与发光抑制率在冬季和春季显著相关.