银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

成都市大气颗粒物粒径分布及水溶性离子组成的季节变化特征

利用Anderson冲击式分级采样器,于2012年2月~2013年1月在成都市城东成都理工大学校园内按月采集了不同粒径的大气颗粒物样品,分析了颗粒物样品的质量浓度以及9种水溶性离子含量.结果表明,采样期间成都市PM_(2.1)和PM_(11)的年平均浓度分别为(125.9±56.14)μg·m~(-3)和(224.5±83.64)μg·m~(-3),颗粒物浓度冬季最高,春季次之,秋季浓度最低;成都市水溶性离子浓度平均水平为37.15μg·m~(-3),其中检测的9种离子浓度从大到小顺序依次为SO_4~(2-)NO_3~-NH_4~+Ca~(2+)Cl~-Mg~(2+)K~+Na~+F~-,SO_4~(2-)、NO_3~-和NH_4~+占总水溶性离子的78%,是主要的离子组分.SO_4~(2-)、NO_3~-、NH_4~+呈单峰分布,其主要分布于细粒子中;Ca~(2+)和F~-也呈单峰分布,但是主要分布在粗粒子中;Cl~-和K~+粒径分布相似,Mg~(2+)和Na~+分布相似,均呈双峰分布.成都市冬、春季节粗、细颗粒物中的水溶性离子浓度均明显高于夏、秋季节.结合离子相关性分析,细颗粒物中的SO_4~(2-)、NO_3~-和NH_4~+可能主要以(NH_4)_2SO_4或NH_4HSO_4、NH_4NO_3的形式存在,而粗颗粒物中的主要离子组分SO_4~(2-)、NO_3~-和Ca~(2+)则可能以Ca(NO_3)2、CaSO_4等形式存在.主成分分析结果表明,颗粒物中水溶性离子主要来自二次过程、土壤扬尘、生物质燃烧和农业源.     

黑炭气溶胶质谱仪(SP-AMS)分析春季PM2.5中水溶性有机气溶胶

为探讨常州春季大气细颗粒物(PM_(2.5))的化学组成及污染特征,于2017年3月1日～5月30日采集了84个有效样品,对其水溶性离子(WSIIs)、碳质组分(OC和EC)等常规组分进行了测定和分析,并采用黑炭-气溶胶质谱仪(SP-AMS)对水溶性有机气溶胶(WSOA)进行了分析.结果表明,采样期间PM_(2.5)的日均质量浓度为101. 97μg·m~(-3),超标(环境空气质量标准二级标准)率达73. 8%,以轻度、中度和重度污染为主,分别占总天数的39. 3%、21. 4%和13. 1%. WSIIs约占PM_(2.5)的39. 86%,其中二次离子(SO_4~(2-)、NH_4~+和NO_3~-)占WSIIs的81. 85%,阴阳离子电荷平衡的线性拟合直线的斜率(AE/CE)大于1(1. 09),表明PM_(2.5)偏弱酸性. OC/EC比值为2. 53,说明受二次转化的影响. SP-AMS分析WSOA组分包含C_xH_y+(32. 1%)、C_xH_yO+(30. 4%)、C_xH_yO_~(2+)(25. 4%)和H_yO~+(4. 7%),其平均氧碳比(O/C)、氢碳比(H/C)、氮碳比(N/C)和有机质-有机碳比(OM/OC)分别为0. 72、1. 53、0. 04和2. 15,高的O/C表明春季光化学反应导致的二次转化贡献较大.正定矩阵因子分析模型(PMF)对WSOA的质谱进行解析得到:类烃OA(HOA)、半挥发氧化性-生物质燃烧排放OA(SVOOA-BBOA)和低挥发性氧化性OA(LVOOA) 3种有机气溶胶,分别占WSOA总量的18. 4%、34. 1%和47. 4%.     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.     

大伙房水库上游地区农业面源污染现状及防治措施

通过对大伙房水库上游地区农业面源污染现状的调查研究,提出减轻农业面源污染的具体防治措施,即采用培育生物天敌、控制农药使用量、水田改为旱田和控制灌溉水的方法控制氮磷流失,从而保护水源地生态环境。     

南京冬季气溶胶光学特性及黑碳光吸收增强效应

2016年1月1~19日在南京北郊利用三波长光声黑碳光度仪(PASS-3)对气溶胶的光学性质进行了实时在线观测,同时结合气溶胶化学组成分析了黑碳气溶胶的光吸收增强效应.结果表明,观测期间气溶胶在532 nm下的吸收系数、散射系数、单散射反照率的平均值为(64.19±35.28)Mm-1、(454.68±238.71)Mm-1、0.87±0.03,受边界层高度及颗粒物浓度的影响,呈现出明显的日变化特征.黑碳气溶胶的质量吸收截面(MAC)在观测期间的变化趋势为前期低,后期高,与非EC组分相对EC比值的变化趋势一致,受不同污染条件下二次物质的占比及覆盖物厚度变化的影响.基于MAC计算得到的405、532、781nm下的光吸收增强(EMAC)平均值分别为1.53±0.56、1.34±0.47、1.14±0.40,随着波长增加而降低,存在棕色碳(Br C)的贡献.各非EC组分相对EC的比值与EMAC均有一定相关性,其中OC/EC与EMAC相关性最高,说明有机物的积累是导致黑碳光吸收增强的主要原因.K+/EC与EMAC的高相关性表明生物质燃烧过程对光吸收增强也有一定影响.     

青藏高原背景站大气VOCs浓度变化特征及来源分析

采用大气预浓缩与气象色谱/质谱联用法,对2013-09-13到2013-10-14期间在国家大气背景站青海门源站所采集的大气样品进行分析.结果显示,本次研究共检测出38种挥发性有机物(VOCs),其中烷烃16种,烯烃11种,芳香烃9种,卤代烃2种.从组成成分来看,烷烃所占比例最大,达58.6%,烯烃和芳香烃分别占29%和10.5%,卤代烃所占比例最小,仅为1.7%.观测期间大多数VOCs物种呈现白天浓度低、夜晚浓度高的变化趋势,具有明显的高原站点特性,但异戊烷、异戊二烯、甲苯则呈现相反趋势.采用臭氧生成潜势(OFP)对VOCs各组分活性进行分析,各类VOCs中烯烃对OFP贡献最大.利用主成分分析VOCs物种,提取出4个因子,分别归类于燃烧源、天然气和液化石油气的泄露、工业源、生物源.结合HYSPLIT 4.0后向轨迹模型,进一步确定气团的来源与运输途径,发现来自南向的污染源贡献是门源地区VOCs物种浓度增加的主要原因.     

长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析

为研究长三角背景点夏季PM_2.5污染特征,于2018年5月30日—8月15日在上海市崇明岛对PM_2.5样品进行昼夜采集,并对其中水溶性无机离子(Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+)进行了分析.运用PSCF(潜在源贡献)方法判别污染物排放源区,并结合PCA(主成分分析)和PMF(正交矩阵因子)源解析探究PM_2.5来源.结果表明:①观测期间崇明岛ρ(PM_2.5)平均值为(33±21)μg/m3,低于GB 3095—2012《环境空气质量标准》一级标准限值(35 μg/m3),但在部分时段存在显著超标现象,ρ(PM_2.5)最高值在120 μg/m3以上.②水溶性无机离子质量浓度平均值为(14±9.3)μg/m3,占PM_2.5的42.4%,其中SNA(SO₄2-、NO₃-、NH₄+三者统称)为主要离子,占水溶性离子总质量浓度的85.7%.③n(NH₄+)/n(SO₄2-)(NH₄+与SO₄2-的摩尔浓度比)显示,清洁期〔ρ(PM_2.5) < 15 μg/m3〕呈贫铵状态,过渡期〔15≤ρ(PM_2.5)≤35 μg/m3〕和污染期〔ρ(PM_2.5)>35 μg/m3〕均呈富铵状态;过渡期SNA主要以NH₄HSO₄和NH₄NO₃形式存在,而污染期则主要以(NH₄)₂SO₄和NH₄NO₃形式存在.④通过对两次典型污染事件进行离子相关性分析和PSCF分析发现,E1污染事件(5月30日—6月8日)为局地生物质燃烧型污染事件,E2污染事件(7月23日—8月1日)为区域传输污染事件.源解析结果进一步表明,两次典型污染事件期间气态污染物的二次转化对PM_2.5的贡献最显著,贡献率分别为62.8%和59.8%;其次是生物质燃烧,其贡献率分别为32.5%和20.1%;E2污染事件期间海盐源对崇明岛PM_2.5贡献率较高(16.6%),远超过E1污染事件期间对PM_2.5的贡献率(2.7%).研究显示,区域输送对崇明岛PM_2.5有显著贡献,二次颗粒物累积是崇明岛PM_2.5超标的主要原因.      

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

地壳元素铁的吸光贡献对黑碳吸光增强估算的影响——以武汉为例

传统方法使用固定的波长吸收指数来估算地壳元素或棕碳吸光,但该方法只能处理仅存在两种组分的情形(黑碳/棕碳,或黑碳/地壳元素)的吸光贡献,存在较大不确定性.为此,本文提出一种新的方法,利用武汉在线观测数据(2021年2、3、8、9月),采用铁作为地壳元素的示踪物,利用最小相关系数法(MRS)得出地壳元素的吸光贡献,在扣除地壳元素吸光之后,再得到黑碳吸光增强系数(E_abs).结果显示观测期间370nm波段地壳元素吸光贡献均值为12.3%,月均值范围5.7%~15.5%,且波长吸收指数与铁的浓度正相关,表明地壳元素吸光贡献不可忽视.地壳元素吸光贡献呈现出显著的季节特征,呈现出冬季低,春季高的特点.地壳元素吸光的分离前后计算的E_abs存在一定的差异,受到了黑碳和铁的相关性的影响.观测期间扣除地壳元素吸光后,E_abs均值为1.43±0.53,在季节性上呈现春夏高,秋冬低的特性,春季较高E_abs值与春季黑碳较高的老化程度有关.E_abs对无机盐和有机物的含量存在正的依赖关系,证明了这些包裹物质对吸光增强的影响.