宁波市大气可吸入颗粒物PM1o和PM2.5的源解析研究

在宁波市布设4个代表性点位,于2010年春季、夏季和冬季进行大气PM10和PM2.s的采样,同时采集了多种颗粒物源样品,建立了PM10、PM2.5和源样品的化学成分谱.采用化学质量平衡模型(CMB)对宁波市PM10、PM2.5进行源解析.结果表明,城市扬尘、煤烟尘、机动车尾气尘是宁波市PM10、PM2.5的3大污染源,...     

应用地累积指数评价鞍山市夏季PM2.5中元素的污染

2014年夏季在鞍山市的6个站点进行了PM2.5的样品采集,对其载带的15种元素进行了检测。通过地累积指数、相关分析和聚类分析等方法分析了鞍山市夏季PM2.5中15种元素的污染来源。结果表明:Ca、Zn、Pb、Ni和Cd这5种元素的质量分数在各站点之间存在较大的差异;地累积指数结果显示,Cd为极强污染程度,可能的来源是钢铁冶炼和刹车及轮胎磨损,Pb和Zn污染程度在强污染以上,Pb可能的主要人为来源是钢铁冶炼和窖炉煤的燃烧,Zn可能主要来自钢铁冶炼和机动车,Cu、Ni、Cr和Ca中到强污染以下;聚类分析将中度污染及以上元素分为Zn-Cd-Pb,Ni-Cu-Cr和Ca 3类,分别指示钢铁冶炼、机动车尾气及刹车、轮胎磨损,建筑尘;相关性分析显示,Cr与Ni、Cu可能来自同一污染源,Zn、Cd和Pb可能来自同一种源。     

珠三角地区大气PM_(2.5)理化特性季节规律与成因

基于珠三角大气超级站2013年8月至2014年3月PM2.5、PM2.5中主要水溶性无机离子组分及其重要气态前体物等参数的逐时在线监测结果,揭示当地大气PM2.5中二次无机组分与其气态前体物的相互作用,以及PM2.5理化特性与成因的季节差异。结果表明,观测期间,PM2.5、PM10的年平均质量浓度分别为64.2、105.1μg/m3,PM2.5在PM10中所占比例(PM2.5/PM10)平均为61.1%。SO2-4、NO-3、NH+4的年平均质量浓度分别为16.6、9.0、10.2μg/m3,3者之和(SNA)占PM2.5的比例(SNA/PM2.5)平均为55.8%,体现了二次转化对珠三角地区PM2.5污染的重要影响;不同季节,SNA/PM2.5为46.0%~64.3%,夏季最低,冬季最高,其中SO2-4、NH+4对PM2.5的贡献相对稳定,NO-3贡献的季节差异较大;秋、冬季各项观测参数浓度的日变化规律相对明显,夏季除HNO3和NH3外,多项观测参数在低浓度水平波动,日变化规律不明显;珠三角大气中具有足量气态NH3以中和硫酸盐和硝酸盐,PM2.5中NH+4、SO2-4、NO-3主要以(NH4)2SO4和NH4NO3形式存在;本研究站点夏季的硫氧化率和氮氧化率均高于广州市,这充分体现了该站点的区域性特征。     

电除尘器电源交流分量对PM_(2.5)等细微颗粒物除尘效率的影响

除尘器对颗粒物的除尘效率与颗粒物的荷电量密切相关,PM2.5等细小颗粒物由于其荷电量不足而导致其吸收效率较低,对环境造成危害。为了增加粒子的荷电量,以粒子荷电原理为理论依据,从离子电流密度和通过电凝并扩大尘粒中位径2个方面研究了电除尘电源中交流电压分量对PM2.5等细小颗粒物荷电特性的影响,得出了电除尘器电源中交流电压分量可从以上2个方面提高装置对PM2.5等微小颗粒物的荷电量,且频率越高,幅值越大,荷电效果越好,从而可以提高装置对细小颗粒物的除尘效率。     

北京城6区大气颗粒物质量浓度变化规律研究

为较好地了解当前北京城6区大气颗粒物PM2.5和PM10质量浓度的污染水平及变化规律,根据2013年3月11日至2014年2月28日城6区12个空气质量实时监测点连续、实时的监测结果,构建多点位、完整时间序列的颗粒物质量浓度数据资料.应用数理统计分析手段,对当前北京城6区大气颗粒物质量浓度的频数分布、相关性和逐时变化特征进行分析,并结合全年实际气象特征,对引起大气颗粒物质量浓度变化的因素进行了初步探讨.结果表明,2013年3月至2014年2月北京城6区大气颗粒物污染较为严重,且PM2.5和PM10质量浓度具有特别显著的线性相关关系,全年相关系数达0.9,10年间无显著变化;二者年均值达91.7 μg/m3和116.9 μg/m3,分别超标162％和67％;二者质量浓度比达78.4％,10年间同比增长约20％.颗粒物质量浓度逐时变化受季节变化影响明显,总体呈现夜间最高、白天最低的趋势,变化周期为7～9h.研究表明,影响颗粒物质量浓度变化的因素包括春季的大风和生物粒子、夏季的湿热和降雨、秋季和冬季的逆温现象和降雪等气象因素及规律性的人为源因素.     

嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析

2015年5月17~20日嘉兴市发生了一次持续性雾霾过程,本研究根据5月17~22日污染气体(O_3、SO_2、NO_2和CO)、PM_(10)、PM_(2.5)、10 nm~10μm气溶胶数浓度、气象要素及边界层探空数据,分析了这次过程的成因及其不同污染物的变化特征.结果表明,副高位置北抬、均压场结构、地面静小风和边界层中逆温层为这次雾霾过程的发生和维持提供了水汽、动力和热力条件.这次雾霾过程包含1次降雨和2次雾过程(雨雾和辐射-平流雾).雾霾过程中NO_2、CO、PM_(10)和PM_(2.5)的浓度较高,SO_2和O_3的浓度较低.强降雨对PM_(10)、PM_(2.5)和SO_2清除作用较大,弱降雨会加重污染过程.雨雾的发展过程中,PM的浓度持续积聚;辐射-平流雾过程中,PM浓度先快速下降然后再增加.不同过程中气溶胶数浓度谱均为单峰型分布,但是谱型差异较大,干净天、降雨、雾霾过程、雨雾和辐射-平流雾过程中气溶胶数浓度谱峰值分别位于20~30 nm、100 nm、30~60nm、120 nm和90 nm.表面积浓度谱在干净天、降雨、雾霾和雨雾过程中均为三峰型分布,辐射-平流雾为四峰型分布.     

一套民用固体燃料燃烧大气污染物排放测试系统的搭建和评测

为研究民用固体燃料燃烧的大气污染物排放特征,设计了一套箱式稀释采样测试系统.相比于常用的烟罩法和烟道采样法,该系统能减小环境空气中颗粒物对测试结果的影响,同时收集了炉具泄漏的烟气,能更准确获得固体燃料燃烧的大气污染物排放水平.本文介绍了该系统的设计思路、主要结构组成和测试系统的性能评估结果.评估结果表明:进气经过滤后颗粒物浓度显著下降至约1μg·m-3,远小于燃烧过程中排放的颗粒物浓度(约100μg·m-3),有效减少环境空气中颗粒物对测试结果的干扰;使用箱式法测得PM_(2.5)、SO2和NOx排放因子结果均高于箱体敞开的对照组测试,证明箱式法收集测试了燃烧时泄漏至室内的污染物,有效减少污染物泄漏造成的误差.利用该系统测试了12种常见民用煤和3种生物质燃料燃烧PM_(2.5)、SO2、NOx等污染物排放水平,其中民用煤PM_(2.5)、SO2和NOx排放因子分别为0.23~3.40 mg·g~(-1)、0.48~6.15 mg·g~(-1)和0.16~1.09 mg·g~(-1),生物质燃料的PM_(2.5)、SO2和NOx排放因子分别为6.26~39.76 mg·g~(-1)、0.04~0.23 mg·g~(-1)和0.05~0.76 mg·g~(-1).     

2014年APEC期间北京市PM10和PM2.5氧化性损伤能力研究

为评估APEC会议期间联防联控措施对北京市大气可吸入颗粒物毒性的影响,采集2014年APEC会议前后3个月北京市大气PM₁₀和PM_2.5样品,应用质粒DNA损伤评价法来研究其氧化性损伤能力. 结果表明,APEC会议期间PM₁₀对DNA的损伤率高于PM_2.5,颗粒物对 DNA损伤率随剂量的增加而增加. 本研究用TD30值来指示颗粒物氧化性损伤能力,TD30为引起30%的DNA损伤率所需要的颗粒物剂量（单位为 μg·mL^-1）,TD30值越低,颗粒物氧化性损伤能力越强,APEC会议前后样品的TD30值表现为 APEC期间（11月）>APEC前（10月）>APEC后（12月）,说明氧化能力APEC后 >APEC前 >APEC期间. 用PM₁₀质量浓度乘上其在250 μg·mL^-1 剂量下的DNA损伤率得到颗粒物暴露毒性指数TI（toxic index）,与往年具有代表性月份样品的数据对比,TI大小顺序为2004年 >2014年 >2008年,说明大气中颗粒物暴露毒性随着政策控制力度的加大而降低.     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

北京市PM_(2.5)二次水溶性无机离子变化特征

利用在线高分辨率仪器对2013年和2014年北京市SO2-4、NO-3和NH+4(SNA)浓度进行连续观测。结果表明:NO-3浓度在夜间较高,下午较低;SO2-4浓度在后半夜至早晨较低,从上午至前半夜整体呈上升趋势;NH+4浓度日变化曲线相对平缓,在整个白天时段较低,夜间时段较高。硫氧化率(SOR)夏季最高,冬季最低;氮氧化率(NOR)季节变化相对较小。2014年整体ρ(NO-3)/ρ(SO2-4)比值明显高于2013年,表明北京市的排放源中以机动车为代表的移动源的贡献明显增大。