南京市一次霾污染过程中水溶性离子分布特征

使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM_2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明：霾日中南京水溶性离子浓度为121.41μg/m³,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO₃^- > SO₄^2- > NH₄⁺ > Cl^- > K⁺ > Ca²⁺ > Mg²⁺,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl^-、SO₄^2-和NH₄⁺的日变化为单峰型,Ca²⁺为双峰型,K⁺、Mg²⁺为三峰型.随着空气污染状况的加重,总水溶性离子在PM_2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH₄⁺占总离子的比例稳定在23%左右,SO₄^2-占比缓慢减小,NO₃^-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧.     

北京地区大气温湿廓线对气溶胶垂直分布的影响

目的分析北京地区大气温湿廓线对气溶胶垂直分布的影响。方法利用北京地区2017年9月至2018年8月每日两次(08时和20时)的气象探空、地面PM_(2.5)浓度和气溶胶激光雷达消光系数资料,分析不同污染条件下大气温湿廓线与气溶胶消光系数廓线的关系。结果地面PM_(2.5)浓度和210m气溶胶消光系数的相关系数达到0.77。春季、秋季和冬季污染条件下的近地面消光系数约是清洁条件下的5倍,夏季污染条件下的近地面消光系数约是清洁条件下的3倍。相比清洁条件下,污染条件下各季节的大气温度垂直递减率偏小,并且低层大气相对湿度偏大。结论大气温度廓线代表大气层结稳定性,影响气溶胶的扩散高度,而相对湿度廓线与气溶胶吸湿增长密切相关,两者对气溶胶消光系数的垂直分布都有重要影响。     

中国典型城市PM2.5浓度时空演绎规律及影响因素分析

为探讨空气中ρ（PM_2.5）的空间集聚特征和气候、大气成分变量对空气中ρ（PM_2.5）的影响,利用首批纳入PM_2.5监测的74个城市的ρ（PM_2.5）数据计算Moran's I指数,并选取其中38个典型城市进行计量分析.在基于引力模型的空间权重矩阵基础上,构建面板数据SDM（空间面板杜宾模型）.结果表明:ρ（PM₁₀）、ρ（SO₂）、ρ（CO）、ρ（O₃）、RH（relative humidity,相对湿度）与城市ρ（PM_2.5）呈正相关,而T（temperature,温度）和WS（wind speed,风速）与城市ρ（PM_2.5）呈负相关;ρ（PM₁₀）、ρ（CO）、RH是位于前3位影响城市ρ（PM_2.5）的关键性因素,其总效应分别为0.720 1、0.241 7、0.133 9.地理上邻近城市ρ（PM_2.5）具有明显的外部空间溢出效应,即邻近城市ρ（PM_2.5）每增加10百分点,将导致该地区ρ（PM_2.5）增长6.12百分点.300 km左右是保证PM_2.5区域"联防联控"最佳效果的最大门槛距离,超过该门槛距离,区域"联防联控"的力度和效果会随着距离的增加而逐渐减弱;当门槛距离大于500 km时,ρ（PM_2.5）的空间自相关性不显著.气候变量中,RH和ρ（PM_2.5）呈同方向变化,而T、WS与ρ（PM_2.5）呈反方向变化.研究显示,关注单一地区或单一因素（气候或大气成分）均不能有效控制PM_2.5污染,在保持经济稳定增长的前提下,各地治理PM_2.5应从调整产业结构、优化能源结构、完善防控机制等多个维度共同推进,促使经济增长方式早日从"粗放型"向"集约型"转变.      

京津冀及周边地区大气污染综合立体观测网的建设与应用

京津冀及周边地区大气染污综合立体观测网针对的是大气重污染发生-演变-消散全过程的核心科学问题,通过制定适用于京津冀及周边地区的大气污染综合观测技术规范,建立了区域大气污染综合立体观测网,开展了近地面及大气边界层气象和大气化学过程的同步观测,构建了监测数据综合分析及共享应用平台,实现了大气环境多源数据综合管理业务化,为大气重污染成因研究提供精准数据集,提升了京津冀秋冬季重污染成因机制研究和精细化源解析的能力,推动了京津冀及周边地区空气质量的持续改善.京津冀及周边地区大气污染综合立体观测网开展了传输通道的加密观测,增加了背景站和手工采样点观测,建立了包括黑碳、氨和重金属等多要素的关键站点,并充分利用了服务于科学研究的超级站和垂直梯度观测技术.京津冀及周边地区大气污染综合立体观测网和数据平台的建立,实现了业务部门与科研部门数据的有效融合与综合管理业务化,具有效率高、代表性好、目的性强的特点,能够很好地应对决策部门不断提高的管理需求.观测网络和平台充分吸取了国外的先进技术和观测经验,保证了观测网长期稳定运行;通过综合环境空气质量监测预警和发布平台,为环境空气质量监测和污染成因综合研究提供技术支撑,最终为实现我国空气质量的全面改善奠定了坚实的基础.      

基于高光谱数据的百花湖叶绿素a浓度估算

为估算百花湖叶绿素a浓度,文章根据实测高光谱和水样分析,分别建立比值模型、荧光峰位置、一阶微分、反射峰面积(NPA)、峰谷距离、基线荧光峰高度(FLH)和三波段模型。同时,基于不同营养状态湖泊的水质数据,建立了适用于不同营养状态水体的叶绿素a估算模型。结果表明:基线荧光峰位置模型的估算效果最好,决定系数R2为0.93,F检验值为201;对比分析4种营养状态下几种估算模型效果得出,中营养化和轻度富营养化水体中,荧光峰位置模型和基线荧光峰高度模型的算法优于其它算法;中度富营养化和重度富营养化水体中,比值模型和三波段模型的估算效果较为理想。该研究结果可为百花湖水环境的监测提供一定的理论依据和技术参考。     

基于GIS的甘肃省城市PM2.5的时空分布特征研究

文章基于2015～2017年3年来甘肃省国控监测站的PM_(2.5)数据,采用GIS的空间分析方法,揭示甘肃省城市PM_(2.5)的时空分布特征。结果显示:近年来甘肃省城市空气中PM_(2.5)的整体呈下降趋势,且呈现明显的季节变化特征;根据季节变化特征分析,扬尘在甘肃西部地区的PM_(2.5)数值中的贡献率较大;甘肃省冬季城市的PM_(2.5)严重超标; PM_(2.5)高浓度集聚地带主要位于兰州市附近,以兰州市为中心,表现出以兰白都市经济圈向四周减弱的趋势。     

兰州市近地面臭氧污染分布特征

为探究兰州市近地面臭氧(O_3)浓度的分布特征,对2013～2016年兰州市5个国家空气质量监测点逐时的O_3浓度资料进行了统计分析,结合同期的NO_2和颗粒物(PM_(10)、PM_(2.5))浓度资料得到兰州市的O_3污染变化趋势及其分布特征。结果表明:兰州市区O_3与NO_2浓度的日变化呈现相反的变化趋势,二者之间存在明显的负相关关系,相关系数为-0.45;兰州市区颗粒物与O_3之间相互影响,颗粒物浓度春、冬季较高,而O_3夏季较高,O_3与PM_(2.5)浓度月变化之间的相关系数为-0.78,O_3逐渐成为继颗粒物之后首要污染物天数最多的污染物;兰州市区和榆中县O_3浓度均呈现明显的日变化、月际变化、季节变化;不同站点分布特征显示,兰州市区4个监测站点中兰炼宾馆O_3浓度最高,职工医院与生物制品厂相差不大,铁路设计院最低,表明西固区O_3污染形势最为严峻,七里河区次之,城关区O_3污染较轻,而且榆中县O_3浓度除夏季外其它时段均比市区高。     

2012~2013年间北京市PM2.5中水溶性离子时空分布规律及相关性分析

2012年8月~2013年7月,在北京市包括城市背景、城区、郊区以及边界传输点在内的9个监测点位进行大气细颗粒物PM2.5样品的采集与分析,共获得486个有效样本及9种水溶性离子的质量浓度.观测期间9种水溶性离子总质量浓度为60.5μg·m-3,浓度水平高低顺序分别为NO-3SO2-4NH+-4Cl-Na+K+Ca2+F-Mg2+;其中SO2-4、NO-3和NH+4(三者简称SNA)占全部所测水溶性离子的88%;NO-3是全年波动范围最大的二次离子.对所测阴、阳离子相关性研究发现,阴、阳离子总体相关性良好,春、冬季阴、阳离子相关性要好于夏、秋季.对不同颗粒质量级别中的水溶性离子研究发现,SNA积累活跃,相对于SO2-4的积累,NO-3和NH+4在二次离子的形成过程中占据主导地位;NO-3是重污染过程累积效应比较明显且贡献相对较高的二次离子.     

洛阳市大气细颗粒物化学组分特征及溯源分析

为研究洛阳市大气细颗粒物(PM2.5)的化学组分及来源的时空分布特征,对汾渭平原地区较为欠缺的PM2.5相关研究进行补充,在2018年4月至2019年1月在洛阳市高新和林校2个点位进行了样品采集,对P(PM2.5)、化学组分(水溶性离子、碳质组分、元素)和来源进行分析.2个点位的年均ρ(PM2.5)分别为(76.6±37.9)μg-m-3和(83.2±38.9)μg·m-3,季节变化由高到低均为:冬季、春季、秋季和夏季.高新和林校的9种水溶性离子浓度分别占PM2.5的 55.1％和54.2％,林校的二次离子(NO3-、SO42-和NH4+)年均浓度之和高于高新.高新和林校的ρ[有机碳(OC)]、P[元素碳(EC)]分别为(12.4±7.7)μg·m-3、(1.2±0.5)μg·m-3和(13.4±7.7)μg·m-3、(1.3±0.5)μg·m-3,林校的含碳组分在各季节均高于高新;高新和林校冬季的二次有机碳(SOC)在OC中质量分数分别为67.8％和77.3％,远高于其他季节.化学质量平衡结果表明,高新和林校的主要贡献源均为二次硝酸盐(26.9％和27.1％)、二次硫酸盐(14.5％和14.8％)、燃煤(12.6％和11.6％)、SOA(10.8％和12.2％),高新的生物质源贡献较高,而林校的扬尘源和机动车源贡献较高.后向轨迹和潜在源贡献因子分析表明,洛阳市春季不仅受到来自西北方向的传输,来自西南地区的污染传输也不能忽略;夏季既受到正东方向的季风影响,又有来自正南方向的潜在污染;秋季污染物主要来自东南方向,同时也存在西北方向的潜在来源;冬季受到的传输影响则主要来自周边区域,污染来源较为集中.     

稻田灌溉河流CH4和N2O排放特征及影响因素

随着农业氮肥大量施用,大量碳氮营养物质以淋溶或径流形式进入周边灌溉水体,使其成为甲烷(CH4)和氧化亚氮(N2O)的重要排放源.以我国东南部地区典型稻田灌溉河流为研究对象,于2014年9月至2016年9月连续两年原位观测表层水体CH4和N2O溶存浓度及其排放通量,旨在明确稻田灌溉河流CH4和N2O的排放特征、排放强度及其主要驱动因子.结果表明,观测期内c(CH4溶存)的年平均值为(390.57±43.95)nmol·L-1(92.80～1 577.54 nmol·L-1),c(N2O溶存)的年平均值为(40.23±3.20)nmol·L-1(10.05～75.40 nmol·L-1).CH4和N2O的排放通量(年平均)分别为(20.73±6.08)mg·(m2·h)-1和(34.30±7.12)μg·(m2·h)-1.CH4和N2O溶存浓度和排放通量整体上均呈现出春夏排放高,秋冬排放低的季节变化趋势.两年CH4累计排放总量为(3 876.30±1 153.96)kg·hm-2,N2O累计排放总量为(5.74±0.98)kg·hm-2.两者持续性全球增温潜势(SGWP,以CO2-eq计)平均为(87.99±15.73)t·(hm2·a)-1.CH4排放通量与水温、底泥可溶性有机碳(DOC)显著正相关,而与水体溶解氧(DO)显著负相关;N2O排放通量与水温、水中铵态氮(NH4+-N)和硝态氮(NO3--N)显著正相关,而与水体DO显著负相关.该研究可为科学估算我国农业灌溉流域CH4和N2O排放总量提供数据支撑和重要参考.