北京市大气颗粒物中正构烷烃污染特征的研究

利用中流量采样器于2011年3-12月对北京西三环地区大气颗粒物进行分级采样,并利用GC-MS对颗粒物中正构烷烃含量进行测定。对不同粒径颗粒中C10-C2415种正构烷烃的测定分析表明,PM2.5、PM5和PM10中正构烷烃的年均质量浓度分别为94.24 ng/m3、114.20ng/m3和124.96 ng/m3;正构烷烃总质量浓度的季节变化趋势为:冬季>春季>秋季>夏季,且主要分布在在细粒子中(PM2.)5;正构烷烃在不同粒径粒子中质量浓度比(ρ2.5/ρ1)0正构烷烃、(ρ2.5-5/ρ1)0正构烷烃、(ρ5-10/ρ1)0正构烷烃分别为:春季为78.2%、13.2%、8.5%,夏季为68.6%、19.8%、11.6%,秋季为74.4%、13.8%、11.8%,冬季为76.4%、17.6%、6.1%。主碳峰为24和23,碳优势指数(CPI)2为0.56⁰.57,表明正构烷烃主要来源于汽车尾气和化石燃料的燃烧等人为活动。     

珠江三角洲地区亚运期间颗粒物污染特征

为研究2010年广州亚运会期间珠江三角洲地区颗粒物污染特征,2010年11月11日—30日分别在广州市区城市点及下风向鹤山区域点采集24h颗粒物样品,对其主要化学组分(有机碳OC、元素碳EC和水溶性离子)进行测量.结果显示,观测期间广州和鹤山PM2.5平均质量浓度分别为(73.3±16.5)μg·m-3和(98.2±20.8)μg·m-3.鹤山PM10平均浓度高达131.6μg·m-3,且PM2.5占PM10的74%,表明区域PM2.5污染凸显.广州和鹤山PM2.5中二次无机离子(SNA)分别占39%和42%,有机物(OM)分别占31%和26%,EC分别占5%和6%.根据EC示踪法粗略估算,广州和鹤山PM2.5中一次有机碳POC分别占15%和13%,二次有机碳SOC分别占4%和3%.总体上,广州和鹤山PM2.5中二次生成(SNA+SOA)均约占50%,表明珠江三角洲地区PM2.5区域性二次污染的特征.广州市区PM2.5及SNA、Cl-和EC明显低于区域点鹤山浓度水平;与2004年同期研究(PRIDE-PRD2004)结果相比,气象条件相似,而广州市区PM2.5及EC浓度分别显著降低达29.6μg·m-3(29%)和3.5μg·m-3(49%),反映出亚运期间一次排放得到有效控制.     

贵阳市近郊不同人为干扰迹地土壤种子库与地上植被的关系

采用种子萌发试验对贵阳市乌当区马背山喀斯特次生林不同干扰迹地(弃耕干扰、火烧干扰和碎石堆积干扰)土壤种子库与地上植被的关系进行研究,结果显示:弃耕地、火烧地和碎石堆积地的地面植被的物种数和生活型比土壤种子库丰富,土壤种子库中乔木种类缺乏,以菊科、禾本科和豆科植物等草本植物占优势。3种干扰迹地地上植被物种丰富度指数、均匀度指数均大于土壤种子库,弃耕地土壤种子库的生态优势度指数大于地上植被,而碎石堆积地则小于地上植被。3种干扰迹地土壤种子库与地表植被的物种相似性系数分别为0.4000、0.4274和0.3556,表明不同人为干扰方式对地表植被和土壤种子库的影响程度不同。     

黄土高原次生林演替过程土壤有机碳库及其化学组成响应特征

为探明黄土高原次生林演替过程中土壤有机碳库及其化学组成演化特征,选取陕北黄土高原黄龙山林区次生林演替初级阶段(山杨林)、过渡阶段(山杨、辽东栎混交林)和顶级阶段(辽东栎林)样地为研究对象,分析不同土层深度(0～10、 10～20、 20～30、 30～50和50～100 cm)土壤有机碳含量、储量和化学组成变化特征.结果表明：(1)土壤有机碳含量和储量随次生林演替过程显著增加(P<0.05),土壤有机碳含量随土层深度增加显著降低,土壤有机碳储量从初级阶段的64.8Mg·hm^-2增加至顶级阶段的129.2Mg·hm^-2,增加了99%.(2)次生林演替过程中,表层(0～30 cm)土壤有机碳中结构简单、相对易分解的脂肪族碳组分相对含量减少,结构复杂、相对难分解的芳香族碳组分相对含量增加,表明表层土壤有机碳化学组成稳定性随次生林演替过程显著提高,而深层(30～100cm)土壤有机碳化学组成稳定性表现为先增加后降低,即过渡阶段>顶级阶段>初级阶段.(3)次生林演替过程中,初级阶段和过渡阶段土壤有机碳化学组成稳定性随土层深度增加显著增...     

珠江三角洲秋季生物质燃烧对有机气溶胶的贡献

本研究基于2018年和2019年秋季在珠江三角洲地区的两次外场观测,应用热脱附-化学电离飞行时间质谱(FIGAERO-ToF-CIMS)获取了高时间分辨率(每小时)的生物质燃烧示踪物左旋葡聚糖的浓度数据,并估算出生物质燃烧对有机气溶胶(OA)的贡献值.结果表明,秋季珠江三角洲地区城市站点和区域站点的左旋葡聚糖平均浓度分别为(0.07±0.08)和(0.14±0.12)μg/m³,呈现区域站点高于城市站点的空间分布特征以及早晨和夜间出现峰值的日变化特征.观察到两个站点的左旋葡聚糖与CO和乙腈之间相关性较低,但与OA之间呈现显著正相关关系.进一步基于受体示踪物法估算出生物质燃烧对OA的平均贡献分别为7.4%(城市站点)和11.4%(区域站点),且两个站点均显示出生物质燃烧对OA的贡献在夜间明显高于白天.     

典型农药制造企业废气污染物排放特征及风险评估

选取2家典型农药制造企业为研究对象,探究农药制造行业废气排放特征、环境影响和人体健康风险.结果表明,不同企业由于产品、生产环节的不同产生的污染物存在一定差异,A企业污染物以氨、含氧有机物和卤代烃为主,B企业污染物以卤代烃为主.臭氧生成潜势(OFP)范围在1.96～107.24 mg·m^-3之间,二次有机气溶胶生成潜势(SOAFP)范围为0.94～74.72 mg·m^-3,对OFP和SOAFP贡献较大为含氧有机物、芳香烃和卤代烃.农药企业恶臭物质较为复杂,主要恶臭物质涵盖了硫化物、含氧有机物、含氮化合物和芳香烃.农药企业所有排气筒废气的LCR均高于10^-6,存在一定的致癌风险,A企业LCR范围为4.10×10^-6～5.34×10^-3之间,B企业LCR范围在1.23×10^-3～4.35×10^-1之间,卤代烃,特别是1,2-二氯乙烷是农药企业主要的致癌风险物质,需要企业加以重视.     

Review of the influencing factors of secondary organic aerosol formation and aging mechanism based on photochemical smog chamber simulation methods

The formation and aging mechanism of secondary organic aerosol (SOA) and its influencing factors have attracted increasing attention in recent years because of their effects on climate change, atmospheric quality and human health. However, there are still large errors between air quality model simulation results and field observations. The currently undetected components during the formation and aging of SOA due to the limitation of current monitoring techniques and the interactions among multiple SOA formation influencing factors might be the main reasons for the differences. In this paper, we present a detailed review of the complex dynamic physical and chemical processes and the corresponding influencing factors involved in SOA formation and aging. And all these results were mainly based the studies of photochemical smog chamber simulation. Although the properties of precursor volatile organic compounds (VOCs), oxidants (such as OH radicals), and atmospheric environmental factors (such as NO_x, SO₂, NH₃, light intensity, temperature, humidity and seed aerosols) jointly influence the products and yield of SOA, the nucleation and vapor pressure of these products were found to be the most fundamental aspects when interpreting the dynamics of the SOA formation and aging process. The development of techniques for measuring intermediate species in SOA generation processes and the study of SOA generation and aging mechanism in complex systems should be important topics of future SOA research.     

季节性干旱下喀斯特次生林不同树种水分利用效率变化

植物叶片水分利用效率(WUE)对环境变化的响应特征和机制是理解生态系统碳循环和水循环及其耦合关系的基础。为探讨季节性干旱下喀斯特次生林中不同植物的WUE变化,以普定次生林通量观测站内的喀斯特次生林为例,在连续干旱背景下分别对8种常见植物的叶片WUE进行了测定分析。结果表明:(1)研究区常见植物的叶片WUE日间主要在0.65～7.73μmol/mmol之间变化。8种植物的叶片WUE均以上午9点最大,厚果崖豆藤(Millettia pachycarpa)、朴树(Celtis sinensis)和马桑(Coriaria nepalensis)的WUE均在下午3点就降到最低,而铁线莲(Clematis florida)、木通(Akebia quinata)、石岩枫(Mallotus repandus)、梓树(Catalpa ovata)和构树(Broussonetia papyrifera)的WUE则在下午5点才降到最低。厚果崖豆藤、铁线莲、石岩枫、朴树、构树的WUE日间变化均较显著。(2)研究区植物叶片的WUE以藤本植物最高。上午9点、11点和下午3点,植物叶片WUE的种间差异均不显著,而在下午1点、5点,植物叶片WUE在种间均存在显著差异。(3)石岩枫和木通的叶片WUE与环境光照强度均呈显著正相关关系。朴树和铁线莲的叶片WUE与环境相对湿度均呈极显著正相关关系。厚果崖豆藤的叶片WUE与环境空气温度间也呈现出极显著的正相关关系。朴树、构树、马桑、石岩枫、铁线莲、厚果崖豆藤的叶片WUE与净光合速率均显著正相关,木通的叶片WUE与蒸腾速率显著负相关。研究区8种植物叶片WUE与叶面水汽压亏缺间的相关性均不显著。(4)植物种和外部环境对研究区植物叶片的WUE均有显著影响,木通、厚果崖豆藤、铁线莲在遭遇连续干旱后叶片WUE均较高,对生境恶劣的喀斯特环境具有较强的适应能力。     

基于气溶胶三维变分同化天津PM2.5数值预报研究

基于气溶胶三维变分同化技术,建立天津空气质量数值模式气溶胶同化模块,通过天津地区两次重污染过程同化模拟敏感性试验,分析了观测资料范围对同化结果的影响,并结合一个月的滚动预报试验,分析了气溶胶同化对天津地区PM_2.5数值预报效果的影响,以期为提升天津空气质量预报能力提供支撑.结果表明：气溶胶同化各控制变量背景误差水平相关系数的衰减尺度约50km,垂直方向上400m高度与模式底层的相关系数衰减至0.6左右;观测资料范围对同化结果影响显著,仅采用天津地区观测数据进行同化,对重污染过程期间天津地区PM_2.5浓度模拟的影响时效约12h,采用模拟区域内所有观测数据进行同化影响时效可持续24h以上,且模拟效果更优;采用三维变分同化技术,实现地面PM_2.5观测资料同化,天津地区PM_2.5数值预报效果显著提升,预报值和实况值之间的相关系数由0.74增加到0.87,均方根误差由32.3μg/m³减小为22.4μg/m³,平均相对误差由39.9%减小为27.1%;同化对模式初始时刻的改进效果最明显,随时间同化效果衰减,14h内改进效果最佳,对24h PM_2.5浓度预报也有明显改进.     

耦合气溶胶双参数化方案的大气能见度数值改进算法

将气溶胶复折射率（Aerosol Complex Refractive Index,ACRI）和气溶胶粒径吸湿增长因子（Growth Factor,Gf（RH））参数化方案进行耦合,提出了一种基于Mie散射模型的大气能见度数值改进算法.并利用成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪分别观测获得的相对湿度（RH）,干气溶胶散射系数（b_sp）,干气溶胶吸收系数（b_sp）,气溶胶质量浓度（PM₁₀,PM_2.5,PM₁）及其数浓度粒径分布（N[r（RH）]）的地面逐时观测资料,通过与两种能见度计算模型（经验参数的Mie散射模型和统计模型）在不同能见度区间（<2km,2~5km,5~10km,>10km）模拟结果的对比分析,评估了该改进算法的适用性.结果表明：三种能见度计算方法均能较好地模拟出能见度的变化特征;改进算法通过本地化参数化方案更准确地估计出DACRI和Gf（RH）,从而可更准确地模拟出四类能见度区间,对应模拟值与实测值的相关系数（R）分别为0.62,0.90,0.89,0.93,平均相对误差（MRE）分别为9.86%,10.39%,9.94%,14.06%.