北京市不同尺度大气颗粒物元素组成的特征分析

在2000年2个典型季节分别采集不同尺度的颗粒物样品,分析其中22种无机元素的含量.利用这些数据较详细地研究了北京市颗粒物的元素组成特征.数据分析结果表明,北京市大气颗粒物中的元素主要分为地壳元素、污染元素和双重元素三大类.利用不同污染元素在各种尺度颗粒物中的富集因子,确定了北京市大气颗粒物具有复合型污染的特征.      

2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

Economic assessment of the health effects related to particulate matter pollution in 111 Chinese cities by using economic burden of disease analysis

With China's rapid economic development, environmental problems have become more and more serious. Particulate air pollution is terrible in cities with large and dense population. It may lead to adverse health effects and economic costs. In this study, we calculated the health effects of pollution caused by particulate matter with aerodynamic diameters less than 10mum (PM(10)) in 111 Chinese cities in 2004 according to statistical data and epidemiological exposure-response functions. Using economic burden of disease analysis, an economic assessment of these health risks was also presented. In contrast to many previous studies that have examined individual cities, this study covered most large and medium-sized cities in China, which accounted for more than 70% gross domestic product (GDP) of China in 2004. The total economic cost caused by PM(10) pollution was estimated as approximately US$ 29,178.7 million. Mega cities such as Beijing, Shanghai, and Tianjin contribute relatively more to the total costs. The results will help policy makers in formulating more effective countermeasures and increasing public awareness to enhance environmental protection.     

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.      

青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.      

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

三峡库区典型林分土壤呼吸及其组分对模拟酸雨的响应

为研究酸雨对森林土壤呼吸的影响,于2016年1月～2017年4月在重庆缙云山三峡库区针阔混交林内选取3块样地,设置了断根与不断根两组处理,每组处理设置pH为4. 5(对照)、4. 0、3. 25和2. 5共4个梯度的模拟酸雨处理.试验观测模拟酸雨下土壤总呼吸与异养呼吸变化特征及土壤温度、土壤湿度,同时采集土样,研究土壤pH、碳氮比及细根生物量对土壤呼吸的影响.结果表明,土壤总呼吸与异养呼吸均表现出了季节变异趋势.不断根样方的CK、T4. 0、T3. 25和T2. 5处理的年均土壤呼吸速率分别为1. 89、1. 88、1. 75和1. 74μmol·(m~2·s)~(-1),断根样方的RCCK、RCT4. 0、RCT3. 25和RCT2. 5处理的年均土壤呼吸速率分别为1. 37、1. 32、1. 19和1. 08μmol·(m~2·s)~(-1).季度平均土壤总呼吸与异养呼吸在2016年7月前差异不显著(P 0. 05),2016年10月后差异均显著(P 0. 01)并呈现对照 pH4. 0 pH3. 25 pH2. 5. 2016年的累积土壤呼吸量T4. 0、T3. 25和T2. 5处理相比对照分别降低3. 89%、9. 64%和11. 24%,RCT4. 0、RCT3. 25和RCT2. 5处理相比对照分别降低6. 79%、13. 23%和25. 56%.与对照相比,模拟酸雨处理降低了异养呼吸占比,降低程度随着酸雨pH增加而加强,说明了酸雨对于异养呼吸的抑制超过了自养呼吸.模拟酸雨处理虽然增加了土壤呼吸的温度敏感性,但是对土壤温度与湿度无显著影响(P 0. 05); 2016年10月之后相比对照模拟酸雨处理显著增加了土壤碳氮比、降低了细根生物量.土壤呼吸与细根生物量有显著正相关关系,与土壤碳氮比有显著的负相关关系.土壤温度与水分对模拟酸雨下土壤呼吸的差异贡献不大,细根生物量与碳氮比是酸雨处理下呼吸差异的主要影响因素.     

兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析

空气污染程度与就诊率、呼吸道发病率及死亡率等有着密切的联系。兰州市在上世纪末曾被喻为卫星上看不到的城市,它的大气污染程度一直以来为人们所关注。利用2013年国家环保部公布的兰州市5个监测点（涵盖了4区1县）大气细粒子PM10及PM2.5的监测数据,针对全年的日均PM2.5与PM10质量浓度并结合了同期的气象因子进行分析研究,结果表明：春冬季为兰州大气中两种颗粒物的污染的高峰期（春季峰值为3月份,PM10及PM2.5质量浓度的月均值为309和103μg· m-3,超标倍数为1.062与0.436;冬季峰值为11月份,PM10及PM2.5质量浓度的月均值为203和85μg· m-3,超标倍数为0.353与0.7）,夏秋季为低谷（波谷为9月份,PM10及PM2.5的月均值为96和39μg· m-3,均低于国家标准）。PM2.5与PM10质量浓度比值均在0.4与0.5之间,呈一定的线性关系,大气污染较轻。当温度在-3~0℃之间时,大气中PM2.5与PM10质量浓度变化较剧烈。露点温度高于-3.15时,使得PM10的质量浓度下降明显;当日均露点温度高于1.85时,PM2.5的质量浓度随着露点温度的增大而降低,说明湿沉降对着两种粒子的清除作用明显。降水对大气中的两种颗粒物均呈现清除作用,但是在降水后PM10质量浓度迅速回升,但PM2.5质量浓度却变化不大。风向偏西时,大气中细颗粒污染物浓度增加。风速的增加对PM2.5有一定的清除作用,但由于兰州市的地貌特征,使得大气中PM10的质量浓度增加。上述结果为兰州市大气污染的监测与治理及大气污染预报提供了重要的依据。     

Monitoring of environmental exposure to polycyclic aromatic hydrocarbons: a review

Polycyclic aromatic hydrocarbons (PAHs) are a large group of organic compounds with two or more fused aromatic rings. They have a relatively low solubility in water, but are highly lipophilic. Most of the PAHs with low vapour pressure in the air are adsorbed on particles. When dissolved in water or adsorbed on particulate matter, PAHs can undergo photodecomposition when exposed to ultraviolet light from solar radiation. In the atmosphere, PAHs can react with pollutants such as ozone, nitrogen oxides and sulfur dioxide, yielding diones, nitro- and dinitro-PAHs, and sulfonic acids, respectively. PAHs may also be degraded by some microorganisms in the soil. PAHs are widespread environmental contaminants resulting from incomplete combustion of organic materials. The occurrence is largely a result of anthropogenic emissions such as fossil fuel-burning, motor vehicle, waste incinerator, oil refining, coke and asphalt production, and aluminum production, etc. PAHs have received increased attention in recent years in air pollution studies because some of these compounds are highly carcinogenic or mutagenic. Eight PAHs (Car-PAHs) typically considered as possible carcinogens are: benzo(a)anthracene, chrysene, benzo(b)fluoranthene, benzo(k)fluoranthene, benzo(a)pyrene (B(a)P), dibenzo(a,h)anthracene, indeno(1,2,3-cd)pyrene and benzo(g,h,i)perylene. In particular, benzo(a)pyrene has been identified as being highly carcinogenic. The US Environmental Protection Agency (EPA) has promulgated 16 unsubstituted PAHs (EPA-PAH) as priority pollutants. Thus, exposure assessments of PAHs in the developing world are important. The scope of this review will be to give an overview of PAH concentrations in various environmental samples and to discuss the advantages and limitations of applying these parameters in the assessment of environmental risks in ecosystems and human health. As it well known, there is an increasing trend to use the behavior of pollutants (i.e. bioaccumulation) as well as pollution-induced biological and biochemical effects on human organisms to evaluate or predict the impact of chemicals on ecosystems. Emphasis in this review will, therefore, be placed on the use of bioaccumulation and biomarker responses in air, soil, water and food, as monitoring tools for the assessment of the risks and hazards of PAH concentrations for the ecosystem, as well as on its limitations.     

重庆市主城区春夏季不同粒径颗粒物污染特征分析

采用多通道采样器,采集重庆市主城区PM1.0、PM2.5和PM103种粒径的颗粒物样品,结果显示采样期间PM1.0、PM2.5和PM10日浓度均值分别为0.057 mg/m3、0.075 mg/m3和0.120 mg/m3,主城区颗粒物污染较为严重。对3种粒径颗粒物样品中的碳组分、水溶性组分以及无机污染元素组分进行分析...