洛阳市大气PM2.5中有机碳与元素碳的源解析及季节变化特征

本文深入研究洛阳市大气PM2.5中的有机碳(OC)与元素碳(EC)的源解析及季节变化特征。采用全面覆盖的采样方法,结合高精度分析仪器,确定OC与EC的主要来源,包括工业燃煤、居民燃煤、机动车尾气排放、生物质燃烧及二次有机气溶胶(SOA)。研究发现,各来源在不同季节的贡献率显著差异,冬季燃煤供暖导致燃煤来源显著上升,夏季SOA和机动车尾气排放贡献较大。这些结果为制定针对性的大气污染防控策略提供科学依据。

广州市夏季室内外PM_(2.5)中有机碳、元素碳的分布特征

2004年7～8月在广州市9个采样点的室内、室室外同步采集了PM2.5样品,采用热光反射碳分析仪分析得到OC、EC的质量浓度,对OC、EC污染水平、空间分布、室内室外质量浓度关系、OCEC质量浓度关系及二次有机碳等特征进行了深入细致的分析研究.结果表明,OC室内、外平均质量浓度为17.3和19.9μg·m-3,EC室内、室外平均质量浓度为6.5和6.6μg·m-3,总碳气溶胶占PM2.5质量的50%以上;在不同类型采样点OC、EC质量浓度存在区别;室内环境中OC、EC质量浓度相关性显著,室外环境中OC、EC质量浓度相关性不显著;OC、EC质量浓度比ρ(OC)ρ(EC)超过2;室内、室外PM2.5中二次有机碳质量浓度是7.6和10.0μg·m-3,占总有机碳的比率为43.8%、45.5%.

北京市采暖期PM_(2.5)中有机碳和元素碳的污染特征与来源解析

为研究北京市采暖期PM2.5中有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的污染特征和来源,于2011年12月至2012年2月在北京师范大学监测点进行PM2.5样品的采集.本研究分析PM2.5及其OC和EC的质量浓度变化特征,并采用ρ(OC)/ρ(EC)最小比值法估算二次有机碳(secondary organic carbon,SOC)的质量浓度.除此之外,从定性和定量两方面研究OC和EC的来源及其来源贡献量.结果表明:北京市采暖期PM2.5平均质量浓度为(90.69±61.86)μg/m3,其中OC和EC的平均质量浓度分别为(21.91±12.02)、(5.03±2.58)μg/m3,分别占PM2.5的24.16%和5.55%;SOC的平均质量浓度为(8.37±6.05)μg/m3,占总有机碳(total organic carbon,TOC)质量浓度的37.27%.PM2.5中OC和EC的相关系数较高,表明它们来源相同,且主要来源于机动车尾气、燃煤排放.机动车尾气排放的贡献量达44.70%,成为OC、EC的重要来源.因此,严格控制机动车保有量的快速增长,减少机动车尾气排放,将成为改善城市大气环境质量的重要手段之一.

太原冬季PM_(2.5)中有机碳和元素碳的变化特征

2005年12月-2006年2月在太原市区持续观测了气溶胶细粒子PM2.5,并应用Sunset碳分析仪进行了有机碳（organic carbon，OC）和元素碳（elemental carbon，EC）的测定。结果表明：太原冬季PM2.5，OC和EC浓度均较高，其中PM2.5日平均浓度变化范围为25．4～419．0μg／m^3，日平均浓度为193．4±102．3μg／m^3，OC平均浓度为28．9±14．8μg／m^3，EC平均浓度为4．8±2．2μg／m^3，OC／EC平均比值是7．0±3．9，即太原市冬季PM2.5和碳气溶胶污染严重。OC在PM2.5中占18．6％，EC占2．9％，这表明碳气溶胶是太原大气细粒子污染控制的关键组分。在太原市冬季，采暖燃烧的煤是OC和EC的主要贡献源，造成OC大大高于EC，从而使OC／EC比值增大。各种气象条件对PM2.5，OC，EC和OC／EC比值的变化都有不同程度的影响，特别是大雾天气、相对湿度、风速和降雪是影响碳气溶胶浓度变化的重要因素。

重庆市春季大气PM_(10)中有机碳、元素碳浓度水平及污染特征分析

2006年4月于重庆市主城区9个采样点和1个城郊对照点同步采集了大气PM10样品,利用热分解示差热导法元素分析仪测定了PM10中的有机碳(OC)、元素碳(EC)的质量浓度,对OC和EC的污染水平、空间分布、OC和EC的浓度关系以及二次有机碳(SOC)等特征进行了较为详细的分析。结果显示,不同区域采样点的OC、EC浓度存在较明显差异,主城区大气环境中OC、EC平均浓度分别为52.5、8.6μg/m3,是对照点OC(16.8μg/m3)、EC(2.9μg/m3)浓度的3.1和3.0倍;主城区总碳气溶胶(TCA)占PM10总浓度的比例均值为33.3%;无论是高污染城区点还是一般城区点,OC和EC浓度间的相关性均不显著;各样点OC/EC值均超过2,表明存在二次有机碳的贡献;初步估算主城区PM10中的二次有机碳浓度均值为39.6μg/m3,占PM10总浓度的16.1%左右。

大气气溶胶中有机碳和元素碳监测方法的进展

本文主要介绍和评述了近10年来大气气溶胶中的有机碳和元素碳的采样和分析技术的进展,引用参考文献41篇。

北京大气气溶胶中有机碳及可萃取有机卤素污染物

研究了2002年5月-2003年4月北京城区大气中PM2.5和PM10中有机碳(OC)及可萃取有机卤素污染物(EOX)的浓度．结果表明,PM10和PM2.5的年均值分别为172．8μg／m^3和110．9μg／m^3,分别是美国年均值标准(PM10,50μg／m^3：PM2.5,15μg／m^3)的3．5倍和7．4倍，说明污染相当严重；PM2.5与PM10中OC的月均浓度分别为9．1-33．9μg／m^3和13．1-46．2μg／m^3，冬季大气中OC的浓度最高，夏季最低；PM2.5中OC和EOX的百分含量高于PM10，细粒子更易于富集有机污染物：PM2.5和PM10中EOX的含量顺序为EOCI>>EOBr(EOI)，约有73％-88％和69％～91％的EOX为EOCl，大气中的有机卤素污染物主要为有机氯污染物；PM2.5中OC与EOX的含量变化趋势一致，细颗粒物中OC对EOX的含量起到了控制作用，PM10中OC对EOX的含量影响有限．

气溶胶有机碳元素碳基本特征研究的前沿动向

综述国外气溶胶有机碳(OC)和元素碳(EC)的五大特征(粒径分布、物质组成、时空分布、室内室外关系、排放源分析的)研究的进展;概述了国内OC、EC相关研究情况,展示了国内外OC、EC基本特征研究的发展重点和趋势。

北极楚科奇海海底表层沉积物有机碳的生物地球化学特征

1999年7月和2003年7月在北极科学考察中获取的楚科奇海海底表层沉积物有机碳质量分数的分析结果表明,楚科奇海海底表层沉积物有机碳平均质量分数约为1.41%,远高于我国东海和世界部分大陆架沉积物;有机碳/氮比值为8.69,反映了有机物以海洋自生为主的混合性来源;有机碳与有机氮之间显著相关(R=0.93);有机碳质量分数与粒度明显相关(R=0.71),细粒粘土质沉积物中的有机碳质量分数高于砂质沉积物的;在水深200m以内,有机碳质量分数随水深加大有一定的增加;有机碳质量分数与生源硅质量分数明显相关;有机碳质量分数随纬度变化较小。结合2次北极考察的实测结果,对楚科奇海海底表层沉积物中的有机碳来源进行了初步讨论,认为沉积有机碳埋葬可能主要取决于生物泵。

北京市室内外PM_(2.5)中有机碳和元素碳的分布特征

为了分析北京市室内外PM_(2.5)中有机碳和元素碳的分布特征,于2015年11月-2016年4月在北京市西城区室内、室外采样点同步采集PM_(2.5)样品,采用美国Sunset Lab Inc.碳分析仪分析PM_(2.5)中有机碳(Organic carbon,OC)、元素碳(Elemental carbon,EC)的质量浓度,讨论了灰霾和非霾天气下,PM_(2.5)、OC、EC以及二次有机碳的浓度水平、室内外相互关系以及季节分布特征。结果表明:非霾天气下,受室内源影响,室内OC质量浓度高于室外;冬、春季室内的OC在PM_(2.5)中占比均大于室外,室内源作用明显;北京市冬、春季二次有机碳占总有机碳的50%以上,冬季高于春季,室内高于室外,二次有机碳是北京市PM_(2.5)中碳质颗粒物的主要组成,污染严重,应受到重视。

西安市PM_(2.5)中有机碳和元素碳的时空分布

2010年1月、4月、7月和10月在市区4个点(省政府大楼、浐灞生态区、微电机厂、地环所)利用低流量采样器各分别采集2周的PM_(2.5)样品(24h),使用DRI Model 2001热光碳分析仪分析其有机碳(OC)和元素碳(EC)浓度。结果表明,西安PM_(2.5)年均浓度为167.2±11.7μg·m^(-3),达到国家最新PM_(2.5)年均标准(GB3095-2012:35μg·m^(-3))的5倍左右。空间上,采样点靠近城市中心区域(古城墙)越近,PM_(2.5)的含量越大;季节上呈现冬高夏低。4个采样点中EC1,EC2和EC3的百分含量曲线重合表明EC来源一致(源排放燃煤),而OC1,OC2,OC3和OC4峰值不一致表明OC来源多样,这一点也得到了OC和EC的良好相关性以及与气态污染物SO_2和NO_2相关性的验证。将OC与EC的观测数据与前人研究的年际数据和国内外代表性城市数据对比,OC/PM_(2.5)比例减少,而EC/PM_(2.5)比例却保持在5%左右,表明PM_(2.5)组分中含碳组分比例在下降。采用OC/EC最小比值法估算SOC的含量和百分比分别为11.9μg·m^(-3)和54.6%。

PM2.5中有机碳/元素碳测定探讨

概述了PM2.5中有机碳/元素碳(OC/EC)的分析方法应用进展,分析了滤膜样品攫取方式对测定结果的影响,探讨了IMPROVE-A法、NIOSH 5040法和Quartz法对OC/EC/TC测定结果的可比性。结果表明,IMPROVE-A法、NIOSH 5040法和Quartz法对TC的测定结果无显著性差异(tTC<t0.05(2)),NIOSH 5040法和Quartz法对OC/EC的测定结果也无显著性差异(tOC<t0.05(2),tEC<t0.05(2)),但IMPROVE-A法与NIOSH 5040法、Quartz法对OC/EC的测定结果均存在显著性差异(tOC>t0.01(2),tEC>t0.01(2))。鉴于OC/EC比值在颗粒物源解析中的重要意义,而目前国内外还未建立OC/EC的标准分析方法,由此提出在颗粒物源解析中规范OC/EC测定方法的迫切性。

大气微粒二次有机碳形成特性研究

悬浮微粒为空气污染主要项目之一,且PM1(气动直径小于1 μm之微粒)为引起呼吸道各种病变的最主要污染,因此了解大气环境悬浮微粒之来源与特性,是保护人民健康及空气品质的首要工作.本研究分别于高雄市小港(都会区)与台东县太麻里(郊区)进行大气悬浮微粒测定,量测大气悬浮微粒中PM1及PM10之质量浓度与分布,并利用元素分析仪分析微粒中之有机碳(organic carbon,OC)与元素碳(elemental carbon,EC)含量.分析研究期间所得样本结果显示,都会区PM1及PM10有机碳(OC)及元素碳(EC)之浓度均较郊区高,且OC浓度又比EC高;而郊区PM1及PM10之OC及EC之含量较都会区之含量高.若以最小比值估计法OCsec=OCtotal-(OC/EC)minxEC,可估算都会区大气微粒PM1及PM10有机碳成分中约有30.4%及33.0%,郊区之PM1及PM10有机碳成分中则约有40.1%及17.6%,为挥发性有机物气固相传输所形成之二次有机碳组成,结果显示较细微粒(PM1)二次有机碳之含量较高,且郊区大气中亦有相当比例之二次有机碳组成.

昌吉市典型区域PM_(2.5)中有机碳和元素碳污染特征分析

本研究分析PM_(2.5)中有机碳和元素碳的质量浓度变化特征,对昌吉市典型区域昌吉州环保局2016-01月至2017-01月采集的大气细颗粒物(PM_(2.5))样品,利用美国(Sunset Lab Inc)大气气溶胶元素碳与有机碳仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解昌吉市颗粒物污染现状,制定大气污染防治对策提供依据。结果表明:昌吉市OC和EC的质量浓度范围分别为0.13~46.71μg/m3和0.05~8.25μg/m^3,5月份质量浓度最小,EC的质量浓度月分布无明显变化,OC和EC最大浓度均出现在2月。OC的质量浓度季节变化特征呈现冬季>秋季>夏季>春季;EC的质量浓度季节变化特征呈现冬季>秋季>夏季>春季。在不同的季节,OC的浓度变化比较明显,EC排放相对稳定。对各季节OC、EC相关性分析中可以看出,昌吉市OC、EC相关性表现为夏季最强,春秋次之,表明昌吉市夏、春、秋OC、EC具有相似来源或大气扩散过程,主要来源于交通源机动车尾气的排放;冬季相关性较低,说明OC和EC来源复杂,冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂,大气污染可能受多种源共同影响。

天津市大气中PM10、PM2.5及其碳组分污染特征分析

2007年12月-2008年10月期间,分3个时段,设置2个点位,采集了天津市大气环境中PM10和PM2.5样品.用热光反射分析仪测定样品中的碳组分含量,并用OC/EC最小比值法估算二次有机碳（SOC）的浓度.结果表明,市区采样点颗粒物浓度高于郊区,2个采样点的颗粒物浓度变化趋势一致.5月份PM2.5/PM10比值最小,主要由于土壤风沙尘对PM10的贡献较大.PM10和PM2.5中的有机碳（OC）、元素碳（EC）浓度12月份最高,且变化趋势相同.OC占总碳（TC）比例较高,PM10中OC/TC为0.60-0.83,PM2.5中OC/TC为0.55-0.81.碳组分主要集中在PM2.5中,PM10中约有76%的OC存在于PM2.5中.12月份的SOC浓度最高,与12月份的气象条件和污染源排放等因素有关.

南京大气PM_(2.5)中碳组分观测分析

为了解南京地区大气细颗粒物及化学成分在灰霾期间的污染水平及可能来源,于2007年6月至2008年5月,采集PM_(2.5)样品,并测定了其中有机碳(OC)和元素碳(EC)的含量.并考察了有机碳和元素碳的季节变化特征,比较分析了南京地区灰霾与非灰霾期间含碳气溶胶的污染特征.结果显示,南京大气中PM_(2.5)、OC和EC浓度变化范围分别是12.1～287.1,2.6～47.0和1.0～33.6μg/m^3,其中夏季PM_(2.5)(109.6μg/m^3)和OC(20.8μg/m^3)的值在四个季度中最高,呈现出夏季>秋季>冬季>春季的季节变化特征;EC则具有秋季>春季>冬季>夏季的季节变化特征.霾日的OC、EC、总碳含量(TC)浓度及OC与EC比值分别是非霾日的2.0、1.8、1.9和1.7倍.后向轨迹分析表明,在有利的天气背景下,具有丰富水汽和污染物的混合气团最易使南京产生霾天气.

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM 2.5及PM 10样品采集,使用DRI分析OC(有机碳)与EC(元素碳)的质量浓度.结果表明:廊坊开发区冬季ρ(PM 2.5)、ρ(PM 10)分别为(54.5±46.0)(91.0±58.2)μg/m^3.PM 2.5中ρ(OC)、ρ(EC)分别为14.64、3.54μg/m^3,PM 10中分别为17.07、4.58μg/m^3;PM 2.5、PM 10中ρ(OC)与ρ(EC)相关性均较好,R^2均为0.91(P<0.01),表明二者具有相似的来源;在PM 2.5和PM 10中OC/EC〔ρ(OC)/ρ(EC),下同〕分别为4.46和4.16,ρ(SOC)(SOC为二次有机碳)分别为6.15和5.88μg/m 3,分别占ρ(OC)的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM 2.5与PM 10中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.

工程机械不同工况下PM2.5排放及其碳质组分特征

我国工程机械排放控制起步较晚.为研究实际工况下工程机械的PM2.5排放特性及其碳质组分构成,采用便携式颗粒物稀释采样系统,对3台工程机械（2台挖掘机和1台装载机）在不同典型工况（行驶、作业和怠速）下的PM2.5及其碳质组分〔OC（有机碳）和EC（元素碳）〕的现场排放特征进行了测试.结果表明：沃尔沃挖掘机、山河智能挖掘机的PM2.5排放因子（基于燃油）分别为1.85~3.26和1.56~2.62 g/kg,厦工装载机的PM2.5排放因子为0.98~1.48 g/kg.不同工况对PM2.5排放因子影响较大,怠速工况下PM2.5排放因子是行驶工况下的1.49~1.76倍.工程机械排放的PM2.5中,碳质组分是最主要的成分,其质量分数高达71.0%~84.5%.其中,w（OC）为44.6%~72.0%,在怠速工况下最高;w（EC）则为8.6%~30.9%,在行驶工况下较高.测试工程机械的PM2.5排放水平较高,因此应尽快加强工程机械排放的污染防治.

广州市住宅室内、外PM_(2.5)中碳污染来源解析

旨在对大气PM2.5中碳污染来源进行解析,以寻求科学合理的预防与污染控制对策.在广州市9个居民住宅的室内、室外同步采集了PM2.5样品,对PM2.5中有机碳(OC)、元素碳(EC)组分采用热光反射分析法(TOR)分析.IMPROVE-TOR法分析OC、EC的过程中,根据固定的温度梯级将OC和EC区分为8个组分(OC1、OC2、OC3、OC4、EC1、EC2、EC3和OPC).分析了广州市9个采样住宅夏、冬季室内和室外PM2.5中8个碳组分占总碳(TC)的平均丰度及其规律和启示.采用因子分析法对PM2.5中碳污染主要来源的定量贡献进行解析,找出广州市PM2.5中碳污染主要来源及其贡献率.采用简化模型,对室内OC、EC源对室内总碳的相对贡献率,室外OC、EC源对室内总碳的相对贡献率进行了定量化研究.

青藏高原雪冰中碳质气溶胶含量变化

文中采用供氧两步加热的方法对过滤到石英膜上的雪冰中碳质气溶胶含量进行分析,其中有机碳(OC)和元素碳(EC)分别在340和650℃的条件下进行热解、氧化分离,生成的CO2转化成CH4并由气相色谱仪氢火焰离子化检测器(FID)检测其含量。空白测试表明,该系统的OC本底值为(0·50±0·04)(1σ)μgC,EC为(0·38±0·04)(1σ)μgC。利用这套分析系统对青藏高原8条冰川的34个雪冰和降水样品中OC和EC的含量进行了测试。结果表明,在青藏高原雪冰中OC和EC含量自东向西、自北向南呈明显的下降趋势(西昆仑除外)。在高原东北部EC的质量分数相对较高,平均为79·2ng·g-1;在喜马拉雅西段EC的质量分数最低,平均为4·3ng·g-1。在冰川表面,雪的融化使雪冰中碳质气溶胶聚集,并导致其含量明显升高,该过程降低了雪表面的反照率,加速了冰川的消融。