阳泉市秋冬季PM_(2.5)水溶性离子污染特征及来源分析

于2017年10月15日~12月23日采集了阳泉市PM_(2.5)样品,使用离子色谱法分析了样品中水溶性离子组分,并利用相关性分析、正定矩阵因子分析法(PMF)及潜在源贡献因子分析法(PSCF)等方法对PM_(2.5)中水溶性离子组分污染特征及来源进行分析。结果表明,采样期间水溶性离子总质量浓度为(22.41±11.53)μg/m^(3),占ρ(PM_(2.5))的34.1%,在污染天气下NH4+、NO_(3)-和SO_(4)^(2-)(三者合称SNA)在水溶性离子中的占比为81%,远高于清洁天(62%),而Ca^(2+)、Mg^(2+)、Cl^(-)、K^(+)在污染天气下占比明显下降,污染天气二次无机离子污染较为严重。污染天气下硫氧化速率(SOR)(0.17)和氮氧化速率(NOR)(0.13)明显高于清洁天气SOR(0.11)和NOR(0.06),污染天气二次无机离子转化程度更高。主要污染源对水溶性离子的贡献分别为二次转化(37.4%)、燃烧源(38.2%)及扬尘源(24.4%),其中污染天气下燃烧源和扬尘源对水溶性离子贡献降低,二次转化贡献增加。潜在源区分析表明,SNA主要受到来自东北部和南部地区污染气团短距离传输的影响。

淮安市涟水县春季PM_(2.5)污染特征及来源解析

为管控华南地区春季常出现的细颗粒物(PM_(2.5))污染情况,对江苏省淮安市涟水县的涟缘水务站点进行了大气PM_(2.5)的采集,以及污染特征和来源解析。结果显示,在采样期间,硝酸盐是PM_(2.5)主要的化学组分;有机碳(OC)和元素碳(EC)来源较一致,以一次排放为主,受站点周边近距离燃烧源的影响较大;沙尘天主导时段,地壳元素对PM_(2.5)浓度有较大影响,远高于其他时段;PM_(2.5)浓度相对高值天时段,SNA(硝酸盐、铵盐、硫酸盐)等二次离子组分的占比明显上升。

2016年北京市某城区采暖季PM_(2.5)中PAHs的污染特征及来源分析

目的分析2016年北京市某城区采暖季重污染与非重污天气过程PM_(2.5)中PAHs的污染特征,并对PAHs的污染来源进行初步识别。方法2016年12月30日—2017年2月9日连续采集42 d PM_(2.5)样品,采用高效液相色谱法测定PAHs水平,分析比较重污染与非重污染天气过程PAHs的污染特征,采用特征比值法对PAHs的污染来源进行初步识别。结果采样期间PM_(2.5)及其PAHs质量浓度M(P_(25),P_(75))为78.23(50.05,218.93)μg/m^(3)和58.06(25.23,112.13)ng/m^(3);重污染天气过程的PM_(2.5)及PAHs质量浓度中位数分别是非重污染天气过程的3.94倍和2.89倍;无论是重污染还是非重污染天气过程,单体PAHs中占比最高的均为荧蒽、苯并b荧蒽和芘,累积占比达50%,其次是Ba P,占比为10%;4环PAHs占比最高(50.5%±9.2%),其次是5环PAHs(34.5%±7.2%),6环PAHs(15.0%±3.7%)最低。重污染与非重污染天气过程单体和环数占比分布变化不大。4环PAHs/(5环PAHs+6环PAHs)、Ba P/Bghi P、Ind/(Ind+Bghi P)、Fl T/(Fl T+Pyr)和Ba A/(Ba A+Chr)的均值分别为1.08、1.56、0.53、0.58和0.49,提示PAHs污染主要来自本地污染源,煤/生物质燃烧源和交通源为主要污染来源。结论2016年北京市某城区采暖季PAHs污染水平仍处于较高水平,燃煤和机动车尾气是其主要来源,建议周边居民出行应做好个人健康防护。

典型重工业城市PM_(2.5)化学组成特征及来源解析

通过实时高分辨率在线监测2019年邯郸市城区PM_(2.5)中碳组分和水溶性无机离子的质量浓度,分析研究了2019年全年邯郸市PM_(2.5)组分的变化特征和不同污染情景下PM_(2.5)组分的变化规律,同时采用正定矩阵因子分解模型和后向轨迹模型探究了PM_(2.5)及其组分的来源.结果表明:研究期间邯郸市PM_(2.5)中OC和EC的月变化和日变化特征相似.水溶性无机离子的季节变化特征为冬季>秋季>春季>夏季,NO_(3)-、SO_(4)^(2-)和NH_(4)^(+)是PM_(2.5)中主要的水溶性无机离子组分,在四个季节均与PM_(2.5)有较强的相关性.邯郸市PM_(2.5)呈弱碱性,NH4+主要以(NH_(4))_(2)SO_(4)、NH_(4)NO_(3)和NH_(4)Cl的形式存在.OC、EC和二次无机离子在PM_(2.5)污染日和O_(3)污染日有所增加.冬季污染加重时,碳组分和水溶性离子质量浓度随PM_(2.5)的增加而升高,OC和EC占比下降,SO_(4)^(2-)和NO_(3)-占比升高,且SOR和NOR也逐渐增加.PMF分析结果表明二次源,机动车源和燃烧源是邯郸市大气颗粒物污染的主要来源.后向轨迹结果表明邯郸市主要受到河南北部,山东西北部,山西中部和河北南部传输影响.该研究将会为重工业城市大气污染防治提供重要的科学理论依据.

城市大气环境中PM_(2.5)污染控制研究

空气质量的好坏与人体健康息息相关。近年来,我国许多城市遭遇雾霾天气,作为雾霾的成因之一,细颗粒物(PM_(2.5))是主要污染物。本文结合PM_(2.5)的来源及危害,论述我国PM_(2.5)污染治理现状,分析某城市大气环境的PM_(2.5)污染特征,提出相应的PM_(2.5)污染治理措施,以期有效治理大气污染。

张家界市大气PM_(2.5)碳组分污染特征及来源分析

为研究张家界市PM_(2.5)中碳组分的污染特征及来源,于2017年11月至2018年7月在4个季度典型时段进行了大气PM_(2.5)样品采集,综合分析了碳组分浓度水平和组成成分,并识别了其来源.结果表明,观测期间张家界市城区PM_(2.5)质量浓度平均值为(45.60±25.48)μg/m^(3),OC、EC分别占PM_(2.5)总质量的16.73%、4.55%;OC/EC比值及OC、EC相关性分析表明:张家界市大气存在较为明显的二次有机污染,春、夏季尤为突出.根据OC/EC最小比值法估算得到区域SOC年均值为2.92μg/m^(3),占OC的38.42%.结合8类碳组分组成特征及主成分分析结果发现,张家界市PM_(2.5)中碳组分受机动车、道路扬尘、燃煤的污染影响突出.

十四运期间渭南市PM_(2.5)中无机元素来源解析及健康风险评估

利用Amms-100大气重金属分析仪在线数据,结合正交矩阵因子法(PMF)对渭南市在中华人民共和国第十四届运动会(十四运)期间细颗粒物(PM_(2.5))中的14种无机元素的污染特征及来源进行分析。结果表明,总元素的平均质量浓度十四运前(2.4μg/m^(3))>十四运后(2.2μg/m^(3))>十四运期间(1.3μg/m^(3))。表征扬尘的元素昼夜变幅在十四运期间远高于其他时段;铅(Pb)的峰值与交通早晚高峰时间一致,其日间变幅在中期较为平缓,表明十四运期间扬尘源和交通源的控制效果显著;钾(K)在夜间浓度较高可能与站点东北方向聚集的村庄生物质燃烧有关。PMF结果显示,监测期间渭南市PM_(2.5)中无机元素主要来源于扬尘源(45.2%)、燃烧源(34.5%)、交通源(12.0%)和工业源(8.3%)。健康风险评价模型结果显示,所有时段中不同来源的非致癌风险的危险商(HQ)均小于1,但在不同时段中锰(Mn)对儿童的HQ最高,且砷(As)对儿童存在致癌风险。

2018年成都市PM_(2.5)中水溶性无机离子污染特征及来源解析

为了探究成都市PM_(2.5)水溶性无机离子的污染特征与来源贡献,于2018年1月1日—12月31日利用高分辨率的MARGA对PM_(2.5)组分展开在线监测,结合同一点位的气态污染物、气象参数监测数据进行分析.结果表明,水溶性无机离子与PM_(2.5)具有相同的月变化趋势,水溶性无机离子月均浓度为10.35-39.60μg·m^(-3),在PM_(2.5)中的占比为31%—51%,水溶性无机离子是PM_(2.5)的重要组成部分.NO_(3)^(-)在水溶性无机离子中月均占比以12月最高,8月最低,SO_(4)^(2-)刚好与之相反.大气长期处于富氨状态,二次离子主要以(NH_(4))_(2)SO_(4)、NH_(4)NO_(3)、NH_(4)Cl的形式存在,SOR在冬季12月与夏季8月分别出现高值0.61与0.5,但NOR只在冬季出现高值且均低于SOR,SO_(2)的二次转化率更高,且两者受到的影响因素不同.通过对不同污染水平及不同湿度下水溶性无机离子的污染特征分析发现在污染加重或湿度增大时,NO_(3)^(-)在水溶性无机离子中的占比最高且上升趋势明显,SO_(4)^(2-)在水溶性无机离子中占比却出现了不同程度的下降,结合离子的存在形式及二次转化特点分析发现有大量的NO_(3)^(-)生成,同时与NH_(4)^(+)结合生成二次无机盐使颗粒物浓度升高.利用PMF模型解析发现成都市的水溶性无机离子主要来源为机动车排放源、化石燃料燃烧源、生物质燃烧源以及扬尘源.

华南沿海城市PM_(2.5)污染特征及来源解析

基于2017年12月25日至2018年1月16日1 h时间分辨率的在线监测数据,对华南沿海城市——阳江市的大气PM_(2.5)质量浓度、化学组分和来源进行了分析.结果表明,采样时段阳江市PM_(2.5)中主要化学组分为OM、NO_(3)^(-)、SO_(4)^(2-)、NH_(4)^(+)和EC,质量浓度占比分别为32.75%、25.59%、16.41%、12.37%和4.82%.相比清洁过程,两次污染过程期间NO_(3)^(-)质量浓度均为清洁过程时段的6倍以上,增量明显高于其他组分,占比则均为清洁过程时段的2倍以上,分别占29.38%和30.81%.PMF解析结果表明,二次转化源是最主要的源,其分担率高达51.41%,其中NO_(x)二次转化源分担27.18%,是阳江市PM_(2.5)分担率最大的二次转化源.首要的一次排放源是机动车源(15.11%).污染过程期间NO_(x)二次转化源的分担率显著提升,从11.85%分别增至33.15%和36.96%,是阳江市大气PM_(2.5)污染形成的主要原因.本研究表明阳江市冬季PM_(2.5)污染特征已类似于大型和特大城市,即面临严峻的二次污染,应着重加强对硝酸盐的防治,同时注重机动车管控.

广州不同站点类型PM_(2.5)与O_(3)污染特征及相互作用

基于2015~2019年广州4个不同国控站点类型的大气污染物监测数据,研究了广州各站点类型颗粒物(PM_(2.5))和臭氧(O_(3))的污染特征,并分析了O_(3)污染季节和PM_(2.5)污染季节PM_(2.5)和O_(3)的相关性及相互作用.结果表明:2015~2019年广州各站点类型PM_(2.5)浓度总体呈下降趋势,O_(3)浓度呈上升趋势.不同污染季节PM_(2.5)与O_(3)浓度均呈正相关.O_(3)污染季节二次PM_(2.5)的生成对颗粒物的影响显著大于一次PM_(2.5),随着光化学水平的升高,一次PM_(2.5)的贡献浓度基本不变(均在21.03~31.37μg/m^(3)范围内),贡献率逐渐下降;而二次PM_(2.5)的贡献浓度逐渐升高(3.51~7.72μg/m^(3)升高到16.04~18.45μg/m^(3)),贡献率也逐渐升高(11%~27%升高到34%~44%),且呈倍数增加.不同站点类型贡献差异明显,背景站点二次PM_(2.5)的贡献最大,城区站点在中和高光化学水平下二次PM_(2.5)的贡献最小;PM_(2.5)污染季节各站点类型在不同PM_(2.5)污染水平下O_(3)浓度均具有差异性,总体上均呈现背景站点>郊区站点>城区站点的特点.气溶胶的消光作用和非均相反应均显著促进O_(3)生成,随着PM_(2.5)浓度升高,各站点类型的O_(3)浓度峰值逐渐升高,由62.12~83.82μg/m^(3)升高到92.49~135.4μg/m^(3);O_(3)变化率峰值也逐渐升高,由8.42~10.02μg/(m3⋅h)升高到21.33~27.04μg/(m3⋅h).进一步促进了广州PM_(2.5)和O_(3)浓度的协同增长.

郑州市金水区冬季大气PM_(2.5)污染特征及来源解析

为探究郑州市金水区冬季PM_(2.5)污染特征及来源贡献,采用离线采样法对金水区大气中银行学校和郑纺机两站点的PM_(2.5)进行了采集,通过颗粒物分析仪解析PM_(2.5)的组分构成,并重点采用正交矩阵因子(PMF)模型和多尺度空气质量(CMAQ)模型分析评估了PM_(2.5)的来源及输送贡献。结果表明,银行学校和郑纺机站点中水溶性离子(WSIIs)浓度分别占PM_(2.5)浓度的46.4%和44.8%,金属元素组分浓度分别占17.2%和14.3%。富集因子(EF)及比值分析显示,两站点需重点关注燃煤源和机动车源的影响。PMF源解析显示,金水区两站点中对PM_(2.5)的浓度贡献污染源主要是机动车源、扬尘源及燃煤源。CMAQ模型模拟结果显示,金水区两站点中PM_(2.5)的主要来自金水区自身的排放,贡献占比高达43%以上,其次为金水区的北部、西部和南部区域。研究显示,在加强本地PM_(2.5)污染管控的同时,需要考虑北部、西部及南部区域以及郑州市周边地区的区域联防联控。

镇江PM_(2.5)一次污染来源分析

2018年10月23—25日,长三角地区出现较严重空气污染事件,镇江为轻中度污染,首要污染物为PM_(2.5)。分析雷达监测数据、PSCF,潜在源,结果显示,此次污染属于外来传输、局地内源累积、不利气象条件共同作用。

青岛市城区沿海区域PM_(2.5)污染变化特征和来源解析

为了研究青岛市城区沿海区域PM_(2.5)主要来源与各排放源对PM_(2.5)的贡献,于2020年在青岛市城区沿海区域设置2个监测点位,采集了不同季节环境受体中PM_(2.5)样品和源样品。基于大气自动监测数据对PM_(2.5)污染变化特征进行分析,结合本研究获取的颗粒物化学组分数据,综合运用受体模型、源排放清单和空气质量模型等方法解析了沿海区域不同季节及全年的环境空气中PM_(2.5)来源解析结果,结果表明:(1)冬季PM_(2.5)浓度最高,全年高浓度的PM_(2.5)主要集中在1-2月;(2)PM_(2.5)具有明显的日变化趋势,分别在9时和18时出现峰值和谷值;(3)扬尘、机动车及燃煤是PM_(2.5)主要的贡献源类,分担率分别为30.2%、23.1%及19.7%。

沈阳市环境空气中PM_(2.5)中水溶性离子的污染特征与来源分析

采用离子色谱法测定了2021年6月至2022年5月沈阳市9种水溶性离子F^(-)、Cl^(-)、NO_(3)^(-)、SO_(4)^(2-)、Na^(+)、NH_(4)^(+)、K^(+)、Mg^(2+)、Ca^(2+)的月度、季节污染特征。采用主成分分析法对4个季节中PM_(2.5)的来源进行了分析。结果表明:采样期间沈阳市环境空气中PM_(2.5)平均质量浓度为35μg/m^(3),总水溶性离子平均浓度为14.1μg/m^(3),其中二次离子SNA(SO_(4)^(2-)、NO_(3)^(-)、NH_(4)^(+))是最重要的水溶性离子,占总水溶性无机离子的比例为82.4%。春、秋、冬季以燃煤源、生物质燃烧源为主,夏季以工业、农业排放占比最大。

太原市冬季PM_(2.5)中水溶性离子污染特征及来源分析

为研究太原市冬季PM_(2.5)中水溶性离子的污染特征,利用高分辨率MARGA对2021年1月太原市PM_(2.5)中的水溶性离子展开为期11 d的连续监测。结果表明,PM_(2.5)的平均质量浓度为76.8356μg/m^(3),略高于环境空气质量标准(GB 3059-2012)日均质量浓度限值75μg/m_(3)。SO_(4)^(2-)、NO_(3)^(-)和NH_(4)^(+)依然是PM_(2.5)中主导的3种水溶性离子,在PM_(2.5)中的占比为34.9%。研究不同污染等级下水溶性离子的污染特征发现,随着污染等级的升高,PM_(2.5)中水溶性离子的浓度也随之升高,硫转化率(SOR)和氮转化率(NOR)也逐渐上升。主成分分析结果表明,观测期间太原市PM_(2.5)中水溶性离子主要受二次转化、燃煤源、工业排放与土壤或建筑扬尘的影响。

镇江市一次典型污染过程PM_(2.5)组分特征及来源解析

为研究镇江市冬季大气重污染过程特征,以2020年12月11~14日发生的一次典型污染过程为例,从污染过程、气象条件、颗粒物化学组分及源解析结果等角度综合分析了此次重污染过程的特征和成因。结果表明:此次污染期间颗粒物浓度增加显著,首要污染物是PM_(2.5),污染期间气象条件趋于静稳,风力小,不利于污染物的扩散,且存在西北外部传输气团的影响。镇江市4个国控站PM_(2.5)浓度变化曲线大体一致,其中新区办事处站点对全市的PM_(2.5)浓度贡献最大。PM_(2.5)共解析出5个主要污染源,分别为:机动车尾气和工业源、扬尘源、二次源、燃煤源和生物质燃烧,其中二次源对镇江市PM_(2.5)浓度贡献最大。

基于SPAMS的典型污染天气PM_(2.5)来源解析

利用单颗粒气溶胶质谱仪(SPAMS)对泉州市典型污染天气的PM_(2.5)进行快速来源解析。结果表明,二次无机源(21.2%)为首要污染源,其次为燃煤(19.1%)、机动车尾气(18.2%)和生物质燃烧(11.0%)。受春节烟花爆竹大量燃放和静稳不利气象条件的双重影响,泉州市于研究时段内出现三个典型的PM_(2.5)污染过程。PM_(2.5)污染主要受颗粒物二次反应的影响,烟花源的贡献明显高于其他污染源,建议泉州市春节期间重点加强对燃放烟花爆竹的管控。

汾渭平原秋冬季PM_(2.5)化学组分特征及其来源

汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域.本研究针对汾渭平原11城市开展PM_(2.5)化学组分连续观测,分析PM_(2.5)浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM_(2.5)污染来源.结果表明:(1)2018—2019年秋冬季汾渭平原11城市ρ(PM_(2.5))平均值为(101.4±65.4)μg/m^(3),是京津冀及周边地区“2+26”城市的1.1倍.临汾市ρ(PM_(2.5))最高(216.8μg/m^(3)),是汾渭平原的2.1倍.(2)2018—2019年秋冬季汾渭平原PM_(2.5)的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍.(3)受污染物排放、气象条件以及地理位置的影响,汾渭平原PM_(2.5)中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性.(4)随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM_(2.5)中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果.(5)重污染过程期间,相对湿度增加、风速减小是影响PM_(2.5)浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM_(2.5)浓度上升的重要原因,二次源和燃烧源是PM_(2.5)的主要来源.研究显示,汾渭平原秋冬季PM_(2.5)污染较重,尤其需要关注燃烧源的管控.

杭州秋冬季PM_(2.5)污染特征分析

为研究杭州PM_(2.5)污染来源特征,利用2013—2019年杭州市PM_(2.5)监测数据和气象观测数据,分析了杭州市2013—2019年PM_(2.5)浓度变化,选取本地积累型和输入型2种PM_(2.5)污染过程,结合单颗粒气溶胶飞行时间质谱仪(SPAMS)和在线离子色谱数据,探讨杭州市PM_(2.5)化学组分和污染来源。结果表明:每年秋冬季(11月至次年3月)杭州以东北风、西北风及偏南风为主,风速低于4 m/s时,大气扩散条件差,受本地污染物积累影响,PM_(2.5)浓度容易出现超标;风速较大且为东北风和西北风时,受上游污染输入影响,易出现PM_(2.5)重度污染。本地积累型和输入型案例中,PM_(2.5)化学组分中占比最大的为NO^(-)_(3)、SO^(2-)_(4)和NH+4;PM_(2.5)浓度上升过程中,二次NO^(-)_(3)和SO^(2-)_(4)转换率明显上升,其中NO^(-)_(3)上升更为显著,二次气溶胶污染严重。2次案例中,PM_(2.5)来源贡献占比前3位均为机动车尾气源、燃煤源和工业工艺源,其中本地积累型PM_(2.5)浓度上升阶段,机动车尾气源占比会明显上升;输入型案例中,输入阶段机动车尾气源占比显著上升,燃煤源贡献也小幅上升。

济南都市圈PM_(2.5)来源贡献分析

基于CAMx模型的PSAT颗粒物源示踪技术,对2016年济南都市圈PM_(2.5)污染、区域传输规律及行业贡献进行了定量分析。结果表明:从PM_(2.5)年均来源贡献率看,济南市本地排放约占50%,来自济南都市圈总贡献率约占75%。圈内城市间相互贡献明显,最高达13%。夏季,本地贡献最大,区域传输中鲁东地区对研究区域影响最高,为24%;受冬季季风影响,来自京津冀方向的区域传输增多,最高达24%。目前,对济南都市圈PM_(2.5)贡献较大的污染源为工业锅炉、钢铁、扬尘源、化工、冶金、建材行业和机动车,有针对性地削减上述污染源排放,可达到快速、有效降低PM_(2.5)浓度的目的。