天津市PM2.5组分污染特征与模型模拟对比

文章选用2015-2018年天津市复康路站点的长期连续PM2.5组分观测数据,分析了天津市的PM2.5主要组分污染特征,并分析了WRF/NAQPMS模型对天津市不同季节的PM2.5组分的模拟情况。研究发现天津市近年的PM2.5及其主要组分浓度整体在逐年下降,与2015年相比,2018年PM2.5、OM与EC分别下降了27%、30%与28%。Cl^-、F^-、NO3^-、NO2^-、SO4^2-等均有较大降幅,2018年与2015年相比分别下降了51%、72%、28%、54%与48%,但Ca^2+、Mg^2+、K^+浓度均有所上升,升幅分别是177%、170%与76%。这些组分浓度的变化表明燃烧源等人为源排放控制较好,沙尘等影响在加大。大部分PM2.5组分呈现冬季浓度最高,夏季浓度最低的季节变化规律,但Na^+与Ca^2+等离子在5-6月也出现了一个峰值,可能与沙尘或海风的影响相关;K^+离子在2月出现峰值,可能与烟花或生物质燃烧有关;硝酸盐与铵盐在3月出现了另一个峰值,可能与农业活动有关。总体上数值模式对天津市PM2.5及其主要组分模拟的结果比较理想,NAQPMS模式可以较好地模拟出NO3^-、OM、NH4^+、SO4^2-等的变化趋势与浓度水平,但对EC高估了约2倍,这可能主要由于清单对EC排放的估算过高导致。

济南市冬季大气重污染过程PM2.5数浓度谱和组分分布特征

为探究济南市冬季重污染过程的成因及影响因素,2019年12月1—31日在济南市生态环境监测中心站内利用PM2.5及其组分在线监测仪,获得PM2.5中矿物尘(KC)、微量元素(TE)、有机物(OM)和水溶性离子质量浓度以及PM2.5数浓度谱,分析监测时段内济南市两次重污染过程PM2.5组分质量浓度变化规律及不同粒径数浓度分布特征。结果表明,采样期间济南市出现了两次大气重污染过程,PM2.5平均质量浓度分别为134μg·m−3和112μg·m−3,其中日均最高质量浓度分别为204μg·m−3和155μg·m−3,小时最高质量浓度分别为265μg·m−3和245μg·m−3。重污染过程PM2.5化学组分中,质量浓度较高的均为NO3−、OM、SO42−和NH4+;两次污染过程均是NO3−先快速累积,随后OM和SO42−质量浓度快速增长至峰值。重污染过程的硫氧化率SOR和氮氧化率NOR分别为0.77—0.91和0.39—0.57,重污染天气体前体物的二次转化程度较高,使得SO42−和NO3−质量浓度迅速增长,导致PM2.5质量浓度升高加重污染。采样期间PM2.5粒径数浓度分布近似服从对数正态分布,PM2.5总粒子数浓度平均值为55156 cm−3,其中爱根核和积聚核模态数浓度占比较高;两次污染过程的PM2.5总粒子数浓度平均值分别为84825、69922 cm−3,是非污染天的1.9、1.6倍,爱根核模态数浓度是非污染天的2.1、1.7倍,对重污染过程贡献较大。重污染过程PM2.5质量浓度受湿度、风速、边界层高度(PBL)等气象因素的影响,结果显示济南市冬季边界层高度降低、风速减小等气象条件不利于污染物的扩散,同时湿度升高时又促进了气态污染物的二次转化,使得颗粒物质量浓度不断累积,导致重污染过程发生。

京津冀周边秸秆燃烧对PM2.5无机组分影响

华北平原是我国主要农作物产区,田间秸秆焚烧现象普遍存在,选取秋收季节(2014年10月)分析了秸秆燃烧的排放特征,利用区域化学传输模型WRF-Chem模拟研究了燃烧排放对气态前体物及其氧化产物的影响,以及最终导致的PM2.5中硫酸盐、硝酸盐和铵盐的变化。研究表明:2014年秋收季节,河南和山东等省份的秸秆燃烧排放会在东南风的输送作用下影响京津冀地区;秸秆燃烧排放大量挥发性有机物(VOCs),导致火点源及周边地区大气中主要氧化剂浓度上升,提升了区域大气氧化能力;当携带大量VOCs的秸秆燃烧烟羽与以化石燃料排放为主的城市气团相混合时,大气氧化性增强会加速城市地区人为源排放的NOx和SO2等气态前体物的氧化过程,提高硫酸盐和硝酸盐的形成速率、促进二次无机气溶胶的生成。

天津市2020年1季度新冠肺炎疫情发生前后PM2.5排放特征研究

本文针对2020年1季度新冠肺炎疫情发生前后,天津市PM2.5平均浓度变化情况进行了分析。结果表明,PM2.5平均浓度在2020年疫情期间显著下降,疫情期间钢铁企业的排放水平较其他行业明显偏高。此外,研究还发现2020年疫情期间EC颗粒的占比升高较为明显,可能与疫情期间采取的高速不收费政策有关。

我国中南地区典型城市区域PM2.5中水溶性离子的时空特征

水溶性离子作为PM2.5的重要组分之一,其质量占PM2.5的10%~50%,是PM2.5源解析需要关注的重要化学成分。水溶性离子包括水溶性无机阴离子(F^-、Cl^-、NO3^-、SO4^2-等)和阳离子(Na^+、K^+、NH4^+、Ca^2+、Mg^2+等),因此,了解PM2.5中水溶性离子构成及含量,研究不同的空间和所在季节的水溶性离子分布特征,对于判断PM2.5的来源和分析它可能对现在的环境和人体健康造成的危害具有十分重要的意义。

PM_(2.5)组分暴露对心血管代谢性疾病影响的研究进展

环境细颗粒物(Particulate matter 2.5,PM_(2.5))是一种复杂的空气污染物,由含碳组分、水溶性离子、无机元素和有机物等多种成分组成。这些物质对人类健康构成了极大的威胁,已经成为严重的公共卫生问题。研究表明,PM_(2.5)中的某些成分与心血管代谢性疾病(如高血压、糖尿病、冠心病、脑卒中等)的发病和死亡存在关联,但具体的致病机制尚未阐明,可能是由于不同地区的PM_(2.5)的组分不同,且不同的组分对心血管健康的影响效应不同所致。此文旨在探讨PM_(2.5)中不同组分的来源、潜在致病机制,并分析这些组分对心血管代谢性疾病的影响效应。同时,将讨论PM_(2.5)组分对心血管代谢性疾病影响效应研究的前景和局限性。通过这一研究,为后续PM_(2.5)组分与心血管代谢性疾病的影响效应研究提供线索,为PM_(2.5)防治政策的制定提供参考依据。

上海大气本底背景与高污染时段细颗粒化学组分特征分析

为探明上海大气细颗粒的本底背景含量及其化学组分来源转化等污染特征,于2010年9-11月期间采用MARGA ADI2080半连续气体气溶胶中可溶离子成分的在线分析仪等在线高分辨率观测手段开展在线连续观测,分析本市空气清洁环境下及污染事件中PM_（2.5）组分变化情况。结果表明：大气清洁背景下细颗粒呈弱碱性,PM_（2.5）中水溶性离子百分含量最高,为68%,其次是有机碳（OC）和元素碳（EC）。水溶性离子中SO_4^（2-）、NO_3^-、NH_4~＋百分含量最高,占66%。三者之间及与PM_（2.5）相关性较强,推测上海大气细颗粒中水溶性离子主要以（NH_4）_2SO_4、NH_4HSO_4和NH_4NO_3形式存在。硫氧化率（SOR）与氮氧化率（NOR）分别为0.445、0.098,SO_2与NO_2向SO_4^（2-）、NO_3^-转化过程以水相异质反应为主。上海大气细颗粒污染受流动源影响越来越显著,但仍以工业固定源排放为主。在2次高污染时段中,10月15-17日细颗粒污染期间水溶性无机盐浓度与百分含量均上升,OC和EC浓度上升而百分含量下降。11月12-14日沙尘污染期间水溶性无机盐与OC、EC浓度上升但百分含量下降,细颗粒中未知离子质量占58%。2次污染过程的形成机制与污染特征存在很大不同。

“2+26”城市一次污染过程PM2.5化学组分和来源解析研究

"2+26"城市颗粒物污染严重,城市间相互影响显著,开展该区域大气颗粒物组分特征及来源解析的研究,能够为大气污染精细化管控及城市间协同控制提供科学支撑.本文对"2+26"城市2016年12月16-23日一次颗粒物污染过程中的PM2.5组分数据进行了分析,使用空气质量模式CAMx-PSAT对PM2.5的来源进行了解析.结果表明,本次污染过程中阳泉的PM2.5最高日均浓度为137μg·m^-3,达到中度污染;长治、太原和滨州的PM2.5最高日均浓度分别为235、188、226μg·m^-3,达到重度污染;其余城市的PM2.5最高日均浓度值超过250μg·m^-3,达到严重污染.PM2.5中含量最多的4种组分为OC、NO3^-、SO4^2-、NH+4,平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%,NO3^-的占比高于SO4^2-;Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素的富集因子大于100,主要来自于人为排放,部分城市的Cd和As元素浓度超标,所有城市的Cr元素浓度均超标;各城市的OC/EC比值为4.96~11.60,说明有明显的二次有机颗粒物生成.模拟结果显示,PM2.5本地排放贡献为10%~47%,外地贡献为15%~68%,"2+26"城市以外区域的贡献为14%~53%;民用源、工业源、农业源、交通源、电力源的贡献分别为43.70%±5.94%、29.29%±4.93%、9.68%±1.09%、9.19%±1.69%、6.27%±1.37%.本研究表明,针对颗粒物主要组分OC、NO3^-、SO4^2-、NH+4的前体物,开展民用源和工业源的减排及城市间的协同控制,才有可能达到理想的区域PM2.5控制效果.

基于大气超级站观测的2017年5月北京市沙尘天气过程分析

结合常规污染物监测、PM_(2.5)化学组分监测、激光雷达监测和颗粒物数浓度及粒径监测等手段,对2017年5月影响北京市的一次沙尘天气过程进行分析。结果表明:5月4日凌晨起沙尘天气开始影响北京市,延庆、官园和通州3个站点PM10峰值浓度分别为2 091、2 245、2 590μg/m^3,体现了该次沙尘天气影响程度之重。PM_(2.5)浓度与PM_(10)变化一致,也达到重度污染的水平。沙尘天气移动路径是沿着区域西北至东南方向。沙尘天气主体从3 km左右的高空进入北京市,随后逐渐渗透至1 km高度以及地面,且沙尘层厚度较高,覆盖了地面至3 km的高度。沙尘天气过程中OM和Ca^(2+)组分增幅最大。在沙尘天气影响严重时间段,沙尘天气源与生物质燃烧源比例之和大于50%,最高值为67.6%。沙尘天气过程中颗粒物峰值粒径为0.965~1.037μm。

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_(2.5)化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_(2.5)浓度变化趋势和峰值出现时间较为一致;大部分时段PM_(2.5)中NO_3^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_(2.5)浓度与气象要素和各化学组分的相关性分析的结果均表明:区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM 2.5)分别为(165.63±110.89)(247.67±95.22)μg/m^3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO4^2-、NO^3-、NH^4+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM 2.5)分别上升18.81、29.85μg/m^3,PBLH下降是导致两城市ρ(PM 2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM 2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM 2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.

西安市秋季大气颗粒物散射特征及其影响因素

为研究污染条件下西安市秋季大气颗粒物的散射特征及其影响因素,于2012年11月监测大气颗粒物散射系数并采集PM2.5样品。探讨了大气颗粒物的散射日变化特征,通过实验分析PM2.5中水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、F-、Cl-、NO-3和SO2-4)和含碳物质(有机碳和元素碳)的污染水平,并讨论它们的来源及对散射系数的影响。结果表明,颗粒物的散射系数均值为(579±387)Mm-1,夜间高日间低。PM2.5质量浓度与散射系数呈现出较强的线性关系(相关系数为0.85),通过回归方程得到PM2.5散射效率为3.09 m2·g-1。在PM2.5化学组分中,有机物对消光系数的贡献最大,占52.3%;其次是NH4NO3和(NH4)2SO4,贡献率分别为16.2%和13.7%。