北京城区PM_(2.5)不同组分构成特征及其对大气消光系数的贡献

为研究北京城区PM2.5不同组分对大气消光系数的贡献率,于2013年10月—2014年8月使用3台PQ200采样器在北京市环境保护科学研究院采集PM2.5样品并进行质量重建,采用IMPROVE方程计算大气消光系数并分析各组分的贡献率.结果表明:1北京城区ρ(PM2.5)年均值为(90.3±8.1)μg/m3,相比2005年有所下降,颗粒物呈弱碱性,NH4+略有剩余.2PM2.5质量重建后,化学构成为OM〔32.1%,为ρ(OM)占ρ(PM2.5)比例,下同〕、NO3-(13.6%)、SO42-(13.9%)、NH4+(11.1%)、Cl-(3.8%)、其他离子(4.0%)、EC(元素碳,5.0%)、FS(土壤尘,8.9%)、微量元素(1.3%)和未知物质(6.7%);与2005年相比,OM、NO3-、NH4+等二次污染物质量浓度占ρ(PM2.5)比例均显著增加,ρ(水溶性离子)占ρ(PM2.5)的比例随空气污染加重而增加.3北京城区大气消光系数年均值为(504.6±49.3)Mm-1,OM、(NH4)2SO4、NH4NO3、EC和FS的贡献率分别为37.5%、28.3%、25.2%、7.6%和1.4%;冬季由于ρ(PM2.5)高,大气消光系数最高,为(589±124.3)Mm-1,约是春季的2倍;夏季由于相对湿度大,PM2.5吸湿粒径增大,大气消光系数仅次于冬季.OM对大气消光系数贡献率为冬季最高,而(NH4)2SO4的贡献率在冬夏季均大于NH4NO3.     

成都冬季PM_(2.5)化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM2.5进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度。观测期间,PM2.5的平均质量浓度为(127.1±59.9)μg·m-3;总水溶性离子的质量浓度为(56.5±25.7)μg·m-3,其中SO42-、NO3-和NH4+是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m-3,一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m-3和6.1μg·m-3,分别占PM2.5质量浓度的26.8%和4.8%。昼夜污染对比显示,PM2.5白天和夜晚质量浓度分别为(120.4±56.4)μg·m-3和(133.8±64.0)μg·m-3,夜间污染更为严重。SO42-、NO3-和NH4+白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响。通过对近年来成都冬季PM2.5化学组分的研究进行文献总结和比较后发现,SO42-浓度显著降低,从2010年的50.6μg·m-3降低到2017年的13.6μg·m-3;而NO3-浓度变化不大,维持在20μg·m-3左右。PM2.5中离子酸碱平衡分析表明,成都冬季PM2.5由于NH4+的相对过盛而呈现出碱性,与以往呈偏酸性结果存在差异。对成都冬季NO3-/SO42-的比值进行计算,NO3-/SO42-平均值为1.57,表明移动源对PM2.5污染影响更大。OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性。SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m-3和11.9μg·m-3,占到OC的28.1%和31.8%。K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响。主成份分析表明,成都冬季PM2.5主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%。     

天津2009年3月气溶胶化学组成及其消光特性研究

2009年3月,采集天津城区PM10和PM2.5样品,分析其中的水溶性无机离子、有机碳(OC)和元素碳(EC),并估算其二次有机碳(SOC)浓度及消光系数.结果表明,天津城区PM10和PM2.5污染严重,水溶性无机离子和含碳物质在PM10中的比例为24.8%和10.0%,在PM2.5中的比例为26.6%和13.9%;SO42-、NO3-和Ca2+是主要的无机离子,霾日天气有利于SO2和NO2向硫酸盐和硝酸盐的二次转化;通过OC/EC最小比值法估算SOC的浓度,表明SOC与OC的比值分别为38%(PM10)和24%(PM2.5),霾日天气有利于SOC生成;二次离子(SO42-,NO3-和NH4+)、粗粒子、OC和EC是大气消光的主要贡献者,其消光贡献比例分别为33.1%, 22.6%,22.0%和15.6% 采用化学组分和相对湿度可以较好的拟合大气消光系数及大气能见度.     

典型砖窑烟气污染物排放特征研究

应用烟气采样测试系统对5座典型轮窑进行现场采样测试,实时测量得到烟气污染物(PM2.5、SO2、NOx、CO和CO2)瞬时排放浓度,采集细颗粒物(PM2.5)和挥发性有机物(VOCs)并对其组分进行离线分析。结果表明,测试轮窑烟气中PM2.5、SO2和NOx平均排放浓度分别为(153±77)、(712±382)和(934±610)mg/m3,与《砖瓦工业大气污染物排放标准》(GB 29620-2013)中限值相比超标严重,结合产能估算得到PM2.5、SO2和NOx排放因子分别为0.05、0.31和0.31 g/kg砖;PM2.5中,水溶性离子主要为SO42-、NH4+和Ca2+,其中SO42-占阴离子的63%,NH4+和Ca2+占阳离子的30%和29%;OC/EC比值为2.0;对VOCs进行组分分析,共检测出29种组分,其中烷烃、芳香烃所占比例较大,分别为52%和35%。     

北京及周边地区夏季PM2.5中含碳组分污染特征与来源解析

为研究《打赢蓝天保卫战三年行动计划》等政策实施后北京及其周边区域夏季环境PM_2.5含碳组分特征及来源,2019年7月分别在北京城区与河北郊区的2个站点同步连续采集大气PM_2.5样品,利用热光碳分析仪分别测定了有机碳(OC)和元素碳(EC)及其组分的质量浓度;通过最小OC/EC比值法、最小相关系数法估算了二次有机碳(SOC)浓度;利用主成分分析、后向轨迹分析等方法探究了含碳气溶胶的来源。结果表明:夏季北京城区PM_2.5中ρ(OC)和ρ(EC)平均分别为(6.34±0.64),(1.96±0.29)μg/m3,分别占ρ(PM_2.5)的18.65%和5.78%;河北郊区PM_2.5中ρ(OC)与ρ(EC)平均分别为(6.29±0.79),(3.54±0.63)μg/m3,分别占ρ(PM_2.5)的17.69%和9.53%。2种方法估算出北京城区的ρ(SOC)分别为(3.35±0.59),3.98μg/m3,分别占ρ(OC)的(51.77±6.97)%和68.48%;河北郊区的ρ(SOC)分别为(3.28±0.69),4.17μg/m3,分别占ρ(OC)的(62.42±9.62)%和68.32%。此外,夏季北京城区与河北郊区均存在较为严重的二次污染;北京城区含碳组分主要污染源是混合机动车排放、道路扬尘及燃烧源;而工业燃煤排放、机动车尾气及扬尘是河北郊区含碳组分的主要污染源。后向轨迹分析发现,夏季气团轨迹主要来自东南、西南及偏南方向,且对北京城区与河北郊区2个区域PM_2.5中碳组分的影响较大。     

杭州市冬季环境空气PM2.5中碳组分污染特征及来源

为研究杭州市PM_2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM_2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳（OC）、元素碳（EC）、二次有机碳（SOC）的平均质量浓度分别为（23.7±7.5）（5.0±2.4）和（9.2±4.5）μg/m3,OC/EC[ρ（OC）/ρ（EC）]和SOC/OC[ρ（SOC）/ρ（OC）]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ（OC）、ρ（EC）、ρ（SOC）和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ（OC）和ρ（EC）的日均值具有相同的时间变化趋势.对照点ρ（OC）和ρ（EC）的相关性（0.49）低于常规点位（0.61）,对照点PM_2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM_2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM_2.5中总碳（TC）的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%.      

夏季广州城区细颗粒物PM_(2.5)和PM_(1.0)中水溶性无机离子特征

于2008年7月1～31日在广州城区每天采集PM2.5和PM1.0样品.利用离子色谱分析了样品中Na+、NH4+、K+、Mg2+、Ca2+、F-、Cl-、NO3-和SO24-等9种离子组分质量浓度,并同步收集气象因子、大气散射系数、大气能见度以及SO2、NO2、O3气体污染物质量浓度等数据.结果表明,PM2.5和PM1.0中水溶性无机离子总浓度分别为(25.5±10.9)μg·m-3和(22.7±10.5)μg·m-3,分别占PM2.5和PM1.0质量浓度的(47.9±4.3)%和(49.3±4.3)%.SO42-占PM2.5和PM1.0中质量浓度百分比最高,分别为(25.8±4.0)%和(27.5±4.5)%.较高的温度和O3浓度有利于SO24-的生成,较高相对湿度有利于NO3-的生成.PM2.5和PM1.0中亲水性较强的SO42-、NH4+和NO3-对散射系数和能见度影响较大.     

鞍山城区夏季PM_(2.5)中碳组分污染特征及来源

2014年7月采集鞍山市大气中PM2.5样品,采用IMPROVE-TOR方法准确测量了样品中的8个碳组分,研究了鞍山城区夏季PM2.5及其载带的碳组分的污染特征。鞍山市夏季PM2.5浓度为(53.4±18.0)μg/m3,有机碳(OC)、元素碳(EC)和总碳(TC)占PM2.5的比例分别为(11.89±3.86)%、(4.79±1.31)%和(16.68±5.02)%,表明碳是鞍山城区夏季PM2.5中的重要成分。PM2.5中OC、EC浓度显著相关,R=0.715;另外,全市OC/EC的平均值为2.49±0.43,所有监测点位OC/EC的平均值均2,表明PM2.5中二次有机碳(SOC)对OC有贡献,从而说明OC、EC的来源相同。8个碳组分(OC1、OC2、OC3、OC4、EC1、EC2、EC3、OPC)的丰度研究显示,鞍山市城区夏季PM2.5中碳主要来源于机动车尾气尘、道路尘和燃煤尘。     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

南京城区夏秋季能见度与PM2.5化学成分的关系

为研究南京细颗粒物PM2.5化学成分与能见度的关系,于2011年8月4~17日和2011年10月31日~11月11日在南京城区采集PM2.5样品并分析其化学成分,同时对能见度、PM2.5、相对湿度等进行了同步观测.结果表明:南京城区夏季采样期间的能见度高于秋季,分别约为10.9km、7.5km,低能见度天PM2.5质量浓度较高,能见度与PM2.5的相关系数为-0.75.水溶性离子和总碳分别占PM2.5质量浓度的38%和26%,其中与能见度相关性较显著的是NO3-、SO42-、NH4+、EC.总消光系数的主要贡献者是颗粒物,达98.2%.8月首要消光组分是硫酸铵(NH4)2SO4,占47.0%,有机碳OC和硝酸铵NH4NO3分别占19.2%和14.3%;而11月是NH4NO3、(NH4)2SO4和OC,分别占29.3%、28.7%、26.8%.对不同相对湿度下的能见度和PM2.5化学成分进行拟合.进一步根据WRF/Chem细颗粒物化学成分模拟结果,分别利用拟合关系式和美国IMPROVE关系式,对2011年8月和11月能见度进行计算,与观测对比发现,利用本文拟合关系式计算的能见度结果优于IMPROVE关系式.     

南京北郊冬夏季大气PM2.5中碳质组分浓度及同位素组成研究

为研究南京北郊不同季节PM_(2.5)中碳质组分的主要来源,分别在2014年1月1—23日和2014年7月3—22日进行PM_(2.5)样品采集,并分析其中有机碳(OC)、元素碳(EC)浓度及总碳同位素组成.结果表明,冬季PM_(2.5)浓度高于夏季,平均值为(146.69±64.67)μg·m-3,OC、EC浓度较高,分别为(14.77±5.58)μg·m-3与(9.01±4.74)μg·m-3;而夏季PM_(2.5)浓度为(57.69±23.80)μg·m-3,OC、EC浓度分别为(5.94±2.20)μg·m-3和(2.78±1.25)μg·m-3.二次有机碳(SOC)占OC比重较小,冬、夏两季分别为36.99%与27.37%,这与采样点紧邻公路主干道使颗粒物未得到充分的二次反应有关.南京北郊冬季δ13C平均值为-25.38‰±0.36‰,夏季为-26.50‰±0.58‰,通过与潜在污染源的δ13C值对比,推断出采样期间冬季主要的潜在碳质污染源为煤炭燃烧及机动车尾气,夏季主要的潜在碳质污染源为生物质燃烧及汽车尾气.     

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.      

邯郸市PM2.5中碳组分的浓度、来源及其变化

为明确邯郸市PM_(2.5)中碳组分污染浓度、来源和近年来的变化,分别于2015和2017年1、4、7、10月在河北工程大学能环实验楼4层采集PM_(2.5)样品,采用热/光碳分析仪测定了样品中8种碳组分含量,并计算得到有机碳(OC)、元素碳(EC)、Char-EC和Soot-EC含量.结果表明,2017年PM_(2.5)中碳组分浓度较2015年下降约15%,质量分数下降约17%,季节变化均表现为冬高夏低的特点;2017年SOC浓度和SOC/PM_(2.5)、SOC/OC比值均低于2015年,SOC浓度和SOC/PM_(2.5)比值下降约36%,季节分布特征相似(秋冬高、春夏低).两年除夏季外,其余季节OC、EC相关系数均高于0.7,表明存在共同来源;2017年OC、OC1与EC相关性高于2015年,此外,两年中EC1～EC3、Char-EC和Soot-EC与各组分相关系数差异较大;两年中Char-EC与OC、EC的相关性(r=0.5～1.0)明显高于Soot-EC与OC、EC的相关性(r=0.1～0.6),这主要与二者形成机理有关.碳组分之间的关系和主成分分析结果表明,燃煤、生物质燃烧和柴油车尾气的混合源是2015年碳质组分的主要来源,而2017年则来源于燃煤和机动车尾气排放.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

朔州市市区PM2.5中元素碳、有机碳的分布特征

采集朔州市市区4个点位采暖季和非采暖季环境空气PM2.5样品,利用Elementar Analysensysteme Gmb H vario EL cube型元素分析仪测定其中元素碳(elemental carbon,EC)和有机碳(organic carbon,OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行分析.结果表明,朔州市市区非采暖季PM2.5中OC和EC的平均浓度为(14.3±2.7)μg·m-3和(10.3±3.1)μg·m-3,采暖季OC、EC平均浓度分别为(23.3±5.9)μg·m-3和(20.0±5.7)μg·m-3;4个点位OC和EC的浓度均表现为采暖季大于非采暖季,其中在采暖季,点位SW中OC和EC浓度分别为28.5μg·m-3和28.1μg·m-3,高于其它采样点,在非采暖季,点位PS中OC和EC的浓度分别为17.7μg·m-3和14.1μg·m-3高于其它采样点;采暖季和非采暖季PM2.5中OC/EC值均小于2,但OC和EC相关性不好(在采暖季和非采暖季的相关系数分别为0.66和0.52),说明PM2.5中碳气溶胶来源复杂.控制碳组分一次排放来源,如燃煤烟尘、生物质燃烧及机动车尾气排放,同时关注二次污染是控制朔州市PM2.5的关键.朔州市市区采暖季和非采暖季PM2.5中二次有机碳(secondary organic carbon,SOC)浓度分别为(6.44±2.77)μg·m-3和(4.11±1.92)μg·m-3.     

忻州市环境空气PM10中有机碳和元素碳污染特征分析

采集了忻州市4个监测点位采暖季和非采暖季环境空气PM10样品,利用Elementar Analysensysteme GmbH vario EL cube测定有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的质量浓度,通过OC和EC的时空分布、比值以及相关性分析揭示忻州市的碳组分污染特征.结果表明,忻州市PM10中OC和EC的平均质量浓度分别为(18.5±4.5)μg·m-3和(16.1±4.3)μg·m-3,采暖季和非采暖季TCA占PM10的比例分别为70.7%和43.8%;4个监测点位采暖季OC的质量浓度均高于非采暖季,XT、DC和KQ监测点采暖季EC的质量浓度高于非采暖季,SQ监测点则相反,采暖季燃煤是OC和EC的主要来源;监测点XT的OC质量浓度最高,为24.1μg·m-3,DC的EC质量浓度最高,为22.0μg·m-3,SQ的OC和EC质量浓度最低,分别为17.2μg·m-3和14.5μg·m-3,区域性污染特征存在差异;OC/EC均值小于2,一次污染严重;非采暖季OC与EC浓度相关性较好(R2=0.55),二者排放源单一,主要来源为机动车尾气排放,采暖季相关性不显著(R2=0.13),二者排放源复杂.忻州市主要通过控制燃煤、机动车尾气、生物质燃烧、工业源等的一次排放来减轻碳组分污染,进而提高环境空气质量.     

CO2泡沫混凝土碳封存潜力分析

CO₂捕集、利用与封存是碳中和技术体系的重要组成部分,混凝土在大规模吸收CO₂方面具有巨大的发展潜力.为了掌握CO₂泡沫混凝土的碳封存潜力,分析了CO₂泡沫混凝土的固碳机制,建立了CO₂泡沫混凝土固碳能力的数学模型,估算了CO₂泡沫混凝土的固碳和储碳能力.结果表明,CO₂泡沫混凝土碳封存能力的99%以上是由混凝土骨架的化学碳化方式完成的,而泡孔的储碳能力较弱;按照30%碳化率估算,我国每年生产的混凝土在全生命周期内的碳封存量平均为2.18亿t,超过大兴安岭林区森林1 a的碳汇;近5年,我国CO₂泡沫混凝土的碳封存潜力为5.80亿t ·a^-1,在煤电一体化矿区的固废和废气资源化利用方面具有很好的应用前景.CO₂泡沫混凝土在凝固前的稳定性是下一步要重点解决的技术难题.     

兰州春夏季PM10碳组分昼夜变化特征与来源分析

为探讨兰州市春夏季大气可吸入颗粒物(PM_(10))中碳气溶胶的昼夜变化特征及来源,从2015年4月1日至8月30日分白天(08:00~20:00)和夜间(20:00~次日08:00)对兰州市区PM_(10)样品进行采集,并分析了其中的有机碳(OC)和元素碳(EC)的昼夜浓度.结果表明,采样期间白天PM_(10)、OC和EC的平均浓度分别为(136.0±84.3)、(12.4±3.2)和(2.3±0.7)μg·m-3.夜间,PM_(10)和OC、EC的平均浓度分别为(196.0±109.2)、(16.0±5.3)和(5.0±2.1)μg·m-3.PM_(10)、OC和EC浓度均呈现出夜间高于白天.采样期间白天二次有机碳占有机碳的比值均高于夜间,表明白天受二次有机碳的污染更严重.沙尘日PM_(10)和OC浓度均高于非沙尘日,而EC浓度与非沙尘日接近.沙尘日,二次有机碳和总碳气溶胶的浓度均较高,但对PM_(10)的贡献相对较低.对碳气溶胶8种组分进行主成分分析,结果表明在非沙尘日,白天碳气溶胶主要来源于燃煤、汽油车、柴油车排放和生物质燃烧,夜间主要受到燃煤、扬尘以及柴油车和生物质燃烧的影响.     

无锡市冬季典型天气PM2.5中碳组分的污染特征

于2013-12-03~2014-01-03在无锡市对大气细粒子(PM2.5)进行了连续采集,并用热/光透射法(TOT)分析了其中有机碳(OC)和元素碳(EC)的浓度,结合气象参数,分析了冬季霾产生过程及霾天气下碳组分的污染特征.结果表明,采样期间共有3次霾产生过程,冷空气、风和降水成为改善空气质量最有效的途径.PM2.5、OC及EC的日均质量浓度分别为(132.38±87.17)、(22.80±9.77)和(2.08±1.63)μg·m-3,总碳(TC,TC=OC+EC)占PM2.5的23.57%,同时TC与PM2.5之间存在较好的相关性,相关系数为(R2)0.730;采样期间,TC在PM2.5中所占的比例与PM2.5的浓度之间存在相反的变化趋势,并且在霾天气下TC所占的比例要比非霾天气小,二次无机气溶胶粒子(SO2-4、NO-3、NH+4)的快速增长可能是造成霾天气下细粒子浓度较高的原因之一;OC/EC值为12.83,并且相关性较差,可能与二次污染有关,对二次有机气溶胶(SOC)进行估算:得到SOC平均质量浓度为9.04μg·m-3,占OC的40.96%.     

南京春季北郊地区大气PM2.5中主要化学组分及碳同位素特征

PM_(2.5)是大气的重要污染物之一,其成分复杂,为研究PM_(2.5)的污染特征及来源,于2016年3月采集南京北郊地区大气中的PM_(2.5),利用Dinoex ICS-3000和ICS-2000型离子色谱和DRI Model 2001A热/光碳分析仪分别测定了PM_(2.5)中的阴阳离子和碳质组分,利用元素分析仪-同位素质谱仪测定大气PM_(2.5)中的总碳同位素(δ~(13)CTC)组成特征.结果表明,2016年3月期间南京北郊地区PM_(2.5)污染严重,平均浓度达(106.16±48.70)μg·m~(-3),且88%观测天中存在明显的二次有机污染,SOC平均浓度为(3.58±2.78)μg·m~(-3),且在晴天条件下高浓度的二次有机碳(SOC)与紫外线作用下的O_3具有较强的相关性.大气PM_(2.5)中δ~(13)CTC值范围是-26.56‰~-23.75‰,平均值为(-25.47‰±0.63‰),结合化学组分的三相聚类分析结果可知,大气PM_(2.5)主要来源于燃煤过程、机动车排放,此外还受地质源和生物质燃烧源的影响.