伊犁河谷核心区夏季碳质气溶胶污染特征及来源解析

为研究伊犁河谷PM_2.5中碳组分特征及来源,于2021年7月19—29日在其核心区伊宁市及周边3个县（伊宁县、察布查尔县和霍城县） 设置6个监测点位采集PM_2.5样品.采用热光法测定了样品中有机碳（OC）和元素碳（EC）的质量浓度,深入分析了夏季伊犁河谷核心区PM_2.5中OC和EC的浓度特征,并用最小比值法定量估算了二次有机碳（SOC）的浓度.此外,综合使用8种碳组分丰度及正矩阵因子分解模型定量解析出PM_2.5中碳质气溶胶的来源.结果表明：夏季采样期间该区域PM_2.5、OC、EC的平均浓度分别为（21.9±2.0）、（5.0±0.6）、（0.6±0.1） μg?m^-3,且 呈现出伊宁市碳组分浓度高于周边3县的规律.OC、EC浓度显著相关,反映出二者有较高的同源性.整个区域SOC的平均浓度为（2.1±0.9） μg?m^-3,在PM_2.5中的占比为9.4%,在OC中的占比为40.1%,反映出OC主要来自一次排放,但二次生成也有较大贡献;碳组分浓度相对较低的霍城县和伊宁县SOC/OC反而高于碳组分浓度较高的伊宁市和察布查尔县,说明这两个县二次转化程度较高.源解析结果表明,采样期间伊犁河谷核心区PM_2.5中碳组分主要来源于机动车尾气源、道路扬尘和生物质燃烧与燃煤混合源,其贡献率分别为48.8%、34.0%和17.2%.     

西安市采暖季过渡期高时间分辨率细颗粒物组分特征及来源解析

受到供暖影响,北方城市秋冬季的大气细颗粒物（PM_2.5）浓度升高,空气污染加剧.利用气溶胶化学组分监测仪、七波段黑碳仪以及大气多金属元素在线监测仪于2019年10月25日至11月17日在西安市开展高时间分辨率PM_2.5化学组分在线监测,分析采暖季过渡期PM_2.5污染特征,同时结合正定矩阵因子分解模型解析PM_2.5来源.结果表明,观测期间ρ（PM_2.5）平均值为（78.3 ± 38.5）μg·m^-3,主要化学组分为有机物（OA）、二次无机离子（SIA）和粉尘,其占比分别为38.7%、31.6%和21.2%,其中ρ（SO₄^2-）、ρ（NO₃^-）和ρ（NH₄⁺）平均值分别为（4.0 ± 3.1）、（14.9 ± 13.7）和（5.8 ± 4.8）μg·m^-3,主要金属ρ（K）、ρ（Ca）和ρ（Fe）平均值分别为（1.0 ± 0.4）、（1.5 ± 1.1）和（1.4 ± 0.9）μg·m^-3,BC（贡献率为5.7%）、Cl^-（贡献率为1.3%）及微量元素（贡献率为1.5%）对PM_2.5的贡献率相对较低.在污染发展和维持阶段,OA和SIA浓度的增加幅度可达137.7%~537.0%,在污染消散阶段则仅有粉尘浓度呈增长之势.来源解析结果显示二次源、生物质燃烧源、扬尘源、机动车源、工业源和燃煤源是观测期间PM_2.5的主要来源,分别贡献了29.1%、21.1%、15.3%、12.9%、11.4%和10.2%,其中二次源和生物质燃烧源在污染发展和维持阶段贡献率较高,扬尘源在污染消散阶段贡献率较高.     

郑州市PM2.5组分、来源及其演变特征

为探究郑州市PM_2.5主要来源以及季节差异特征,本研究于2019年进行PM_2.5周期采样,并分析PM_2.5中的无机水溶性离子、碳组分和元素浓度.结果表明,郑州市2019年采样膜样品的PM_2.5平均浓度为（67.0±37.2）μg·m^-3,冬季浓度最高,夏季最低.PM_2.5中主要组分依次为：硝酸根、铵根、硫酸根、有机物（OM）、地壳物质和元素碳,春秋季节受地壳物质影响较大,夏季主要受硫酸盐影响,冬季有机物与硝酸盐浓度显著增高.二次转化是硫酸盐和硝酸盐的主要来源,夏季受光化学反应贡献显著,冬季受高湿条件下的液相反应影响明显.NO₃^-/SO₄^2-和OC/EC的值表明郑州市PM_2.5受汽车尾气排放、煤炭燃烧以及生物质燃烧影响较大.源解析结果表明,2019年二次源贡献最高（49.8%）,其中在冬季贡献达到56.5%;一次源中,扬尘在春季（15.2%）和秋季（11.4%）占比略高,机动车源在夏季贡献最大（12.3%）,冬季受燃煤源影响较大（13.2%）.2014~2019年郑州市PM_2.5受二次源影响逐年升高;工业源、生物质燃烧源和燃煤源整体呈下降趋势.     

长三角地区一次区域污染过程中细颗粒物的来源解析及其光学特性

为研究长三角地区细颗粒物污染的分布特征及其光学特性,选择在城市（苏州）、郊区（南京）和区域背景站（临安）同时进行PM_2.5采集并进行化学分析.这次污染过程中,苏州、南京和临安的PM_2.5平均浓度分别达到（169.8±56.5）、（169.9±51.2）和（154.0±54.9）μg·m^-3.散度系数分析显示3个站点气象要素和PM_2.5化学成分的差异较小,PM_2.5污染呈现同步性和区域化特征.利用化学成分法估算的消光系数在苏州、南京和临安分别是（561±223）、（655±340）和（679±349） Mm^-1,与能见度法估算的消光系数之间相关度较高（r为0.73~0.80）.利用PMF模型解析PM_2.5的污染来源,二次硝酸（32%）和二次硫酸（25%）的占比最大,其次是生物质燃烧（16%）、不完全燃烧源（7%）、燃料燃烧（7%）、土壤地壳源（8%）和海洋源（5%）.对PM_2.5消光系数的主要贡献源是二次生成的硝酸硫酸源、不完全燃烧和生物质燃烧源.与质量浓度的源贡献相比,二次硝酸硫酸源的占比降低了约4%,不完全燃烧源的贡献增加了5%,说明PM_2.5的各类源对其质量浓度和消光系数的贡献效率存在差别.     

成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

中原城市冬季两次重污染形成机制及来源

为揭示郑州市冬季空气污染过程及形成原因,选取郑纺机国控站点为采样点,探讨2019年12月郑州大气污染物浓度和主要气象参数特征,对比不同污染阶段PM_2.5水溶性离子、元素和碳质组分浓度变化,并利用空气质量模型模拟结果,分析采样期间污染源排放与区域传输对采样点PM_2.5质量浓度的贡献.结果表明,采样期间第一次和第二次重污染形成和消散过程略有差异,分别呈现出"缓慢累积、缓慢清除"和"缓慢积累、快速清除"的特征.第一次和第二次重污染时段NO₃^-、SO₄^2-和NH₄⁺质量浓度占PM_2.5比值达到41.5%和46.2%,OC/EC比值分别为4.0和4.5,二次气溶胶颗粒的大量生成是两次重污染形成的主要原因.采样期间本地、东部、南部、西部和北部区域对采样点PM_2.5浓度贡献占比均值分别为58.0%、2.4%、6.7%、6.9%和12.7%,第一次重污染是本地污染物排放和外来源区域传输共同作用的结果,期间西部和南部区域及外来工业源贡献占比有所升高;而第二次重污染则主要受到本地大气污染物累积的影响,期间交通源、扬尘源和燃煤源污染贡献骤增,外部区域对采样点PM_2.5浓度的影响有所减弱.     

2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究

为了快速分析天津市区冬季以及重污染过程中PM_2.5的化学组成特征及来源,本研究于2017年1月利用在线监测仪器快速采集了天津市区环境受体中PM_2.5及其化学组分的小时数据,并通过PMF（positive matrix factorization,正定矩阵因子分解法）模型解析了天津市区2017年1月及重污染过程中PM_2.5的主要贡献源类,分析了重污染过程中排放源的变化趋势.结果表明：2017年1月天津市区PM_2.5浓度为6.0~449.0 μg·m^-3,平均值为153.3 μg·m^-3.NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中水溶性离子的主要组分,三者之和占水溶性离子总量的88.3%.NH₄⁺与Cl^-、NO₃^-、SO₄^2-均表现出显著的正相关性（r=0.82,0.95,0.97;p<0.01）.NO₃^-和SO₄^2-（r=0.90;p<0.01）,Ca²⁺与Mg²⁺（r=0.65;p<0.01）均表现出显著的相关性,说明它们分别具有较高的同源性.OC和EC也是PM_2.5的重要组成部分,两者之和占PM_2.5质量浓度的20.4%.重污染过程中,PM_2.5及其主要离子的浓度显著的增加（p<0.01）,并存在较高的二次离子生成.PMF解析结果表明,二次源类是天津市区2017年1月PM_2.5的首要源类,分担率为38.1%,其次为机动车源（分担率为25.6%）、燃煤源（分担率17.1%）、扬尘（分担率10.1%）和生物质燃烧（分担率9.1%）.重污染过程中,二次源是PM_2.5的主要贡献源类,分担率达到39.3%;说明重污染期间存在显著的二次转化及二次粒子的积累过程.重污染发生演变过程中,二次源、机动车源和燃煤源对PM_2.5贡献表现出显著增加的趋势,而扬尘和生物质燃烧的贡献则没有显著增加.     

北京市典型道路扬尘化学组分特征及年际变化

选择北京市具有代表性道路,于2004年9月和2013年5月进行采样,利用再悬浮设备制备道路扬尘PM₁₀与PM_2.5样品,并进行化学组分分析,建立了2004年和2013年北京市道路扬尘PM₁₀与PM_2.5源成分谱,以分析和探讨北京市道路扬尘化学组分特征及其组分年际变化.结果表明,北京市道路扬尘PM₁₀与PM_2.5源成分谱中的化学组分特征均为Ca、Si、有机碳（organic carbon,OC）、Al、Fe、K、Mg、SO₄^2-和元素碳（element carbon,EC）,其在道路扬尘中的含量之和分别为：2004年PM₁₀为46.7303%、PM_2.5为56.9198%和2013年PM_2.5为38.7478%;占全部被测组分的比例分别为95.9%、94.3%和94.7%.2004年道路扬尘中,环路Si、Al的含量显著低于其他道路类型,受到的土壤风沙尘影响最小;建筑水泥尘特征元素Ca主干道含量最高,高速五环进京口含量最低;EC在高速五环进京口的含量显著高于其他道路类型.而2013年PM_2.5中被测组分总含量及Si、Al、Ca的含量次干道均显著低于其他道路类型.2013年与2004年相比,北京市道路扬尘PM_2.5中除SO₄^2-含量略上升了2.0%外,其余组分含量下降显著,Ca、Si、OC、Al、Fe、K、EC和NO₃^-下降幅度分别为45.1%、31.5%、17.5%、20.3%、55.6%、33.3%、30.0%和50.3%.结果表明,［NO₃^-］/［SO₄^2-］比值不能准确反映固定源和移动源相对贡献大小的变化.［OC］/［EC］比值,2004年PM₁₀为9.77±3.88,PM_2.5为9.36±3.25,2013年PM_2.5为14.41±10.41,北京市道路扬尘存在二次有机碳（secondary organic carbon,SOC）,且SOC是道路扬尘PM₁₀与PM_2.5的重要组成部分.不同城市道路扬尘及同一城市不同粒径的道路扬尘成分谱相似度不高,应建立相应的成分谱并适时更新.     

2013年12月上海市重度污染期间细颗粒物化学特征与输送轨迹影响

2013年12月我国中东部地区发生多场大范围高强度的颗粒物污染. 期间,本研究采用在线连续观测手段测量了上海市城区大气中气态污染物、颗粒物的质量浓度、细颗粒物的化学组分等,获得了浮尘污染、灰霾污染、雾霾污染、长距离传输的过境污染过程中颗粒物的污染特征变化. 观测结果显示,雾霾污染最为严重,PM₁₀和PM_2.5日均最大浓度分别达到536 μg ·m^-3和411 μg ·m^-3,PM_2.5/PM₁₀高达76.7%,高湿度加强了大气颗粒物中NO₃^-、SO₄^2-、NH₄⁺等二次组分的生成. 浮尘污染中PM_2.5的Ca²⁺浓度在所有污染过程中最高,且PM_2.5中一次组分比重明显上升. 长距离传输的过境污染中PM_2.5的SO₄^2-浓度最高,且增长速度很快. 同时本研究还采用Hysplit反向轨迹结合聚类分析方法,得到了不同污染过程中到达上海的主要气团轨迹,并结合上海城区在线观测的PM_2.5及其化学组分浓度数据,探讨了不同气团下PM_2.5组分特征差异和不同污染过程的大致来源. 结果表明,观测期间上海的气团轨迹可以聚类为六类. 其中,移动速度快的cluster6出现时,上海市不易出现颗粒物污染; 始于蒙古的cluster2和cluster3导致上海出现沙尘污染,该气团下PM_2.5/PM₁₀的比例都较低,且PM_2.5中Ca²⁺浓度较高. 移动缓慢的cluster5和cluster4有利于污染物的二次生成,静稳天气同时加剧了污染物的累积,加上他们经海上夹带水汽传输至上海,这些不利条件是导致上海出现严重污染的关键因素.     

基于在线观测的天津市PM2.5污染特征及来源解析

为了解天津市PM_2.5的污染特征及来源,基于2017~2019年高时间分辨率的在线监测数据,对PM_2.5浓度、化学组分和来源进行了分析.结果表明,2017~2019年,天津PM_2.5平均浓度为61 μg ·m^-3,PM_2.5中主要化学组分为NO₃^-、OC、NH₄⁺、SO₄^2-、EC和Cl^-,在PM_2.5中占比分别为17.7%、12.6%、11.5%、10.7%、3.4%和3.1%.从年分布上看,PM_2.5及主要化学组分浓度均呈现下降趋势,NO₃^-和NH₄⁺在PM_2.5中占比上升,SO₄^2-、OC和EC在PM_2.5中占比下降,Cl^-在PM_2.5中占比略上升,其他组分K⁺、Ca²⁺和Na⁺浓度及在PM_2.5中占比均上升.PM_2.5及主要组分浓度在采暖季相对较高,非采暖季相对较低,夏秋季SOR和NOR较高,二次转化强,PM_2.5中二次无机离子（NO₃^-、NH₄⁺和SO₄^2-）占比相对较高.当PM_2.5浓度为优良级别时,PM_2.5中二次无机离子占比较低,OC占比较高,SOC生成较高,Ca²⁺和Na⁺占比相对较高;PM_2.5浓度为轻度及以上污染级别时,随着污染程度加重,PM_2.5中二次无机离子占比明显上升,OC占比基本稳定,EC和Cl^-占比略升,K⁺、Ca²⁺和Na⁺等离子占比下降.PM_2.5浓度处于中度及以上污染级别时,机动车影响明显增加.PMF解析结果表明,2017~2019年,天津市PM_2.5的主要来源为二次源、机动车排放、工业和燃煤排放以及扬尘.其中机动车排放的贡献分担率上升,二次源、扬尘的贡献分担率略升,工业和燃煤源的贡献分担率略降.对天津来说,机动车、燃煤和工业排放始终是PM_2.5最主要的一次污染来源,产业结构和能源结构的调整以及机动车的管控是大气污染防治的主要方向.     

“大气十条”实施期间南京市PM2.5化学组成与来源的演变特征

为深入认识“大气污染防治行动计划”(“大气十条”)对大气细颗粒物(PM_2.5)污染的影响,基于“大气十条”实施期间南京市主城区(草场门)PM_2.5的化学组分监测资料,研究了PM_2.5主要组分的浓度和占比、富集因子和酸度等变化特征,并采用正定矩阵因子分解法(PMF)进行了PM_2.5的来源解析.结果发现,“大气十条”实施期间,南京市PM_2.5中硫酸根(SO₄^2-)的占比总体下降,但硝酸根(NO^-₃)和铵根(NH⁺₄)的占比均明显上升,两者的占比从2014年的25.58%上升到2017年的37.15%;碳组分(OC和EC)的浓度在“大气十条”早期出现大幅下降,但后期的下降趋势明显变缓,其中,有机碳(OC),特别是二次有机碳(SOC)的占比不降反升;PM_2.5酸性显著减弱,阴阳离子的摩尔当量比值(CE/AE)从2014年的0.83上升...     

廊坊市秋冬季大气细颗粒物污染特征及来源解析

分析了2019～2020年秋冬季廊坊市北部、市区和南部这3个站点的大气细颗粒物及其化学组成.空间分布上,PM_2.5浓度整体为：南部>市区>北部.PM_2.5主要成分为有机物、硝酸盐、硫酸盐、铵盐、矿物组分、氯离子和元素碳,分别占PM_2.5的质量分数为25.4%、21.5%、11.0%、11.5%、13.7%、3.5%和5.8%,金属元素及其他物质的质量分数分别为0.3%和7.2%;二次无机盐浓度呈现市区(28.7μg·m^-3)高于北部(28.0μg·m^-3)和南部(26.8μg·m^-3)郊区的变化特征,而有机物(其浓度分别为16.6、13.0和18.5μg·m^-3,由北向南,下同)、矿物组分(9.6、6.7和9.7μg·m^-3)、氯盐(2.0、2.0和2.8μg·m^-3)和元素碳(3.6、3.2和4.3μg·m^-3)浓度呈现南部和北部郊区高于市区的变化特征.随...     

Significant emission reductions of carbonaceous aerosols from residential coal burning by a novel stove

Carbonaceous aerosols (CA) are crucial components in the atmospheric PM_2.5 and derived from diverse sources. One of the major sources for CA is from the incomplete combustion of bituminous coal that has been prevailingly used by household stoves in rural areas for heating during winter. To efficiently eliminate the CA emission, a new household stove (NHS) was developed based on a novel combustion technology and CA emissions from the NHS and a traditional household stove (THS) were comparably investigated under the actual stove operation conditions in a farmer's house. Compared with the THS, the emission factors of organic carbon (OC), elemental carbon (EC), and water-soluble organic carbon (WSOC) from the NHS were reduced by 96%±1%, 98%±1%, and 91%±1% under the flaming process and 95%±1%, 96%±2%, and 83%±4% under the smoldering process, respectively. Additionally, the mass absorption efficiency of WSOC from the NHS reduced by 3 folds and the radiative forcing by WSOC relative to EC shrank remarkably by a factor of 3-8. Based on the reduction of emissions and light absorption of WSOC, the promotion of the NHS offers a possible solution to achieve the clean combustion of residential solid fuel.     

四川省典型工业行业PM2.5成分谱分析

利用荷电低压颗粒物撞击器(ELPI+)对四川省水泥行业、玻璃行业、陶瓷行业、砖瓦行业、燃煤锅炉、生物质锅炉、电厂、钢铁行业等典型行业开展排放特征测试,通过组分分析,获取各行业PM_(2.5)成分特征谱.结果表明:①水泥、玻璃、陶瓷、砖瓦等建材行业均以Si、Ca、Mg等元素为主要排放组分,双碱法脱硫SO_4~(2-)排放占比高于其他脱硫工艺;②电厂PM_(2.5)中SO_4~(2-)、Ca~(2+)、NH_4~+、Mg和Si为特征组分;燃煤锅炉中OC、Al、Si和Ca等为特征组分;③OC和EC是生物质锅炉PM_(2.5)主要排放组分,成型生物质燃料锅炉中K排放占比也较高,非成型生物质燃料锅炉中Cl~-排放占比为所有行业中最高;④钢铁行业中Ca含量最高,为18. 11%,其次为SO_4~(2-)、Na~+和Fe.     

中国人为源颗粒物排放现状与趋势分析

利用排放因子法,基于电力、工业、民用、交通等部门的活动水平和排放因子,建立了2000年和2005年中国分省、分部门、分粒径的颗粒物（PM）排放清单.利用情景分析法,基于能源预测,分析了在不同颗粒物控制方案下2010～2030年中国颗粒物的排放趋势.结果表明,我国2005年的总悬浮颗粒物（TSP）、可吸入颗粒物（PM₁₀）和细颗粒物（PM_2.5）的排放量分别是29.98、15.30和9.79 Mt, 2000～2005年间的排放增长率分别是3.4%、4.7%和5.4%.在现有政策情景下,我国2030年TSP和PM_2.5的排放量分别是23.06和10.59 Mt,工业锅炉成为最大的颗粒物排放源.通过提高能源利用效率,2030年可在基准情景基础上TSP和PM_2.5分别减排15%和16%;通过增大执法力度,2015年可再减排25%的TSP和10%的PM_2.5排放,之后通过加严排放标准,推广高效除尘装置的应用,2030年TSP和PM_2.5可再减排21%和19%,其排放量分别达到13.81和6.88 Mt.颗粒物的综合控制措施应覆盖电厂、工业、民用等各个领域,从提高能效、保证执法、强化政策3个方面着手.     

上海夏季PM2.5中有机物的组分特征、空间分布和来源

有机物是大气细颗粒物(PM_(2.5))的重要组成部分,其来源和组分非常复杂,是大气科学研究的难点和热点.本研究定量表征了上海地区夏季3个不同功能站点PM_(2.5)中78种有机组分,分析了其组成特征及空间差异,并采用后向轨迹、指示物、特征比值等方法对其来源进行了探讨.结果表明,上海西部郊区青浦和徐汇的有机组分检出浓度相近,约为(317±129)ng·m~(-3),高于东部沿海.78种有机组分中,脂肪酸类物质的占比最高,之后依次为左旋葡聚糖、正构烷烃和多环芳烃,藿烷的占比最低.基于示踪物比值法初步分析结果表明,上海地区的颗粒有机物主要来源于汽油车尾气排放,此外中心城区和西部郊区在观测期间受到了一定程度的生物质燃烧污染,可能与西北方向的污染输送有关.就具体组分而言,在西部郊区青浦,脂肪酸主要来自于陆生植物排放,而在东部沿海地区临港,其还会受到海洋浮游植物和微生物的影响;PAH特征比值的分析表明煤燃烧和机动车尾气对多环芳烃具有重要贡献.相关研究结果有助于对上海有机气溶胶的污染特征及来源的深入认识,为开展颗粒有机物的防治提供一定的基础支撑.     

The comparison of source contributions from residential coal and low-smoke fuels,using CMB modeling,in South Africa

D-grade residential coal is being widely used as a fuel source for heating and cooking by most of the lower-income urban communities in South Africa. Emissions from residential coal combustion have been a major cause of elevated air pollution levels in the industrialized areas of South Africa. The adverse health effects resulting from exposure to residential coal combustion emissions have been a major public concern for many years. To address this, the Department of Minerals and Energy of South Africa conducted a macro-scale experiment in the township of Qalabotjha during the winter of 1997 to assess the technical and social benefits of combusting low-smoke fuels.This paper reports the PM_2.5 and PM₁₀ chemical mass-balance (CMB) source apportionment results from Qalabotjha during a 30-day sampling period, including a 10-day period when a large proportion of low-smoke fuels was combusted. Though emission rates of D-grade coal and low-smoke fuels may vary, their chemical abundances are too similar to be separated in CMB calculations. The source apportionment study confirmed that residential coal combustion is by far the greatest source of air pollution, accounting for 62.1% of PM_2.5 and 42.6% of PM₁₀ at the three Qalabotjha sites. Biomass burning is also a major source, accounting for 13.8% of PM_2.5 and 19.9% of PM₁₀. Fugitive dust is only significant in the coarse particle fraction, accounting for 11.3% of PM₁₀. Contributions from secondary ammonium sulfate are three–four times greater than from ammonium nitrate, accounting for 5–6% of PM mass. Minor contributions (less than 1%) were found for power plant fly ash, motor vehicle exhaust, and agricultural lime. Average PM_2.5 and PM₁₀ mass decreased by 20 and 25%, respectively, from the D-grade coal combustion period (days 1–10) to the majority of the low-smoke fuel period (days 11–20). Relative source contribution estimates (SCE) were quite similar among the three sampling periods for PM_2.5, and were quite different for PM₁₀ during the second period when 14% higher residential coal combustion and 9% lower biomass burning source contributions were found.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

机动车源和民用燃料源颗粒物中有机碳和元素碳的排放特征

为了获取机动车源尾气和主要民用燃料源燃烧过程排放的颗粒物中含碳气溶胶的排放特征,使用多功能便携式稀释通道采样器和Model 5L-NDIR型OC/EC分析仪,采集分析了典型机动车源(汽油车、轻柴油车、重柴油车)、民用煤(块煤和型煤)和生物质燃料(麦秆、木板、葡萄树树枝)的PM₁₀和PM_2.5样品中的有机碳(OC)和元素碳(EC).结果表明,不同排放源释放的PM₁₀和PM_2.5中含碳气溶胶的质量分数存在显著差异.总碳(TC)在不同源PM₁₀和PM_2.5中的质量分数范围分别为40.8%～68.5%和30.5%～70.9%,OC/EC范围分别为1.49～31.56和1.90～87.57.不同源产生的含碳气溶胶均以OC为主,OC在PM₁₀和PM_2.5中的质量分数范围分别为56.3%～97.0%和65.0%～98.7%.在PM₁₀和PM_2.5的含碳气溶胶中OC质量分数按照从高到低...     

天津市2017年移动源高时空分辨率排放清单

移动源已成为城市地区大气污染的主要贡献源.已有研究多关注道路移动源（机动车）或非道路移动源（工程机械、农业机械、船舶、铁路内燃机车和民航飞机）中单一源类的排放,欠缺对移动源总体排放特征的把握.本研究提出了移动源高时空分辨率排放清单的构建方法,据此建立了天津市2017年移动源排放清单,并分析其排放构成与时空特征.结果表明,天津市移动源CO、VOCs、NO_x和PM₁₀的排放量分别为18.30、6.42、14.99和0.84万t.道路移动源是CO和VOCs的主要贡献源,占比分别为85.38%和86.60%.非道路移动源是NO_x和PM₁₀的主要贡献源,占比分别为57.32%和66.95%.从时间变化来看,移动源所有污染物排放在2月均为最低,CO和VOCs在10月排放最高,而NO_x和PM₁₀则在8月排放最高.节假日（如春节和国庆节等）对移动源排放的时间变化影响显著.从空间分布来看,CO和VOCs排放主要集中于城区和车流量大的公路（高速路和国道）上,NO_x和PM₁₀在城区与港区均具有较高排放强度.污染物的空间分布差异是由其主要贡献源的空间位置决定的.本研究可为天津市大气污染的精细化管控和空气质量模拟提供数据支撑,同时可为其他地区移动源排放清单的建立提供方法参考.