天津市2017年重污染过程二次无机化学污染特征分析

基于2017年天津市超级观测站数据,筛选出7次典型重污染过程,从污染物浓度、二次转化方面分析重污染过程二次无机化学污染特征.结果表明,重污染期间NO₃^-和SO₄^2-浓度较清洁天气增长幅度最高,显著高于PM_2.5的增长程度,说明二次无机转化是导致重污染期间PM_2.5污染加重的重要原因;下半年PM_2.5和SO₂污染程度较上半年减轻,与秋冬季采取燃煤治理等活动有关;重污染期间NO₂/SO₂比值为1.5~19.6,其中下半年NO₂/SO₂比值显著高于上半年,说明在各项污染源管控下移动源的影响比例相对增加;大部分重污染期间NO₃^-浓度大于SO₄^2-浓度,SOR值高于NOR值,说明重污染期间硫酸盐和硝酸盐转化均较重要;在SO₂浓度显著降低的情况下,重污染期间SO₄^2-浓度并未明显降低,说明除二次无机转化外,硫酸盐生成还受其他因素影响.     

京津冀典型城市冬季人为源减排与气象条件对PM2.5污染影响

本研究基于采样分析与WRF-CAMx-PSAT模式分析了2018年1月北京和唐山PM_2.5的组分特征、传输特征和来源解析.结果表明,2018年1月北京和唐山水溶性无机离子占PM_2.5质量浓度的49.59%和39.13%,两地NO₃^-/SO₄^2-分别为2.02和1.51,均受移动源主导,北京和唐山PM_2.5外来贡献分别占总浓度的48.74%和30.67%,除此之外主要受到邻近局地、西北通道和西南通道这3个方面的污染输送.在污染日时段,两地受西南通道污染贡献分别上升9.65%和15.02%.北京PM_2.5污染浓度贡献最大的是移动源和扬尘源,二次离子受区域输入影响较为明显,唐山则以移动源和工业源为主,且一次颗粒物和SO₄^2-的本地贡献十分显著.与2013年相比,水溶性离子主导组分由SO₄^2-向NO₃^-转变,主要污染源由燃煤源和工业源向移动源和扬尘源转变,同时2018年气象条件对于污染的缓解也比2013年更为有利,其中二次离子的气象影响变化与这两年的相对湿度变化差异紧密相关.     

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.     

冬季PM2.5中无机水溶性离子与大气相对湿度的相关性

依托河北省灰霾污染防治重点实验室,对2019年11月26日—12月31日石家庄市大气PM_2.5中的NO₃^-和SO₄^2-进行连续在线观测,研究NO₃^-和SO₄^2-与环境空气相对湿度的相关性,解析冬季发生PM_2.5重污染天气的RH阈值.观测期间,RH为10%~60%时,NO₃^-的浓度与RH呈显著正相关,为PM_2.5中浓度最高的无机水溶性离子.RH超过70%后,NO₃^-与RH呈负相关,NO₃^-浓度和NOR开始下降.SO₄^2-浓度与RH在整个湿度区间均呈正相关.RH低于50%时,SO₂向SO₄^2-的转化以气相反应为主.RH高于50%以后,颗粒物达到潮解点,SO₂的主要反应转入液相,转化速率加快,SO₂液相反应贡献逐渐增加至64.6%.RH超过70%后,SO₄^2-成为PM_2.5中浓度最高的无机水溶性离子.RH超过PM_2.5潮解点以后,NO₃^-和SO₄^2-大量合成,推高PM_2.5环境浓度,易于形成重污染天气.     

太原市冬季PM2.5化学组分特征与来源解析

为研究太原市城区冬季PM_2.5污染特征及来源,于2017年1月对PM_2.5及其化学组分（水溶性离子、碳组分和微量元素）、气态污染物（SO₂、NO₂）进行在线观测,结合气象数据,分析了清洁天和污染天PM_2.5及其化学组分特征,并利用正定矩阵因子分析法（positive matrix factorization,PMF）对PM_2.5进行来源解析.结果表明,2017年1月太原市城区污染天PM_2.5质量浓度（239.92 μg·m^-3）为清洁天的5.70倍,污染天PM_2.5主要化学组分SO₄^2-、NO₃^-、NH₄⁺、Cl^-、OC和EC分别为清洁天的7.04、5.76、6.51、5.62、4.06和4.70倍;污染天硫的氧化速率（SOR）和氮的氧化速率（NOR）分别为0.12和0.19,明显高于清洁天,说明污染天二次转化程度更高;PMF解析结果显示,污染天二次源（35.06%）、燃煤源（30.19%）和机动车源（24.25%）较清洁天分别增长18.03%、7.39%和2.10%,说明太原市城区污染天在管控机动车和燃煤等一次排放源的基础上,更应该注意对二次源前体物的控制.     

2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明：区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM_2.5、SO₂、NO₂和CO平均浓度分别为219、14、46 μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO₂浓度下降明显.PM_2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM_2.5中主要化学组分为二次无机离子（NO₃^-、SO₄^2-和NH₄⁺）、OC、K⁺和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9 μg·m^-3,在PM_2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO₃^-、SO₄^2-、NH₄⁺、EC和Ca²⁺浓度及其在PM_2.5中占比明显下降;受烟花爆竹燃放影响,OC、K⁺、Cl^-和Mg²⁺浓度及其在PM_2.5中占比均上升.与清洁天气相比,春节重污染期间PM_2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM_2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM_2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.     

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.     

昆山市不同污染条件下PM2.5水溶性离子时间变化特征及其源解析

为了探明昆山市不同污染条件下PM_2.5中水溶性无机离子的污染特征以及本地源排放占主导时对污染过程的贡献,本研究使用昆山市2017年3月—2018年2月期间PM_2.5、水溶性无机离子及其气态前体物数据,分别探讨了水溶性无机离子及其气态前体物在污染天气和清洁天气情况下的变化特征,揭示了它们在污染天气和清洁天气下的变化机制.同时结合周围城市PM_2.5浓度筛选出昆山市秋、冬季局地污染事件,利用主成分分析（principle component analysis,PCA）方法对筛选出的局地污染事件中的水溶性无机离子数据进行了来源解析,定量评估了本地源排放占主导时不同水溶性无机离子对灰霾污染事件过程中PM_2.5浓度的贡献.结果表明：①SO₄^2-、NO₃^-、NH₄⁺（合称SNA）是PM_2.5的重要组分,且其相对贡献随着大气污染加重而变化.3种离子在清洁和污染条件下对PM_2.5的相对贡献分别是49.4%~62.3%和52.7%~65.9%.在3种主要的水溶性无机离子中,NO₃^-浓度最高,其次是SO₄^2-和NH₄⁺.随着污染加重,SO₄^2-的贡献率下降,而NO₃^-的贡献率上升.②污染天气下3种离子日变化规律不同,且存在明显季节差异.其中秋冬季SO₄^2-和NH₄⁺与各自气态前体物变化趋势一致且为单峰型;NO₃^-为单峰型而其前体物则为双峰型.另外,NO₃^-与NH₄⁺日变化趋势较为一致,表明昆山地区SNA多以NH₄NO₃形式存在.③2017—2018年秋冬季由本地源排放占主导的污染天气下,PM_2.5的主要来源是二次气粒转化、建筑扬尘、生物质燃烧和燃煤;除了Mg²⁺和Ca²⁺,其他水溶性离子浓度均低于非本地源排放占主导的污染天气下的浓度.     

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1~2月高时间分辨率的在线监测数据,对天津市2020年1月16~18日（重污染过程Ⅰ）和2020年2月9~10日（重污染过程Ⅱ）进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO₂浓度下降明显,重污染过程Ⅱ北部地区PM_2.5和CO浓度较高.两次重污染过程PM_2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子（SO₄^2-、NO₃^-和NH₄⁺）、EC和Ca²⁺平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K⁺平均浓度低于重污染过程Ⅱ.与重污染过程Ⅰ相比,受燃烧源增加和移动源大幅降低影响,重污染过程Ⅱ中SO₄^2-、OC和K⁺在PM_2.5中占比明显上升,NO₃^-和EC在PM_2.5中占比明显下降;工业持续生产使重污染Ⅱ中NH₄⁺和Cl^-在PM_2.5中占比相对较高;工地的停工使两次重污染过程中Ca²⁺占比均较低.PMF解析结果表明,重污染过程Ⅰ中PM_2.5来源为二次离子、燃煤和工业、机动车、扬尘、烟花爆竹及生物质燃烧,贡献率分别为53.8%、20.2%、18.6%、6.3%和1.1%;重污染过程Ⅱ中各源对PM_2.5的贡献率分别为48.3%、28.2%、8.7%、2.6%和12.2%.与重污染过程Ⅰ相比,重污染过程Ⅱ燃煤和工业、烟花爆竹及生物质燃烧对PM_2.5贡献率明显上升,二次离子、机动车和扬尘贡献率明显下降,尤其是机动车和扬尘,贡献率分别下降53.2%和58.7%.     

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.     

2022年北京市城区PM2.5水溶性离子含量及其变化特征

为探究北京市大气细颗粒物（PM_2.5）水溶性离子含量及其变化特征,有针对性地提出污染防治方案,对2022年全年PM_2.5水溶性离子、气态前体物（SO₂、NO₂）和气象因素（温度、RH）进行分析测定.结果表明,北京市城区PM_2.5中占比最高的水溶性离子为NO₃^-、NH₄⁺和SO₄^2-,占PM_2.5的52.7%,ρ（PM_2.5）（33.2 μg·m^-3）和ρ（SNA）（18.9 μg·m^-3）低于历史研究结果,但SNA占比（52.7%）、SOR（0.45）和NOR（0.15）高于历史研究结果,体现出北京市细颗粒物污染得到明显改善,但仍具有较强的二次污染特征.NO₃^-/SO₄^2-为2.2,高于历史及附近省市研究结果,反映出移动源的影响不断扩大.从季节变化上看,PM_2.5呈现秋高夏低的变化特征,秋、春、冬这3个季节NO₃^-的占比最高,夏季SO₄^2-占比最高,而NH₄⁺在各季节占比变化不大.NOR与SOR的季节变化规律几乎相反,反映出二者的转化形成因素存在差异.北京城区SNA的主要存在形式为NH₄NO₃和（NH₄）₂SO₄,其中冬季阴阳离子中和度最高,夏季阳离子NH₄⁺稍显不足,而春秋两季NH₄⁺处于过量状态,北京城区为富氨环境.从污染级别看,水溶性离子质量浓度均随污染加重有不同程度的增长,增长最快的是SNA,其在PM_2.5中占比出现先上升后稳定的变化特征.从空间分布特征来看,中心城区和东南西北部郊区的SNA质量浓度大小均为：NO₃^->SO₄^2->NH₄⁺,体现了以NO₃^-为主导的污染特征;SNA对PM_2.5的贡献率最高的区域发生在东部、中心城区和传输点,表明在中心城区和东部地区二次反应相对活跃,同时区域传输也是二次离子的重要来源.     

唐山市2017年采暖期不同污染等级PM2.5化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM_2.5及其水溶性离子和碳质组分（OC、EC）的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR（硫氧化率）分别为0.05、0.08、0.20,NOR（氮氧化率）分别为0.05、0.12、0.26,随着污染的加重,SO₂、NO_x向PM_2.5中SO₄2-、NO₃-的二次转化现象更加明显.③清洁时,ρ（OC）、ρ（EC）、ρ（SO₄2-）和ρ（Cl-）占PM_2.5化学组分（水溶性离子、碳质组分）质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ（NO₂）/ρ（SO₂）分别为0.96、1.14、1.44,ρ（NO₃-）/ρ（SO₄2-）分别为0.94、1.57和1.75;重污染时,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）三者之和占PM_2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ（NO₂）/ρ（SO₂）、ρ（NO₃-）/ρ（SO₄2-）明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.      

2017年厦门金砖会晤期间气象因素与管控措施对空气质量的影响

2017年厦门金砖会晤期间采取了大气污染临时管控措施,使AQI小时值和日均值均达到了双优的预期目标.本文根据管控措施实施的前、中、后阶段,厦门及周边城市大气污染物浓度的变化,对气象因素和人为因素的影响分别进行分析.结果发现,气态污染物对临时管控措施的敏感性最强,SO₂和NO₂的降幅（39.9%和25.6%）明显高于PM_2.5和PM₁₀的降幅（5.5%和4.8%）,台风外围带来的大风和降水可显著改变大气污染物的周期性变化规律.大气PM_2.5组成及SO₂/NO₂、SO₄^2-/NO₃^-、OC/EC和WSOC/OC等比值变化显示机动车（尤其是柴油货车）是本地区大气污染物的重要来源.控制变量分析显示,厦门金砖会晤期间气象因素对颗粒物和NO₂削减的贡献更大（20.3%）,而临时管控措施对SO₂的削减效果更明显（23.2%）,且有一半以上（51%~64%）的大气污染物来自外来源输送.     

山地型城市冬季大气重污染过程特征及成因分析

以阳泉市2018年12月26日~2019年1月20日发生的典型大气重污染过程为例,研究了山地型城市冬季大气重污染过程特征及成因.结果表明,重污染发生时段首要污染物为PM_2.5,水溶性离子和碳质组分是PM_2.5主要组分,其中二次离子SO₄^2-、NO₃^-和NH₄⁺是主要水溶性离子成分（共占离子组分的87.7%）,二次有机碳（SOC）是碳质组分的主要成分（71.6%）.二次离子在重污染发生时的浓度较发生前增加5.3倍,是导致PM_2.5快速增长的重要组分.气象条件分析显示,PM_2.5及其主要组分皆与相对湿度呈显著正相关关系而与风速呈显著负相关,随相对湿度增加以及平均风速降低,污染程度逐渐加重.山地型城市相对湿度较高、温度变化幅度大等气象特征使二次污染物的生成加快,是导致PM_2.5污染程度快速加重的主要原因.另外,山地型城市相对封闭的地形导致的平均风速降低使得大气污染物扩散条件相对较差是污染物累积的原因之一.PMF模型解析结果为：二次源（46.0%）对PM_2.5贡献显著,其次为燃煤源（32.6%）、机动车源（19.8%）和扬尘源（1.6%）.因此,山地型城市更应该重视对二次组分,特别是二次离子形成的前体物的管控.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

邯郸市PM_(2.5)中水溶性无机离子污染特征及来源解析

本研究通过对邯郸市环境空气中PM2.5样本进行采集和成分检测,分析了该地区PM2.5中水溶性无机离子的污染特征,并结合气象要素(风速、温度)、气态污染物(O3、NO2、SO2、CO)、SOR(硫氧化率)、NOR(氮氧化率)对其主要来源进行了解析.研究结果表明:总水溶性无机离子(TWSII)浓度季节变化特征明显,秋、冬季高于春、夏季.SO2-4、NO-3、NH+4是PM2.5中主要的水溶性无机离子,在TWSII中所占的比例为夏(93.2%)冬(85.6%)秋(85.5%)春(84.0%).春、夏、秋三季PM2.5呈酸性,冬季显碱性.此外还分析得到,SO2-4在四季中均以(NH4)2SO4的形式存在.NO-3在冬季以NH4NO3的形式存在,其余季节中以NH4NO3、HNO3等共存.绝大部分Cl-在冬季以NH4Cl的形式存在,其它季节中以NH4Cl、KCl等的形式存在.均相反应是SO2-4的主要生成途径,夏、冬季也伴随有非均相反应.NO-3的生成以均相反应为主(春、夏、秋),在冬季均相反应与非均相反应同时存在.应用因子分析法解析出4个主因子,其中,工业、燃煤、交通、生物质燃烧等综合源是PM2.5中水溶性无机离子的主要来源.     

盘锦市冬季PM2.5水溶性离子特征及来源分析

为探讨盘锦市冬季PM_(2.5)水溶性离子污染特征和来源,于2017年1月采集3个点位的PM_(2.5)样品,用ICS-900离子色谱仪分析了8种离子(Na~+、Mg~(2+)、Ca~(2+)、K~+、NH_4~+、SO_4~(2-)、Cl~-和NO_3~-).开展了PM_(2.5)和离子浓度特征分析、硫氧化率(SOR)和氮氧化率(NOR)计算、离子平衡计算、主成分分析等.结果表明:盘锦市冬季PM_(2.5)浓度与水溶性离子浓度特征为文化公园开发区第二中学;SO_4~(2-)、NO_3~-、NH_4~+质量浓度较大;冬季硫氧化率(SOR)和氮氧化率(NOR)的均值均大于0.10,说明SO_4~(2-)、NO_3~-主要由SO_2和NO_x转化而来;阳离子和阴离子当量相关性较强;开发区整体上呈现出中性,文化公园与第二中学呈现出偏碱性;盘锦市PM_(2.5)中水溶性离子主要来源于煤烟尘,生物质燃烧,二次粒子以及扬尘.     

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.     

COVID-19管控前后不同污染阶段PM2.5中二次无机离子变化特征

为探讨新冠肺炎疫情(COVID-19)管控前后不同污染阶段PM_2.5中二次无机离子变化特征,使用高分辨率(1 h)在线仪器对2019年12月15日至2020年2月15日郑州冬季气象、污染气体浓度和PM_2.5中水溶性离子水平进行在线监测,分析此次COVID-19管控前后霾过程的成因、大气污染物的日变化特征和在霾不同阶段下大气污染物的分布特征.结果表明,郑州主要受到高压脊控制,天气形势稳定,有利于大气污染物累积,二次无机气溶胶(SNA,包括SO₄^2-、NO^-₃和NH⁺₄)是水溶性离子的主要组分,占比高达90%以上,COVID-19期间居家隔离措施对霾不同阶段下大气污染物的分布特征产生不同的影响,COVID-19期间PM_2.5在干净、发生和消散阶段的浓度比COVID-19前有所提高,但是发展阶段明显降低,居家隔离明显使PM_2.5高值降低了;NO₂、SO<...