北京大气PM2.5中微量元素的浓度变化特征与来源

为了解北京大气细粒子中微量元素的污染水平和来源,在车公庄和清华园进行了连续1年、每周1次的PM2.5采样和全样品分析.微量元素浓度的周变化大,尤以冬季为甚,相邻2周最大相差达1.6倍;但除冬季的平均浓度较高之外,其季节变化并不显著.微量元素的富集因子在春季最低,反映了频繁发生的沙尘天气的影响.Se、Br和Pb的浓度比来自于北京A层土壤中的含量要高出约1000～8000倍,表明它们主要来自于人为污染.其中Se的富集度最高,反映了北京细粒子来自于燃煤污染的特征.Pb的年均浓度(0.31μg@m-3)虽然未超过WHO的年均标准,但与洛杉矶和布里斯班相比处于较高的水平;与Br、Se的比较分析表明,燃煤可能是Pb除机动车排放之外的另一个重要来源.     

北京市大气气溶胶PM2.5中极性有机化合物的测定

提出了用GC-MS分析大气细粒子中极性有机化合物的测定方法,给出了2类衍生化反应的最佳条件.标准物质工作曲线相关系数在0.995～1.000之间,仪器精密度为1%～10%,标准物质的标准偏差为3%～20%,实际样品的标准偏差为3%～17%,仪器定量限为0.1～4.0 ng·μL^-1.实测了北京市夏、秋、冬3季大气细粒子样品,定量极性有机化合物42种,其中一元羧酸30种、二元羧酸5种、无水单糖3种、甾醇类3种和苯甲酸,并对这些化合物的可能来源进行了探讨.     

北京冬季PM2.5中金属元素浓度特征和来源分析

为了解北京冬季细颗粒物中金属元素的浓度水平及其来源,于2014年12月至2015年1月使用中流量PM_(2.5)采样器在北京城区开展了为期30 d的连续采样,采用滤膜称重法检测PM_(2.5)浓度,电感耦合等离子体质谱法(ICP-MS)分析PM_(2.5)中16种元素总量,并采用富集因子法和因子分析法分析元素污染特征及其来源.结果表明,观测期间PM_(2.5)中主要金属元素为K、Ca、Fe、Al和Mg,占16种元素总量的90.7%.与白天相比,地壳元素如Mg和Al等在夜间的浓度下降30%以上,而人为源金属元素如Cu和Pb等的浓度则上升40%以上.从优良天到重污染天气,上述16种金属元素的总浓度上升1倍,但其在PM_(2.5)中的比例却逐渐降低,说明金属元素的富集不是PM_(2.5)上升的主要原因.随着污染程度的加剧,Cu、Zn、As、Se、Ag和Cd等主要来自人为源的金属元素浓度上升较快,重度污染天与优良天的浓度比值范围为2.9~5.3;而Al、Mg、Ca、Mn和Fe等地壳元素浓度上升则较缓,重度污染天与优良天的浓度比值范围为1.2~1.8.北京冬季PM_(2.5)中金属元素主要来源于燃煤和生物质燃烧、交通和工业排放以及地面扬尘,贡献率分别为34.2%、25.5%和17.1%.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

重庆万州城区大气PM2.5中正构烷烃污染特征及来源分析

采用大流量气溶胶采样器采集了重庆市万州城区2013年夏季和冬季大气中PM_(2.5)样品,并运用气相色谱-质谱联用技术对PM_(2.5)中22种(C12~C33)正构烷烃的含量进行了测定,进而对万州城区PM_(2.5)中正构烷烃的污染特征及来源进行了分析.结果表明,万州城区夏、冬季大气PM_(2.5)中均检测出C12~C33正构烷烃,主峰碳均为C29和C31.夏、冬季PM_(2.5)中正构烷烃日均总浓度分别为158.70 ng·m-3和257.20 ng·m-3,碳优势指数CPI分别为1.63和1.82,CPI1分别为0.61和0.67,CPI2分别为1.83和1.96,植物蜡参数Wax C平均值分别为53.44%和55.53%.万州城区大气细颗粒物中n-alkanes受到来源于陆源高等植物蜡的排放等生物源及化石燃料燃烧等人为源的共同影响,且生物源的影响较大.     

2011~2012北京大气PM2.5中重金属的污染特征与来源分析

为研究北京PM_(2.5)中重金属污染特征,于2011年夏季~2012年夏季每3 d采集一次PM_(2.5)样品.利用电感耦合等离子体质谱(ICP-MS)分析了Li、V、Cr、Mn、Co、Cu、Zn、As、Se、Ti、Ga、Ni、Sr、Cd、In、Ba、Tl、Pb、Bi和U的浓度,选取其中Zn、Pb、Mn、Cu、As、V和Cr 7种主要重金属元素进行深入讨论.北京市PM_(2.5)中重金属Zn、Pb、Mn、Cu、As、V和Cr的平均质量浓度分别为(331.30±254.52)、(212.64±182.06)、(85.96±47.00)、(45.19±27.74)、(17.13±19.02)、(4.92±3.38)和(9.04±7.84)ng·m-3.采样期间秋冬季节PM_(2.5)中重金属污染较春夏季节严重,这可能与北京秋冬季节取暖导致煤燃烧增加有关.霾过程会加剧北京PM_(2.5)中主要重金属Zn、Pb、Mn、Cu、As、V和Cr的污染,霾天对重金属污染的增加作用呈现一定的季节变化特征.源分析结果表明北京大气颗粒物中重金属主要来源于扬尘(包括建筑扬尘和道路扬尘)和煤燃烧,少量来自远距离输送和其他工业来源.     

遵义市PM2.5中水溶性离子的污染特征及来源解析

为探究遵义市PM_2.5中水溶性离子的污染特征及来源,于2018年6月~2019年5月采集了遵义市两个采样点共120个PM_2.5样品,并利用离子色谱法对样品中8种水溶性离子进行了分析。结果表明：采样期间,遵义市PM_2.5平均值为47.6±19.3 μg/m³,呈现冬春高、夏秋低的季节变化特征;8种水溶性离子平均质量浓度顺序为SO₄^2- > NO₃^- > NH₄⁺ > Ca²⁺ > K⁺ > Cl^- > Na⁺ > Mg²⁺,平均值为13.74 μg/m³,水溶性离子质量浓度的季节变化与PM_2.5变化趋势相似;SO₄^2-、NO₃^-、NH₄⁺（SNA）是PM_2.5中主要水溶性离子,占比为83.8%,说明遵义市大气PM_2.5二次污染较严重;相关性分析表明,PM_2.5中NH₄⁺主要以（NH₄）₂SO₄、NH₄HSO₄的形式存在,部分以NH₄NO₃的形式存在;[NO₃^-]/[SO₄^2-]小于1,表明固定源为主要污染源;主成分分析结果表明,PM_2.5中水溶性离子主要来源于燃煤、交通混合源、土壤、建筑扬尘及农业源。     

泉州市大气PM2.5中水溶性离子季节变化特征及来源解析

为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na~+、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、F~-、Cl~-、NO_3~-和SO_4~(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m~(-3)冬季(8.54±7.61)μg·m~(-3)夏季(4.10±2.67)μg·m~(-3)秋季(3.91±2.58)μg·m~(-3);SO_4~(2-)、NO_3~-和NH_4~+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

兰州城区大气PM2.5污染特征及来源解析

为探究兰州城区PM_(2.5)的污染特征及其来源,分别在兰州市城关区和西固区设置PM_(2.5)采样点,于2013年10月(非采暖期)和12月(采暖期)采集样品并进行分析,得到了PM_(2.5)及其16种化学组成的质量浓度.结果表明,兰州城区PM_(2.5)污染水平较高,平均质量浓度为129μg·m~(-3).样品无机元素平均质量浓度为:SCaFeAlMgPbZnMnTiCu,其中S、Ca、Fe、Al的质量浓度在1μg·m~(-3)以上,是主要元素组分;样品各无机元素质量浓度表现为采暖期高于非采暖期,城关区高于西固区.样品水溶性离子平均质量浓度为:SO~(2-)_4NO~-_3NH~+_4Cl~-K~+Na~+,其中SO~(2-)_4、NO~-_3、NH~+_4的质量浓度在10μg·m~(-3)以上,是主要离子组分;样品各水溶性离子质量浓度表现为采暖期高于非采暖期,西固区高于城关区.富集因子(EF)分析结果表明,元素Al、Ca、Mg、Ti的EF值均小于1以自然来源为主;元素Cu、Pb、S、Zn的EF值显著大于10,表明这4种元素在PM_(2.5)中高度富集,且主要源于人为活动造成的污染.主成分分析结果表明,交通排放源、生物质燃烧源、土壤源和二次粒子对兰州城区大气PM_(2.5)贡献显著.     

北京市大气PM2.5中矿物成分的污染特征

为了解北京市大气细粒子中矿物成分的浓度水平和污染特征,在清华园和车公庄进行了连续1a的PM_2.5累积周采样和全样品分析.Al、Si、Ca、Mg和Fe等地壳元素的周变化相似,最大周均浓度均出现在春季有强沙尘天气的一周;其季节变化显著,显示季节性的源排放以及气象条件对矿物成分的含量影响显著.土壤尘的季节平均浓度从夏季逐步上升,至次年春季达到最高(21.1 μg·m^-3),表明春季频繁发生的沙尘天气对土壤尘细粒子有重要贡献.大量的建筑活动可能大大增加了北京细粒子中Ca的负荷,应加强其排放控制.     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ(PM_2.5)高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ(PM_2.5)水平有下降趋势,但个别污染物(如SNA)略呈上升趋势.③京津冀城市群与川渝城市群的ρ(OC)接近,并且均高于长三角城市群的80%,较高的ρ(OC)/ρ(EC)反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网(如监测时间和采样方法)发展水平迥异,...     

2015年北京市两次红色预警期间PM2.5浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_2.5浓度变化特征并初步评估了减排措施对PM_2.5浓度的影响.结果表明:第1次红色预警期间,北京市PM_2.5平均最高小时浓度出现在12月9日19:00,为282μg·m^-3,单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^-3.第2次红色预警期间,PM_2.5全市平均最高小时浓度出现在12月22日20:00,为421μg·m^-3;单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^-3.两次红色预警累积持续时间均呈现出南部站 > 城区站 > 北部站的特征,且第2次红色预警期间PM_2.5浓度南北差异明显大于第1次,PM_2.5平均浓度在150μg·m^-3以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_2.5环境浓度下降约20%~25%,减排效果显著.     

2018～2020年北京市大气PM2.5污染特征及改善原因

利用2018～2020年北京市33个环境评价站和5个区域评价站的空气质量数据,以及气象数据和北京市城区PM_2.5组分数据,研究了3年间北京PM_2.5的浓度演变、时空变化和重污染发生情况,并对PM_2.5组分和气象条件变化进行比较分析.结果发现,3年间北京市ρ(PM_2.5)分别为51、42和38μg·m^-3,2020年的PM_2.5相比2017年下降30.9%,但仍超过国际标准8.6%;北京市PM_2.5空间分布依旧维持南高北低的特征,但南北差异逐年减小,区域浓度趋于均一化;1～3月PM_2.5浓度相对较高,8～9月PM_2.5浓度相对较低,采暖季各污染物浓度均显著高于非采暖季,NO_x和CO分别偏高58.4%和52.9%,PM_2.5偏高27.5%;采暖季和非采暖季PM_2.5日变化出现反向特征,采暖季夜间PM_2.5明显...     

北京市控制PM2.5污染的健康效益评估

实施PM_2.5污染控制后所带来的居民健康经济效益评估,对推进区域环境空气质量监管、健康预警以及防治等工作具有重要意义.本文采用泊松回归相对危险模型和环境价值评估方法,对2016~2019北京16个辖区年PM_2.5污染控制到二级标准限值35 μg·m^-3后所带来的健康风险及经济效益进行评估.结果显示,2016~2019年北京及其16个辖区PM_2.5浓度、各健康终端效应、经济效益以及人均经济健康效益等均呈现出下降趋势.其中,北京PM_2.5浓度值从2016年的73 μg·m^-3下降至2019年的42 μg·m^-3,年均下降率为16.75%,控制PM_2.5污染的健康总受益人数从2016年的439985例（95%置信区间：183987,653476）下降到2019年的77288例（95%置信区间：30483,120905）,年平均下降率约为42.67%.健康经济效益占GDP的比重从3.16%（95%置信区间：1.10%,4.73%）下降到0.55%（95%置信区间：0.18%,0.88%）,人均健康经济效益从3727.61元（95%置信区间：1303.24,5592.18）下降到906.58元（95%置信区间：295.14,1438.27）.此外,由于PM_2.5浓度、人口数量和密度以及单位健康终端经济价值的差异使得北京16个辖区的健康经济效益、占GDP比重以及人均效益估算结果各有差异,其中丰台、通州和大兴等远高于其他辖区,健康风险与经济效益问题相对突出.     

北京城区PM2.5各组分污染特征及来源分析

为探索北京城区大气细颗粒物( PM_{2. 5}) 及其各组分的浓度特征,于 2019 年全年在车公庄地区开展了 PM_{2. 5}及水溶性离子、碳质组分及金属元素的连续在线监测． 结果表明,2019 年北京城区 ρ( PM_{2. 5}) 平均值为 46. 7 μg·m^{- 3},化学组分中 ρ[有机物（ OM） ]、ρ（ NO₃^-） 、ρ( SO₄^2-) 、ρ（ NH₄⁺） 、ρ（ EC） 、ρ（ Cl^-） 、ρ（ 微量元素） 和 ρ（ 地壳物质） 分别为 9. 1、11. 1、5. 7、5. 4、1. 4、0. 9、1. 6 和 7. 3 μg·m^{- 3},SNA ( SO₄^2-、NO₃^-和 NH₄⁺) 合计占到了...     

天津市春季道路降尘PM2.5和PM10中的元素特征

为探究天津市春季道路降尘中元素污染特征及来源,于2015年春季采集了天津市道路降尘样品,通过再悬浮得到PM_(2.5)和PM_(10)滤膜样品,继而测定了滤膜样品中16种元素的含量,通过非参数检验、分歧系数法、富集因子法等研究了道路降尘中元素的污染特征、来源和成分谱的相似性.结果表明,天津市春季道路降尘PM_(2.5)和PM_(10)质量分数平均值在1%~20%之间的元素从大到小依次为:SiAlCaFeMgKNa;PM_(10)和PM_(2.5)中元素成分谱分歧系数为0.06,表明两者元素成分谱很相似;PM_(10)和PM_(2.5)中,元素Cd和Cr强烈富集,Zn、Cu、Pb和As显著富集;道路降尘PM_(2.5)和PM_(10)中元素主要来源于土壤风沙尘、建筑尘、交通尘(汽车尾气的排放、轮胎磨损和刹车片磨损)和煤烟尘.