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.     

太原市PM2.5中有机碳和元素碳的污染特征

采集了太原市4个点位冬季和夏季PM2.5样品,利用元素分析仪测定了PM2.5中有机碳(OC)和元素碳(EC)的质量浓度,并对碳气溶胶污染水平、时空分布、二次有机碳(SOC)以及OC和EC相关性等特征进行了分析.结果表明,太原市冬季有机碳(OC)、元素碳(EC)平均质量浓度为22.3μg·m-3和18.3μg·m-3,夏季OC、EC平均质量浓度为13.1μg·m-3和9.8μg·m-3,冬季和夏季总碳气溶胶(TCA)占PM2.5的比例分别为56.6%和36.5%;各点位OC和EC质量浓度均呈现冬季夏季的季节特征,冬季OC、EC浓度呈现出较好的均一性,夏季OC、EC质量浓度存在较明显的空间分布差异;太原市SOC污染较轻;冬季OC、EC相关性较强,夏季OC、EC相关性差.     

广州市夏季室内外PM2.5中有机碳、元素碳的分布特征

2004年7～8月在广州市9个采样点的室内、室室外同步采集了PM2 5样品,采用热光反射碳分析仪分析得到OC、EC的质量浓度,对OC、EC污染水平、空间分布、室内室外质量浓度关系、0C/EC质量浓度关系及二次有机碳等特征进行了深入细致的分析研究.结果表明,OC室内、外平均质量浓度为17.3和19.9μg·m-3,EC室内、室外平均质量浓度为6.5和6.6μg·m-3,总碳气溶胶占PM25质量的50%以上;在不同类型采样点0C、EC质量浓度存在区别;室内环境中OC、EC质量浓度相关性显著,室外环境中0C、EC质量浓度相关性不显著;0C、EC质量浓度比ρ(OC)/ρ(EC)超过2;室内、室外PM2 5中二次有机碳质量浓度是7.6和10.0μg·m-3,占总有机碳的比率为43.8%、45.5%.     

宁波市PM2.5中碳组分的时空分布特征和二次有机碳估算

为了研究PM2.5中碳质组分的时空分布特征,于2012年12月至2013年10月4个季度典型时段在宁波市5个采样点采集环境大气中的PM2.5,分析了样品中有机碳(OC)和元素碳(EC)的质量浓度,并估算二次有机碳(SOC)对OC的贡献.结果表明:1宁波市PM2.5年均质量浓度为51.6μg·m-3,其中OC和EC的比例分别为17%和6%.反向轨迹模型的分析结果表明,来自内陆地区的区域传输可能是冬季和春季PM2.5浓度较高的主要原因.2OC/EC比值和OC与EC的相关性分析结果表明,夏季有大量SOC生成,而冬季则可能受华北地区燃煤供暖的显著影响.3用EC示踪法对宁波市的SOC进行了估算,结果表明宁波冬季和春季受到区域传输的显著影响,污染源较不稳定,不宜使用该估算方法.夏季和秋季的SOC质量浓度分别为2.5μg·m-3和2.3μg·m-3,占OC的42%和28%.     

厦门市冬季大气PM2.5中有机碳和元素碳的污染特征

为探讨厦门市冬季大气PM_(2.5)含碳组成特征,于2014-12-10至2015-01-09同步采集了城区和郊区的PM_(2.5)样品。采用热光透射法分析了PM_(2.5)中OC、EC的质量浓度。结果表明,近年来厦门市PM_(2.5)、OC、EC的浓度表现出逐年降低的趋势。城区和郊区的OC平均浓度分别为9.77±1.87和9.17±2.42μg/m~3,EC平均浓度分别为1.87±0.73和2.43±1.10μg/m~3,与国内外其他城市相比,厦门市冬季大气PM_(2.5)中的OC、EC浓度均处于较低水平,人为引起的大气含碳成分污染相对较轻。城区和郊区的OC/EC值均大于2,SOC占OC比例分别高达34.96%、39.03%,厦门大气PM_(2.5)中的OC受到二次污染较严重。PM_(2.5)、OC、EC的分布规律表明,OC、EC受到了除天气条件以外的其他因素如OC和EC污染源种类、源强以及二次转化程度的影响。城区(R2=0.107 9)和郊区(R2=0.341 9)的OC与EC相关性不明显,初步判断厦门市冬季PM_(2.5)中OC和EC的来源较复杂,EC可能主要来自化石燃料和生物质不完全燃烧等一次排放源,OC则主要受到化石燃料燃烧和二次污染的影响,城区污染源还包括烹饪源以及生物质燃烧。     

北京市室内外PM_(2.5)中有机碳和元素碳的分布特征

为了分析北京市室内外PM_(2.5)中有机碳和元素碳的分布特征,于2015年11月-2016年4月在北京市西城区室内、室外采样点同步采集PM_(2.5)样品,采用美国Sunset Lab Inc.碳分析仪分析PM_(2.5)中有机碳(Organic carbon,OC)、元素碳(Elemental carbon,EC)的质量浓度,讨论了灰霾和非霾天气下,PM_(2.5)、OC、EC以及二次有机碳的浓度水平、室内外相互关系以及季节分布特征。结果表明:非霾天气下,受室内源影响,室内OC质量浓度高于室外;冬、春季室内的OC在PM_(2.5)中占比均大于室外,室内源作用明显;北京市冬、春季二次有机碳占总有机碳的50%以上,冬季高于春季,室内高于室外,二次有机碳是北京市PM_(2.5)中碳质颗粒物的主要组成,污染严重,应受到重视。     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

福建省三大城市冬季PM2.5中有机碳和元素碳的污染特征

以福建省福州、厦门和泉州这3个主要城市为研究对象,采集了冬季PM2.5样品,采用热光透射法(thermal opticaltransmission,TOT)分析得到PM2.5、OC和EC的浓度水平和空间分布、OC与EC的相关性、OC/EC值以及二次有机碳分布特征.结果表明,福州、厦门和泉州冬季PM2.5的浓度范围为(79.94±18.08)～(114.78±26.10)μg.m-3,均超过《环境空气质量标准》(GB 3095-2012)规定的PM2.5日均值75μg.m-3.OC和EC的浓度范围(以C计)分别为(14.77±2.65)～(19.27±1.96)μg.m-3和(1.99±0.50)～(3.36±0.41)μg.m-3,分别是背景点福州平潭的1.2～1.6倍和1.2～2.0倍.福州平潭(R2=0.70)和晋安(R2=0.66)冬季PM2.5中OC与EC的相关性显著,说明OC和EC有相近的一次污染来源.OC/EC值为5.64～7.71,且值均大于2.0,说明各采样点存在二次有机碳(secondary organic carbon,SOC)的生成.SOC的浓度为2.47～7.17μg.m-3,占OC的比例为13.08%～45.67%,占PM2.5的2.20%～7.78%.     

北京冬季PM2.5中元素碳、有机碳的污染特征

通过2003年1月对北京市区PM_2.5中元素碳(EC)、有机碳(OC)连续测量,分析了其污染特征。监测资料表明,北京市区PM_2.5中ρ(OC)高于ρ(EC),它们多在夜间高、白天低,且变化趋势大致相同。北京市区冬季ρ(OC) ρ(EC)的值较低。      

上海城区PM2.5中有机碳和元素碳变化特征及来源分析

2010年6月~2011年5月间在上海城区点位采集了181组PM2.5样品,采用热光反射法(thermal optical reflectance,TOR)测定了样品中的有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)含量.结果表明,上海城区环境空气PM2.5中OC和EC年平均浓度分别为8.6μg·m-3±6.2μg·m-3和2.4μg·m-3±1.3μg·m-3,两者之和占PM2.5质量浓度的20%.OC和EC的季节平均浓度值冬季最高,夏季最低,秋季OC和EC在PM2.5中的比例最高.全年OC/EC比值为3.54±1.14.采用最小OC/EC比值法估算二次有机碳(secondary organic carbon,SOC)含量得到SOC年均浓度为3.9μg·m-3±4.2μg·m-3,占OC含量的38.9%.夏季SOC浓度低且与O3最大小时浓度值相关性好,表明光化学反应是夏季SOC的重要生成途径,主导西风向的秋冬季SOC浓度高于静风条件下的浓度水平,存在输送作用.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3和OPC进行主成分分析,结果显示上海城区PM2.5中OC和EC主要来自机动车尾气、燃煤排放、生物质燃烧和道路尘,这4个来源对含碳组分的贡献率达69.8%~81.4%,其中机动车尾气在4个季节中的贡献率均较高,生物质燃烧贡献约15%~20%,春季和秋季道路尘影响明显,冬季燃煤的贡献高于其他季节.     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.     

西安市PM2.5中碳质气溶胶污染特征

利用热光分析法探究了西安市2017年353个PM_2.5样品中的元素碳（EC）、有机碳（OC）、甲醇可萃取有机碳（MSOC）以及热-光分析法得到的7个碳组分（OC1~4、EC1~3）的质量浓度、季节变化趋势以及来源.结果表明,西安市2017年OC、EC以及MSOC的平均质量浓度分别为（17.56±11.83）、（4.08±2.95）和（11.10±6.77）μg·m^-3.OC质量浓度的季节性趋势为冬季 > 春季 > 夏季 > 秋季;EC为冬季 > 春季≈秋季 > 夏季.MSOC/OC比值年平均值为0.64±0.20,冬季最高,夏季最低.春季OC和EC相关性较好（r²=0.76）,而在冬季的相关性较差（r²=0.43）,说明碳气溶胶的来源不同.采用EC示踪法对二次气溶胶的含量进行估算,SOC的平均含量分别占到了春、夏、秋、冬四季OC质量浓度的51.9%、38.4%、37.3%、44.0%.采用主成分分析法得出西安市的碳质气溶胶主要来源于燃煤和机动车排放.     

成都平原PM2.5中碳质组分时空分布特征与来源

为了探究成都平原碳质气溶胶污染特征及来源,于德阳、成都和眉山三地采集了1 a的PM_2.5样品,利用光热透射法测量其有机碳(OC)和元素碳(EC). 3个点年均碳质气溶胶的质量浓度(μg·m^-3)分别为眉山(OC:15. 8±9. 6,EC:6. 6±5. 3)>成都(OC:13. 0±7. 5,EC:4. 7±3. 6)>德阳(OC:9. 6±6. 1,EC:3. 4±2. 6),对应的总碳质气溶胶(TCA)在PM_2.5中的占比分别为36%、34%和30%.由EC示踪法估算获得二次有机碳(SOC)在OC中的占比分别为眉山38%、成都46%和德阳47%. OC和EC质量浓度季节变化显著,呈现出秋冬季高夏季低的特征,在2013年10月12～13日、12月2～7日和2014年1月中下旬出现峰值,同期气溶胶中K+质量浓度激增,说明这些污染过程中生物质燃烧有重要贡献. PMF模型对碳质气溶胶来源解析结果表明,该地区总碳(TC)的主要来源为生物质燃烧源(46%～56%)、二次有机气溶胶源(26%～38%)、机动车排放源(...     

黄石市夏季昼间大气PM10与PM2.5中有机碳、元素碳污染特征

2012年7月,对黄石市城区夏季昼间大气颗粒物PM10与PM2.5样品进行采集,并用热/光反射法(TOR)分析其中的有机碳(OC)、元素碳(EC).结果显示,新老城区PM10中OC平均含量分别为14.60μg·m-3和18.70μg·m-3,EC平均含量分别为4.70μg·m-3和11.02μg·m-3;PM2.5中OC平均含量分别为11.89μg·m-3和13.66μg·m-3,EC平均含量分别为2.28μg·m-3和4.96μg·m-3.研究结果表明,夏季昼间黄石市新老城区大气PM10与PM2.5中碳组分浓度变化趋势相同,且老城区大气PM10、PM2.5中的OC和EC含量普遍要比新城区高,且PM10中OC、EC在总碳(TC)的质量分数均高于在PM2.5中,说明黄石市老城区碳污染状况较新城区要严重,其夏季昼间大气粗颗粒物中碳的含量更高.通过对OC/EC及8个碳组分进行探讨,发现黄石市大气颗粒物中OC易形成二次污染,而EC排放以烟炱为主,夏季燃煤和机动车尾气是黄石碳污染的重要污染源,生物质燃烧也具有一定影响.     

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.