PM2.5中有机碳和元素碳的研究概况

PM2.5是一种区域性复合型的大气污染物,其重要组成部分有机碳(OC)和元素碳(EC),因其独特的环境、气候效应以及对人类健康的影响而成为世界各国共同关注的热点;综述了国内外PM2.5中OC和EC的四大特征(组成及来源、粒径分布、人体健康和环境影响、样品采集与测定)的研究进展,并对OC和EC研究发展前景进行展望;考虑区域复合型污染特征,认为含碳气溶胶与其他气溶胶之间相互作用、实地观测与卫星反演预测综合研究,将是OC和EC研究的重要发展方向。     

广州PM2.5中有机碳和元素碳的污染特征

于2015年6月～2016年5月对广州大气细粒子PM_(2.5)进行持续观察,分析了样品中有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的含量.结果表明:广州大气PM_(2.5)含量为(66.03±43.11)μg·m~(-3),OC含量为(8.19±5.01)μg·m~(-3),EC含量为(1.75±0.80)μg·m~(-3); OC,EC和总碳(total carbon,TC)占PM_(2.5)的比例分别为16.73%,3.85%和20.58%,表明广州细粒子的碳污染程度较为严重; PM_(2.5),OC和EC污染都呈现冬季春季夏季秋季的特征,与历史研究基本一致; OC,EC相关系数较高(R~2=0.929),表明二者来源较为相近,且PM_(2.5)中EC1占比例最高(45.41%),表明广州燃煤和机动车尾气是重要的污染源;二次有机碳(SOC)为(4.10±3.56)μg·m~(-3),占OC的比例为46.19%,表明广州二次有机碳的排放与形成是碳污染的重要因素.与历史数据相比,广州大气污染情况有所改善,碳气溶胶污染几乎达到历史最低值.     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

城市绿地类型对大气PM2.5浓度的影响

揭示不同类型城市绿地大气PM_2.5浓度的变化规律，以期为科学规划城市绿地、改善居民游憩环境提供理论依据。     

郑州市PM2.5和PM10中水溶性无机离子的污染特征

于2009年10月至2010年8月间采集郑州市大气颗粒物PM2.5与PM10样品,对其质量浓度及水溶性离子进行分析研究.结果表明：PM2.5在秋、冬、春、夏四季的质量浓度的平均值分别为134.9、121.6、77.9和102.0μg/m^3,PM10在秋、冬、春、夏四季的质量浓度的平均值分别为193.2、184.0、140.9和140.5μg/m^3,日均值超标率分别达77.8%和59%.PM2.5和PM10质量浓度呈现很好的相关性,春季粗粒子在PM10中的比例相对较高,而秋、冬和夏季细粒子是PM10的主要组成部分.主要的水溶性离子是SO4^2-、NO3^-和NH4^＋,大部分以（NH4）2SO4和NH4NO3形式存在;NO3^-和SO4^2-质量比小于1,说明采样期间郑州市大气以固定排放源污染为主.     

华北平原地区PM2.5浓度时空变化特征及其影响因素研究

为揭示华北平原地区P M2.5污染的总体情况,并为华北平原地区大气环境污染防治提供有效依据,采用标准差椭圆和局部空间自相关等方法,运用2000—2018年华北平原地区PM2.5浓度遥感反演数据,分析华北平原P M2.5浓度的时空变化特征,并使用地理探测器对其浓度变化的影响因素进行研究.结果表明:①华北平原地区的P M2...     

上海市大气PM2.5中Cu、Zn、Pb、As等元素的浓度特征

用等离子发射光谱法对2000年10月至2001年8月上海市4个采样点大气PM2．5中的Cu,Zn,Pb,As等元素的浓度进行分析，研究表明，在上海市不同代表城区大气PM2．5中的元素浓度呈现一定的分布特征，存在一定的季节变化规律，计算元素的富集因子，并与国内外城市颗粒物中元素 的富集因子比较，表明Cu,Zn,Pb,As等元素在上海市大气PM2．5中的富集程度与它们在其他城市大气PM2．5中的富集程度基本处于同一水平。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

万州城区PM2.5中有机碳与元素碳污染特征

为了解重庆万州区PM2.5中碳质气溶胶的污染特征，于2012—2013年分4个季节采集了 PM2.5样品，并分析了其中有机碳（OC）和元素碳（EC）的浓度。结果显示，在采样期间，万州区 PM2.5中 OC 和 EC 的年平均质量浓度分别为 29.72 μg·m-3和 8.42μg·m-3，OC和 EC浓度之和占到 PM2.5中 27.25%。OC浓度的季节变化趋势由高到低分别为冬季、秋季、春季和夏季，EC在冬季浓度最高，其他季节浓度变化不大。OC和 EC在 4个季节都有较好的相关性（r为 0.67~0.84），其中，冬季相关性最高（r=0.84），秋季相关性(r=0.67)最差，这与污染物来源复杂有关。应用 OC/EC比值法对二次有机碳（SOC）进行估算，SOC年平均浓度为 13.79 μg·m-3，占 OC含量的 46.72%，冬季 SOC的浓度远高于其他季节，冬季较高的 OC排放及较低的大气扩散能力利于碳气溶胶中 SOC 的生成。
     

PM2.5简介及福州市PM2.5污染分布特征

该文介绍了PM2.5细粒子污染重要的空气质量指示意义.利用2010年～2011年福州市PM2.5观测资料,分析了福州市细粒子污染的分布状况、主要特征及与气象条件的关系.结果表明:福州市PM2.5年平均浓度接近新标准规定的35ug/m3,污染程度较轻;月平均浓度峰值出现在5月,谷值出现在7月;季节分布高低排序为春季＞冬季＞秋季＞夏季,春季污染最严重,一级超标率达72.7％,夏季最轻;日分布呈单峰型,中午前后浓度最高;PM2.5浓度月季分布特征明显,说明PM2.5浓度变化与天气条件关系密切.     

郴州市大气PM2.5中无机元素污染特征及来源分析

利用电感耦合等离子体质谱仪(ICP-MS)测定了郴州市PM_(2.5)中无机元素的质量浓度,并通过元素的富集特征和主成分解析了它们的来源.结果表明,研究区域在春、夏、秋、冬四个季节PM_(2.5)平均质量浓度分别为28.7、30.7、41.4和58.1μg·m~(-3),无机元素的平均占比为15.63%,其中Al、Fe、Zn、Cu、Pb、Cr、Mn、As、Si和Ti占无机元素总量的90.6%.富集因子分析结果表明,Cd、Ag、Bi、Sb、As、Cu、Pb、Zn、Cr、Ni和V主要来自于人为污染,特别是有色金属元素的富集程度较高,这与郴州市是著名的有色金属之乡,有色金属开采及冶炼发达是相关的.主成分分析结果说明郴州市PM_(2.5)中无机元素主要来源于煤和石油的燃烧、汽车尾气排放、有色金属的冶炼以及土壤扬尘.     

长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

郑州市城区PM2.5和PM10变化特征及其与气象要素关系研究

利用2018年1月、4月、7月、10月郑州市城区8个监测站点的PM_(2.5)和PM_(10)浓度数据与气象数据,对郑州市城区PM_(2.5)和PM_(10)的时相变化特征及气象要素对其产生的影响进行研究.结果表明:郑州市城区在1月份的PM_(2.5)浓度最高(118.1μg·m~(-3)),污染严重,4月份PM_(10)浓度最高(169.4μg·m~(-3)).通过分析PM_(2.5)和PM_(10)的比值(PM_(2.5)/PM_(10))发现, PM_(2.5)是郑州市城区主要的大气污染物.PM_(2.5)和PM_(10)与气象要素之间的相关分析表明,PM_(2.5)和PM_(10)与气温和露点温度均呈显著负相关(P0.01),PM_(10)与降水呈显著负相关(P0.05),PM_(2.5)与气温之间的相关性(r=-0.441,P0.01)高于PM_(10)和气温的相关性(r=-0.311,P0.01).另外,当风速在2～3 m·s~(-1)时,PM_(10)最低;而风速大于4 m·s~(-1)时,颗粒物浓度增加明显,且对于PM_(10)的增加作用更显著.露点温度与颗粒物浓度之间也存在一定关系,当露点温度大于0℃时,颗粒物浓度会随露点温度的增加而降低.2018年郑州市PM_(2.5)与PM_(10)昼夜变化呈双峰型特征;风速与温度的双重作用导致PM_(2.5)浓度先于PM_(10)达到最高值,而空气湿度和露点温度则是造成04:00时颗粒物较低的主要原因.另外,通过多元回归分析发现,各月份昼夜时段颗粒物浓度主要受温度和相对湿度影响;在各时段中,温度与颗粒物浓度关系最为密切,风速次之,湿度最弱,各气象要素对PM_(2.5)浓度的影响较PM_(10)浓度更大.     

北京大气细粒子PM2.5的化学组成

为了解北京大气细粒子(PM2.5)的污染水平和污染特征,在车公庄和清华园进行了连续1年、每周1次同步采样和全样品分析。2个采样点PM2.5的化学组成相似。含碳组分和水溶性离子是主要的组分,其质量浓度之和超过PM2.5的50%。有机碳、元素碳和细粒子PM2.5的季节变化一致,即冬季质量浓度最高,夏季最低。夏季NO-3的质量浓度最低且在采样过程中从特氟隆滤膜上有近50%的挥发。SO2-4不同于PM2.5的季节变化主要取决于SO2的转化率。地壳元素的质量浓度从冬季到春季大幅度上升,春季沙尘天气频是一个重要原因。     

大连市2016—2017年PM2.5质量浓度时空 分布特征研究及相关性分析

以大连市为研究区域,基于2016—2017年大连市9个国控自动空气质量监测站的PM_(2.5)质量浓度逐小时监测数据,整理、筛选得到52 029个有效样本数据,探讨PM_(2.5)质量浓度时空分布特征,分析其年、季节、月份、日均值变化规律,进行PM_(2.5)质量浓度与SO2和CO的相关性分析.结果表明:2017年较2016年PM_(2.5)质量浓度有所下降,1a中浓度由高到低的季节依次是冬、春、秋、夏.PM_(2.5)质量浓度月均值呈V型分布,2016年和2017年最大值分别出现在12月和3月,最小值均出现在8月.日变化呈多峰型分布,峰值出现在早高峰8:00前后及夜间22:00.各站点月均值变化趋势大体一致,均呈V型分布.位于工业区的站点PM_(2.5)质量浓度都相对高于居民区,位于海边和郊区的居民区PM_(2.5)质量浓度相对低于市中心的居民区.PM_(2.5)质量浓度与SO_2和CO均呈现极显著相关性,Pearson相关系数分别是0.584和0.730,说明工厂废气排放及机动车尾气排放对空气质量产生了不容忽视的影响.     

哈尔滨市大气中PM_(10)、PM_(2.5)质量浓度及金属离子分析

对哈尔滨市大气环境中的PM10、PM2.5进行了采集,并对质量浓度及离子成分进行了分析.实验结果表明,两种颗粒物均呈现了先减小后增大的特征,最高值出现在1月,质量浓度分别是178.85、130.10μg/m3,PM10在1、2、3、4、11、12月均超标,而PM2.5质量浓度则高出欧盟标准(15μg/m3)的2~8倍,另外,离子总质量浓度在8月达到了最低值,分别是42.73μg/m3和25.3μg/m3.PM10和PM2.5中离子成分占颗粒物总质量的比例均表现为中间高两边低的特点,最高含量出现在7月份,分别为67.7%和68.4%.根据相关系数的判别原则,PM10中表现为高度负相关的离子是Ca2+和F-、Ca2+和SO42+、Ca2+和NO3-;表现为高度正相关的离子是K+和Mg2+、K+和Cl-、M2+和Cl-、F-和SO42+、F-和NO3-、SO42+和NO3-,说明上述离子间有相似的污染来源.PM2.5中表现为高度正相关的离子是K+和Cl-、K+和SO42+、K+和NO3-、Mg2+和SO42+、F-和NO3-、SO42+和NO3-,与PM10中离子相关性规律不同.     

集中供暖区大气PM2.5季节动态及其影响因素——以陕西省宝鸡市为例

目的 研究集中供暖区大气PM2.5的现状、动态及其主要影响因素.方法 2012年4月～2013年3月利用E-BAM粒子监测仪连续监测了宝鸡市建成区的大气PM2.5浓度,结合气象因子、燃煤锅炉烟尘排放量和工业生产总值等数据进行分析.结果 宝鸡市大气PM2.5在非供暖期（4月～10月）污染程度较轻,供暖期（11月～翌年3月）污染程度较重;燃煤锅炉烟尘对PM2.5的贡献率约为10.9％;PM2.5浓度与日均湿度正相关,与日均温度、日均大气压负相关.结论 集中供暖区供暖期（11月～翌年3月）是治理PM2.5污染问题的关键期.     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...