南京市大气颗粒物中有机碳和元素碳粒径分布特征

合集下载

南京市空气中颗粒物PM10_PM2_5污染水平.

南京市空气中颗粒物PM10_PM2_5污染水平.

中国环境科学 2002,22(4:334~337 China Environmental Science南京市空气中颗粒物PM10、PM2.5污染水平黄鹂鸣, 王格慧, 王荟, 高士祥, 王连生*(南京大学环境学院,江苏南京210093)摘要:为了初步调查南京市空气中颗粒物PM10、PM2.5的污染水平, 于2001年冬、春、秋3季在南京市的5个典型城市功能区, 用大流量采样器收集了50个样品. 结果表明, 南京市PM10、PM2.5的污染很严重, 超标率分别为72%和92%,最大超标倍数达到6.3和9.0, 而且对人体健康危害更大的PM2.5占PM10的大部分, 约为68%,应引起公众和相关职能部门的高度重视. 关键词:PM10;PM2.5;颗粒物;空气污染;南京中图分类号:X703.5 文献标识码:A 文章编号:1000-6923(200204-0334-04Pollution level of the airborne particulate matter (PM10, PM2.5 in Nanjing City. HUANG Li-ming, WANG Ge-hui, WANG Hui, GAO Shi-xiang, WANG Lian-sheng (School of Environment, Nanjing University, Nanjing 210093, China. China Environmental Science. 2002,22(4:334~337Abstract :For preliminary investigation of pollution levels of airborne particulate matter in Nanjing City, fifty airborne particulate (PM10、PM2.5 samples were collected at five typical functional areas of Nanjing City during the winter, spring and autumn in the year 2001. The results indicate that the pollution by PM10 and PM2.5 is quite serious. The rates exceeding the standards are 72% and 92% for PM10 and PM2.5 respectively with the highest up to 6.3 and 9.0 times of the standards. The PM2.5 fraction, which ismore harmful to human health, accounts approximately 68% of the PM10. It should bring to high attention of the public and the related functional sectors. Key words:PM10;PM2.5;particulate matter;air pollution;Nanjing city近10年来, 美国、欧洲在流行病学领域的研究表明[1], 城市空气可吸入性颗粒物PM10及细颗粒物PM2.5(即空气动力学等效直径≤10ìm、2.5ìm的颗粒物与医院就诊率、呼吸器官疾病发病率乃至死亡率等诸多不利健康效应之间关系密切; 而且PM2.5由于粒径更为微小, 可在肺泡沉积, 并进入血液循环, 对人体健康的危害更大. 目前, 世界上许多国家都制定了PM10标准, 例如美国国家标准规定PM10的日均值和年均值不能超过0.15mg/m3和0.05mg/m3. 我国1996年颁布的GB3095-1996中提出的PM10二级标准为日均值0.15mg/m3, 年均值0.10mg/m3.1997年, 美国EPA 率先推出了PM2.5标准, 即日均值0.065mg/m3, 年均值0.015 mg/m3, 限制非常严格.美国是目前国际上唯一规定PM2.5标准的国家. 鉴于PM10、PM2.5与人体健康的密切关系,于2001年冬、春、秋3季在南京市的5个典型城市功能区采集了50个样品, 在此基础上, 对南京市PM10、PM2.5的污染状况进行了初步分析, 为以后的深入研究提供参考. 1 材料与方法 1.1 采样点在南京市选择了5个采样点, 即苏源宾馆、瑞金新村、夫子庙、扬子技校和中山陵,分别代表交通干道旁、居民生活区、商贸饮食区、化工区附近和风景旅游区5种典型城市功能区. 1.2 仪器与方法PM10采样器为青岛崂山电子仪器总厂生产的KC-1000型大流量TSP 采样器加载PM10切割头, 流速1.05m 3/min;PM2.5采样器是美国安德森公司制造的GT22001型大流量采样器, 流速1.12m 3/min.样品收集使用国产15cm ×25cm 的收稿日期:2001-10-16基金项目:江苏省自然科学基金资助项目(BK2000031)*通讯联系人4期黄鹂鸣等:南京市空气中颗粒物PM10、PM2.5污染水平 335玻璃纤维滤膜.冬(2月、春(4月、秋(9月3季每季采样1次, 每次每个样点连续采2d(受条件限制, 夏季没有采样, 冬季只采了1d, 从早上9点至下午5点, 同时记录气温、气压、湿度、风向、风速等天气条件. 采样尽可能避开雨雪天气.1.3 样品分析采样前后将滤膜置于干燥器中平衡24h. 用0.01mg 的精密天平(METTLER-AE240型仔细称量滤膜. 前后质量之差除以采样体积(校正到标准状态即为颗粒物浓度. 2结果与讨论2.1 污染水平南京市2001年冬、春、秋3季5个功能区的PM10、PM2.5监测数据如表1所示. 从表1可看出, PM10, PM2.5的浓度范围分别为0.068~ 0.944mg/m3,0.044~0.586mg/m3, 平均浓度分别为0.280mg/m3, 0.196mg/m3.表1 南京市2001年5个采样点PM10、PM2.5监测数据Table 1 PM10 and PM2.5 monitoring data at the five sampling sites of Nanjing in 2001PM10PM2.5功能区 n 范围(mg/m3 平均(mg/m3 n 范围(mg/m3 平均(mg/m3 交通干道旁 5 0.344~0.944 0.617 5 0.203~0.586 0.400 居民生活区 5 0.116~0.212 0.176 5 0.085~0.1660.131 商贸饮食区 5 0.171~0.395 0.255 5 0.110~0.313 0.190 化工区附近 5 0.090~0.357 0.169 5 0.070~0.251 0.126 风景旅游区 5 0.068~0.356 0.183 5 0.044~0.238 0.134 总计250.068~0.9440.280250.044~0.5860.196注:n为样品数若以我国空气质量二级标准(GB3095-1996来衡量PM10, 以美国国家空气质量标准来衡量PM2.5(我国目前尚无PM2.5标准, 则各采样点的日均值超标率和超标倍数如表2所示.表2 PM10、PM2.5超标倍数Table 2 Compliance status of PM10 and PM2.5PM10PM2.5 功能区 n 超标率 (% 超标倍数 n 超标率 (% 超标倍数 1 5 100 2.29~6.29 5 100 3.12~9.02 2 5 60 0.77~1.41 5 100 1.31~2.55 3 5 100 1.14~2.63 5 100 1.69~4.82 4 5 40 0.60~2.38 5 100 1.08~3.86 5560 0.45~2.37560 0.68~3.66 总计 25 720.45~6.29 25920.68~9.02注:1.交通干道旁2.居民生活区3.商贸饮食区4.化工区附近5.风景旅游区n为样品数从表2可看出,PM10、PM2.5的超标率为72%和92%,最高超标倍数达到6.29和9.02. 其中交通干道旁和商贸饮食区的污染最为严重, PM10、PM2.5全部超标; 居民生活区和化工区附近稍好些,PM10超标率为60%和40%,PM2.5则均为100%;风景旅游区的情况相对较好, PM10、PM2.5超标率均为60%.虽然受财力、人力条件的限制, 致使采样频率偏低、样品数偏少, 不足以反映一般规律, 但从有限的数据可以看出, 南京市PM10、PM2.5污染情况很严重, 特别是细颗粒物污染, 应引起公众和相关职能部门的高度重视. 2.2 不同季节和功能区比较南京市2001年冬、春、秋3季5个典型城市功能区PM10、PM2.5浓度的比较如图1所示. 由图1可以看出, 在季节变化规律上, 秋季各采样点颗粒物浓度均明显低于冬、春两季. 冬、春两季相比, 交通干道旁、居民生活区、商贸饮食区的颗粒物浓度差别不大, 而对化工区附近、风景336 中国环境科学 22卷旅游区来说, 则冬季高于春季.南京市的秋季, 秋高气爽, 大气扩散条件好, 初秋繁茂的植被对颗粒物有良好的吸纳作用, 而且适逢第六届世界华商大会在南京举行, 加强了绿化和对汽车尾气、建筑工地等污染源的管理, 因此空气颗粒物水平整体著显降低. 春季, 中山陵风景旅游区内植被复苏, 一方面降低了风速, 阻止了来自附近高速公路和国道的汽车尾气和地面扬尘, 另一方面树叶表面可以吸纳颗粒物, 因此春季颗粒物浓度低于冬季. 化工区采样点设在离生产区较远的操场内, 周围空旷, 绿化很好, 而且地处市郊, 其情况与风景区相似, 春季低于冬季.图1 PM10、PM2.5浓度的季节和空间变化Fig.1 Seasonal and spacial variations of PM10 and PM2.5 mass concentrations1. 交通干道旁2.居民生活区3.商贸饮食区4.化工区附近5.风景旅游区冬、春、秋3季, 交通干道旁、居民生活区、商贸饮食区3个功能区污染情况对比, 均为交通干道旁>商贸饮食区>居民生活区. 所选交通干道是南京市最重要的中山路, 汽车流量很大, 机动车尾气污染十分严重, 污染程度是最大的; 夫子庙商贸饮食区是南京市的主要繁华区, 人口流动频繁, 商业、饮食业活动量大; 居民生活区的污染相对较轻, 主要是小区内较清洁, 离交通干线远, 机动车尾气污染小, 并且居民一般使用煤气, 不直接燃煤.除冬季外, 春、秋两季化工区附近和风景旅游区的颗粒物浓度均较低, 主要是这些地方人为活动少, 颗粒物水平受植被影响较大.2.3 PM2.5与PM10的比值PM10分为2.5~10ìm的粗颗粒和小于2.5ìm的细颗粒两部分. 对采集的25组PM2.5、PM10数据进行分析, 结果表明PM2.5/PM10比值范围在0.542~0.864之间, 平均值为0.717. 对PM2.5、PM10的相关性分析表明, 两者存在显著的线性关系, 回归方程:PM2.5=0.68×PM10, 相关系数R 2=0.949(n =25,PM2.5、PM10浓度回归分析结果见图2. 这说明, 南京市空气中细颗粒物在PM10中的比重大于粗颗粒物, 约占68%. PM2.5粒径微小, 可在肺泡沉积, 并进入血液循环, 而且有研究指出[2], 主要来自汽车尾气的多环芳烃等致癌性有机毒物大部分以细颗粒的形式存在或附着在细颗粒上, 所以PM2.5较粗颗粒对人体健康的危害更大. 鉴于PM2.5的危害性及所占比例, 应重视对其的监测.图2 PM2.5、PM10浓度回归分析 Fig.2 PM2.5 vs PM10 regressing analysis关于PM2.5/PM10比值的研究报道很多, 例如William J. Parkhurst等[3]将1982~1991年美国8组P M 2. 5(m g /m 3)浓度(m g /m 34期黄鹂鸣等:南京市空气中颗粒物PM10、PM2.5污染水平 337综合回归, 得到方程: PM2.5=0.67×PM10(n = 861, R 2=0.84.1995~1996年广州、武汉、兰州、重庆市的采样结果表明, 市区取样点PM2.5/PM10比值范围在0.52~0.66,郊区则为0.59~0.75[4]. 3 结论3.1 南京市2001年冬、春、秋3季PM10, PM2.5的浓度范围分别为0.068~0.944mg/m3, 0.044~ 0.586mg/m3, 平均浓度分别为0.280mg/m3, 0.196mg/m3. 污染程度很严重, 超标率分别为72%和92%,最大超标倍数达到6.3和9.0, 应引起公众和相关职能部门的高度重视.3.2 在季节变化规律上, 秋季各功能区污染水平均明显低于冬、春2季. 交通干道旁、居民生活区、商贸饮食区的颗粒物浓度冬、春2季差别不大, 而对化工区附近、风景旅游区来说, 则冬季高于春季.3.3 在空间变化上, 冬、春、秋3季交通干道旁、居民生活区、商贸饮食区3个功能区污染状况对比, 均为交通干道旁>商贸饮食区>居民生活区.3.4 PM2.5/PM10比值范围在0.542~0.864之间,平均值为0.717. 两者存在显著的线性关系, 回归方程: PM2.5=0.68×PM10, 相关系数R 2=0.949 (n =25.说明南京市空气中细颗粒物在PM10中的比重大于粗颗粒物, 约占68%.参考文献:[1] Dnany Houthuijs, Oscar Breugelmans, Gerard Hoek, et al. PM10and PM2.5 concentrations in Central and Eastern Europe: results from the CESAR study [J]. Atmospheric Environment, 2001,35: 2757-2771.[2] Zheng Mei, Fang Ming, Wang Fu, et al. Characterization of thesolvent extractable organic compounds in PM2.5 aerosols in Hong Kong [J]. Atmospheric Environment, 2000,34:2691-2702. [3] William J Parkhurst, Roger L Tanner, Frances P Weatherford, etal . Historic PM2.5/PM10 concentrations in the southeastern United States–potential implications of the revised particulate matter standard [J]. J. Air. & Waste Manage. Assoc., 1999, 49: 1060-1067.[4] Wei F, Teng E, Wu G, et al. Ambient concentrations andelemental compositions of PM10 and PM2.5 in four Chinese cities [J]. Environ. Sci. Technol., 1999,33:4188-4193.[5] 陈炀, 王宇骏, 刑琪, 等. 广州市空气可吸入性颗粒物的污染水平 [J]. 中国环境监测,1999,15(2:42-46.作者简介:黄鹂鸣(1977-),女,广西柳州人,硕士,主要从事城市有机气溶胶污染研究工作.发表论文2篇.中国将大力改善城市水环境为适应中国城市化水平迅速提高的趋势, 未来几年里, 中国将大力发展城市供水和水污染控制能力, 城市水环境将会有明显改善.记者从日前闭幕的“中韩环保产业论坛”上了解到, 到2010年, 中国将做到城乡供水统一规划、统一管理, 所有县城及90%以上建制镇普及集中供水, 自来水普及率达到99%,水质符合或接近世界卫生组织(WHO标准等一系列目标. 同时, 在城市水污染控制方面将使污水集中处理率达到40%以上.据统计, 截至2000年底, 中国建制市供水普及率为96.7%,人均日用水量220.21L,1996~2000年间新增日供水能力2591.99万m 3, 83.92%建制镇已普及集中供水. 城市污水排放量332亿m 3, 污水处理率34.25%.中国环保产业协会的专家刘维城说,2000年中国有建制市663个、建制镇19780个, 城市化水平(城镇非农业人口数占全国总人口数的比重为24.96%.而随着城市化进程加快, 预计2010年中国城市化水平将达到45%,城市供水和水污染控制等一系列城市水环境问题将成为影响全局的重大课题.摘自《中国环境报》2002-07-15。

南京空气质量分析报告

南京空气质量分析报告

空气质量分析报告院系:地理科学学院自然地理系专业:气象与气候学姓名:学号:目录第一节引言 (3)第二节收集方法和研究方法2.1气象站概述 (3)2.2收集方法 (3)2.3研究方法 (3)第三节观测结果与讨论3.1 各数据之间的关系3.1.1 各观测点PM2.5随时间变化关系 (4)3.1.2 各观测点PM10随时间变化关系 (4)3.1.3 各观测点NO2随时间变化关系 (5)3.1.4 各观测点SO2随时间变化关系 (5)3.2对仙林污染物的研究3.2.1 风速随时间的变化 (6)3.2.2 PM2.5与PM10随时间的变化关系以及部的相关关系 (7)3.2.3 NO2、SO2与风速的相关关系 (8)3.3特例的讨论究1、瑞金的PM10低于其他地区而且较为稳定 (8)2、浦口SO2 含量低 (9)第四节结论与讨论1、结论 (10)2、不足 (10)附录数据 (11)第一节引言在一定围的大气中,出现了原来没有的微量物质,并有可能对人、动植物以及建筑商品等财产产生危害影响。

当大气中污染物质的浓度达到有害程度,以至破坏生态系统和人类正常生存和发展的条件,对人或物造成危害的现象叫做大气污染。

中国大气污染原有指标API。

2012年上半年新规定指出,用新的AQI代替API,作为新的污染程度衡量指标。

AQI分为六级,分别为一级优,二级良,三级轻度污染,四级中度污染,五级重度污染,六级严重污染。

参与评价的的污染物有SO2、NO2、PM10、PM2.5、O3、CO六项,评价结果较之前更为客观。

空气中对人、动植物以及人的财产产生影响的主要是SO2、NO2、PM10、PM2.5、O3、CO,因此目前大气污染研究的重点也在此。

由于本次数据收集的限制和本人能力的限制,本文仅限于对PM2.5、PM10、NO2、SO2及其相关关系做肤浅的研究。

注:以下图表中出现的系列一表示仙林,系列二表示草场门,系列三表示玄武湖,系列四表示浦口,系列五表示奥体中心,系列六表示瑞金,系列七表示迈皋桥,系列八表示路,系列九表示中华门。

中国大气气溶胶中有机碳和元素碳的污染特征综述

中国大气气溶胶中有机碳和元素碳的污染特征综述

中国大气气溶胶中有机碳和元素碳的污染特征综述中国大气气溶胶中有机碳和元素碳的污染特征综述引言:大气气溶胶是指悬浮在大气中的微小颗粒物,由于其对气候、环境和生态系统等具有重要影响,成为大气环境科学研究的热点之一。

其中的有机碳和元素碳是大气气溶胶中主要的污染物,它们来源广泛、组成复杂,对人类健康和环境产生重要影响。

本文将综述中国大气气溶胶中有机碳和元素碳的污染特征,旨在加深对这两种关键污染物的认识,为相关研究提供参考。

一、有机碳的污染特征1.来源(1)化石燃料燃烧:化石燃料的燃烧是大气中有机碳主要来源之一。

尤其是汽车尾气、工业排放和能源消费等进一步加剧了大气中有机碳的污染。

(2)生物质燃烧:由生物质燃烧产生的有机碳也是大气中的重要来源。

中国农村和某些地区仍然依赖于传统的生物质燃烧方式,这导致了大量的有机碳排放。

(3)化学物质:有机碳还可以通过化学反应生成,如挥发性有机物(VOCs)的氧化和大气二次有机气溶胶的形成。

2.组成有机碳是大气气溶胶中的复杂分子,包括多环芳烃(PAHs)、脂肪酸、醛类、酮类、酯类等。

它们的化学构成和浓度取决于来源和环境条件。

3.影响因素(1)地理位置和季节:中国地域广阔,不同地区的大气中有机碳的来源和组成存在差异。

季节变化也会影响有机碳的浓度和化学组成。

(2)气象条件:气象条件对大气气溶胶的传输和分布有重要影响。

如大气湿度、温度和风向等都会影响有机碳的氧化、沉降和扩散。

(3)人为活动:工业污染、交通排放和生物质燃烧等人为活动对大气中有机碳的贡献不可忽视。

二、元素碳的污染特征1.来源(1)化石燃料燃烧:化石燃料的燃烧是大气中元素碳主要来源之一。

煤烟、柴油排放和工业废气等都可以释放大量元素碳。

(2)生物质燃烧:生物质燃烧同样也会产生元素碳的排放。

例如,农作物秸秆、木材燃烧和焚烧垃圾等都会释放大量元素碳。

2.组成元素碳主要包括黑碳(BC)和有机元素碳(OC)。

黑碳是一种高度吸光的颗粒物,主要与不完全燃烧有关。

南京市空气质量特征与变化

南京市空气质量特征与变化

南京市空气质量特征与变化报告目录1.引言2.数据来源与方法3.结果分析4.结论1.引言(1)Pm2.5定义:指环境空气中空气动力学当量直径小于等于2.5 微米的颗粒物。

它的直径还不到人的头发丝粗细的1/20。

细颗粒物的化学成分主要包括有机碳(OC)、元素碳(EC)、硝酸盐、硫酸盐、铵盐、钠盐(Na+)(2)研究重要性:全球每年约210万人死于pm2.5等颗粒物浓度上升,对人体危害十分严重。

PM2.5能影响成云和降雨过程,间接影响着气候变化;影响城市形象和城市幸福感(3) 研究意义:了解南京各地pm2.5的情况,分析pm2.5产生原因,对应做出解决措施,引起大众对空气污染的的重视,得到社会关注从而有效治理污染,提高环保意识2.数据来源与方法老师提供和网上下载3.结果分析结果:从凌晨到13点值一直上升,在13点到17点下降,17点到20点上升,再下降白天最低点出现在17点结果:相较于图一图二在17点pm2.5值有上升结果:整个曲线比较平缓结果:波动比较大,高峰出现在13点,18点和22点,还有5点,9点结果:高峰出现在12点和22点,17点时pm2.5值很低结果:较平缓,13点、18点、22点出现高峰结果:12点到14点值都很高,17点最小结果:在13点20点19点出现高峰,白天最低点出现在17点分析:(1)平均值最高的点是仙林大学城,达到190μg/m3,然后是迈皋桥,玄武湖,奥体中心,其余四个点比较接近,在160μg/m3,分别是瑞金路,草场门,山西路,浦口。

都属于重度污染。

有趣的现象是:主城区的数值普遍比郊区的值低,而且仙林大学城观测点处于绿化较好的地段,反而它的值最高。

原因是大气污染物受大气流动的影响大,很少会停留在污染源附近,一旦大气中颗粒物含量过高,一定会迅速扩散,在下风口处聚集成核,或者负载在其他颗粒物上,因此下风口往往是污染最严重的。

PM2.5非常纤细,不像其他污染物那么容易沉淀下来,空气输送的距离会远很多,郊区地方开阔,易受风向影响。

南京北郊大气气溶胶中水溶性有机碳(WSOC)的污染特征

南京北郊大气气溶胶中水溶性有机碳(WSOC)的污染特征

南京北郊大气气溶胶中水溶性有机碳(WSOC)的污染特征吴丹;沈开源;盖鑫磊;夏俊荣;刘刚;李凤英;杨孟【摘要】对南京北郊2014年1~11月的大气气溶胶进行采样分析,研究了其中水溶性有机碳(WSOC)的污染特征.WSOC在PM2.5,PM10和TSP中的年平均浓度分别为5.90±3.38、6.93±3.79、7.34±3.91μg/m3,80%以上的WSOC集中在PM2.5中.PM2.5中WSOC冬季浓度最高,夏季浓度次之,与冬夏季较强的二次转化过程有关;春季粗粒径段浓度较高,受到土壤来源颗粒物的影响;秋季浓度最低.春秋季PM2.5中WSOC浓度夜晚高于白天,受夜间不利扩散条件的影响较大;但冬夏季却是白天高于夜晚,与白天较强的光化学反应有关.降水对各个粒径的WSOC都有清除作用,对PM2.5的清除效率最高;四个季节比较,夏季清除效率最高,达到54.9%.霾发生时,随着霾污染等级的加重,PM2.5中WSOC浓度逐渐增加,从非霾天的3.84μg/m3升高到重度霾天的11.23μg/m3,增加了近4倍,在细粒子中的比例也增大,霾天稳定的天气条件有利于二次有机污染物的生成.%The atmospheric particles collected during January to November 2014 at a northern suburban site of Nanjing was analyzed and focused on the characterization of water-soluble organic carbon (WSOC) in the samples. The annual mean concentrations of WSOC in PM2.5, PM10 and TSP were determined to be 5.90 ± 3.38, 6.93 ± 3.79, 7.34 ± 3.91μg /m3 respectively, and more than 80% of WSOC was concentrated in PM2.5 samples. The WSOC concentration in PM2.5 was highest in winter following by summer, which was likely related to the strong secondary production during these two seasons; the WSOC concentration was relatively higher in coarse particles during spring, likely due to influences from soil-derived particles; in autumn, the WSOCconcentration was the lowest. During spring and autumn, it was also found that the PM2.5 WSOC concentration was higher during nighttime, probably owing to the atmospheric conditions during nighttime unfavorable for pollutant dispersion; on the other hand, the concentration was higher during daytime in winter and summer, suggesting the stronger photochemical production of WSOC during these two seasons. The scavenging effect due to precipitation influenced the WSOC concentrations in particles across all size ranges, but was most efficient for PM2.5, which can reach an maximum of 54.9% during summer. The PM2.5 WSOC concentration also increased significantly with the increase of pollution level, on average nearly 4times from 3.84μg/m3 in non-hazy days to 11.23μg/m3 in heavily polluted days; the mass fraction of WSOC in fine mode particles increased in hazy days as well, suggesting that stagnant atmospheric conditions during hazy days promoted the formation of secondary organic pollutants.【期刊名称】《中国环境科学》【年(卷),期】2017(037)009【总页数】10页(P3237-3246)【关键词】WSOC;粒径分布;季节变化;昼夜变化;降水清除;霾【作者】吴丹;沈开源;盖鑫磊;夏俊荣;刘刚;李凤英;杨孟【作者单位】南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044;中国气象局气溶胶与云降水重点开放实验室,江苏南京 210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210004;南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044【正文语种】中文【中图分类】X513含碳气溶胶作为颗粒物中的重要组成成分,主要包括有机碳(OC)和元素碳(EC),其中水溶性有机碳(WSOC)是OC的重要组成成分,所占比重可达10%-70%[1].大气颗粒物中的WSOC主要来源于生物质燃烧的直接排放和挥发性有机物(VOCs)的二次氧化生成[2], 其对能见度、气候变化以及人体健康等方面都具有十分重要的影响.WSOC由于其水溶性特征,具有明显的吸湿增长特性,随着湿度的增加,吸湿增长因子会显著升高,从而增强了OC的消光作用[3],WSOC本身也具有一定的散射和吸收特性[4],对大气能见度起到降低作用.WSOC还能够直接影响云凝结核的成核能力及其性质,改变云的辐射特性并参与降水过程,对气候变化起到间接作用[5].由于WSOC中含有大量多环芳烃及其衍生物、酞酸酯等物质,人类的许多疾病如癌症、呼吸系统病、肺功能减弱、免疫力下降等都同WSOC有关[6].目前,许多研究对大气气溶胶中的化学成分进行了分析,包括水溶性离子、有机碳和元素碳、重金属元素等,对 WSOC的研究相对较少. Bougiatioti等[7]对地中海东部大气气溶胶中碳质气溶胶的研究表明,70%的 OC为水溶性成分, WSOC浓度在夏季光化学反应最强的时候达到最高值;Kumagai等[8]对日本关东地区气溶胶中的WSOC进行了采样分析,83%的WSOC存在于细粒子中,浓度范围为0.4~3.5μg/m3,WSOC浓度与SO42-、EC和K+存在明显正相关,推断其主要来源于光化学反应和化石燃料及生物质的燃烧; Ram等[9]对印度 Gangetic平原的大气气溶胶进行了昼夜采样比较,由于生物质燃烧的贡献,碳质气溶胶是其中的主要成分,而WSOC/OC的比例白天(66%)大于夜晚(47%),与白天较强的光化学反应有关.在国内,Zong等[10]对黄河三角洲站点,Ding等[11]和 Huang等[12]对珠江三角洲, Pathak等[13]、Tang等[14]和Qiao等[15]对北京、上海、兰州和广州等大城市以及Cong等[16]对青藏高原大气气溶胶中的WSOC进行了研究,结果都表明WSOC是OC的重要组成部分,生物质燃烧和二次转化过程对其浓度有重要贡献. 南京是长三角地区重要的经济文化中心,大气气溶胶的污染问题不容乐观,许多科研工作者都对其进行了研究,但对其中WSOC的研究非常少[17].本文对南京北郊大气气溶胶中的WSOC进行采样分析,对其粒径分布特征和不同条件包括季节、昼夜、降水、霾天情况下的污染特征进行了研究,希望进一步促进和完善南京市大气气溶胶的研究,为大气污染控制措施的制定提供一定的科学依据和技术支撑.1.1 采样地点本研究观测地点位于南京市北郊浦口区南京信息工程大学中国气象局综合观测培训实习基地(海拔22m,32°12'N,东经118°42'E)内.采样基地地势平坦开阔,无局地污染源,其下垫面为低矮草坪,其周围也没有高大建筑物阻挡.采样点的东南方向1.5km 是宁六公路,东北方向约10km为南京化学工业园(有扬子石化、南钢集团、南化集团等),西南方向约500m是龙王山风景区,西边和北边是居民区、村庄和农田.采样地点同时受到交通源、工业源和生活源的影响,因此可以代表南京北郊城乡结合部的空气污染特征.1.2 采样仪器本实验使用青岛崂山KC-120H型智能中流量TSP采样器.该仪器利用惯性撞击原理,在一定速度的气流下,惯性较大的粒子撞击到采集板上,惯性较小的离子则随气流绕行,进入下一级.由于孔径逐级减小,气流速度逐级增高,不同粒径大小的粒子按空气动力学特征分别撞击在相对应的采集板上,直到最后一级通过过滤收集.采样器一共有 4级,对应如下 4个粒径范围:<2.5μm,2.5~5μm,5~10μm,>10μm,通过计算得到TSP、PM10、和PM2.5的采样结果.采样器流量为100L/min,并具有自动流量补偿功能.使用石英膜(美国 Pall)进行采样.石英膜在采样前在马弗炉中以500℃烘烤 5小时以上,然后放在干燥器中干燥稳定48h后进行称量;采样后同样干燥平衡称重,称量使用美国 OHAUS DV215CD十万分之一天平.根据称量前后膜的重量差计算得到气溶胶不同粒径的质量浓度.称重后将样品放入冰箱避光低温保存,以便后续实验室分析.1.3 采样时间采样时间为2014年1~11月,每星期采样2次,工作日和周末各1次,一般为周三和周六,每次分昼夜进行采样,早08:00开始,晚20:00左右换膜,继续采样到第二天早上 08:00.当遇到雨天和大雾等不利采样天气时,采样时间有所调整.去除断电和仪器故障时的数据,一共得到白天样品77组,晚上样品56组.1.4 实验室分析使用德国 ELEMENTAR总有机碳分析仪(LIQUE TOC-ANALYZER)测定WSOC浓度.取1/4样品滤膜,加入去离子水超声萃取 30min,静置12h,用0.22µm孔径过滤头(德国, Membrana)过滤后进行分析.分析仪器采用燃烧氧化—非色散红外吸收法(NDIR)原理,一定量的水样分别被注入高温(850℃)燃烧管和低温反应管中,高温燃烧管中的水样受高温催化氧化,有机碳和无机碳酸盐均转化成二氧化碳;低温反应管中的水样受酸化(盐酸)使无机碳酸盐分解成二氧化碳,二者产生的二氧化碳依次导入非色散红外检测器,分别测得水中的总碳(TC)和总无机碳(TIC),差值即为水溶性有机碳(WSOC).仪器测量范围为 0~1000mg/L C,检测限为3µg/L.由于大气气溶胶样品中碳气溶胶浓度较低,选取 20mg/L作为标准曲线校准点,使用邻苯二甲酸氢钾和碳酸钠混合标准溶液测定得到标准曲线.每次开机测量时,先选择清洗程序,样品分析前测定两到三个空白水样使仪器达到稳定,测量过程中,每 10个样品随机做一个重复样,使其偏离程度<5%,否则重新测量.每批样品保留2~3个空白样,本文所有结果均为减去空白后的结果.2.1 WSOC的浓度水平和粒径分布2.1.1 WSOC的浓度水平采样期间 WSOC在 PM2.5,PM10和 TSP中的年平均浓度分别为5.90±3.38、6.93±3.79、7.34±3.91µg/m3;WSOC在不同粒径中的比值,PM10/TSP、PM2.5/PM10的平均值分别为94%和84%,南京北郊WSOC的污染主要富集在细粒子中.根据实验室分析得到的其他化学成分,包括OC和EC及水溶性离子的浓度结果, PM2.5中WSOC所占的质量浓度比例平均为5.9%,若以1.6为系数将WSOC换算成水溶性有机物(WSOM),占 PM2.5的比例则为9.5%. WSOC是气溶胶中OC的重要组成部分,在本研究中, PM2.5中WSOC占OC的比例平均为(44.3± 19.7)%.水溶性组分对大气气溶胶的环境和气候效应有重要影响,本文 WSOM 占PM2.5中水溶性组分(Na+、K+、NH4+、Mg2+、Ca2+、F-、Cl-、NO2-、NO3-、SO42-和 WSOM)的比例为17%.将昼夜连续采样样本中的WSOC取平均得到日均浓度,仅白天和夜晚采样的,以样本浓度值代表当天 24h的日均浓度,得到南京北郊颗粒物中各粒径段WSOC浓度随时间的变化如图1.从图中可以看到, WSOC的污染水平随时间变化存在明显差异.1月18日为重度污染霾天,WSOC浓度大幅上升,达到了全年最高水平;春节期间(1月30日~2月14日)南京市有大量的雨雪雾天气过程,WSOC污染水平较低,但在细粒子中所占比例较高;春季WSOC在细粒子中的比例有较为明显的降低,在5月3日达到最低值,粗粒子的贡献甚至接近 40%,土壤来源颗粒物的影响可能是重要原因[14,18];5月下旬到6月上旬,WSOC的污染较为严重,这段时间降水异常偏少,而静风频率很高,导致污染物积聚累积;6月中旬进入梅雨季节后,降雨量大增,WSOC 浓度明显降低,青奥会(2014年8月16日~ 28日)期间南京市实行了一系列管控措施,WSOC浓度维持在较低水平;进入秋季后,WSOC浓度的波动较大,9月14日和9月22日达到全年的最低值,WSOC浓度分别为1.89和1.57μg/m3,WSOC的PM2.5/PM10比例也出现很大降低,这两天风速较大,达到 2.5m/s左右, WSOC的浓度低值应与大风对污染物的清除和扬尘的影响有关;11月份出现的低值往往对应着当天或采样前的降水过程,降水对细粒子中WSOC的清除作用非常明显.将本次研究结果与国内外重要城市PM2.5中WSOC的结果相比较,见表1,虽然采样时间和分析仪器的差异会影响结果的可比性,但仍能一定程度上反映南京市WSOC的污染水平.从表中可以看出,南京北郊WSOC的浓度略高于上海徐家汇与宝山地区,低于北京,接近西安市的 1/4,比珠三角地区的广州和香港高约 3倍.南京北郊WSOC在PM2.5中所占比例是最低的,在OC中的占比略低于上海徐家汇和北京,略高于上海宝山地区,远低于西安,远高于广州和香港.WSOC浓度是美国伯明翰和亚特兰大的近 2倍,略高于法国Saint Jean;在OC中的占比低于亚特兰大,略高于伯明翰,比法国Saint Jean低得多.总的来看,南京WSOC的污染水平在国内外处于中等水平.2.1.2 WSOC的粒径分布特征采样期间WSOC在各粒径段的浓度年平均值如图 2.在<2.5µm,2.5~5µm,5~10µm,>10µm 4个粒径段中WSOC 浓度分别为5.90±3.38μg/m3、0.58± 0.42μg/m3、0.45±0.33μg/m3和0.41±0.37μg/m3,占总浓度的百分比分别为 80.4%、7.9%、6.1%和5.6%.可以看出,WSOC主要富集在细粒子中,远远超过粗粒子,并且,粒径越大浓度越低.2.2 不同季节和昼夜WSOC浓度变化2.2.1 不同季节WSOC浓度变化对WSOC不同季节的浓度值求平均,得到不同粒径WSOC的浓度变化如图3.不同季节均以PM2.5中的污染为主,冬季浓度最高,其次为夏季,春季次之,秋季最低. WSOC的 PM2.5/PM10比值冬季也最高,达88.0%,其次为夏季 85.9%,秋季为 84.7%,春季最低,为78.4%.研究表明,气溶胶中的WSOC除了机动车尾气、生物质和化石燃料燃烧的一次排放,主要来自于 VOCs气相或液相氧化的二次转化生成[24-26].为了对WSOC浓度季节变化的原因进行深入分析,表 2给出了不同季节气溶胶中与WSOC转化生成有关的其他一些化学组分的浓度和相关关系.表中二次有机碳(SOC)利用Turpin[27]等提出的经验公式 SOC =TOCEC×(OC/EC)min来计算,其中(OC/EC)min采用每个月的OC/EC最小值分别进行计算.从表中可以看到,冬季 PM2.5质量浓度最大,碳质气溶胶的污染也都最重,WSOC与二次组分SOC、SO2-和NO-43都具有非常高的相关性,说明二次生成对WSOC的贡献非常大.根据文献[28]对南京 2014年不同季节气象要素的分析,冬季气温最低,大气层结稳定导致混合层高度低,且降水少,这些条件都有利于污染物的积累和转化,应是WSOC冬季浓度最高的重要原因.夏季OC达到一年中的最低值,但PM2.5和 WSOC的浓度仅次于冬季,与夏季光照强烈,高温高湿有利于 SOC 的生成有关[28],而大部分的SOC为水溶性成分[6],增加了夏季WSOC的浓度,并使其在 OC中所占比例最高,但夏季WSOC与SOC和SO42-的相关系数要低于冬季,可能是夏季气象条件有利于前体物在大气中的扩散和清除,影响了其二次转换的效率,与 NO-3的低相关系数则与 NH4NO3在高温下的分解有关[29].春季 PM2.5中WSOC的浓度略低于夏季,但在粗粒子中的浓度要高于包括冬季在内的其他季节,春季风速较大,而相对湿度最低,干燥的气候和大风[28],使地面扬尘增多,且受到西北沙尘天气输送的影响,一方面土壤本身含有一定量的 WSOC[18],另一方面,沙尘气溶胶对半挥发性VOCs的清除和非均相反应促进了粗粒径中SOC的生成[14].秋季PM2.5和WSOC的质量浓度最低, SOC和WSOC/OC略高于春季.春秋季节WSOC与二次组分的相关系数低于冬夏季,冬夏季二次转化生成对WSOC的浓度贡献较大.2.2.2 昼夜 WSOC浓度变化本研究为昼夜分开采样,选取白天和晚上均有数据的样本,对WSOC的昼夜浓度变化进行研究.不同季节不同粒径WSOC的昼夜浓度变化如图4.从图中可以看到,WSOC昼夜浓度的差异主要在 PM2.5粒径段,且不同季节变化不同,冬季和夏季白天大于夜晚,而春季和秋季则是夜晚大于白天.对PM2.5及其中OC和EC昼夜浓度的分析发现,不同季节它们都表现出夜晚大于白天的特征(图略).夜晚相对白天,虽然人为活动排放降低,光化学反应导致的气粒转化过程受限,但夜间边界层高度有很大降低,风速也减小,限制了污染物的扩散和传输,另外,夜间稳定的大气条件也不利于细粒子的干沉降,导致其浓度增加[28];对WSOC来说,夜间大气湿度的增加有利于VOCs的液相氧化,也会造成其夜间浓度升高[30],WSOC春季和秋季的昼夜变化符合这一规律,但冬夏季却刚好相反.上文分析表明,冬夏季WSOC的二次转化生成要明显高于春秋季,而光化学反应对 WSOC的二次生成有重要贡献[10].冬季光照虽然没有夏季强烈,但在北京开展的对二次有机气溶胶(SOA)生成途径的研究表明,在低湿度条件下,冬季白天的光化学反应过程是SOA生成的主要途径[31-32].因此,本文夏季和冬季 WSOC白天大于夜晚的情况,应该都与光化学反应的贡献有关.对不同季节PM2.5中SOC浓度的昼夜分析也发现了与 WSOC 相同的规律,更进一步说明了二次转化生成对WSOC浓度昼夜变化的影响.在粗粒径段,不同季节WSOC浓度的昼夜差异较小,粗粒径段的WSOC受土壤来源颗粒物的影响较大,白天风速较夜间高[28],地面扬尘贡献大,但夜间边界层高度降低导致污染物浓度增加,两者的影响可能相互抵消,导致WSOC昼夜浓度变化很小. 2.3 气象条件对WSOC浓度的影响气象条件对大气颗粒物的扩散、转化与清除有着重要影响,本文对降水和霾发生时,WSOC浓度的变化进行了研究.2.3.1 降水对WSOC浓度的影响降水是最有效的大气净化机制[4],降水发生时,大气颗粒物的浓度一般都会显著降低[33-34],WSOC由于其水溶性,降水的清除作用应该非常明显,但对其清除效果的研究非常少,本文对其进行了初步探讨.由于本研究很少在降水发生时采样,而降水对大气污染物的清除,空气质量的改善会有2到3天的持续时间[35-36],本文将采样当天或前两天有雨时定义为有降水,认为样本受到降水影响,当天和前两天都没有降水则定义为无降水.一共得到受降水影响的样品52个,无降水样品60个.对四个季节不同粒径段有降水和无降水的样本分别取平均,对降水的清除效率进行比较研究,如图 5.从中可以看到,降水对PM2.5中WSOC的清除非常明显,远高于对粗粒径中的清除.从图 2WSOC质量浓度的粒径分布可以看到,其在 PM2.5中的浓度远高于其他3个粒径段,而PM2.5质量浓度也有相同的粒径分布(图略).可以推断,降水发生时,细粒子与雨滴碰撞的概率更高,因此其清除效率更高,而在粗粒径段,尤其是>10µm粒径中,WSOC浓度太低,降水的清除效果并不明显,这一情况也符合降水后空气质量和能见度明显改善的现状.四个季节对比,降水对PM2.5中WSOC的清除效率为夏季(54.9%)>冬季(48.5%)>春季(43.1%)>秋季(10.5%).南京夏季处于梅雨季节,降雨量大,故其清除效率最高;冬季降水量虽然最低,但冬季降雪发生频率高[28],有研究表明,降雪对气溶胶的清除效率远高于降水[37],春节前后WSOC的浓度低值也证实了降雪对空气污染的清除作用;春季降水清除效率居中,秋季最低,可能与秋季PM2.5和WSOC污染较轻,降水清除效果不明显有关.在春秋季节的个别粗粒径段,存在降水大于非降水的情况,一方面可能是因为降水发生时,往往对应着强对流天气,容易卷起地面尘土,另一方面,可能是降水过后,天气晴朗,地面重新扬尘的原因[28].2.3.2 霾天WSOC污染特征变化霾已经成为中国大部分城市的重要环境问题.目前,南京市的霾天每年都有100多天,占到了全年总天数的1/3多[38].关于霾的判定标准至今没有统一定论,根据2010年发布的《中华人民共和国气象行业标准——霾的观测和预报等级》(QX/T 113-2010)规定,将能见度小于 10km,湿度小于 80%的天气定义为霾天,相对湿度为80%~95%时,根据PM2.5的质量浓度进一步判识;根据能见度的大小,又可将霾天进一步分为轻微、轻度、中度和重度四个等级.为避免早晨辐射雾、接地逆温的影响,以每天 14:00的能见度和湿度进行判定.本文采样日中,判定为霾天的有 47d,非霾天 17d,具体的分级和 PM2.5中相关浓度情况见表 3,不同等级霾天WSOC的浓度分布变化见图6.从图6可看到,相比非霾天,霾天PM2.5中的WSOC浓度大大升高且随着霾污染等级的加重不断上升,从非霾天的3.84μg/m3到重度霾天的11.23μg/m3,增加了近4倍.但在粗粒径中,霾天WSOC浓度的升高有时候并不明显,霾天往往对应着稳定的天气形势,风速较小,可能限制了土壤扬尘对WSOC的影响. 从表3可看到,PM2.5中OC浓度也随着霾等级依次上升,WSOC的PM2.5/PM10比值和WSOC/OC以及SOC的浓度都是霾天大于非霾天,且在霾天前 3个等级依次增大,说明霾天稳定的天气条件有利于二次污染物的生成,使细粒子中WSOC的浓度和比例都有所增加,但在重度霾天,比例却有所降低,对数据进行检查发现,其中一次重度污染过程,OC中的非水溶性有机碳增加,一次排放源贡献也增加,尽管WSOC浓度高于其他等级霾天,但其来源和分布更为复杂,尚需要深入研究.3.1 南京北郊WSOC的污染主要集中在PM2.5中,并随着现粒径增大浓度降低;WSOC是OC和气溶胶水溶性组分的重要组成.受排放源和气象条件影响,WSOC浓度在一年之中存在明显变化.同国内外重要城市相比,南京气溶胶中WSOC的污染位于中等水平.3.2 南京北郊气溶胶中 WSOC冬季浓度最高,夏季次之,与冬夏季较强的二次转化过程有关;春季粗粒径段浓度较高,受到土壤来源颗粒物的影响;秋季浓度最低.春秋季PM2.5中WSOC浓度夜晚高于白天, 受夜间不利扩散条件的影响较大;但冬夏季却是白天高于夜晚,与白天较强的光化学反应有关.3.3 降水对各个粒径段中WSOC都有清除作用,在 PM2.5中清除效率最高;四个季节比较,夏季清除效率最高.霾发生时,随着霾天污染等级的加重,PM2.5中WSOC浓度逐渐增加,在细粒子中的比例也增大,说明霾天稳定的天气条件有利于二次有机污染物的生成.【相关文献】[1]Huang H, Ho K, Lee S, et al. Characteristics of carbonaceous aerosol in PM2.5: Pearl Delta River region, China [J]. Atmospheric Research, 2012,104:227-236.[2]Pathak R K, Wang T, Ho K, et al. Characteristics of summer time PM2.5organic and elemental carbon in four major Chinese cities: implications of high acidity for water-soluble organic carbon (WSOC) [J]. Atmospheric Environment, 2011,45:318-325.[3]Jung J, Kim Y J, Aggarwal S G, et al. Hygroscopic property of water-soluble organic-enriched aerosols in Ulaanbaatar, Mongolia during the cold winter of 2007 [J]. Atmospheric Environment, 2011,45:2722-2729.[4]Kirillova E N, Andersson A, Han J, et al. Sources and light absorption of water-soluble brown carbon aerosols in the outflow from northern China [J]. Atmospheric Chemistry & Physics, 2014,14(3):1413-1422.[5]Jacobson M Z. Strong radiative heating due to the mixing state of black carbon in atmospheric aerosols [J]. Nature, 409:695-697.[6]杜祯宇.北京市水溶性有机碳来源与光吸收特征研究 [D]. 北京:清华大学, 2014.[7]Bougiatioti A, Zarmpas P, Koulouri E, et al. Organic, elemental and water-soluble organic carbon in size segregated aerosols, in the marine boundary layer of the Eastern Mediterranean [J]. Atmospheric Environment, 2013,64(1):251-262.[8]Kumagai K, Iijima A, Tago H, et al. Seasonal characteristics of water-soluble organic carbon in atmospheric particles in the inland Kanto plain, Japan [J]. AtmosphericEnvironment, 2009, 43(21):3345-3351.[9]Ram K, Sarin M M. Day–night variability of EC, OC, WSOC and inorganic ions in urban environment of Indo-Gangetic Plain: Implications to secondary aerosol formation [J]. Atmospheric Environment, 2011,45(2):460-468.[10]Zong Z, Wang X, Tian C, et al. Source and formation characteristics of water-soluble organic carbon in the anthropogenic-influenced Yellow River Delta, North China [J]. Atmospheric Environment, 2016,144:124-132.[11]Ding X, Wang X M, He Q F, et al. Water-soluble organic carbon over the Pearl River Delta region during fall-winter: spatial variations and source apportionment [J]. Atmospheric Chemistry & Physics, 2013,13(5):13773-13798.[12]Huang H, Ho K F, Lee S C, et al. Characteristics of carbonaceous aerosol in PM2.5: Pearl Delta River Region, China [J]. Atmospheric Research, 2012,s104-105(1):227-236. [13]Pathak R K, Wang T, Ho K F, et al. Characteristics of summertime PM2.5organic and elemental carbon in four major Chinese cities: Implications of high acidity for water-soluble organic carbon (WSOC) [J]. Atmospheric Environment, 2011, 45(45):318-325. [14]Tang X, Zhang X, Wang Z, et al. Water-soluble organic carbon (WSOC) and its temperature-resolved carbon fractions in atmospheric aerosols in Beijing [J]. Atmospheric Research, 2016,181:200-210.[15]Qiao T, Zhao M, Xiu G, et al. Seasonal variations of water soluble composition (WSOC, Hulis and WSIIs) in PM 1, and its implications on haze pollution in urban Shanghai, China [J]. Atmospheric Environment, 2015,123:306-314.[16]Cong Z, Kang S, Kawamura K, et al. Carbonaceous aerosols on the south edge of the Tibetan Plateau: Concentrations, seasonality and sources [J]. Atmospheric Chemistry & Physics, 2015,15(3): 1573-1584.[17]Wang G H, Huang L M, Gao S X, et al. Characterization of water-soluble species of PM10and PM2.5aerosols in urban area in Nanjing [J]. China Atmospheric Environment, 2002,36:1299-1307.[18]Nguyen T T, Marschner P. Sorption of Water-Extractable Organic Carbon in Various Clay Subsoils: Effects of Soil Properties [J]. Pedosphere, 2016,26(1):55-61.[19]李曼.上海市PM2.5中水溶性有机组分的组成特征、季节变化及来源解析 [D]. 上海:上海大学, 2013.[20]Du Z, He K, Cheng Y, et al. A yearlong study of water-soluble organic carbon in Beijing I: Sources and its primary vs. secondary nature [J]. Atmospheric Environment,2014,92(92):514—521.[21]霍宗权,沈振兴,田晶,等.西安市大气PM10中水溶性有机碳的季节变化及来源分析 [J]. 西安交通大学学报, 2010,(44):128-132.[22]Ding X, Zheng M, Yu L, et al. Spatial and seasonal trends in biogenic secondaryorganic aerosol tracers and water-soluble organic carbon in the southeastern United States. [J]. Environmental Science & Technology, 2008,42(14):5171-6.[23]Jaffrezo J L, Aymoz G, Delaval C, et al. Seasonal variations of the water soluble organic carbon mass fraction of aerosol in two valleys of the French Alps [J]. Atmospheric Chemistry & Physics, 2005,5(10):2809-2821.[24]Park S S, Cho S Y. Tracking sources and behaviors of water-soluble organic carbon in fine particulate matter measured at an urban site in Korea [J]. Atmospheric Environment, 2011, 45(1):60-72.[25]Park S S, Cho S Y, Kim K W, et al. Investigation of organic aerosol sources using fractionated water-soluble organic carbon measured at an urban site [J]. Atmospheric Environment, 2012, 55(3):64-72.[26]Wonaschütz A, Hersey S P, Sorooshian A, et al. Impact of a large wildfire on water-soluble organic aerosol in a major urban area: the 2009 Station Fire in Los Angeles County [J]. Atmospheric Chemistry & Physics, 2011,11(16):12849-12887.[27]Turpin B J, Huntzicker J J. Identification of secondary organic aerosol episodes and quantitation of primary and secondary organic aerosol concentrations during SCAQS [J]. Atmospheric Environment, 1995,29(23):3527-3544.[28]吴丹,曹双,汤莉莉,等.南京北郊大气颗粒物的粒径分布及其影响因素分析 [J]. 环境科学, 2016,37(9):3268-3279.[29]Sun Y L, Wang Z F, Fu P Q, et al. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry & Physics, 2013,13(9):4577-4592.[30]Xu W Q, Han T T, Du W, et al. Effects of aqueous-phase and photochemical processing on secondary organic aerosol formation and evolution in Beijing, China [J]. Environmental Science & Technology, 2017,51(2):762—770.[31]Zhang J K, Ji D S, Liu Z R, et al. New characteristics of submicron aerosols and factor analysis of combined organic and inorganic aerosol mass spectra during winter in Beijing [J]. Atmospheric Chemistry & Physics, 2015,15(13):18537-18576.[32]Sun Y, Du W, Fu P, et al. Primary and secondary aerosols in Beijing in winter: sources, variations and processes [J]. Atmospheric Chemistry & Physics, 2016,16(13):8309-8329. [33]Ge X L, Zhang Q, Sun Y L, et al. Effect of aqueous-phase processing on aerosol chemistry and size distributions in Fresno, California, during wintertime [J]. Environmental Chemistry, 2012, 9(3):221-235.[34]吴丹,辛金元,孙扬,等.2008年奥运期间华北区域大气污染物本底浓度变化与分析 [J]. 环境科学, 2010,31(5):1130-1138.[35]Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2014,111(49):17373-8.。

不同采样站点大气颗粒物组分特征分析

不同采样站点大气颗粒物组分特征分析

不同采样站点大气颗粒物组分特征分析随着城市化进程的加快和工业化发展的不断推进,大气污染问题日益凸显。

其中,大气颗粒物是主要污染源之一,对人类健康和环境质量产生着重要影响。

为了解不同采样站点大气颗粒物的组分特征,下面将从不同站点、颗粒物组分和影响因素三个方面进行分析。

一、不同站点大气颗粒物组分特征1. 城区站点城区站点通常位于市中心或人口密集区域,因经济活动和交通流量较大,大气颗粒物污染程度较高。

在城区站点采样分析结果中,主要组分包括颗粒物物理性质、元素组成和有机碳成分。

颗粒物物理性质主要表现为颗粒物质量浓度较高,颗粒直径分布范围较广。

元素组成方面,常见的有硫、氮、氧等元素,来自于燃煤、工业排放和机动车尾气等。

有机碳成分则包括挥发性有机物和氨基酸等,主要来源于燃烧排放和有机物气相或气固相转化。

2. 工业区站点工业区站点位于工业集中区域,大气颗粒物主要受工业排放的影响。

在工业区采样分析中,颗粒物组分主要表现为金属元素和有机化合物。

金属元素是工业排放的重要成分,如铜、锌、镉等,其来源包括燃煤、冶金和化工等行业。

有机化合物则主要来自于石化、塑料制造和涂装等工业过程。

值得注意的是,工业站点通常具有明显的颗粒物高峰期,与工业生产活动的变动有关。

3. 城郊站点城郊站点距离市区较远,受到城市污染的影响相对较小。

城郊站点的颗粒物组成特征表现为较低的颗粒物质量浓度和元素含量。

相比于城区和工业区,城郊地区的颗粒物主要来源于气象因素和自然源。

气象因素主要包括风向、温度和湿度等,可导致颗粒物扩散和沉降。

自然源则包括沙尘、海洋和植被等,其成分与地理环境有关。

二、影响大气颗粒物组分的因素1. 气象因素气象因素是影响大气颗粒物组分的重要因素之一。

风向和风速的改变会影响颗粒物的传输和扩散,进而影响不同站点的颗粒物组成。

例如,风向从城区向郊区吹送,将城区的颗粒物带到郊区,从而使郊区的颗粒物组分受到城区污染的影响。

此外,温度和湿度也会影响颗粒物的凝聚和扩散行为,从而影响其组成。

《2024年南京地区PM2.5污染特征及其影响因素分析》范文

《2024年南京地区PM2.5污染特征及其影响因素分析》范文

《南京地区PM2.5污染特征及其影响因素分析》篇一一、引言随着工业化进程的加速和城市化水平的不断提高,大气污染问题日益凸显。

PM2.5(细颗粒物)作为衡量空气质量的重要指标之一,对人类健康和生态环境产生了深远影响。

南京作为江苏省的省会城市,其大气污染状况及影响因素值得深入探究。

本文将围绕南京地区PM2.5污染特征及其影响因素进行详细分析,为后续的防治工作提供理论依据。

二、南京地区PM2.5污染特征1. PM2.5浓度及变化趋势南京地区PM2.5浓度呈现出明显的时间和空间分布特征。

总体上,冬季和春季PM2.5浓度较高,夏季和秋季相对较低。

在空间分布上,城市中心区域PM2.5浓度较高,郊区相对较低。

近年来,随着环保措施的加强,南京地区PM2.5浓度虽有所下降,但仍处于较高水平。

2. PM2.5的来源与组成南京地区PM2.5的主要来源包括工业排放、机动车尾气、道路扬尘、建筑扬尘等。

其中,工业排放和机动车尾气是主要贡献者。

PM2.5的组成复杂,主要包括硫酸盐、硝酸盐、有机碳、元素碳、土壤尘等成分。

三、影响因素分析1. 气象因素气象条件对南京地区PM2.5浓度有着显著影响。

风速、湿度、温度和降水等气象因素均会影响PM2.5的扩散和沉积。

例如,静风、低湿、低温等不利气象条件容易导致PM2.5的累积和浓度升高。

而降水则有助于PM2.5的清除和沉降。

2. 交通因素南京作为交通枢纽城市,机动车数量庞大,交通拥堵现象严重。

机动车尾气排放是PM2.5的重要来源之一。

交通状况、道路布局和交通管理措施等都会影响PM2.5的浓度和分布。

3. 工业排放与能源结构工业生产是南京地区PM2.5的主要来源之一。

钢铁、化工、电力等行业的排放对PM2.5浓度产生重要影响。

此外,能源结构也是影响PM2.5浓度的关键因素。

煤炭等高污染能源的使用会增加PM2.5的排放量。

4. 城市规划与建设城市规划、道路建设和绿化程度等也会对PM2.5的浓度产生影响。

南京主要大气污染物季节变化及相关气象分析

南京主要大气污染物季节变化及相关气象分析

南京主要大气污染物季节变化及相关气象分析贾梦唯;赵天良;张祥志;吴香华;汤莉莉;王黎明;陈煜升【摘要】In order to study the seasonal variations of major air combined pollutants PM2.5, PM10 and O3 and their influencing factors of meteorology in Nanjing, the major air combined pollutants were seasonally characterized, and the correlations between meteorological factors and air pollutant concentrations were statistically analyzed to develop a statistical model of stepwise regression fitting by using the environmental monitoring data from January 2013 to February 2015 and the fine meteorological fields in the boundary layer produced by the high resolution WRF modeling. The seasonal averages of PM2.5 and PM10 shifted between wintertime high and summertime low levels in Nanjing with the peaks of daily PM2.5 an d PM10 up to 160.6µg/m3 and 98.0µg/m3 in winter, and their diurnal changes were distinct from autumn to winter and weak in summer with the similar patterns over four seasons. The daytime peaks of diurnal PM2.5 and PM10 levels in winter delayed 1~2 hours comparing to other three seasons. Fine particles dominated atmospheric particles in all seasons with the annual mean ratio ofPM2.5/PM10 reaching 0.59. The annual frequencies of PM2.5, PM10 and O3 being the major pollutants determining the AQI changeswere respectively 51.5%, 26.6% and 13.5% in Nanjing, especially the major air pollutant contribution of PM2.5 to heavy haze pollution periods exceeding 96% in Nanjing. The surface levels of O3 oscillated seasonally between apeak in late spring and early summer and a bottom in late autumn and early winter with a unimodal pattern. The surface levels of O3 were positively related to the boundary layer height with the correlation coefficients of 0.500, 0.572, 0.326, 0.323 respectively. The fitting goodness of stepwise regressions for the daily concentrations of PM2.5, PM10 and O3_8h_max ranged reasonably over 40%~65% in four seasons.%为研究南京主要大气复合污染物PM2.5、PM10和O3四季变化特征及其气象影响因子,利用2013年1月~2015年2月国控点环境监测数据对浓度特征进行统计分析,再利用WRF 模式模拟的精细大气边界层气象场,分析气象要素与各污染物的相关性,并建立统计模型.结果表明:PM10、PM2.5冬高夏低,冬季日均值分别为160.6μg/m3和98.0μg/m3;日变化特征四季基本一致,但秋冬季最强,夏季最弱,且冬季上午峰值比其余三季延后1~2h.各季大气可吸入颗粒物中细粒子占主导,PM2.5/PM10年均值为0.59;首要污染物为PM2.5、PM10、O3的年频率分别为51.5%、26.6%和13.5%,PM2.5主导四季AQI的变化,尤其是在重污染的情况下,首要污染物为PM2.5占96%.O3浓度春末夏初高、秋末冬初低,日变化为单峰式;O3与边界层高度呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.四季PM10、PM2.5、O3_8h_max日值逐步回归方程拟合度为40%~65%.【期刊名称】《中国环境科学》【年(卷),期】2016(036)009【总页数】11页(P2567-2577)【关键词】复合污染物;南京;气象要素;季节变化【作者】贾梦唯;赵天良;张祥志;吴香华;汤莉莉;王黎明;陈煜升【作者单位】南京信息工程大学气象灾害预报预警与评估协同创新中心,中国气象局气溶胶-云-降水重点实验室,江苏南京 210044;南京信息工程大学气象灾害预报预警与评估协同创新中心,中国气象局气溶胶-云-降水重点实验室,江苏南京210044;江苏省环境监测中心,江苏南京 210029;南京信息工程大学数学与统计学院,江苏南京 210044;江苏省环境监测中心,江苏南京 210029;南京信息工程大学数学与统计学院,江苏南京 210044;南京信息工程大学气象灾害预报预警与评估协同创新中心,中国气象局气溶胶-云-降水重点实验室,江苏南京 210044【正文语种】中文【中图分类】X51在我国,大量的污染物被集中排放到大气中,多种污染物均以高浓度同时存在,进而发生复杂的相互作用.大气复合污染在现象上表现为大气氧化性增强、大气能见度显著下降和环境恶化趋势向整个区域蔓延;在污染本质上表现为污染物之间源和汇的相互交错、污染转化过程的耦合作用和环境影响的协同效应[1-4].以往以单独形式出现的污染,现在已相互结合成为复合型的污染,成为以更大尺度出现的环境问题[5].在多种污染物中,大气颗粒物PM2.5和低空O3是大气复合污染的两种核心污染物[6].PM2.5是一次颗粒物与二次颗粒物的混合物,成分复杂,多种气、固态前体物SO2、NOx、元素碳(EC)、有机碳(OC)通过均相和非均相反应可以转换成为PM2.5[5].大气对流层中O3约占O3总量的10%[7],虽然含量很低,但其浓度的增加对人体健康和生态环境都会产生很大的影响.各种自然排放、人为产生及大气中化学反应生VOCs、NOx等O3前体物对地面O3浓度的变化有显著影响.因此,本身就是大气污染物的气态前体物与其转化生成的PM2.5和O3共存于同一大气中,构成了复杂的大气化学体系.高浓度细粒子污染引起的灰霾现象和以高浓度臭氧为特征的光化学污染共同形成的复合型大气污染,是当前全球大中城市所面临的最突出的大气污染现象,具有明显的健康效应[8-9].国内外已有很多学者对PM2.5、O3的化学组成和生消机制进行了细致的分析,在天气条件、气象要素对污染物浓度的影响方面也进行过不少研究.Ye等[10]对PM2.5进行采样,分析了其浓度和组成成分;Zhang等[11]分析了 O3及其前体物的浓度特征;Ding等[2]介绍了细粒子物理化学特征,并阐述了细粒子表面的多相反应过程;Zhang等[12]探讨了天气型对近地层O3时空变化特征的影响,对比了不同天气环流模式下 O3时空变化情况;Wang等[13]研究了各气象要素与PM2.5之间的相关性.目前,国内外研究者大多针对某一种或几种污染物在个别季节中的污染特征、气象条件进行分析,但不同季节污染情况差异显著,并且在大气复合污染的背景下,不同季节污染物的变化特征及其之间的相互关系、气象要素对污染物浓度影响的差异,都需要做进一步的分析与探讨.南京作为长三角地区的重要城市,以PM2.5和O3为主要污染物,PM10、CO、SO2、NO2等多种污染物并存的大气复合污染问题日益突显[14-15].研究表明,南京地区细粒子PM2.5是可吸入颗粒物PM10的重要组成部分[16],并且 PM10与 PM2.5相关性较强[17],均对于空气质量指数 AQI有重要影响.但由于 PM2.5纳入空气质量指标体系时间不长,常规观测数据有限,并且PM10与PM2.5之间的差异还需进行更深入的挖掘,因此本文针对不同季节PM10、PM2.5、O3浓度变化特征、首要污染物以及气象要素对污染物的影响进行了对比分析,并建立多元逐步回归预报方程,以期深入了解南京地区的污染状况,为长三角地区的空气质量统计预报建立基础. 本文利用2013年1月~2015年2月南京国控点环境监测数据进行统计分析,再将 NCEP/ NCAR的6h再分析资料作为驱动场,利用WRF模式模拟为精细的气象要素资料,主要选取地面2m高度的温度(T2)、地面2m高度的比湿(Q2)、地面10m风场的纬向分量(U10)、地面10m风场的经向分量(V10)、边界层高度(PBLH)、海平面气压(P)、水平风速(UV10),分别与PM2.5、PM10、O3浓度进行相关分析,并分季节建立逐步回归方程,研究南京地区主要大气复合污染物 PM2.5、PM10和O3的变化特征、四季首要污染物及影响污染物浓度的气象影响因子.1.1 污染物观测资料南京共有9个空气质量国控点,分别位于草场门、仙林、玄武湖、瑞金路、中华门、山西路、迈皋桥、奥体中心和浦口,分别代表不同区域,其综合监测结果基本反映全市空气质量.本文分析环境数据为2013年1月1日~2015年2月28日PM2.5、PM10、O3质量浓度数据,时间分辨率为1h,取9个国控点平均值代表南京地区.1.2 边界层气象资料由于常规气象要素观测资料空间分布不均匀,FNL资料空间分辨率为1°×1°,时间分辨率为6h,均不能满足在小尺度上对气象要素分析的需要,因此将NCEP/NCAR的时间分辨率为6h,空间分辨率为1°×1°的再分析资料作为驱动场,利用WRF模式模拟得到水平分辨率10km、逐小时的大气边界层气象要素资料.气象要素主要选取温度、比湿、气压、纬向风、经向风、风速和边界层高度.WRF模式系统是美国大气科学研究中心(NCAR)、国家海洋和大气管理局(NOAA)等多个部门联合开发的新一代高分辨率中尺度预报模式和资料同化系统.已有研究工作[18-19]对 WRF模式的模拟结果进行了评估,表明模拟结果与观测事实基本一致,尤其在地形相对平坦地区.本文初始场和侧边界条件采用 NCEP/ NCAR提供的1°×1°的 FNL分析场资料.选用WRFV3.6.1版本,采用了双向两重嵌套区域,中心点经纬度为105.82°E,30.46°N.垂直方向设为 33层,模式顶气压为 50hPa,边界层(2km以下)内设18层.模式初始北京时间: 2013年1月1日00时,输出频率为1h,积分步长12h,前7h为模式起转时间不作分析,保留后 6h,共模拟了两年的气象场数据.表1为模式网格设置和参数化方案.为分析周边源对南京地区空气质量的影响,主要关注由内层网格区域模拟得出的与污染物观测资料时空尺度一致的精细的气象场数据.2.1 污染物浓度季节变化利用2013年3月~2015年2月南京国控点环境监测数据,对大气复合污染物质量浓度逐月变化情况进行了分析(图1).四季划分分别是3~5月为春季、6~8月为夏季、9~11月为秋季、12月至次年2月为冬季.细粒子(PM2.5)四季质量浓度均大于粗粒子(PM2.5-10),但变化趋势保持一致,均呈现夏低冬高的特征,两种粒子均8月最低,细粒子在1月达到最高值,粗粒子在12月达到最高值.夏季由于强对流气团的增多和降雨过程的频发,使得颗粒物被更有效地清除,同时降水减少颗粒物排放(如土壤粉尘),故夏季颗粒物浓度较低.相较于粗粒子,细粒子浓度四季差异明显.O3质量浓度呈现春夏高、秋冬低的变化特征,在春末夏初达到最大值,秋末冬初到最小值.春季是中纬度地区对流层顶折叠现象的多发季节[20],对流层顶折叠易使平流层臭氧进入对流层,因此春季O3浓度的高值,除与日照时长与强度增加,易于光化学反应发生的原因外,还可能是由于平流层输送所导致.冬季由于气温低、辐射弱,光化学反应速率慢,边界层臭氧浓度偏低.浓度超过国家环境空气质量二级标准的污染为超标污染物,即空气质量分指数(IAQI)大于100的污染物[21].各污染物浓度季节均值的统计描述见表2.O3季均值分别为69.7、60.6、46.0、32.2µg/m3,春季>夏季>秋季>冬季,依照现行的国家环境保护标准,以8h滑动平均值描述O3污染情况,O3_8h日最大值的季均值分别为 118.7、104.8、81.4、51.8μg/m3,春季>夏季>秋季>冬季,均未超过国家二级标准.从表1可以看出,PM10季均值分别为134.1、91.1、126.3、160.6µg/m3,冬季>春季>秋季>夏季,并且冬季日均值超过了国家二级标准.从表2可以看出,PM2.5季均值分别为70.0、56.3、69.3、98.0µg/m3,冬季>春季>秋季>夏季,冬季均值超过了国家二级标准.大气颗粒物PM10中细粒子PM2.5所占质量浓度比PM2.5/PM10可以反映可吸入颗粒物中细粒子的含量,南京地区 PM2.5/PM10四季分别为 0.55,0.62,0.56,0.61(表2),全年平均为0.59,低于成都年平均值0.85[22],高于北京年平均值0.52[23].南京全年各季大气可吸入颗粒物中细粒子占主导,并呈现春秋低,冬夏高的特征.相比于细粒子,降雨更有助于粗粒子的清除,相对低的土壤尘粗粒子释放,以及较强的光化学反应导致的二次气溶胶浓度增加,可能是夏季PM2.5/PM10较高的原因.表3为3种污染物四季每日空气质量分指数(IAQI)超标分布情况,O3在四季超标频率分别为23.4%、15.8%、1.6%、0%,春季最高.PM10分别为27.2%、6.5%、28.5%、46.3%,冬高夏低.PM2.5分别为39.1%、20.1%、37.3%、56.4%,四季均大于20%,冬高夏低.总的来说,臭氧浓度春季最高,夏季次高,颗粒物浓度冬高夏低,南京全年各季大气可吸入颗粒物中 PM2.5占主导.南京地区冬季颗粒物污染总体水平较高,有浓度高、高浓度时次多的特点,PM10和PM2.5严重污染均发生在冬季,可能是由于冬季南京及周边地区秸秆燃烧产生大量颗粒物,工业和生活排放增加以及逆温等不利于颗粒物扩散的气象条件导致的.2.2 污染物浓度日变化图2分别为南京地区PM10、PM2.5~10、PM2.5、PM2.5/PM10、O3四季质量浓度的日变化情况.四季PM10、PM2.5-10、PM2.5质量浓度的日变化趋势基本一致,冬季日变化最明显,夏季最弱,春季居中,且冬季上午峰值的出现均比其余三季延后1~2h.从午夜到凌晨的时段,该时段细粒子的变化很平缓,粗粒子下降较明显,四季PM2.5/PM10在凌晨均达到峰值,可能是由于粗粒子随重力沉降的速率更快导致的.8:00~10:00颗粒物浓度出现峰值与上班高峰期汽车尾气排放有关.一般来说,下午是一天中扩散条件最好的时候,这个时间段的多数污染物都呈现较低值,但PM2.5/PM10在下午有所上升,14:00到达次峰值,夏季最为明显,可能是午后光化学反应的加快使得二次气溶胶浓度升高,导致 PM2.5在颗粒物中所占比例上升.16:00以后晚高峰期间排放的尾气使颗粒物浓度再次上升,而夜间较低气温导致大气层结稳定,易出现逆温,不利于颗粒物的扩散,使得粗细粒子在晚间,依旧保持较高的质量浓度.四季 O3质量浓度日变化均呈现白天高,夜间低的单峰式变化特征,最小和最大值出现在7:00~8:00和14:00~16:00,太阳辐射引起的光化学反应增加了O3,产生了午后峰值.除了冬季O34:00~8:00略大于秋季之外,其余时间段均是春>夏>秋>冬.O3质量浓度逐小时平均的最高值、日变化幅度均呈现出春季>夏季>秋季>冬季的特征.2.3 四季首要污染物空气质量指数AQI为当日IAQI的最大值,首要污染物为 AQI>50(空气质量指数为良)时,IAQI最大的污染物[21].表 3为南京地区四季首要污染物频率表,2013年3月~2015年2月南京地区首要污染物为PM2.5、PM10、O3的频率分别为51.5%、26.6%和13.5%.冬季虽是PM10浓度(超标率)最高的季节,却也是PM10为首要污染物频率最低的季节,这与冬季 PM2.5/PM10较高,即PM2.5占主导有关.全年重度污染以上天数为50d,首要污染物为PM2.5占96%.PM2.5主导四季AQI的变化,尤其是在重污染的情况下,并且 PM2.5是影响南京地区空气质量的首要污染物.2.4 污染物与气象要素的关系表4是利用SPSS软件对污染物浓度与各气象要素相关系数的统计结果.为了降低污染物浓度和气象要素日变化的影响,参考现行的《国家环境保护标准环境空气质量指数(AQI)技术规定》[21]中对AQI日报方法的规定,使用PM10、PM2.5和气象要素的日均值做相关性分析,对于O3而言,光化学反应是其浓度上升的重要因素[5],因此小时浓度差异显著,并由2.2得知,O3浓度昼夜变化明显,因此使用每日O3的8h滑动平均浓度最高值与同期气象要素8h滑动平均值进行相关性分析.四季 O3质量浓度与温度均呈显著正相关,相关性春>秋>夏>冬,说明光化学作用是四季地面O3的重要来源.四季O3与边界层高度均呈显著正相关,四季相关系数分别为 0.500、0.572、0.326、0.323.边界层高度越高,地面O3浓度越高,相关性夏>春>秋>冬.因为边界层的高度与逆温层有关,而逆温层的存在抑制自由大气中较高浓度的臭氧难以向下传输,地面 O3浓度降低[24],逆温层也使得大气趋于稳定状态,抑制水平输送.同时O3的生成依赖光化学反应的发生,温度上升也使边界层高度增高.这些因素都会导致边界层高度与O3浓度呈显著正相关.夏季O3浓度与比湿呈显著负相关,并且夏季降水较多,太阳辐射减弱,光化学反应速率降低,O3浓度受到抑制,同时降水对O3的湿清除作用,也会降低O3浓度.春、秋、冬季O3与水平风速均呈显著正相关,其中冬季相关性高于其余三季,O3及其前体物区域输送是导致冬季O3升高的重要因素.春季、冬季PM10与温度呈显著正相关,秋季呈显著负相关;夏季、秋季PM10与比湿呈显著负相关.春、秋、冬三季经向风、纬向风与PM10浓度均呈显著正相关,说明西南方向气流的输送对于南京地区春、秋、冬季PM10浓度上升有显著影响.四季 PM10与风速均呈显著负相关,较大的风速对于 PM10有清除作用.秋冬季边界层高度与 PM10呈负相关,春夏季呈正相关但相关程度不高,并未全部通过显著性检验,可能是与边界层高度有明显日变化有关.与PM10类似,春季、冬季PM2.5与温度呈显著正相关,秋季呈显著负相关;夏季、秋季 PM2.5与比湿呈显著负相关,春、冬季呈显著正相关.春、秋、冬三季经向风、纬向风均与PM2.5浓度呈显著正相关,说明西南风的输送对于南京春、秋、冬季PM2.5浓度上升也有显著影响,而夏季PM2.5浓度主要受东北气流的影响.四季 PM2.5浓度与风速均呈显著负相关,较大的风速对于 PM2.5起扩散作用.与PM10类似,春夏季PM2.5与边界层高度相关程度较弱,并未通过显著性检验,秋冬季PM2.5与边界层高度呈显著负相关.2.5 逐步回归方程的建立和评估为评估气象状况对污染物浓度逐日变化的影响,利用不同季节气象要素与污染物浓度相关性分析结果(表4),选取已通过显著性检验的气象要素,尝试建立污染物与气象要素日均值的统计关系模型.逐步回归分析是将变量逐步引入,每引入一个变量后,对已选入的变量要进行逐个检验,当原引入的变量由于后面变量的引入而变得不再显著时,要将其剔除[25],已较多用于评估气象状况对污染物的影响[26-28].气象要素主要包括地面2m高度温度(T2)、地面2m高度比湿(Q2)、地面10m经向风(V10)、地面10m纬向风(U10)、地面10m水平风速(UV10)、海平面气压(P)、边界层高度(PBLH).同时考虑到前三日污染物浓度对当日也会有影响,因此污染物前三日值也作为自变量进入逐步回归方程. 南京处于东亚季风区,伴随冬夏季风转化,区域气象条件发生显著的季节变化,导致大气污染物存在明显的季节差异.同时不同大气污染物具有不同的物理化学属性,气象条件对于不同污染物变化产生作用也不尽相同.因此,逐步回归法在各污染物各季节筛选不同的气象因子,保证最终得到的逐步回归方程最优.以下为得到的逐步回归方程,均通过0.01的显著性检验.由逐步回归方程可知,四季 PM10、PM2.5、O3_8h_max日值均分别与前一日浓度值有关,PM10、PM2.5在夏季、冬季浓度的日均值还受前几日浓度的影响.水平风速的升高会降低PM10、PM2.5的日均值,O3_8h_max四季日值主要受边界层高度、温度影响,与2.4节(表4)结论一致.拟合优度R2为回归平方和与总平方和的比值,可以用于描述回归方程的拟合程度[25].四季污染物与气象要素建立的逐步多元线性回归方程拟合优度,PM2.5逐步回归方程的拟合度在40%~60%之间,冬季拟合度相对较高,O3逐步回归方程的拟合度在 48%~65%之间,春季拟合度相对较高,PM10逐步回归方程的拟合度在45%~62%之间,秋冬季拟合度平均值为61.4%.王莉莉等[28]利用天津地区秋冬季污染物和气象要素观测资料,建立的逐步回归方程对于秋冬季PM10拟合度平均值为52%.何建军等[29]利用兰州地区秋冬季污染物浓度监测数据,结合 WRF模式模拟得到的气象场,建立的线性回归方程中秋冬季PM10拟合度平均值为59%.本文选取的历史污染物浓度的时间序列较长,考虑的边界层气象要素较全面,回归方程平均拟合程度较高.这些逐步回归方程可用于南京地区空气质量统计预报,也为长三角地区的空气质量统计预报逐小时预报建立基础.根据已建立的模型,选取未参与逐步回归方程建立的2015年3月(春)、6月(夏)、9月(秋)、12月(冬)PM10、PM2.5、O3进行拟合检验(图 3~图5).从图中可以看出,各季实测值于模型计算值的变化趋势基本一致,特别是对于冬季几次霾污染过程都进行了较好的拟合,但其余季节对于极值的模拟效果偏弱,此外秋季颗粒物模拟值总体偏大,O3拟合总体偏小.为了对预报结果进行客观定量的分析,计算3种污染物的预报准确率,引入预报的级别命中率,考察预报模型的预报效果.式中:yt为观测值;yt’为预报值;TS为预报的级别命中率(%);DT为预报值与实测值级别相同的天数;D为预报的总天数.表6为各污染物准确率和命中率,3种污染物准确率在43%~55%之间,级别命中率在 56%~78%之间,PM10预报准确率和级别命中率均高于PM2.5.3.1 大气颗粒物PM10和PM2.5季节变化均为夏低冬高,两种粒子 8月最低,粗细粒子分别在 12月和 1月达到最高值,PM10冬季日均值为160.6µg/m3,PM2.5冬季日均值为98.0µg/m3,均超过国家二级标准,冬季是南京大气颗粒物污染最严重的季节.四季PM10、PM2.5~10、PM2.5的日变化趋势基本一致,冬季日变化最明显,夏季最弱,春季居中,且冬季上午峰值均比其余三季延后1~2h.3.2 全年大气颗粒物PM10中细粒子PM2.5所占质量浓度比为0.59,春、夏、秋、冬四季分别为0.55、0.62、0.56、0.61,南京大气可吸入颗粒物中细粒子占大气颗粒物 PM10的较多数,并呈现春秋低,冬夏高的特征.首要污染物为 PM2.5、PM10、O3的频率分别为51.5%、26.6%和13.5%,重度污染以上天数为50d,首要污染物为PM2.5占96%.PM2.5主导四季 AQI的变化,尤其是在重污染的情况下,并且 PM2.5是影响南京地区空气质量的首要污染物.3.3 O3浓度春末夏初达到最大值,秋末冬初达到最小值.8h平均值最大值的季均值分别为118.7、104.8、81.4、51.8µg/m3.四季 O3质量浓度日变化均呈现白天高,夜间低的单峰式变化特征,最小和最大值出现在 7:00~8:00和 14:00~16:00.3.4 边界层高度与O3呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.相关性分析和逐步回归方程结果均表明风速升高会导致 PM10、PM2.5浓度显著降低;温度、边界层高度的升高会导致O3浓度显著升高.3.5 分季节多元逐步回归方程对于 PM10、PM2.5、O3浓度日值拟合度为 40%~65%,准确率为43%~55%,级别命中率为56%~78%,逐步回归方程的构建为长三角地区的空气质量统计预报逐小时预报建立基础.【相关文献】[1]朱彤.城市与区域大气复合污染[M]. 北京:化学工业出版社,2005:1-3.[2] Ding J, Zhu T. Heterogeneous reactions on the surface of fine particles in theatmosphere [J]. Chinese Science Bulletin, 2003,48:2267-2276.[3] Parrish D D, Zhu T. Clean air for megacities [J]. Science,2009,326:674-675. [4] Zhang Y H, Hu M, Zhong L J, et al. Regional integrated experiments on air quality over Pearl River Delta 2004 (PRIDEPRD2004): Overview [J]. Atmospheric Environment, 2008,42:6157-6173.[5]唐孝炎,张远航,邵敏.大气环境化学[M]. 北京:高等教育出版社, 2006,2:102,272-273.[6]贺克斌,杨复沫,段凤魁,等.大气颗粒物与区域复合污染[M].北京:科学出版社,2011:3-4.[7]盛裴轩,毛节泰,李建国,等.大气物理学[M]. 北京:北京大学出版社, 2003:11-12. [8] Tie X, Cao J. Aerosol pollution in China: Present and future impact on environment [J]. Particuology, 2009,7(6):426-431.[9] Tie X X, Wu D, Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou, China [J]. Atmospheric Environment, 2009b,43(14):2375-2377.[10] Ye B, Ji X, Yang H, et al. Concentration and chemical composition of P M2.5in Shanghai for a 1-year period [J]. Atmospheric Environment, 2003,37(4):499-510. [11] Zhang Y H, Su H, Zhong L J, et al. Regional ozone pollution andobservation-based approach for analyzing ozone—precursor relationship during the PRIDE-PRD2004campaign [J]. Atmospheric Environment, 2008,42(25):6203-6218. [12] Zhang Y, Mao H, Ding A, et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3levels in Hong Kong during 1999~2011 [J]. Atmospheric Environment, 2013,73(4):41-50.[13] Wang J L, Zhang Y H, Shao M, et al. Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing [J]. Journal of Environment Sciences,2004,16:860-864.[14]周奕珂,朱彬,韩志伟,等.长江三角洲地区冬季能见度特征及影响因子分析[J]. 中国环境科学, 2016,36(3):660-669.[15]赵子菁,魏永杰,张祥志,等.南京市霾天气与主要气象条件的相关分析[J]. 中国环境科学, 2015,35(12):3570-3580.[16]黄鹂鸣,王格慧,王荟,等.南京市空气中颗粒物 PM10、PM2.5污染水平[J]. 中国环境科学, 2002,22(4):334-337.[17] Shen G F, Yuan S Y, Xie Y N, et al. Ambient levels and temporal variations of PM2.5and PM10at a residential site in the mega-city,Nanjing, in the western Yangtze River Delta, China [J]. Journal of Environmental Science & Health Part AToxic/hazardous Substances & Environmental Engineering, 2014,49(2):171-8. [18]程兴宏,徐祥德,丁国安,等.MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响[J]. 环境科学研究, 2009,(12):1411-1419.[19]常炉予,赵天良,何金海,等.周边气象条件对南京城区大气污染物浓度的影响[J]. 气象与环境学报, 2013,29(6):95-101.[20] Danielsen E F, Mohnen V A. Project DUSTORM report: Ozone transport, in-situ measurements, and meteorological analyses of tropopause folding [J]. Journal of Geophysical Research Atmospheres, 1977,82(37):5867-5877.[21] HJ633-2012 中华人民共和国国家环境保护标准[S].[22] Li Y, Chen Q, Zhao H, et al. Variations in PM10, PM2.5and PM1.0in an Urban Area of the Sichuan Basin and Their Relation to Meteorological Factors [J]. Atmosphere,2015,6(1):150-163.[23]李卫军,邵龙义,李金娟,等.北京市大气中PM10和PM2.5的污染水平特征研究[J].环境与可持续发展, 2006,(2):18-20.[24] Mickle R E, Bottenheim J W, Leaitch W R, et al. Boundary layer ozone depletion during AGASP-II [J]. Atmospheric Environment,1989,23(11):2443-2449. [25]汪冬华.多元统计分析与 SPSS应用[M]. 上海:华东理工大学出版社, 2010.[26] Eder B K, Davis J M, Bloomfield P. An automated classification scheme designed to better elucidate the dependence of ozone on meteorology [J]. Journal of Applied Meteorology, 1994,33(10):1182-1199.[27] Hien P, Bac V, Tham H, et al. Influence of meteorological conditions onPM2.5and PM2.5~10concentrations during the monsoon season in Hanoi, Vietnam [J]. Atmospheric Environment, 2002,36(21):3473-3484.[28]王莉莉,王跃思,吉东生,等.天津滨海新区秋冬季大气污染特征分析[J]. 中国环境科学,2011,31(7):1077-1086.[29]何建军,余晔,刘娜,等.基于WRF模式的兰州秋冬季大气污染预报模型研究[J]. 气象, 2013,(10):1293-1303.致谢:感谢江苏省环境检测中心的数据支持,模式模拟工作由南京信息工程大学郭晓梅、张宸赫、侯梦玲等协助完成,在此表示感谢.。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第35卷第2期2014年2月环 境 科 学ENVIRONMENTAL SCIENCEVol.35,No.2Feb.,2014南京市大气颗粒物中有机碳和元素碳粒径分布特征吴梦龙1,2,郭照冰1,2∗,刘凤玲1,2,刘杰1,2,卢霞1,2,姜琳娴1,2(1.南京信息工程大学环境科学与工程学院,南京 210044;2.江苏省大气环境监测与污染控制高技术研究重点实验室,南京 210044)摘要:采用Model 2001A 热/光碳分析仪测定了南京市区和工业区不同粒径颗粒物中OC、EC 的含量,分析了OC、EC 粒径分布特征.结果表明,市区和工业区四季OC、EC 在<0.43μm 粒径段中平均质量浓度最高,市区四季OC 所占比例分别为20.9%、21.9%、29.6%、27.9%,EC 比例分别为24.0%、23.5%、31.4%、22.6%;工业区四季OC 比例分别为18.6%、45.8%、26.6%、25.9%,EC 比例分别为16.7%、60.9%、26.3%、24.3%;两地OC、EC 主要存在于细粒子中且市区细粒子中OC、EC 在夏季所占比例最高,而工业区无明显季节变化规律.市区和工业区细粒子中SOC 污染严重且在夏季达到高值,粗粒子SOC 季节变化规律不明显,可能与各污染源贡献率及气象因素有关.相关性和OC /EC 分析表明,南京地区细粒子中OC、EC 主要来自尾气排放和燃煤,粗粒子中OC、EC 还与生物质燃烧及烹调排放关联.关键词:有机碳;元素碳;粒径分布;二次有机碳;来源中图分类号:X513 文献标识码:A 文章编号:0250⁃3301(2014)02⁃0451⁃07收稿日期:2013⁃06⁃11;修订日期:2013⁃07⁃22基金项目:国家自然科学基金项目(41240025,41373023);教育部留学回国人员启动基金项目(2012S001);江苏省环境保护科研课题项目(201017);江苏省“333高层次人才工程”项目;江苏省“六大人才高峰”项目;江苏省高校产业化推进项目;南京信息工程大学科研启动费项目(S8111031001);江苏省大学生实践创新计划项目(2012JSSPITP0787)作者简介:吴梦龙(1989~),男,硕士研究生,主要研究方向为大气环境监测,E⁃mail:ayls8088@∗通讯联系人,E⁃mail:guocumt@Size Distributions of Organic Carbon and Elemental Carbon in Nanjing Aerosol ParticlesWU Meng⁃long 1,2,GUO Zhao⁃bing 1,2,LIU Feng⁃ling 1,2,LIU Jie 1,2,LU Xia 1,2,JIANG Lin⁃xian 1,2(1.School of Environmental Science and Engineering,Nanjing University of Information Science &Technology,Nanjing 210044,China;2.Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control,Nanjing 210044,China)Abstract :The concentrations and size distributions of organic carbon (OC)and elemental carbon (EC)in particles collected in Nanjing Normal University representing urban area and in Nanjing College of Chemical Technology standing for industrial area were analyzed using Model 2001A Thermal Optical Carbon Analyzer.The mass concentrations were the highest with the size below 0.43μm in urban and industrial area.OC accounted for 20.9%,21.9%,29.6%,27.9%respectively and those were 24.0%,23.5%,31.4%,22.6%respectively for EC in the four seasons in urban area.In the industrial area,OC accounted for 18.6%,45.8%,26.6%,25.9%respectively and the proportions of EC were 16.7%,60.9%,26.3%,24.3%respectively.Overall,OC and EC were enriched in fine particles below 2.1μm and they accounted for the highest proportion in summer in urban area while it did not show significant seasonal variation for industrial area.SOC in fine particles achieved high values in summer while the unobvious seasonal variation in coarse particles might be attributed to the contribution of different pollution sources and meteorological factors.Correlations and OC /EC ratio method implied that OC and EC mainly came from vehicles exhaust and coal combustion in fine particles while they were also related to biomass combustion and cooking in coarse particles.Key words :organic carbon;elemental carbon;size distribution;second organic carbon;source apportionment 碳质气溶胶是大气气溶胶的重要组成部分[1,2],气溶胶中碳质主要包括有机碳(OC)、元素碳(EC)和碳酸盐碳(CC),OC 主要包括污染源直接排放的一次有机碳(POC)和POC 经光化学反应生成的二次有机碳(SOC),OC 包含脂肪族、芳香族、有机酸等多种有机化合物,如多环芳烃、正构烷烃等,可以对人体健康产生巨大危害[3~5],EC 是黑色、高聚合、难氧化物质[6],它可以散射和吸收太阳辐射、降低大气能见度及导致地球变暖[7,8],而CC 在沙尘气溶胶中含量较高,在城市气溶胶中含量一般较低[9].许多研究表明,颗粒物粒径越小,越易到达人体支气管中,对人体健康产生巨大威胁,而OC、EC 主要存在于细粒子中且粒径越小,碳组分含量越高[10~13],所以对气溶胶中的碳组分粒径分布研究具有重要意义.近年来,南京地区灰霾天气污染愈发严重,碳组分对灰霾天气的形成有重要贡献[14~16],而对于南京地区OC、EC 的粒径分布特征却鲜有研究,本研究通过对南京市2011年四季大气气溶胶可吸入颗粒环 境 科 学35卷物中OC、EC进行测定,分析OC、EC粒径分布特征,探讨碳质气溶胶的主要来源,以期为南京市大气环境控制提供依据.1 材料与方法1.1 实验仪器FA⁃3型气溶胶粒度分布采样器(辽阳市康洁仪器研究所);Model2001A热/光碳分析仪(DRI,美国);马弗炉;十万分之一电子天平;恒温恒湿箱.1.2 样品采集采样点设在南京师范大学随园校区(南师,NS)和南京江北化工职业技术学院(南化,NH)教学楼楼顶(距地约20m),南师地处鼓楼区(E117°10′, N34°17′),经济发达、交通繁忙、人口密集,代表典型的集居住、商业、交通、餐饮以及办公于一体的混合区;南化地处浦口区(E118°37′,N32°3′),地处国道附近且化工企业较多,代表着交通和工业区.采样时间为2011年1月、4月、7月、10月,分别代表冬、春、夏、秋四个季节,每月连续采样15d,每天08:00~20:00持续采样.FA⁃3型气溶胶采样器是9级多孔联级式撞击器,0~9级粒径范围分别为9.0~10.0μm、5.8~9.0μm、4.7~5.8μm、3.3 ~4.7μm、2.1~3.3μm、1.1~2.1μm、0.65~ 1.1μm、0.43~0.65μm和<0.43μm,流速为28.3L·min-1.采样前对仪器进行流量校正,将玻璃纤维滤膜预先置于马弗炉500℃焙烧5h,冷却后恒温恒湿平衡24h(温度25℃,湿度50%),用十万分之一电子天平称重后放入铝箔,采样结束后将滤膜放回铝箔,平衡24h后称重,然后置于冰箱密封保存至分析.1.3 样品分析使用Model2001A热/光碳分析仪测定样品中OC、EC.采用Improve A⁃glass协议程序升温,第一阶段为纯氦环境下进行,温度梯度分别为140、280、480、580℃,第二阶段在含2%氧气的氦气环境下进行,温度维持在580℃,分别测出OC1、OC2、OC3、OC4、EC1、EC2、EC3,全程采用633nm激光照射样品,准确界定OC碳化形成的裂解碳(OCP),最终OC定义为OC1+OC2+OC3+OC4+OCP,EC定义为EC1+EC2+EC3-OCP.1.4 质量保证每天对仪器进行检漏,样品分析前,高温烘烤样品炉10min除尽残留气体,用He/CH4进行校准,确保初始和最终FID信号漂移在±3以内、校准峰面积相对标准偏差在5%以内,每2周进行流量平衡校准.每个样品进行3次平行样分析,每10个样品抽取1个进行分析,确保前后两次测量误差在10%以内再进行后续样品分析.同时做样品空白,空白膜OC为0.4μg·cm-2,过程中并未检测到EC. 2 结果与讨论2.1 OC和EC在各粒径段上的污染特征南师和南化OC、EC在各粒径段上的浓度特征见图1.南师和南化冬、春季OC、EC浓度要明显高于夏秋两季,可能与冬春季燃煤量增加及易出现逆温现象有关[17].同时夏秋季雨水较多,对污染物起到了冲刷清除作用.南师四季OC和EC均在<0.43μm的粒径段达到了最大值,四季OC占PM10中OC总量的比例分别为20.9%、21.9%、29.6%和27.9%,EC所占比例分别为24.0%、23.5%、31.4%和22.6%.冬、春、夏三季,OC、EC在0.65~1.1μm粒径段中也达到了较高的污染水平,OC所占比例分别为16.4%、17.5%、16.6%,EC所占比例分别为18.3%、22.7%、22.4%,秋季与其它三季略有区别,但主要还是富集于0.43~0.65μm的细粒径段.本研究以2.1μm作为粗细粒子的界线粒径,南师冬、春、夏、秋四季PM2.1中OC占OC总量的比例分别为60.9%、67.3%、74.5%、71.3%,EC占EC总量比例分别为69.4%、75.5%、88.9%、67.6%,OC、EC年平均比例分别高达67.8%和73.6%,表明市区气溶胶中碳质主要集中在细粒子中,这与唐小玲等[10]研究的OC、EC在粒径<2.1μm颗粒物中所占比例分别高达55%和73%结果吻合.同时,PM2.1中OC、EC所占比例均在夏季达到了最大值,说明了夏季PM2.1~10中有更多的OC、EC 发生了转化和清除,致使细粒子中OC、EC比例相对其它三季较高.南化冬季OC、EC主要集中于1.1~2.1μm和<0.43μm粒径段,OC所占比例分别为16.9%和18.6%,EC所占比例分别为16.5%和16.7%;春季OC、EC主要集中在<0.43μm粒径段,所占比例分别为45.8%和60.9%;夏秋季OC、EC主要集中在0.65~1.1μm和<0.43μm粒径段,在0.65 ~1.1μm粒径段两季OC所占比例分别为12.8%和15.4%,EC分别为17.6%和17.3%,在<0.43μm粒径段,OC所占比例分别为26.6%和25.9%, EC分别为26.3%和24.3%.相比南师,南化不同2542期吴梦龙等:南京市大气颗粒物中有机碳和元素碳粒径分布特征粒径OC、EC 浓度变化较大,说明工业区相比市区碳质来源更复杂.南化四季PM 2.1中OC 所占比例分别为60.6%、66.4%、51.8%、63.4%,EC 所占比例分别为59.2%、83.1%、69.4%、65.8%,细粒子中OC、EC 季节变化与市区不同,证实了工业区碳质来源的复杂性且受影响条件更多.但与市区相似的是,OC、EC 在PM 2.1中的年平均比例分别高达61.2%和69.3%,所以南京地区气溶胶中碳质均主要存在于大气细粒子中.图1 南师和南化不同粒径颗粒物中OC 尧EC 浓度Fig.1 Concentrations of OC and EC in different size particles in NS and NH2.2 粒径分布图2为南师和南化四季OC、EC 粒径分布对数模型图.Duan 等[18]研究发现,OC 1和OC 2通常为挥发性和半挥发性组分靠吸附作用吸附在颗粒物表面,主要呈单模态分布,而OC 3和OC 4通常为非挥发性有机组分,主要呈双模态分布,但有时粗模态峰值会低于积聚模态.本研究中,南师四季OC 单峰分布较明显,峰值主要出现在0.43~1.1μm 的积聚模态,同时春、夏、秋三季粗模态峰值(2.1~5.8354环 境 科 学35卷μm)低于积聚模态,说明OC 1、OC 2起到了主要贡图2 南师和南化OC 尧EC 粒径分布Fig.2 Size distribution of OC and EC in NS and NH献作用,OC 3和OC 4也起到重要贡献作用,所以南师四季OC 主要来源于挥发性及半挥发性有机组分排放(如植物排放等)和非挥发性有机组分排放(如燃烧源、尾气源及二次有机组分).而四季EC 与OC 分布规律相似,峰值主要出现在0.43~1.1μm的积聚模态.表明市区四季气溶胶中OC、EC 来源较一致,主要来自于自然源和人为源.南化四季OC 则呈现明显的双峰分布,这与Chen 等[13]的研究结果相似,峰值分别位于0.43~4542期吴梦龙等:南京市大气颗粒物中有机碳和元素碳粒径分布特征1.1μm 的积聚模态和2.1~5.8μm 的粗粒子模态,四季EC 峰值主要集中在0.43~1.1μm 的积聚模态和2.1~5.8μm 的粗粒子模态,与OC 分布规律相似,通常细粒子中的OC、EC 来源于人为活动,而粗粒子模态中碳质主要源于各不同污染源排放的细粒子聚合凝结和细粒子中碳质的吸湿性增长[19],相比于市区,工业区气溶胶中碳质在粗细粒子模态中分布明显,这表明城郊工业区OC、EC 来源更加复杂且受影响因素更多.2.3 二次有机碳估算及OC /EC 特征碳质气溶胶来源复杂,通常包括一次来源(POC 和EC)和光化学反应生成的二次有机碳(SOC),OC /EC 值可以估算SOC 含量,并在一定程度上区分不同污染源[20,21].通常,OC /EC >2即认为有SOC 生成[18],本研究两地四季不同粒径颗粒物中OC /EC 均大于2(表1),说明南京PM 10气溶胶中存在SOC.SOC 对OC 的贡献可由Turpin 等[22]提出的经验公式描述:SOC =TOC -EC ×(OC /EC)min式中,(OC /EC)min 为所观测的OC /EC 的最小值.由此估算出南京地区四季SOC 浓度粒径分布情况,如图3所示.两地SOC 主要集中在粒径<2.1μm 的细粒子中且大多集中于<0.43μm 粒径段,两地细粒子中SOC 浓度占总SOC 浓度比例分别为55.2%和57.2%,说明细粒子中SOC 污染严重.市区PM 2.1和PM 2.1~10中SOC 浓度分别占相应粒径段OC 浓度的26.5%、45.2%,工业区SOC 年平均比例分别为33.9%、40.0%,可见粗粒子中OC 转化为SOC 比例较高,这与王广华等[23]研究结果相似.市区冬、春、夏、秋四季细粒子中SOC 占OC 比例分别为19.4%、30.5%、33.5%、23.3%,粗粒子中相应比例分别为30.9%、43.8%、54.0%、66.3%,工业区四季细粒子中SOC 相应比例分别为29.2%、25.4%、38.9%、29.9%,粗粒子为27.1%、51.7%、37.3%、43.5%,两地细粒子中SOC 比例均在夏季达到最高值,通常人为源排放产生的多为细粒子[24].而夏季温度较高,有利于人为源排放的OC 及植被排放的VOCs 通过光化学反应转化为SOC;相比细粒子,粗粒子中SOC 没有明显的季节规律,说明粗粒子中OC 组成更加复杂且可能与气象因素影响有关.图3 南师和南化四季POC 、SOC 及(OC /EC )min 粒径分布Fig.3 Size distributions of POC,SOC and (OC /EC)min in NS and NH 考虑到南师和南化各粒径段中OC、EC 相关性较差,本研究分别做出粗细粒子的相关性(图4).南师和南化细粒子中OC、EC 在0.01水平上相关性显著,说明两地细粒子中OC、EC 来源相对单一,而粗粒子中OC、EC 相关性较差,也证实了粗粒子中OC、EC 具有复杂的污染来源.为进一步探讨两地粗细粒子中OC、EC 的来源,本研究分析了OC /EC 特征,见表1.南师和南化PM 2.1中OC /EC 冬春季略低于夏秋季,但均处于1~10之间,研究表明尾气排放OC /EC 为1.0~4.2[25],燃煤排放该值为2.5~10.5[26],说明南京地区细粒子中OC、EC 主要来自尾气排放和燃煤.PM 2.1~10中OC /EC 变化较大,市区冬春季OC /EC 与尾气排放和燃煤接近,夏秋季OC /EC 很高,通常烹调排放具有较高的OC /EC 值[27],与市区不同,市郊工业区秋冬季OC /EC 与尾气排放和燃煤接近,春夏两季OC /EC 较高,但低于市区OC /EC 高值,而生物质燃烧OC /EC 低于烹调排放[28],结合市郊工业区的地理位置,说明工业区粗粒子中OC /EC 高值受生物质燃烧和烹调排放的共同影响.综上所述,南京地区大气粗粒子中OC、554环 境 科 学35卷图4 南师和南化细粒子和粗粒子OC 、EC 相关性Fig.4 Correlations between OC and EC in fine particles and coarse particles in NS and NH表1 南师和南化四季粗细粒子OC /ECTable 1 OC /EC in fine particles and coarse particles in NS and NH采样点季节PM 2.1PM 2.1~10OC /EC (OC /EC)min OC /EC (OC /EC)min冬3.162.554.923.36南师春4.142.806.713.38夏5.743.6839.627.90秋5.063.9030.522.15冬2.772.063.122.08南化春3.212.4124.674.23夏5.863.5315.017.50秋5.033.435.983.43EC 除受尾气和燃煤贡献外,生物质燃烧及烹调排放也是重要污染来源.3 结论(1)南京市区和工业区四季OC、EC 在<0.43μm 粒径段中平均质量浓度最高;两地OC、EC 主要富集于粒径<2.1μm 的细粒子中,市区细粒子中OC、EC 夏季所占比例最高,而工业区则没有明显季节规律,这与工业区碳质来源复杂及受影响因素更多有关.(2)南京市区和工业区SOC 在<0.43μm 粒径段中含量最高且主要集中在PM 2.1中;两地PM 2.1中SOC 均在夏季达到最高值,由于夏季温度较高,有利于细粒子中OC 转化为SOC,而粗粒子中SOC 季节变化规律不明显,说明粗粒子中OC 组分更复杂且可能受其他因素影响.(3)基于OC 与EC 对数分布、OC /EC 及相关性分析表明南京地区大气细粒子中OC、EC 主要来自尾气排放和燃煤,而粗粒子中OC、EC 除与尾气排放及燃煤源有关外,还与生物质燃烧及烹调排放关联.参考文献:[1] Schauer J J,Mader B T,Deminter J T,et al .ACE⁃Asiaintercomparison of a thermal⁃optical method for the determination ofparticle⁃phaseorganicandelementalcarbon [J ].Environmental Science and Technology,2003,37(5):993⁃1001.[2] Kleefeld S,Hoffer A,Krivacsy Z,et al .Importance of organicand black carbon in atmospheric aerosols at mace head,on the West Coast of Ireland [J].Atmospheric Environment,2002,36(28):4479⁃4490.[3] Zhang Y L,Liu D,Shen C D,et al .Development of a6542期吴梦龙等:南京市大气颗粒物中有机碳和元素碳粒径分布特征preparation system for the radiocarbon analysis of organic carbonin carbonaceous aerosols in China[J].Nuclear Instruments andMethods in Physics Research B,2010,268(17⁃18):2831⁃2834.[4] 尚倩,李子华,杨军,等.南京冬季大气气溶胶粒子谱分布及其对能见度的影响[J].环境科学,2011,32(9):2750⁃2760.[5] Matsumoto H,Inoue K.Mutagenicity of a polar portion in neutralfraction separated from organic extracts of airborne particulates[J].Archives of Environmental Contamination and Toxicology,1987,16(4):409⁃416.[6] 黄虹,曹军骥,曾宝强,等.广州大气细粒子中有机碳、元素碳和水溶性有机碳的分布特征[J].分析科学学报,2010,26(3):255⁃260.[7] Reddy M S,Venkataraman C.Atmospheric optical and radiativeeffects of anthropogenic aerosol constituents from India[J].Atmospheric Environment,2000,34(26):4511⁃4523. [8] 王杨君,董亚萍,冯加良,等.上海市PM2.5中含碳物质的特征和影响因素分析[J].环境科学,2010,31(8):1756⁃1761.[9] Huang L,Brook J R,Zhang W,et al.Stable isotopemeasurements of carbon fractions(OC/EC)in airborneparticulate:A new dimension for source characterization andapportionment[J].Atmospheric Environment,2006,40(15):2690⁃2705.[10] 唐小玲,毕新慧,陈颖军,等.不同粒径大气颗粒物中有机碳(OC)和元素碳(EC)的分布[J].环境科学研究,2006,19(1):104⁃108.[11] 李杏茹,王英峰,郭雪清,等.2008年奥运期间北京不同粒径大气颗粒物中元素碳和有机碳的变化特征[J].环境科学,2011,32(2):313⁃318.[12] Offenberg J H,Baker J E.Aerosol size distribution of elementaland organic carbon in urban and over⁃water atmospheres[J].Atmospheric Environment,2000,34(10):1509⁃1517. [13] Chen S J,Liao S H,Jian W J,et al.Particle size distribution ofaerosol carbons in ambient air[J].Environment International,1997,23(4):475⁃488.[14] 陈魁,银燕,魏玉香,等.南京大气PM2.5中碳组分观测分析[J].中国环境科学,2010,30(8):1015⁃1020. [15] 谢鸣捷,王格慧,胡淑圆,等.南京夏秋季大气颗粒物和PAHs组成的粒径分布特征[J].中国环境科学,2008,28(10):867⁃871.[16] 杨军,牛忠清,石春娥,等.南京冬季雾霾过程中气溶胶粒子的微物理特征[J].环境科学,2010,31(7):1425⁃1431.[17] 包春晓.南京地区大气气溶胶化学成分与硫同位素组成特征研究[D].南京:南京信息工程大学,2012.45⁃57. [18] Duan J C,Tan J H,Wang S L,et al.Roadside,urban,andrural comparison of size distribution characteristics of PAHs andcarbonaceous components of Beijing,China[J].Journal ofAtmospheric Chemistry,2012,69(4):337⁃349. [19] Hansen A D A,Novakov T.Real⁃time measurements of the sizefractionation of ambient black carbon aerosols at elevatedhumidities[J].Aerosol Science and Technology,1989,10(1):106⁃110.[20] 霍宗权,沈振兴,田晶,等.西安市大气PM10中水溶性有机碳的季节变化及来源解析[J].西安交通大学学报,2010,44(9):128⁃132.[21] Chow J C,Watson J G,Kuhns H,et al.Source profiles forindustrial,mobile,and area sources in the big bend regionalaerosol visibility and observational study[J].Chemosphere,2004,54(2):185⁃208.[22] Turpin B J,Huntzicker J J.Identification of secondary organicaerosol episodes and quantitation of primary and secondaryorganic aerosol concentrations during SCAQS[J].AtmosphericEnvironment,1995,29(23):3527⁃3544.[23] 王广华,位楠楠,刘卫,等.上海市大气颗粒物中有机碳(OC)与元素碳(EC)的粒径分布[J].环境科学,2010,31(9):1993⁃2001.[24] 汤莉莉,牛生杰,樊曙先,等.瓦里关及西宁PM10和多环芳烃谱分布的观测研究[J].高原气象,2010,29(1):236⁃243.[25] Schauer J J,Kleeman M J,Cass G R,et al.Measurement ofemissions from air pollution sources.5.C1⁃C32organiccompounds from gasoline⁃powered motor vehicles[J].Environmental Science and Technology,2002,36(6):1169⁃1180.[26] Chen Y J,Zhi G R,Feng Y L,et al.Measurements of emissionfactors for primary carbonaceous particles from residential raw⁃coal combustion in China[J].Geophysical Research Letters,2006,33(20):L20815.doi:10.1029/2006GL026966. [27] Schauer J J,Kleeman M J,Cass G R,et al.Measurement ofemissions from air pollution sources.3.C1⁃C29organiccompounds from fireplace combustion of wood[J].Environmental Science and Technology,2001,35(9):1716⁃1728.[28] He L Y,Hu M,Huang X F,et al.Measurement of emissions offine particulate organic matter from Chinese cooking[J].Atmospheric Environment,2004,38(38):6557⁃6564.754。

相关文档
最新文档