-
近年来，我国大气污染一直为公众和研究者关注的热点，对细颗粒物(PM2.5)的相关研究[1-3]也越来越多. PM2.5主要由水溶性无机离子(WSIIs)、含碳组分和无机元素等多种化学组分组成[4-5]，其中WSIIs一直被认为是造成雾霾和大气污染的主要化学物质之一[6]，它不仅影响大气能见度[7]，而且会引发人体的心肺功能、免疫系统等多方面的疾病[8-9].
太原市地处华北平原以西，太原盆地北部. 近年来，太原市经济水平迅速提升，经济转型持续升级，第三产业占比也逐年升高，但煤炭、水泥、焦化等重工业产业整体占比仍然较高，大气环境问题依然严峻. 现有研究表明，太原市PM2.5污染现象依然严重[10]，大气首要污染物为颗粒物的占比依然较高[11]，冬季PM2.5中WSIIs占比最高(约48.6%)，二次粒子为其主要组分，大气中存在较强的二次转化过程[12].
为进一步厘清太原市采暖季大气PM2.5中WSIIs的污染特征及来源，本研究采集了2018年太原市采暖季(2018.11—2019.03) 的89个大气PM2.5样品，运用离子色谱分析、相关性统计分析等方法技术研究了太原市大气PM2.5中WSIIs变化规律，重点剖析了采暖季PM2.5中S/N变化规律，最后运用PMF 模型探讨了WSIIs的主要来源，以期为太原市大气污染防控措施的有效实施提供数据支撑，进一步解决困扰太原市的大气环境问题.
-
本研究使用武汉天虹公司PM2.5颗粒物采样器，采样点设于山西大学环境与资源学院楼顶(112.58°E， 37.79°N)(如图1所示)，采样器距地面约20 m，周围主要为学校教学区和部分居民居住区， 无明显工业及其他污染源. 样品采集时段为2018年11月—2019年3月，上午10:00至次日9:30，同步记录气温、采样体积等相关参数，共采集有效样品89个. 采样所使用的石英纤维滤膜(Whatman公司，直径90 mm)在使用前先置于500 ℃马弗炉内灼烧约6 h，冷却后置于干燥器内恒重24 h，使用前后均称量2次以上，称量误差不超过0.04 mg，最后样品用锡纸将滤膜包裹于−18 ℃冷冻保存至实验分析.
-
取1/4采样滤膜置于50 mL具塞玻璃管中，加入40 mL超纯水，拧紧瓶盖，冰浴条件下超声提取1 h. 样品取出后放至室温，摇匀，用0.45 μm针头滤器过滤，滤液至具塞玻璃管中待测. 使用瑞士万通861型离子色谱仪对样品中
${\rm{SO}}_4^{2-} $ 、${\rm{NO}}_3^{-} $ 、${\rm{NH}}_4^{+} $ 、Na+、Cl−、Ca2+、Mg2+、K+和F−共9种无机离子进行测定，其中阳离子采用Metrosep C 4-150/4.0阳离子色谱柱和Metrosep C 4 Guard/4.0阳离子保护柱进行分析，并用2 mmol·L−1的甲基羧酸淋洗液(流速 0.7 mL·min−1)进行洗脱；阴离子采用Metrosep A Supp 5-150/4.0阴离子色谱柱和Metrosep A Supp 5 Guard/4.0阴离子保护柱对阴离子进行分析， 同时用3.2 mmol·L−1 Na2CO3+1 mmol·L−1NaHCO3淋洗液(流速 0.7 mL·min−1)进行洗脱. 阴、阳离子溶液进样体积均为25 μL，最后根据标准曲线，以峰面积确定其浓度. -
每批次滤膜均同步测定3—5个空白滤膜样品，每个样品设定两个重复，样品与空白交叉进行分析，同时测标准溶液，测定后绘制各离子标准曲线(相关系数r≥0.999).在每批次样品中选取10%样品进行平行双样测定，相对偏差均小于10%.加标回收率测定结果显示，回收率均介于90%和110%之间.
-
研究时段SO2、NO2、O3等气体污染物浓度数据来自中国空气质量在线监测分析平台(https://www.aqistudy.cn/)发布的太原市大气空气质量监测数据;气温、相对湿度、风力等气象参数来自全球气候和天气信息网站(http://www.weatherandclimate.info/).
-
采用PMF(正定矩阵因子)分析方法进行大气PM2.5中WSIIs的污染源解析[13]，具体计算公式详见相关文献[14-15].
-
采样期间太原市PM2.5浓度波动区间为(37.9—238) μg·m−3，以PM2.5的空气质量分指数为依据，将整个研究期间PM2.5浓度划分为4个水平(Ⅰ：c(PM2.5)≤75.0 μg·m−3，27d；Ⅱ：75.0 μg·m−3<c(PM2.5)≤115 μg·m−3，30d；Ⅲ：115 μg·m−3<c(PM2.5)≤150 μg·m−3，19d；Ⅳ：c(PM2.5)>150 μg·m−3，13d). 不同污染水平下WSIIs质量浓度及气象参数如表1所示. 从整个采暖季来看， PM2.5中总水溶性离子(TWSI)浓度区间为(6.55—137) μg·m−3，平均浓度为51.0 μg·m−3，约占观测期PM2.5浓度的45.6%，表明采暖季WSIIs是细颗粒物PM2.5的重要组分.WSIIs的平均浓度由大到小依次为：
${\rm{NO}}_3^{-} $ 、${\rm{SO}}_4^{2-} $ 、${\rm{NH}}_4^{+} $ 、Cl−、Ca+、Na+、K+、Mg2+和F−，分别占TWSI的37.8%、23.8%、21.5%、7.7%、3.5%、2.2%、2.2%、1.2%和0.1%. PM2.5中WSIIs的主要成分为${\rm{NO}}_3^{-} $ 、${\rm{SO}}_4^{2-} $ 和${\rm{NH}}_4^{+} $ (这3种离子简称：SNA)，占TWSI的77.1%. 值得注意的是，Cl−是除SNA外占比最高的离子，远高于Ca+、Na+等，煤炭燃烧是PM2.5中Cl−主要来源之一[16]，表明煤炭燃烧对太原市PM2.5浓度的增加有一定的贡献. 与2016年和2017年太原市采暖季TWSI浓度(71.4 μg·m−3[17]和53.2 μg·m−3[18])相比，2018年太原市采暖季TWSI浓度(51.0 μg·m−3)进一步下降，表明国家大气重污染成因与治理攻关项目实施成效较为显著.表1列出了采暖季不同PM2.5污染水平下WSIIs浓度数据. 由表1可知，随PM2.5污染水平的升高，3种主要的二次粒子(SNA)质量浓度逐级递增，与之对应的SNA/TWSI比值亦逐级升高，污染水平从Ⅰ至Ⅳ，
${\rm{NO}}_3^{-} $ 、${\rm{SO}}_4^{2-} $ 和${\rm{NH}}_4^{+} $ 质量浓度分别增长了7.4、4.5、4.8倍. 颗粒物中的${\rm{NO}}_3^{-} $ 和${\rm{SO}}_4^{2-} $ 主要由其气态前体物NOX和SO2通过均相和非均相氧化而成[19]，${\rm{NH}}_4^{+} $ 主要由其前体物NH3与水蒸汽结合而成，${\rm{NO}}_3^{-} $ 、${\rm{SO}}_4^{2-} $ 和${\rm{NH}}_4^{+} $ 的逐级增加表明随着PM2.5污染水平的上升，大气中的二次转化不断加剧，二次转化产物(硫酸盐和硝酸盐)对PM2.5的贡献也不断增加. K+主要来源于生物质燃烧[20]，Cl−是燃煤的特征性离子[16]，因太原市为内陆城市，海源性Cl−可忽略不计. 本研究中K+和Cl−是继SNA后随PM2.5污染水平的升高质量浓度增长最多的两种离子，污染水平从Ⅰ至Ⅳ两种离子浓度分别增长了2.6倍和2.4倍，这表明煤炭和生物质燃烧对PM2.5污染水平的升高亦有一定的贡献. Ca+和Mg2+分别为地壳第三和第六大金属组成元素，土壤扬尘是二者的主要来源[21]，同时土壤也是Na+的主要来源[22]，F−主要来源于炼铝、玻璃等工业，土壤和有机物的分解也会产生一定的贡献[23-24]，本研究中上述4种离子质量浓度并没有随PM2.5污染水平的升高产生明显变化，表明土壤扬尘、工业等污染源对采暖季的贡献相对较小，非致采暖季PM2.5污染水平升高的主要原因. -
本研究在计算不同离子摩尔当量浓度(μeq·m−3)的基础上，依次将各离子纳入线性回归模型，以探讨不同离子物种之间的存在形式和相关关系. 不同阴阳离子的线性回归模型结果如图2所示.
有研究[24-25]表明，大气中的NH3极易与SO2和NOX氧化生成的酸性产物发生非均相反应，且优先与H2SO4反应生成NH4HSO4和(NH4)2SO4，过量的NH3继续与HNO3反应生成NH4NO3. 因此人们常用[
${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]的比值来反应大气中氨的含量水平，当[${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]>0.75时，表示大气中氨含量充足，若[${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]<0.75，则表明大气中氨含量不足[26-27]，本研究 [${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]的比值均值为2.42，且所有[${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]的比值均大于0.75，这表明太原市采暖季大气中氨氮含量较高.太原市采暖季PM2.5中[
${\rm{NH}}_4^{+} $ ]与[${\rm{SO}}_4^{2-} $ ]的线性回归模型如图2(a)所示，[${\rm{NH}}_4^{+} $ ]与[${\rm{SO}}_4^{2-} $ ]之间的相关性良好，其中回归系数和R2分别为0.421和0.849，表明PM2.5中铵盐主要以(NH4)2SO4的形式存在，较低回归系数也表明存在过量的${\rm{NH}}_4^{+} $ . 将[${\rm{NO}}_3^{-} $ ]与多余的[${\rm{NH}}_4^{+} $ ](Excess [${\rm{NH}}_4^{+} $ ] = ([${\rm{NH}}_4^{+} $ ]/[${\rm{SO}}_4^{2-} $ ]−0.75)× [${\rm{SO}}_4^{2-} $ ])进行线性回归，回归结果如图2(b)所示，二者呈现显著的相关性(R2=0.940)，表明PM2.5中部分铵盐以NH4NO3形式存在. [${\rm{NH}}_4^{+} $ ]与[${\rm{SO}}_4^{2-} $ +${\rm{NO}}_3^{-} $ ]的回归结果如图2 (c)所示，回归系数为1.01，R2为0.980，这意味着PM2.5中的${\rm{NH}}_4^{+} $ 几乎结合了所有的${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ . 因此，通过控制PM2.5中${\rm{NH}}_4^{+} $ 浓度可以间接降低${\rm{NO}}_3^{-} $ 和${\rm{SO}}_4^{2-} $ 的含量，而${\rm{NH}}_4^{+} $ 主要是由NH3的二次转化产生，所以控制NH3的排放对降低PM2.5浓度具有重要意义.在图2 (d)中，[${\rm{NH}}_4^{+} $ + K+]与[${\rm{SO}}_4^{2-} $ +${\rm{NO}}_3^{-} $ ]的比率略高于1.0，并且相关性依然较强(R2=0.980)，说明PM2.5中有少量KNO3的存在.同理，依据图2(e)和图2(f)可知，PM2.5中存在一定量的KCl和NaCl.由于太原市采暖季F−含量较低(详见表1)，Ca2+和Mg2+与3种主要的阴离子(${\rm{SO}}_4^{2-} $ 、${\rm{NO}}_3^{-} $ 和Cl−)相关性较弱(P<0.05)，这3种离子未纳入讨论范围. -
由前文“2.1.2”节讨论可知，
${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ 是典型的二次来源离子，同时也是PM2.5中含量最多的2种WSIIs，分别占TWSI的23.80%和37.78%.硫氧化率(SOR)和氮氧化率(NOR)可用来表征大气中呈气态的SO2、NOX向呈颗粒态${\rm{SO}}_4^{2-} $ 、${\rm{NO}}_3^{-} $ 的转化程度，当SOR或NOR大于0.1时，则可认为气溶胶中存在着较多的SO2或NOX二次转化现象[28].许多研究[19，28]表明，RH和O3浓度是影响SOR和NOR的关键因素，太原市采暖季SOR和NOR与RH和O3浓度的相关关系如图3(a—c)所示.通过绘制SOR随RH和O3浓度变化散点图，观察散点随RH、O3浓度变化情况，发现O3浓度较低时SOR与RH相关性较强，O3浓度较高时相关性减弱，O3浓度分界点在(45—60) μg·m−3之间，通过相关性计算，将分界点确定为55 μg·m−3. 当O3浓度<55 μg·m−3时，SOR随RH的升高而显著升高(P<0.01)，RH是影响SOR高低的决定性因素，此时O3浓度对SOR的影响较小；当O3浓度≥55 μg·m−3时，SOR与RH的相关性有所减弱(P<0.05)，O3浓度对SOR的影响明显增强，SOR受RH和O3浓度共同影响，随RH和O3浓度的升高而升高(见图3(a—b)).由图3(c)可以看出，当RH≤ 50%时，NOR随RH的升高而升高，当RH>50%时则呈下降趋势. 这是可能是由于气相反应和非均相反应对NOR的升高起关键作用，而高RH条件下水分子会竞争细颗粒物表面的反应位点[29]，使得非均相反应受到抑制. 也有研究[27]发现NOR会随RH的升高而持续升高，说明RH对NOR的影响可能与研究区域、季节及其他气象条件有关. NOR与O3浓度呈现显著的正相关性(P<0.01)，相同RH条件下，NOR往往随O3浓度的升高而升高.
SOR和NOR随PM2.5污染水平变化情况见图3(d). SOR和NOR均随污染水平的升高而升高，这主要是因为污染水平从Ⅰ到Ⅳ，RH逐级递增，WS逐级递减(详见表1)，较高的RH加速了SO2和NOX的均相或非均相反应进程，静风逆温的气象条件易使颗粒物和气态前体物在大气中接触时间较长，为
${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ 的二次生成提供了合适的外界条件. 对比不同PM2.5污染水平下SOR和NOR的大小，发现污染水平为Ⅰ、Ⅱ和Ⅲ时，SOR均高于NOR，而污染水平为Ⅳ时，NOR远高于SOR，这可能是因为该污染水平大气RH均值为49.83%，接近NOX氧化为${\rm{NO}}_3^{-} $ 的最佳反应条件(图3(c)). 从整个采暖季来看，SOR和NOR均值分别为0.17和0.16，表明太原市采暖季大气中存在较强的二次转化特征. -
RH对SOR和NOR有显著的影响，进而会影响PM2.5中的
${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ 含量，不同PM2.5污染水平下RH与${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ 的相关关系如图4所示.由图4(a)可知，不同PM2.5污染水平下RH与
${\rm{SO}}_4^{2-} $ 均呈正相关，且污染水平越高，回归直线斜率(k)越大，RH与${\rm{SO}}_4^{2-} $ 的相关性越显著. 这与SOR随PM2.5污染水平的升高而升高有关，SOR越高则二次生成的${\rm{SO}}_4^{2-} $ 占${\rm{SO}}_4^{2-} $ 总量的比例越高，从而使RH对PM2.5中${\rm{SO}}_4^{2-} $ 浓度的影响作用增强. 由图4(b)，污染水平为Ⅰ和Ⅱ时，RH与${\rm{NO}}_3^{-} $ 呈显著正相关(P<0.01)，污染水平为Ⅲ和Ⅳ时，RH与${\rm{NO}}_3^{-} $ 相关性较弱. 这是由于污染水平为Ⅰ和Ⅱ时(RH均值分别为38.7%和39.1%)，RH主要分布在RH=50%线左侧，NOR随RH的升高而升高，因此RH与${\rm{NO}}_3^{-} $ 呈显著正相关；污染水平为Ⅲ和Ⅳ时(RH均值分别为47.9%和49.8%)，RH分布在RH=50%线两侧，随着RH的升高NOR先升高后降低，故而RH与${\rm{NO}}_3^{-} $ 相关性较弱.燃料燃烧和机动车尾气所排放的SO2和NOX含量有较大差异，二者分别为大气中SO2和NOX的主要来源，因此许多学者[30-31]常用
${\rm{NO}}_3^{-} $ 与${\rm{SO}}_4^{2-} $ 的浓度比([${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ])来衡量移动源和固定源对大气环境的相对影响，当[${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]大于1.0时，说明移动源贡献相对较大，反之则说明固定源贡献相对较大.太原市采暖季[${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]随PM2.5污染水平变化情况如图5所示.由图5可知，4个PM2.5污染水平中[
${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]比值均在1.0以上，且呈现出随污染水平的升高而增大的趋势，当PM2.5污染水平为Ⅳ时[${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]比值达到最高(2.02)，表明移动污染源亦是太原市采暖季的主要污染源，且重污染期间尤为显著. 这一现象可能是不利天气条件下，污染源对SO2和NOX排放的相对贡献以及SO2和NOX的二次转化共同作用的结果. 采暖季[${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]比值平均值为1.53，介于北京(1.66)[31]和石家庄(1.42)[28]之间，但远高于南方城市重庆(0.174—0.655)[30]，说明南北方地域不同，该比值差异较大.由此采暖季移动源对太原市大气污染的贡献不容忽视，采暖季和重污染期间应继续加大对移动源的管控力度. -
为了解太原市采暖季大气PM2.5中WSIIs的来源，本研究将采暖季PM2.5及其9种WSIIs质量浓度数据和对应的不确定度数据载入PMF模型，对太原市PM2.5中各离子进行定量源解析，依据2.1.2节讨论的特征性离子对污染来源进行识别，源解析结果如图6(a)所示.
根据图6(a)，采暖季PM2.5中WSIIs主要来源有二次源、燃烧源、土壤扬尘和工业源，其中二次源和燃烧源贡献率较高，贡献率分别为35.8%和29.4%，土壤扬尘贡献较低(21.1%)，工业源贡献最低(仅13.7%). 与郑州市[32]相比，二次源贡献低15.1%，燃烧源和土壤扬尘贡献分别高18.0%和10.9%. 与丁新航[19]2017年对太原市PM2.5中WSIIs污染源解析结果相比，二次源和工业源贡献率分别下降12.5%和8.7%，这说明2018年冬季太原市政府采取机动车限号、工矿企业错峰生产或限产等措施对市内大气污染防控起到了积极的效果；但燃烧源和土壤扬尘贡献率分别上升了12.4%和8.8%，因此应继续加强对城市周边散煤排放的管控力度，同时继续强化对城市施工场地的监管，加强道路建设和维护，做好城市绿化工作.
为进一步了解不同PM2.5污染水平下WSIIs的来源，本研究将Ⅰ、Ⅱ污染水平与Ⅲ、Ⅳ污染水平进行源解析，解析结果如图6(b)、(c). 可以看出当PM2.5处于Ⅰ、Ⅱ污染水平时，燃烧源对WSIIs的贡献最高(31.4%)，其次为土壤扬尘和二次源；当PM2.5处于Ⅲ、Ⅳ污染水平时，则为二次源贡献率最高(37.8%)，可能因为重污染条件下RH较高，大气中二次转化现象明显加强，加之较低的风速使土壤扬尘贡献率显著减小. 因此在今后防控工作中，特别是重污染天气，应进一步加强对一次污染源(如：燃烧源、土壤扬尘、机动车尾气等)的管控力度，减少二次源前体物的排放，进而减少二次源的生成.
-
2018年太原市采暖季PM2.5中TWSI浓度为51.0 μg·m−3，较2016和2017年有所下降. PM2.5中WSIIs主要以(NH4)2SO4、NH4NO3、KNO3、KCl和NaCl的形态赋存，控制NH3排放对降低采暖季PM2.5浓度有重要意义. 太原市采暖季大气二次转化特征明显， RH和O3浓度是影响SOR和NOR的关键因素；污染水平越高，二次转化特征越明显，移动源对太原市大气污染贡献越突出. PM2.5中WSIIs的主要来源贡献由大到小依次为二次源、燃烧源、土壤扬尘和工业源. 应继续加强对工矿企业的监管力度，加大清洁能源的普及率，减少煤炭等传统能源的需求，在重污染期间应采取更为严格的管控措施，控制二次源前体物的排放，减少二次源的生成.
太原市采暖季PM2.5中水溶性无机离子污染特征及来源解析
Pollution characteristics and source apportionment of water-soluble inorganic ions in PM2.5 in Taiyuan City during the heating period
-
摘要: 为探究太原市采暖季大气PM2.5中水溶性无机离子(WSIIs)的污染特征及来源，本研究采集了2018年太原市采暖季大气PM2.5样品，用离子色谱测定了其中9种WSIIs浓度，分析了WSIIs的污染特征、存在形态、S/N变化规律等，并运用PMF模型对WSIIs的污染来源进行了解析. 结果表明，太原市采暖季PM2.5中总水溶性离子(TWSI)浓度为51.0 μg·m−3，二次粒子约占77.1%，TWSI 浓度较2016年和2017年采暖季下降明显. WSIIs主要以(NH4)2SO4、NH4NO3、KNO3、KCl和NaCl的形态赋存，控制NH3的排放对降低PM2.5浓度具有重要意义. 太原市采暖季SOR和NOR分别为0.17和0.16，表明太原市采暖季大气中存在较强的二次转化特征，RH和O3浓度是影响SOR和NOR的关键因素. 重污染期间移动源对太原市大气污染的贡献高于固定源. 太原市采暖季PM2.5中WSIIs的主要来源贡献由大到小依次为二次源、燃烧源、土壤扬尘和工业源.Abstract: For this study, in order to investigate the pollution characteristics and sources of water-soluble inorganic ions (WSIIs) in PM2.5 in the heating season of Taiyuan, PM2.5 samples during the heating season of 2018 in Taiyuan were collected, and nine kinds of WSIIs in the PM2.5 samples were determined by ion chromatography. WSIIs were analyzed in the pollution characteristics, existing forms and S/N changes. Finally, the sources of WSIIs in the PM2.5 samples were discussed using the PMF model. The results demonstrated that the total water-soluble ion (TWSI) concentration in PM2.5 during the heating season in 2018 was 51.0 μg·m−3, and the secondary particles accounted for about 77.1%. The TWSI concentration in 2018 was significantly lower than that in 2016 or 2017. WSIIs mainly existed in the form of (NH4)2SO4, NH4NO3, KNO3, KCl and NaCl, and it was deduced that the emission control of NH3 was of great significance to reduce PM2.5 concentration. SOR and NOR were 0.17 and 0.16 respectively in the heating season of Taiyuan city, indicating that there appeared to be a strong secondary conversion in the atmosphere. RH and O3 concentrations were the key factors affecting SOR and NOR. The contributions of mobile sources to air pollution in Taiyuan were greater than the ones of the stationary sources during heavy pollution period. The main sources of WSIIs in PM2.5 were secondary source, combustion source, soil dust and industrial source in descending order according to their contribution.
-
Key words:
- PM2.5 /
- water-soluble inorganic ions /
- secondary transformation /
- source apportionment /
- Taiyuan City
-
-
图 3 SOR/NOR与相对湿度、O3浓度和PM2.5浓度水平的关系
Figure 3. Correlation of SOR and NOR with relative humidity， ozone concentration and PM2.5 concentration level.
图 4 不同PM2.5污染水平下RH与
${\rm{SO}}_4^{2-} $ 和${\rm{NO}}_3^{-} $ 相关关系Figure 4. Relationships between RH and the proportions of
${\rm{SO}}_4^{2-} $ and${\rm{NO}}_3^{-} $ during different PM2.5 pollution levels.
图 5 不同PM2.5污染水平下[
${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ]变化规律Figure 5. Changes of [
${\rm{NO}}_3^{-} $ ]/[${\rm{SO}}_4^{2-} $ ] under different PM2.5 pollution levels.表 1 不同污染水平下水溶性离子质量浓度及气象参数
Table 1. Mass concentration of water-soluble ions and meteorological conditions during different pollution levels
污染等级
Pollution levelsWSIIs/(μg·m−3) SNA/
TWSITWSI/
PM2.5RH/% WS/(m·s−1) T/℃ NO3− SO42- NH4+ Cl− Ca+ Na+ K+ Mg2+ F− TWSI Ⅰ 5.72 5.20 4.33 2.17 1.77 1.04 0.590 0.541 0.081 21.4 71.4% 36.7% 38.7 4.83 0.64 Ⅱ 13.1 8.99 8.25 4.15 1.87 1.32 1.07 0.602 0.049 39.4 77.1% 43.1% 39.1 3.28 1.22 Ⅲ 28.5 15.9 15.0 3.59 1.73 1.02 1.31 0.560 0.072 67.6 87.9% 52.3% 47.9 3.24 4.06 Ⅳ 48.1 28.3 25.3 7.45 1.68 1.11 2.11 0.693 0.079 115 88.6% 60.9% 49.8 2.96 −0.13 采暖季 Heating season 19.3 12.2 11.0 3.91 1.78 1.14 1.13 0.594 0.074 51.0 77.1% 45.6% 42.4 3.70 1.45 注：RH: Relative Humidity(相对湿度)， WS: Wind Speed(风速) 
下载: 导出CSV
-
[1] TIAN M, WANG H B, CHEN Y, et al. Characteristics of aerosol pollution during heavy haze events in Suzhou, China [J]. Atmospheric Chemistry and Physics, 2016, 16(11): 7357-7371. doi: 10.5194/acp-16-7357-2016 [2] ZHANG Y, HUANG W, CAI T Q, et al. Concentrations and chemical compositions of fine particles (PM2.5) during haze and non-haze days in Beijing [J]. Atmospheric Research, 2016, 174: 62-69. [3] 薛国强, 朱彬, 王红磊. 南京市大气颗粒物中水溶性离子的粒径分布和来源解析 [J]. 环境科学, 2014, 35(5): 1633-1643. XUE G Q, ZHU B, WANG H L. Size distributions and source apportionment of soluble ions in aerosol in Nanjing. [J]. Environmental Science, 2014, 35(5): 1633-1643(in Chinese).
[4] CALVO A I, ALVES C, CASTRO A, et al. Research on aerosol sources and chemical composition: Past, current and emerging issues [J]. Atmospheric Research, 2013, 120: 1-28. [5] LIN Y L, ZOU J L, YANG W, et al. A review of recent advances in research on PM2.5 in China [J]. International Journal of Environmental Research and Public Health, 2018, 15(3): 438. doi: 10.3390/ijerph15030438 [6] 杨慧慧. 兰州市PM2.5中水溶性离子的污染特征及来源解析[D]. 南昌: 东华理工大学, 2019. YANG H H. Pollution characteristics and source analysis of Water-Soluble Ions in PM2.5 in Lanzhou City[D]. Nanchang: East China University of Technology, 2019(in Chinese).
[7] WU D, ZHANG F, GE X L, et al. Chemical and light extinction characteristics of atmospheric aerosols in suburban Nanjing, China [J]. Atmosphere, 2017, 8(8): 149. [8] REN Y Q, ZHOU B H, TAO J, et al. Composition and size distribution of airborne particulate PAHs and oxygenated PAHs in two Chinese megacities [J]. Atmospheric Research, 2017, 183: 322-330. doi: 10.1016/j.atmosres.2016.09.015 [9] 殷永文, 程金平, 段玉森, 等. 上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析 [J]. 环境科学, 2011, 32(7): 1894-1898. YIN Y W, CHENG J P, DUAN Y S, et al. Correlation analysis between the PM2.5, PM10 which were taken in the hazy day and the number of outpatient about breathing sections, breathing sections of pediatrics in Shanghai [J]. Environmental Science, 2011, 32(7): 1894-1898(in Chinese).
[10] 刘淑丽. 基于SPAMS的太原市冬季PM2组成与来源研究 [J]. 山西大学学报(自然科学版), 2019, 42(3): 698-705. LIU S L. Composition and source of PM2.5 during winter in Taiyuan based on SPAMS [J]. Journal of Shanxi University(Natural Science Edition), 2019, 42(3): 698-705(in Chinese).
[11] 姜洪进. 太原市空气质量与PM2.5污染特征及来源解析研究[D]. 太原: 山西大学, 2019. JIANG H J. Analysis of air quality and PM2.5 pollution characteristics and sources in Taiyuan City[D]. Taiyuan: Shanxi University, 2019(in Chinese).
[12] 刘素, 马彤, 杨艳, 等. 太原市冬季PM2.5化学组分特征与来源解析 [J]. 环境科学, 2019, 40(4): 1537-1544. LIU S, MA T, YANG Y, et al. Chemical composition characteristics and source apportionment of PM2.5 during winter in Taiyuan [J]. Environmental Science, 2019, 40(4): 1537-1544(in Chinese).
[13] PAATERO P, TAPPER U. Analysis of different modes of factor-analysis as least-squares fit problems [J]. Chemometrics and Intelligent Laboratory Systems, 1993, 18(2): 183-194. doi: 10.1016/0169-7439(93)80055-M [14] PAATERO P, HOPKE P K, HOPPENSTOCK J, et al. Advanced factor analysis of spatial distributions of PM2.5 in the eastern United States [J]. Environmental Science & Technology, 2003, 37(11): 2460-2476. [15] PAATERO P, EBERLY S, BROWN S G, et al. Methods for estimating uncertainty in factor analytic solutions [J]. Atmospheric Measurement Techniques, 2014, 7(3): 781-797. doi: 10.5194/amt-7-781-2014 [16] 陈永桥, 张逸, 张晓山. 北京城乡结合部气溶胶中水溶性离子粒径分布和季节变化 [J]. 生态学报, 2005, 25(12): 3231-3236. doi: 10.3321/j.issn:1000-0933.2005.12.017 CHEN Y Q, ZHANG Y, ZHANG X S. Size distribution and seasonal variation of ions in aerosol at semi-urban site in Beijing [J]. Acta Ecologica Sinica, 2005, 25(12): 3231-3236(in Chinese). doi: 10.3321/j.issn:1000-0933.2005.12.017
[17] 吉燕芳, 贾陈忠. 太原市空气中PM2.5和PM10的污染特征分析 [J]. 资源节约与环保, 2018(11): 46-56. doi: 10.3969/j.issn.1673-2251.2018.11.040 JI Y F, JIA C Z. Analysis of pollution characteristics of PM2.5 and PM10 in air of Taiyuan city [J]. Resources Economization & Environmental Protection, 2018(11): 46-56(in Chinese). doi: 10.3969/j.issn.1673-2251.2018.11.040
[18] 丁新航, 梁越, 肖化云, 等. 太原市采暖季清洁天与灰霾天PM2.5中水溶性无机离子组成及来源分析 [J]. 环境化学, 2019, 38(6): 1356-1366. doi: 10.7524/j.issn.0254-6108.2018121102 DING X H, LIANG Y, XIAO H Y, et al. Composition and source analysis of water-soluble inorganic ions of PM2.5 in clean and haze days during heating season in Taiyuan City. [J]. Environmental Chemistry, 2019, 38(6): 1356-1366(in Chinese). doi: 10.7524/j.issn.0254-6108.2018121102
[19] 丁新航. 太原市大气颗粒物PM2.5污染特征及来源解析[D]. 南昌: 东华理工大学, 2019. DING X H. Pollution characteristics and source apportionment of PM2.5 in atmospheric particulate matter in Taiyuan City[D]. Nanchang: East China University of Technology, 2019(in Chinese).
[20] HE Q S, YAN Y L, GUO L L, et al. Characterization and source analysis of water-soluble inorganic ionic species in PM2.5 in Taiyuan city, China [J]. Atmospheric Research, 2017, 184: 48-55. doi: 10.1016/j.atmosres.2016.10.008 [21] ZHANG D Z, IWASAKA Y. Nitrate and sulfate in individual Asian dust-storm particles in Beijing, China in spring of 1995 and 1996 [J]. Atmospheric Environment, 1999, 33(19): 3213-3223. doi: 10.1016/S1352-2310(99)00116-8 [22] 张伟, 姬亚芹, 张军, 等. 辽宁典型城市道路扬尘PM2.5中水溶性无机离子组分特征及来源解析 [J]. 环境科学, 2017, 38(12): 4951-4957. ZHANG W, JI Y Q, ZHANG J, et al. Characteristics and source apportionment of water-soluble inorganic ions in road dust PM2.5 in selected cities in Liaoning Province [J]. Environmental Science, 2017, 38(12): 4951-4957(in Chinese).
[23] ZHAO J P, ZHANG F W, XU Y, et al. Characterization of water-soluble inorganic ions in size-segregated aerosols in coastal city, Xiamen [J]. Atmospheric Research, 2011, 99(3-4): 546-562. doi: 10.1016/j.atmosres.2010.12.017 [24] GUO W, ZHANG Z Y, ZHENG N J, et al. Chemical characterization and source analysis of water-soluble inorganic ions in PM2.5 from a plateau city of Kunming at different seasons [J]. Atmospheric Research, 2020: 234. [25] ZHOU H J, LU C W, HE J, et al. Stoichiometry of water-soluble ions in PM2.5: Application in source apportionment for a typical industrial city in semi-arid region, Northwest China [J]. Atmospheric Research, 2018, 204: 149-160. doi: 10.1016/j.atmosres.2018.01.017 [26] PATHAK R K, CHAN C K. Inter-particle and gas-particle interactions in sampling artifacts of PM2.5 in filter-based samplers [J]. Atmospheric Environment, 2005, 39(9): 1597-1607. [27] YANG L M, WANG S B, DUAN S, et al. Characteristics and formation mechanisms of secondary inorganic ions in PM2.5 during winter in a central city of China: Based on a high time resolution data [J]. Atmospheric Research, 2020: 233. [28] 吕哲. 石家庄市PM2.5水溶性离子化学特征与来源解析[D]. 南昌: 东华理工大学, 2019. LV Z. Chemical characteristics and source apportionment of water-soluble ions in PM2.5 in Shijiazhuang[D]. Nanchang: East China University of Technology, 2019(in Chinese).
[29] PONCZEK M, HAYECK N, EMMELIN C, et al. Heterogeneous photochemistry of dicarboxylic acids on mineral dust [J]. Atmospheric Environment, 2019, 212: 262-271. doi: 10.1016/j.atmosenv.2019.05.032 [30] 曹旭耀. 重庆市PM2.5及化学组分污染特征研究[D]. 重庆: 中国科学院重庆绿色智能技术研究院, 2017. CAO X Y. Characteristics of PM2.5 and chemical compositions in Chongqing, China[D]. Chongqing: Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, 2017(in Chinese).
[31] 张娟, 王炜, 赵颖. 北京市延庆区PM2.5中主要水溶性无机离子特征及来源解析 [J]. 环境工程技术学报, 2020, 10(2): 173-182. doi: 10.12153/j.issn.1674-991X.20190085 ZHANG J, WANG W, ZHAO Y. Characteristics and source analysis of water-soluble inorganic ions in PM2.5 in Yanqing District, Beijing [J]. Journal of Environmental Engineering Technology, 2020, 10(2): 173-182(in Chinese). doi: 10.12153/j.issn.1674-991X.20190085
[32] 陈慕白, 袁明浩, 林秋菊, 等. 郑州市PM2.5组分季节性特征及来源研究 [J]. 中国环境监测, 2020, 36(4): 61-68. CHEN M B, YUAN M H, LIN Q J, et al. Seasonal Characteristics and Source Apportionment of PM2.5 Components in Zhengzhou City [J]. Environmental Monitoring in China, 2020, 36(4): 61-68(in Chinese).
-
点击查看大图
计量
- 文章访问数: 1689
- HTML全文浏览数: 1689
- PDF下载数: 57
- 施引文献: 0
