研究论文 正式出版 版本 1 Vol 10 (6) : 556-566 2019
下载
北京春季亚微米气溶胶的化学组分、特性及有机气溶胶来源解析
Chemical composition, characteristics and sources of PM1 in Beijing spring
: 2019 - 01 - 31
: 2019 - 03 - 19
: 2019 - 03 - 22
118 0 0
摘要&关键词
摘要:基于颗粒物化学组分监测仪(ACSM)的在线实时观测,对北京春季亚微米气溶胶(PM1)的化学组分和特性进行分析,并利用PMF & ME-2源解析模式对其中的有机物进行来源解析。结果表明,在观测期间PM1的浓度变化范围为2.4249.1 μg m-3,平均浓度58.0 μg m-3,其中有机物为主要组分,占比41.4%有机物的来源包括四个一次源、、、和一个二次源。通过不同污染事件的对比结果表明,二次气溶胶在重污染期所占比重会明显上升,并且静稳气象条件也对污染的形成重要影响。
关键词:亚微米气溶胶;解析二次;胶
Abstract & Keywords
Abstract: Background, aim, and scope Frequent occurrence of haze days has caused widespread concern in last decade. Atmospheric aerosol can absorb and scatter solar radiation, affect regional and global climate; reduce atmospheric visibility, causing inconvenience to daily travel, and deposit in the human respiratory tract and lungs, affecting human health. Therefore, to perform a series of research on the chemical composition, characteristics, evolution mechanism of atmospheric aerosol and the source apportionment of organic aerosol, which are closely related to the formation of haze, is essential. This study aims to carry out targeted research on spring aerosol after heating season. Hoping to get a comprehensive understand of the characteristics, sources and seasonal features of fine particulate matter (PM). Materials and methodsA 13-day online real-time measurement was conducted using a Quadrupole-Aerosol Chemical Speciation Monitor (Q-ACSM) equipped with gaseous analyzers and an Aethalometer. The ACSM dataset was analyzed by the standard ACSM data analysis software in Igor Pro (WaveMetrics, Inc., Lake Oswego, Oregon USA). The chemical composition, mass concentrations and daily variations of the submicron aerosol were obtained after that. What’s more, Positive Matrix Factorization was used to perform the source apportionment on the ACSM organic data as implemented by the Multiliner Engine (ME-2) via the interface SoFi (Source Finder) coded in Igor Wavematrics. Results The average mass concentration of PM1 during the whole observation period was 58.0 μg m-3. OA was the component with the largest contribution (41.4%), followed by nitrate 27.3%, ammonium 15.0%, sulfate 7.9%, black carbon 4.8% and chloride 3.6%. According to result of the source apportionment, organic aerosol consisted of four primary sources: HOA, COA, CCOA, BBOA and a secondary source OOA. The mass fractions were 10.3%, 9.3%, 18.0%, 8.0% and 54.4%, respectively. Discussion The concentration of PM1 during the whole observation period was significantly lower than that of the 2014 winter, which may be related to the end of heating season. OA was the most contributing component in PM1, followed by nitrate. The vigorous implementation of desulfurization technology in coal-fired power plants had greatly reduced the emission of SO2, so that the sulfate concentration was low throughout the whole period. Factors of organic aerosol were well correlated with external markers, and the mass spectra were consistent with previous studies. In addition, different pollution events occurred during the observation period, we found the accumulation process of pollutants was slow, but the removal process was faster. Through the comparison among different pollution events, effects of gases, meteorological factors and regional transmission on the formation of atmospheric pollution were discussed in depth. Finally, the relationship between air mass transmission and pollution formation was also analyzed by using the backward trajectory. Conclusions Even though some pollution prevention and control measures have begun to bear fruit, the situation of air pollution in China is still very serious. Among the components of PM1, organic aerosol and nitrate were the major components. OOA was the highest proportion factor of organic aerosol This study found that compared with clean stage, the pollution period was often accompanied by higher relative humidity, lower wind speed and higher gaseous precursor concentrations. And the mass fraction of secondary aerosol (sulfate, nitrate and OOA) will increase significantly from clean to pollution episode. Recommendations and perspectives These results show that it is of great significance to pay attention to the formation and oxidation mechanism of secondary aerosol (organic and inorganic) and to control emissions of precursors of secondary pollutants.
Keywords: PM1; source apportionment; secondary aerosol
近年来,霾污染所引发的大气环境问题引起了人们的高度关注,开展与霾污染密切相关的颗粒物化学组分特性来源以及二次气溶胶氧化机制的研究十分重要。大气气溶胶能够吸收散射太阳辐射,还能充当云凝结核,增加云滴密度,降低云滴半径,改变云的辐射特性,直接或间接影响区域和全球气候(Forster et al2007IPCC2007),此外颗粒物浓度的增加会显著降低大气能见度,给人们出行带来不便。亚微米细颗粒物(PM1空气动力学半径≤1μm),粒径小,在大气中停留时间长,很容易通过呼吸沉积在人体呼吸道和肺部,对人体健康带来不可估量的危害(张养梅2011Ebenstein 2017Huang 018)。解决大气污染问题首先要对其有正确的认识,其次要认清其复杂性和长期性(曹军骥2012)。我国目前对于大气污染的的研究,ChanYao(2008)就工业和经济迅速发展下我国一线城市北京、上海、广州、深圳和香港的大气污染现状以及所面临的问题进行了综合阐述,Cao(2012采用离线滤膜采样结合实验室分析的手段对我国14个城市PM2.5的化学组分进行研究,强调了对一次污染物和气态前体物排放的控制。Huang(2014)通过对2013年1月我国特大空气污染事件在北京、上海、广州和西安的对比研究,发现二次气溶胶(有机和无机二次气溶胶)的大量生成是导致重霾污染产生的重要原因,因此除了降低颗粒物的一次排放外,还应控制二次气溶胶前体物的排放。ZhangCao(2015)首次开展了对我国190个城市PM2.5浓度水平长达一年的观测分析,比较全面阐述了我国大气污染的南北差异和季节差异。
此外,Aerodyne及的在线实时观测研究。气溶胶质谱仪(AMS)能够实现对亚微米气溶胶颗粒物(PM1)各化学组分浓度和粒径的在线实时观测,但其体积较大,日常维护成本较高;颗粒物化学组分在线监测仪(ACSM)与AMS有相同的检测技术,且体积小和重量轻,仪器复杂程度低,便于日常维护和开展长期的外场观测。等在2011201220132014年的观测中,基于AMS和ACSM观测数据陆续研究了气溶胶颗粒物的季节变化垂直分布区域传输二次气溶胶的生成和氧化机特殊事件对于霾污染形成的影响等(Sun 2013201420152016)Elser(2016)在20132014年冬季首次在北京、西安使用AMS开展同步实时在线观测,发现生物质燃烧产生的一次排放是有机气溶胶的主要组成部分,而北京的有机气溶胶中燃煤燃烧所产生的一次排放占很大比重。因此,控制燃煤和生物质的排放,降低二次气溶胶前体物的浓度,对于大气环境问题的解决有十分重要的意义。目前关于北京大气气溶胶的研究多针对污染严重的秋冬季节(Huang 2014Zhang 2015Sun 2015Elser 2016)或者特殊事件的观测分析(如APEC会议)(Chen 2015Han 2015Sun 2016aZhang 2016)而对于气温逐渐回暖,燃煤供暖停止后的春季气溶胶的针对性研究比较匮乏,因此开展北京春季气溶胶的观测分析对于全面认识气溶胶的特性,来源以及与季节差异具有十分重要的意义。
本研究于2016年3月15日至2016年3月27日在北京国家纳米科学中心使用四极杆颗粒物化学组分测仪(Quadrupole-Aerosol Chemical Speciation MonitorQ-ACSM)开展了为期13天的在线实时观测,配套设备有气体观测仪器和黑仪。将采样数据分析处理后得到亚微米气溶胶的化学组分,质量浓度和日变化曲线,使用ME-2结合的源解析模式对有机气溶胶的来源进行解析。此外,观测期间不同的污染事件进行对比,深入探讨气体组分、气象因素以及区域传输等对大气污染形成的影响,并利用后向轨迹分析气团传输与污染形成的关系。
1采样地点和采样仪器
北京我国的政治和文化中心,地处华北平原北部,背靠燕山,根据北京市统计局的数据显示,截至2015年底北京市常住人口达2170.5万人次,机动车保有量540万辆采样地点位于国家纳米科学中心实验南楼楼顶,楼高五层,距离地面约15,距离交通主干道北四环西路约500,周围遍布各类研究所,办公楼以及居民区和饭店。
这次观测的仪器主要有四极杆颗粒物化学组分监测仪(Q-ACSM),室外大气由3L/min 的采样泵通过不锈钢管导入室内,室外采样管的前端设有URG PM2.5切割头(URG-2000-30ED)用以除去大气中的粗颗粒物同时,气体在进入ACSM前会通过Nafion干燥管(MD-110-48SPerma PureInc.LakewoodNJUSA)去除大气中的水汽,减少相对湿度对粒子捕集效率的影响,采样时间分辨率为30 min。此外还配套有O3和NOx气体分析仪(42i48iThermo Scientific Inc.),CO和SO2气体分析仪(EC9803BEC9850BECOTECH Inc.)以及黑分析仪,采样时间分辨率为5 min。气象数据包括温度,相对湿度,风速和风向等通过自动气象站(MAWS201VaisalaVantaaFinland)和风力传感器(Vaisala Model QMW101-M2)获得。
2数据分析
在线数据通过ACSM DAQ v1.4.4.5Aerodyne Research Inc.BillericaMassachusettsUSA采集,并由标准ACSM处理软件进行处理,校准使用的离子化效率为3.04,铵盐的相对离子化效率(RIE)为4.97有机物硫酸盐硝酸盐和氯的RIE值分别为默认值1.41.21.1和1.3(Canagaratna et al2007)。粒子捕集效率(Collection EfficiencyCE)采用CDCE算法,CEdry = max,其中ANMF代表硝酸铵的质量分数。使用正交矩阵因子分析法和多线性引擎分析法对有机气溶胶进行来源解析。
3结果分析与讨论
3.PM1的化学组分与浓度
图1为整个观测期间(2016年3月15日—2016年3月27日)亚微米气溶胶(PM1)化学组分质量浓度的时间序列和各组分的相对贡献图。PM1在观测期间的浓度变化范围是2.4—249.1 μg m-3,平均浓度为58.0 μg m-3,低于2015年冬季PM1观测浓度64.3 μg m-3(Duan et al,2019)。由图1看出,在观测期间不同污染事件接替发生。3月15日00∶00—3月18日09∶00是观测期间颗粒物浓度最高的阶段,3月18日10∶00开始,颗粒物浓度迅速下降,1小时后PM1浓度从87.1 μg m-3下降至35.7 μg m-3,污染物清除过程比较迅速。3月20日污染物开始逐渐积累,3月23日颗粒物浓度迅速降低并保持在清洁水平直到观测结束。此外,根据PM1各组分的平均占比可以看出:有机物是PM1中贡献最大的组分,它的浓度变化范围是0.9—81.5 μg m-3,观测期间的平均质量浓度是24.9 μg m-3;硝酸盐的浓度变化范围是0.16—92.4 [A1] μg m-3,平均浓度达到了15.4 μg m-3,是浓度仅次于有机物的另一重要化学组分。与硝酸盐相比,在整个观测期间硫酸盐的浓度都比较低(0.05—27.6 μg m-3,平均浓度4.5 μg m-3),这应该与3月15日北方停止集中供暖有关,另外近年来燃煤电厂脱硫技术的大力实施使SO2的排放降低,这也是硫酸盐浓度降低的一个原因。氯盐的浓度变化范围是0.01—9.5 μg m-3,平均浓度2.0 μg m-3。北京春季空气干燥,降水少,地面风速较大等原因导致沙尘天气频发,这是氯盐在春季的一个来源(徐鹏,2017),此外燃煤燃烧排放也是春季氯盐的一个主要来源。铵盐的浓度变化范围是0.07—37.2 μg m-3,平均浓度8.5 μg m-3,铵盐的变化与硝酸盐硫酸盐的变化密切相关。黑碳的浓度变化范围是0.13—15.4 μg m-3,平均浓度是2.7 μg m-3。同时由图1b可以看出PM1中各组分的相对贡献依次为:有机物41.4%、硝酸盐27.3%、铵盐15.0%、硫酸盐7.9%、黑碳4.8%和氯盐3.6%。2015年冬季观测结果中有机物相对贡献为46.0%、硝酸盐20.0%、硫酸盐15.0%、铵盐10.0%、黑碳6.0%、氯盐3.0%(Duan et al,2019)。对比发现有机物在冬季的相对贡献略高于春季,这主要是由于冬季集中供暖期间燃煤燃烧引起的一次排放贡献突出。同时硫酸盐、黑碳在冬季的相对贡献显著高于春季,这与北方冬季集中供暖密切相关。而春季硝酸盐的占比显著高于冬季,这主要是由于春季光照辐射增强,硝酸盐的光化学氧化过程增强所致。通过对比可以发现,冬季大气颗粒物污染程度高于春季,其中有机物、硫酸盐、黑碳和铵盐的相对贡献在冬季更为突出,而硝酸盐在春季的形成明显增强,这主要与两个季节不同的污染排放行为以及气候条件的影响有关。此外,本研究的观测结果(NR-PM1:55.3 μg m-3,此处将PM1的浓度减去黑碳浓度得到)与Sun et al(2015)2012年在北京春季观测得到的NR-PM1浓度接近(52.3 μg m-3)。在2012年春季的观测当中,NR-PM1各组分(OA、硫酸盐、硝酸盐、铵盐和氯盐)的浓度依次为:21.7 μg m-3、7.3 μg m-3、13.1 μg m-3、8.8 μg m-3、1.5 μg m-3(Sun et al,2015)。根据表1对比发现,本观测中有机物和硝酸盐的贡献相较2012年的研究更为突出,而硫酸盐的浓度较之前的研究有所下降,这表明脱硫技术的大力实施已取得成效,而移动污染源在北京的大气污染中扮演越来越重要的角色。 [A1]作者:小数点后有效数字位数统一


图1   PM1各组分的时间序列(a)、PM1各组分的质量分数(b)
Fig.1 Time series of PM1 species (a), mass fractions of PM1 species (b)
观测期间PM1各化学组分质量浓度和相对贡献的日变化如图2所示,有机物的质量浓度与质量分数的日变化趋势最为显著,06∶00—09∶00出现高峰,可能与早高峰期间交通源和烹饪源等的有机物排放有关,从16∶00起,有机物的浓度逐渐升高,在20∶00达到峰值,且夜间一直保持比较高的浓度水平,这主要与污染源的夜间排放、二次气溶胶的氧化生成以及大气边界层(planetary boundary layer,PBL)夜间高度较低有关。硝酸盐质量浓度的日变化曲线与有机物比较相似,夜间积累的亚硝酸(HONO)经光照后生成HO和NO(Alicke et al,2003;Li et al,2010),HO与NO2反应生成HNO3,最终转化成硝酸盐使其浓度升高,而大气边界层高度的增加使得硝酸盐的垂直扩散增强,导致硝酸盐的浓度降低,其中光化学氧化过程的生成作用可能弱于后者,所以硝酸盐浓度在09∶00以后逐渐呈现出一定的下降趋势。硫酸盐的日变化趋势与硝酸盐有所不同,在整个观测期间硫酸盐的质量浓度和质量分数都比较低,日变化不明显,将其质量浓度扩大5倍之后可以发现在07∶00—09∶00有明显的高峰,13∶00开始硫酸盐浓度逐渐上升,20∶00再一次达到峰值,主要是由于中午逐渐加强的光化学氧化过程使得硫酸盐的浓度逐渐增加(Takegawa et al,2009)。铵盐的变化比较平缓,并且会受到硫酸盐和硝酸盐变化的影响。氯盐和黑碳质量分数的日变化不明显,质量浓度都变现出白天低夜间高的趋势,这主要与夜间渣土车等污染源的排放以及夜间较低的边界层高度有关。整体而言,有机物受到一次源排放和二次生成的共同影响有明显的日变化特征。硝酸盐也有明显的日变化特征,这主要与光化学氧化形成过程有关。硫酸盐、铵盐、氯盐和黑碳在整个观测期间日变化曲线比较平缓。


图2   PM1各化学组分质量浓度及相对贡献的日变化图
Fig.2 Diurnal cycles for mass concentrations and relative contributions of PM1 species
3.2有机气溶胶的来源解析
通过使用PMF源解析模式对Q-ACSM采集数据集中的有机物进行来源识别与定量,解析出的有机物来源包括机动车排放源(hydrocarbon-like organic aerosol,HOA)、燃煤燃烧排放源(coal combustion organic aerosol,CCOA)、烹饪排放源(cooking organic aerosol,COA)、生物质燃烧源(biomass burning organic aerosol,BBOA)和二次有机源(oxygenated organic aerosol,OOA)。但是解析结果中HOA与COA、BBOA与CCOA存在混杂,为此使用通过a值(范围定义标量;可对外部标准源谱进行限制,将输出因子分布限制在由输入分布和范围定义标量的组合所支配的预定范围内)限制外部已知源的ME-2源解析模式对解析结果进行优化,将所有合理的结果平均后得到最终五个因子的质谱图和时间序列图(图3)。同时,由于各因子来源与形成过程的差异,其日变化规律以及在OA中的贡献都有所不同。如图4所示,二次有机气溶胶是对OA贡献最大的一个有机源,占OA总质量浓度的54.4%,其次分别为CCOA(18.0%)、HOA(10.3%)、COA(9.3%)、BBOA(8.0%)。


图3   有机物各来源的质谱图(a)、有机物各来源的时间序列(b)
Fig.3 Mass spectra of identified five OA factors (a), time series of the OA sources (b)
质谱图中的误差棒是所有合理结果的m/z的标准偏差。 Error bars of mass spectra represent the standard deviation of each m/z over all accepted solutions.
HOA的平均浓度是2.6 μg m-3,是一个跟机动车排放紧密相关的有机物来源。本次观测的HOA谱图与2013—2014年在北京的观测结果中解析出的HOA的相关性很高(R2=0.95)(Elser et al,2016)。HOA的特征质谱碎片主要是饱和的烷基片段CnH2n-1和CnH2n+1(Ng et al,2011),特别是m/z 41、43、55、57、69及71(Wang et al,2017)。其时间序列与它的外部示踪物黑碳的相关性为R2=0.61。HOA的日变化曲线主要有两个特征峰,分别在08∶00和20∶00出现峰值,这与城市交通高峰期比较一致。同时其在夜间的浓度水平显著高于白天且在凌晨出峰,这可能与政策规定大型载货汽车、渣土车等23∶00以后才能在五环内行驶有关。


图4   有机物各来源质量浓度日变化曲线(a)、质量分数(b)、相对贡献日变化曲线(c)
Fig.4 Diurnal cycles for mass concentrations of OA species (a), mass fractions of OA species (b), diurnal cycles for relative contributions of OA species (c)
COA的平均浓度是2.3 μg m-3,其质谱图和HOA的相似。但与HOA相比,COA的质谱中有较高的41/43和55/57比值(He et al2010Crippa et al2013Elser et al2016),分别为1.4、2.7。COA的日变化曲线在1200和2000出现峰值,与烹饪活动的时间比较吻合。COA的特征质谱主要是41和55(Allan et al2010),并且COA的时间序列与烹饪排放源的标志物55的时间序列之间相关性较好(R2=0.58)。
CCOA的平均浓度是4.5 μg m-3,其质量分数显著低于2012年北京冬季燃煤供暖时期CCOA的质量分数(37%)(Wang et al2015)。由于观测在初春季节开展,气温比较低,城郊等偏僻地方仍需要燃煤取暖,加之工业生产燃煤排放,使得春季观测期间CCOA依然是OA的一个主要来源。不同的燃煤种类,燃烧条件和老化过程都可能对CCOA的质谱产生一定的影响(Zhou et al2016),因而不同研究中CCOA的质谱图存在一定差异,其质谱图的特征峰主要是与多环芳烃相关的7791115氯盐是CCOA排放源的重要外部标志物,其质量浓度的时间序列与CCOA的时间序列有很好的一致性,相关性系数可以达到0.68。CCOA在夜间的浓度比较高,白天800以后开始下降,1700左右达到最低值,这可能与白天大气边界层高度增加导致的稀释扩散增强有关,而800左右和夜间出现的峰值(下午1700左右浓度开始上升)则主要是由于居民的采暖活动引起。
BBOA的平均浓度是2.0 μg m-3,是有机物中占比最小的组分。BBOA质谱图的特征峰有60和73,这两个离子片段分别是来自于纤维素和半纤维素热解和不完全燃烧产生的左旋葡聚糖和甘露聚糖(Alfarra et al2007)BBOA时间序列与60的相关性较好,相关性系数达到0.68。BBOA的日变化曲线比较平缓,表明其可能主要来自区域传输,受当地气象条件和边界层变化等的影响较少。
OOA的平均浓度是13.6 μg m-3,是有机物中占比最大的部分。OOA氧化程度高,质谱图的特征峰是43和44,在高质荷比处出峰信号比较微弱。而且OOA与硝酸盐的相关性很好(= 0.82),日变化曲线也与硝酸盐相似,OOA的质量浓度在800出现峰值,之后逐渐下降,在16左右开始上升,21左右达到峰值,表明OOA主要是由当地排放的一次源氧化生成,受到光照辐射、大气边界层厚度变化等的影响十分明显。
3.3   不同污染事件的对比
从图1可以看出在整个观测阶段存在三个污染程度不同的事件,结合PM1各组分质量浓度的时间序列与图5气体组分(COO3SO2)与气象因素WSWD的时间序列来看,3月15日3月18日为重污染期,3月20日3月23日为中度污染期,3月24日3月27日为清洁期。图6显示了不同污染阶段气团传输的后向轨迹、PM1各组分以及有机物各来源的平均占比(各项参数的详细对比参见表1)。


图5   观测期间温度(T)和相对湿度(RH)、风速(WS)和风向(WD)、气体组分(SO2、O3、NOx、BC和CO)以及PM1和PM2.5的时间序列
Fig.5 Time series of particulate matters (PM1 and PM2.5), meteorological (T, RH, WS and WD) and gaseous factors (SO2, O3, NOx, BC and CO) during the observation period


图6   三个污染阶段气溶胶化学组分的质量分数以及气团后向轨迹图
Fig.6 Mass fractions of aerosol composition and back trajectories during the three episodes
重污染期间,气团主要来自西部和西南方向,PM1的平均浓度为126.6 μg m-3,是中度污染期(气团主要来自西北方向且为长距离传输)平均浓度(63.8 μg m-3)的2倍左右,是清洁期(气团主要来自北方和东北方向)PM1平均浓度(10.2 μg m-3)的12倍多。同时,重污染期间,有机物的质量浓度是46.1 μg m-3,显著高于中度污染期和清洁期的有机物浓度30.5 μg m-3和6.0 μg m-3,但有机物在污染期的平均占比为37.6%,低于中度污染期的46.1%和清洁期的58.8%。二次无机盐(硫酸盐和硝酸盐)在重污染期的质量浓度为47.9 μg m-3,占PM1总质量浓度的39.1%,略高于有机物,成为贡献最大的组分。与重污染期相比,二次无机盐在中度污染期和清洁期的贡献逐渐下降,其平均占比从31.8%降至19.9%,质量浓度从19.7 μg m-3降至2.0 μg m-3。在有机物当中,OOA在重污染期和中度污染期的占比相近,分别为54.9%和55.2%,在清洁期OOA的占比下降至48.1%。OOA在重污染期的质量浓度为27.6 μg m-3,在中度污染期和清洁期的浓度分别为16.8 μg m-3和2.9 μg m-3。对比发现,二次气溶胶(OOA、硫酸盐、硝酸盐)在污染期会有显著的积累,特别是硝酸盐在污染期的增幅十分明显,这表明二次颗粒物的氧化形成和积聚是大气污染形成的重要原因,控制二次污染物前体物的排放对于改善空气质量有十分重要的意义。此外,由图5可以发现,清洁期的风速高于污染期(重污染期和中度污染期),主导风向为北风和东北风,相对湿度(RH)低于污染期,气态前体物SO2、NOx等的浓度也显著低于污染期,这与之前在北京的研究比较吻合(Sun et al,2016b),也表明了气体组分和气象条件对于污染形成的重要性(Li et al,2017)。


 
4结论
本研究采用化学组分监测仪(ACSM)及配套设备在北京国家纳米科学中心开展为期13天的观测,观测结果显示PM1的平均质量浓度为58.0 μg m-3,OA是其中贡献最大的组分,其平均占比为41.4%,其次为硝酸盐27.3%、铵盐15%、硫酸盐7.9%、黑4.8%和氯3.6%。由PMF & ME-2源解析模式解析出有机物由四个一次源HOA、COA、CCOA、BBOA和一个二次源OOA组成,其质量分数分别为10.3%、9.3%、18.0%、8.0%、54.4%。通过对三个不同污染事件的对比发现,污染期常伴随有较高的相对湿度、较低的风速以及较高的气态前体物浓度,同时有机物的质量分数较清洁期会有所下降,但二次气溶胶(硫酸盐、硝酸盐和OOA)的质量分数在污染期会显著上升,其中硝酸盐的增幅尤其明显,因此关注二次气溶胶(有机和无机)的生成和演化机制、控制二次污染物前体物的排放对大气环境污染的治理有十分重要的意义。
致谢
曹军骥. 2012. 我国PM2.5污染现状与控制对策[J]. 地球环境学报, 3(5): 1030–1036. [Cao J J. 2012. Pollution status and control strategies of PM2.5 in China [J]. Journal of Earth Environment, 3(5): 1030–1036.]
徐鹏. 2017. 北京城区亚微米气溶胶特征及其有机气溶胶的来源解析[D]. 重庆: 西南大学. [Xu P. 2017. Characterization of submicron aerosol and source apportionment of organic aerosol in urban area of Beijing [D]. Chongqing: Southwest University.]
张养梅. 2011. 京津冀地区亚微米气溶胶特征及其变化的观测分析研究[D]. 北京: 中国气象科学院. [Zhang Y M. 2011. Characterization of sub-micron aerosol and its change processes in BIV (Beijing and its vicinity) region [D]. Beijing: Chinese Academy of Meteorological Sciences.]
Alfarra M R, Prevot A S H, Szidat S, et al. 2007. Identification of the mass spectral signature of organic aerosols from wood burning emissions [J]. Environmental Science & Technology, 41(16): 5770–5777.
Alicke B, Geyer A, Hofzumahaus A, et al. 2003. OH formation by HONO photolysis during the BERLIOZ experiment [J]. Journal of Geophysical Research: Atmospheres, 108(D4). DOI: 10.1029/2001JD000579.
Allan J D, Williams P I, Morgan W T, et al. 2010. Contributions from transport, solid fuel burning and cooking to primary organic aerosols in two UK cities [J]. Atmospheric Chemistry and Physics, 10(2): 647–668.
Canagaratna M R, Jayne J T, Jimenez J L, et al. 2007. Chemical and microphysical characterization of ambient aerosols with the aerodyne aerosol mass spectrometer [J]. Mass SpectrometryReviews , 26(2): 185–222.
Cao J J, Shen Z X, Chow J C, et al. 2012. Winter and summer PM2.5 chemical compositions in fourteen Chinese cities [J]. Journal of the Air & Waste Management Association, 62(10): 1214–1226.
Chan C K, Yao X H. 2008. Air pollution in mega cities in China [J]. Atmospheric Environment, 42(1): 1–42.
Che H Z, Zhang X Y, Li Y, et al. 2007. Horizontal visibility trends in China 1981—2005 [J]. Geophysical Research Letters, 34(L24706). DOI: 10.1029/2007GL031450.
Chen C, Sun Y L, Xu W Q, et al. 2015. Characteristics and sources of submicron aerosols above the urban canopy (260 m) in Beijing, China, during the 2014 APEC summit [J]. Atmospheric Chemistry and Physics, 15(22): 12879–12895.
Crippa M, DeCarlo P F, Slowik J G, et al. 2013. Wintertime aerosol chemical composition and source apportionment of the organic fraction in the metropolitan area of Paris [J]. Atmospheric Chemistry and Physics, 13(2): 961–981.
Dall’Osto M, Ovadnevaite J, Ceburnis D, et al. 2013. Characterization of urban aerosol in Cork city (Ireland) using aerosol mass spectrometry [J]. Atmospheric Chemistry and Physics, 13(9): 4997–5015.
Duan J, Huang R J, Lin C S, et al. 2019. Distinctions in source regions and formation mechanisms of secondary aerosol in Beijing from summer to winter [J]. Atmospheric Chemistry and Physics, 19(15): 10319-10334.
Ebenstein A, Fan M Y, Greenstone M, et al. 2017. New evidence on the impact of sustained exposure to air pollution on life expectancy from China’s Huai River Policy [J]. Proceedings of the National Academy of Sciences of the United States of America, 114(39): 10384–10389.
Elser M, Huang R J, Wolf R, et al. 2016. New insights into PM2.5 chemical composition and sources in two major cities in China during extreme haze events using aerosol mass spectrometry [J]. Atmospheric Chemistry and Physics, 16(5): 3207–3225.
Forster P, Ramaswamy V, Artaxo P, et al. 2007. Changes in atmospheric constituents and in radiative forcing [M]// Solomon S, Qin D, Manning M, et al. Climate change 2007: the physical science basis. Contribution of Working Group Ⅰ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.
Han T T, Xu W Q, Chen C, et al. 2015. Chemical apportionment of aerosol optical properties during the Asia-Pacific Economic Cooperation summit in Beijing, China [J]. Journal of Geophysical Research: Atmospheres, 120: 12281-12295.
He L Y, Lin Y, Huang X F, et al. 2010. Characterization of high-resolution aerosol mass spectra of primary organic aerosol emissions from Chinese cooking and biomass burning [J]. AtmosphericChemistryandPhysics , 10(23): 11535–11543.
Huang R J, Cheng R, Jing M, et al. 2018. Source-specific health risk analysis on particulate trace elements: coal combustion and traffic emission as major contributors in wintertime Beijing [J]. Environmental Science & Technology, 52(19): 10967–10974.
Huang R J, Zhang Y L, Bozzetti C, et al. 2014. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 514(7521): 218-222.
IPCC. 2007. Summary for policymakers [M]// Solomon S, Qin D, Manning M, et al. Climate change 2007: the physical science basis. In: Contribution of Working Group Ⅰ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.
Li G, Lei W, Zavala M, et al. 2010. Impacts of HONO sources on the photochemistry in Mexico City during the MCMA-2006/MILAGO campaign [J]. Atmospheric Chemistry and Physics, 10(14): 6551–6567.
Li H Y, Zhang Q, Zhang Q, et al. 2017. Wintertime aerosol chemistry and haze evolution in an extremely polluted city of the North China Plain: significant contribution from coal and biomass combustion [J]. Atmospheric Chemistry and Physics, 17(7): 4751–4768.
Li Y J, Sun Y L, Zhang Q, et al. 2017. Real-time chemical characterization of atmospheric particulate matter in China: a review [J]. Atmospheric Environment, 158: 270–304.
Middlebrook A M, Bahreini R, Jimenez J L, et al. 2012. Evaluation of composition-dependent collection efficiencies for the aerodyne aerosol mass spectrometer using field data [J]. Aerosol Science and Technology, 46(3): 258–271.
Ng N L, Canagaratna M R, Jimenez J L, et al. 2011. Real-time methods for estimating organic component mass concentrations from aerosol mass spectrometer data [J]. Environmental Science & Technology, 45(3): 910–916.
Paatero P, Tapper U. 1994. Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 5(2): 111–126.
Paatero P. 1997. Least squares formulation of robust non-negative factor analysis [J]. Chemometrics and Intelligent Laboratory Systems, 37(1): 23–35.
Paatero P. 1999. The multilinear engine— a table-driven, least squares program for solving multilinear problems, including then-way parallel factor analysis model [J]. Journal of Computational and Graphical Statistics, 8(4): 854–888.
Sun Y L, Du W, Fu P Q, et al. 2016. Primary and secondary aerosols in Beijing in winter: sources, variations and processes [J]. Atmospheric Chemistry and Physics, 16(13): 8309–8329.
Sun Y L, Jiang Q, Wang Z F, et al. 2014. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013 [J]. Journal of Geophysical Research: Atmospheres, 119(7): 4380–4398.
Sun Y L, Wang Z F, Du W, et al. 2015. Long-term real-time measurements of aerosol particle composition in Beijing, China: seasonal variations, meteorological effects, and source analysis [J]. Atmospheric Chemistry and Physics, 15(17): 10149–10165.
Sun Y L, Wang Z F, Fu P Q, et al. 2013. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry and Physics, 13(9): 4577–4592.
Sun Y L, Wang Z F, Wild O, et al. 2016. “APEC blue”: secondary aerosol reductions from emission controls in Beijing [J]. Scientific Reports, 6: 20668.
Takegawa N, Miyakawa T, Kuwata M, et al. 2009. Variability of submicron aerosol observed at a rural site in Beijing in the summer of 2006 [J]. Journal of Geophysical Research: Atmospheres, 114(D00G05). DOI:10.1029/2008JD010857.
Wang Q Q, Sun Y L, Jiang Q, et al. 2015. Chemical composition of aerosol particles and light extinction apportionment before and during the heating season in Beijing, China [J]. Journal of Geophysical Research: Atmospheres, 120(24): 12708–12722.
Wang Y C, Huang R J, Ni H Y, et al. 2017. Chemical composition, sources and secondary processes of aerosols in Baoji City of northwest China [J]. Atmospheric Environment, 158: 128–137.
Watson J G. 2002. Visibility: science and regulation [J]. Journal of the Air & Waste Management Association, 52(6). DOI: 10.1080/10473289.2002.10470813.
Zhang H F, Wang S X, Hao J M, et al. 2012. Chemical and size characterization of particles emitted from the burning of coal and wood in rural households in Guizhou, China [J]. Atmospheric Environment, 51: 94–99.
Zhang J K, Wang L L, Wang Y H, et al. 2016. Submicron aerosols during the Beijing Asia-Pacific economic cooperation conference in 2014 [J]. Atmospheric Environment, 124: 224–231.
Zhang Y J, Tang L L, Yu H X, et al. 2015. Chemical composition, sources and evolution processes of aerosol at an urban site in Yangtze River Delta, China during wintertime [J]. Atmospheric Environment, 123: 339–349.
Zhang Y L, Cao F. 2015. Fine particulate matter (PM2.5) in China at a city level [J]. ScientificReports , 5: 14884.
Zhou W, Jiang J K, Duan L, et al. 2016. Evolution of submicrometer organic aerosols during a complete residential coal combustion process [J]. Environmental Science & Technology, 50(14): 7861–7869.
稿件与作者信息
王瑛
WANG Ying
黄汝锦
HUANG Rujin
黄汝锦,E-mail: rujin.huang@ieecas.cn
钟昊斌
ZHONG Haobin
段静
DUAN Jing
古仪方
GU Yifang
曹军骥
CAO Junji
国家自然科学基金项目(91644219,41877408,41675120);国家重点研发计划(2017YFC0212701);黄土与第四纪地质国家重点实验室项目
出版历史
出版时间: 2019年3月22日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment