|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 2015年12月北京市空气重污染过程分析及污染源排放变化显示文摘2015年12月,北京市及周边地区连续多次出现重污染天气.在此期间,北京市空气重污染应急指挥部两次发布红色预警.为厘清该月重污染的发生过程、生消变化,测算了应急措施下的污染源排放变化情况,并采用数值模拟和地面观测相结合的分析方法,对重污染的形成原因进行初步分析,同时对应急措施的环境效果进行评估.结果表明:1虽然2015年12月北京市主要大气污染物排放量较去年同期有所下降,但排放强度仍然较大,是重污染过程的内因;气象扩散条件不利是重要的外因,地面风速弱,大气稳定度高,相对湿度高,边界层高度降低,源排放及气象因素共同导致了此轮重污染过程.2红色预警应急措施可实现污染物日排放强度减少36%左右,PM2.5浓度下降11%^21%,预警的应急措施不能扭转重污染的态势,但对于缓解PM2.5污染加重趋势有明显的效果.3在重污染天气下,污染物仍在大气中累积,应急措施最明显的效果发生在实施后的48^72 h后,因此建议在PM2.5浓度快速上升前36^48 h实施减排措施,从而对空气质量预报准确性提出更高的要求. | 薛亦峰 周震 聂滕 潘涛 齐珺 聂磊 王占山 李云婷 李雪峰 田贺忠 | 2016 | 环境科学2016，37，5： | 42 |
| 2 | 泉州市大气PM_(2.5)中水溶性离子季节变化特征及来源解析显示文摘为掌握泉州市大气PM_(2.5)中无机水溶性离子的季节变化特征,于2014年3月~2015年1月同步采集了泉州市5个采样点共116个PM_(2.5)样品.用离子色谱法分析了PM_(2.5)中Na^+、NH_4^+、K^+、Ca^(2+)、Mg^(2+)、F^-、Cl^-、NO_3^-和SO_4^(2-)等9种水溶性无机离子.观测期间,总水溶性离子浓度季节变化特征为春季(14.24±6.43)μg·m^(-3)>冬季(8.54±7.61)μg·m^(-3)>夏季(4.10±2.67)μg·m^(-3)>秋季(3.91±2.58)μg·m^(-3);SO_4^(2-)、NO_3^-和NH_4^+(SNA)是PM_(2.5)中主要的3种离子,占水溶性离子总质量浓度比例分别为春季(90.3±3.3)%、夏季(68.8±11.7)%、秋季(78.9±7.1)%和冬季(74.0±18.4)%,说明春季二次污染较为严重;PM_(2.5)中阴、阳离子电荷平衡分析显示,阴离子相对亏损,大气细颗粒物组分呈弱碱性;春、冬季NH_4^+主要以(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3等形式存在,而夏、秋季则主要以NH_4HSO_4和NH_4NO_3形式存在;PMF源解析结果表明,泉州市大气PM_(2.5)中水溶性离子主要来自海盐、二次源、建筑扬尘、垃圾焚烧源和生物质燃烧源. | 张云峰 于瑞莲 胡恭任 孙境蔚 张棕巍 许文质 | 2017 | 环境科学2017，38，10： | 38 |
| 3 | 南京北郊大气颗粒物的粒径分布及其影响因素分析显示文摘在南京北郊使用FA-3型9级采样器对2014年1~11月颗粒物的粒径分布进行了采样分析.首先将FA-3与中流量分级采样器(KC-120H)和环境保护局在线监测仪器的同期监测结果进行对比,数据相关系数均在0.95以上,对细粒子FA-3分别偏低13.9%和16.6%,而对PM10偏高15.2%和13.3%,但采样偏差在大气采样可接受范围之内,说明其可以对大气颗粒物进行准确分级和采样.南京北郊颗粒物污染严重,PM1.1,PM2.1和PM10的年平均浓度分别为(65.6±37.6)、(91.0±54.7)和(168.0±87.0)μg·m^-3,污染以细粒子为主,且大部分在1.1μm以下;颗粒物粒径呈双峰分布,峰值位于0.43~0.65μm和9~10μm粒径段;中值粒径为1.83μm,为积聚模态污染.颗粒物粒径分布在冬季细粒径段较高,春季粗粒径段较高,夏季细粒径段降低并不明显,粗粒径段明显低于其他季节;颗粒物浓度的昼夜变化在粗粒径段差异很小,在细粒径段基本表现出夜晚大于白天的特征.除了夏季,降水对各个粒径范围的颗粒物都有清除作用,且在细粒径段表现得更为明显;霾发生时随着霾等级的加重,0.43~2.1μm粒径段颗粒物浓度逐渐增加,该粒径段颗粒物质量浓度与能见度呈显著负相关.以相对湿度70%为界,颗粒物粒径分布发生了明显变化,湿度大于70%后,小于0.43μm粒径段颗粒物质量浓度显著降低,而0.43~2.1μm粒径段明显上升,颗粒物的吸湿增长应是主要原因.南京北郊的气团来源可以分为四类,其中西北方向快速输送的气团最为洁净,细粒径颗粒物浓度明显低于其它方向;本地和周边近距离输送的气团污染最重,粗细粒径颗粒物浓度都较高,其传输距离短,风速小,发生污染的概率最大,达到73.9%,对南京市的空气污染贡献较大. | 吴丹 曹双 汤莉莉 夏俊荣 陆建刚 刘刚 杨孟 李凤英 盖鑫磊 | 2016 | 环境科学2016，37，9： | 21 |
| 4 | Size-resolved aerosol water-soluble ions at a regional background station of Beijing, Tianjin, and Hebei, North China显示文摘The characteristics of water-soluble ions in size-resolved particulate matter were investigated usingion chromatography at Shangdianzi,a regional background station of Beijing,Tianjin,and Hebei.Seasonal total concentrations of ions(Na^+,Mg^(2+),K^+,Ca^(2+),NH_4^+,Cl^-,SO_4^(2-) and NO_3^-) were75.5±52.9 μg/m^3 in spring,26.5±12.3μg/m^3 in summer,22.7±20.4μg/m^3 in autumn,and31.1±23.9 μg/m^3 in winter,respectively.The secondary ions(NO_3^-,SO_4^(2-) and NH_4^+),mainly associated with fine particles,accounted for 84.2%in spring,82.1%in summer,81.5%in autumn and 76.3%in winter of all ions.Strong correlations were found between NH_4^+ and SO_4^(2-)(r=0.95,p<0.01) as well as NH_4^+ and NO_3^-(r=0.90,p<0.01) in fine particles;while in coarse particles,correlations between Mg^(2+) and NO_3^-(r=0.80,p<0.01),and Ca^(2+) and NO_3^-(r=0.85,p<0.01) were found.The concentrations of Na^+,K^+,Mg^(2+),Ca^(2+),NH_4^+,Cl^-,NO_3^-,and SO_4^(2-) were 2.02,0.81,0.36,1.65,9.58,4.01,18.9,and 18.4 μg/m^3 in particulate matter from southeast-derived air masses,which were typically 1.58-3.37 times higher than in northwest trajectories.Thus,concentrations of water-soluble ions at this background station were heavily influenced by regional transport of serious pollution derived from biomass burning,coal combustion,industrial and vehicle exhaust emissions from Beijing,Tianjin,and Hebei. | Yongjie Yang Rui Zhou Yue Yu Yan Yan Yan Liu Yi'an Di Dan Wu Weiqi Zhang | 2017 | Journal of Environmental Sciences2017，29，5： | 16 |
| 5 | 济南市冬季一次典型重污染过程分析显示文摘为掌握济南市重污染天气发生规律,从而更好地为重污染天气预报预警和大气污染防治提供参考,采用空气质量监测数据、气象观测资料、雷达探测资料及轨迹模式模拟相结合的方法,对济南市2016年12月31日—2017年1月7日的持续性重污染过程,从污染演变过程、环流背景分析、气象要素特征和区域污染传输等多方面分析其形成原因及主要影响因素.结果表明:此次重污染过程期间首要污染物为颗粒物,ρ(PM10)平均值为318μg/m3,ρ(PM_(2.5))平均值为200μg/m3;地面风速在0. 6~1. 8 m/s范围内,风力均为1~2级,相对湿度为68%~95%,平均相对湿度为81%.在重污染过程中,从地面至800 m左右高度始终维持较强逆温层,逆温频次高达91. 1%,污染边界层高度较低,大部分时间都在500 m以下.采用情景模拟分析方法计算得到,区域输送对济南市PM_(2.5)的贡献率为20%~35%.研究显示:此次重污染过程是在区域性污染背景下由本地不利的扩散条件造成的,静稳大气形势提供有利的环流背景,平流雾、辐射雾交替产生,持续性的高湿加重了污染程度;近地面的静风、高湿,垂直方向的双逆温层甚至多逆温层的结构是影响此次重污染过程的重要气象要素;区域性污染传输对此次重污染天气的发展有显著贡献,污染初期主要来自河北省中南部的输送,随着污染加重,有来自偏南、偏东方向的局地气团输送. | 李敏 张文娟 吕晨 刘建军 吕波 谭润禾 | 2018 | 环境科学研究2018，31，11： | 14 |
| 6 | 北京、石家庄2017-2018年PM2.5与SNA组分特征及典型重污染分析显示文摘基于北京、石家庄2017、2018年的1月和7月PM2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法(CWT),分析两地PM2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份(2017年1月)PM2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM2.5浓度均高于北京;SNA占PM2.5所有组分的34.11%~51.68%,对PM2.5浓度有重要贡献,其中北京NO-3浓度最高,石家庄SO4^2-浓度最高, SO4^2-/NO-3夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区;2017年1月,北京、石家庄PM2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO-3的传输作用比SO4^2-更加突出.从PM2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%. | 王传达 周颖 程水源 王晓琦 | 2020 | 环境科学学报2020，40，4： | 13 |
| 7 | 天津冬季一次重污染过程颗粒物中水溶性离子粒径分布特征显示文摘为研究天津冬季重污染天气过程中颗粒物水溶性离子的粒径谱分布及二次离子生成机制,于2014年1月利用Anderson撞击式分级采样器在中国气象局天津大气边界层观测站内采集颗粒物样品,并使用离子色谱仪分析Na^+、NH_4^+、K^+、Mg^(2+)、Ca^(2+)、Cl^-、NO_3^-、SO_4^(2-)等8种水溶性无机离子(TWSII).结果表明,采样期间PM_(2.5)和PM_(10)质量浓度均值分别为(138±100)μg·m^(-3)和(227±142)μg·m^(-3),粗、细粒子中TWSII的平均浓度分别为(34.07±6.16)μg·m^(-3)和(104.16±51.76)μg·m^(-3).细粒子中SO_4^(2-)、NO_3^-和NH_4^+这3种离子的浓度远高于其他离子,且相关性较好,粗粒子中NO_3^-、SO_4^(2-)、Cl^-浓度较高.随着污染程度加剧,细粒子中TWSII浓度增加明显,粗粒子中则变化不大.水溶性离子的粒径谱分布显示,SO_4^(2-)以单模态分布,优良天峰值出现在0.43~0.65μm,NO_3^-在优良日呈现三模态分布,峰值分别出现在0.43~0.65、2.1~3.3和5.8~9.0μm,NH_4^+呈双模态分布,优良日峰值出现在0.43~0.65μm和4.7~5.8μm,污染日3种二次离子峰值均以0.65~1.1μm的单模态分布为主,与三者之间的热动力平衡过程有关.细粒子中NH_4^+除与SO_4^(2-)和NO_3^-结合外,还与部分Cl^-结合,粗粒子中NH_4^+全部与NO_3^-和SO_4^(2-)结合后,剩余的NO_3^-和SO_4^(2-)与其他阳离子结合. | 姚青 刘子锐 韩素芹 蔡子颖 刘敬乐 黄小娟 刘景云 王跃思 | 2017 | 环境科学2017，38，12： | 13 |
| 8 | 盘锦市秋季PM2.5水溶性离子特征及来源分析显示文摘为研究盘锦市秋季PM2.5中水溶性离子污染特征及来源,于2016年10月在盘锦市开发区、文化公园和第二中学采集PM2.5样品,用离子色谱分析其水溶性离子.同时,分析了PM2.5及水溶性离子浓度特征,并通过离子平衡计算、相关性分析和聚类分析对其污染特征和来源进行研究.结果表明:盘锦市秋季PM2.5平均质量浓度为(52.71±19.44)μg·m^-3,低于环境空气质量标准(GB 3095-2012)日均浓度限值(75μg·m^-3),不同点位之间表现为:开发区>第二中学>文化公园.开发区、文化公园和第二中学的水溶性离子总质量浓度分别为13.64、13.16和13.19μg·m^-3,分别占PM2.5浓度的22.83%、29.72%和24.36%,各点位均表现为NO3^-、SO4^2-和NH4^+质量浓度较大.阴阳离子当量比值(AE/CE)均大于1,表明采样期间盘锦市颗粒物整体偏酸性.离子间相关关系分析显示,SNA的主要存在形式为(NH4)2SO4、NH4NO3和KNO3等.NO3^-/SO4^2-的均值为1.41,说明移动源对PM2.5的贡献大于固定源.通过聚类分析得出,盘锦市秋季PM2.5中水溶性离子主要来源于气态污染物的二次转化、生物质和化石燃料燃烧及土壤扬尘或建筑扬尘排放. | 马妍 姬亚芹 国纪良 赵静琦 林宇 林孜 | 2020 | 环境科学学报2020，40，2： | 13 |
| 9 | 典型“组群式”城市夏季大气颗粒物中水溶性离子化学特征及来源显示文摘为探究典型'组群式'城市——淄博市夏季大气颗粒物中水溶性离子化学特征及来源,于2016年8月对淄博市6个城市点(桓台、张店、临淄、淄川、博山、周村)、2个郊区点(沂源、高青)及1个清洁对照点(鲁山)同步进行PM_(2.5)和PM_(10)采样,分析了大气颗粒物质量浓度及9种水溶性离子的空间分布特征,并利用主成分分析方法探讨了PM_(2.5)和PM_(10)中水溶性离子的主要来源.结果表明:(1)淄博夏季各点位(清洁对照点除外)PM_(2.5)和PM_(10)质量浓度日均值范围分别为57.2~112和77.4~163μg/m3,空间分布特征表现为城市点>郊区点>清洁对照点;各点位PM_(2.5)/PM_(10)(质量浓度之比)在0.61~0.80之间,表明淄博夏季大气颗粒物污染以PM_(2.5)为主.(2)水溶性离子在PM_(2.5)和PM_(10)中占比分别为53.3%和48.5%,其中二次无机离子分别占总离子浓度的91.4%和83.7%,表明大气颗粒物主要以二次离子为主,并且主要富集在PM_(2.5)中;PM_(2.5)中∑阴离子/∑阳离子(摩尔浓度之比)为1.07,PM_(10)中该比值为0.87,说明PM_(2.5)接近中性,而PM_(10)呈弱碱性.(3)淄博夏季各点位离子来源具有一定的空间差异性,城市点、郊区点与清洁对照点间的CD(分歧系数)均高于0.2,而城市点间CD值低于0.2,说明城市点位间的水溶性离子的化学性质较为相似.(4)主成分分析表明,淄博夏季大气PM_(2.5)中的水溶性离子可能主要来源于工业源、生物质锅炉、燃煤、二次源、道路尘及建筑尘,而PM_(10)中的离子主要来源于道路尘、建筑尘、海盐及二次源.研究显示,淄博市颗粒物污染严重,具有明显的空间分布特征,水溶性离子来源复杂,应采取分区、多源控制的污染防治对策. | 欧盛菊 吴丽萍 王信梧 张向炎 任丽红 杨文 白志鹏 | 2018 | 环境科学研究2018，31，4： | 12 |
| 10 | 唐山市2017年采暖期不同污染等级PM_(2.5)化学组分特征对比与来源分析显示文摘为深入了解唐山市采暖期PM_(2.5)污染成因与来源,采用在线监测设备于2017年12月1日—2018年1月28日连续监测了唐山市PM_(2.5)及其水溶性离子和碳质组分(OC、EC)的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR (硫氧化率)分别为0. 05、0. 08、0. 20,NOR (氮氧化率)分别为0. 05、0. 12、0. 26,随着污染的加重,SO_2、NOx向PM_(2.5)中SO_4^(2-)、NO3-的二次转化现象更加明显.③清洁时,ρ(OC)、ρ(EC)、ρ(SO_4^(2-))和ρ(Cl-)占PM_(2.5)化学组分(水溶性离子、碳质组分)质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ(NO_2)/ρ(SO_2)分别为0. 96、1. 14、1. 44,ρ(NO3-)/ρ(SO_4^(2-))分别为0. 94、1. 57和1. 75;重污染时,ρ(SO_4^(2-))、ρ(NO3-)、ρ(NH_4^+)三者之和占PM_(2.5)化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ(NO_2)/ρ(SO_2)、ρ(NO3-)/ρ(SO_4^(2-))明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施. | 张浩杰 高健 孙孝敏 车飞 刘素 逄妮妮 刘翰青 | 2019 | 环境科学研究2019，32，5： | 12 |
| 11 | 成都市降水对大气污染物的清除效果分析显示文摘成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日—2017年12月31日成都市逐小时ρ(PM2.5)、ρ(PM10)、ρ(NO2)、ρ(O3)、ρ(CO)、ρ(SO2)监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM2.5、PM10、NO2、CO和SO2的清除率随降水量的增加而逐渐增大,对O3的清除效果相差不大且清除率均较大;小时最大降水量对PM2.5、PM10、NO2、O3、CO、SO2的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO2、PM2.5和PM10的清除效果较好,而对CO的清除效果较差. | 曹杨 刘炜桦 王晨曦 赵晓莉 孙晓光 杨景朝 | 2020 | 环境科学研究2020，33，2： | 12 |
| 12 | 菏泽市夏季PM_(10)和PM_(2.5)中水溶性离子组分污染特征显示文摘为分析菏泽市大气颗粒物及其水溶性离子组分特征,本研究于2015年8月期间在菏泽市6个监测点位采集环境受体PM_(10)和PM_(2.5)样品共120个,利用离子色谱法测定颗粒物中水溶性无机离子(SO■、NO^-_3、NH^+_4、Cl^-、Ca^(2+)、K^+、Na^+、Mg^(2+)、F^-),并同步收集气象参数及气态污染物质量浓度等资料.结果表明,菏泽市夏季环境受体中颗粒物质量浓度ρ(PM_(10))和ρ(PM_(2.5))分别为94.5μg·m^(-3)、55.2μg·m^(-3),稍低于国内其他城市,这与各城市经济发展、产业能源结构、气象条件等因素有关.PM_(2.5)/PM_(10)值在0.5—0.8之间,表明菏泽市夏季细颗粒物(PM_(2.5))污染较为严重.但PM_(10)和PM_(2.5)中水溶性离子质量总浓度ρ(WSIs)分别为30.5μg·m^(-3)、17.0μg·m^(-3);质量分数w(WSIs)分别为32.4%、29.6%.其中SO■、NO^-_3、NH^+_4为PM_(10)和PM_(2.5)中主要水溶性离子,3种离子浓度和分别占PM_(10)和PM_(2.5)中总离子浓度的84.3%、88.3%.SO■、NO^-_3、NH^+_4、K^+主要集中在细颗粒物(PM_(2.5))中,Ca^(2+)、Mg^(2+)则广泛存在于粗颗粒物(PM_(10))中.各采样点的PM_(10)和PM_(2.5)中,SO■、NO^-_3、NH^+_4、Ca^(2+)和Mg^(2+)浓度分布具有空间差异.离子相关性表明,NH^+_4与SO■、NO^-_3相关性均较强,3种离子主要以NH_4HSO_4、NH_4NO_3形式存在.PM_(10)和PM_(2.5)中NO^-_3/SO■值分别在0.41—0.49和0.36—0.47之间,平均值分别为0.46、0.42,表明固定源是菏泽市夏季颗粒物污染的主要污染贡献源. | 程渊 刘保双 吴建会 毕晓辉 张勤勋 冯银厂 张裕芬 | 2019 | 环境化学2019，38，4： | 12 |
| 13 | 2014-2017年成都市大气污染特征分析显示文摘利用2014年5月~2017年12月的成都市环境空气质量监测资料,分析了成都市空气污染情况及污染物浓度时空变化特征。结果表明:成都市空气质量以优良天气为主,市区的首要污染物以PM2.5为主,郊区以O3为主;灵岩寺监测点的PM2.5,PM10,NO2和CO四种污染物的质量浓度低于成都市区各监测点,O3的质量浓度高于成都市区各监测点,SO2的质量浓度值与成都市区各监测点相差不大;成都市各监测站点六种污染物质量浓度具有明显的年际变化、季节变化、月变化和日变化趋势,且成都市区各监测点的变化趋势比较一致。 | 曹杨 王晨曦 刘炜桦 赵晓莉 杨景朝 | 2019 | 高原山地气象研究2019，39，1： | 10 |
| 14 | 2018年冬季南京重霾污染特征及气象因素分析显示文摘2018年11月底—12月初南京及周边地区发生一次大范围持续性霾污染,利用南京市空气质量监测资料、颗粒物成分逐时观测资料、南京站探空资料等,结合天气学诊断分析、后向轨迹模拟和聚类分析等方法,分析此次重霾事件的污染特征和气象因素.结果表明,此次重霾事件具有峰值浓度高、持续时间长、波动较明显等特点.污染时段PM2.5浓度变化分为3个阶段,平均浓度为114.7μg·m-3,整体达到中度污染.重霾期间南京市大气环境处于富氨条件,颗粒物整体偏酸性,移动源排放比重高于固定源,PM2.5主要成分的存在形式为硫酸铵、硝酸铵和其他硝酸盐.本次重霾事件中气象条件对污染物的输送和累积影响显著,在PM2.5浓度极端事件发生期间,均有各气象要素与PM2.5浓度同步变化.高PM2.5浓度与对流层低层增暖增湿、弱的西南风相对应.重霾事件的主要天气成因是冬季东部地区出现大面积稳定且持久的均压场,南京及周边地区近地面中高层污染物主要由西北和华北地区输送而来,低层污染物主要来自于本地源排放累积.动力条件和热力条件的相互配合,近地面受高压影响形成暖平流逆温层,且易形成下沉气流,使重霾天气持续发展. | 战杨志豪 谢旻 罗干 王体健 陈飞 | 2020 | 环境科学学报2020，40，11： | 8 |
| 15 | 重庆市不同粒径颗粒物中水溶性离子污染特征显示文摘于2010年3月~2011年2月和2017年1~12月在重庆主城区连续采集PM1.0、PM1.0~2.5和PM_(2.5)~10样品,采用离子色谱测定了样品中9种水溶性无机离子(WSIIs)含量,研究了近年来不同粒径颗粒物中主要离子的污染特征.结果表明,2017年重庆市PM1.0、PM1.0~2.5和PM_(2.5)~10中WSIIs年均浓度和占比分别为24.10,32.89,39.11μg/m^(3)和41.8%、40.3%、38.6%,较2010年均有所下降(39.85,47.84,57.12μg/m^(3)和49.2%、46.6%、36.2%),但NO_(3)-浓度和占比呈上升趋势(分别上升12.3%~27.8%和53.1%~78.2%),且成为2017年冬季首要离子.SO_(4)^(2-)、NO_(3)-、NH_(4)^(+)、Cl^(-)、K^(+)和Na^(+)主要分布在细粒子中,F-、Mg^(2+)和Ca^(2+)主要分布在粗粒子中.重庆颗粒物呈弱碱性,其中粗粒子碱性强于细粒子,NH_(4)^(+)主要以(NH_(4))_(2)SO_(4)和NH_(4)NO_(3)的形式存在.与2010年不同,2017年细粒子中SO_(4)^(2-)和NO_(3)-浓度均随相对湿度增大而快速上升,非均相反应已成为2017年SO_(4)^(2-)和NO_(3)-形成的重要途径,且在PM1.0中尤为突出.随污染加重,不同粒径下各类WSIIs演化特征各异,其中2017年细粒子中NO_(3)-浓度及其对WSIIs贡献大幅升高,并成为重污染形成的主因,而SO_(4)^(2-)和扬尘源示踪物(Mg^(2+)、Ca^(2+))贡献呈下降趋势.与2010年相比,2017年各粒径中NO_(3)-/SO_(4)^(2-)比值随污染加重大幅升高,且重污染日比值均大于1.0.细粒子中WSIIs主要来源于二次转化,粗粒子主要来源于扬尘.2017年扬尘污染较2010年有所减缓,但二次源对WSIIs贡献上升明显,尤其是NO_(3)-的二次生成,因此对NO_(x)排放源的管控是WSIIs减排的重要途径.研究结果对了解近年来重庆市大气颗粒物污染来源及形成机制研究具有重要参考价值. | 彭超 张丹 方维凯 王晓宸 谢耕 向英 李振亮 | 2021 | 中国环境科学2021，41，10： | 6 |
| 16 | 重庆市北碚城区气溶胶中水溶性无机离子的质量浓度及其粒径分布显示文摘为了研究重庆市北碚区城区气溶胶中水溶性无机离子的浓度和分布特征,于2014年3月~2015年2月利用安德森采样器连续采集大气气溶胶分级样品,并用离子色谱法分析了不同粒径(9.00、5.80、4.70、3.30、2.10、1.10、0.65和0.43μm)中Na^+、NH~_4^+、K^+、Mg^(2+)、Ca^(2+)、F-、Cl-、NO_3^-、SO_4^(2-)这9种水溶性无机离子.结果表明,SO_4^(2-)、NH~_4^+、NO_3^-、Cl-、Na^+、K^+主要分布在细粒子中,Mg^(2+)、Ca^(2+)、F-主要分布在粗粒子中.SNA(SO_4^(2-)、NH~_4^+和NO_3^-三者的简称)呈明显单峰型分布,其峰值均出现在0.65~1.10μm的液滴模态,且在细粒子中主要以(NH4)2SO4和NH4NO3形式存在.SO_4^(2-)的形成主要来自云内过程,部分来自SO_2的氧化.Na^+、Cl-、Mg^(2+)在粗、细粒子中呈双峰型分布;K^+在0.43~1.10μm呈单峰型分布;F-、Ca^(2+)在粗粒子中出现峰值.观测期间,PM2.1和PM9.0中总水溶性离子的年均质量浓度分别为(32.68±15.28)μg·m^(-3)和(48.01±19.66)μg·m^(-3),且浓度具有相似季节变化特征,均表现为冬季>春季>夏季>秋季.大部分离子(Na^+、NH~_4^+、K^+、Cl-、NO_3^-、SO_4^(2-))浓度表现为冬春季偏高,夏秋季偏低;而少数离子(F-、Mg^(2+)、Ca^(2+))浓度在秋季最低,其他季节浓度变化稍有不同.SNA是PM2.1中最主要的水溶性离子;而PM9.0中水溶性离子的主要成分除了SNA外,还包括Ca^(2+).PM2.1和PM9.0中阳离子总浓度明显高于阴离子,且不同离子间均具有一定的相关性.主成分分析结果表明,该地区水溶性离子的主要来源包括机动车尾气的排放源、燃烧源、土壤源和建筑道路扬尘.分析气象因素的影响,发现气温对二次离子的生成有明显关系(P<0.05),而相对湿度、风速的影响则不显著(P>0.05). | 李彦沛 郝庆菊 温天雪 吉东生 刘子锐 王跃思 江长胜 | 2018 | 环境科学2018，39，9： | 3 |
| 17 | A monitoring-modeling approach to SO_4^(2-) and NO_3^- secondary conversion ratio estimation during haze periods in Beijing, China显示文摘SO_4^(2-) and NO_3^- are important chemical components of fine particulate matter(PM_(2.5)),especially during haze periods.This study selected two haze episodes in Beijing,China with similar meteorological conditions.A monitoring-modeling approach was developed to estimate the secondary conversion ratios of sulfur and nitrogen based on monitored and simulated concentrations.Measurements showed that in Episode 1(24th–25th October,2014),the concentrations(proportions)of SO_4^(2-) and NO_3^- reached 35.1μg/m^3(14.9%) and 55.0μg/m^3(22.9%),while they reached 14.4μg/m^3(9.3%) and 59.1μg/m^3(38.1%)in Episode 2(26th–27th October,2017).A modeling system was applied to apportion Beijing's SO_4^(2-) and NO_3^- in primary and secondary SO_4^(2-)/NO_3^- emitted from local and regional sources.Thus,secondary conversion contributions considering the local and regional level were defined.The former primarily focused on Beijing atmospheric oxidation ability and the latter mainly considered the existence form of Beijing SO_4^(2-)/NO_3^- under the regional transport impacts.Finally,secondary oxidation ratios were estimated through combining secondary conversion contribution coefficients for simulated and monitored concentrations.At regional level,sulfur oxidation ratios in polluted(clean)days during two sampling periods were0.57–0.72(0.07–0.52)and 0.74–0.80(0.08–0.61),nitrogen oxidation ratios were 0.20–0.29(0.05–0.15)and 0.34–0.38(0.02–0.29),indicating that atmospheric oxidation was enhanced when considering regional transport through 2014–2017.At the local level,sulfur oxidation ratios were 0.66–0.71(0.04–0.48)in haze(clean)days,while nitrogen oxidation ratios were0.16–0.29(0.02–0.16).The atmospheric oxidation ability markedly increased in PM_(2.5)pollution days,but changed only slightly between the two periods. | Xiaoqi Wang Wei Wei Shuiyuan Cheng Chong Zhang Wenjiao Duan | 2019 | Journal of Environmental Sciences2019，31，4： | 3 |
| 18 | Exploring the heavy air pollution in Beijing in the fourth quarter of 2015: assessment of environmental benefits for red alerts显示文摘 | Teng NIE Lei NIE Zhen ZHOU Zhanshan WANG Yifeng XUE Jiajia GAO Xiaoqing WU Shoubin FAN Linglong CHENG | 2018 | Frontiers of Earth Science2018，12，2： | 2 |
| 19 | Size distribution,directional source contributions and pollution status of PM from Chengdu,China during a long-term sampling campaign显示文摘Long-term and synchronous monitoring of PM_(10) and PM_(2.5)was conducted in Chengdu in China from 2007 to 2013. The levels, variations, compositions and size distributions were investigated. The sources were quantified by two-way and three-way receptor models(PMF2, ME2-2way and ME2-3way). Consistent results were found: the primary source categories contributed 63.4%(PMF2), 64.8%(ME2-2way) and 66.8%(ME2-3way) to PM_(10), and contributed 60.9%(PMF2), 65.5%(ME2-2way) and 61.0%(ME2-3way) to PM_(2.5). Secondary sources contributed 31.8%(PMF2), 32.9%(ME2-2way) and 31.7%(ME2-3way) to PM_(10), and35.0%(PMF2), 33.8%(ME2-2way) and 36.0%(ME2-3way) to PM_(2.5). The size distribution of source categories was estimated better by the ME2-3way method. The three-way model can simultaneously consider chemical species, temporal variability and PM sizes, while a two-way model independently computes datasets of different sizes. A method called source directional apportionment(SDA) was employed to quantify the contributions from various directions for each source category. Crustal dust from east-north-east(ENE) contributed the highest to both PM_(10)(12.7%) and PM_(2.5)(9.7%) in Chengdu, followed by the crustal dust from south-east(SE) for PM_(10)(9.8%) and secondary nitrate & secondary organic carbon from ENE for PM_(2.5)(9.6%). Source contributions from different directions are associated with meteorological conditions, source locations and emission patterns during the sampling period. These findings and methods provide useful tools to better understand PM pollution status and to develop effective pollution control strategies. | Guo-Liang Shi Ying-Ze Tian Tong Ma Dan-Lin Song Lai-Dong Zhou Bo Han Yin-Chang Feng Armistead G.Russell | 2017 | Journal of Environmental Sciences2017，29，6： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员