下载文档原格式
西安市大气颗粒物中水溶性无机离子的季节变化特征西安市大气颗粒物中水溶性无机离子的季节变化特征摘要：本文通过采集西安市大气颗粒物样品，并分析样品中水溶性无机离子的含量，研究了这些离子在不同季节中的变化特征。
结果表明，西安市大气颗粒物中水溶性无机离子的含量存在明显的季节变化，其中冬季含量最高，春季次之，夏季最低。
与此同时，硫酸盐和硝酸盐是主要的水溶性无机离子组分，而氯化物和铵盐的含量相对较低。
针对这些结果，我们分析了产生这种季节变化的主要原因，并提出了一些建议来改善西安市的空气质量。
关键词：大气颗粒物；水溶性无机离子；季节变化；西安市；空气质量1. 引言大气颗粒物是指空气中悬浮的微小颗粒物质，也是空气污染的主要来源之一。
其中，水溶性无机离子是大气颗粒物中的重要组成部分，对空气质量和环境健康具有重要影响。
了解大气颗粒物中水溶性无机离子的季节变化特征，能够为制定相应的环境保护政策和减少大气污染提供科学依据。
2. 实验与方法2.1 样品采集本次实验于2019年在西安市选取了四个采样点，分布在城区、郊区和工业区，每个采样点每个季节采集1个月的样品。
使用大气颗粒物采样器采集颗粒物样品，并将样品保存在密封容器中。
2.2 样品分析对采集到的样品进行水溶性无机离子含量的分析，使用离子色谱仪测定硫酸盐、硝酸盐、氯化物和铵盐的含量。
3. 结果与讨论3.1 水溶性无机离子的季节变化对采集到的样品进行分析发现，西安市大气颗粒物中水溶性无机离子的含量在不同季节中存在明显的变化。
具体来说，冬季水溶性无机离子的含量最高，春季次之，夏季最低。
3.2 水溶性无机离子的主要组分通过离子色谱仪测定结果发现，硫酸盐和硝酸盐是水溶性无机离子的主要组分，分别占总离子含量的40%和30%左右。
其他离子如氯化物和铵盐的含量相对较低。
4. 结果分析4.1 季节变化原因分析水溶性无机离子的季节变化主要受到气象条件和人类活动的影响。
冬季气温低，大气湿度高，有利于颗粒物悬浮；同时，冬季供暖引起的燃烧排放增加了硫酸盐和硝酸盐的含量。
华南地区ec和水溶性离子粒径分布特征
华南地区的水系统以江河、湖泊为主，沿海沿岸受到沿海沿岸的比相对较强的潮汐的影响。
平原河流的原水，有无机物质和有机物质，有混合离子、碱性、卟啉离子和其他金属离子等水溶性离子组成。
在浅海海水系统中，士莱敌四聚氮元素是天然的营养盐，随着来源于海面上沿岸土壤的沉淀物以及受海水混合离子的影响，地区的EC和水溶性离子颗粒的粒径分布特征也会发生变化。
在华南地区，EC和水溶性离子颗粒粒径分布特征有：1）EC和水溶性离子含量相对均衡，EC的范围在0.01~0.81ms/cm之间；2）离子组分以Cl-、HCO3-、Na+和Ca2+、SO4 2-等为主，比重分别占48.6%、23.7%、14.8%、7.46%、3.32%；3）磷盐离子（PO43 -）含量极低，仅占0.08±0.02（mg/L）；4）水溶性离子颗粒粒径在0.005~9.9um之间，有些以高分子颗粒和离子结合的形式存在，有的以大分子的形式存在，有的则是以小分子的形式存在；5）水溶性离子颗粒粒径分布特征为三峰分布，分别为0.005~0.20um，
0.21~0.50um， 0.51~9.9um，其中0.005~0.50um的离子颗粒比例为69.09%, 0.51~9.9um 的离子颗粒比例为30.91%。
知库环境化学第41卷第6期2022年6月Eco-Environmental ENVIRONMENTAL CHEMISTRY Vol.41,No. 6 June 2022Knowledge Web _____________________________________________________________________D01:10.7524/j.issn.0254-6108.2021020304陈耶沙，叶芝祥，袁小燕，等.2018年成都市PM25中水溶性无机离子污染特征及来源解析[J].环境化学，2022, 41(6): 2062-2074. CHEN Yesha, YE Zhixiang, YUAN Xiaoyan, et al. Characteristics and source apportionment of water-soluble ions in PM25during 2018 in Chengdu[J]. Environmental Chemistry, 2022, 41 (6): 2062-2074.2018年成都市P M2.5中水溶性无机离子污染特征及来源解析陈耶沙1叶芝祥袁小燕2郭生鑫2(1.成都信息工程大学资源环境学院，成都，610000; 2.四川省生态环境科学研究院，成都，610〇41)摘要为了探究成都市P M2.5水溶性无机离子的污染特征与来源贡献，于2018年1月1日一 12月31日利用高分辨率的M A R G A对P M2.5组分展开在线监测，结合同一点位的气态污染物、气象参数监测数据进行分析.结果表明，水溶性无机离子与P M2.5具有相同的月变化趋势，水溶性无机离子月均浓度为10.35—39.6〇n g.m-3,在P M2.5中的占比为31%—51%,水溶性无机离子是P M2.5的重要组成部分.N〇I在水溶性无机离子中月均占比以丨2月最高，8月最低，SO〗—刚好与之相反.大气长期处于富氨状 态，二次离子主要以（NH4)2S04、NH4N03、NH4C1的形式存在，SOR在冬季12月与夏季8月分别出现 高值0.61与0.5，但N O R只在冬季出现高值旦均低于SOR, S02的二次转化率更高，且两者受到的影响 因素不同.通过对不同污染水平及不同湿度下水溶性无机离子的污染特征分析发现在污染加重或湿度增 大时，NOj在水溶性无机离子中的占比最高且上升趋势明显，50〗_在水溶性无机离子中占比却出现了不 同程度的下降，结合离子的存在形式及二次转化特点分析发现有大量的NOj生成，同时与NH4+结合生成 二次无机盐使颗粒物浓度升高.利用PMF模型解析发现成都市的水溶性无机离子主要来源为机动车排放 源、化石燃料燃烧源、生物质燃烧源以及扬尘源.关键词成都市，P M2.5，水溶性无机离子，污染特征，来源解析.Characteristics and source apportionment of water-soluble ions inPM2.5 during 2018 in ChengduCHEN Yesha' YE Zhixiang1*YUAN Xiaoyan1GUO Shengxin1(1. Chengdu University of Information Technology, College of Resources and Environment, Chengdu, 610000, China；2. Sichuan Academy of Environment Sciences, Chengdu, 610041, China)Abstract To understand the pollution characteristics and sources of water-soluble inorganic ions in PM25in Chengdu, PM25samples and its chemical composition were serially online monitored by using MARGA from January 1to December 31, 2018 continuously, and combed with environmental monitoring data and meteorological monitoring data at the same point, composition characteristics of water-soluble inorganic matter were analyzed. The results show that the water-soluble inorganic ions have the same monthly variation trend as PM2 5. The average monthly concentration of water-soluble inorganic ions range from 10.35一39.60 accounting for 31%—51% in PM2 5, indicating that water-soluble inorganic ions are the major components of PM2 5. The monthly average proportion of NO3in water-soluble inorganic ions is the highest in December and the lowest in August, while that ofSO^ is just the oppsiote. The atmosphere is rich in ammonia, and the secondary ions mainly exist in the forms of (NH4)2S04、NH4N03、NH4C1. The high value of SOR is 0.61 in December and 0.50 2021 年2月3 日收稿(Received: February 3，2021).* 通信联系人Corresponding author，Tel: 138****1580,E-mail:*****************6期 陈耶沙等:2018年成都市P M25中水溶性无机离子污染特征及来源解析 2063in A u g u s t,H o w e v e r,N O R is only high in winter a n d lower than S O R,the secondary conversion rate o f S02is higher,a n d the t w o are affected b y different factors.After the analysis o f the pollutioncharacteristics o f water-soluble inorganic ions at different pollution levels a n d different hum i dit y,i t isf ou nd that the proportion o f N O3in water-soluble inorganic ions is the highest a n d the increasingtrend is obvious w h e n the pollution or the humidity increases,while the proportion o f S〇4_in water-soluble inorganic ions deacreased to different degrees.Analysis o f the existing f o r ms o f ions a n d thecharacters o f secondary conversion,i t is f o u n d that a large a m o u n t o f N O;is generated b ytransformation,at the s a m e t ime,i t c o m b i n e s with N H4to generate secondary inorganic salts,w h i c hincreased the concentration o f particulate matter.B a s e d o n P M F m o d e l analysis,i t is s h o w n that them a i n sources o f water-soluble inorganic ions in C h e n g d u are vehicle emission,fossil fuelc o m b u s t i o n,b i o m a s s burning a nd d u s t.K e y w o r d s c h e n g d u,P M2s，water-soluble inorganic ions,pollution characteristics,sourcea p p o rtionment.大气细颗粒物(P M2.5)具有组成复杂、来源广泛等特点，由于其在城市中具有停留时间长、覆盖范 围广、影响能见度[1]、增加人类罹患心血管疾病、哮喘、肺癌等疾病概率121的特性，现已经成为城市大 气污染防治的研究重点.P M2.5从来源上被分为一次颗粒物与二次颗粒物'二次颗粒物是由人类活动 如交通、燃煤、工业生产、喷涂以及秸杆燃烧等产生的气态污染物(N H3、N O,、S02)经过二次转化所 形成的颗粒物，当前二次颗粒物已成为了城市大气污染的重要组成部分.p m2.5的主要成分可以分为有 机物、元素碳、地壳元素、以及水溶性无机离子(W S I i n W S I I是P M2.5的重要化学成分，它们可以占 据颗粒物总质量的 60%—70%[5】，主要包括S O〗-、N O;、C l、F、N02-、P O〗'N a‘、K+、M g2、C a2+、N H J 等，其中3种二次离子硫酸盐（S O〗_)、硝酸盐(N C^)以及铵盐(N H4+)共称为S N A,它们能够占到W S I1的75%以上1671，一般认为S O f来源于S02与O H自由基的气相氧化反应，也可以通过与颗粒物或空气 中的液态环境接触从而发生非均相反应生成[81,N O;和N H4+可以通过\(^及N H3在空气中的氧化、气- 粒转化、非均相反应等方式形成，有研究表明在白天光照较强的条件下，气态亚硝酸(H O N O)通过光解 反应产生的自由基能加速硝酸盐浓度升高'而高温则有利于N O j以气态的形式存在I，同时大气 中铵盐的存在形式也受温度主导的热力学平衡所影响|i n，转化机理表达了二次颗粒物污染由气象条件 与污染排放源共同控制.成都市位于四川盆地西部，海拔较低，是全国四大灰霾污染高发地之一[|21,近年来已有多位学者对 成都市P M2.5中水溶性无机离子的浓度水平、季节分布变化以及来源特点进行了研究[13—14]，而部分沿 海地区的学者已经开始利用在线连续监测系统对水溶性无机离子的结合方式、转化能力等方面进行 分析，如高杰等[15]利用飞行时间气溶胶质谱仪研究了上海市不同季节不同时段二次转化的反应机理，廖碧婷等_通过M A R G A离子在线分析数据对广州地区二次无机离子(S O!-、N03\N H4+)的季节变化 与日变化特征进行了研究，并对典型污染过程中二次无机离子的存在形式以及与气象条件的相关性进 行了分析，陈慧忠[171利用高时间分辨率的离子数据对P M2.5中各类水溶性无机离子的时间变化特征与 来源进行了分析，同时也探讨了一次沙尘天气中各类水溶性无机离子的变化趋势.成都市近年来处于 高速发展中，工业产值不断提高，城市规模也逐渐的扩大，但随之而来的是大量污染物排放入空气中, 现如今大气污染已经成为限制成都市发展的重要因素，本研究利用高时间分辨率的M A R G A分析仪 对成都市2018年P M2j中的水溶性无机离子组分进行分析，旨在厘清颗粒物中水溶性无机离子的污 染特征，为今后成都市的P M2.5治理工作提供科学依据.1实验部分(Experim ental section)观测地点位于四川省环境保护科学研究院楼顶，监测点地理坐标为N30°3748"，E104°4'12".采样 点东临交通要道人民南路，西、南两侧均为住宅区，北侧临近街道，周边由商业、住宅、交通道路共同2064环 境化学组成.观测设备为瑞士万通M A R G A 在线监测仪（M onitor for A erosols and G ases in A m biant Ai r ),该设 备由进样系统和检测系统组成，进样系统包括控制气体流量的进样泵、气蚀器、蒸汽发生式气溶胶收 集器(S J A C )以及分离气溶胶与气流的旋风分离器，检测系统则由阴阳离子色谱及电导检测器组成.通过 MARGA 获得了 2018 年时间分辨率为小时的SO!-、NO;、Cl-、F_、Na+、K+、Mg2+、Ca2+、NH:质 量浓度数据，同时利用EcoTech 的EC 系列监测仪器获得了同期的S02、N02数据，利用BAM 仪器在 线监测了 PM2.5的质量浓度，并使用VantagePro 监测了同期的气象数据.实验共获得8760 h 的监测数 据，在进行数据的质量控制时首先利用仪器程序的判定结果排除异常值，随后对监测期内每一天的数 据进行筛查,将明显超出事实理论与实际相差甚远的数据筛除，若某日的离子数据少于20 h ，则将该曰 期的数据全部剔除，最终得到7920 h 的有效数据.41卷2 结果与讨论(Results and discussion)2.1 P M2.5及W S I I 月份变化特征成都市2018年P M 2.5的年均质量浓度为54.18 n g .m -3,月均浓度范围为28.77—81.60 n g m —3, 1月 和2月的质量浓度分别为81.60 n g m -3、76.36 n g .m -3,与国家《环境空气质量标准》(G B 3095—2012)中 规定的P M 2.5二级年平均浓度限值(235 n g _m -3)相比达到了 2倍以上，与同期其他城市相比，成都市2018年1月P M 2.5浓度与武汉、南京相当，低于西安、郑州但远高于重庆、上海、广州等地™，在全国74个重点城市中排名靠后.W S I I 的年均质量浓度为23.07 n g m -3,与国内其他城市相比高于武汉（19_70 n g n T 3)【191,与沈阳 (27.95 |i g .m _3)p °】、西安（25_40 n g .m _3)pl ]相当，但低于郑州（42.70 n g .n T 3)1221、太原（30.83 n g .m _3)p 3】. P M 25与W S I I 的质量浓度月变化情况如图1所示.■ P M 2.5W S 1IS N A /P M 2 5 _ W S I I /P M 2 5Fig.l Jan Feb M a r A p r M a y Jun Jul A u g Sep Oct N o v D e c图1 PM2.5及WSII 浓度月变化特征Monthly variation characteristics of PM2 5 and WSII concentrations从图1可以发现，W S I I 的月均质量浓度范围为10.35—39.60 n g + m 3，P M 25与W S I I 具有相同的月 变化趋势，其峰值与谷值均出现在1月与9月，W S I I 在P M 25中的月均占比范围为31%—51%，年平均占比为42%, 11月至3月期间W S I I 浓度均维持在28 n g m -3以上，W S I I 的占比也维持在45%以上，从 相邻月份的W S I I 浓度变化值来看，3月到4月W S I I 减少了 10.37 n g m -3,同时在PM 25的占比减少了 16.24%，由此可见3月以后W S I I 的浓度降低，同时W S I I 在PM 2.5中的占比也大幅减小，表明有除W S I I 以外的物质向颗粒物补充，此时正值春季，可能源于成都市土壤、建筑、道路扬尘源对颗粒物贡 献的提高1131,而9月以后PM 25以及W S I I 的浓度开始进人快速增长的状态，9至11月期间P M 2.5及 W S I I 的增量分别为34.26 n g m -3、18.26 n g .m -3,增长率高达129%、176%，同时W S I I 在P M25中的占比 也在不断的增加，从39%增涨至47%，此外S N A 在P M …中的占比与W S I I 基本一致，增加的W S I I 中o /o o i M W c w u J w d 000006 5 4 3 206 5 4 32(T U I.3r l )/U O I J 2c v 3u o u N —ns ^.v *s t vv >s £n V K 1•W W W M »S 3.•.W7In6期 陈耶沙等:2018年成都市P M 25中水溶性无机离子污染特征及来源解析 2065有93%的离子是由SN A 的增长所致，由此可见进入秋季后水溶性无机离子中二次离子的生成是导致 PM25增多的重要原因.此外与国内其他城市冬季污染期相比，WSII 在PM 25中的占比远高于相同离子 污染水平的城市(沈阳35%、西安40%).综上所述，成都市WSII 的浓度水平高且分布范围广还具有较 强的月变化特征，总体呈现出秋冬高，春夏低的趋势，WSII 作为PM 25的重要组成部分在冬季对 PM2 5的贡献最大.2.2水溶性无机离子组成特征2.2.1二次转化能力硫氧化率（SOR )和氮氧化率（NOR )通常用来表示气态前体物转化为二次离子的程度，SOR 、 NOR 值越大便有更多的S 02、？^02通过二次转化成为了二次气溶胶粒子.（SOR 、NOR 计算见式(3)、 式⑷）S O R = ^[S 〇n 2 («[S O ^] + n [S O ^])(1)^n [N O '] N O R - 3J (2)(«[N 〇- +«[N 02])SOR 与NOR 的月变化情况如图2所示.从图2可以发现，SOR 的月变化规律表现出明显的季节 特征，冬季SOR 最高，12—2月期间均高于年平均值0.43,且在12月达到峰值0.61，夏季次之，6、7月 份的SOR 分别为0.42、0.43,但8月增长至0.50,其余季节的SOR 较低分布在0.30左右，有研究表明 当SOR 大于0.1时就存在光化学氧化反应转化而成的S O p '由此认为成都市全年中S02均能参加二 次转化反应，但相比于西安、太原等城市夏高冬低的特征，成都市冬夏两季的SOR 都偏高，这可能与 成都市夏季高温、辐射强度大有利于光化学反应、而冬季湿度较高静稳天气频发有利于非均相反应发 生有关1251. NOR 的月变化规律呈现出U 型变化，即冬季向夏季逐级递减的特征，10—3月的NOR 均大 于0.1表明期间有二次反应发生，12月达到峰值0.17, 4—9月的NOR 均小于0.1，表明4—9月的 NOj 主要来源于一次排放NOR 的变化特点可能主要与温度有关，冬季温度较低有利于v 以颗粒态的 形式存在,而夏季高温则有利于NO ;以气态的方式存在.图 2 S O R 和N O R 月变化特征Fig.2 M o n t h l y variation of S O R and N O R主要城市的冬季SOR 、NOR 分布情况如表1所示.从表1中可以发现，南方城市的SOR 普遍高于 同期北方城市，南方普遍降雨更多相对湿度更大，因此冬季成都高水平的SOR 可能主要源于高湿度 下S02在过渡金属的催化下发生的液相氧化反应南方城市普遍呈现出NOR 远小于SOR 的特点，且 成都市冬季SOR 与NOR 的差距在3倍以上，与其余南方城市如杭州、武汉相近，由此可见南方城市可 能受到冬季温度、湿度等环境因素的影响相较于N02更有利于S02通过二次转化生成SC ^，此外与之 前的研究相比[14#成都市的SOR 有所升高，因此需要对其前体物S02的减排加强管控.2066 环 境化学41卷表1主要城市冬季S O R、N O R对比T a ble 1Co m p a r i s o n of S O R, N O R in winter in major cities城市Site沈阳Shenyang北京Beijing天津Tianjin太原Taiyuan郑州Zhengzhou西宁Xining成都Chengdu武汉W u h a n南京Nanjing上海Shanghai杭州HangzhouS O R0.190.270.20.230.260.210.540.480.380.350.40N O R0.150.170.240.130.250.140.160.170.20.170.16文献[20]07][6]P3][22]P9]本研究[3〇][31][32][33]2.2.2二次无机离子结合方式不同城市由于其污染特征不同，颗粒物中二次离子的结合方式也不同，大体分为（NH4)2S04、n h4h s o4、n h4n o3几类(M1，通过n h4+与酸性离子的浓度比可以了解二次离子的结合方式1351.有研究表 明氨会优先与硫酸中和，当[NH4+]/2[SO〗_]摩尔浓度比大于1时，S〇t离子被完全中和，此时二次离子主 要以（n h4)2s o4的形式存在，颗粒物处于富铵状态136],剩余的NH:可以与n h4+或c r结合形成n h4n o3、NH4C1颗粒，若[NH4+]/2[S〇t]小于1则二次离子以NH4HS04的形式存在.NH4+与阴离子摩尔浓度相关 性如图3所示.从图3可以发现，NH4+与SO〗-及总阴离子拟合后斜率分别为2.410、1.002,表明颗粒物中 的二次离子以（NH4)2S04、NH4N03、NH4C1的形式存在，通过对不同月份下离子当量浓度拟合的斜率 对比发现，[NH4+]与2[SO丨-]拟合后斜率均大于1,多数月份在2左右，夏季7、8月最低分别为1.36与1.32, 而10 —12月期间均在3以上且在10月达到峰值3.08,表明全年中NH4+均能将SO〗-完全中和，并且大气 富氨化呈现出春夏向秋冬递增的特征.总阴离子与NH4+拟合的斜率分布在1左右，1一2月小于1,其余 月份均大于1且在12月出现峰值1.09,表明在1—2月期间，阴离子将NH4+完全中和后有所剩余，可能 与阴离子增多有关,其余月份则是NH4+有剩余，与西安、郑州等地相比成都秋冬季节的大气富氨情况更 为严重，虽然春夏季节有所好转但由于其余阴离子减少依旧表现出氨剩余的现象.图 3 N H4+和阴离子摩尔浓度相关性Fig.3 Correlation between N H|and anion molar concentration2.2.3水溶性无机离子污染特征成都市2018年各类水溶性无机离子质量浓度及占比变化如图4所示，离子年均质量浓度顺序为 NO^>SO〗->NH4+>Ca2+>C r>K+>Na+>Mg2+,NO;的年均浓度最高达到了 9.13 ng.m-3,占水溶性无机离子的 38%,与南京吁武汉™、广州_等地以SO〗-浓度最高不同，成都的NO;污染较为明显.Jan Fe b M a r A p r M a y Jun Jul A u g Se p Oct N o v D e cE 3c a 2+ [I l M g h 國 K ，C U l N a ，S X l c r _N H 4* 四 SO〗—_ NO;图4 WSII 月均浓度及占比变化特征Fig.4 Monthly variation of concentration and proportion of W SIISN A 的浓度及占比在不同月份中均表现出较为明显的变化特征，其中SO 〗_、NH4+与PM 25的浓度 变化趋势相似，冬季向夏季不断降低，但在8月出现异常的升高,浓度曲线呈现“W ”型，N 〇i 的夏季浓度 则较为稳定曲线呈现“U ”型.NOj 在WSII 中的占比与其浓度特征相同，冬季12月占比最高达到46%, 而夏季8月最低仅有26%, SO :的占比变化则与之相反，12月占比为22%, 8月占比为43%,导致NOJ 与 SO f 浓度占比出现较大差异的原因可能是,两者主要由其前体物NO ,、S02经过二次转化而来，冬季的 成都因其地理位置影响容易出现空气水平运动弱、大气扩散条件差的静稳天气|381，此时颗粒物在下部 堆积，同时低温高湿的外界环境加速了 N 02、802在颗粒物表面发生非均相反应转化成为二次气溶胶 导致颗粒物浓度增高[391，然而成都冬季N02浓度远高于S02，大量N02向硝酸盐转化导致NOj 占比增 大.夏季SOR 仍旧较高，高温高湿有利于S02的二次转化，但高温会导致NO ;以气态的形式存在_，因 此进人夏季后PM2.5中硫酸盐占比逐渐超过了硝酸盐.NH 丨是二次离子中唯一的碱性组分，其主要来源 于人类排放的NH3与空气中的酸性物质H2S 04、HN 03等结合而生成的铵盐％,其占比则相对稳定，全 年均维持在25%左右，这说明铵盐是成都市颗粒物中不可忽视的组成部分.C 1和K +虽然占比较低但 均在2月出现峰值且变化较为相似表明可能存在同样的来源,Ca2+、Mg 2+两种离子主要来自于土壤扬 尘源且均在5月出现峰值，表明该月扬尘污染严重.2.3不同污染等级下水溶性无机离子污染特性根据中国环境保护部发行的《环境空气质量指数（AQI )技术规定（HJ 633 —2012)》将成都市 2018年观测期的PM 2 5浓度划分为5个等级，每个等级分别对应一个空气质量:优(PM 2.<35 ng 'nT 3)、良 (35—75 pg .nT 3)、轻度污染(75—115 吨 m _3冲度污染(115—150pg .m -3)、重度污染(PM 2.5>150 昭.m _3)， 观测期内空气质量从优到重度污染出现的小时数分别为：3532、3561、420、310、97,其出现频率分别6期 陈耶沙等:2018年成都市P M 2.5中水溶性无机离子污染特征及来源解析20672068环 境化学41卷为:44.60%、44.96%、5.30%、3.91%、1.22%.不同污染等级下各类水溶性无机离子的浓度及占比分布情 况如图5所示，可以发现随着污染程度的加重SN A的浓度从8.57 ng'nT3增长至80.48 gg'nT3,其中 N03_浓度变化最大，从 3.11 ng.m—3增长至 4丨.47 ng.m—3,SO〗—从 3.17 ng m—3增长至 18.14 ng m—3,NH；iA 2.30 ng.m-3增长至20.86 ng_nT3,而其余离子中Cl—的增幅较明显.成都的空气质量从优进人重度污染 的过程中，PM25中WSII的占比从42%增长至50%，表明颗粒物中有大量的水溶性无机离子生成，从 各类离子在WSII中的占比变化情况来看,N〇I的占比不断增大，从34%增长至48%，重污染状态下接 近离子总量的一半，SO〗_从34%持续减小为21%, NH4+的浓度占比则一直稳定在24%左右，当污染等 级达到中度污染及以上时，nh4+超过了 SO〗-成为占比第二的离子，表明水溶性无机离子增长主要由 NO;引起，当污染加重时成都市的大气颗粒物呈现出高含氮量的特征.四优GoodM良M oderateK3 轻度污染Lightly polluted國中&污染M oderately polluted □重度h&Heavi丨y polluted恐 N a+的Cl- K Z)C a2t _M g2+g a K+ d N H: D S O妒□ N O; 100 r rrro80爾NO; SOj NHl K+M g2+Ca2+Cl" Na+Good M oderate Lightly M oderately Heavilypolluted polluted polluted图5不同污染等级下离子特征Fig.5species fraction of WSII in different pollution stages of P M25所有污染等级下N H:与S O〗_结合后均有大量的剩余，随着污染等级的上升，N H:与S O〗_的比值逐渐 增大，这说明它们结合成为(N H4)2S04后剩余的N H:越来越多，所有污染等级下[N H4+]/([N O;]+2[S O!_])均大于1，说明N H4+能够与所有的N O j、S O f结合，随着污染程度的加剧，S O R与N O R表现出一致的增 大趋势，从空气质量为优到重度污染的过程中S O R的值从0.39增大到0.54, N O R则从0.07增大到 0.26,此间N O R增涨了 4倍左右，远高于S O R的1.4倍,重污染天气下N O;和S O〗_的二次转化程度均有 所增加，但N02二次转换的增长速度远高于S02，表明外部环境有利于N O;累积，此时大量的N O j与充 足的N H4+反应生成二次颗粒物是导致颗粒物浓度升高的重要原因，因此针对成都市的重污染天气预警 工作应该采取措施减少空气中氨氮、氮氧化物的排放，例如对机动车采取限号、限行等措施减少 N O,的排放，减少化肥使用量限制氨的排放等.经统计成都市2018年空气质量为重度污染共有4 d,中度污染6d，轻度污染43 d，不同污染等级 中水溶性离子的日变化情况如图6所示，轻度污染与中度污染过程W S I I在P M15中的占比呈现出明 显的“双峰型”变化，分别在7点与19点达到峰值，说明在这两个时间点有较多的水溶性无机离子生 成，重污染过程中W S I I的占比最高达到了 67%,并且其峰值出现时间相较于其他两段污染过程均有 所推迟，推测是由于外部环境的改变使污染累积的时间增长所致.轻度污染与中度污染下水溶性无机 离子浓度均在11点达到峰值，而重度污染则是在22点达到峰值，说明重污染状态下的夜间与其他污 染的午间对水溶性无机离子的生成有利，S N A在非重污染期间与W S I I的变化趋势一致，均表现为白 天高,夜间低，而在重污染状态下N O j及N H4+的浓度变化则出现了差异，N O I表现出夜间高，白天低的特 点，N H4+则在白天的13点以及夜间的22点同时出现高值，由此可见随着污染程度的加重影响二次离 子生成的因素可能在发生改变.此外c r与K+的变化趋势完全相同，它们可能具有相同的来源，而C a2+与M#在轻度污染过程中浓度变化较为明显，在其余污染过程中浓度变化较小，由此推测它们在轻度污染状态下对颗粒物的影响程度较大.6期陈耶沙等:2018年成都市P M 2.5中水溶性无机离子污染特征及来源解析2069H C a 2+ O i M g 2+ m K + _N H lT i m e图6不同污染等级下离子日变化特征Fig.6 Daily variations characteristic of W S I I in different pollution stages of P M2.52.4不同湿度下水溶性无机离子污染特性相对湿度（RH )对离子变化有着重要的影响，有研究表明当成都市污染加重时，其湿度水平也处于 较高的状态|42i .为了研究成都市不同湿度下水溶性无机离子的转化特点，根据McMurryM 在空气中二 次气溶胶形成机制的研究中提出的低湿度（RH <35%)、中湿度（RH =75%)、高湿度条件(RH 295%)下 各类物质的转化与结合方式不同，将相对湿度划分为5个湿度区间：高湿度（RH 295%)、中高湿度 (95%>RH ^75%)、中湿度（75%>RH ^55%)、中低湿度（55%>RH ^35%)、低湿度（RH <35%)，各类湿度出 现的小时数及占比依次为：2760(34.85%)、2545(32.13%)、1482(18.71%)、984(12.42%)、149(1.88%).不同湿度下PM 25的质量浓度水平、W SII 在PM 25中的占比以及超标占比情况如图7所示，其中 超标占比是指某湿度下PM 2.5浓度大于75叩•!!! 5的发生次数与该湿度下测得数据总次数的比值， PMZ 5的平均浓度表现为：中高湿度>中湿度>中低湿度>高湿度>低湿度，与超标占比的变化趋势相同, 中高湿度下颗粒物的平均浓度为52.60 ng 'm 3,有24%的数据超出了 75 ng m -3,表明该阶段的颗粒物 污染最为严重，从低湿度到中高湿度颗粒物浓度不断增长，PM 2.5超过75 ng'm 3的频率也不断增高表 明在相对湿度较高的情况下污染更容易发生，而高湿度状态下颗粒物浓度却出现了降低，其主要原因 可能是在该阶段有降雨发生，而降雨对颗粒物有较强的清除作用.W SII 的占比与湿度水平成正相关, 表明随着湿度增长不断有WSU 生成，这与寿幼平1111提出的湿度增高有利于水溶性无机离子生成的结 论相符.R H ^95% 95%>R H ^75% 75%>R H ^55% 55%>R H ^35% R H <35%图7不同湿度下P M 2.5污染情况1■-J乂」Fig.7 Pollution characteristics of P M 2 5 in different RHy j iii■ iii . iii . iii . iii i iii . iii . iii . iii . ill i 矿 A C^ 矿 A f 矿 ，〇>J ■v ,; 〜； 〇\; A \J ^ »V 〜y ^ / / / ， ^ ，<n \0 、\® «,〇 _\〇 _\o _\o ^ ^ 心々图8不同浞度下离子污染变化Fig.8 Pollution characteristics of WSII in different RH与S N A 不同的是C a 2+、M g ' N a +的浓度随着湿度的升高出现了减小，其在W S I l 中的占比也逐渐 减小，通常来说湿度增大会导致湿清除作用增强，C a 2+、M g ' N a 4的减少表明有一次颗粒物被清除，而 S N A 的增长也可以解释高湿度状态下污染主要受到二次颗粒物生成的影响，不同湿度下离子均以 (n h 4)2s o 4、n h 4n o 3、N H 4C 1的形式结合也从侧面体现了二次颗粒物贡献的影响.2.5离子来源解析为了探究成都市2018年P M 25中W S I I 的来源特征，使用美国E P A 推荐的P M F 5.0软件对离子数 据进行解析.P M F 模型（正定矩阵因子分析法）作为一种先进的因子分析方法，具有可操作性强，不需 要污染源成分谱，仅利用颗粒物的化学组分数据便可解析出颗粒物的来源及贡献率等优点而受到广泛 的应用.P M F 的原理可以简单理解为构建出样品矩阵后将其拆分为污染源的数量及贡献率矩阵，然后 通过最小二乘法将代表真实数据与模拟数据间差异的Q 值降到最低从而使结论的误差最小.通过将8类离子以及P M 2.5的浓度数据输人模型中构建矩阵，解析结果发现当控制因子数为 4时，测M 值与模拟值的拟合结果最好.P M F 模型解析出的因子分布情况如图9所示，因子1中C a :、 M g >的占比较高，由于此类离子在地表尘土以及建筑材料中的含量较高，因此将该因子定义为扬尘源. 因子2中S O 】-比重较大，前文研究提及S O f 主要通过其前体物S 02二次转化而来，而空气中的S 0,则2070 环 境 化学 41卷成都市2018年不同湿度水平下各类水溶性尤机离子浓度及在WSII 中占比分布情况如图8所示, 从SN A 的质量浓度变化来看，从低湿度至中高湿度阶段，SN A 的浓度随着相对湿度的升高而升高，其 中NO ;的增幅最大为3.10 ng .nT 3, SO 〗-最小为1.24 ng ’nr 3, NH4+为1.88阽_m -\高湿度阶段由于受到降雨 的影响会导致离子浓度整体降低因而不将其离子浓度变化纳入考虑，与此同时在各湿度下SNA /f : WSII 中的占比均列前三，表明SNA 是引起WSII 变化的主要W 素，比较SNA 在低湿度段与高湿度段 的占比变化发现，NO ;和NH :的占比从35%和21%增长至41%和24%,而SO 欠的占比却从31%减小至 26%, M 然其浓度均在增长但占比却出现了不M 的变化，结合K 增幅可以发现SN A 的增K 速度有较大 的差异，其中NO ;和NH4+的增长速度较快，而S O f 的增长速度相对缓慢.进一步对不同湿度下的二次转 化能力进行研究，发现SOR 与NOR 随着湿度增大均有一定的增长，SOR 从低湿度的0.42增长至高湿 度的0.44, NOR 则从0.11增长至0.14,其转化程度都在增大这与Zhang 的研究结论相同1271，但NOR 的 增长率为27%远高于SOR 的5%，表明高湿度天气有利于向N 02的二次转化程度增强，NO ;的生成M 增多的方向发展，此外前体物的浓度却出现了不一样的变化，S 02从低湿度的6.87pg'm 3降低至高湿 度的5.59 ng _m -\而N 02则维持在50 ng'm 3左右，有研究发现当NOx 的浓度远超于S 02时，O H 和 H20；；会丨丨丨于参与HN 03生成的反应而降低，从而导致SO 】-浓度增长出现减缓|441，以上原W 共同导致T NO 丨在高湿度条件下成为主要污染物，因此在相对湿度升高时应该减少NO v的排放来达到控制污染的 目的.謂Na’30「CI Ca2+ M g 2*□ N H 4 E l s〇i []N O ;■s o o 6 4o o '/3O X J i s u 33J 3Q -a 111Tlu.33/u .ts b§uo u。
中国东部近海大气气溶胶中水溶性离子成分分析及季节性差异的开题报告一、研究背景与意义：气溶胶是指空气中的悬浮颗粒物，具有广泛的来源和组成变化，包括天然和人为产生的气溶胶。
大气气溶胶不仅影响空气质量和人类健康，还会对气候变化产生重要的影响。
气溶胶成分的研究对了解气溶胶来源、组成特征以及其对环境和人体健康的影响至关重要。
水溶性离子是气溶胶中重要的组成部分之一，包括硫酸盐、硝酸盐、铵盐等。
近年来，随着中国经济的发展和工业化进程的加速，大量的人为资源的消耗导致大气中水溶性离子的浓度及组成发生了显著变化。
因此，对于大气气溶胶水溶性离子成分和其季节变化的研究具有重要的意义。
二、研究目的和内容：本研究旨在探究中国东部近海大气气溶胶中水溶性离子的成分分析及季节性差异。
通过分析不同季节气溶胶中水溶性离子的浓度、成分变化和来源分析，研究季节性变化规律，为城市大气环境改善提供参考。
三、研究方法:本研究采用化学分析方法，通过采集中国东部近海的气溶胶样品，采用离子色谱仪、ICP-MS等设备，分析气溶胶中水溶性离子的成分组成及其浓度。
同时结合气象、环境、人为和自然因素，分析不同季节气溶胶中水溶性离子来源和变化规律。
四、研究意义和预期结果：本研究将揭示中国东部近海大气气溶胶中水溶性离子成分及季节性变化规律，为城市大气环境改善提供参考。
预期结果将包括：（1）不同季节气溶胶中水溶性离子浓度及组成变化；（2）气溶胶水溶性离子来源分析及季节性差异；（3）结合气象、环境、人为和自然因素，探讨影响气溶胶水溶性离子的主要因素，以及其对环境和人类健康的影响。
五、研究难点：本研究面临的主要难点在于找到合适的采样点以及样品加工和质量控制问题。
在采样过程中，需要考虑气象、环境和人为干扰因素的影响，确保采样条件的稳定和一致性。
在样品加工和分析过程中，需严格控制操作条件，确保测试结果的准确性和可靠性。
六、研究期望：通过本研究，将为中国东部近海大气气溶胶中水溶性离子成分及季节性变化规律的探究提供新的依据和数据支撑，为我们更深入地了解气溶胶的来源、成分、变化特征以及对环境和人类健康的影响提供重要的参考和指导。
采暖期大气颗粒物PM1.0和PM2.5中水溶性离子污染特征洪理靖;王琨;黄丽坤;王薇;贾琳琳;王醒;金伊文【期刊名称】《中国环境监测》【年(卷),期】2016(032)004【摘要】为了解采暖期大气PM1.0和PM2.5中水溶性离子污染特征，采集哈尔滨市2014年11月至2015年3月采暖期PM1.0和PM2.5的样品，进而分析其中的水溶性离子（ F－、Cl－、NO3－、SO2－4、Na＋、NH4＋、K＋、Mg2＋、Ca2＋）的质量浓度。
结果表明：PM1.0和PM2.5中的水溶性离子具有相同的变化趋势。
采暖期间PM1.0和PM2.5中9种水溶性离子质量浓度总和分别为25.4～60.7μg／m3和38.8～78.0μg／m3。
在PM1.0和PM2.5中NH4＋、NO3－、SO2－4占比较高，而F－、Mg2＋占比较低。
PM1.0和PM2.5中9种水溶性离子质量浓度均为夜间大于白天。
在PM1.0和PM2.5中，Mg2＋和NH4＋、F－和Cl－呈显著相关，说明它们来自相似的污染源，在PM1.0中的K＋和Ca2＋显著相关，故它们受相似的污染源的影响。
根据酸度与各离子的相关性，得出SO2－4和NH4＋是控制大气颗粒物酸碱性的主要离子。
另外，气象因素对PM1.0和PM2.5的浓度有影响。
【总页数】6页(P98-103)【作者】洪理靖;王琨;黄丽坤;王薇;贾琳琳;王醒;金伊文【作者单位】哈尔滨工业大学市政环境工程学院，黑龙江哈尔滨 150090;哈尔滨工业大学市政环境工程学院，黑龙江哈尔滨 150090;哈尔滨商业大学食品学院，黑龙江哈尔滨 150076;哈尔滨商业大学食品学院，黑龙江哈尔滨 150076;黑龙江省环境保护科学研究院，黑龙江哈尔滨 150056;哈尔滨工业大学市政环境工程学院，黑龙江哈尔滨 150090;哈尔滨工业大学市政环境工程学院，黑龙江哈尔滨150090【正文语种】中文【中图分类】X823【相关文献】1.包头市采暖期大气颗粒物PM10与PM2.5污染水平研究 [J], 张保生;张婉婷2.成都市东区大气颗粒物PM2.5水溶性离子特征 [J], 张梦;黄艺;苏挺;程馨3.乌鲁木齐大气细颗粒物PM2.5水溶性离子浓度特征及其来源分析 [J], 刘新春;陈红娜;赵克蕾;钟玉婷;闫景武4.北京城区灰霾期间大气PM2.5中水溶性离子污染特征及来源研究 [J], 丛晓光;程玲珑;王莉莉;王国安;刘雨思;李杏茹5.采暖期与非采暖期秦皇岛市大气颗粒物污染特征及气象因素相关性分析 [J], 李运志因版权原因，仅展示原文概要，查看原文内容请购买。
中国典型城市冬季大气细颗粒物水溶性离子特征及来源分析林昕;曹芳;翟晓瑶;鲍孟盈;俞绍才;王京鹏;章炎麟【摘要】细颗粒物是大气污染防治的重点内容.分析大气细颗粒物中的水溶性离子组分及其变化,对评价城市空气污染状况和污染物的来源具有重要意义.选取中国东部典型城市长春、北京、上海、杭州和南京作为研究对象,基于2016年11月11日-12月6日大气颗粒物样品采集及其水溶性离子分析,探讨PM2.5中水溶性无机离子浓度变化特征,并利用主成分分析结果分析各类污染源排放对细颗粒物中水溶性离子质量浓度的贡献,以期为区域大气环境质量的改善提供参考依据.结果表明,长春、北京、上海、杭州和南京总水溶性无机离子质量浓度平均值分别为(18.8±9.0)、(34.9±23.3)、(21.8±13.3)、(42.2±21.4)和(62.1±25.9)μg·m-3,占PM2.5质量浓度的33.6％-62.1％.二次离子(SIA,包括NO3?、SO42?和NH4+)在总水溶性离子中占比均超过75.0％,说明SIA是水溶性离子的主要组分.SIA占总水溶性离子浓度的百分比随污染程度增强而增加.硝酸盐为5个城市在污染大气下主要的贡献物种.5个城市站点ρ(NO3-)/ρ(SO42?)随着大气污染程度的增加均有不同程度的增加且大于1,说明含氮污染物逐渐成为大气颗粒物中最重要的污染物.除长春硫氧化率(SOR)均值小于0.1外,其他4个城市SOR和氮氧化率(NOR)均大于0.1,说明北京、上海、杭州和南京站点大气中存在较高程度的SO2和NO2的二次氧化.北京站点NO3?、SO42?和NH4+以NH4NO3和(NH4)2SO4的形式存在,在其他4个城市站点以NH4NO3和NH4HSO4的形式存在.5个城市水溶性离子主要来源为二次转化、扬尘、生物质和煤燃烧.【期刊名称】《生态环境学报》【年(卷),期】2019(028)002【总页数】9页(P307-315)【关键词】冬季;细颗粒物;水溶性离子;大气污染;来源解析【作者】林昕;曹芳;翟晓瑶;鲍孟盈;俞绍才;王京鹏;章炎麟【作者单位】南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心,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/气象灾害教育部重点实验室,江苏南京 2100442;南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心,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/气象灾害教育部重点实验室,江苏南京 2100442;南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心,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/气象灾害教育部重点实验室,江苏南京 2100442;南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心,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/气象灾害教育部重点实验室,江苏南京 2100442;浙江大学环境与资源学院/污染环境修复与生态健康教育部重点实验室/空气污染与健康研究中心,浙江杭州310058;浙江大学环境与资源学院,浙江杭州 310058;南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心,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/气象灾害教育部重点实验室,江苏南京2100442【正文语种】中文【中图分类】X16近年来，随着中国经济、工业的迅速发展，城市化进程逐渐推进，大气污染问题日趋严峻，霾问题已成为中国当前亟待解决的难点和重点问题。
