上海市淀山湖区域灰霾天大气颗粒物中碳组分的污染特征

上海市淀山湖区域灰霾天大气颗粒物中碳组分的污染特征孙运筑;修光利;段玉森;伏晴艳
【摘要】采集了上海市淀山湖区域201 5年3月至201 6年2月灰霾天大气颗粒物中PM2.5样品,重点分析了其中碳组分的污染特征.结果表明,PM2.5年均质量浓度为(69.01±37.05)μg/m3,数值与有机碳(OC)、元素碳(EC)和水溶性有机碳(WSOC)显著相关,相关性大小与灰霾程度有关.OC、EC的年均质量浓度分别为(4.46±3.41)μg/m3和(2.15±1.31)μg/m3,呈现冬季高、夏季低的趋势,两者显著相关,相关性大小同样与灰霾程度有关.WSOC的年均质量浓度为(2.07±1.40) μg/m3,春季高于冬季,且灰霾天质量浓度大于非灰霾天相应值.碳组分对大气能见度的影响较大,需得到控制.
【期刊名称】《华东理工大学学报（自然科学版）》
【年(卷),期】2019(045)003
【总页数】9页(P440-448)
【关键词】灰霾;PM2.5;有机碳(OC);元素碳(EC);水溶性有机碳(WSOC)
【作者】孙运筑;修光利;段玉森;伏晴艳
【作者单位】华东理工大学资源与环境工程学院,国家环境保护化工过程环境风险评价与控制重点实验室,上海市环境保护化学污染物环境标准和风险管理重点实验室,上海200237;华东理工大学资源与环境工程学院,国家环境保护化工过程环境风险评价与控制重点实验室,上海市环境保护化学污染物环境标准和风险管理重点实验室,上海200237;上海市环境监测中心,上海200233;上海市环境监测中心,上海200233
【正文语种】中文
【中图分类】X513
灰霾污染在我国京津冀、长三角和珠三角等地区频繁出现，直接威胁着人群的健康。

颗粒物的氧化性是灰霾引发肺癌等疾病爆发的重要因素之一，与颗粒物的组成密切相关[1]。

碳组分是大气颗粒物中重要成分，甚至是重霾期间颗粒物的绝对优势组分，而且碳组分对全球气候变化也有着潜在的影响。

碳组分带来的颗粒物在环境化学意义上的不确定性以及复杂性使其成为大气环境化学中的研究热点[2-6]。

大气颗粒物中的碳组分可分为有机碳（Organic Carbon, OC）、元素碳（Elemental Carbon, EC）和碳酸盐碳。

其中碳酸盐在碳组分中的含量较少，一
般不予考虑。

有机碳的来源可以直接来自污染源的排放，也可以来自污染物在大气滞留期间的大气光化学反应；元素碳主要来自于化石燃料或生物质等的不完全燃烧[7-8]。

因此，二者之间的区别可用来判别大气污染的来源[9-10]。

OC可分为水溶性有机碳（Water-Soluble Organic Carbon, WSOC）和非水溶
性有机碳（Water-Insoluble Organic Carbon, WIOC）[11-12]。

WSOC 通常被定义为：存在于大气气溶胶中能够通过水作为溶剂提取出来的有机物质，主要包括二元羧酸、酮酸、二羰基化合物、长碳链的脂肪酸和短链的一元羧酸等[13-14]。

研究发现，WSOC是云凝结成核的成因之一，对大气能见度以及酸雨都有一定的
影响，甚至与灾害天气的形成有关[15-16]。

很多研究发现WSOC中羧酸测定的
比例很低，另一部分由类腐殖质碳（Humic-Like Substances Carbon, HULIS-C）等组成[17]。

现有的研究多关注大气颗粒物中各类碳组分浓度的日变化和季节变化规律等，而鲜有对颗粒物中碳组分与灰霾污染关系的探讨。

本文对上海市淀山湖区域大气细颗粒
物（PM2.5）中碳组分污染特征进行了分析，监测点设置在青浦区淀山湖附近[18]，重点分析了灰霾污染天PM2.5中碳组分的污染特征，通过分析组分浓度的变化规
律和相关性，研究其对霾污染的贡献，为灰霾天气的成因、控制、预防和溯源提供依据，为上海市空气质量的改善对策制定提供参考。

1 研究方法
1.1 样品采集
采样点位于上海市青浦区淀山湖空气自动监测站（E120°58′40.8″—
N31°5′36.6″），约 10 m 高度处，采样点地理位置如图1所示。

该地区位于上海市的西北部，是连接江苏和上海的边界地带，周边无重大污染源。

采样时间选定为2015年3月3日至2016年2月3日，覆盖春（3月3日～5月18日）、夏（6月 2日～8月 23日）、秋（9月 6日～11月 24日）、冬（12月 8日～次年 2
月 3日）四季，10:00至次日10:00，连续 24 h，每个季度选取 18 个样品，共
72 个样品。

采样使用的是美国TISCH公司的大流量空气采样器系列中型号为TE-6070V-2.5-HVS的大流量PM2.5采样器以及美国PALL公司的石英滤膜，形状为 25.4
cm×20.32 cm 的矩形。

图 1 采样点地理位置示意图Fig. 1 Sampling site of geographical locations
1.2 样品分析
PM2.5质量浓度分析使用的是称重法，采用分析天平（精确到万分位）进行称量。

实验使用 DRI Model 2015 多波长热光碳分析仪分析OC和EC，遵循IMPROVE_A的热光反射实验方法[19]。

每测试1个样品，给出8个组分OC1（室温～140 ℃）、OC2（140～280 ℃）、OC3（280～480 ℃）、OC4（480～580 ℃）、EC1（580 ℃）、EC2（580～740 ℃）、EC3（740～
840 ℃）、OP（裂解碳）。

总有机碳为OC1、OC2、OC3、OC4和OP的总和，
总元素碳为EC1、EC2和EC3的总和扣除 OP 的值，总碳（Total Carbon, TC）
即两者的总和。

根据不同OC组分沸点的定义，将其分为两类，即非挥发性有机物NPVOC （OC3、OC4、OP 之和）和挥发性有机物PVOC （OC1、OC2之和）。

EC 可被分为燃料燃烧后固体残渣中的EC（char-EC, EC1中去除OP）和燃烧后高温气相的挥发物质再凝结形成的EC（soot-EC, EC2与 EC3总和）两部分。

测试前，采用陶瓷刀分割滤膜，取滤膜中心区域的部分放入仪器进行测定，切割面积确保大于0.5 cm2即可满足测定要求，分析时由仪器自身系统控制，测定面积控制
为0.495 cm2。

WSOC分析使用的是日本岛津公司型号为TOCVCPN 的 TOC（Total Organic Carbon）仪，将滤膜剪碎后置于25 mL锥形瓶中，加入10 mL超纯水，超声波
振动 30 min，用孔径为0.45 μm 的微孔滤膜过滤，得到清澈透明的滤液，再用TOC仪测定TOC值，即为WSOC值，WIOC值可由OC与WSOC数值之差而得。

1.3 霾污染的定义
根据《霾的观测和预报等级》（QXT113−2010）的定义，在气象意义上，相对湿度大于95%时被称为雾，在95%～80%之间被称为湿霾，小于80%时则被称为干霾。

在出现霾时，以10 km为分界，能见度小于10 km时就属于灰霾现象，在5～8 km时属于中度灰霾现象，在3～5 km时属于重度灰霾现象，在小于3 km
时则是严重的灰霾现象。

1.4 相关性研究方法
相关性分析使用一元线性回归，将相关系数与相关系数临界值γ（α, n−2）比较，其中α 为显著性差异水平，本文中取为0.05；n为样本个数，n−2为自由度，若相关系数大于相关系数临界值γ（α, n−2）则说明两组数据相关性显著，反之则
说明两组数据无相关性。

本文中的相关性分析用T检验验证，所有T检验结果与
一元线性回归结果一致。

1.5 采集与分析
采集PM2.5样品前，石英滤膜需用防静电铝膜包裹，放入马弗炉，500 ℃ 下烘烤5 h，冷却至室温后再放入恒温恒湿箱（（25±1）℃、相对湿度（40±5）%），放置24 h后方可用于采样。

采样结束后，滤膜需置于冰柜中（−18 ℃）保存，待后续进行成分分析。

采集PM2.5样品前后的称量，均使用精度为0.01 mg的分析天平，每片滤膜均需称量3次，并取平均值，误差应小于0.03 mg，否则继续称量，直至误差小于0.03 mg。

每批次样品在OC和EC分析前均使用标准溶液进行校正，并测量空白样品。

每个月采集1个现场空白样，取OC和EC含量均值作为本月本底值扣除，质量浓度均低于实际样品的1%。

使用TOC仪测样时均用标准溶液进行校正，每个样品测试两次，结果取平均值，两次值相对偏差均需满足小于10%，若超出则需分析第3次直至满足要求，本底值也选用每月的现场空白样去除。

2 结果与讨论
2.1 PM2.5及其碳组分浓度水平
2.1.1 PM2.5 质量浓度与空气污染指数（AQI）基于定义，在这72个采样日内，共有灰霾天气42 d，占总采样天数的58.33%。

其中，轻度灰霾天气有19 d，占总采样天数的26.39%；中度灰霾天气有13 d，占总采样天数的18.06%；重度灰霾天气有9 d，占总采样天数的12.50%；严重灰霾天气有1 d，占总采样天数的1.37%。

由于严重灰霾天气仅有1 d，在之后的分析中，将其并入重度灰霾天气。

PM2.5的年均质量浓度为（69.01±37.05）μg/m3，低于华东理工大学徐汇校区2009年PM2.5的年均质量浓度（94.04±57.17）μg/m3，与该采样点 2012 年PM2.5的年均质量浓度（68.44±41.57）μg/m3基本持平[20]。

在非灰霾天气，淀山湖地区PM2.5平均质量浓度为（51.68±21.42）μg/m3，而在灰霾天气，该
地区 PM2.5平均质量浓度为（81.39±40.94）μg/m3。

由此可知，非灰霾天气的PM2.5质量浓度远低于灰霾天气。

经细分发现，轻度、中度、重度灰霾天气，
PM2.5平均质量浓度分别为（51.55±19.58）、（105.57±34.53）、
（106.66±42.95）μg/m3。

将 PM2.5质量浓度与环境中 AQI，包括 PM2.5、PM10、SO2、NO2、O3和
CO 的质量浓度进行比较，相关系数分别为 0.796、0.718、0.546、0.594、
−0.173、0.643，而相关系数临界值γ（0.05, 70）=0.232，结果表明本研究获得的PM2.5的质量浓度与上海市质量公报报告的 PM2.5、PM10、CO、NO2和
SO2的质量浓度都存在显著相关性，且相关性依次减弱，但与O3的质量浓度无
显著相关性。

AQI的极值分别出现在春冬两季，具体为2015年3月14日、2015年12月31
日和2016年1月4日。

对应OC、EC、TC的值也在这3天出现极值，OC质量
浓度均高于10 μg/m3，分别为 14.36、12.76 μg/m3和19.12 μg/m3，TC 的
质量浓度分别为 19.06、18.08 μg/m3和27.01 μg/m3。

OC、EC和TC的最大
值是同一天出现的，即2016年1月4日，因为1月4日是元旦小长假结束后第
1天，前一日的返程高峰和上班日的交通高峰导致的机动车排放可能是造成这些碳组分出现最大值的原因。

这3天对应的大气能见度分别为4.3、3.2 km和3.8 km，能见度情况极差，严重影响出行安全。

2.1.2 OC、EC质量浓度淀山湖区域OC、EC与TC采样期间的平均质量浓度如表1所示。

OC的监测结果发现，其年均质量浓度为（4.46±
3.41）μg/m3，是
PM2.5质量浓度的（6.31±2.37）%；EC年均质量浓度为（2.15±1.31）μg/m3，是 PM2.5质量浓度的（3.25±1.16）%，OC质量浓度远低于华东理工大学徐汇校区2009年及2012 年OC 的年均质量浓度（分别为（13.99±7.63）μg/m3和（10.65±7.17）μg/m3[20]）。

由于青浦淀山湖区域远离市区且周边无明显工业
源排放，所以主要碳组分OC的质量浓度都远低于城市区域的碳组分质量浓度[21]。

由表1可知，OC、EC以及TC的质量浓度都符合冬季>春季>秋季>夏季的规律，呈现出冬高夏低的趋势，冬季质量浓度可以达到夏季的2～3倍。

采样点处于上海西北方向的郊县，周边虽然无明显工业源排放，但恰恰是西北风时北方城市的下风向，冬季明显受到上风向污染源的影响。

上海的气候夏季多雨多台风，仅采样期间对上海地区有影响的台风就有两次，所以夏季污染物的沉降与扩散作用大，污染物质量浓度低。

表1 中也给出了ρ（OC）/ρ（PM2.5）、ρ（EC）/ρ（PM2.5）和ρ（OC）/ρ（EC）的值，冬季明显高于其他季节。

灰霾天气下OC、EC和TC的质量浓度明显高于非灰霾天气，且灰霾程度越大，OC、EC和TC的质量浓度越高。

有机碳通过散射和吸收，元素碳通过吸收，共同贡献了城市的消光度，且元素碳可以作为大气化学反应的载体和催化剂，促进大气化学反应，加重灰霾程度[2]。

表 1 采样期间 OC、EC 与 TC 的平均质量浓度Table 1 Mean mass concentrations of OC, EC and TC during sampling periodAll the value in
the table is （mean value）±（standard deviation）Items ρ（OC）/
（μg·m−3）images/BZ_96_928_436_1087_507.pngρ（EC）/（μg·m−3）images/BZ_96_1479_436_1638_507.pngρ（OC）/ρ（EC）ρ（TC）/
（μg·m−3）Spring 4.51±2.88 5.25±2.05 2.12±1.00 2.56±0.89 2.08±0.48
6.64±3.79 Summer 2.41±1.70 5.35±2.49 1.49±0.58 3.46±1.01 1.55±0.58
3.89±2.20 Autumn 3.95±2.32 6.56±1.70 1.87±0.96 3.17±0.75 2.11±0.45
5.81±3.22 Winter
6.96±4.53 8.07±2.17 3.13±1.82 3.80±1.54 2.22±0.41
10.09±6.28 Light haze days 2.86±1.57 5.58±1.35 1.50±0.69 2.97±0.80
1.91±0.31 4.36±
2.22 Medium haze days 5.94±
3.71 5.66±3.14 2.81±1.18
2.79±1.10 1.98±0.58 8.74±4.85 Heavy haze days 8.40±5.33 7.49±2.54
3.83±1.98 3.71±2.95 2.19±0.64 12.23±7.15 Haze days 5.13±
4.07 6.06±2.40 2.46±1.55 3.09±1.26 2.00±0.50 7.59±
5.55 Non-haze days 3.51±1.86
6.65±2.33 1.72±0.68 3.47±0.97 1.97±0.61 5.23±2.46 Annual mean
4.46±3.41 6.31±2.37 2.15±1.31 3.25±1.16 1.99±0.54 6.61±4.65
2.1.3 WSOC质量浓度淀山湖区域采样期间平均WSOC和WIOC质量浓度如表2所示。

WSOC的年均质量浓度为（2.07±1.40）μg/m3，远低于华东理工大学徐
汇校区2009年及2012年WSOC的年均质量浓度（分别为（5.72±4.85）
μg/m3和（5.34±3.95）μg/m3）[20]。

由于淀山湖周围水气较重，可溶于水的
有机碳组分与水结合后易沉降，造成了WSOC质量浓度偏小。

其变化规律为春季>冬季>秋季>夏季。

虽然夏季的污染物依然最少，但春季污染物质量浓度大于冬季
污染物质量浓度这一点较为反常，其原因可能是春季外来源通过沙尘输送的影响比较大[21]。

WIOC与WSOC质量浓度的季节变化规律不同，这说明淀山湖区域这
两类物质的来源有一定的差异性。

如表2所示，ρ（WSOC）/ρ（OC）和ρ（WSOC）/ρ（TC）的值都呈现出春夏高、秋冬低的规律，表明在春夏两季WSOC是OC中主要污染物，是碳组分中重要污染物。

WSOC和WIOC在灰霾天的质量浓度明显高于其在非灰霾天的相应值，且在碳组分中占有率也更高。

表2指出，灰霾程度越大，WSOC和WIOC的质量浓度越高。

2.1.4 PVOC、NPVOC 质量浓度根据 1.2 节中给出的定义，统计了淀山湖区域采
样期间PVOC和NPVOC的平均质量浓度，结果如表3所示。

表 2 采样期间 WSOC、WIOC 的平均质量浓度Table 2 Mean mass concentrations of WSOC and WIOC during sampling periodAll the value in the table is （mean value）±（standard deviation）Items ρ（WSOC）/
（μg·m−3）ρ（WIOC）/（μg·m−3）ρ（WSOC）/ρ（OC）ρ（WSOC）/ρ（TC）Spring 3.04±1.45 1.48±1.39 0.75±0.28 0.50±0.18 Summer 1.07±0.69
1.34±1.31 0.59±0.50 0.30±0.15 Autumn 1.58±0.93
2.36±1.46 0.40±0.06 0.27±0.05 Winter 2.60±1.46 4.36±
3.230.40±0.09 0.27±0.06 Light haze days 1.52±0.93 1.34±1.32 0.55±0.33 0.36±0.21 Medium haze days
2.70±0.85
3.24±3.09 0.59±0.27 0.37±0.14 Heavy haze days 3.79±2.09
4.61±3.72 0.48±0.14 0.33±0.10 Haze days 2.43±1.55 2.71±2.51 0.55±0.27 0.35±0.17 Non-haze days 1.58±0.98 1.93±1.31 0.52±0.39 0.31±0.13 Annual mean 2.07±1.40 2.38±2.29 0.53±0.32 0.34±0.15
表 3 采样期间 PVOC、NPVOC 的平均质量浓度Table 3 Mean mass concentrations of PVOC and NPVOC during sampling periodAll the value in the table is（mean value）±（standard deviation）Item s ρ（PVOC）/（μg·m−3）ρ（NPVOC）/（μg·m−3）ρ（PVOC）/ρ（OC）ρ（NPVOC）/ρ（OC）ρ（PVOC）/ρ（NPVOC）Spring 2.03±1.11 2.48±1.80 0.46±0.05 0.54±0.05 0.88±0.19 Summer 1.11±0.62 1.30±1.09 0.47±0.24 0.53±0.24 0.92±0.45 Autumn 1.69±0.88 2.25±1.48 0.44±0.05 0.56±0.05 0.81±0.17 Win ter 2.80±1.77 4.16±2.79 0.41±0.04 0.59±0.04 0.70±0.13 Haze days 2.18±1.54 2.95±2.54 0.44±0.06 0.56±0.06 0.80±0.21 Non-haze days
1.52±0.73 1.99±1.17 0.46±0.19 0.54±0.19 0.87±0.47 Annual mean
1.91±1.30
2.55±2.13 0.45±0.13 0.55±0.13 0.83±0.32
由表3可知，PVOC和NPVOC的年均质量浓度分别为（1.91±1.30）、
（2.55±2.13）μg/m3。

PVOC 和NPVOC的质量浓度均符合冬季>春季>秋季>夏季的规律，呈现出冬高夏低的趋势，与OC的季节变化规律相同。

NPVOC与OC的质量浓度比值在夏季最低，而PVOC与OC的质量浓度比值则在夏季最高。

在不同季节里，ρ（PVOC）/ρ（NPVOC）均小于 1，说明OC中非挥发性有机物占比较大。

灰霾污染天的PVOC和NPVOC的质量浓度均大于非灰霾污染天两者对应的质量
浓度，这与OC对灰霾的影响是一致的，说明无论OC的挥发性如何，均能对灰霾污染造成影响。

几乎恒定的ρ（PVOC）/ρ（NPVOC）也需要深入研究，为碳的
转化机制研究提供帮助。

2.1.5 char-EC、soot-EC 质量浓度淀山湖区域采样期间char-EC和soot-EC的
平均质量浓度如表4所示。

char-EC 的年均质量浓度为（2.02±1.35）μg/m3，soot-EC的年均质量浓度为（0.13±0.06）μg/m3。

与 EC 相同，char-EC质量浓度的季节变化规律为冬春季高，秋夏季低；但夏季的soot-EC明显高于其他季节。

灰霾污染天char-EC的质量浓度高于非灰霾污染天，但soot-EC的质量浓度则相反。

表 4 采样期间 char-EC、soot-EC 的平均质量浓度Table 4 Mean mass concentrations of char-EC and soot-EC during sampling periodAll the value in the table is （mean value）±（standard deviation）ρ（char-EC）
/ρ（soot-EC）Spring 2.01±1.02 0.11±0.03 19.62±14.78 Summer 1.29±0.57 0.20±0.05 8.04±4.54 Autumn 1.76±0.99 0.11±0.07 27.36±24.77 Winter
3.03±1.86 0.10±0.04 37.42±31.23 Haze days 2.35±1.59 0.11±0.05
30.01±27.35 Non-haze days 1.57±0.71 0.15±0.06 13.46±11.67 Items ρ（char-EC）/（μg·m−3）ρ（soot-EC）/（μg·m−3）Ann ual mean 2.02±1.35 0.13±0.06 23.11±21.56
ρ（char-EC）/ρ（soot-EC）值均大于 1，且比值较大，说明char-EC质量浓度
远大于soot-EC质量浓度，是EC中主要组分，即燃料燃烧后的固体残渣中的EC
更多。

灰霾污染天ρ（char-EC）/ρ（soot-EC）的值明显高于非霾污染天的相应值。

根据ρ（char-EC）/ρ（soot-EC）的值，可以界定不同的一次排放源[22]，
通常生物质燃烧和煤燃烧时ρ（char-EC）/ρ（soot-EC）的值要高于机动车尾气
的相应值。

研究表明，机动车尾气排放时ρ（char-EC）/ρ（soot-EC）为 0.60，而生物质燃烧和煤燃烧时ρ（char-EC）/ρ（soot-EC）可能达到 22.6，甚至可以达到 31[23]。

表 4 中ρ（char-EC）/ρ（soot-EC）的值说明，该区域由生物质燃烧和煤燃烧产生的EC较多，机动车尾气排放产生的EC较少。

2.1.6 二次有机碳（Secondary Organic Carbon, SOC）的贡献大气颗粒物的二次来源可以用OC与EC的质量浓度比值来分析，当该比值大于2时，可定性判定二次有机碳存在[24]。

为了定量估算SOC的质量浓度，Castro等[25]提出了ρ（OC）/（EC）最低比值法的经验估算公式：
式中：ρ（SOC）为二次有机碳质量浓度；ρ（OC）T为样品OC总质量浓度；ρ（EC）T为样品EC总质量浓度；（ρ（OC）T/ρ（EC）T）min为对应观测到的ρ（OC）T/ρ（EC）T的最小值。

淀山湖区域采样期间计算所得ρ（OC）T/ρ（EC）T、ρ（SOC）的平均值如表 5 所示。

春、秋、冬3 个季节的平均ρ（OC）T/ρ（EC）T值都大于 2，即存在二次有机碳。

夏季的ρ（OC）T/ρ（EC）T小于2，推测可能与观测期间雨水较多有关，刘新民等[26]也曾在他的研究中证明了当存在降水时，ρ（OC）T/ρ（EC）T值会迅速下降。

表 5 采样期间ρ（OC）T/ρ（EC）T、ρ（SOC）、ρ（SOC）/ρ（OC）T平均值Table 5 Mean value of ρ(OC)T/ρ(EC)T, ρ(SOC) and ρ(SOC)/ρ(OC)T during sampling periodAll the value in the table is（mean value）±（standard deviation）Items ρ（OC）T/ρ（EC）T ρ（SOC）/（μg·m−3）ρ（SOC）/ρ（OC）T Spring 2.08±0.48 1.64±1.59 0.32±0.15 Summer 1.55±0.58
1.21±1.17 0.42±0.21 Autumn
2.11±0.45 1.51±1.30 0.36±0.13 Winter
2.22±0.41
3.72±2.83 0.51±0.14 Haze days 2.00±0.50 2.27±2.16 0.38±0.17
Non-haze days 1.97±0.61 1.67±1.24 0.43±0.17 Annual mean 1.99±0.54
2.02±1.90 0.40±0.17
SOC 的年均质量浓度为（2.02±1.90）μg/m3，对 OC的贡献不可忽视，其质量
浓度在冬季仍最高，夏季最低。

SOC与OC质量浓度的比值在冬季最大，大于0.5，灰霾污染天的SOC质量浓度明显大于非灰霾污染天，说明二次有机碳对灰霾天气的形成也有贡献[27]。

本次采样期间灰霾天的气温略高，且O3质量浓度更大，提高了灰霾天的氧化能力，加大了光化学反应的活性以及城市光化学烟雾的进程，并促进了二次有机碳的生成[28]。

2.2 组分之间的关系
2.2.1 PM2.5与 OC、EC关系不考虑按照灰霾污染程度分类，本次研究数据发现PM2.5与OC、EC的整体上的相关系数（R）分别为0.756和0.721，大于相关
系数临界值（γ（0.05, 70）=0.232），说明 PM2.5与 OC、EC都有着显著的相
关性。

PM2.5与单位质量PM2.5中OC、EC含量的相关系数分别为0.207和
−0.110，其绝对值均小于相关系数临界值0.232，说明两者无显著相关性。

对不同程度灰霾天气下PM2.5与OC、EC的相关性也进行了分析，结果如图2(a)和图2(b)所示。

在轻度灰霾、中度灰霾以及重度和严重灰霾下PM2.5与OC的相关系数分别为0.789、0.811和0.860，与EC的相关系数分别为0.762、0.817和0.851，均大于其基于不同自由度的相关系数临界值（γ(0.05, 17)=0.456、
γ(0.05,11)=0.523 和γ(0.05, 9)=0.602），具有显著相关性。

无论OC还是EC，灰霾程度越严重，PM2.5与其相关性越大。

2.2.2 EC与OC关系对本次研究获得的EC与OC进行相关性分析，其相关系数高达0.932，远远大于相关系数临界值0.232，显示出极强的相关性，说明OC和
EC 的来源可能是一致的[11]。

而且，ρ（EC）/ρ（PM2.5）和ρ（OC）/ρ
（PM2.5）的相关系数为 0.610，大于相关系数临界值0.232，说明两者在PM2.5
中的富集能力显著性相关。

不同程度灰霾天气下EC和OC以及ρ（EC）/ρ（PM2.5）和ρ（OC）/ρ
（PM2.5）的相关性分别如图 3（a）和图3（b）所示。

在轻度灰霾、中度灰霾
以及重度和严重灰霾下，EC与OC的相关系数分别为0.925、0.958和 0.952，
而ρ（EC）/ρ（PM2.5）与ρ（OC）/ρ（PM2.5）的相关系数分别为0.748、
0.876和0.814，均大于其基于不同自由度的相关系数临界值，表明具有显著相关性。

不同灰霾程度下EC与OC均呈现出显著的相关性，这说明该地区OC和EC
的来源基本一致[11]。

EC 与 OC以及ρ（EC）/ρ（PM2.5）和ρ（OC）/ρ
（PM2.5）的相关性，都遵循中度灰霾>重度和严重灰霾>轻度灰霾的结论，中度
灰霾天气下相关性最强，其原因需要深入研究。

2.2.3 PM2.5与 WSOC 关系本文中 PM2.5与 WSOC的整体相关系数为0.792，大于相关系数临界值0.232，显示出较强的相关性，比PM2.5与OC之间的相关
性更为显著。

不同程度灰霾天气下PM2.5和WSOC的相关性如图4所示。

图2 不同灰霾天气下PM2.5与OC 的相关性（a）；PM2.5与EC 的相关性（b）Fig. 2 Correlation between PM2.5 and OC (a); Correlation between PM2.5 and EC (b) in different haze days
图 3 不同灰霾天气下 EC 与 OC 的相关性（a）以及ρ（EC）/ρ（PM2.5）与ρ（OC）/ρ（PM2.5）的相关性（b）Fig. 3 Correlation between EC and OC (a); Correlation between ρ（EC）/ρ（PM2.5）and ρ（OC）/ρ（PM2.5） in different haze days (b)
图 4 不同灰霾天气下 PM2.5 与 WSOC 的相关性Fig. 4 Correlation between
PM2.5 and WSOC in different haze days
在轻度灰霾、中度灰霾以及重度和严重灰霾下PM2.5与WSOC的相关系数分别
为0.864、0.819和0.914，均大于其基于不同自由度的相关系数临界值，表明具
有显著相关性。

比较不同灰霾程度下PM2.5与WSOC相关性发现，在重度和严
重灰霾天气下，两者相关性明显增大。

2.2.4 能见度与碳组分关系大气颗粒物中，碳组分对能见度的影响不可忽视，能见度与碳组分的相关性如图5所示。

能见度与OC、EC以及WSOC的相关系数分别为−0.548、−0.607和−0.556，其绝对值均高于相关系数临界值0.232，说明能
见度与各类碳组分质量浓度均显著负相关。

图5表明，能见度与EC的相关性最高，这是因为EC是碳组分中最主要的吸光成分。

OC中有一部分具有吸光作用的碳被称作棕色碳（Brown Carbon,BrC），对
能见度也有影响。

WSOC是云凝结核形成的主要因素，会促进降雨，与灰霾的形
成同样有关[21]。

WSOC对能见度的这种负面影响是由于其中一部分有机酸类成
分造成的，这类水溶性有机物在湿度较大时能作为凝结核增大大气中颗粒物的直径，从而降低能见度，甚至伴有灰霾现象产生。

图 5 能见度与碳组分的相关性Fig. 5 Correlation between the visibility and carbon fractions in different gray haze days
3 结论
（1）由于淀山湖远离市区且近距离无明显工业源排放，所以该区域主要碳组分的质量浓度均低于城市区域的质量浓度。

OC、EC以及TC的质量浓度都呈现冬高夏低的趋势，与全市的趋势一致；WSOC的浓度春季比冬季高；主要的各类碳组分
灰霾日的质量浓度明显高于非灰霾日的质量浓度，且灰霾程度越严重，碳组分质量浓度越高。

控制大气颗粒物中有机组分的前体污染物是控制灰霾污染的重要途径。

（2）PM2.5与AQI中的PM2.5、PM10、NO2含量、SO2含量以及CO含量都存在显著相关性，且相关性依次减弱，但与O3含量无显著相关性。

大气氧化能力对PM2.5的生成受区域的影响比较大。

（3）PM2.5与 OC、EC、WSOC都显著相关，且在重霾污染下，PM2.5与碳组
分的相关性更大。

EC与OC之间极强的相关性，说明本地PM2.5中碳组分的污染源基本一致。

OC、EC和WSOC对大气能见度都有影响。

这预示着加强本地有机污染的控制将对本地的空气质量改善有重要的作用。

参考文献：
【相关文献】
[1]吴鑫, 修光利, 王丽娜, 等. 不同种类食用油对颗粒物排放特征的影响[J]. 华东理工大学学报(自然科学版), 2016,42(1): 65-71.
[2]WANG G, CHENG S, LI J, et al. Source apportionment and seasonal variation of PM2.5 carbonaceous aerosol in the Beijing-Tianjin-Hebei region of China[J]. Environmental Monitoring & Assessment, 2015, 187(3): 1-13.
[ 3 ]QUAN J, TIE X, ZHANG Q, et al. Characteristics of heavy aerosol pollution during the 2012—2013 winter in Beijing,China[J]. Atmospheric Environment, 2014, 88(5): 83-89. [ 4 ]CHE H, XIA X, ZHU J, et al. Aerosol optical properties under the condition of heavy haze over an urban site of Beijing, China[J]. Environmental Science & Pollution Research International, 2015, 22(2): 1043-1053.
[ 5 ]LI M, ZHANG L. Haze in China: Current and future challenges[J]. Environmental Pollution, 2014, 189(12): 85-86.
[ 6 ]张娅蕴, 支国瑞, 田崇国, 等. 北京秋冬季有机碳和元素碳(黑碳)测试结果的细节研究[J]. 环境科学研究, 2017, 30(8):1184-1192.
[ 7 ]VODIÄ K P, SCHWARZ J, CUSACK M, et al. Detailed com parison of OC/EC aerosol at an urban and a rural Czech background site during summer and winter[J]. Science of the Total Environment, 2015, 519: 424-433.
[ 8 ]刘立忠, 王宇翔, 么远, 等. 西安市黑碳气溶胶浓度特征及与气象因素和常规污染物相关性[J]. 中国环境监测, 2016,32(5): 45-50.
[ 9 ]CAO J J, LEE S C, HO K F, et al. Characteristics of carbonaceous aerosol in Pearl River Delta Region, China during 2001 winter period[J]. Atmospheric Environment, 2003,37(11): 1451-1460.
[10]CAO J J, LEE S C, HO K F, et al. Spatial and seasonal variations of atmospheric organic carbon and elemental carbon in pearl river delta region, China[J]. Atmospheric Environment, 2004, 38(27): 4447-4456.
[11]MANCINELLI V, RINALDI M, FINESSI E, et al. An anion-exchange high-performance liquid chromatography method coupled to total organic carbon determination for the analysis of water-soluble organic aerosols[J]. Journal of Chromatography A, 2007, 1149(2): 385-389.
[12]刘君峰, 宋之光, 李胤南. 大气细粒子中水溶性有机碳(WSOC)的在线监测[J]. 中国环境监测, 2007, 23(4): 33-36.
[13]ANDERSON C H, DIBB J E, GRIFFIN R J, et al. Atmospheric water-soluble organic carbon measurements at Summit, Greenland[J]. Atmospheric Environment, 2008,42(22): 5612-5621.
[14]沈振兴, 韩月梅, 周娟, 等. 西安冬季大气亚微米颗粒物的化学特征及来源解析[J]. 西安交通大学学报, 2008, 42(11): 1418-1423.
[15]PARK S S, JUNG Y, LEE Y J, et al. Spectral dependence on the correction factor of erythemal UV for cloud, aerosol,total ozone, and surface properties: A modeling
study[J].Advances in Atmospheric Sciences, 2016, 33(7): 865-874.
[16]YANG J F, LEI H C, LYU Y H. Airborne observations of cloud condensation nuclei spectra and aerosols over East Inner Mongolia[J]. Advances in Atmospheric Sciences,2017, 34(8): 1003-1016.
[17]HOFFER A, GELENCSÉ R A, GUYON P, et al. Optical properties of humic-like substances (HULIS) in biomassburning aerosols[J]. Atmospheric Chemistry & Physics,2006, 5(4): 3563-3570.
[18]周德龙, 姚重华. 大气监测布点多目标规划模型[J]. 华东理工大学学报 (自然科学版), 2002,
28(6): 629-632.
[19]CHOW J C, WATSON J G, CHEN LW, et al. The IMPROVE_A temperature protocol for thermal/optical carbon analysis: Maintaining consistency with a long-term database[J]. Journal of the Air & Waste Management Association, 2007, 57(9): 1014-1023.
[20]ZHAO M, QIAO T, HUANG Z, et al. Comparison of ionic and carbonaceous compositions of PM2.5 in 2009 and 2012 in Shanghai, China[J]. Science of the Total Environment,2015, 536: 695-703.
[21]徐薇, 修光利, 朱梦雅, 等. 上海市灰霾污染天大气颗粒物中水溶性有机碳(WSOC)污染特征[J]. 化学世界, 2011(增刊): 149-152.
[22]FENG J, LI M, ZHANG P, et al. Investigation of the sources and seasonal variations of secondary organic aerosols in PM2.5 in Shanghai with organic tracers[J]. Atmospheric Environment, 2013, 79(11): 614-622.
[23]CAO J J, ZHU C S, TIE X X, et al. Characteristics and sources of carbonaceous aerosols from Shanghai, China[J].Atmospheric Chemistry & Physics, 2013, 13(2): 803-817.
[24]MCDONALD B C, GOLDSTEIN A H, HARLEY R A.Long-term trends in california mobile source emissions and ambient concentrations of black carbon and organic aerosol[J].
Environmental Science & Technology, 2015, 49(8):5178-5188.
[25]CASTRO L M, PIO C A, HARRISON R M, et al. Carbonaceous aerosol in urban and rural European atmospheres:Estimation of secondary organic carbon
concentrations[J].Atmospheric Environment, 1999, 33(17): 2771-2781.
[26]刘新民, 邵敏, 曾立民, 等. 珠江三角洲地区气溶胶中含碳物质的研究[J]. 环境科学, 2002(s1): 56-61.
[27]ZHANG X, LIN Y H, SURRATT J D, et al. Light-absorbing soluble organic aerosol in Los Angeles and Atlanta: A contrast in secondary organic aerosol[J]. Geophysical Research Letters, 2011, 38(21): 759-775.
[28]FLOWERS B A. Optical-chemical-microphysical relationships and closure studies for mixed carbonaceous aerosols observed at Jeju Island; 3-laser photoacoustic spectrometer,particle sizing, and filter analysis[J]. Atmospheric Chemistry & Physics, 2010, 10(21): 10387-10398.。