天津冬季雾霾天气下颗粒物质量浓度分布与光学特性_姚青

合集下载

天津大气气溶胶化学组分的粒径分布和垂直分布

天津大气气溶胶化学组分的粒径分布和垂直分布姚青;孙玫玲;张长春;穆怀斌【期刊名称】《气象科技》【年(卷),期】2008(36)6【摘要】2006年8月在天津气象铁塔的10、120、220 m 3个不同高度.利用Andersen分级采样器同步进行大气气溶胶采样,样品用离子色谱和电感耦合等离子体质谱仪进行分析.结果表明,K元素主要集中在细粒子,Mg、Ca、Al、Fe元素主要集中在粗粒子,Na元素则具有双峰结构;总离子浓度随着高度的升高有增加的趋势,SO42-、N3-、NH4+、Ca2+是最主要的水溶性尤机离子;二次源是水溶性离子重要的贡献源.NO3-、SO42-、NH4+随着高度升高,浓度有向小粒径集中的趋势;各层气溶胶阴阳离子平衡值小于1,表明气溶胶偏碱性,与天津地处北方,土壤偏碱性,且非采暖期地面扬尘是主要的气溶胶来源有关;各层NO3-/SO42-平均值为0.48,表明非采暖期固定排放源(燃煤)仍然是天津大气细粒子中水溶性离子的主要来源.【总页数】5页(P692-696)【作者】姚青;孙玫玲;张长春;穆怀斌【作者单位】天津市气象科学研究所,天津,300074;天津市气象科学研究所,天津,300074;天津市气象科学研究所,天津,300074;天津市气象科学研究所,天津,300074【正文语种】中文【中图分类】P4【相关文献】1.南京北郊霾天气溶胶化学组分粒径分布特征 [J], 张程;于兴娜;安俊琳;李岩;赵睿东;赵博;肖伟生2.长三角沙尘中气溶胶粒径分布及化学组分特征 [J], 沈利娟;施双双;郭振东;王红磊;刘安康3.北京大气气溶胶中水溶性离子的粒径分布和垂直分布 [J], 徐宏辉;王跃思;温天雪;何新星4.北京市大气气溶胶中金属元素的粒径分布和垂直分布 [J], 徐宏辉;王跃思;温天雪;何新星5.基于化学组分参数化的大气气溶胶吸湿性特征 [J], 沈子宣;徐敏;胡波;王跃思;邹嘉南因版权原因，仅展示原文概要，查看原文内容请购买。

天津市大气能见度与颗粒物污染的关系

３０７，ｈｎ；２ＣｌｇｆｎｉｎｎａｃｎｅａｄＥｇｎｅｉ，ａｋｉｎｖｒｉ，ｉｊ００１Ｃｉａ．ｈｎ００４Ｃｉａ．ｏｌｅｏＥｖｒｍｅｔｌｉｃｎｎｉｅｒｇＮｎａＵｉｅｓｙＴａｉ３０７，ｈｎ）ＣｉａｅｏＳｅｎｔｎｎ
ｃｎｅｔｔｎｏｔｅｏｌａｂｎＴｅｖｒｇｎｒｕｉｎｏＮ ’ ｄＥｔｓｈｒｔｃｉｎｏｆｃｅｔｏｃｎｒｉｆｔｒｏ．ｈｅａｅｃｔｂｔｆ０４，Ｏ３ＯＣａＣｔａｍｏｐｅｃｘｉｔｅｉａｏｈｔａｃａｏｉｏ８，ｎｏｉｅｎｏｃｉｎ
ｖｉｍｉｔａｉｎｆｃｔｎｇｔｖｏｌｉｎｗｉｈｓｏｃｎｒｔｎｏｅｐｒｉｕａｅｍａｍ．Ｔｅｒｔｆｍａｓｓｌｙｈｄｓｇｉａｅａｉｅｃ，ｅａｏｔｔｅｍａｓｃｎｅｔａｉｆｔａｔｌｔａｅｉｉｎｔｈｏｈｃｈａｉｏｓｏ
．
ｍａｒｒｌｉｈｏｒｖｓｉｔ．Ａｍｏｐｅｉｖｓｉｔｌａｉｎｆａｔｎｇｔｅｃｒｌｉｎｗｉｅｍａｓｊｏｅｎｔｅｐｏｉｂｌｏｉｉｙｔｓｈｒｉｂｌｙａｏｈｄｓｉｃｅａｉｏｒａｏｔｔｓｃｉｉｓｇｉｎｖｅｔｈｈ
中国环境科学
２１，２３：４６－１０２（）０－０３４
ＣｉａｎｉｎｎａＳｉｃｈｎＥｖｒｍｅｔＩｃｎｅｏｅ

天津冬季雾霾天气下颗粒物质量浓度分布与光学特性

PM2.5 Pollution Characteristics and Aerosol Optical Properties during Fog-Haze Episodes in Tianjin
作者：姚青[1];蔡子颖[1];韩素芹[1];刘爱霞[1];刘敬乐[1]
作者机构： [1]天津市气象科学研究所,天津300061
出版物刊名：环境科学研究
页码： 462-469页
年卷期： 2014年第5期
主题词：雾霾天气;气溶胶;光学特性;天津
摘要：2013年1-2月连续在线观测天津ρ（PM2．5）、ρ（PM10）、大气能见度、
σap（气溶胶散射系数）、σap（气溶胶吸收系数）和AOD（大气光学厚度），结合气象资料，分析天津城区雾霾天气下的颗粒物质量浓度分布与光学特性．结果表明：在为期52d的观
测期间，发生雾日8d、轻雾日1d、霾日29d，雾覆日占观测时长的73％；霾日
ρ（PM2.5）/ρ（PM10）为0．65，SSA（单次散射反照率）为0．95，MSE（气溶胶质量散射系数）为3．30m^2/g，均高于非雾霾日，表明雾霾日下细粒子的散射作用是大气消光的主
要贡献者；雾霾日的矿σap和矿σap均高于非雾霾日，随着霾等级增强，σap和σap逐渐增大，重度霾天气的σap和σap与中度霾天气相当，分析高RH可能是造成能见度进一步降低的主要因素；雾霾天气下AOD500nm和波长指数均显著高于非雾霾天气，表明雾霾天气下气溶胶浓度
远高于非雾霾天气，并且细粒子占主导地位．。

天津大气中BTEX的变化特征与健康风险评估

天津大气中BTEX的变化特征与健康风险评估姚青;蔡子颖;马志强;韩根友;刘敬乐;韩素芹【摘要】采用AMA GC5000BTX在线色谱仪监测天津城区2012年10月~2013年2月大气中苯、甲苯、乙苯、邻二甲苯和间-对二甲苯(苯系物,BTEX)的浓度,采用气溶胶生成系数(FAC)计算各组分的SOA生成潜势,采用US EPA的健康风险评价模型对BTEX的人体健康风险进行评估.结果表明,观测期间BTEX浓度均值为40.02±23.66μg/m3,其中甲苯浓度最高,苯和间-对二甲苯次之,邻二甲苯最低,雾-霾日BTEX平均值为49.78±25.03μg/m3,远高于非雾-霾日(28.57±15.18μg/m3).BTEX浓度日变化差异明显,非雾-霾日B/T均值为0.70,雾-霾日增至0.77,表明观测期间以机动车排放污染为主,雾-霾污染期间BTEX来源复杂,生物质燃烧和燃煤等的贡献增大.甲苯对SOA的贡献最大,间、对-二甲苯次之,雾-霾日BTEX对SOA的贡献值高于非雾-霾日.观测期间BTEX的HI为0.455,其中雾-霾日HI为0.578,非雾-霾日HI为0.309,均低于EPA认定安全范围,表明苯系物非致癌风险在安全阈值范围内,但苯的致癌风险值为7.64×10-5,高于EPA规定的安全阈值,需要引起高度关注.%BTEX were measured by AMA GC5000 in Tianjin City from October 2012 to February 2013. The average concentratio n of BTEX was 40.02±23.66μg/m3 during the observation period. Toluene showed highest level among the BTEX, while o-xylene was the minimum. There was bimodal diurnal variation of BTEX, with peaks at early morning and late afternoon. The daily average of BTEX was49.78±25.03μg/m3 during fog/haze period, compared with28.57±15.18μg/m3 in non-fog/haze period. The ratio of B/T was 0.7 during non-fog/haze period, indicated BTEX mainly came from vehicle emissions.However, the ratio increased to 0.77 in fog/haze period, indicated industrial coal combustion could accelerate the air pollution. Toluene was the most important precursor for SOA among BTEX, while m, p-xylene took the second place. The averaged HI value was 0.455 during the observation period, with 0.578 in fog/haze day and 0.309 in non-fog/haze day, which was under the up limit of safety range recommended by US EPA. Nevertheless, the risk of cancer caused by benzene was 7.64×10-5, beyond the safety threshold of EPA, which should be concern.【期刊名称】《中国环境科学》【年(卷),期】2017(037)009【总页数】9页(P3276-3284)【关键词】BTEX;雾-霾天气;健康风险评估;二次有机气溶胶;天津【作者】姚青;蔡子颖;马志强;韩根友;刘敬乐;韩素芹【作者单位】天津市环境气象中心,天津 300074;天津市气象科学研究所,天津300074;天津市环境气象中心,天津 300074;天津市气象科学研究所,天津 300074;京津冀环境气象预报预警中心,北京 100089;北京赛克玛环保仪器有限公司,北京100094;天津市环境气象中心,天津 300074;天津市环境气象中心,天津 300074【正文语种】中文【中图分类】X131.1挥发性有机物(VOCs)是对流层臭氧(O3)和二次有机气溶胶(SOA)的重要前体物,对对流层O3和 PM2.5等复合型大气污染的形成至关重要,很多VOCs 组分为有毒有害物质,严重危害人体健康,由VOCs 引发的大气环境污染问题已受到世界各国的广泛关注.BTEX是苯、甲苯、乙苯和二甲苯的统称,作为VOCs中重要的组成部分,其浓度水平、时空分布以及 O3生成潜势(OFP)和 SOA生成潜势的研究日益受到广泛重视[1-5].朱少峰等[6]在深圳的研究表明BTEX的OFP占VOCs的51.1%,陈长虹等[7]在上海的观测表明这一比例为 54.14%,林旭等[8]在南京北郊的观测实验显示 BTEX的 SOA生成潜势占 VOCs的77.9%,吕子峰等[9]、王倩等[10-11]和王扶潘等[12]的研究也表明以苯系物为代表的芳香烃是生成SOA的优势组分. 我国中东部地区近年来雾-霾天气频发,马永亮等[13]在佛山的研究表明灰霾期VOCs浓度远高于非灰霾期, Sun等[14]针对北京2013年秋季的一次霾天气过程, 分析随着能见度降低,其SOA生成潜势迅速从2.1μg/m3增长至13.2μg/m3.苯系物通过刺激呼吸道,损伤中枢神经系统,对人体造成潜在性危害. 美国国家科学院于1983年发布了联邦政府的危险评价管理体系, 并提出了健康风险评价( health risk assessment)的四步法,该方法已成为国际公认的健康风险评价方法[15-16].国内学者就苯系物对人体健康的风险评估开展了一些工作.陈丹等[17]对珠江三角洲莫炼油厂苯系物的健康风险评价表明,苯和乙苯的致癌风险指数均超过EPA人体可接受致癌风险值.张玉欣等[18]对南京北郊 BTEX的健康风险评估表明各季节非致癌风险均在安全范围内, 苯则存在致癌风险, 夏芬美等[19]、Li等[20]、Zhang等[3]在北京夏季的观测也得出了类似结论.天津作为我国北方重要的工业城市,石油化工业发达,城市交通近年来快速发展,汽车保有量逐年增加,以 PM2.5和近地面O3为主的大气环境问题日益受到重视.赵若杰等[21]、卢学强等[22]、宁晓宇等[23]、姚青等[24]监测了天津城区 BTEX和VOCs浓度,对于了解天津地区BTEX的污染现状和来源有重要意义,但观测主要集中在夏季,多关注BTEX的臭氧生成潜势及其在大气光化学反应中的作用,对于雾-霾天气下BTEX对于SOA的贡献[25]以及人体健康风险评估方面研究较少.本文采用在线色谱仪分析 2012年秋冬季天津城区BTEX的浓度水平、各组分相关性以及日变化特征,并采用气溶胶生成系数(FAC)法初步估算各组分的SOA生成潜势,采用EPA人体暴露分析评价方法对 BTEX进行健康风险评估,以期为天津地区BTEX的监测和治理提供技术支持.采样点位于中国气象局天津大气边界层观测站(39°06′N, 117°10′E,海拔高度 3.3m,台站编号:54517)院内一座一层平房的楼顶,离地高约3m,该站点位于天津市城区南部,其北距快速路约100m,东临友谊路－友谊南路,西面和南面主要为住宅区,交通源对它有一定的影响,2012年夏季在该站点开展了 BTEX的持续观测[22].本次观测时间为2012年10月1日～2013年2月28日,剔除因仪器故障和标定期间的异常值和缺失值,观测期内共取得有效日数129d,数据有效率85.4%.采用德国 AMA仪器公司生产的 AMAGC5000系列臭氧前体物在线检测系统,其中的AMA GC5000BTX在线色谱仪可检测C4～C12范围的高沸点物种,检测器为FID,采用高纯氮作载气,H2发生器电解H2O作为H2源,采样/分析周期为1h,该仪器24h连续采样,可检测34种C4～C12范围的高沸点物种,本研究选取其中的苯(B)、甲苯(T)、乙苯(E)、邻二甲苯(o-X)和间-对二甲苯(m,p-X)作为研究对象,其检测限依次为0.03×10-9,0.02×10-9,0.02×10-9, 0.02×10-9 和0.03×10-9V/V.观测前对AMA GC5000BTX在线色谱仪进行了校准,有关标气和校准情况见文献[24].同期的PM2.5质量浓度由美国Thermo公司生产的TEOM系列RP1400a环境颗粒物监测仪获得,采样流量 16.7L/min,检测限0.06μg/m3,测量范围0～1500μg/m3,质量分辨率为0.01μg/m3,准确度0.75%,精度1.5μg/m3(1h),0.5μg/m3(24h);大气能见度资料采用美国Belfort公司生产的MODLE6000型前向散射能见度仪测量,仪器测量上限为20km,下限为6m,精确度10%;同期的气温、相对湿度、风速等气象资料采用观测站同一院内的天津市城区国家气象观测站的自动气象站数据. 所有测量数据经过质量控制后处理成小时均值,并按相关要求处理成日均值.2.1 BTEX浓度水平与变化特征观测期间 BTEX 浓度均值为(40.02± 23.66)μg/m3,高于2012年夏季在同一地点的观测值[24],这与京津冀区域秋冬季节频发的雾-霾天气[26-28]有关,一方面较差的大气扩散条件阻碍了BTEX等一次污染物的扩散,促进其在大气中的积累,另一方面秋冬季较弱的太阳辐射在一定程度上降低了大气光化学反应速率,减弱了 BTEX 的清除和转化效率.表 1给出了本次研究与国内其他城市观测结果的比较,天津秋冬季BTEX浓度与南京秋冬季相当,略高于沈阳、北京等地.观测期间有降水日 20d,无沙尘日,在剔除降水日后,基于能见度和相对湿度日均值,本文将能见度日均值低于10km的观测日记作雾-霾日,能见度日均值高于10km则记作非雾-霾日,合计有雾-霾日54d,非雾-霾日55d,图1给出了观测期间雾-霾日和非雾-霾日天津城区 BTEX质量浓度的逐日分布状况,观测期间雾-霾日和非雾-霾日分布较为均匀,这与本地区秋冬季静稳天气和冷空气过境交替发生有关.图2给出了观测期间苯、甲苯、乙苯、邻二甲苯和间-对二甲苯,以及非雾-霾日和雾-霾日BTEX质量浓度的统计框图.观测期间苯、甲苯、乙苯、邻二甲苯和间-对二甲苯的质量浓度依次为9.80±5.63,13.02±8.04,5.11±3.81,3.11±2.08和8.98±7.06μg/m3,甲苯浓度最高, 苯和间-对二甲苯次之,邻二甲苯最低.雾-霾日BTEX平均值为49.78±25.03μg/m3,非雾-霾日则为28.57± 15.18μg/m3,雾-霾日远高于非雾-霾日.大量研究表明 BTEX的日变化分布主要受到交通源和气象条件的影响,一般呈现双峰结构,多对应于早晚交通高峰.图3和图4分别给出了雾-霾日和非雾-霾日下BTEX以及苯、甲苯、乙苯、邻二甲苯和间-对二甲苯的日变化特征,从图中可以发现,苯和甲苯呈现比较明显的早晚高峰,其他3种苯系物晚高峰明显高于早高峰,这可能与苯和甲苯主要来自于机动车排放有关,其浓度与交通流量早晚高峰有关, 白天随着太阳辐射强度增大,大气光化学反应增强,BTEX作为对流层 O3的重要前体物,参与大气光化学反应,并被快速消耗, BTEX浓度也相应降低,傍晚日落前后,太阳辐射减弱,地面开始降温,大气对流作用减弱,混合层高度降低,污染物不易扩散导致累积,与2012年夏季观测[24]对比,秋冬季苯和甲苯的晚高峰峰值高于早高峰,表明秋冬季节大气扩散条件较之夏季更为不利,污染物更易积聚,从而导致夜间更高的污染物浓度.乙苯和二甲苯则主要来自于溶剂使用等,日间排放量较为均匀,主要受到大气光化学反应和气象扩散条件制约,夜间边界层较低,不利于污染物扩散,从而形成污染峰值. 雾-霾日和非雾-霾日下 BTEX的日变化特征相似,均呈双峰结构,主要差异在于雾-霾日各物种污染物浓度显著高于非雾-霾日,尤其是晚高峰浓度,这与雾-霾日大气扩散能力较低有关,此外 BTEX浓度的日变化还与太阳辐射引起的光化学反应强度有关,这需要结合辐射资料和O3等污染物资料作进一步分析.2.2 BTEX的相关性分析BTEX主要来源于机动车排放、石油化工生产过程和燃煤,其在大气中的寿命和光化学反应活性不同,可从各物种间相关系数和B/T等特征比值分析中用以初步判断其来源与光化学反应程度.表2给出了雾-霾日和非雾-霾日下BTEX各物种日均值的线性相关系数,雾-霾日乙苯、邻二甲苯和间、对-二甲苯间的相关性较好(R2＞0.8),非雾-霾日苯和甲苯间R2较高,这表明非雾-霾日BTEX主要来源于机动车尾气及其相关的汽油挥发,雾-霾日除机动车尾气排放外,石油化工以及燃煤是BTEX的另一个重要的来源,这与宁晓宇等[23]在天津市西南地区的观测结果一致.苯与甲苯的质量浓度比(B/T)常用作判断BTEX来源,一般认为当B /T值在0.5左右时,机动车排放是其主要污染源;若B/T值远小于0.5时,则认为大气中VOCs主要来自石油化工和涂料使用,若 B/T值较高则认为可能受生物质燃料和燃煤的影响[34-35]观测期间非雾-霾日 B/T均值为0.70,雾-霾日增至 0.77,表明观测期间以机动车排放污染为主,工业燃煤对雾-霾天气下BTEX增长有促进作用.本次观测获得的B/T值与宁晓宇等[23]2010年冬季在天津西南部的观测值(0.76),张玉欣等[18]在南京北郊冬季的观测值(0.74)相当,略低于曹文文等[29]2009年 1月在天津城区的分析结果(0.89),王宇亮等[31]在北京的观测发现2009年1～2月B/T偏高(0.85～0.95),认为可能与冬季取暖锅炉能源燃烧有关,以往研究表明京津冀区域秋冬季雾-霾天气下空气污染主要与机动车排放、采暖燃煤以及工业排放等相关.为进一步分析雾-霾天气下BTEX的分布特征,按照日均能见度将雾-霾日细分为轻微霾(5km≤vis＜10km)、轻度霾(2km≤vis＜3km)、中度霾(3km≤vis＜5km)和重度霾(vis＜2km)日,能见度日均值的大小可以直接反映出雾-霾天气的严重程度.图5给出了不同等级下BTEX各物种和B/T的分布状况,随着雾-霾严重程度由非雾-霾增加至轻度霾,BTEX中各物种的质量浓度均有不同程度的增加,轻度霾、中度霾和重度霾下苯和甲苯浓度基本一致,乙苯和二甲苯浓度存在不同程度的降低,导致BTEX质量浓度下降.考虑到乙苯和二甲苯主要来源于溶剂使用,严重雾-霾天气下此类活动的减少可能是造成乙苯和二甲苯质量浓度降低的重要原因,这需要结合VOCs来源解析作进一步分析.随着雾-霾程度加剧,B/T值逐渐升高,由非雾-霾天气下的 0.70升高至重度霾日下的0.93,表明重度霾日下BTEX的来源趋于复杂,生物质燃料和燃煤等的贡献增大.BTEX的浓度在不同污染天气下存在显著差异,这一方面与其来源和排放强度有关,另一方面也与不利大气扩散条件导致的污染物累积以及由大气光化学反应造成的清除能力有关,需要进一步结合气象资料和大气光化学反应各物种浓度资料进行相关分析,以求更加深入的理解BTEX的时空分布和来源.2.3 二次有机气溶胶潜势估算基于Grosjean的烟雾箱实验[15],采用气溶胶生成系数(FAC)[15]来估算环境大气中 VOCs的SOA生成潜势:式中:SOAp是SOA的生成潜势,μg/m3;VOCs0是排放源排出的初始浓度,μg/m3;FAC是SOA的生成系数.考虑到受体点测得的VOCs 往往是经过氧化后的浓度 VOCst,它与排放源排出的初始浓度VOCs0之间的关系可通过下式表示:式中:FVOCr为 VOCs物种参与反应的分数(%). Grosjean[15]假设 SOA 只在白天生成(08:00～17:00),且VOCs只与OH发生反应生成SOA,公式(1)和(2)中用到的FAC和FVOCr由烟雾箱实验获得.该方法估算SOA时仅考虑VOCs与OH自由基的反应,没有考虑到 NO3自由基和 O3,并且缺乏对 SOA有可能贡献的其他 VOCs或者SVOCs的观测,造成估算值偏低[36],但仍能给出SOA生成潜势的大致数量级及其相对贡献,因而在国内被广泛应用于北京[9]、南京[37]、上海[38]、天津[25]、深圳[12]、成都[10]等地 VOC对于SOA贡献的估算研究中.有研究[8-9]表明以BTEX为代表的芳香烃是SOA的主要贡献者,林旭等[8]在南京北郊的研究表明BTEX的SOA生成潜势占56种VOC的77.9%,吕子峰等[9]在北京夏季的观测表明BTEX占到全部70种VOC的54.36%,本研究采用该方法可估算得SOA贡献率的相对大小.表3给出了观测期间BTEX的SOA生成潜势,甲苯对SOA的贡献最大,间、对-二甲苯次之,其他 3种相差不大,BTEX贡献了2.19μg/m3的SOA,高于王倩等[11]在上海秋季的观测值(1.20μg/m3) ,也高于王扶潘等[12]在深圳冬季的观测值(1.59μg/m3),这与天津秋冬季较高的 BTEX浓度,尤其是甲苯浓度有关.图6给出了观测期间不同雾-霾等级下大气中BTEX的SOA生成潜势分布情况,雾-霾日BTEX对SOA的贡献值高于非雾-霾日,并且随着雾-霾程度加剧,其变化趋势与BTEX质量浓度相似,呈现倒V字形,乙苯和间,对二甲苯浓度的下降是导致BTEX的SOA贡献值降低的原因.需要说明的是,SOA的参数化估算尚无公认方法,气溶胶生成系数作为一种较为简便可行的方法,可用于估算VOCs各物种对SOA生成贡献的相对大小,但其SOA估值与烟雾箱模拟实验和OC/EC比值法等相比明显较低,对于BTEX等VOCs的SOA贡献值的估算仍需要结合其他资料开展较为深入的研究.2.4 健康风险评价健康风险评价是以风险度为评价指标,污染物对人体健康危害风险的定量描述.根据污染物是否具有致癌性,将健康风险评价分为致癌风险评价和非致癌风险评价.本研究采用2009年美国EPA提出的针对特定场所吸入途径污染物的健康风险评价方法(EPA-540-R-070-002)[39].进行BTEX的人群健康风险.评价具体计算公式如下: 式中:EC为暴露浓度,单位μg/m3;CA为污染物环境浓度,单位μg/m3;ET为暴露时间,数值为24h/d; EF为暴露频率,数值为365d/a; ED为暴露时间,数值为70a;AT 为平均时间,数值为70×365×24h; RfC为单位吸入致癌风险浓度,单位mg/m3;HQ为非致癌风险危害商值;HI为非致癌风险危险指数;Risk为致癌风险值;IUR为参考浓度,m3/μg.基于上述健康风险评价模型,计算苯、甲苯、乙苯、邻二甲苯和间-对二甲苯的日平均暴露浓度(EC)、非致癌风险危害商值(HQ)、危害指数(HI)和终身致癌风险值(Risk),几种苯系物的 RfC值和 IUR值来自于美国 EPA综合风险信息系统(IRIS)数据库(/iris).结果如表4所示,苯的HQ最高, 间、对-二甲苯和邻二甲苯次之,甲苯和乙苯最低,观测期间 BTEX的 HI为0.455,其中雾-霾日HI为0.578,非雾-霾日HI为0.309,均低于EPA认定安全范围(HI＜1),表明苯系物非致癌风险在安全阈值范围内.苯的致癌风险值为7.64×10-5,高于 EPA规定的安全阈值(1.00×10-6),低于美国职业安全与健康署(OSHA)建议值(1.00×10-3)[40],其中雾-霾日苯的致癌风险值高达9.97×10-5,需要引起高度关注.图 7给出了非雾-霾日和雾-霾日下各物种HQ、HI和Risk的日变化分布特征,图中显示Risk与HQ的日变化趋势基本一致,HQ主要的贡献者是苯,其次是间、对-二甲苯.日变化特征显示HQ存在两个峰值,非雾-霾日峰值位于 11:00和21:00,雾-霾日位于10:00和19:00,且晚间峰值高于上午,这主要与 BTEX的日变化特征有关.雾-霾日HQ、HI和Risk均高于非雾-霾日,表明雾-霾日更应该注意BTEX的健康风险.3.1 天津城区秋冬季 BTEX质量浓度均值为40.02±23.66μg/m3,雾-霾日 BTEX 平均值为49.78±25.03μg/m3,非雾-霾日为28.57± 15.18μg/ m3,雾-霾日远高于非雾-霾日,BTEX中甲苯浓度最高,苯和间-对二甲苯次之,邻二甲苯最低.3.2 观测期间非雾-霾日B/T均值为0.70,雾-霾日增至 0.77,随着雾-霾污染加重,该比值逐渐增加,表明观测期间以机动车排放污染为主,雾-霾天气下 BTEX受到机动车排放、生物质燃烧和燃煤等的共同影响.3.3 BTEX作为 SOA的主要贡献者,其中甲苯对SOA的贡献最大,间、对-二甲苯次之,其他3种相差不大,雾-霾日BTEX对SOA的贡献值高于非雾-霾日.3.4 观测期间BTEX的HI为0.455,其中雾-霾日HI为0.578,非雾-霾日HI为0.309,均低于EPA认定安全范围,其中苯的HQ最高,间、对-二甲苯和邻二甲苯次之,甲苯和乙苯最低,表明苯系物非致癌风险在安全阈值范围内.苯的致癌风险值为7.64×10-5,高于EPA规定的安全阈值,需高度关注.[1]Miri M, Shendi M R A, Ghaffari H R, et al. Investigation of outdoorBTEX: concentration, variations, sources, spatial distribution, and risk assessment [J]. Chemosphere, 2016,163:601-609.[2]Wang Y S, Ren X Y, Ji D S, et al. Characterization of volatile organic compounds in the urban area of Beijing from 2000 to 2007 [J]. Journal of Environmental Sciences, 2012,24(1):95-101.[3]Zhang Y J, Mu Y J, Liu J F, et al. Levels, sources and health risks of carbonyls and BTEX in the ambient air of Beijing, China [J]. Journal of Environmental Sciences, 2012,24(1):124-130.[4]Hoque R R, Khillare P S, Agarwal T, et al. Spatial and temporal variation of BTEX in the urban atmosphere of Delhi, India [J]. Science of the TotalEnvironment, 2008,392:30-40.[5]Wu W J, Zhao B, Wang S X, et al. Ozone and secondary organic aerosol formation potential from anthropogenic volatile organic compounds emissions in China [J]. Journal of Environmental Sciences, 2017,53:234-237.[6]朱少峰,黄晓锋,何凌燕,等.深圳大气 VOCs浓度的变化特征与化学反应活性 [J]. 中国环境科学, 2012,32(12):2140-2148.[7]陈长虹,苏雷燕,王红丽,等.上海市城区 VOCs的年变化特征及其关键活性组分 [J]. 环境科学学报, 2012,32(2):367-376.[8]林旭,朱彬,安俊琳,等.南京北郊VOCs对臭氧和二次有机气溶胶潜在贡献的研究[J]. 中国环境科学, 2015,35(4):976-986.[9]吕子峰,郝吉明,段菁春,等.北京市夏季二次有机气溶胶生成潜势的估算 [J]. 环境科学, 2009,30(4):969-975.[10]王倩,王红丽,周东来,等.成都市夏季大气挥发性有机物污染及其对二次有机气溶胶生成的贡献 [J]. 环境污染与防治, 2015,37(7):6-12.[11]王倩,陈长虹,王红丽,等.上海市秋季大气VOCs对二次有机气溶胶的生成贡献及来源研究 [J]. 环境科学, 2013,34(2):424-433.[12]王扶潘,朱乔,冯凝,等.深圳大气中 VOCs的二次有机气溶胶生成潜势 [J]. 中国环境科学, 2014,34(10):2499-2457.[13]马永亮,谭吉华,贺克斌,等.佛山灰霾期挥发性有机物的污染特征 [J]. 环境科学, 2011,32(12):3549-3554.[14]Sun J, Wu F K, Hu B, et al. VOC characteristics, emissions and contributions to SOA formation during haze episodes [J]. Atmospheric Environment, 2016,141:560-570.[15]Grosjean D. In situ organic aerosol formation during a smog episode:estimated production and chemical functionality [J]. Atmos. Environ., Part A, General Topics, 1992,26(6): 953-963.[16]Grosjean D, Seinfeld J H. Parameterization of the formation potential of secondary organic aerosols [J]. Atmospheric Environment, 1989,23(8):1733-1747.[17]陈丹,张志娟,高飞龙,等.珠江三角洲某炼油厂苯系物的健康风险评价 [J]. 中国环境科学, 2017,37(5):1961-1970.[18]张玉欣,安俊琳,林旭,等.南京北郊冬季挥发性有机物来源解析及苯系物健康评估 [J]. 环境科学, 2017,38(1):1-12.[19]夏芬美,李红,李金娟,等.北京市东北城区夏季环境空气中苯系物的污染特征与健康风险评价 [J]. 生态毒理学报, 2014, 9(6):1041-1052.[20]Li Lei, Li Hong, Zhang Xinmin, et al. Pollution characteristics and health risk assessment of benzene homologues in the northeastern urban area of Beijing, China [J]. Journal of Environmental Sciences, 2014,26:214-223. [21]赵若杰,史建武,韩斌,等.中国北方典型城市空气中苯系物的污染特征 [J]. 环境化学, 2012,31(6):777-782.[22]卢学强,韩萌,冉靓,等.天津中心城区夏季非甲烷有机化合物组成特征及其臭氧产生潜力分析 [J]. 环境科学学报, 2011, 31(2):373-380.[23]宁晓宇,王亘,刘博.天津市西南部苯系物浓度季节及空间变化特征 [J]. 环境科学研究, 2012,25(6):639-644.[24]姚青,韩素芹,蔡子颖,等.2012年夏季天津城区BTEX污染特征与臭氧潜势分析[J]. 中国环境科学, 2013,33(5):793-798.[25]于艳,王秀艳,杨文.天津市机动车二次有机气溶胶生成潜势的估算 [J]. 中国环境科学, 2015,35(2):381-386.[26]姚青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J]. 中国环境科学, 2014,34(3):596-603.[27]王跃思,姚利,王莉莉,等.2013年元月我国中东部地区强霾污染成因分析 [J]. 中国科学:地球科学, 2014,44(1):15-26.[28]靳军莉,颜鹏,马志强,等.北京及周边地区2013年1～3月PM2.5变化特征 [J]. 应用气象学报, 2014,25(6):690-700.[29]曹文文,史建武,韩斌,等.我国北方典型城市大气中 VOCs的组成及分布特征 [J]. 中国环境科学, 2012,32(2):200-206.[30]孙杰,王跃思,吴方堃.北京市 BTEX的污染现状与变化规律分析 [J]. 环境科学, 2011,32(12):3531-3536.[31]王宇亮,张玉洁,刘俊峰,等.2009年北京市苯系物污染水平和变化特征 [J]. 环境化学, 2011,30(2):412-417.[32]刘全,王跃思,吴方堃,等.长沙大气中VOCs研究 [J]. 环境科学,2011,32(12):3543-3548.[33]张玉欣,安俊琳,王建宇,等.南京北郊大气 BTEX变化特征和健康风险评估 [J]. 环境科学, 2017,38(2):453-460.[34]Andreae M O, Merlet P. Emissions of trace gases and aerosols from biomass burning [J]. Global Biogeochemical Cycles, 2001,15(4):955-966. [35]Moreria Dos Santos C Y, De Almeida Azevedo D, De Aquino Neto F R.Atmospheric distribution of organic compounds from urban areas near a coal-fired power station [J]. Atmospheric Environment, 2004,38(9):1247-1257.[36]陈文泰,邵敏,袁斌,等.大气中挥发性有机物(VOCs)对二次有机气溶胶(SOA)生成贡献的参数化估算 [J]. 环境科学学报, 2013,33(1):163-172.[37]杨笑笑,汤莉莉,胡丙鑫,等.南京城区夏季大气 VOCs的来源及对 SOA的生成研究—以亚青和青奥期间为例 [J]. 中国环境科学, 2016,36(10):2896-2902. [38]崔虎雄.上海市春季臭氧和二次有机气溶胶生成潜势的估算[J]. 环境科学, 2013,34(12):4529-4534.[39]US EPA 2009. Office of superfund remediation and technology Innovation [R]. EPA-540-R-070-002, Washington,DC: US Environmental Protection Agency.[40]刘丹,解强,张鑫,等.北京冬季雾霾频发期 VOCs源解析及健康风险评级 [J]. 环境科学, 2016,37(10):3693-3701.【相关文献】[1]Miri M, Shendi M R A, Ghaffari H R, et al. Investigation of outdoorBTEX: concentration, variations, sources, spatial distribution, and risk assessment [J]. Chemosphere,2016,163:601-609.[2]Wang Y S, Ren X Y, Ji D S, et al. Characterization of volatile organic compounds in the urban area of Beijing from 2000 to 2007 [J]. Journal of Environmental Sciences,2012,24(1):95-101.[3]Zhang Y J, Mu Y J, Liu J F, et al. Levels, sources and health risks of carbonyls and BTEX in the ambient air of Beijing, China [J]. Journal of Environmental Sciences, 2012,24(1):124-130.[4]Hoque R R, Khillare P S, Agarwal T, et al. Spatial and temporal variation of BTEX in the urban atmosphere of Delhi, India [J]. Science of the Total Environment, 2008,392:30-40. [5]Wu W J, Zhao B, Wang S X, et al. Ozone and secondary organic aerosol formation potential from anthropogenic volatile organic compounds emissions in China [J]. Journal of Environmental Sciences, 2017,53:234-237.[6]朱少峰,黄晓锋,何凌燕,等.深圳大气 VOCs浓度的变化特征与化学反应活性 [J]. 中国环境科学, 2012,32(12):2140-2148.[7]陈长虹,苏雷燕,王红丽,等.上海市城区 VOCs的年变化特征及其关键活性组分 [J]. 环境科学学报, 2012,32(2):367-376.[8]林旭,朱彬,安俊琳,等.南京北郊VOCs对臭氧和二次有机气溶胶潜在贡献的研究 [J]. 中国环境科学, 2015,35(4):976-986.[9]吕子峰,郝吉明,段菁春,等.北京市夏季二次有机气溶胶生成潜势的估算 [J]. 环境科学,2009,30(4):969-975.[10]王倩,王红丽,周东来,等.成都市夏季大气挥发性有机物污染及其对二次有机气溶胶生成的贡献[J]. 环境污染与防治, 2015,37(7):6-12.[11]王倩,陈长虹,王红丽,等.上海市秋季大气VOCs对二次有机气溶胶的生成贡献及来源研究 [J]. 环境科学, 2013,34(2):424-433.[12]王扶潘,朱乔,冯凝,等.深圳大气中 VOCs的二次有机气溶胶生成潜势 [J]. 中国环境科学, 2014,34(10):2499-2457.[13]马永亮,谭吉华,贺克斌,等.佛山灰霾期挥发性有机物的污染特征 [J]. 环境科学,2011,32(12):3549-3554.[14]Sun J, Wu F K, Hu B, et al. VOC characteristics, emissions and contributions to SOA formation during haze episodes [J]. Atmospheric Environment, 2016,141:560-570. [15]Grosjean D. In situ organic aerosol formation during a smog episode: estimated production and chemical functionality [J]. Atmos. Environ., Part A, General Topics, 1992,26(6): 953-963.[16]Grosjean D, Seinfeld J H. Parameterization of the formation potential of secondary organic aerosols [J]. Atmospheric Environment, 1989,23(8):1733-1747.[17]陈丹,张志娟,高飞龙,等.珠江三角洲某炼油厂苯系物的健康风险评价 [J]. 中国环境科学, 2017,37(5):1961-1970.[18]张玉欣,安俊琳,林旭,等.南京北郊冬季挥发性有机物来源解析及苯系物健康评估 [J]. 环境科学, 2017,38(1):1-12.[19]夏芬美,李红,李金娟,等.北京市东北城区夏季环境空气中苯系物的污染特征与健康风险评价 [J]. 生态毒理学报, 2014, 9(6):1041-1052.[20]Li Lei, Li Hong, Zhang Xinmin, et al. Pollution characteristics and health risk assessment of benzene homologues in the northeastern urban area of Beijing, China [J]. Journal of Environmental Sciences, 2014,26:214-223.[21]赵若杰,史建武,韩斌,等.中国北方典型城市空气中苯系物的污染特征 [J]. 环境化学,2012,31(6):777-782.[22]卢学强,韩萌,冉靓,等.天津中心城区夏季非甲烷有机化合物组成特征及其臭氧产生潜力分析 [J]. 环境科学学报, 2011, 31(2):373-380.[23]宁晓宇,王亘,刘博.天津市西南部苯系物浓度季节及空间变化特征 [J]. 环境科学研究,2012,25(6):639-644.[24]姚青,韩素芹,蔡子颖,等.2012年夏季天津城区BTEX污染特征与臭氧潜势分析 [J]. 中国环境科学, 2013,33(5):793-798.[25]于艳,王秀艳,杨文.天津市机动车二次有机气溶胶生成潜势的估算 [J]. 中国环境科学,2015,35(2):381-386.[26]姚青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J]. 中国环境科学, 2014,34(3):596-603.。

不同季节大气颗粒物的化学特征对比研究

不同季节大气颗粒物的化学特征对比研究近年来，大气污染问题引起了社会各界的广泛关注。

其中，大气颗粒物被认为是影响空气质量的最主要因素之一。

大气颗粒物包括悬浮在空气中的固体和液体微小颗粒，它们的来源多种多样，其中包括工业排放、交通尾气、农业活动等。

这些颗粒物不仅对人类健康造成潜在风险，还会对气候和环境产生负面影响。

为了深入了解大气颗粒物的化学特征，许多研究人员进行了不同季节的对比研究。

这些研究通过在不同季节采集大气颗粒物样品，并对其进行化学成分分析，揭示了不同季节颗粒物的变化规律和来源。

春季是一个过渡季节，气候温和，空气中的颗粒物相对较少。

研究发现，春季大气颗粒物以硫酸盐、硝酸盐和有机物为主要成分。

硫酸盐主要来自排放的燃煤和工业活动，硝酸盐主要来自交通尾气和农业活动的氮氧化物。

此外，大气有机物是春季颗粒物的重要组分，主要来自挥发性有机物的排放和化学反应。

这些成分的变化不仅与人类活动有关，也与气象条件、风向等因素密切相关。

夏季是一个温暖湿润的季节，大气颗粒物的浓度相对较高。

研究表明，夏季大气颗粒物以硫酸盐、硝酸盐和无机盐为主要成分。

与春季相比，夏季颗粒物的硫酸盐浓度较低，而硝酸盐浓度较高。

这可以归因于夏季气温升高，使得硫酸盐转化为气态硫酸和气态硫酸盐的速率加快，因此硫酸盐含量下降。

此外，夏季颗粒物中还存在大量的无机盐，其中包括氯化物、硝酸盐和硫酸盐等。

这些无机盐的来源主要是海洋气溶胶和人类相关活动。

秋季是一个过渡季节，空气开始变得干燥，大气颗粒物的浓度逐渐上升。

研究显示，秋季大气颗粒物的主要成分为硫酸盐、硝酸盐和有机物。

与夏季相比，秋季颗粒物的硫酸盐和硝酸盐浓度有所下降，而有机物浓度有所增加。

这可能是因为秋季风速增大，导致颗粒物的混合，使得硫酸盐和硝酸盐与大气中的其他成分发生反应和转化，而有机物相对稳定。

冬季是一个寒冷干燥的季节，大气颗粒物的浓度较高。

研究表明，冬季大气颗粒物以硫酸盐、硝酸盐和碳酸盐为主要成分。

雾霾天气条件下大气光学特性变化研究

雾霾天气条件下大气光学特性变化研究近年来，雾霾天气频繁发生，给人们的生活和健康带来了巨大的威胁和困扰。

雾霾是由大气中悬浮颗粒物和有害气体的累积所导致的，不仅会造成空气污染，还会对大气光学特性产生显著的影响。

因此，对雾霾天气下大气光学特性进行研究，对我们了解大气污染的本质和对策提供重要的科学依据。

在雾霾天气下，大气中的悬浮颗粒物会明显增多，这些颗粒物往往是由汽车尾气、工厂烟囱和燃煤取暖等产生的。

这些微小颗粒会吸收、散射和折射光线，导致可见光透明度下降，出现肉眼可见的雾霾现象。

此外，大气中的颗粒物还会吸附和反射大气中的水蒸气，形成云雾，进一步掩盖太阳光和地面的景物。

雾霾天气下大气光学特性的变化表现在多个方面。

首先，雾霾天气会使得太阳光的直射强度大幅减弱，导致降低的光照强度。

这使得阳光透过雾霾层后变得更加黯淡，让人感到昏暗和沉闷。

其次，大气中的颗粒物能散射光线中的蓝光，使得天空呈现出灰蒙蒙的颜色，颜色越浓郁表示雾霾的程度越重。

此外，颗粒物的散射作用也会使得大气透明度变差，远处的物体看起来模糊不清，被遮挡住了。

最后，雾霾天气还会改变日落和日出时的光线颜色。

日出时，因为太阳光透过较长的路径经过雾霾层，而且太阳光中的蓝光被颗粒物散射的较多，所以太阳不再呈现出纯粹的亮黄色，而是呈现出橙红色或者血红色。

雾霾天气下大气光学特性的变化也对人类活动产生了诸多的影响。

首先，降低的光照强度会导致人的视觉疲劳和精神压抑，长时间处于昏暗环境中容易引发情绪性疾病。

其次，大气中悬浮颗粒物的存在加剧了人们的呼吸道疾病和过敏反应的风险。

最后，由于可见光透明度的下降，雾霾天气也对交通运输、飞行和能源供应等方面产生了不利影响，增加了人们的出行成本和生活负担。

为了应对雾霾天气的挑战，我们需要深入研究大气光学特性的变化机制。

目前，科学家们正在利用先进的气象观测设备和模型，对大气中颗粒物的种类、浓度和分布进行全面和定量的研究。

他们还通过对大气光学变化和颗粒物特征的相关性分析，揭示了颗粒物对大气光学特性的具体影响。

天津市PM10,PM2.5和PM1连续在线观测分析

天津市PM10,PM2.5和PM1连续在线观测分析天津市PM10, PM2.5和PM1连续在线观测分析近年来，随着城市化进程的加快和工业化水平的提高，大气污染问题日益突出。

大气颗粒物（PM）是一种主要的大气污染物，对人体健康和环境造成了严重的影响。

为了解天津市PM10、PM2.5和PM1的含量和变化趋势，连续在线观测是必不可少的手段。

首先，在天津市的不同地区选择了几个大气污染较为严重的观测点，通过设置观测仪器对PM10、PM2.5和PM1进行连续在线观测。

观测仪器使用了先进的激光测量技术，能够高精度地测量颗粒物的浓度和大小。

观测周期为一年，每天24小时连续观测。

通过对观测数据的收集和整理，得到了天津市不同地区PM10、PM2.5和PM1的季节变化规律。

研究发现，天津市的PM10、PM2.5和PM1浓度都呈现出明显的季节性变化。

夏季和秋季的大气污染较为严重，而冬季和春季则相对较为清洁。

进一步分析发现，天津市PM10、PM2.5和PM1的浓度在不同地区存在差异。

工业区和交通枢纽附近的地区污染较为严重，而居民区和绿化带则相对较清洁。

这与工业排放和交通排放的分布有关，暗示了不同污染源对大气颗粒物的影响。

此外，观测数据显示，天津市的PM2.5和PM1浓度普遍高于PM10浓度。

这说明颗粒物粒径较小的细颗粒物在天津市的大气中占比较高，对人体健康的影响更大。

这也提醒我们，在大气污染治理中，需要更加重视细颗粒物的控制和排放。

总的来说，通过连续在线观测分析，可以更加全面地了解天津市PM10、PM2.5和PM1的含量和变化趋势。

这有助于科学地指导大气污染治理和环境保护工作。

未来，应进一步完善大气污染监测体系，加强大气颗粒物的监测和研究，为改善大气环境质量提供科学依据。

同时，全社会都应共同努力，减少污染物的排放，保护好我们的共同家园综上所述，天津市的PM10、PM2.5和PM1浓度存在明显的季节性变化，夏季和秋季的大气污染较为严重，而冬季和春季相对较为清洁。

天津地区霾天气特征研究

天津地区霾天气特征研究蔡子颖;姚青;韩素芹;邱晓滨;张敏;吴彬贵;王雪莲【摘要】基于2014～2017年天津地区PM2.5质量浓度,能见度和相对湿度监测数据开展霾天气特征研究.结果表明:天津中度以上霾过程分为五类:高压后部型,北部弱高压型,低压槽型,均压场型和锋前低压型.在现行标准下,中度霾一般对应重度污染天气,重度霾对应重度到严重污染天气;五级重度污染天气一般有中-重度霾发生,六级严重污染天气有重度霾天气发生.2013年“大气污染防治行动计划”开展以后,天津PM2.5质量浓度和霾日均显著减少,2017年相比2013年霾日减少了55％,中度及其以上霾日由2013年的41d下降到2017年的20d,下降幅度超过50％.基于实况监测的PM2 5质量浓度,能见度和相对湿度,可以较好的构建区域能见度计算方程.统计数据显示,其估算的能见度和实况值相关系数为0.94,相对误差为18.6％,非霾日辨识准确率为85％,霾日辨识准确率为95.6％,轻微霾辨识准确率为83％,轻度霾辨识准确率为78％,中度霾辨识准确率为93％,重度及以上霾辨识准确率为94％,对于判断霾等级,有较强的适用性.将该方程与空气质量模式结合开展霾等级预报,2015～2017年24h预报产品检验显示:能见度预报值与实况值相关系数为0.75,预报均值13.9kmn,实况均值14.1kmn,相对误差为29.6％,FAC2(预报值在实况值两倍范围内百分比)为98.1％,霾日预报准确率81.4％,霾日漏报率18.6％,霾日空报率20.6％,如果容错1级,轻微霾日预报准确率为96％,轻度霾日预报准确率为85％,中度及以上霾日预报准确率为69％,可有效支撑天津霾等级预报的开展.【期刊名称】《中国环境科学》【年(卷),期】2019(039)001【总页数】11页(P50-60)【关键词】霾等级预报;重污染天气;天津【作者】蔡子颖;姚青;韩素芹;邱晓滨;张敏;吴彬贵;王雪莲【作者单位】天津市环境气象中心,天津300074;中国气象局大气化学重点开放实验室,北京100081;天津市气象科学研究所,天津300074;天津市环境气象中心,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074;天津市环境气象中心,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074【正文语种】中文【中图分类】X131.1近年伴随人民日益增长的美好生活需要,霾受政府重视和公众关注,成为研究的热点问题.21世纪初吴兑[1]基于珠江三角洲开展霾与雾区别和灰霾天气预警的讨论,并研究珠三角洲大气灰霾导致能见度下降问题 [2],陈欢欢[3]和吴蒙[4]延续吴兑工作,认为广东省典型灰霾过程分布在每年的10月~次年4月,造成灰霾的天气形势主要是高压变性出海.在长江三角洲地区霾的影响明显,其垂直结构[5-6],光学特性[7],机理[8]被细致的研究.京津冀地区是我国霾最高发的地区,受地形影响[9],导致山前暖区空气流动性较小形成气流停滞区,污染物和水汽容易聚集从而有利于霾形成.综合近年研究,霾天气发生,排放是内因[10],气象是外因[11].静稳天气[12]、小风速[13]、高相对湿度[14]、大气层结稳定[15]、混合层厚度低[16-18]和弱气压场[19]都是霾天气发生的重要气象诱因.能见度的高低是霾天气判断的重要标识,影响能见度的天气现象有雾、霾、沙尘和降水等,雾天气能见度的大小与雾滴液态含水量和雾滴尺度密切相关 [20];霾天气能见度与气溶胶和相对湿度密切相关[21-22],其贡献达到大气消光的85%以上[23-24];降水天气出现低能见度,主要来自雨滴的消光作用[25].在霾判断时,需要扣除雾、沙尘和降水等视程障碍天气的影响 [26].关于霾天气的预报,一般可以分为天气学方法 [27],统计学方法[28]和数值预报[29-31]方法.随着近年数值模式和高性能计算机技术的不断发展,越来越多的数值模式被用于霾和能见度预报.基于数值模式开展霾天气和能见度预报,需要解决大气消光系数计算的问题,常见的方法可以分为3类,一类是基于质量浓度或者体积浓度观测数据,构建区域统计方程和数值模式相互衔接计算大气消光系数[32-34],其优势是方程构建相对简单,且往往能取得不错的效果,缺点是需要长序列观测数据建立方程,方程构建区域特征明显,移植其它地区需要重建方程,物理意义略差;二是基于化学组分计算大气消光系数,典型的如IMPROVE方程[35-37],其优点是物理意义明确性强,且对大气消光的成因可以有效分解,缺点是成分数据采样分析成本高,空气质量模型化学组分模拟相比质量浓度模拟偏差大;三是基于MIE散射和粒径谱的消光系数计算[38-39],其优点是物理意义明确,且无需观测数据新建方程;缺点是模式粒径谱与实况存在偏差,导致大气消光系数计算存在误差.相比传统天气业务.环境气象业务发展滞后.中国气象局《应对气候变化保障生态文明建设规划》明确要求,各省气象局应提高大气污染防治气象保障服务水平,到2020年建立集约化,0~10d无缝隙的环境气象预报业务,重污染天气和霾预警时效提前至48h,霾、空气质量24h时效预报TS评分达到0.35和0.55,发布72h效逐3h霾预报产品及霾、能见度预报格点化产品.为有效支撑天津地区霾等级预报开展,本文在收集2014~2017年天津地区PM2.5质量浓度、能见度和相对湿度监测数据的基础上,从监测数据出发,分析现行标准下天津霾天气与重污染天气(以AQI为标准)的区别和联系,以及两者的时空演变规律特征.结合天气学分析,构建天津中度及以上霾天气概念模型.在此背景下研究天津PM2.5质量浓度、能见度和相对湿度三者的相互关系.构建能见度计算方程并与天津气象部门空气质量数值模式相互衔接,试验性提供霾等级预报客观支撑产品,并基于2015~2017产品对方法进行检验,最终以期提升天津气象部门霾天气能见度和霾等级预报能力,服务天津生态文明建设.本文研究气象数据来自天津市13个区级气象站;空气质量数据来自生态环境保护部门和气象部门监测,其中2014年1月1日~2017年12月31日为天津市生态环境监测中心发布的逐小时PM2.5质量浓度监测数据,监测站点27个,监测方法为震荡天平法,增加挥发有机物补偿测量;2009年1月1日~2013年12月31日为中国气象局天津大气边界层观测站(北纬39°06¢,东经117°10¢,海拔高度2.2m,台站编号:54517)逐小时监测数据,监测方法为震荡天平法,两者数据通过2014~2016年3a同步观测(图1),进行归一化修正.本文使用数据经过严格控制比对.WRF/chem模式[40-42]是NCAR(national center for atmospheric research)和NOAA(national oceanic and atmospheric administration )联合一些大学和研发机构开发的中尺度在线大气化学模式,模式考虑大气污染的化学过程,平流输送,湍流扩散,干湿沉降过程,在全球空气质量预报和模拟中有广泛的运用.本文采用WRF/ chem3.8.1版本,气相化学过程采用CBMZ机制,气溶胶过程采用MOSAIC 模型,主要物理过程设置如下:积云对流方案采用Grell-3D,微物理过程采用WSM5,长波辐射方案和短波辐射方案均采用RRTMG,边界层方案使用YSU方案,模式水平分辨率15km,水平网格121×121,中心经纬度为39N°,117E°,垂直方向分为41层.模式的人为排放源清单使用清华大学MEIC (Multi-resolution Emission Inventory for China)2012,分辨率0.25°×0.25°,在天津地区使用27个空气质量监测站实况数据和相关排放源统计信息进行时空的细化,气象初始场和背景场均使用NECP的FNL全球1°×1°数据,模拟时间为2015年1月1日~2017年12月31日,模拟采用24h滚动计算,每24h重新使用一次FNL气象初始场,而污染初始场则为上一次的模拟值.2010年气象行业标准《霾的观测和预报等级》 [43]首次引入了大气成分指标作为霾等级的判识标准,认为当能见度低于10km,相对湿度低于80%时是霾,相对湿度为80%~95%时PM2.5质量浓度大于75μg/m3为霾.且依据能见度(V)对霾等级进行划分:轻微霾(5km£V<10km),轻度霾(3km£V<5km),中度霾(2km£V<3km),重度霾(V<2km).2013年中国气象局在充分考虑能见度、相对湿度和PM2.5质量浓度的基础上制定霾预警(暂行)标准,明确霾等级划分方法(表1),并以此为依托发布霾预警. 依据重污染天气应急预案定义,重污染天气为空气质量指数(AQI)级别达到五级(重度污染)及以上污染程度的天气.2013~2017年监测数据显示,天津地区AQI大于200的重污染天气共计169d,其中首要污染物为PM2.5的163d,为PM10的6d(5d受到显著的沙尘天气影响),未出现O3和其它污染物为首要污染物的重污染天气,即在天津地区重污染天气一般为PM2.5为首要污染物的五级及以上重污染天气,即PM2.5质量浓度大于150mg/m3.综上所述,基于现行业务规范和天津大气环境现状,天津霾等级的判断依赖于能见度、相对湿度和PM2.5质量浓度.重污染天气的判断主要为PM2.5质量浓度,当PM2.5质量浓度大于150mg/m3即认为出现重污染天气.研究显示,在非雾天气,大气能见度的下降主要为细颗粒物的吸收和散射,其中PM2.5在其中发挥最为主要的作用,在湿度不变的情况,PM2.5质量浓度与能见度基本呈现幂指数关系[33],确定一个地区PM2.5体积浓度(如果体积谱确定,体积浓度和质量浓度可进行换算)和相对湿度,可以计算出该区域的大气消光系数和能见度.所以确定一个区域PM2.5质量浓度和相对湿度,可对霾的等级进行粗略辨识.基于上述讨论,依托2014~ 2017年天津地区实测的资料,分析天津霾天气和重污染天气的区别和联系.由表2~3统计显示,基于上述标准判断,天津地区轻度霾天气,一般对应轻度-中度污染,其平均能见度4.15km,PM2.5质量浓度112mg/m3;中度霾天气平均能见度3.40km,PM2.5质量浓度177mg/m3,90%为重度污染天气,10%为中度污染天气;重度及以上霾天气,一般对应重度到严重污染天气,其概率为重污染天气51%,严重污染天气49%.当空气质量为优,能见度均在10km以上,没有霾天气发生;空气质量为良,有11%的天气能见度介于5~10km,出现轻微霾天气;当空气质量为轻度污染,有35%天气由于相对湿度较低,气溶胶消光能力弱,能见度在10km以上,65%天气出现轻微到轻度霾天气;当空气质量达到中度污染等级,平均能见度降至6.42km,90%的情况有霾发生,其中轻度霾占26%,有7%的天气由于相对湿度较高,气溶胶吸湿增长明显,能见度低于3km,出现中度霾天气;当空气质量达到重度污染水平,66%的天气将出现中度霾,20%的天气将出现重度霾,但也有部分天气,由于相对湿度非常低(空气干燥),能见度大于5km,甚至大于10km,这样的天气给公众的感官较好,但大气中高负载的气溶胶对人体也将产生严重伤害,其占比为13%.当空气质量达到严重污染程度,平均能见度将降至1.50km,在所有研究样本中仅有1d,能见度在5km以上,大部分个例能见度介于1~2km之间,一般对应重度霾天气.综合而言:天津地区霾天气和重污染天气虽然定义不同,霾天气侧重于能见度和PM2.5质量浓度的综合判断,重污染天气主要依赖于PM2.5质量浓度判断,但由于霾天气能见度的高低主要为细颗粒物的散射和吸收作用决定,所以霾等级与空气质量等级存在较为固定的关系.一般而言,中度霾对应重度污染天气(90%),重度霾对应重度到严重污染天气(95%);反之,五级重度污染天气一般有中-重度霾发生(87%),六级严重污染天气有重度霾发生(95%).重污染天气(包含五级、六级)88%有中度-重度霾发生,仅有12%由于大气过于干燥,能见度大于5km.统计2014~2017年天津地区霾天气和重污染天气特征.图2a显示由于气象条件以及采暖季和非采暖季排放源差异,PM2.5质量浓度呈现单峰结构,每年12月~次年1月为峰值,5月~9月为谷值.对应PM2.5质量浓度单峰结构,重污染天气也呈现单峰结构,每年10月~次年3月多有重污染天气发生,出现概率15.5%,其余时间重污染天气发生概率0.7%.霾天气与重污染天气略有区别,天津能见度峰值出现在5~6月,7月雨季开始,相对湿度明显增加,虽然PM2.5质量浓度较低,但能见度小于10km天数明显增加,霾出现概率34%,一般以轻微霾为主,未出现中度及以上霾天气.对应PM2.5质量浓度分布,10月~次年3月,也是霾高发季节,霾发生概率41%,尤其中度及以上霾,96%发生在每年10月~次年3月(图2b).综合而言,天津地区霾天气全年均有发生,但中度及以上霾呈现明显的季节差异,96%发生在每年10月~次年3月,与重污染天气月季分布规律基本一致.年际变化分析,天津地区PM2.5质量浓度2009~ 2012年呈现平稳变化,维持在86mg/m3左右,受极端不利气象条件影响,2013年PM2.5质量浓度跃迁至96mg/m3,《大气污染防治行动计划》颁布以后PM2.5质量浓度呈现逐年下降的趋势(图2c),相比峰值浓度,2017年PM2.5质量浓度下降了35.4%,相比2009~ 2012年的稳定浓度,PM2.5质量浓度下降28%.随着大气中PM2.5质量浓度的减少,霾日呈现显著下降趋势,2017年相比2013年霾日下降了55%,中度及其以上霾日由2013年的41d下降到2017年的20d,下降幅度超过50%,重污染天气与中度及以上霾日变化趋势一致,在2009~2013年保持45~50d范围变化,经过5a的治理,2017年仅为23d,重污染日显著减少(图2d).基于小时数据分析霾时和重污染时日变化.天津地区PM2.5质量浓度呈现单峰型分布(图2e),每日15h~17h为谷值,8h~10h为峰值,傍晚18h虽然PM2.5质量浓度有所增加,但晚高峰并不明显,18h~22h有持续增加,然后保持平稳,直到早晨再次出现峰值.能见度日变化规律与PM2.5质量浓度相反,但波动幅度明显更大,其差异主要因为能见度受相对湿度日变化影响.下半夜到清晨太阳升起前相对湿度出现每日高值,此时能见度也为全天最低,日出后虽然PM2.5质量浓度有小幅增加,但伴随气温的增加,导致湿度降低,能见度呈现增加趋势.基于上述规律,天津地区霾最易发生在下半夜到上午,峰值出现在6h~9h,有接近50%的概率出现霾,且出现中度及以上霾概率达到13%(图2f),午后由于大气垂直扩散条件改善以及相对湿度下降,霾发生概率大幅度减小,其发生概率约在25%~30%.以小时计算,2017年天津地区霾约为2164h,其中中度及以上霾发生590h,相比2014年分别减少1944h和657h,但霾时仍占所有时间的25%,霾天气依旧是影响天津人民群众生活的重要问题.与霾天气对应的是重污染天气,重污染天气日变化分布相对平缓,9h~11h发生的概率略高,为11.6%,每日20h~次日12h发生概率为10%~11%,午后受垂直扩散条件改善影响,在8%~10%之间.对比霾日间变化,重污染受日间变化影响更小,持续性更强. 2014~2017年发生中度及以上霾为111d,重污染天气为118d,重合天数为104d.出现中度及以上霾天气,未出现重污染天气7d(出现中度污染).地面以高压后(东风增湿)或者锋前低压(弱北风降温增湿)为主,平均相对湿度为82%,由于相对湿度较高,虽然未出现重度污染,但能见度较低(平均2.5km),达到中度霾等级;出现重污染天气,未出现中度霾天气为14d,其中850hPa呈现偏西或者西北气流为10d,平均相对湿度为50%,低相对湿度导致能见度保持在5~10km,且其中50%的过程地面已经转为偏西或者西北风,西北风、西风使得天津地区相对湿度快速下降,但北部、西北部输送的污染物仍然使得天津有较高的细颗粒物质量浓度,空气质量改善时间明显滞后于能见度改善时间.500hPa环流分析,当高空环流为平直西风气流、弱西北气流和槽前西南气流时易于霾天气发生.具体而言,当高空环流为平直西风气流时,西风带无明显波动,无明显天气系统影响华北地区,气压场较弱,易于霾天气出现,占所有过程的34%;当高空处于弱西北气流控制时,华北地区受脊前或者槽后弱西北气流影响,地面以高压后、弱高压为主,也有部分前倾槽,地面位于低压后部或者锋前低压区,易于霾天气出现,占所有过程34%;当高空为槽前西南气流时,华北地区位于高空槽前,地面多为锋前低压区或均压场控制,辐合风场有利于污染物的累积,占所有过程32%.850hPa流场分析,西南气流是霾天气最重要的影响气流,占61%.当850hPa为西南气流时,西南气流将携带河北中南部的污染物输送到天津,且如果华北地区受明显的暖舌控制,暖舌的影响利于逆温形成,或者西南气流会带来暖平流,暖平流利于逆温形成,引起污染物累积.除西南气流以外,850hPa呈现偏西气流占13.5%,其多对应地形槽或者华北小低压天气,南北向太行山与西风下沉,易形成辐合低压污染.850hPa呈西北流占23%,地面多对应锋前低压区,虽然已经转为偏北风影响,但风场较弱,北部输送和锋面逆温导致霾天气加剧.比较特殊的是前倾槽过程,高空850hPa为西北气流,呈现下沉趋势,地面仍然位于低压槽前,呈现上升气流,下沉气流抑制污染物的垂直扩散,而地面弱上升,意味着仍处于低压辐合区,水平和垂直扩散条件的双重不利,导致污染过程加剧.结合500hPa环流分析和850hPa流场分析,基于地面天气形势,可将天津中度及以上霾天气划分为5种类型.分别为均压场型、弱高压型、锋前低压型、高压后型和低压槽型.高压类型2类,分别为高压后和弱高压,其中高压后部型是华北地区较为常见的一种污染天气形势(占比27%),由于河北中南部相比京津冀中北部大气污染物排放量和气象条件均有利污染物积累,当高压后-低压前地面形势出现时,天津地区一般为暖平流控制,易于逆温出现,西南输送和本地垂直扩散条件不利,双重叠加有利于霾天气发生.弱高压(占比9.9%),主要为北部弱高压型,海平面气压场呈现北高南低格局,前期污染积累以及冷空气的强度对于弱高压型污染是否出现中度及以上霾天气至关重要.当前期冷空气较弱时,对区域性污染清除不彻底,冷空气减弱后,易于大气污染回流或者上游输送滞留,导致霾天气出现,此类天气需要注意弱高压天气下沉气流对大气污染物垂直扩散的影响.低压类型有3类,占比最多的为锋前低压(占比28.8%),该天气一般为污染过程的最后阶段,也是污染过程峰值阶段,未来有冷锋过境,目前处于低压系统或弱气压场内.在此阶段大气污染受前期积累和上游输送的共同的影响,呈现较高的峰值浓度.其次为均压场(占比22%),弱风场是此类污染天气的最大特征,当湿度较高时,此类天气也易出现雾霾交替产生的现象.低压槽也是华北地区典型的低压污染类型(占比11.7%),其属于辐合风场污染类型.由于我国处于西风带,太行山又呈现南北向,气流过山后,气柱伸长,空气发生辐合,气旋性涡度增加,下沉气流绝热增温,在对流层低层产生暖温度脊,使低层减压,在华北平原形成低槽(华北地形槽).该地形槽常为地面气压场的暖性低槽,有时在地形槽内出现地形低压,强度弱、不发展.受其影响在华北平原常有低压区辐合区的存在,当低压辐合区闭合时,我们称为华北小低压,当低压辐合区不闭合时,称为地形槽.地形槽与低压系统相互融合,使得华北平原地区风场辐射,污染滞留,有利于霾天气的出现.根据上述分析,构建天津地区霾天气概念模型,I为高压后型;II为北部弱高压型;III低压槽型;IV均压场型;V锋前低压型.具体如下(图3):大气低能见度的形成原因复杂,且存在明显的地域性和季节性,其对应的天气现象有雾、霾、沙尘和降水等.霾天气能见度与气溶胶、相对湿度密切相关,其贡献达到大气消光的85%以上,气溶胶质量浓度、粒径谱分布、化学组分、吸湿特性和黑碳及其混合状态等性质均对其产生影响,在PM2.5中硫酸盐、硝酸盐和含碳气溶胶是引起能加度降低的主要成分.如果固定相对湿度,清晰显示PM2.5质量浓度与能见度呈现幂指数关系(表4),参考马楠等[33]和蔡子颖等[32]在天津武清和城区的工作,基于2014~ 2016年PM2.5质量、相对湿度和能见度建立拟合式,共计25828h,以2017年数据作为检验.拟合式1,其中σ为大气消光系数,可通过3912/σ计算大气能见度(最高为30km,超过30km取30km),a值为7.63,b值为0.9,c值为0.479,相比使用2012年城区观测拟合的数据,本研究拟合数据采用天津全市样本,且2014年后环保部门使用RP1405F测量PM2.5质量,相比原有的气象部门RP1400,其挥发性有机物的补偿使得监测PM2.5质量浓度略高于以前观测.基于此a、b和c略有调整(原拟合式[21]中a为6.72,b为0.89,c为0.838).基于2017年全年样本进行检验,模拟能见度和实况能见度相关系数0.94(图4),相对误差18.6%,比使用原有公式模拟2017年能见度略有改进(相关系数0.93,相对误差22%).在不考虑PM2.5质量和相对湿度预报误差的情况下,使用式1计算霾等级(2014~2017年),霾日辨识准确率为85%,霾日辨识准确为95.6%,样本500d;轻微霾辨识准确率为83%,样本338;轻度霾辨识准确率为78%,样本55d;中度霾辨识准确率93%,样本72d;重度及以上霾辨识准确率为94%,样本34d.假定误差一个等级辨识记为正确,则各等级平均辨识准确率为99.5%.由此表明该式对霾等级辨识具有较高的准确性.同时也说明在确定PM2.5质量浓度和相对湿度的基础上,依据式(1)计算能见度日值虽然有接近20%的误差,但对于判断霾等级,有较强的适用性.尤其在中度及以上霾天气,其等级辨识准确率可达到93%以上.s=a´PM2.5b(1-RH)-c´RH (1)2.4节从理论确定了使用式(1)可较好的进行霾天气数值预报.基于WRF/chem.模型构建霾天气数值模式,收集2015~2017年的24h预报产品进行检验.从统计数据反映,基于式(1)和WRF/chem.模型可以较好的开展天津霾天气的能见度模拟和预报,其能见度预报值与实况值相关系数0.75,预报均值13.9km,实况均值14.1km,相对误差29.6%,FAC2(预报值在实况值两倍范围内百分比)为98.1%.预报值与实况出现误差最主要的影响因素为PM2.5质量浓度预报和实况的偏差,2015~2017年PM2.5质量浓度预报值与实况值相关系数0.73,预报均值68μg/m3,实况均值69μg/m3,相对误差33.5%,FAC2值为86%,相对湿度相比PM2.5质量浓度预报,无论相对误差,还是相关系数均表现的更为优异,其预报值与实况值相关系数为0.89,预报均值为53,实况均值为57,相对误差为12.7%,FAC2值为98.1%.基于上述方法,开展霾天气预报和模拟,霾日预报准确率为81.4%,霾日漏报率为18.6%,霾日空报率20.6%,可有效支撑霾预报的开展.对于精细化的霾等级预报开展,表5显示大部分情况下霾等级预报的准确率在50%以上,如果容错1级,轻微霾日预报准确率为96%,轻度霾日预报准确率为85%,中度及以上霾日预报准确率为69%,相比基于PM2.5的空气质量等级预报,其等级预报准确率35%,容错1级等级预报准确率86%,基于式1和数值模式的天津霾等级预报准确率与基于数值模式的空气质量预报准确率大体相当,后期需要通过改进数值模式PM2.5质量浓度预报能力,提升天津。

天津冬季大气能见度与空气污染的相互关系

天津冬季大气能见度与空气污染的相互关系姚青;张长春;樊文雁;黄鹤【期刊名称】《气象科技》【年(卷),期】2010(38)6【摘要】为探求天津冬季大气能见度特征与空气污染的相互关系,于2008年12月至2009年1月连续观测大气能见度和空气污染物浓度(PM10、PM2.5质量浓度,O3、NO2和SO2体积浓度),并结合相对湿度进行相关分析.结果表明:天津冬季大气能见度平均值为11.59 km,日变化呈明显的单峰特征,其变化特征受到空气污染物,尤其是气溶胶质量浓度及相对湿度变化共同影响;观测期内霾的发生频率接近50%;采用非线性回归方程拟合能见度与气溶胶质量浓度相互关系显示,PM2.5质量浓度对水平能见度的贡献大于PM10质量浓度,并且高湿情况下,能见度与气溶胶质量浓度相关性更好.【总页数】5页(P704-708)【作者】姚青;张长春;樊文雁;黄鹤【作者单位】天津市气象科学研究所,天津,300061;中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;天津市气象科学研究所,天津,300061;天津市气象科学研究所,天津,300061;天津市气象科学研究所,天津,300061【正文语种】中文【相关文献】1.天津市大气能见度与空气污染物关系分析及控制措施 [J], 王炜;解佳宁;路宗敏;朱坦2.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J], 姚青;蔡子颖;韩素芹;刘爱霞;刘敬乐3.西安市大气能见度变化规律及与空气污染关系 [J], 林杨;胡琳;邓小丽;苏静4.郑州市大气能见度变化特征及与空气污染的关系 [J], 刘和平;代佩玲;张青珍;郭学峰;侯春梅5.空气污染与大气能见度及环流特征的研究 [J], 赵庆云;张武;王式功因版权原因，仅展示原文概要，查看原文内容请购买。

天津市冬季颗粒物散射消光特征

天津市冬季颗粒物散射消光特征古金霞;白志鹏;解以扬;刘爱霞;吴丽萍;孙玫玲【期刊名称】《南开大学学报（自然科学版）》【年(卷),期】2009(042)002【摘要】就近年来天津市能见度逐渐降低的现象,利用M9003浊度计并辅以同期观测的污染物浓度和气象因子资料,考察了颗粒物散射消光对能见度的影响.得出颗粒物散射消光约占总消光的83.5%,且细粒子是影响能见度降低的主要因素.PM2.5的总散射效率和对细粒子的散射效率分别为6.05和3.4 m./g.并根据颗粒物的散射消光特征日变化趋势总结出天津市颗粒物的散射消光类型可划分为:双峰型、单峰型和平滑型三类.【总页数】5页(P73-76,86)【作者】古金霞;白志鹏;解以扬;刘爱霞;吴丽萍;孙玫玲【作者单位】南开大学环境科学与工程学院国家环境保护城市空气颗粒物污染防治重点实验室,天津,300071;天津城市建设学院基础学科部,天津,300384;南开大学环境科学与工程学院国家环境保护城市空气颗粒物污染防治重点实验室,天津,300071;天津市气象科学研究所,天津,300074;天津市气象科学研究所,天津,300074;南开大学环境科学与工程学院国家环境保护城市空气颗粒物污染防治重点实验室,天津,300071;天津城市建设学院基础学科部,天津,300384;天津市气象科学研究所,天津,300074【正文语种】中文【中图分类】X513【相关文献】1.天津市冬季颗粒物化学组成及其消光特征 [J], 丁净;韩素芹;张裕芬;冯银厂;吴建会;史国良;王娇2.天津市颗粒物散射消光特征及化学组分贡献研究 [J], 古金霞;董海燕;白志鹏;霍光耀;刘爱霞;吴丽萍;解以扬3.天津市区秋冬季大气气溶胶散射系数的变化特征 [J], 徐梅;韩素芹;武国良;赵玉娟4.邯郸市冬季一次霾过程中细颗粒物化学组分的污染特征及消光贡献 [J], 刘召策;袁琦;胡伟;张代洲;薛凡利;武振晓;樊景森;卢彦琦;牛红亚5.香港郊区站点冬季污染背景下气溶胶消光特征及其与细颗粒物化学组成关系 [J], 任丹阳;周杨;吴冠儒;盛立芳;王文彩;郁建珍因版权原因，仅展示原文概要，查看原文内容请购买。

2009年秋冬季天津低能见度天气下气溶胶污染特征

2009年秋冬季天津低能见度天气下气溶胶污染特征姚青;蔡子颖;韩素芹;曲平【期刊名称】《气象》【年(卷),期】2012(038)009【摘要】为研究天津城区秋、冬季雾霾等低能见度天气下气溶胶污染特征，采用2009年10～12月的大气能见度及相关气象和环境监测数据，并结合一次典型雾霾事件分析PM10和PM2.5质量浓度演化过程及其垂直分布特征。

结果表明，低能见度天气占秋、冬季观测时长的一半以上，其中以霾天气为主；典型低能见度过程分析显示，霾日近地层内PM2.5分布均匀，表现出显著的区域污染特征；雾日气溶胶质量浓度先升高后下降，系气溶胶粒子吸湿性增长与导致可溶性组份溶出的湿清除协同作用，低层PM2.5质量浓度显著高于较高层，其垂直分布差异与相对湿度的垂直变化和逆温层高度有关。

%To research the pollution characteristics of aerosols during low visibility weather in Tianjin, the observational data of visibility, PM10 and PM2.5 mass concentrations and meteorological factors in the au- tumn and winter of 2009 were studied. At the same time a case of low visibility was analyzed to find out the evolvement processes and vertical distributions of atmospheric aerosol mass concentrations. The results have indicated that most of low visibility weather cases are in haze, accounting for half of the samples or more. Analysis of the typical low-visibility process has shown that PM2.5 follows a uniform distribution in haze days with significant regional pollution characteristics. The aerosol mass concentration is increased first and then decreased in foggy daysbecause of both hygroscopic growth of aerosols and wet clearing due to the dissolution of soluble components. PM2.5 mass concentrations in the surface layer are more than those in higher layers, depending on the vertical variation of RH and the inversion layer height.【总页数】7页(P1096-1102)【作者】姚青;蔡子颖;韩素芹;曲平【作者单位】天津市气象科学研究所,天津300061 中国气象局云雾物理环境重点开放实验室,北京100081;天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061【正文语种】中文【中图分类】X513【相关文献】1.北京低能见度污染天气发生频率与成因特征研究 [J], 李海萍2.嘉兴秋冬季中度及中度以上霾天气的潜在污染来源及污染传输特征分析 [J], 李海军;陆琛莉;宋刘明3.南京冬季气溶胶消光特性及霾天气低能见度特征 [J], 何镓祺;于兴娜;朱彬;袁亮;马佳;沈丽;朱俊4.北京春季不同天气条件下气溶胶垂直分布特征 [J], 马新成;李睿劫;刘力威;韩光;吴宏议;嵇磊;张蔷;黄梦宇;李宏宇;杨道侠;何晖;张磊5.不同天气状况下气溶胶散射系数变化特征分析 [J], 王开燕;邓雪娇;李海洋;赵小伟;祁秀香因版权原因，仅展示原文概要，查看原文内容请购买。

2011年秋冬季天津PM2.5组分特征及其对能见度的影响

第２９卷第２期２０１３年４月
气象与环境学报
ＪＯＵＲＮＡＬＯＦ ⅣＩＥＴＥ０ＲＯＬＯＧＹＡＮＤＥＮＶＩＲＯＮＭＥＮＴ
ＶＯ１．２９ＮＯ．２Ａｐｒｉｌ２０１３
刘爱霞，韩素芹，姚青，等．２０１１年秋冬季天津ＰＭ：．组分特征及其对能见度的影响［Ｊ］．气象与环境学报，２０１３，２９（２）：４２ — ４７．
中图分类号：Ｘ８２３
文献标识码：Ａ
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３￣０３Ｘ．２０１３．０２．００７
引言
随着城市化和工业化的迅速发展，能见度下降已经成为影响城市大气环境的重要问题。细颗
约占消光系数的７０％，颗粒物的消光贡献可以达到总大气消光的９０％。当元素碳（ＥＣ）的质量浓度高于１５ｐ，ｇ・ｍ时，会对能见度有显著影响，其通过吸收作用可造成能见度下降２０％【ｌ。。。雾霾低能见度天气事件是天津地区秋冬季节的主要灾害性天气之不仅会造成巨大的经济损失，也经常造成重大的人员伤亡，严重威胁到人类社会的可持续发展ｎ卜］。近年来，天津地区ＰＭ采样研究主要集中在水溶性无机离子ｎ－１４］、元素［１一引和含碳物
气能见度，颗粒物污染控制等提供科学依据。
１资料与方法
观测地点设在天津市大气边界层观测站内，地

近十年天津市霾日数变化特征及持续性霾天气特征分析

近十年天津市霾日数变化特征及持续性霾天气特征分析1. 霾天气日数的变化趋势近十年来，天津市的霾天气日数呈现出明显的波动性。

从数据来看，霾天气的日数呈现出逐年增加的趋势，其中2013年至2014年之间，霾天气日数出现了急剧增加的现象，达到了近年来的峰值。

而在2015年之后，霾天气日数略有下降，但整体趋势依然是呈现增加的状态。

在不同的季节内，天津市的霾天气表现出不同的变化特征。

在冬季，尤其是11月至次年3月之间，霾天气的出现频率明显增加，其中以12月和1月的霾天气日数最为突出。

而在夏季时，霾天气日数相对较少。

这表明天津市的霾天气主要集中在冬季，符合冬季大气逆温、污染物在大气中滞留时间较长的特点。

3. 天气系统对霾天气的影响天气系统对霾天气的形成和变化起着至关重要的作用。

在天津市，影响霾天气形成的主要天气系统包括高压系统、冷空气和地面逆温等。

在高压系统的控制下，水汽和污染物在大气中难以扩散，容易形成霾天气。

而冷空气的输入，则会加速污染物的扩散，减少霾天气的发生。

地面逆温是霾天气形成的重要条件之一，一旦出现地面逆温，就会导致冷暖空气交汇的情况，形成霾天气。

二、近十年持续性霾天气特征分析近十年来，天津市的持续性霾天气明显增多。

2013年以来，持续性霾天气的频率明显增加，尤其是在冬季。

持续时间较长的霾天气多出现在12月至2月这段时间内，持续时间可达数日甚至十余天。

持续性霾天气的发生与气象条件有着密切的关系。

在发生持续性霾的时间段内，通常气温偏低，风力较小，地面逆温现象明显。

这些气象条件容易导致污染物在地面层内滞留，形成持续性霾天气。

大气稳定层的形成也是持续性霾天气发生的重要原因之一。

持续性霾天气对城市环境和居民健康造成了不可忽视的影响。

持续性霾天气会严重影响城市能见度，增加交通事故的发生率，对交通运输造成一定的影响。

霾天气中的大气污染物也会对人体健康产生负面影响，加重呼吸道疾病的发病率。

三、结语通过对近十年来天津市霾日数变化特征及持续性霾天气特征的分析，可以看出霾天气在天津市的发生频率和持续时间有着较为明显的增加趋势。

2011年秋冬季天津PM2.5组分特征及其对能见度的影响

2011年秋冬季天津PM2.5组分特征及其对能见度的影响刘爱霞;韩素芹;姚青;张敏;蔡子颖【期刊名称】《气象与环境学报》【年(卷),期】2013(029)002【摘要】利用2011年能见度、相对湿度、风速逐时观测资料和11月16日至12月13日颗粒物膜采样数据,分析天津市大气能见度与PM2.5组分的关系.结果表明:天津颗粒物质量浓度与能见度变化总体呈负相关,PM2.5和相对湿度对能见度的影响作用明显.能见度与颗粒物中TC质量浓度变化呈负相关,So42-,NO3-,OC和EC是影响大气能见度的主要组分,其中SO42-浓度对能见度影响最大,其次为OC浓度、EC浓度,NO;浓度对能见度的影响相对较小.后向轨迹和混合层高度分析表明,气象条件是造成PM2.5质量浓度分布差异的重要原因.【总页数】6页(P42-47)【作者】刘爱霞;韩素芹;姚青;张敏;蔡子颖【作者单位】天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074;天津市气象科学研究所,天津300074【正文语种】中文【中图分类】X823【相关文献】1.2013—2016年天津城区大气能见度的变化特征r与影响因素 [J], 李英华;姚立英;姚青;韩素芹;蔡子颖;刘敬乐2.天津秋冬季PM2.5碳组分化学特征与来源分析 [J], 霍静;李彭辉;韩斌;陆炳;丁潇;白志鹏;王斌3.2009年秋冬季天津低能见度天气下气溶胶污染特征 [J], 姚青;蔡子颖;韩素芹;曲平4.营口地区秋冬季PM2.5变化特征及其与能见度的关系 [J], 张智超; 吴杨; 崔福涛; 吴国振5.2014-2017年华北平原PM2.5组分消光与能见度对比研究 [J], XinruiWu;Guangzhou Fan;Yuesi Wang;Lili Wang;Wenkang Gao;JinyuanXin;Xiaoling Zhang;Ruirui Si;Guangjing Liu;An'na Li;Tianxue Wen;Zirui Liu;Shigong Wang因版权原因，仅展示原文概要，查看原文内容请购买。

天津市PM10,PM2.5和PM1连续在线观测分析

天津市PM10,PM2.5和PM1连续在线观测分析天津市PM10, PM2.5和PM1连续在线观测分析近年来，随着城市化进程的加快，大气污染问题日益突出。

细颗粒物（PM）的浓度成为衡量大气质量的重要指标之一。

其中，PM10（直径小于或等于10微米的颗粒物）、PM2.5（直径小于或等于2.5微米的颗粒物）和PM1（直径小于或等于1微米的颗粒物）是最为有关注度的指标。

本文将对天津市这三种颗粒物的连续在线观测进行分析。

首先，我们先来了解一下这三种颗粒物的来源。

PM10主要来源于工业排放、车辆尾气和建筑施工等，而PM2.5和PM1则除了这些常见污染源外，还包括道路扬尘、餐饮烹饪和燃烧过程中产生的颗粒物。

因此，PM2.5和PM1的来源更为广泛，对人体健康的影响也更为严重。

接下来，我们来看一下天津市这三种颗粒物的连续在线观测数据。

根据天津市环境监测中心提供的数据，我们可以发现，天津市的PM10浓度呈现出逐年下降的趋势。

在近五年的观测中，PM10浓度从2017年的129微克/立方米下降到2021年的98微克/立方米。

这一下降趋势显示出天津市大气环境质量得到了一定的改善。

然而，PM2.5和PM1的浓度却并未呈现出明显的下降趋势。

相反，从2017年到2021年，PM2.5浓度从79微克/立方米上升到91微克/立方米，PM1浓度从55微克/立方米上升到64微克/立方米。

可见，天津市对于更细小颗粒物的控制仍存在一定的难度。

那么，为什么PM2.5和PM1的浓度上升却未能得到有效控制呢？首先，天津市的工业排放量依然较大，尽管近年来政府采取了一系列措施进行治理，但效果仍有限。

其次，城市交通拥堵也是一大问题，高密度的车辆尾气排放是PM2.5和PM1的重要来源之一。

此外，城市建设和施工过程中产生的扬尘也是导致PM2.5和PM1浓度上升的重要原因。

基于以上分析，为了进一步改善天津市的大气环境质量，我们可以从以下几个方面入手。

首先，加强对工业企业的排污监管，加大对高污染排放企业的整治力度。

天津市PM1o,PM2.5和PM1连续在线观测分析

天津市PM1o,PM2.5和PM1连续在线观测分析黄鹤;蔡子颖;韩素芹;姚青;吴彬贵【期刊名称】《环境科学研究》【年(卷),期】2011(024)008【摘要】利用2010年9月1日-11月30日在中国气象局天津大气边界层观测站采集的ρ(PM10),ρ(PM2.5)和ρ( PM1)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM10),ρ( PM2.5)和ρ(PM1)的日变化特征及与风速、风向的关系.结果表明:观测期间,ρ( PM1o)日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095-1996)二级标准限值;ρ(PM2.5)有63 d超过美国国家环境保护局(US EPA) 1997标准限值,超标率高达76.8％；不同天气条件下,ρ(PM1o),ρ(PM2.5)和ρ(PM1)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值；可吸入颗粒物以粗粒子( PM2.5-10)和PM1为主,PM2.5-1o,PM1-2.5和PM1主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内；风速大于3 m/s时,ρ( PM2.5～1o)和ρ( PM1-2.5)有所增加.ρ(PM1o),ρ(PM25)和ρ( PM1)未出现周末效应,但存在明显的周内变化.【总页数】7页(P897-903)【作者】黄鹤;蔡子颖;韩素芹;姚青;吴彬贵【作者单位】天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061;天津市气象科学研究所,天津300061【正文语种】中文【中图分类】X513【相关文献】1.宁波市大气可吸入颗粒物PM1o和PM2.5的源解析研究 [J], 叶文波2.一次连续在线观测分析天津市细颗粒物污染特征 [J], 董海燕;古金霞;陈魁;白志鹏;姜伟;蒙海涛3.武汉中心城区可吸入颗粒物连续在线观测分析研究 [J], 曹新光;胡红兵4.香格里拉地区近10年大气本底环境颗粒物PM1/PM2.5/PM10质量浓度变化特征浅析 [J], 杨禄麟; 翟建雄5.在线连续流量扩散云室对华北冬季大气冰核的观测分析 [J], 毕凯;黄梦宇;马新成;田平;陈羿辰;丁德平因版权原因，仅展示原文概要，查看原文内容请购买。

天津市冬季典型大气重污染过程特征

中国环境科学 2017,37(4)：1239~1246 China Environmental Science 天津市冬季典型大气重污染过程特征徐虹1,肖致美1*,孔君1,元洁1,李鹏1,关玉春1,邓小文1,张裕芬2,韩素芹3(1.天津市环境监测中心,天津 300191；2.南开大学,天津 300071；3.天津市气象科学研究所,天津 300074)摘要：基于污染物浓度、颗粒物化学组分及气象参数等观测数据,综合分析天津市2015年冬季典型重污染过程成因及污染特征,结果表明:天津市冬季重污染期间风速0~4.0m/s,相对湿度80%以上,混合层高度仅为清洁天气的1/3~1/2,静稳高湿的大气环境对重污染影响较大.重污染过程NO2/SO2比值较清洁天气低,NO3-/SO42-比值大于1,表明重污染期间天津市移动源与固定源并重.重污染PM2.5/PM10比值较清洁天气高,PM1/PM2.5比值较清洁天气低,可能与重污染过程期间细粒子的吸湿增长以及散煤燃烧排放有关.污染初期NOR大于SOR,随着重污染持续,由于受制于氨,SOR要高于NOR,需关注气态前体物尤其是SO2排放.OC与EC浓度高时二者相关性较低,SOC占OC的20%~54%,说明冬季重污染期间散煤燃烧源和二次有机化学反应对冬季重污染影响较大.关键词：天津；冬季；重污染；颗粒物；气态污染物中图分类号：X51,X16 文献标识码：A 文章编号：1000-6923(2017)04-1239-08Characteristic of atmospheric heavy pollution episodes in Winter of Tianjin. XU Hong1, XIAO Zhi-mei1*, KONG Jun1, YUAN Jie1, LI Peng1, GUAN Yu-chun1, DEN G Xiao-wen1, ZHAN G Yu-fen2, HAN Su-qin3 (1.Tianjin Environmental Monitoring Center, Tianjin 300191, China；2.Nankai University, Tianjin 300071, China；3.Tianjin Research Institute of Meteorological Science, Tianjin 300074, China). China Environmental Science, 2017,37(4)：1239~1246 Abstract：To study the characteristics and causes of atmospheric heavy pollution episodes in winter of Tianjin, the concentrations of air pollutants, chemical characteristics of particulate matter and the meteorological parameters were analyzed in this study. The major conclusions were obtained as follows. During the heavy pollution episodes, the wind speeds kept below 4.0m/s the relative humidity were larger than 80%, and the mixing heights were only one third to one second of that in the clean days. The NO2/SO2 ratios were lower in heavy pollution days than that in clean days, and the NO3-/SO42- ratios were larger than 1during pollution days, indicating that both vehicle exhaust and stationary sources were dominant in Tianjin. Compared to clean days, the PM2.5/PM10 ratios during the heavy pollution episodes were larger while the PM1/PM2.5 ratios were relatively lower, probably because of the hygroscopic behavior of fine particles and the coarse particles from coal combustion. At the beginning of pollution processes, the NOR values were larger than SOR, however, as the development of pollution, the SOR values exceeded NOR due to the limit of ammonia’s concentration, indicating that more attention should be focused on gaseous precursors especially sulfur dioxides. OC and EC were weakly correlated when both of them have high concentrations. SOC contributed 20% to 54% of OC, indicating that the residential bulk coal burning and secondary organic reactions greatly affected heavy pollution episodes.Key words：Tianjin；winter；heavy pollution episode；particulate matter；gaseous pollutants近年来重污染天气频发,持续的高浓度污染不仅会造成大气能见度降低[1-4],还严重危害人体健康[5-8].尤其是我国北方地区,冬季环境空气质量受大气污染影响严重.大气污染主要与污染源排放和气象因素密切相关.已有研究表明我国北方地区冬季大气重污染过程除受本地污染源排放影响外,静稳高湿的气象条件亦是影响冬季重污染过程形成的重要因素[9-10].以往研究大多重点关注重污染过程的气象[11-12]或污染物特征[13-14],且多以日浓度数据进行分析,研究城市多为北京市[15-17].本研究从地面气象要素、污染收稿日期：2016-08-19基金项目：国家重点研发计划(2016YFC0208500);国家科技支撑计划(2014BAC23B00);天津市重大科技专项(工程)项目(14ZCDGSF00027);天津市科技计划项目(15YFYSSF00030)* 责任作者, 高级工程师, xiaozhimei01@1240 中国环境科学 37卷物观测及PM2.5组分在线观测等多个方面,以小时数据为时间精度,分析天津市冬季重污染过程的污染特征.天津市位于渤海与京津冀地区的中间地带,是我国经济快速发展的地区,同时也是我国大气污染较为严重的地区之一[18-21].近年来天津市重污染天气频发,尤其是冬季[22].本研究分析了2015年11月~12月期间重污染天气过程(重污染天气过程界定为连续发生3d以上AQI大于200),从污染物浓度、颗粒物化学组分以及气象条件等方面,综合分析重污染过程的成因及污染特征,以期为今后的重污染预警及大气污染防治工作提供理论借鉴.1研究方法1.1研究区域天津市位于北纬38°34′~40°15′、东经116°43′~118°04′之间,地处华北平原东北部,是环渤海地区的经济、金融中心,工业发达,近年来城市化发展迅猛,大气污染严重.天津属暖温带半湿润大陆季风型气候,四季分明,多年平均温度为11.4~12.9°C,主导风向为西南风.不同季节又有明显不同,其中冬季以西北风为主,夏季以东南风为主[23].观测站点位于南开区天的津市环境监测中心四楼顶空气质量超级观测站(39°05′N,117°9′E),距地面约15m 左右,采样器距楼顶的距离为1.2m,周围没有明显局地污染源.1.2数据来源观测数据为超级站2015年11~12月逐时自动监测数据,包括气态污染物(SO2、NO2、CO和O3)浓度、颗粒物(PM10、PM2.5和PM1)浓度以及颗粒物水溶性离子组分和碳组分浓度.观测仪器如表1所示.颗粒物质量浓度测量采用美国Thermo公司开发的颗粒物连续监测仪(TEOM 1405F系列), NO2、SO2、CO、O3数据测量分别采用Thermo Scientific Model 42i NO x分析仪、43i SO2分析仪、48i CO分析仪、49i O3分析仪,每天仪器自动校准,每周人工校准1次.PM2.5水溶性离子组分(Cl-、NO3-、NH4+、SO42-、Na+、K+、Mg2+和Ca2+)数据测量采用美国URG公司生产的气溶胶离子监测仪(URG-9000D),碳组分(有机碳OC和元素碳EC)数据测量使用美国Sunset Lab公司开发的在线OC/EC分析仪(Model 4G).每周对仪器校准1次.表1污染物监测仪器型号Table 1 Experimental Instruments of Various AirPollutants序号监测仪仪器型号时间分辨率(min)1PM10/PM2.5/PM1TEOM 1405F 102NO2 42i0.53SO2 43i<24O3Thermo Scientific Model49i <25离子组分 URG-9000D 126O C/EC Model4G 60气象数据取自中国气象局天津大气边界层观测站(39°06′N,117°10′E,海拔高度3.3m,台站编号:54517),与污染物超级观测站点直线距离不超过5km.气象数据测量使用V AISALA WST520气象自动站,包括温度、相对湿度、压力、风速和风向等数据.混合层高度数据取自美国国家海洋和大气管理局空气资源实验室网站(http://ready./READYamet.php).污染物与气象数据分析时以小时为时间精度,混合层高度数据时间分辨率为3h.2结果与讨论2015年11月~12月期间,天津市共出现6次重污染天气过程,2次在非采暖季(2015年11月1日~15日),其余均发生在采暖季(2015年11月15日之后).为对比分析重污染天气特征,本研究将重污染天气与清洁天气作对比,定义清洁天气为当天(0:00~24:00)空气质量为一级优或二级良的天气.2.1主要气象要素分析天津市2015年11月和12月重污染过程均发生在静稳天气下,期间风速0~4.0m/s,相对湿度80%以上.在95%置信水平下PM2.5小时浓度与风速和相对湿度的相关性分别为-0.45和0.49,在相对湿度较高、风速较低情况下PM2.5浓度往往较高(图1).不过当湿度在60%~70%、风速在4.0m/s4期徐虹等：天津市冬季典型大气重污染过程特征 1241左右时,PM 2.5浓度亦出现高值,这可能是因为重污染过程通常需要强冷空气入侵才得以结束,尽管冷空气刚开始时风力加大,湿度降低,但污染不会立即消散,此时PM 2.5浓度仍居高不下,当较大风力持续一段时间后PM 2.5浓度才显著下降.且较大风力易造成地面扬尘污染,导致颗粒物浓度较高.可见风速和相对湿度对天津市冬季PM 2.5污染有较大影响.0 10 20 30 40 50 6070809010050 100 150 200 250 300 350400 450 2.5浓度 µg/m 3风速(0.1 m/s)相对湿度(%)图1 不同风速和相对湿度条件下PM 2.5浓度的等值线分布Fig.1 The contour distribution of PM 2.5 concentration under different wind speeds and relative humidity较高的相对湿度可促进环境空气中气溶胶的吸湿增长[24],改变气态污染物非均相反应的环境,为一次颗粒向二次颗粒的转化提供适宜的条件,对大气细颗粒物的形成和转化造成影响[25-27].本研究发现在相对湿度较高的情况下SOR(硫转化率,24242[SO ]SOR [SO ][SO ]−−=+,无量纲)和NOR(氮转化率,332[NO ]NOR [NO ][NO ]−−=+,无量纲)的值较高(图2),分析1002组SOR -相对湿度小时数据与1231组NOR -相对湿度小时数据,显示SOR 与相对湿度的相关性超过0.6,说明湿度越高,硫转化率越高.在天津市冬季相对湿度较高的情况下,容易发生气体的非均相化学反应,尤其是SO 2的二次反应.0.00.10.20.30.40.50.60.70.80.91.0S O R相对湿度(%)0.00.10.20.30.40.50.60.70.80.91.0N O R相对湿度(%)图2 2015年11~12月期间SOR 和NOR 与相对湿度的散点图Fig.2 Scatter Plots of SOR and NOR and relative humidity during November and December in 20152015-11-16 2:02015-11-13 2:02015-11-10 2:02015-11-7 2:02015-11-4 2:02015-11-1 2:02015-11-19 2:02015-11-22 2:02015-11-25 2:02015-11-28 2:02015-12-1 2:02015-12-4 2:02015-12-7 2:02015-12-10 2:02015-12-13 2:02015-12-16 2:02015-12-19 2:02015-12-22 2:02015-12-25 2:02015-12-28 2:02015-12-31 2:0-1000-500500100015002000 时间混合层高度(m ) P M 2.5(µg /m 3)图3 天津市2015年11~12月期间PM 2.5浓度和混合层高度的变化序列Fig.3 Time series of PM 2.5 concentration and mixed layerheight during November and December in 20151242 中国环境科学 37卷混合层高度是影响大气环境扩散条件的另一重要因素,风影响污染物的水平扩散,混合层高度影响污染物的垂直扩散[28-29].混合层高度越高,越有利于污染物垂直方向的扩散,污染物浓度越低;反之,混合层高度越低,污染物的扩散越不利,污染物浓度越高.2015年冬季重污染天气过程的混合层高度均值在150~266m,为同时期清洁天气(462m)的1/3~1/2(图3).较低的混合层高度不利于污染物的垂直扩散,导致污染物积累,引发重污染. 2.2 气态污染特征分析重污染期间,气态污染物的浓度较高,与清洁天气相比,NO 2、SO 2和CO 的浓度普遍高出清洁天气1~2倍(图4,表2).其中采暖季重污染过程期间NO 2、SO 2和CO 的浓度明显高于非采暖季污染过程.802015-10-30 00:002015-11-02 00:002015-11-05 00:002015-11-08 00:002015-11-11 00:002015-11-17 00:002015-11-23 00:002015-11-29 00:002015-12-05 00:002015-12-11 00:002015-12-17 00:002015-12-23 00:002015-12-29 00:002016-01-04 00:008浓度(m g /m 3)浓度(µg /m 3)浓度(µg /m 3)时间N O 2/S O 2比值2015-11-14 00:002015-11-20 00:002015-11-26 00:002015-12-02 00:002015-12-08 00:002015-12-14 00:002015-12-20 00:002015-12-26 00:002016-01-01 00:00图4 天津市2015年11月~12月气态污染物日均浓度及NO 2/SO 2比值变化序列Fig.4 Time series of daily concentrations of gaseouspollutants and NO 2/SO 2 ratios during Novemberand December in 2015以往研究用NO 2/SO 2的比值反映移动源和燃煤源对污染贡献的变化[30-31],比值大说明移动源的贡献大,比值小说明固定燃烧源的贡献大.本研究中NO 2/SO 2在清洁天气时的平均比值为 1.54,在非采暖期重污染过程的比值(1.69和1.79)均高于清洁天气的比值(表2).说明非采暖期重污染过程期间移动源对环境空气的影响较重.但进入采暖季之后,NO 2/SO 2的比值整体下降15.9%,且重污染天气的比值相比清洁天气略低3.7%,说明进入采暖季后,燃煤源贡献相对增加,重污染时燃煤源对环境空气的影响较平时略重. 2.3 颗粒物质量浓度特征分析天津市2015年11月~2015年12月期间6次重污染过程中PM 2.5平均浓度分别为186, 166,231,218,270,195µg/m 3.从浓度水平上看,采暖季(11月15日之后)污染过程较11月初的非采暖季污染明显加重,采暖季重污染过程PM 2.5平均浓度约为非采暖季重污染过程的1.30倍.非采暖季重污染过程混合层高度(265m 左右)约为采暖季重污染期间(179.4~262.5m)的1.25倍,可见除煤炭燃烧等污染源排放增加外,混合层高度降低等不利的气象条件亦是采暖季重污染发生的重要原因. 从不同重污染过程期间颗粒物的粒径分布看(表2),冬季重污染过程期间PM 2.5/PM 10比值(0.72~0.85)较清洁天气(0.69)高,但是PM 1/PM 2.5比值(0.42~0.68)却比清洁天气(0.71)低.已有研究表明重污染过程期间环境空气中会发生较多的二次化学反应,产生大量的细粒子[32-33],因此重污染过程期间PM 2.5/PM 10比值较高.此外,也有研究表明燃煤在充分燃烧的情况下,通常是以细粒子的形式存在,尤其是粒径小于1µm 的粒子[34-35].然而若是燃煤不充分,如散煤的燃烧,就会排放出1µm 以上的粒子,导致粒径在1~2.5µm 的颗粒排放量较多[36].本研究推测,由于重污染期间天津市启动重污染应急措施,减少工业燃煤排放,完全燃烧燃煤排放的细粒子减少,而居民散煤燃烧排放的1~2.5µm 之间的粒子无变化,故PM 1/PM 2.5的比值较清洁天气低.此外,重污染期间相对湿度较高,颗粒吸湿增长亦有可能导致1~2.5µm 粒子增多[24],从而PM 1/PM 2.5的比值较低.清洁天气包括11月6日~7日、11月16日~ 25日、12月3日~4日、12月16日~19日、12月27日.4期徐虹等：天津市冬季典型大气重污染过程特征 1243表2 六次重污染过程期间主要污染物平均浓度及污染物比值Table 2 Average concentrations of various particulate matter and their size distributions during six episodes时间 PM 10 PM 2.5 PM 1 SO 2 NO 2 CO PM 2.5/PM 10 PM 1/PM 2.5 NO 2/SO 2 清洁天气76 53 37 25 38 1.2 0.69 0.71 1.54 10月31日19:00~11月5日09:00245 186 127 49 83 2.0 0.77 0.68 1.6911月8日22:00~15日18:00 199 166 693359 2.6 0.83 0.42 1.7911月27日0:00~12月2日13:00273 23164 83 3.5 0.72 - 1.30 12月8日0:00~15日11:00 256 218 113 55 67 2.5 0.85 0.51 1.22 12月20日10:00~26日09:00 361 270 152 62 106 3.0 0.75 0.48 1.71 12月28日7:00~1月4日10:00 2361959449804.50.830.481.63注: CO 浓度为各重污染过程CO 小时浓度的平均值,单位为mg/m 3,其余污染物浓度单位为µg/m 3;清洁天气包括11月6日~7日、11月16日~ 25日、12月3日~4日、12月16日~19日、12月27日.2.4 颗粒物主要化学组分分析重污染过程期间PM 2.5主要化学组分为NO 3-、SO 42-、NH 4+、OC 和EC.主要水溶性离子组分和碳组分浓度的变化趋势与PM 2.5浓度的变化趋势较一致(图5),在95%置信区间下其相关系数分别为0.91、0.92、0.96、0.83和0.87.0 2 4 6 2015-10-30 00:02015-11-02 00:002015-11-05 00:002015-11-08 00:002015-11-11 00:002015-11-14 00:02015-11-17 00:02015-11-20 00:02015-11-23 00:02015-11-26 00:02015-11-29 00:02015-12-02 00:002015-12-05 00:002015-12-08 00:002015-12-11 00:02015-12-14 00:02015-12-17 00:02015-12-20 00:02015-12-23 00:02015-12-26 00:02015-12-29 00:02016-01-01 00:02016-01-04 00:0浓度(μg /m 3) 浓度(μg /m 3)浓度(μg /m 3) 时间浓度(μg /m 3) 120 13 5图5 2015年11月~12月期间PM 2.5浓度及其化学组分的变化序列Fig.5 Time series of hourly concentrations of PM 2.5 and chemical species during November and December in 2015NH 4+、NO 3-和SO 42-浓度的时间序列变化与PM 2.5的相关性达到0.85以上,说明随着重污染的发生,二次水溶性离子的污染也越来越重.整体上来看,NO 3-的浓度高于SO 42-,与NO 2的浓度高于SO 2浓度一致,主要是因为天津2015年冬季采暖采取煤改气措施,并对工业锅炉提升脱硫改造,SO 2的排放量减少,导致SO 42-和SO 2的浓度降低.通常用[NO 3-]/[SO 42-]质量浓度的比值作为反映移动源(如汽车尾气)和固定源(如燃煤)对大气颗粒物中水溶性组分相对贡献的重要指标[30-31],6个污染过程[NO 3-]/[SO 42-]平均值分别为1.67、1.31、1.32、1.22、1.56和1.22,都大于1,这表明重污染期间天津地区移动源占据较大比例,但在污染期间,尤其是重污染天气下, [NO 3-]/[SO 42-]略高于1,说明天津仍是移动源与固定源并重.与非采暖季过程相比,采暖季重污染过程中机动车贡献降低,而固定源占比例有所增加. SO 42-和NO 3-除来自一次源排放外,还主要由SO 2和NO 2的非均相化学反应转化而来[38].气态前体物SO 2、NO 2向SO 42-、NO 3-的转化过程可以用SOR 和NOR 来表示[38-39].SOR 、NOR 值较高,说明大气中存在明显的二次转化过程.若SOR 大于0.1,表明此时大气有可能发生SO 2的二次转化[38-39].如图6所示,冬季天津市重过程期间平均的SOR 和NOR 分别为0.37和0.28,均大于0.1,说明在该过程期间发生了气态前体物的非均相化学反应.在重污染过程初期NOR(0.14~ 0.31)通常大于SOR(0.10~0.24),但随着重污染过程的持续,SOR(0.27~0.97)要高于NOR(0.22~ 0.42).已有研究表明,同时存在SO 2和NO 2的情况下,NH 3更倾向于首先与SO 2发生非均相化学反应[40-41].通常在富氨的大气环境中PM 2.5/PM 10中的硝酸1244中国环境科学 37卷铵才会大量生成.用[NH 4+]/([NO 3-]+ 2[SO 42-])的摩尔比来表征大气中氨的富裕程度.若该比值大于1.0则表明PM 2.5中的NH 4+是富余的; 反之,若该比值小于1.0,则表明NH 4+的量并不足以保证大量的硝酸铵生成[42].计算得出在天津市2015年11月~12月清洁天气下该摩尔比为1.11,说明清洁天气下天津市大气环境是富氨的,会生成大量的硫酸铵和硝酸铵.然而在污染过程中,该摩尔比均小于1,说明污染过程期间环境空气中的氨并不富余,说明污染过程中氨会先与SO 2生成硫酸铵或硫酸氢氨,之后剩余的氨才会再与NO 2生成硝酸铵,因此,重污染期间SOR 要高于NOR.2015-10-30 00:002015-11-02 00:002015-11-05 00:002015-11-08 00:002015-11-11 00:002015-11-14 00:002015-11-17 00:002015-11-20 00:002015-11-23 00:002015-11-26 00:002015-11-29 00:002015-12-02 00:002015-12-05 00:002015-12-08 00:002015-12-11 00:002015-12-14 00:002015-12-17 00:002015-12-20 00:002015-12-23 00:002015-12-26 00:002015-12-29 00:002016-01-01 00:002016-01-04 00:000.00.20.40.60.81.0S O R ,N O RSORNOR时间图6 2015年11月~12月SOR 和NOR 的时间变化序列 Fig.6 Time series of hourly concentrations of SOR andNOR during November and December in 20156次重污染过程中, 95%置信区间下OC 、EC 的相关系数分别为0.84、0.85、0.75、0.96、0.77和0.86,相关性均达到了0.7以上,说明冬季重污染期间OC 和EC 有较强的同源性[43],说明煤炭燃烧对冬季重污染影响较大.不过值得注意的是,尽管冬季OC 和EC 整体相关性较高,但在OC 和EC 浓度较高与浓度较低时二者相关性存在较大差异.在统计的1430个OC 、EC 质量浓度小时数据中,OC 浓度低于70µg/m 3的数据有1310个,OC 浓度高于70µg/m 3的数据有120个(图7).其中OC 浓度较低时EC 浓度亦较低,OC 和EC 相关性系数为0.86; OC 浓度较高时EC 浓度也较高,但OC 和EC 的相关系数仅0.29.这可能是因为OC 与EC 浓度较高主要由居民燃烧源排放大所导致,而各居民燃烧源类排放的碳组分有所不同故导致OC 与EC 相关性不高.居民燃烧源包括散煤燃烧及生物质燃烧,散煤燃烧排放大量的黑碳,生物质燃烧排放的有机碳含量较高[44,45],导致OC 与EC 的相关性降低.散煤燃烧排放较多黑碳和CO [46-48],作为散煤燃烧排放的重要污染物CO 与EC 的相关性(0.72)显著高于与OC 的相关性(0.62).其中,CO 与EC 在碳组分浓度较高时的相关性(0.72)显著高于碳组分浓度较低时的相关性(0.66),进一步说明碳组分浓度较高时散煤燃烧源影响较大.5101520 25 30020406080100120140O C (g /m 3)EC(g/m 3)图7 2015年11~12月OC 和EC 的相关性曲线 Fig.7 Correlation between OC and EC during Novemberand December in 2015碳组分除来自一次排放外,还来自光化学反应生成的二次有机碳(SOC)[49].目前很多研究认为OC/EC 的值可以评价二次污染的程度[50-51]. OC/EC 比值越高说明二次污染程度越高. 为计算出环境空气中二次有机碳含量,本研究采用“OC/EC 最小比值法”[52-53].计算公式如下: SOC TOC EC min (OC /EC)C C C =−⋅ (1) 为降低最小OC/EC 值选择时的误差,本研究选取由小到大排列的前3个“较小”OC/EC 的平均值(2.82).计算得出重污染过程期间SOC 浓度在4.9~16μg/m 3,占有机碳的20%~54%,说明二次4期徐虹等：天津市冬季典型大气重污染过程特征 1245有机化学反应对冬季重污染的影响不容忽视.3结论3.1天津市冬季重污染期间风速0~4.0m/s,相对湿度80%以上,混合层高度仅为清洁天气的1/3~1/2. SO2气体的二次反应通常发生在相对湿度大于80%的情况下.3.2重污染过程中PM2.5/PM10比值较清洁天气高,PM1/PM2.5比值较清洁天气以及非采暖季重污染过程的低,可能与采暖季重污染过程期间细粒子的吸湿增长以及散煤燃烧排放有关.3.3重污染过程NO2/SO2比值较清洁天气低,NO3-/SO42-比值大于1,表明重污染期间天津市移动源与固定源.进入采暖季后,NO2/SO2比值整体下降15.9%,NO3-/SO42-比值降低,燃煤源贡献增加.3.4重污染过程初期通常NOR要大于SOR,但随着重污染过程的持续,受制于氨的浓度,SOR 要高于NOR.采暖季重污染期间需加强气态前体物的减排,尤其SO2的排放,以缓解PM2.5污染. 3.5OC与EC浓度较高时二者相关性较低, SOC浓度占OC浓度的20%~54%,说明冬季散煤燃烧源和二次有机化学反应对重污染碳颗粒的影响较大.参考文献：[1] L ee Y J, Jo W K, Chun H H. Characteristics of AtmosphericVisibility and Its Relationship with Air Pollution in Korea [J].Journal of Environmental Quality, 2014,43(5):1519-1526.[2] 沈铁迪,王体健,陈璞珑,等.南京城区夏秋季能见度与PM2.5化学成分的关系 [J]. 中国环境科学, 2015,35(3):652-658.[3] Deng J J, Du K, Wang K, et al. Long-term atmospheric visibilitytrend in Southeast China, 1973-2010 [J]. Atmospheric Environment, 2012,59:11-21.[4] 姚青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J]. 中国环境科学, 2014,34(3):596- 603.[5] Kampa M, Castanas E. Human health effects of air pollution [J].Environment Polluttion, 2008,151(2):362-367.[6] L aden F, Neas L M, Dockery D W, et al. Association of fineparticulate matter from different sources with daily mortality in six US cities [J]. Environmental Health Perspectives, 2000,108(10):941-947.[7] Miller K A, Siscovick D S, Sheppard L, et al. L ong-termexposure to air pollution and incidence of cardiovascular events in women [J]. The New England Jounal of Medicine, 2007, 356(5):447-458.[8] Yu H L, Wang C H. Retrospective prediction of intra-urbanspatiotemporal distribution of PM2.5 in Taipei [J]. Atmospheric Environment, 2010,44 (25):3053-3065.[9] Ji D S, Wang Y S, Wang L L, et al. Analysis of heavy pollutionepisodes in selected cities of northern China [J]. Atmospheric Environment, 2012,50:338-348.[10] 祁妙,朱彬,潘晨,等.长江三角洲冬季一次低能见度过程的地区差异和气象条件 [J]. 中国环境科学, 2015,35(10):2899-2907.[11] 徐晓峰,李青春,张小玲.北京一次局地重污染过程气象条件分析 [J]. 气象科技, 2005,33(6):543-547.[12] Wang LL, Wang YS, Sun Y, et al. Using Synoptic Classificationand Trajectory Analysis to Assess Air Quality during the Winter Heating Period in Urumqi, China [J]. Advance in Atmospheric Sciences, 2012,29(2):307-319.[13] 高健,张岳翀,柴发合,等.北京2011年10月连续重污染过程气团光化学性质研究 [J]. 中国环境科学, 2013,33(9):1539-1545.[14] 李令军,王占山,张大伟,等.2013~2014年北京大气重污染特征研究 [J]. 中国环境科学, 2016,36(1):27-35.[15] 杨孝文,周颖,程水源,等.北京冬季一次重污染过程的污染特征及成因分析 [J]. 中国环境科学, 2016,36(3):679-686.[16] 王占山,李云婷,孙峰,等.2014年10月上旬北京市大气重污染分析 [J]. 中国环境科学, 2015,35(6):1654-1663.[17] 程念亮,李云婷,张大伟,等.2013年1月北京市一次空气重污染成因分析 [J]. 环境科学, 2015,36(4):1154-1163.[18] 孙颖,潘月鹏,李杏茹,等.京津冀典型城市大气颗粒物化学成分同步观测研究 [J]. 环境科学, 2011,32(9):2732-2740.[19] Miao Y H, Hu X M, Liu S H, et al. Seasonal variation of localatmospheric circulations and boundary layer structure in the Beijing-Tianjin-Hebei region and implications for air quality [J].Journal of Advances in Modeling Earth Systems, 2015,7(4): 1602-1626.[20] L ang J L, Cheng S Y, Wei W, et al. A study on the trends ofvehicular emissions in the Beijing-Tianjin-Hebei (BTH) region, China [J]. Atmospheric Environment, 2012,62:605-614.[21] Wang G, Cheng S Y, L i J B, et al. Source apportionment andseasonal variation of PM2.5 carbonaceous aerosol in the Beijing-Tianjin-Hebei Region of China [J]. Environmental Monitoring and Assessment, 2015,187:143.[22] 王莉莉,王跃思,吉东生,等.天津滨海新区秋冬季大气污染特征分析 [J]. 中国环境科学, 2011,31(7):1077-1086.[23] 肖致美,李鹏,陈魁,等.天津市大气降水化学组成特征及来源分析 [J]. 环境科学研究, 2015,28(7):1025-1030.1246 中国环境科学 37卷[24] L iu P F, Zhao C S, G ¨obel T, et al. Hygroscopic properties ofaerosol particles at high relative humidity and their diurnal variations in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11:3479–3494.[25] Kumar P, Hopke P K, Raja S, et al. Characterization andheterogeneity of coarse particles across an urban area [J].Atmospheric Environment, 2012,46:449-459.[26] Lagudu U R K, Raja S, Hopke P K, et al. Heterogeneity of coarseparticles in an urban area [J]. Environmental Science and Technology, 2011,45:3288-3296.[27] Sinha P R, Manchanda R K, Kaskaoutis D G., et al.. Spatialheterogeneities in aerosol size distribution over Bay of Bengal during Winter-ICARB Experiment [J]. Atmospheric Environment, 2011,45(27):4695-4706.[28] 张裕芬,朱坦,冯银厂,等.气象因素对环境空气质量达标的影响分析 [J]. 城市环境与城市生态, 2006,19(4):33-36.[29] 姚青,张长春,樊文雁,等.天津冬季大气能见度与空气污染的相互关系 [J]. 气象科技, 2010,38(6):704-708.[30] Wang Y, Zhuang G S, Zhang X Y, et al. The ion chemistry,seasonal cycle, and sources of PM 2.5 and TSP aerosol in Shanghai [J]. Atmospheric Environment, 2006,40:2935-2952.[31] Wang Y, Zhuang G S, Tang A H, et al. The ion chemistry and thesource of PM2.5 aerosol in Beijing [J]. Atmospheric Environment, 2005,39:3771-3784.[32] 金鑫,程萌田,温天雪,等.北京冬季一次重污染过程PM2.5中水溶性无机盐的变化特征 [J]. 环境化学, 2012,31(6):783-790. [33] 李伟芳,白志鹏,魏静东,等.天津冬季大气中PM2.5及其主要组分的污染特征 [J]. 中国环境科学, 2008,28(6):481-486.[34] 赵珂.北京某燃煤电厂颗粒物的排放特征与环境影响研究[D]. 成都:成都理工大学, 2013.[35] Vu T V, Delgado-Saborit J M, Harrison R M. Review: Particlenumber size distributions from seven major sources and implications for source apportionment studies [J]. Atmospheric Environment, 2015,122:114-132.[36] Seames W S. An initial study of the fine fragmentation fly ashparticle mode generated during pulverized coal combustion [J].Fuel Processing Technology, 2003,81(2):109-125.[37] Faloona I. Sulfur processing in the marine atmospheric boundarylayer: A review and critical assessment of modeling uncertainties [J]. Atmospheric Environment, 2009,43(18):2841-2854.[38] 佘峰.兰州地区大气颗粒物的化学特征及沙尘天气对其影响研究 [D]. 兰州:兰州大学, 2011.[39] 杨复沫,贺克斌,马永亮,等.北京大气细粒子PM2.5的化学组成[J]. 清华大学学报(自然科学版), 2002,42(12):160-1608. [40] 王佳.郑州市PM2.5污染特征及其源解析研究 [D]. 郑州:郑州大学, 2015.[41] Seinfeld J H, Pandis S N. Atmospheric Chemistry and Physics:From Air Pollution to Climate Change. 2nd ed [M]. Hoboken, New Jersey: John Wiley & Sons. 2012:491-544.[42] 高晓梅.我国典型地区大气PM2.5水溶性离子的理化特征及来源解析 [D]. 济南:山东大学, 2012.[43] Zhao P S, Dong F, Yang Y D, et al. Characteristics ofcarbonaceous aerosol in the region of Beijing, Tianjin, and Hebei, China [J]. Atmospheric Environment, 2013,71:389-398.[44] Rehman I H, Ahmed T, Praveen P S, et al. Black carbon emissionsfrom biomass and fossil fuels in rural India [J]. Atmospheric Chemistry and Physics, 2011,11:7289-7299.[45] L iu J, Mauzeradll D L, Chen Q, et al. Air pollutant emissionsfrom Chinese households: A major and underappreciated ambient pollution source [J]. PANS, 2016,113(28):7756-7761.[46] Carter S M, Shan M, Yang X D, et al. Pollutant Emissions andEnergy Efficiency of Chinese Gasifier Cooking Stoves and Implications for Future Intervention Studies [J]. Environmental Science and Technology, 2014,48:6461-6467.[47] He G L, Ying B, L iu J, et al. Patterns of HouseholdConcentrations of Multiple Indoor Air Pollutants in China [J].Environmental Science and Technology, 2005,39:991-998. [48] Shen G F, Yang Y F, Wang W, et al. Emission Factors ofParticulate Matter and Elemental Carbon for Crop Residues and Coals Burned in Typical Household Stoves in China [J].Environmental Science and Technology, 2010,44:7157-7162. [49] Huang R J, Zhang Y L, Bozzetti C, et al. High secondary aerosolcontribution to particulate pollution during haze events in China [J]. Nature, 2014,514(7521):218-222.[50] Lin J J, Tai H S. Concentrations and distributions of carbonaceousspecies in ambient particles in Kaohsiung City, Taiwan [J].Atmospheric Environment, 2001,35(15):2627-2636.[51] Chow J C, Watson J G, L u Z, et al. Descriptive analysis ofPM2.5and PM10at regionally representative locations during SJV AQS/AUSPEX [J]. Atmospheric Environment, 1996,30(12): 2079-2112.[52] 吴琳.降低二次有机碳对大气颗粒物源解析影响的研究 [D].天津:南开大学, 2010.[53] Cao J J, Lee S C, Ho K F, et al. Spatial and seasonal variations ofatmospheric organic carbon and elemental carbon in Pearl River Delta Region, China [J]. Atmospheric Environment, 2004,38(27): 4447-4456.作者简介：徐虹(1986-),女,山东滕州人,工程师,博士,主要从事大气污染防治研究.发表论文10余篇.。

天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响

天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响姚青;蔡子颖;韩素芹;刘爱霞;刘敬乐【期刊名称】《中国环境科学》【年(卷),期】2014(000)003【摘要】于2013年1月连续在线观测天津城区气溶胶数浓度谱分布和大气能见度,并结合相关气象资料,探讨相对湿度(RH)对气溶胶浓度谱分布和大气能见度的影响.结果表明,观测期间发生了4次连续雾霾天气过程,4次雾霾天气过程对应着气溶胶粒子数浓度的连续高值,低能见度天气系高浓度气溶胶粒子和高相对湿度协同所致；随着RH增大,PN 1和PN 2.5-10呈增长趋势, RH>90%后,PN 1和PN 2.5-10有所降低,PN 1-2.5则持续增长,高RH对气粒转化和气溶胶粒子的碰并聚合作用明显；气溶胶吸湿增长因子计算表明,高RH下水汽对能见度影响很大,尤其是大雾天气下其影响甚至可能超过气溶胶粒子浓度对其的影响.【总页数】8页(P596-603)【作者】姚青;蔡子颖;韩素芹;刘爱霞;刘敬乐【作者单位】天津市气象科学研究所，天津 300061;天津市气象科学研究所，天津 300061;天津市气象科学研究所，天津 300061;天津市气象科学研究所，天津300061;天津市气象科学研究所，天津 300061【正文语种】中文【中图分类】X513【相关文献】1.北京市冬季气象要素对气溶胶浓度日变化的影响 [J], 王开燕;王雪梅;张仁健;朱建军2.温度和相对湿度对气溶胶质量浓度垂直分布的影响 [J], 韩道文;刘文清;张玉钧;陆亦怀;刘建国;赵南京3.相对湿度和 PM2．5浓度对大气能见度的影响研究：基于小时资料的多站对比分析 [J], 樊高峰;马浩;张小伟;刘樱4.成都市冬季相对湿度和颗粒物浓度对大气能见度的影响 [J], 张迎春;王文勇5.相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响 [J], 李军;王京丽;屈坤因版权原因，仅展示原文概要，查看原文内容请购买。

天津冬季PM10和PM25污染特征分析

天津冬季PM10和PM2.5污染特征分析*姚青，蔡子颖，樊文雁（天津市气象科学研究所，天津 300061)摘要：为研究天津城区南部冬季大气气溶胶污染特征，2008年12月-2009年2月采用TEOM系列RP1400a 环境颗粒物监测仪观测PM10和PM2.5质量浓度，并结合水平能见度进行相关分析。

结果表明，天津冬季大气气溶胶污染严重，PM10质量浓度日均值为191.02μg・m-3， PM2.5日均值为84.65μg・m-3；观测期内霾的发生频率接近50%，系受到气溶胶质量浓度及相对湿度变化共同影响；PM10和PM2.5质量浓度的日变化呈现双峰型结构，其峰值对应时间与人们的早晚出行高峰相对应，PM2.5日变化的“平台区”与二次气溶胶生成有关；观测期间大气能见度平均值为11.23km，能见度与PM2.5质量浓度相关性高于PM10质量浓度，表明气溶胶对能见度的贡献主要来自于PM2.5,气溶胶污染的高值区域也以PM2.5为主。

关键词: 天津 PM10 PM2.5能见度1引言随着环渤海及京津冀区域经济的加快发展，污染物排放量的增加对人们赖以生存的生态环境和气候条件产生了很大的影响，环渤海经济带的大气环境现状不容乐观。

天津有望在不久的将来作为环渤海地区的经济中心，建设成为国际港口城市，北方经济中心和生态城市。

目前，天津市首要污染物为可吸入颗粒物PM10，而其中的PM2.5占有较高比例。

开展对气溶胶的监测和污染特征分析，已经成为目前研究天津大气污染研究的重要内容之一[1-3]。

笔者于2008年12月-2009年2月采用TEOM系列RP1400a环境颗粒物监测仪观测PM10和PM2.5质量浓度，并结合水平能见度进行相关分析,以探讨天津冬季大气气溶胶污染特征。

2 材料与方法中国气象局天津大气边界层观测站(北纬39°06ˊ，东经117°10ˊ，海拔高度3.3m，台站编号:54517)位于天津市城区南部，其北距快速路约100m，东临友谊路－友谊南路，西面和南面主要为住宅区，交通源对它有一定的影响。