珠三角地区不同季节颗粒物数谱分布特性_岳玎利

合集下载

珠三角地区三个城市环境空气PM2.5的研究进展

珠三角地区三个城市环境空气PM2.5的研究进展

珠三角地区三个城市环境空气PM2.5的研究进展珠三角地区是中国最具发展活力和人口密集的区域之一,包括广东省的广州市、深圳市和珠海市。

由于长期以来人口集中、工业化进程加快以及交通运输负荷增加,这些城市的环境空气质量一直备受关注。

PM2.5是大气中直径小于或等于2.5微米的颗粒物,也是评价空气质量的重要指标。

它的来源包括燃煤、机动车尾气、工业排放等,对人体健康和大气环境造成严重危害。

因此,研究珠三角地区三个城市环境空气中PM2.5的情况,对于改善空气质量、保护人民身体健康具有重要意义。

目前,国内外学者和研究机构对珠三角地区三个城市的环境空气PM2.5进行了多方面的研究。

这些研究不仅关注PM2.5的浓度分布情况,还研究了其来源及影响因素。

首先,关于PM2.5浓度的研究表明,三个城市的PM2.5浓度存在明显季节差异。

以广州市为例,研究发现冬季PM2.5浓度高于夏季,主要原因是冬季温度低、湿度大,气象条件不利于颗粒物扩散。

而深圳市和珠海市的PM2.5浓度则在夏季较高,主要受到台风和季风的影响。

其次,关于PM2.5的来源研究发现,三个城市的PM2.5主要来源于机动车尾气和工业排放。

燃煤也是贡献较大的来源之一,尤其是在冬季。

另外,研究还发现,珠三角地区PM2.5的组成比例多样,包括硫酸盐、硝酸盐、铵盐、有机物等。

其中硫酸盐和硝酸盐是主要形成PM2.5的硫、氮化合物。

此外,研究还发现了影响环境空气PM2.5浓度的因素。

就城市规模而言,人口密度和经济发展水平与PM2.5浓度呈正相关关系。

此外,交通状况、建筑布局、气象条件等也会对PM2.5浓度产生影响。

因此,采取综合的管理措施,包括减少机动车尾气排放、提高工业污染控制、加强城市空气质量监测和预警系统等,是改善环境空气质量的关键。

在PM2.5研究中,一种常见的方法是利用气象模型对PM2.5的传输和扩散进行模拟和预测。

通过对气象条件和排放源的模拟,可以定量地分析PM2.5的来源和影响因素,并提供决策支持。

珠江三角洲城市群空气质量的时空分布特征分析

珠江三角洲城市群空气质量的时空分布特征分析

珠江三角洲城市群空气质量的时空分布特征分析珠江三角洲城市群是我国南部一个规模较大的城市群,包括深圳、广州、珠海、东莞、佛山等几个市县。

由于其近海靠近直接受到季节性气流、废气流,极易受到大气污染物的影响,因此,该城市群的空气质量问题一直备受关注。

本文通过对市场监测数据的分析,探讨珠江三角洲城市群空气质量的时空分布特征。

一、全年空气质量状况从空气质量监测数据来看,珠江三角洲城市群全年的空气质量状况呈现“冬差夏好”的规律。

具体来说,从11月开始,空气质量指数(AQI)逐渐上升,到12月和1月达到峰值,此时的AQI一般会超过150,达到“不健康”和“非常不健康”的水平。

消除气象和排放不利条件,深冬季节的污染主要来自机动车大量排放的PM2.5和硝酸盐。

而到了春节过后,AQI会逐渐回落,随着气温的升高,污染物浓度逐渐减少,也较少出现重度污染。

同时,季节性风向扰动常常引起空气质量波动。

珠江三角洲城市群一般受到东南风、北风和西南风影响,其中,东南风常常是该地区雾霾天气的主要原因。

而北风会带来静稳天气,是臭氧时段的主要源头;西南风弱,阻挡了北方的冷空气,常常会伴随着大范围的雾霾天气。

二、城市空气污染来源通过污染物浓度分析,珠江三角洲城市群的空气污染物主要来源为机动车和工业排放。

其中,机动车的尾气排放是PM2.5主要的来源,随着汽车保有量的增加,PM2.5排放量也呈增长趋势。

此外,城市群中大量的工业企业和建筑施工对空气质量产生了严重的影响。

工业生产以标准挥发性有机物、锰、硫酸甙等物质的释放为主,而建筑施工主要产生扬尘污染。

三、城市空气污染控制与治理为了控制和治理城市空气污染,珠江三角洲城市群的政府制定了一系列相关方案。

深圳市政府出台了“打好环境污染防治攻坚战三年行动计划(2018-2020年)”,其中提出了在2019年底前PM2.5年均浓度要控制在27微克/立方米以下的目标。

广州市的“空气净化三年作战计划(2013-2015年)”针对PM2.5和细颗粒物(PM10)的情况进行了治理,并开展了涉及大气污染防治设施、能源领域、交通领域、建筑施工等多方面的工作。

大气超级监测站的建设、维护与数据分析

大气超级监测站的建设、维护与数据分析

逐步成为国家与地方科研的支持平台
1. 珠江三角洲区域大气复合污染立体监测网络-863计划 2. PM2.5监测方法适用性测试-环保部专项工作 3. 星-机-地生态环境质量遥感监测系统集成和示范-863计划 4. 珠江三角洲秋季PM2.5重要来源及区域输送特征研究-广东省自然科学基金
5. 氨排放源清单不确定性及其对模拟大气细粒子形成与迁移的影响-国家自然科学基金
12 3
9
2 6
3
1
0
0
0 2 4 6 8 10 12 14 16 18 20 22 24
时间(时)
OH生成速率差(107 个/(cm3 s))
HNO2(μg/m3) JHNO2(10-4 / s)
9
5
JHNO2
P(HNO2→OH)
4
6 3
2 3
1
0
0
0 2 4 6 8 10 12 14 16 18 20 22 24
广东大气超级站的仪器配置原则
主要依据超级站的功能定位、兼顾实用性和经济性等因 素来进行,同时使超级站在功能上具有较强的可扩展性。 满足国家空气质量标准要求,并合理增加参照项目。 满足开展区域灰霾研究的需要。不仅长期监测有关气象参
数、能见度和颗粒物质量浓度,对颗粒物物理、光学和化 学特征也进行长期高时间分辨率的观测。 满足开展大气光化学研究的需求。除观测O3外,还对光化 学反应重要产物和光化学重要前体物进行分物种的高时间 分辨率测量,并实时观测有关物种的光解速率。
显,且可细分
鹤山超级站HNO2污染特性观测结果
P(HNO2→OH)(107 个/(cm3 s))
UVA(W/M2)
40
UVA
HNO2
5

利用HYSPLIT模型研究珠三角地区VOCs时空分布特征

利用HYSPLIT模型研究珠三角地区VOCs时空分布特征

中国环境科学 2020,40(10):4216~4223 China Environmental Science 利用HYSPLIT模型研究珠三角地区VOCs时空分布特征张涛1,2,3,王新明1*,周炎3,岳玎利3,陈多宏3,区宇波3 (1.中国科学院广州地球化学研究所,有机地球化学国家重点实验室,广东广州 510640;2.中国科学院大学,北京 100049;3.广东省环境监测中心,国家环境保护区域空气质量监测重点实验室,广东广州 510308)摘要:于2016年在中国广东大气超级监测站,开展4个季节的VOCs长时间观测,共获得2142组有效数据,并利用HYSPLIT模型分析珠三角地区VOCs 时空分布特征.结果表明,各类VOCs混合比和化学反应活性具有明显的季节变化特点.观测期间,VOCs平均浓度为(18.523±20.978)×10-9,其中,低碳烯烃和苯系物二者混合比之和仅占46%,但贡献了85%的⋅OH消耗速率(L OH)、82%的臭氧生成潜势(OFP)和97%的二次气溶胶生成潜势(SOAFP).观测站点主要受来自北部内陆地区气团(1#)、西部内陆地区气团(2#)、台湾海峡南端气团(3#)以及南部海洋地区气团(4#)的影响.1#气团中炔烃和苯系物的混合比占比最高,分别达到10%、37%,而3#气团中低碳烷烃的浓度水平最高,达到(8.437±5.561)×10-9.通过估算气团中VOCs的化学反应活性,可以发现,1#气团的VOCs化学反应活性最强,其对O3和SOA的生成贡献最高.1#、2#、3#和4#气团中VOCs的化学反应活性主要由苯系物和低碳烯烃贡献.关键词:二次有机气溶胶;⋅OH消耗速率;臭氧生成潜势;二次有机气溶胶生成潜势;轨迹聚类中图分类号:X513 文献标识码:A 文章编号:1000-6923(2020)10-4216-08Spatial and temporal distribution characteristics of VOCs in the Pearl River Delta region using HYSPLIT model. ZHANG Tao1,2,3, WANG Xin-ming1*, ZHO U Yan3, YUE Ding-li3, CHEN Duo-hong3, O U Yu-bo3 (1.State Key Laboratory of O rganic Geochemistry, Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510640, China;2.University of Chinese Academy of Sciences, Beijing 100049, China;3.State Environmental Protection Key Laboratory of Regional Air Quality Monitoring, Guangdong Environmental Monitoring Center, Guangzhou 510308, China). China Environmental Science, 2020,40(10):4216~4223Abstract:Based on the long time observation of VOCs at Guangdong Atmospheric Supersite (GAS) in the four seasons of 2016, 2142 sets of valid data were obtained. Using HYSPLIT model, the spatial and temporal distribution characteristics of VOCs in the Pearl River Delta region were analyzed. Mixing ratios and chemical reactivities of VO Cs had obvious seasonal variation characteristics. The average concentration of VO Cs was (18.523±20.978)×10-9 during the observation period. Though the mixing ratios of C2~C5 alkenes and BTEX accounted for only 46%, they contributed 85% of ⋅OH loss rate (L OH)、82% of Ozone Formation Potential (OFP) and 97% of Secondary Oragnic Aerosol Formation Potential (SOAFP). The observation sites were mainly affected by the air masses from the northern inland areas (1#), the western inland areas (2#), the southern tip of the Taiwan Strait (3#) and the southern marine areas (4#). The mixing ratios of alkynes and BTEX of 1# air masses were both the highest, respectively, 10% and 37%, and the concentration of C2~C5 alkanes of 3# air masses was the highest, reaching (8.437±5.561)×10-9. By estimating the chemical reactivities of VOCs of air masses, it was found that the chemical reactivities of VOCs of 1# air masses were the strongest, and their contributions to O3 and SOA production were the highest. The chemical reactivities of VOCs of air masses of 1#, 2#, 3# and 4# were mainly contributed by BTEX and C2~C5 alkenes.Key word:secondary organic aerosol;⋅OH loss rate;ozone formation potential;secondary oragnic aerosol formation potential;trajectory clustering随着经济社会持续快速发展,以O3和PM2.5为特征的区域性光化学烟雾污染时有出现[1-3].珠江三角洲地区是中国人口最密集的地区之一,形成了包括香港、澳门、广州、深圳、佛山和东莞等城市的特大城市群.1994~2007年的连续地面O3浓度观测亦表明:珠江三角洲地区的区域O3背景浓度每年以0.58×10-9的速度增长[4].自2006~2014年间,区域内SO2、NO2和PM10的环境浓度呈现明显下降趋势,而O3浓度的年平均值呈缓慢上升趋势,上升速率约为每年1.1µg/m3[5].大气中活性较强的VOCs物种在强光照、低风速、低湿度等条件下,可由羟基自由基(⋅OH)引发,和收稿日期:2020-02-26基金项目:国家重点研发计划(2018YFC0213903);国家自然科学基金资助项目(91743109);广州珠江科技新星专项(201506010079)* 责任作者, 研究员,*************.cn10期 张 涛等:利用HYSPLIT 模型研究珠三角地区VOCs 时空分布特征 4217氮氧化合物之间发生光化学反应,反应过程中产生过氧烷基(RO 2⋅)、过氧羟基(HO 2⋅)等自由基中间体,这些自由基中间体会促使一氧化氮(NO)向二氧化氮(NO 2)转变,最终光解形成O 3[6].同时,经过一系列化学反应生成氧化性较强的二次有机物,如过氧乙酰基硝酸酯(PAN)等[7-8].某些二次有机物由于其较低的蒸汽压,可通过成核作用、凝结、气粒分配等过程形成PM 2.5的重要组分二次有机气溶胶(SOA). Chung 等[9]研究指出,SOA 对地表平均有机物的贡献在10%~20%之间,而在一些温度较低的极地地区贡献率甚至达到50%.同时,VOCs 生成的SOA 通过直接或者间接的辐射强迫作用引发降温作用[10].VOCs 各组分间化学反应活性的差异,决定着对O 3生成贡献的不同,同时,不同来源的VOCs,其化学活性也具有不同的环境效应和健康效应[11-17].因此,国内外很多专家学者对VOCs 的化学反应活性及其来源进行了一系列的研究,主要内容包括:VOCs 化学反应活性、对O 3的生成贡献以及来源解析等.但是针对珠江三角洲地区开展长时间、高分辨率的连续观测还较为稀少,尤其是基于气团分析的研究成果.本研究根据美国国家海洋和大气局的气团数据,利用(HYSPLIT)模型[18]分析珠江三角洲典型地区的VOCs 时空分布特征,并估算不同来源的气团化学反应活性.本研究结果将对国内外经济快速发展地区,科学制定O 3和PM 2.5污染防治对策提供参考. 1 研究方法 1.1 观测站点与时间观测站点为珠江三角洲地区大气复合污染立体监测网络中的广东大气超级监测站(112.9290°E, 22.7279°N),海拔高度60m.该站点位于广东省鹤山市桃源镇富源村花果山,距离广州市、佛山市和江门市城区分别为80, 50, 30km,属于珠江三角洲核心区域,周边城市污染排放较密集,受污染传输影响明显[19](图1).本研究的观测时间主要为4个时段:2016年1月1~23日,4月2~23日,7月1日~8月1日,10月15日~11月6日,分别作为冬季、春季、夏季和秋季的代表时段.113°0′0″E 114°0′0″E115°0′0″E23°0′0″N22°0′0″N图1 观测站点(广东大气超级站)Fig.1 Observation sites (Guangdong Atmospheric Supersite)1.2 观测设备及质量控制1.2.1 观测设备 本研究采用武汉市天虹仪表有限责任公司生产的TH -300B 型大气挥发性有机物快速在线监测系统[20]对美国环境保护署光化学污4218 中 国 环 境 科 学 40卷染监控网(PAMS)公布的57VOCs 组分进行在线观测,每1h 采集一次空气样品,每次采样5min,采样流量为60mL/min,每个样品的采样分析周期为1h.本系统以冷冻的方式去除空气样品中的水份,利用捕集柱对VOCs 样品进行捕集,采用日本岛津公司生产的GCMS -QP2010型气相色谱质谱联用仪进行检测.其中,FID 部分的分离柱为20.0m×0.32mm×3.0μm 的PLOT 柱,用来检测C2~C5的碳氢化合物; MS 部分的分离柱为60.0m×0.25mm×1.4μm 的DB -624柱,用来检测C5~C12的碳氢化合物.1.2.2 质量控制 利用外标法对VOCs 在线监测设备进行校准,标准气体为美国Linde 公司生产的57种PAMS 混标,各目标化合物定量标准曲线的R 2值均在0.98以上. 1.3 化学活性分析方法大气中VOCs 的种类繁多,不同物种、不同化学结构的VOCs 对大气氧化能力的贡献差异很大,本研究主要用⋅OH 消耗速率(L OH )、臭氧生成潜势(OFP)和二次气溶胶生成潜势(SOAFP)来表征VOCs 的大气化学反应活性,以进一步识别VOCs 的关键活性物种. 1.3.1 ⋅OH 消耗速率 ⋅OH 消耗速率是指VOCs 在大气环境中与羟基自由基(⋅OH)发生化学反应的速率,一定程度上可以表征VOCs 发生大气化学反应的快慢.计算L OH 所需参数采用Atkinson 等[21-22]研究得出的化学反应速率参数.其计算公式为:[]OH,OH,VOC i i iL K =× (1)式中:L OH ,i 是VOCs 物种i 的⋅OH 消耗速率,s -1; [VOC]i 是物种i 的物质的量浓度,mol/m 3; K OH,i 是物种i 与羟基自由基(⋅OH)的反应速率常数,m 3/(mol ⋅s).1.3.2 臭氧生成潜势 为了估算本地区VOCs 的臭氧生成潜势,本研究通过用臭氧生成潜势表征VOCs 物种在最佳反应条件下对O 3生成的最大贡献,其大小决定于VOCs 物种的浓度及该物种的最大增量反应活性.计算OFP 所需参数采用Carter [23]关于VOCs 增量反应活性的实验结果.其计算公式为: []OFP VOC MIR i=× (2) 式中:[VOC]i 是VOCs 物种i 的浓度,×10-9; MIR i 是物种i 的臭氧生成潜势系数,mol(O 3)/mol(VOCs). 1.3.3 二次有机气溶胶生成潜势 为了定量评估VOCs 物种对SOA 的贡献,本研究选用目前普遍使用的气溶胶生成系数法(FAC).计算SOAFP 所需参数采用Grosjean 等[24-25]在烟雾箱中得到的实验结果.其计算公式为:[][VOC],,SOAFP FAC VOC (1)i i i r i stF =××− (3)式中:SOAFP i 为VOCs 物种i 的SOA 生成潜势,µg/m 3; [VOCs]i ,st 是VOCs 物种i 的实测浓度,µg/m 3; F [VOC]i ,r 是VOCs 物种i 参与反应的分数,%. 2 结果与讨论2.1 观测期间VOCs 浓度水平和化学反应活性观测期间,共获取了2142组VOCs 有效数据,其中,冬季、春季、夏季和秋季分别获得518, 430, 690和504组有效VOCs 数据.根据化学分子结构,把VOCs 分为低碳烷烃C2~C5、低碳烯烃C2~C5、高碳烷烃C6~C12、高碳烯烃C6~C12、苯系物和炔烃6类.加之,各类VOCs 的大气化学活性差别很大,不同类型的VOCs 参与化学反应速率有快有慢,对O 3和SOA 的生成潜势也不尽相同.为表征VOCs 的大气化学反应活性,根据观测得到的VOCs 浓度水平,利用公式(1)~(3),可得出不同气团中各类VOCs 的L OH 、OFP 和SOAFP(表1).由表1可知,从各类VOCs 混合比来看,四季中,低碳烷烃、低碳烯烃浓度水平由高到低依次为春季、秋季、冬季、夏季.高碳烷烃、苯系物和VOCs 浓度水平由高到低依次为春季、冬季、秋季、夏季.高碳烯烃浓度水平由高至低依次为春季、冬季、夏季、秋季.炔烃浓度水平由高至低依次为秋季、冬季、春季、夏季.在化学反应活性方面,春季低碳烯烃L OH 最高达到4.73s -1,其次为春季苯系物(2.72s -1).VOCs的L OH 由大到小依次为春季(8.84s -1)、秋季(3.95s -1)、夏季(3.33s -1)、冬季(3.29s -1); VOCs 的OFP 由大到小依次为春季(86.09 ×10-9)、冬季(48.37×10-9)、秋季(47.81×10-9)、夏季(27.70×10-9); VOCs 的SOAFP 由高到低依次为春季(2.561µg/m 3)、冬季(1.741µg/m 3)、秋季(1.433µg/m 3)、夏季(0.696µg/m 3).由此可见,四季中,各类VOCs 混合比和化学反应活性具有明显的季节变化特点.全年来看,低碳烷烃、低碳烯烃、高碳烷烃、高碳烯烃、苯系物和炔烃的浓度值分别为(6.692±7.217) ×10-9、(1.767±1.323) ×10-9、(2.333±4.093)×10-9、(0.017±0.013) ×10-9、(6.485±8.525) ×10-9、(1.229±1.162)×10-9.其中,低碳烷烃、低碳烯烃、高10期张涛等:利用HYSPLIT模型研究珠三角地区VOCs时空分布特征 4219碳烷烃、苯系物浓度水平最高的物种分别为丙烷((1.845±2.154)×10-9)、乙烯((1.093±0.962)×10-9)、正己烷((0.578±1.58)×10-9)和甲苯((2.929±4.588)×10-9),这表明当地受油气挥发、机动车、工业生产等人为排放源的影响最大[15].VOCs平均浓度为(18.523±20.978)×10-9,略低于Guo等[3]在香港东涌(26.000× 10-9)、广州万顷沙(39.000×10-9)的实验结果.在化学反应活性方面,低碳烯烃的L OH最大,为1.98s-1,其次为苯系物(1.97s-1),而苯系物的OFP和SOAFP最大,分别为23.09×10-9、1.483µg/m3.VOCs对SOA生成的量为1.521µg/m3,较高于上海市城区(1.434µg/ m3)[26],较低于深圳市(2.095µg/m3)[27].表1四季各类VOCs混合比和化学活性统计Table 1 Statistical table of mixture ratios and chemical activity of various species of VOCs in four seasons指标季节低碳烷烃C2~C5 低碳烯烃C2~C5高碳烷烃C6~C12高碳烯烃C6~C12苯系物炔烃 VOCs 冬季 7.411±3.239 1.712±0.826 2.245±2.026 0.018±0.011 7.448±6.203 1.509±0.589 20.344±11.829春季 10.555±11.859 2.337±2.194 5.654±7.687 0.028±0.018 10.622±14.289 1.382±1.31 30.578±36.466夏季 2.931±4.039 1.432±0.864 0.703±0.838 0.015±0.008 2.967±3.881 0.423±0.396 8.472±8.895秋季 7.806±5.888 1.797±1.124 1.822±1.546 0.009±0.007 6.781±6.509 1.913±1.502 20.128±14.766混合比(×10-9)全年 6.692±7.217 1.767±1.323 2.333±4.093 0.017±0.013 6.485±8.525 1.229±1.162 18.523±20.978冬季0.36 0.66 0.26 0.02 1.99 — 3.29春季0.61 4.73 0.76 0.03 2.72 — 8.84夏季0.19 1.93 0.09 0.01 1.11 — 3.33秋季0.43 0.99 0.20 0.01 2.32 — 3.95 L OH(s-1)全年0.38 1.98 0.30 0.02 1.97 — 4.64冬季 5.40 13.43 2.98 0.08 25.72 0.75 48.37春季 8.56 36.67 6.54 0.12 33.49 0.69 86.09夏季 2.57 12.11 0.90 0.07 11.85 0.21 27.70秋季 6.01 13.37 2.32 0.04 25.17 0.89 47.81 OFP(×10-9)全年 5.37 17.87 2.97 0.07 23.09 0.61 49.99冬季— — 0.036 — 1.706 — 1.741春季— — 0.078 — 2.484 — 2.561夏季— — 0.020 — 0.676 — 0.696秋季— — 0.026 — 1.407 — 1.433 SOAFP(µg/m3)全年— — 0.038 — 1.483 — 1.521 注:“—”表示缺少相关常数/系数,无法获得统计结果,下同.季节季节季节季节图2 四季各类VOCs混合比及其化学反应活性占比Fig.2 The ratios of mixture ratios and chemical reactivities of various species of VOCs in four seasonsC6~C12 高碳烷烃C6~C12C2~C5C2~C54220 中国环境科学 40卷由图2可知,L OH占比可以发现,冬季和秋季,苯系物对L OH的贡献最高,分别为60%、59%,其次是低碳烯烃,其贡献分别为20%、25%;春季和夏季,低碳烯烃贡献最高,分别为53%,58%,其次是苯系物,其贡献分别为31%、33%,其主要原因是化学活性较高的低碳烯烃占比在春季(13%)和夏季(17%)明显高于冬季(8%)和秋季(9%);根据OFP占比结果,可以得知冬季和秋季,苯系物对OFP的贡献最高,同为53%,而在春季和夏季,低碳烯烃对OFP的贡献最高,分别为43%、44%;通过SOAFP的占比结果可以发现,四季中苯系物对SOAFP的贡献最大,占97%~98%,其次为高碳烷烃,占2%~3%.全年来看,低碳烷烃、苯系物、高碳烷烃、低碳烯烃混合比分别为35%、34%、12%、12%,其中低碳烷烃和苯系物二者混合比合计达到69%,表明本地区受油气挥发、机动车、工业生产等人为活动影响较为显著[16].低碳烯烃、苯系物对L OH的贡献分别为43%、42%,二者对L OH贡献达到85%,该结论与Louie等[14]、邓雪娇等[28]研究结果一致.苯系物对OFP的贡献最高,达到46%,其次为贡献36%的低碳烯烃,二者对OFP的贡献达到82%,这与周炎等[29]、虞小芳等[30]研究结果一致.另外,苯系物对SOAFP的贡献占比为97%.由此可知,混合比之和仅占46%的低碳烯烃和苯系物,却贡献了85%的L OH、82%的OFP和97%的SOAFP.2.2不同气团中各类VOCs浓度水平VOCs在大气环境的传输中,经过反应转化、消耗以及累积等物理化学过程,直接影响受体站点的VOCs浓度水平.本文通过NOAA的气象数据,使用HYSPLIT模型[18]绘制观测期间到达观测站点的气团过去72h的反向轨迹,起始高度为500m.通过聚类分析,可得出不同气团所携带的各类VOCs浓度水平及其占比情况,详见表2和图3、图4.由图3可知,观测期间,气团主要来自北部内陆地区(1#)、西部内陆地区(2#)、台湾海峡南端(3#)以及南部海洋地区(4#).其中, 8%的气团来自北部内陆地区,沿途经过江西、粤北山区以及珠江三角洲北部(广州、佛山一带); 32%的气团来自西部内陆地区,主要经过广西、粤西地区以及珠江三角洲西部(肇庆、佛山一带); 22%的气团来自台湾海峡南端,途径香港、珠江三角洲东西两岸地区;来自南部海洋地区的气团占比最高,达到38%,主要经过南海以及珠江三角洲南部地区(珠海、江门一带).图3 观测站点后向轨迹聚类分析(72h,500m) Fig.3 Cluster analysis of the backward trajectories at theobservation station (72h,500m)根据表2、图4可知,1#气团的VOCs浓度值最高,为(22.336±16.151)×10-9,其次为3#((21.461±14.025)×10-9)、2#((16.562±11.367)×10-9)和4# ((16.326±27.384)×10-9),其中,1#气团带来的高碳烷烃、炔烃和苯系物浓度水平最高,分别达到(2.844±2.919)×10-9、(2.165±1.743)×10-9和(8.173±6.624)×10-9,而且,1#气团中炔烃和苯系物的混合比占比也最高,分别达到10%、37%,这可能是因为来自北部内陆地区的气团在传输过程中,所经过的广佛地区工业发达,有大量工业溶剂、燃烧源的排放.3#气团中低碳烷烃的浓度水平最高,为(8.437±5.561)×10-9,其混合比占比也最高,达到39%.这主要是由于低碳烷烃作为机动车排放、油气挥发的重要指示物[16],而3#气团所途径的珠江三角洲东西两岸地区机动车保有量巨大的缘故.相比其他气团,来自南部海洋地区的4#气团低碳烯烃混合比占比达到10%,且异戊二烯含量最高,这说明观测站点受南部地区自然源排放的影响较大.而从不同气团中各类VOCs浓度水平最高的物种来看,低碳烷烃、低碳烯烃、高碳烷烃、苯系物浓度水平最高的物种分别为丙烷、乙烯、正己烷和甲苯,与全年一致,这也印证了珠江三角洲地区VOCs排放特征比较明显.10期 张 涛等:利用HYSPLIT 模型研究珠三角地区VOCs 时空分布特征 4221表2 不同气团中各类VOCs 浓度水平统计(×10-9)Table 2 Statistical table of concentrations of various species of VOCs in different air masses (×10-9)类别 低碳烷烃C2~C5 低碳烯烃C2~C5 高碳烷烃C6~C12高碳烯烃C6~C12苯系物 炔烃 VOCs 1# 7.353±4.965 1.789±1.118 2.844±2.919 0.012±0.009 8.173±6.6242.165±1.743 22.336±16.151 2# 5.785±3.425 1.692±0.889 1.805±2.153 0.015±0.009 5.873±5.209 1.393±1.05 16.562±11.367 3# 8.437±5.5611.823±1.012.283±2.28 0.016±0.012 7.48±6.243 1.423±0.894 21.461±14.0254# 5.584±9.148 1.712±1.7472.561±5.008 0.019±0.0155.713±10.9880.737±1.1 16.326±27.38420 40 60 80 100 1# 2# 3# 4#气团 混合比占比(%)图4 不同气团中各类VOCs 的混合比占比Fig.4 The ratios of mixture ratios of various species of VOCsin different air masses高碳烯烃C6~C12 C6~C12C2~C5 C2~C52.3 不同气团中各类VOCs 化学反应活性由表3可知,4#气团中低碳烯烃、高碳烷烃和高碳烯烃的L OH 在四类气团中最大,而1#气团中的苯系物、3#气团中的低碳烷烃,其L OH 在四类气团中最大.从各类气团的OFP 来看,1#气团中的高碳烷烃、炔烃和苯系物,3#气团中的低碳烷烃和低碳烯烃,4#气团中的高碳烯烃,其OFP 在四类气团中最高.在对SOA 的生成潜势方面,1#气团的高碳烷烃和苯系物在四类气团中均最大.总的来看,1#气团中VOCs 的L OH 、OFP 和SOAFP 均最大,分别为4.49s -1、57.82×10-9、1.939µg/m 3,这说明1#气团中VOCs 化学反应活性最强,其对O 3和SOA 的生成贡献最高.根据图5可以发现,1#、2#、3#和4#气团中,苯系物的L OH 、OFP 和SOAFP 的贡献占比均最高,其L OH 贡献占比分别为62%、52%、55%和43%,其OFP 贡献占比分别为57%、50%、52%和46%,其SOAFP 贡献占比分别为98%、98%、98%和97%,其中,来自1#气团中苯系物对气团VOC 化学反应活性的贡献最大.相对于气团中的其他VOCs 类别,低碳烯烃贡献了第二大的L OH 和OFP.相比其他气团,4#气团中低碳烯烃对气团的L OH 和OFP 贡献最高,分别为40%、34%,这可能是南部地区自然源排放的异戊二烯含量较高的原因.综上所述,1#、2#、3#和4#气团中VOCs 的化学反应活性主要由苯系物和低碳烯烃贡献.表3 不同气团中各类VOCs 的化学反应活性统计Table 3 Statistical table of chemical reactivities of various species of VOCs in different air masses指标 类别 低碳烷烃C2~C5 低碳烯烃C2~C5 高碳烷烃C6~C12高碳烯烃C6~C12苯系物 炔烃 VOCs1# 0.40 0.97 0.34 0.01 2.77 — 4.49 2# 0.29 1.09 0.22 0.01 1.74 — 3.37 3# 0.49 1.12 0.28 0.01 2.34 — 4.24 L OH (s -1)4# 0.34 1.66 0.35 0.02 1.75 — 4.12 1# 5.67 14.17 3.83 0.05 33.02 1.08 57.822# 4.29 13.50 2.32 0.07 21.26 0.70 42.13 3# 6.92 14.59 3.03 0.07 27.33 0.71 52.64 OFP (×10-9)4# 4.67 14.06 3.06 0.09 18.89 0.37 41.14 1# — — 0.046 — 1.893 — 1.9392# — — 0.029 — 1.335 — 1.364 3# — — 0.038 — 1.694 — 1.732 SOAFP (µg/m 3)4# — — 0.044 — 1.298 — 1.3424222中 国 环 境 科 学 40卷20 40 60 80 100 1# 2#3# 4#气团 L OH 占比(%)204060801001#2#3# 4#气团O F P 占比(%)20 40 60 80 100 1# 2#3# 4#气团S O A F P 占比(%)炔烃苯系物高碳烯烃C6~C12高碳烷烃C6~C12低碳烯烃C2~C5低碳烷烃C2~C5图5 不同气团中各类VOCs 的化学反应活性占比Fig.5 The ratios of chemical reactivities of various species of VOCs in different air masses3 结论3.1 各类VOCs 混合比和化学反应活性具有明显的季节变化特点.各类VOCs 混合比和化学反应活性具有明显的季节变化特点.观测期间,VOCs 平均浓度为(18.523±20.978)×10-9,其中,低碳烯烃和苯系物二者混合比之和仅占46%,但贡献了85%的L OH 、82%的OFP 和97%的SOAFP.观测站点主要受来自北部内陆地区气团(1#)、西部内陆地区气团(2#)、台湾海峡南端气团(3#)以及南部海洋地区气团(4#)的影响,各类气团占比分别为8%、32%、22%和38%. 3.2 1#气团中苯系物和炔烃的混合比占比最高,分别达到37%、10%,这说明气团在传输过程中,所经过的广佛地区工业发达,有大量工业溶剂、燃烧源的排放;而3#气团中低碳烷烃的浓度水平最高,为(8.437± 5.561)×10-9,其混合比占比也最高,达到39%.相比其他气团,4#气团中低碳烯烃混合比占比达到10%,且异戊二烯浓度水平最高,这说明观测站点受南部地区自然源排放的影响较大.3.3 根据气团中VOCs 化学反应活性的计算结果可以发现,1#气团中VOCs 化学反应活性最强,其对O 3和SOA 的生成贡献最高; 1#、2#、3#和4#气团中VOCs 的化学反应活性主要由苯系物和低碳烯烃贡献.参考文献:[1] Zhang Y H, Hu M, Zhong L J, et al. Regional integrated experimentson air quality over Pearl River Delta 2004 (PRIDE - PRD2004): Overview [J]. Atmospheric Environment, 2008,42(25): 6157-6173. [2] Wang T, Xue L K, Brimblecombe P, et al. Ozone pollution in China:A review of concentrations, meteorological influences, chemical precursors, and effects [J]. Science of the Total Environment, 2016, 575(JAN):1582-1596.[3] Guo H, Jiang F, Cheng H R, et al. Concurrent observations of airpollutants at two sites in the Pearl River Delta and the implication of regional transport [J]. Atmospheric Chemistry & Physics, 2009,9(2): 7343-7360.[4] Wang T, Wei X L, Ding A J, et al. Increasing surface ozone concentrationsin the background atmosphere of Southern China, 1994~2007 [J]. Atmospheric Chemistry and Physics, 2009,9(2):6217-6227.[5] Guangdong Provincial Environmental Monitoring Centre;Environmental Protection Department, Hong K ong SARG; Environmental Protection Bureau, Macao SARG; Meteorological and Geophysical Bureau, Macao SARG . Guangdong -Hong K ong -Macao Pearl River Delta regional air quality monitoring network: A report of monitoring Results in 2017 [EB/OL]. [2019-12-20]. http://gdee.gd. /protect/P0201806/P020180620/P020180620631772750308.pdf. [6] Seinfeld J H, Pandis S N. Atmospheric chemistry and physics, from airpollution to climate change [M]. 3rd ed. Hoboken, New Jersey: John10期张涛等:利用HYSPLIT模型研究珠三角地区VOCs时空分布特征 4223Wily & Sons Incorporation. 2016:583-632.[7] Taylor O C. Importance of Peroxyacetyl Nitrate (PAN) as a phytotoxicair pollutant [J]. Journal of the Air Pollution Control Association, 1969,19(5):347-351.[8] Singh H B, Herlth D, O'Hara D, et al. Relationship of peroxyacetylnitrate to active and total odd nitrogen at northern high latitudes: Influence of reservoir species on NO x and O3 [J]. Journal of Geophysical Research, 1992,97(D15):16523-16530.[9] Chung S H, Seinfeld, J H. Global distribution and climate forcing ofcarbonaceous aerosols [J]. Journal of Geophysical Research, 2002, 107(D19):4407-4440.[10] Ramanathan V, Crutzen P J, K iehl J T, et al. Atmosphere aerosols,climate, and the hydrological cycle [J]. Science, 2001,294(5549): 2119-2124.[11] Geron C D, Pierce T E, Guenther A B. Reassessment of biogenicvolatile organic compound emissions in the Atlanta area [J].Atmospheric Environment, 1995,29(94):1569-1571,1573-1578. [12] Garzon J P, Huertas J I, Magana M, et al. Volatile organic compoundsin the atmosphere of Mexico City [J]. Atmospheric Environment, 2015,119(OCT):415-429.[13] Cai C J, Geng F H, Tie X X, et al. Characteristics and sourceapportionment of VOCs measured in Shanghai, China [J].Atmospheric Environment, 2010,44(38):5005-5014.[14] Louie K K, Ho W K, Tsang C W, et al. VOCs and OVOCs distributionand control policy implications in Pearl River Delta Region, China [J].Atmospheric Environment, 2013,76(5):125-135.[15] Zhang Z, Zhang Y L, Wang X M, et al. Spatiotemporal patterns andsource implications of aromatic hydrocarbons at six rural sites across China’s developed coastal regions [J]. Journal of Geophysical Research Atmospheres, 2016,121(11):6669-6687.[16] Zhang Y L, Wang X M, Zhang Z, et al. Sources of C2 –C4alkenes, themost important ozone nonmethane hydrocarbon precursors in the Pearl River Delta region [J]. Science of the Total Environment, 2015, 502(JAN):236-245.[17] Wang M, Shao M, Chen W T, et al. A temporally and spatiallyresolved validation of emission inventories by measurements of ambient volatile organic compounds in Beijing, China [J].Atmospheric Chemistry & Physics, 2014,14(12):5871-5891.[18] Shan W P, Yin Y Q, Lu H X, et al. A meteorological analysis of ozoneepisodes using HYSPLIT model and surface data [J]. Atmospheric Research, 2009,93(4):767-776.[19] Yue D L, Zhong L J, Zhang T, et al. Pollution properties of water-soluble secondary inorganic ions in atmospheric PM2.5 in the Pearl River Delta Region [J]. Aerosol & Air Quality Research, 2015,15(5): 1737-1747.[20] Wang M, Zeng L M, Lu S H, et al. Development and validation of acryogen-free automatic gas chromatograph system (GC-MS/FID) for online measurements of volatile organic compounds [J]. Analytical Methods, 2014,6(23):9424-9434.[21] Atkinson R, Baulch D L, Cox R A, et al. Evaluated kinetic and photo-chemical data for atmospheric chemistry: Supplement VIII, halogen species evaluation for atmospheric chemistry [J]. Journal of Physical and Chemical Reference Data, 2000,29(2):167-266.[22] Atkinson R, Baulch D L, Cox R A, et al. Evaluated kinetic and photo-chemical data for atmospheric chemistry, organic species: Supplement VII [J]. Atmospheric Environment. part A. general Topics, 2010,26(7): 1187-1230.[23] Carter W P L. Development of ozone reactivity scales for volatileorganic compounds [J]. Journal of Air and Waste Management Association, 1994,44(7):881-899.[24] Grosjean D, Seinfeld J H. Parameterization of the formation potentialof secondary organic aerosols [J]. Atmospheric Environment, 1989, 23(8):1733-1747.[25] Grosjean D. In situ organic aerosol format ion during a smog episodeestimated production and chemical functionality [J]. Atmospheric Environment, 1992,26(6):953-963.[26] 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.Wang Q, Chen C H, Wang H L, et al. Forming Potential of Secondary Organic Aerosols and Sources Apportionment of VOCs in Autumn of Shanghai, China [J]. Environmental Science, 2013,34(2):424-433.[27] 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):2449-2457.Wang F P, Zhu Q, Feng N, et al. The generation potential of secondary organic aerosol of atmospheric VOCs in Shenzhen [J]. China Environmental Science, 2014,34(10):2449-2457.[28] 邓雪娇,王新明,赵春生,等.珠江三角洲典型过程VOCs的平均浓度与化学反应活性 [J]. 中国环境科学, 2010,30(9):1153-1161.Deng X J, Wang X M, Zhao C S, et al. The mean concentration and chemical reactivity of VOCs of typical processes over Pearl River Delta Region [J]. China Environmental Science, 2010,30(9):1153-1161.[29] 周炎,钟流举,岳玎利,等.典型污染时段鹤山大气VOCs的臭氧生成潜势及来源解析 [J]. 环境监控与预警, 2014,6(4):1-16.Zhou Y, Zhong L J, Yue D L, et al. Potential ozone formation and emission sources of atmospheric VOCs in Heshan during typical pollution episode [J]. Environmental Monitoring and Forewarning, 2014,6(4):1-16.[30] 虞小芳,程鹏,古颖纲,等.广州市夏季VOCs对臭氧及SOA生成潜势的研究 [J]. 中国环境科学, 2018,38(3):830-837.Yu X F, Cheng P, Gu Y G, et al. Formation potential of ozone and secondary organic aerosol from VOCs oxidation in summer in Guangzhou, China [J]. China Environmental Science, 2018,38(3):830-837.致谢:论文的研究过程中,感谢北京大学环境科学与工程学院在联合观测中提供的技术支持以及广东省环境保护工程职业学院钟流举教授级高级工程师、广州草木蕃环境科技有限公司俞龙生高级工程师的悉心指导.作者简介:张涛(1984-),男,安徽临泉人,高级工程师,硕士,主要从事大气化学与地气交换研究.发表论文20余篇.。

珠江三角洲地区夏季大气颗粒物污染特征的开题报告

珠江三角洲地区夏季大气颗粒物污染特征的开题报告

珠江三角洲地区夏季大气颗粒物污染特征的开题报告
一、研究背景
在我国,珠江三角洲地区是经济发展最快的地区之一,但是随之而来的是空气质量的下降。

特别是在夏季,大气颗粒物(PM)污染严重,不仅会对居民的身体健康带来威胁,也会对环境和生态系统造成影响。

因此,研究珠江三角洲地区夏季大气颗粒物污染特征,有助于深入了解珠江三角洲地区的环境问题,为政府决策提供参考。

二、研究内容
1. 搜集珠江三角洲地区的大气环境数据,在夏季期间对PM进行监测和分析,探究PM的来源和组成特征。

2. 探究PM对气候变化的影响,分析PM的化学成分和粒径大小与气候变化之间的关系。

3. 分析PM的污染物浓度和空气质量指数(AQI)的变化规律,在此基础上提出适当的治理措施,以降低PM的浓度和改善空气质量。

三、研究方法
1. 珠江三角洲地区的大气环境数据的获取方法主要是利用空气颗粒物监测仪,收集实时数据,建立数据分析模型,对PM的来源和组成特征进行分析。

2. 利用化学分析仪对PM的化学成分进行分析,对PM对气候变化的影响进行研究。

3. 利用大气扩散模型对PM的污染过程进行模拟,分析污染源和污染物种类的影响,提出控制PM浓度和改善空气质量的治理措施。

四、研究意义
1. 通过研究夏季大气颗粒物污染特征,可以为珠江三角洲地区的环境保护提供科学依据,为政府制定治理措施提供参考。

2. 对PM对气候变化的影响进行探究,有助于加深对气候变化的理解,为气候变化应对提供科学依据。

3. 通过对PM的污染过程进行模拟,可以为未来的环境保护提供思路和借鉴,以保障珠江三角洲地区的可持续发展。

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应王嫣然;张学霞;赵静瑶;余新晓;姜群鸥【期刊名称】《中国环境监测》【年(卷),期】2017(033)002【摘要】利用2013年1月-2014年12月北京地区PM2.5和PM10监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM2.5和PM10的浓度对不同季节地面气象因素的响应.结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻.不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素.PM2.5和PM10质量浓度对气象因素变化的响应程度也有较大区别,PM2.5/PM10比值冬季最高,PM2.5影响最大,春季最低,PM10影响最大.这些结论可对制订科学有效的大气污染控制策略提供参考.【总页数】8页(P34-41)【作者】王嫣然;张学霞;赵静瑶;余新晓;姜群鸥【作者单位】北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083【正文语种】中文【中图分类】X823【相关文献】1.北京地区1~3月PM2.5、PM10、NO2、SO2地面浓度分布特征分析 [J], 曹艳芳2.北京地区PM10和PM2.5质量浓度的变化特征 [J], 于建华;虞统;魏强;王欣;时建纲;李海军3.郑州城区PM10、PM2.5质量浓度变化特征及其对气象因子的响应 [J], 王翠连;张军;郑瑶;赵同谦;娄亚敏;郑华4.2015年上海崇明岛PM2.5和PM10浓度变化特征及气象因素影响分析 [J], 吴健;齐晓宝;苏敬华;李佳凤;沙晨燕;熊丽君;王敏5.不同季节PM_(2.5)和PM_(10)浓度对地面气象因素的响应分析 [J], 艾子贞因版权原因,仅展示原文概要,查看原文内容请购买。

我国典型地区大气颗粒物测量技术、粒径分布及长期变化趋势

我国典型地区大气颗粒物测量技术、粒径分布及长期变化趋势

我国典型地区大气颗粒物测量技术、粒径分布及长期变化趋势我国典型地区大气颗粒物测量技术、粒径分布及长期变化趋势一、引言近年来,我国的大气污染问题日益严重,特别是大气颗粒物成为了引人关注的焦点。

大气颗粒物对人体健康和环境质量都产生着重要的影响。

因此,对于大气颗粒物的测量、粒径分布以及长期变化趋势的研究显得尤为重要。

二、大气颗粒物测量技术大气颗粒物的测量技术主要包括传统的重量法、光学方法和现代的质谱分析法。

传统的重量法主要通过收集样品后进行称重来测量大气颗粒物的质量浓度,这种方法的优点是简单易行,但无法给出颗粒物的粒径分布等详细信息。

光学方法则是利用颗粒物对光的散射和吸收特性进行测量,通过颗粒物对光的作用来间接推算颗粒物的浓度,如激光散射光谱法(LIDAR)等。

质谱分析法则是通过收集大气颗粒物样品后使用质谱仪等仪器进行化学分析,能够得出颗粒物的元素组成及其分布情况。

同时,还可以使用某些特定的化学物质来对颗粒物进行化学特性的测量。

三、大气颗粒物的粒径分布大气颗粒物的粒径分布是指颗粒物在不同粒径范围内的分布情况。

根据颗粒物的粒径大小,可以将其分为可吸入颗粒物(PM10)和细颗粒物(PM2.5)等不同粒径范围。

可吸入颗粒物主要是指直径小于等于10微米的颗粒物,而细颗粒物则是指直径小于等于2.5微米的颗粒物。

大气中的颗粒物主要来源于燃煤、机动车尾气、工业排放等,不同来源的颗粒物的粒径分布也存在差异。

通过研究大气颗粒物的粒径分布,可以更好地了解颗粒物对健康和环境的影响。

四、典型地区大气颗粒物的长期变化趋势我国是大气颗粒物污染较为严重的国家之一,特别是一些典型地区的大气颗粒物受到了严重的污染。

例如,长三角地区、京津冀地区、珠三角地区等。

这些地区的大气颗粒物主要来源于工业排放、汽车尾气、农业活动和扬尘等。

根据监测数据显示,这些地区的大气颗粒物浓度近年来呈上升的趋势。

其中,大气颗粒物的长期变化趋势可以通过长期的监测数据进行分析,从而发现颗粒物污染的来源、时间分布以及变化的规律。

珠三角秋冬季节长时间灰霾污染特性与成因

珠三角秋冬季节长时间灰霾污染特性与成因

近 30 多年来,随着经济社会的快速发展,工 业化和城市化水平的不断提高,珠三角地区以臭 氧( O3 ) 和细颗粒物( PM2������ 5 ) 为代表的大气复合污 染形势严峻[1] ,成为制约未来社会经济发展的重
大瓶颈。 秋冬季节是珠三角地区区域性灰霾天气 发生最为频繁的时段,2012 年 10 月—2013 年 2 月,该地区出现了 2 次持续时间达 10 d 以上的灰 霾天气,给社会生产和生活带来较大的不利影响,
1 实验部分
观测参数:能见度,PM10 、 PM2������ 5 、 PM1 质量浓 度,BC 质量 浓 度, 气 溶 胶 光 散 射 系 数 与 SO2 、 O3 等气态污染物浓度及相对湿度、风速、风向、气温、 大气压力等气象参数。 能见度的测量仪器为前向 散射能见度测量仪 (6000 型,美国) ; PM10 、 PM2������ 5 和 PM1 的观测仪器为微量震荡天平 TEOM(1405 型,美国) ;BC 采用 5012 型黑碳监测仪( 美国) , 切割粒径与 PM2������ 5 一致,为 2������ 5 μm;气溶胶散射系 数采用开放式计分浊度计 ( NGN⁃2A 型, 美 国) ; SO2 和 O3 的 观 测 仪 器 分 别 为 43C 型 SO2 分 析 仪( 美国) 和 49C 型 O3 分析仪( 美国) ;相对湿度 等气象参数应用 WXT520 型气象站( 芬兰) 进行 在线测量。
Causes and Pollution Characteristics of Long⁃time Haze Episodes in the Pearl River Delta Region during the Seasons of Autumn and Winter OU Yu⁃bo,YUE Ding⁃li, ZHANG Tao,ZHOU Yan,YUAN Luan,XIE Min Guangdong Environmental Monitoring Centre,State Environmental Protection Key Laboratory of Regional Air Quality Monitoring, Guangzhou 510308,China Abstract:Based on the on⁃line measurement of visibility, mass concentrations of size resolved particles and black carbon, particle light⁃scattering coefficient, ozone concentration and relative humidity etc. during October of 2012 and January of 2013 at the atmospheric supersite in the Pearl River Delta Region, the properties and causes of two so called long⁃time haze episodes lasting for over ten days were analyzed. It showed that during the winter episode, particle light⁃absorption coefficient and light scattering coefficient accounted for 13% and 67% in the total atmospheric extinction coefficient, respectively; PM2������ 5 and PM1 contributed 66% and 36% to PM10 mass; the higher correlation coefficient between daily PM2������ 5 and BC ( R2 = 0������ 88) indicated the significant influence of primary emission on the fine particles and visibility. During the autumn episode, particle light⁃absorption coefficient and light scattering coefficient accounted for 11% and 69% in the total atmospheric extinction coefficient, with 20% lower light⁃ absorption effect of BC than winter episode; the contributions of PM2������ 5 and PM1 to PM10 were 68% and 45% , both larger than winter episode; the average value of the daily maximum O3 - 1 h was nearly twice of that in winter episode; secondary transformation played a major role in the particle mass concentration increase and visibility degradation. The conditions with two kinds of air masses in different directions stalemating over PRD region and weak diffusion were important external conditions for the two long⁃time haze episodes, and should be taken as one of the focuses for haze forecasting and warning. Key words:visibility;particle mass concentrations;extinction coefficient;atmospheric oxidizing capacity;air mass history
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

在人类赖以生存的大气环境中,颗粒物无处 一方面,大气颗粒物可以通过人体呼吸影响人们
不在,并以多种不同方式影响着人们的生活质量。 的健康,但不同粒径颗粒物因其穿透性的差异,能
收稿日期: 2014-03-28; 修订日期: 2014-04-10 基金项目: 国家自然科学基金“珠三角地区新粒子生成特性及其二次组分的作用”( 41303075) ; 国家自然科学基金-广东
存在较高的爱根核模态颗粒物数浓度,意味着机动车排放对细颗粒物污染的影响较显著。10 月颗粒物数谱分布平均日
变化中存在明显的颗粒物增长过程,体现了新粒子生成事件的重要影响。
关键词: 颗粒物; 数浓度; 粒径谱分布; 日变化
中图分类号: X823
文献标志码: A
文章编号: 1002-6002( 2015) 02-0029-06
第 31 卷 第 2 期 年 4 月
中国环境监测 Environmental Monitoring in China
Vol. 31 No. 2 Apr. 2015
珠三角地区不同季节颗粒物数谱分布特性
岳玎利,钟流举,沈 劲,张 涛,周 炎
广东省环境监测中心国家环境保护区域空气质量监测重点实验室,广东 广州 510308
美国产颗粒物数谱分析系统,主要包括 2 个 扫描电迁移颗粒物数谱分析仪( SMPS) 和 1 个空 气动力学颗粒物数谱分析仪( APS) 。2 套 SMPS 分别用于检测 3 ~ 60、20 ~ 1 000 nm 颗粒物数谱 分布,APS 可以检测 0. 5 ~ 10 μm 颗粒物数谱分 布。因此,该 系 统 用 于 实 时 在 线 测 量 3 nm ~ 10 μm颗粒物数谱分布。观测系统前端采样管路 中配置硅胶干燥管,不定期根据除湿状态进行维 护,确保系统中相对湿度低于 40% 。观测中设定 时间分辨率为 5 min。 1. 3 数据处理
摘 要: 基于珠三角大气超级站不同季节 3 nm ~ 10 μm 颗粒物数谱分布在线监测数据,系统分析不同季节颗粒物数浓
度、表面积浓度与体积浓度的水平与构成及数谱分布日变化规律,揭示了珠三角地区颗粒物数谱分布特征。结果表明,
冬季、春季和秋季珠三角大气超级站总颗粒物数浓度分别为 2. 17 × 104 、1. 97 × 104 、2. 24 × 104 个 / 立方厘米,总颗粒物表 面积浓度分 别 为 2. 98 × 103 、2. 28 × 103 、2. 78 × 103 μm2 / cm3 ,总 颗 粒 物 体 积 浓 度 分 别 为 1. 33 × 102 、1. 04 × 102 、1. 40 × 102 μm3 / cm3 。颗粒物总数浓度中,爱根核模和积聚模态颗粒物是主要贡献者,在总数浓度的比例均达到 40% 以上; 总颗
30
中国环境监测
第 31 卷 第 2 期 2015 年 4 月
够到达人体内部的深度不同[1-3]。另一方面,在对 流层大气中,尤其在主要污染源的下风向,颗粒物 会影响气候变化模式,但不同粒径颗粒物的成云 能力与特性不同[4-5]。认识大气颗粒物的健康和 环境效应,必须掌握这些颗粒物在大气中如何生 成、传输、转化和去除的详细信息,颗粒物数浓度 粒径谱分布是其中关键的一环,对气溶胶理化特 性及其影响的研究意义重大。
国外自 19 世纪起在乡村、城市、山地、海岸和 自由对流层等多种环境中对颗粒物数谱分布进行 观测; 测量平台包括陆地、船只、飞机等。但小至 几个纳米的颗粒物数浓度及粒径谱分布的长期观 测主 要 在 发 达 国 家 进 行,发 展 中 国 家 报 道 较少[6]。
目前在国内多个地方、多种不同环境中进行 了大气颗粒 物 数 谱 分 布 特 征 的 在 线 观 测[7-11],包 括对流层飞机航测和对源排放 ( 如机动车和电 厂) 颗粒物数谱分布的测量与研究。长期的颗粒 物数谱观测也逐渐开展起来( 如在北京和瓦里关 的观测) 。2005 年以前,国内大气颗粒物数浓度 粒径谱分布的观测仪器主要使用光学颗粒物计数 仪、光散射气溶胶粒子计数器和颗粒物飞行数谱 仪,所测量的最小粒径大于 300 nm,不能观测到 超细颗粒物( 直径小于 100 nm) 数谱分布。2005 年之后,各种能够观测粒径小至 30 nm 的颗粒物 数谱分布仪被广泛采用,这些仪器通常利用颗粒 物荷电后的电学性质将不同粒径的颗粒物进行分 离( 如差分电迁移颗粒物粒径谱仪、扫描电迁移 颗粒物粒径谱仪、双差分电迁移颗粒物粒径谱仪 等) 。先将颗粒物荷电,然后利用不同粒径颗粒 物电迁移率的差异进行颗粒物的粒径分离,从而 实现较小粒径颗粒物数谱分布的测量。
粒物表面积浓度中,积聚模态颗粒物是主要贡献者,月平均比例高达 88% 以上; 总颗粒物体积浓度中,积聚模态颗粒物
也是主要贡献者,月平均贡献为 65% ~ 80% ,其次为粗粒子模贡献较大,比例为 20% ~ 30% 。积聚模态颗粒物的重要贡
献较好地体现了超级站的区域性。冬季、春季和秋季颗粒物数浓度平均日变化趋势均为 7: 00 ~ 9: 00 和 18: 00 ~ 20: 00
1 实验部分
1. 1 观测站点与时间 外场观测在中国广东大气超级监测站展开。
该超级站位于广东省江门市鹤山市桃源镇花果 山( 112°55'44″E、22°43'40″N) ,海拔高度 60 m。 距离广州市 80 km,距离佛山和江门市 50、30 km, 地处珠三角地区大气化学反应活跃区域。
观测时间为 2013 年 1—4、9—12 月; 分别以 1、4、10 月作为 珠 三 角 冬 季、春 季 和 秋 季 的 代 表 月,季节变化特征研究主要针对这 3 个季节。 1. 2 观测仪器
Properties of Particle Number Size Distributions during Different Seasons in the Pearl River Delta Region YUE Ding-li,ZHONG Liu-ju,SHEN Jin,ZHANG Tao,ZHOU Yan Guangdong Environmental Monitoring Centre,State Environmental Protection Key Laboratory of Regional Air Quality Monitoring, Guangzhou 510308,China Abstract: Based on the online measurement of 3nm - 10μm particle number size distributions during different seasons at the atmospheric supersite in the Pearl River Delta Region,concentrations levels and constructions of particle number,surface area and volume,and diurnal variations of particle number size distributions in different seasons were analyzed,and the properties of particle number size distributions in this region were revealed. The average concentrations of total particle number in the seasons of winter,spring and autumn were 2. 17 × 104 ,1. 97 × 104 and 2. 24 × 104 cm -3 ,respectively. Those of the total particle surface area were 2. 98 × 103 ,2. 28 × 103 and 2. 78 × 103 μm2 / cm3 ,respectively. Those of the total particle volume were 1. 33 × 102 , 1. 04 × 102 and 1. 40 × 102 μm3 / cm3 , respectively. In the total particle number concentrations, the Aitken mode and accumulation mode particles were major contributors,taking up over 40% . Accumulation mode particles also played a significant role,contributing over 88% and 65% - 80% to the total particle surface area and volume concentrations,respectively. In addition,the proportion of coarse mode particles to the total particle volume was about 20% - 30% ,which was only less than the accumulation mode particles. The significant contributions of Accumulation mode particles indicated that the pollution property of the supersite is of regional scale. The high concentrations of Aitken mode particles during the periods of 7: 00 - 9: 00 and 18: 00 - 20: 00 in the three seasons were reflection of the notable affection of vehicle emission imposed on fine particle pollution. Obvious particle growth process was shown in the average diurnal variation of particle number size distributions during October, reflecting the significant effect of new particle formation events. Key words: aerosol particle; number concentration; size distribution; diurnal variation
相关文档
最新文档