康寶榮,劉立忠*,劉煥武,李揚(yáng)揚(yáng),艾雙雙,曹 寧

關(guān)中地區(qū)秋冬季顆粒物二次有機(jī)碳的估算

康寶榮1,劉立忠1*,劉煥武2,李揚(yáng)揚(yáng)3,艾雙雙1,曹 寧1

(1.西安建筑科技大學(xué)環(huán)境與市政工程學(xué)院,陜西 西安 710055；2.西安市環(huán)境監(jiān)測(cè)站,陜西 西安 710119；3.陜西省環(huán)境監(jiān)測(cè)中心,陜西 西安 710054)

2017年9月4日~2018年1月19日期間分別在關(guān)中地區(qū)的5個(gè)主要城市西安(XA),渭南(WN),銅川(TCH),寶雞(BJ),咸陽(yáng)(XY)設(shè)置采樣點(diǎn)進(jìn)行PM2.5,PM10顆粒物手工采樣觀測(cè),采用熱光透射法(TOT)分析碳組分,最小值法估算二次有機(jī)碳(SOC)濃度,結(jié)果顯示PM2.5與PM10中SOC平均濃度分別為(7.44±5.54),(9.62±7.49)μg/m3,一次有機(jī)碳(POC)平均濃度分別為(7.04±2.59),(9.33±4.33)μg/m3,不同粒徑顆粒物中SOC各點(diǎn)位的濃度值分布表現(xiàn)基本相同為XY>XA>WN>BJ>TCH.PM2.5中SOC含量為8.76%,OC占比為48.03%,PM10含量為6.28%,OC占比為48.09%,季節(jié)分布均呈現(xiàn)為秋季低冬季高,關(guān)中地區(qū)SOC污染嚴(yán)重.后向軌跡聚類(lèi)分析結(jié)果顯示污染氣團(tuán)傳輸主要是關(guān)中地區(qū)局部污染和西北,東北方向傳輸,其中局部污染軌跡的數(shù)量占比較多,濃度較高.低空傳輸與近地面風(fēng)向風(fēng)速及污染物分布存在差異,結(jié)合關(guān)中地區(qū)盆地地形,靜風(fēng)頻率高,邊界層低等多種因素造成顆粒物中SOC濃度較高,其中BJ點(diǎn)位易受到東北氣團(tuán)的污染物傳輸累積.

關(guān)中地區(qū)；顆粒物；二次有機(jī)碳；污染傳輸

顆粒物中二次有機(jī)碳(SOC)是有機(jī)氣體與O3,·OH,·NO3等大氣氧化劑發(fā)生光化學(xué)反應(yīng)形成的揮發(fā)性或半揮發(fā)性的二次有機(jī)物在氣/粒轉(zhuǎn)化,吸附,吸收等機(jī)制作用下形成的[1],與排放源直接排放產(chǎn)生的一次有機(jī)碳(POC)合稱(chēng)為有機(jī)碳(OC),有研究表明,冬季SOC在PM2.5中的比例為30%~77%[2],是大氣顆粒物的重要成分,且對(duì)一些環(huán)境問(wèn)題有著很大的影響,例如大氣能見(jiàn)度[3],氣候變化[4]和人體健康[5].鑒于此近年來(lái)國(guó)內(nèi)外學(xué)

者已對(duì)其進(jìn)行了大量的多方面研究,包括其前體物形成轉(zhuǎn)化,復(fù)雜成分的含量測(cè)定,大氣中演化過(guò)程,濃度值估算方法,氣象及前體物影響,污染特征分布及其對(duì)環(huán)境空間和人類(lèi)健康的危害等.

SOC成分繁多,由于對(duì)有機(jī)碳組成成分的了解有限,SOC中存在大量未知的二次有機(jī)組分,因此目前還沒(méi)有直接測(cè)定大氣顆粒物SOC含量的方法,多為間接的估算方法[6-7].SOC的特征及其來(lái)源分布,在一定程度上能夠?yàn)榇髿猸h(huán)境污染治理的統(tǒng)籌策劃提供必要的基礎(chǔ).我國(guó)SOC的研究起步較晚,目前內(nèi)陸較大城市及其沿海城市相關(guān)研究較多,而內(nèi)陸城市區(qū)域性研究相對(duì)較少.本研究針對(duì)人口較密集,工業(yè)企業(yè)分布眾多,機(jī)動(dòng)車(chē)保有量大,具有特殊盆地地形且被列為重點(diǎn)防治區(qū)域的關(guān)中地區(qū)進(jìn)行細(xì)顆粒(PM2.5)與可吸入顆粒(PM10)中SOC的研究,以期為關(guān)中地區(qū)嚴(yán)重的復(fù)合型大氣污染提供理論性依據(jù),在區(qū)域性大氣污染聯(lián)防聯(lián)控治理和環(huán)境效益方面有著重要的意義.

1 樣品的采集與分析

1.1 樣品采集

圖1 采樣點(diǎn)位分布

本研究選取關(guān)中地區(qū)5個(gè)典型城市西安,銅川,渭南,咸陽(yáng),寶雞設(shè)置采樣點(diǎn),分別為西安城市運(yùn)動(dòng)公園(XA),銅川新區(qū)環(huán)保局(TCH),渭南師范學(xué)院(WN),陜西中醫(yī)藥大學(xué)(XY),寶雞市環(huán)境保護(hù)局(BJ),點(diǎn)位情況見(jiàn)圖1. XA點(diǎn)位(N34°20′43", E108°56′23")位于公園內(nèi)湖心島上,行政區(qū);TCH點(diǎn)位(N34°53′58", E108°56′59")銅川新區(qū)環(huán)保局院內(nèi),居民區(qū);WN點(diǎn)位(N34°29′41",E109°27′37")位于師范學(xué)院內(nèi),居民區(qū);XY點(diǎn)位(N34°19′01",E108°44′21")位于中醫(yī)藥大學(xué)校園內(nèi);BJ點(diǎn)位(N34°21′18", E107°08′35")位于環(huán)境監(jiān)測(cè)中心.秋季采樣時(shí)間為2017年9月4日~11月7日,冬季為2017年11月13日~2018年01月19日,每個(gè)點(diǎn)位采樣周期14d(當(dāng)日10:30~次日8:30),共采集顆粒物樣品244個(gè).

使用TH-150F型智能中流量采樣器,采樣膜選用石英濾膜(Φ90mm,Whatman QMA,英國(guó)).采樣規(guī)范執(zhí)行《環(huán)境空氣顆粒物(PM2.5)手工監(jiān)測(cè)方法(重量法)技術(shù)規(guī)范》(HJ 656-2013)標(biāo)準(zhǔn)[8].

1.2 樣品分析

1.2.1 樣品稱(chēng)重分析 采樣前后濾膜的稱(chēng)重使用精度為十萬(wàn)分之一的電子天平(Mettler Toledo XAl05,瑞士),樣品稱(chēng)量條件為恒溫(25±1)℃,恒濕(40±5)%,平衡時(shí)間為24h,每張濾膜須進(jìn)行多次稱(chēng)量,保證誤差值小于±40μg.顆粒物濃度計(jì)算為顆粒物質(zhì)量除以標(biāo)況體積(0℃,101.3kPa).

1.2.2 碳組分分析 碳組分分析使用離線(xiàn)Model 5L-NDIR型OC/EC分析儀(Sunset Laboratory Inc,美國(guó)),熱光透射法原理(TOT),溫度協(xié)議遵循美國(guó)EPA推薦的NIOSH870分析方法.

1.2.3 SOC估算方法 采用EC示蹤法對(duì)SOC進(jìn)行估算,其經(jīng)驗(yàn)方程如下[9],POC為OC與SOC之差:

式中:SOC為二次有機(jī)碳的濃度,μg/m3;POC為一次有機(jī)碳濃度,μg/m3;OC與EC分別為有機(jī)碳和元素碳監(jiān)測(cè)濃度,μg/m3;(OC/EC)min為觀測(cè)點(diǎn)采樣期間OC/EC比值的最小值.

1.2.4 后向軌跡聚類(lèi)分析方法 本研究使用TrajStat軟件對(duì)關(guān)中地區(qū)各點(diǎn)位秋冬季節(jié)進(jìn)行聚類(lèi)分析,選取各監(jiān)測(cè)點(diǎn)位的經(jīng)緯度坐標(biāo)為軌跡起始點(diǎn),起始高度選取能夠反映邊界層平均流層特征的相對(duì)地面高度500m[10],軌跡時(shí)間為樣品監(jiān)測(cè)周期,時(shí)間分辨率1h,后向追蹤72h,氣象數(shù)據(jù)資料為美國(guó)國(guó)家海洋和大氣管理局(NOAA)的全球數(shù)據(jù)(GDAS)[11],PM10與PM2.5數(shù)據(jù)來(lái)源于同期監(jiān)測(cè)子站的在線(xiàn)數(shù)據(jù).

2 結(jié)果與討論

2.1 顆粒物及OC,EC的分布特征

關(guān)中地區(qū)各點(diǎn)位秋冬季節(jié)PM2.5和PM10及其所含有的OC,EC濃度如圖2所示.

由圖2可知,觀測(cè)期間關(guān)中地區(qū)PM2.5和PM10平均濃度分別為(87.39±46.54), (151.92±84.95)μg/ m3, PM2.5濃度是我國(guó)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)[12]規(guī)定的二級(jí)日均標(biāo)準(zhǔn)限值(75μg/m3)的1.2倍,達(dá)到輕度污染級(jí)別,PM10日均濃度超過(guò)濃度限值(150μg/m3),而XA,XY,WN觀測(cè)點(diǎn)位的PM2.5分別是濃度限值的1.38,1.39,1.23倍,環(huán)境污染嚴(yán)重,TCH和BJ點(diǎn)位的濃度低,環(huán)境污染狀況表現(xiàn)良好.XY和WN點(diǎn)位受到PM10的影響較大,其中XY點(diǎn)位觀測(cè)期間PM10平均濃度為(213.84± 109.75)μg/m3.

觀測(cè)期間PM2.5中OC,EC平均濃度分別為(14.48±7.86),(2.27±0.95)μg/m3,PM10中分別為(18.95± 11.01),(3.33±1.65)μg/m3,各點(diǎn)位PM2.5中TC (TC= EC+OC)的濃度分布為XY>WN>XA>BJ>TCH, PM10中TC濃度分布基本與其相同,與其它城市相比,明顯的高于廣州[13],香港[14],上海[15]等南方地區(qū),低于菏澤[16],天津[17]等北方地區(qū),處于中等污染水平.冬季顆粒物及OC與EC的濃度明顯的高于秋季,可能原因是冬季混合層高度低,環(huán)境溫度較低,靜穩(wěn)天氣多,發(fā)生熱島環(huán)流現(xiàn)象的可能性增加,易促使污染物的積累.XY點(diǎn)位細(xì)顆粒物中EC的濃度冬季較低,可能原因?yàn)楸O(jiān)測(cè)期間存在降雪天氣,近地面雨雪對(duì)EC有著明顯的去除效應(yīng).

XY,XA,WN點(diǎn)位均位于關(guān)中地區(qū)腹部,屬于盆地地理地形,擴(kuò)散條件差.西安市是西北最大的城市,雖然基本沒(méi)有工業(yè)污染排放,但是人口數(shù)量,生活污染排放,機(jī)動(dòng)車(chē)保有量(突破300萬(wàn)輛[18])等已經(jīng)給環(huán)境空氣帶來(lái)沉重的壓力,咸陽(yáng)市與西安相鄰,工業(yè)企業(yè)較多,城市建設(shè)施工頻繁,污染排放量大,渭南市石化工業(yè)規(guī)模較大,且三市均位于汾渭平原,存在一定的農(nóng)業(yè)發(fā)展,再者秋冬季節(jié)大氣邊界層降低,污染物易于累積,這些都可能是關(guān)中地區(qū)顆粒物污染濃度較高的原因.而B(niǎo)J和TCH點(diǎn)位海拔較高,擴(kuò)散條件相對(duì)較好.

2.2 二次有機(jī)碳(SOC)的估算分析

2.2.1 二次有機(jī)碳的估算 研究表明,當(dāng)OC/EC值大于2時(shí),存在二次有機(jī)碳生成[8].關(guān)中地區(qū)觀測(cè)期間OCEC在PM2.5與PM10中的平均比值分別為6.35, 6.33,均受到嚴(yán)重的二次污染現(xiàn)象.二次有機(jī)碳間接的估算方法很多,其中EC示蹤法簡(jiǎn)單方便應(yīng)用最為普遍.

EC示蹤法將EC作為一次碳排放的示蹤物來(lái)估算,其最重要的步驟就是OC/EC比例最小值的選擇, Cesari D等[19]選取OC/EC比值序列中最小的5%以下比值作為OC/EC最小值;張家營(yíng)等[20]改進(jìn)了EC示蹤法,將O3作為光化學(xué)反應(yīng)指標(biāo),一氧化碳與EC作為一次源排放的指標(biāo),結(jié)合OC/EC,OC和EC濃度的變化特征,篩選出一次碳排放主導(dǎo)時(shí)間段,OC與EC濃度數(shù)據(jù)最小二乘法擬合得到線(xiàn)性方程,斜率為OC/EC比值.Cheng Wu等[21]利用最小R2法(MRS),假設(shè)0~10之間每間隔為0.01的數(shù)為一個(gè)(OC/ EC)min值,求出其相應(yīng)的SOC含量,當(dāng)SOC與EC相關(guān)性最差時(shí)的OC/EC值為最適值,該方法能夠精確的估算二次有機(jī)碳的含量,誤差低于23%.不同的溫度協(xié)議得到的碳組分濃度存在偏差,OC/EC比值在一定程度上也有所差異,本研究去除受到雨雪天氣影響顯著的數(shù)據(jù),通過(guò)Deming回歸圖形及監(jiān)測(cè)當(dāng)天O3濃度確定OC/EC相關(guān)關(guān)系及其最小斜率得到PM2.5和PM10的最小OC/EC比值,O3一定程度上能夠反應(yīng)環(huán)境空氣中化學(xué)反應(yīng)的強(qiáng)烈程度,因此選擇O3濃度較低且OC/EC比值最小,如圖3所示.

2.2.2 二次有機(jī)碳估算誤差分析 估算SOC方法中,非燃燒源的OC值為0,OC/EC最小值樣品中SOC的含量忽略不計(jì),POC成分及其源貢獻(xiàn)在空間和時(shí)間上保持恒定值.本文采用手工采樣方法,時(shí)間分辨率低為日均值,對(duì)環(huán)境空氣中SOC生成/未生成時(shí)段未進(jìn)行有效的監(jiān)測(cè),且各點(diǎn)位可選擇的樣本量較少.因此將關(guān)中地區(qū)作為區(qū)域整體,忽略其在時(shí)間空間上的差異,選擇最佳的OC/EC最小值,分別計(jì)算關(guān)中地區(qū)各點(diǎn)位濃度,進(jìn)行同等水平的比較,以減少因各點(diǎn)位采樣數(shù)據(jù)較少而產(chǎn)生的較大不準(zhǔn)確性.

2.2.3 二次有機(jī)碳的分布特征 觀測(cè)期間關(guān)中地區(qū)各點(diǎn)位SOC與POC的含量如圖4所示,PM2.5與PM10中SOC的平均濃度分別為(7.44±5.54),(9.62±7.49)μg/m3,POC平均濃度分別為(7.04±2.59), (9.33±4.33)μg/m3,各點(diǎn)位的濃度空間分布表現(xiàn)為XY>XA> WN>BJ>TCH.SOC在PM2.5中的含量為8.76%,占OC比例為48.03%,PM10中為6.28%,占OC的比例為48.09%.觀測(cè)期間關(guān)中地區(qū)OCPM2.5/OCPM10平均比值為79.51%,SOCPM2.5/SOCPM10平均比值為80.37%, PM2.5/PM10平均比值為60.64%,不同粒徑顆粒物OC中SOC的含量比例基本相同,且在細(xì)顆粒物中的含量高,分布更為集中.

XY點(diǎn)位SOC的濃度最高,在PM2.5與PM10中SOC的平均濃度分別為(10.31±6.8)和(14.42±11.13) μg/m3,同時(shí)其在OC中的占比最高,分別達(dá)到56.28%和55.26%.這與當(dāng)?shù)氐匦闻c擴(kuò)散條件有關(guān),咸陽(yáng)工業(yè)企業(yè)眾多,煤炭污染等排放量較大,城鄉(xiāng)接合區(qū)存在較多生物質(zhì)焚燒現(xiàn)象,加之地勢(shì)較低,擴(kuò)散條件較差,易于污染物累積,為二次污染的形成提供了有利條件,受到SOC的污染較為嚴(yán)重.TCH點(diǎn)位SOC濃度較低,POC的占比超過(guò)50%主要為直接排放的一次污染.

關(guān)中地區(qū)顆粒物中SOC,POC的季節(jié)分布情況如圖5所示.冬季SOC的污染明顯高于秋季,濃度值最高為秋季的4倍以上,顆粒物中OC的占比也明顯上升可達(dá)60%,由于冬季靜穩(wěn)天氣居多,溫度較低,一定光化學(xué)反應(yīng)的存在使大氣環(huán)境中二次有機(jī)前體物種的在顆粒物的吸附和吸收得到了補(bǔ)償[22],同時(shí)加速了氣粒相的轉(zhuǎn)化.

2.2.4 國(guó)內(nèi)外城市SOC含量對(duì)比分析 觀測(cè)期間關(guān)中地區(qū)秋冬季節(jié)SOC含量與國(guó)內(nèi)外相比情況如表1所示,SOC是目前國(guó)內(nèi)外碳?xì)馊苣z領(lǐng)域研究的重難點(diǎn),由于其性質(zhì),來(lái)源的復(fù)雜性,還沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)定量測(cè)定和估算的方法,通過(guò)各城市濃度來(lái)判斷關(guān)中地區(qū)的污染狀況.PM2.5中SOC濃度低于天津,高于香港,北京,南京,三亞,Emilia Romagna等城市,季節(jié)分布結(jié)果相同均呈現(xiàn)為冬季高秋季低,關(guān)中地區(qū)SOC/OC比例均高于其它城市,冬季平均可達(dá)到54.35%,是OC的主要成分.PM10中關(guān)中地區(qū)SOC平均質(zhì)量濃度遠(yuǎn)高于Berlin,相對(duì)低于寧波,玉林等城市,雖然在碳組分分析方法上存在差別,但是關(guān)中地區(qū)OC/EC比值與其它城市相比均高,甚至是其它城市的2~3倍,說(shuō)明關(guān)中地區(qū)受到了嚴(yán)重的SOC的污染.

表1 國(guó)內(nèi)外城市顆粒物中SOC含量對(duì)比

注:“—”表示文獻(xiàn)中未明確說(shuō)明.

(a) XA

(b) WN

(c) TCH

(d) BJ (e) XY 圖6 各點(diǎn)位聚類(lèi)分析結(jié)果及地面風(fēng)速風(fēng)向與PM2.5分布圖 Fig.6 Clustering analysis, wind direction, wind speed and PM2.5 concentration distribution in the five cities 2.3 二次有機(jī)碳形成與氣團(tuán)傳輸關(guān)系的分析 顆粒物及碳組分污染除本地污染排放貢獻(xiàn)外,還可能來(lái)自于區(qū)域的污染傳輸,為探究顆粒物碳組分的污染傳輸規(guī)律,采用后向軌跡聚類(lèi)分析,是通過(guò)氣團(tuán)運(yùn)行軌跡的空間相似度,運(yùn)用多元統(tǒng)計(jì)分析方法對(duì)某時(shí)間段多條軌跡進(jìn)行分組劃類(lèi),以判斷時(shí)間段內(nèi)氣流的主導(dǎo)方向和輸送形式[30].PM2.5與TC的相關(guān)性系數(shù)R2為0.7643 (P<0.05),與SOC的相關(guān)性系數(shù)R2為0.7629 (P<0.05),說(shuō)明TC和SOC與PM2.5顯著性相關(guān),存在相同的污染來(lái)源及遷移規(guī)律.各點(diǎn)位秋冬季聚類(lèi)分析及地面PM2.5濃度分布圖如圖6所示. 由此，針對(duì)游客在景區(qū)的核心需求，如何運(yùn)用化繁為簡(jiǎn)的方式獲得最全面的游玩方式，是值得我們思考的問(wèn)題。這樣既可以最大程度的節(jié)省游客時(shí)間，全面統(tǒng)一的查看某個(gè)景點(diǎn)的景觀魅力，又可以讓游客們感覺(jué)到旅游的輕松便捷，自由自在。 2.3.1 各點(diǎn)位秋冬季聚類(lèi)分析 由圖6可知,觀測(cè)期間關(guān)中地區(qū)各點(diǎn)位均受到來(lái)自于不同方向氣流的影響,聚類(lèi)結(jié)果分析可以看出,主要有4個(gè)類(lèi)型的軌跡分別為:西北方向,來(lái)源于蒙古國(guó)或者是新疆維吾爾自治區(qū)中北部,途徑甘肅省北部,內(nèi)蒙古南部,寧夏回族自治區(qū)到達(dá)監(jiān)測(cè)點(diǎn);正西方向,來(lái)源于新疆維吾爾自治區(qū)南部方向,途徑青海省,到達(dá)監(jiān)測(cè)點(diǎn);西南方向,來(lái)源于陜西區(qū)域的局部污染;東北方向,來(lái)源于京津冀地區(qū),途徑山東省西部,河南,山西省到達(dá)監(jiān)測(cè)點(diǎn).西北方向軌跡傳輸路徑較長(zhǎng),傳輸速度快,軌跡數(shù)量占比最大,本地區(qū)域傳輸路徑短,速度慢.從季節(jié)分布來(lái)看,秋季關(guān)中地區(qū)各點(diǎn)位后向軌跡分布較為分散,長(zhǎng)距離傳輸較多,而冬季則較為單一主要來(lái)自西北方向的遠(yuǎn)距離傳輸,東南方向的近距離區(qū)域污染.不同軌跡的顆粒物濃度分布來(lái)自于本地區(qū)域傳輸和西北方向氣團(tuán)軌跡濃度較高,說(shuō)明其是污染氣團(tuán)的主要傳輸路徑. 范疇擴(kuò)展的相對(duì)途徑分為：(1)從固體物名詞到流體物名詞；(2)從客體物名詞到主體物名詞；(3)從散體物名詞到整體物名詞。 關(guān)中地區(qū)在秦嶺和黃土高原的包圍下形成東西向的長(zhǎng)條形,地理位置特殊,只有在西北風(fēng)的情況下才能吹散,其他風(fēng)向情況下都會(huì)導(dǎo)致關(guān)中地區(qū)污染物的積累為SOC的形成提供良好的條件,而且污染氣團(tuán)與常年風(fēng)向相反易出現(xiàn)輻合風(fēng)造成污染物的聚集.TCH點(diǎn)位位于海拔高度較高的北部,污染物濃度較低不易積累,且POC滯留時(shí)間短,使SOC生成能力降低.寶雞市位于西面,受到東北氣團(tuán)的影響較大,其軌跡占比為62.15%,來(lái)自于關(guān)中的部分污染物積累于此,也是BJ點(diǎn)位大氣顆粒物SOC濃度占比較高的原因之一. 2.3.2 地面風(fēng)速風(fēng)向與PM2.5濃度分布 由圖6地面風(fēng)向風(fēng)速可知,顏色深淺代表PM2.5濃度高低,監(jiān)測(cè)期間關(guān)中地區(qū)點(diǎn)位風(fēng)速范圍為0~4.9m/s,最多達(dá)微風(fēng)級(jí)別,特別是XA點(diǎn)位風(fēng)速變化小(<2m/s),風(fēng)速低時(shí)不利于水平擴(kuò)散,顆粒物及碳組分的散布很大程度上依賴(lài)于垂直混合,碳組分濃度與邊界層存在著顯著地負(fù)相關(guān)[3],冬季邊界層低更易于污染物的積累與SOC的形成.結(jié)合各點(diǎn)位位置分布,地面風(fēng)向均趨向于常年風(fēng)向,當(dāng)風(fēng)速越大時(shí)PM2.5濃度相對(duì)較低,而風(fēng)速較低的中心部分濃度較高,這時(shí)傳輸作用少,多為本地污染積累所致. XA與XY點(diǎn)位相距較近存在交叉污染影響, XY點(diǎn)位污染最重,多為本地污染排放累積.WN點(diǎn)位東偏北方向多個(gè)小時(shí)濃度超過(guò)75μg/m3,秋季而西南方向冬季污染最重,可能是來(lái)自渭化集團(tuán)工廠排放的影響.TCH點(diǎn)位海拔高,風(fēng)向多為偏北風(fēng),污染傳輸可能性小.BJ點(diǎn)位關(guān)中地區(qū)最西邊,地面與低空傳輸方向一致,多為東南方向,易發(fā)生來(lái)自于關(guān)中地區(qū)的污染物傳輸累積.整個(gè)關(guān)中地區(qū)地面風(fēng)速低,與低空傳輸存在差異,高低壓差的不同更不利于盆地地形污染物的擴(kuò)散,從而使污染物在區(qū)域內(nèi)徘徊,造成連續(xù)性污染. 3 結(jié)論 3.1 觀測(cè)期間關(guān)中地區(qū)PM2.5中OC,EC平均濃度分別為(14.48±7.86)和(2.27±0.95)μg/m3, PM10中分別為(18.95±11.01)和(3.33±1.65)μg/m3,屬于中等污染水平.各點(diǎn)位不同粒徑顆粒中TC的濃度分布趨勢(shì)相同均為XY>WN>XA> BJ>TCH. 3.2 通過(guò)最小值法計(jì)算得SOC在PM2.5與PM10中平均濃度分別為(7.44±5.54)和(9.62±7.49)μg/m3,各點(diǎn)位的濃度值空間分布表現(xiàn)為XY>XA>WN>BJ> TCH.SOC在PM2.5中含量為8.76%,占OC比例為48.03%,PM10為6.28%,占OC的比例為48.09%,季節(jié)分布為秋季低冬季高.相比國(guó)內(nèi)外,關(guān)中地區(qū)SOC污染嚴(yán)重. 3.3 后向軌跡聚類(lèi)分析結(jié)果顯示污染氣團(tuán)低空傳輸主要是近距離局部污染和西北方向傳輸,區(qū)域污染軌跡的數(shù)量占比較多,濃度較高.低空與近地面?zhèn)鬏敶嬖诓町?結(jié)合關(guān)中地區(qū)地理位置特殊,冬季風(fēng)速小,邊界層低等多種因素造成顆粒物中SOC濃度較高,其中BJ點(diǎn)位易受到污染物的傳輸累積. 參考文獻(xiàn)： [1] 王 哲.中國(guó)典型地區(qū)碳質(zhì)氣溶膠及二次有機(jī)氣溶膠特征研究[D]. 山東:山東大學(xué), 2011. [2] 曹軍驥,李建軍.二次有機(jī)氣溶膠的形成及其毒理效應(yīng)[J]. 地球環(huán)境學(xué)報(bào), 2016,7(5):431-441.CAO J J, LI J J. Formation and toxicological effect of secondary organic aerosols [J]. Journal of Earth Environment, 2016,7(5):431- 441. [3] Malm W C, Sisler J F, Huffman D, et al. Spatial and seasonal trends in particle concentration and optical extinction in the United States [J]. Journal of Geophysical Research Atmospheres, 1994,99(D1):1347- 1370. [4] Hansen J. Efficacy of climate forcings [J]. Journal of Geophysical Research Atmospheres, 2005,110(D18):2571-2592. [5] Mauderly J L, Chow J C. Health effects of organic aerosols [J]. Inhalation Toxicology, 2008,20(3):257-288. [6] Khan M B, Masiol M, Formenton G, et al. Carbonaceous PM2.5 and secondary organic aerosol across the Veneto region (NE Italy). [J]. Science of the Total Environment, 2016,542(Pt A):172-181. [7] Bian Q, Alharbi B, Shareef M M, et al. Sources of PM2.5 carbonaceous aerosol in Riyadh, Saudi Arabia [J]. Atmospheric Chemistry & Physics, 2018,18(6):1-36. [8] HJ 656-2013 環(huán)境空氣顆粒物(PM2.5)手工監(jiān)測(cè)方法(重量法)技術(shù)規(guī)范[S]. [9] Castro L M, Pio C A, Harrison R M, et al. Carbonaceous aerosol in urban and rural European atmospheres: estimation of secondary organic carbon concentrations [J]. Atmospheric Environment, 1999, 33(17):2771-2781. [10] Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data [J]. Environmental Modelling & Software, 2009,24(8):938-939. [11] Timothy Gallaudet, Noaa National Oceanic and Atmospheric Administration [DB/OL]. ftp://arlftp.arlhq.noaa.gov/pub/archives/ gdas1, 2018-1-22. [12] GB3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)[S]. [13] Lai S, Zhao Y, Ding A, et al. Characterization of PM2.5, and the major chemical components during a 1-year campaign in rural Guangzhou, Southern China [J]. Atmospheric Research, 2016,167:208-215. [14] Zhou S, Wang T, Wang Z, et al. Photochemical evolution of organic aerosols observed in urban plumes from Hong Kong and the Pearl River Delta of China [J]. Atmospheric Environment, 2014,88(5):219- 229. [15] Zeng Y, Wang G, Jian Y, et al. Characteristics of carbonaceous particulate matter in suburban Shanghai atmosphere [J]. Acta Scientiae Circumstantiae, 2013,33(1):189-200. [16] Zhou S, Yang L, Gao R, et al. A comparison study of carbonaceous aerosols in a typical North China Plain urban atmosphere: Seasonal variability, sources and implications to haze formation [J]. Atmospheric Environment, 2017,149:95-103. [17] 元 潔,劉保雙,程 淵,等.2017年1月天津市區(qū)PM2.5化學(xué)組分特征及高時(shí)間分辨率來(lái)源解析研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(3): 1090-1101.Yuan J, Liu B S, Chen Y, et al. Study on characteristics of PM2.5and chemical components and source apportionment of high temporal resolution in January 2017 in Tianjin urban area [J].Acta Scientiae Circumstantiae, 2018,38(3):1090-1101. [18] 西安晚報(bào),西安機(jī)動(dòng)車(chē)保有量突破300萬(wàn)輛,位列全國(guó)第九平均4人擁有一輛車(chē)[DB/OL]. https://sn.ifeng.com/a/20180505/6551817_0. shtml, 2018-05-05. [19] Cesari D, Benedetto De G E, Bonasoni P, et al. Seasonal variability of PM2.5 and PM10 composition and sources in an urban background site in Southern Italy. [J]. Science of the Total Environment, 2017,612: 202-213. [20] 張家營(yíng),劉保雙,畢曉輝,等.天津市區(qū)夏季碳?xì)馊苣z特征及改進(jìn)的二次有機(jī)碳估算方法[J]. 環(huán)境科學(xué)研究, 2018,31(9):1504-1518. Zhang J Y, Liu B S, Bi X H, et al. Characteristics of carbon aerosols in summer in Tianjin urban area and improved estimation method for secondary organic carbon [J].Research of Environmental Science, 2018,31(9):1504-1518. [21] Wu C, Zhen Yu J. Determination of primary combustion source organic carbon-to-elemental carbon (OC/EC) ratio using ambient OC and EC measurements: secondary OC-EC correlation minimization method [J]. Atmospheric Chemistry & Physics, 2016,16(8):1-25. [22] Lonati G, Ozgen S M. Primary and secondary carbonaceous species in PM2.5 samples in Milan (Italy)[J]. Atmospheric Environment, 2007, 41(22):4599-4610. [23] Ji D, Zhang J, He J, et al. Characteristics of atmospheric organic and elemental carbon aerosols in urban Beijing, China [J]. Atmospheric Environment, 2016,125:293-306. [24] Wang J, Ho S S H, Cao J, et al. Characteristics and major sources of carbonaceous aerosols in PM2.5, from Sanya, China [J]. Science of the Total Environment, 2015,530-531:110-119. [25] Chen Y T, Chen J S, Hu G R, et al. [Characterization of organic carbon (OC) and elemental carbon (EC) in PM2.5during the winter in three major cities in Fujian province, China].[J]. Environmental Science, 2013,34(5):1988-94. [26] Pietrogrande M C, Bacco D, Ferrari S, et al. Characteristics and major sources of carbonaceous aerosols in PM2.5 in Emilia Romagna Region (Northern Italy) from four-year observations [J]. Science of the Total Environment, 2016,553:172-183. [27] Sandra W, Marcel L, Ute H, et al. Assessing the influence of seasonal and spatial variations on the estimation of secondary organic carbon in urban particulate matter by applying the EC-Tracer method [J]. Atmosphere, 2014,5(2):252-272. [28] 許丹丹,屈曉萍,汪偉峰,等.寧波PM10中有機(jī)碳和元素碳的季節(jié)變化及來(lái)源分析[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2014,30(1):49-52.Xu D D, Qu X P, Wang X F, et al. Characteristics of organic and elemental carbon in PM10 in Ningbo and source analysis [J]. Environmental Monitoring of China, 2014,30(1):49-52. [29] 黃炯麗,陳志明,莫招育,等.廣西玉林市大氣PM10和PM2.5中有機(jī)碳和元素碳污染特征分析[J]. 環(huán)境科學(xué), 2018,39(1):27-37. Huang J L, Chen Z M, Mo Z Y, et al. Characteristics of organic and elemental carbon in PM10 and PM2.5 in Yulin City, Guangxi [J]. Chinese Journal of Environmental Science, 2018,39(1):27-37. [30] 沈?qū)W勇,翟崇治,許麗萍,等.利用軌跡模式研究重慶主城區(qū)冬季PM2.5污染特征[J]. 環(huán)境污染與防治, 2016,38(3):72-76. Shen X Y, Di C Z, Xu L P, et al. Study on pollution characteristics of PM2.5 in Chongqing urban area in winter with backward trajectories [J]. Environmental Pollution & Control, 2016,38(3):72-76. estimation of secondary organic carbon in PM2.5 and PM10 in Guanzhong area in autumn and winter. KANG Bao-rong1, LIU Li-zhong1*, LIU Huan-wu2, LI Yang-yang3, AI Shuang-shuang1, CAO Ning1 (1.School of Environmental and Municipal Engineering, Xi’an University of Architecture and Technology, Xi’an 710055, China；2.Xi’an Environmental Monitoring Station, Xi’an 710119, China；3.Shaanxi Environmental Monitoring Center, Xi’an 710054, China). China Environmental Science, 2019,39(9)：3663~3670 Abstract：Particulate matters including PM2.5 and PM10 were analyzed using manual determination method in the sampling sites which were situated at five inner cities of Shaan’xi province including Xi’an (XA), Weinan (WN), Tongchuan (TCH), Baoji (BJ), and Xianyang (XY) from September 4th 2017 to January 19th 2018. Carbon components and secondary organic carbon (SOC) were analyzed using thermo-optical transmission (TOT) and minimum value estimation method, respectively. Results showed the average concentrations of SOC and primary organic carbon (POC) were (7.44±5.54) and (7.04±2.59) μg/m3in the PM2.5; (9.62±7.49) and (9.33±4.33) μg/m3 in the PM10. The concentration distributions of SOC in five different sampling sites were XY>XA>WN>BJ>TCH. The SOC concentration was respectively 8.76% and 6.28% in PM2.5 and PM10; the OC proportion was respectively 48.03% and 48.09% in PM2.5 and PM10. The seasonal distribution of pollutants was low in the autumn and high in the winter. SOC pollution was serious in the five inner-cities of Shaanxi Province. Results of backward trajectories clustering analysis showed that the transmission of polluted air mass is mainly local pollution, as well as northwest and northeast direction transmission in the inner-city of Shaanxi province area. Among them, the number of local contamination trajectories and the concentration were relatively high. The pollutant distributions were difference in the five cities due to low-altitude transmission, and diverse near-surface wind direction and speed. The higher SOC concentrations in the particulate matters were caused by many factors such as basin topography, high static wind frequency and low boundary layer in these inner cities. The Baoji (BJ) city was vulnerable to transport and accumulate pollutants in the northeast air mass. Key words：Guanzhong Area；particulate matter；secondary organic carbon；transport of pollutant 中圖分類(lèi)號(hào)：X513 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-6923(2019)09-3663-08 作者簡(jiǎn)介：康寶榮(1993-),男,陜西榆林人,研究員,碩士,主要從事大氣污染控制及環(huán)境監(jiān)測(cè)領(lǐng)域.發(fā)表論文1篇. 收稿日期：2019-02-18 基金項(xiàng)目：陜西省教育廳專(zhuān)項(xiàng)科研計(jì)劃項(xiàng)目(18JK0459) * 責(zé)任作者, 副教授, Liulizhong@xauat.edu.cn