成都春季氣溶膠理化性質(zhì)及不同時段污染特征

劉 琴,張軍科*,黃小娟,羅進奇,羅 彬,張 巍,宋宏藝

成都春季氣溶膠理化性質(zhì)及不同時段污染特征

劉 琴1,張軍科1*,黃小娟2,羅進奇1,羅 彬3,張 巍3,宋宏藝1

(1.西南交通大學地球科學與環(huán)境工程學院,四川 成都 611756；2.成都信息工程大學大氣科學學院,高原大氣與環(huán)境四川省重點實驗室,四川 成都 610225；3.四川省環(huán)境監(jiān)測總站,四川 成都 610074)

利用單顆粒氣溶膠質(zhì)譜(SPAMS)及多種在線設(shè)備于2017年春季對成都市大氣污染進行了連續(xù)觀測.結(jié)果表明,成都市春季PM2.5和PM10的平均濃度分別為(62±25)和(90±40)μg/m3.大氣中單顆粒物可分為8類,由于排放源及老化過程的差異,各類顆粒質(zhì)譜特征和粒徑分布差異明顯.對選取的細粒子污染、細粒子與粗粒子混合污染(混合污染)及清潔時段的污染特征對比分析發(fā)現(xiàn):(1)鉀與元素碳混合顆粒(KEC)的貢獻在細粒子污染時段(42.8%~46.3%)明顯高于其他時段(28.9%~33.7%);與清潔時段相比,源于燃燒過程的碳質(zhì)顆粒在混合污染時段貢獻降低,但沙塵/揚塵顆粒(DUST)的貢獻為各時段最高.(2)相比清潔時段,大多數(shù)顆粒與二次無機組分的混合程度在其他兩種時段均增強.(3)不同時段成都市氣團來向差異明顯,西南方向氣團在細粒子污染時段占據(jù)絕對主導,川南重污染區(qū)域?qū)Τ啥际形廴矩暙I重大.

單顆粒氣溶膠；化學組成；混合狀態(tài)；氣團傳輸；成都

近年來,城市化和經(jīng)濟的快速發(fā)展使得成都市成為我國受灰霾污染影響最嚴重的城市之一[1].成都市大氣相對濕度常年保持在較高水平,風速較小,靜穩(wěn)天氣頻繁;同時,盆地地形很容易造成污染物大量沉積與累積,這種特殊的氣候和地形特點使得成都市具有獨特的污染特性和形成機制[2].

灰霾過程通常變化迅速,其理化特征在數(shù)小時內(nèi)便可能發(fā)生巨大變化[3-4],因此,以往多數(shù)基于傳統(tǒng)膜采樣(時間分辨率為12或24h)對該地區(qū)的研究很難對這些快速的變化過程進行捕捉和深入分析[1-2],而這些快速變化的信息對于污染的針對性治理和減排卻意義重大.近年來,單顆粒氣溶膠質(zhì)譜儀(SPAMS)被廣泛用于對大氣氣溶膠的研究,該技術(shù)可以對顆粒物的多種理化特征(如化學組成、混合狀態(tài)、粒徑分布等)進行高時間分辨率(如1h)的在線測定[5].本研究在2017年春季,利用SPAMS及其他多套在線設(shè)備對成都市大氣污染狀況進行了連續(xù)觀測,對大氣單顆粒氣溶膠理化性質(zhì)及不同時段污染特征進行了深入分析,這對于成都市灰霾污染形成機制的深入了解和有效減排具有重要意義.

1 材料與方法

1.1 采樣時間和地點

本研究于2017年3月16日~4月13日對成都城區(qū)大氣污染特征進行了連續(xù)觀測.觀測站點設(shè)置于四川省區(qū)域環(huán)境空氣質(zhì)量綜合監(jiān)測重點實驗室(104.06°E,30.70°N),該實驗室位于西南交通大學土木學院樓頂(距地面約25m),位于成都北二環(huán)和北三環(huán)之間,距離二環(huán)路約200m.站點周圍分布有學校、居民區(qū)、商業(yè)區(qū)、道路等各類功能區(qū),能夠很好地反映城區(qū)大氣污染狀況.

1.2 儀器

本研究對氣溶膠的觀測主要使用單顆粒氣溶膠質(zhì)譜儀(SPAMS),該設(shè)備由廣州禾信分析儀器有限公司研發(fā),是目前我國較為先進的大氣氣溶膠研究手段,其詳細介紹見文獻[6-7].大氣中的氣溶膠顆粒通過進樣小孔(約100μm)被引入儀器內(nèi)部,隨后氣溶膠顆粒物依次進入粒徑測定和質(zhì)譜分析區(qū).氣溶膠顆粒的粒徑測定主要通過兩條波長為532nm的激光束,通過計算顆粒物在兩個激光束之間的運行時間,便可對其粒徑進行測定;在質(zhì)譜測定系統(tǒng)中,氣溶膠顆粒會被波長為266nm的激光電離,形成的正負離子被雙極時間質(zhì)譜分析,并產(chǎn)生正、負離子質(zhì)譜.

觀測期間的溫度()、相對濕度(RH)和風速/風向(WS/WD)等氣象數(shù)據(jù)從自動氣象觀測站(FRTX09A, Fronttech, China)獲得.能見度()利用OWI 430DSP-WIVISTM(OSI, USA)測定.CO、SO2、NO和O3等污染氣體分別用CO12M, AF22M, AC32M和O342M (Environnement S.A., France)進行測定.PM2.5和PM10的質(zhì)量濃度由Beta衰減質(zhì)量檢測器(BAM 1020, Met One Instruments, Inc., USA)測得.本研究所有觀測數(shù)據(jù)均統(tǒng)一至1h均值進行分析.

1.3 數(shù)據(jù)分析

將顆粒物粒徑和質(zhì)譜信息導入MATLAB 7.1.2(The Math Works Inc., Natick, Massachusetts, USA)中,用YAADA分析軟件進行進一步分析.根據(jù)單個質(zhì)譜圖中離子峰的位置和強度,利用自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)算法(ART-2a)對具有相似質(zhì)譜圖的粒子進行分類.ART-2a分析的相似度為0.75,學習效率為0.05和最多20次的迭代次數(shù);隨后,基于ART-2a獲取的數(shù)百種顆粒物類型進一步進行人工聚類,最終,每個顆粒類型根據(jù)其主要化學成分命名.

2 結(jié)果與討論

2.1 春季及不同時段污染特征分析

在整個觀測期間,成都市大氣中顆粒物濃度處于較高水平,其中PM2.5最低值為13μg/m3,最高值出現(xiàn)在2017年3月28日,達到了151μg/m3;PM10最低和最高濃度分別為16,255μg/m3.PM2.5和PM10的平均濃度分別為(62±25)和(90±40)μg/m3,盡管低于冬季污染水平(PM2.5和PM10分別是114[1]和153μg/m3[5]),但卻要明顯高于夏季(PM2.5和PM10分別是45[1]和73μg/m3[5]).由圖1可以看出,整個觀測時段出現(xiàn)了數(shù)個污染過程,每個污染過程由形成至消散持續(xù)時間約2~4d不等.

圖1 PM2.5和PM10質(zhì)量濃度時間序列

PM2.5/PM10比值通常被用來衡量大氣污染過程中細粒子貢獻的高低,根據(jù)春季PM2.5濃度水平與PM2.5/PM10的比值,本研究選取了4個典型時段進行對比分析.在Ⅰ(2017-03-19 12:00~2017-03-22 19:00)和Ⅲ(2017-04-05 03:00~2017-04-07 21:00)時段, PM2.5峰值濃度分別達到了126和124μg/m3,對應(yīng)的空氣質(zhì)量指數(shù)(AQI)分別達到了127和95(https://www.aqistudy.cn/).兩時段對應(yīng)的PM2.5/PM10平均比值分別為0.75和0.72,該比值與我國其他地區(qū)細粒子污染過程的觀測結(jié)果相似,如劉文彬等[8]發(fā)現(xiàn)廣州市春季細粒子污染過程對應(yīng)的PM2.5/PM10比值為0.73;周靜博等[9]發(fā)現(xiàn),在石家莊市冬季的污染中,細粒子貢獻重大,對應(yīng)的PM2.5/PM10比值大于0.75.因此,本研究將這兩個時段定義為細粒子污染時段.在Ⅱ(2017-03-23 21:00~2017-03-25 05:00)時段,盡管PM2.5的平均濃度僅為(44± 12)μg/m3,對應(yīng)的AQI值為50,但PM10的平均濃度達到了(96±35)μg/m3,PM2.5/PM10的最低比值僅為0.27,平均比值為0.49,可見在Ⅱ時段,除細粒子貢獻外,粒徑介于2.5~10μm之間的粗粒子貢獻也不容忽視,因此該時段可定義為細粒子和粗粒子混合污染時段(簡稱混合污染時段).在整個Ⅳ(2017-04-08 12:00~2017-04-12 23:00)時段內(nèi),PM2.5濃度處于整個觀測時段的較低水平,平均濃度為(37±12)μg/m3,AQI小時均值僅為34,對應(yīng)的PM2.5/PM10值為0.71,同時該時段能見度((6.5± 2.2)km)明顯優(yōu)于兩個細粒子污染時段((3.1±1.2)和(2.1±0.7)km),因此,Ⅳ時段可定義為清潔時段.

4個時段對應(yīng)的各類氣象條件(、RH和WS)統(tǒng)計結(jié)果見表1,可以看出,在兩個典型的細粒子污染時段,大氣相對濕度處于非常高的水平((86±12)%和(88±7)%),明顯高于混合污染和清潔時段.以往研究指出,較高的大氣濕度非常有利于顆粒物中多種污染物(如二次有機物、硝酸鹽、硫酸鹽)的非均相生成[4];另一方面,該時段大氣溫度波動很小且風速較低,邊界層高度低,這種靜穩(wěn)的氣象條件非常不利于污染物的擴散[10].因此,這種有利于污染物大量生成卻不易擴散的氣象條件使得細粒子污染事件快速形成.An等[11]關(guān)于灰霾時期污染演化、氣象特征及兩者的相互作用關(guān)系的研究指出,隨濕度增加,二次污染物大量生成[12-13],而這些污染物中所含的大量吸濕性組分會進一步增加顆粒物含水量,再次引發(fā)多種二次反應(yīng),加劇污染物濃度升高[14-15];同時,顆粒物濃度的升高會引起大氣穩(wěn)定度的增加,逆溫加重,邊界層高度降低[16-17],兩者形成正向反饋,加劇污染.在混合污染時段,風速達到了(3.2±1.0)m/s,這種較高的風速容易導致粗顆粒揚塵的再懸浮,這可能是導致成都春季混合污染時段中粗粒子貢獻增強的原因[1].相應(yīng)地,由于大風的出現(xiàn),使得此時段大氣溫度和相對濕度為4時段最低,分別僅為(12.5±1.7)℃和(71±15)%.

此外,由表1可知,細粒子污染時段O3的濃度明顯低于混合污染和清潔時段,這與以往研究發(fā)現(xiàn)的高濃度PM2.5往往伴隨著低濃度O3的現(xiàn)象一致[1].這種關(guān)系可以用氣溶膠和O3之間復雜的相互作用來解釋:一方面,氣溶膠對紫外線的吸收和散射,減弱了太陽輻射到達近地面大氣層,降低了光化學活性,限制了O3的生成;另一方面,氣溶膠可以提供一個多相反應(yīng)的界面,這種多相反應(yīng)通常會消耗O3,生成二次氣溶膠[18].與O3相反,NO(NO+NO2)在兩個細顆粒物污染過程中明顯高于其他時段.NO是大氣中硝酸鹽的重要前體物,其可通過多種均相及非均相反應(yīng)過程產(chǎn)生硝酸鹽.當前,諸多研究已經(jīng)發(fā)現(xiàn),隨著對SO2的大幅控制,硝酸鹽在越來越多的地區(qū),尤其是城市地區(qū)大氣灰霾引發(fā)過程中逐漸成為最重要的無機組分.同時,NO還會促進其他污染物的快速生成[13],如Tian等[19]發(fā)現(xiàn)在污染期間NO可能促進SO2轉(zhuǎn)化為硫酸鹽.因此,面對當前城市機動車數(shù)量的快速增加,對NO的控制顯得尤為重要.CO主要來自于燃燒過程,如生物質(zhì)燃燒、煤炭燃燒和機動車燃料燃燒等,因此它通常被看作是燃燒過程的典型產(chǎn)物[20].由表1可看出,Ⅰ和Ⅲ細粒子污染時段的CO明顯高于其他兩個時段,反映出燃燒過程對該類型污染的重要貢獻.SO2在各類時段沒有明顯的規(guī)律,且水平較低,體現(xiàn)了近年來對SO2排放大力控制和減排的效果.

表1 不同時段氣象條件及氣態(tài)污染物濃度概況

2.2 顆粒物分類和粒徑分布

本研究共采集到同時含有粒徑及正負離子信息的顆粒626631個,通過ART-2a及人工聚類,這些顆粒物可分為8類,分別為:鉀與元素碳混合顆粒(KEC)、有機碳顆粒(OC)、有機碳與元素碳混合顆粒(OCEC)、鉀與硝酸鹽混合顆粒(KNO3)、鉀與硫酸鹽和硝酸鹽混合顆粒(KSN)、鉀與有機氮混合顆粒(KCN)、沙塵/揚塵顆粒(DUST)和金屬顆粒(METAL).圖2為這8類顆粒的平均質(zhì)譜圖,圖3則展示了不同類型顆粒在各粒徑段的相對貢獻變化.

圖2 8類顆粒平均正負質(zhì)譜圖

圖3 各類型顆粒相對貢獻粒徑分布

圖上方數(shù)字為各粒徑段對應(yīng)的顆粒數(shù)

KEC、OC和OCEC顆?？山y(tǒng)稱為含碳顆粒物,3者整體占總顆粒數(shù)量的50%.這3類碳質(zhì)顆粒物平均質(zhì)譜圖的主要差異是含碳特征峰.KEC含有明顯的EC特征峰(C±)且?guī)缀醪缓琌C特征峰.EC是典型的燃燒產(chǎn)物,主要源于燃料的不完全燃燒[21].如圖3所示,KEC顆粒物在整個觀測的粒徑段均有明顯的貢獻,其主要貢獻范圍可分為2段,第1段為0.2~0.3μm,其在該粒徑段的貢獻比例可達34%,在經(jīng)過了0.3~0.4μm粒徑段的最低貢獻后,KEC顆粒的貢獻比例出現(xiàn)了第2個明顯的貢獻粒徑段,即大于0.7μm.其在最小粒徑段的明顯貢獻與Bi等[22]研究中新鮮燃燒源排放的EC顆粒物粒徑分布一致,該類EC顆粒由燃燒源直接排放進入大氣,且?guī)缀跷唇?jīng)過明顯老化,因此粒徑較小;第2個貢獻較高的粒徑段則與溫杰等[23]研究中在大氣中經(jīng)歷了高度老化的EC顆粒物的粒徑分布特征一致,由于在大氣中與多種類型的污染物發(fā)生了化學反應(yīng)或混合,該類顆粒物粒徑分布明顯增大.OC的含碳特征峰為一些常見的有機峰,如39C3H3+、43C2H3O+、51C4H3+和63C5H3+.由圖3可知,OC顆粒物粒徑主要集中在0.3~0.4μm的較細粒徑段,其主要來源于燃燒源,如生物質(zhì)燃燒、城市機動車和燃煤等[1].OCEC顆粒中除了含有EC特征峰以外還含有OC的成分.OCEC通常來源于一次燃燒過程或EC顆粒與大氣中揮發(fā)性有機物的混凝.在城市地區(qū),汽車尾氣是OCEC顆粒物的重要來源[24].OCEC顆粒的貢獻主要集中在0.3~0.4μm.此外,這3類含碳顆粒物的負譜圖中都出現(xiàn)了不同強度的硝酸鹽和硫酸鹽離子峰(46NO2-、62NO3-和97HSO4-),這些離子峰的出現(xiàn)通常被認為是顆粒物在大氣中經(jīng)歷老化的重要標志[22].這意味著本研究中的這3類含碳顆粒物在大氣中均經(jīng)歷了不同程度的老化[25].此外,諸多研究指出,與二次無機組分(如硝酸鹽和硫酸鹽)混合后,碳質(zhì)顆粒物的諸多性質(zhì)均會發(fā)生顯著改變,如反應(yīng)性、吸濕性及光學特性等[26],詳細討論見2.4部分.

KNO3和KSN可統(tǒng)稱為二次無機顆粒物,其貢獻之和占總顆粒數(shù)的34%.兩者正譜圖的離子峰均為39K+.KNO3負譜圖中的特征峰為46NO2-和62NO3-,而KSN負譜圖中的特征峰為46NO2-、62NO3-和97HSO4-.46NO2-、62NO3-和97HSO4-與工業(yè)生產(chǎn)、機動車尾氣和燃料燃燒的排放密切相關(guān)[27-28].由圖3可知,KNO3和KSN顆粒在整個粒徑段的貢獻始終保持在較為穩(wěn)定的水平,這可能是由二次氣溶膠來源及形成機制的多樣性所決定的[29-30].

KCN顆粒的正質(zhì)譜以39K+為主導,負質(zhì)譜圖中則有明顯的26CN-峰,同時伴隨有明顯的硝酸鹽離子峰(46NO2-和62NO3-).26CN-的可能來源有畜牧業(yè)、機動車尾氣、廢物處理廠[31]以及焦化行業(yè)排放[32], KCN顆粒在0.2~0.6μm粒徑范圍出現(xiàn)了明顯的貢獻. DUST顆粒的最主要的特征峰為40Ca+.40Ca+被認為來自于道路的揚塵和塵土的二次懸浮.同時,DUST顆粒物中明顯的46NO2-和62NO3-表明這種顆粒物與硝酸鹽更容易結(jié)合反應(yīng)[33].通常,礦塵顆粒與HNO3的反應(yīng)比與HCl、NO2或SO2的反應(yīng)快幾個數(shù)量級[34].METAL顆粒的正質(zhì)譜圖中出現(xiàn)了明顯的56Fe+和206,207,208Pb+峰.Li等[35]認為Fe主要來自殘余燃料燃燒過程,Li等[24]的研究中,Fe主要來自鄰近的鋼鐵廠.秦鑫等[36]認為含Pb氣溶膠的主要來源是鋼鐵冶煉和城市揚塵,同時燃燒源也是含Pb顆粒物的重要來源[37].此外,METAL顆粒物中含有明顯的46NO2-和62NO3-峰,此結(jié)果與陳多宏等[38]在廣州的研究結(jié)果相似,說明METAL顆粒在大氣中經(jīng)歷了明顯的老化.與以往研究類似[31],METAL和DUST顆粒物的貢獻主要集中在較粗顆粒范圍(>1μm).

2.3 不同時段顆粒物化學組成分析

由圖4可知,與清潔時段相比,細粒子污染時段Ⅰ和Ⅲ中,KEC的貢獻顯著升高,分別達到了42.8%和46.3%,而KCN和OC顆粒的貢獻則出現(xiàn)了不同程度的降低.如前所述,KEC顆粒主要源于多種燃燒過程,如生物質(zhì)燃燒、機動車、燃煤等.其中,燃煤主要用于工業(yè)、電廠等過程,排放穩(wěn)定,其和機動車均屬于城市中穩(wěn)定的燃燒源,而生物質(zhì)燃燒源貢獻通?？勺冃暂^大,當出現(xiàn)某個生物質(zhì)燃燒過程時,該源的貢獻量通常大幅增加.這意味著生物質(zhì)燃燒可能是引發(fā)KEC顆粒波動的重要原因之一,即可能是引發(fā)該類污染事件的主要因子.與清潔時段對比可知,在混合污染時段,KNO3顆粒的貢獻出現(xiàn)了一定程度的升高,這與之前的討論相符合,即沙塵/揚塵顆粒更容易和硝酸鹽混合.另外一些源自燃燒過程的碳質(zhì)顆粒,如KEC和OC的貢獻則低于清潔時段.同時,相比其他時段,在混合污染時段,DUST顆粒的含量達到各時段最高(6.0%),這也體現(xiàn)了DUST顆粒在混合污染過程中的重要性.然而,該增加強度要明顯低于以往膜采樣研究結(jié)果,如岳建華等[39]發(fā)現(xiàn),在沙塵過程中,Ca離子的含量從3.2μg/m3升高到7.3μg/m3;劉文彬等[8]發(fā)現(xiàn)在沙塵過境期間,揚塵貢獻可從9.1%增大至17.3%.引起這種差異的主要原因為:含鈣的沙塵顆粒通常分布在較粗的粒徑段[34],如Huang等[40]指出含鈣沙塵顆粒物主要分布在3~10μm的粒徑范圍.而Li等[6]則指出,SPAMS對于粒徑>1.4μm的顆粒物的捕集效率會隨著粒徑的增大顯著降低.因此,在混合污染中,雖然含鈣的DUST顆粒數(shù)量升高,但由于SPAMS本身捕集特性的限制,對這類顆粒物的捕集可能存在一定的缺失,因此其貢獻比例升高不如膜采樣明顯.

圖4 不同時段顆粒物組成

2.4 混合狀態(tài)及演變特征

單顆粒氣溶膠的混合狀態(tài)可以反映其在大氣中的老化和演化過程[41-42].顆粒物混合狀態(tài)的變化會影響到其在的大氣中的多種屬性,如光學特性、反應(yīng)性、吸濕性和健康效應(yīng)等.混合后的顆粒物特性通常更為復雜多變,研究難度也更大,這正是當前顆粒物環(huán)境效應(yīng)研究中不確定性所在的一方面.Moffet等[43]指出,與非吸光氣溶膠以核-殼結(jié)構(gòu)內(nèi)混的煙塵顆粒的光吸收能力可達新鮮煙塵顆粒的1.6倍以上.同時,氣溶膠的內(nèi)混過程可以將疏水顆粒轉(zhuǎn)化為親水顆粒,提高顆粒物吸水能力[26].此外,Baltrusaitis等[44]指出,酸性硫酸鹽與金屬通過內(nèi)部混合,可將不溶性(毒性較低)的金屬氧化物轉(zhuǎn)化為易溶于肺液的金屬離子,增強了金屬顆粒物的毒性.

圖5展示了不同時段8類顆粒物與典型離子的混合情況.整體而言,在4時段中,典型的硝酸鹽(46NO2-和62NO3-)與硫酸鹽(97HSO4-)離子,尤其是前者,廣泛存在于所有類型顆粒物中,意味著顆粒物從排放源進入大氣或在大氣輸送過程中均經(jīng)歷了不同程度的二次反應(yīng).而且,顆粒物與硝酸鹽的混合程度比硫酸鹽高(除KSN顆粒).與以往的研究結(jié)果相似,OC粒子與二次粒子混合程度高,表明它們在排放后立即參與大氣老化過程,并與二次粒子迅速混合[45].NH4+與KSN混合程度高但與KNO3混合程度低,說明NH4+實際與硫酸鹽有關(guān),可能以(NH4)2SO4形式存在.在這4個時段,DUST與硝酸鹽和硫酸鹽的混合程度不同,與硝酸鹽的混合程度達到87%~99%,而與硫酸鹽的混合程度僅為24%~ 51%,該現(xiàn)象可由Li等[34]的研究解釋,該研究指出堿性礦物顆粒首先與HNO3發(fā)生反應(yīng),在礦物顆粒上形成硝酸鹽包裹層,而該親水性的硝酸鹽包裹層顯著提高了大氣中礦物顆粒對水和某些氣體(如NO、SO2、HCl和O3)的吸收能力,即具有硝酸鹽吸濕包裹層的礦物顆粒比沒有涂層的礦物顆粒對酸性氣體的反應(yīng)性更強,所以DUST與硝酸鹽的混合程度更高,且與HNO3反應(yīng)的速率遠高于其他氣體.盡管諸多研究中METAL的貢獻通常處于較低水平,但該類顆粒通常富含多種高毒性的金屬元素,且進入大氣后發(fā)生多種二次老化過程,尤其是與酸性組分的混合可能使得其毒性更強[11].因此, METAL通常也會受到高度重視.本研究中,METAL與硝酸鹽的混合程度非常高,達到97%~100%,與硫酸鹽的混合程度為37%~55%.由Li等[35]的研究可知,金屬和酸性氣溶膠的內(nèi)部混合可能讓金屬溶解使金屬顆粒由球形變?yōu)椴灰?guī)則形狀,并且這些水溶性金屬材料可以進一步與硫酸鹽顆粒混合均勻,增加金屬顆粒物的毒性,沉積在人類呼吸道的較深處.一旦較細的可溶性金屬溶解在肺組織中,它們就會遷移到不同的生理區(qū)域,對健康造成不同的不利影響[20].含碳顆粒大多與二次氣溶膠以內(nèi)混形式存在,這主要是通過大氣中的冷凝和凝結(jié)等二次混合過程形成[20].

圖5 不同時段各類型顆粒的混合狀態(tài)

相比清潔時段,細粒子污染時段各類顆粒與硝酸鹽的混合都出現(xiàn)了不同程度的增強,如DUST與硝酸鹽的混合從87%提高到98%,KEC與硝酸鹽的混合從89%提高到95%,KCN與硝酸鹽的混合從83%提高到90%.而在混合污染時段,DUST與硝酸鹽的混合程度從87%提高到93%,KEC與硝酸鹽的混合程度從83%提高到86%.對比各類顆粒物與硫酸鹽的混合程度發(fā)現(xiàn),相比清潔時段,細粒子污染時段,DUST與硫酸鹽的混合程度從24%提高到43%, OC與硫酸鹽的混合程度從85%提高到91%, METAL與硫酸鹽的混合程度從83%提高到90%.而在混合污染時段,DUST與硫酸鹽的混合從24%提高到51%,KCN與硫酸鹽的混合從54%提高到61%.由此可見,相比清潔時段,細粒子與混合污染時段各類顆粒物的混合狀態(tài)發(fā)生了不同程度的變化,大多數(shù)顆粒與二次無機組分的混合程度均呈增強的趨勢.

2.5 不同時段氣團傳輸特征

除了當?shù)匚廴驹吹闹苯迂暙I,污染物的區(qū)域傳輸也是造成重污染的一個重要因素[46].如,Huang等[47]研究發(fā)現(xiàn)四川盆地南部是成都PM2.5的重要潛在源區(qū).Sun等[3]研究發(fā)現(xiàn)區(qū)域傳輸對北京重污染時期PM1的貢獻可達66%,對其中硫酸鹽和煤燃源有機氣溶膠的貢獻分別達到75%和84%.

為了探索區(qū)域傳輸對成都春季不同時段污染的影響,本研究以500m為起始高度,采用HYSPLIT 4.9模型(Draxler和Rolph,2003)對48h氣團進行后向軌跡分析,結(jié)果如圖6.可以看出,在兩個細粒子污染時段,氣團來向相似,主要源自于成都西南方向,途徑了四川省幾個重點農(nóng)業(yè)區(qū)(康定縣、雅安市和眉山市).在細粒子污染時段Ⅰ,氣團傳輸過程中,分別以高于和低于1000m的高度經(jīng)過這3個農(nóng)業(yè)區(qū),最后到達成都.而細粒子污染時段Ⅲ中,氣團主要以高度低于1000m的低空氣團進行傳輸.可見,成都春季細粒子污染與其西南方向幾個農(nóng)業(yè)區(qū)密切相關(guān).因此,農(nóng)業(yè)生物質(zhì)燃燒可能是造成成都細粒子污染的主要因素,這也與細粒子污染時段顯著升高的KEC顆粒物貢獻一致.清潔時段氣團主要來自于成都東部和東南部,且氣團均以低于500m的低空傳輸?shù)竭_成都.在混合污染時段氣團來自成都東部和東北部,途徑資陽市、廣安市、南充市和遂寧市.這種不同時段氣團來向的差異性與以往研究結(jié)果相似,如Li等[46]研究表明成都污染期間氣團主要來自南部地區(qū).可見,區(qū)域傳輸對成都市春季污染水平和類型具有重要影響.

圖6 48h后向軌跡分析結(jié)果

3 結(jié)論

3.1 成都春季PM2.5和PM10的平均濃度分別為(62±25)和(90±40)μg/m3.在細粒子污染時段,PM2.5/ PM10比值達到0.72和0.75;混合污染時段PM2.5/ PM10比值為0.49.細粒子污染天以高濕度的靜穩(wěn)天氣為主,多種污染物濃度水平較高.

3.2 本研究中所采集到的顆粒物可分為8類,各類型顆粒的質(zhì)譜及粒徑分布特征差異明顯.相比清潔時段,KEC顆粒在細粒子污染時段貢獻顯著升高;而在混合污染時段,KNO3顆粒的貢獻升高,且DUST顆粒貢獻達到各時段的最高.

3.3 大氣中各類型顆粒高度混合,且多數(shù)顆粒物與硝酸鹽的混合明顯強于硫酸鹽;相比于清潔時段,在細粒子和混合污染時段,大多數(shù)顆粒與二次無機組分的混合程度均呈增強趨勢.

3.4 不同污染時段,成都市氣團來向差異明顯,細粒子污染時段氣團主要來自于成都西南方向,農(nóng)業(yè)生物質(zhì)燃燒可能是造成都細粒子污染的重要因素;混合污染時段氣團來自成都東部和東北部;清潔時段的氣團來自于成都東部和東南部,因此,區(qū)域傳輸與成都污染水平及類型密切相關(guān).

[1] Wang H, Tian M, Chen Y, et al. Seasonal characteristics, formation mechanisms and source origins of PM2.5in two megacities in Sichuan basin, China [J]. Atmospheric Chemistry and Physics, 2018,18(2): 865-881.

[2] Tao J, Gao J, Zhang L, et al. PM2.5pollution in a megacity of southwest China: Source apportionment and implication [J]. Atmospheric Chemistry and Physics, 2014,14(16):8679-8699.

[3] Sun Y L, Jiang Q, Wang Z F, et al. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013 [J]. Journal of Geophysical Research: Atmospheres, 2014,119(7): 4380-4398.

[4] Wang Y, Yao L, Wang L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China Earth Sciences, 2014,57(1):14-25.

[5] Xiao K, Wang Y, Wu G, et al. Spatiotemporal characteristics of air pollutants (PM10, PM2.5, SO2, NO2, O3, and CO) in the inland basin city of Chengdu, southwest China [J]. Atmosphere, 2018,9(2):74.

[6] Li L, Huang Z X, Dong J G, et al. Real time bipolar time-of-flight mass spectrometer for analyzing single aerosol particles [J]. International Journal of Mass Spectrometry, 2011,303(2/3):118-124.

[7] 李 梅,李 磊,黃正旭,等.運用單顆粒氣溶膠質(zhì)譜技術(shù)初步研究廣州大氣礦塵污染[J]. 環(huán)境科學研究, 2011,24(6):632-636.Li M, Li L, Huang Z X, et al. Preliminary study of Guangzhou atmospheric mineral dust pollution by single particle aerosol mass spectrometry [J]. Environmental Science Research, 2011,24(6):632-636.

[8] 劉文彬,黃祖照,陳彥寧,等.廣州市春季一次沙塵天氣過程綜合觀測[J]. 中國環(huán)境監(jiān)測, 2017,33(5):42-48. Liu W B, Huang Z Z, Chen Y N, et al. Comprehensive observation of dust weather process during spring in Guangzhou [J]. China Environmental Monitoring, 2017,33(5):42-48.

[9] 周靜博,任毅斌,洪 綱,等.利用SPAMS研究石家莊市冬季連續(xù)灰霾天氣的污染特征及成因[J]. 環(huán)境科學, 2015,36(11):3972-3980. Zhou J B, Ren Y B, Hong G, et al. Using SPAMS to study the pollution characteristics and causes of continuous grey haze in winter in Shijiazhuang [J]. Environmental Science, 2015,36(11):3972-3980.

[10] Xu L, Lingaswamy A P, Zhang Y, et al. Morphology, composition, and sources of individual aerosol particles at a regional background site of the YRD, China [J]. Journal of Environment Sciences (China), 2019, 77:354-362.

[11] An Z, Huang R J, Zhang R, et al. Severe haze in northern China: A synergy of anthropogenic emissions and atmospheric processes [J]. Proceedings of the National Academy of Sciences of the United States of America, 2019,116(18):8657-8666.

[12] Wang Y C, Huang R J, Ni H Y, et al. Chemical composition, sources and secondary processes of aerosols in Baoji city of northwest China [J]. Atmospheric Environment, 2017,158:128-137.

[13] Wang G H, Zhang R Y, Gomez M E, et al. Persistent sulfate formation from London fog to Chinese haze [J]. Proceedings of the National Academy of Sciences of the United States of America, 2016,113(48): 13630-13635.

[14] Wu Z, Wang Y, Tan T, et al. Aerosol liquid water driven by anthropogenic inorganic salts: Implying its key role in haze formation over the north China plain [J]. Environmental Science & Technology Letters, 2018,5(3):160-166.

[15] Zhang X, Zhong J, Wang J, et al. The interdecadal worsening of weather conditions affecting aerosol pollution in the Beijing area in relation to climate warming [J]. Atmospheric Chemistry and Physics, 2018,18(8):5991-5999.

[16] Zhong J, Zhang X, Dong Y, et al. Feedback effects of boundary-layer meteorological factors on cumulative explosive growth of PM2.5during winter heavy pollution episodes in Beijing from 2013 to 2016 [J]. Atmospheric Chemistry and Physics, 2018,18(1):247-258.

[17] Petaja T, Jarvi L, Kerminen V M, et al. Enhanced air pollution via aerosol-boundary layer feedback in China [J]. Scientific Reports, 2016,6:18998.

[18] Zheng G J, Duan F K, Su H, et al. Exploring the severe winter haze in Beijing: The impact of synoptic weather, regional transport and heterogeneous reactions [J]. Atmospheric Chemistry and Physics, 2015, 15(6):2969-2983.

[19] Tian M, Liu Y, Yang F, et al. Increasing importance of nitrate formation for heavy aerosol pollution in two megacities in Sichuan basin, southwest China [J]. Environmental Pollution, 2019,250:898-905.

[20] Li W J, Sun J X, Xu L, et al. A conceptual framework for mixing structures in individual aerosol particles [J]. Journal of Geophysical Research: Atmospheres, 2016,121(22):13784-13798.

[21] 田鵬山,曹軍驥,韓永明,等.關(guān)中地區(qū)冬季PM2.5中碳氣溶膠的污染特征及來源解析[J]. 環(huán)境科學, 2016,37(2):427-434. Tian P S, Cao J J, Han Y M, et al. Pollution characteristics and source analysis of carbon aerosols in PM2.5in winter in Guanzhong region [J]. Environmental Science, 2016,37(2):427-434.

[22] Bi X H, Zhang G H, Li L, et al. Mixing state of biomass burning particles by single particle aerosol mass spectrometer in the urban area of PRD, China [J]. Atmospheric Environment, 2011,45(20):3447-3453.

[23] 溫 杰,史旭榮,田瑛澤,等.利用SPAMS研究天津市夏季環(huán)境空氣中細顆粒物化學組成特征[J]. 環(huán)境科學, 2018,39(8):3492-3501. Wen J, Shi X R, Tian Y Z, et al. Study on chemical composition characteristics of fine particulate matter in ambient air of Tianjin city in summer using SPAMS [J]. Environmental Science, 2018,39(8): 3492-3501.

[24] Li L, Li M, Huang Z, et al. Ambient particle characterization by single particle aerosol mass spectrometry in an urban area of Beijing [J]. Atmospheric Environment, 2014,94:323-331.

[25] Pratt K A, Murphy S M, Subramanian R, et al. Flight-based chemical characterization of biomass burning aerosols within two prescribed burn smoke plumes [J]. Atmospheric Chemistry and Physics, 2011, 11(24):12549-12565.

[26] Li W, Shao L, Zhang D, et al. A review of single aerosol particle studies in the atmosphere of east Asia: Morphology, mixing state, source, and heterogeneous reactions [J]. Journal of Cleaner Production, 2016,112(2):1330-1349.

[27] Zhang R, Wang G, Guo S, et al. Formation of urban fine particulate matter [J]. Chemical Reviews, 2015,115(10):3803-3855.

[28] Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2014,111(49):17373-17378.

[29] Sitaras I E, Siskos P A. The role of primary and secondary air pollutants in atmospheric pollution: Athens urban area as a case study [J]. Environmental Chemistry Letters, 2008,6(2):59-69.

[30] 葉興南,陳建民.大氣二次細顆粒物形成機理的前沿研究[J]. 化學進展, 2009,21(Z1):288-296. Ye X N, Chen J M. Frontier research on formation mechanism of secondary fine particulate matter in atmosphere [J]. Progress in Chemistry, 2009,21(Z1):288-296.

[31] Liu L, Wang Y L, Du S Y, et al. Characteristics of atmospheric single particles during haze periods in a typical urban area of Beijing: A case study in October, 2014 [J]. Journal of Environmental Sciences, 2016, 40:145-153.

[32] Taiwo A M, Harrison R M, Beddows D C S, et al. Source apportionment of single particles sampled at the industrially polluted town of port talbot, United Kingdom by ATOFMS [J]. Atmospheric Environment, 2014,97:155-165.

[33] Zhang J K, Luo B, Zhang J Q, et al. Analysis of the characteristics of single atmospheric particles in Chengdu using single particle mass spectrometry [J]. Atmospheric Environment, 2017,157:91-100.

[34] Li W J, Shao L Y. Observation of nitrate coatings on atmospheric mineral dust particles [J]. Atmospheric Chemistry and Physics, 2009, 9(6):1863-1871.

[35] Li W J, Wang T, Zhou S, et al. Microscopic observation of metal-containing particles from Chinese continental outflow observed from a non-industrial site [J]. Environmental Science & Technology, 2013,47(16):9124-9131.

[36] 秦 鑫,張澤鋒,李艷偉,等.南京北郊春季含Pb氣溶膠粒子來源分析[J]. 環(huán)境科學學報, 2015,35(3):641-646. Qin X, Zhang Z F, Li Y W, et al. Source analysis of Pb containing aerosol particles in northern suburbs of Nanjing in spring [J]. Journal of Environmental Science, 2015,35(3):641-646.

[37] Wang S, He B, Yuan M, et al. Characterization of individual particles and meteorological conditions during the cold season in Zhengzhou using a single particle aerosol mass spectrometer [J]. Atmospheric Research, 2019,219:13-23.

[38] 陳多宏,李 梅,黃 渤,等.區(qū)域大氣細粒子污染特征及快速來源解析[J]. 中國環(huán)境科學, 2016,36(3):651-659. Chen D H, Li M, Huang B, et al. Characteristics and rapid source analysis of regional atmospheric fine particle pollution [J]. China Environmental Science, 2016,36(3):651-659.

[39] 岳建華,陶 俊,林澤健,等.成都春季生物質(zhì)燃燒和沙塵期間氣溶膠散射特征及其重建[J]. 環(huán)境科學, 2012,33(7):2151-2157. Yue J H, Tao J, Lin Z J, et al. Characteristics and reconstruction of aerosol scattering during biomass burning and sand dust in Chengdu in spring [J]. Environmental Science, 2012,33(7):2151-2157.

[40] Huang X, Liu Z, Zhang J, et al. Seasonal variation and secondary formation of size-segregated aerosol water-soluble inorganic ions during pollution episodes in Beijing [J]. Atmospheric Research, 2016, 168:70-79.

[41] Li W, Shao L. Transmission electron microscopy study of aerosol particles from the brown hazes in northern China [J]. Journal of Geophysical Research, 2009,114:148-227.

[42] Pósfai M, Buseck P R. Nature and climate effects of individual tropospheric aerosol particles [J]. Annual Review of Earth and Planetary Sciences, 2010,38:17-43.

[43] Moffet R C, Prather K A. In-situ measurements of the mixing state and optical properties of soot with implications for radiative forcing estimates [J]. Proceedings of the National Academy of Sciences of the United States of America, 2009,106(29):11872-11877.

[44] Baltrusaitis J, Chen H, Rubasinghege G, et al. Heterogeneous atmospheric chemistry of lead oxide particles with nitrogen dioxide increases lead solubility: Environmental and health implications [J]. Environmental Science & Technology, 2012,46(23):12806-12813.

[45] Moffet R C, Foy B D, Molina L T, et al. Measurement of ambient aerosols in northern Mexico city by single particle mass spectrometry [J]. Atmospheric Chemistry and Physics, 2008,8(16):4499-4516.

[46] Li L, Tan Q, Zhang Y, et al. Characteristics and source apportionment of PM2.5during persistent extreme haze events in Chengdu, southwest China [J]. Environment Pollution, 2017,230:718-729.

[47] Huang X, Zhang J, Luo B, et al. Water-soluble ions in PM2.5during spring haze and dust periods in Chengdu, China: Variations, nitrate formation and potential source areas [J]. Environment Pollution, 2018,243:1740-1749.

The physicochemical properties of aerosol and its pollution characteristics in different periods in spring in Chengdu.

LIU Qin1, ZHANG Jun-ke1*, HUANG Xiao-juan2, LUO Jin-qi1, LUO Bin3, ZHANG Wei3, SONG Hong-yi1

(1.Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 611756, China；2.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；3.Sichuan Environmental Monitoring Center, Chengdu 610074, China).2019,39(12)：5009~5017

A continuous observation of air pollution was made in Chengdu using single particle aerosol mass spectrometer (SPAMS) and a variety of online devices in spring of 2017. The results showed that the average mass concentrations of PM2.5and PM10were (62±25) and (90±40)μg/m3, respectively. Single particles in the atmosphere can be divided into eight classes. Due to the differences in emission sources and aging process, there were obvious differences in mass spectrum characteristics and particle size distribution among all particle classes. The comparative analysis of the selected fine particle pollution, mixed pollution of fine and coarse particles (mixed pollution) and clean periods showed that: (1) the contribution of potassium-elemental carbon (KEC) particles was the highest in the fine particle pollution periods (42.8%~46.3%). Compared with the clean period, the contribution of carbonaceous particles from combustion process decreased in the mixed pollution period, but the contribution of DUST particles reached the highest of all periods. (2) Compared with the clean period, the mixing degree of most particles with secondary inorganic components in other two types of periods enhanced. (3) The air masses from the southwest of Chengdu dominated in fine particle pollution periods, the heavily polluted areas in southern Sichuan contributed greatly to the pollution process in Chengdu.

single particle aerosol；chemical composition；mixing state；air mass transport；Chengdu

X513

A

1000-6923(2019)12-5009-09

劉 琴(1995-),女,四川眉山人,西南交通大學碩士研究生,主要研究方向為大氣化學.發(fā)表論文1篇.

2019-05-24

國家自然科學基金項目(41805095);四川省科技計劃重點研發(fā)項目(2018SZ0288, 2019YFS0476);中央高?；究蒲袠I(yè)務(wù)費專項資金 (2682017CX080)

* 責任作者, 講師, zhangjunke@home.swjtu.edu.cn