论文部分内容阅读
细颗粒物是降低能见度，形成霾污染的重要因素。细颗粒物中的化学组分不仅会影响颗粒物的吸湿性，而且对人类健康、全球气候和生物系统都有明显的贡献。因此研究PM2.5和PM1的化学组分特征及其对霾污染的影响具有重要意义。 论文在上海市华东理工大学徐汇校区进行了为期一年半的PM2.5和PM1采样，分析了细颗粒物中有机碳(OC)、元素碳(EC)、水溶性有机碳(WSOC)、类腐殖质碳(Hulis-C)、总水溶性离子(TWSIs)等化学组分的浓度，并比较了PM2.5和PM1中化学组分的污染特征。根据细颗粒物的化学组分，利用AIM-Ⅳ模型估算了气溶胶中液相水分含量(LWC)，并运用HYSPLIT轨迹反演模型和PMF模型对PM2.5进行源解析。最后，比较了不同霾污染天气PM2.5和PM1中化学组分的污染特征及其来源特征，为今后进一步研究上海不同霾污染天气颗粒物的形成机理和预报评价提供依据。 结果表明，华东理工大学采样点PM2.5和PM1的平均日均值分别为(50.1±44.4)μg/m3和(45.9±27.2)μg/m3，PM1/PM2.5为91.6％，表明PM2.5中以PM1为主。PM2.5和PM1质量浓度均呈现冬季最高、夏季最低的规律。PM2.5中OC和EC的平均值分别为(9.67±8.81)μg/m3和(1.45±1.28)μg/m3，而PM1中浓度分别为(7.57±5.58)μg/m3和(1.67±1.18)μg/m3。PM2.5和PM1中的一次有机碳(POC)和二次有机碳(SOC)的浓度均较为接近，表明细颗粒物同时受一次源和二次源的影响。PM2.5和PM1中OC均以WSOC为主，Hulis-C则是WSOC的重要组分，且PM2.5中WSOC和Hulis-C均主要集中在PM1。与POC和SOC的相关性分析结果表明，PM1中WSOC主要为一次排放，PM1-2.5中WSOC主要由二次反应产生，而PM2.5和PM1中Hulis-C均同时受到一次源和二次源的影响。TWSIs/PM2.5为(56.9±23.6)％，略高于TWSIs/PM1((44.9±19.4)％)。冬季TWSIs的浓度最高，可能与冬季静稳天气、高浓度前体物以及北方供暖活动的长距离输送有关。高WSOC/K+和Hulis-C/K+比值表明，上海PM2.5主要受老化生物质燃烧的影响。PM2.5中LWC年均值为(18.1±26.1)μg/m3，LWC/PM2.5为(0.50±0.76)，PM1中分别为(14.8±17.6)μg/m3和(0.44±0.40)。PM2.5和PM1中LWC均随着RH的增加而增加，且与能见度呈现显著负相关性。多元线性回归的结果则表明NO3-对PM1吸湿性的影响较大，而RH、WSOC、SO42-和NH4+对PM2.5吸湿性的影响较大，尤其是WSOC。 非霾污染天气PM2.5以PM1为主，而霾污染天气PM1-2.5的比重有所增加，表明霾污染的表征及预报仍应优先考虑PM2.5。霾污染天气PM1-2.5中OC、EC和POC的生成速率大于PM1，而SOC的生成速率差异不大。不同霾污染天气PM2.5和PM1中Hulis-C的增长速率均高于WSOC，因此Hulis-C/WSOC随着霾污染的加重而增加。PM2.5和PM1中NO3-/SO42-随着霾污染的加重而增长，表明霾污染天气受移动源的影响较大。此外，PM2.5的氮氧化率(NOR)高于PM1的NOR，表明PM2.5中N的氧化程度较高。虽然不同霾污染天气的NOR均低于硫氧化率(SOR)，但是由于目前大气环境中NO2浓度远高于SO2，仍会导致霾污染天气的NO3-含量高于SO42-，进一步增加LWC，降低能见度。 HYSPLIT轨迹反演模型的聚类分析结果表明，29％的PM2.5来源于海洋;53％来源于中尺度输送，其中，33％来源于京津冀地区，20％来源于珠三角地区;剩余18％来源于大尺度输送。轻微霾污染天气中尺度输送的贡献从晴朗天气的37.5％上升至75.7％，而轻度霾污染和中度霾污染天气则100％来源于中尺度输送。PMF模型的源解析结果则表明，本采样点的PM2.5气溶胶受到二次无机物、老化的海盐、燃烧源排放、吸湿增长和二次有机物五个因子的综合影响，其贡献值分别33.4％、7.3％、15.9％、13.4％和30.0％。其中，二次反应是本采样点PM2.5气溶胶的主要来源(63.4％)。此外，燃烧源排放对PM2.5气溶胶的贡献随着霾污染的加重而增加，吸湿增长对PM2.5气溶胶的贡献则随着霾污染的加重而降低，而不同霾污染天气二次反应对PM2.5气溶胶的贡献较为稳定。