Characteristics and sources of 2002 super dust storm in Beijing

~~Characteristics and sources of 2002 super dust storm in Beijing~~     

Source apportionment for urban PM10 and PM2.5 in the Beijing area

Airborne particulate matter (PM2.5 and PM10) samples were collected at the Beijing Normal University sampling site in the urban area of Beijing, China in dry and wet seasons during 2001―2004. Concen-trations of 23 elements and 14 ions in particulate samples were determined by ICP-AES and IC, re-spectively. Source apportionment results derived from both Positive Matrix Factorization (PMF) and Chemical Mass Balance (CMB) models indicate that the major contributors of PM2.5 and PM10 in Beijing are: soil dust, fossil fuel combustion, vehicle exhausts, secondary particulate, biomass burning and some industrial sources. We have identified both regional common sources, such as vehicular emis-sions, particulate of secondary origin and biomass burning, as well as country-specific problems, such as sand storms and soil dust that should be addressed for effective air quality control.     

大气污染期间北京住宅室内外空气中PM2.5的浓度水平

由于2012~2013年北京大气环境质量整体较差,且多天的PM2.5日均浓度值超过0.500 mg/m3。鉴于此,为了解大气污染期间住宅室内外PM2.5的浓度水平,于2014年4~5月对北京市内4所住宅A、B、C和D的室内外PM2.5浓度分别进行了随时间变化的同步测试,并对其浓度水平及影响室内PM2.5的因素进行了分析。结果表明：(1)测试期间4所住宅中,B、C和D住宅室内外PM2.5的平均浓度均高于0.075 mg/m3,室外PM2.5平均浓度分别为0.143 mg/m3、0.122 mg/m3和0.124 mg/m3,室内PM2.5平均浓度分别为0.129 mg/m3、0.089 mg/m3和0.104 mg/m3;(2)在室内无明显污染源或污染源强度相对较低时,较高的室外PM2.5浓度对室内PM2.5浓度水平起主导影响;(3)吸烟和烹饪对室内PM2.5浓度影响较大,开、关窗时间及室外PM2.5浓度水平影响室内PM2.5的衰减时间;(4)北京市朝阳区2014年测试的住宅A、B和2015年同期测试的住宅Z1的室外PM2.5平均浓度分别为0.037 mg/m3、0143 mg/m3和0.028 mg/m3,2014年开始实施的《北京市大气污染防治条例》使2015年北京市室外空气质量有所改善。     

The compositions, sources, and size distribution of the dust storm from China in spring of 2000 and its impact on the global environment

The average mass concentration of the aerosols in Beijing during the dust storm in the spring of 2000 was ~6000 mg·m^-3, ~30 times as high as that in the non-dust storm days. The enrichment factors of the pollution elements As, Sb and Se were higher than those in the non-dust storm days. This indicated that As, Sb and Se resulted from the pollution sources of those areas, through which the dust storm passed during their long-range transport, in addition to the local pollution sources in Beijing. The enrichment factors of the Pb, Zn, Cd and Cu were much less than those in the non-dust storm days, suggesting that the local pollution sources in Beijing area contributed to them mostly. The enrichment factors of elements Al, Fe, Sc, Mn, Na, Ni, Cr, V and Co were close to 1, showing that these elements originated from crust. The concentration of S in the dust storm was ~10 mg·m^-3, 4 times as high as that in non-dust storm. S in the aerosols resulted from the adsorption of gaseous SO₂ and the consequent transformation on it. The aerosols of the dust storm contained 16.1% and 76.9% of fine particles with the sizes less than 2.1 and 9.0 mm, respectively, while it had a large number of coarse particles. It was noted that a considerable portion of Fe(Ⅱ) was detected from the dust storm. Fe(Ⅱ) could easily dissolve in seawater to be nutrient for phytoplankton and would lead to the increase of the emission of dimethylsulfide (DMS) from the ocean. The feedbacks of Fe coupled with S in atmosphere might be the important mechanism that would affect the primary productivity in Pacific and/or the global climate change.     

集中供暖区大气PM2.5季节动态及其影响因素——以陕西省宝鸡市为例

目的 研究集中供暖区大气PM2.5的现状、动态及其主要影响因素.方法 2012年4月～2013年3月利用E-BAM粒子监测仪连续监测了宝鸡市建成区的大气PM2.5浓度,结合气象因子、燃煤锅炉烟尘排放量和工业生产总值等数据进行分析.结果 宝鸡市大气PM2.5在非供暖期（4月～10月）污染程度较轻,供暖期（11月～翌年3月）污染程度较重;燃煤锅炉烟尘对PM2.5的贡献率约为10.9％;PM2.5浓度与日均湿度正相关,与日均温度、日均大气压负相关.结论 集中供暖区供暖期（11月～翌年3月）是治理PM2.5污染问题的关键期.     

Size distribution and element composition of dust aerosol in Chinese Otindag Sandland

Dust aerosol is one important component of atmos-pheric aerosols, and plays important roles in the Earth’s climate system and the biogeochemical cycle. Large amounts of dust aerosols produced from windblown soils and deserts are emitted annually into the atmosphere and transported over long distance to downwind land and ocean areas[1]. The deserts and desertification soils in northern China are important sources of East Asia dust aerosols. It is estimated that 800 Mt of dust aerosols emit-t…     

北京市夏季大气气溶胶 PM2.5和 PM10成分特征?

对北京市城区2012年夏季大气对气溶胶进行每日PM2.5和PM10石英膜采样,得到了可溶性离子质量浓度和16种元素的质量浓度,并结合气象观测值进行了分析.结果显示,采样期间,PM2.5质量浓度为9.58~210.42μg·m-3,平均值102.81μg·m-3;PM10质量浓度为33.75~288.33μg·m-3,平均值159.66μg·m-3.PM2.5和PM10质量浓度都与采样点能见度、风速呈负相关,与相对湿度呈正相关.质子荧光分析(PIXE)结果显示,S、K、Ca和Fe在PIXE可分析元素中含量较高,在PM2.5和PM10都占89%.且元素Ca、Ti、Sc、Cr、Fe主要存在于粗粒子(PM2.5~10)中,而元素S、Cu、Zn、As、Br、Pb主要存在于细粒子(PM2.5)中.富集因子分析表明,元素K、Ca、Ti、V、Mn、Ni主要为地壳来源,元素S、Cl、Cu、Zn、As、Br、Pb主要来自于人为源.SO2-4、NO-3、NH+43种可溶性离子总质量浓度占PM2.5浓度的43.5%,占PM10浓度的25.4%.     

上海市大气PM2.5中Cu、Zn、Pb、As等元素的浓度特征

用等离子发射光谱法对2000年10月至2001年8月上海市4个采样点大气PM2．5中的Cu,Zn,Pb,As等元素的浓度进行分析，研究表明，在上海市不同代表城区大气PM2．5中的元素浓度呈现一定的分布特征，存在一定的季节变化规律，计算元素的富集因子，并与国内外城市颗粒物中元素 的富集因子比较，表明Cu,Zn,Pb,As等元素在上海市大气PM2．5中的富集程度与它们在其他城市大气PM2．5中的富集程度基本处于同一水平。     

Oxidative stress on plasmid DNA induced by inhalable particles in the urban atmosphere

Plasmid DNA assay is a newly-developed in vitro method to investigate bioreactivity of particles. In this paper, this method was used to study the bioreactivity of PM10 (particulate matter with aerodynamic diameter of less than 10 μm) and PM2.5 (particulate matter with aerodynamic diameter of less than 2.5 μm). Samples and dust storm particles were collected in 2001 in an urban area, a satellite city and a clean air area in Beijing. A big difference was found for oxidative DNA stress induced by different particulate matter (PM) samples, with the TM50 (particle mass causing 50% damage to DNA) values varying by a factor over 10. This was closely dependent on the sizes of particles as well as the variation in relative proportion of mineral matter. PM2.5 samples generally impose larger oxidative stress on plasmid DNA than PM10 samples. Airborne particles collected during dust storm episodes, usually with a higher proportion of mineral matter, have a much lower oxidative capacity than those collected during non-dust storm episodes. PM samples and their water-soluble fractions usually have similar bioreactivities, demonstrating that oxidative capacity of Beijing airborne particles is mainly sourced from their water-soluble fractions.     

济南市春季大气中PM2.5、PM10颗粒物分布状态及元素分析

采用扫描电镜和能谱仪对济南市区春季大气中PM_(2.5)、PM_(10)颗粒物的显微形貌、粒径分布和化学元素进行连续30 d全天候研究,对大气颗粒物的粒径与数量进行统计回归分析,绘制相应粒径变化柱状图。依据检出的元素来推断大气颗粒物化学组成和来源,提出控制大气颗粒物PM2.5、PM10污染的有效对策。实验结果显示,大气颗粒物显微形态有球状、片状、棒状等不同形状且主要集中于0～1.0μm和1.0～2.5μm粒径范围,检出C、O、Cl、Si、Ca、K、Na、Mg、Al、Fe、S等多种化学元素,大多以矿物质氧化物、硫酸盐、硅铝酸盐等形式存在,主要来源于土壤尘、风沙尘、燃煤飞灰等。该方法简单、快速、科学,值得进一步推广应用。     

燃煤电厂可吸入颗粒物中痕量元素的排放规律研究

在2个燃煤电厂除尘器入口和出口处利用荷电低压捕集器（ELPI）和稀释采样系统,对烟气中的可吸入颗粒物（PM10）进行现场采样,对其中的痕量元素的粒径分布、富集机理和排放因子进行了研究。电厂除尘器前后PM10中痕量元素的质量粒径分布,与PM10质量浓度粒径分布相似,大多呈现双模态。初步推测所测痕量元素在亚微米颗粒上的富集过程由异相化学反应控制,而在粗颗粒上的富集则可能由异相凝结或化学反应两种机制控制。相对富集因子的计算结果显示,除了Mn在PM10中呈亏损趋势外,其他元素在亚微米颗粒物中均有富集趋势。由于电除尘器对0.1~1μm粒径范围内的颗粒物去除效率较低,其对PM1、PM2.5和PM10中多数元素的去除效率均低于相应的除尘效率。除尘器后PM10中各元素的排放因子差别较大,其排放总量及导致的环境效应值得关注。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

宜昌市城区PM_(2.5)污染形成灰霾天气的规律研究

2012年选取与气象站点相邻的一个环境空气质量测点对PM2.5进行了研究性监测,测点距地面23m,全年PM2.5质量浓度在19~284μg/m3之间,年均质量浓度为89μg/m3,月均质量浓度最高的为1月.系统分析全年PM2.5监测质量浓度与相邻气象测点灰霾、能见度观测数据之间的关系,得到以下结论:宜昌市城区PM2.5污染质量浓度与灰霾观测值相关性不强,但与能见度的观测值显著相关;全年能见度降低受PM2.5污染的影响具有季节性,2、5~6三个月与7~9三个月及4、10~11三个月,这3组月份内的PM2.5与能见度之间的回归曲线基本一致,全年中3月份影响最大,而1月份最小,主要与气温、风速、降雨因素有关.     

济南市PM_(2.5)来源的解析

采集济南市环境空气样品和污染源样品,分析其化学成分.采用化学质量平衡(Chemical Mass Balance,CMB)源解析技术,研究探讨济南市环境空气中PM2.5的来源.结果表明:对济南市有明显贡献的颗粒物源类是煤烟尘、机动车尾气尘、土壤尘、扬尘、建筑尘、钢铁尘、硫酸盐和硝酸盐等,并且城市区域尘大于外来尘的贡献,各源类PM2.5贡献值和分担率的季节变化较明显.     

哈尔滨大气PM2.5中人为源元素化学组成特征及来源

应用场发射扫描电镜(FESEM)和电感藕合等离子(ICP-MS)技术对2007年哈尔滨市市区四季所采集的PM2.5样品进行了研究。图像分析和粒度分析表明:PM2.5的颗粒类型主要为矿物颗粒、飞灰颗粒和烟尘集合体,数量—粒度呈双峰分布,峰值出现在0.2～0.5μm和1.0～2.5μm之间。其中飞灰颗粒的数量占总颗粒数量的26%,体积只占颗粒总体积的3%,即PM2.5中细颗粒主要为飞灰颗粒。元素分析和富集因子分析表明,颗粒中所测的58种元素中有Cd、Sn、Tl、Te、Bi、V、Pb、Sb、Zn、As、Ag、In、Mo、Cu、Ga、Cr、W 17种元素在颗粒中得到富集,来自人为源,且燃煤源为主要贡献者。因子分析显示冶金排放、垃圾焚烧、汽车尾气源及动力与机电工业排放源也是明显的贡献者。     

重庆主城区PM 2.5中金属元素组分特征分析

利用Xact-625大气多金属在线监测仪监测重庆市2013年春季PM2.5中金属元素的含量,分析PM2.5及金属元素的浓度分布特征与时间变化规律;结果发现,春季PM2.5质量浓度变化范围为15.6～157.3 μg·m-3,15种金属元素平均总浓度为2 481 ng·m-3,占PM2.5总浓度的3.86％;典型日分析中,Zn、Pb的浓度从5点钟开始持续升高,在10点钟达到峰值;As浓度在1点钟出现最小值;富集因子法分析结果表明Zn、As、Se、Ag、Cd、Sn、Hg、Pb的富集因子较大,为人为污染.     

西安冬季不同空气质量级别对应的PM_(2.5)化学组分变化特征

通过实验采样分析,研究了西安市冬季不同空气质量级别(HJ 633—2012)下PM2.5质量浓度及化学组分的变化特征和污染规律。结果表明,西安市2008—2009年冬季所有采样天均为轻度污染到严重污染状况,PM2.5质量浓度100%未达标(GB3095—2012);PM2.5质量浓度及其化学组分基本随空气质量级别恶化而增加,除个别元素外,其他化学组分的质量浓度在严重污染时均出现突增,有机碳(4.5倍)和水溶性无机离子(2.7倍)的增加倍数较大;随大气污染程度的增加,人为源的重金属富集因子增加剧烈(1.6~2.0倍),而主要来自自然源的元素富集因子变化无规律;重污染时期PM2.5中的多环芳烃(PAHs)、正构烷烃(nalkanes)均主要来自人为源排放贡献,其中生物质燃烧、低温燃煤排放是PAHs剧增的主要因素。     

含铊黄铁矿利用对工厂周边大气气溶胶组成的影响

对含铊黄铁矿利用工厂周边大气气溶胶（PM10和PM2.5）中铊的含量分布进行了分析研究,同时运用富集因子法探讨气溶胶中铊的来源．结果表明,硫酸厂周边大气气溶胶PM10和PM2.5中铊的污染程度比较严重,其日浓度分别为1．28～6．92ng·m-3和1．27—4．29ng·m-3．PM10和PM2.5中铊的富集因子均大于...     

山地城市长上坡路段PM2.5浓度分布特性实测研究

与平原地区城市相比,由于山地城市地形地貌的因素,城市道路具有坡度大、弯道多、路窄、起伏大等特点。车辆在道路上行驶相较于平原存在巨大差异,使得这种道路更容易产生交通污染,为明确山地城市道路长上坡路段汽车尾气与细飘尘排放浓度及其影响因素,特选取重庆主城多条具有代表性的道路采集汽车尾气与细飘尘浓度值,采用交通系统仿真分析方法分析车流量、区域差异、横向距离等对汽车尾气与细飘尘浓度的影响。结果表明：夜间汽车尾气与细飘尘（PM2.5）浓度较日间差异性显著;整体上看,随着横向距离的增加,汽车尾气与细飘尘浓度不断衰减,根据实验结果,日间PM2.5浓度先衰减,当处于横向距离6-10m之间PM2.5浓度出现向上波动,最后下降至稳定值,而夜间PM2.5浓度呈波动式衰减,最后趋于稳定;车流量的大小不是决定山地城市日间上坡路段道路旁PM2.5数值大小的最直接原因;同一个城市的不同区域,道路两旁空气中的PM2.5浓度的含量存在巨大的差异。     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。