2017, Vol. 38
2. 复旦大学环境科学与工程系, 上海 200433
, CHEN Zhi-ming1 , MAO Jing-ying1 , LIANG Gui-yun1 , HUANG Jiong-li1 , LI Hong-jiao1 , YANG Jun-chao1 , MO Zhao-yu1,2
2. Deparment of Environmental Science and Engineering, Fudan University, Shanghai 200433, China
大气细颗粒物是大气能见度下降[1, 2]、 影响降水的酸碱性[3]、 全球变暖、 霾等大气污染现象的主要诱导因素之一.因其粒径较小，比表面积较大，活性强，更易富集有毒有害物质，对人民群众的身体健康存在巨大潜在威胁[4, 5].
2014年，南宁市空气质量达标天数比例(AQI优良率)为80.0%.空气质量达标天数为292 d(其中优90 d，良202 d)，出现轻度污染50 d，中度污染15 d，重度污染8 d.2014年市区环境空气PM2.5年平均浓度分别为: 49 μg·m-3，超过《环境空气质量标准》(GB 3095-2012)年平均二级标准(35 μg·m-3)，超标倍数为0.4.因此研究细颗粒物成分及污染来源是做好大气污染防治工作关键，改善南宁市环境空气质量迫在眉睫.目前，仅有对南宁市一次霾过程的污染特征分析[6~8]，其主要污染物为细颗粒物，但对全年的大气细颗粒物污染特征未见详细分析.为了全面了解大气细颗粒物的四季变化特征而开展此项研究.
在线源解析法针对颗粒物来源不清、 机制不明等问题，可在短时间内定性识别主要颗粒物(主要是PM2.5)的来源，弥补传统方法存在的工作周期长、 需要大量人力物力等不足[9, 10].我国对单颗粒飞行时间质谱仪的研发与应用起步较晚，广州禾信分析仪器有限公司于2010年研制出单颗粒气溶胶质谱仪(SPAMS)[11, 12].SPAMS能够同时获得单颗粒的空气动力学直径和正负离子质谱数据，已被国内广泛应用于气溶胶研究[13~15].如周静博等[16]利用SPAMS 研究石家庄市冬季连续霾天气的污染特征及成因； 潘海燕[17]利用SPAMS 研究淮安市冬季霾空气污染； 张志朋等[18]对桂林市夏季大气PM2.5化学组成和成分分布进行质谱研究.本研究利用单颗粒气溶胶质谱仪连续在线监测，实现大气细颗粒物实时动态源解析，同时，选取南宁市2015年4个季节部分时段的细颗粒物化学成分和污染来源进行差异分析，以期为环境管理部分指定污染防治对策提供科学依据.
1 材料与方法 1.1 实验观测本研究在线监测点位设置在广西南宁市广西环科院大气科学观测站楼顶，距地面约30 m.该监测点位周围主要为办公楼、 居民楼、 学校和街道，无明显工业源.根据南宁市季节规律，本次观测时间选择2015年的2月15~24日(代表冬季)、 5月6~20日(代表春季)、 8月5~19日(代表夏季)、 10月28日~11月11日(代表秋季)，使用SPAMS 0515(广州禾信分析仪器公司生产)对南宁市四季大气细颗粒物的数浓度、 粒径、 化学组分和来源的占比及变化规律等进行监测.
1.2 SPAMS工作原理气溶胶飞行时间质谱仪(aerosol time of flight mass spectrometry，ATOFMS)最早由Prather等提出[19, 20]，近20年来得到了很大发展，Pratt等[21]与Laskin等[22]已经对该仪器的原理以及应用进行了十分充分的综述.其原理是利用空气动力学透镜实现单气溶胶粒子的聚焦，利用双激光测径技术对0.13~3μm的粒子进行粒径测量，同时触发一束激光，对测径粒子进行电离，最后通过双极飞行时间质谱技术对电离产生的正负离子进行检测.该技术可以实现单颗粒气溶胶粒径和化学成分同时检测，获得每个气溶胶粒子的正负质谱图信息，可以分析颗粒物中的元素碳、 有机碳、 矿物元素、 盐类、 金属等成分.
1.3 数据处理质谱仪采集数据软件为YAADA，软件核心为自适应共振神经网络算法(adaptive resonance yheory-2a，ART-2a)，运行3个主要参数为警戒因子、 学习因子和迭代次数，分别为0.75、 0.05和20.本研究的数据处理参数同刘慧琳等[23]利用SPAMS研究南宁市冬季颗粒物气溶胶化学成分中的参数.本研究所测颗粒粒径范围: 0~2.5 μm； 粒径检测速度: 20 个·s-1； 击打率:>20%； 质谱分辨率: 优于500FWHM(full width at half maximum)； 化学成分可测量范围: 1~500 u； 266 nm激光电离，电离激光器能量: 0.5~0.6 mJ，能量密度: 108 W·cm-2； 气体进样标准流量: 75 mL·min-1.
2 结果与讨论 2.1 四季细颗粒物数浓度与质量浓度相关性分析冬季10日共采集3 390 248个颗粒物(SIZE，matlab中的一个函数)，其中同时被测径和带有正负离子信息的颗粒物833 363个，占24.6%.春季15日共采集1 951 166个颗粒物，其中同时被测径和带有正负离子信息的颗粒物294 008个，占15.7%.夏季15日共采集1 341 420个颗粒物，其中同时被测径和带有正负离子信息的颗粒物124 933个，占9.3%.秋季15日共采集2 492 271个颗粒物，其中同时被测径和带有正负离子信息的颗粒物353 782个，占14.2%.四季监测结果表明，研究选取的部分时间段单颗粒气溶胶质谱仪所测得细颗粒物数浓度(数浓度指单位时间内仪器所检测到的单颗粒数量)变化趋势与大气细颗粒物质量浓度高低变化趋势较为一致，见图 1.根据线性关系分析，四季细颗粒物的质量浓度与数浓度相关性普遍较好，见表 1，说明质谱仪的监测数据一定程度上可反映大气污染状况，有研究意义.
|
表 1 四季细颗粒物数浓度与质量浓度线性关系 1) Table 1 Liner relationship between number concentration and mass concentration of the fine particulate matter in the four seasons |
|
图 1 四季细颗粒物数浓度与质量浓度的变化趋势对比 Fig. 1 Contrast of changing tendency between number concentration and mass concentration of the fine particulate matter in the four seasons |
将四季检测到的细颗粒物进行质谱分析，平均质谱图见图 2.
|
图 2 四季细颗粒物化学成分平均质谱图 Fig. 2 Average mass spectrogram of the chemical components of the fine particulate matter in the four seasons |
从四季各监测时段的细颗粒物平均质谱图来看，均有较明显的碳族元素信号，即C2+、 C3+、 C4+、 C5+、 C2-、 C3-、 C4-、 C5-和C6-(元素碳成分)； 另有较强的Na+、 K+、 Fe+/CaO+(矿物质成分)，以及CN-、 NO2-、 NO3-和HSO4-等离子信号.对比发现，四季正谱图相似，夏季和秋季还存在明显的C2H3+、 C2H3O+(有机碳成分)、 CNO-等离子信号； 负谱图中，冬春两季相比夏秋季的NO2-、 NO3-和HSO4-等离子信号高，说明二次反应生成的物质较多.
2.3 四季细颗粒物化学成分分析SPAMS对颗粒物中的成分分类方法主要有两种，一是根据特征离子提取直接分类，二是利用自适应共振神经网络分类方法(Art-2a)，根据细颗粒物化学成分结合形式的不同进行分类[25, 26].Art-2a分类方法在国内外应用较为广泛，能识别颗粒物的来源.本研究利用Art-2a分类方法，再经过人工合并，大致确定南宁市四季细颗粒物化学成分主要有元素碳、 有机碳、 元素碳有机碳混合颗粒、 富钾颗粒、 富钠颗粒、 矿物质、 左旋葡聚糖以及重金属等8类.分类方法可详见刘慧琳等[23]利用SPAMS研究南宁市冬季颗粒物气溶胶化学成分中的研究.元素碳其正负谱图中含有信号较强的碳族元素； 有机碳其正谱图中含有C2H3+、 C3H+、 C2H3O+、 C4H3+和C5H3+等信号.富钾颗粒其正谱图中K+信号明显高于其他信号，有时还伴有K2Cl+、 K3SO4+，其他信号不明显.富钠颗粒其正谱图中Na+信号明显高于其他信号，另外还含有Na2O+、 Na2OH+等信号.矿物质其正谱图中多含有Ca+、 Al+、 Fe+、 Mg+等矿物质离子信号，负谱图中含有SiO3-信号的颗粒物.左旋葡聚糖其正谱图中有明显的K+信号，负谱图中有CN-、 CNO-、 C2H3O2-和C3H5O2-等信号.重金属其正谱图中含有明显的重金属离子信号，如Mn+、 Pb+、 Cu+等.
以颗粒物数浓度统计，四季细颗粒物化学成分对比结果见图 3和表 2.
|
图 3 四季细颗粒物化学成分分布 Fig. 3 Distribution of chemical components of the fine particulate matter in the four seasons |
|
|
表 2 四季细颗粒物化学成分分布对比 (数浓度占比)/% Table 2 Distribution of chemical components of the fine particulate matter in the four seasons(accounted for number concentration)/% |
各化学成分数浓度占比在四季均有差异.元素碳数浓度占比以冬季最高，夏季最低，其主要来源于燃煤、 机动车尾气以及生物质燃烧排放等，可见在冬季静稳天气下，比较容易累积该类型污染物，同时易发生二次化学反应.秋季有机碳数浓度占比最高，夏季有机碳也相对冬春季较高，主要来源于燃煤、 生物质燃烧排放以及工业工艺排放，与周静博等[16]的研究结果相近，表明该监测时段受燃煤影响大于受机动车尾气影响，可能该时段企业生产量大.夏季富钾颗粒和左旋葡聚糖数浓度占比较高，秋季次之，反映的是生物质燃烧源较多[27]，可能是夏季繁忙的农活和秋季秸秆燃烧带来的(截取夏季观测期间部分时段的NASA卫星火点，见图 4，可以看到南宁市周边的越南、 老挝、 贵州及桂北一带的生物质燃烧较多，会带来一定的传输影响)； 夏季矿物质数浓度占比较高，可能是空气流动频繁，易带起扬尘所致.富钠颗粒主要来源于海盐粒子，还有部分来自于扬尘，春夏季富钠颗粒数浓度占比较高主要是受季风气候的影响，来自南向的气流较多，带来海盐粒子； 同时监测到春季重金属中有V+成分，见图 5，多来自于船舶重油[28]、 含钒矿石的开采和五氧化二钒的冶炼过程.南宁市春季东方上风向上有上林县工业区，含钒颗粒物的远程输送也会带来一定影响[29].
|
图 4 2015年夏季观测期间部分时段的NASA卫星火点图 Fig. 4 NASA satellite point figures in part time of the summer observation period in 2015 |
|
图 5 春季细颗粒物化学成分平均质谱图 Fig. 5 Average mass spectrogram of the chemical components of the fine particulate matter in spring |
截选秋季11月2~5日细颗粒物浓度上升过程，见图 1，研究细颗粒物化学成分随浓度变化的情况.11月2日00:00，南宁市细颗粒物浓度为21 μg·m-3，逐渐上升至11月5日00:00的75 μg·m-3，每小时采集到的细颗粒物也从5 422个增加到19 305个. 从图 6中可以看到，各化学成分总体上随总颗粒物数升高而升高.具体从表 3分析，随着细颗粒物变化趋势最明显的是富钾颗粒、 左旋葡聚糖和元素碳，说明污染增加的时候，生物质燃烧和燃煤、 机动车尾气等的污染影响贡献较大.重金属和矿物质在人为污染过程中体现较小.
|
图 6 各化学成分随细颗粒物数变化趋势 Fig. 6 Change of chemical components with fine particulate matter |
|
|
表 3 各化学成分与细颗粒物数的相关系数 Table 3 Relationship between chemical component concentration and number of the fine particulate matter |
2.5 四季细颗粒物污染来源分析
基于上述研究结果，以颗粒物数浓度统计，将南宁市细颗粒物污染来源分为扬尘源、 生物质燃烧源、 工业工艺(非燃烧产生的颗粒)源、 机动车尾气源、 燃煤源和其它等六类，见图 7和表 4.
|
图 7 四季细颗粒物污染来源分布 Fig. 7 Distribution of pollution sources of the fine particulate matter in the four seasons |
|
|
表 4 四季细颗粒物污染来源对比表(数浓度占比)/% Table 4 Pollution sources of the fine particulate matter in the four seasons(accounted for number concentration)/% |
南宁市四季细颗粒物主要的污染来源为燃煤源、 机动车尾气源、 工业工艺源和生物质燃烧源，因仪器监测到的是粒径较小的颗粒物，所以显示出来的扬尘源占比不大.冬季细颗粒物污染来源最多的是燃煤源、 机动车尾气源和工业工艺源，与冬季细颗粒物成分中较高的元素碳对应.本研究与潘海燕[17]研究淮安市冬季霾期间细颗粒物污染来源相似，主要为燃煤、 机动车尾气源和生物质燃烧源.春季细颗粒物污染来源最多的机动车尾气源、 生物质燃烧源和燃煤源，与春季细颗粒物成分中较高的元素碳和有机碳对应.春季较高的生物质燃烧源可 能来自本地及周边繁忙的农业活动所带来的生物质燃烧影响.夏季细颗粒物污染来源最多的是燃煤源、 扬尘源和生物质燃烧源，与夏季细颗粒物成分中较高的元素碳、 有机碳和富钾颗粒对应.扬尘源占比高可能是因为夏季天气高温干燥，道路、 建筑、 施工扬尘等更容易随空气流动而扬起，同时经过一些二次碾压，在细粒径段体现的更为明显.而冬春季气候湿润，细颗粒物可吸湿增长，体现得更多的是粗颗粒物.根据夏季细颗粒物中矿物质的平均质谱图正谱图可以看出(见图 8)，含有较高的Al和Ca元素，一般被认为来自人为污染可忽略不计，主要是自然矿物来源[30]，也说明夏季受风沙土尘的影响较大.细颗粒物秋季细颗粒物污染来源最多的是燃煤源、 机动车尾气源和生物质燃烧源，与秋季细颗粒物成分中较高的有机碳、 元素碳和有机碳混合颗粒及富钾颗粒对应.
|
图 8 四季矿物质平均质谱图正谱图 Fig. 8 Average mass spectrogram of the minerals in the four seasons |
(1) SPAMS所测得四季细颗粒物数浓度变化趋势与大气细颗粒物质量浓度高低变化趋势较为一致，质谱仪的监测数据一定程度上可反映观测时段的大气污染状况.
(2) 南宁市2015年四季细颗粒物平均质谱图相似，均有较明显的碳族元素信号、 Na+、 K+、 Fe+/CaO+，以及CN-、 NO2-、 NO3-和HSO4-等离子信号.冬春两季相比夏秋季的硫酸盐和硝酸盐等离子信息高，说明二次反应生成的物质多.
(3) 利用Art-2a分类方法对细颗粒物的化学成分进行分类，大致确定南宁市四季细颗粒物化学成分主要有元素碳、 有机碳、 元素碳有机碳混合颗粒、 富钾颗粒、 富钠颗粒、 矿物质、 左旋葡聚糖以及重金属等8类.南宁市细颗粒物各化学成分数浓度占比和污染来源在四季均有差异.
(4) 冬季元素碳最高，对应较高的燃煤源和机动车尾气源； 秋季有机碳最高，对应较高的机动车尾气源和生物质燃烧源； 夏季富钾颗粒、 左旋葡聚糖和矿物质较高，对应较高的生物质燃烧源和扬尘源； 春季富钠颗粒和重金属略高，部分来自于海盐粒子.在不同季节可根据污染来源进行重点关注和控制.
(5) 本研究列举秋季细颗粒物一污染升高过程，发现富钾颗粒、 左旋葡聚糖和元素碳随着细颗粒物变化趋势最明显，说明污染增加时，生物质燃烧和燃煤、 机动车尾气等的污染影响贡献较大，而重金属和矿物质在人为污染过程中体现较小.污染天气时大气污染防治可重点关注和控制贡献较大的污染源.
| [1] | 白志鹏, 董海燕, 蔡斌彬, 等. 灰霾与能见度研究进展[J]. 过程工程学报, 2006, 6(S2) : 36–41. Bai Z P, Dong H Y, Cai B B, et al. Dust haze and visibility[J]. The Chinese Journal of Process Engineering, 2006, 6(S2) : 36–41. |
| [2] | 吴兑, 毕雪岩, 邓雪娇, 等. 珠江三角洲大气灰霾导致能见度下降问题研究[J]. 气象学报, 2006, 64(4) : 510–517. Wu D, Bi X Y, Deng X J, et al. Effect of atmospheric haze on the deterioration of visibility over the Pear River Delta[J]. Acta Meteorologica Sinica, 2006, 64(4) : 510–517. |
| [3] | 王玮, 汤大钢, 刘红杰, 等. 中国PM2.5污染状况和污染特征的研究[J]. 环境科学研究, 2000, 13(1) : 1–5. Wang W, Tang D G, Liu H J, et al. Research on current pollution sataus and pollution characteristics of PM2.5 in China[J]. Research of Environmental Sciences, 2000, 13(1) : 1–5. |
| [4] | 郭新彪, 魏红英. 大气PM2.5对健康影响的研究进展[J]. 科学通报, 2013, 58(13) : 1171–1177. Guo X B, Wei H Y. Progress on the health effects of ambient PM2.5 pollution[J]. Chinese Science Bulletin, 2013, 58(13) : 1171–1177. DOI: 10.1360/972013-147 |
| [5] | 谢元博, 陈娟, 李巍. 雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J]. 环境科学, 2014, 35(1) : 1–8. Xie Y B, Chen J, Li W. An assessment of PM2.5 related health risks and impaired values of Beijing residents in a consecutive high-level exposure during heavy haze days[J]. Environmental Science, 2014, 35(1) : 1–8. |
| [6] | 莫招育, 陈志明, 黄炯丽, 等. 南宁地区秋季一次连续灰霾过程的污染特征及成因分析[J]. 桂林理工大学学报, 2015, 35(3) : 540–548. Mo Z Y, Chen Z M, Huang J L, et al. Characteristics and formation mechanism from a serious haze event in autumn of Nanning[J]. Journal of Guilin University of Technology, 2015, 35(3) : 540–548. |
| [7] | 施禅臻, 莫招育, 陈志明, 等. 南宁地区一次典型灰霾过程气溶胶光学特性的地基观测[J]. 复旦学报(自然科学版), 2015, 54(4) : 423–430. Shi C Z, Mo Z Y, Chen Z M, et al. Aerosol optical properties derived from ground-based measurement during a haze pollution episode in Nanning[J]. Journal of Fudan University (Natural Science), 2015, 54(4) : 423–430. |
| [8] | 唐利利, 何莉, 陈家宝, 等. 南宁市一次严重空气污染期间颗粒污染物特征及气象条件分析[J]. 广西科学院学报, 2012, 28(4) : 302–305. Tang L L, He L, Chen J B, et al. Analysis on spatial-temporal characteristics of particulate pollutant and meteorological condition during a serious air pollution in Nanning[J]. Journal of Guangxi Academy of Sciences, 2012, 28(4) : 302–305. |
| [9] | 郑玫, 张延君, 闫才青, 等. 中国PM2.5来源解析方法综述[J]. 北京大学学报(自然科学版), 2014, 50(6) : 1141–1154. Zheng M, Zhang Y J, Yan C Q, et al. Review of PM2.5 source apportionment methods in China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6) : 1141–1154. |
| [10] | 喻义勇, 王苏蓉, 秦玮. 大气细颗粒物在线源解析方法研究进展[J]. 环境监测管理与技术, 2015, 27(3) : 12–17. Yu Y Y, Wang S R, Qin W. Progresses and perspectives of on-line source apportionment of PM2.5[J]. The Administration and Technique of Environmental Monitoring, 2015, 27(3) : 12–17. |
| [11] | 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. DOI: 10.1016/j.ijms.2011.01.017 |
| [12] | 蔡靖, 郑玫, 闫才青, 等. 单颗粒气溶胶飞行时间质谱仪在细颗粒物研究中的应用和进展[J]. 分析化学, 2015, 43(5) : 765–774. Cai J, Zheng M, Yan C Q, et al. Application and progress of single particle aerosol time-of-flight mass spectrometer in fine particulate matter research[J]. Chinese Journal of Analytical Chemistry, 2015, 43(5) : 765–774. DOI: 10.1016/S1872-2040(15)60825-8 |
| [13] | 牟莹莹, 楼晟荣, 陈长虹, 等. 利用SPAMS研究上海秋季气溶胶污染过程中颗粒物的老化与混合状态[J]. 环境科学, 2013, 34(6) : 2071–2080. Mu Y Y, Lou S Y, Chen C H, et al. Aging and mixing state of particulate matter during aerosol pollution episode in autumn shanghai using a single particle aerosol mass spectrometer (SPAMS)[J]. Environmental Science, 2013, 34(6) : 2071–2080. |
| [14] | 何俊杰, 张国华, 王伯光, 等. 鹤山灰霾期间大气单颗粒气溶胶特征的初步研究[J]. 环境科学学报, 2013, 33(8) : 2098–2104. He J J, Zhang G H, Wang B G, et al. Analysis of single particle characteristics during haze events in Heshan[J]. Acta Scientiae Circumstantiae, 2013, 33(8) : 2098–2104. |
| [15] | 李梅, 李磊, 黄正旭, 等. 运用单颗粒气溶胶质谱技术初步研究广州大气矿尘污染[J]. 环境科学研究, 2011, 24(6) : 632–636. Li M, Li L, Huang Z X, et al. Preliminary study of mineral dust particle pollution using a single particle aerosol mass spectrometer (SPAMS) in Guangzhou[J]. Research of Environmental Sciences, 2011, 24(6) : 632–636. |
| [16] | 周静博, 任毅斌, 洪纲, 等. 利用SPAMS研究石家庄市冬季连续灰霾天气的污染特征及成因[J]. 环境科学, 2015, 36(11) : 3972–3980. Zhou J B, Ren Y B, Hong G, et al. Characteristics and formation mechanism of a multi-day haze in the winter of Shijiazhuang using a single particle aerosol mass spectrometer (SPAMS)[J]. Environmental Science, 2015, 36(11) : 3972–3980. |
| [17] | 潘海燕. 利用SPAMS研究淮安市冬季灰霾空气污染[J]. 环境工程, 2015, 33(S) : 450–452, 480. Pan H Y. Research on haze air pollution in winter using SPAMS[J]. Environmental Engineering, 2015, 33(S) : 450–452, 480. |
| [18] | 张志朋, 杜娟, 宋韶华, 等. 夏季桂林市大气PM2.5化学组成和成分分布的质谱研究[J]. 环境监测管理与技术, 2015, 27(6) : 22–26. Zhang Z P, Du J, Song S H, et al. Study on chemical constitution and component distribution of airborne PM2.5 in summer of Guilin by mass spectrometer[J]. The Administration and Technique of Environmental Monitoring, 2015, 27(6) : 22–26. |
| [19] | Budisulistiorini S H, Canagaratna M R, Croteau P L, et al. Real-time continuous characterization of secondary organic aerosol derived from isoprene epoxydiols in downtown Atlanta, Georgia, using the aerodyne aerosol chemical speciation monitor[J]. Environmental Science & Technology, 2013, 47(11) : 5686–5694. |
| [20] | Robinson E S, Saleh R, Donahue N M. Organic aerosol mixing observed by single-particle mass spectrometry[J]. The Journal of Physical Chemistry A, 2013, 117(51) : 13935–13945. DOI: 10.1021/jp405789t |
| [21] | Pratt K A, Prather K A. Mass spectrometry of atmospheric aerosols--recent developments and applications. Part I:Off-line mass spectrometry techniques[J]. Mass Spectrometry Reviews, 2012, 31(1) : 1–16. DOI: 10.1002/mas.v31.1 |
| [22] | Laskin A, Laskin J, Nizkorodov S A. Mass spectrometric approaches for chemical characterisation of atmospheric aerosols:critical review of the most recent advances[J]. Environmental Chemistry, 2012, 9(3) : 163–189. DOI: 10.1071/EN12052 |
| [23] | 刘慧琳, 宋红军, 陈志明, 等. 利用SPAMS研究南宁市冬季单颗粒气溶胶化学成分[J]. 环境科学, 2016, 37(2) : 434–442. Liu H L, Song H J, Chen Z M, et al. Chemical composition of the single particle aerosol in winter in Nanning using SPAMS[J]. Environmental Science, 2016, 37(2) : 434–442. |
| [24] | Li J Y, Xu T T, Lu X H, et al. Online single particle measurement of fireworks pollution during Chinese New Year in Nanning[J]. Journal of Environmental Sciences, 2016. DOI: 10.1016/j.jes.2016.04.021 |
| [25] | 付怀于, 闫才青, 郑玫, 等. 在线单颗粒气溶胶质谱SPAMS对细颗粒物中主要组分提取方法的研究[J]. 环境科学, 2014, 35(11) : 4070–4077. Fu H Y, Yan C Q, Zhang M, et al. Application of on-line single particle aerosol mass spectrometry (SPAMS) for studying major components in fine particulate matter[J]. Environmental Science, 2014, 35(11) : 4070–4077. |
| [26] | 张莉, 李梅, 李磊, 等. 基于单颗粒质谱信息气溶胶分类方法的研究进展[J]. 环境科学与技术, 2013, 36(3) : 190–195. Zhang L, Li M, Li L, et al. Research Progress in aerosol clustering based on single particle's mass spectrum information[J]. Environmental Science & Technology, 2013, 36(3) : 190–195. |
| [27] | Silva P J, Liu D Y, Noble C A, et al. Size and chemical characterization of individual particles resulting from biomass burning of local Southern California species[J]. Environmental Science & Technology, 1999, 33(18) : 3068–3076. |
| [28] | Matsui H, Koike M, Kondo Y, et al. Impact of new particle formation on the concentrations of aerosols and cloud condensation nuclei around Beijing[J]. Journal of Geophysical Research:Atmospheres, 2011, 116(D19) : D19208. DOI: 10.1029/2011JD016025 |
| [29] | Xu T T, Chen H, Lu X H, et al. Single-particle characterizations of ambient aerosols during a wintertime pollution episode in Nanning:local emissions vs. regional transport[J]. Aerosol and Air Quality Research, 2016. DOI: 10.4209/aaqr.2016.01.0026 |
| [30] | 韩力慧, 庄国顺, 程水源, 等. 北京地面扬尘的理化特性及其对大气颗粒物污染的影响[J]. 环境科学, 2009, 30(1) : 1–8. Han L H, Zhuang G S, Cheng S Y, et al. Characteristics of re-suspended road dust and its significant effect on the airborne particulate pollution in Beijing[J]. Environmental Science, 2009, 30(1) : 1–8. |