环境科学  2017, Vol. 38 Issue (9): 3585-3593   PDF    
引用本文
郝建奇, 葛宝珠, 王自发, 张祥志, 汤莉莉, 徐丹卉. 2014年6月南京大气复合污染观测[J]. 环境科学, 2017, 38(9): 3585-3593.
HAO Jian-qi, GE Bao-zhu, WANG Zi-fa, ZHANG Xiang-zhi, TANG Li-li, XU Dan-hui. Observational Study of Air Pollution Complex in Nanjing in June 2014[J]. Environmental Science, 2017, 38(9): 3585-3593.
2014年6月南京大气复合污染观测
郝建奇1,2 , 葛宝珠1 , 王自发1 , 张祥志3 , 汤莉莉3 , 徐丹卉1,2     
1. 中国科学院大气物理研究所, 大气边界层物理和大气化学国家重点实验室, 北京 100029;
2. 中国科学院大学, 北京 100049;
3. 江苏省环境监测中心, 南京 210036
收稿日期: 2017-02-08; 修订日期: 2017-03-27
基金项目: 中国科学院战略性先导科技专项（XDB05030203）；国家自然科学基金项目（41305113，41575123）；国家科技支撑计划项目（2014BAC22B04）
作者简介: 郝建奇(1992-), 男, 硕士研究生, 主要研究方向为大气环境数值模拟, E-mail:kylinhao@mail.iap.ac.cn
通信作者: 葛宝珠，E-mail:gebz@mail.iap.ac.cn
摘要: 二次无机盐是PM2.5的重要组成部分，厘清污染过程中二次无机盐的演变过程和影响因素，是提高对污染过程认识的关键.以2014年6月南京地区两次污染事件为例，研究了污染过程中二次无机盐的演变过程和影响因素.结果表明，两次污染过程均表现出显著的大气复合污染特征；污染初期，臭氧浓度较高，大气氧化性强，气态硝酸具有较高的生成潜势，为细颗粒物中NO3-的快速生成创造前提条件，后期相对湿度（RH）升高对NO3-的生成起决定性作用；当RH大于多组分的共同潮解相对湿度（DRH*）时，NH4NO3潮解平衡时NH3和HNO3的理论分压积显著降低，低于观测得到的分压积，有利于NO3-生成，同时，观测和理论的分压积差异能够很好地表征NO3-的浓度变化特征.
关键词: 大气复合污染      潮解相对湿度      硝酸盐      分压积      气溶胶液态水     
Observational Study of Air Pollution Complex in Nanjing in June 2014
HAO Jian-qi1,2 , GE Bao-zhu1 , WANG Zi-fa1 , ZHANG Xiang-zhi3 , TANG Li-li3 , XU Dan-hui1,2     
1. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Jiangsu Environmental Monitoring Center, Nanjing 210036, China
Abstract: Studying the evolution of secondary inorganic aerosols, which are important components of PM2.5, is crucial to improving our understanding about the air pollution in big cities. This study investigates the evolution and factors of secondary inorganic aerosols based on two pollution incidences in Nanjing in June 2014. A significant characteristic of air pollution complex with the coexistence of higher concentrations of both PM2.5 and ozone is observed. In the earlier stage of the pollution episode, ozone concentrations were high, which could exceed 250, triggering a stronger oxidation in the atmosphere and a higher production potential of nitric acid that leads to the quick production of nitrate. In the later period of the pollution episode, relative humidity played an essential role. An increase in relative humidity would result in a sharp decrease in the theoretical product of the partial pressures of NH3 and HNO3, especially when relative humidity exceeds the mutual deliquesce relative humidity that makes it easier to form nitrate. The difference in the theoretical and observational partial pressure product could characterize the evolution of nitrate perfectly.
Key words: air pollution complex      deliquesce relative humidity      nitrate      partial pressure product      aerosol liquid water content     

随着经济的快速发展, 城市化进程加快, 我国能源消耗居高不下, 机动车保有量持续上升, 我国面临严重的空气污染, 以京津冀、长三角和珠三角地区最为突出.而2013年国务院办公厅发布的《大气污染防治行动计划》(“国十条”)明确要求切实改善空气质量, 到2017年, 长三角地区可吸入的细颗粒物的浓度相对于2012年下降20%以上.为达到国十条要求, 江苏省采取了严格的减排措施, 2014年二氧化硫和氮氧化物的排放总量分别削减3.7万t和10.5万t, 2015年减排强度增加到6.96万t和16.5万t, 但是从减排效果来看, 并不是十分显著, O3甚至出现逐年上升趋势(2014上升8%, 2015上升11%)[1].因此切实掌握污染形成时的特征、厘清污染形成的机制, 并做好预防措施, 才能有效改善空气质量.

然而, 北京和珠三角地区的观测表明, 较高浓度的细颗粒物和臭氧共同存在[2, 3], 污染物之间相互作用[4], 表现出显著的大气复合污染特征.细颗粒物和臭氧虽属于不同类型的污染物, 但两者可在化学生成上通过多种途径相互作用.吸收性细颗粒物可以减少到达地面的紫外辐射, 抑制了大气的光化学作用[5~7], 削弱了臭氧的生成和累积, 进一步减少大气中二次有机物(SOA)的浓度.同时, 溶解在云水中的O3能够促进SO2向硫酸根离子的转化[8].此外, 实验室研究和外场观测均表明, 细颗粒物表面的非均相化学作为细颗粒物和臭氧相互作用的另一种途径, 可以改变大气中臭氧浓度[9]和颗粒物的化学组分[10], 促进大气复合污染的形成[11].水汽的存在通过影响水溶性有机物的气粒分配、气溶胶表面的化学反应、气溶胶的粒径分布以及二次无机盐的浓度[12~14], 增大了研究非均相化学反应机制的难度.

此外, 大气化学研究热点和难点之一便是鉴定和分析PM2.5的化学组分, 对水溶性离子进行分析有助于增加对大气污染形成机制的认识.然而受污染物之间相互作用的影响, 不同的地区污染物比例不同、RH不同, 其水溶性离子的形成也存在显著差异.以硝酸根离子的形成为例, Sun等[15, 16]发现纽约地区夏季NH4NO3主要是HNO3和NH3通过气粒转换而来, 其反应平衡常数Kp能够很好地刻画硝酸根离子的形成; 而Ge等[17]在北京的研究发现, Kp的变化与硝酸根离子的变化存在一定的位相差, 并不能很好地刻画硝酸根离子的生消.究其原因为NH4NO3在相对较高的RH下易于潮解, 以离子形式存在于气溶胶液滴中, Sun等[15, 16]的研究中RH均小于60%, 最低可达20%, 而Ge等[17]的研究中RH最高可达80%, 因此使用单一相解释气态硝酸盐的快速形成是不合理的.本文基于2014年6月南京地区两次污染个例, 对比分析了两次个例中二次无机盐组分的变化差异, 以及RH在二次无机盐形成过程中的作用, 并利用后向轨迹对比分析了两次污染个例的来源差异等.

1 材料与方法 1.1 数据介绍

6项常规污染物PM2.5、PM10、O3、NO2、SO2、CO浓度; 常规气象要素如温度、气压、风向风速和降水等观测结果以及其余污染物的基础数据如NO、NOx、UV、硫酸根离子(SO42-)、硝酸根离子(NO3-)、铵根离子(NH4+)、气态硝酸(HNO3)和氨气(NH3)的浓度均来源于江苏省省中心多参数站[18], 其位置如图 1所示, 其中NOx排放的空间分布为清华大学提供的multi-resolution emission inventory for China (MEIC)排放源.时间段为2014年6月1日00:00至7月3日23:00.其中, PM2.5的质量浓度是使用MET ONE 1020(BAM)在线监测仪观测得到, 其通过测量射线衰减程度来计算颗粒物浓度. PM2.5中SO42-、NO3-、NH4+等水溶性离子的小时浓度是由monitoring instrument for aerosols and gases (Marga 1S)在线检测仪得到. Marga是一台全自动半连续测量的在线检测仪器, 使用旋转式液体气蚀器(wet rotating denuder, WRD)获取逐时的气体浓度数据, 同时, 利用蒸汽喷射气溶胶收集器(steam jet aerosol collector, SJC)获取逐时的气溶胶浓度数据, 能监测大气中部分污染气体及气溶胶水溶性离子成分的浓度.

江苏省省中心多参数站位置(32.06 N, 118. 75E) 图 1 长三角地区NOx排放源的空间分布以示意 Fig. 1 Spatial distribution of NOx emission in Yangtze River Delta

1.2 研究方法 1.2.1 SO2、NO2的氧化能力

在污染过程中, SO2、NO2等在大气中演变形成的二次无机盐, 是PM2.5的重要组成部分, 本文使用式(1)、(2) 表征SO2、NO2向SO42-、NO3-二次无机盐的转化能力, 并进一步分析SO2、NO2氧化能力在不同的污染过程中表现出来的共性和个性差异.

(1)
(2)

式中, SOR和NOR分别表征SO2、NO2的氧化能力. [SO42-]、[NO3-]分别为硫酸盐、硝酸盐的浓度, [SO2]、[NO2]分别为气态SO2、NO2的浓度, 其单位均为μg·m-3.

1.2.2 不同相态下NO3-的生成能力的评估
(3)
(4)
(5)
(6)
(7)
(8)

NO3-的主要产生途径主要为：① 光化学反应+气粒分配：NO2和OH在催化剂的作用下生成气态HNO3[式(3)], 后在不同相态下, HNO3与NH3形成不同相态的硝酸盐[式(7)~(8)]; ② 非均相化学反应：NO2与O3反应生成NO3, 进一步与NO2结合形成N2O5后溶解在颗粒物表面的液滴中, 形成硝酸气, 进一步形成硝酸盐[式(4)~(6)].

为研究NO3-演变的成因, 本文计算了在气粒分配过程中[式(7)~(8)], 硝酸气体转化为硝酸铵的化学平衡常数K, 又K与RH、温度有关, 当RH小于潮解相对湿度DRH(NO3-发生相态转变时对应的RH)时, 其化学平衡常数为Kp[式(7)], 单位为10-18, 其计算公式见式(5);当RH大于DRH时, 其化学平衡常数为Kan [式(8)], 单位为mol2·(kg·atm)-2, 其计算公式见式(6)[9]所示,

(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)

式中, T为温度(K), ξNH3和ξHNO3分别代表NH3和HNO3在大气中所占的分压, 单位为×10-9; γNH4NO3为NH4NO3的活度系数, I为溶质的离子强度, zi为不同离子的化合价, mi为气溶胶液滴中不同离子的质量摩尔浓度, 单位为mol·kg-1, i为NH4+、NO3-等, m为平均质量浓度, ci为不同离子的浓度, 单位为mol·m-3, W为气溶胶水含量, 单位为μg·m-3, mfs为总溶质的摩尔分数, 单位为%, aw为水的活度, 等于RH(0~1), k0~k5为常数, 其大小由硝酸根离子和硫酸根离子浓度的摩尔比n决定, 如表 1所示.

表 1 不同n时对应的k0~k6的值[19] Table 1 Value of k0-k6 in equation (17) for different n values

由式(8) 和式(10) 可知, 潮解平衡时NH3和HNO3的理论分压积主要是由NH4NO3的活度系数以及NH4+和NO3-在液滴中的质量浓度决定, 由于以上均不能直接测量, 由式(13)~(15) 计算得到[20], 其中气溶胶液态水含量W的计算是关键, 考虑到使用ZSR关系[21]计算时需要使用到迭代, 而Chan等[19]利用总溶质的摩尔分数和水的活度系数的关系简化了这一算法, 且结果具有较好的一致性.文中使用后者, 如式(15)~(17) 所示.

此外, 当多种组分共存时, 水的活度显著降低, 更多的气溶胶颗粒暴露在大气中, 多组分的共同潮解相对湿度(DRH*)随之降低[8].根据观测得到的NH4+、Na+、SO42-、NO3-和Cl-等的浓度数据, 利用热力平衡模式ISORROPIA II[22]计算出本研究的个例均属于(NH4)2SO4-NH4NO3-Na2SO4-NH4Cl平衡系统, 在25时其DRH*为46%, 当实际的RH大于46%, 且小于NH4NO3的潮解相对湿度(62%)时, 无论是模式还是观测结果, 均能发现离子态的NH4+和NO3-, 说明在研究单一组分浓度的变化时需要考虑其他组分的影响.

2 结果与讨论 2.1 污染的总体特征

本文以PM2.5浓度高于115 μg·m-3(中度污染, 四级)为标准进行污染个例筛选. 2014年6月, 南京地区一共出现4次细颗粒物污染过程, 每次污染过程前后都出现不同程度的臭氧污染, 表明南京地区的污染具有显著的复合性污染特征.鉴于6月7日和6月20日这两次个例中PM2.5的无机盐组分SO42-、NO3-和NH4+存在观测缺失, 本文不对其进行进一步的讨论.除去以上两次个例, 本研究筛选了两次污染个例, 分别为6月10日08:00至6月17日08:00(CASE1)、6月27日00:00至6月30日18:00(CASE2), 筛选结果如图 2灰色阴影所示.为表征污染期间各污染物浓度的变化相对于清洁时期的变化特征, 探讨污染形成的机制和来源, 进一步选取6月01日16:00至6月03日14：00(CASE0) 这个清洁时间(污染物浓度较低的时段)作为比对.由图 2(a)和2(b)可知, CASE1和CASE2这两次污染个例发生时, 其O3的小时浓度均超过200.0 μg·m-3 (轻度污染, 三级), 最高小时浓度分别可达273.0 μg·m-3和228.0 μg·m-3, 8 h滑动平均浓度最高分别可达248.0 μg·m-3 (中度污染, 四级)和183 μg·m-3 (轻度污染, 三级). 图 2(c)和2(d)显示了SO2和NO2浓度的时间序列和其在大气中的氧化程度(SOR、NOR), 其计算如公式(1)~(2) 所示, CASE1和CASE2对应的SOR和NOR别为0.3、0.2和0.6、0.4.虽然CASE1中SO2和NO2的平均浓度均大于CASE2, 但无论是SO42-、NO3-的浓度还是SO2和NO2的氧化程度, CASE1远低于CASE2.

(a)O3和Oz(O3+NO2), (b)PM2.5及其组分, (c)SO2和SOR, (d) NO2和NOR 图 2 2014年6月不同污染物浓度的变化 Fig. 2 Time series of different pollutants in June 2014

此外, 从二次无机盐(SNA=[SO42-]+[NO3-]+[NH4+])在PM2.5浓度中所占的比例来看(图 3), 相对于清洁时期的SNA在PM2.5中所占的比例41.7%, 两次污染个例中的比例均有不同程度地上升, 以CASE2最为突出, 可达74.4%(SO42-：30.1%、NO3-：26.1%和NH4+：18.2%).这一结果与周瑶瑶等[23]得到的南京北郊雾-霾发生时SO2和NO2利于向SO42-、NO3-转化的结论类似.然而, 对比CASE1和CASE2这两次个例, 其SNA在PM2.5的浓度占比相差较大. CASE2中, SNA所占的比例, 与Ge等[17]、银燕等[24]在南京市区测得的结果相近, 而CASE1仅仅只有47.3%, 显著低于CASE2. SNA中, CASE2的SO42-比CASE1大10.4%, NO3-大10.5%, NH4+大6.3%, 即NO3-和SO42-的差异最为显著.

图 3 3次个例中二次无机盐组分所占比例 Fig. 3 Ratio of secondary inorganic aerosols in different cases

2.2 CASE1和CASE2中气象要素的差异

污染物浓度较高时, 总是伴随较低的风速、温度等, 以及较高的RH[25~27].因此, 为揭示以上现象的形成原因, 首先需要了解其天气形势和气象要素的变化. 图 4显示了两次个例中发生时对应的天气形势, 图 4(a)~4(c)对应CASE1, 图 4(d)~4(f)对应CASE2. CASE1初期, 南京地区主要受副高控制, 主要以晴好天气为主, RH较低, 风速较小; 随后500 hPa河套地区小槽东移, 副热带高压西伸, 850 hPa华北地区浅槽出现, 地面台风中心侧从广东登陆移向东北, 地面形成明显的倒槽, 南京地区出于倒槽的底部, 受台风影响, 水汽含量增多, RH增大, 风速增大[图 4(a)~4(c)], 后期逐渐产生降水, 即CASE1的水汽变化主要是台风的影响所致. CASE2初期, 由于850 hPa南京地区处于槽的底部, 水汽比较充足, 地面受副热带高压西伸北抬的影响, 南京地区位于副热带高压的西北侧, 主要受弱的均压场影响, 风速较小[图 4(d)~4(f)], 随后850 hPa浙江北部切变线的形成, 南京地区处于切变线的北部, 出现降水趋势, 即CASE2受850 hPa槽线和切变线的影响, 水汽含量较高, RH较大.

(a)~(c)为2014年6月15日20:00(北京时)500 hPa、850 hPa和地面的天气形势; (d)~(f)为2014年6月29日20:00(北京时)500 hPa、850 hPa和地面的天气形势 图 4 两次个例污染发生时对应的天气形势 Fig. 4 Meteorological condition in CASE1 and CASE2

图 5显示了降水量、UV辐射、气压、风向风速、RH以及气压变化的时间序列.从中可知, CASE1发生在降水前, UV辐射几近于6月的UV辐射最大值, O3几乎处于本月最高水平[图 2(a)], 平均风速为1.5 m·s-1, 平均风向分别为东东北, 平均相对湿度为49.8%.而CASE2处于两次降水时间之间, UV辐射相对降低, 平均风速为0.5 m·s-1, 平均风向分别为东东北, 平均相对湿度为67.3%.由O3的光化学产生途径可知, 相对CASE2, CASE1发生时的大气具有较高的氧化性, 这与CASE1中的SO2和NO2的氧化程度比CASE2小这一现象相悖, 本文2.3与2.4节将进一步讨论这种相悖现象的产生原因.从风向风速来看, CASE1的污染物输送能力高于CASE2.因此, 两次污染个例发生时气象要素中最大的差异体现RH、UV辐射以及风向风速的变化上.

图 5 2014年6月不同气象要素的变化 Fig. 5 Time variation of meteorological factors

2.3 SNA对RH的敏感性

为进一步研究RH和UV辐射强度在两次污染个例中的作用, 首先统计了RH对二次无机盐变化的影响. 图 6显示了不同RH下SNA总浓度占比、SNA组分浓度占比以及SOR和NOR的变化.从中可知, 随着RH的增大, 二次无机盐在PM2.5中的比例逐渐增大.在二次无机盐随RH的变化而变化的过程中, SO42-在PM2.5中的比例虽有增大趋势, 但幅度较小, NH4+和NO3-在PM2.5中的比例均显著上升, 其中硝酸盐的变化幅度更为显著, RH在80%~90%之间时对应的NO3-浓度占比约为RH在20%~30%之间的6倍, NH4+占比也提升将近2倍左右.这表明相对于SO42-, NH4+和NO3-的生成对RH敏感.此外, 通过比较SO2和NO2的氧化程度[图 6(b)和6(c)], 发现SOR和NOR随RH的变化中, NO2的氧化程度也与RH的大小呈现一个显著的正相关：随着RH的增高, NO2的氧化程度显著上升, 最高可达到50%以上.进一步, 本文计算了不同RH下NO3-和SO42-的浓度变化, 结果表明当RH在70%~80%时对应的NO3-和NH4+浓度相对于RH在20%~30%时分别增加16.1 μg·m-3 (0.26 μmol·m-3)和4.5 μg·m-3 (0.25 μmol·m-3), SO42-变化不显著.

图 6 不同RH下, SNA/PM2.5、NOR、SOR、SO42-/PM2.5、NO3-/PM2.5、NH4+/PM2.5的盒须图 Fig. 6 Variations in SNA/PM2.5, NOR, SOR, SO42-/PM2.5, NO3-/PM2.5, and NH4+/PM2.5 as a function of RH

2.4 复合型污染过程中NH4NO3的形成机制研究

由图 5(d)可知, 整个CASE2期间以及CASE1后期的RH高于NH4NO3的DRH(62%), 因此CASE2以式(8) 反应为主, 而CASE1前期以式(7) 反应为主, 后期以式(8) 反应为主.为进一步明确CASE1、CASE2中NO3-的不同形成途径对NO3-浓度的影响, 本文计算了观测得到的ξNH3×ξHNO3与理论结果的差值[当观测值大于理论值, 反应式(7)、式(8) 向正方向进行], 以及UV×NO2(表征白天气态HNO3的光化学产生速率)[8], 结果如图 7所示, 其中灰色表示理论结果小于观测结果, 红色反之; 正斜线表示RH大于潮解相对湿度, 反斜线反之.从图 5可知, 当RH小于潮解相对湿度时, 观测得到的HNO3和NH3的分压之积均小于理论结果(灰色), 这表明即使白天R1能产生较高浓度的HNO3(g)[图 7(b)], 仍不能使反应式(7) 向正方向进行.反之, 当RH大于潮解相对湿度时, HNO3和NH3的理论分压积(蓝色实线)显著低于相对湿度较低时对应的分压积(绿色实线), 这表明相对湿度升高, 可以引起理论分压积的显著降低, 即使不能观测到很高浓度的HNO3, 也会有一定浓度的NO3-生成[图 7(b), CASE2].

理论值由式(10)所得 图 7 CASE1和CASE2中、NO2UV及NO3-、HNO3浓度的变化趋势 Fig. 7 Time series of, NO2UV, NO3- and HNO3in different cases

对比两次个例发现, CASE1前夕, UV辐射较强[图 5(b)], HNO3具有较高的生成能力, HNO3的浓度白天较高, 能够为后期NH4NO3的形成提供充足的前体物. 6月14日19:00至6月15日09:00, NO3-浓度也存在显著升高趋势, 此时相对湿度较高, 同时对应着ξNH3×ξHNO3的观测值大于理论值[式(8)], 随后RH下降, 低于DRH*, NH4NO3以固体形式析出, 停留在气溶胶表面, 使式(7) 向反方向移动, NO3-浓度呈下降的趋势.在CASE2中, 6月29日19:00至6月30日06:00, NO3-浓度迅速升高, 最大可超过80 μg·m-3, 也对应着ξNH3×ξHNO3的观测值大于理论值.这表明式(8) 在两次个例中对NO3-浓度的升高都有着不可或缺的作用.综上可知, 使用ξNH3×ξHNO3的观测值与不同相态下的理论值进行比对, 可以定性评估NO3-的变化方向.

2.5 CASE1和CASE2污染物来源差异

为探讨2014年6月南京地区CASE1、CASE2两次污染形成过程的成因, 本文使用HYSPLIT模型对南京地区污染时期进行后向轨迹分析.从图 5(c)可知, CASE1的平均风速大于CASE2, 因此其污染物的来源可能存在一定的差异.本文利用HYSPLIT后向轨迹模型对CASE1和CASE2中的污染来源进行分析. 图 8显示了100、380和800 m南京上空CASE1和CASE2两次个例的污染物输送轨迹图.时间分别为2016年6月15日04:00和2016年6月30日04:00(污染物浓度最高的时刻), 时长均为前72 h.两次个例中气团的来向与图 3(c)中得到的风向一致, 说明结果可信.在100 m (红色)和380 m(蓝色)高度处CASE2的气团路径明显近于CASE1的气团路径, 主要集中在南京和上海之间, 结合图 5(c)中CASE2的风速整体较小可知, CASE2主要是由局地累积形成.而CASE1, 前期处于低压的边缘, 风速较小, 随着倒槽的形成, 移向东北, 南京地区的风速开始增大, 地面风速可达3~4m·s-1, 其100 m和380 m上的气团路径相对较长, 说明来自东南方向的气团可能对CASE1中南京地区污染的形成产生一定影响.

图 8 HYSPLIT后向轨迹分析 Fig. 8 Analysis of HYSPLIT backward trajectories

3 结论

(1) CASE1受台风相对位置的影响, 前期相对湿度低, 后期高; CASE2受850 hPa北部槽线和南部切边线的影响, 相对湿度一直处于较高的水平.

(2) 二次无机盐SNA在PM2.5中的占比随RH的增大而增大, 呈现一个近线性关系; 在SNA组分中, NO3-随RH的增大而增大最为显著, 最高可增大6倍.

(3) CASE1和CASE2两次污染个例中, 除PM2.5浓度较高外, O3浓度均处在较高的水平; 受RH的影响, 两次个例中SNA在PM2.5中的占比差异显著, 其中NO3-的差异最为显著.

(4) 当RH大于污染物的共同潮解相对湿度DRH*时, 平衡时显著下降, 利于HNO3(g)和NH3(g)向NO3-的转化; 此外, 不同相态下ξNH3×ξHNO3的观测和理论值的相对关系, 能很好地表征NO3-的浓度变化趋势.

参考文献
[1] 江苏环境保护厅. 环境状况年度公报[EB/OL]. http://www.jshb.gov.cn/jshbw/hbzl/ndhjzkgb/.
[2] Takegawa N, Miyakawa T, Kuwata M, et al. Variability of submicron aerosol observed at a rural site in Beijing in the summer of 2006[J]. Journal of Geophysical Research:Atmospheres, 2009, 114(D2): D00G05.
[3] Zhang Y H, Su H, Zhong L J, et al. Regional ozone pollution and observation-based approach for analyzing ozone-precursor relationship during the PRIDE-PRD2004 campaign[J]. Atmospheric Environment, 2008, 42(25): 6203-6218. DOI:10.1016/j.atmosenv.2008.05.002
[4] Wang G, Zhang R, 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. DOI:10.1073/pnas.1616540113
[5] Tie X X, Brasseur G, Emmons L, et al. Effects of aerosols on tropospheric oxidants:a global model study[J]. Journal of Geophysical Research:Atmospheres, 2001, 106(D19): 22931-22964. DOI:10.1029/2001JD900206
[6] Tie X X, Madronich S, Walters S, et al. Assessment of the global impact of aerosols on tropospheric oxidants[J]. Journal of Geophysical Research:Atmospheres, 2005, 110(D3): D03204.
[7] Li J, Wang Z, Wang X, et al. Impacts of aerosols on summertime tropospheric photolysis frequencies and photochemistry over central Eastern China[J]. Atmospheric Environment, 2011, 45(10): 1817-1829. DOI:10.1016/j.atmosenv.2011.01.016
[8] Seinfeld J H, Pandis S N. Atmospheric chemistry and physics:from air pollution to climate change[M]. New York:Wiley, 2006. 306-483.
[9] Jacob D J. Heterogeneous chemistry and tropospheric ozone[J]. Atmospheric Environment, 2000, 34: 2131-2159. DOI:10.1016/S1352-2310(99)00462-8
[10] Deng J J, Wang T J, Liu L, et al. Modeling heterogeneous chemical processes on aerosol surface[J]. Particuology, 2010, 8(4): 308-318. DOI:10.1016/j.partic.2009.12.003
[11] 朱彤, 尚静, 赵德峰. 大气复合污染及灰霾形成中非均相化学过程的作用[J]. 中国科学:化学, 2011, 54(12): 145-153.
Zhu T, Shang J, Zhao D F. The roles of heterogeneous chemical processes in the formation of an air pollution complex and gray haze[J]. Science China Chemistry, 2011, 54(1): 145-153.
[12] Ge X L, Zhang Q, Sun Y L, et al. Effect of aqueous-phase processing on aerosol chemistry and size distributions in Fresno, California, during wintertime[J]. Environmental Chemistry, 2012, 9(3): 221-235. DOI:10.1071/EN11168
[13] Zhang X L, Liu J M, Parker E T, et al. On the gas-particle partitioning of soluble organic aerosol in two urban atmospheres with contrasting emissions:1. Bulk water-soluble organic carbon[J]. Journal of Geophysical Research:Atmospheres, 2011, 117(D21): D00V16.
[14] Sun Y L, Wang Z F, Fu P Q, et al. The impact of relative humidity on aerosol composition and evolution processes during wintertime in Beijing, China[J]. Atmospheric Environment, 2013, 77: 927-934. DOI:10.1016/j.atmosenv.2013.06.019
[15] Sun Y L, Zhang Q, Schwab J J, et al. A case study of aerosol processing and evolution in summer in New York City[J]. Atmospheric Chemistry and Physics, 2011, 11(24): 25751-25784.
[16] Sun Y L, Zhang Q, Schwab J J, et al. Characterization of the sources and processes of organic and inorganic aerosols in New York city with a high-resolution time-of-flight aerosol mass apectrometer[J]. Atmospheric Chemistry and Physics, 2011, 11(4): 1581-1602. DOI:10.5194/acp-11-1581-2011
[17] Ge B Z, Sun Y L, Liu Y, et al. Nitrogen dioxide measurement by cavity attenuated phase shift spectroscopy (CAPS) and implications in ozone production efficiency and nitrate formation in Beijing, China[J]. Journal of Geophysical Research:Atmospheres, 2013, 118(16): 9499-9509. DOI:10.1002/jgrd.50757
[18] 葛顺, 汤莉莉, 秦玮, 等. 南京地区秋季灰霾天气特征及其水溶性离子分析[J]. 环境科学与技术, 2015, 38(2): 99-104.
Ge S, Tang L L, Qin W, et al. Characteristics analysis of haze and water-soluble ion in Nanjing in autumn[J]. Environmental Science & Technology, 2015, 38(2): 99-104.
[19] Chan C K, Flagan R C, Seinfeld J H. Water activities of NH4NO3/(NH4)2SO4 solutions[J]. Atmospheric Environment. Part A. General Topics, 1992, 26(9): 1661-1673. DOI:10.1016/0960-1686(92)90065-S
[20] Hamer W J, Wu Y C. Osmotic coefficients and mean activity coefficients of uni-univalent Electrolytes in Water at 25℃[J]. Journal of Physical and Chemical Reference Data, 1972, 1(4): 1047-1100. DOI:10.1063/1.3253108
[21] Stokes R H, Robinson R A. Interactions in aqueous nonelectrolyte solutions. I. Solute-solvent equilibria[J]. The Journal of Physical Chemistry, 1966, 70(7): 2126-2131. DOI:10.1021/j100879a010
[22] Fountoukis C, Nenes A. ISORROPIA Ⅱ:a computationally efficient thermodynamic equilibrium model for K+-Ca2+-Mg2+-NH4+-Na+-SO42--NO3--Cl--H2O aerosols[J]. Atmospheric Chemistry and Physics, 2007, 7(17): 4639-4659. DOI:10.5194/acp-7-4639-2007
[23] 周瑶瑶, 马嫣, 郑军, 等. 南京北郊冬季霾天PM2.5水溶性离子的污染特征与消光作用研究[J]. 环境科学, 2015, 36(6): 1926-1934.
Zhou Y Y, Ma Y, Zheng J, et al. Pollution characteristics and light extinction effects of water-soluble ions in PM2.5 during winter hazy days at north suburban Nanjing[J]. Environmental Science, 2015, 36(6): 1926-1934.
[24] 银燕, 童尧青, 魏玉香, 等. 南京市大气细颗粒物化学成分分析[J]. 大气科学学报, 2009, 32(6): 723-733.
Yin Y, Tong Y Q, Wei Y X, et al. The analysis of chemistry composition of fine-mode particles in Nanjing[J]. Transactions of Atmospheric Sciences, 2009, 32(6): 723-733.
[25] Elminir H K. Dependence of urban air pollutants on meteorology[J]. Science of the Total Environment, 2005, 350(1-3): 225-237. DOI:10.1016/j.scitotenv.2005.01.043
[26] Pearce J L, Beringer J, Nicholls N, et al. Quantifying the influence of local meteorology on air quality using generalized additive models[J]. Atmospheric Environment, 2011, 45(6): 1328-1336. DOI:10.1016/j.atmosenv.2010.11.051
[27] 高怡, 张美根. 2013年1月华北地区重雾霾过程及其成因的模拟分析[J]. 气候与环境研究, 2014, 19(2): 140-152.
Gao Y, Zhang M G. Numerical simulation of a heavy fog-haze episode over the North China plain in January 2013[J]. Climatic and Environmental Research, 2014, 19(2): 140-152. DOI:10.3878/j.issn.1006-9585.2014.13135