2017, Vol. 38
2. 嘉兴市环境保护监测站, 嘉兴 314000;
3. 浙江省环境监测中心, 杭州 310000
2. Jiaxing Environmental Monitoring Station, Jiaxing 314000, China;
3. Zhejiang Environmental Monitoring Center, Hangzhou 310000, China
气溶胶作为大气中重要的组成成分, 可以通过影响大气辐射收支进而改变全球气候, 在城市区域环境中降低能见度形成霾污染, 还能携带有毒有害物质进而危害人体健康[1~4].长三角作为中国乃至世界经济发展最快的地区之一, 快速的城市化、工业化和人口迁入, 对该地区的能源、资源和土地使用类型已产生巨大影响, 气溶胶已经成为该地区主要的污染物.有研究表明, 近30年来长三角地区霾日数呈增长趋势, 能见度每十年降低2.4 km, 远高于全国平均水平[2.1 km·(10 a)-1], 霾日大值区主要分布在以南京、杭州、合肥、衢州为中心的周边城市[5~8]. Cheng等[2]研究发现PM2.5是长三角地区霾污染增加的关键因素. Wang等[3]对长三角地区2013年1月持续区域性霾污染的研究发现, 霾日PM2.5平均浓度为128.6 μg·m-3, 是干净天的2.0倍.
气溶胶的粒径分布、化学成分、形成机制和时空变化等决定了气溶胶自身的性质和环境效应. Kang等[9]发现在霾过程中0.6~1.4μm气溶胶粒子浓度的增加是造成能见度下降的主要原因. Ding等[10]发现大气中黑碳的“穹顶效应(dome effect)”是加剧超大城市空气污染污染的重要因素, 即黑碳可因其对可见光的强吸收作用冷却地表并加热1~2km高度的大气, 导致大气边界层(混合层)的发展受到抑制, 使得城市污染排放被限制在更低高度, 从而显著加剧城市污染. Park等[11]发现在亚洲沙尘期间SO42-、NH4+和K+主要分布在细粒子中, 而Cl-, NO3-、Na+、Mg2+和Ca2+则主要集中在粗粒子中, 并且在沙尘暴期间粗粒子中SO42-的浓度也有显著增加. Ng等[12]发现在光化学老化过程中含氧有机物(OOA)成分中的CO2+显著增加, 这表明在OOA老化过程中气溶胶酸性发生了较大的变化.谭吉华等[13]研究发现大气颗粒物、OC和EC在积聚模态的大幅度增长是广州形成霾污染的重要原因.刘景云等[14]发现在霾天SO42-、NO3-和NH4+的粒径分布发生了较大的改变, 由干净天的双峰型分布变为单峰型分布, 且峰值向大粒径段偏移.牟莹莹等[15]研究发现来自海洋的暖湿气流除了形成降水对气溶胶形成冲刷作用, 使得二次气溶胶粒子和OCEC气溶胶粒子数明显降低以外, 也将有机胺带入内陆, 在清洁天气溶胶粒子中形成Amine粒子.
在污染源基本稳定的条件下, 气象要素便成为影响气溶胶的理化特性的主要因素.张仁健等[16]发现气溶胶粒子数浓度日变化与相对湿度密切相关, RH＜75%时, 小粒子数浓度随RH的增大呈上升趋势.王开燕等[17]发现北京粗、细粒子的数浓度日变化受气象要素的影响程度不同, 相对于粗粒子, 细粒子数浓度更易受气象要素日变化的影响.李瑞芃等[18]发现沙尘发生时青岛市＞1.0 μm的粗颗粒物数浓度较沙尘发生前升高了1~10倍, 降雨则使＞1.0 μm粗粒子数浓度降低＞50%.苏捷等[19]发现重污染过程中, 积聚模态气溶胶对PM2.5质量浓度起到决定作用; 小风和静风状态下, 降水对积聚模态的气溶胶没有明显的清除作用; 沙尘过程中, 粗模态粒子浓度显著增加, 而积聚模态气溶胶却被明显清除. Zhang等[20]探讨了天气型对近地层O3时空变化特征的影响, 对比了不同天气环流模式下O3时空变化情况. Nilsson等[21]发现在晴天时, 边界层演化过程中快速增长的混合层、对流和强劲的夹卷过程对气溶胶的垂直分布影响较大. Chuang等[22]发现台北盆地的气溶胶由于受到特殊天气形式和复杂地形的阻挡作用很难向外输送. Zhang等[23]发现在冬季和夏季, 东亚季风的加强或减弱往往与华北平原代表环流模式的变化有关, 进而可以改善/恶化这一地区的空气质量.
新粒子生成事件是大气中过饱和蒸气(如硫酸蒸气)成核形成分子簇(最初生成的气溶胶), 并通过凝结与碰并等增长到可观测的气溶胶的现象, 目前研究中报道的新粒子生成事件气溶胶的粒径主要是3~25 nm[24~29].气溶胶新粒子的形成及其随后的增长过程是人们了解气溶胶如何在大气中的生消、传输和转化过程的关键[27]. Nie等[24]通过对衡山一次沙尘重污染过程中的新粒子生成事件分析表明, 新粒子生成事件对气溶胶的化学组分以及大气化学过程可产生显著影响.此外, 新粒子还可通过后续增长至云凝结核大小继而通过成云和降水作用对气候产生影响[27, 30, 31]. Dowd[32]研究发现海岸地区的新粒子生成事件可以使当地云凝结核的可用率提高3倍.
目前, 长三角地区针对不同天气条件下气溶胶粒径分布和化学组分的在线研究还相对较少, 并且这些研究多集中在上海、南京和杭州等大城市[33~35].嘉兴作为长三角重要城市, 临近杭州湾, 距离太湖38 km, 距离杭州湾32 km, 是典型的沿海城市.与上海、杭州、宁波、绍兴、苏州等城市相距均不到百公里, 工业排放和汽车尾气排放等人为污染较少.嘉兴5月份为冬夏季风交替时节, 天气形势多变.东亚夏季风带来富含水汽的海洋气团与来自北方内陆的冬季冷气团交汇, 容易产生降水.此外, 由于春季嘉兴气团多变, 因此还经常受到周边大城市污染物传输的影响.为探究不同天气条件下大气污染物和气溶胶化学组分的变化特征, 本研究分别使用SHARP-5030监测仪、热电EMS系统、气溶胶化学成分在线监测仪(ACSM)和宽范围颗粒粒径谱仪(WPS)对嘉兴市2015年5月1~31日PM、污染气体、PM1.0中化学组分和10 nm~10 μm气溶胶数浓度进行了观测分析.观测期间共出现8次降水过程和15次新粒子生成事件(其中3次过程发生在降雨天), 讨论了不同天气过程中大气污染物的日变化特征、化学组分和气溶胶粒径分布的污染特征, 此外还讨论了不同化学成分在新粒子生成事件中的作用.本研究可以为人们深入了解不同天气条件下气溶胶污染特征提供理论依据和数据基础.
1 材料与方法污染气体的观测采用美国热电环境设备公司的EMS系统(包括42i化学发光NO-NO2-NOx分析仪、49i紫外发光O3分析仪、43i脉冲荧光SO2分析仪和48i气体滤光相关法CO分析仪).颗粒物采用美国热电公司生产的5030型SHARP监测仪.仪器原理介绍参见文献[36].监测仪器定期进行标定校准, 其中NO-NO2-NOx分析仪、SO2分析仪和CO分析仪每周进行一次校零和校标, 每季度进行一次多点校准, O3分析仪每半年校标一次.颗粒物监测仪定期更换纸带, 清洗外置采样头.数据审核时剔除异常点, 所有数据均符合国家环境保护局的数据质量控制标准.
PM1.0中的化学组分观测仪器使用美国Aerodyne公司生成的气溶胶化学成分在线监测仪(ACSM), 测量有机物(OA)、硫酸盐(SO42-)、硝酸盐(NO3-)、铵盐(NH4+)和氯化物(Chl)的质量浓度. ACSM室外采样管的前端装有一个PM1.0旋风切割头用以去除大气中的粗颗粒物, 被去除粗粒子后的大气细颗粒物被一个3 L·min-1的采样泵吸入.并通过内径约为1.27 cm的铜管进入仪器采样口前的一个Nafion干燥管(Perma-Pure, 长为100 cm).经干燥后(相对湿度稳定在30%左右), 大气颗粒物约以84 cm3·min-1的流量进入到ACSM, 采样时间分辨率为30 min.其中OA、NO3-、SO42-、NH4+和氯化物(Chl) 30 min的检测限分别为0.54、0.06、0.07、0.25和0.03 μg·m-3, 仪器详细原理介绍参见文献[37~39].
气溶胶数浓度观测仪器使用美国MSP公司生产的宽范围颗粒粒径谱仪(WPS), 测量直径在10 nm~10 μm之间的气溶胶粒子数浓度.仪器原理介绍参见文献[40].由于WPS适应的环境湿度为0%~90%非冷凝, 根据观测的实施情况, 经数据处理后剔除了部分无效数据.
EMS监测仪、5030型SHARP监测仪和ACSM放置在嘉兴市环境监测站超级站(北纬30°82′, 东经120°88′), 采样位置距地6 m. WPS放置在嘉兴市南湖区残疾人联合会楼顶的监测站点(北纬30°45′, 东经120°47′), 采样位置距地15 m.两观测点相距约13 km, 采样点附近均以居民区和公园为主, 周边没有明显的工业污染源, 视野较为开阔.观测时间为2015年5月1~31日.
2 结果与讨论 2.1 总体概述2015年5月中国地区上空北支锋区平直, 冷空气活动偏弱.副热带高压较常年同期面积偏大, 强度偏强.由香港天文台(http://www.hko.gov.hk)公布的地面天气图可知5月长三角地区主要受到大陆冷高压或副热带高压外围的控制, 等压线比较稀疏.此外, 在观测期间长三角地区多次受到高原南部短波槽活动的影响, 东移的短波槽和低层切变系统遇到副高外围西南暖湿气流便会形成较强的降水过程, 在观测期间嘉兴市一共出现了8次较强的降水过程.由图 1(a)可发现观测期间嘉兴以偏东风为主, 风速平均为2.8 m·s-1.当为偏西风或偏北风时, 风速较大, 如5月10日10:00风速可达6.9 m·s-1.由图 1(b)可发现嘉兴日夜温差较大, 如5月13日白天最高温度可达30.5℃, 夜间最低温度仅为13.8℃.但是观测期间RH较高, 平均为75.7%, 主要是因为观测点靠近太湖和杭州湾, 因此水汽充足.
|
图 1 观测期间气象要素、气体、PM和化学成分的时间序列 Fig. 1 Time series of meteorological elements, trace gases, PM and aerosol components during observation period |
由图 1可发现观测期间污染物浓度除个别观测日变化较大外, 浓度分布相对稳定.由表 1可知观测期间PM浓度较低, PM2.5和PM1.0的平均浓度分别为52.8 μg·m-3和37.2 μg·m-3.气体的浓度较高, SO2、NO2、O3和CO的平均浓度分别为10.3 μg·m-3、38.1 μg·m-3、92.1 μg·m-3和1.2 mg·m-3. PM1.0中气溶胶化学成分以OA为主, 平均浓度为2.18 μg·m-3, 其次是SO42-、NO3-和NH4+, 平均浓度分别为1.24、0.87和0.63 μg·m-3. Cl-的浓度较低, 基本可以忽略, 平均浓度仅为0.08μg·m-3.数浓度主要集中在爱根核模态(20~100 nm), 平均浓度为12 411.2 cm-3, 其次是核模态(10~20 nm), 平均浓度为4 946.6 cm-3.观测期间观测到15次新粒子生成事件[41], 占总观测日的48%, 因此爱根核模态粒子和核模态粒子数浓度较高.
|
表 1 观测期间PM、污染气体、化学成分和不同模态气溶胶数浓度分布 Table 1 Summary of trace gases, PM, aerosol components, and number concentrations in different aerosol modes during observation period |
由图 1可发现降雨对污染物浓度的影响较大.当降雨强度较大时, 可以有效地清除污染物.例如5月8日17:00~19:00的强降雨过后, SO2、NO2、PM2.5、PM1.0、OA、NO3-、SO42-和NH4+分别比降雨前下降了40%、50%、41%、36%、51%、18%、48%和34%, 但是CO、O3和Cl-在降雨前后并没有明显变化.当降雨强度较弱时, 对污染物的清除作用较弱, 甚至会使得污染物浓度升高.例如5月11日的弱降水过程, 虽然降水持续时间较长, 但是降水后SO2、NO2、CO、OA、SO42-和NH4+分别是降水前的2.3、1.4、1.2、1.3、1.7和1.3倍.降水强度较弱时一方面对大气污染物的湿清除作用较弱.另一方面出现弱降水时天气形势比较稳定, 不利于污染物的扩散.此外, 由图 1还可发现弱降水时主要为偏北风, 周边地区的污染物还可能会输送到本地.
|
图 2 不同天气条件下气象要素和PM日变化 Fig. 2 Diurnal variations in meteorological factors and PM under different weather conditions |
由图 1还可发现除降雨外, 风速风向对污染物的影响也较大.偏东风下CO、NO2和OA的浓度较高, 主要因为观测点位于上海西部, 偏东风时会将上海的污染物携带至观测点.此外由图 1还可发现在大风结束后污染物浓度会有突然增加的现象, 比如5月4日、5月11日和5月20日.由图 1(a)可知大风时多为偏北风, 有利于污染物的扩散.但是当风速减弱后风向则转变为偏南风或偏东风, 一方面将周边城市污染物携带到观测点, 另一方面小风有利于污染物积累, 因此造成污染物浓度急剧增加.
由图 1可知在观测期间共出现8次降雨过程.此外在观测期间还出现15次新粒子生成事件, 新粒子生成事件对气溶胶数谱分布的影响较大[41].因此笔者将观测期间分为降雨天、晴天和新粒子天这3类天气条件, 来探讨不同天气条件下大气污染物、气溶胶数谱及化学组分的污染特征的变化.
2.2 不同天气条件下PM和气体污染物的变化特征由图 2(a)可知在不同天气条件下RH的日变化差异较大, 雨天相对湿度最大, 平均为94.4%.新粒子天RH最低, 平均为62.9%, 且日变化最剧烈, 凌晨最高可达82.1%, 中午最低仅为41.3%.由图 2(b)可知新粒子天风速存在显著的日变化特征, 白天较高, 最大可达4.1 m·s-1, 夜间风速较低.雨天风速变化较大, 一般降雨量较大时风速较小, 降雨量较小时风速较大.主要是因为嘉兴春季降雨过程多是由于内陆冷气团与携带大量水汽的偏南气流交汇形成, 因此在降雨初期降雨量较小时风速较大.
由图 2(c)和图 2(d)可发现PM2.5和PM1.0的变化基本一致, PM2.5在雨天、晴天和新粒子天的浓度分别为49.8、56.0和47.7 μg·m-3, PM1.0在雨天、晴天和新粒子天的浓度分别为32.0、38.2和32.9 μg·m-3. PM1.0占PM2.5的比例在雨天、晴天和新粒子天分别为64.1%、68.2%和69.0%, 说明春季嘉兴市颗粒物更集中在细粒子段.
由图 2可知，在新粒子天PM2.5和PM1.0的日变化为典型的双峰型分布, 峰值分别位于07:00和20:00, 主要是由于上下班高峰期人为排放和边界层日变化造成.由图 2(b)可知新粒子天白天风速较大, 因此在白天PM的浓度较低.在晴天PM2.5和PM1.0在白天的浓度较高, 在夜间浓度较低.由图 2可发现晴天时风速较低, 且在白天RH也较高, 因此周边城市输送过来的细粒子容易累积.反观雨天PM2.5和PM1.0的变化非常剧烈, 除受到人为源排放的影响外, 还受到降雨强度的影响.
图 3给出了不同天气条件下污染气体的日变化特征.由图 3(b)可发现新粒子天SO2、NO2和CO的浓度日变化为显著的双峰型分布, 峰值分别出现在06:00~08:00和19:00~21:00, 与上下班高峰时间一致.白天浓度较低, 由图 2(b)可知新粒子天白天风速较大, 有利于污染物扩散.由图 3(d)可发现新粒子天O3在白天的浓度较高, 平均浓度为104.7 μg·m-3, 是晴天和雨天的1.1和2.0倍, 说明生成O3的光化学反应可能在新粒子生成过程中扮演了非常重要的作用.
|
图 3 不同天气条件下污染气体日变化 Fig. 3 Diurnal variations in trace gases under different weather conditions |
由图 3可发现在晴天SO2和CO存在明显的单峰型日变化特征, 一般在08:00~10:00达到峰值, 之后浓度开始下降.晴天NO2的浓度日变化较平缓, 平均浓度为32.9 μg·m-3.晴天时O3日变化与新粒子天基本类似, 为单峰型分布, 峰值出现在14:00左右.雨天气体浓度日变化较为剧烈, 降水强度较强时由于湿清除作用较强, 气体浓度较低; 降水强度较弱时, 湿清除作用较弱, 天气形势比较稳定, 因此气体浓度较高.
2.3 不同天气条件下气溶胶化学组分变化特征在雨天和晴天PM1.0中化学组分浓度从大到小顺序均为OA>SO42->NO3->NH4+>Cl-, 在雨天中的浓度分别为1.18、0.85、0.61、0.45和0.08 μg·m-3, 在晴天的浓度分别为1.72、1.12、0.79、0.58和0.07 μg·m-3.降雨过程对不同化学组分的影响不同.雨天OA仅为晴天的69%, SO42-、NO3-和NH4+为晴天的77%左右, 说明降雨对OA的影响更大, 对SNA的影响基本一致. Cl-的浓度在雨天比晴天时降低了0.01 μg·m-3, 说明降水过程对Cl-的浓度影响相对较小.在新粒子天PM1.0中化学组分浓度的顺序为OA>NO3-＞SO42-＞NH4+＞Cl-, 它们的平均浓度分别为2.77、1.12、1.07、0.75和0.11 μg·m-3.新粒子天OA、NO3-分别是晴天的1.61和1.42倍,
这说明OA和NO3-是影响新粒子生成事件的主要物质. SO42-是晴天时的0.96倍, 说明SO42-对新粒子生成事件的影响较小. Kulmala等[26]研究也表明H2SO4可能在新粒子生成过程中作用较大, 而在后续增长过程中则主要是OA的影响.
由图 4可发现在不同天气条件下PM1.0中OA的比例最高, 在新粒子天、晴天和雨天占PM1.0中的化学成分的比例分别为47.25%、40.74%和39.13%.这与张德江等人在南京的观测结果类似[39].新粒子天OA所占的比例要远大于晴天和雨天, 这说明有机气溶胶在新粒子生成事件中的作用较大.在晴天和雨天SO42-所占的比例分别为26.30%和25.75%, NO3-所占的比例分别为18.07%和18.91%.但是在新粒子天NO3-所占的比例为20.77%, 要大于SO42-所占的比例.这说明在新粒子生成事件过程中NO3-的形成过程更为重要.
|
图 4 不同天气条件下气溶胶化学成分组成比例 Fig. 4 Percentage of aerosol components under different weather conditions |
由图 5可发现新粒子天OA日变化为三峰型分布, 除了早晚上下班高峰期外在白天也存在峰值.由图 5(a)可发现新粒子生成事件过程中OA在17:00~22:00的峰值要明显大于04:00~08:00的峰值, 除了晚高峰人为排放外, 可能还和晚饭时烹饪排放有关.研究表明, 烹饪会释放出大量的OA[38, 39]. 09:00开始OA浓度开始升高, 12:00~14:00达到白天的峰值, 该时间段恰好为新粒子生成事件发生阶段, 这表明OA在新粒子的后续增长过程中起到比较重要的作用.在晴天时OA从04:00开始浓度开始增加, 但是整个白天浓度变化相对比较平稳. 18:00~21:00存在比较明显的峰值, 主要是受到下班晚高峰及本地餐饮源排放的有机气溶胶的影响.此结果与南京和北京的观测类似[38].此外, 夜间边界层高度降低, 近地面逆温层的形成, 使得大气扩散条件变差, 也有利于污染物的积聚.雨天OA的高浓度主要出现在降水量较小且源排放较强时刻, 例如04:00~06:00降雨量多为0.1 mm, 此时OA存在高值. 07:00降雨量开始增多, 且此时风速开始增大, OA浓度开始显著降低. 09:00降雨量较大为0.8 mm, 风速为2.4m·s-1, 但是风向为西南风, 可能将嘉兴、杭州等地的污染物输送到观测点.降雨过程对OA的清除作用较小, 风速风向及排放源的影响较大.
|
图 5 不同天气条件下化学组分日变化 Fig. 5 Diurnal variations in aerosol components under different weather conditions |
晴天和新粒子天NO3-和NH4+日变化与OA基本类似.由图 5(c)可发现新粒子天SO42-在白天浓度较高, 06:00~09:00出现一小峰值, 主要是因为日出后光化学反应开始加强, 且此时RH较高, 大气中的SO2容易在气溶胶表面发生液相或气相的非均相反应生成SO42-. 09:00左右多为新粒子生成事件发生时刻, 此时SO42-达到峰值.此后浓度开始降低, 10:00达到低值, 这也说明H2SO4可能在新粒子形成阶段的作用较大, 而对新粒子增长过程的影响较小.此后由于太阳辐射加强, 光化学反应过程加剧, 浓度开始增加, 15:00达到最大值, 此后随着太阳辐射减弱, 浓度开始下降.晴天时SO42-的日变化特征比较简单, 04:00之后浓度开始增加, 15:00之后浓度开始降低, 基本与光化学反应的日变化对应.雨天SO42-、NO3-、NH4+和Cl-的日变化基本类似, 在04:00和12:00出现峰值, 由图 2(a)可知10:00之前降雨量较小, 因此对污染物的清除作用较小. 12:00降雨量达到最大, 清除作用增强, 因此污染物在12:00达到最大值, 此后浓度迅速降低.此后降雨强度均较强, 因此污染物浓度维持在较低的水平.
2.4 不同天气条件下气溶胶数浓度变化特征图 6给出了不同天气条件下核模态(10~20 nm)、爱根核模态(20~100 nm)、积聚模态(100~1 000 nm)和粗模态(1 000 nm~10.0 μm)数浓度的日变化.由图 6(a)可发现晴天和雨天核模态粒子数浓度日变化特征基本一致, 在白天较高, 夜间较低.此外雨天核模态数浓度要低于晴天, 一方面是由于降雨的清除作用, 另一方面降雨天光化学反应较弱, 生成的核模态粒子较少.新粒子天核模态日变化明显, 在07:00后随着太阳辐射的加强急剧升高, 在几个小时内浓度可增加5~6倍.午后随着新粒子生成事件的结束, 浓度开始迅速降低.此外由图 6(a)还可发现在新粒子天和晴天19:00~21:00核模态也出现峰值, 浓度变化剧烈, 峰值持续时间较短, 这主要是由于晚高峰汽车尾气的直接排放造成.
|
图 6 不同天气条件下不同模态气溶胶数浓度日变化 Fig. 6 Diurnal variations in number concentrations in different aerosol modes under different weather conditions |
由图 6(b)可发现新粒子天爱根核模态粒子日变化特征与核模态类似, 但是其浓度变化要比核模态粒子滞后1 h左右, 爱根核模态粒子主要来自核模态粒子的增长.在晴天爱根核模态粒子白天的浓度变化比较平缓, 14:00浓度开始增加, 18:00达到峰值.由图 2可知该时间段风速较低, RH开始升高, 不利于污染物的扩散.此外, 由图 6可发现在新粒子天和雨天17:00~21:00爱根核模态粒子也出现了峰值, 该时间段为下班晚高峰, 研究表明汽车尾气直接排放的粒子主要集中在10~50 nm[42, 43], 因此该时间段爱根核模态主要来自汽车尾气排放.雨天爱跟核模态日变化比较杂乱, 11:00~13:00出现一个峰值, 由图 2(a)可知该时间段降雨量较高, 但是由图 2(b)可发现此时风速较低.康汉青等[44]研究表明降雨对爱根核模态粒子的清除作用较小, 该峰值可能主要由于汽车尾气排放造成.由图 3(b)可发现雨天该时间段内NO2的浓度较高, 这也证明该时间段主要受汽车尾气的影响.
由图 6(c)可发现新粒子天积聚模态呈显著的双峰型分布, 峰值分别位于05:00~08:00和17:00~21:00.一方面是由于边界层日变化影响, 早晚太阳辐射较弱, 边界层存在逆温层, 不利于污染物扩散.另一方面是由于人为活动的影响, 如上下班高峰的汽车尾气、烹饪过程等活动.在晴天积聚模态粒子日变化特征与新粒子天类似, 但是峰值浓度较低.由图 2(b)可发现晴天05:00~08:00风速较高, 有利于污染物扩散.而在新生成的气溶胶粒子经过十几个小时的增长过程可以长大至积聚模态, 进而使得积聚模态粒子下午的峰值要比晴天高.雨天积聚模态粒子日变化与爱根核模态粒子日变化类似.
由图 6(d)可发现晴天和新粒子天粗模态粒子日变化特征基本一致, 04:00~11:00出现峰值, 主要是由边界层日变化和人为活动造成.雨天粗模态粒子日变化比较剧烈, 与降雨量成反比.此外由图 6可发现粗模态粒子的数浓度非常低, 基本可以忽略不计, 因此本文不做详细分析.
3 结论(1) 观测期间嘉兴市PM2.5、PM1.0、SO2、NO2、O3和CO的平均浓度分别为52.8和37.2、10.3、38.1、92.1 μg·m-3和1.2 mg·m-3. PM1.0中OA、SO42-、NO3-和NH4+和Cl-的平均浓度为2.18、1.24、0.87、0.63和0.08 μg·m-3.数浓度主要集中在爱根核模态, 浓度为12 411.2 cm-3, 其次是核模态, 浓度为4 946.6 cm-3.
(2) 观测期间共出现了8次降水过程、8次晴天和15次新粒子生成事件.不同天气过程中PM和污染气体的浓度分布和日变化特征不同.新粒子天PM2.5、PM1.0、SO2、NO2和CO的日变化为双峰型分布, 峰值分别位于06:00~08:00和19:00~21:00.新粒子天O3在白天的浓度较高, 平均浓度为104.7 μg·m-3, 是晴天和雨天的1.1和2.0倍, 说明光化学反应是新粒子的重要生成过程.晴天PM2.5和PM1.0在白天的浓度较高, 在夜间浓度较低. SO2和CO存在明显的单峰型日变化特征, 峰值位于08:00~10:00.雨天PM2.5和PM1.0和气体浓度的变化非常剧烈, 除受到人为源排放的影响外, 还受到降雨强度的影响.
(3) 不同天气条件下PM1.0中化学组分分布不同.雨天和晴天PM1.0中化学组分浓度从大到小顺序均为OA>SO42-＞NO3-＞NH4+＞Cl-, 新粒子天为OA>NO3-＞SO42-＞NH4+＞Cl-.降雨过程对不同化学组分的影响不同.新粒子天OA和NO3-分别是晴天的1.61和1.42倍, 这说明OA和NO3-是影响新粒子生成事件的主要化学成分.
(4) 不同天气条件下不同模态气溶胶的日变化特征不同.新粒子天对核模态和爱根核模态粒子数浓度日变化影响较大, 为单峰型分布.晴天和雨天核模态粒子数浓度日变化特征基本一致, 在白天较高, 夜间较低.晴天爱根核模态粒子白天的浓度变化比较平缓, 14:00浓度开始增加, 18:00达到峰值.新粒子天和晴天积聚模态粒子日变化呈显著的双峰型分布, 粗模态粒子日变化为单峰型分布.降雨对爱根核模态和积聚模态粒子的清除作用较小, 对粗模态粒子的清除作用较大.
| [1] | Kiehl J T, Briegleb B P. The relative roles of sulfate aerosols and greenhouse gases in climate forcing[J]. Science, 1993, 260(5106): 311-314. DOI:10.1126/science.260.5106.311 |
| [2] | Cheng Z, Wang S X, Jiang J K, et al. Long-term trend of haze pollution and impact of particulate matter in the Yangtze River Delta, China[J]. Environmental Pollution, 2013, 182: 101-110. DOI:10.1016/j.envpol.2013.06.043 |
| [3] | Wang H L, Zhu B, Shen L J, et al. Regional characteristics of air pollutants during heavy haze events in the Yangtze river delta, China[J]. Aerosol and Air Quality Research, 2016, 16(9): 2159-2171. DOI:10.4209/aaqr.2015.09.0551 |
| [4] | Seaton A, Godden D, MacNee W, et al. Particulate air pollution and acute health effects[J]. The Lancet, 1995, 345(8943): 176-178. DOI:10.1016/S0140-6736(95)90173-6 |
| [5] |
郭婷, 朱彬, 康志明, 等. 1960~2012年长江三角洲地区雾日与霾日的气候特征及其影响因素[J]. 中国环境科学, 2016, 36(4): 961-969. Guo T, Zhu B, Kang Z M, et al. Spatial and temporal distribution characteristic of fog days and haze days from 1960~2012 and impact factors over the Yangtze River Delta region[J]. China Environmental Science, 2016, 36(4): 961-969. |
| [6] | Gao L N, Jia G S, Zhang R J, et al. Visual range trends in the Yangtze River Delta region of China, 1981-2005[J]. Journal of the Air & Waste Management Association, 2011, 61(8): 843-849. |
| [7] | Che H Z, Zhang X Y, Li Y, et al. Horizontal visibility trends in China 1981-2005[J]. Geophysical Research Letters, 2007, 34(24): L24706. DOI:10.1029/2007GL031450 |
| [8] | Shen X J, Sun J Y, Zhang X Y, et al. Characterization of submicron aerosols and effect on visibility during a severe haze-fog episode in Yangtze River Delta, China[J]. Atmospheric Environment, 2015, 120: 307-316. DOI:10.1016/j.atmosenv.2015.09.011 |
| [9] | Kang H Q, Zhu B, Su J F, et al. Analysis of a long-lasting haze episode in Nanjing, China[J]. Atmospheric Research, 2013, 120: 78-87. |
| [10] | Ding A J, Huang X, Nie W, et al. Enhanced haze pollution by black carbon in megacities in China[J]. Geophysical Research Letters, 2016, 43(6): 2873-2879. DOI:10.1002/2016GL067745 |
| [11] | Park S H, Song C B, Kim M C, et al. Study on size distribution of total aerosol and water-soluble ions during an Asian dust storm event at Jeju Island, Korea[J]. Environmental Monitoring and Assessment, 2004, 93(1-3): 157-183. DOI:10.1023/B:EMAS.0000016805.04194.56 |
| [12] | Ng N L, Canagaratna M R, Zhang Q, et al. Organic aerosol components observed in Northern Hemispheric datasets from aerosol mass spectrometry[J]. Atmospheric Chemistry and Physics, 2010, 10(10): 4625-4641. DOI:10.5194/acp-10-4625-2010 |
| [13] |
谭吉华, 段菁春, 赵金平, 等. 广州市灰霾期间大气颗粒物中有机碳和元素碳的粒径分布[J]. 环境化学, 2009, 28(2): 267-271. Tan J H, Duan J C, Zhao J P, et al. The size distribution of organic carbon and elemental carbon during haze period in Guangzhou[J]. Environmental Chemistry, 2009, 28(2): 267-271. |
| [14] |
刘景云, 刘子锐, 温天雪, 等. 石家庄秋季一次典型霾污染过程水溶性离子粒径分布特征[J]. 环境科学, 2016, 37(9): 3258-3267. Liu J Y, Liu Z R, Wen T X, et al. Characteristics of the size distribution of water soluble inorganic ions during a typical haze pollution in the autumn in Shijiazhuang[J]. Environmental Science, 2016, 37(9): 3258-3267. |
| [15] |
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 R, 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. |
| [16] |
张仁健, 王明星, 戴淑玲, 等. 北京地区气溶胶粒度谱分布初步研究[J]. 气候与环境研究, 2000, 5(1): 85-89. Zhang R J, Wang M X, Dai S L, et al. Preliminary research on the size distribution of aerosols in Beijing[J]. Climatic and Environmental Research, 2000, 5(1): 85-89. |
| [17] |
王开燕, 王雪梅, 张仁健, 等. 北京市冬季气象要素对气溶胶浓度日变化的影响[J]. 环境科学研究, 2008, 21(4): 132-135. Wang K Y, Wang X M, Zhang R J, et al. Impact of meteorological factors on aerosol concentration diurnal variation in Beijing winter[J]. Research of Environmental Sciences, 2008, 21(4): 132-135. |
| [18] |
李瑞芃, 石金辉, 张代洲. 天气条件及气团来源对青岛春季大气颗粒物数浓度谱分布的影响[J]. 中国环境科学, 2012, 32(8): 1392-1399. Li R P, Shi J H, Zhang D Z. Size distribution of atmospheric particles in number concentration in relation to meteorological conditions and air mass origins in Qingdao in spring[J]. China Environmental Science, 2012, 32(8): 1392-1399. |
| [19] |
苏捷, 赵普生, 陈一娜. 北京地区不同天气条件下气溶胶数浓度粒径分布特征研究[J]. 环境科学, 2016, 37(4): 1208-1218. Su J, Zhao P S, Chen Y N. Characteristics of number concentration size distributions of aerosols under different weather processes in Beijing[J]. Environmental Science, 2016, 37(4): 1208-1218. |
| [20] | Zhang Y, Mao H T, Ding A J, et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3 levels in Hong Kong during 1999-2011[J]. Atmospheric Environment, 2013, 73: 41-50. DOI:10.1016/j.atmosenv.2013.02.047 |
| [21] | Nilsson E D, Rannik V, Kumala M, et al. Effects of continental boundary layer evolution, convection, turbulence and entrainment, on aerosol formation[J]. Tellus B, 2001, 53(4): 441-461. DOI:10.3402/tellusb.v53i4.16617 |
| [22] | Chuang M T, Chiang P C, Chan C C, et al. The effects of synoptical weather pattern and complex terrain on the formation of aerosol events in the Greater Taipei area[J]. Science of the Total Environment, 2008, 399(1-3): 128-146. DOI:10.1016/j.scitotenv.2008.01.051 |
| [23] | Zhang Y, Ding A J, Mao H T, et al. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980-2013[J]. Atmospheric Environment, 2016, 124: 119-128. DOI:10.1016/j.atmosenv.2015.05.063 |
| [24] | Nie W, Ding A, Wang T, et al. Polluted dust promotes new particle formation and growth[J]. Scientific Reports, 2014, 4: 6634. DOI:10.1038/srep06634 |
| [25] | Kulmala M. How particles nucleate and grow[J]. Science, 2003, 302(5647): 1000-1001. DOI:10.1126/science.1090848 |
| [26] | Kulmala M, Kontkanen J, Junninen H, et al. Direct observations of atmospheric aerosol nucleation[J]. Science, 2013, 339(6122): 943-946. DOI:10.1126/science.1227385 |
| [27] | Kulmala M, Vehkamäki H, Petäjä T, et al. Formation and growth rates of ultrafine atmospheric particles:a review of observations[J]. Journal of Aerosol Science, 2004, 35(2): 143-176. DOI:10.1016/j.jaerosci.2003.10.003 |
| [28] | Hussein T, Junninen H, Tunved P, et al. Time span and spatial scale of regional new particle formation events over Finland and Southern Sweden[J]. Atmospheric Chemistry and Physics, 2009, 9(14): 4699-4716. DOI:10.5194/acp-9-4699-2009 |
| [29] | Harrison R M, Grenfell J L, Savage N, et al. Observations of new particle production in the atmosphere of a moderately polluted site in eastern England[J]. Journal of Geophysical Research, 2000, 105(D14): 17819-17832. DOI:10.1029/2000JD900086 |
| [30] | Laaksonen A, Hamed A, Joutsensaari J, et al. Cloud condensation nucleus production from nucleation events at a highly polluted region[J]. Geophysical Research Letters, 2005, 32(6): L06812. DOI:10.1029/2004GL022092 |
| [31] | Yue D L, Hu M, Zhang R Y, et al. Potential contribution of new particle formation to cloud condensation nuclei in Beijing[J]. Atmospheric Environment, 2011, 45(33): 6070-6077. DOI:10.1016/j.atmosenv.2011.07.037 |
| [32] | Dowd C D O. Biogenic coastal aerosol production and its influence on aerosol radiative properties[J]. Journal of Geophysical Research:Atmospheres, 2001, 106(D2): 1545-1549. DOI:10.1029/2000JD900423 |
| [33] | Wang H L, An J L, Cheng M T, et al. One year online measurements of water-soluble ions at the industrially polluted town of Nanjing, China:sources, seasonal and diurnal variations[J]. Chemosphere, 2016, 148: 526-536. DOI:10.1016/j.chemosphere.2016.01.066 |
| [34] | Du H H, Kong L D, Cheng T T, et al. Insights into summertime haze pollution events over Shanghai based on online water-soluble ionic composition of aerosols[J]. Atmospheric Environment, 2011, 45(29): 5131-5137. DOI:10.1016/j.atmosenv.2011.06.027 |
| [35] | Jansen R C, Shi Y, Chen J M, et al. Using hourly measurements to explore the role of secondary inorganic aerosol in PM2.5 during haze and fog in Hangzhou, China[J]. Advances in Atmospheric Sciences, 2014, 31(6): 1427-1434. DOI:10.1007/s00376-014-4042-2 |
| [36] |
沈利娟, 李莉, 吕升, 等. 2013年夏季嘉兴市一次光化学事件的观测分析[J]. 环境科学, 2014, 35(5): 1662-1670. Shen L J, Li L, Lü S, et al. Observation of a photochemical event in Jiaxing during summer 2013[J]. Environmental Science, 2014, 35(5): 1662-1670. |
| [37] | Ng N L, Herndon S C, Trimborn A, et al. An aerosol chemical speciation monitor (ACSM) for routine monitoring of the composition and mass concentrations of ambient aerosol[J]. Aerosol Science and Technology, 2011, 45(7): 780-794. DOI:10.1080/02786826.2011.560211 |
| [38] |
汤莉莉, 张运江, 孙业乐, 等. 南京持续雾霾天气中亚微米细颗粒物化学组分及光学性质[J]. 科学通报, 2014, 59(20): 1955-1966. Tang L L, Zhang Y J, Sun Y L, et al. Components and optical properties of submicron aerosol during the lasting haze period in Nanjing[J]. Chinese Science Bulletin, 2014, 59(20): 1955-1966. |
| [39] |
张运江, 汤莉莉, 王壮, 等. 南京夏季大气有机气溶胶老化过程在线观测研究[J]. 中国科学:化学, 2014, 44(10): 1654-1664. Zhang Y J, Tang L L, Wang Z, et al. Aging of atmospheric organic aerosol during summertime in Nanjing:insights from on-line measurement[J]. Scientia Sinica Chimica, 2014, 44(10): 1654-1664. |
| [40] | Wang H L, Zhu B, Shen L J, et al. Number size distribution of aerosols at Mt. Huang and Nanjing in the Yangtze River Delta, China:effects of air masses and characteristics of new particle formation[J]. Atmospheric Research, 2014, 150: 42-56. DOI:10.1016/j.atmosres.2014.07.020 |
| [41] | Shen L J, Wang H L, Lü S, et al. Observation of aerosol size distribution and new particle formation at a coastal city in the Yangtze River Delta, China[J]. Science of the Total Environment, 2016, 565: 1175-1184. DOI:10.1016/j.scitotenv.2016.05.164 |
| [42] | Kittelson D B. Engines and nanoparticles:a review[J]. Journal of Aerosol Science, 1998, 29(5-6): 575-588. DOI:10.1016/S0021-8502(97)10037-4 |
| [43] |
陆叶强, 陈秋方, 孙在, 等. 汽车排放超细微粒数浓度及粒径谱特征的实验研究[J]. 环境科学, 2014, 35(9): 3309-3314. Lu Y Q, Chen Q F, Sun Z, et al. Ultrafine particle number concentration and size distribution of vehicle exhaust ultrafine particles[J]. Environmental Science, 2014, 35(9): 3309-3314. |
| [44] |
康汉青, 朱彬, 樊曙先. 南京北郊冬季大气气溶胶及其湿清除特征研究[J]. 气候与环境研究, 2009, 14(5): 523-530. Kang H Q, Zhu B, Fan S X. Size distributions and wet scavening properties of winter aerosol particles in north suburb of Nanjing[J]. Climatic and Environmental Research, 2009, 14(5): 523-530. |