2. 中国科学院大学, 北京 100049;
3. 中国科学院区域大气环境研究卓越创新中心, 厦门 361021;
4. 中国科学院宁波城市环境观测研究站, 宁波 315800
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Center for Excellence in Regional Atmospheric Environment, Chinese Academy of Sciences, Xiamen 361021, China;
4. Ningbo Urban Environment Observation and Research Station, Chinese Academy of Sciences, Ningbo 315800, China
汞是一种容易挥发进入大气且对生物体具有高毒性的重金属元素.通常在大气中分为为3种形态:气态元素汞(gaseous elemental mercury, GEM)、气态氧化汞(gaseous oxidized mercury, GOM)和颗粒态汞[1~3](particulate bounded mercury, PBM).GEM是大气汞的主要成分, 可达大气总汞的95%以上[4], GOM和PBM只占少量部分.GEM的化学性质稳定, 水溶性较低, 干湿沉降速率慢, 在大气中的寿命可达0.5~2 a, 可通过气团在全球范围内输送[5].大气汞的来源可分为自然源和人为源.自然源贡献了大气汞的本底通量, 其来源包括火山喷发与地热活动, 土壤释汞, 自然水体释汞, 植被蒸腾作用释汞和森林火灾等, 其释放的主要形态为GEM.人为源是造成大气汞污染加剧主要原因, 其来源包括煤炭燃烧, 矿山开采, 金属冶炼, 垃圾焚烧等[6].随着《水俣病公约》于2017年8月16日在我国生效实施, 人为源排放量得到了一定控制, 对大气汞的迁移转化特征也将产生一定影响.
大气GEM在不同地区的迁移转化特征受源排放强度和自然条件的不同, 其时空分布差异较大.且GEM在大气中容易发生稀释和扩散, 并与各种氧化性物种发生光化学反应, 形成易溶的二价汞化合物, 因此在不同地区观测到的GEM迁移转化主导模式有一定差异.如Steffen等[7]对北极地区大气汞进行观测, 发现每年春季太阳升起后, GEM与O3和卤化物发生光化学反应, 导致北极地区定期的出现大气汞清除事件.Duan等[2]对上海地区大气汞的研究发现, GEM在夜间浓度水平明显高于日间, 且与SO2和NOx呈现相同的日内变化趋势, 揭示出本地和区域的煤炭燃烧释放的汞是上海地区GEM的重要来源.Ci等[8]对威海沿海背景区GEM研究发现, GEM在日间浓度高, 而夜间浓度低.其污染主要来自陆源长距离输送作用.
气象要素和人为源排放的各种常规污染物对GEM的迁移转化和污染特征分布具有显著的影响.然而, 这方面的研究主要集中在内陆地区个别污染物与汞的相互关系的研究.在沿海地区将三者进行综合研究以了解GEM受人为源和自然源共同作用下的迁移转化规律及潜在源贡献分布的研究还有不足.宁波市是长三角地区重要的港口城市, 全市现有18家燃煤电厂, 其他类型工业企业数量众多, 各种污染物的人为源贡献较高, 在该地区开展GEM的迁移转化研究具有一定的现实意义.本研究通过对2017年6月1日~11月30日宁波市沿海工业区大气GEM、常规污染物和气象要素的长期观测研究, 着重探究2017年夏秋季沿海地区大气GEM受常规大气污染物及气象要素影响下的迁移转化特征和变化规律, 揭示GEM的潜在贡献来源, 以期为深入认识大气汞变化特征和控制治理提供一定的思路和参考.
1 研究区域概况宁波市属于沿海经济发达地区, 其地势西南高, 东北低, 陆域面积9 816 km2.该地区属于典型的亚热带季风气候区, 夏季盛行东南风, 而冬季盛行西北风. 2017年年均温度、日照时数和降雨量分别为16.4℃, 1 850 h和1 480 mm.宁波市的人口数量为820万, 2018年GDP达10 745亿元. 2017年宁波市燃煤消耗量为3670万t, 其中用于燃煤发电的用煤量达77.2%[9], 燃煤消耗量巨大.如图 1所示, 观测站点(29°45′ N, 121°54′ E)位于宁波市北仑区春晓镇中国科学院宁波城市环境观测研究站内(Ningbo Urban Environment Observation and Research Station, NBUEORS).观测站点东邻东海, 距离宁波市主城区约30 km.周边存在汽车装配、服装、家具和机械制造等企业.距离观测站点西北部约23 km处的北仑电厂是全国第三大的火力发电厂, 装机容量达5 000 MW.在NBUEORS北部约20 km处还存在一家氯碱化工厂, 年产液氯40万t·a-1.
本研究于2017年6月1日~2017年11月30日期间对NBUEORS站点的GEM进行了实时监测, 大气GEM采用安装在距地面高度15 m的Tekran2537A形态汞分析仪进行测定.Tekran 2537A主要由1110、1130和1135模块组成.模块1110为空气净化单元, 可产生洁净空气用于系统调零.环境空气以1.5 L·min-1速率进入系统, 空气中的GOM通过KCl涂覆的石英环形扩散管(1130模块)进行收集, 颗粒态汞采用石英过滤器(1135模块)过滤.剩余的GEM通过双通道金管进行交替捕集, 热解析, 并通过冷蒸气原子荧光光谱法(Cold Vapor Atomic Fluorescence Spectrometry, CVAFS)进行测定.系统通过内置的渗透汞源产生的标准浓度汞蒸气进行定期校正.仪器分辨率为5 min, 检出限<0.10 ng·m-3.原始数据经过处理转化为小时平均后进行分析.
大气GEM的源和汇与常规大气污染物和气象要素密切相关.为深入了解GEM在大气中的迁移转换机制, 常规空气污染物二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)、可吸入颗粒物(PM10)和细颗粒物(PM2.5)也通过环境空气质量主动监测系统(Model 1500, ThermoFisher Scientific, USA)同步测定.测定方法符合《环境空气气态污染物(SO2、NO2、O3和CO)连续自动监测系统运行和质控技术规范》(HJ 818-2018)和《环境空气颗粒物(PM10和PM2.5)连续自动监测系统运行和质控技术规范》 (HJ 817-2018).气象参数如温度(T)、压力(p)、风速(WD)和风向(WS)等采用微型气象站(WS500-UMB, Lufft, Germany)进行测定.所有数据均转化为小时平均值.
2.2 后向轨迹分析潜在源贡献模型(potential source contribution function analysis, PSCF)是一种根据气团轨迹分析辨别源区的方法.通过将区域划分为0.4°×0.4°的网络, 利用混合单粒子拉格朗日积分轨迹模型计算出研究时段所有到达站点高度为500 m的72 h后向轨迹, 每条轨迹途经的网格赋予相应轨迹的GEM值, 记为cij, 统计落在每个网格中的总轨迹数量, 记为nij.并将研究时段GEM的平均浓度设定为阈值浓度[2].统计每个网格超过阈值的轨迹数量记为mij.每个网格的PSCF值为超过阈值的轨迹数与总的轨迹数之比, 计算如式(1):
(1) |
PSCF值与途经每个网格的气团的数量有关.高PSCF值网格预示该区域是潜在贡献源.由于部分网格的总轨迹数量过小可导致PSCFij值缺乏代表性, 故将轨迹数量小于所有网格平均轨迹数3倍的网格, 将其PSCFij值乘以一个任意权重系数[10], 以减少此类网格的权重.
3 结果与讨论 3.1 GEM与常规大气污染物及气象参数时间序列观测期间NBUEORS的GEM、常规大气污染物和气象参数小时变化时间序列如图 2所示.整个观测期间, GEM的变化范围为0.97~10.95 ng·m-3, 平均质量浓度为(2.32±0.90)ng·m-3.GEM小时时间序列总体呈上升趋势, 表明污染程度有一定上升.常规污染物SO2、PM2.5、PM10、CO和NOx呈现相同上升趋势.GEM在11月污染物的浓度明显高于其他月份, 高值点较多, 与常规污染物的峰值点出现时刻较一致, 最高值达10.95 ng·m-3.由于11月气温较低, 混合层厚度可能小于其他月份, 且燃煤供暖发电增多, 是导致污染浓度较高的主要原因.
与宁波市前期观测数据相比(表 1), 研究期间GEM平均浓度低于McLagan等[11] (2016年, 2.53 ng·m-3)、Yu等[12](2011年4月~2013年4月, 3.30 ng·m-3)和Fu等[13](2007年10月~2008年1月, 3.79 ng·m-3)观测到的结果, 表明GEM浓度近些年来有一定程度地下降.与国内外其他地区相比, NBUEORS大气GEM质量浓度高于南极Weddell Sea[4](0.77 ng·m-3)、McMurdo[14](0.94 ng·m-3)、北极Amderma[15](1.65 ng·m-3)和北半球的背景区[16](1.50~1.70 ng·m-3), 且高于加拿大Québec[17]、美国New York[18, 19]等地区(1.50~2.00 ng·m-3).接近于同为沿海地区的威海市[7](2.31 ng·m-3)和韩国Seoul[21](3.22 ng·m-3).NBUEORS的GEM明显低于同为沿海城市的上海[2](4.19 ng·m-3), 且低于内陆城市南京[3](7.90 ng·m-3)、贵阳[21](9.72 ng·m-3)、重庆[22](6.97 ng·m-3)等城市观测到的GEM含量.
3.2 GEM与常规大气污染物的季节变化
观测期间, NBUEORS夏季和秋季GEM与常规污染物和气象参数的分布如图 3所示.夏季(6、7和8月)GEM、PM2.5、PM10、CO、NO2和SO2的平均(表 2)浓度均低于秋季(9、10和11月).其中, 夏季GEM的平均质量浓度为2.26 ng·m-3, 低于秋季的2.37 ng·m-3.而夏季CO和NO2的浓度显著低于秋季(P < 0.01), 分别低于秋季38.0%和59.0%.而夏季O3的浓度(87.46 μg·m-3)比秋季(74.53 μg·m-3)高17%.分析其原因, 从气象因素来看夏季的平均气温为20.25℃, 是秋季的4倍.夏季的高温气象条件导致大气混合层厚度增加, 大气对流强烈, 有利于污染物的稀释和扩散, 使得GEM、PM2.5、PM10等污染物的浓度较低.且夏季光照强烈, NO2与大气中的碳氢化合物可发生光化学反应, 生成O3, 导致NO2的进一步降低和O3浓度的升高.O3是大气中的一种重要的光化学氧化剂, 夏季高浓度的O3可与GEM发生光化学氧化反应, 形成二价汞化合物, 进一步降低大气GEM的浓度.
GEM发生光化学反应转化为二价汞的程度可通过GEM占总气态汞(TGM=GEM+GOM)的比率(GEM/TGM)表示.图 4显示了观测期间不同月份的O3浓度和GEM/TGM比率变化.O3浓度与GEM/TGM变化趋势相反, 随着O3浓度的上升, GEM/TGM则下降.GEM/TGM最低值为72.6%, 出现在日照时间、光照强度和O3浓度均较高的夏季(8月), 此时GEM的光化学反应最为剧烈, 有利于GEM转化为二价汞.
夏季、秋季、晴天和阴雨天日内GEM、O3和GOM变化趋势如图 5所示.夏季GEM在夜间呈上升趋势, 至日出后(05:00)达到最高值2.41 ng·m-3.日出后GEM开始持续下降, 至日落(18:00)降低到最低值2.09 ng·m-3.秋季GEM的日内变化较夏季更为复杂, 表现为14:00~00:00期间GEM的变化趋势与夏季相反, 其他时段GEM变化趋势与夏季相同.日出时达到最高值(06:00)2.54 ng·m-3, 比夏季日内峰值浓度高5%.最低值出现在凌晨(00:00), 为2.25 ng·m-3, 比夏季日内最低浓度高7%.晴天和阴雨天日内GEM的变化表现较为相似, 表现为早晨(06:00~07:00)至午后(14:00~15:00)逐渐下降, 而午后和夜间逐渐上升的趋势, 且阴雨天的日内GEM浓度均大于晴天.NBUEORS大气GEM在日内变化趋势与上海[2]、美国Detroit[23]和加拿大Toronto[24]观测到的GEM变化趋势相似, 均表现为日间下降和夜间上升的总体趋势, 但受污染源排放强度和自然条件影响的不同, 其日内的变化幅度和高值有差异.研究站点GEM的日内变化趋势与威海[7]观测到的结果相反, 可能是威海站点属于背景区, 受自然源影响大.白天太阳辐射有利于土壤释汞为主, 而夜间低温导致汞向土壤沉积所致.
夏秋两季、晴天和阴雨天O3的变化趋势均表现为日出后上升, 至正午达到最大值, 而后逐渐下降.O3是大气中的一种重要的光化学氧化剂, 主要由氮氧化物发生光化学反应生成.在晴天日间的O3浓度均高于阴雨天, 最大差异可达23.4%.O3在太阳辐射的条件下可将GEM氧化为GOM.图 5显示GOM在夏秋两季的浓度均在正午太阳辐射最强烈的时刻浓度逐渐开始上升, 夏季和秋季分别在18:00和20:00达到最大值, 且晴天08:00后GOM的浓度均高于阴雨天GOM的浓度, 说明高浓度的氧化剂和强烈的光照对加速GEM发生光化学反应具有重要作用.
许多研究证实, GEM的浓度受污染源排放强度, 气象条件等因素影响, 其日内变化在不同类型地区变化趋势不同[2].分析其原因, 日间GEM浓度下降的主要原因一方面可能是因为白天平均气温高于夜间, 太阳升起后, 大气温度上升, 大气混合层厚度增加且对流加剧, 有利于污染物稀释扩散.另一方面, 日间在光照强烈的条件下, GEM可与大气中卤素、O3等氧化性物种发生光化学反应, 转化二价汞[25], 进一步降低GEM浓度.夜间随着气温的下降, 对流层厚度减小, 且容易出现辐射逆温, 大气条件较为静稳, 使得GEM的浓度上升.晴天和阴雨天的显著区别为太阳辐射强度和大气温度的不同, 晴天良好的光照条件和较高的温度均有利于GEM的稀释和转化.因此, 在晴天GEM的浓度低, 而GOM的浓度高.秋季GEM在下午14:00~18:00开始上升, 可能为秋季气温低, 午后大气开始冷却, 使得对流层厚度减小, 且秋季下午逆温发生的概率较高, 污染物容易聚集, 导致浓度上升[26].秋季前半夜浓度处于波动下降过程, 可能与气团输送影响有关.
3.4 Spearman相关性分析GEM、GEM/TGM、常规大气污染物和气象参数之间的Spearman相关性分析如表 3所示, GEM与大气污染物PM2.5(R=0.65, P < 0.01)、PM10(R=0.47, P < 0.01)、NO2(R=0.46, P < 0.01)和CO(R=0.57, P < 0.01)均呈显著正相关关系, PM2.5、PM10、NO2和CO的重要共同来源为化石、生物质等物质燃烧和工业排放[27~29], 表明观测站点GEM的来源与这些过程密切相关, 其对GEM污染具有重要影响.GEM与气象要素WS(R=-0.36, P < 0.01)、T(R=-0.17, P < 0.01)呈显著负相关, 与RH呈显著正相关, 表明风速越高, GEM稀释扩散的速度越快;而温度越高, 越有利于GEM的光化学转化.湿度与温度的影响相反, 其值高时不利于GEM的光化学转化.
GEM/TGM比率与PM2.5(R=0.15, P < 0.01)、RH(R=0.21, P < 0.01)和NO2(R=0.11, P < 0.05)呈低的正相关关系.分析其原因, 一方面可能是因为气态二价汞被颗粒物捕集吸附, 转化为颗粒态, 且与水汽结合发生干湿沉降导致二价汞浓度降低.另一方面, PM2.5、水汽和NO2三者是大气中重要的消光物质, 能够对太阳辐射造成明显的吸收和散射[30, 31], 削弱太阳光强度, 导致GEM向二价汞的光化学氧化转化减弱, 使得GEM/TGM比率升高.GEM/TGM比率与O3(R=-0.17, P < 0.01)和大气压p(R=-0.12, P < 0.01)呈负相关关系.如前所述, O3能与GEM发生光化学氧化反应, 进而促进GEM的转化.高大气压能够促进GEM的光化学转化, 可能是气压高, 混合层大气更稠密, 导致氧化性物质浓度升高, 间接促进GEM氧化所致.
3.5 不同风速风向GEM和常规污染物的浓度分布不同风速条件下污染物的浓度水平可以反映本地源和长距离源输送对污染物浓度贡献的影响[32, 33].观测期间各污染物在不同风速条件下的均值浓度的风向玫瑰图如图 6所示.整个观测期间, NBUEORS的风向以陆地方向的西北风和东海方向的东南风为主, 东北风和西南风占的比例很少, 且这两个方位基本处于低于5.00 m·s-1的低风速条件.西北和东南风向高于5.00 m·s-1高风速气象条件明显增多.
在西北和东南两个风向方位, GEM、PM2.5和NO2在西北风向时的污染程度远远高于东南风向时的污染, 且低风速条件下GEM浓度明显高于高风速时的浓度, 平均质量浓度基本在2.5 ng·m-3以上, 说明本地源或区域源的污染的贡献占主导地位.这可能是由于西北方向存在两家大型的燃煤发电厂及大量其他类型工业企业.而高风速条件下, 西北方位也表现出较高GEM浓度, 但低于低风速的浓度, 说明长距离输送也对NBUEORS的GEM污染有一定的影响.东南方位是广阔的海洋, 人为污染源少, GEM、SO2、PM2.5、PM10和NO2的浓度较低.西南风向下主要以低风速为主, GEM、PM2.5、PM10和NO2同样表现为风速越低, 浓度越高.东北风向时, GEM、SO2、PM2.5、PM10和NO2的浓度与东南风向时类似, 污染程度较低.
与相关性分析结果类似, O3浓度随风速风向的变化趋势与GEM呈现出相反的规律, 表现为风速越低, 浓度总体上呈升高趋势.在2.00~5.00 m·s-1风速条件下O3浓度绝大部分在80.00 μg·m-3以上.且东北和东南风向时的O3浓度高于其他方向.其原因一方面可能是海洋上空光化学反应生成O3的反应较为强烈.另一方面, 处于东北方向的舟山、郭巨和东部的六横岛的区域输送可能也是造成观测站点O3浓度高的原因之一.O3是GEM发生光化学氧化的氧化物种之一, 当风向来自东北和东南风向时, 高浓度的O3有利于GEM发生光化学反应, 生成气态的二价汞, 从而降低大气GEM的浓度.
3.6 后向轨迹分析对夏季和秋季NBUEORS大气GEM的后向轨迹分别进行PSCF分析(图 7).夏季海洋对GEM污染的贡献较小,PSCF值均较低.PSCF高值区域主要位于NBUEORS西北部和西南部区域, 包括浙江省北部(包含宁波市)、西北部, 安徽省南部和江西省构成的一个类似三角形区域, 局部PSCF值在0.9以上.说明夏季本地源、区域源和长距离源输送均对NBUEORS大气GEM污染具有重要影响, 与风向玫瑰图的结果一致.对这些主要的潜在源贡献区域采取相应的汞减排政策, 对夏季减轻研究站点周边地区大气汞的污染具有十分重要的意义.与夏季相比, 秋季PSCF高值区域主要出现在NBUEORS周边地区, 主要是浙江省北部区域, PSCF高值区域范围比夏季小很多.说明秋季NBUEORS大气GEM的主要贡献源来自本地源和临近县市的区域源输送的影响, 而来自江西、安徽、江苏和海洋方向的长距离输送源的贡献较弱.
GEM属于化学性质较为稳定的污染物质, 在大气中的停留时间长, 可在全球范围内随气团进行长距离输送, 导致GEM的污染成为全球性的问题.PSCF揭示出夏秋两季主导气团的不同, 且潜在源贡献区域存在差异, 是导致夏季GEM浓度低, 而秋季GEM浓度高的原因之一.
4 结论(1) 2017年夏秋季NBUEORS的GEM的变化范围为0.97~10.95 ng·m-3, 平均质量浓度为(2.32±0.90)ng·m-3, 夏季GEM的平均质量浓度稍微低于秋季, 处于轻度污染水平.
(2) GEM、O3和GOM在夏季、秋季、晴天和阴雨天的日内浓度变化表明, 高浓度的O3和强烈的光照可加速GEM发生光化学反应, GEM在晴天的光化学氧化强度高于阴雨天.
(3) O3等光化学氧化剂的浓度、GEM在颗粒物上的气粒分配及PM2.5、水汽和NO2的消光效应, 可对GEM光化学氧化速率产生重要影响.
(4) 风向玫瑰图分析表明GEM、SO2、PM2.5、PM10和NO2污染来源较为相似, 以西北风向本地源和近距离源贡献具有重要影响;相反, O3在东北和东南风向时浓度较高, 该方位气团输送的高浓度O3有利于GEM的光化学转化.
(5) PSCF结果表明, 夏季浙江省北部(包含宁波市)、西北部, 安徽省南部和江西省大部分地区是NBUEORS潜在源贡献区域, 且本地源、区域源和长距离源输送均对NBUEORS大气GEM污染具有重要影响.秋季NBUEORS大气GEM的潜在源贡献区域为浙江省北部区域, 主要来自本地源和临近县市的区域源输送的影响.
致谢: 感谢中国科学院城市环境研究所郭兆凤、高凤对论文的修改和指导.
[1] |
程娜, 钱冠磊, 段炼, 等. 嵊泗地区大气PM2.5中汞形态污染及其与碳组分的关系[J]. 环境科学, 2017, 38(2): 438-444. Cheng N, Qian G L, Duan L, et al. Correlation of speciated mercury with carbonaceous components in atmospheric PM2.5 in Shengsi region[J]. Environmental Science, 2017, 38(2): 438-444. |
[2] | Duan L, Wang X H, Wang D F, et al. Atmospheric mercury speciation in Shanghai, China[J]. Science of the Total Environment, 2017, 578: 460-468. DOI:10.1016/j.scitotenv.2016.10.209 |
[3] | Zhu J, Wang T, Talbot R, et al. Characteristics of atmospheric total gaseous mercury (TGM) observed in urban Nanjing, China[J]. Atmospheric Chemistry and Physics, 2012, 12(24): 12103-12118. DOI:10.5194/acp-12-12103-2012 |
[4] | Mastromonaco M N, Gårdfeldt K, Jourdain B, et al. Antarctic winter mercury and ozone depletion events over sea ice[J]. Atmospheric Environment, 2016, 129: 125-132. DOI:10.1016/j.atmosenv.2016.01.023 |
[5] |
李舒, 高伟, 王书肖, 等. 上海崇明地区大气分形态汞污染特征[J]. 环境科学, 2016, 37(9): 3290-3299. Li S, Gao W, Wang S X, et al. Characteristics of speciated atmospheric mercury in Chongming island, Shanghai[J]. Environmental Science, 2016, 37(9): 3290-3299. |
[6] |
王圣, 王慧敏, 朱法华, 等. 基于实测的燃煤电厂汞排放特性分析与研究[J]. 环境科学, 2011, 32(1): 33-37. Wang S, Wang H M, Zhu F H, et al. Mercury emission characteristics from coal-fired power plants based on actual measurement[J]. Environmental Science, 2011, 32(1): 33-37. |
[7] | Steffen A, Douglas T, Amyot M, et al. A synthesis of atmospheric mercury depletion event chemistry in the atmosphere and snow[J]. Atmospheric Chemistry and Physics, 2008, 8(6): 1445-1482. DOI:10.5194/acp-8-1445-2008 |
[8] | Ci Z J, Zhang X S, Wang Z W, et al. Atmospheric gaseous elemental mercury (GEM) over a coastal/rural site downwind of East China:temporal variation and long-range transport[J]. Atmospheric Environment, 2011, 45(15): 2480-2487. DOI:10.1016/j.atmosenv.2011.02.043 |
[9] | 宁波市统计局, 国家统计局宁波调查队. 宁波统计年鉴-2017[M]. 北京: 中国统计出版社, 2017: 101-102. |
[10] |
李莉, 蔡鋆琳, 周敏. 2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析[J]. 环境科学, 2015, 36(7): 2327-2336. Li L, Cai Y L, Zhou M. Potential source contribution analysis of the particulate matters in Shanghai during the heavy haze episode in eastern and middle China in December, 2013[J]. Environmental Science, 2015, 36(7): 2327-2336. |
[11] | McLagan D S, Mitchell C P J, Steffen A, et al. Global evaluation and calibration of a passive air sampler for gaseous mercury[J]. Atmospheric Chemistry and Physics, 2018, 18(8): 5905-5919. DOI:10.5194/acp-18-5905-2018 |
[12] | Yu B, Wang X, Lin C J, et al. Characteristics and potential sources of atmospheric mercury at a subtropical near-coastal site in East China[J]. Journal of Geophysical Research:Atmospheres, 2015, 120(16): 8563-8574. DOI:10.1002/2015JD023425 |
[13] | Fu X W, Feng X B, Sommar J, et al. A review of studies on atmospheric mercury in China[J]. Science of the Total Environment, 2012, 421-422: 73-81. DOI:10.1016/j.scitotenv.2011.09.089 |
[14] | Brooks S, Lindberg S, Southworth G, et al. Springtime atmospheric mercury speciation in the McMurdo, Antarctica coastal region[J]. Atmospheric Environment, 2008, 42(12): 2885-2893. DOI:10.1016/j.atmosenv.2007.06.038 |
[15] | Pankratov F F, Konoplev A V, Makhura A, et al. Analysis of the data of long-term monitoring of atmospheric mercury content and meteorological parameters at Amderma polar station[J]. Russian Meteorology and Hydrology, 2013, 38(6): 405-413. DOI:10.3103/S1068373913060058 |
[16] | Choi H D, Huang J Y, Mondal S, et al. Variation in concentrations of three mercury (Hg) forms at a rural and a suburban site in New York state[J]. Science of the Total Environment, 2013, 448: 96-106. DOI:10.1016/j.scitotenv.2012.08.052 |
[17] | Poissant L, Pilote M, Beauvais C, et al. A year of continuous measurements of three atmospheric mercury species (GEM, RGM and Hgp) in southern Quebec, Canada[J]. Atmospheric Environment, 2005, 39(7): 1275-1287. DOI:10.1016/j.atmosenv.2004.11.007 |
[18] | Choi H D, Holsen T M, Hopke P K. Atmospheric mercury (Hg) in the Adirondacks:concentrations and sources[J]. Environmental Science & Technology, 2008, 42(15): 5644-5653. |
[19] | Ebinghaus R, Kock H H, Schmolke S R. Measurements of atmospheric mercury with high time resolution:recent applications in environmental research and monitoring[J]. Fresenius' Journal of Analytical Chemistry, 2001, 371(6): 806-815. DOI:10.1007/s002160101048 |
[20] | Kim S H, Han Y J, Holsen T M, et al. Characteristics of atmospheric speciated mercury concentrations (TGM, Hg(Ⅱ) and Hg(p)) in Seoul, Korea[J]. Atmospheric Environment, 2009, 43(20): 3267-3274. DOI:10.1016/j.atmosenv.2009.02.038 |
[21] | Fu X W, Feng X B, Qiu G L, et al. Speciated atmospheric mercury and its potential source in Guiyang, China[J]. Atmospheric Environment, 2011, 45(25): 4205-4212. DOI:10.1016/j.atmosenv.2011.05.012 |
[22] | Yang Y K, Chen H, Wang D Y. Spatial and temporal distribution of gaseous elemental mercury in Chongqing, China[J]. Environmental Monitoring and Assessment, 2009, 156(1-4): 479-489. DOI:10.1007/s10661-008-0499-8 |
[23] | Liu B, Keeler G J, Dvonch J T, et al. Temporal variability of mercury speciation in urban air[J]. Atmospheric Environment, 2007, 41(9): 1911-1923. DOI:10.1016/j.atmosenv.2006.10.063 |
[24] | Song X J, Cheng I, Lu J. Annual atmospheric mercury species in downtown Toronto, Canada[J]. Journal of Environmental Monitoring, 2009, 11(3): 660-669. DOI:10.1039/b815435j |
[25] | Ambrose J L, Lyman S N, Huang J Y, et al. Fast time resolution oxidized mercury measurements during the Reno atmospheric mercury intercomparison experiment (RAMIX)[J]. Environmental Science & Technology, 2013, 47(13): 7285-7294. |
[26] |
刘伟明, 马明, 王定勇, 等. 中亚热带背景区重庆四面山大气气态总汞含量变化特征[J]. 环境科学, 2016, 37(5): 1639-1645. Liu W M, Ma M, Wang D Y, et al. Variation characteristics of total gaseous mercury at Simian Mountain background station in mid-subtropical region[J]. Environmental Science, 2016, 37(5): 1639-1645. |
[27] | Amorim J H, Valente J, Cascão P, et al. Near-source grid-based measurement of CO and PM2.5 concentration during a full-scale fire experiment in southern European shrubland[J]. Atmospheric Environment, 2016, 145: 19-28. DOI:10.1016/j.atmosenv.2016.09.017 |
[28] | Vallius M, Janssen N A H, Heinrich J, et al. Sources and elemental composition of ambient PM2.5 in three European cities[J]. Science of the Total Environment, 2005, 337(1-3): 147-162. DOI:10.1016/j.scitotenv.2004.06.018 |
[29] | Van Der A R J, Eskes H J, Boersma K F, et al. Trends, seasonal variability and dominant NOx source derived from a ten year record of NO2 measured from space[J]. Journal of Geophysical Research:Atmospheres, 2008, 113(D4): D04302. |
[30] | Deng J J, Wang T J, Jiang Z Q, et al. Characterization of visibility and its affecting factors over Nanjing, China[J]. Atmospheric Research, 2011, 101(3): 681-691. DOI:10.1016/j.atmosres.2011.04.016 |
[31] | Cao J J, Wang Q Y, Chow J C, et al. Impacts of aerosol compositions on visibility impairment in Xi'an, China[J]. Atmospheric Environment, 2012, 59: 559-566. DOI:10.1016/j.atmosenv.2012.05.036 |
[32] | Grange S K, Lewis A C, Carslaw D C. Source apportionment advances using polar plots of bivariate correlation and regression statistics[J]. Atmospheric Environment, 2016, 145: 128-134. DOI:10.1016/j.atmosenv.2016.09.016 |
[33] | Carslaw D C, Beevers S D. Characterising and understanding emission sources using bivariate polar plots and k-means clustering[J]. Environmental Modelling & Software, 2013, 40: 325-329. |