2021, Vol. 42
2. 天津市环境气象中心, 天津 300074;
3. 天津市生态环境监测中心, 天津 300071
, ZHANG Yu-fen1
, ZHENG Nai-yuan3 , ZHANG Hui-tao1 , YU Zhuo-jun1,3 , LI Li-wei3 , YUAN Jie3 , TANG Miao3 , FENG Yin-chang1
2. Tianjin Environmental Meteorological Center, Tianjin 300074, China;
3. Tianjin Eco-Environmental Monitering Center, Tianjin 300071, China
自大气污染防治行动计划和大气重污染成因及治理攻关项目执行以来, 京津冀地区PM2.5年均浓度于2018年下降至60 μg·m-3, 较2013年下降43.3%[1].然而秋冬季大气重污染事件仍然频繁发生, 受气溶胶浓度和相对湿度的影响, 大气重污染过程发生时能见度呈现不同程度下降.其中相对湿度对气溶胶的理化性质均有重要影响, 高湿环境下气溶胶发生潮解, 气溶胶表面的水膜为气体-液体-气溶胶非均相反应提供重要场所, 对二次有机气溶胶、硫酸盐以及硝酸盐的形成有重要影响[2~9].暴露于环境中的气溶胶发生吸湿增长后气溶胶粒径增大, 对气溶胶光学性质及直接辐射强迫均有进一步地影响.相对湿度较高时, 气溶胶光散射能力增强, 对地-气系统产生冷却效应[10].相对湿度达到80%和90%时, 北京市气溶胶的散射吸湿增长因子为1.31~1.62及1.84~2.13[11].
气溶胶的吸湿性与气溶胶的化学组成和混合状态紧密相关[12], 内混状态下气溶胶的吸湿性要大于外混气溶胶.水溶性无机盐和水溶性有机物是主要的吸水物种, 北京地区夏季硫酸盐对气溶胶的吸湿性贡献最大, 而冬季硝酸盐对气溶胶的吸湿性影响更明显[13].除水溶性无机盐外, 气溶胶中的水溶性有机物对气溶胶吸湿性也有所贡献, 但水溶性有机物主要影响的是超细粒子的吸湿性, 对其他粒径段粒子的影响可以忽略[13~16].当气溶胶中非水溶性物质的含量较高时, 气溶胶的吸湿性显著下降[17].不同粒径气溶胶的化学组成受其来源影响存在较大差异, 因此气溶胶的吸湿性势必存在明显的粒径分布.
目前, 用于描述气溶胶吸湿性的表达方式有气溶胶的粒径吸湿增长因子[18], 散射吸湿增长因子[19]以及吸湿参数κ[20].其中吸湿参数κ可以从本质上反映出气溶胶吸湿性的强弱, 粒径吸湿增长因子描述相对湿度对气溶胶粒子粒径的影响, 散射吸湿增长因子侧重于从光散射的整体角度研究气溶胶吸湿增长, 与能见度的变化有直接联系.对于粒径吸湿增长因子, 国内外使用最广泛的观测仪器为吸湿性串联差分电迁移率粒径分析仪(humidified tandem differential mobility analyzer, HTDMA)[18], Swietlicki等[21]对于HTDMA工作原理和数据反演算法给出了十分全面的综述.由于HTDMA工作原理的限制, 仅能针对干粒径小于350 nm的粒子进行研究, 而可见光的波段为400~700 nm.因此测量结果无法全面评估气溶胶吸湿增长对气溶胶光学特性及地-气系统辐射平衡的影响, 但可以间接反映出气溶胶的化学组成.气溶胶散射吸湿增长因子由加湿浊度计系统测量, 目前大多数加湿浊度计系统由两台商业化浊度计和自制加湿单元组成, 散射吸湿增长因子测量结果不具备分粒径的信息, 取决于采样器的切割粒径[22~26].在我国, 以上两种观测实验多在珠三角地区及北京展开[27~30], 天津地区气溶胶的吸湿性有待研究.
气溶胶的粒径吸湿增长因子是研究气溶胶消光和辐射效应的基础, 基于HTDMA和双浊度计加湿系统的观测方法均不能获取较宽粒径范围内的粒径吸湿增长因子.特别是对于气溶胶辐射强迫模拟而言, 需要不同入射波长、不同相对湿度下的气溶胶光学参数[31], 一般的观测数据无法直接给出此类信息, 需要借助模式模拟.本研究利用HTDMA测量了天津市冬季不同大气污染状态下350 nm以下气溶胶的粒径吸湿增长因子, 并进一步基于水溶性离子的粒径分布, 借助κ-Köhler理论估算了60 nm~9.8 μm范围内气溶胶的粒径吸湿增长因子, 以期为环境状态下气溶胶光学参数和直接辐射强迫的模拟提供数据基础.
1 材料与方法 1.1 观测与采样地点观测及采样地点位于天津市海河教育园区南开大学校园内的大气环境质量综合观测站(38°59′N, 117°20′E, 图 1).南开大学观测点属于城郊结合部, 临近天津市古海岸湿地公园, 周边车流量较低, 远离工业源.
|
图 1 观测及采样点位示意 Fig. 1 Measurement and sampling site |
本研究采用MSP公司的HTDMA-1040XP测量气溶胶的粒径吸湿增长因子. HTDMA由3个部分组成：①微分迁移率分析仪DMA1及凝结粒子计数器CPC1, DMA1用来选取不同干粒径的气溶胶(本研究选取50、100、150、200、250、300和350 nm的粒子), CPC1用来计数; ②相对湿度控制部分, 调节气溶胶所处的相对湿度.由于DMA2中的温度波动, 对于高于85%的相对湿度, 难以保持气溶胶的稳定加湿, 因此本研究设置的相对湿度梯度为60%、70%、75%、80%和85%. ③DMA2和CPC2用来测量吸湿长大后气溶胶的粒径并计数. HTDMA的切割粒径为PM1.0, 气溶胶通过采样口后先后经过干燥单元和中和器, 抵达DMA1. DMA1电压固定, 多分散气溶胶通过DMA1后, 筛选出中心粒径为Dd的准单分散气溶胶.准单分散气溶胶通过加湿单元后, 被加湿至目标相对湿度, 进入DMA2测得吸湿增长后的粒径, 完成一个测试循环. CPC工作时, 腔体内充满饱和正丁醇蒸气, 气溶胶进入腔体后, 正丁醇蒸气会在颗粒上凝结, 使得气溶胶长大到μm尺度, 以方便光散射检测器计数.观测期间样气流量和DMA鞘气流量设定为0.3 L·min-1和3 L·min-1.当撞击器压力高于0.3 kPa时, 用酒精擦洗.观测数据使用MSP公司配置软件进行拟合. HTDMA观测时间为2018年12月21日至2019年2月28日, 共间断获取29 d的观测数据.
1.2.2 常规气象及污染物观测常规气象要素(风速、风向、温度和相对湿度)使用自动气象站观测, 颗粒物质量浓度(PM10、PM2.5和PM1.0)使用β射线法测量(BPM-200, 中国聚光), SO2、NO2、O3和CO分别使用T101型H2S/SO2分析仪、T201型NOx/NH3分析仪、T400型O3分析仪和T300型CO分析仪测量, 时间分辨率均为1 h.
1.3 采样与分析方法本研究采用美国MSP公司的MOUDI-122型微孔均匀沉降式采样器获取水溶性离子的粒径分布.该仪器采集的13级切割粒径范围分别为：0.01~0.018、0.018~0.032、0.032~0.056、0.056~0.10、0.10~0.18、0.18~0.32、0.32~0.56、0.56~1.0、1.0~1.8、1.8~3.1、3.1~6.2、6.2~9.9和9.9~18 μm.采样器的采样流量设置在30 L·min-1, 每次采样前都使用美国TSI公司的4043型流量计进行流量校准, 每次采样连续采集10 h.样品采集时间为10:00~20:00和22:00~次日08:00, 分别代表白天和夜间的气溶胶信息.两次采样之间间隔的2 h用于滤膜的更换和微孔撞击板的清洗. MOUDI-122采样器前10级(0.056~18 μm)采用Teflon膜(47 mm, Pall), 后3级(0.01~0.056 μm)采用石英膜(90 mm, Pall).由于后3级石英膜较大, 加之采样过程中的压力降, 滤膜被压得很紧, 从膜托取膜时会破坏石英膜, 在称量过程中容易引入较大的误差, 因此采样期间石英膜不做更换, 后3级样品不做化学组分的分析.采样时段为2019年2月20~26日, 在此期间发生一次大气重污染过程.
离子分析使用美国DIONEX公司的ICS900型离子色谱仪, 分析用整张滤膜, 将其裁剪成细条状后, 放置在干洁的玻璃试管中, 并加入10 mL的去离子水.在室温下, 利用超声波仪超声15~20 min, 以使样品中的离子完全溶解在水中.取5 mL上清液, 用装有过滤头的针筒打入进样小管中, 将进样小管依次放入自动进样器中, 等待进样分析.分析的主要水溶性离子：阳离子NH4+、Na+、K+、Mg2+、Ca2+和阴离子SO42-、NO3-、Cl-.样品储存和前处理过程中, 可能会引入微量污染, 对一组空白膜(10张)进行与样品滤膜一样的存储和分析流程, 获得空白膜的离子浓度.扣除空白膜离子浓度的平均值获得膜样品中各离子的最终浓度.
1.4 气溶胶吸湿增长因子的估算利用MOUDI分粒径水溶性离子数据, 基于Petters和Kreidenweis提出的κ-Köhler理论[20]估算较宽粒径范围内气溶胶的gκ(RH).根据κ-Köhler理论(考虑开尔文效应), 液滴表面的平衡水汽饱和比可根据式(1)计算：
|
(1) |
式中, DRH为气溶胶吸湿后的粒径(μm), Dd为干粒子的粒径(μm), σs/a为液滴-空气界面的表面张力, 约为0.072 J·m-2, Mw为水的摩尔质量(18 g·mol-1), R为普适气体常数[8.314 J·(mol·K)-1], T为温度, 计算时假定温度T为298.15 K, ρw为水的密度(1 g·cm-3), κ为气溶胶的吸湿参量, 可根据ZSR混合法则, 通过气溶胶化学组成的体积加权得到：
|
(2) |
式中, κi为气溶胶中某化学物种的吸湿参量, 可实验测量, 本研究使用文献[16]列出的参考值(见表 1).北京地区的研究表明, 有机物的吸湿对气溶胶含水量的贡献很小, 因此本研究不考虑有机物的吸湿[31]. εi为该物种在气溶胶中的体积分数.计算各化学物种的体积分数还需知道各物种及气溶胶各自的密度, 本研究中MOUDI各级的气溶胶密度参考前期研究成果[32].化学物种重构采用Eichler等[33]提出的方案.
|
表 1 气溶胶中主要无机盐的吸湿性参数κ及密度 Table 1 Hygroscopicity parameter κ and density of relevant inorganic chemical components |
MOUDI测量的气溶胶粒径为空气动力学粒径, 在计算gκ(RH)时必须转换为斯托克斯粒径, 第i粒径段粒子的斯托克斯粒径为其空气动力学直径与该粒径段粒子密度的比值.根据前期研究获得的气溶胶密度[32], MOUDI采样器1~10级的斯托克斯粒径分别为9.8、5.8、3.3、1.8、1.05、0.59、0.34、0.19、0.11和0.06 μm.吸湿参数κ的准确计算需要较为准确的干燥气溶胶的质量, 气溶胶中的水分会增加气溶胶的质量, 从而低估吸湿参数κ.本研究采后的Teflon滤膜均在低湿(RH < 40%)环境中平衡24 h之后再称量.但从实际来说, 水分的影响有限, 一是因为采样过程中的压力降会明显降低MOUDI小粒径段的湿度, 气溶胶基本处于干燥状态[34, 35].其次Teflon滤膜本身几乎不吸湿.
2 结果与讨论 2.1 冬季不同污染状态下气溶胶粒径吸湿增长因子特征按PM2.5日均浓度 < 75、75~150和>150 μg·m-3将采样时段分为清洁天、轻-中度污染天和重度污染天.不同污染状态下350 nm以下气溶胶的gm(RH)如表 2~4所示.清洁状态下, 100 nm以下超细粒子的gm(RH)高于100 nm以上的粒子, 在RH=80%的环境中, 超细粒子的gm(RH)在1.30以上.轻-中度污染天, 100 nm粒子的gm(RH)最高, 在RH=80%的环境中可到1.38.而在重度污染天, gm(RH)整体上随着粒径增大而增大, 300 nm粒子在RH=80%的环境中可达1.39, 在RH=85%的环境中可达1.46.
|
|
表 2 清洁状态下不同粒径气溶胶的粒径吸湿增长因子 Table 2 Size-resolved aerosol hygroscopic growth factors on clean days |
|
|
表 3 轻-中度污染状态下不同粒径气溶胶的粒径吸湿增长因子 Table 3 Size-resolved particulate hygroscopic growth factors on slightly-to-moderately polluted days |
|
|
表 4 重度污染状态下不同粒径气溶胶的粒径吸湿增长因子 Table 4 Size-resolved aerosol hygroscopic growth factors on severely polluted days |
不同污染状态下gm(RH)随粒径的变化主要由气溶胶化学组成随粒径分布的变化所引起.清洁状态下大气光化学反应活跃, 新粒子生成现象明显, 气溶胶粒径通常较小, 生成的二次粒子如硝酸盐具有较强的吸湿性, 因此100 nm以下的超细粒子吸湿性整体较强.轻-中度污染状态下, 气溶胶老化程度偏低, 粒径较清洁状态略有增大, 北京市以往的观测也发现中度污染状态下100~120 nm气溶胶粒子的吸湿因子最高, 较大和较小的粒子中有相当一部分是疏水性粒子[36].其中较小的疏水性粒子主要是受到一次排放污染物如黑碳的影响[37], 较大的疏水性粒子则可能是受到城市扬尘的影响.重度污染状态下, 高颗粒物浓度往往伴随着高空气湿度, 气溶胶表面的水膜为液相反应的发生提供有利条件, 促进硫酸盐、硝酸盐和水溶性有机物的生成, 颗粒物老化程度较高, 气溶胶粒径随之增大.此外, 污染状态下已经存在的气溶胶粒子是新粒子的汇, 气溶胶粒子间的碰并、凝聚过程也会导致粒子粒径增大[38].另一方面, 重度污染状态下太阳辐射大大减弱, 光化学反应不活跃, 新粒子生成受限, 超细粒子主要受到一次污染物排放的影响, 吸湿性较弱, 因此在重度污染状态下gm(RH)整体上表现为随着粒子粒径增大而增大.这与黄山夏季吸湿因子的观测结果一致[39], 而南京春季霾日的观测结果则发现含量相对丰富的含碳物质导致粒径较大的气溶胶粒子吸湿性变弱[17].本研究在下文中进一步分析了大气重污染过程中清洁和污染时段气溶胶中水溶性离子的粒径分布特征, 结果表明水溶性无机盐含量随粒子粒径增大而增加是导致污染时段较大粒子吸湿因子较高的主要原因.
2.2 大气重污染过程中气溶胶水溶性离子的粒径分布2019年2月19~26日, 京津冀地区发生一次持续数天的大气重污染过程(图 2), PM2.5质量浓度整体上在2月19~23日较高, 期间地面平均风速为1.1 m·s-1, 44%的时段主导风向为西北风.该污染过程初期相对湿度达到80%以上, 温度小于3℃, 出现轻雾天气.此后2月20~25日期间, 白天相对湿度较低, 中午温度逐渐上升, O3最大质量浓度在2月20~22日期间呈现逐日上升趋势, 表明该污染过程中存在着较为活跃的大气氧化过程, 这对于气溶胶中二次组分的生成有重要影响. 2月23日后偏东风携带海上清洁空气入侵, 受其影响, 空气质量较2月23日前有所好转, 但SO2质量浓度出现了明显上升, 达到20 μg·m-3以上, 这可能与周边输送有关[40].
|
图 2 本研究期间大气重污染过程中气象要素及主要污染物质量浓度的时间变化序列 Fig. 2 Time-series of meteorological parameters and atmospheric pollutants during a severe haze episode |
在该污染过程的清洁时段, 水溶性离子质量浓度的粒径分布呈单峰分布, 白天质量浓度峰值在积聚模态(0.1~3.1 μm)的0.18~0.56 μm处(图 3). NO3-、SO42-、NH4+、Cl-和K+主要富集于积聚模态, 其次为爱根模态(30~100 nm), 在粗模态(>3.1 μm)分布最少, Ca2+、Mg2+等地壳离子主要分布于粗模态.积聚模态气溶胶中的水溶性离子占气溶胶质量的一半左右, 1 μm以下气溶胶中水溶性离子的质量分数为38%~51%. NO3-的质量分数峰值位于0.18~0.32μm, 核模态(< 30 nm)与爱根模态的NO3-被证明来源于气相氧化反应, 而积聚模态的NO3-则更多由气团的老化过程引起[41~43], 因此白天0.1~0.56 μm粒径段较高的NO3-质量分数表明气相氧化反应活跃. 1 μm以下气溶胶中SO42-和Cl-的质量分数高于1 μm以上, 峰值位于0.32~0.56 μm. SO42-和Cl-相同的粒径分布表明二者具有同源性, SO42-和Cl-是燃煤源的标识物[44], 表明清洁时段燃煤源的一次排放影响明显.夜间水溶性离子质量浓度峰值位于0.56~1 μm处, 各粒径段水溶性离子质量浓度较白天均有所升高.其中积聚模态气溶胶中水溶性离子的粒径分布整体向右迁移, NO3-和SO42-的质量分数峰值均迁移到0.56~1 μm, 但Cl-仍富集于0.56 μm以下, 表明夜间存在明显的二次气溶胶生成现象.
|
图 3 本研究期间大气重污染过程中气溶胶中水溶性离子质量浓度和质量分数的粒径分布 Fig. 3 Size-resolved mass concentrations and mass fraction of water-soluble ions during a severe haze episode |
在该污染过程的污染时段, 水溶性离子的质量浓度呈显著的单峰分布, 白天和夜间的质量浓度峰值均位于积聚模态的0.56~1 μm处, 气溶胶粒径较清洁时段有明显增长.平均而言, 污染时段白天水溶性离子的质量浓度高于夜间, 积聚模态气溶胶中的水溶性离子占气溶胶质量的50%~60%.采样期间大气温度不断上升, 有利于气相氧化反应的发生, NO3-质量分数增加明显.白天NO3-质量分数在0.18~1.8 μm粒径段达到20%以上, 峰值位于0.32~0.56 μm; SO42-质量分数在0.32~3.1 μm较高, 峰值位于1~1.8 μm, 达到18%; Cl-质量分数在0.1~1 μm较高, 峰值位于0.18~0.32 μm.夜间积聚模态气溶胶中水溶性离子的粒径分布与白天相比无明显差异.与白天相比, 夜间几乎所有粒径段气溶胶中NO3-质量分数均有下降, 可能是由于夜间气相氧化反应减弱造成的; Cl-质量分数在所有粒径段都出现上升, 再次说明夜间燃煤排放明显.
2.3 大气重污染过程中较宽粒径范围的gκ(RH)利用κ-Köhler理论, 本研究获取了该污染过程中清洁及污染时段气溶胶的吸湿参数κ以及RH=80%时的gκ(RH)(图 4). 在较宽粒径范围内(60 nm~9.8 μm), 不同模态气溶胶的吸湿参数κ大小表现为积聚模态>爱根模态>粗模态.清洁状态下, 积聚模态中0.1~1 μm粒径段吸湿参数κ为0.21~0.27, 峰值位于0.32~0.56 μm粒径段.污染时段积聚模态中0.18~1.8 μm粒径段吸湿参数κ较高, 为0.33~0.35, 峰值位于0.56~1 μm粒径段.整体而言, gκ(RH=80%)表现为污染时段>清洁夜间>清洁白天.以斯托克斯直径1 μm的粒子为例, 在该污染过程中清洁白天、清洁夜间、污染白天和污染夜间的gκ(RH=80%)分别为1.11、1.19、1.33和1.30.值得注意的是污染时段白天的gκ(RH=80%)高于夜间, 这主要是由于白天大气光化学反应强烈, 气溶胶中的NO3-质量分数高于夜间造成的.
|
图 4 本研究期间大气重污染过程中气溶胶吸湿参数κ和粒径吸湿增长因子gκ(RH=80%)的平均粒径分布 Fig. 4 Mean size-resolved hygroscopic parameter κ and hygroscopic growth factor gκ(RH=80%) during polluted and clean conditions during a severe haze episode |
气溶胶的吸湿参数与气溶胶化学组成紧密相关, 水溶性物质占气溶胶质量的比例越高, 气溶胶的吸湿性越强, 因此其绝对值以及粒径分布依赖于气溶胶中水溶性无机离子的质量分数及粒径分布.本研究期间积聚模态气溶胶中含有的丰富的水溶性离子是造成积聚模态气溶胶吸湿性最强的原因, 污染时段积聚模态水溶性离子的质量分数较清洁时段明显上升造成污染时段气溶胶吸湿性增强.其中污染时段NH4NO3、NH4Cl和(NH4)2SO4是对气溶胶吸湿因子贡献最主要的物种, 值得注意的是污染时段的白天, 粗模态气溶胶中的NaCl对气溶胶吸湿性的贡献不容忽视, 这可能是东风主导下海洋气溶胶的贡献.清洁时段, NH4NO3对气溶胶吸湿因子的贡献下降, NH4Cl和(NH4)2SO4的贡献大幅增加(图 5).污染消散阶段, 2月25日夜间地面主导风向为东风, 同样存在海洋气溶胶的影响, 因此清洁时段夜间的NaCl对气溶胶吸湿性有相当大的贡献.
|
图 5 本研究期间大气重污染过程中主要化学物种对气溶胶吸湿参数κ的贡献 Fig. 5 Contributions of major species to hygroscopic parameter κ during a severe haze episode |
当RH=80%时, gm(RH)与gκ(RH)无论是粒径分布还是绝对值均表现出较好的一致性, 这主要是因为在污染期间气溶胶的化学组成相对稳定.但是在清洁天, 当气溶胶化学组成快速变化时, 受测量时间分辨率不同的影响, 二者平均值的一致性较差[45]. gm(RH)与gκ(RH)较好的一致性表明基于水溶性离子的粒径分布, 利用κ-Köhler理论可以很好地获得气溶胶在较宽粒径范围内的粒径吸湿增长因子(图 6).由于κ-Köhler理论考虑了开尔文效应, 如果在实验室可以准确获取单种物质的κ, gκ(RH)的准确性还会进一步提高.同样基于水溶性离子的粒径分布, 在笔者之前的研究中还利用了热动力模型ISORROPIA Ⅱ估算了g(RH)[45].结果表明热动力学模型ISORROPIA Ⅱ反向模式也可以较好地获得较宽粒径范围内的吸湿增长因子.由于ISORROPIA Ⅱ前向模式中气-固再分配过程对气态前体物和相对湿度的响应很敏感, 导致其在估算吸湿增长因子方面存在不确定性.大气污染状态下气溶胶粒径增大、水溶性无机盐含量增加、吸湿性增强, 其综合作用会使得气溶胶的光散射能力大大加强, 对能见度恶化及地面辐射的降低有重要贡献.
|
图 6 本研究期间大气重污染过程中利用HTDMA观测的gm(RH=80%)与估算的gκ(RH=80%)的对比 Fig. 6 Comparison of gm(RH=80%) measured by HTDMA and gκ(RH=80%) estimated by κ-Köhler during a severe haze episode |
(1) 天津冬季清洁状态下大气光化学反应较为活跃, 超细粒子的吸湿性最强.而在重度污染天, 气溶胶中水溶性离子的质量分数随粒子粒径增大而增加, 导致gm(RH)整体上随着粒径增大而增大, 300 nm粒子的gm(RH=80%)和gm(RH=85%)可达1.39和1.46.
(2) 在较宽粒径范围内(60 nm~9.8 μm), 气溶胶的吸湿性强弱表现为积聚模态>爱根模态>粗模态.大气重污染过程中气溶胶粒径增大, 积聚模态NO3-和SO42-的质量分数较清洁时段显著升高, 导致积聚模态气溶胶吸湿性明显增强, gκ(RH)达到1.3~1.4, 具有强吸湿性的气溶胶粒径范围也同时扩大, 在0.18~3.1 μm粒径段均较高.污染状态下, 增大的气溶胶粒径、增加的水溶性无机盐含量和增强的气溶胶吸湿性对能见度下降有重要贡献.
(3) 污染时段NH4NO3、NH4Cl和(NH4)2SO4是对气溶胶吸湿性贡献最主要的物种.清洁阶段, NH4NO3对气溶胶吸湿性的贡献下降, NH4Cl和(NH4)2SO4的贡献大幅增加.东风影响下, 粗模态气溶胶中的NaCl对气溶胶吸湿性的贡献不容忽视.
(4) 基于水溶性离子的粒径分布, 利用κ-Köhler理论可以较好地获取气溶胶在较宽粒径范围内的粒径吸湿增长因子, 为能见度和辐射强迫的模拟提供基础.
| [1] | 国家环境保护部. 2013~2018中国生态环境状况公报[R]. 2014~2019. |
| [2] | Wu Z J, Wang Y, Tan T Y, et al. Aerosol liquid water driven by anthropogenic inorganic salts: implying its key role in haze formation over the North China Plain[J]. Environmental Science & Technology Letters, 2018, 5(3): 160-166. |
| [3] | Zhang R, Sun X S, Shi A J, et al. Secondary inorganic aerosols formation during haze episodes at an urban site in Beijing, China[J]. Atmospheric Environment, 2018, 177: 275-282. DOI:10.1016/j.atmosenv.2017.12.031 |
| [4] | Kong L W, Hu M, Tan Q W, et al. Key role of atmospheric water content in the formation of regional haze in southern China[J]. Atmospheric Environment, 2019, 216. DOI:10.1016/j.atmosenv.2019.116918 |
| [5] | Yang W W, Zhang J H, Ma Q X, et al. Heterogeneous reaction of SO2 on manganese oxides: the effect of crystal structure and relative humidity[J]. Scientific Reports, 2017, 7(1). DOI:10.1038/s41598-017-04551-6 |
| [6] | Liu T Y, Clegg S L, Abbatt J P D. Fast oxidation of sulfur dioxide by hydrogen peroxide in deliquesced aerosol particles[J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(3): 1354-1359. DOI:10.1073/pnas.1916401117 |
| [7] | Wang H C, Lu K D, Chen X R, et al. High N2O5 concentrations observed in urban Beijing: implications of a large nitrate formation pathway[J]. Environmental Science & Technology Letters, 2017, 4(10): 416-420. |
| [8] | Xu Q C, Wang S X, Jiang J K, et al. Nitrate dominates the chemical composition of PM2.5during haze event in Beijing, China[J]. Science of the Total Environment, 2019, 689: 1293-1303. DOI:10.1016/j.scitotenv.2019.06.294 |
| [9] | Sareen N, Waxman E M, Turpin B J, et al. Potential of aerosol liquid water to facilitate organic aerosol formation: assessing knowledge gaps about precursors and partitioning[J]. Environmental Science & Technology, 2017, 51(6): 3327-3335. |
| [10] |
程亚芳, 张远航, 胡敏. 珠江三角洲大气气溶胶辐射特性-基于观测的模型方法及应用[M]. 北京: 科学出版社, 2008. Cheng Y F, Zhang Y H, Hu M. Observation-based method for investigating the atmospheric aerosol radiative properties in pearl river delta of China[M]. Beijing: Science Press, 2008. |
| [11] | Zhao P S, Ding J, Du X, et al. High time-resolution measurement of light scattering hygroscopic growth factor in Beijing: a novel method for high relative humidity conditions[J]. Atmospheric Environment, 2019, 215. DOI:10.1016/j.atmosenv.2019.116912 |
| [12] |
刘新罡, 张远航. 大气气溶胶吸湿性质国内外研究进展[J]. 气候与环境研究, 2010, 15(6): 808-816. Liu X G, Zhang Y H. Advances in research on aerosol hygroscopic properties at home and abroad[J]. Climatic and Environmental Research, 2010, 15(6): 808-816. DOI:10.3878/j.issn.1006-9585.2010.06.10 |
| [13] | Zhao P S, Du X, Su J, et al. Aerosol hygroscopicity based on size-resolved chemical compositions in Beijing[J]. Science of the Total Environment, 2020, 716. DOI:10.1016/j.scitotenv.2020.137074 |
| [14] | Mader B T, Yu J Z, Xu J H, et al. Molecular composition of the water-soluble fraction of atmospheric carbonaceous aerosols collected during ACE-Asia[J]. Journal of Geophysical Research: Atmospheres, 2004, 109(D6). DOI:10.1029/2003JD004105 |
| [15] | Achtert P, Birmili W, Nowak A, et al. Hygroscopic growth of tropospheric particle number size distributions over the North China Plain[J]. Journal of Geophysical Research: Atmospheres, 2009, 114(D2). DOI:10.1029/2008JD010921 |
| [16] | Liu H J, Zhao C S, Nekat B, et al. Aerosol hygroscopicity derived from size-segregated chemical composition and its parameterization in the North China Plain[J]. Atmospheric Chemistry and Physics, 2014, 14(5): 2525-2539. DOI:10.5194/acp-14-2525-2014 |
| [17] |
杨素英, 田芷洁, 张铁凝, 等. 霾天气下城市气溶胶吸湿性的观测[J]. 环境科学, 2019, 40(6): 2546-2555. Yang S Y, Tian Z J, Zhang T N, et al. Urban aerosol hygroscopicity during haze weather[J]. Environmental Science, 2019, 40(6): 2546-2555. |
| [18] | Liu B Y H, Pui D Y H, Whitby K T, et al. The aerosol mobility chromatograph: a new detector for sulfuric acid aerosols[A]. In: Husar R B, Lodge Jr J P, Moore D M (Eds.). Sulfur in the Atmosphere[M]. Amsterdam: Elsevier, 1978.99-104. |
| [19] | Covert D S, Charlson R J, Ahlquist N C. A study of the relationship of chemical composition and humidity to light scattering by aerosols[J]. Journal of Applied Meteorology, 1972, 11(6): 968-976. DOI:10.1175/1520-0450(1972)011<0968:ASOTRO>2.0.CO;2 |
| [20] | Petters M D, Kreidenweis S M. A single parameter representation of hygroscopic growth and cloud condensation nucleus activity[J]. Atmospheric Chemistry and Physics, 2007, 7(8): 1961-1971. DOI:10.5194/acp-7-1961-2007 |
| [21] | Swietlicki E, Hansson H C, Hämeri K, et al. Hygroscopic properties of submicrometer atmospheric aerosol particles measured with H-TDMA instruments in various environments -a review[J]. Tellus B: Chemical and Physical Meteorology, 2008, 60(3): 432-469. DOI:10.1111/j.1600-0889.2008.00350.x |
| [22] |
刘宏剑, 赵春生. 高时间分辨率加湿浊度计系统设计研究[J]. 北京大学学报(自然科学版), 2016, 52(6): 999-1004. Liu H J, Zhao C S. Design of a humidified nephelometer system with high time resolution[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016, 52(6): 999-1004. |
| [23] | Kuang Y, Zhao C S, Tao J C, et al. A novel method for deriving the aerosol hygroscopicity parameter based only on measurements from a humidified nephelometer system[J]. Atmospheric Chemistry and Physics, 2017, 17(11): 6651-6662. DOI:10.5194/acp-17-6651-2017 |
| [24] | Sun Y L, Jiang Q, Wang Z F, et al. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(7): 4380-4398. DOI:10.1002/2014JD021641 |
| [25] | Zieger P, Fierz-Schmidhauser R, Poulain L, et al. Influence of water uptake on the aerosol particle light scattering coefficients of the central European aerosol[J]. Tellus B: Chemical and Physical Meteorology, 2014, 66(1). DOI:10.3402/tellusb.v66.22716 |
| [26] | Yan P, Pan X L, Tang J, et al. Hygroscopic growth of aerosol scattering coefficient: a comparative analysis between urban and suburban sites at winter in Beijing[J]. Particuology, 2009, 7(1): 52-60. DOI:10.1016/j.partic.2008.11.009 |
| [27] | Pan X L, Yan P, Tang J, et al. Observational study of influence of aerosol hygroscopic growth on scattering coefficient over rural area near Beijing mega-city[J]. Atmospheric Chemistry and Physics, 2009, 9(19): 7519-7530. DOI:10.5194/acp-9-7519-2009 |
| [28] | Zhang L, Sun J Y, Shen X J, et al. Observations of relative humidity effects on aerosol light scattering in the Yangtze River Delta of China[J]. Atmospheric Chemistry and Physics, 2015, 15(14): 8439-8454. DOI:10.5194/acp-15-8439-2015 |
| [29] | Tan H B, Yin Y, Gu X S, et al. An observational study of the hygroscopic properties of aerosols over the Pearl River Delta region[J]. Atmospheric Environment, 2013, 77: 817-826. DOI:10.1016/j.atmosenv.2013.05.049 |
| [30] | Chen J, Zhao C S, Ma N, et al. Aerosol hygroscopicity parameter derived from the light scattering enhancement factor measurements in the North China Plain[J]. Atmospheric Chemistry and Physics, 2014, 14(15): 8105-8118. DOI:10.5194/acp-14-8105-2014 |
| [31] | Liu M X, Song Y, Zhou T, et al. Fine particle pH during severe haze episodes in northern China[J]. Geophysical Research Letters, 2017, 44(10): 5213-5221. DOI:10.1002/2017GL073210 |
| [32] | Ding J, Zhang Y F, Han S Q, et al. Chemical, optical and radiative characteristics of aerosols during haze episodes of winter in the North China Plain[J]. Atmospheric Environment, 2018, 181: 164-176. DOI:10.1016/j.atmosenv.2018.03.006 |
| [33] | Eichler H, Cheng Y F, Birmili W, et al. Hygroscopic properties and extinction of aerosol particles at ambient relative humidity in South-Eastern China[J]. Atmospheric Environment, 2008, 42(25): 6321-6334. DOI:10.1016/j.atmosenv.2008.05.007 |
| [34] | Zhao P S, Chen Y, Su J. Size-resolved carbonaceous components and water-soluble ions measurements of ambient aerosol in Beijing[J]. Journal of Environmental Sciences, 2017, 54: 298-313. DOI:10.1016/j.jes.2016.08.027 |
| [35] | Su J, Zhao P S, Dong Q. Chemical compositions and liquid water content of size-resolved aerosol in Beijing[J]. Aerosol and Air Quality Research, 2018, 18(3): 680-692. DOI:10.4209/aaqr.2017.03.0122 |
| [36] | Meier J, Wehner B, Massling A, et al. Hygroscopic growth of urban aerosol particles in Beijing (China) during wintertime: a comparison of three experimental methods[J]. Atmospheric Chemistry and Physics, 2009, 9(18): 6865-6880. DOI:10.5194/acp-9-6865-2009 |
| [37] | Wang Y Y, Li Z Q, Zhang R Y, et al. Distinct ultrafine- and accumulation- mode particle properties in clean and polluted urban environments[J]. Geophysical Research Letters, 2019, 46(19): 10918-10925. DOI:10.1029/2019GL084047 |
| [38] | Tie X X, Huang R J, Cao J J, et al. Severe pollution in China amplified by atmospheric moisture[J]. Scientific Report, 2017, 7(1). DOI:10.1038/s41598-017-15909-1 |
| [39] |
陈卉, 杨素英, 李艳伟, 等. 黄山夏季气溶胶吸湿性及与化学组分闭合[J]. 环境科学, 2016, 37(6): 2008-2016. Chen H, Yang S Y, Li Y W, et al. Hygroscopic properties and closure of aerosol chemical composition in Mt. Huang in summer[J]. Environmental Science, 2016, 37(6): 2008-2016. |
| [40] |
蔡子颖, 杨旭, 韩素芹, 等. 基于天气背景天津大气污染输送特征分析[J]. 环境科学, 2020, 41(11): 4855-4863. Cai Z Y, Yang X, Han S Q, et al. Transport characteristics of air pollution in Tianjin based on weather background[J]. Environmental Science, 2020, 41(11): 4855-4863. |
| [41] | Squizzato S, Masiol M, Emami F, et al. Long-term changes of source apportioned particle number concentrations in a metropolitan area of the Northeastern United States[J]. Atmosphere, 2019, 10(1). DOI:10.3390/atmos10010027 |
| [42] | Zhou L M, Hopke P K, Stanier C O, et al. Investigation of the relationship between chemical composition and size distribution of airborne particles by Partial Least Squares and Positive Matrix Factorization[J]. Journal of Geophysical Research: Atmospheres, 2005, 110(D7). DOI:10.1029/2004JD005050 |
| [43] | Kasumba J, Hopke P K, Chalupa D C, et al. Comparison of sources of submicron particle number concentrations measured at two sites in Rochester, NY.[J]. Science of the Total Environment, 2009, 407(18): 5071-5084. DOI:10.1016/j.scitotenv.2009.05.040 |
| [44] | Bi X H, Dai Q L, Wu J H, et al. Characteristics of the main primary source profiles of particulate matter across China from 1987 to 2017[J]. Atmospheric Chemistry and Physics, 2019, 19(5): 3223-3243. DOI:10.5194/acp-19-3223-2019 |
| [45] | Ding J, Zhang Y F, Zhao P S, et al. Comparison of size-resolved hygroscopic growth factors of urban aerosol by different methods in Tianjin during a haze episode[J]. Science of the Total Environment, 2019, 678: 618-626. DOI:10.1016/j.scitotenv.2019.05.005 |