2023, Vol. 44
, YU Lei , CHEN Shu-xin , LU Jia-feng , XU Ya-lu , JI Hai-bing , ZHANG Liu-fang , LIU Jin-song , WANG Jing
我国持续高速的经济增长和城市化进程的推进在取得显著社会经济发展成果的同时, 也付出了空气污染问题加剧的巨大代价.有研究表明[1~4], PM2.5和臭氧污染逐渐成为阻碍我国城市和区域空气质量达标的主要瓶颈.大气中大量的颗粒物不仅影响人类日常社会活动还会危及人类健康[5~9].摸清PM2.5的主要化学组成变化特征[10~12], 是研究大气环境质量状况的基础[13].
PM2.5的组分较为复杂[14], 主要由水溶性离子、无机元素和碳组分等组成, 其中水溶性离子主要有水溶性阳离子和水溶性阴离子[15, 16], 无机元素主要为金属元素[17, 18], 碳组分主要包括有机碳(OC)和元素碳(EC)[19, 20].国内外学者对不同地区不同时间段的大气PM2.5质量浓度及组分污染特征开展了诸多研究[21~24].杨复沫等[25]以北京2个采样点的PM2.5样品进行组分分析, 发现有机物含量分别为27.8%和30.9%, 其次是二次无机粒子(23%~24%)、土壤尘(11%)、元素碳和微量元素.有研究对北京城区PM2.5及其组分进行多次污染特征及来源分析[26~29], 对比多次研究发现北京城区PM2.5碳质组分占比下降, 具有较强的二次污染特征, 目前二次源是北京市PM2.5的最主要来源.任娇等[30]对太原冬季PM2.5组成研究发现随着PM2.5污染程度的增加, OM和矿物尘的占比下降, 而SNA的占比显著增加.孙友敏等[31]研究了济南市不同季节不同功能区的PM2.5浓度及化学组成, 发现PM2.5质量浓度大小为：工业区>城乡结合部>城市市区, 各功能区秋季和冬季明显高于春季, 工业区各季节水溶性离子浓度较高.杨梦蓉等[32]研究了宁波市春节期间的水溶性离子, 结果发现二次无机离子(NO3-、SO42-和NH4+)是主要的水溶性离子, 爆竹燃烧、二次生成(北京、工业源)和扬尘源是宁波春节PM2.5的主要污染来源.蒋琦清等[33]研究发现杭州城区PM2.5受外源输送污染具有明显的季节性变化特征.Liu等[34]对杭州市PM2.5中的水溶性离子、金属元素和总碳(TC)进行分析发现, 水溶性离子对PM2.5的总贡献率在32.3%~36.7%, TC贡献率为27.8%, 元素对PM2.5的贡献率在1.7%~2.0%之间.Xu等[35]选取杭州和宁波作为浙北地区, 对PM2.5及其水溶性离子(WSII)的时空变化特征及来源进行了研究, 发现城市PM2.5污染较郊区和农村严重, 离子浓度大小呈现：SO42->NO3->NH4+>Cl->K+, 工业排放、生物质燃烧和二次无机气溶胶的形成是浙北地区WSII的主要来源.目前长三角地区的PM2.5的研究主要集中在城市细颗粒物的化学成分分析[36, 37], 粒径分布及来源解析[38], 区域污染过程颗粒物的来源及光学特征[39~41].
目前已有的对颗粒物的组分特征的大区域尺度研究集中在京津冀及其周边地区、珠三角[42, 43]、四川盆地[44]和长三角地区等.浙江省各地作为长三角南部城市, 处于长三角污染区域边缘[45], 目前对浙江省全省区域的颗粒物的相关研究仅仅局限于杭州和宁波等个别城市, 针对全省大区域尺度以及宽时间轴范围的PM2.5质量浓度及组分污染特征却鲜见报道.基于此本研究在浙江省全省区域内采集时间序列为1 a的大气PM2.5样品, 通过摸清浙江省城市大气颗粒物的组分特征, 掌握浓度水平和变化规律, 进而开展全省颗粒物污染治理和防控工作, 提升大气环境质量.
1 1材料与方法 1.1 样品采集按照全省监测全覆盖的原则, 本研究将浙江省分为浙东地区、浙北地区、浙西地区和浙南地区, 共选取11个点位作为大气颗粒物的样品采集点.为保证监测数据具有代表性、可比性和准确真实地反映城市环境空气颗粒物的污染状况, 各城市在人口密集区布设监测点位, 具体点位信息见表 1.
|
表 1 浙江省各地区大气颗粒物监测点位 Table 1 PM2.5 sampling sites of regions in Zhejiang province |
本研究采样时间为2019年10月1日至2020年9月30日, 所有点位监测频次为每3 d 1次, 其中每次样品连续采集23 h, 采集时间为09:00至次日08:00.每个点位使用1台4通道小流量采样器采集4个PM2.5样品(2个为石英滤膜样品, 2个为特氟龙滤膜样品), 采样流量分别为16.7 L·min-1, 采样周期内每个月各地市分别于月初及月中各采集1个石英滤膜空白样品及1个为特氟龙滤膜空白样品, 共采集有效滤膜样品536个.为获得各地大气颗粒物组分污染随季节变化的规律, 将观测时间段分为秋季(2019年10~11月)、冬季(2019年12月~2020年2月)、春季(2020年3~5月)和夏季(2020年6~9月)[46].
1.2 样品分析监测项目主要包括PM2.5浓度、9种水溶性离子、24种无机元素和碳组分等46项, 具体分析项目、分析方法和仪器见表 2.
|
|
表 2 颗粒物组分分析项目、方法和仪器 Table 2 PM2.5 chemical composition items, methods, and instruments |
其中PM2.5浓度采用重量法进行测定, 质量保证和控制关键环节包括：滤膜平衡时间不少于24 h, 滤膜采样前后在相同温、湿度条件下进行称重前的平衡; 称重过程中, 首次称重后在相同平衡条件下平衡1h后再称重, 因采样为小流量采样, 同一滤膜两次称重质量差均小于0.04 mg, 否则重新进行平衡、称重, 采样前后滤膜称量使用同一台天平; 采样后样品滤膜于4℃密封冷藏保存, 20 d内完成称重.
水溶性离子采用离子色谱法进行分析, 剪取1/4 PTFE滤膜于样品管中, 加入去离子水超声提取、经离子交换色谱柱分离后, 用抑制型电导检测器检测.分析过程中质量控制措施主要包括：离子色谱法所用去离子水的电导率应小于0.5 μS·cm-1, 样品经0.45 μm微孔滤膜过滤, 除去样品中颗粒物, 防止系统堵塞; 环境整个系统不要进气泡, 尤其每次更换淋洗液, 及时排气, 以免气泡进入系统.
无机元素组分测试选用X射线荧光光谱法, 利用X射线管产生的初级X射线照射到滤膜样品表面, 被测元素释放出特征X射线经晶体分光后, 探测器在选择的特征波长相对应20角处测量X射线荧光强度.聚四氟乙烯滤膜在WD-XRF测定过程中, 受X射线照射时容易产生裂纹, 甚至破损.为避免采样膜的破损, 在分析过程中降低X光管功率并减少照射时间, 控制测量时间在20 min以内.
1.3 组分分析方法本研究采用质量平衡方法分析浙江省PM2.5化学组分特征分析, 将所测定的化学组分划分为以下9个部分[48]：
① 有机物(OM)：以1.6×OC浓度计[49];
② 元素碳(EC)：以EC浓度计;
③ 硫酸盐：SO42-浓度计;
④ 硝酸盐：以NO3-浓度计;
⑤ 铵盐：以NH4+浓度计;
⑥ 氯盐：以Cl-浓度计;
⑦ 地壳物质：2.20(Al)+2.49(Si)+1.63(Ca)+2.42(Fe)+1.94(Ti)[50];
⑧ 微量元素：K+Mg+F-+Ba+Cd+Sn+V+Cr+Mn+Co+Ni+Cu+Zn+As+Se+Pd+Cl+Sb+Na+[29];
⑨ 其他：PM2.5质量浓度、OM、硝酸盐、硫酸盐、铵盐、元素碳、氯盐、地壳物质和微量元素.
1.4 大气颗粒物输送路径分析方法大气颗粒物的污染受区域内人为排放源的同时, 也受气流轨迹输送产生的外源性影响[45, 51~52].本研究利用TrajStat软件和全球资料同化系统(GDAS)气象数据, 采用聚类分析方法对2019年10月至2020年9月期间抵达浙江省各季节的气流资料进行处理, 设定距地高度500 m, 以每日00:00、06:00、12:00和18:00的48h气流后向轨迹进行归类, 以期从区域传输影响的角度来解析浙江省各区域PM2.5的输送路径.
2 2结果与讨论 2.1 PM2.5质量浓度水平污染特征 2.1.1 整体概况2019年10月至2020年9月, 就浙江省全省而言, ρ(PM2.5)平均值为(40.3±12.4)μg·m-3, 各地区ρ(PM2.5)平均值范围为34.3~46.4 μg·m-3, 见图 1, 其中以浙西和浙北内陆地区PM2.5质量浓度较高, 分别高出均值15.1%和13.2%, 浙东和浙南沿海地区PM2.5质量浓度较低, 分别低于均值8.4%和14.9%.一方面是由于浙东南沿海地区的气候条件更加有利于颗粒物的扩散, 另一方面是由于浙西和浙北地区的高浓度可能受其它地区外来源的影响.另外除浙南地区外, 其余各区域平均浓度均超过国家环境空气质量标准(GB 3095-2012)的二级限值(35 μg·m-3).
|
图 1 浙江省各地区PM2.5浓度平均值 Fig. 1 Average mass concentration of PM2.5 in each region |
基于2019年10~11月(秋季)、2019年12月至2020年2月(冬季)、2020年3~5月(春季)和2020年6~8月(夏季)采样期间PM2.5的监测结果, 对全省各地区PM2.5的浓度分季节进行分析, 从全省范围看, PM2.5浓度呈现了较明显的季节性差异, 秋季和冬季PM2.5浓度最高, 超出平均值13.9%; 夏季PM2.5浓度最低, 低于均值24.3%.除夏季(30.5 μg·m-3)外, 秋季、冬季和春季浓度平均值均超过35 μg·m-3.
就各地区而言, 除浙南地区的PM2.5浓度秋季、冬季和春季季节变化不明显外, 其余各地区秋季和冬季PM2.5浓度明显是高于春季和夏季.主要是由于秋季和冬季较低的气温和相对较弱的日照导致边界层高度的降低从而易造成污染物的累积, 同时也可能与污染物的季节性排放有关.各地区夏季PM2.5浓度均小于秋季、冬季和春季, 且夏季浓度均小于35 μg·m-3, 以浙东地区夏季浓度最低, 仅为27.9 μg·m-3, 主要是因为夏季大气扩散条件较好, 且降水较多, 能一定程度地降低环境空气中PM2.5.采样期间, 浙西地区秋季浓度最高, 达到58.6 μg·m-3.浙北和浙东地区均呈现冬季>秋季>春季>夏季的季节变化特征.
图 2给出了采样期间PM2.5浓度随月份变化的趋势.从浙江省不同月份来看, 2020年1月(冬季)ρ(PM2.5)最高, 达到52.3 μg·m-3, 超出均值34.1%, 其次是2019年12月(冬季); 2020年6、7和8月(夏季)ρ(PM2.5)最低, 分别为26.6、26.2和30.5 μg·m-3.
|
图 2 浙江省各区域PM2.5浓度分月变化情况 Fig. 2 Monthly changes in PM2.5 mass concentration in each region |
对各地区来说, PM2.5浓度均在6~8月(夏季)出现较低值, 在2019年12月和2020年1月出现较高值.受春节和新冠疫情(2020年2~3月)的影响, 各地区2020年2月PM2.5浓度相较于采样期间冬季的其他月份(2019年12月和2020年1月), 2020年3月PM2.5浓度相较于采样期间春季的其他月份(2020年4月和5月)均出现较大幅度的降低.
2.1.3 不同类型点位的PM2.5浓度差异由于浙西北内陆地区和浙东南沿海地区本身PM2.5浓度水平不同, 为消除地域间的差异性, 将不同类型点位差异分析分为内陆地区和沿海地区, 具体结果见图 3.比较同一区域内不同类型点位的PM2.5浓度水平发现, 内陆地区采样期内, 风景名胜区、行政区、居民区和商业交通居民混合区的ρ(PM2.5)分别为(40.2±10.2)、(46.3±9.6)、(50.1±10.6)和(46.7±10.2)μg·m-3, 居民区点位的PM2.5污染水平在均值上是最高的.对于各类型的采样点位的季节分布来说, 均为夏季浓度最低, 秋季和冬季浓度较高.冬季和春季均为居民区ρ(PM2.5)最高, 分别为59.5 μg·m-3和52.5 μg·m-3.而秋季和夏季的最高值均出现在商业交通居民混合区, 分别为57.2 μg·m-3和36.1 μg·m-3.需要特别指出的是, 春季居民区高出所有类型点位PM2.5浓度均值的比例是最大的, 超出均值的20.8%, 这很大可能是由于2020年春季由于新冠肺炎的影响, 社会生产活动和人员流动降低, 机动车排放减弱, 导致活动场所集中在居民区, 使得居民区PM2.5浓度高于其他区.沿海地区采样期内, 文化娱乐区和商业交通居民混合区的ρ(PM2.5)分别为(27.4±5.8)μg·m-3和(37.2±5.6)μg·m-3, 2个类型的点位PM2.5浓度都具有明显的季节特征, 其中文化娱乐区冬季ρ(PM2.5)最高, 达到35.4 μg·m-3, 超出均值29.5%.商业交通居民混合区秋季ρ(PM2.5)略高于冬季, 分别为42.5 μg·m-3和40.0 μg·m-3.
|
图 3 浙江省不同类型点位的PM2.5浓度情况 Fig. 3 PM2.5mass concentration in different sampling sites |
图 4给出了各区域PM2.5主要化学组成结果, 从全省范围看, 浙江省环境大气PM2.5的主要组分为有机物(OM)、硝酸盐(NO3-)、硫酸盐(SO42-)、铵盐(NH4+)、微量元素和地壳物质, 其对PM2.5总浓度的贡献率分别为26.4%、15.4%、12.4%、9.0%、7.1%和5.7%, 其他未确定的组分的贡献率为18.7%.二次无机气溶胶SNA(硫酸盐、硝酸盐和铵盐)为主要的水溶性无机离子, 其在PM2.5的贡献率达到36.8%, OM和硝酸盐贡献次之.由于酸盐、硝酸盐和铵盐主要是由二次反应生成的, 因此浙江省PM2.5的二次转化反应较为活跃, 来源贡献较大.
|
图 4 浙江省各区域PM2.5化学组分特征 Fig. 4 Regional pollution characteristics of PM2.5 chemical composition |
从PM2.5组分空间分布的情况来看, 各区域PM2.5组分构成基本一致, 对PM2.5贡献率比较大的物种主要是SNA、OM、微量元素和地壳物质.其中SNA对各地区PM2.5的贡献均最大, 贡献率范围为32.8%~39.7%, 浙北地区SNA贡献率最高, 浙南地区SNA贡献率最低.OM作为各地区PM2.5的第二组分, 浙南地区PM2.5中OM贡献率最高, 达29.3%; 浙北地区最低, 为22.6%.各地区PM2.5中微量元素、地壳物质、EC及氯盐的贡献差异较小, 贡献率范围分别为6.8%~7.6%、5.8%~6.0%、3.8%~4.5%和1.0%~1.4%.
而对于各地区来说, 均呈现硝酸盐>硫酸盐>铵盐的情况, 硝酸盐主要是煤炭化石燃料燃烧及机动车尾气排放的NOx二次反应生成[53], 硫酸盐主要是由煤炭燃料燃烧产生的SO2二次反应生成, 铵盐则是主要来源于NH3与大气中酸性气体反应生成, 因此浙江省各区域均应进一步从控制硝酸盐、硫酸盐的前体物NOx和SO2方面来削减PM2.5的排放.
PM2.5中含碳组分TCA包含有机碳OM和元素碳EC, 由各地区的监测结果可以看出, 浙北、浙东、浙西和浙南地区的TCA对PM2.5的贡献率分别为26.4%、31.0%、32.9%和33.7%, 甚至在浙南地区出现TCA>SNA, 说明浙江地区的PM2.5中碳污染较为严重.EC通常被作为认为是一次污染物的是示踪物, OC除了来源于一次有机碳排放源, 同时还来源于二次有机物的转化.有研究表明, OC/EC可以用来表征PM2.5中碳元素的排放来源及转化的特性[9, 54].通常OC/EC>2.0, 表明PM2.5中OC主要来源于二次有机物的转化[55, 56].采样期间浙江省OC/EC均值为3.9, 其中区域间差异较小, 浙南地区最高(4.1), 浙北地区最低(3.8), 其余两个区域为3.9, 表明浙江省PM2.5中有机碳主要来源于二次有机物的转化.
2.2.2 PM2.5组分时间变化特征不同季节采样期间浙江省PM2.5的主要组分贡献率如图 5所示.秋季、春季和夏季OM对PM2.5的贡献高于其他组分, 贡献率分别为28.3%、27.7%和26.3%.而冬季硝酸盐对PM2.5的贡献大幅上升, 对PM2.5的贡献率超过OM, 达到24.3%, 浙江冬季多偏西北风, 可能是由于冬季受北方采暖期的煤炭燃料燃烧产生的NOx排放的影响.同时冬季氯盐的贡献率(1.6%)也是明显高于秋季、春季和夏季, 主要是由于氯盐来自于燃烧过程和工业排放, 可能受北方燃煤排放的影响, 冬季氯盐浓度大幅升高.冬季PM2.5中地壳物质的平均贡献率(3.9%)明显小于其他季节, 说明冬季扬尘贡献明显下降, 推测主要是春节及疫情等因素使得建筑活动及机动车流量大幅减少, 从而产生的建筑尘和道路尘等也明显减少.
|
图 5 浙江省PM2.5的组分特征的季节变化情况 Fig. 5 Seasonal pollution characteristics of PM2.5 chemical composition in Zhejiang province |
各地区PM2.5的主要组分贡献率如图 6所示.对于浙北和浙东地区, 秋季、春季和夏季OM对PM2.5的贡献均最高, 其中浙北地区三季贡献率分别为22.9%、24.6%和26.1%, 浙东地区贡献率分别为29.2%、28.2%和27.4%, 冬季则是硝酸盐对浙北和浙东地区PM2.5浓度贡献率最大, 分别为28.7%和24.5%.对于浙西和浙南地区, 秋季、冬季、春季和夏季OM对PM2.5的贡献均最高, 其中浙西地区四季贡献率分别为30.4%、27.4%、30.5%和23.8%, 浙南地区贡献率分别为32.2%、28.1%、28.7%和27.4%.各地区二次无机气溶胶SNA对PM2.5的贡献率最高值均出现在冬季, 浙北、浙东、浙西和浙南地区冬季SNA分别为53.1%、51.1%、42.4%和45.4%.另外氯盐在各地区的冬季也都呈现较大幅度的增长, 浙北、浙东、浙西和浙南地区冬季氯盐分别高出均值68.2%、48.5%、76.0%和29.8%.各地区的组分特征季节变化基本一致.
|
图 6 各地区PM2.5组分特征的季节变化情况 Fig. 6 Seasonal pollution characteristics of PM2.5 chemical composition in each region |
图 7给出了采样期间内陆地区各类型功能区PM2.5组分随季节变化的特征.对于风景名胜区、行政区和居民区, 秋季、春季和夏季OM对PM2.5的贡献均最高, 其中风景名胜区的OM在PM2.5中最高贡献率出现在夏季(达到30.2%), 但其ρ(OM)=8.30 μg·m-3却是最低, 主要是由于夏季为该风景名胜区的旅游旺季, 带动景区内机动车尾气排放的增加, 进而提升夏季风景名胜区的OM对PM2.5的贡献.而风景名胜区、行政区和居民区冬季均为硝酸盐贡献率最高, 分别为29.6%、24.5%和27.7%.对于商业交通居住混合区, OM在秋季、冬季、春季和夏季四季贡献率均为最高, 分别是30.7%、29.1%、31.5%和21.7%, 主要是由于相对于其他类型的功能区点位来说, 商业交通居民混合区的机动车排放来源大, 而机动车尾气作为OM主要排放源, 因此商业交通居民混合区的PM2.5中OM贡献率四季均为最高.另外硝酸盐的贡献率在各类型点位的季节性差异均较大, 冬季硝酸盐贡献率为21.6%~29.6%, 而夏季贡献率仅为5.4%~9.0%, 硝酸盐主要是化石燃料燃烧产生, 冬季受北方供暖的影响, 因此对PM2.5的贡献较大.
|
图 7 内陆地区PM2.5的组分特征的季节变化情况 Fig. 7 Seasonal pollution characteristics of PM2.5 chemical composition in hinterland of Zhejiang province |
沿海地区各类型功能区PM2.5组分随季节变化的特征见图 8.同样地, 对于商业交通居住混合区, OM在秋季、冬季、春季和夏季四季对PM2.5的贡献率均为最高, 分别是31.2%、26.2%、28.7%和28.1%.文化娱乐区, 秋季、春季和夏季OM对PM2.5的贡献率均最大, 分别为25.9%、26.9%和23.4%, 冬季则是硝酸盐贡献率最高, 为25.0%.因此对于内陆地区和沿海地区来说, PM2.5存在整体浓度上的差异, 但是组成特征基本一致.
|
图 8 沿海地区PM2.5的组分特征的季节变化情况 Fig. 8 Seasonal pollution characteristics of PM2.5 chemical composition in coastal areas of Zhejiang province |
本研究将浙江省各区域各季节的气流轨迹分别聚为五类, 后向轨迹聚类分析结果如图 9所示, 并对聚类后的气流轨迹进行统计分析, 分析结果见表 3.秋季浙江省各区域主要受北方及东部沿海地区输入的气流轨迹影响, 其中浙北地区和浙西地区受黄海江苏南部方向的气流轨迹占其秋季气流轨迹的贡献率最大, 均为38.11%, 浙北地区受来自内蒙古南部的远距离气团(28.69%)影响次之; 浙西地区也同时受来自东部海面的气团(17.62%)影响; 浙东地区则是以河北北部传来的气团(36.07%)为最大出现概率轨迹, 其次为来自黄海的气团贡献; 浙南地区主要受来自东海不同方位的气团轨迹影响.冬季浙江省各区域主要受来自北方气流轨迹影响的同时也有来自中国南部地区的气团影响, 其中浙北地区受来自豫皖交界安徽北部地区的气团贡献率最大, 达35.28%; 浙东地区来自渤海山东东部地区等方向的气流轨迹占其气流轨迹的38.06%, 受东部沿海方向的气团占比次之; 浙西主要受来自安徽南部的短距离气团贡献最大(37.50%); 浙南受来自安徽东北部的气团(34.44%)贡献最高.同时秋冬季浙江省PM2.5浓度均值远大于春夏季, 并且在全省各区域间PM2.5浓度存在明显差异, 浙西和浙北地区PM2.5浓度均远大于浙东和浙南地区, 其中秋季均值浓度最高的浙西地区与最低浙南地区的ρ(PM2.5)平均值的差值达21.0 μg·m-3, 冬季最高的浙北地区与最低的浙南地区的ρ(PM2.5)平均值的差值达20.5 μg·m-3, 间接说明北方气团对浙江省秋冬季PM2.5存在较大的外源性贡献.春季浙江省各区域主要受来自北方、西南方向和东部沿海地区气流轨迹影响, 其中浙北地区受东海方向的气团贡献(37.46%)最大, 其次为来自江西中部的气团; 同样的浙东地区也是受东海方向的气团贡献(30.17%)最大, 其次为福建北部方向的气团; 浙西则是以浙江东部方向的气流轨迹占其当季气流轨迹的46.55%, 且气团轨迹长度最短, 大气扩散条件较差; 浙南地区春季受东海浙东方向和福建西南方向的气团贡献相当, 分别为26.72%和25.86%.夏季浙江省各区域基本上受来自南海和东海等海上远距离传输气团的影响, 其中浙北地区以江苏西部方向和黄海方向的气团贡献为主, 分别为27.87%和22.54%; 浙东地区则是以来自南海和黄海等海上方向的气团贡献为主, 分别为34.43%和25.50%; 浙西地区受来自浙北方向和广东南部沿海方向的气团贡献最高, 分别为32.58%和30.74%; 浙南地区主要受来自南海方向(轨迹2和轨迹5)贡献最高, 达47.54%, 其次是受黄海方向的气团贡献.另外春夏季全省各区域间PM2.5质量浓度差异较小, 春季均值浓度最高的浙北地区与最低的浙南地区的ρ(PM2.5)平均值的差值为10.4 μg·m-3、夏季最高的浙北地区与最低的浙东地区的ρ(PM2.5)平均值的差值仅为6.1 μg·m-3, 进一步说明随着春夏季北方气团对浙江省气团轨迹的减弱, 以及南方和东海海上气团对浙江省气流贡献的增大, PM2.5质量浓度也存在好转的趋势.
|
ZB表示浙北, ZD表示浙东, ZX表示浙西, ZN表示浙南 图 9 浙江省各区域不同季节后向轨迹聚类分析结果 Fig. 9 Back trajectory clusters in each region during different seasons |
|
|
表 3 浙江省各区域气流轨迹聚类分析 Table 3 Seasonal characteristics of various backward trajectories in each region |
3 结论
(1) 采样期间, 浙江省各地区ρ(PM2.5)平均值范围为34.3~46.4 μg·m-3, 浙西最高, 浙南最低.浙江省OM、硝酸盐、硫酸盐、铵盐、微量元素和地壳物质在总浓度中的贡献率分别为26.4%、15.4%、12.4%、9.0%、7.1%和5.7%.SNA贡献率达到36.8%, 因此浙江省PM2.5的二次转化反应较为活跃.各区域PM2.5组分构成基本一致, 对PM2.5贡献比较大的物种主要是SNA、OM、微量元素和地壳物质.
(2) 秋季和冬季PM2.5浓度较高, 超出均值13.9%; 夏季PM2.5浓度最低, 低于均值24.3%.各地区夏季PM2.5浓度均小于秋季、冬季和春季.浙北地区秋季、春季和夏季OM对PM2.5的贡献率均最高, 分别为22.9%、24.6%和26.1%, 冬季则是硝酸盐贡献率最大(28.7%).同样的浙东地区也是秋季、春季和夏季OM对PM2.5的贡献率均最高, 分别为29.2%、28.2%和27.4%, 冬季硝酸盐贡献率最大(24.5%).浙西和浙南地区, 各季节OM在PM2.5的贡献率均最高,
(3) 不同功能区点位来看, 采样期内居民区点位ρ(PM2.5)最高, 达到(50.1±10.6)μg·m-3, 沿海地区文化娱乐区点位ρ(PM2.5)最低, 仅有(37.2±5.6)μg·m-3.风景名胜区的OM在PM2.5中最高贡献率出现在夏季(达到30.2%), 由于夏季为该风景名胜区的旅游旺季, 景区内机动车尾气排放来源的增加带动OM浓度的增长.另外由于商业交通居民混合区的机动车排放来源大, OM在秋季、冬季、春季和夏季四季贡献率均为最高, 内陆地区达21.7%~31.5%, 沿海地区达26.2%~31.2%.
(4) 浙江省各区域秋季和冬季主要受北方及东部沿海地区输入的气流轨迹影响, 春季和夏季受来自南海、东海等海上远距离传输气团的影响.各区域间ρ(PM2.5)差值在秋季和冬季分别为21.0 μg·m-3和20.5 μg·m-3, 春季和夏季分别为10.4 μg·m-3和6.1 μg·m-3, 说明北方气团对浙江省秋季和冬季PM2.5存在一定的外源性贡献, 春季和夏季北方气团对浙江省气团轨迹的减弱, 以及南方和东海海上气团对浙江省气流贡献的增大, PM2.5质量浓度也存在好转的趋势.
| [1] | Wang S X, Hao J M. Air quality management in China: issues, challenges, and options[J]. Journal of Environmental Sciences, 2012, 24(1): 2-13. DOI:10.1016/S1001-0742(11)60724-9 |
| [2] |
张殷俊, 陈曦, 谢高地, 等. 中国细颗粒物(PM2.5)污染状况和空间分布[J]. 资源科学, 2015, 37(7): 1339-1346. Zhang Y J, Chen X, Xie G D, et al. Pollution status and spatial distribution of PM2.5 in China[J]. Resources Science, 2015, 37(7): 1339-1346. |
| [3] | Huang X J, Tang G Q, Zhang J K, et al. Characteristics of PM2.5 pollution in Beijing after the improvement of air quality[J]. Journal of Environmental Sciences, 2021, 100: 1-10. DOI:10.1016/j.jes.2020.06.004 |
| [4] |
李沈鑫, 邹滨, 刘兴权, 等. 2013-2015年中国PM2.5污染状况时空变化[J]. 环境科学研究, 2017, 30(5): 678-687. Li S X, Zou B, Liu X Q, et al. Pollution status and spatial-temporal variations of PM2.5 in China during 2013-2015[J]. Research of Environmental Sciences, 2017, 30(5): 678-687. |
| [5] | Pui D Y H, Chen S C, Zuo Z L. PM2.5 in China: measurements, sources, visibility and health effects, and mitigation[J]. Particuology, 2014, 13: 1-26. DOI:10.1016/j.partic.2013.11.001 |
| [6] |
芮魏, 谭明典, 张芳, 等. 大气颗粒物对健康的影响[J]. 中国科学: 生命科学, 2014, 44(6): 623-627. Rui W, Tan M D, Zhang F, et al. Adverse health effects of particulate matter[J]. Scientia Sinica (Vitae), 2014, 44(6): 623-627. |
| [7] |
胡彬, 陈瑞, 徐建勋, 等. 雾霾超细颗粒物的健康效应[J]. 科学通报, 2015, 60(30): 2808-2823. Hu B, Chen R, Xu J X, et al. Health effects of ambient ultrafine (nano) particles in haze[J]. Chinese Science Bulletin, 2015, 60(30): 2808-2823. |
| [8] | Zhao H J, Che H Z, Zhang X Y, et al. Characteristics of visibility and particulate matter (PM) in an urban area of Northeast China[J]. Atmospheric Pollution Research, 2013, 4(4): 427-434. DOI:10.5094/APR.2013.049 |
| [9] | Gu J X, Bai Z P, Li W F, et al. Chemical composition of PM2.5 during winter in Tianjin, China[J]. Particuology, 2011, 9(3): 215-221. DOI:10.1016/j.partic.2011.03.001 |
| [10] |
赵辉, 郑有飞, 吴晓云, 等. 我国典型区域PM2.5化学组分特征及来源解析[J]. 科学技术与工程, 2014, 14(31): 129-135, 154. Zhao H, Zheng Y F, Wu X Y, et al. PM2.5 Chemical component characteristics and source apportionment in our domestic typical areas[J]. Science Technology and Engineering, 2014, 14(31): 129-135, 154. DOI:10.3969/j.issn.1671-1815.2014.31.024 |
| [11] |
李伟芳, 白志鹏, 魏静东, 等. 天津冬季大气中PM2.5及其主要组分的污染特征[J]. 中国环境科学, 2008, 28(6): 481-486. Li W F, Bai Z P, Wei J D, et al. Pollution characteristics of PM2.5 and its main components in Tianjin winter atmosphere[J]. China Environmental Science, 2008, 28(6): 481-486. |
| [12] | Huang W, Cao J J, Tao Y B, et al. Seasonal variation of chemical species associated with short-term mortality effects of PM2.5 in Xi'an, a central city in China[J]. American Journal of Epidemiology, 2012, 175(6): 556-566. DOI:10.1093/aje/kwr342 |
| [13] |
刀谞, 李健军, 唐桂刚, 等. 国家大气颗粒物组分监测网的设计发展展望[J]. 中国环境监测, 2019, 35(6): 16-27. Dao X, Li J J, Tang G G, et al. Prospects and design of national atmospheric particulate chemical-speciation-network[J]. Environmental Monitoring in China, 2019, 35(6): 16-27. |
| [14] |
赵靓, 刘保献, 杨懂艳, 等. 大气细颗粒物组分分析及研究[J]. 现代科学仪器, 2014(3): 123-126. Zhao L, Liu B X, Yang D Y, et al. Analysis and research on atmosphere fine particle main components[J]. Modern Scientific Instruments, 2014(3): 123-126. |
| [15] |
张棕巍, 胡恭任, 于瑞莲, 等. 厦门市大气PM2.5中水溶性离子污染特征及来源解析[J]. 中国环境科学, 2016, 36(7): 1947-1954. Zhang Z W, Hu G R, Yu R L, et al. Characteristics and sources apportionment of water-soluble ions in PM2.5 of Xiamen City, China[J]. China Environmental Science, 2016, 36(7): 1947-1954. DOI:10.3969/j.issn.1000-6923.2016.07.004 |
| [16] |
孟琛琛, 王丽涛, 张芬芬, 等. 邯郸市PM2.5中水溶性无机离子污染特征及来源解析[J]. 环境科学学报, 2015, 35(11): 3443-3451. Meng C C, Wang L T, Zhang F F, et al. Pollution characteristics and source apportionment of water soluble inorganic ions in PM2.5 in Handan City[J]. Acta Scientiae Circumstantiae, 2015, 35(11): 3443-3451. |
| [17] |
乔宝文, 刘子锐, 胡波, 等. 北京冬季PM2.5中金属元素浓度特征和来源分析[J]. 环境科学, 2017, 38(3): 876-883. Qiao B W, Liu Z R, Hu B, et al. Concentration characteristics and sources of trace metals in PM2.5 during wintertime in Beijing[J]. Environmental Science, 2017, 38(3): 876-883. |
| [18] |
田莎莎, 张显, 卞思思, 等. 沈阳市PM2.5污染组分特征及其来源解析[J]. 中国环境科学, 2019, 39(2): 487-496. Tian S S, Zhang X, Bian S S, et al. Characteristics of PM2.5 pollution components and their sources in Shenyang[J]. China Environmental Science, 2019, 39(2): 487-496. |
| [19] |
张承中, 马文静, 李勇, 等. 西安市夏末秋初PM2.5中碳组分分析[J]. 环境工程, 2015, 33(5): 95-99. Zhang C Z, Ma W J, Li Y, et al. Analysis of carbon components in PM2.5 during late summer and early autumn of Xi'an City[J]. Environmental Engineering, 2015, 33(5): 95-99. |
| [20] |
崔倩, 张艳平, 莫杨, 等. 我国主要城市大气颗粒物及碳组分污染水平研究进展[J]. 环境卫生学杂志, 2021, 11(3): 287-295. Cui Q, Zhang Y P, Mo Y, et al. Research advances in atmospheric particulate matter and carbon component pollution levels in major cities of China[J]. Journal of Environmental Hygiene, 2021, 11(3): 287-295. |
| [21] | Liang Z B, Zhao X F, Chen J Y, et al. Seasonal characteristics of chemical compositions and sources identification of PM2.5 in Zhuhai, China[J]. Environmental Geochemistry and Health, 2019, 41(2): 715-728. DOI:10.1007/s10653-018-0164-2 |
| [22] | 陈文聪. 杭州地区大气颗粒物污染特征与来源解析[D]. 杭州: 浙江大学, 2018. |
| [23] |
张会涛, 田瑛泽, 刘保双, 等. 武汉市PM2.5化学组分时空分布及聚类分析[J]. 环境科学, 2019, 40(11): 4764-4773. Zhang H T, Tian Y Z, Liu B S, et al. Spatial temporal characteristics and cluster analysis of chemical components for ambient PM2.5 in Wuhan[J]. Environmental Science, 2019, 40(11): 4764-4773. |
| [24] |
刘保献, 张大伟, 陈添, 等. 北京市PM2.5主要化学组分浓度水平研究与特征分析[J]. 环境科学学报, 2015, 35(12): 4053-4060. Liu B X, Zhang D W, Chen T, et al. Characteristics and major chemical compositions of PM2.5 in Beijing[J]. Acta Scientiae Circumstantiae, 2015, 35(12): 4053-4060. |
| [25] |
杨复沫, 贺克斌, 马永亮, 等. 北京PM2.5化学物种的质量平衡特征[J]. 环境化学, 2004, 23(3): 326-333. Yang F M, He K B, Ma Y L, et al. Characterization of mass balance of PM2.5 chemical speciation in Beijing[J]. Environmental Chemistry, 2004, 23(3): 326-333. |
| [26] |
王琴, 张大伟, 刘保献, 等. 基于PMF模型的北京市PM2.5来源的时空分布特征[J]. 中国环境科学, 2015, 35(10): 2917-2924. Wang Q, Zhang D W, Liu B X, et al. Spatial and temporal variations of ambient PM2.5 source contributions using positive matrix factorization[J]. China Environmental Science, 2015, 35(10): 2917-2924. |
| [27] |
丁萌萌, 周健楠, 刘保献, 等. 2015年北京城区大气PM2.5中NH4+、NO3-、SO42-及前体气体的污染特征[J]. 环境科学, 2017, 38(4): 1307-1316. Ding M M, Zhou J N, Liu B X, et al. Pollution characteristics of NH4+, NO3-, SO42- in PM2.5 and their precursor gases during 2015 in an urban area of Beijing[J]. Environmental Science, 2017, 38(4): 1307-1316. |
| [28] |
曹阳, 安欣欣, 刘保献, 等. 北京市黑碳气溶胶浓度特征及其主要影响因素[J]. 环境科学, 2021, 42(12): 5633-5643. Cao Y, An X X, Liu B X, et al. Characteristics and main influencing factors of black carbon aerosol in Beijing[J]. Environmental Science, 2021, 42(12): 5633-5643. |
| [29] |
安欣欣, 曹阳, 王琴, 等. 北京城区PM2.5各组分污染特征及来源分析[J]. 环境科学, 2022, 43(5): 2251-2261. An X X, Cao Y, Wang Q, et al. Chemical characteristics and source apportionment of PM2.5 in urban area of Beijing[J]. Environmental Science, 2022, 43(5): 2251-2261. |
| [30] |
任娇, 赵荣荣, 王铭, 等. 太原市冬季不同污染程度下PM2.5的化学组成、消光特征及氧化潜势[J]. 环境科学, 2022, 43(5): 2317-2328. Ren J, Zhao R R, Wang M, et al. Chemical compositions, light extinction effect, and oxidative potential of PM2.5 under different pollution levels during winter in Taiyuan[J]. Environmental Science, 2022, 43(5): 2317-2328. |
| [31] |
孙友敏, 范晶, 徐标, 等. 省会城市不同功能区大气PM2.5化学组分季节变化及来源分析[J]. 环境科学, 2022, 43(5): 2304-2316. Sun Y M, Fan J, Xu B, et al. Source apportionment and seasonal changes in PM2.5 chemical components from different functional areas of a provincial capital city[J]. Environmental Science, 2022, 43(5): 2304-2316. |
| [32] |
杨梦蓉, 潘勇, 黄仲文, 等. 宁波市春节期间水溶性离子污染来源和特征分析[J]. 环境科学, 2022, 43(4): 1716-1724. Yang M R, Pan Y, Huang Z W, et al. Source analysis and composition characteristics of water-soluble ions during Spring Festival in Ningbo[J]. Environmental Science, 2022, 43(4): 1716-1724. |
| [33] |
蒋琦清, 陈文聪, 徐冰烨, 等. 杭州城区大气颗粒物污染特征及PM2.5潜在源区研究[J]. 中国环境监测, 2020, 36(5): 88-95. Jiang Q Q, Chen W C, Xu B Y, et al. The characteristics of atmospheric particles and potential sources of PM2.5 in urban Hangzhou[J]. Environmental Monitoring in China, 2020, 36(5): 88-95. |
| [34] | Liu G, Li J H, Wu D, et al. Chemical composition and source apportionment of the ambient PM2.5 in Hangzhou, China[J]. Particuology, 2015, 18: 135-143. |
| [35] | Xu J S, Xu M X, Snape C, et al. Temporal and spatial variation in major ion chemistry and source identification of secondary inorganic aerosols in Northern Zhejiang Province, China[J]. Chemosphere, 2017, 179: 316-330. |
| [36] |
罗干, 王体健, 赵明, 等. 基于在线监测的南京仙林PM2.5组分特征与来源解析[J]. 中国环境科学, 2020, 40(5): 1857-1868. Luo G, Wang T J, Zhao M, et al. Chemical composition and source apportionment of fine particulate matter in Xianlin area of Nanjing basing on-line measurement[J]. China Environmental Science, 2020, 40(5): 1857-1868. |
| [37] |
王曼婷, 朱彬, 王红磊, 等. 长三角冬季一次霾过程气溶胶及其水溶性离子的区域分布特征[J]. 环境科学, 2015, 36(7): 2337-2345. Wang M T, Zhu B, Wang H L, et al. Composition and regional characteristics of atmosphere aerosol and its water soluble ions over the Yangtze River Delta Region in a winter haze period[J]. Environmental Science, 2015, 36(7): 2337-2345. |
| [38] |
王红磊, 朱彬, 沈利娟, 等. 春节期间南京市大气气溶胶粒径分布特征[J]. 环境科学, 2014, 35(2): 442-450. Wang H L, Zhu B, Shen L J, et al. Size distributions of aerosol during the Spring Festival in Nanjing[J]. Environmental Science, 2014, 35(2): 442-450. |
| [39] | Wang N, Xu J W, Pei C L, et al. Air quality during COVID-19 lockdown in the Yangtze River Delta and the Pearl River Delta: two different responsive mechanisms to emission reductions in China[J]. Environmental Science & Technology, 2021, 55(9): 5721-5730. |
| [40] | Sun P, Nie W, Wang T Y, et al. Impact of air transport and secondary formation on haze pollution in the Yangtze River Delta: in situ online observations in Shanghai and Nanjing[J]. Atmospheric Environment, 2020, 225(6). DOI:10.1016/j.atmosenv.2020.117350 |
| [41] |
夏丽, 朱彬, 王红磊, 等. 长三角地区一次区域污染过程中细颗粒物的来源解析及其光学特性[J]. 环境科学, 2021, 42(2): 556-563. Xia L, Zhu B, Wang H L, et al. Source apportionment and optical properties of fine particles associated with regional pollution in the Yangtze River Delta[J]. Environmental Science, 2021, 42(2): 556-563. |
| [42] |
杨毅红, 瞿群, 刘随心, 等. 夏季珠江三角洲地区PM2.5化学组分特征及其对大气能见度的影响[J]. 环境科学, 2015, 36(8): 2758-2767. Yang Y H, Qu Q, Liu S X, et al. Chemical compositions in PM2.5 and its impact on visibility in summer in Pearl River Delta, China[J]. Environmental Science, 2015, 36(8): 2758-2767. |
| [43] | Li J W, Zhang Z S, Wu Y F, et al. Effects of chemical compositions in fine particles and their identified sources on hygroscopic growth factor during dry season in urban Guangzhou of South China[J]. Science of the Total Environment, 2021, 801. DOI:10.1016/j.scitotenv.2021.149749 |
| [44] |
钱骏, 冯小琼, 陈军辉, 等. 四川盆地典型城市PM2.5污染过程组分特征和来源解析[J]. 环境科学学报, 2021, 41(11): 4366-4376. Qian J, Feng X Q, Chen J H, et al. Composition characteristics and source apportionment of PM2.5 pollution process in typical cities in the Sichuan Basin[J]. Acta Scientiae Circumstantiae, 2021, 41(11): 4366-4376. |
| [45] |
李瑞, 李清, 徐健, 等. 秋冬季区域性大气污染过程对长三角北部典型城市的影响[J]. 环境科学, 2020, 41(4): 1520-1534. Li R, Li Q, Xu J, et al. Regional air pollution process in winter over the Yangtze River Delta and its influence on typical northern cities[J]. Environmental Science, 2020, 41(4): 1520-1534. |
| [46] | 中国环境监测总站. 环境空气颗粒物来源解析监测方法指南(试行)(第二版)[EB/OL]. https://img1.17img.cn/17img/old/NewsImags/files/201431118462.pdf, 2014-02-28. |
| [47] |
郁珍艳, 吴利红, 高大伟, 等. 浙江省四季划分方法探讨[J]. 气象科技, 2014, 42(3): 474-481. Yu Z Y, Wu L H, Gao D W, et al. Investigation of methods for season division in Zhejiang province[J]. Meteorological Science and Technology, 2014, 42(3): 474-481. |
| [48] | 郝伟华. 成都市PM2.5化学质量重构研究及组分变化特征分析[D]. 成都: 西南交通大学, 2019. |
| [49] | Turpin B J, Lim H J. Species contributions to PM2.5 mass concentrations: revisiting common assumptions for estimating organic mass[J]. Aerosol Science and Technology, 2001, 35(1): 602-610. |
| [50] |
王申博, 范相阁, 和兵, 等. 河南省春节和疫情影响情景下PM2.5组分特征[J]. 中国环境科学, 2020, 40(12): 5115-5123. Wang S B, Fan X G, He B, et al. Chemical composition characteristics of PM2.5 in Henan Province during the Spring Festival and COVID-19 outbreak[J]. China Environmental Science, 2020, 40(12): 5115-5123. |
| [51] |
朱书慧, 周敏, 乔利平, 等. 2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响[J]. 环境科学学报, 2016, 36(12): 4285-4294. Zhu S H, Zhou M, Qiao L P, et al. Impact of the air mass trajectories on PM2.5 concentrations and distribution in the Yangtze River Delta in December 2015[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4285-4294. |
| [52] | Yu S C, Zhang Q Y, Yan R C, et al. Origin of air pollution during a weekly heavy haze episode in Hangzhou, China[J]. Environmental Chemistry Letters, 2014, 12(4): 543-550. |
| [53] | Ye B M, Ji X L, Yang H Z, et al. Concentration and chemical composition of PM2.5 in Shanghai for a 1-year period[J]. Atmospheric Environment, 2003, 37(4): 499-510. |
| [54] | Mkoma S L, Chi X G, Maenhaut W. Characterization of carbonaceous materials in PM2.5 and PM10 size fractions in Morogoro, Tanzania, during 2006 wet season campaign[J]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 2010, 268(10): 1665-1670. |
| [55] | Cao J J, Wu F, Chow J C, et al. Characterization and source apportionment of atmospheric organic and elemental carbon during fall and winter of 2003 in Xi'an, China[J]. Atmospheric Chemistry and Physics, 2005, 5(11): 3127-3137. |
| [56] |
张毓秀, 任万辉, 王嘉禾, 等. 沈阳市冬季不同污染程度PM2.5中OC和EC污染特征[J]. 中国环境科学, 2021, 41(7): 3066-3075. Zhang Y X, Ren W H, Wang J H, et al. Characteristics of organic carbon (OC) and elemental carbon (EC) under different pollution levels of PM2.5 during winter in Shenyang[J]. China Environmental Science, 2021, 41(7): 3066-3075. |