2025, Vol. 46
2. 河北先进环保产业创新中心有限公司, 石家庄 050000
2. Hebei Advanced Environmental Protection Industry Innovation Center Co., Ltd., Shijiazhuang 050000, China
随着中国经济的快速发展和城市化进程的加快, 大气环境污染问题日益严重, 尤其是灰霾等以细颗粒物（PM2.5）为主要污染物的污染事件在我国众多城市频繁发生, 因此, 打响蓝天保卫战, 治理空气污染是我国现阶段以及长远的社会经济发展的重大战略部署[1]. 2018年, 国务院发布《打赢蓝天保卫战三年行动计划》（“蓝天保卫战”）, 该计划对我国地级及以上城市2020年的空气质量优良天数比率、PM2.5浓度目标值都提出了更高的要求[2].根据生态环境部公布的数据, 2020年超额完成“十三五”目标要求, 这意味着“蓝天保卫战”取得了圆满成功, 中国在大气污染治理方面取得了显著成效[3], 我国多数大气污染重灾区空气质量得到了逐步改善[4 ~ 8].
在秋冬季, 由于人为活动（化石燃料燃烧、生物质燃烧和汽车尾气排放）及不利的气象条件（高湿、静稳和逆温）, 蓝天保卫战期间京津冀及周边“2+26”城市仍经常出现以细颗粒为主的污染过程[9 ~ 11], Li等[12]对北京二次气溶胶进行相关研究, 发现排放控制对减少硫酸盐、一次有机气溶胶和人为二次气溶胶起决定性作用, 而气象对硝酸盐和生物SOA的影响更大.在华北平原冬季, 清洁日的主要来源是土壤粉尘, 随着雾-霾污染的发展, 燃煤和二次硝酸盐的贡献度增加, 而光化学产物、土壤粉尘和二次硫酸盐的贡献度降低[13].京津冀重度雾-霾期间, 气溶胶颗粒中二次气溶胶成分（包括硫酸盐、硝酸盐和二次有机物）的浓度急剧增加, 成为气溶胶污染的主要因素[14].
邯郸市位于京津冀南部, 处于四省交界处, 特殊的地理位置和气候气象因素会使污染物进行明显的区域传输, 影响空气质量, PM2.5的化学成分信息对于准确估计来源与区域非常重要, 水溶性无机离子（WSIIs）和碳质气溶胶（CA）是PM2.5的重要成分.有研究表明, 邯郸市主要受二次源、机动车源、扬尘源、工业源和燃烧源影响, SO42-、NO3-、EC、OC和无机元素的高值区域主要来自邯郸市的东北方向和西南方向, 如河南的安阳和郑州、河北的石家庄和邢台[15, 16].邯郸市是以电力、钢铁为主的重工业城市[17], 空气质量在168个城市中多次位于最末10位内[18, 19].牛红亚等[20]研究结果表明2020年冬季ρ（PM2.5）均值为161.79 μg·m-3, 与2017年基本持平, 较2018年下降21.53%, 超出《环境空气质量标准》中PM2.5日均限值二级标准（75 μg·m-3）1.15倍, 2020年大气颗粒物污染问题仍然较为严重.
目前对于蓝天保卫战不同阶段PM2.5进行对比的研究较少.在本研究中, 通过体现蓝天保卫战前中后期间邯郸市PM2.5的不同阶段变化, 包括浓度和化学成分, 探索邯郸市秋冬季细颗粒物来源变化与传输路径, 对探讨蓝天保卫战治理效果具有重要意义, 也可为未来的空气质量管理提供依据.
1 材料与方法 1.1 采集点位和时间采样地点在2016~2019年设于原河北工程大学行政楼楼顶（邯郸市矿院监测国控点）, 距地面高度约16 m, 周围环境为居民区, 接近城市中心地带, 车辆较多, 为典型城市环境；2020~2021年采样点设于河北工程大学新校区科研楼楼顶, 距地面高度约10 m, 属于开发区, 采样地点周围无高大建筑与工业厂房（图 1）.
|
图 1 采样点位分布示意 Fig. 1 Sampling sites |
采样时间为当日07：30~19：00和19：30至次日07：00, 共获得有效样品210个, 具体采样时间及样品数量见表 1.根据蓝天保卫战时间将采样时间分为3个阶段：第一阶段（蓝天保卫战前：2016年秋至2017年冬）、第二阶段（蓝天保卫战中：2018年秋至2020年冬）和第三阶段（蓝天保卫战后：2021年秋至2021年冬）.
|
表 1 采样时间及有效样品数量 Table 1 Sampling time and number of valid samples |
1.2 采样仪器
2016~2019年使用六通道空气颗粒物采样器, 以直径47 mm的特氟龙膜（Teflon）采集PM2.5样品；2020~2021年使用中流量采样器, 以直径为90 mm的石英膜采集PM2.5样品.
1.3 质量控制与质量保证采样前为去除石英膜杂质, 将石英膜在550℃马弗炉中烘烧5.5 h.称重前放入恒温箱（温度25℃±0.5℃, 湿度30%±5%）恒温24 h以上.称重时采用精确度为0.01 mg的电子天平（瑞士, XS205dualrange）进行称量, 保证其中两次误差在±20 μg之内, 取这两次称重质量均值.采样后样品放置于-18℃冰箱保存, 再次恒温24 h随后称重（方法同上）.同样方法在每段采样期前后采集2~4 h的空白样品作为本底值.
1.4 分析方法分析水溶性离子时, 在石英样品膜上截取适当大小的膜, 加入20 mL去离子水, 超声振荡1h, 静置后用一次性注射器将离心管中溶液吸入试管, 再通过0.22 μm的水系过滤头过滤到PP瓶中, 随后使用离子色谱仪（DionexICS-600）分析样品中的8种水溶性离子, 使用CS12A阳离子色谱柱分析：Na+、Ca2+、K+、Mg2+和NH4+；用AS22阴离子色谱柱分析：Cl-、SO42-和NO3-, 检测PM2.5样品中水溶性无机离子的浓度.使用美国沙漠研究所研制的热光碳分析仪（DRI Model 2001A）对PM2.5中的碳组分进行分析.
2 结果与讨论 2.1 PM2.5污染演变趋势根据图 2可知, 2017年全年PM2.5浓度与超标日数最高（154 d）, 全年PM2.5浓度除2017年有轻微回升（相比2016年上升了5.22%）, 总体呈现逐年下降的趋势, 且PM2.5超标状况与浓度变化趋势大致相同.秋冬季PM2.5浓度逐年下降, 其中2016年PM2.5浓度与超标日数（113 d）最高, 除2021年超标日数轻微回升外, 其余年份均逐年下降. 2016年ρ（PM2.5）年均值为81.02μg·m-3, 2021年ρ（PM2.5）年均值为46.18 μg·m-3, 整体降幅为43.00%, “连续超标日数≥7 d”下降最为明显；2016年秋冬季ρ（PM2.5）均值为122.12 μg·m-3, 2021年秋冬季ρ（PM2.5）均值为61.75 μg·m-3, 降幅为49.43%, “连续超标日数≥7 d”占秋冬季超标天数从69.96%转变成38.46%.全年超标日数持续改善（“连续超标日数≥5 d”从最高值2017年的67 d到最低值2021年的12 d）, 但秋冬季PM2.5污染依旧严重, 2021年秋冬季超标日数的比例为6 a中最高, 对秋冬季PM2.5的治理仍是重中之重.
|
（a）年均值表示当年1月1日至12月31日, （b）秋冬季表示9月1日至次年2月28日（2016年和2020年为2月29日）；百分数为浓度年均值变化率；数据来源：真气网（https://www.aqistudy.cn） 图 2 PM2.5浓度及连续超标天数年际变化 Fig. 2 Annual change in PM2.5 concentration and the number of consecutive days exceeding the standard |
通过对比3个阶段秋冬季京津冀的PM2.5浓度与平均下降率可见（表 2）, 第一阶段中邯郸市在京津冀地区13个城市中ρ（PM2.5）排第三（110.07 μg·m-3）, 远远超过75 μg·m-3.第二阶段秋冬季13个城市PM2.5浓度均值相比第一阶段下降了28.62%, 证实蓝天保卫战效果显著, 其中邯郸市下降29.41%, 大于浓度均值下降率.蓝天保卫战结束之后, 第三阶段中邯郸市ρ（PM2.5）下降至61.75 μg·m-3, 但下降率较低.
|
|
表 2 2016~2021年秋冬季京津冀蓝天保卫战实施前后PM2.5浓度与平均下降率对比1） Table 2 Comparison of PM2.5 concentration and average decline rate before and after the implementation of the Beijing-Tianjin-Hebei Blue Sky Defense War in winter from 2016 to 2021 |
2.2 PM2.5组分变化特征 2.2.1 水溶性离子分析
由表 3可知, 3个阶段中水溶性离子（WSIIs）浓度逐渐下降, 第三阶段（52.70 μg·m-3）相较第一阶段（80.23 μg·m-3）浓度下降了34.31%. WSIIs中的二次无机离子（SNA, 包括SO42-、NO3-和NH4+）是PM2.5的重要组成部分[21], 采样期间3个阶段ρ（PM2.5）均值分别为156.22、125.80和107.23 μg·m-3, 其中SNA浓度分别占PM2.5总浓度的46.79%、48.86%和43.22%, 占比先上升后下降, 说明随着蓝天保卫战的开展, 二次无机离子贡献上升；蓝天保卫战结束之后, 其贡献下降.3个阶段中ρ（NO3-）最高, 分别为30.65、29.83和26.77 μg·m-3, 且呈小幅度下降；ρ（SO42-）下降较快, 从23.10 μg·m-3（第一阶段）下降了33.16%, 到15.44 μg·m-3（第二阶段）, 然后下降了44.24%, 到8.61 μg·m-3（第三阶段）.可以用NO3-/SO42-来判断何种源污染影响较大[22, 23], 3个阶段采样期间NO3-/SO42-的值分别为1.34、1.96和2.66, 随着蓝天保卫战的开展, 邯郸市降煤减排落实到位, NO3-/SO42-呈上升趋势, 采样期间邯郸市移动源的贡献愈加突出, 这与梁越等[24]研究的结果一致.
|
|
表 3 PM2.5中水溶性离子浓度/μg·m-3 Table 3 Mass concentration of water-soluble ions in PM2.5/μg·m-3 |
根据《环境空气质量标准》（GB3095-2012）, 本研究中将ρ（PM2.5）日均值≤75 μg·m-3定义为清洁时期（CP）；ρ（PM2.5）日均值为76~150 μg·m-3定义为污染时期（PP）；ρ（PM2.5）日均值为151~250 μg·m-3为重污染时期（HP）.从图 3可知, 3个阶段SNA浓度从CP到HP均呈上升趋势, 第一阶段从CP到HP上升了3.2倍；第二及第三阶段分别上升了3.0倍和4.7倍. SO42-和NH4+在不同污染状况下的占比, 均呈下降趋势, 其中第二阶段污染时期SO42-下降最快（37.13%）；NO3-大部分呈上升趋势, 同期上升速率最高（18.06%）.由于SO42-与燃煤锅炉湿法脱硫过程中的直接排放有关[25], NO3-与机动车尾气排放有关[26, 27], 2017~2020年, 全国煤炭消费比例由60.4%降至57%左右[28], 2018~2020年汽车保有量从3.1亿辆增至3.6亿辆, 从而导致SO42-下降, NO3-上升.
|
图 3 PM2.5中水溶性离子浓度及占比变化特征 Fig. 3 Variation characteristics of concentration and proportion of water-soluble ions in PM2.5 |
碳质气溶胶是PM2.5的主要组成部分[29], 包括OC和EC. OC来自污染物的一次有机碳（POC）和通过大气光化学作用后形成的二次有机碳（SOC）[30], EC来自含碳燃料的不充分燃烧[31], 计算公式为[32]：
|
(1) |
|
(2) |
式中, （OC/EC）min为最小的3个OC/EC的均值.
如表 4所示, 3个阶段中总碳（TC=OC+EC）浓度逐渐下降, 第三阶段（17.17 μg·m-3）相较第一阶段（46.89 μg·m-3）浓度下降了63.38%.3个阶段中SOC在PM2.5中的占比从12.43%上升到14.05%, 然后下降至6.81%.由于SOC占比先上升, 说明随着蓝天保卫战的开展, 二次转化贡献突出；蓝天保卫战结束之后, SOC占比下降, 直接排放的影响增大, 应持续加强对直接排放的管控.
|
|
表 4 PM2.5中碳质气溶胶浓度/μg·m-3 Table 4 Mass concentration of carbonaceous aerosol in PM2.5/μg·m-3 |
从图 4可知, 第一阶段POC和SOC浓度从CP到HP分别上升了2.4倍和2.1倍, 第二阶段为0.5倍和2.5倍, 第三阶段为0.5倍和4.1倍, 说明从蓝天保卫战开始, 随着污染程度的增加, 二次转化是重污染过程中颗粒物的重要组分.从占比情况分析, 第一阶段中POC和EC占比分别从清洁天的35.18%和19.76%上升到重度污染过程36.44%和20.46%, SOC则从45.06%下降至43.10%（下降了4.79%）；但第二阶段中POC和EC占比分别从清洁天的40.46%和7.90%下降到重度污染过程23.94%和4.68%, SOC则从51.63%上升至71.38%（上升了38.35%）；第三阶段中POC和EC占比分别从66.29%和10.68%下降至41.86%和6.75%, SOC从23.02%上升至51.39%（上升了122.28%）.综上, 第一阶段SOC占比随着污染程度的增加而下降, 二、三阶段中SOC占比上升, 说明蓝天保卫战开始前, 重污染过程中一次污染起主导作用, 随着蓝天保卫战开始, 二次污染是重要的来源.
|
图 4 PM2.5中碳质气溶胶浓度及占比变化特征 Fig. 4 Change characteristics of concentration and proportion of carbonaceous aerosol in PM2.5 |
OC/EC比值法可用于鉴别大气中的二次有机碳（SOC）污染以及区分碳质气溶胶的排放来源[33].当OC/EC > 2时, 存在SOC污染, 比值越大SOC含量越多[34], 3个阶段OC/EC均值分别为5.05、16.74和12.21, 证明了第二阶段SOC的污染较为严重. OC/EC比值法虽能判别碳质气溶胶的排放来源, 但在源排放比较复杂的地区, 一次和二次有机气溶胶的估算会有一定偏差[35], 所以本研究进一步使用PMF模型来进行PM2.5的来源解析.
2.2.3 硫酸盐和硝酸盐的二次转化机制SO42-主要是由大气中的SO2经气相氧化、液相氧化、非均相氧化和光化学氧化等多种途径生成.NO3-生成涉及复杂的多相化学反应, 主要包括气相氧化和非均相反应, 气相氧化中, NO2与OH自由基反应生成气态HNO3, 该反应是日间HNO3生成的主要途径；在非均相反应中由NO3与NO2反应生成N2O5, 遇水生成HNO3, 进一步产生NO3-, 但NO3-易光解, 因此N2O5水解通常在夜间更为重要[36].
为深入研究SO2向SO42-和NO2向NO3-转化的转化程度, 通常通过硫氧化率（SOR）和氮氧化率（NOR）来反映SO2和NOx气态污染物转化速率[37], 计算过程如式（3）和式（4）[38].
|
(3) |
|
(4) |
Pan等[39]研究表明SOR和NOR比值越大, 二次转化程度越高.当SOR大于0.25, NOR大于0.1时, 表明大气中存在较高的SO2和NO2氧化, 说明研究区域内SO42-和NO3-主要来源于二次形成[40].3个阶段秋冬季SOR均值分别为0.34、0.37和0.36, 转化率均大于0.25, NOR均值分别为0.23、0.28和0.28, 转化率均大于0.1, 由此可见, 3个阶段均伴随着较为强烈的SO2向SO42-和NO2向NO3-转化的二次过程, 尤其蓝天保卫战期间二次转化程度最高.
根据采样期间NO2、PM2.5和NO3-浓度监测数据, 观察到氮氧化物显著减少后颗粒物质浓度的突然下降, 空气中NO2与PM2.5中NO3-浓度存在相似变化趋势（图 5）.第一阶段：当ρ（NO2）从135 μg·m-3下降至60 μg·m-3左右时, NO3-的浓度最大值总体平稳；当ρ（NO2）进一步降至25~55 μg·m-3左右时, NO3-的浓度最大值出现快速下降.第二阶段：当ρ（NO2）从95 μg·m-3下降至40 μg·m-3左右时, NO3-的浓度最大值总体平稳；当ρ（NO2）进一步降至15~35 μg·m-3左右时, NO3-的浓度最大值快速下降.第三阶段：当ρ（NO2）从75 μg·m-3下降至30 μg·m-3左右时, NO3-的浓度最大值总体平稳；当ρ（NO2）进一步降至15~30 μg·m-3左右时, NO3-的浓度最大值快速下降. NO2与PM2.5中NO3-浓度最大值呈逐阶段下降状态, 当ρ（NO2）控制在30 μg·m-3以下时, 可明显抑制硝酸盐的生成.
|
图 5 NO3-和PM2.5与NO2散点图 Fig. 5 Scatter plot of NO3- and PM2.5 with NO2 |
近年来SO2与硫酸盐浓度变化趋势和NO2与硝酸盐有所不同, 硫酸盐高值分布较为集中（图 6）.第一阶段：当ρ（SO2）浓度在35~100 μg·m-3左右时, 硫酸盐和PM2.5浓度最大值较为集中.第二阶段：当ρ（SO2）在4~30 μg·m-3左右时, 硫酸盐和PM2.5浓度最大值较为集中.第三阶段：当ρ（SO2）在4~13 μg·m-3左右时, 硫酸盐和PM2.5浓度最大值较为集中, 且SO2浓度较往年急速下降, 均小于20 μg·m-3, 说明邯郸市燃煤大幅减少, 清洁取暖政策落实到位.
|
图 6 SO42-和PM2.5与SO2散点图 Fig. 6 Scatter plot of SO42- and PM2.5 with SO2 |
本研究采用正定矩阵因子分解（PMF）模型对邯郸市颗粒物来源进行解析, PMF模型是基于受体点的大量观测数据来获得污染源的谱图和时间贡献序列[41], 仅需要输入受体点成分谱信息, 利用最小二乘法解出源贡献率和源谱信息[42].在所有的化学组分中, 将8种水溶性离子、OC及EC作为模型的输入因子, 并使用PMF 5.0模型进行计算, 得到5个因子（图 7）.因子1中SO42-、NO3-和NH4+贡献率较高, 通过其气态前体物SO2、NOx和NH3转化而来[43], 因此判断因子1为二次源.因子2的特征组分为Na+, Na+来源于海洋和工业[44], 由于邯郸市为内陆城市, 可认定因子2为工业源.因子3中Cl-和K+贡献率较大, 一般认为Cl-是燃煤的示踪组分[45], 此外生物质燃烧也以K+和Cl-为典型排放特征[46], 因此, 因子3被判断为燃烧源.因子4中OC和EC贡献率较高, 以上组分与机动车排放有关[47], 所以认为因子4为交通源.因子5以Ca2+和Mg2+为主, 表明粉尘的贡献, 这里的粉尘是指土壤粉尘、道路粉尘和建筑粉尘再悬浮产生的排放物[48], 故因子5为扬尘源.
|
图 7 邯郸市PM2.5源解析 Fig. 7 Source analysis of PM2.5 in Handan City |
蓝天保卫战前中后期, 邯郸市PM2.5的污染源组成如图 8所示, 二次气溶胶源是2016~2021年PM2.5的主要污染来源, 其中第二阶段最高（50.14%）.第一阶段一次源中主要来源为燃烧源、工业源、交通源和扬尘源, 其贡献率分别为22.13%、13.39%、11.07%和6.50%, 其中燃烧源是最主要来源, 与邯郸市冬季燃煤供暖和生物质燃烧有关；工业源是第二大贡献源, 邯郸市是典型工业城市, 生产过程中会产生大量工业污染物, 从而使PM2.5浓度升高.第二阶段一次源中主要来源与第一阶段一致, 相比第一阶段其燃烧源、工业源和扬尘源贡献率均下降, 交通源小幅上升, 说明蓝天保卫战期间排放活动减少但机动车保有量增加.第三阶段一次源中主要来源为工业源、燃烧源、扬尘源和交通源, 其贡献率分别为20.20%、14.46%、13.89%和9.58%, 最主要来源为工业源, 相比第二阶段上升65.98%, 工业排放污染加重；其次为燃烧源且下降最快, 交通源贡献率也呈现小幅下降, 说明邯郸市蓝天保卫战结束后燃煤和生物质燃烧活动大幅减少, 机动车管控政策落实到位.
|
图 8 不同阶段PM2.5主要来源贡献率 Fig. 8 Contribution rate of main sources of PM2.5 in different stages |
总体来看, 邯郸市PM2.5主要来源为二次源、燃烧源、工业源、交通源和扬尘源, 蓝天保卫战期间一次排放有所下降, 主要为燃烧源和工业源, 说明政策实施以来燃煤现象减少, 但一次排放的减少可能也与2019年末暴发的新型冠状病毒疫情有关.蓝天保卫战结束后一次排放上升, 其中工业排放最为严重, 应加强对工业企业的管控力度, 严查企业直接排放.值得注意的是, 本研究中新型冠状病毒疫情使得实际污染与理想假设不相符.此外, 各阶段的气团来源也造成了不确定性, 需要详细讨论每个阶段的区域运输途径.
2.3.2 后向轨迹聚类与PSCF分析大气污染物的区域输送对当地空气质量有着深远的影响[49], 本研究结合全球数据管理系统（Global Data Assimilation System, GDAS）数据, 利用TrajStat模型对采样期间采样点及周围大气污染物进行后向轨迹模拟及潜在源区贡献（PSCF）计算, 并结合上文中PMF模型解析出环境受体中PM2.5的污染源对每个颗粒物样品的贡献, 计算出每条轨迹的污染源贡献率.根据中国国家环境空气质量标准（NAAQS）的标准, 本研究的ρ（PM2.5）标准值为75 μg·m-3.空间分辨率为1°×1°.
图 9显示采样期间在起始点邯郸市（36.63°N, 114.55°E）距离地面500 m处48 h气团轨迹聚类和WPSCF分布.对于第一阶段轨迹聚类[图 9（a）], PM2.5均值较高的为西北方向的轨迹2（193.13 μg·m-3）和轨迹3（181.45 μg·m-3）, 轨迹2和轨迹3的燃烧源贡献率较高, 分别为22.34%和22.25%.此外, 交通源对轨迹1的贡献率较高, 为17.01%, 交通源贡献率较高与机动车保有量较多有关.轨迹1起源于河北中部, 位于人群密集地区, 机动车保有量较多, 这些地区的颗粒态污染物的输送对邯郸市颗粒污染的形成产生影响.WPSCF高值区域（WPSCF > 0.6）主要集中在河北南部、河南北部、山西中部和陕西北部, 见[图 9（b）].
|
图 9 采样期间轨迹聚类与PM2.5潜在源区贡献分布 Fig. 9 Locus clustering and contribution distribution of potential source area of PM2.5 during sampling period |
第二阶段中二次源贡献率[图 9（c）]明显高于其他阶段, 尤其是来自山东的轨迹2与陕西的轨迹4, 其二次源贡献率均大于55%.二次源贡献率的增加表明一次排放下降, 与2.3.1节中“蓝天保卫战期间一次排放有所下降”结论一致.来自西北方向的轨迹3的PM2.5均值最高, 为163.00 μg·m-3, 且来自西北方向的轨迹3与轨迹1中燃烧源贡献率高于其他轨迹, 分别为22.37%和21.20%.图 9（d）显示WPSCF高值区域（WPSCF > 0.6）主要分布在山西中部、河南北部以及河北中部和南部.
在第三阶段轨迹聚类中[图 9（e）], 轨迹1（115.15 μg·m-3）与轨迹2（87.33 μg·m-3）占据了接近3/4的气团, 这些来自西北方向的气流可能携带了大量的空气污染物.轨迹3（113.67 μg·m-3）为短途输送, 来自河北中部.二次源的贡献率从轨迹2（25.43%）到轨迹1（47.15%）再到轨迹3（51.32%）依次递增, 对应于气团从远距离输送向近程输送的转变.工业源贡献率高于其他阶段.从图 9（f）中可知, WPSCF高值区域（WPSCF > 0.6）主要集中在河北南部、河南北部、山西南部以及陕西北部.
3 结论（1）近几年PM2.5年度和秋冬季浓度均值整体呈降低趋势（全年降低43.00%, 秋冬季降低49.43%）, 且PM2.5连续超标状况与浓度变化趋势大致相同.通过对比3个阶段秋冬季京津冀的PM2.5浓度与平均下降率, 第一阶段秋冬季邯郸市ρ（PM2.5）远超75 μg·m-3, 第二阶段邯郸市PM2.5浓度下降率大于京津冀PM2.5浓度均值下降率, 第三阶段中邯郸市ρ（PM2.5）下降至61.75 μg·m-3, 但下降率较低.采样期间3个阶段中WSIIs和TC浓度也均逐阶段下降, 第三阶段相较第一阶段浓度分别下降了34.31%和63.38%, 可以看出邯郸市PM2.5污染状况逐步改善.
（2）3个阶段中SNA的浓度分别占PM2.5总浓度的46.79%、48.86%和43.22%, ；SOC在PM2.5中的占比为12.43%、14.05%和6.81%, 占比均先上升后下降.3个阶段中SOR均值分别为0.34、0.37和0.36, NOR为0.23、0.28和0.28, 说明蓝天保卫战期间二次转化程度最高.从污染物来源看, 蓝天保卫战期间一次排放有所下降（主要是燃烧源与工业源）, 结束后一次排放上升, 其中工业源贡献率从12.17%上升到20.20%, 且经后向轨迹聚类分析可知第二阶段二次源贡献率明显高于其他阶段, 尤其是来自山东和陕西的气流, 其二次源贡献率均大于55%.随着蓝天保卫战的开展, 二次组分贡献突出；蓝天保卫战结束之后, 二次组分占比下降.
（3）SO42-和NH4+在不同污染状况下的占比, 均呈下降趋势, NO3-大部分呈上升趋势.3个阶段采样期间NO3-/SO42-的值分别为1.34、1.96和2.66, 第三阶段ρ（SO2）较往年急速下降, 均小于20 μg·m-3, 移动源的贡献愈加突出；当ρ（NO2）控制在30 μg·m-3以下时, 可明显抑制硝酸盐的生成.
（4）第一阶段和第二阶段轨迹聚类中, 西北方向的燃烧源贡献率较高；第三阶段中工业源贡献率高于其他阶段.潜在源分析表明3个阶段WPSCF高值区域均主要集中在河北南部和河南北部, 不同的是第三阶段相比第一阶段的潜在源区由山西中部向南部转移.
| [1] |
张羽. 我国城市PM2.5治理绩效评估与提升策略研究[D]. 重庆: 重庆大学, 2020. Zhang Y. Research on the PM2.5 pollution control efficiency and its promotion strategy in Chinese cites[D]. Chongqing: Chongqing University, 2020. |
| [2] | 国务院. 国务院关于印发打赢蓝天保卫战三年行动计划的通知[EB/OL]. https://www.gov.cn/zhengce/content/2018-07/03/content_5303158.htm, 2018-07-03. |
| [3] | 生态环境部. 生态环境部召开2月例行新闻发布会[EB/OL]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk15/202102/t20210225_822424.html, 2021-02-25. |
| [4] |
刘倬诚, 牛月圆, 吴婧, 等. 山地型城市冬季大气重污染过程特征及成因分析[J]. 环境科学, 2021, 42(3): 1306-1314. Liu Z C, Niu Y Y, Wu J, et al. Characteristics and cause analysis of heavy air pollution in a mountainous city during winter[J]. Environmental Science, 2021, 42(3): 1306-1314. |
| [5] |
孙世达, 张改革, 孙露娜, 等. 河北省2013~2020年大气污染治理进程中的减污降碳协同效益[J]. 环境科学, 2023, 44(10): 5431-5442. Sun S D, Zhang G G, Sun L N, et al. Synergistic benefits of pollution and carbon reduction from Air pollution control in hebei province from 2013 to 2020[J]. Environmental Science, 2023, 44(10): 5431-5442. |
| [6] |
江明, 张子洋, 李婷婷, 等. 基于氮同位素的珠三角典型地区大气PM2.5中NH4+来源解析[J]. 生态环境学报, 2022, 31(9): 1840-1848. Jiang M, Zhang Z Y, Li T T, et al. Ource apportionment of ammonium in atmospheric PM2.5 in the Pearl River Delta based on nitrogen isotope[J]. Ecology and Environmental Sciences, 2022, 31(9): 1840-1848. |
| [7] |
邵玄逸, 王晓琦, 钟嶷盛, 等. 京津冀典型城市冬季人为源减排与气象条件对PM2.5污染影响[J]. 环境科学, 2021, 42(9): 4095-4103. Shao X Y, Wang X Q, Zhong Y S, et al. Impacts of anthropogenic emission reduction and meteorological conditions on PM2.5 pollution in typical cities of Beijing-Tianjin-Hebei in winter[J]. Environmental Science, 2021, 42(9): 4095-4103. |
| [8] |
刘一鸣, 郑浩阳, 陈阁香, 等. 华南沿海地区夏初PM2.5水溶性离子特征及来源解析[J]. 环境科学学报, 2023, 43(1): 237-246. Liu Y M, Zheng H Y, Chen G X, et al. Characteristics and source apportionment of water-soluble ions in PM2.5 in early summer in coastal South China[J]. Acta Scientiae Circumstantiae, 2023, 43(1): 237-246. |
| [9] | 抓好秋冬季大气污染防治助力蓝天保卫战圆满收官[J]. 环境保护, 2020, 48(21): 2. |
| [10] | Pang N N, Jiang B Y, Xu Z J. Spatiotemporal characteristics of air pollutants and their associated health risks in '2+26' cities in China during 2016-2020 heating seasons[J]. Environmental Monitoring and Assessment, 2023, 195(11): 1351. DOI:10.1007/s10661-023-11940-0 |
| [11] | Liu N J, Li S, Zhang F T. Multi-scale spatiotemporal variations and drivers of PM2.5 in Beijing-Tianjin-Hebei from 2015 to 2020[J]. Atmosphere, 2022, 13(12). DOI:10.3390/atmos13121993 |
| [12] | Li Y, Lei L, Sun J X, et al. Significant reductions in secondary aerosols after the three-year action plan in Beijing summer[J]. Environmental Science & Technology, 2023, 57(42): 15945-15955. |
| [13] | Bai D P, Wang H L, Cheng M T, et al. Source apportionment of PM2.5 and its optical properties during a regional haze episode over North China plain[J]. Atmospheric Pollution Research, 2021, 12(1): 89-99. DOI:10.1016/j.apr.2020.08.023 |
| [14] | Shang D J, Peng J F, Guo S, et al. Secondary aerosol formation in winter haze over the Beijing-Tianjin-Hebei Region, China[J]. Frontiers of Environmental Science & Engineering, 2021, 15(2). DOI:10.1007/s11783-020-1326-x |
| [15] |
胡偲豪, 吴春苗, 高娜娜, 等. 邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献[J]. 环境化学, 2023, 42(6): 1876-1885. Hu S H, Wu C M, Gao N N, et al. Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City[J]. Environmental Chemistry, 2023, 42(6): 1876-1885. |
| [16] |
任秀龙, 胡伟, 吴春苗, 等. 华北南部重污染城市周边区域二次气溶胶的化学特征及来源解析[J]. 环境科学, 2022, 43(3): 1159-1169. Ren X L, Hu W, Wu C M, et al. Chemical characteristics and sources of atmospheric aerosols in the surrounding district of a heavily polluted city in the southern part of North China[J]. Environmental Science, 2022, 43(3): 1159-1169. |
| [17] |
刘振通, 王丽涛, 齐孟姚, 等. 邯郸市高校区苯系物(BTEX)污染特征及其健康风险评价[J]. 环境化学, 2021, 40(7): 1978-1988. Liu Z T, Wang L T, Qi M Y, et al. BTEX contamination characteristics and health risk assessment in university district of Handan, China[J]. Environmental Chemistry, 2021, 40(7): 1978-1988. |
| [18] | van Donkelaar A, Martin R V, Brauer M, et al. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth: development and application[J]. Environmental Health Perspectives, 2010, 118(6): 847-855. DOI:10.1289/ehp.0901623 |
| [19] | Niu H Y, Zhang C C, Hu W, et al. Air quality changes during the COVID-19 lockdown in an Industrial city in North China: post-pandemic proposals for air quality improvement[J]. Sustainability, 2022, 14(18). DOI:10.3390/su141811531 |
| [20] |
牛红亚, 高娜娜, 鲍晓磊, 等. 2016~2020年邯郸市冬季PM2.5污染特征与来源解析[J]. 环境科学, 2023, 44(12): 6463-6473. Niu H Y, Gao N N, Bao X L, et al. Characteristics and sources of PM2.5 pollution during winter in Handan city from 2016 to 2020[J]. Environmental Science, 2023, 44(12): 6463-6473. |
| [21] | Huang K, Zhuang G, Lin Y, et al. Typical types and formation mechanisms of haze in an eastern Asia megacity, Shanghai[J]. Atmospheric Chemistry and Physics, 2012, 12(1): 105-124. DOI:10.5194/acp-12-105-2012 |
| [22] |
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. |
| [23] |
郝新妮, 肖浩, 李亲凯, 等. 天津冬夏季PM2.5中二次无机离子的特征及重污染事件分析——基于连续两年的观测[J]. 环境化学, 2022, 41(10): 3288-3298. Hao X N, Xiao H, Li Q K, et al. Characteristics of secondary inorganic ions in PM2.5 and study of heavy pollution events in winter and summer in Tianjin—Based on observations for two consecutive years[J]. Environmental Chemistry, 2022, 41(10): 3288-3298. DOI:10.7524/j.issn.0254-6108.2021063006 |
| [24] |
梁越, 姜红, 李弘生, 等. 中部城市秋冬季PM2.5水溶性离子的化学特征及来源[J]. 环境化学, 2022, 41(2): 470-481. Liang Y, Jiang H, Li H S, et al. Chemical characteristics and sources of PM2.5 and water-soluble ions in autumn and winter in central China[J]. Environmental Chemistry, 2022, 41(2): 470-481. |
| [25] |
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. DOI:10.3969/j.issn.1000-6923.2019.02.006 |
| [26] |
何向阳, 张凤英, 何立环, 等. 2015-2020年山西省空气质量时空变化特征及其驱动因素分析[J]. 环境科学研究, 2023, 36(10): 1870-1881. He X Y, Zhang F Y, He L H, et al. Spatiotemporal variation characteristics and driving factors of air quality in Shanxi province from 2015 to 2020[J]. Research of Environmental Sciences, 2023, 36(10): 1870-1881. |
| [27] |
于鸣媛, 王谦, 付明亮, 等. 机动车尾气碳质气溶胶排放因子及其稳定碳同位素特征[J]. 环境科学, 2023, 44(7): 3771-3778. Yu M Y, Wang Q, Fu M L, et al. Emission factors of carbonaceous aerosol and stable carbon isotope for in-use vehicles[J]. Environmental Science, 2023, 44(7): 3771-3778. |
| [28] | 黎明. 生态环境部: 《打赢蓝天保卫战三年行动计划(2018-2020)》圆满收官; 部分地区≤国Ⅲ重型运营货车提前淘汰; 电动公交车占比达60%[J]. 商用汽车, 2021(S1): 7-8. |
| [29] | Chen Y, Cai J, Wang Z C, et al. Simultaneous measurements of urban and rural particles in Beijing – Part 1: chemical composition and mixing state[J]. Atmospheric Chemistry and Physics, 2020, 20(15): 9231-9247. DOI:10.5194/acp-20-9231-2020 |
| [30] | Dao X, Ji D S, Zhang X, et al. Significant reduction in atmospheric organic and elemental carbon in PM2.5 in 2+26 cities in northern China[J]. Environmental Research, 2022, 211. DOI:10.1016/j.envres.2022.113055 |
| [31] | Sharma S K, Mandal T K, Banoo R, et al. Long-term variation in carbonaceous components of PM2.5 from 2012 to 2021 in Delhi[J]. Bulletin of Environmental Contamination and Toxicology, 2022, 109(3): 502-510. DOI:10.1007/s00128-022-03506-6 |
| [32] | Liu Y J, Yang Z, Liu Q Y, et al. Study on chemical components and sources of PM2.5 during heavy air pollution periods at a suburban site in Beijing of China[J]. Atmospheric Pollution Research, 2021, 12(4): 188-199. DOI:10.1016/j.apr.2021.03.006 |
| [33] | Kumar A, Singh S, Kumar N, et al. Assessment of carbonaceous fractions in ambient aerosols at high altitude and lowland urban locations of Kumaon province, Indian Himalaya[J]. SN Applied Sciences, 2021, 3(1). DOI:10.1007/s42452-020-04010-4 |
| [34] |
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. |
| [35] |
胡伟伟, 胡敏, 胡伟, 等. 应用元素碳示踪物法解析复杂排放源地区有机碳来源的局限性[J]. 环境科学学报, 2016, 36(6): 2121-2130. Hu W W, Hu M, Hu W, et al. Limitations of EC tracer method in areas with complicated primary sources[J]. Acta Scientiae Circumstantiae, 2016, 36(6): 2121-2130. |
| [36] |
郭方方, 谢绍东. PM2.5中二次硫酸盐和硝酸盐生成机制[J]. 化学进展, 2023, 35(9): 1313-1326. Guo F F, Xie S D. Formation mechanisms of secondary sulfate and nitrate in PM2.5 [J]. Progress in Chemistry, 2023, 35(9): 1313-1326. |
| [37] | Xu L L, Duan F K, He K B, et al. Characteristics of the secondary water-soluble ions in a typical autumn haze in Beijing[J]. Environmental Pollution, 2017, 227: 296-305. DOI:10.1016/j.envpol.2017.04.076 |
| [38] |
肖致美, 徐虹, 李鹏, 等. 天津市典型区域PM2.5中水溶性离子污染特征[J]. 环境科学研究, 2019, 32(8): 1324-1332. Xiao Z M, Xu H, Li P, et al. Characterization of water-soluble ions in typical regional PM2.5 in Tianjin city[J]. Research of Environmental Sciences, 2019, 32(8): 1324-1332. |
| [39] | Pan Y Y, Luo L, Xiao H W, et al. A one-year comprehensive characteristics of water soluble inorganic ions in PM2.5 from a typical mountainous city[J]. Atmospheric Pollution Research, 2020, 11(11): 1883-1890. DOI:10.1016/j.apr.2020.08.006 |
| [40] |
马英歌, 杨露, 狄睿苗, 等. 周口市2022年冬季重污染过程中细颗粒物污染特征及成因分析[J]. 环境科学, 2023, 44(11): 5986-5996. Ma Y G, Yang L, Di R M, et al. Characteristics and cause of PM2.5 during haze pollution in winter 2022 in Zhoukou, China[J]. Environmental Science, 2023, 44(11): 5986-5996. |
| [41] |
李慧, 王涵, 严沁, 等. 汾渭平原秋冬季PM2.5化学组分特征及其来源[J]. 环境科学研究, 2023, 36(3): 449-459. Li H, Wang H, Yan Q, et al. Chemical composition characteristics and source apportionment of PM2.5 in the fenwei plain in autumn and winter[J]. Research of Environmental Sciences, 2023, 36(3): 449-459. |
| [42] |
张延君, 郑玫, 蔡靖, 等. PM2.5源解析方法的比较与评述[J]. 科学通报, 2015, 60(2): 109-121. Zhang Y J, Zheng M, Cai J, et al. Comparison and overview of PM2.5 source apportionment methods[J]. Chinese Science Bulletin, 2015, 60(2): 109-121. |
| [43] |
张俊美, 陈仕霖, 王乾恒, 等. 郑州市大气PM2.5中水溶性离子的污染特征及来源解析[J]. 环境科学, 2023, 44(2): 602-610. Zhang J M, Chen S L, Wang Q H, et al. Pollution characteristics and sources of water-soluble ions in PM2.5 in Zhengzhou city[J]. Environmental Science, 2023, 44(2): 602-610. |
| [44] |
周玉香, 钱震, 蒋荣. 2019年南通市秋冬季PM2.5水溶性离子污染特征与来源解析[J]. 四川环境, 2021, 40(5): 222-227. Zhou Y X, Qian Z, Jiang R. Pollution characteristics and sources of PM2.5 water-soluble ions in autumn and winter of Nantong city in 2019[J]. Sichuan Environment, 2021, 40(5): 222-227. |
| [45] | Wang H B, Tian M, Chen Y, et al. Seasonal characteristics, formation mechanisms and source origins of PM2.5 in two megacities in Sichuan Basin, China[J]. Atmospheric Chemistry and Physics, 2018, 18(2): 865-881. |
| [46] | 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. |
| [47] |
刁刘丽, 李森, 刘保双, 等. 驻马店市区采暖季PM2.5时间和空间来源解析研究[J]. 环境科学研究, 2021, 34(1): 79-91. Diao L L, Li S, Liu B S, et al. Temporal and spatial source apportionment during the heating period in Zhumadian[J]. Research of Environmental Sciences, 2021, 34(1): 79-91. |
| [48] | Zhang N, Maung M W, Win M S, et al. Carbonaceous aerosol and inorganic ions of PM2.5 in Yangon and Mandalay of Myanmar: Seasonal and spatial variations in composition and sources[J]. Atmospheric Pollution Research, 2022, 13(6). DOI:10.1016/j.apr.2022.101444 |
| [49] | Zhan Y Z H, Xie M, Zhao W, et al. Quantifying the seasonal variations in and regional transport of PM2.5 in the Yangtze River Delta region, China: characteristics, sources, and health risks[J]. Atmospheric Chemistry and Physics, 2023, 23(17): 9837-9852. |