大气PM_2.5(细颗粒物)是指环境空气中空气动力学当量直径小于或等于2.5 μm的颗粒物, 由于其能较长时间悬浮于空气中, 对空气质量、人体健康具有重要影响^[1~5]. PM_2.5中主要包含有机碳、元素碳、水溶性离子、地壳元素及微量元素等, 水溶性离子是其重要组成部分, 主要包含F^-、Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Mg²⁺和Ca²⁺等离子, 在PM_2.5中占比高达60%以上^{[6, 7]}.由于水溶性离子具有亲水性, 对云的宏观特征^[8]、大气能见度和降水酸碱度等具有重要影响^[9~11], 因此对PM_2.5中水溶性离子的研究具有重要意义.

以往研究主要集中于离线膜采样方法, 该方法存在周期长、分辨率低等缺点, 近年来国内许多城市已经利用PM_2.5在线监测展开水溶性离子研究.有研究分析了杭州和重庆主城区春节期间水溶性离子污染特征^{[12, 13]}; 有研究利用连续在线监测数据分析武汉和南京灰霾过程, 并与清洁时段对比得出灰霾污染特征及主要来源^{[14, 15]}; 有研究利用MARGA数据分析桂林市和太原市春季PM_2.5中水溶性离子特征, 并研究能见度等气象因素与SNA的相互影响^{[16, 17]}; 有研究分析了广州及珠江三角地区气溶胶特征^{[18, 19]}.

成都市是国家重要的高新技术产业基地、商贸物流中心, 是西部地区重要的中心城市, 近年来针对成都市大气颗粒物已有大量研究^[20~23], 然而利用在线监测研究PM_2.5中水溶性离子的报道较少, 本文基于高分辨率MARGA分析2019年成都市水溶性离子污染特征、相关性分析和影响因素等, 以期为未来成都市大气污染防治提供科学依据.

观测地点位于四川省生态环境科学研究院顶楼(30.632 543°N, 104.072 849°E), 距离地面约20 m, 位于成都市人民南路四段, 为城区交通主干道, 周围为居民区及餐饮.

水溶性离子数据来源于瑞士Metrohm公司MARGA 1S在线监测仪器, 测定组分包括Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Mg²⁺和Ca²⁺等8种离子.NH₃、SO₂和NO₂数据来源于澳大利亚ECOTECH公司的EC9842、EC9850和EC9841型在线监测仪器.气象数据来源于美国戴维斯公司DAVIS Vantage Pro2 Plus.数据分辨率均为1 h.

此次数据采样时间为2019年1月1日~12月31日, 确保数据的有效性, 剔除仪器定期维护、校准和质量控制过程中的无效数据.

为检验本研究数据区域代表性, 对比分析本研究PM_2.5浓度与成都市PM_2.5浓度(数据来源于四川省监测站), 发现二者具有良好的相关性, y=0.917 3x+8.124 1, R²=0.888 2;对比分析本研究SO₂浓度与成都市SO₂浓度, 二者相关性较好, y=0.873 7x-0.302, R²=0.680 1, 表明该站点数据具有一定的区域代表性.分别利用式(1)和式(2)^[18]计算阴阳离子所带电荷浓度, 阴阳离子所带电荷具有显著相关性, y=0.959 7x+0.084 7, R²=0.912 6, 表明数据具有可靠性和有效性, 分析的离子能够代表PM_2.5中主要的离子组分.

(1)

(2)

式中, CE为阳离子所带电荷浓度(mmol·L^-1), AE为阴离子所带电荷浓度(mmol·L^-1), [Na⁺]等为相应离子质量浓度(μg·m^-3).

成都市总水溶性离子浓度为(23.1±13.6) μg·m^-3, 质量浓度低于郑州(42.7 μg·m^-3)^[24]、桂林市(28.8 μg·m^-3)^[16]和北京(53.8 μg·m^-3)^[25], 高于上海(10.42 μg·m^-3)^[26]和珠三角城市(20.4 μg·m^-3)^[27].总水溶性离子在PM_2.5中占比为48.6%, 表明水溶性离子对PM_2.5有较大贡献, SNA年均质量浓度为(20.2±12.7) μg·m^-3, 在水溶性离子占比为87.2%, 表明二次离子为水溶性离子主要组分.各水溶性离子质量浓度大小顺序依次为:NO₃^-、SO₄^2-、NH₄⁺、Cl^-、Ca²⁺、K⁺、Mg²⁺和Na⁺, 与2015年^[21]同一点位研究结果相比, 总水溶性离子质量浓度及在PM_2.5中占比均有所降低; NO₃^-、SO₄^2-和NH₄⁺年均质量浓度分别为9.34、5.74和5.09 μg·m^-3, 与2014年^[20]成都城区研究结果相比质量浓度分别下降了52.6%、82.5%和51.1%, 表明近年来二次污染有所改善.

如表 1所示, 成都市PM_2.5质量浓度及总水溶性离子季节变化特征趋势为:冬季＞春季≈秋季＞夏季, 总水溶性离子质量浓度分别为34.7、21.9、21.8和14.0 μg·m^-3, 在PM_2.5中占比分别为48.1%、49.4%、53.3%和40.6%; SNA质量浓度呈现一致季节变化特征, 在总离子中占比分别为89.1%、87.6%、86.8%和83.1%, 在PM_2.5中占比分别为42.9%、43.3%、46.3%和33.7%, 与2014年成都市城区^[20]的研究结果相比4个季节中SNA在PM_2.5中占比均降低.Ca²⁺质量浓度夏季最高, Mg²⁺质量浓度春季最高, 有研究表明Ca²⁺和Mg²⁺主要来源于建筑扬尘和土壤扬尘^[28], 表明成都市夏季和春季扬尘贡献率可能较高, 当Mg²⁺/Ca²⁺大于0.09时, 同时受到人为源的影响, 4个季节中Mg²⁺/Ca²⁺均大于0.09, 说明可能还受到工业源、燃烧源等人为源的影响^[29]; Cl^-和K⁺秋冬季质量浓度较高, Cl^-和K⁺主要来源于生物质燃烧^[30], 可能受秋冬季周边秸秆焚烧影响.

表 1 (Table 1)

表 1 PM2.5及水溶性离子质量浓度/μg·m-3 Table 1 Mass concentration of PM2.5 and water-soluble ions/μg·m-3 项目 Cl- NO3- SO42- Na+ NH4+ K+ Mg2+ Ca2+ SNA 离子合计 PM2.5 春 0.687±0.419 8.90±5.52 5.50±2.32 0.389±0.094 4 4.80±2.21 0.411±0.158 0.429±0.151 0.803±0.741 19.2±11.1 21.9±11.7 44.3±18.6 夏 0.355±0.135 4.17±2.51 4.43±1.83 0.324±0.129 3.04±1.41 0.388±0.129 0.388±0.131 0.908±0.741 11.6±5.03 14.0±5.44 34.5±13.3 秋 0.829±0.486 8.74±6.00 5.40±2.86 0.363±0.112 4.79±2.61 0.421±0.154 0.391±0.155 0.868±0.657 18.9±10.7 21.8±11.2 40.9±21.0 冬 1.70±0.984 15.6±8.23 7.61±2.48 0.373±0.132 7.72±3.43 0.572±0.361 0.394±0.122 0.742±0.259 30.9±13.6 34.7±14.2 72.1±29.3 全年 0.90±0.780 9.34±7.23 5.74±2.67 0.368±0.117 5.09±3.05 0.452±0.239 0.399±0.140 0.843±0.907 20.2±12.7 23.1±13.4 47.5±25.4

表 1 PM2.5及水溶性离子质量浓度/μg·m-3 Table 1 Mass concentration of PM2.5 and water-soluble ions/μg·m-3

总水溶性离子质量浓度逐月变化特征如图 1所示.NO₃^-、SO₄^2-、NH₄⁺、Cl^-和K⁺质量浓度和总离子浓度呈现一致逐月变化特征, 整体呈现“U”型趋势, 1月和12月为浓度高值, 6~8月为低值区域.Mg²⁺和Ca²⁺月均质量浓度均在6月达峰值, 可能受2019年6月本站点周边地铁8号线开始施工的影响, 且6月降水较小, 累计降水量仅为3 mm, 对扬尘清除作用较小^[16].

图 1

Fig. 1

图 1 水溶性离子逐月变化特征 Fig. 1 Monthly variations in mass concentrations of water-soluble ions

水溶性离子间相关系数如表 2所示, SNA间具有显著的相关性, 其中NO₃^-与SO₄^2-相关系数为0.756, NH₄⁺与NO₃^-、SO₄^2-相关系数分别为0.941、0.860, 表明二次离子产生机制及在大气中的演变过程具有较高的相似性.Cl^-与NO₃^-、SO₄^2-、NH₄⁺、K⁺均具有较好的相关性, 相关系数均大于0.5, 说明Cl^-与K⁺具有相似来源, 如生物质露天焚烧、垃圾焚烧等, 存在形式可能为KCl和NH₄Cl. Ca²⁺和Mg²⁺具有较高相关性, 相关系数为0.639, 表明Ca²⁺和Mg²⁺具有相似来源, 如土壤扬尘、建筑扬尘等. Mg²⁺与Cl^-相关性较高, 其存在形式可能为MgCl₂.

表 2 (Table 2)

表 2 水溶性离子相关性1) Table 2 Correlations of water-soluble ions Cl- NO3- SO42- Na+ NH4+ K+ Mg2+ Ca2+ Cl- 1.00 NO3- 0.658** 1.00 SO42- 0.550** 0.756** 1.00 Na+ 0.178** 0.174** 0.167** 1.00 NH4+ 0.653** 0.941** 0.860** -0.114 1.00 K+ 0.595** 0.107* 0.226** -0.249** 0.072 1.00 Mg2+ 0.387** 0.077 0.051 -0.163** 0.077 0.366** 1.00 Ca2+ 0.113** -0.058 -0.166** -0.015 -0.013 -0.020 0.639** 1.00 1)**表示在0.01水平上显著相关

表 2 水溶性离子相关性1) Table 2 Correlations of water-soluble ions

由表 3可知, 风速与PM_2.5及离子浓度均呈负相关性, 表明风速越大越利于污染物的扩散.风速与NO₃^-、SO₄^2-、NH₄⁺和Cl^-相关性较为密切, 相关系数分别为-0.326、0.269、-0.306和-0.266.

表 3 (Table 3)

表 3 水溶性离子与能见度、气象因素相关性1) Table 3 Correlation of water-soluble ions with visibility and meteorological factors PM2.5 Cl- NO3- SO42- Na+ NH4+ K+ Mg2+ Ca2+ 风速 -0.346** -0.266** -0.326** -0.269** -0.135* -0.306** -0.100 -0.067 -0.028 湿度 -0.198** -0.179* 0.087 0.011 0.114 0.120* -0.220** -0.180* -0.149* 温度 -0.455** -0.560** -0.514** -0.313** -0.034 -0.475** -0.117* 0.047 0.012 气压 0.131* 0.104 0.127* 0.107 0.001 0.115* 0.018 0.048 0.039 能见度 -0.650** -0.524** -0.703** -0.689** 0.092 -0.758** -0.092 -0.003 -0.002 1) **表示在0.01水平上显著相关, *表示在0.05水平上显著相关

表 3 水溶性离子与能见度、气象因素相关性1) Table 3 Correlation of water-soluble ions with visibility and meteorological factors

温度与污染物整体呈负相关性, 表明温度越高越有利于污染物的扩散和输送.温度与NO₃^-、NH₄⁺和Cl^-相关性较为密切, 相关系数均大于0.4, 与SO₄^2-相关系数为-0.313. SNA来源包括气相氧化和液相氧化^{[31, 32]}, 温度是影响SNA生成气相反应路径的重要因素, 湿度和颗粒物比表面积是液相路径主要影响因素^{[16, 33]}.SNA与温度均呈显著负相关性同时与湿度呈轻微正相关性, 液相反应对SNA生成影响较大而非气相反应, 此外温度与NO₃^-、NH₄⁺、Cl^-的负相关性较强还可能是由于半挥发性化合物NH₄NO₃、NH₄Cl的不稳定性^[34]. Ca²⁺和Mg²⁺主要来源于扬尘, 与温度呈正相关性, 与湿度呈负相关性, 是由于湿度较大不利于扬尘扩散相反温度越高扬尘易扩散.

能见度与PM_2.5及各项离子均呈负相关性, 与SNA相关性更为密切, 相关系数均大于0.6, 与Cl^-相关性系数为-0.524.由于水溶性离子具有亲水性, 在一定湿度环境下易发生吸湿增长形成云的凝结核从而影响大气能见度^[8], 为进一步研究水溶性离子与能见度的相关性, 同时为避免降雨对能见度的影响, 将观测期分为有降雨日和无降雨日, 分别拟合SNA和总水溶性离子与能见度的相关性, 如图 2所示.结果显示, SNA、总水溶性离子与能见度均呈幂指数递减规律, 且在无降水日相关性更为密切, 说明水溶性离子是影响大气能见度的重要因素, 且SNA是主要影响因素.

图 2

Fig. 2

图 2 水溶性离子与能见度相关性分析 Fig. 2 Correlations of water-soluble ions with visibility

考虑到温度和风速对水溶性离子的显著影响, 筛选小时风速小于1 m·s^-1, 日内温差较小(3月9日的日内温差为8℃, 其余天日内温差均小于4℃), 日内连续性降雨的时段作为代表分析, 如表 4所示.小雨时, 离子质量浓度不减反增, 与陈静等^[33]的研究结果不一致, 可能是由于湿度与SNA呈正相关性, 湿度增加反而助推二次转化; 中雨至暴雨, 对SNA和总离子质量浓度均有较好的清除作用, 与黄炯丽等^[16]的研究结果一致; 暴雨清除作用最为显著, 各项清除率均超过30%, 而中雨时各项清除率均大于大雨, 可能是由于3月9日温度较高, 最高温度相比3月7日高出7℃, 而温度与SNA呈显著负相关性, 叠加温度影响促使3月9日清除率较高.选取日累计降雨量大于5 mm的有效降雨日与离子浓度进行线性拟合, 结果显示降雨量与各项离子浓度均呈负相关, 但整体相关系数较小, 与NO₃^-和NH₄⁺相关系数分别为-0.013 1和-0.70, 与SO₄^2-、Cl^-和K⁺相关系数较高, 分别为-0.210、-0.182和-0.368, 表明降雨对离子质量浓度影响较为复杂, 而非简单的线性相关, 与黄炯丽等^[16]的研究结果较为一致.

表 4 (Table 4)

表 4 降雨对离子质量浓度影响/μg·m-3 Table 4 Mass concentrations of water-soluble ions at different rain fall totals/μg·m-3 日期(月-日) 类型 降雨量/mm 时段 NO3- SO42- NH4+ SNA 总离子 02-26 小雨 5.74 降雨前 13.5 7.98 8.57 30.1 34.5 降雨期间 11.0 8.92 7.60 27.5 30.7 降雨后 17.5 9.61 9.12 36.2 38.5 清除率/% 29.5 20.4 6.4 20.5 11.6 03-09 中雨 17.5 降雨前 18.3 9.58 8.95 36.8 40.3 降雨期间 12.3 7.21 7.62 27.1 28.9 降雨后 12.6 7.24 5.64 25.5 26.9 清除率/% -31.1 -24.4 -37.0 -30.8 -33.2 03-07 大雨 43.4 降雨前 11.2 4.63 4.99 20.9 23.5 降雨期间 6.75 4.96 4.07 15.8 18.4 降雨后 8.74 3.80 3.94 16.5 18.1 清除率/% -22.2 -17.9 -21.0 -21.0 -22.8 03-17 暴雨 90.8 降雨前 23.7 6.3 8.6 38.6 40.0 降雨期间 14.8 5.6 7.1 27.5 29.1 降雨后 11.3 4.2 4.4 19.9 21.5 清除率/% -52.3 -32.3 -48.8 -48.3 -46.2

表 4 降雨对离子质量浓度影响/μg·m-3 Table 4 Mass concentrations of water-soluble ions at different rain fall totals/μg·m-3

基于前文研究结果可知, 气象参数对污染物浓度具有重要影响, 在排放因子相对稳定的情况下, 气象参数是主要影响因素.有研究表明, 不同类型天气下水溶性离子污染特征存在差异^{[16, 33]}, 基于气候特征, 选择5种典型天气型对水溶性离子污染特征展开进一步讨论, 5种典型天气型如表 5所示, 分别为:A型, 小雨, 相对湿度(RH)>75%, 能见度(Vis)>10 km的清洁天; B型, 无雨, RH < 75%, Vis>10 km的清洁天; C型, 小雨, RH>75%, Vis < 10 km的轻度污染天; D型, 无雨, RH < 75%, Vis < 10 km的轻度污染天; E型, 无雨, RH < 75%, Vis < 10 km的中度污染天.具体各项水溶性离子质量浓度占比如图 3所示.

表 5 (Table 5)

表 5 典型天气型气象要素及空气质量状况 Table 5 Meteorological parameters and air quality under typical weather conditions 天气类型 平均气温 /℃ 平均风速 /m·s-1 平均相对湿度 /% 平均能见度 /km 首要污染物 空气质量状况 A型:小雨, RH > 75%, Vis > 10 km, 清洁天 21.3 1.13 80.9 24.6 PM2.5 / B型:无雨, RH < 75%, Vis > 10 km, 清洁天 20.1 0.881 63.7 32.9 PM2.5 / C型:小雨, RH > 75%, Vis < 10 km, 轻度污染 12.2 0.446 80.1 7.96 PM2.5 轻度污染 D型:无雨, RH < 75%, Vis < 10 km, 轻度污染 12.8 0.648 71.3 7.91 PM2.5 轻度污染 E型:无雨, RH > 75%, Vis < 10 km, 中度污染 11.5 0.553 76.9 5.97 PM2.5 中度污染

表 5 典型天气型气象要素及空气质量状况 Table 5 Meteorological parameters and air quality under typical weather conditions

图 3

Fig. 3

图 3 不同类型天气下水溶性离子组成特征 Fig. 3 Characteristics of water-soluble ions under different weather types

结果表明, 在5种典型天气中SNA质量浓度及占比顺序均为NO₃^->SO₄^2->NH₄⁺, 与以往该站点的研究结果一致^[21], 与文献[16, 33]的研究结果不一致(均为SO₄^2->NO₃^-), 可能是由于本研究监测点位于城区内交通主干道, 车流量较大, 受机动车排放影响较大. 5种典型天气中, A~E型平均温度整体呈降低趋势, NO₃^-占比最高出现在E型中, 对应为温度最低湿度较高的污染天, 与前文相关性研究结果相互印证, 低温高湿利于NO₃^-生成; 而SO₄^2-占比在C~E型天气中呈轻微下降趋势, 是由于气象参数与NO₃^-相关性更为密切, NO₃^-质量浓度增幅更大, 反向导致SO₄^2-占比轻微降低; NH₄⁺占比无明显变化, 表明其来源较为稳定; Cl^-占比无明显变化规律, 表明其来源影响因素较为复杂; Ca²⁺、Mg²⁺、K⁺和Na⁺在A和B型天气下占比突出, 且在高温低湿的B型天气中Ca²⁺和Mg²⁺占比稍高, 表明在高温时应注意扬尘及生物质燃烧管控.

SOR和NOR与相关参数相关性如表 6所示. SOR和NOR年均值分别为0.42和0.12, SOR大于郑州^[24]和桂林^[16], 低于南京^[14]和武汉^[15]等城市, NOR与桂林^[16]相当, 低于郑州^[24]、南京^[14]和武汉^[15]等城市.SOR和NOR与湿度均呈正相关性, 且SOR与湿度相关性更强, 相关系数为0.241, 表明SOR受湿度影响更大, 与杨留明等^[24]的研究结果一致; 与温度均呈负相关性, NOR与温度相关性更大, 相关系数为0.571, 是由于NH₄NO₃的不稳定性导致.

表 6 (Table 6)

表 6 SOR、NOR、SO2、NOx、O3、温度、湿度及风速相关性1) Table 6 Crrelations between SOR, NOR, SO2, NOx, O3, temperature, humidity, and wind speed SOR NOR SO2 NOx O3 温度 湿度 风速 SOR 1.00 NOR 0.579** 1.00 SO2 -0.522** -0.020 1.00 NOx -0.248** 0.194** 0.583** 1.00 O3 -0.235** -0.459** 0.143** -0.346** 1.00 温度 -0.502** -0.571** 0.324** -0.035 0.716** 1.00 湿度 0.241** 0.202** -0.391** -0.055 -0.412** -0.083 1.00 风速 -0.124* -0.270** -0.143** -0.257** 0.208** 0.178** 0.064 1.00 1) **表示在0.01水平上显著相关, *表示在0.05水平上显著相关

表 6 SOR、NOR、SO2、NOx、O3、温度、湿度及风速相关性1) Table 6 Crrelations between SOR, NOR, SO2, NOx, O3, temperature, humidity, and wind speed

SO₄^2-来源主要包括气相氧化和液相氧化两种路径^{[31, 32]}, 气相氧化是SO₂与大气中O₃和·OH反应, 液相氧化是在水汽及气溶胶表面SO₂与HONO、H₂O₂等氧化剂在Mn和Fe等催化剂作用下的非均相氧化反应.温度是影响气相反应的主要因素而湿度则是影响液相反应的主要因素, 由相关性分析结果可知, SOR与温度和O₃呈显著负相关, 相关系数分别为-0.502和0.235, 而与湿度呈密切正相关, 表明SO₄^2-来源主要为液相非均相氧化反应.

NO₃^-来源路径主要有两种^{[31, 32]}, 白天在紫外线作用下NO_x被·OH等氧化为HNO₃, 继而发生气相或非均相反应生成NO₃^-; 夜晚在O₃作用下被氧化为N₂O₅, 继而在气溶胶表面发生非均相水解生成硝酸盐.从相关性结果来看, NOR与O₃和温度均呈显著负相关性, 相关系数分别为-0.459和-0.571;而与湿度呈正相关性, 相关系数为0.202;表明夜间非均相反应为NO₃^-主要来源.

阴阳离子电荷比常被用于评价水溶性离子的中和程度以及酸碱性^{[18, 24]}.四季的CE和AE均具有良好的相关性, 如图 4所示, 春、夏、秋和冬季线性相关系数分别为0.772、0.717、0.824和0.906, 拟合斜率均大于1, 表明有更多的阳离子存在.由于阴离子种类的复杂性及大气中有机酸不易观测, 可能是导致阳离子所带电荷偏多的原因.全年数据拟合曲线为: y=1.173x, R²=0.851 2, 表明整体而言成都市大气气溶胶偏弱碱性.

图 4

Fig. 4

图 4 不同季节阴阳离子平衡 Fig. 4 Relationship between cations and anions in different seasons

由于SNA在PM_2.5中占比较大, 全年平均占比为42.4%, 而其他离子组分质量浓度占比较低, 对气溶胶酸度影响较小, SNA则是对气溶胶酸度影响较大的主要离子, 因此可通过NR来探讨气溶胶酸性^[32].NR计算公式如下:

一般认为NR>1时, 气溶胶呈碱性, NR < 1时, 气溶胶呈酸性.不同季节NR值如图 5所示, 四季NR值均大于1, NR年均值为1.1, 表明气溶胶呈弱碱性.由于铵盐稳定顺序为(NH₄)₂SO₄＞NH₄NO₃＞NH₄Cl, 大气中NH₄⁺会优先于SO₄^2-结合, 其次再与NO₃^-、Cl^-结合.有研究表明^[11], 当NH₄⁺与SO₄^2-摩尔当量浓度比值大于0.75时, 大气为富氨状态, 反之为贫氨.对全年NH₄⁺与SO₄^2-摩尔当量浓度进行线性拟合, 曲线为: y=2.458 1x, R²=0.754 3, 斜率大于0.75, 表明大气为富氨状态.对全年NH₄⁺与SO₄^2-+NO₃^-摩尔当量浓度进行线性拟合, 曲线为:y=0.939 2x, R²=0.933 3, 假设NH₄⁺首先用于完全将SO₄^2-中和, 表明NO₃^-不能完全被中和, 二次离子主要存在形式为(NH₄)₂SO₄和NH₄NO₃.

图 5

Fig. 5

图 5 不同季节NR值 Fig. 5 NR in different seasons

成都市气溶胶为弱碱性, 与北京市^[1]和黄石市^[30]等研究结果不一致, 与桂林市^[16]研究结果一致.离子平衡方法探讨气溶胶酸碱性过程中, 由于忽略了大气中有机酸及其他类阴离子的影响, 导致对气溶胶酸度的探究存在不确定性, 这也是导致本研究结果与其他城市存在差异的主要原因.

(1) 观测期间MARGA监测的PM_2.5中8种水溶性离子总质量浓度与PM_2.5质量浓度变化保持一致, 总水溶性离子浓度为(23.1±13.6) μg·m^-3, 在PM_2.5中占比为48.6%, 各水溶性离子质量浓度大小顺序依次为:NO₃^-、SO₄^2-、NH₄⁺、Cl^-、Ca²⁺、K⁺、Mg²⁺和Na⁺, 其中SNA年均质量浓度为(20.2±12.7) μg·m^-3, 在总水溶性离子中占比为87.2%, 是成都市PM_2.5的主要组成成分.

(2) 成都市总水溶性离子质量浓度季节变化特征为:冬季＞春季≈秋季＞夏季, 逐月变化呈“U”型, 1月和12月浓度最高, 6~8月浓度最低.受站点周边地铁建设的影响, Ca²⁺和Mg²⁺质量浓度在6月最高, 其余离子逐月变化趋势与总离子一致.

(3) 无论有无降雨能见度均随水溶性离子质量浓度的增加呈幂函数递减规律, 且SNA是首要影响因素.降小雨对水溶性离子不具备清除作用, 反而导致浓度增加, 而中雨及以上时清除作用显著.

(4) 不同类型天气下, NO₃^-占比均最大.NO₃^-占比最大出现于无雨的低温高湿污染天; NH₄⁺占比在不同类型天气中无明显变化; Ca²⁺和Mg²⁺在高温低湿的清洁天占比最大, 应注意扬尘源管控.

(5) SNA在0.01水平上具有显著相关性(相关系数＞0.70), 表明二次离子产生机制以及在大气中的演变过程具有较高的相似性.SOR和NOR年均值分别为0.42和0.12, 与温度均呈负相关, 与湿度均呈正相关, 其中湿度对SOR影响大于对NOR的影响, 而温度对NOR影响更强.此外, SOR和NOR还与O₃呈显著负相关, 表明SO₄^2-来源主要为液相非均相氧化反应, NO₃^-来源主要为夜间非均相氧化反应.

(6) CE/AE年均值为1.2, NR年均值为1.1, 表明气溶胶整体呈弱碱性.成都市大气环境处于富氨状态, SNA存在形式主要为(NH₄)₂SO₄和NH₄NO₃.