2024, Vol. 45
2013年1月和12月, 我国中东部地区发生了2次区域性霾污染事件, 污染过程持续时间长, 且均以PM2.5为首要污染物[1~3]. PM2.5对我国生态环境、人体健康和大气辐射有一定不良影响[4~13], 2013年9月国务院印发《大气污染防治行动计划》[14], 提出到2017年, 全国地级及以上城市可吸入颗粒物浓度比2012年下降10%以上；京津冀、长三角和珠三角等区域细颗粒物浓度分别下降25%、20%和15%左右, 各城市开始积极行动, PM2.5污染治理成为大气污染防治的重点[15]. 北方大部分城市实施了包括针对燃煤排放的燃煤锅炉逐步淘汰、劣质散煤的专项治理、清洁取暖等措施；针对机动车的黄标车淘汰、燃油标准的提升[16]等. 这些减排措施的实施使得多数地区PM2.5浓度显著降低, 重污染发生的频率均得到有效缓解.
有研究显示, 2013~2017年, 全国水平SO2、NOx、CO、PM10、PM2.5、BC和OC的人为源排放量分别下降了59%、21%、23%、36%、33%、28%和32%[17]. 京津冀、长三角和珠三角等重点区域PM2.5浓度分别下降了40%、34%和28%, 成渝地区也消除了一半以上的重污染天, 但受限于盆地地形, PM2.5浓度下降幅度不及其他地区[18, 19], 不同区域相比, 京津冀PM2.5下降幅度相对较大. PM2.5的组成包括无机组分和有机组分, 其中无机组分主要是水溶性离子（如Na+、K+、Mg2+、Ca2+、F-、Cl-、NH4+、NO3-和SO42-等）和元素（包括多种金属及非金属元素）；有机组分主要分为有机碳和元素碳. 基于PM2.5和主要化学组分评估《大气污染防治行动计划》对PM2.5影响的研究发现, 不同区域PM2.5组分下降幅度呈现较大差异[18]. 对京津冀地区而言, 北京一次组分与二次组分下降率的比值在1∶0.53, 天津和石家庄地区一次组分和二次组分下降幅度较为一致[18]. 珠三角地区则呈现出一次组分下降率显著高于二次组分的结果（1∶0.23）. 南京市的NO3-和NH4+占比明显上升[20], 成渝地区的NO3-也显著升高了62%, 其余组分显著下降的现象[18]. 虽然PM2.5浓度均呈现降低趋势, 但不同区域PM2.5组分浓度及占比呈现出不同的变化趋势, 因此需要针对不同区域和不同时段开展差异性的管控[21, 22].
郑州市是河南省的省会, 也是我国的交通枢纽和中部地区重要的工业城市. 2013年, 郑州市ρ（PM2.5）年均值为108 μg·m-3, 是《环境空气质量标准（GB 3095-2012）》中ρ（PM2.5）年均值（35 μg·m-3）的3.1倍；同时, 按照空气质量综合指数进行评价, 郑州市位列我国严重污染城市第10位, 面临着严重的空气污染问题. 《大气污染防治行动计划》以来, 郑州市通过优化能源结构、提高机动车和工业排放标准、淘汰燃煤锅炉等措施降低大气污染的排放, 同时在污染严重的秋冬季节, 为最大程度减缓污染, 保护公众健康制定一系列应急机制, 如交通限行、错峰生产等. 这些政策的实施使得郑州市在2018年成功退出全国空气质量排名后10位. 有研究表明秸秆焚烧政策的实施使得郑州市的生物质燃烧的标志离子组分K+浓度大幅度下降[23~25]；散煤燃烧的治理使得冬季PM2.5中Cl-浓度大幅下降（10.5 µg·m-3）[23, 26, 27]. 虽然郑州市在2018年成功退出全国空气质量排名后10位, 但污染状况仍不容乐观, 秋冬季霾污染仍时有发生, 同时二次生成对郑州市PM2.5浓度的贡献较高, 燃煤源的贡献率呈现下降的趋势, 但交通源的贡献率则有增加的趋势[24].
本研究选取郑州市2013年和2018年冬季, 通过采集PM2.5膜样品, 离线分析PM2.5化学组成, 包括9种水溶性离子、EC、OC和28种金属元素, 通过PM2.5及化学组成的变化评估《大气污染防治行动计划》对PM2.5浓度及化学组成及来源的影响.
1 材料与方法 1.1 样品采集本研究在2013年和2018年的12月1~31日连续采集大气PM2.5样品, 采样点位位于郑州市监测站, 采样点周围无高大建筑物和树木遮蔽. 采样器为武汉天虹四通道采样器（TH-16A）, 采样膜包括2张石英滤膜和2张特氟龙滤膜, 流速为16.67 L·min-1, 采样时长为23~23.5 h（2013年为08：00至次日07：30；2018年为10：00至次日09：00）. 共采集有效样品56个, 其中2013年冬季样品29个, 2018年冬季样品27个. 样品采集和分析的方法严格参照国家标准（HJ 656-2013、HJ 800-2016、HJ 799-2016和HJ 657-2013）. 每10个样品设置一组空白, 选取同批次称量的空白滤膜, 包括石英滤膜和特氟龙滤膜, 与采样滤膜同时携带至采样现场, 但不进行实际采样, 待采样时间结束后与样品仪器运输至实验室分析, 与正常样品保持同样的分析程序.
采样前, 空白石英滤膜用铝箔包裹并在550℃温度下灼烧5.5 h, 然后和特氟龙滤膜一起放置在恒温恒湿（温度：20℃；相对湿度：50%）的超净室内平衡48 h, 特氟龙滤膜采样前后均使用瑞士梅特勒⁃托利多公司天平（Mettler Toledo XS205）称重. 样品采集后放置于-18℃的冰箱冷藏至分析.
1.2 样品分析PM2.5浓度采用重量法测定, 采样前后均平衡24 h进行称量. 同一滤膜在恒温恒湿设备中相同条件下再平衡1 h后再次称量, 两次称量质量之差小于0.04 mg, 以两次称量结果的平均值作为滤膜称量值. 空白滤膜采样前后重量之差远小于采样滤膜上颗粒物负载量. 具体操作严格按照HJ 656执行.
9种水溶性离子（Na+、K+、Mg2+、Ca2+、F-、Cl-、NH4+、NO3-和SO42-）使用ICS-900型离子色谱仪（美国戴安）进行分析. 具体操作方法在Wang等[28]的研究中进行了详细介绍. 本研究中检测9种离子的标准曲线的相关系数均大于0.999, 加标回收率在94%~103%之间.
金属元素利用原子吸收光谱法（Agilent7500cx电感耦合等离子体质谱仪, 美国）进行分析, 测定时, 采用微波消解的方法处理采样膜, 使用HNO3-HCl消解体系消解样品. 实验过程中用空白滤膜做对照实验, 并用消解液做空白实验. 最终定量测定了30种元素, 标准曲线的相关系数均大于0.987, 加标回收率在85%~110%之间, 本研究中使用的元素剔除了与水溶性离子重复的Na+、K+、Mg2+和Ca2+这4类物质. 提取和分析的具体操作及质控信息在Geng[23]和Wang[28]的研究中进行了详细地描述.
碳组分的测量采用热光法, 使用美国Sunset Laboratory公司的碳分析仪. 测样前使用蔗糖标准溶液对仪器进行校准, 分析结果和已知的OC浓度做比较, 相对标准偏差≤5%. 样品分析时, 每隔10个样品进行单个重复测样, 标准偏差在4%~6%之间, 确保仪器检测的稳定性.
2 结果与讨论 2.1 PM2.5及化学组分浓度变化特征2013年和2018年冬季整个采样期间PM2.5浓度日均值和化学组分时间序列如图 1所示. 2013年冬季整个采样期间, 郑州市ρ（PM2.5）变化范围为74.95~566.34 μg·m-3, 平均值为（215.38 ± 107.28）μg·m-3, 是我国二级标准值（75 μg·m-3）的2.87倍, 日均值超标率高达97%. 2018年冬季整个采样期间, 郑州市ρ（PM2.5）变化范围为22.35~216.29 μg·m-3, 平均值为（77.45 ± 49.81）μg·m-3, 是我国PM2.5二级标准值的1.03倍, 日均值超标率为41%. 与2013年冬季相比, 2018年冬季ρ（PM2.5）下降了137.93 μg·m-3, 下降率高达64%, 说明《大气污染防治行动计划》显著改善了郑州市冬季的PM2.5污染.
|
图 1 2013年和2018年冬季采样期间PM2.5 及化学组成时间序列 Fig. 1 Variations of PM2.5 and chemical compositions during sampling periods in 2013 and 2018 in winter |
2013年和2018年采样期间PM2.5化学组成中OC、NO3-、SO42-和NH4+这4类物质贡献均较为显著（分别贡献PM2.5浓度的52%和72%）, 其中, 2018年冬季PM2.5浓度日均值与化学组成的变化趋势更为一致（图 2）. 2013年冬季ρ（OC）变化范围为7.49~80.91 μg·m-3, 平均值为（36.31 ± 20.20）μg·m-3, 低于2014年保定市冬季[ρ（OC）为（60.92 μg·m-3）][29], 显著高于2015年北京冬季[ρ（OC）为（22.70 ± 5.87）μg·m-3][30]和2014年天津冬季[ρ（OC）为（19.3 ± 9.9）μg·m-3][31]；2018年冬季ρ（OC）变化范围为5.61~43.20 μg·m-3, 平均值为（18.10 ± 9.97）μg·m-3, 低于“2+26”城市2018年采暖期ρ（OC）平均值[（30.9 ± 20.7）μg·m-3][32]. 就SNA而言, 2013年浓度平均值最高的为SO42-, 其次是NO3-和NH4+, 分别为（27.80 ± 15.80）、（23.95 ± 12.38）和（16.41 ± 7.27）μg·m-3, 2018年冬季SNA浓度均呈现下降趋势, 分别降低（5.99 ± 3.57）、（16.40 ± 13.67）和（9.74 ± 7.13）μg·m-3.
|
图 2 2013年和2018年冬季PM2.5及主要化学组分对比 Fig. 2 Comparisons of PM2.5 and major chemical compositions between 2013 and 2018 in winter |
PM2.5、OC、EC、主要水溶性离子（NO3-、SO42-、NH4+、Cl-、K+）和金属元素浓度对比结果显示, 2018年和2013年冬季采样期间相比, EC、K+、SO42-和Cl-这4类物质浓度下降最为显著, 下降率依次为85%、80%、78%和72%；OC、金属元素、NH4+和NO3-下降幅度较小, 分别为50%、49%、41%和32%. EC下降幅度显著高于OC, 同时, 与2013年相比（3%）, 2018年冬季EC在PM2.5中的占比也降为1%, 由于EC主要来自于一次排放, EC浓度和在PM2.5中贡献的显著降低说明郑州市PM2.5来自一次源排放的贡献下降. K+主要来自于秸秆燃烧, 而Cl-是燃烧源的标志性物种, K+和Cl-在2013年和2018年冬季采样期间均表现出较好的相关性（图 3, R2为0.71和0.82）, 说明二者具有相似的来源, Cl-和K+浓度的显著降低表明秸秆燃烧的贡献有明显的改善, 这与郑州市关于禁止露天焚烧等生物质燃烧源的管控措施有关. SO42-是2013年冬季浓度最高的水溶性离子, 同时浓度的降幅也最为显著. 在北方城市的冬季, SO42-的主要来源是通过燃煤排放的SO2在空气中转化生成, 而在清洁取暖替代燃煤政策实施之后, 全国范围, 特别是北方城市SO2的排放量得到显著改善[17], 因此SO42-的浓度呈现显著地下降.
|
*表示P≤0.05, **表示P≤0.01；圆大小和颜色表示相关性强弱 图 3 相关性分析 Fig. 3 Correlation analysis |
本研究采样期间OC和EC浓度变化及二者之间的拟合关系如图 4所示. 2013年和2018年EC和OC拟合曲线的相关性系数分别为0.796和0.856, 表明二者来源具有一定一致性, 然而2013年拟合直线的斜率为13.61, 而2018年拟合直线的斜率为5.71, 呈现出显著的降低趋势. 研究报道典型源排放的OC/EC值有：柴油和汽油车尾气在1.0~4.2之间；民用燃煤在2.5~10.5之间；秸秆燃烧则大于7.7[33]. 本研究中郑州市冬季OC/EC的值虽有所降低, 但仍受燃煤排放的显著影响. 此外, OC/EC的值常用来判别碳质气溶胶的相对来源, 有研究认为OC/EC的值大于2时, 表明有二次有机气溶胶生成[29~31]. 2013年和2018年冬季采样期间, OC/EC的值分别为5.89 ± 2.93和20.95 ± 9.50, 显著高于2, 并且与Wang等[28]基于2011~2013年的数据结果相符, 均呈现升高趋势, 同时, 在2018年冬季OC与二次无机组分SNA的相关性系数在0.91~0.98之间（图 3）, 表明郑州市冬季有明显的二次生成, 并且与2013年相比, 2018年冬季二次有机气溶胶有升高趋势.
|
图 4 OC和EC相关性分析 Fig. 4 Correlation analysis of OC and EC |
为定量探究二次有机气溶胶的浓度, 利用OC/EC最小比值法分别估算了采样期间的SOC浓度（表 1）. 其中, 2013年冬季OC/EC最小值为2.1, 这与刘晶晶等[34]的研究结果（2.3）接近, 但本研究中2018年冬季OC/EC最小值为8.0, 高于其它研究中的结果[35]. 经估算, 2013年冬季和2018年ρ（SOC）分别为（22.69 ± 16.75）μg·m-3和（10.53 ± 6.86）μg·m-3, 在OC中的占比为55%和57%, 远高于保定（27%~31%）[29]. 现有研究也表明郑州市近年来O3浓度有升高趋势, 呈现出PM2.5和O3双高的污染态势[33], 说明郑州市二次污染较为严重.
|
表 1 PM2.5中OC/EC、SOC/OC、硫氧化比率、氮氧化比率、NO3-/SO42-（质量比）和n[NH4+]/n（[NO3-]+2[SO42-]） Table 1 Ratios of OC/EC, SOC/OC, calculated sulfur, nitrogen oxidation ratios (SOR and NOR), values of NO3-/SO42-, and n[NH4+]/n([NO3-]+2[SO42-]) in PM2.5 |
2.3 二次水溶性离子（SNA）变化特征
2013年和2018年冬季SNA在水溶性离子中占比均为最高, 贡献总水溶性离子的80%~90%. SNA主要来源于大气中的NOx、SO2和NH3等气态污染物的二次转化[36], 在PM2.5浓度升高的霾污染过程中, SNA浓度的增幅最大, 对秋冬季重污染过程有显著的贡献. 本研究分别计算了2013年和2018年冬季硫氧化比率（SOR）和氮氧化比率（NOR）（表 1）, 结果发现, 整个采样期间SOR和NOR值均高于0.1, 表明郑州市冬季SO42-和NO3-主要由SO2和NO2的二次转化生成；同时, 与2013年冬季相比, 2018年冬季SOR和NOR明显升高, 说明二次转化程度明显升高. NO3-/SO42-（质量比）可以用来判断移动源和固定源相对重要性, 高NO3-/SO42-（质量比值）表明移动源比固定源排放更显著[36~38]. 本研究中2013年和2018年冬季NO3-/SO42-（质量比）的平均值分别为0.8 ± 0.2和2.5 ± 1.0, 表明在2013年郑州市固定源排放占主导优势, 但2018年则以移动源排放为主. 这与《大气污染防治行动计划》实施以来, 郑州市开始推行清洁取暖替代散烧煤政策, 但机动车保有量持续升高的事实相符. 2013年以来郑州市开始对固定污染源进行管控, 燃烧源排放显著降低[39], 虽然针对机动车的减排措施也同时在实施, 但郑州市机动车保有量自2013的172万辆增至2018年的344万辆, 5年增加了2倍, 这也导致移动源贡献快速上升并且超过固定源成为冬季大气污染的主要来源.
n[NH4+]/n（[NO3-]+2[SO42-]）常用来探究PM2.5中NH4+-SO42--NO3-体系[40, 41], 本研究中n[NH4+]/n（[NO3-]+2[SO42-]）值均 > 1.0, 说明郑州市PM2.5中NH4+是富余的. 使用SNA中各物种的摩尔分数绘制SO42--NO3--NH4+三元相图（图 5）, 整个采样期间的样品集中分布在三元相图的左下部分, 表明3种离子所占比例相对稳定. ρ（NH4+）最大（62%~64%）, ρ（NO3-）次之（27%~30%）, ρ（SO42-/2）比例最小（5%~11%）. 2013年冬季ρ（NH4+）变化范围30%~73%, 平均值为62%, ρ（NO3-）变化范围为19%~42%, 平均值为27%；2018年冬季ρ（NH4+）变化范围为60%~72%, 平均值为64%, ρ（NO3-）变化范围为22%~36%, 平均值30%. 与2013年冬季相比, 2018年冬季ρ（NH4+）和ρ（NO3-）均有所升高. 2013年冬季的ρ（SO42-/2）变化范围5%~28%, 平均值11%, 2018年冬季变化范围为3%~7%, 平均值5%, 呈现出显著的下降趋势, 这与清洁取暖替代散烧煤政策实施, 燃煤源排放显著降低有关.
|
图 5 基于物种的摩尔分数的SO42--NO3--NH4+三元相图 Fig. 5 Triangle diagram of SO42--NO3--NH4+ based on amount-of-substance mole fraction |
2013年和2018年冬季金属元素的总浓度平均值分别为（12.5 ± 4.9）μg·m-3和（6.3 ± 3.1）μg·m-3, 在PM2.5中的比例为7.1%和8.2%, 其中浓度最高的金属是Si（2013年冬季为1.44 μg·m-3, 2018年冬季为0.829 μg·m-3）和Ca（2013年冬季为1.331 μg·m-3, 2018年冬季为0.738 μg·m-3）, 其次是Fe（2013年和2018年冬季分别为0.907 μg·m-3和1.221 μg·m-3）、K（2013年和2018年冬季分别为1.191 μg·m-3和0.540 μg·m-3）和Al（0.731 μg·m-3和0.422 μg·m-3）. 值得注意的是Fe浓度出现了反弹, 增加了13%. 图 2和图 6表明, 与2013年冬季相比, 2018年冬季PM2.5中大多数组分的浓度显著下降, 但金属元素的降幅相对较小, 为49%, 其中, Se和K的降幅最大, 均为55%, 其次是Sr（51%）、As（49%）和Ca（45%）. 与2013年冬季相比, 2018年Sn的反弹幅度最大, 增加了257%, 其次是Cu（140%）和Mn（129%）. 金属元素中, Cr、Ni和Mn是车辆排放的示踪剂[42], 而As和Se是煤炭燃烧的示踪剂[43]. Pb通常被认为是煤和汽油燃烧的标志物[44], 虽然一直推广无铅汽油并禁止含铅煤的使用, 但Pb的浓度还是呈现轻微反弹的现象（升高了2%）, Si、Ca和Al是地壳指示元素[45], 这3种物质浓度的显著降低表明《大气污染防治行动计划》对扬尘源的有效管控.
|
（a）浓度, （b）变化率 图 6 2013年和2018年冬季PM2.5中金属元素浓度及变化率对比 Fig. 6 Comparisons of metal elements in PM2.5 between 2013 and 2018 in winter |
从图 1的时间序列显示2013年和2018年冬季均出现一次较为明显的重污染过程, 选取2013年12月7~12日和2018年12月18~23日分别长达6 d（D1~D6）的两次污染过程进行对比, 分析不同阶段重污染过程PM2.5浓度和化学组成的差异, 结果如图 7所示. 2013年的重污染过程中PM2.5浓度显著高于2018年的重污染过程, 两次重污染过程ρ（PM2.5）均在第3 d（D3）达到最高值, 分别为565.34 μg·m-3和216.29 μg·m-3, 2013年污染过程中PM2.5浓度峰值是2018年的2.6倍.
|
图 7 2013年和2018年冬季不同阶段污染过程中PM2.5主要化学组成对比 Fig. 7 Comparisons of PM2.5 and major chemical compositions during pollution episodes between 2013 and 2018 in winter |
就PM2.5主要化学组成而言, OC和EC浓度在两个污染过程的变化趋势和PM2.5浓度一致, NO3-、SO42-和NH4+浓度仅在2018年的重污染过程和PM2.5浓度变化趋势一致. 在污染上升阶段（D1~D3）2013年OC浓度高于2018年, 但在污染消散阶段（D4~D6）, OC浓度则呈现出相反的变化趋势；2013年污染过程SO42-浓度显著高于2018年污染过程（2~12倍）, 表明SO42-浓度在《大气污染防治行动计划》实施之后有较为显著的降低；此外, 2018年的污染过程中NO3-和NH4+浓度与2013年相当甚至远超过2013年的NO3-和NH4+浓度, 表明在《大气污染防治行动计划》实施之后NO3-和NH4+对重污染过程PM2.5浓度的影响更为显著；除SO42-外, EC浓度在两次污染过程的差异最为显著, 2013年污染过程中EC浓度是2018年的2.5~8.8倍, 表明《大气污染防治行动计划》对一次排放源的控制效果显著. 就占比而言, EC在PM2.5中的占比由2013年污染过程中的3%降至2018年污染过程中的1%, 与之相反, OC在PM2.5中的占比在2013年的污染过程中为11% ± 4%, 而在2018年的污染过程中升高至24% ± 6%, 表明OC浓度虽然呈现下降趋势, 但对PM2.5浓度的贡献十分显著；NO3-和NH4+的占比在两个污染阶段也呈现很显著的升高（2013年为21% ± 11%, 2018年为34% ± 5%）, 表明OC、NO3-和NH4+已是冬季PM2.5污染的关键组分.
3 结论（1）郑州市冬季PM2.5化学组成中以OC、NO3-、SO42-和NH4+为主, 贡献占PM2.5浓度的52%~72%.
（2）与2013冬季相比, 2018年冬季ρ（PM2.5）平均值下降了137.93 μg·m-3, 下降率高达64%. PM2.5化学组成中下降最为显著的物种是EC、K+、SO42-和Cl-, 下降率分别为85%、80%、78%和72%；下降幅度较小的为OC、NH4+和NO3-, 分别为50%、41%和32%.
（3）OC/EC的比值由2013年冬季的5.89 ± 2.93升高至2018年冬季的20.95 ± 9.50, SOC在OC中的占比均大于50%, 表明郑州市二次污染较为严重；同时, SOR和NOR由2013年的0.2 ± 0.2和0.2 ± 0.1升高至2018年的0.5 ± 0.1和0.4 ± 0.2, 说明二次转化程度明显升高.
（4）NO3-/SO42-（质量比）由2013年的0.8 ± 0.2升高至2018年2.5 ± 1.0, 表明郑州市移动源贡献快速上升并且超过固定源成为冬季大气污染的主要来源.
（5）金属元素的降幅相对较小, 为49%, 其中, Se的降幅最大, 为55%, 其次是Sr（51%）、As（49%）和Ca（45%）, 表明对扬尘源的有效管控.
（6）与2013年相比, 2018年重污染过程中PM2.5浓度下降显著, 峰值浓度下降了61%, PM2.5中主要化学组成由OC、NO3-、SO42-和NH4+变为OC、NO3-和NH4+.
| [1] | 中华人民共和国环境保护部. 2013年中国环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201605/P020160526564151497131.pdf, 2023-01-01. |
| [2] |
宋小涵, 燕丽, 刘伟, 等. 2015~2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析[J]. 环境科学, 2023, 44(4): 1841-1851. Song X H, Yan L, Liu W, et al. Spatiotemporal distribution characteristics of co-pollution of PM2.5 and ozone over BTH with surrounding area from 2015 to 2021[J]. Environmental Science, 2023, 44(4): 1841-1851. |
| [3] |
程念亮, 李云婷, 张大伟, 等. 2013年1月北京市一次空气重污染成因分析[J]. 环境科学, 2015, 36(4): 1154-1163. Cheng N L, Li Y T, Zhang D W, et al. Formation mechanism of a serious pollution event in January 2013 in Beijing[J]. Environmental Science, 2015, 36(4): 1154-1163. |
| [4] | Zhang H Y, Cheng S Y, Li J B, et al. Investigating the aerosol mass and chemical components characteristics and feedback effects on the meteorological factors in the Beijing-Tianjin-Hebei region, China[J]. Environmental Pollution, 2019, 244: 495-502. DOI:10.1016/j.envpol.2018.10.087 |
| [5] | Qi M, Zhu X, Du W, et al. Exposure and health impact evaluation based on simultaneous measurement of indoor and ambient PM2.5 in Haidian, Beijing[J]. Environmental Pollution, 2017, 220: 704-712. DOI:10.1016/j.envpol.2016.10.035 |
| [6] |
张莹, 田琪琪, 魏晓钰, 等. 2016~2020年成都市控制PM2.5和O3-8h污染的健康效益评价[J]. 环境科学, 2023, 44(6): 3108-3116. Zhang Y, Tian Q Q, Wei X Y, et al. Health benefit evaluation for PM2.5 as well as O3-8h pollution control in Chengdu, China from 2016 to 2020[J]. Environmental Science, 2023, 44(6): 3108-3116. |
| [7] |
李星谕, 毛瑶, 陈展乐, 等. 华中地区冬季灰霾天气下PM2.5中重金属污染特征及健康风险评价: 以湖北黄冈为例[J]. 环境科学, 2021, 42(10): 4593-4601. Li X Y, Mao Y, Chen Z L, et al. Characteristics and health risk assessment of heavy metals in PM2.5 under winter haze conditions in central China: a case study of Huanggang, Hubei province[J]. Environmental Science, 2021, 42(10): 4593-4601. |
| [8] |
陈菁, 彭金龙, 徐彦森. 北京市2014~2020年PM2.5和O3时空分布与健康效应评估[J]. 环境科学, 2021, 42(9): 4071-4082. Chen J, Peng J L, Xu Y S. Spatiotemporal distribution and health impacts of PM2.5 and O3 in Beijing, from 2014 to 2020[J]. Environmental Science, 2021, 42(9): 4071-4082. |
| [9] | Han L J, Zhou W Q, Pickett S T A, et al. An optimum city size? The scaling relationship for urban population and fine particulate (PM2.5) concentration[J]. Environmental Pollution, 2016, 208: 96-101. DOI:10.1016/j.envpol.2015.08.039 |
| [10] |
李勇, 廖琴, 赵秀阁, 等. PM2.5污染对我国健康负担和经济损失的影响[J]. 环境科学, 2021, 42(4): 1688-1695. Li Y, Liao Q, Zhao X G, et al. Influence of PM2.5 pollution on health burden and economic loss in China[J]. Environmental Science, 2021, 42(4): 1688-1695. |
| [11] | Song S K, Shon Z H, Park Y H. Diurnal and seasonal characteristics of the optical properties and direct radiative forcing of different aerosol components in Seoul megacity[J]. Science of the Total Environment, 2017, 599-600: 400-412. DOI:10.1016/j.scitotenv.2017.04.195 |
| [12] | Cheng M T, Tang G Q, Lv B, et al. Source apportionment of PM2.5 and visibility in Jinan, China[J]. Journal of Environmental Sciences, 2021, 102: 207-215. DOI:10.1016/j.jes.2020.09.012 |
| [13] | Zhong J T, Zhang X Y, Wang Y Q, et al. The two-way feedback mechanism between unfavorable meteorological conditions and cumulative aerosol pollution in various haze regions of China[J]. Atmospheric Chemistry and Physics, 2019, 19(5): 3287-3306. DOI:10.5194/acp-19-3287-2019 |
| [14] | 国务院. 国务院关于印发大气污染防治行动计划的通知[EB/OL]. https://www.gov.cn/zwgk/2013-09/12/content_2486773.htm, 2023-01-01. |
| [15] | Hu M, Guo S, Peng J F, et al. Insight into characteristics and sources of PM2.5 in the Beijing⁃Tianjin⁃Hebei region, China[J]. National Science Review, 2015, 2(3): 257-258. DOI:10.1093/nsr/nwv003 |
| [16] |
孟露露, 单春艳, 白志鹏, 等. 中国城市PM2.5空气质量改善分阶段目标研究[J]. 中国环境监测, 2017, 33(2): 1-10. Meng L L, Shan C Y, Bai Z P, et al. Phased-in targets of PM2.5 air quality improvement in Chinese cities[J]. Environmental Monitoring in China, 2017, 33(2): 1-10. |
| [17] | Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions[J]. Atmospheric Chemistry and Physics, 2018, 18(19): 14095-14111. DOI:10.5194/acp-18-14095-2018 |
| [18] |
王跃思, 李文杰, 高文康, 等. 2013~2017年中国重点区域颗粒物质量浓度和化学成分变化趋势[J]. 中国科学: 地球科学, 2019, 62(4): 453-468. Wang Y S, Li W J, Gao W K, et al. Trends in particulate matter and its chemical compositions in China from 2013-2017[J]. Science China Earth Sciences, 2019, 62(12): 1857-1871. |
| [19] |
李佳琪, 张军科, 董贵明, 等. 《大气污染防治行动计划》后期成都大气PM2.5中水溶性无机离子特征[J]. 环境科学, 2021, 42(12): 5616-5623. Li J Q, Zhang J K, Dong G M, et al. Characterization of water-soluble inorganic ions in atmospheric PM2.5 in Chengdu during the later stage of the air pollution prevention and control action plan[J]. Environmental Science, 2021, 42(12): 5616-5623. |
| [20] |
陈培林, 郭蓉, 王勤耕. "大气十条"实施期间南京市PM2.5化学组成与来源的演变特征[J]. 环境科学, 2023, 44(1): 1-10. Chen P L, Guo R, Wang Q G. Evolution of PM2.5 chemical composition and sources in Nanjing during the implementation of the APPCAP[J]. Environmental Science, 2023, 44(1): 1-10. DOI:10.3969/j.issn.1006-4427.2023.01.001 |
| [21] |
周杨, 罗彬, 杨文文, 等. 基于2012—2018年内江市PM2.5化学组分变化对《大气污染防治行动计划》实施效果的评估[J]. 环境科学研究, 2020, 33(3): 563-571. Zhou Y, Luo B, Yang W W, et al. Evaluation of effects of air pollution prevention and control action plan based on variations of chemical components in PM2.5 during 2012-2018 in Neijiang City[J]. Research of Environmental Sciences, 2020, 33(3): 563-571. |
| [22] | Gao J, Peng X, Chen G, et al. Insights into the chemical characterization and sources of PM2.5 in Beijing at a 1-h time resolution[J]. Science of the Total Environment, 2016, 542: 162-171. DOI:10.1016/j.scitotenv.2015.10.082 |
| [23] | Geng N B, Wang J, Xu Y F, et al. PM2.5 in an industrial district of Zhengzhou, China: chemical composition and source apportionment[J]. Particuology, 2013, 11(1): 99-109. DOI:10.1016/j.partic.2012.08.004 |
| [24] |
郭蒙蒙, 姜楠, 王申博, 等. 郑州市2014~2017年大气污染特征及气象条件影响分析[J]. 环境科学, 2019, 40(9): 3856-3867. Guo M M, Jiang N, Wang S B, et al. Analysis of air pollution characteristics and meteorological conditions in Zhengzhou from 2014 to 2017[J]. Environmental Science, 2019, 40(9): 3856-3867. |
| [25] |
杨留明, 王申博, 郝祺, 等. 郑州市PM2.5中水溶性离子特征及来源分析[J]. 环境科学, 2019, 40(7): 2977-2984. Yang L M, Wang S B, Hao Q, et al. Characteristics and source analysis of water-soluble ions in PM2.5 in Zhengzhou[J]. Environmental Science, 2019, 40(7): 2977-2984. |
| [26] |
张剑飞, 姜楠, 段时光, 等. 郑州市PM2.5化学组分的季节变化特征及来源解析[J]. 环境科学, 2020, 41(11): 4813-4824. Zhang J F, Jiang N, Duan S G, et al. Seasonal chemical composition characteristics and source apportionment of PM2.5 in Zhengzhou[J]. Environmental Science, 2020, 41(11): 4813-4824. DOI:10.3969/j.issn.1000-6923.2020.11.021 |
| [27] |
赵孝囡, 王申博, 杨洁茹, 等. 郑州市PM2.5组分、来源及其演变特征[J]. 环境科学, 2021, 42(8): 3633-3643. Zhao X N, Wang S B, Yang J R, et al. Chemical components and sources of PM2.5 and their evolutive characteristics in Zhengzhou[J]. Environmental Science, 2021, 42(8): 3633-3643. |
| [28] | Wang J, Li X, Zhang W K, et al. Secondary PM2.5 in Zhengzhou, China: chemical species based on three years of observations[J]. Aerosol and Air Quality Research, 2016, 16(1): 91-104. DOI:10.4209/aaqr.2015.01.0007 |
| [29] |
罗宇骞, 张凯, 赵妤希, 等. 清洁取暖对保定市采暖期PM2.5中碳质气溶胶的影响[J]. 环境科学, 2023, 44(6): 3063-3070. Luo Y Q, Zhang K, Zhao Y X, et al. Effect of clean heating on carbonaceous aerosols in PM2.5 during the heating period in Baoding[J]. Environmental Science, 2023, 44(6): 3063-3070. |
| [30] |
张婷婷, 马文林, 亓学奎, 等. 北京城区PM2.5有机碳和元素碳的污染特征及来源分析[J]. 环境化学, 2018, 37(12): 2758-2766. Zhang T T, Ma W L, Qi X K, et al. Characteristics and sources of organic carbon and element carbon in PM2.5 in the urban areas of Beijing[J]. Environmental Chemistry, 2018, 37(12): 2758-2766. DOI:10.7524/j.issn.0254-6108.2018051701 |
| [31] |
肖致美, 徐虹, 李立伟, 等. 基于在线观测的天津市PM2.5污染特征及来源解析[J]. 环境科学, 2020, 41(10): 4355-4363. Xiao Z M, Xu H, Li L W, et al. Characterization and source apportionment of PM2.5 based on the online observation in Tianjin[J]. Environmental Science, 2020, 41(10): 4355-4363. |
| [32] |
刀谞, 吉东生, 张显, 等. 京津冀及周边地区采暖季PM2.5化学组分变化特征[J]. 环境科学研究, 2021, 34(1): 1-10. Dao X, Ji D S, Zhang X, et al. Characteristics of chemical composition of PM2.5 in Beijing-Tianjin-Hebei and its surrounding areas during the heating period[J]. Research of Environmental Sciences, 2021, 34(1): 1-10. |
| [33] | Dong Z, Wang S B, Sun J B, et al. Impact of COVID-19 lockdown on carbonaceous aerosols in a polluted city: composition characterization, source apportionment, influence factors of secondary formation[J]. Chemosphere, 2022, 307: 136028. DOI:10.1016/j.chemosphere.2022.136028 |
| [34] |
刘晶晶, 胡献舟, 黄凤莲, 等. 广州PM2.5中有机碳和元素碳的污染特征[J]. 湖南科技大学学报(自然科学版), 2019, 34(4): 111-117. Liu J J, Hu X Z, Huang F L, et al. Characteristics of organic carbon (OC) and elemental carbon (EC) in PM2.5 in Guangzhou, China[J]. Journal of Hunan University of Science & Technology (Natural Science Edition), 2019, 34(4): 111-117. |
| [35] |
苟银寅, 张凯, 李金娟, 等. 保定市大气污染变化趋势及特征[J]. 环境科学, 2020, 41(10): 4413-4425. Gou Y Y, Zhang K, Li J J, et al. Variational trend and characteristics of air pollution in Baoding city[J]. Environmental Science, 2020, 41(10): 4413-4425. |
| [36] |
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 |
| [37] |
林昕, 曹芳, 翟晓瑶, 等. 中国典型城市冬季大气细颗粒物水溶性离子特征及来源分析[J]. 生态环境学报, 2019, 28(2): 307-315. Lin X, Cao F, Zhai X Y, et al. Characterization and sources of water soluble inorganic ions in PM2.5 in winter in typical cities of China[J]. Ecology and Environmental Sciences, 2019, 28(2): 307-315. |
| [38] |
衣雅男, 侯战方, 孟静静, 等. 聊城市冬季PM2.5中水溶性化合物的昼夜变化特征及来源解析[J]. 环境科学, 2019, 40(10): 4319-4329. Yi Y N, Hou Z F, Meng J J, et al. Diurnal variations and source analysis of water-soluble compounds in PM2.5 during the winter in Liaocheng city[J]. Environmental Science, 2019, 40(10): 4319-4329. |
| [39] | Yang H, Song X, Du L P, et al. Estimating particulate matter emission from dust sources using ZY-3 Data and GIS Technology-a case study in Zhengzhou City, China[J]. Atmosphere, 2021, 12(6). DOI:10.3390/atmos12060660 |
| [40] | Guo W, Zhang Z Y, Zheng N J, et al. Chemical characterization and source analysis of water-soluble inorganic ions in PM2.5 from a plateau city of Kunming at different seasons[J]. Atmospheric Research, 2020, 234. DOI:10.1016/j.atmosres.2019.104687 |
| [41] | Zhou H J, Lü C W, He J, et al. Stoichiometry of water-soluble ions in PM2.5: application in source apportionment for a typical industrial city in semi-arid region, Northwest China[J]. Atmospheric Research, 2018, 204: 149-160. DOI:10.1016/j.atmosres.2018.01.017 |
| [42] |
赵明升, 任丽红, 李刚, 等. 2018~2019年冬季天津和青岛PM2.5中重金属污染特征与健康风险评价[J]. 环境科学, 2022, 43(12): 5376-5386. Zhao M S, Ren L H, Li G, et al. Pollution characteristics and health risk assessment of PM2.5 heavy metals in Tianjin and Qingdao in winter of 2018-2019[J]. Environmental Science, 2022, 43(12): 5376-5386. |
| [43] |
崔阳, 郭利利, 李宏艳, 等. 基于在线观测的太原市冬季PM2.5中金属元素污染水平及来源解析[J]. 环境科学, 2023, 44(5): 2441-2449. Cui Y, Guo L L, Li H Y, et al. On-line measurement of trace elements in PM2.5 in winter in urban Taiyuan, China: levels and source apportionment[J]. Environmental Science, 2023, 44(5): 2441-2449. |
| [44] |
王润芳, 马大卫, 姜少毅, 等. 超低排放改造后燃煤电厂细颗粒物排放特征[J]. 环境科学, 2020, 41(1): 98-105. Wang R F, Ma D W, Jiang S Y, et al. Fine particulate emission characteristics of an ultra-low emission coal-fired power plant[J]. Environmental Science, 2020, 41(1): 98-105. |
| [45] |
张静, 张衍杰, 方小珍, 等. 道路扬尘PM2.5中金属元素污染特征及健康风险评价[J]. 环境科学, 2017, 38(10): 4071-4076. Zhang J, Zhang Y J, Fang X Z, et al. Characteristics and health risk assessment of metallic elements in PM2.5 fraction of road dust[J]. Environmental Science, 2017, 38(10): 4071-4076. |