四川乡村点新粒子生成特征及其对云凝结核数浓度的贡献

陈 晨,胡 敏*,吴志军,吴宇声,郭 松,陈文泰,罗 彬,邵 敏,张远航,谢绍东(.北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 0087；.四川省环境监测中心站,四川 成都 6004)

四川乡村点新粒子生成特征及其对云凝结核数浓度的贡献

陈 晨1,胡 敏1*,吴志军1,吴宇声1,郭 松1,陈文泰1,罗 彬2,邵 敏1,张远航1,谢绍东1(1.北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 100871；2.四川省环境监测中心站,四川 成都 610041)

为揭示成渝地区大气复合污染成因,选择乡村点资阳站的冬季,实测了颗粒物数浓度及其粒径谱分布、云凝结核(CCN),在二氧化硫、光解速率(J O1D)实测值基础上估算了新粒子生成的重要前体物气态硫酸的浓度.2012年12月5日到2013年1月5日观测期间,3～582nm颗粒物数浓度水平较高,平均值为(16072±9713)cm-3.颗粒物数谱分布呈现以积聚模态为主体的特征,占总颗粒物数浓度的46%,此比值高于我国北京、上海、广州等城市和珠江三角洲及长江三角洲的乡村点和背景点.在较高颗粒物凝结汇(CS)水平下[(4.3±3.6)×10-2s-1],甄别出7次新粒子生成(NPF)事件,占观测天数的23%.NPF事件发生时,颗粒物生成速率与增长速率分别为(5.2±1.4)cm-3s-1,(3.6±2.5)nm/h. NPF事件对CCN数浓度有明显贡献,NPF发生后CCN数浓度平均增长19%.

数谱分布；新粒子生成；云凝结核；四川盆地

近年来,我国由颗粒物造成的能见度恶化事件越来越多[1],因此颗粒物污染与灰霾广受关注.颗粒物可以改变云凝结核(CCN)的数量与理化特性,从而影响成云过程,间接影响辐射平衡,对区域乃至全球气候变化产生重要影响.2013年最新IPCC报告结果显示,气溶胶与云的间接作用对辐射强迫的削减高于其直接作用.但是,目前对于云-气溶胶相互作用机制还并不清楚,而且由于我国独特的复合大气污染特征,国外的研究成果在我国并不完全适用.因此,亟需对我国颗粒物污染特征以及颗粒物与云的相互作用进行研究.

新粒子生成(NPF)是气态污染物氧化生成的可凝结气态前体物(例如硫酸和低挥发性有机物等)在大气中冷凝为分子簇,继而通过冷凝碰并形成颗粒物的过程,是大气颗粒物的重要来源之一[2].最近有研究结果表明,新粒子生成对全球颗粒物数浓度的贡献几乎超过一次排放.二次生成的颗粒物与一次排放颗粒物数浓度的比值在0.001～0.9之间,新粒子生成对全球颗粒物数浓度贡献在40%～55%[4-5].不同环境类型的外场观测结果显示,新粒子生成后,CCN数浓度有较大增长[6-7].新粒子生成被认为是云凝结核的重要来源,对其特征及其对云凝结数浓度的贡献是从根本上控制颗粒物数浓度,认识颗粒物与云作用机制的关键.目前我国已经有了一些对颗粒物数浓度谱分布的观测和新粒子生成事件的研究,但是主要集中在京津冀、珠江三角洲、长江三角洲[8-10].

成渝城市群是国家环境保护部大气污染控制重点的九大城市群中面积最大的区域,近年来由于高排放和不利的地理条件,灰霾频发[11-12].虽然已有一些对成渝地区颗粒物污染的研究[13],但是却缺少对颗粒物数浓度和成云特征的深入研究,对雾霾成因的理解不全面.为揭示成渝地区大气复合污染成因,在四川污染最严重的冬季[11-14],于乡村点资阳站,对颗粒物数浓度、云凝结数浓度、颗粒物光学、颗粒物化学及气象条件等开展了观测.

1 研究方法

资阳市处于成都和重庆两大城市中间,是连接成渝双核的中心城市.受盆地地形影响,四川冬季温度高(同纬度地区温度最高)、霜雪少、降水量低[15]且逆温出现频率高[16],大气污染严重[14].故此,选取资阳市作为成渝城市群的乡村点建立观测站,于2012年12月6日到2013年1月4日之间开展综合野外观测.

通过实时在线测量得到颗粒物数浓度及谱分布(3～528nm),大气云凝结核数浓度,一次气态污染物SO2及气象参数等数据.基于实测SO2浓度、大气光解速率的数据,估算NPF重要气态前体物气态硫酸浓度.

1.1 站点介绍

观测站点(30.15˚N,104.64˚E)位于资阳市区九年义务教育学校校园内,四周空旷,无其他高大建筑,东、西、南三侧为机动车道路,北面靠山,主要被植被覆盖.

1.2 实验方法及质量控制

实验包括三部分:测量粒径范围3～582nm的颗粒物数浓度谱分布;测量大气云凝结核(CCN)数浓度;测量环境条件等其他相关参数(气象参数、SO2浓度、光解速率等).实验仪器及具体参数如表1所示.

表1 测量仪器列表Table 1 List of the instruments and measurement parameters in field observation

实验过程中,通过数据的损失校正、管路设计及标定实验确保观测数据的质量.根据经验公式[17]计算颗粒物通过采样系统的散逸损失,并根据计算结果对颗粒物数浓度进行校正.参考邓兆泽等[18]对CCN原始数据进行反演计算,减小CCN粒径谱的反演误差,设计了垂直采样管路,避免了较大粒径颗粒物在管路中的沉降损失.对所有管路进行除湿(采样管路相对湿度<40%),避免了颗粒物吸湿增长的影响.对采样流量监测并标定(皂膜流量计),确保采样流量的准确、稳定.使用PSL小球校验颗粒物粒径,避免颗粒物粒径谱分布的偏差.以硫酸铵产生气溶胶标定云凝结核计数器的过饱和度,保证CCN的活化效率.

1.3 凝结汇、生成速率及增长速率的计算

新粒子生成事件可以用新粒子的生成速率(FR)、增长速率(GR)以及凝结汇(CS)进行表征.凝结汇描述了气态分子凝结到颗粒物表面上的速度.其计算见式(1)[19]:

其中:Dp为颗粒物的斯托克斯粒径;n(DP)为颗粒物粒径谱分布函数;Ni为对应Dp粒径段的颗粒物数浓度;βM为质量通量迁移校正因子,是与颗粒物粒径、分子自由程及环境温度相关的物理量,计算方式详见参考文献[20].本研究中CS的计算基于干颗粒物的测量方式,存在实际大气凝结汇被低估的可能性[21].

新粒子生成速率和增长速率的计算方法[22]见式(2)和式(3),本研究中FR表示3～6nm颗粒物的生成速率,GR表示3～7nm颗粒物的增长速率.

式(2)中右边第一项为 3～6nm粒径范围内颗粒物数浓度随时间的变化,Fcoag表示由于碰并过程引起的颗粒物的损失,计算方法见式(4):

式中:Nj为第j大小分级的颗粒物数浓度;Kij为第j大小颗粒物与i大小颗粒物之间的布朗碰并系数[23].Fgrowth表示颗粒物增长超过6nm的上限通量,计算方法见式(5):式(3)中:Dp表示核模态颗粒物的中值粒径.Dp的获得是利用对数正态分布对颗粒物数谱分布进行模拟得到的平均几何粒径.颗粒物的增长速率就是核模态颗粒物的中值粒径随时间的变化率.

1.4 气态硫酸的估算

大气中气态硫酸浓度主要由其生成、凝结、成核和干沉降所决定,其在大气中的变化反应见(6)式[21]:

式中:K1为SO2与⋅OH反应生成气态硫酸的反应速率常数,其取值范围一般为8.5×10-13cm−3/s到1.1×10-12cm−3/s,本研究取适用范围较广的参考值[24-25]K1=8.5×10-13;J为颗粒物生成速率;n*为成核形成的临界分子簇中硫酸的分子数,J与n*的乘积表示新粒子成核造成气态硫酸的损失,简称成核项.气态硫酸与CS(凝结汇)的乘积表示硫酸凝结到颗粒物表面造成的损失,简称凝结项.成核项对气态硫酸浓度变化的影响相对损失项较小,本文参考Harrington等[26]的研究将其忽略不计,并采用拟稳态模式将(6)式进行转换,得到公式(7):

式中:⋅ OH的获取可使用J-value测量得到的JO1D对⋅ OH进行模拟[27],如式(8):

a、b的取值采用2006年Lu等[28]在广州PRD地区观测中的模拟结果.

1.5 气态硫酸估算方法的不确定性讨论

现有研究对H2SO4的估算存在一定的不确定性,本研究采用的方法其不确定性约为40%.

目前,式(7)得到学术界的广泛认可,具有较高的可信度,其不确定性不计入本研究对H2SO4不确定性的估算中.于是,如果SO2的测量准确,并忽略CS的计算误差,则式(7)中对H2SO4估算的不确定性主要来源于K1值及⋅ OH模拟值的不确定性.对多篇文献K1值统计[24-25]得到其标准偏差∆K为0.1×10-12cm−3/s.根据误差传递原理,假设JO1D测量准确,则OH的误差主要来源于对拟合直线斜率a的估算.目前,大陆范围内a的估算值变化范围主要在2×1011～4×1011内[27-29],于是OH的偏差∆OH为1.7×106.最终根据∆K及∆OH计算得到H2SO4的偏差为2.7×106cm-3,约为H2SO4平均估算值的40%.由于本研究忽略了式(7)及测量值SO2、JO1D的误差,偏差40%是对本研究方法不确定性的较低估计.

2 结果与讨论

2.1 总体颗粒物数浓度谱分布特征

如图2A可见,观测期间资阳站颗粒物污染严重,表现出污染程度高、持续时间长的特点. 3～582nm颗粒物数浓度及体积浓度平均值分别为(16000±9700)cm-3及(66±37)µm3/cm3.颗粒物体积浓度高于50µm3/cm3,大约相当于质量浓度75µg/m3(假设颗粒物的密度为1.5g/cm3),即超过我国PM2.5质量浓度24h标准.观测期间约有64%的时间细颗粒物超标.高于50µm3/cm3的最长持续时间接近13d.与其他乡村站点测量结果比较(表2),资阳站观测的颗粒物粒径范围小,但其总颗粒物数浓度与其他站点相近,甚至略高.

表2 不同乡村点颗粒物数浓度Table 2 The particle number concentration of different rural sites

根据Hussein等[38]对颗粒物模态的划分标准,将颗粒物划分为3个模态:核模态(<25nm)、爱根核模态(25～100nm)以及积聚模态(100～582nm).资阳3个模态颗粒物数浓度平均值分别为(2061±5179), (6915±5267),(7242±3666)cm−3.积聚模态颗粒物数浓度最高,占颗粒物总数浓度的比值为46%(表2).该比值在PRD的乡村点开平、北京背景点榆垡、上甸子及长三角背景点沧州分别仅为38%、29%、30%及6%.观测期间3个模态的中值粒径分别为21,97,241nm,高于珠三角区域背景点开平的中值粒径[3],说明资阳站颗粒物老化程度较高.积聚模态为主体,且老化程度严重是资阳站颗粒物污染的突出特点.

稳定的气象条件是污染发生的重要外因.观测期间气象条件如图2B,2C所示.整个观测期间平均风速低于1m/s.利用反向轨迹聚类(HYSPLIT 4.0,NOAA,USA),对观测期间的气团来向进行分析,结果发现,除了12月29日的气团来自较远的西北方向,大部分时间内气团运动缓慢,移动距离不超出四川.颗粒物在风速较低、气团稳定的环境条件下不断积聚老化,不利于新粒子生成(NPF)事件的发生.

根据文献中NPF事件的判断标准[39]:3～10nm颗粒物出现突然急剧增加,且爱根核模态颗粒物数浓度、颗粒物变面积浓度与气态污染物SO2、CO等不同时增加;颗粒物急剧变化时间超过2.5h.本研究共确定7次NPF事件,分别发生在2012年的12月14日、12月22日、12月23日,以及12月29日至2013年的1月1日,发生NPF事件天数占观测天数的23%.

图2 颗粒物数浓度谱分布及气象条件时间序列Fig.2 Time series of particle number size concentration and meteorology conditions

2.2 新粒子生成事件特征及发生条件

资阳站NPF事件通常发生在12:00左右,与其他研究相比,NPF事件开始时间略晚[9,39].造成这一现象的部分原因是,研究站点纬度不同,真太阳时有所差别.此外,四川盆地冬季逆温层厚、边界层发展缓慢也是本站NPF发生较晚的原因之一.新生成的颗粒物导致核模态颗粒物数浓度急剧增长,大约18:00,当粒径增长至80nm左右时颗粒物的持续增长过程中断.观测期间气象条件稳定(平均风速低于1m/s,风向稳定),污染物浓度水平主要受边界层影响.18:00左右边界层高度降低,凝结汇水平增高,新生成的颗粒物迅速被大颗粒物捕集,增长过程中断.

资阳站CS的平均水平为(7.4±4.0)×10-2s-1, (表3).与其他研究相比,资阳站新粒子发生时的CS值约为其他清洁地区乡村观测站研究结果的3～10倍,仅与中国的乡村点开平的观测结果较为接近,这说明我国颗粒物整体浓度水平较高.此外,新粒子在大气中的生成速率和增长速率在不同大气环境下也不尽相同,并呈现一定的规律性.资阳站颗粒物增长速率为(3.6±2.5)nm/h,生成速率为(5.2±1.4) cm-3s-1.与其他地区的分析结果相比(表3),生成速率较高而增长速率较低.NPF发生期间,资阳站呈现高CS水平、高生成速率及低增长速率的参数化特征.这可能与参与新粒子的成核与增长过程的物种不同有关.

表3 不同乡村点新粒子生成参数比较Table 3 Comparasion of NPF parameters in different rural sites

图3 新粒子生成天硫酸、CS及3～10nm颗粒物数浓度时间序列Fig.3 Time series of particle number size concentration in NPF days

图4 3～10nm颗粒物数浓度与气态硫酸比CS比值的关系Fig.4 The relationship between the number concentration of 3～10nm particles and the ratio of sulphuric acid concentration tocondensation sink

NPF事件的发生受到源与汇的共同作用.国际上普遍认可H2SO4是NPF所需的重要前体物.除了颗粒物生成和增长速率,SO2浓度及气态硫酸浓度也是NPF事件的重要特征参数.观测期间,资阳站SO2平均浓度为(6.7±4.9)×10-9,是其他观测结果的5～8倍.而估算所得H2SO4的平均浓度为(6.7±7.4)×106cm-3,与其他观测结果相当[45].深入分析NPF期间H2SO4浓度、新生成颗粒物数浓度(N3～10)及CS值的变化关系如图3所示.新生成颗粒物数浓度(N3～10)的变化趋势与气态硫H2SO4浓度的变化趋势基本同步,H2SO4浓度升高稍提前于颗粒物数浓度的增长,这表明H2SO4是该地区新粒子生成的重要前体物质.

气态硫酸与CS的比值越高,新生成的颗粒物数浓度越高(图4).非NPF天与NPF天气态硫酸与CS的比值相差7倍(表4).在SO2浓度足够高的情况下,气态硫酸与CS的比值成为限制新粒子生成事件发生的决定因素.NPF天CS的水平是非NPF天的近2倍,H2SO4在NPF天的浓度是非NPF天的6.8倍.比较NPF发生时段(12:00～18:00)的气象参数等,如表4所示,得到资阳站NPF事件发生条件为低相对湿度、高光解速率、低凝结汇水平及较高气态硫酸浓度.

表4 新粒子生成条件比较(12:00-18:00)Table 4 Comparison of new particle formation conditions

2.3 新粒子生成事件对云凝结核数浓度的贡献

新粒子生成事件对云凝结核的影响可通过云凝结核数浓度的变化描述.本次观测设置了5个过饱和度,依次为0.07%,0.1%,0.2%,0.4%以及0.8%.对应平均CCN数浓度为(1167±794)～(10016±4154)cm-3,与广州及天津武清地区的测量结果较为接近,略高于济州岛地区[46][过饱和度0.097%～0.97%下CCN平均浓度(1194±746)～(3966±1686)cm-3].

资阳地区新粒子生成事件一般开始于12:00,结束于18:00,以往的研究结果显示,CCN的增长通常比颗粒物增长晚1～6个小时[47],此外为避免交通源早晚高峰的影响,本研究取13:00～15:00作为CCN数浓度未受新粒子生成事件影响的时间段,17:00～19:00作为新粒子生成事件结束的时间段.统计所有NPF天CCN数浓度的变化,在过饱和度0.4%及0.8%下NPF发生前2h(13:00～15:00),CCN数浓度平均值为(5748±1683)cm-3、(7017±2243)cm-3.NPF后2h(17:00～19:00),CCN为(6341±1816)cm-3及(8915±2902)cm-3.两种过饱和度下,其CCN数浓度增长率分别为10.3%、27%.与其他研究结果相比,该增长率偏低,可能受到新粒子生成速率偏低的影响[48].对典型的新粒子生成天12月23日颗粒物数浓度及CCN数浓度变化趋势进行深入分析,如图5所示.随着颗粒物的生成增长,CCN数浓度显著增高.在过饱和度0.1%～0.8%下,CCN数浓度增长率分别为41%、37%、41%及40%.非NPF天,NPF前后时间段,在过饱和度0.07%～0.8%下,CCN数浓度变化率分别为-10%、3%、-3%、-6%及-7%,由此排除了其它因素(边界层变化等)导致CCN数浓度迅速增长的可能性.判断NPF生成事件对CCN数浓度浓度的增长贡献显著.

图5 典型天(12月23日)新粒子生成天颗粒物与CCN数浓度Fig.5 Time series of number concentration and cloud condensation nuclei in a typical day

3 结论

3.1 资阳市颗粒物污染较严重,积聚模态在颗粒物数浓度谱分布中占主体,其数浓度占颗粒物总数浓度的46%,颗粒物老化程度高.

3.2 在四川资阳乡村新粒子生成特征表现为在高颗粒物背景下,低相对湿度,高光解速率有利于新粒子生成事件的发生.NPF事件发生时间迟,其增长缓慢持续时间长,由正午持续到傍晚6h.NPF发生时凝结汇(CS)水平较高(4.3×10-2±3.6× 10-2s-1),颗粒物增长速率较低.

3.3 NPF是CCN数浓度的重要来源之一,NPF后CCN数浓度平均增长接近20%.受颗粒物增长速率较低影响,与其他研究相比,该CCN增长率处于较低水平.

参考文献：

[1] 吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012,32(2):257-269.

[2] Kulmala M, Kerminen V M. On the formation and growth of atmospheric nanoparticles [J]. Atmospheric Research, 2008,90(2): 132-150.

[3] Yue D L, Hu M, Zhang R Y, et al. The roles of sulfuric acid in new particle formation and growth in the mega-city of Beijing [J]. Atmospheric Chemistry and Physics, 2010,10(10):4953-4960.

[4] Yu F, Wang Z, Luo G, et al. Ion-mediated nucleation as an important global source of tropospheric aerosols [J]. Atmospheric Chemistry and Physics, 2008,8(9):2537-2554.

[5] Merikanto J, Spracklen D V, Mann G W, et al. Impact of nucleation on global CCN [J]. Atmospheric Chemistry and Physics, 2009,9(21):8601-8616.

[6] Makkonen R, Asmi A, Kerminen V M, et al. Air pollution control and decreasing new particle formation lead to strong climate warming [J]. Atmospheric Chemistry and Physics, 2012,12(3): 1515-1524.

[7] Kuang C, McMurry P H, McCormick A V. Determination of cloud condensation nuclei production from measured new particle formation events [J].Geophysical Research Letters, 2009,36(9): L09822.

[8] Liu S, Hu M, Wu Z J, et al. Aerosol number size distribution and new particle formationat a rural/coastal site in Pearl River Delta (PRD) of China [J]. Atmos. Environ., 2008,25:6275—6283.

[9] 王志彬,胡 敏,吴志军,等.大气新粒子生成机制的研究 [J]. 化学学报, 2013(71):519-527.

[10] 丁爱军,王 韬,高 健,等.中纬度气旋影响下的华北空气污染输送研究:飞机航测个例分析 [C]//第26届中国气象学会年会大气成分与天气气候及环境变化分会场论文集, 2009.

[11] 黄 伟,翟崇治,余家燕,等.2011年重庆地区灰霾污染特征初步研究 [J]. 四川环境, 2012,31(5):26-29.

[12] 朱 彬,马 力,杨 军,等.重庆冬季大气气溶胶的物理,化学特征 [J]. 南京气象学院学报, 2006,29(5):662-668.

[13] 杨义彬.成都市大气污染及气象条件影响分析 [J]. 四川气象, 2004,24(3):40-43.

[14] 张智胜,陶 俊,谢绍东,等.成都城区PM2.5季节污染特征及来源解析 [J]. 环境科学学报, 2013,33(11):2947-2952.

[15] 林之光.地形对四川盆地冬季气温的影响 [J]. 气象, 1978,12:019.

[16] 蒋兴文,李跃清,王 鑫,等.青藏高原东部冬季边界层的基本特征及其对下游大气的影响 [C]//第26届中国气象学会年会冰冻圈与极地气象分会场论文集, 2009.

[17] Hinds W C. Aerosol technology: properties, behavior, and measurement of airborne particles [M]. John Wiley & Sons, 2012.

[18] 邓兆泽,赵春生,马 楠,等.一种快速测量高粒径分辨率气溶胶活化率曲线的方法 [J]. 北京大学学报(自然科学版), 2012, 3:009.

[19] KulmalaM, MasoM, Mäkelä J M, et al. On the formation, growth and composition of nucleation mode particles [J]. Tellus B, 2001, 53(4):479-490.

[20] Seinfeld J H, Pandis S N. Atmospheric chemistry and physics [M]. New York: John Wiley & Sons, 1998.

[21] Reutter P, Su H, Trentmann J, et al. Aerosol-and updraft-limited regimes of cloud droplet formation: influence of particle number, size and hygroscopicity on the activation of cloud condensation nuclei (CCN) [J]. Atmospheric Chemistry and Physics, 2009, 9(18):7067-7080.

[22] Heintzenberg J. Properties of the log-normal particle size distribution [J]. Aerosol Science and Technology, 1994,21(1):46-48.

[23] Seinfeld, J. H. and S. N. Pandis. Atmospheric chemistry and physics. From air pollution to climate change [M]. John Wiley & Sons New York: 429-443,1998.

[24] Vignati E, Wilson J, Stier P. M7: An efficient size-resolved aerosol microphysics module for large-scale aerosol transport models [J]. Journal of Geophysical Research:Atmospheres (1984—2012), 2004,109(D22).

[25] Wang X, Jin Y G, Suto M, et al. Rate constant of the gas phase reaction of SO with HO [J]. The Journal of Chemical Physics, 1988,89:48-53.

[26] Harrington D Y, Kreidenweis S M. Simulations of sulfate aerosol dynamics—I: Model description [J]. Atmospheric Environment, 1998,32(10):1691-1700.

[27] Rohrer F, Berresheim H. Strong correlation between levels of tropospheric hydroxyl radicals and solar ultraviolet radiation [J]. Nature, 2006,442(7099):184-187.

[28] Lu K D, Rohrer F, Holland F, et al. Observation and modelling of OH and HO2concentrations in the Pearl River Delta 2006: a missing OH source in a VOC rich atmosphere [J]. Atmospheric Chemistry and Physics, 2012,12(3):1541-1569.

[29] Holland F, Hofzumahaus A, Schäfer J, et al. Measurements of OH and HO2radical concentrations and photolysis frequencies during BERLIOZ [J]. Journal of Geophysical Research, 2003,108(D4): 8246.

[30] Herrmann E, Ding A J, Kerminen V M, et al. Aerosols and nucleation in Eastern China: first insights from the new SORPES-Station [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(8):22337-22381.

[31] Shen X J, Sun J Y, Zhang Y M, et al. First long-term study of particle number size distributions and new particle formation events of regional aerosol in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(4):1565-1580.

[32] Yue D, Hu M, Wu Z, et al. Characteristics of aerosol sizedistributions and new particle formation in the summer in Beijing [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 2009,114(D2).

[33] Kristensson A, Dal Maso M, Swietlicki E, et al. Characterization of new particle formation events at a background site in Southern Sweden: relation to air mass history [J]. Tellus B, 2008,60(3): 330-344.

[34] Asmi A, Wiedensohler A, Laj P, et al. Number size distributions and seasonality of submicron particles in Europe 2008—2009 [J]. Atmospheric Chemistry and Physics, 2011,11(11):5505-5538.

[35] Engler C, Rose D, Wehner B, et al. Size distributions of nonvolatile particle residuals (D p< 800nm) at a rural site in Germany and relation to air mass origin [J]. Atmospheric Chemistry and Physics, 2007,7(22):5785-5802.

[36] Vakkari V, Beukes J P, Laakso H, et al. Long-term observations of aerosol size distributions in semi-clean and polluted savannah in South Africa [J]. Atmospheric Chemistry and Physics, 2013, 13(4):1751-1770.

[37] Laakso L, Laakso H, Aalto P P, et al. Basic characteristics of atmospheric particles, trace gases and meteorology in a relatively clean Southern African Savannah environment [J]. Atmospheric Chemistry and Physics Discussions, 2008,8(2):6313-6353.

[38] Hussein T. Indoor and outdoor aerosol particle size characterization in Helsinki [M]. Finnish Association for Aerosol Research, 2005.

[39] Wu Z, Hu M, Liu S, et al. New particle formation in Beijing, China: Statistical analysis of a 1-year data set [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 2007,112(D9).

[40] Kulmala M, Petäjä T, Mönkkönen P, et al. On the growth of nucleation mode particles: source rates of condensable vapor in polluted and clean environments [J]. Atmospheric Chemistry and Physics, 2005,5(2):409-416.

[41] Hamed A, Joutsensaari J, Mikkonen S, et al. Nucleation and growth of new particles in Po Valley, Italy [J]. Atmospheric Chemistry and Physics, 2007,7(2):355-376.

[42] Yli-Juuti T, Riipinen I, Aalto P P, et al. Characteristics of new particle formation events and cluster ions at K-puszta,Hungary [J]. Boreal Environment Research, 2009,14(4):683-698.

[43] Jaatinen A, Hamed A, Joutsensaari J, et al. A comparison of new particle formation events in the boundary layer at three different sites in Europe [J]. Boreal Environ Res, 2009,14(4):481-498.

[44] Vakkari V, Laakso H, Kulmala M, et al. New particle formation events in semi-clean South African savannah [J]. Atmospheric Chemistry and Physics, 2011,11(7):3333-3346.

[45] Mikkonen S, Romakkaniemi S, Smith J N, et al. A statistical proxy for sulphuric acid concentration [J]. Atmospheric Chemistry and Physics, 2011,11(21):11319-11334.

[46] 王婷婷,孙俊英,沈小静,等.天津武清地区云凝结核变化特征[J]. 气象科技, 2012,40(3):466-473.

[47] Wiedensohler A, Cheng Y F, Nowak A, et al. Rapid aerosol particle growth and increase of cloud condensation nucleus activity by secondary aerosol formation and condensation: A case study for regional air pollution in northeastern China [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 2009,114 (D2).

[48] Laakso L, Merikanto J, Vakkari V, et al. Boundary layer nucleation as a source of new CCN in savannah environment [J]. Atmospheric Chemistry and Physics Discussions, 2012,12(3): 8503-8531.

Characterization of new particle formation event in the rural site of Sichuan Basin and its contribution to cloud

condensation nuclei.CHEN Chen1, HU Min1*, WU Zhi-jun1, WU Yu-sheng1, GUO Song1, CHEN Wen-tai1, LUO Bin2,SHAO Min1, ZHANG Yuan-hang1, XIE Shao-dong1(1.State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China；2.Environmental Monitoring Center Station of Sichuan Province, Chengdu 610041, China). China Environmental Science, 2014,34(11)：2764～2772

To investigate the formation mechanism of complex air pollution in Chengdu-Chongqing district, field campaign was conducted at a rural size Ziyang during the winter time of 2012 to study the new particle formation (NPF) events and their impact to cloud condensation nuclei (CCN) in the high polluted atmosphere background. Particle number size distribution and the number of CCN were measured. The gaseous sulfuric acid concentration was estimates based on the mixing ratio of SO2and photolysis rate (JO1D). During the whole champion (Dec 5th, 2012 to Jan 5th, 2013), the particle number concentration was high, with an average of (16072±9713)cm-3. The dominate mode was the accumulation mode, accounting for 46% of the total particle number concentration, indicating dominant secondary formation. This ratio was higher than that of rural sites and background sites of Beijing, Shanghai, Guangzhou, the Pearl River Delta, and the Yangtze River Delta. The coagulation condensation sink (CS), indicating preexisting particle concentration was high [(4.3 ± 3.6) × 10-2s-1]. However, seven NPF events were measured, accounting for 23% of the observed days. Compared with the results of other studies, the particle formation rate was slightly higher [(5.2 ± 1.4)cm-3s-1], and the particle growth rate [(3.6 ± 2.5)nm/h] was lower. NPF events significantly contributed to the number concentration of CCN. After NPF events, the average growth rate of the number concentration of CCN was 19%.

particle number size distribution；new particle formation；cloud condensation nuclei；Sichuan Basin

X513

A

1000-6923(2014)11-2764-09

陈 晨(1989-),女,内蒙古乌兰浩特人,硕士,主要从事大气气溶胶物理化学性质研究.

2014-02-12

环保公益性行业科研专项(201009001);国家自然科学基金项目(21025728,21190052,41121004)

* 责任作者, 教授, minhm@pku.edu.cn