不同天气类型广东大气超级站细粒子污染特征初步研究

陈多宏, 何俊杰, 张国华, 钟流举, 谢 敏,王伯光, 毕新慧, 张 干, 周 振



不同天气类型广东大气超级站细粒子污染特征初步研究

陈多宏1,2, 何俊杰3, 张国华2, 钟流举1*, 谢 敏1,王伯光3, 毕新慧2, 张 干2, 周 振3

(1. 广东省环境监测中心, 国家环境保护区域空气质量监测重点实验室, 广东 广州 510308; 2. 中国科学院 广州地球化学研究所, 广东 广州 510640; 3. 暨南大学 大气环境安全与污染控制研究所, 广东 广州 510632)

2012年5月至7月期间, 以广东大气超级监测站为观测平台, 利用单颗粒气溶胶质谱仪(SPAMS)和其他多种环境监测仪器对大气污染现象进行高时间分辨的长期连续观测。以能见度和相对湿度为参考, 将天气类型划分为2次灰霾、1次暴雨和多次晴朗天气过程。观测结果表明, SPAMS捕获的颗粒物数浓度与PM2.5和PM1的相关性(2)分别达到0.538和0.448, 呈现出一定的相关性。大气颗粒物浓度在不同天气条件下, 浓度变化较大, 其中, 灰霾天气下, PM2.5和PM1浓度最大小时均值分别达到0.132 ng/m3和0.094 ng/m3。观测结果表明, 粒径处于600~800 nm的细颗粒物对该区域的灰霾形成过程起了最为关键的作用。该地区的大气颗粒物类型主要可分为7种：元素碳(EC)、有机碳(OC)、元素-有机碳混合(ECOC)、大分子有机碳(HMOC)、海盐(Na-K)、富钾颗粒(K-rich)和富铅颗粒(Pb-rich)。灰霾天气, 各类型颗粒物数量浓度均有一定程度的增加, 其中以EC和K-rich的增加最为明显。分析表明, 第一次灰霾主要是由于大气光化学反应起到主导作用, 而生物质燃烧又增大了灰霾程度; 第二次灰霾过程, 生物质燃烧产生的影响更大。

单颗粒气溶胶质谱仪; 灰霾; 污染特征; 广东省

0 引 言

随着快速的经济增长和城市化进程, 珠三角地区大气污染呈现出以高浓度细粒子和臭氧为特征的复合型污染, 具有区域性, 且大气氧化性较强, 灰霾天气现象频发, 其特征与国内外其他地区的灰霾现象有所不同, 具有独特的地域性[8–11]。广东大气超级监测站作为国内具有国际意义的综合观测站, 较全面地配置了气象参数、气态污染物、细颗粒及能见度等综合观测仪, 是长期、深入研究珠三角地区能见度影响因素的理想平台。本研究拟利用单颗粒气溶胶质谱仪(SPAMS)、颗粒物自动监测仪(PM2.5和PM1)、能见度仪和气象参数仪等仪器在该站点开展长时间高时空分辨率的综合观测, 研究不同天气条件下颗粒物理化性质变化特征, 为掌握区域灰霾污染机理提供科学数据。

1 实验和方法

1.1 采 样

采样点设置在广东省江门市鹤山桃源镇广东大气超级监测站(北纬22.7°, 东经112.9°), 该点距离广州、佛山和江门市分别约为80、50和30 km, 附近主要是村庄和树林, 没有明显的工业源。为了减少颗粒物在采样管中的停留时间, 使用一个外加泵(采样速度5 L/min)从离地面约10 m的楼顶引入空气样品, 空气样品再通过一个8 mm的不锈钢管输送到单颗粒气溶胶质谱仪(SPAMS)进行测定。2012年5月11日至7月10日期间, 使用SPAMS 05(广州禾信分析仪器有限公司生产)共采集颗粒17944507个, 其中被打击, 同时测定了粒径和化学成分的颗粒数为5006868个, 平均打击效率约为27.9%。采样期间还同时监测了PM2.5、PM1、能见度和气象参数等指标。

1.2 SPAMS工作原理

已有研究对SPAMS的工作原理、基本性能和质量控制进行了详细的阐述[12–13], 这里对仪器原理做简单介绍。气溶胶颗粒通过0.1 mm的进样微孔引入到空气动力学透镜, 在这里颗粒被聚焦成为笔直运动的粒子束。仪器使用相距6 cm的两个532 nm激光器测定颗粒的飞行速度, 而该速度与颗粒的空气动力学粒径一一对应。由颗粒的飞行速度确定触发电离激光的时间, 最后由双极飞行时间质量分析器实现对气溶胶颗粒化学组分的检测。

1.3 SPAMS数据分析

颗粒的粒径及质谱信息输入到MATLAB7.1上运行的YADDA2.1(www.yaada.org)软件包进行处理。颗粒的自动分类通过自适应共振理论神经网络(ART-2a)[14]实现, 本研究中使用的ART-2a算法参数如下: 警戒因子为0.75, 学习率为0.05, 迭代次数为20, 该算法能够根据颗粒质谱中离子峰的种类及强度自动将相似的颗粒归为同一类。ART-2a将所有的颗粒分成了数百种颗粒类型, 然后再根据化学成分特征将主要颗粒类型合并为7类：元素碳(EC)、有机碳(OC)、元素-有机碳混合(ECOC)、大分子有机碳(HMOC)、海盐(Na-K)、富钾颗粒(K-rich)和富铅颗粒(Pb-rich), 它们占总颗粒数的90%以上。

2 结果与讨论

2.1 天气过程划分

根据能见度和相对湿度信息, 本研究重点选择四种天气情况进行分析: 灰霾1(5月18日至5月21日)、灰霾2(6月13日至6月16日)、雨天(5月26日至5月31日)和晴朗(6月9日至6月11日)。

2.2 细颗粒物数浓度监测情况

观测结果表明, PM2.5和PM1质量浓度与单颗粒气溶胶质谱仪(SPAMS)捕获的颗粒物数浓度的相关性(2)分别达到0.538和0.448, 呈现出一定的相关性(图1)。表明SPAMS实时监测的颗粒物数浓度与PM2.5和PM1监测的质量浓度之间具有一定的对应关系, 说明SPAMS检测到的颗粒数在一定程度上能够反映细颗粒的污染程度。

灰霾天气下, 大气多项污染物浓度均呈现快速上升现象, 其中, PM2.5和PM1浓度小时均值分别达到0.132 mg/m3和0.094 mg/m3。晴朗天气里能见度较好, SPAMS每小时采集的颗粒数在5000个以下。灰霾天气下, 能见度迅速下降, 且颗粒数浓度迅速上升, SPAMS每小时平均大约能采集到46838个颗粒。该结果与Watson的研究结果类似[15], 灰霾天气有利于颗粒物的积累, 导致能见度下降。

2.3 细颗粒物的粒径变化特征

在四种不同的天气类型里, 大气细粒子的粒径具有较明显的差异, 其粒径分别集中于800 nm(第一次灰霾)、650 nm(第二次灰霾)、600 nm和800 nm(雨天)以及400 nm(晴朗)(图2)。该结果说明, 观测时段, 粒径处于600~800 nm的细颗粒物对该区域的灰霾形成过程起了更为关键的作用。研究表明, 空气污染物中的可溶性成分遇到浮尘矿物质凝结核后会迅速包裹, 形成混合颗粒, 在遇到较大的空气相对湿度后, 就会很快发生吸湿增长, 颗粒的粒径增长2~3倍, 消光系数增加8~9倍, 会导致能见度下降为原来的八分之一至九分之一, 极易发生灰霾污染事件[16]。

2.4 细颗粒物的主要化学成分变化特征

图1 SPAMS打击到的细颗粒物数浓度与PM2.5和PM1质量浓度关系

图2 四种典型天气条件下细颗粒物粒径变化特征

四种天气类型下颗粒类型基本相同, 大多数颗粒都呈现出一定程度的老化迹象, 但是主要化学成分的强度不同(图3)。四次天气过程颗粒物主要成分特征分别为: (1)第一次灰霾: ECOC(17%)稍大于K-rich(13%); 说明该次灰霾过程主要受到光化学反应影响造成ECOC比例升高, 同时, 由于生物质燃烧也导致K-rich占有一定比例。(2)暴雨天气: K-rich(11%)、ECOC(8%)和HMOC(9%)比例均较高, 说明降雨过程中仍有生物质燃烧影响空气质量。(3)晴朗天气: K-rich(22%)、Na-K(14%)和Pb-rich(11%)含量均较高, 说明该天气过程的主要受到生物质燃烧和海洋气团的影响。(4)第二次灰霾: K-rich(30%)比例要远大于ECOC(15%), 而且EC(42%)又占有很大比例, 说明该次灰霾过程受到生物质燃烧影响要比二次光化学反应更大。通过上述对比可以发现, 两次灰霾过程中, ECOC比例均高于降雨和晴朗天气过程, 说明灰霾天气颗粒物老化程度更强。这与灰霾天气有利于二次成分的生成与转化的研究结果是一致的[22]。已有的研究普遍认为K可作为生物质燃烧的示踪物[20–21]。同时, HMOC颗粒也被认为可能是来自于生物质燃烧过程产生的多环芳烃[16]。两次灰霾过程中, EC和K-rich类型颗粒的增加最为明显, 虽然这两类颗粒都是一次源排放为主, 但是对灰霾的形成均产生了较大影响。主要因为灰霾的形成有可能是源的变化, 也有可能是污染积累, 或是两者的结合。从本研究的监测结果看, 在灰霾的形成过程中, EC和K-rich颗粒明显增加, 而且两者具有很好的相关性, 说明生物质燃烧颗粒明显增加; 同时, 从两类颗粒的负离子谱图中可以看到, 这两类颗粒都含有高丰度的硝酸盐, 说明它们都经历了明显的老化过程。因此灰霾的形成应该是生物质排放与颗粒物老化二次污染结合形成的; 另一方面, 第一次灰霾的形成可能受到光化学反应影响更大, 而生物质燃烧又进一步促进了灰霾的程度; 而第二次灰霾, 生物质燃烧贡献更大。

图3 四种典型天气类型下细颗粒物中主要化学成分变化特征

3 结 论

(1) 灰霾天气下, 大气多项污染物浓度均呈现快速上升现象, 其中, PM2.5和PM1浓度小时均值分别达到0.132 mg/m3和0.094 mg/m3。

(2) 在四种不同的天气类型里, 大气细粒子的粒径具有较明显的差异, 颗粒粒径的增长会导致能见度下降, 极易发生灰霾污染事件。

(3) 观测期间, 大气颗粒物类型主要可分为7种: 元素碳(EC)、有机碳(OC)、元素-有机碳混合(ECOC)、大分子有机碳(HMOC)、海盐(Na-K)、富钾颗粒(K-rich)和富铅颗粒(Pb-rich)。

(4) 四种天气类型大部分颗粒都经历了一定程度的老化过程。但是该地区第一次灰霾的形成可能受光化学反应影响更大, 而生物质燃烧又进一步促进了灰霾的程度; 而第二次灰霾, 生物质燃烧贡献更大。

本研究得到中国科学院战略性先导科技专项(B类, XDB05020205)、环境保护部公益性研究项目(No.201209018)和广东省人才基金的资助。

[1] 陈义珍, 赵丹, 柴发合, 梁桂雄, 薛志钢, 王贝贝, 梁永健, 陈瑜, 张萌. 广州市与北京市大气能见度与颗粒物质量浓度的关系[J]. 中国环境科学, 2010, 30(7): 967–971.

Chen Yi-zhen, Zhao Dan, Chai Fa-he,Liang Gui-xiong, Xue Zhi-gang, Wang Bei-bei, Liang Yong-jian, Chen Yu, Zhang Meng. Correlation between the atmospheric visibility and aerosol fine particle concentrations in Guangzhou andBeijing[J]. China Environ Sci, 2010, 30(7): 967–971 (in Chinese with English abstract).

[2] 周军, 柴国勇, 陈元.城市大气中PM2.5污染控制的意义与途径[J]. 甘肃环境研究与监测, 2003, 16(1): 33–35.

Zhou Jun, Chai Guo-yong, Chen Yuan. The significance of urban atmosphere PM2.5pollution control and the way[J]. Gansu Environ Study Monit, 2003, 16(1): 33–35 (in Chinese).

[3] Yang F, Chen H, Du J F, Yang X, Gao S, Chen J M, Geng F H. Evolution of the mixing state of fine aerosols during haze events in Shanghai[J]. Atmos Res, 2012, 104–105: 193–201.

[4] Saxena P, Hildemannn L M. Water-soluble organics in atmospheric particles: A critical review of the literature and application of thermodynamics to identify candidate compounds[J]. J Atmos Chem, 1996, 24(1): 57–109.

[5] 李红, 邵龙义, 单忠健, 时宗波.气溶胶中有机物的研究进展和前景[J]. 中国环境监测, 2011, 17(3): 62–67.

Li Hong, Shao Long-yi, Shan Zhong-jian, Shi Zong-bo. The advances and prospects of study on particulate organics in the atmosphere[J]. Environ Monit China, 2011, 17(3): 62–67 (in Chinese with English abstract).

[6] 宋宇, 唐孝炎, 方晨, 张远航, 胡敏, 曾立民, 李成才, 毛节泰, MICHAEL BERGIN. 北京市能见度下降与颗粒物污染的关系[J]. 环境科学学报, 2003, 23(4): 468–471.Song Yu, Tang Xiao-yan, Fang Chen, Zhang Yuan-hang, Hu Min, Zeng Li-min, Li Cheng-cai, Mao Jie-tai, MICHAEL BERGIN. Relationship between the visibility degradation and particle pollution inBeijing[J]. Aata Sci Circumst, 2003, 23(4): 468–471 (in Chinese with English abstract).

[7] 郭送军, 谭吉华, 段菁春,马永亮, 贺克斌, 盛国英, 傅家谟.广州市灰霾期间大气PM10中水溶性离子特征[J]. 环境科学与技术, 2012, 35(11): 83–86.Guo Song-jun, Tan Ji-hua, Duan Jing-chun, Ma Yong-liang, He Ke-bin, Sheng Guo-ying, Fu Jia-mo. Characteristics of water soluble ions in atmospheric PM10duringhaze periods in Guangzhou[J]. Environ Sci Technol, 2012, 35(11): 83–86 (in Chinese with English abstract).

[8] 段菁春, 薛志钢, 柴发合,曾燕君, 徐锋, 吴爱冬, 胡晏玲. 典型城市公众感受与空气污染指数的相关关系[J]. 环境科学研究, 2011, 24(2): 13–18.Duan Jing-chun, Xue Zhi-gang, Chai Fa-he, Zeng Yan-jun, Xu Feng, Wu Ai-dong, Hu Yan-ling. The correlativityrelationship between typical urban public feeling and air pollution index[J]. Res Environ Sci, 2011, 24(2): 13–18 (in Chinese with English abstract).

[9] Zhang G, Bi X, Chan L Y, Li L, Wang X M, Feng J L, Sheng G Y, Fu J M, Li M, Zhou Z. Enhanced trimethylamine-containing particles during fog events detected by single particle aerosol mass spectrometry in urban Guangzhou, China[J]. Atmos Environ, 2012, 55: 121–126.

[10] 祁士华, 王新明, 傅家谟,盛国英, 闵育顺. 珠江三角洲经济区主要城市不同功能区大气气溶胶中优控多环芳烃污染评价[J]. 地球化学, 2000, 29(4): 337–342.Qi Shi-hua, Wang Xin-ming, Fu Jia-mo,Sheng Guo-ying, Min Yu-shun. Evaluation on pollution of priority polycyclic aromatic hydrocarbons in aerosols at different function areas of main cities in Pearl River Delta economic region[J]. Geochimica, 2000, 29(4): 337–342 (in Chinese with English abstract).

[11] 汪午, 王省良, 李黎,张东平, 王扬君, 盛国英, 傅家谟. 天然源二次有机气溶胶的研究进展[J]. 地球化学, 2008, 37(1): 77–86.Wang Wu, Wang Sheng-liang, Li Li,Zhang Dong-ping, Wang Yang-jun, Sheng Guo-ying, Fu Jia-mo. Advances in boogenic secondary organic aerosols[J]. Geochimica, 2008, 37(1): 77–86 (in Chinese with English abstract).

[12] Li L, Huang Z X, Dong J G,Li M, Gao W, Nian H Q, Fu Z, Zhang G H, Bi X H, Cheng P, Zhou Z. Real time bipolar time-of-flight mass spectrometer for analyzing single aerosol particles[J]Int J Mass Spectrom, 2011, 303(2/3): 118-124.

[13] 李梅, 李磊, 黄正旭, 董俊国, 傅忠, 周振. 运用单颗粒气溶胶质谱技术初步研究广州大气矿尘污染[J]. 环境科学研究, 2011, 24(6): 632-636.Li Mei, Li Lei, Huang Zheng-xu,Dong Jun-guo, Fu Zhong, Zhou Zhen. Preliminary study of mineral dust particle pollution using a single particleAerosol mass spectrometer (SPAMS) in Guangzhou[J]. Res Environ Sci, 2011, 24(6): 632-636 (in Chinese with English abstract).

[14] Song X H, Hopke P K, Fergenson D P, Prather K A. Classification of single particles analyzed by ATOFMS using an artificial neural network, ART-2a[J]Anal Chem, 1999, 71(4): 860-865.

[15] Watson J G. Visibility: Science and regulation[J]J Air Waste Manag Assoc, 2002, 52(6): 628-713.

[16] 陈良富.北京雾霾检出危险有机化合物[N].中国青年报, 2013-02-17.Chen Liang-fu. The hazardous organic compounds has been detected in the smog of Beijing[N]. China Youth Daily, 2013-02-17.

[17] Bi X H, Zhang G H, Li L, Wang X M, Li M, Sheng G Y, Fu J M, ZhouZ. Mixing state of biomass burning particles by single particle aerosol mass spectrometer in the urban area of PRD, China[J]. Atmos Environ, 2011, 45(20): 3447-3453.

[18] Gross D S, Galli M E, Silva P J, Wood S H, Liu D Y, Prather K A. Single particle characterization of automobile and diesel truck emissions in the Caldecott Tunnel[J]. Aerosol Sci Tech, 2000, 32(2): 152-163.

[19] Moffet R C, de Foy B, Molina L T, Molina M J, Prather K A. Measurement of ambient aerosols in northern Mexico City by single particle mass spectrometry[J]. Atmos Chem Phys, 2008, 8: 4499-4516.

[20] Hudson P K, Murphy D M, Cziczo D J,Thomson D S, de Gouw J A, Warneke C, Holloway J, Jost J R, Hübler G. Biomass-burning particle measurements: Characteristic composition and chemical processing[J]J Geophys Res Atmos, 2004, 109(D23).

[21] Schauer J J, Kleeman M J, Cass G RSimoneit B R T. Measurement of emissions from air pollution sources. 3. C-1-C-29 organic compounds from fireplace combustion of wood[J]Environ Sci Technol, 2001, 35(9): 1716-1728.

[22] Dall’Osto, M, Harrison R M. Chemical characterization of single airborne particles in Athens (Greece) by ATOFMS[J]. Atmos Environ, 2006, 40(39): 7614-7631.

A preliminary study on the characteristics of fine particle pollution characteristics for different weather type in the Guangdong atmospheric supersite

CHEN Duo-hong1,2, HE Jun-jie3, ZHANG Guo-hua2, ZHONG Liu-ju1*, XIE Min1, WANG Bo-guang3, BI Xin-hui2, ZHANG Gan2and ZHOU Zhen3

1. Guangdong Environmental Monitoring Center, State Environmental Protection Key Laboratory of Regional Air Quality Monitoring, Guangzhou 510308, China; 2. State Key Laboratory of Organic Geochemistry, Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510640, China; 3. Institute of Technology on Atmospheric Environmental Safety and Pollution Control, Jinan University, Guangzhou 510632, China

Environment monitoring was conducted on atmospheric pollution at Guangdong supersite, using single particle aerosol mass spectrometry (SPAMS) and a variety of environmental monitoring equipment, with high-time resolution during May to July, 2012. According to the record of visibility and relative humidity, the sampling period was divided into two haze, one heavy rain and one sunny episodes. It showed that the correlations (2) were 0.54 and 0.45 between the obtained SPAMS particle number and PM2.5and PM1, respectively. Atmospheric pollutant concentration changed with weather conditions. Maximum average hour concentration of PM2.5and PM1could reached 0.132 and 0.094 ng/m3during haze, respectively. SPAMS size distribution information indicates that 600-800 nm of fine particulate matter plays a key role to the haze. Atmospheric particulates can be mainly divided into seven types, including elemental carbon (EC) and organic carbon (OC), mixtures of element-carbon (ECOC), high mass organic carbon (HMOC), sea salt (Na, K), potassium rich (K-rich) and lead rich (Pb-rich) particles. Particle number concentration of each particle type had a certain degree of increase in haze, in particular, EC and K-rich. The result showed that the atmospheric photochemical reactions played a leading role for the first haze; meanwhile, biomass burning increased the degree to some extent. The biomass combustion had a greater impact on the secondary haze.

Single particle aerosol mass spectrometry (SPAMS); haze; pollution characteristics; Guangdong Province

P593

A

0379-1726(2014)03-0217-07

2013-09-22;

2013-12-18;

2014-03-04

中国科学院战略性先导科技专项(B类)(XDB05020205); 环保部公益性研究项目(201209018); 广东省人才基金

陈多宏(1979–), 男, 博士、高级工程师, 环境科学专业。E-mail: 13710967699@139.com

ZHONG Liu-ju, E-mail: zhongliuju@gdepb.gov.cn; Tel: +86-20-28368555