张家口市一次沙尘天气气溶胶单颗粒理化特征和来源研究

李思思，黄正旭*，王存美，李惠玲*，李梅，周振

1. 暨南大学质谱仪器与大气环境研究所，广东 广州 510632；2. 广东省大气污染在线源解析系统工程技术研究中心，广东 广州 510632；3. 张家口市环境监测站，河北 张家口 075000

张家口市一次沙尘天气气溶胶单颗粒理化特征和来源研究

李思思1,2，黄正旭1,2*，王存美3，李惠玲3*，李梅1,2，周振12

1. 暨南大学质谱仪器与大气环境研究所，广东 广州 510632；2. 广东省大气污染在线源解析系统工程技术研究中心，广东 广州 510632；3. 张家口市环境监测站，河北 张家口 075000

为了从单颗粒角度了解沙尘天气颗粒物特征和来源，利用单颗粒气溶胶飞行时间质谱仪（SPAMS）对张家口市2016年春季一次沙尘天气期间的气溶胶颗粒进行了化学组分、粒径分布和来源的分析。根据颗粒的质谱图特征，将其分为沙尘（Dust）和非沙尘（Non-dust）颗粒两大类，两者占比分别为12.9%和87.1%。Dust颗粒粒径主要分布在0.5～1.1 μm，包含沙尘-铝（Dust-Al）、沙尘-硅（Dust-Si）、沙尘-金属（Dust-metal）、沙尘-钙（Dust-Ca）颗粒4个主要子类别，比例均超过20%，表现出明显的矿尘颗粒特征。非沙尘类颗粒分布在0.4～0.8 μm粒径段，包含4个子类别：含碳（Carbonaceous）、富钾（K-rich）、工业金属（Industrial Metal）和其他颗粒（Other）。结合后向轨迹分析，沙尘颗粒可能主要来自新疆、蒙古、内蒙古等地区的沙尘源，少部分来自当地、山西等地的矿尘源、工业源；非沙尘颗粒可能主要来自当地及周边地区工业排放和燃煤；Dust颗粒的NO3-/HSO4-（颗粒数）比值为1.31，颗粒老化程度较高。含Cl的Dust颗粒物占比为32%，说明颗粒中混有人为组分。研究结果表明SPAMS可用于沙尘天气颗粒物理化特征和来源的在线分析，可为沙尘防治提供参考信息。

单颗粒气溶胶飞行时间质谱仪；沙尘；单颗粒；源解析

在大气环境问题日益突出的今天，沙尘天气也备受关注。沙尘天气包括：扬沙、沙尘暴和浮尘3类天气（马新成等，2016）95。张家口市位于河北省西北部，处于蒙古高原与华北平原的过渡带（邵平等，2012），与西北的内蒙古形成一个由高及低的阶梯地貌，东南部与首都北京相接，是甘肃、宁夏、内蒙古高空沙尘暴的必经之路，是侵袭北京及南方广大地区的沙尘源之一。由于干旱少雨，土地沙化程度较重，风沙土壤较多，生态环境脆弱，西北大风过境时容易形成扬沙和沙尘暴天气（邵平等，2012）。近年的研究表明，蒙古地区是目前北京市沙尘暴的主要来源地，张家口则是北京沙尘传输北路和西北路径加强源之一（张志刚等，2007），因而张家口市沙尘主要来源地也是蒙古地区。沙尘导致不同粒径的大气颗粒物含量急剧增多，引起能见度下降；颗粒物在长距离的输送过程中，导致二次有机气溶胶浓度增加，进而危害人类的健康。近年来，大量流行病学研究表明，长期生活在沙尘环境中的居民，其呼吸系统会受到慢性损伤，甚至发展成沙尘暴肺（王金玉，2014）。

沙尘颗粒由于来源、化学过程不同，其粒径大小、化学组成及混合态与非沙尘颗粒存在区别，其中粒径分布和化学组成是决定沙尘对气候和环境影响效应的重要因素。因此，研究沙尘颗粒的理化特征对认识其形成、发展、来源及治理沙尘灾害有着非常重要的意义。有研究报道（马新成等，2016；刘庆阳等，2014；李珊珊等，2016），沙尘期间气溶胶分布在粗粒径段比例提高，地壳元素、污染物浓度等增加。李贵玲等（2014）研究表明，上海沙尘日PM2.5和PM10质量浓度较非沙尘日显著升高。Yuan et al.（2006）、Wang et al.（2005）、Huang et al.（2010）对沙尘期间颗粒与污染气溶胶的混合情况进行分析研究，发现沙尘期间气溶胶污染水平较高，颗粒组成复杂。也有研究表明，沙尘可以通过大气输送实现区域传递（邓梅等，2015；Tan et al.，2017）。有关张家口地区沙尘气溶胶的研究报道较少，且都是采用传统的离线分析技术将颗粒物富集到滤膜上，再结合各种仪器分析颗粒物中的组分。单颗粒气溶胶质谱技术被国内外学者应用于细颗粒物的单颗粒物理化学组分特征研究和来源解析：李梅等（2011）研究了广州市矿尘颗粒类型及质谱特征；李磊等（2013）运用SPAMS分析了柴油车新鲜排放及老化颗粒物在粒径分布和化学组成上的差异；Ma et al.（2016）利用SPAMS研究了北京不同天气下大气颗粒物和北京春季含铅大气颗粒物的化学组分特征和来源；Fu et al.（2015）利用SPAMS研究了黄河和渤海上空细颗粒物的理化特征及来源；张俊等（2015）利用SPAMS在线监测了盐城市大气细颗粒物的可能来源；王宇俊等（2016）应用SPAMS对广州秋季灰霾生消过程气溶胶单颗粒的组成特征进行了研究；桂林、石家庄等地区也都相继利用SPAMS对PM2.5做了源解析（杜鹃等，2015；周静博等，2015）。虽然目前SPAMS被广泛应用于单颗粒气溶胶的研究，但用于沙尘天气溶胶的研究还鲜见报道。

该研究利用单颗粒气溶胶质谱技术测量了张家口市一次沙尘发生期间大气细颗粒物的粒径分布和化学组分，分析了颗粒物的时间变化和粒径谱变化特征，并与北京地区沙尘颗粒物的理化性质进行对比，旨在从单颗粒的角度了解本次沙尘期间颗粒物的来源和危害。

1 材料与方法

1.1 SPAMS工作原理

本研究所采用的在线监测仪器为单颗粒气溶胶飞行时间质谱仪（SPAMS，广州禾信仪器股份有限公司），环境中的大气通过直径0.1 mm的进气孔进入仪器，经过缓冲腔在空气动力学透镜的作用下聚焦成颗粒束并进入真空系统，首先经过测径区，通过双激光检测颗粒的空气动力学直径，然后到达电离区中心被紫外脉冲激光电离，最后电离产生的正负离子由双极飞行时间质量分析器分别检测。

1.2 样品采集

2016年3月27日—4月1日，使用在线单颗粒气溶胶质谱仪开展在线监测。监测点设置在张家口市环保局（40°47′32″N，114°52′50″E），即张家口市高新区纬三路世纪豪园，与附近的居民区和最近的交通干道相距超过50 m，周围主要为居民区。空气经由一根内径6 mm，长约2 m的导电硅胶管进入SPAMS进气孔，外接一台采样泵用于缩短气体在采样管中的停留时间。

1.3 数据处理

根据气象情况，选取2016年3月31日14:00:00—2016年3月31日24:00:00的沙尘天气进行分析。采用基于Matlab平台的，专门用来分析单颗粒质谱数据的软件包进行分析处理，获得18626个具有正负谱图的颗粒。先利用示踪离子法将颗粒物分为两大主要类别：Dust颗粒和Non-dust颗粒（表1），再利用自适应共振理论神经网络算法（ART-2a）对两类颗粒进行进一步分类，本研究中的算法参数为：警戒因子0.65，学习效率0.05，迭代次数20。

表1 2016年3月31日14∶00∶00—2016年3月31日24∶00∶00期间各类颗粒物的百分占比情况Table 1 Percentage of all particle types from 2016-03-31 (14:00:00) to 2016-03-31 (24:00:00)

1.4 气象数据和后向轨迹分析

通过Weather Underground（http://www.wunderground.com/）在线获取了监测期间的温度（T）、相对湿度（RH）、风速（WS）、风向、能见度等气象数据。监测期间张家口市气象局发布沙尘预警，沙尘期间PM2.5和PM10质量浓度突然增加，能见度下降到10 km以下（图1）。

图1 监测期间PM2.5，PM10的质量浓度和能见度随时间变化序列Fig. 1 Time series of PM2.5, PM10mass concentration and visibility during monitoring

为了研究沙尘源对颗粒物特征的影响，利用美国NOAA研制的轨迹模型HYSPLIT4（Hybrid Single-Particle Lagrangian Integrated Trajectory version）计算沙尘期间每6个小时到达采样点的气团的48 h后向轨迹。从沙尘期间的后向轨迹图（图2）可知，部分空气气团从新疆经甘肃和内蒙古地区或从西北方向经过蒙古到达采样点，传输路径较远，属于高空沙尘源；另一部分是由位于西南方向的山西等地带来，传输路径较短。

图2 沙尘期间48 h空气后向轨迹图Fig. 2 48 h backward trajectories calculated using the HYSPLIT model during the dust event

图3 监测期间Dust类颗粒物百分比的时间变化趋势Fig. 3 Time series of the percentage of dust particles during monitoring

图4 沙尘期间Dust和Non-dust颗粒的粒径分布Fig. 4 Size distributions of dust and non-dust particles during the dust event

2 结果与讨论

2.1 粒径分布

根据质谱数据特点，将沙尘期间的颗粒分为Dust（12.9%）和Non-dust（87.1%）两类，各类别名称及占比情况见表1。图3为Dust颗粒占总颗粒百分比例随时间的变化趋势，可以看到沙尘期间Dust比例增大，持续保持在11%以上的较高值。图4为Dust和Non-dust类颗粒物颗粒个数随粒径变化的分布情况。由于SPAMS对不同粒径的颗粒物传输效率不同，因此其测得的粒径分布与大气中真实的粒径分布有所不同，峰值集中在传输效率较高的粒径段，但从中仍可看出不同类别颗粒间的粒径分布差异。由图4中可明显看出，沙尘期间Dust颗粒集中分布在0.5～1.1 μm粒径段，特别是1.6 μm以后的粒径段，均以Dust颗粒为主，峰值出现在0.8 μm处；而Non-dust颗粒物主要分布在0.4～0.8 μm粒径段，且1.0 μm以上的粒径段颗粒数明显减少，粒径峰值出现在0.5 μm处，明显小于Dust颗粒。

2.2 化学组分和来源分析

2.2.1 Dust颗粒

利用ART-2a分类方法，并以其质谱图中出现的矿尘标识物为分类依据，将Dust颗粒分为包含Dust-Al、Dust-Si、Dust-metal、Dust-Ca、Dust-Mg和Other 6个子类别，前四类颗粒物数量占比在21.6%～26.4%之间，合计高达96.4%（表1）。其中Dust-Mg和Other颗粒占比较小，本文不予以讨论。图5为沙尘期间Dust类颗粒物及其中4种主要子类别颗粒物的平均质谱图。张家口市Dust-Al类颗粒物是沙尘期间含量最丰富的Dust子类别，占比为26.4%，与Ma et al.（2016）1326研究的北京地区Dust颗粒中Dust-Al类颗粒物含量差别不大。正负谱图中有较强的24Na+、27Al+、39K+、42CNO-、46NO2-、62NO3-、97HSO4-离子信号，以及较弱的40Ca+、56CaO+/56Fe+、16O-、17OH-、26CN-、35Cl-、60SiO2-、76SiO3-离子信号。Al作为矿尘组分的指标之一，是单颗粒气溶胶质谱检测到的最常见矿尘组分（Sullivan et al.，2007）。Li et al.（2014）研究报道Al为北京沙尘暴的示踪元素之一，张家口作为北京沙尘源途经地之一，同样可将Al作为其沙尘源的示踪元素。

图5 沙尘期间Dust颗粒及其子类别的平均质谱图Fig. 5 Average mass spectra of dust particles and their subtypes during the dust event

Dust-Si类颗粒物则是沙尘期间含量第二丰富的Dust子类别，占Dust颗粒的25.7%，与Ma et al.（2016）1326研究的北京地区Dust颗粒不同，北京地区Dust-Si类颗粒占比高达50%以上。质谱图表现为较强的39K+、40Ca+、硝酸盐（42NO2-，62NO3-）和硅酸盐（60SiO2-，76SiO3-）信号，而23Na+、27Al+、56CaO+/56Fe+、207Pb+、16O-、26CN-、35Cl-、79PO3-、97HSO4-离子信号则相对较弱。Si曾被发现是沙尘期间数浓度和质量浓度表现最丰富的矿尘元素（Li et al.，2010），而在全球范围内矿尘颗粒物是大气中P的主要来源（李梅等，2011；Manuel et al.，2010）。后向轨迹分析已表明部分空气气团经由内蒙古西北方向等地到达，而内蒙古地区又是磷稀土矿产地，表明了张家口市的Dust颗粒可能由其携带而来。

Dust-metal类颗粒物是Dust颗粒中含量仅次于Dust-Al和Dust-Si的颗粒，Dust-metal类颗粒表现为正谱图较强的27Al+、39K+、40Ca+、51V+、55Mn+、56CaO+/56Fe+、63Zn+、64Cu+和207Pb+等大量的金属离子信号，负谱图表现为16O-、26CN-、35Cl-、42NO2-、60SiO2-、62NO3-、76SiO3-、79PO3-、97HSO4-等信号，这与Ma et al.（2016）对北京沙尘颗粒的研究不同，北京的Dust颗粒中并未出现高比例的含金属离子颗粒。猜测金属元素的可能来源有以下几个方面：首先张家口市盛产矿产资源，是河北省的资源大市之一，区域内金属矿产主要有铁矿、锰矿、铜矿等，沙尘天气的强风将地表的来自工业过程的矿尘颗粒物携带到空气中；其次，张家口部分空气气团来自西南方向，而山西是张家口西南方向上著名的矿产资源大省，颗粒中部分金属矿尘可能由西南方向的空气气团从山西等地携带而来；最后，含矾类颗粒物可能与重油燃烧有关（Ault et al.，2010；Healy et al.，2009）。

Dust-Ca类颗粒质谱图表现为较强的23Na+、39K+、40Ca+、56CaO+/56Fe+、42NO2-、62NO3-离子信号，和相对较弱的27Al+、207Pb+、16O-、17OH-、35Cl-、60SiO2-、76SiO3-、79PO3-、97HSO4-离子信号，这与李梅等（2011）研究报道的广州矿尘颗粒中含Ca颗粒物特征相似。该类颗粒物中极强的硝酸盐信号说明在长距离的传输过程中含Ca颗粒物可能在大气中与NOx发生了非均相反应。

Dust颗粒正谱图中出现的Al、Si、Fe等矿物元素标志着沙尘的发生，负谱图普遍表现为很强的硝酸盐信号，表明该类颗粒物可能在大气中经历了明显的老化（何俊杰等，2013），而其混合着Cl-则表明Dust颗粒中可能混合着垃圾焚烧（Keane，2007）、化石燃料燃烧颗粒（Zhang et al.，2009）或来自西北地区的盐渍土颗粒（张兴赢等，2004）。谱图中较强的Ca、M、Si等元素的信号与Silva（2000）报道过的沙尘样品的谱图特征相似，其中很强的Si信号和微弱的Li信号则说明其可能混着土壤尘，一般的化学检测方法是无法检测出Li信号的。Silva et al.（2000）曾对Yucca Valley沙漠地区的颗粒进行研究，发现其元素特征与土壤尘一样。该研究中Dust颗粒的Si、Ca、Al等元素表现出强信号，表明张家口市Dust颗粒中地壳源比例更大，这与袁蕙等（2004）发现的北京沙尘期间的颗粒体现了沙尘源头的地壳源一致。华蕾等（2006）曾对北京的一些排放源进行了成分谱分析，其中城市扬尘的化学组分主要为Si、Al、Ca、Fe、K、Mg及OC、EC、SO42-，与本研究的Dust颗粒特征有相似之处。同时，Pb来自金属冶炼，V、Zn来自工艺过程等，说明张家口Dust颗粒实为混合了多种尘的颗粒，但是主要为矿尘颗粒。总之，沙尘期间张家口的Dust颗粒主要为地壳源和部分人为源，包括本地源和外来源，分别来自本地的矿尘颗粒、扬尘、工业源和新疆、蒙古、内蒙古、山西等气团经过地区的矿尘颗粒。

2.2.2 Non-dust颗粒

根据Non-dust颗粒化学组分特征，将其分为富钾（K-rich）、含碳（Carbonaceous）、工业金属（Industrial metal）和其他颗粒（Other）4个子类别。Other类颗粒较少，比例仅为0.5%，在此不作讨论。图6是Non-dust颗粒及其子类别的平均质谱图。

图6b为沙尘期间Carbonaceous颗粒的平均质谱图，此类颗粒物在沙尘期间百分占比为81.3%（表1）。正谱图表现为较强的39K+离子峰和相对较弱的23Na+离子峰、EC族离子（12C+、24C2+、…、60C5+）、OC族离子（27C2H3+37C3H+39C3H3+50C4H2+63C5H3+）和有机离子43C2H3O+；负谱图表现为很强的无机二次组分97HSO4-和较弱的46NO2-、62NO3-、EC族离子（12C-、24C2-、…、60C5-）和26CN-等离子峰信号。正谱图中的二次组分18NH4+和有机离子43C2H3O+表明了Carbonaceous类颗粒的老化过程，负谱图中硫酸盐离子强信号是该类颗粒物区别于其他类颗粒物的特点，这与此前Li et al.（2014）的有关碳质颗粒上硫酸信号更强的研究结果一致。Cheng et al.（2013）发现，在北京约有50%的OC类颗粒与生物质燃烧有关，Liu et al.（2007）发现EC颗粒主要来自于生物质燃烧、煤燃烧和柴油机尾气排放。同时强硫酸盐信号也反映了Carbonaceous颗粒经历了二次老化过程，可能来自传输过程中由其他地区携带而来的碳质颗粒。张家口市煤炭资源丰富，西南紧靠煤炭大省山西的大同市，结合空气后向轨迹图，沙尘期间Carbonaceous类颗粒主要来源于当地燃煤、生物质燃烧和汽车尾气的排放以及山西等地的区域传输。

图6c为K-rich颗粒的平均离子质谱图，正谱图表现为很强的39K+信号和较弱的23Na+、40Ca+等离子峰信号；负谱图则主要为很强的硝酸盐（42NO2-、62NO3-）、97HSO4-离子信号，同时还有24C2-、26CN-、36C3-、79PO3-等较弱的离子峰。钾元素被认为是家庭或人为生物质燃烧颗粒的示踪元素（Bi et al.，2011）。硝酸盐表现出来的信号强度大于硫酸盐的信号强度，这个结果可能是由于区域二次组分的形成或者当地硝酸盐-硫酸盐不平衡造成的。沙尘期间，由于风速较大，空气气团不稳定，很多非沙尘期间积累的颗粒被气团带走，导致K-rich颗粒比例（10.6%）下降。含硝酸颗粒主要是通过颗粒物表面的氮氧化物中和或多相氧化形成（Hu et al.，2008；Wang et al.，2009），所以，沙尘期间K-rich颗粒的来源主要为生物质燃烧。

图6 沙尘期间Non-dust类颗粒物及其子类别的平均质谱图Fig. 6 Average mass spectra of non-dust particles and their subtypes during the dust event

图7 沙尘期间Non-dust、Dust颗粒及其子类别颗粒与一次，二次组分的混合状态图Fig. 7 The mixing state of non-dust, dust particles, and subtypes of dust particles with primary and secondary components during the dust event

沙尘期间Industrial metal颗粒物的占比为7.60%（表1），而Dust中金属颗粒占比为22.7%。图6d所示为沙尘期间Industrial metal颗粒物的平均质谱图，正谱图表现为较强的39K+、56Fe+、207Pb+离子信号和较弱的23Na+、51V+、55Mn+、64Cu+、63Zn+离子信号，负谱图则表现为较强的硝酸盐（42NO2-、62NO3-）信号，较弱的16O-、17OH-、26CN-、35Cl-、79PO3-、97HSO4-离子信号。从质谱图可知，56Fe+的信号仅比39K+稍低，表明沙尘期间张家口市铁矿石工业源为其主要的本地源。而质谱图中出现的较弱的51V+、55Mn+、64Cu+、63Zn+等金属离子信号，也表明该类颗粒物可能来自工业过程。

2.3 混合状态

一次组分Cl-，二次组分NH4+、NO3-、HSO4-为Dust颗粒中含量较高的组分，比例分别为32%，20%、81%及61%（图7）。Dust和Non-dust颗粒主要与NO3-、HSO4-混合，但Dust颗粒中NO3-/HSO4-（数浓度）比值为1.31，大于Non-dust颗粒1.03的比值，表明Dust颗粒经历了更大程度的老化演变。其中，Dust-Ca颗粒物的NO3-/HSO4-比值更是超过1.5，说明沙尘期间Dust颗粒在长距离的传输过程中经历了更长的化学过程，气溶胶的凝并等现象更突出（牟莹莹等，2013）。刘咸德等（2005）曾对山东长岛县一次沙尘事件中的颗粒物进行分析，表明高浓度的风沙尘在长距离传输过程与遇到的气态和颗粒态的污染物有充分的机会混合、交汇、相互作用，特别是沙尘暴的前锋形成的高浓度的风沙尘与高浓度的人为源排放典型含硫、含氮污染物的重合与迭加。由图还可知，沙尘颗粒与一次组分Cl-的混合比例比非沙尘颗粒高，且超过其与NH4+的混合比例，其中在Dust-Mg和Dust-metal中的混合比例高达40%以上，具体的分析将在以后的研究中详细论述。

3 结论

（1）本研究利用SPAMS分析了2016年春季张家口市的一次沙尘天气气溶胶单颗粒的化学组分和粒径分布。沙尘期间颗粒物被分成Dust和Non-dust两大类别，其中，Dust颗粒包含Dust-Si、Dust-Ca、Dust-Al、Dust-metal 4个主要子类别。

（2）Dust颗粒来源于自然源和人为源。根据空气后向轨迹图和颗粒的化学组分和粒径特征，该次沙尘颗粒主要来自新疆、蒙古、内蒙古等西北地区的外来沙尘源和少部分本地、山西等西南地区的矿尘和工业源；Non-dust类颗粒则来自当地及周边地区工业排放和燃煤。颗粒的来源分析可为沙尘天气的预防措施的制定和沙尘防治提供参考信息。

（3）该次沙尘期间各类颗粒物与一次组分和二次组分也表现出不同的内混程度，沙尘期间沙尘颗粒与硝酸盐内混比例最高为81%，NO3-/HSO4-（颗粒数）比值为1.31，表明Dust颗粒经历了较大程度的老化演变。

AULT A P, GASTON C J, WANG Y, et al. 2010. Characterization of the single particle mixing state of individual ship plume events measured at the port of Los Angeles [J]. Environmental Science Technology, 44(6): 1954-1961.

Bi X H, ZHANG G H, LI L, et al. 2011. Mixing state of biomass burning particles by single particle aerosol mass spectrometer in the urban area of PRD, China [J]. Atmospheric Environment, 45(20): 3447-3453.

CHENG Y, ENGLING G T, HE K B, et al. 2013. Biomass burning contribution to Beijing aerosol [J]. Atmospheric Chemistry and Physics, 13(15): 7765-7781.

FU H Y, ZHENG M, YAN C Q, et al. 2015. Sources and characteristics of fine particles over the Yellow Sea and Bohai Sea using online single particle aerosol mass spectrometer [J]. Journal of Environmental Sciences-China, 29(3): 62-70.

HEALY R M, O'CONNOR I P, HELLEBUST S, et al. 2009. Characterization of single particles from in-port ship emissions [J]. Atmospheric Environment, 43(40): 6408-6414.

HU M, WU Z J, SLANINA J, et al. 2008. Acidic gases, ammonia and water-soluble ions in PM2.5at a coastal site in the Pearl River Delta China [J]. Atmospheric Environment, 42(25): 6310-6320.

HUANG K, ZHUANG G, LI J, et al. 2010. Mixing Asian dust with pollution aerosol and the transformation of aerosol components during the dust storm over China in spring 2007 [J]. Journal of Geophysical Research Atmospheres, 115(D7): 1307-1314.

KEANE M A. 2007. Catalytic conversion of waste plastics: focus on waste PVC [J]. Journal of Chemical Technology & Biotechnology, 82(9): 787-795.

LI L, LI M, HUANG Z X, et al. 2014. Ambient particle characterization by single particle aerosol mass spectrometry in an urban area of Beijing [J]. Atmospheric Environment, 94(7): 323-331.

LI W J, SHAO L Q. 2010. Chemical modification of dust particles during different dust storm episodes [J]. Aerosol & Air Quality Research, 12(6): 1095-1104.

LIU Y, SHAO M. 2007. Estimation and prediction of black carbon emissions in Beijing City [J]. Chinese Science Bulletin, 52(9): 1274-1281.

MA L, LI M, ZHANG H F, et al. 2016. Comparative analysis of chemical composition and sources of aerosol particles in urban Beijing during clear, hazy, and dusty days using single particle aerosol mass spectrometry [J]. Journal of Cleaner Production, 112(Part 2): 1319-1329.

MA L, LI M, ZHANG H F, et al. 2016. Real time analysis of lead-containing atmospheric particles in Beijing during springtime by single particle aerosol mass spectrometry [J]. Chemosphere, 154: 454-462.

MANUEL D O, HARRISON R M, HIGHWOOD E J, et al. 2010. Variation of the mixing state of Saharan dust particles with atmospheric transport [J]. Atmospheric Environment, 44(26): 3135-3146.

SILVA P J, CARLIN R A, PRATHER K A, et al. 2000. Single particle analysis of suspended soil dust from Southern California [J]. Atmospheric Environment, 34(11): 1811-1820.

SULLIVAN R C, GUAZZOTTIL S A, SODEMAN D A, et al. 2007. Direct observations of the atmospheric processing of Asian mineral dust [J]. Atmospheric Chemistry & Physics, 7(5): 1213-1236.

TAN S C, LI J W, CHE H Z, et al. 2017. Transport of East Asian dust storms to the marginal seas of China and the southern North Pacific in spring 2010 [J]. Atmospheric Environment, 148: 316-328.

WANG X F, ZHANG Y P, CHEN H, et al. 2009. Particulate nitrate formation in a highly polluted urban area: a case study by single-particle mass spectrometry in Shanghai [J]. Environmental Science & Technology, 43(9): 3061-3066.

WANG Y, ZHUANG G S, SUN Y L, et al. 2005. Water-soluble part of the aerosol in the dust storm season——Evidence of the mixing between mineral and pollution aerosols [J]. Atmospheric Environment, 39(37): 7020-7029.

YUAN H, ZHUANG G S, KENNETH A R, et al. 2006. Composition of individual particles and mixing of individual particles mineral and with pollution particles in dust storm and non-dust storm days during dust storm and non-dust days [J]. Journal of Geophysical Research Atmospheres,

DOI:10.1029/2005JD006478.

ZHANG R J, HAN Z W, CHENG T T, et al. 2009. Chemical properties and origin of dust aerosols in Beijing during spring time [J]. Particuology, 7(1): 61-67.

邓梅, 张佳华, 蒋跃林, 等. 2015. 沙尘暴影响下北京沙尘气溶胶的垂直分布及溯源分析[J]. 气象科学, 35(5): 550-557.

杜鹃, 宋韶华, 张志朋, 等. 2015. 桂林市细颗粒物典型排放源单颗粒质谱特征研究[J]. 环境科学学报, 35(5): 1556-1562.

何俊杰, 张国华, 王伯光, 等. 2013. 鹤山灰霾期间大气单颗粒气溶胶特征的初步研究[J]. 环境科学学报, 33(8): 2098-2104.

华蕾, 郭婧, 徐子优, 等. 2006. 北京市主要PM10排放源成分谱分析[J].中国环境监测, 22(6): 64-70.

李贵玲, 周敏, 陈长虹, 等. 2014. 2011年春季沙尘天气影响下上海大气颗粒物及其化学组分的变化特征[J]. 环境科学, 35(5): 1644-1653.

李梅, 李磊, 黄正旭, 等. 2011. 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, 24(6): 632-636.

李磊, 谭国斌, 张莉, 等. 2013. 运用单颗粒气溶胶质谱仪分析柴油车排放颗粒物[J]. 分析化学, 41(12): 1831-1836.

李珊珊, 潘涛, 闫静, 等. 2016. 2015年春季北京市一次沙尘天气过程分析[J]. 环境科学与技术, 39(4): 137-160.

刘庆阳, 刘艳菊, 赵强, 等. 2014. 2012年春季京津冀地区一次沙尘暴天气过程中颗粒物的污染特征分析[J]. 环境科学, 35(8): 2843-2850.

刘咸德, 董树屏, 李冰, 等. 2005. 沙尘暴事件中大气颗粒物化学组分的浓度变化和硫酸盐的形成[J]. 环境科学研究, 18(6): 12-16.

马新成, 毕凯, 田海军, 等. 2016. 北京地区沙尘天气气溶胶飞机观测特征[J]. 气象科技, 44(1): 95-103.

牟莹莹, 楼晟荣, 陈长虹, 等. 2013. 利用SPAMS研究上海秋季气溶胶污染过程中颗粒物的老化与混合状态[J]. 环境科学, 34(6): 2071-2080.

邵平, 王莉莉, 安俊琳, 等. 2012. 河北张家口市大气污染观测研究[J].环境科学, 33(8): 2538-2550.

王金玉. 2014. 沙尘污染对人群呼吸系统慢性损伤的初步研究[D]. 兰州:兰州大学.

王宇俊, 李梅, 吴清柱, 等. 2016. 广州秋季灰霾生消过程气溶胶单颗粒组成特征研究[J]. 生态环境学报, 25(4): 614-620.

袁蕙, 庄国顺, KENNETH A R, 等. 2004. 沙尘暴和非沙尘暴中矿物气溶胶与污染气溶胶单颗粒物的组成和混合状态[R]//第二届全国环境化学学术报告会, 3: 67-70.

张俊, 吉祝美, 咸月, 等. 2015. 大气细颗粒物实时在线源解析技术解析盐城市大气细颗粒物来源[J]. 污染防治技术, 28(2): 18-22.

张兴赢, 庄国顺, 袁蕙, 等. 2004. 北京沙尘暴的干盐湖盐漬土源-单颗粒物分析和XPS表面结构分析[J]. 中国环境科学, 24(5): 533-537.

张志刚, 高庆先, 矫梅燕, 等. 2007. 影响北京地区沙尘天气的源地和传输路径分析[J]. 环境科学研究, 20(4): 21-27.

周静博, 张涛, 李治国, 等. 2015. 利用SPAMS构建石家庄市PM2.5固定排放源成分谱库[J]. 河北工业科技, 32(5): 443-450.

Chemical and Physical Characteristics and Sources of Single Particle Aerosols during A Dust Event in Zhangjiakou

LI Sisi1,2, HUANG Zhengxu1,2*, WANG Cunmei3, LI Huiling3*, LI Mei1,2, ZHOU Zhen1,2
1. Institute of Mass Spectrometer and Atmospheric Environment, Jinan University, Guangzhou 510632, China; 2. Guangdong Provincial Engineering Research Center for air pollution online source apportionment system, Jinan University, Guangzhou 510632, China; 3. Zhangjiakou Environmental Monitor Station, Zhangjiakou 075000, China

In order to understand the origin and characteristics of particles during dust days from the aspect of single particles, a single particle aerosol mass spectrometer (SPAMS) was employed to analyze the chemical composition, size distributions, and sources of aerosol particles during a dust event in the spring of 2016 in Zhangjiakou. According to particle mass spectra, the particles were classified as two main categories: dust particles and non-dust particles, which accounted for 12.9% and 87.1% of total particle number. Dust particles were mainly in the size of 0.5～1.1 μm, which included four major subtypes: dust-Al, dust-Si, dust-metal, and dust-Ca particles. Each subtype of particles accounted for more than 20% of total number of dust-containing particles, with the significant characteristics of mineral particles. Non-dust particles were mainly in the size of 0.4～0.8 μm, which included four subtypes: carbonaceous, K-rich, industrial metal, and other particles. In combination with backward trajectory analysis, dust particles could mainly originate from the dust sources of Xinjiang, Mongolia, and Inner Mongolia, and a small part from the mineral and industrial sources of Zhangjiakou and Shanxi. No-dust particles are possible to be mainly contributed by the industrial emissions and coal burning of local and surrounding areas of Zhangjiakou. The ratio of NO3-/HSO4-(number concentration) is 1.31 in dust particles, indicating a high degree of particle aging. Cl-containing particles accounted for 32% of the total number of dust particles, indicating mixed artificial components. Our results showed that the SPAMS can be used to analyze the physical and chemical characteristics and sources of single particles on line during the dust event，and can provide referable information for taking effective measures to prevent and reduce dust events.

single particle aerosol mass spectrometer; dust; single particle; source apportionment

10.16258/j.cnki.1674-5906.2017.03.011

X131.1

A

1674-5906（2017）03-0437-08

李思思, 黄正旭, 王存美, 李惠玲, 李梅, 周振. 2017. 张家口市一次沙尘天气气溶胶单颗粒理化特征和来源研究[J]. 生态环境学报, 26(3): 437-444.

LI Sisi, HUANG Zhengxu, WANG Cunmei, LI Huiling, LI Mei, ZHOU Zhen. 2017. Chemical and physical characteristics and sources of single particle aerosols during a dust event in Zhangjiakou [J]. Ecology and Environmental Sciences, 26(3): 437-444.

科技部科技支撑项目（2014BAC21B01）；2014年广东省公益研究与能力建设专项资金重点项目（2014B020216005）；广东省自然基金项目（2015A030313339）；珠江科技新星专项（201506010013）

李思思（1991年生），女，硕士研究生，主要从事气溶胶单颗粒研究。E-mail:570665794@qq.com

*通信作者：黄正旭，副研究员，E-mail: zx.huang@hxmass.com；李惠玲，高级工程师，E-mail: hbjlihl@163.com

2017-01-24