北京市开发区PM1污染特征及影响霾形成的因素

韩力慧,向 欣,张海亮,王红梅,闫海涛,程水源,王海燕



北京市开发区PM1污染特征及影响霾形成的因素

韩力慧*,向 欣,张海亮,王红梅,闫海涛,程水源,王海燕

(北京工业大学环境与能源工程学院,区域大气复合污染防治北京市重点实验室,北京 100124)

通过采集北京市亦庄经济技术开发区2016年7月和10 月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM1样品,分析研究了该开发区PM1及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明:研究期间开发区PM1平均浓度为73.95μg/m3, 高于北京市同期估算的PM1平均水平,为其1.13倍.夏、秋、冬、春4季PM1平均浓度分别为69.22, 63.38, 99.50, 57.26μg/m3,明显呈现出冬季>夏季>秋季>春季的季节变化特征,各季节霾天PM1浓度是清洁天的1.78~3.17倍.PM1中总水溶性离子浓度为37.30μg/m3,占PM1总质量浓度的50.44%,其中二次组分SO42-、NO3-和NH4+(SNA)平均浓度占总水溶性离子浓度的86.98%,是PM1中水溶性离子的最主要组成部分.PM1总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季>夏季>秋季>春季.研究期间硫氧化率(SOR)高于氮氧化率(NOR),且SOR表现为夏>秋>冬>春,而NOR表现为夏>秋~春>冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO2和NO2的二次转化过程最为显著.SO2向SO42-的转化主要受相对湿度RH、温度、NO2以及NH3的影响,且液相反应是硫酸盐形成的重要途径.NO2向NO3-的转化受RH、、O3以及NH3的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素.

亦庄开发区；PM1；理化特性；SNA；霾污染；气象要素

随着北京市的快速发展和能源消耗的急速增长,造成以高浓度细粒子PM2.5为主要特征的霾污染事件频繁发生.尽管北京市政府通过采取调整产业、优化能源结构等相关举措,加大了空气污染治理力度,霾污染事件的发生率在逐年降低,但空气污染形势仍不容乐观,严重影响着大气环境和人类健康.

多年来,人们已深入研究了PM2.5质量浓度的时空变化,PM2.5组分的时空变化、来源、以及对气候、环境和人体健康的影响等[1-3].然而,占PM2.5约70%的亚微米颗粒物PM1,由于粒径更小,比表面积更大,更易吸附或产生对人体健康有毒有害的污染物,而成为人们关注的新焦点.目前已有学者采用高分辨率气溶胶飞行时间质谱仪(AMS)和颗粒物化学组成在线监测仪(ACSM)研究了北京市粒径介于0.04~ 1.0μm颗粒物中非难熔性组分的质量和化学组成,包括有机物、硫酸盐、硝酸盐、铵盐和氯离子,以及不同来源的有机气溶胶含量[4-6],也有学者通过膜采样分析研究了北京市粒径小于1μm的亚微米颗粒物PM1的理化特性,得出NO3-和SO42-等对大气能见度产生主要影响的二次无机离子组分主要富集在PM1中[7];气象因素、氧化剂以及pH值等对二次NO3-和SO42-的形成过程具有重要的影响[8].这些研究主要揭示了北京市北部城区亚微米颗粒物的污染特征.由于北京市大气质量南北差异显著,呈现南差北好的特点[9-10],而关于南部城区大气污染的研究较少,因此研究北京市南部城区大气污染,特别是大气亚微米颗粒物污染迫在眉睫.亦庄经济技术开发区作为京津城际发展走廊中的高新技术产业和先进制造业基地,其多元化的产业类型(包括电子信息、装备制造、生物工程和医药、汽车和交通设备等)以及独特的地理位置对北京市空气质量,特别是南部城区的空气质量产生重要的影响.

本研究以北京市南部典型区域——亦庄经济技术开发区为研究区域,深入研究了该区域亚微米颗粒物PM1质量浓度以及水溶性组分的季节变化特征,不同污染水平时段的变化特征,探讨了影响二次组分硫酸盐和硝酸盐形成的关键因素,以及对霾污染形成的影响要素,旨在为北京市大气污染防控措施的制定提供参考.

1 材料与方法

1.1 PM1样品采集

采样点位于北京市东南部亦庄经济技术开发区(以下简称开发区)某三层楼楼顶,如图1所示,采样高度约为9m,周围开阔,无固定污染源.使用美国URG公司生产的四通道小流量(16.67L/min)颗粒物采样仪(型号:URG-3000ABC-4CSS)和英国Whatman公司生产的直径为47mm的Whatman41纤维素滤膜,分别于2016年7月和10 月、2017年1月和4月(夏、秋、冬、春4个季节代表月)采集亚微米细颗粒物PM1样品,每个样品连续采集23h(上午9:30至次日上午8:30),每个代表月分别采集了28、28、33和25个有效样品.

采样膜在采样前后均需放置于恒温恒湿箱(=(20±2)℃,RH=(40±5)%)内进行48h恒温恒湿,然后采用电子天平(型号:DENVER-TB-215D, 精度: 0.01mg )进行称量.

图1 采样点示意

1.2 PM1质量浓度

依据滤膜称量法,在上述恒温恒湿条件下,采用电子天平称量采样前后已恒温恒湿48h的滤膜质量,二者之差即为所采集颗粒物PM1的质量;根据采样流量和时间,确定采样体积,按下式计算即得PM1质量浓度:

式中:为PM1质量浓度, μg/m3;21为采集在滤膜上的颗粒物质量, μg;为采样流量, L/min;为采样时间, min.

1.3 化学组分分析

称取1/2样品膜,剪碎后放置于20mL试管中,加入10mL高纯水,密封后冰浴超声振荡1h,将溶液倒入10mL离心管中经高速离心机(转速为8000r/min)离心5min后,采用孔径为0.22μm的聚四氟乙烯一次性滤头结合一次性注射器将上清液过滤至离心管中.过滤后的样品待测.

采用美国DIONEX公司生产的ICS-2100型离子色谱仪(配带CR-ATC的EGC氢氧化钾淋洗液自动发生罐,色谱分离柱为IonpacAS11阴离子分离柱和AG11阴离子保护柱,并配有ASRS300连续自动再生电解微膜抑制器,流动相为3~35mmol氢氧化钾,以1.0mL/min流速梯度淋洗,检出限在0.01~ 0.05mg/L之间)分析上述待测液中水溶性阴离子Cl-、NO3-、SO42-和F-.

采用DX-600型离子色谱仪(配带ED50电导检测器、GP50梯度泵,LC20色谱箱,色谱分离柱为IonpacCS12A阳离子分离柱和CG12A阳离子保护柱,CSRS300连续自动再生电解微膜抑制器,流动相为20mmol甲磺酸,以1.0mL/min流速梯度淋洗,检出限在0.01~0.05mg/L之间)分析待测液中水溶性阳离子Na+、NH4+、K+、Mg2+、Ca2+.

1.4 大气污染物浓度与气象要素

亦庄国控点(离采样点最近,约1.2km)大气污染物PM2.5、SO2、NO2和O3日均浓度来自北京市环境保护监测中心(http://www.bjmemc.com.cn/);北京市日气象数据,包括温度()、相对湿度(RH)、风速()等,来自Weather underground (http://www.wunderground.com/)网站,代表北京市平均水平.典型霾污染过程气象场来自韩国实况及预报天气图(http://web.kma.go.kr/ eng/weather/images/analysischart.jsp).

2 结果与讨论

2.1 PM1浓度变化特征

依据《中华人民共和国气象行业标准》中霾的观测和预报等级[11],将能见度小于10km,排除降水、沙尘暴、扬尘、浮尘、烟雾等天气现象造成的视程障碍,相对湿度小于80%,或相对湿度在80%~95%范围时,PM1浓度大于65μg/m3的现象判识为霾,并进一步将霾细分为轻微霾(5km£<10km)、轻度霾(3km£<5km)和中度及以上霾(<3km).研究期间开发区清洁天、轻微霾天、轻度霾天、中度及以上霾天分别占总天数的40.17%、41.02%、11.97%和6.84%,可见霾污染天占到了50%以上,表明亦庄开发区霾污染现象十分严重.纵观夏、秋、冬、春4个季节代表月霾污染事件发生频率,如表1所示,春季污染较轻,主要以清洁天气为主,轻微霾天约为46.15%;夏季常发生轻微霾天,频率约为60.71%,而冬季和秋季是中度及以上霾天的高发期,冬季发生频率约为14.29%,秋季约为10.71%,可见霾污染及其水平存在明显的季节差异,这可能与不同季节的气象条件以及颗粒物中二次组分的形成有关.

表1 不同季节不同程度的霾污染天气发生频率(%)

研究期间,开发区PM1平均浓度为73.95μg/m3,有研究表明PM1约占PM2.5的70%[12],依此可得北京市同期PM1浓度约为65.44μg/m3,可见开发区PM1浓度高于北京市平均水平,且为北京市的1.13倍,这与开发区多元化产业结构有很大关系,同时也与独特的地理位置有关.开发区位于北京地势较低的东南部,处于北京市特有的簸萁型地理位置敞口,廊坊、天津、保定等外来污染物的传输也会加剧该地区的污染状况.

夏、秋、冬、春4季代表月PM1平均浓度分别为69.22, 63.38, 99.50, 57.26μg/m3,呈现出明显的冬季>夏季>秋季>春季的季节变化特征,如图2所示.这是因为冬季是采暖季,能源消耗较其他季节高,再加上边界层高度较低[13],有利于污染物的累积和霾污染形成;而夏季较高的温度、相对湿度以及较强的太阳辐射有利于PM1中二次组分的形成[14-15];春季冷暖空气交替频繁,对细颗粒物浓度起到一定稀释作用[16],可能是造成春季PM1污染水平较低的重要原因之一.此外,从表2可以看出,夏、秋、冬、春4个季节清洁天和霾天PM1平均浓度分别为45.34, 80.53μg/m3, 26.81, 80.70μg/m3, 44.03, 139.43μg/m3, 51.21, 62.08μg/m3,且霾天亚微米粒子平均浓度分别是清洁天气的1.78、3.01、3.17和1.21倍,可见相对于清洁天气,霾天PM1增幅冬季最为显著,其次是秋季和夏季,春季增幅最小,这与各季节不同程度的霾污染天分布有很大关系.

图2 PM1浓度及气象条件日变化特征

表2 各季节霾与非霾期间PM1及其化学组分浓度与气象因素特征

2.2 水溶性离子浓度变化特征

离子当量平衡常数能够有效评估大气细粒子的酸碱平衡[17],其中阴阳离子当量浓度估算方法如下:

阴=[Cl-]/35.5+[NO3-]/62+[SO42-]/48+[F-]/19 (2)

阳=[Na+]/23+[NH4+]/18+[K+]/39+[Mg2+]/12+

[Ca2+]/20 (3)

式中:阴和阳分别代表阴离子和阳离子当量浓度, μeq/m3;[X]代表X离子组分的质量浓度,μg/m3.图3显示了不同季节PM1阴阳离子当量浓度平衡趋势.由图3可知,PM1中阴阳离子的相关系数在各季节均高于0.89且阴阳离子当量比值接近1,表明这9种水溶性离子是PM1中水溶性组分的主要组成部分.

图4显示了不同季节PM1中上述9种离子的质量浓度及其百分含量,可见开发区PM1中9种水溶性离子总浓度为37.30μg/m3,占PM1总质量浓度的50.44%,其中二次无机组分SO42-、NO3-和NH4+(SNA)平均质量浓度分别为9.61, 15.46以及8.5μg/m3,占总水溶性离子浓度的86.98%(春季83.09%~秋季90.06%),是PM1中水溶性离子的最主要组成部分.冬季采暖期间,燃煤会造成较高SO2和NO等前体物的排放,同时化石燃料燃烧还会产生金属和重金属元素,其中重金属元素作为化学反应催化剂有利于前体物向SNA的转化[18],最终导致冬季水溶性离子浓度显著高于其他季节.夏季和秋季总水溶性离子浓度相近,其中夏季太阳辐射较强,相对湿度较高,有利于SNA的形成,但温度较高又有利于硝酸盐和铵盐的分解;秋季适宜的温度和相对湿度有利于SNA的形成,但太阳辐射弱于夏季,对SNA的形成有一定影响,这些因素综合作用造成夏季水溶性离子浓度略高于秋季,且均大于春季.而春季风速变化较大、相对湿度较低,不利于SNA的形成,而有利于大气中污染物的扩散,造成总水溶性离子浓度处于较低水平,由此可见,PM1总水溶性离子浓度的季节变化取决于SNA的变化特征,即冬季>夏季>秋季>春季,也与PM1质量浓度的季节变化特征相一致.

图3 不同季节PM1水溶性离子当量浓度相关性

此外,Ca2+和Mg2+浓度呈现春夏季>秋冬季的变化特征,这可能是由于Ca2+和Mg2+主要来源于土壤尘、地表尘和建筑尘[19-20],春季风速变化较大,有时会出现扬尘现象,夏季建筑施工作业较多,会加剧大气环境中Ca2+和Mg2+的污染水平.其余水溶性离子K+、Na+、Cl-和F-浓度的季节变化特征与SNA的变化相似,均表现出冬季较高、春季较低的变化特征.

有研究表明,NO3-/SO42-质量浓度比值能够很好地反映机动车排放和燃煤排放对大气颗粒物中水溶性组分的相对贡献[21].研究期间,NO3-/SO42-比值年均值为1.61,高于Sun等对北京北部城区研究结果(1.56)[22],这可能与开发区产业结构功能特性有关.夏、秋、冬、春4季中,NO3-浓度均高于SO42-,其比值分别为1.65,2.16,1.16和2.40,表现出春季>秋季>夏季>冬季的季节变化特征.夏季温度较高会促进硝酸盐的分解,而冬季采暖燃煤排放会促使硫酸盐浓度升高可能是造成夏季和冬季NO3-/SO42-比值显著低于秋季和春季的主要原因.可见研究期间机动车排放对大气环境的影响高于燃煤排放.

图4 PM1中水溶性离子质量浓度及占总水溶性离子浓度的百分比季节变化特征

夏、秋、冬、春4个季节代表月清洁天与霾天PM1中离子质量浓度变化如表2所示, SNA在不同污染水平条件下均是PM1的重要组成部分,且随着PM1浓度的升高,SNA占PM1质量浓度的百分含量从清洁天时的35.20%、37.93%、46.87%和26.56%上升至霾天时的48.22%、53.30%、49.98%和58.13%,从而导致其余离子Ca2+、Mg2+、Cl-、K+、Na+和F-从清洁天的9.42%、8.58%、7.65%和9.55%下降至霾污染天的7.55%、4.77%、5.91%和7.22%,由此可见霾污染天气象因素有利于PM1中SNA的形成[23].

2.3 影响SO42-和 NO3-形成的重要因素

硫氧化率SOR=-SO42-/(-SO42-+-SO2)和氮氧化率NOR=-NO3-/(-NO3-+-NO2)能分别有效地反映气态前体物SO2和NO2向二次组分SO42-和 NO3-转化的程度[24].当SOR和NOR值超过0.1时,意味着大气中存在较为显著的二次转化过程[25],该值越高表示二次转化过程越显著.研究期间,如图5所示,SOR和NOR平均值分别为0.43和0.16,均高于0.1,表明气态污染物的二次转化显著,且SOR高于NOR;与东北部城区SOR(0.37)和NOR(0.19)[2]进行对比,发现开发区SOR值显著高于城区,而NOR值则略低于城区,这表明开发区的大气环境更有利于SO2的转化.此外,夏、秋、冬、春4个季节代表月,SOR分别为0.64、0.49、0.33、0.27,表现为夏>秋>冬>春,而NOR分别为0.25、0.14、0.12、0.14,表现为夏>秋~春>冬;相应清洁天和霾天SOR值分别为0.49和0.73,0.30和0.59,0.26和0.39,0.25和0.30,而NOR值分别为0.15和0.30,0.08和0.19,0.08和0.14,0.10和0.19,呈现出霾污染天SOR和NOR均明显高于清洁天,且夏季霾污染天SO2和NO2的二次转化过程最为显著.

图5 PM1中SOR和NOR季节变化

PM1中SO42-和NO3-的形成与其前体物SO2、NO2和光化学氧化剂O3浓度以及T、RH等气象要素存在着较为复杂的关系[26].有研究指出SO2和NO2的氧化机制主要有两条途径:气相氧化和非均相氧化(或液相氧化),其中气相氧化受大气氧化性影响较大,而非均相氧化更多受相对湿度RH影响[27].由表3可知,研究期间,影响SO42-和NO3-形成的主要因素存在显著的季节差异,这可能与北京4季分明的气象特征有很大关系.大气环境本身就是一个天然反应器,以太阳为辐射光源,大气气态污染物SO2、NO2、NH3等为共存的反应物,大气中O3、OH和HO2等自由基为氧化剂,不同的季节特征相当于不同的反应条件,PM1中SO42-和NO3-为该天然反应器中的生成物.在不同的反应条件下,SOR和NOR以及与上述诸因素的相关性可以很好地揭示影响SO42-和NO3-形成的重要因素.

例如PM1中SO42-的形成,在夏季模式,温度较高,且变化范围较小(22~31℃),同时,相对湿度较高,且变化范围较大(43%~92%).此期间,SOR值较高,且与RH表现出较好的相关性(0.50),说明RH越高越有利于SO2的液相氧化.此外,SOR与NH4+呈现显著的相关性,相关系数为0.75,说明RH较高的大气中碱性NH3的存在可以促进SO2液相氧化,并形成(NH4)2SO4,这与Wang等[28]的研究结果相一致.值得注意的是SOR与O3的相关性较低,说明夏季SO2的液相氧化可能与OH和HO2自由基有关.在秋季模式,温度适中,且变化范围较大(8~23℃),与夏季有所不同;而相对湿度较高,变化范围较大(44%~90%),与夏季相似.此期间, SOR与温度、RH以及NH4+呈现较高的相关性,相关系数分别为0.73、0.69和0.69,说明温度、RH和NH3对SO2液相氧化有很大促进作用,故SOR较高.而NO2和O3对SO2液相氧化有较小的影响.在冬季模式,温度很低,变化范围较小(-7~3℃),相对湿度普遍较低(20%~89%).此期间, SOR与RH表现出较低的相关性,而与NH4+和NO2呈现较高的相关性(0.74和0.65),说明在低温低湿条件下,RH对SOR的影响较小,此时SO2的氧化可能以气相氧化为主, NH3和NO2对SO2的气相氧化有显著促进作用.但值得注意的是,冬季SO2的气相氧化受前体物SO2的负向影响较大(-0.67),而受O3的负向影响较小(-0.38).在春季模式,温度较冬季有所升高,且变化范围较小(11~19℃);而相对湿度普遍较低,且变化范围较大(16%~64%).此期间,SOR与RH有较低的相关性,而与温度和O3有较好的正相关性(0.53和0.48),说明春季SO2的氧化也以气相氧化为主,且受NO2的负向影响较明显(-0.52).综上所述,夏秋季SO2的氧化以液相氧化为主,主要受RH、温度、NH3或NO2的影响;冬春季SO2的氧化以气相氧化为主,受温度、氧化剂O3或HO(OH和HO2)自由基、NO2或NH3的影响较大.由于夏秋季SOR值均大于冬春季,如前所述,说明液相反应是SO42-形成的重要途径.

表3 不同季节SOR和NOR分别与大气污染物和气象要素的相关性(r)

同理,PM1中NO3-的形成,夏季模式下,NOR与T和RH无明显相关性,而与O3表现出较好的相关性(0.52),这与吴烈善等[29]对夏季香河地区的研究结果相一致,说明夏季NO3-形成主要以NO2的气相氧化为主.此期间,NOR与NH4+有较高的相关性(0.79),说明大气中碱性NH3对NO2的气相氧化有显著促进作用,而前体物NO2对NO3-形成有较低的负向影响.秋季模式下,NOR与和RH均呈现较高的相关性(0.69和0.64),而与O3呈现较低的相关性,说明秋季NO3-的形成主要以NO2的非均相氧化为主.同样,NH3对NO2的非均相氧化也有重要的影响(0.84).冬季模式下,NOR与RH有较好的相关性(0.54),而与O3有较好的负相关性(-0.68),说明冬季NO3-形成以NO2的气相氧化和非均相氧化两种方式为主,其中气相氧化受O3的影响较大,而非均相氧化受相对湿度的影响较大.此期间,NOR与NH4+和NO2表现出显著的相关性(0.91和0.79),说明大气中NH3与NO2对NO3-的形成有很高的促进作用.春季模式下,NOR与有较低的相关性,而与RH和O3均呈现较好的相关性(0.56和0.58),说明春季NO3-的形成也以NO2的气相氧化和非均相氧化两种方式为主,与冬季相近.此期间,NOR与NH4+表现出较高的相关性,相关系数为0.77,与SO2有较低的相关性,说明大气中NH3与SO2对NO3-的形成均有不同程度的促进作用.综上所述可知,夏季NO2的氧化以气相氧化为主,主要受O3和NH3的影响.秋季NO2的氧化以非均相氧化为主,主要受温度、相对湿度和NH3的影响.而冬春季NO2的氧化以气相和非均相氧化两种方式为主,主要受相对湿度、O3和NH3的影响.

2.4 影响霾污染形成的重要气象要素

近地面天气型的变化对霾污染的形成具有重要的影响.例如2016年12月29日~2017年1月8日一次典型霾污染过程,如图6所示, 2016年12月29日,冷高压中心位于内蒙古地区,并逐渐向东南方向移动,北京等华北地区迎来大风降温天气,如图6a所示,此时温度和相对湿度较低;水平气压梯度力较高,来自北部的冷空气对局地污染物有较强清除作用,能见度水平较高.之后到2017年1月1日,华北地区逐渐形成了典型鞍型气压场,如图6b所示,北京及周边地区受其影响,风速减小,气压较稳定,不利于污染物在水平方向的输送;同时,逆温现象的出现,如图7b所示,不仅不利于天气尺度扰动的发展,而且减弱了低层大气的垂直混合[30],造成污染物累积.直到2017年1月4日,冷高压中心盘踞在蒙古和西伯利亚地区,北京位于高压脊线附近,如图6c所示,气压梯度小,形成高压均压场,造成近地面和低空风速较小,逆温层下沉,如图7c所示,大气层结稳定,不利于大气污染物的扩散和稀释,污染物浓度进一步累积并达到峰值.其后冷高压中心逐渐南移,气压梯度明显增强,冷空气活动南下,均压场被打破,逆温层逐渐上移变薄.直至1月8日,如图6d所示,北京地区处于西伯利亚高压前部,等压线较密集,区域气压梯度力大,风速大,垂直扩散能力强,逆温层消失,如图7d所示,北京地区的空气质量显著改善.可见,鞍型气压场、均压场、逆温层等对霾污染的形成起着至关重要的作用.

图6 典型霾污染过程气象场

图7 霾和非霾天气不同海拔高度温度变化曲线

此外,气团传输对霾污染的形成也具有重要影响.后向轨迹法能有效地模拟气团传输的路径.研究期间,以亦庄开发区为后向轨迹起始点,模式起始高度为500m,后向尺度为72h,时间分辨率为1h,采用HYSPLIT模式(HYSPLIT 4.0)模拟4个季节代表月的气团传输轨迹,并根据总空间方差(TSV)值对模拟的不同时期气流轨迹进行聚类分析,得出各季节霾天和非霾天气团轨迹的统计分析结果,如图8所示,夏季霾天气发生时,气团主要以偏弱的南和东南风为主,分别占52%和40%,而非霾天气时,主要受34%局地气团,22%北向气团和13%东北向气团影响,南向气团输送显著降低;秋季霾天气发生时,主要以短距离南向气团输送为主,占气团总输送的51%,而西南、东北和西北气团输送分别占18%、19%和13%,非霾天气时,主要以东北和西北向长距离气团输送为主,西南向气团只占7%;冬季霾天气发生时,主要以来自东南方向的短距离气团输送和西偏北气团输送为主,分别占气团总输送的35%和34%,而非霾天气时主要以西北和北偏西气团长距离输送为主,占总气团输送的91%;春季霾天气发生时,主要以西南气团短距离传输为主,占气团总输送的59%,而非霾天气气团主要来自西北方向.综上所述,各季节霾天气的形成主要受南、东南和西南方向偏弱气团控制,且该气团多在近地面移动[29],而非霾天气主要受北、东北和西北气团长距离输送的影响,这与北京市特有的“簸萁”型地理位置有很大关系.

总之,鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输对霾污染的形成具有重要的影响.

3 结论

3.1 研究期间亦庄开发区PM1平均浓度为73.95μg/m3,高于北京市同期估算的PM1平均水平,且为北京市的1.13倍.夏、秋、冬、春4季代表月,PM1平均浓度分别为69.22, 63.38, 99.50, 57.26μg/m3,明显呈现出冬季>夏季>秋季>春季的季节变化特征.夏、秋、冬、春4季,霾天亚微米粒子平均浓度分别是清洁天的1.78、3.01、3.17和1.21倍,其中冬季霾天PM1增幅最为显著,其次是秋季和夏季,春季增幅最小.

3.2 开发区总水溶性离子平均浓度为37.30μg/m3,占PM1总质量浓度的50.44%,其中二次无机组分SNA平均质量浓度占总水溶性离子浓度的86.98%,是PM1中水溶性离子的最主要组成部分.PM1总水溶性离子浓度的季节变化取决于SNA的变化特征,即冬季>夏季>秋季>春季;水溶性离子K+、Na+、Cl-和F-浓度的季节变化与SNA相似,均表现为冬季较高、春季较低的变化特征;而Ca2+和Mg2+浓度则呈现春夏季>秋冬季的变化特征.此外,研究期间机动车排放对大气环境的影响明显高于燃煤排放.

3.3 研究期间,SOR的平均值高于NOR的平均值,且SOR表现为夏>秋>冬>春,而NOR表现为夏>秋~春>冬,相应霾污染天SOR和NOR均明显高于清洁天,其中夏季霾污染天SO2和NO2的二次转化过程最为显著.SO2向SO42-转化主要受RH、T、NO2以及NH3的影响,且液相反应是硫酸盐形成的重要途径.NO2向NO3-的转化受RH、T、大气光化学氧化剂O3以及NH3的影响较大.

3.4 鞍型气压场、均压场和逆温层的出现致使大气层结稳定,导致霾污染的形成.以南、东南和西南方向为主的近地面偏弱气团传输也是影响霾污染形成的重要因素.而非霾天气主要受北、东北和西北气团输送的影响,这与北京市特有的“簸萁”型地理位置有很大关系.

[1] 张霖琳,王 超,朱红霞,等.北京混合功能区夏冬季细颗粒物组分特征及来源比较 [J]. 中国环境科学, 2016,36(1):36-41.

[2] 邓利群,李 红,柴发合,等.北京东北部城区大气细粒子与相关气体污染特征研究 [J]. 中国环境科学, 2011,31(7):1064-1070.

[3] Chen J, Qiu S S, Shang J,et al. Impact of Relative Humidity and Water Soluble Constituents of PM2.5on Visibility Impairment in Beijing, China [J]. Aerosol and Air Quality Research, 2014,14:260- 268.

[4] Zhang J K, Sun Y, Liu Z R, et al. Characterization of submicron aerosols during a month of serious pollution in Beijing, 2013 [J]. Atmospheric Chemistry and Physics, 2014,14(6):2887-2903.

[5] Sun Y, Wang Z, Dong H, et al. Characterization of summer organic and inorganic aerosols in Beijing, China with an Aerosol Chemical Speciation Monitor [J]. Atmospheric Environment, 2012,51:250-259.

[6] Sun Y L, Wang Z F, Fu P Q, et al. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9):4577-4592.

[7] 陶 俊,张仁健,董 林,等.夏季广州城区细颗粒物PM2.5离子特征 [J]. 环境科学, 2010,31(7):1417-1424.

[8] Liu X, Sun K, Qu Y, et al. Secondary Formation of Sulfate and Nitrate during a Haze Episode in Megacity Beijing, China [J]. Aerosol and Air Quality Research, 2015,15:2246-2257.

[9] 程念亮,李云婷,邱启鸿,等.2013年北京市PM2.5重污染日时空分布特征研究 [J]. 中国环境监测, 2015,31(3):38-42.

[10] 郭家瑜,张英杰,郑海涛,等.北京2015年大气细颗粒物的空间分布特征及变化规律 [J]. 环境科学学报, 2017,37(7):2409-2419.

[11] QX/T 113-2010 中华人民共和国气象行业标准 [S].

[12] Vecchi R, Marcazzan G, Valli G, et al. The role of atmospheric dispersion in the seasonal variation of PM1and PM2.5concentration and composition in the urban area of Milan (Italy) [J]. Atmospheric Environment, 2004,38(27):4437-4446.

[13] Yu L D, Wang G F, Zhang R J, et al. Characterization and Source Apportionment of PM2.5in an Urban Environment in Beijing [J]. Aerosol and Air Quality Research, 2013,13:574-583.

[14] Huang X J, Liu Z R, Zhang J K, et al. Seasonal variation and secondary formation of size-segregated aerosol water-soluble inorganic ions during pollution episodes in Beijing [J]. Atmospheric Research, 2016,168:70-79.

[15] Tian S L, Pan Y P, Wang Y S. Size-resolved source apportionment of particulate matter in urban Beijing during haze and non-haze episodes [J]. Atmospheric Chemistry and Physics, 2016,16(1):1-19.

[16] 安欣欣,赵 越,魏 强,等.北京城区PM2.5中有机碳和元素碳的变化特征 [J]. 环境科学与技术, 2015,38(8):214-219.

[17] Zhang Y, Huang W, Cai T, et al. Concentrations and chemical compositions of fine particles (PM2.5) during haze and non-haze days in Beijing [J]. Atmospheric Research, 2016,174-175:62-69.

[18] 金 鑫,程萌田,温天雪,等.北京冬季一次重污染过程PM2.5无机盐的变化特征 [J]. 环境化学, 2012,31(6):783-790.

[19] Wang H, Tian M, Li X, et al. Chemical Composition and Light Extinction Contribution of PM2.5in Urban Beijing for a 1-Year Period [J]. Aerosol and Air Quality Research, 2015,15:2200-2211.

[20] 刀 谞,张霖琳,王 超,等.京津冀冬季与夏季PM2.5/PM10及其水溶性离子组分区域性污染特征分析 [J]. 环境化学, 2015,34(1):60-69.

[21] Han T, Liu X, Zhang Y, et al. Role of secondary aerosols in haze formation in summer in the Megacity Beijing [J]. Journal of Environmental Sciences, 2015,31:51-60.

[22] Sun Y L, Wang Z F, Du W, et al. Long-term real-time measurements of aerosol particle composition in Beijing, China: seasonal variations, meteorological effects, and source analysis [J]. Atmospheric Chemistry and Physics, 2015,15(17):10149-10165.

[23] 江 琪,孙业乐,王自发,等.应用颗粒物化学组分监测仪(ACSM)实时在线测定致霾细粒子无机和有机组分 [J]. 科学通报, 2013, 58(36):3818-3828.

[24] Huang X, Liu Z, Zhang J, et al. Seasonal variation and secondary formation of size-segregated aerosol water-soluble inorganic ions during pollution episodes in Beijing [J]. Atmospheric Research, 2016,168:70-79.

[25] Zhang Y, Huang W, Cai T, et al. Concentrations and chemical compositions of fine particles (PM2.5) during haze and non-haze days in Beijing [J]. Atmospheric Research, 2016,174-175:62-69.

[26] 韩力慧,张 鹏,张海亮,等.北京市大气细颗粒物污染与来源解析研究 [J]. 中国环境科学, 2016,36(11):3203-3210.

[27] 张懿华,段玉森,高 松,等.上海城区典型空气污染过程中细颗粒污染特征研究 [J]. 中国环境科学, 2011,31(7):1115-1121.

[28] Wang G H, Zhang R Y, Gomez M E, et al. Persistent sulfate formation from London Fog to Chinese haze [J]. Proceedings of the National Academy of Sciences of the United States of America, 2016,113(48): 136300-13635.

[29] 吴烈善,孔德超,孙 康,等.香河夏季PM2.5水溶性无机离子组分特征 [J]. 中国环境科学, 2015,35(10):2925-2933.

[30] 杨孝文,周 颖,程水源,等.北京冬季一次重污染过程的污染特征及成因分析 [J]. 中国环境科学, 2016,36(3):679-686.

Pollution characteristics of PM1and factors affecting the formation of haze pollution at a developed zone in Beijing.

HAN Li-hui*, XIANG Xin, ZHANG Hai-liang, WANG Hong-mei, YAN Hai-tao, CHENG Shui-yuan, WANG Hai-yan

(Key Laboratory of Beijing on Regional Air Pollution Control, College of Environmental and Energy Engineering, Beijing University of Technology, Beijing 100124, China)., 2018,38(8)：2846~2856

A campaign of sampling atmospheric submicron particulate matter (PM1) samples at Yizhuang zone in Beijing during July, October 2016 and January, April 2017, was carried out to investigate the characteristics of PM1and itswater-solublespecies during four seasons and different haze periods. The important factors affecting the formations of the secondary ions and haze pollution were discussed. The results showed that the average concentration of PM1reached 73.95μg/m3for the entire study at Yizhuang zone, being 1.13times as high as the corresponding average concentration level of PM1in Beijing. Average concentrations of PM1in summer, autumn, winter and spring were 69.22, 63.38, 99.50 and 57.26μg/m3, respectively, showing the order of winter>summer>autumn>spring; the concentrations of PM1during haze days were 1.78~3.17times as high as those in clean days. The total water-soluble ion concentration in PM1was 37.30μg/m3, accounting for 50.44% of PM1; secondary ions SO42-、NO3-and NH4+(SNA) were the most important water soluble ions, which accounted for 86.98% of the total water soluble ions. The seasonal variation of the total water soluble ion concentrations in PM1was in accordance with SNA, following the order of winter > summer > autumn > spring. The average sulfur oxidation rate SOR was higher than the mean nitrogen oxidation rate NOR for the entire study, of which SOR presented the order of summer > autumn > winter > spring, and NOR showed the order of summer > autumn~spring > winter, and SORs and NORs in haze days were all significantly higher than those in clean days, especially in summer. The conversion of SO2to SO42-was apparently influenced by relative humidity RH, temperature, NO2and NH3, and aqueous chemical reactions of SO2on the surface of PM1might be the important pathway of SO42-formations. The conversion of NO2to NO3-was greatly influenced by RH,, O3, and NH3. The haze pollution formation was mainly influenced by saddle type pressure field, even pressure field, and inversion layer, as well as weak air mass transport from the south, southeast and southwest directions.

Yizhuang zone；PM1；physicochemical properties；SNA；haze pollution；meteorological factors

X513

A

1000-6923(2018)08-2846-11

韩力慧(1964-),女,山西太原人,副教授,博士,主要研究方向为大气污染与防治.发表论文30余篇.

2018-01-15

国家环保部公益性行业科研专项(201409003),国家留学基金委项目(201406545022),北京市教委)项目(PXM2016_014204_001029_ 00205967_FCG)

* 责任作者, 副教授, hlh@bjut.edu.cn