大气细颗粒物(PM2.5)虽然在地球大气成分中的含量较少,但由于其粒径小,富含大量有毒有害物质,并且在大气中具有停留时间长及扩散距离远等特征,对空气质量及人体健康都会造成影响。而碳组分是PM2.5中重要的化学组分,占比可达30%~60%[1]。碳组分主要包括有机碳(OC)、元素碳(EC)和碳酸盐碳(CC),在一般气象条件下,CC在PM2.5中含量较低,在分析碳组分时常被忽略。OC分为由污染物燃烧直接排放的一次有机碳(POC)和污染物经过光化学反应后产生的二次有机碳(SOC)。EC主要由生物或化石燃料的不完全燃烧产生,它具有较好的化学稳定性,且只存在于污染源直接排放的一次气溶胶中。OC中可能包括多环芳烃和多氯联苯等化合物,对人体具有潜在的致癌、致突变效应[2]。EC能够吸附大气中的其他污染物,进入人体后会引发呼吸系统炎症、免疫系统损伤等。EC所具有气候效应,可以吸收太阳辐射造成全球气候变暖,并且可作为云凝结核改变云滴尺度分布和云的光学特性[3-5]。同时它的强吸光特性能够降低大气能见度,导致交通事故,造成人员伤亡和财产损失。
近年来,不少学者对PM2.5中碳组分的污染特征和来源进行了研究和解析。如董贵明等[6]研究了2017年12月—2018年12月北京南部城区PM2.5中碳质组分特征,指出OC质量浓度呈明显的季节特征,EC四季质量浓度水平均较低,SOC年均贡献为48.2%,二次形成的贡献很大。陈进等[7]分析了2018年夏季和2019年冬季武汉市城区PM2.5碳质组分特征及来源,指出武汉地区PM2.5中碳组分影响最大的是机动车污染,柴油车的影响突出。程龙等[8]分析了2020年12月—2021年2月合肥市冬季PM2.5中碳组分特征,指出冬季碳质气溶胶是PM2.5中主要组分,随着污染程度的加重,碳质气溶胶的质量浓度逐步增加,较大的相对湿度、明显降水或连续降水对OC和EC具有清除作用。崔倩等[9]分析了我国2007—2018年主要城市大气PM2.5及可吸入颗粒物(PM10)污染数据,指出从空间分布看,我国北方城市PM2.5平均浓度整体高于南方城市,且OC与EC浓度变化趋势总体一致。然而已有碳组分研究站点单一,且研究时间段相对较短。南京作为长三角特大城市,城郊污染特征差异显著,本研究设置了城区(草场门)和郊区(竹镇)2个监测站点,基于在线连续监测设备,分析了2022年PM2.5中OC、EC浓度水平,并对其季节、日变化特征、SOC等进行了研究,为精细化、分类别治理南京城区和郊区碳质气溶胶污染提供科学依据。
1 研究方法 1.1 监测时间2022年1月1日—2022年12月31日。
1.2 样品采集城区(草场门)采样地点位于江苏省南京环境监测中心6楼楼顶,经纬度坐标为东经118.749°,北纬32.057°。该站点处于南京市鼓楼区文教、居住及交通混合区,是较为典型的城区大气观测点,临近交通主干道,周围无明显的工业污染源影响。
郊区(竹镇)采样点位于江苏省南京市六合区竹镇大河桥水库旁,经纬度坐标为东经108.690°,北纬32.586°。该站点周围是农田和村庄,空气质量受到机动车尾气和工业排放等影响相对较小,因此在南京市大气污染研究中,通常将竹镇采样点作为背景对照点。
碳组分在线监测仪器为RT-4型半连续碳气溶胶分析仪(美国Sunset Lab公司),利用BAM-1020型β射线法PM2.5在线监测仪(美国MetOne公司)测定PM2.5质量浓度。采样器以8 L/min的流速进行样品采集,PM2.5被收集在碳气溶胶分析仪石英炉中直径约为1.7 cm的石英膜上,采集周期为45 min。
1.3 样品分析分析方法为热学-透射光学校正法(Thermo-Optical-Transmission,简称TOT法),为美国环保局推荐方法。石英炉内分2次程序升温,首次升温分阶段升至850 ℃,炉内通入载气氦气,较易挥发的OC会从膜上释放出来再进入二氧化锰(MnO2)氧化炉与氧气混合,生成CO2,被非色散红外(NDIR)检测器检测;石英炉内第2次升温至870 ℃,载气转化为氦氧混合气,膜上的EC被氧化释放后进入MnO2氧化炉,被氧化为CO2,继而被NDIR检测器检测。在首次升温过程中,较高的温度导致OC碳化成EC,使得分析结果OC测量值偏低而EC值偏高。因此,该仪器还辅助TOT法校正OC和EC的切割点。在线监测设备为24 h不间断运行,为了保证仪器的正常运行及数据的有效性,定期进行仪器的运维与质控。
1.4 数据分析利用Wu等[10-11]开发的MRS(Minimum Required method)软件计算2022年南京城区和郊区的(OC/EC)pri,从而得到SOC和POC质量浓度。计算公式如下:
$ \mathrm{SOC}=\mathrm{OC}-(\mathrm{OC} / \mathrm{EC})_{\mathrm{pri}} \times \mathrm{EC} $ | (1) |
$ \mathrm{POC}=(\mathrm{OC} / \mathrm{EC})_{\mathrm{pri}} \times \mathrm{EC} $ | (2) |
式中:OC——有机碳质量浓度,μg/m3;EC——元素碳质量浓度,μg/m3;SOC——二次有机碳质量浓度,μg/m3;POC——一次有机碳质量浓度,μg/m3;(OC/EC)pri——一次排放的气溶胶OC/EC比值。
2 结果与讨论 2.1 碳质组分的特征 2.1.1 碳质组分的整体特征2022年,南京城区ρ(PM2.5)平均值为26 μg/m3,郊区ρ(PM2.5)平均值为31 μg/m3,均低于《环境空气质量标准》(GB 3095—2012)Ⅱ类标准年均限值(35 μg/m3)[12]。城区OC、EC质量浓度分别为(5.24±2.39),(1.27±0.62)μg/m3,郊区OC、EC质量浓度分别为(5.67±2.45),(1.32±0.70)μg/m3。城区和郊区OC年均质量浓度在总碳中的占比均显著大于EC,占比分别为80.5%和81.4%,这说明OC是南京市PM2.5中主要的碳组分。城区OC、EC质量浓度低于郊区,这是由于污染源排放种类增加以及空气流动,导致污染物在一定区域内稀释混合,使城区和郊区大气污染程度差距较小甚至郊区更高。
2014—2018年OC和EC质量浓度分别为(6.38±3.91),(3.12±1.76)μg/m3[13],2022年南京OC和EC质量浓度相较于2014—2018年下降幅度较大,ρ(PM2.5)也呈下降趋势。2019年夏季北京城区PM2.5中OC和EC质量浓度分别为(6.34±0.64),(1.96±0.29)μg/m3[14]。2019年武汉城区夏季采样期间OC和EC的质量浓度均值分别为(5.628 ±1.787),(2.811±0.757) μg/m3;冬季采样期间OC和EC的质量浓度均值分别为(7.928±1.883),(4.232±1.450) μg/m3[7]。2020年6月—2021年5月,成都市OC和EC的质量浓度均值分别为(6.4±3.2),(3.2±1.1) μg/m3[15]。2020、2021年徐州市OC和EC的年均质量浓度分别为9.16,7.11 μg/m3和1.23,1.67 μg/m3[16]。可以看出南京市城区和郊区的OC、EC质量浓度均处于较低水平。
2.1.2 碳质组分季节变化特征2022年南京城区和郊区OC、EC质量浓度以及ρ(OC)/ρ(EC)的季节变化见图 1(a)(b)。由图 1可见,城区和郊区OC和EC的质量浓度均呈现出较为明显的季节差异,最高值均出现在冬季,最低值均出现在夏季。同时EC各季节变化幅度没有OC大,这可能是由于EC主要来自生物质和化石燃料的不完全燃烧,很大程度上受南京地区燃烧源排放的影响。
冬季静风天气也会使污染物滞留在空气中不易扩散,从而导致冬季碳组分浓度水平较高。城区受机动车排放影响较大,冬季低温使机动车启动时间延长造成不完全燃烧,也导致OC和EC质量浓度较高。郊区背景点受到冬季北方集中供暖影响,燃煤产生的大量污染物也会输送至南京从而加剧OC的污染水平。夏季污染源排放强度相对较弱,南京夏季盛行东南风,海洋输送清洁气团,再加上夏季降水量大,都在一定程度上稀释了本地污染物,导致城区和郊区污染物浓度水平都较低。秋季由于农事活动较多,加上秋季的气象条件稳定,郊区背景点碳组分水平高于城区。
2.1.3 碳质组分日浓度变化特征城区、郊区OC和EC质量浓度日变化趋势见图 2(a)—(d)。
由图 2可见,城区和郊区的OC和EC质量浓度均呈现白天低、夜间高的特点。这可能是因为白天温度较高,光照条件好,有利于SOC生成,同时夜间一次污染排放减少。城区OC在15:00—16:00左右出现了谷值,随后OC值逐步上升,在20:00左右达到峰值。城区EC在08:00左右出现第1个峰值,随后浓度逐步下降,14:00—16:00出现谷值,在20:00附近出现第2个峰值。第1个峰值可能是受到早高峰期间机动车尾气的影响,致使浓度较高。午间过后,机动车尾气排放量显著下降,并由于气温上升,气象扩散条件较好导致浓度下降,在15:00左右形成最低值。第2个峰值是由于夜间大气边界层高度下降导致大气层结变稳定,从而导致扩散条件不利,同时又受到了晚高峰时期机动车排放的影响。郊区OC和EC日浓度变化均呈双峰的特点。OC的第1个浓度峰值出现在07:00—09:00左右,随后在15:00—16:00左右出现了谷值,在20:00左右达到第2个峰值。EC同样也在05:00—09:00左右出现第1个峰值,随后在14:00—16:00左右出现谷值,在20:00附近出现第2个峰值。第1个峰值可能是各类产业、作业开始运作导致的,第2个峰值同样是由于夜晚扩散条件不利导致污染物浓度累积。
2.2 OC和EC来源比对分析以及SOC估算 2.2.1 OC和EC相关性分析对南京市不同季节OC和EC的相关性进行了研究,以此来推测碳气溶胶的来源。二者之间如果存在良好的相关性则表明排放源单一,反之排放源较为复杂[17]。城区和郊区不同季节OC和EC之间的相关性见图 3(a)—(d)。
由图 3可见,城区和郊区OC、EC的季节相关性均表现为秋冬高、春夏低,总体均呈现良好的相关性,具体为冬季>秋季>春季>夏季。这说明秋冬季城区和郊区污染来源较为一致,春季和夏季污染来源有差异。冬季OC和EC拟合线的斜率最高,这是因为冬季城区OC和EC主要受到机动车和人为因素影响,郊区背景点竹镇位于南京最北部、苏皖两省交界处,除受本地源影响外,也易受北部上风向的区域传输影响,污染来源一致性相对较高。夏季OC和EC相关性低于秋冬季,主要是由于夏季城区和郊区污染来源范围均较广且分散。
2.2.2 ρ(OC)/ρ(EC)比值分析在研究中通常用OC和EC的质量浓度比值分析颗粒物来源,根据现有研究结果,ρ(OC)/ρ(EC)为1.0~4.2,为机动车尾气排放;比值为2.5~10.5,为燃煤排放;比值为16.8~40.0,为生物质燃烧排放[18]。当ρ(OC)/ρ(EC)>2.0时,表明有SOC生成[19]。观测期间,城区和郊区ρ(OC)/ρ(EC)均>2.0[图 1(a)(b)],表明2个观测点PM2.5中均有明显的SOC生成。秋冬季城区ρ(OC)/ρ(EC)高于郊区,比值范围较宽,这说明城区污染来源比郊区复杂。
城区和郊区ρ(OC)/ρ(EC)直方分布见图 4。由图 4可见,城区和郊区ρ(OC)/ρ(EC)在2~7,表明碳质气溶胶受二次排放影响较大,来源主要是机动车和燃煤。城区站点临近交通干线,机动车对其影响大于燃煤。郊区站点远离城区,受周边区域燃煤影响大于机动车。郊区站点ρ(OC)/ρ(EC)有少许分布在16~20,数量多于城区站点,这说明生物质燃烧对郊区有一定的影响,且影响大于城区。
利用SPSS软件对OC、EC与气态污染物之间的相关性进行分析,结果见表 1。研究表明,二氧化硫(SO2)主要来自煤炭、石油等含硫燃料的燃烧[20-21],二氧化氮(NO2)、一氧化碳(CO)则认为受机动车尾气排放影响较大。由表 1可见,城区NO2、CO、SO2、臭氧(O3)与OC、EC均呈正相关,NO2、CO与OC、EC的相关性总体高于SO2和O3,这表明交通源对碳质气溶胶的贡献大于燃料燃烧。从季节变化看,尤其是在冬季,CO与EC、OC的相关性最高,表明冬季受交通源影响最为显著。夏季O3与EC、OC呈较强的正相关性,而冬季相关性较低。这主要是因为夏季O3浓度水平高,冬季O3浓度水平低,夏季气温高、大气氧化性强,更有利于进行光化学反应,促进O3和SOC生成[22]。
郊区NO2、CO、SO2、O3与OC、EC也均呈正相关,说明郊区碳质气溶胶可能受到机动车尾气和燃煤源的影响。从季节变化看,秋冬季和春季PM2.5中OC和EC与SO2、NO2和CO均呈显著正相关,表明燃煤源和机动车尾气对各季节碳质组分的影响都比较大。夏季OC和EC与SO2、NO2和CO相关性较低,这是因为夏季污染物浓度水平低,污染来源较为广泛且分散。和城区类似,郊区春季和夏季OC、EC与O3均呈正相关,而秋冬季OC、EC与O3相关性低。春夏两季O3浓度水平高于秋冬季,表明春夏季大气氧化作用强,光化学反应加快了前体物二次转化和O3的形成。秋冬季由于光照短,大气氧化能力弱,污染天气频发,能见度下降,不利于光化学反应的进行。
2.2.4 城区和郊区SOC估算结果为了估算SOC的浓度,本研究采用最小相关系数法(MRS)来确定(OC/EC)pri值。利用MRS方法[10-11]计算得出2022年南京城区(OC/EC)pri值为2.94,郊区(OC/EC)pri值为2.76[图 5(a)(b)]。
根据式(1)和(2)计算得到2022年城区POC和SOC年均质量浓度分别为(3.72±1.82),(1.52±1.10)μg/m3。郊区POC和SOC年均质量浓度分别为(3.65±1.94),(2.01±1.27)μg/m3。OC中均以POC为主且比重都超过50%,说明污染源的直接排放对南京市OC的质量浓度水平有较大的影响。城区POC质量浓度和郊区差别较小,郊区SOC质量浓度高于城区。
这表明城区站点受SOC影响较弱,可能是因为站点临近交通主干线,受机动车排放的一次气溶胶影响较大,需要重点关注机动车排放。郊区站点周边有大范围农田,大量秸秆燃烧排放的碳氢化合物、VOCs也相对较多,可能最终转化生成SOC,同时受外界传输影响,在传输过程中发生了持续性的氧化和生成SOC,导致背景点SOC在OC中占比较高。
3 结论(1) 2022年南京市城区OC、EC质量浓度分别为(5.24±2.39),(1.27±0.62)μg/m3,郊区OC、EC质量浓度分别为(5.67±2.45),(1.32±0.70)μg/m3。
相较于2014—2018年显著下降,这说明近年来采取的一系列治理措施成效显著。
(2) 从季节特征看,OC和EC的质量浓度呈现出较为明显的季节差异,城区和郊区OC、EC浓度最高值均出现在冬季,最低值均出现在夏季。各季节EC变化幅度没有OC大。OC和EC相关性表明,冬季城区和郊区的污染来源较为单一,城区夏季污染来源比冬季复杂。从日变化浓度看,城区和郊区OC、EC均呈现白天低、夜间高的特点,并且具有明显的峰谷值。
(3) 观测期间,城区和郊区ρ(OC)/ρ(EC)均>2.0,说明南京城区和郊区均存在二次污染。城区和郊区主要污染来源均是机动车和燃煤,城区受机动车影响大于燃煤,郊区受燃煤影响大于机动车,生物质燃烧对郊区影响大于城区。
(4) 通过MRS方法计算得到SOC和POC质量浓度水平,城区和郊区OC中均以POC为主且比重都超过50%,说明污染源的直接排放对南京市OC的质量浓度水平有较大的影响。城区需要重点关注机动车排放,郊区需要与周边区域协同治理燃煤、生物质燃烧等方面的污染排放。
[1] |
YANG F, TAN J, ZHAO Q, et al. Characteristics of PM2.5 speciation in representative megacities and across China[J]. Atmospheric Chemistry and Physics, 2011, 11: 1025-1051. |
[2] |
SAMARA C, VOUTSA D, KOURAS A, et al. Organic and elemental carbon associated to PM10 and PM2.5 at urban sites of north-ern Greece[J]. Environmental Science & Pollution Research, 2014, 21(3): 1769-1785. |
[3] |
HUANG R J, ZHANG Y, BOZZETTI C, et al. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature, 2014, 514: 218-222. DOI:10.1038/nature13774 |
[4] |
ÖRJAN G, KRUSÅ M, ZENCAK Z, et al. Brown clouds over South Asia: biomass or fossil fuel combustion[J]. Science, 2009, 323: 495-498. DOI:10.1126/science.1164857 |
[5] |
BOND T C, DOHERTY S J, FAHEY D W, et al. Bounding the role of black carbon in the climate system: A scientific assessment[J]. Journal of Geophysical Research Atmospheres, 2013, 118: 5380-5552. DOI:10.1002/jgrd.50171 |
[6] |
董贵明, 唐贵谦, 张军科, 等. 北京南部城区PM2.5中碳质组分特征[J]. 环境科学, 2020, 41(10): 4374-4381. |
[7] |
陈进, 袁畅, 陈雨, 等. 武汉市城区PM2.5碳质组分特征及来源解析[J]. 环境科学与技术, 2022, 45(11): 28-34. |
[8] |
程龙, 魏桢, 董昊, 等. 合肥市冬季细颗粒物中碳组分特征分析[J]. 中国环境监测, 2023, 39(2): 87-94. |
[9] |
崔倩, 张艳平, 莫杨, 等. 我国主要城市大气颗粒物及碳组分污染水平研究进展[J]. 环境卫生学杂志, 2021, 11(3): 287-295. |
[10] |
WU C, YU J Z. Determination of primary combustion source organic carbon-to-elemental carbon(OC/EC)ratio using ambient OC and EC measurements: Secondary OC-EC correlation minimization method[J]. Atmospheric Chemistry and Physics, 2016, 16(8): 5453-5465. DOI:10.5194/acp-16-5453-2016 |
[11] |
WU C, WU D, YU J Z. Quantifying black carbon light absorption enhancement with a novel statistical approach[J]. Atmospheric Chemistry and Physics, 2018, 18(1): 289-309. DOI:10.5194/acp-18-289-2018 |
[12] |
生态环境部. 环境空气质量标准: GB 3095—2012[S]. 北京: 中国环境科学出版社, 2012.
|
[13] |
丁峰, 朱志锋, 陆晓波, 等. 2014—2018年南京PM2.5中碳组分污染特征分析[J]. 中国环境监测, 2020, 36(2): 165-172. |
[14] |
沈嵩, 刘蕾, 温维, 等. 北京及周边地区夏季PM2.5中含碳组分污染特征与来源解析[J]. 环境工程, 2022, 40(2): 71-80. |
[15] |
李朝阳, 袁亮, 张小玲, 等. 成都碳质气溶胶变化特征及二次有机碳的估算[J]. 中国环境科学, 2022, 42(6): 2504-2513. |
[16] |
饶永才, 冯春莉, 邓国庆, 等. 2019—2021年徐州市大气细颗粒物化学组成特征及来源解析[J]. 中国环境监测, 2023, 39(2): 158-168. |
[17] |
谢添, 曹芳, 章炎麟, 等. 2015—2019年南京北郊碳质气溶胶组成变化[J]. 环境科学, 2022, 43(6): 2858-2866. |
[18] |
ZHANG Y X, SHAO M, ZHANG Y H, et al. Source profiles of particulate organic matters emitted from cereal straw burnings[J]. Journal of Environmental Sciences, 2007, 19(2): 167-175. DOI:10.1016/S1001-0742(07)60027-8 |
[19] |
尹寒梅, 陈军辉, 范武波, 等. 绵阳市2020年冬季PM2.5中碳组分的污染特性及来源分析[J]. 四川环境, 2023, 42(2): 50-56. |
[20] |
殷丽娜. 南京市大气细颗粒物中碳组分的时空分布特征及来源研究[D]. 南京: 南京大学, 2016.
|
[21] |
LIU H, WU B, LIU S, et al. A regional high-resolution emission inventory of primary air pollutants in 2012 for Beijing and the surrounding five provinces of North China[J]. Atmospheric Environment, 2018, 181: 20-33. DOI:10.1016/j.atmosenv.2018.03.013 |
[22] |
王成, 闫雨龙, 段小琳, 等. 阳泉市PM2.5中碳质气溶胶污染特征及来源分析[J]. 环境化学, 2021, 40(5): 1442-1451. |