南京北郊秋季氣溶膠理化特征及潛在源區(qū)分布

龔宇麟,銀 燕*,陳 魁,王紅磊,安俊琳,胡 睿

?

南京北郊秋季氣溶膠理化特征及潛在源區(qū)分布

龔宇麟1,2,銀 燕1,2*,陳 魁2,王紅磊1,安俊琳1,胡 睿1,2

(1.南京信息工程大學氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心,江蘇南京210044；2.南京信息工程大學中國氣象局氣溶膠-云-降水重點實驗室,江蘇南京210044)

利用單顆粒氣溶膠質(zhì)譜儀(SPAMS)于2015年秋季對南京北郊大氣顆粒物進行了連續(xù)觀測,選取了4類主要顆粒:富元素碳顆粒(EC)、富有機碳顆粒(OC)、富鉀顆粒(K-rich)和富金屬顆粒(Metal),占總顆粒數(shù)的比例分別為29.39%,9.53%,26.55%,8.54%.分析了不同天氣下4類顆粒的粒子數(shù)和粒徑分布的變化,采用后向軌跡模型和濃度權(quán)重軌跡方法,得到了各類顆粒的潛在源區(qū)分布.結(jié)果表明,清潔、清潔降雨、污染、污染降雨,4類天氣采集到的顆粒物平均數(shù)分別約為2900,1300,6450,5950h-1.污染天氣下,EC和Metal顆粒對當?shù)仡w粒物污染的貢獻增大,各類顆粒的粒子數(shù)均大幅上升,并且除了OC顆粒,其他類顆粒粒徑普遍向大粒徑段偏移.強降水對各類顆粒均有明顯的清除作用,其中大粒徑段顆粒數(shù)下降最顯著,但在污染降雨天氣下,降水清除作用不明顯,且對各類顆粒的清除作用存在粒徑差異.不同來源氣團攜帶的細顆粒物數(shù)量與類別存在差異,總體上海洋氣團比內(nèi)陸氣團更清潔,氣團經(jīng)過陸地時會顯著受到當?shù)嘏欧旁吹挠绊?細顆粒物的高貢獻源區(qū)主要在本地及西南側(cè)的安徽馬鞍山一帶,各類顆粒物的強潛在源區(qū)分布也存在明顯差異.

單顆粒質(zhì)譜；化學成分；粒徑分布；后向軌跡；潛在源區(qū)

氣溶膠化學的傳統(tǒng)研究方法是用采樣器將顆粒物收集后再進行離線分析測試.其優(yōu)點是采樣較簡便,可操作性強,分析全面,定量較為準確.缺點是費時,無法獲知大氣反應(yīng)的細節(jié)和所采樣品的實時濃度與組分,且樣品在保存過程中可能有組分的損失或污染而得不到樣品的原始信息.隨后發(fā)展起來的氣溶膠實時在線測量技術(shù),可連續(xù)分析大氣氣溶膠成分與粒子的粒徑組成,較為完整地得到粒子化學成分的原始信息.氣溶膠質(zhì)譜技術(shù)作為其中的一種代表,具有時間分辨率高、信息量大、可靠性強等優(yōu)點而被廣泛應(yīng)用.目前單顆粒氣溶膠質(zhì)譜研究主要使用的儀器有美國TSI公司的單顆粒氣溶膠飛行時間質(zhì)譜儀(aerosol time-of-flight mass spectrometer, ATOFMS)和國產(chǎn)的單顆粒氣溶膠質(zhì)譜儀(single particle aerosol mass spectrometer, SPAMS).

國外學者們已利用單顆粒氣溶膠質(zhì)譜技術(shù)做了較為廣泛的研究,近年來其研究領(lǐng)域主要包括氣溶膠理化特性、污染特征、氣溶膠與氣象氣候的相互影響、氣溶膠源譜特征等[1-4].國內(nèi)對單顆粒氣溶膠質(zhì)譜儀的研發(fā)和應(yīng)用起步較晚,但近年來對污染天氣下氣溶膠的化學組分和混合狀態(tài)的研究已在不少城市開展[5-9],這些研究主要關(guān)注灰霾天氣下的顆粒物理化性質(zhì),而降水對其影響仍缺乏研究.不少學者們也嘗試利用單顆粒質(zhì)譜數(shù)據(jù)研究顆粒物的來源貢獻[10-14],不過對于潛在源區(qū)的研究還不多見.

南京集中了化工、鋼鐵冶煉等大型企業(yè),與快速發(fā)展的城市化和交通運輸使得城市及周邊地區(qū)顆粒物污染嚴重[15-16],不少學者基于濾膜采樣研究了南京大氣顆粒物中水溶性離子、有機碳與元素碳、重金屬等重要組分的污染特征和來源[17-19],但離線分析方法時間分辨率低,無法體現(xiàn)大氣中快速的反應(yīng)和演化過程.SPAMS可提供高時間分辨率的單顆粒質(zhì)譜數(shù)據(jù),南京地區(qū)已有利用其進行氣溶膠理化性質(zhì)分析的研究[20-23],但目前還缺乏對污染顆粒物理化特性及來源的全面了解,特別是關(guān)于南京顆粒物來源空間分布的研究較少.

本研究利用SPAMS于2015年秋季對南京北郊大氣細顆粒物進行了長時間連續(xù)觀測,并根據(jù)氣溶膠的質(zhì)譜特征選取了觀測期間主要的4類顆粒物,得到了其單顆?；瘜W組成和粒徑分布.結(jié)合空氣質(zhì)量和降水的數(shù)據(jù),統(tǒng)計了1h時間分辨率的氣溶膠單顆粒質(zhì)譜數(shù)據(jù),分析了不同天氣條件下顆粒物粒子數(shù)、類別和粒徑分布的差異.利用后向軌跡模型和濃度權(quán)重軌跡方法,分析了不同氣團影響下南京北郊細顆粒物的理化特征及其潛在源區(qū)貢獻,以期從單顆粒氣溶膠的角度表征南京北郊大氣細顆粒物的理化特性,解釋其潛在源區(qū)貢獻.

1 實驗分析方法

1.1 采樣時間與地點

本研究從2015年9月14日~11月30日在南京信息工程大學氣象樓(北緯32.21°,東經(jīng)118.72°)12樓(距地面約30m)設(shè)立采樣點進行連續(xù)觀測.觀測期間采樣點地面多受偏東風和偏西風影響,平均風速約1.8m/s.此觀測點位于南京主城區(qū)的北側(cè),靠近江北工業(yè)區(qū),其東側(cè)約4km是南京鋼鐵廠,東北側(cè)約10km是揚子石化和南京化工廠,附近的寧六公路車流量較大,周圍植被較多,還有少量農(nóng)田,受工業(yè)源、交通源和生活源的共同影響,可以代表南京城鄉(xiāng)結(jié)合部的污染特征.本研究所用風速風向等氣象要素由位于采樣點附近的大氣探測基地提供.

1.2 儀器介紹

研究使用的測量儀器為單顆粒氣溶膠質(zhì)譜儀(SPAMS,廣州禾信分析儀器有限公司).SPAMS原理的詳細介紹可參見Li等[24]的文獻.SPAMS主要由空氣動力學透鏡進樣裝置、雙激光測徑系統(tǒng)和雙極飛行時間質(zhì)譜儀三部分構(gòu)成.大氣中的氣溶膠顆粒首先經(jīng)過采樣管和硅膠干燥器,并通過空氣動力學透鏡聚焦成準直顆粒束引入真空系統(tǒng).進入測徑區(qū)后,顆粒連續(xù)散射2束相距一定距離的激光束,由顆粒經(jīng)過2束激光的時間差得到其終端速度,依此計算顆粒的空氣動力學直徑,并控制電離激光在顆粒到達電離區(qū)中心時出射激光將顆粒電離.電離產(chǎn)生的正負離子由雙極飛行時間質(zhì)譜儀分別檢測,經(jīng)數(shù)據(jù)采集系統(tǒng)處理后,獲得單個氣溶膠粒子的正負質(zhì)譜圖和空氣動力學粒徑.

1.3 數(shù)據(jù)分析

顆粒的分類由算法分類和人工合并2步實現(xiàn).首先通過自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)算法(ART-2a)[25]對數(shù)據(jù)進行初步分類,該算法能將具有相似質(zhì)譜特征的顆粒歸為一類,從而極大減少人工合并的工作量.本研究中使用的ART-2a算法參數(shù)如下:警戒因子0.75,學習率0.05,迭代次數(shù)20.然后通過人工分類將顆粒按質(zhì)譜特征進一步合并,選擇其中4種主要顆粒類型,分別是富元素碳顆粒(EC)、富有機碳顆粒(OC)、富鉀顆粒(K-rich)、富金屬顆粒(Metal).

研究使用MeteoInfo平臺下的TrajStat 1.4.4插件[26],將分類合并后各類顆粒的SPAMS小時平均粒子數(shù)數(shù)據(jù)添加至氣團后向軌跡,并進行聚類分析和濃度權(quán)重軌跡分析.氣團后向軌跡參數(shù)的設(shè)置主要參考劉浪等[13]的研究,高度為 500m,起始位置為觀測點(北緯32.2°,東經(jīng)118.7°),后推時間為48h,每隔1h繪制一條后向軌跡,通過聚類分析將觀測時間段內(nèi)的氣團軌跡分為6類.

濃度權(quán)重軌跡分析(concentration weighted trajectory, CWT)因未設(shè)定特定的污染臨界值,具有可量化不同源區(qū)強度的優(yōu)點,而廣泛應(yīng)用于污染物后向軌跡分析中[27-28].設(shè)置適當?shù)慕?jīng)緯度區(qū)域?qū)⒀芯康臍鈭F軌跡包含入內(nèi),并將區(qū)域網(wǎng)格化(0.2°′0.2°),對每個網(wǎng)格計算權(quán)重濃度,其計算見公式(1).

2 結(jié)果與討論

2.1 觀測期間單顆粒氣溶膠質(zhì)譜特征

由表1可見, K-rich和EC顆粒所占比例較大,分別為29.39%和26.55%,OC和Metal顆粒是余下類別中占比最大的2類.

表1 觀測期間各類顆粒物的數(shù)量和比例

采樣期間4類顆粒的平均質(zhì)譜特征見圖1.EC顆粒的譜圖中顯著含有一系列元素碳峰(如±12 [C]+/-、±24 [C2]+/-、±36 [C3]+/-、±48 [C4]+/-等[21]).在平均質(zhì)譜中,含碳數(shù)1~5的碎片峰較為常見,36 [C3]+所占比例遠高于其他元素碳峰,且-12 [C]-、24 [C2]+強度很低.其負譜圖中也含有高比例的硝酸鹽和硫酸鹽信號峰,且硝酸鹽峰(-46 [NO2]-、-62 [NO3]-)相對強度約是硫酸鹽峰(-97 [HSO4]-)相對強度的2倍.已有研究表明,南京秋季顆粒物中元素碳與機動車汽油燃燒排放污染有密切關(guān)系[18],所以這類EC顆粒可能較多來自機動車尾氣排放,并已老化富集了二次成分.

OC顆粒正譜圖中含有一些常見的有機碎片峰: 27[C2H3]+、37[C3H]+、43[C2H3O]+、51[C4H3]+、63[C5H3]+[29],負譜圖中主要含有硫酸鹽和硝酸鹽峰,此外還有-42 [CNO]-、-26 [CN]-等碎片峰.其硫酸鹽峰的相對強度高于硝酸鹽,但總體二次成分的比例降低.OC既有污染源排放的一次有機碳,也可通過大氣化學反應(yīng)二次生成,南京秋季有機碳的主要來源有生物質(zhì)燃燒、工業(yè)燃煤及道路和施工揚塵[18].

圖1 各類顆粒物的平均譜圖

K-rich顆粒的特點是正譜圖中含有非常強39[K]+,18[NH4]+的相對比例也較高,負譜圖中主要是硫酸鹽和硝酸鹽峰,此外還有一些微弱的有機碳和元素碳峰存在于顆粒的正負譜圖中.一般將鉀作為生物質(zhì)燃燒的示蹤物,但此類顆粒中其他生物質(zhì)燃燒的示蹤物如左旋葡聚糖(-59[C2H3O2]+、-73[C3H5O2]+)和-26[CN]-的存在并不明顯[29].由于SPAMS對于堿金屬的相對靈敏度要比銨根高很多[30],因此這類顆粒有可能部分是生物質(zhì)燃燒產(chǎn)生的,部分是二次轉(zhuǎn)化形成的銨鹽、硫酸鹽和硝酸鹽氣溶膠.

Metal顆粒中富鐵顆粒物的比例占此類的2/3以上,其正譜圖中富含金屬成分,23[Na]+、39[K]+、56[Fe]+都非常明顯,而其他金屬的信號則較弱,如51[V]+、55[Mn]+、67[VO]+、206- 208[Pb]+、209[Bi]+等.負譜圖中硝酸鹽峰(-46 [NO2]-、-62 [NO3]-)的相對強度均超過了0.3,而硫酸鹽峰(-97[HSO4]-)相對強度小于0.1,這是因為SO2需要水合化和氧化才具有酸性,而大氣中的硝酸氣體更容易與難溶的堿性物質(zhì)發(fā)生反應(yīng)[31],此外負譜圖中還存在-79[PO3]-、-17 [OH]-、-16[O]-等質(zhì)譜峰.錳、釩等金屬常在鋼鐵工業(yè)中用作冶金添加劑,研究也發(fā)現(xiàn)某些機動車尾氣中會含有較強的55[Mn]+、206- 208[Pb]+和磷酸鹽-79[PO3]-信號峰[32].因此,這類顆粒有可能來自于觀測點附近的鋼鐵工業(yè)生產(chǎn)和交通排放等過程.

2.2 不同天氣下各類顆粒粒子數(shù)和粒徑分布變化

觀測期間氣象要素的時間變化可見圖2,采樣點附近多為偏東風和偏西風控制,9月受臺風“杜鵑”的外圍影響有一次強降水過程.進入10月后,降雨日明顯變少.隨著大氣靜穩(wěn)天氣增加,還有外界污染輸送等外因影響,霧霾天氣增多.11月出現(xiàn)了持續(xù)連陰雨天氣,月末還出現(xiàn)了一次寒潮天氣.其中10月時間段的能見度因能見度儀故障,采用的是人工觀測結(jié)果.觀測期間能見度隨時間推移總體呈下降趨勢,其與相對濕度和PM2.5質(zhì)量濃度的也呈負相關(guān),相關(guān)系數(shù)分別為-0.70和-0.46.SPAMS采集到的顆粒數(shù)與大氣中PM2.5質(zhì)量濃度的相關(guān)系數(shù)為0.51,兩者具有一定的相關(guān)性.

圖2 觀測期間氣象要素和顆粒數(shù)的時間變化

根據(jù)時間分辨率為1h的PM2.5監(jiān)測數(shù)據(jù)和降水觀測數(shù)據(jù),以有無降水和PM2.5質(zhì)量濃度75μg/m3作為閾值將觀測時段分為清潔(clean)、清潔降雨(clean&rainy)、污染(polluted)、污染降雨(polluted&rainy)4類情況,樣本數(shù)分別為440、123、310、28個.表2中,清潔天氣下PM2.5質(zhì)量濃度在20μg/m3左右,而污染天氣下PM2.5平均質(zhì)量濃度已超過100μg/m3,4類情況能見度平均值逐步下降,污染天氣下其的平均值僅為2km.降雨的清除作用主要和降雨量、雨強等因素有關(guān)[33],當降雨量和雨強不夠大時,顆粒物并不能得到有效的清除,高濃度的顆粒物是導(dǎo)致能見度惡化的重要因素,同時相對濕度增加導(dǎo)致的吸濕增長效應(yīng)也會促進顆粒物粒徑增大,使能見度更為降低.

表2 不同天氣的分類標準及對應(yīng)環(huán)境參數(shù)的平均值

圖3 不同天氣下各類顆粒物的單位時間粒子數(shù)(a)與數(shù)量分數(shù)(b)

由圖3a可見,各類天氣采集到的4類顆粒的平均粒子數(shù)分別約為2900,1300,6450,5950h-1,其中所占比例較大的是K-rich和EC顆粒.清潔降雨天氣顆粒數(shù)僅為清潔天氣的1/2,而污染降雨天氣顆粒數(shù)和污染天氣相比僅有略微降低.對比清潔和污染天氣,可以發(fā)現(xiàn)污染天氣各類顆粒的粒子數(shù)均增加,特別是EC和Metal顆粒增加了2倍以上.清潔降雨天氣各類顆粒的粒子數(shù)較清潔天氣均大幅減少,特別是K-rich顆粒減少約2/3,說明這類顆粒含有較多的可溶性組分,容易被降水清除.污染降雨天氣與污染天氣相比,除了EC顆粒數(shù)略微增加,其他類顆粒的粒子數(shù)也降低,但減少比例明顯低于清潔組的情況.這表明降雨不強時,顆粒物不易被降雨清除,特別是EC等難溶于水的顆粒物.

由圖3b可見,清潔天氣下EC顆粒占比較低,K-rich顆粒所占比例較高.無論是清潔還是污染天氣下,降雨天氣下K-rich顆粒的比例較非降雨時降低.清潔天氣下OC顆粒的比例與污染時相比較高,這是因為污染時氣態(tài)污染物和顆粒物的濃度較高,OC顆粒容易發(fā)生反應(yīng)混合老化,失去其顯著的特征.污染時EC和Metal顆粒的比例均增加,說明當氣象條件不利于污染物擴散時,采樣點附近的機動車尾氣和鋼鐵廠排放產(chǎn)生的污染物容易在近地層堆積,對當?shù)丶氼w粒物污染的貢獻增加.

由于本觀測中SPAMS對于0.2~1.6μm粒徑段的顆粒物采集效率較高,因此將粒徑范圍分為7段0.2~0.4, 0.4~0.6, 0.6~0.8, 0.8~1.0, 1.0~1.2, 1.2~1.4, 1.4~1.6μm,見圖4.

研究表明,剛排放的EC顆粒主要集中在0.2~0.5μm的小粒徑段,其老化后即可作為有效的云凝結(jié)核,參與云內(nèi)過程,富集二次成分而增大[34],這可能是圖4(a)中EC顆粒在>0.6μm粒徑段出現(xiàn)高顆粒數(shù)的主要原因,也說明了觀測點附近污染較嚴重.清潔天氣下,EC顆粒在0.4~0.6μm和0.8~1.0μm粒徑段的顆粒數(shù)基本持平,大于0.6μm的顆粒數(shù)較小,降雨對其清除作用在大于0.6μm的粒徑段更明顯.污染天氣下,EC顆粒數(shù)顯著增加,特別是大于0.6μm的粒徑段,可增加2倍以上,降雨時0.4~1.0μm粒徑段顆粒數(shù)高于非降雨時,表明此粒徑段的顆粒物在污染時容易積累且較難被降雨清除.

由圖4(b)可見,OC顆粒整體粒子數(shù)較低,但其在小粒徑段的相對比例較高,清潔和污染天氣下粒徑分布的趨勢基本一致,污染時其在大粒徑段顆粒數(shù)增加不明顯.清潔降雨時,各粒徑段顆粒數(shù)均下降,污染降雨時,只有0.2~0.8μm粒徑段顆粒數(shù)下降較明顯.這是由于相對于大粒徑顆粒,小粒徑的有機物具有更大的比表面積和較高的反應(yīng)活性,容易參與各類氣體和液態(tài)或固態(tài)顆粒物的交互作用,老化形成其他更復(fù)雜的顆粒物.

圖4(c)是K-rich顆粒的粒徑分布,清潔天氣下K-rich顆粒主要存在于0.4~0.8μm粒徑段,降雨對顆粒物的清除效率較高,且在整個粒徑范圍內(nèi)都很明顯.污染天氣下其0.6~1.4μm粒徑段顆粒數(shù)增加較明顯,降雨時僅0.4~0.8μm粒徑段顆粒數(shù)略微降低,清除作用不明顯.

不同天氣下Metal顆粒的粒徑分布見圖4(d),與其他類別顆粒物相比,清潔天氣下Metal顆粒在大于0.6μm的粒徑段分布的比例更高,降雨對此粒徑段的顆粒物清除作用明顯.污染時大粒徑段所占比例進一步增加,大于0.6μm的顆粒數(shù)顯著增加,降雨只對大于0.8μm的顆粒物有一定清除效果.

圖4 不同天氣下各類顆粒物粒徑分布

2.3 不同氣團對顆粒物理化特征的影響及其潛在源區(qū)

通過聚類分析發(fā)現(xiàn)南京秋季時間段內(nèi)的氣團軌跡可分為6種,如圖5所示.Cluster 1代表來自西北內(nèi)陸蒙古一帶的遠距離輸送氣團,其速度最快,初始高度最高,占氣團軌跡總數(shù)的比例較小,為8.6%;Cluster 2也來自于西北方向,但速度較慢,經(jīng)河北、山東、安徽等地到達采樣點,占氣團軌跡總數(shù)的15.5%;Cluster 3占氣團軌跡總數(shù)的7.2%,初始高度較高,主要來自湖南、江西、一帶,在安徽境內(nèi)下沉.Cluster 4氣團的速度最慢,主要來自采樣點東南方向的江浙一帶,占氣團軌跡總數(shù)的14.5%.Cluster 5和Cluster 6是秋季最常見的兩類氣團,分別占氣團軌跡總數(shù)的30.9%和23.3%,這兩類氣團都經(jīng)過海上,Cluster 5氣團主要發(fā)源于黃海地區(qū),Cluster 6氣團則更偏北方,同時經(jīng)過陸地和渤海、黃海區(qū)域.

在氣團后向軌跡聚類的基礎(chǔ)上,統(tǒng)計了不同氣團影響下SPAMS觀測的4類顆粒數(shù),如圖6所示.從不同氣團對應(yīng)的顆粒數(shù)看,Cluster 2、3、4對應(yīng)的平均顆粒數(shù)>5400h-1,其中Cluster 3最高為5600h-1,Cluster 1、6在4600h-1左右,Cluster 5最低為3700h-1.各類氣團對應(yīng)的總顆粒數(shù)高低與其來源有一定關(guān)系,Cluster 2、3、4均為內(nèi)陸氣團,攜帶的顆粒物較多.Cluster 1雖然也來自內(nèi)陸,但該類氣團具有較大的風速與更清潔的發(fā)源地.Cluster 6則多經(jīng)過海濱地帶,Cluster 5大多來自黃海地區(qū),因此這類氣團最為清潔.

圖5 氣團后向軌跡聚類結(jié)果

·為南京北郊觀測點

同時有些氣團對應(yīng)的各類顆粒數(shù)也和其經(jīng)過的地區(qū)有明顯關(guān)系.如Cluster 1來源于北方,受其影響,EC和Metal顆粒數(shù)明顯低于其他類別,但OC和K-rich顆粒數(shù)較高.Cluster 5來源于海洋,但經(jīng)過上海、江蘇等經(jīng)濟發(fā)達地區(qū)時,受當?shù)嘏欧庞绊?雖然顆?？倲?shù)顯著低于其他氣團,但EC和Metal顆粒數(shù)仍較高,可占總顆粒數(shù)的60%.

比較6類氣團中各類顆粒的平均粒子數(shù)可以認識它們的潛在來源.EC顆粒除了受Cluster 1、6影響時粒子數(shù)較低,其他氣團影響時的粒子數(shù)更高且差別不大,由于Cluster 5氣團占軌跡總數(shù)的比例更大,因此可能蘇南地區(qū)對于EC顆粒的貢獻會更大.受Cluster 3、5影響時K-rich顆粒數(shù)很低,而其他來源于陸地的氣團控制下顆粒數(shù)普遍較高,這是因為秋收時秸稈焚燒現(xiàn)象在華中等地區(qū)較常見,會使顆粒物中K+的濃度上升[35].OC顆粒在受Cluster 1、2、3影響時粒子數(shù)相對較高,這些氣團主要來自觀測點的西側(cè).Metal顆粒則是受Cluster 3、4、5影響時粒子數(shù)相對較高,其中Cluster 3來自觀測點的西南方,而Cluster 4、5來自觀測點的東南方.

圖6 不同氣團軌跡下顆粒物污染特征

鑒于從氣團軌跡聚類分析得到的顆粒物潛在來源的空間分布信息仍不足,對SPAMS采集的顆粒物數(shù)、PM2.5質(zhì)量濃度及EC、OC、K-rich、Metal這4類顆粒的粒子數(shù)進行了CWT潛在源區(qū)分析,見圖7.

CWT高值區(qū)表示對觀測點該類物質(zhì)貢獻大的潛在區(qū)域.由圖7(a)、(b)可見,PM2.5和SPAMS采集的顆粒物的潛在源區(qū)分布總體形式較為相似,但由于SPAMS測量的顆粒物粒徑段主要在0.5~1.4μm,而PM2.5對應(yīng)空氣動力學直徑小于2.5μm的顆粒物,且SPAMS采集的顆粒物是以粒子數(shù)計量的,而PM2.5的單位是質(zhì)量濃度,所以兩者的CWT高值區(qū)的空間分布存在一定差異.

PM2.5大于70μg/m3的強潛在源區(qū)主要集中在觀測點西南側(cè)蘇皖交界處和長江南側(cè)的蘇錫常地區(qū),說明安徽馬鞍山一帶的工業(yè)基地和蘇南經(jīng)濟發(fā)達地區(qū)對采樣點PM2.5濃度存在遠距離輸送貢獻.而SPAMS采集的顆粒物數(shù)大于9000h-1的強潛在源區(qū)位于觀測點的西南方向,其次是觀測點西北方向,顆粒數(shù)約7000~8000h-1,同時蘇南地區(qū)存在中等強度的污染源區(qū).對比(a)、(b)兩圖表明觀測點西南側(cè)工業(yè)基地排放的污染物可能對當?shù)氐某氼w粒物濃度有更大的貢獻.

文獻報道南京秋季,機動車的汽油和柴油燃燒是EC的主要來源,而OC的主要來源是生物質(zhì)、工業(yè)燃煤、道路和施工揚塵[18].由圖7(c)、(d)可見,EC顆粒的強潛在污染源區(qū)主要在蘇南地區(qū),部分地區(qū)EC顆粒數(shù)可高于2000h-1,其次是安徽境內(nèi)滁州、馬鞍山一帶,這些地區(qū)經(jīng)濟發(fā)達,機動車保有量大,汽油和柴油燃燒是EC的重要來源.同時沿海地區(qū)也存在少數(shù)高值區(qū),表明船只排放也對EC有一定貢獻[36].

OC顆粒的強潛在污染源區(qū)則有2處,分別位于觀測點西北方向和西南方向, 主要分布在蘇皖交界地區(qū).安徽北部存在兩淮煤礦,亦建有大型煤電基地,東部的馬鞍山也是大型鋼鐵基地,會消耗大量工業(yè)煤炭,因此較多的OC顆?？捎晌鞅狈降腃luster 2氣團和西南方Cluster 3氣團這兩類氣團輸送到觀測點.

圖7(e)是K-rich顆粒的潛在源區(qū)分布,一般將K-rich顆粒看作生物質(zhì)燃燒的產(chǎn)物.CWT分析的結(jié)果顯示,這類顆粒物主要來源于觀測點西側(cè)的內(nèi)陸地區(qū),南側(cè)蘇皖交界存在少數(shù)顆粒數(shù)大于3600h-1的區(qū)域,而東側(cè)整體顆粒數(shù)都較低,這與已有研究中安徽、河南等地區(qū)的生物質(zhì)燃燒污染物排放量較高的結(jié)論相符[37].同時K-rich顆粒雖然整體粒子數(shù)較高,但CWT高值區(qū)的范圍較小,說明其來源廣泛而分散.

Metal顆粒中含鐵顆粒的比例極高,圖7(f)是Metal顆粒的CWT分析結(jié)果,其主要體現(xiàn)了含鐵顆粒物的來源分布.Zhang等[11]的研究表明,上海含鐵顆粒的主要來源是鋼鐵冶金工業(yè),如寶鋼工業(yè)基地,而南京、安徽同樣存在大型鋼鐵工業(yè)基地,分析中可能由于網(wǎng)格分辨率的限制,觀測點附近排放源的貢獻難以體現(xiàn),但位于觀測點西南和東南方向的CWT高值區(qū)展現(xiàn)了Metal顆粒物的跨區(qū)域輸送現(xiàn)象.

以上結(jié)果說明,總體上軌跡聚類分析和CWT潛在源區(qū)分析結(jié)果是較為一致的,前者主要體現(xiàn)后向軌跡和顆粒數(shù)的平均狀態(tài),后者則更能展現(xiàn)污染源區(qū)的空間分布信息.觀測期間不同類別顆粒物的潛在源區(qū)分布存在明顯差異,而各類顆粒均在觀測點西南方向存在CWT高值區(qū),表明此區(qū)域是南京北郊細顆粒物污染的重要潛在源區(qū).

圖7 顆粒物潛在源區(qū)分布

·為南京北郊觀測點

3 結(jié)論

3.1 利用SPAMS于2015年秋季對南京北郊大氣細顆粒物進行觀測,選取了觀測期間的主要4類顆粒物:富元素碳顆粒(EC)、富有機碳顆粒(OC)、富鉀顆粒(K-rich)、富金屬顆粒(Metal),占總顆粒數(shù)的比例分別為29.39%,9.53%, 26.55%,8.54%.

3.2 不同天氣下4類顆粒的粒子數(shù)和粒徑分布存在明顯差異.清潔、清潔降雨、污染、污染降雨,4類天氣采集到的顆粒物平均數(shù)分別約為2900,1300,6450,5950h-1.污染天氣下,EC和Metal顆粒對當?shù)丶氼w粒物污染的貢獻增大,各類顆粒的粒子數(shù)均大幅上升,且除OC顆粒外,粒徑普遍向大粒徑段偏移. 強降水對各類顆粒都有明顯的清除作用,特別是對于大粒徑段的顆粒物.但在污染降雨天氣下, 降水清除作用不明顯,且對各類顆粒物存在粒徑差異.

3.3 氣團后向軌跡分析表明,不同來源的氣團攜帶的細顆粒物數(shù)量和類別存在差異,總體上海洋氣團比內(nèi)陸氣團更清潔,氣團經(jīng)過陸地時會顯著受到當?shù)嘏欧旁吹挠绊?CWT方法結(jié)果表明,南京細顆粒物的高貢獻源區(qū)主要在本地及西南側(cè)的安徽馬鞍山一帶,各類顆粒物的強潛在源區(qū)分布也存在明顯差異,能夠體現(xiàn)顆粒物的跨區(qū)域輸送特征.

[1] Dall'Osto M, Harrison R M, Highwood E J, et al. Variation of the mixing state of Saharan dust particles with atmospheric transport. [J]. Atmospheric Environment, 2010,44(26):3135-3146.

[2] Pratt K A, Murphy S M, Subramanian R, et al. Flight-based chemical characterization of biomass burning aerosols within two prescribed burn smoke plumes [J]. Atmospheric Chemistry and Physics, 2011,11(24):12549-12565.

[3] Corbin J C, Rehbein P J G, Evans G J, et al. Combustion particles as ice nuclei in an urban environment: Evidence from single- particle mass spectrometry [J]. Atmospheric Environment, 2012, 51:286-292.

[4] Taiwo A M, Harrison R M, Beddows D C S, et al. Source apportionment of single particles sampled at the industrially polluted town of Port Talbot, United Kingdom by ATOFMS [J]. Atmospheric Environment, 2014,97:155-165.

[5] 蔣 斌,陳多宏,王伯光,等.鶴山大氣超級站旱季單顆粒氣溶膠化學特征研究[J]. 中國環(huán)境科學, 2016,36(3):670-678.

[6] 牟瑩瑩,樓晟榮,陳長虹,等.利用SPAMS研究上海秋季氣溶膠污染過程中顆粒物的老化與混合狀態(tài)[J]. 環(huán)境科學, 2013,34(6): 2071-2080.

[7] 何俊杰,張國華,王伯光,等.鶴山灰霾期間大氣單顆粒氣溶膠特征的初步研究[J]. 環(huán)境科學學報, 2013,33(8):2098-2104.

[8] 周靜博,任毅斌,洪 綱,等.利用SPAMS研究石家莊市冬季連續(xù)灰霾天氣的污染特征及成因[J]. 環(huán)境科學, 2015,36(11):3972- 3980.

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

[10] 陳多宏,李 梅,黃 渤,等.區(qū)域大氣細粒子污染特征及快速來源解析[J]. 中國環(huán)境科學, 2016,36(3):651-659.

[11] Zhang G, Bi X, Lou S, et al. Source and mixing state of iron- containing particles in Shanghai by individual particle analysis. [J]. Chemosphere, 2014,95:9-16.

[12] 陳多宏,何俊杰,張國華,等.不同氣團對廣東鶴山大氣超級監(jiān)測站單顆粒氣溶膠理化特征的影響[J]. 生態(tài)環(huán)境學報, 2015, 24(1):63-69.

[13] 劉 浪,張文杰,杜世勇,等.利用SPAMS分析北京市硫酸鹽、硝酸鹽和銨鹽季節(jié)變化特征及潛在源區(qū)分布[J]. 環(huán)境科學, 2016,37(5):1609-1618.

[14] 高 健,張岳翀,柴發(fā)合,等.北京2011年10月連續(xù)重污染過程氣團光化學性質(zhì)研究[J]. 中國環(huán)境科學, 2013,33(9):1539-1545.

[15] 沈鐵迪,王體健,陳璞瓏,等.南京城區(qū)夏秋季能見度與PM2.5化學成分的關(guān)系 [J]. 中國環(huán)境科學, 2015,35(3):652-658.

[16] 張秋晨,朱 彬,龔佃利.南京地區(qū)大氣氣溶膠及水溶性無機離子特征分析[J]. 中國環(huán)境科學, 2014,32(2):311-316.

[17] 張曉茹,孔少飛,銀 燕,等.亞青會期間南京大氣PM2.5中重金屬來源及風險 [J]. 中國環(huán)境科學, 2016,36(1):1-11.

[18] 袁思宇,沈國鋒,趙秋月.南京市秋季大氣顆粒物中有機碳和元素碳的濃度水平及分布特征[J]. 環(huán)境化學, 2014,(5):724-730.

[19] 劉鳳玲,盧 霞,吳夢龍,等.南京大氣細粒子中重金屬污染特征及來源解析[J]. 環(huán)境工程學報, 2014,8(2):652-658.

[20] 胡 睿,銀 燕,陳 魁,等.南京霧、霾期間含碳顆粒物理化特征變化分析[J]. 中國環(huán)境科學, 2017,37(6):2007-2015.

[21] Wang H, Zhu B, Zhang Z, et al. Mixing state of individual carbonaceous particles during a severe haze episode in January 2013, Nanjing, China [J]. Particuology, 2015,20:16-23.

[22] 秦 鑫,張澤鋒,李艷偉,等.南京北郊春季含Pb氣溶膠粒子來源分析[J]. 環(huán)境科學學報, 2015,35(3):641-646.

[23] Wang H, An J, Shen L, et al. Mixing state of ambient aerosols in Nanjing city by single particle mass spectrometry [J]. Atmospheric Environment, 2016,132:123-132.

[24] Li L, Huang Z, Dong J, et al. Real time bipolar time-of-flight mass spectrometer for analyzing single aerosol particles [J]. International Journal of Mass Spectrometry, 2011,303(2/3): 118-124.

[25] Song X, Hopke P K, Fergenson D P, et al. Classification of Single Particles Analyzed by ATOFMS Using an Artificial Neural Network, ART-2A [J]. Analytical Chemistry, 1999,71(4):860- 865.

[26] Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data [J]. Environmental Modelling & Software, 2009,24(8):938-939.

[27] Dimitriou K, Remoundaki E, Mantas E, et al. Spatial distribution of source areas of PM2.5by Concentration Weighted Trajectory (CWT) model applied in PM2.5concentration and composition data [J]. Atmospheric Environment, 2015,116:138-145.

[28] 王愛平,朱 彬,銀 燕,等.黃山頂夏季氣溶膠數(shù)濃度特征及其輸送潛在源區(qū)[J]. 中國環(huán)境科學, 2014,34(4):852-861.

[29] Zhang G, Bi X, Chan L Y, et al. Size-segregated chemical characteristics of aerosol during haze in an urban area of the Pearl River Delta region, China [J]. Urban Climate, 2013,4:74-84.

[30] Spencer M T, Prather K A. Using ATOFMS to Determine OC/EC Mass Fractions in Particles [J]. Aerosol Science and Technology, 2006,40(8):585-594.

[31] Sullivan R C, Guazzotti S A, Sodeman D A, et al. Direct observations of the atmospheric processing of Asian mineral dust [J]. Atmospheric Chemistry and Physics, 2006,7(5):1213-1236.

[32] 張 莉.基于單顆粒氣溶膠質(zhì)譜信息的分類方法研究及其應(yīng)用[D]. 上海:上海大學, 2013.

[33] 楊 帆.降雨對大氣顆粒物和氣態(tài)污染物的清除效率及機制[D]. 南昌:南昌大學, 2015.

[34] Zhang G, Bi X, He J, et al. Variation of secondary coatings associated with elemental carbon by single particle analysis [J]. Atmospheric Environment, 2014,92:162-170.

[35] Wang H, An J, Cheng M, et al. One year online measurements of water-soluble ions at the industrially polluted town of Nanjing, China: Sources, seasonal and diurnal variations [J]. Chemosphere, 2016,148:526-536.

[36] Tao J, Zhang L, Cao J, et al. Source apportionment of PM2.5at urban and suburban areas of the Pearl River Delta region, south China -With emphasis on ship emissions [J]. Science of the Total Environment, 2017,574:1559-1570.

[37] 田賀忠,趙 丹,王 艷.中國生物質(zhì)燃燒大氣污染物排放清單[J]. 環(huán)境科學學報, 2011,31(2):349-357.

Physical and chemical characteristics and potential source region distribution of aerosols over the northern suburb of Nanjing, during autumn.

GONG Yu-lin1,2, YIN Yan1,2*, CHEN Kui2, WANG Hong-lei1, AN Jun-lin1, HU Rui1,2

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2017,37(11)：4032~4043

Single particle aerosol mass spectrometry (SPAMS) was deployed to continuously observe the ambient aerosols over the suburb of Nanjing during the autumn of 2015. 4groups of particles were selected: EC-rich particles (EC), OC-rich particles (OC), K-rich particles (K-rich) and Metal-rich particles (Metal), accounting for 29.39%, 9.53%, 26.55% and 8.54% of total number, respectively. The particle number and size distribution of 4groups were analyzed under different weather conditions. Backward trajectory model and concentration weighted trajectory method were employed to obtain the potential source region of particles. The results showed that, the average number of total particles were about 2900, 1300, 6450 and 5950h-1, for clean, rainy clean, polluted, and rainy polluted days. The number of all groups of particles increased significantly and their size distribution shifted to larger size, except for OC. Heavy precipitation have obvious scavenging effects on all groups of particles, especially for the large size. However, the effects varied with particle size and were not notable in the rainy polluted days. Particles carried by the air mass from different source regions have different number and categories of fine particles. Oceanic air mass was mainly cleaner than continental air mass. Air mass was significantly influenced by the local emissions when it passed through the land. The potential source region of the fine particles were mainly located locally in Nanjing and southwest areas, around Ma’anshan of Anhui Province. The potential source region of 4groups of particles had distinct spatial distribution.

single particle mass spectrometry;chemical composition;size distribution;backward trajectory;potential source region

X513

A

1000-6923(2017)11-4032-12

龔宇麟(1992-),男,江蘇蘇州人,南京信息工程大學大氣物理學院碩士研究生,主要從事大氣物理與大氣環(huán)境研究.

2017-05-02

國家自然科學基金項目(91644203,91644224);江蘇高校優(yōu)勢學科建設(shè)工程資助項目(PAPD)

*責任作者, 教授, yinyan@nuist.edu.cn