大气颗粒污染物（共9篇）
大气颗粒污染物 篇1
收录日期:2012年4月23日
一、大气颗粒物污染简介
大气颗粒物指除气体之外的所有包含在大气中的物质, 包括所有各种各样的固体或液体气溶胶。其中, 有固体的烟尘、灰尘、烟雾, 以及液体的云雾和雾滴。粒径大到200微米, 小到0.1微米。
统计数据表明, 目前我国烟尘和粉尘排放量虽有逐年下降的趋势, 但影响城市空气质量的主要污染物仍是颗粒物。2004年的环境状况报告显示, 46.8%的城市颗粒物浓度超过二级标准;颗粒物污染较重的城市主要分布在西北、山西、内蒙、辽宁、河南、湖南和四川。总的来说, 随着300多个城市中达到二级标准的比例逐年增加, 中国城市的空气质量有所好转。
对于我国城市而言, 污染源主要为各种工业生产过程中产生的大气污染和居民燃煤污染。另外, 近年来私人轿车的数量急速增多和市政建设等也都带来了严重的环境问题。
二、大气颗粒物治理措施
(一) 加强污染物排放管理的建议。
政府部门需加强大气颗粒物污染管理力度。政府部门应将大气颗粒物排放制度化, 如进行以下流程:首先, 政府需明确污染排放许可证颁发的法规和管理流程, 包括许可证申请的严格化、污染指数检测报告的准确化、许可证管理人员的考核、许可证管理机关的执法权明确化、许可证审批程序的合理化以及管理资金的流向明朗化;其次, 在执法办事的过程中需要严格执行污染排放许可证颁发的法规和管理流程, 提高工作人员的素质以及办事效率。
(二) 城市生态环境整治建议。
城区生态环境综合整治方案的设计范围是以城市中心区的建成区为核心地域向外延伸。
1、水域生态工程方案。
城市中的水域具有吸尘、降尘和调节城市气候的重要作用, 是唯一不起尘的地域。保持并扩大现有水域面积, 提高水域覆盖率, 可控制大气中的污染物的扩散。
2、绿色生态工程方案。
绿化是城市生态建设的另一重要组成部分。绿化可以调节气候、减少污染、净化空气、防风固沙, 是非常经济的生物防治措施, 称之为“城市肺”。中心区TSP中扬尘比例较高, 与城市绿化率不高有着密切关系。因此, 方案对绿化工程做出重点规划。以林为主, 草花为辅, 建设大型防护林带和城市森林公园, 使绿化工程最大限度地发挥环境保护和生态平衡作用;建立林、草、花相间的城市立体景观系统, 使中心区内已建成地域的裸地全部绿化, 在建地域的裸地应随建设工程的结束时间而完成绿化工程。
(1) 在城市外部建立外防护林带, 并形成以沿河流、湖泊建立内防护林带, 使其最大限度地净化城市空气。
(2) 建立城市森林公园, 消耗城市日常产生的大气颗粒物污染。
(3) 在城市近郊储灰场和垃圾场附近建设高大防护林地, 以阻挡储灰坑和垃圾山起尘。
(4) 对于服务期满的土地进行恢复处理。还要做好裸地绿化工作, 退耕还林, 将废弃的、或暂时无用处的裸地充分利用, 建立绿化带或防护林带。
(三) 城市工业环境整治方案。
目前, 我国许多城市内或近郊都存在一些具有一定大气污染的工厂。对于这些工厂, 我们不仅要采取以上的管理方案, 还需严格按照国家相关部门的要求, 要求工厂进行废气的处理, 达到环保要求。对于大气颗粒物污染, 可以概括为以下几种控制技术, 机械力除尘、过滤除尘、静电除尘和湿式除尘四种类型, 其中前三种可统称为干式除尘。
1、机械力除尘。
机械力除尘是借助质量力的作用达到除尘目的的方法, 相应的除尘装置称为机械式除尘器。质量力包括重力、惯性力和离心力, 主要除尘器形式为重力沉降室、惯性除尘器和旋风除尘器等。
(1) 重力沉降。利用颗粒污染物与气体密度不同, 使颗粒污染物在重力作用下自然沉降下来, 与气体分离的过程。但因其效率低, 只能作为初级除尘手段, 主要用于高效除尘装置的前级除尘器。
(2) 惯性除尘。利用颗粒污染物与气体在运动中惯性力不同, 使颗粒污染物从气体中分离出来的过程。
(3) 离心除尘。利用旋转的气流所产生的离心力, 将颗粒污染物从气体中分离处理的过程。其中, 离心除尘器是机械式除尘器中效率最高的。主要缺点是对5微米以下的细小颗粒物去除效果不理想。
2、过滤除尘。
过滤除尘是使气流通过多孔滤料, 将气流中颗粒污染物截留下来, 使气体得到净化的过程, 主要有袋式除尘及颗粒层过滤除尘两种方式。
(1) 袋滤除尘。利用棉、毛或人造纤维等加工的滤布捕集颗粒污染物的方法, 主要通过筛分、惯性碰撞、扩散、静电、重力沉降等作用机制, 依靠滤料表面来捕集颗粒污染物, 属于外部过滤。
(2) 颗粒层过滤除尘。通过将松散多孔的滤料填充在框架内作为过滤层, 颗粒物在滤层内部被捕集的一种除尘方法, 属内部过滤方式。
3、静电除尘。
利用高压电场产生的静电力 (库仑力) 的作用从气流中分离悬浮粒子 (尘粒或液滴) 的一种方法。静电除尘处理气量大, 可应用于高温、高压场所, 广泛应用于工业除尘。静电除尘器的主要缺点是设备庞大、占地面积大、一次性投资费用高。
4、湿式除尘。
也称为洗涤除尘。该方法是用液体洗涤含尘气流, 使尘粒与液膜、液滴或气泡碰撞而被吸附, 凝聚变大, 尘粒随液体排出, 气体得到净化。由于洗涤液对多种气态污染物具有吸收作用, 因此它能净化气体中的固体颗粒物, 又能同时脱除气体中的气态有害物质, 某些洗涤器也可以单独充当吸收器使用。湿式除尘器结构简单、造价低、除尘效率高, 在处理高温、易燃、易爆气体时安全性好。不足是用水量大, 易产生腐蚀性液体, 产生的废液或泥浆进行处理, 可能造成二次污染。
5、粉尘与烟气处理。
粉尘和烟气主要来源于燃烧设备和工业生产工艺。对粉尘的净化控制, 主要是三类技术。对于烟气的处理技术, 主要是三种:一是洗涤吸收技术, 典型装置是烟气洗涤塔;二是吸附技术, 典型装置是过滤层净化器;三是催化处理技术, 典型装置有催化燃烧器、热催化器等。
三、结论
由于城市持续高速的经济增长和污染控制的困难, 城市空气污染治理仍面临着巨大的挑战。大气颗粒物污染是大气污染的主要方面。其对人类身心健康, 城市居住环境以及地球生态环境都有着巨大影响。目前, 由于治理资金以及技术等问题, 大气颗粒物的治理仍任重而道远。每种控制方法都有其使用条件和使用环境, 对于不同地域和不同条件还应根据各自需求选择正确的方式方法。
参考文献
[1]李春燕, 高翠香.大气颗粒物污染与城市生态环境整治方案[J].唐山学院学报, 2007.3.
[2]田丰.水利工程建设与保护生态环境可持续发展[J].辽宁工业大学学报 (自然科学版) , 2009.2.
[3]蒋展鹏.环境工程学[M].北京:高等教学出版社, 1992.
大气颗粒污染物 篇2
大气可吸入颗粒物中有机污染物的研究进展
有机污染物是可吸入颗粒物的重要组成部分,随着工业的发展、城市化进程的加快,颗粒有机物的污染日益突出,成为人们普遍关注的焦点.开展有毒有害有机物及不同污染源有机示踪化合物的系统研究,对城市大气污染的治理具有重要的.意义.本文概述了环境空气中有机污染物的化学组成、分类;对燃烧源、餐饮源、交通源等几种污染源的排放特征进行了着重分析,表明污染源不同,其排放特征具有很大差异.同时阐述了对有机污染物进行源解析的主要方法,并进一步探讨了有机污染物的预处理方法和分析检测技术.
作 者：董雪玲 袁杨森 DONG Xue-ling YUAN Yang-sen 作者单位：董雪玲,DONG Xue-ling(中国地质大学,材料科学与工程学院,北京,100083)袁杨森,YUAN Yang-sen(中国地质大学,能源学院,北京,100083)
刊 名：资源与产业 PKU英文刊名：RESOURCES & INDUSTRIES 年，卷(期)： 8(6) 分类号：X513 关键词：可吸入颗粒物 有机污染物 污染源 分析检测技术大气颗粒污染物 篇3
1 样品采集
1.1 采样地点及装置
2008年11月1日上午10点在成都理工大学第9教学楼A座楼顶雨棚下设置1个采样点, 距地面高度约18m。采样装置为一块经过清洁的30cm×80cm见方的平板玻璃, 置于专门的木支架上。
1.2 采样频率及样品收集
从2008年11月开始, 在每个月的最后一天取样一次。取样前, 准备好清洁过的软毛刷、白纸、酒精棉球, 先用软毛刷将沉降在平板玻璃上的大气颗粒物样品收集到白纸上, 然后用酒精棉球将平板玻璃擦拭干净, 以接收下一次的样品。每次收集到的样品分别进行编号后放入干燥箱中保存, 并将用过的软毛刷清洗干净, 晾干, 以备下次使用。采样期间共收集到12份样品。
2 样品分析
所有样品收集完毕之后, 进行样品的制备。先将每份样品研磨均匀 (粒度100目) , 然后用天平进行称重。对于短照射用样品, 称取相应重量后, 封入清洁的聚乙烯袋中。
所有的样品都送往中国原子能科学研究院进行照射, 由于时间关系, 只进行了短照射, 照射时间4小时。将活化后的样品在高纯锗 (HPGe) γ射线谱仪计算机全自动测量系统中进行分析测量, 得出了Sm、Mo、Ce、Ca、Lu、U、Yb、Th、Cr、Au、W、Hf、Ba、Nd、As、Sb、Cs、Br、Tb、Sc、Rb、Fe、Zn、Ta、Co、Na、Eu、La、K等29种元素的含量。
3 数据分析
采用富集因子法对得出的数据进行统计学分析, 并与近20年内测得的几组数据进行对比分析, 研究该地区大气颗粒物污染的变化趋势, 最后与其他五个城市的大气颗粒物污染情况进行了对比分析。
3.1 富集因子法
富集因子法是戈登 (Gorden) 于1974年首先提出来的。它用于研究大气气溶胶粒子中元素的富集程度, 判断和评价气溶胶粒子中元素的自然来源和人为来源[2]。首先选择一种相对稳定的元素R作参比元素, 将气溶胶粒子待考查元素i与参比元素R的相对浓度 (Xi/XR) 气溶胶和地壳中相对应元素和R的平均丰度求得的相对浓度 (Xi′/XR′) 地壳, 按下式求得富集因子 (EF) 地壳:
式中Xi′和XR′分别是元素i和R的地壳丰度。以Sc作为参比元素, 分别计算春、夏、秋、冬四季所收集样品经中子活化分析测得元素的富集因子, 如图1所示。
由图1可知, 富集因子较大的元素主要有Au、As、Sb、W、Br、Zn, 即为该地区大气颗粒物中主要的污染因子。
3.2 大气颗粒物污染的变化趋势
成都理工大学中子活化分析实验室利用已有实验设备的优势, 分别在1988年、1990年、1997年、2002年、2007年对校园内的大气降尘进行了采样、分析。对这五次的测量数据与本次的数据进行比较后, 选取共同的元素进行富集因子计算, 所得结果如图2所示。
从图2可以看出Lu、Sm、Fe、Hf、La、Ce、Th、Co等地壳元素的富集因子在这6次测量中没有出现大的波动, 相对比较稳定, 而主要污染元素As、Sb、Zn则出现了较大的波动。As的富集因子从1988~2002呈稳步上升的趋势, 从1988年的8.78上升到1990年的29.07, 一个很主要的原因是位于采样点东南1公里处的华能成都电厂在1990年正式投入运营, 煤的大量燃烧造成了大气降尘中As的富集, 在2002年达到最大值58.72。华能成都电厂在2007年6月16日12点05分正式关闭之后, 成都理工大学刘晓辉老师于2007年6月24日~7月10日对校园中的大气降尘进行了采样分析, 结果显示As的富集因子大幅降低至31.33, 并且在2008年的测量中仍维持在31.93的水平, 这说明大气降尘中污染元素As的主要来源是燃煤。而污染元素Sb的富集因子在华能成都电厂关闭前后出现波动, 说明Sb的来源不仅仅是煤的大量燃烧, 还与其他的人类活动造成的污染源有关。Zn的富集因子在2002年后持续大幅降低, 可能的原因是随着社会和经济的发展, 成都理工大学周边地区大量减少了使用植物桔梗作为燃料。
3.3 与其他城市的比较
为了能够对成都理工大学所在地区的大气颗粒物污染水平有一个更加全面、深入的认识, 本文选取了北京、哈尔滨、重庆、武汉、长沙等5个城市, 对大气颗粒物中的5个主要污染元素As、Br、Zn、Pb、Sb的富集因子进行了对比研究。
6个城市大气颗粒物中5个主要污染元素的富集因子如表1所示, 其中, 北京的污染是最严重的, 其次是哈尔滨和重庆, 成都、武汉和长沙的污染水平相对比较低。
虽然成都的大气颗粒物中5个主要污染元素的富集因子相对于污染严重的北京、哈尔滨要低很多, 环境质量相对较好, 但仍然存在一定的污染, 需要进行更进一步的研究, 找出大气颗粒物污染的来源。
4 污染源解析
为了有效地整治城市大气颗粒物的污染, 改善空气的区域环境质量, 客观诊断大气颗粒物污染的来源是大气污染研究极为重要的内容。为了更好地区分颗粒物的来源, 表2给出了各类污染源的主要特征元素, 为判断颗粒物中污染源提供了依据。
本研究采用的是美国SPSS13.0 for Windows软件中的因子分析法来进行源解析, 分析的对象为2008~2009年度在1号采样点收集的12份样品经中子活化分析后所测得的元素含量数据。
采用SPSS13.0 for Windows软件中的FA模块 (因子分析法) 进行原有变量是否适合因子分析的判断, 然后提取因子, 最后得出经极大方差法旋转后的因子载荷矩阵如表3所示。
由表3可以看出, 第一因子中土壤元素Lu、Sm、Hf、La、Ce、Yb、Th载荷较高, 载荷值均在0.8以上, 由此可知是土壤尘源, 其贡献率为48.04%;
第二因子中元素As、Sb的载荷较高, 载荷值为0.94和0.81, 它们是燃煤尘源的标识元素, 其贡献率为17.13%;
第三因子中元素Br的载荷较高, 载荷值为0.83, 它是汽车尾气尘源的标识元素, 其贡献率为12.42%;
第四因子中元素Ca的载荷较高, 载荷值为0.85, 它是建筑尘源的标识元素, 其贡献率为6.37%;
第五因子中元素Fe、Cr、W载荷较高, 载荷值为0.85、0.64和0.79, 它们是钢铁冶金尘源的标识元素, 其贡献率为5.26%;
第六因子中元素K、Zn载荷较高, 载荷值为0.82和0.68, 它们是植物及垃圾焚烧尘源的标识元素, 其贡献率为3.61%。
由此得出该地区大气颗粒物污染的主要污染源有6个, 分别为土壤尘源、燃煤尘源、汽车尾气尘源、建筑尘源、钢铁冶金尘源和植物及垃圾焚烧尘源。
5 结论与展望
运用中子活化分析方法对成都理工大学校园内采集的大气颗粒物样品进行了分析, 测量了29种元素的含量。然后运用富集因子法进行了统计分析, 得出了大气颗粒物中的主要污染物, 并与近20年内测得的几组数据进行了对比分析, 最后利用统计分析软件SPSS13.0 for Windows中的因子分析法对该地区大气颗粒物的污染源进行了源解析, 得出了6个主要污染源, 对该地区的大气污染防治提供了参考依据。
在今后的研究中, 可以建立相对多一些的采样点, 并运用多种统计方法进行分析, 使之相辅相成、取长补短, 解析结果互相验证, 得到和实际情况比较符合的结果, 使源解析工作更具有实际意义。
摘要：对成都理工大学校区采集的大气颗粒物样品进行中子活化分析后, 利用富集因子法对所测得的元素含量数据进行统计分析, 并对比分析了成都理工大学校区近20年内的6次采样测量数据, 对该地区的大气颗粒物污染变化趋势进行了初步分析, 最后利用统计学软件SPSS 13.0 for Windows进行了源解析, 得出了6个主要污染源。
关键词：大气颗粒物,中子活化分析,富集因子法,源解析
参考文献
[1]李雪贞.利用中子活化分析研究北京良乡大气污染[D].成都:成都理工大学, 2006.
[2]Loureiro A., Vasconcellos M., Pereira E, [J].Radioanal.Nucl.Chem., 1992, 159:21-23.
[3]张丹.重庆市主城区可吸入颗粒物的来源解析[D].重庆:西南大学, 2007.
[4]李彩霞.长沙市大气颗粒物的污染特征及源解析[D].长沙:湖南大学, 2008.
[5]袁春欢.哈尔滨市大气可吸入颗粒物组分及来源研究[D].哈尔滨:哈尔滨工业大学, 2006.
大气颗粒污染物 篇4
阳江市大气污染物中可吸入颗粒物分布特征及变化规律
摘要：通过对阳江市区自～空气自动监测系统运行以来的监测数据进行分析、归纳,得出阳江市区可吸人颗粒物(PM10)浓度的时间和空间分布特征和变化规律,并对其进行了分析.这样能使我们更加准确地进行阳江市空气质量预报,也有利于准确掌握阳江市区大气污染状况,为大气污染防治提供依据.作 者：阮世巩 谭宝期 作者单位：阳江市环境监测站,广东阳江,529500期 刊：科技与生活 Journal：TECHNOLOGY AND LIFE年，卷(期)：,(12)分类号：X5关键词：可吸入颗粒物 环境污染 变化规律
大气颗粒污染物 篇5
1 火力发电厂的排放污染物的现状
火力发电厂利用燃料燃烧过程产生电能, 在燃烧过程中产生气体和固体污染物, 其中固体污染物, 根据其粒径大小, 可以划分为四类:第一类, 称为总悬浮颗粒物 (TSP) , 它的颗粒直径一般在100μm。第二类, 称为降尘颗粒物, 它的颗粒直径大于10μm的颗粒。第三类, 称为飘尘颗粒物, 它的颗粒直径小于10μm。第四类, 称为可吸收颗粒物。这一类颗粒物较小, 在人类的生存空间存在时可以被吸收, 因此, 可吸入颗粒物对人类的危害最大。
2 火力发电厂排放颗粒的监测分析
2.1 监测颗粒应用的仪器
仪器设备:TSP-PM10-PM2.5-2型中流量采样仪, 产地, 北京地质仪器厂;采样流量的流速控制在77.95L/min, 使用90mm玻璃纤维滤膜过滤, 利用分析天平称重, 精确到0.1mg。还使用了湿度测试仪器:石墨墨粉快速水分测定仪 (SFY-20红外线快速水分测定仪) ;温度测定仪器等, 具体操作方法见说明书。用Microsoft Excel2002进行数据处理与分析。
2.2 火力发电厂大气颗粒的测定
通过检测仪器, 对火电厂日常发电期内, 对空气颗粒质量浓度实施连续监测, 分析检测大气中颗粒物质量浓度的变化发现, 与火电厂的排放源和气象因子呈现一定的关系规律。尤其是在火电厂的试运行期和正式发电运行期, 由于运行目的不同和环境条件的变化, 结果会有差异, 因此在检测过程中给与注意。本次检测是10月25日到12月5日, 在40天的时间中, 对大气中的不同颗粒质量浓度作了连续测定。在检测过程中每天6点和18点按时更换滤膜, 同时记录当时的湿度、温度、风速和风向。采样地点进气口设立在地面高度20m处, 在近气口1KM的范围内没有较大的污染源。
在采样检测过程中, 发现大气中颗粒物质量的浓度发生明显的周期性变化, 这种变化趋势经数据研究认为, 这是由于检测过程中大气颗粒物的浓度受到不同风强度和降雨程度的影响, 例如, 出现细雨时段, 就会使大气中的颗粒物随着雨水发生湿沉降, 使大气中的颗粒物质浓度大幅降低, 同时需要指出的是某日上午开始刮大风, 最大风速达到7m/s, 持续时间13个小时, 在这15个小时中, 明显发现大气的颗粒物浓度逐渐减少, 当降低到一定程度后就趋于稳定状态, 这时检测的不同颗粒的浓度分别为32μg/m3和54μg/m3, 是采样检测期间的低值。当出现静风高湿天气, 并且呈现多云稳定性的大气状况时, 由于污染物逐渐积累, 就使监测数据达到采样期间的最高值, 分别为217μg/m3和405μg/m3。当出现高湿有雾天气, 使颗粒物明显积累, 又会使监测数据达到高峰值。
2.3 火力发电厂大气颗粒
各个气象因子对可吸入颗粒物的污染程度有着较大的影响[6], 根据笔者多年的监测经验, 其主要的影响因子有风速、温度和湿度。
2.3.1 风速的影响
采样期间发电厂周围大气反复受冷暖气流控制, 风速变化较频繁且幅度较大, 变化范围在0~10m/s之间, 颗粒物质量浓度受风速的影响较大, 随风速的增大而减小。通过PM10质量浓度对与风速的线性拟合。在在测定的30个数据中, 最大的9个都出现在风速较小 (≤1m/s) 的条件下, 而最大风速的几个时段都对应着较小值, 特别在夜晚最大风速达9.8m/s, 对应着采样期间的最低值。通过相关性分析得出风速与PM10浓度的关系方程为y=-0.0217x+8.8567, 表示钙颗粒浓度对风速的变化幅度为-0.0217, 存在明显的负相关系, 用同样方法计算出另一颗粒为-0.0334, 因为风速能够提高颗粒物的分散速度, 风速越大, 在监测区域内所残留的量就越少, 相对来说, 刮风对细颗粒物去除效果比粗颗粒物更强。在监测期内, 通过对监测数据的线性回归分析得到该颗粒与湿度的呈明显的正相关的关系, 其方程为y=0.0411x+55.673, 斜率0.0411表示了湿度随质量浓度的变化幅度, 表明湿度越大对细颗粒物形成越有利。湿度与颗粒不同的变化幅度不同, 空气中湿度越大越有利于细颗粒物形成, 并且高湿常与逆温相伴, 从而使颗粒物趋于稳定, 不利于监测区域内的颗粒物扩散, 故表现出颗粒物质量浓度的升高。
2.3.2 温度的影响
在对大气的监测期内, 由于火电厂周围的湿度变化, 监测的数据的相关性分析, 某颗粒质量浓度与温度呈较弱的负相关关系, 其拟合方程为y=-0.0076x+15.798, 其变化幅度为-0.0076, 同理求得另一颗粒的变化幅度为-0.0073, 实际上温度影响颗粒物浓度主要是通过间接途径, 即冬季温度降低, 为发电燃烧化石燃料就加大了颗粒物排放量。温度之所以某些时段与颗粒物浓度变化相符, 是因为在某些气象条件下, 温度与大气稳定性同步变化, 如在晴朗静风的夏季, 白天太阳辐射强, 增加大气不稳定性, 温度也随着升高, 夜晚地面长波辐射降温, 趋向稳定性大气。
颗粒物进入大气、转变、扩散到沉降或其他方式去除均与气象条件密切相关, 某时段的颗粒物浓度是受多种气象因素共同作用的结果, 并且某些气象因素之间也有相关性, 但又没有必然联系, 如相对湿度、太阳辐射、风速、云降水量和逆温层厚度之间都会相互影响。
结束语
火力发电厂排放的大气颗粒对大气环境的污染很严重, 对大气颗粒的监测会有利于如何降低颗粒浓度, 这是一个非常重要的部分, 关系着人类生存环境的改变, 在目前大气颗粒物控制技术研究中, 主要集中于对颗粒物生成源特性分析, 主要是颗粒物的排放速率、物理化学特性、组分以及毒性的数据库建立;由于火力发电厂生成的细颗粒物, 会伤害人类的呼吸道, 因此, 探讨如何有效的捕集到颗粒物进行回收利用是当前重要课题。
摘要：针对火力发电厂排放颗粒对大气污染的监测分析问题, 文中介绍了火力发电厂的排放污染物的现状, 探讨了火力发电厂排放颗粒的监测分析, 主要有监测颗粒应用的仪器、火力发电厂大气颗粒的测定和火力发电厂大气颗粒, 探讨了风速的影响和温度的影响作用。
关键词：发电厂,排放颗粒物,监测分析
参考文献
[1]鲁兴.燃煤电厂排放颗粒物对大气污染的监测与危害研究, 2005, 5, 20.[1]鲁兴.燃煤电厂排放颗粒物对大气污染的监测与危害研究, 2005, 5, 20.
大气颗粒污染物 篇6
灰霾发生时,大气颗粒 物浓度、组成和来 源会发生 变化[2,3]。大气颗粒物影响气候变化[4],降低大气能见度[5,6], 危害人类健康[7,8]。本论文从灰霾期间大气颗粒物浓度水平、 化学成分变化及来源分析等方面进行了综述,以期为灰霾污染的控制提供参考。
1灰霾期间大气颗粒物浓度分布
灰霾发生时,大气颗粒物浓度水平、粒径分布和垂直分布会表现出差异。灰霾日大气颗粒物浓度要高于非灰霾日,而且污染比较严重,如表1所示。大气颗粒物粒径分布会发生变化。洪也等[9]对沈阳研究发现,灰霾日细粒子所占比重较大, 不同粒径浓度表现为粒径越细,质量浓度越高。段菁春等[10]对广州研究结果 显示,大气颗粒 物在积聚 态颗粒物 ( 0. 32 ~ 1. 8 μm) 和粗颗粒物( 3. 2 ~ 10 μm) 处有2个明显峰值; 灰霾时积聚态颗粒物在TSP中所占比例比粗颗粒物高,而灰霾结束后两者比例相当或者略少。吴琳等[11]分4个粒径段 ( ≤1. 1、 > 1. 1 ~ 3. 3、 > 3. 3 ~ 5. 8和 > 5. 8 ~ 10 μm) 研究杭州大气颗粒物粒径分布,研究结果显示,颗粒物浓度最高值在灰霾和非灰霾日均出现在 > 5. 8 ~ 10 μm,而颗粒物浓度最低值在灰霾日出现在 > 3. 3 ~ 5. 8 μm,非灰霾日出现在≤1. 1 μm。不同天气条件下,大气颗粒物浓度垂直分布规律也不同。樊文雁等[12]利用北京325 m气象塔8、80和240 m平台梯度,分析了雾、霾、 晴三种天气状况下PM2. 5垂直分布特征。结果发现,雾天近地层PM2. 5浓度明显高于较高层,不同高度浓度变化规律相似; 霾天PM2. 5时空分布均匀,说明了城市群区域污染特征。
*沈阳以 PM2. 1浓度代表 PM2. 5浓度,杭州以 PM3. 3浓度代表 PM2. 5浓度。
2灰霾期间大气颗粒物化学组成
2.1水溶性离子
水溶性离子是大气颗粒物的重要组成部分,可直接影响大气降水的酸度,并因其吸湿性影响云凝结核,影响云的形成和发展[20]。通过散射和吸收太阳光影响大气能见度和地 - 气系统的能量平衡[21]。此外,水溶性组分可增加有毒有机物质的溶解性,影响人体健康[22]。灰霾天水溶性离子浓度水平要高于非灰霾天。张帆等[15]采用离子色谱( IC) ,分析了武汉秋季灰霾天和非灰霾天PM2. 5中9种水溶性离子 ( SO24、NO3、Cl-、F-、NH4+、K+、 Na+、Ca2 +和Mg2 +) 浓度。结果表明,SO24、NO3和NH4+是PM2. 5中最重要的3种水溶性离子,灰霾日PM2. 5中水溶性离子比例呈现增大趋势,它们可能来源于生物质燃烧、土壤扬尘、化石燃料燃烧、汽车尾气排放等过程。李丽珍等[23]分析了霾和正常天气下西安TSP和PM2. 5中11种水溶性离子 ( NH4+、K+、Na+、Ca2 +、 Mg2 +、SO24、NO2、NO3、Cl-、F-和Br-) 变化特征。结果显示,SO24、NO3和NH4+是TSP和PM2. 5的主要成分,灰霾天3种离子所占比例高于正常天气; 灰霾天大气颗粒物比正常天偏酸性, 灰霾天SO2和NOx转化率高于正常天气。曹玲娴等[13]分析了太原市冬季灰霾期间PM2. 5中水溶性离子 ( NH4+、K+、Na+、Ca2 +、 Mg2 +、SO24、NO3、Cl-和F-) 浓度变化特征。结果显示,灰霾过程中各离子浓度表现为不同程度增加,F-、SO24、NO3和Cl浓度分别是非灰霾日的10. 1、9. 1、8. 3和7. 2倍,阴离子的增加程度高于阳离子。
灰霾和非灰霾天气条件下,大气颗粒物中水溶性离子粒径分布也存在差异。黄怡民等[14]利用Anderson惯性撞击式8级采样器,分析了北京夏冬季大气颗粒物中水溶性离子粒径分布特征。结果显示,SO24和NH4+在夏冬季灰霾日为细模态离子,峰值出现在0. 43 ~ 0. 65 μm粒径段,而非灰霾日呈现双模态分布; NO3在冬季灰霾日为细模态分布,而在非灰霾日为双模态分布。常清等[24]分析了北京冬季灰霾天气PM10中不同粒径水溶性离子分布特征。结果显示,SO24、NO3和NH4+呈现单峰,主要存在于液滴模态; Ca2 +和Mg2 +呈现双峰,以粗模态为主; Cl-和K-呈现双峰,以细模态为主; Na+、NO2和F-浓度较低,呈现多个峰值; 非灰霾日SO24在0. 31、0. 76和5. 13 μm 3个粒径出现峰值,灰霾日峰值均出现在0. 76 μm; 非灰霾日NO3在0. 48 μm出现峰值,非灰霾日峰值右移至0. 76 μm,二次无机离子在灰霾天气形成中起着重要作用。
2.2有机碳和元素碳
有机碳( OC) 和元素碳( EC) 是大气颗粒物的重要组成部分。 OC主要源于化石燃料燃烧,也可由有机气体前体物经过化学转化而形成,自然源贡献相对较小。EC主要源于机动车排放、化石燃料和生物质燃烧等。OC和EC可通过辐射强迫作用影响区域和全球气候变化,影响区域大气降水,甚至危害人 体健康[25,26]。陈晓秋等[19]分析了福州市春冬季灰霾日和非灰霾日OC和EC污染特征。结果显示,OC和EC灰霾日浓度水平明显高于非灰霾日。魏欣等[16]发现天津灰霾日PM2. 5和PM10中OC和EC浓度为非灰霾日的1. 25倍以上。由于EC有良好的稳定性, 而OC来源除了一次排放外,还有二次化学反应生成,因此,通过OC/EC的比值可以判断是否有二次有机碳的生成[24]。谭吉华等[27]发现严重灰霾时积聚模态颗粒物及OC和EC浓度在PM10中所占比例要高于正常天气,而且随着污染加重,OC/EC的比值会逐渐增加,表明了灰霾期间存在着明显的二次污染过程。
不同粒径大气颗粒物中OC和EC分布也存在差异。谭吉华等[27]使用MOUDI冲击式采样器,分析了广州市灰霾期间大气颗粒物中OC和EC的粒径分布特征。结果显示,非灰霾日OC和EC呈双模态分布,灰霾日EC为单模态分布,OC为双模态分布,峰值向大粒径偏移。常清等[24]分析了北京冬季灰霾天气PM10中不同粒径的EC和OC分布特征,结果显示,OC和EC呈单峰型,主要富集于细粒子,峰值分别出现在0. 76 ~ 1. 22 μm和0. 48 ~ 0. 76 μm粒径段; 灰霾发生时,OC与颗粒物质量浓度谱峰值变化一致。
2.3金属元素
大气颗粒物中金属元素主要来源于自然源 ( 火山喷发、风蚀、森林火灾和海洋等) 和人为源 ( 燃料燃烧、冶金工业、机动车尾气和垃圾焚烧等)[28,29]。大气颗粒物重金属通过呼吸进入人体后,可造成各种人体机能障碍,导致身体发育迟缓,甚至引发各种癌症[30,31]。另外,一些重金属能够催化大气有机物的光化学反应,产生次生大气污染物,影响大气污染物的转化过程[32]。灰霾日金属元素污染水平总体高于非灰霾日。曹玲娴等[13]研究了太原市灰霾期间PM2. 5中Hg、As、Zn和Pb变化特征。结果表明,灰霾日Hg、As、Zn和Pb浓度分别是非灰霾日的4. 9、2. 8、1. 4和3. 6倍; 灰霾日Hg、Pb和As浓度增加程度高于Zn,说明了太原市冬季采暖期燃煤的影响要高于机动车影响。魏欣等[16]使用ICPAES分析了天津市夏季灰霾日和非灰霾日PM2. 5和PM10中Si、Ti、Al、Mn、Ca、Na、K、Cu、Zn、 As、Pb、Cr、Ni、Co、Cd、Hg、Fe、V和S的质量浓度。结果表明,灰霾日PM2. 5和PM10中S含量相比非灰霾日分别增加了47. 0% 和42. 4% ,而其他元素含量在灰霾日和非灰霾日的变化相对较小,说明了灰霾日一次、二次硫酸盐对颗粒物的贡献比较显著。郑楠等[33]采用X射线荧光光谱( XRF) 分析了北京市冬季PM10中元素含量。结果表明,灰霾日Al和Si含量显著下降,而S和Cl在颗粒物中大量富集,说明了灰霾天气促进了二次颗粒物的生成。
灰霾日和非灰霾日金属元素的粒径分布也存在差异。朱琼宇等[34]采用Nano - moudi 12级大气颗粒物采样器,分析了上海市灰霾日和非灰霾日汞的分布特征,灰霾日峰值分别出现在0. 56 ~ 0. 11 μm和3. 1 ~ 6. 2 μm粒径段,而非灰霾日峰值分别出现在0. 32 ~ 0. 56 μm和3. 1 ~ 6. 2 μm粒径段,灰霾日较非灰霾日颗粒态汞粒径分布向大粒径方向偏移。洪也等[9]采用FA 3型Anderson撞击式大气颗粒物分级采样器,分析了沈阳市冬季灰霾日金属元素粒径分布特征,把元素分为Fe类、Mn类、 K类和Zn类。其中,Fe类元素在灰霾日呈三峰型,非灰霾日呈双峰型; Mn类元素在灰霾日呈单峰型,非灰霾日呈双峰型; K类和Zn类在灰霾日和非灰霾日均呈单峰型,峰值出现在细粒径段。范雪波等[35]分析了上海市灰霾天大气颗粒物中K、 Ca、Ti、Mn、Cr、Ni、Cu、S、Cl、Zn、As、Pb和Fe的粒径分布特征。结果表明,Ca、Ti、Mn、Cr、Cl、Zn、As、Pb在灰霾日为双模态结构,而非灰霾日为单模态结构; Ni在灰霾日为三模态结构,而非灰霾日为双模态结构; Ni、Cu和Zn灰霾天富集因子明显大于非灰霾日。
3灰霾期间大气颗粒物来源分析
大气颗粒物源解析方法主要包括: 源排放清单法、扩散模型法和受体模型法。受体模型法应用较早,是目前最常用的大气颗粒物源解析方法,主要包括因子分析法( FA) 和化学质量平衡模型法( CMB)[36]。姚玉刚等[37]采用基于因子分析的主成分分析方法,将苏州市灰霾期间PM2. 5的9个化学组分 ( SO24、 NO3、Cl-、NH4+、K+、Na+、Ca2 +、OC和EC) 整合为4个主成分。结果表明,苏州市灰霾期间PM2. 5主要来源于光化学二次反应、燃煤、机动车尾气、农作物秸秆焚烧和海盐等。魏欣等[16]采用CMB模型解析天津市夏季灰霾日和非灰霾日PM2. 5的主要来源。结果表明,天津市夏季PM2. 5主要来源为二次离子 ( 二次硫酸盐和二次硝酸盐) 、开放源颗粒物 ( 扬尘和建筑尘) 和煤烟尘,灰霾日二次离子贡献率为43. 9% ,二次硫酸盐和二次硝酸盐的贡献率分别为非灰霾日的1. 34和2. 17倍。吴琳等[11]采用CMB模型,分不同粒径段 ( ≤1. 1、 > 1. 1 ~ 3. 3、 > 3. 3 ~ 5. 8和 > 5. 8 ~ 10 μm) 解析杭州大气颗粒物来源。结果显示,灰霾天气下,二次粒子是各粒径段颗粒物的首要来源, 贡献率分别为60. 4% 、62. 2% 、54. 8% 和46. 5% ,而非灰霾天气下,随着颗粒物粒径的增加,二次离子贡献率显著下降, ≤1. 1 μm的贡献率 为42. 7% , > 5. 8 ~ 10 μm的贡献率 为15. 5% 。Han等[38]利用PMF模型将2013年1月北京灰霾污染主要来源解析为: 二次硝酸盐、二次硫酸盐、燃煤、生物质燃烧和扬尘。
4结语
大气颗粒污染物 篇7
1 大气颗粒物污染特征的研究
目前通过国内外学者对环境大气颗粒物规律的不断探索研究中, 对大气可吸入颗粒物PM10和PM2.5具有一定理论基础, 大气环境中颗粒物浓度随季节变化明显, 冬季颗粒物浓度最高、夏季颗粒物浓度最低, 颗粒物PM2.5的浓度在一天中会出现2个峰值时间分别为上午8~9点和晚间22点[1];大气颗粒物中PM2.5占PM10的比例较大。颗粒物浓度与气象条件有关:PM2.5质量浓度与降雨、辐射量、风速、气压和能见度存在负相关关系, 与总云量、温度存在正相关关系[2]。
Judith C.Chow等对墨西哥环境空气质量进行研究, 结果显示:墨西哥冬季环境空气中PM2.5浓度占PM10的比例为50%左右, 全城从西部地向东南部区大气颗粒物的浓度呈递减趋势[3]。Puja Khare等人对大气颗粒物PM2.5进行研究, 发现印度东北部地区大气颗粒物PM2.5浓度随季节呈现规律性变化, 春、夏、秋三季大气颗粒物PM2.5浓度均低于冬季[4]。
2 大气颗粒物中重金属元素的研究
2.1 大气颗粒物中重金属的分布特征
大气颗粒物中无机成分以重金属为主, 易蓄积、具毒性, 可以通过呼吸系统进入人体。王京等对贵阳市145个大气样品进行分析结果显示:贵阳市PM10、PM2.5的污染严重, 重金属元素分析中Pb和Zn含量较高[5]。孙龙仁等人报道乌鲁木齐市夏季重金属元素在PM10中比在PM2.5中的富集能力弱, Cr和Ni主要为人为来源;Mn元素则主要来自于自然扬尘[6]。沈轶等对我国上海市大气中的几种元素进行研究, 所测定元素在PM2.5中浓度最大值为Fe元素, As和Ti元素含量较低;Cu、Zn、Pb等元素在PM2.5中的浓度随季节呈现规律性变化, Fe和As元素的浓度全年稳定, 受人为环境影响不大[7]。Samuel Melaku[8]等人对大气颗粒物中As、Cd、Cr、Pb四种重金属元素研究分析:在美国华盛顿地区环境空气中该四种重金属的平均浓度排序为As<Cd<Pb<Cr;同时发现重金属浓度与气象条件如温度、降水等存在相关性。
2.2 颗粒物中重金属元素形态分布
目前, 研究者们主要采用单级提取法和多级连续提取法这两种常用方法对大气颗粒物中的重金属进行化学形态分析。单级提取法是以单一化学试剂进行萃取的方法;多级连续提取法是根据重金属呈现出不同理化性质选取不同的化学试剂逐步提取的方法。相关研究表明:Cd的存在形式为结合态为主;Cr以结合态和不溶物为主;Cu主要存在于可氧化态;Pb主要分布在残渣态;可交换态、可溶态、碳酸盐态;Zn、Pb、Cd和Cu多以可还原态分布于环境中;Antonio J.Fe-rnandez:Fe和Al的主要存在形态为氧化态和碳酸盐结合态以及残渣态[9]。
3 大气颗粒物源解析研究
如何准确地解析大气颗粒物的物质来源, 并确定其贡献值是大气污染防治的重要内容, 这对污染物质治理具有重要意义。
大气颗粒物来源的无机化学研究中最常用的为质量平衡法、富集因子法和因子分析法等方法。专家学者运用不同方法所对环境空气颗粒物中重金属元素进行源解析研究。杨复沫等[10]Se、Br、Pb在北京环境空气中存在富集现象, 其中Se的富集程度最高, 北京粒物的燃煤污染特征[11]。对广州白云区大气颗粒物的无机元素进行研究, 结果表明广州的建筑扬尘污染和汽车尾气型污染比较严重, 燃煤型污染物正向好的趋势发展。杨丽萍等[12]报道兰州市大气污染物来源及其所占的比例结果为, 主要来源是自然及建筑扬尘、煤炭燃烧和机动车尾气。
颗粒物来源的有机化学研究主要采用统计学方法、分子标识法和碳同位素法。目前对有机物的研究已成为热点课题。
4 大气颗粒物及其重金属污染的控制
大气颗粒污染物 篇8
近年来南昌经济发展较快,南昌市为了改善城市环境质量,打造生态城市的模式,对城市的功能进行了重新规划,几年来已搬迁了大量污染企业到城郊,一定程度上改善了城区空气质量。但还有一些原本在城乡交界处的重污染企业,如南昌火力发电厂、南昌钢铁有限公司等企业随着城市的快速扩建,已成为市区重要的源污染来源。十年来随着南昌市“一江两岸”格局的城市扩建,大幅度地拉大了城市的框架,新城区的建设、老城区的改造、高层建筑的发展和汽车拥有量的加剧使得汽车尾气、建筑扬尘和道路扬尘在城市大气颗粒物污染的比重越来越大。
大气颗粒物质指的是分散在大气中的固态或液态颗粒状物质,根据其粒径大小,又可分为总悬浮颗粒物TSP(空气动力学直径小于或等于100μm)、可吸入颗粒物PM10(空气动力学直径小于或等于10μm)、可吸入颗粒物又可分为粗粒(空气动力学直径介于2.5μm至10μm)和细粒(空气动力学直径小于或等于2.5μm),目前国际上普遍采用PM10作为环境空气质量监测标准[1,2,3,4,5,6,7]。大气粒径小于10μm(PM10)的颗粒物能通过咽喉进人下呼吸道,尤其是粒径小于2.5μm的颗粒更能沉积于肺泡,进入人体血液内。可吸入颗粒物能在很大程度上影响人类健康,尤其是对呼吸系统和免疫系统的危害更重,高浓度的可吸入颗粒物可导致肺癌死亡率升高[8]。大气中的重金属大约75%~90%分布细颗粒物中[9]。重金属污染具有不可降解性,不同化学形态的金属元素具有不同的生物可利用性,重金属的污染对环境和人体构成极大的潜在威胁[10]。开展南昌市大气污染PM10中重金属的相关研究,有利于了解南昌市空气质量的特征及其潜在危害,可为政府部门进一步完善“生态南昌”的建设提供科学依据。
1 实验部分
1.1 实验试剂和仪器
盐酸、硝酸、分析纯,上海化工二厂;氢氟酸、分析纯,上海实验试剂有限公司。BS124S电子天平(万分之一精度);北京赛多利斯信仪器系统有限公司;KC-6120综合采样器,青岛崂山电子仪器总厂有限公司;DB-2A不锈钢电热板,江苏金坛荣华仪器制造公司;聚四氟乙烯消解罐,WX-4000型微波快速消解仪,上海屹尧仪器科技发展有限公司;Optima2100DV新一代全谱直读电感耦合等离子体发射光谱仪(ICP-AES),美国珀金埃尔默公司。
1.2 实验步骤
1.2.1 样品采集
(1)大气颗粒物(PM10)的采集。采用功能区布点法,于2008年5月分别在南昌市3个点(工业区:李家庄,南昌火力发电厂等企业所在地;交通繁忙区:八一桥头;居民住宅区:永外正街)采集PM10样品,KC-6120综合采样器每天24h连续采样[11],连续采样7天。滤膜选用石英纤维滤膜,采样前滤膜在500℃马沸炉烘2h,去除滤膜中挥发组分对称重的影响,然后放入硅胶干燥器保持24h以上干燥平衡,再用万分之一的电子天平称重。采样时记录标准流量:100L/min,大气压力:101.3Kpa(1atm)。采样后对折放入干燥器内衡重,48h后称重,记录PM10的浓度。
(2)道路扬尘采集。采用功能布点法在南昌市工业区、交通区、居民区(南昌航空大学老校区/新校区、红谷滩梵顿公寓、洪城大市场、青山湖、南昌火力发电厂、八一广场、老福山)采集道路扬尘各1份,共8份,分别经过20目粗筛后各取100g进行充分混匀,用四分法进行取样100g,研磨过80目筛后放入硅胶干燥器内保存备用。
(3)建筑扬尘采集。采样地点及采样方法同(2),在建筑工地采集建筑扬尘,得到1份建筑扬尘样品。
1.2.2 样品前处理与检测
所用器皿均用20%HNO3浸泡处理过、去离子水洗净烘干后备用。各称取扬尘样品0.3000g、滤膜1/2张称重后作同样前处理。将样品置于消解罐中,在通风橱中依次向消解罐中加入5ml HNO3、2ml HCL、2ml HF,小心摇匀聚四氟乙烯罐内样品溶液,使消解体系与样品充分混合,加盖密封静置30分钟后放入微波消解系统中,进行消解处理(见表一)。消解完成后,待消解体系温度降至500℃以下,压力降至0atm,取出消解罐,自然冷却。在通风橱中,将消解罐中的溶液倒入聚四氟乙烯杯中,用少量去离子水润洗消解罐也转至聚四氟乙烯烧杯,置于电热板上加热蒸至近干,取下冷却。加入1m L硝酸,用去离子水润洗聚四氟乙烯烧杯后,将溶液移入50m L容量瓶中,用去离子水定容,过滤后待检测。同时做试剂空白,即除不加泥样外,其他条件与微波消解标准罐一样。
用电感耦合等离子体发射光谱仪(ICP-AES)检测其中的重金属含量[12](见表二),ICP-AES的工作参数同参考文献[12]。微波消解样品的加标回收率为92.55%~103.86%。同时部分样品进行实验室之间的比对,以确保检测结果的可行性(见表三)。利用Excel 2003、SPSS11.5软件对实验数据进行管理与统计分析。
2 结果与分析
2.1 南昌市大气颗粒物PM10的浓度
南昌市工业区采样点李家庄的PM10的浓度范围为365.2778~996.5278μg/m3;交通区八一桥头PM10的浓度范围为76.3889~144.4444μg/m3;居住区永外正街PM10的浓度范围为72.2222~112.5000μg/m3。大气颗粒物PM10的浓度有点波动,可能与污染源的排放、风向、风速等天气因素有关[13]。3个采样点PM10浓度的平均值分别为635.5159+252.3467μg/m3,117.2454+22.1476μg/m3,89.6825+14.8478μg/m3。可见,工业区采样点李家庄PM10的浓度明显高于其它两个采样点(见图一),这主要与南昌火力发电厂燃煤产生大量煤烟尘有关;主要交通区PM10的浓度高于居住区,与汽车尾气的污染及机动车行驶过程中引起的道路扬尘有关[14]。
2.2 南昌市大气颗粒物PM10中重金属的浓度
用SPSS11.5软件对检测数据进行统计分析,得到3个采样点PM10中重金属元素的含量(即质量比,mg/kg)(见表四),以及3个采样点PM10中重金属元素的浓度(即质量/体积比,mg/m3),并以此为依据计算出南昌市大气PM10中重金属元素的含量及浓度(见表五,图二)。
从表四、表五可以看出,三个采样点PM10中重金属元素的含量与浓度有较大差异。如三个采样点Mn元素的含量(质量比,mg/kg)比较接近,但李家庄Mn元素的浓度是其它两个采样点的6~7倍,Cr元素的浓度是其它两个采样点的9~15倍(表现出煤烟型[15]的特征)。李家庄采样点其它元素的浓度,如Cu、Zn、Pb的浓度分别为104.5447±48.0974mg/m3、626.7280±223.7400mg/m3、325.0281±136.6917mg/m3,远高于永外正街及八一桥头两采样点,进一步表明煤烟污染等工业污染[15,16]是城市大气颗粒物污染的主要来源。可见,以PM10中重金属元素的质量/体积比(即浓度,mg/m3)能更好地反映空气污染状况。
(单位:mg/kg)
(单位:g/m3)
2.3 道路/建筑扬尘对大气PM10重金属元素浓度的影响
用SPSS11.5软件对各采样点中PM10重金属元素浓度、道路扬尘、建筑扬尘中重金属元素的含量(见表六,图三)进行多因素相关性分析,结果表明只有李家庄采样点因Mn元素浓度高(454.5147±159.8813?g/m3),与道路扬尘、建筑扬尘相关性较好(P<0.05)。道路扬尘、建筑扬尘之间的相关性较强(y=0.8405x-45.337,R2=0.9808,F=255.541,P<0.01),差异有极显著意义(见图四)。南昌市道路扬尘重金属元素的含量明显比建筑扬尘的高,表明南昌市的道路扬尘不仅来源于新建或改建过程中形成的建筑扬尘,还来源于机动车尾气排放的颗粒物或各种原因引起的降尘,如煤烟尘[12]。
(单位:mg/kg)
去掉Mn元素的影响,再对各采样点中PM10重金属元素浓度、道路扬尘、建筑扬尘中重金属元素的含量进行多因素相关性分析,结果见表七、表八。可以看出,除道路扬尘与采样点八一桥头相关性不强外,其他均有较好的相关性。采样点八一桥头为立式交通,又临赣江,给采样带来难度,当时采样点设在临街的二楼阳台,这样可能减少了道路扬尘影响程度。
2.4 南昌市PM10采样点重金属元素浓度的相关性分析
对永外正街及李家庄采样点重金属元素的浓度进行相关性分析(Y=2.084x+60.314,R2=0.6475,F=9.184,P=0.029<0.05),差异有显著性意义。八一桥头及李家庄采样点重金属元素浓度的相关性分析,差异也有显著性意义(Y=0.2811x+15.314,R2=0.7283,F=13.402,P=0.015<0.05)。永外正街及八一桥头采样点重金属元素浓度的相关性分析(Y=1.1434x+8.0962,R2=0.9517,F=98.616,P=0.000<0.01),差异有极显著性意义。以上表明,三个大气PM10采样点重金属元素的浓度关系密切,存在相互影响。工业污染、汽车尾气以及居民生活过程中的能源(煤、天然气、液化气)排污等是城市空气污染的主要来源。同时城市局部的气象因素(如风向、气流、气压、温湿度等)差异也促进大气污染的扩散[4,8]。
3 结束语
南昌市工业区采样点李家庄PM10的浓度较高(635.5159μg/m3),主要交通区PM10的浓度高于居住区。南昌市大气颗粒物PM10重金属元素的污染不容忽视,工业区采样点远高于交通繁忙区及居民住宅区,按污染程度排序依次为Zn>Mn>Pb>Cd>Cu>Cr>Ni,工业污染是城市大气颗粒物重金属污染的主要来源。
南昌市道路扬尘、建筑扬尘是影响PM10中重金属元素含量的主要因素。道路扬尘与建筑扬尘之间重金属元素浓度有较强相关性。三个大气PM10采样点重金属元素的浓度关系密切,存在相互影响。工业污染、汽车尾气以及居民生活过程中的能源(煤、天然气、液化气)排污等是城市空气污染的主要来源。
建议:(1)加大力度拆迁重污染的企业,同时对短期内难于搬迁的企业,加大监管措施并实施大气污染控制措施;(2)针对汽车尾气的污染除加强尾气的监测外,要加大力度淘汰报废的汽车,或提前报废尾气污染经控制措施后还难于达标的汽车;(3)强化建筑工地的环境保护措施,及时清理施工或运输过程中对道路等周边环境的污染;基于城市路面积尘是机动车行驶过程中道路扬尘的主要尘源[14],应采取各种措施减少建筑扬尘及道路扬尘;(4)改善能源结构。蜂窝煤还是城市居民生活的重要组成部分,也是城区空气污染的主要来源之一。液化气的逐步推广,以及天然气的大面积使用,将能有效地减少居民正常生活带来的污染。
摘要：为了改善南昌市城市环境质量,给政府部门完善“生态南昌”的建设提供科学依据,本项目采集了PM10、道路扬尘、建筑扬尘等样品,并用ICP-AES对样品进行了重金属元素的分析,结合Excel2003,SPSS11.5软件对数据进行统计分析。结果表明:南昌市工业区采样点李家庄PM10的浓度较高(635.5159μg/m3),主要交通区PM10的浓度高于居住区。南昌市大气颗粒物PM10重金属元素的污染不容忽视,工业区采样点李家庄PM10中Cu、Mn、Pb、Zn的浓度分别为104.5447mg/m3、454.5147mg/m3、325.0281mg/m3,626.7280mg/m3,远高于八一桥头(交通繁忙区)及永外正街(居民住宅区)两采样点。重金属元素按污染程度排序依次为Zn>Mn>Pb>Cd>Cu>Cr>Ni,工业污染是城市大气颗粒物重金属污染的主要来源。进一步拆迁重污染的企业、减少建筑扬尘及道路扬尘、淘汰报废的汽车以及改善能源结构将有利于改善南昌市的空气质量。
大气颗粒污染物 篇9
1 污染物基本排放形式
畜牧业生产和农田化肥使用是氨(NH3)的重要农业大气污染物排放源[4]。据估计,欧洲80%~85%的氨来自于畜禽饲养和放牧过程,3%~21%来自于农业氮肥的使用[5]。美国55%的氨来自于畜禽饲养,7%~9.5%来自于农业氮肥的使用[6]。相比之下,我国化肥的使用对氨的贡献要大得多。如在珠三角,畜禽饲养和农业氮肥对氨的贡献率分别为62%和22%[7];华北平原畜禽源排放和化肥对氮的贡献分别是54%和46%[8]。随着现代化农业的发展,化肥的使用量不断增加。据国家统计局2013年报表,过去10年,珠三角的化肥使用量增加了36%。生活水平的提高,肉食品需求量必然增长,畜禽饲养总量也会不断增加,这必然导致氨排放的显著增加。董艳强等[9]研究表明,2004年长三角地区氨排放量为460.68kt,其中氮肥使用、畜牧养殖和生物质燃烧是三种主要排放源,氨排放量分别为227.33 kt、203.28 kt和7.81 kt,分别占长江三角洲地区氨排放总量的49.3%、44.1%和1.7%。
另一方面,农作物秸秆燃烧排放大量的颗粒物(如PM10和PM2.5)、一氧化碳(CO)、氮氧化物(NOX)以及多环芳烃(PAHs)等有毒有害物质。2000年全国生物质燃烧排放了16.5 Tg CO,其中一半左右来自秸秆焚烧[2]。我国每年的农业秸秆产生量约6×109Tg,其中燃烧比例为30%~40%[3,10]。尤其值得关注的是,农业活动造成的生物质燃烧还会排放大量的可挥发性有机物(VOC)。据估算长三角地区2010年秸秆资源量为5 278万t,焚烧量为961.7万t[11]。长三角地区也是我国四大霾严重地区之一[12,13]。近年来随着城市化进程的不断推进,霾日数呈现出逐渐增多的年际变化特征[14]。霾天气的发生与大气环境的变化,尤其是大气PM2.5的浓度、气象因素等密切相关[15—18]。其中由秸秆焚烧引起的霾天气和空气污染事件占有重要比例,具有季节高发性,使得长三角城市群本身就不容乐观的空气质量形势愈加严峻[19](图1[19])。南京市秸秆焚烧期间PM2.5中离子含量占26%,Si元素和金属所占份额为17.1%,碳元素占19.6%[20]。李金香等指出在秸秆燃烧排放污染物输送过程中,南京大气PM2.5中的硝酸盐类、有机碳、黑碳质量浓度增大。硫酸盐、硝酸盐、有机碳和元素碳之和约为100μg·m-3,而PM2.5浓度接近500μg·m-3;并指出此过程中秸秆焚烧除了贡献硝酸盐、有机碳和黑碳,也贡献了更多粒径细小的其他粒子,并且秸秆焚烧所输送的气态污染物和细小粒子对人体健康存在威胁[21]。
苏继峰等[19]估算了长江三角洲地区2008年秸秆焚烧排放污染物清单,结果表明2008年该地区生物质燃烧排放PM2.5、SO2、NOX、CO、CO2、BC、OC、NH3、CH4、NMVOC的排放总量分别为517.54、14.28、86.01、1 744.56、36 893.03、11.74、114.63、19.93、89.37和208.57 kt。随着我国“十一五”和“十二五”各项减排措施的落实,SO2和NOX等工业污染源逐步得到控制,氨及VOC作为二次颗粒物前体物对空气污染的贡献会更加突出。农业排放源对空气质量,尤其是二次细颗粒物PM2.5的影响也会日益显著。
2 大气环境影响机理
农业排放源对于准确识别PM2.5与前体物的关系及PM2.5形成机理至关重要。如前所述,要有效控制PM2.5污染,应在全面调查区域排放源类型和排放特征,并在充分掌握PM2.5组分及其前体物形成和转化机制的基础上,科学有效地进行。人们利用光化学模式建立了O3和NOX及VOC之间的变化关系图(图2[22]),即EKMA图[23]。根据EKMA图的A区和B区(图2),可以有效判断一个地区O3的形成是VOC控制还是NOX控制,为有效控制O3浓度提供科学依据。同样,作为二次气溶胶的重要前体物,SO2、NOX、NH3和VOC通过大气化学反应等生成硫酸盐(SO42-)、硝酸盐(NO3-)及氨盐(NH4+),对PM2.5的升高有着重要影响。因此,利用三维空气质量模式,结合响应曲面模拟(response surface modeling,RSM)技术[24],建立类似EKMA的PM2.5关系图,描述PM2.5与SO2、NOX、NH3和VOC之间的变化关系,对有效控制PM2.5具有重要指导意义。
农业排放的NH3与大气中许多物种如硫酸和硝酸等反应,形成硫酸氨和硝酸氨等二次氨盐颗粒物。硫酸与硝酸的浓度又与大气氧化性紧密相关,而大气氧化性在很大程度上受VOC排放和气象条件影响[25,26]。因此,合理估算并准确模拟各种气态污染物(如NH3、NOX、SO2、O3、VOC等)和颗粒污染物及其化学组分(如硫酸盐,硝酸盐和氨盐等)的源排放、大气输送、化学转换和干湿沉降等物理化学过程至关重要。污染物输送、扩散、化学反应、气-粒转化和干湿沉降等过程都与气象条件有着密切关系[27—29]。如氨的排放强度受气温、风、湍流扩散和降水等气象因子的影响;颗粒物的增长受大气的湿度控制;干沉降与下垫面的粗糙度有关;而湿沉降则受降水影响最大。因此,气象条件的准确模拟是开展PM2.5等大气污染物模拟和预报的先决条件。另外,现有的空气质量模式主要用于研究城市环境,各种参数化过程和参数的设置主要考虑城市环境条件[30—32]。比如空气质量模式中氨的干沉降速度主要适合于低氮系统如未施肥的森林植被,其氮的交换为单向性。而施肥后的农田,氮的交换为双向性(即沉降和排放并行出现)[33],这将导致干湿沉降参数化存在很大的不确定性。建立完整的农业源排放清单,改进模式中对气象条件及对氨和VOC物理化学过程的模拟,将有利于提高地面臭氧和PM2.5的数值模拟和预报水平,尤其是提高对重污染事件的捕捉能力。
3 模拟研究现状及问题
3.1 农业排放源估算与排放源清单制定的不确定性
农业源主要包括畜牧养殖、农田化肥使用和收获季节的秸秆燃烧等活动所排放的各种气态和固态污染物。农业源的估算目前存在很大的不确定性。其不确定性主要包括源排放因子、排放速率及其时间变化和排放物种的确定等。畜禽养殖和化肥使用所排放的氨是主要的农业排放源。由于这些源不是点源,大范围监测存在很大难度。这些农业源被认为是空气质量模拟研究中最不确定的一部分[34]。其不确定性具体包括两方面:一是排放源总量的不确定性;二为排放源随时间变化的不确定性,其中包括日变化和季节变化。国内对于氨及VOC排放源的估算主要依靠传统的统计方法,如徐新华[35]估算了江浙沪地区氨的排放量,彭应登等[36]估算了北京地区氨源排放及对二次粒子形成的影响,王振刚等[37]估算了湖北省氨的排放源等。这些研究均以省、市为单位进行统计,空间分辨率低,未考虑时间变化,观测资料较少。在模型应用方面,许建明等[38]首次提出了CMAQ模式迭代器源修正反演模型,即在空气质量预报方程中加入排放源的“张弛调整项”以减少模式预报结果与空气污染实测浓度的误差,采用该源同化方法和CMAQ模式预报了2006年1、4、8、10四个月全国范围的SO2和NO2浓度,与采用2000年排放源[39]的预报结果相比,SO2和NO2浓度的预报水平得到明显提高。
我国现有的农业源氨排放估算仍停留在数理统计与确定排放因子相结合的方法。目前,国内仍广泛使用欧美国家的排放因子。由于我国的地理气候和耕作方式与国外差别巨大,导致我国农业实际氨排放因子与国外的结果有较大偏差。由此产生的对源清单不确定性的影响,难以估算。不同研究得出的氨排放因子也有较大差异[7,9]。例如,氮肥生产氨排放的范围就在5~10 kg·t-1之间变化,这些因素也会增加计算结果的不确定性。因此采用国际先进污染源处理方法,避免采用源排放因子而带来的不确定性,是提高农业源估算精度的有效途径。
目前,国际上对于农业源中氨排放的估算方法主要有:过程机理模型(process-based model)[40,41]、逆向模型(inverse model)[42]和双向地表通量模型(bidirectional surface flux model)[43,44]。过程机理模型考虑了养殖畜禽的种类、饲养方式(圈舍饲养或户外放养)、粪便存储方式(露天储存或地窖储存)和厩肥喷洒方式等详细过程,采用相应的数学模型对各主要过程进行准确描述,并利用畜牧业排放模型(FEM)[45]计算各个畜禽养殖场氨的源强大小及其时间变化,然后采用“自下而上”的方法估算区域网格点上氨的源强[40]。逆向模型是利用观测或模式模拟结果由定点浓度值反推算出源强大小及时空分布。它是基于大气化学模式构建的伴随模型,充分考虑了模式中的物理化学过程,能分析目标函数关于所有输入参数的敏感性,可以结合污染物浓度观测数据进行源-浓度之间的敏感性试验和源强反演逆向模型。它是一种“自上而下”的估算源方法。双向地表通量模型是近几年由美国环保局开发的一种新型农业氨排放源估计模式[46—48]。该方法根据地表氨的源通量和沉降来估计农业氨源排放,避免了传统源估计方法采用源排放因子的不确定性。而后,Ran等[49]将它与美国农业部开发的EPIC(environmental policy integrated climate)农业生态系统模型耦合,发展了一个可用来估算农业化肥排放源的FEST-C(fertilizer emission scenario tool for CMAQ)模型。Fu等[50]利用FEST-C系统,初步估算了中国地区化肥施用过程中的氨源排放,但系统中很多参数(如土壤资料)仍采用美国的标准。今后我国相关研究应将FEST-C系统进行本地化处理,使之能更好地估算长三角地区农业化肥施用的氨源排放,同时将“过程机理模型”和“FEST-C”相结合,改进农业源排放估算,完善并优化该地区农业源排放清单。
我国中东部地区农作物秸秆燃烧是该地区空气污染事件发生的一种重要源。近年来,国内采用自下而上的方法来估算生物质燃烧污染物排放量及对空气质量的影响[10,19,51—53]。但在清单建立过程中,本地化实测排放因子的缺乏是当前制约排放清单不确定性和数值模拟结果准确性的关键因子。现有清单仅到粒子层面,气溶胶中化学成分的排放清单鲜见报道。Blue Sky是目前国际上计算生物质燃烧(如森林野火或田间秸秆燃烧)排放源的最有效和可靠的方法。为了准确计算森林火或与农业秸秆燃烧排放的大气污染源,美国林业局(USFS)和美国环保局(USEPA)联合开发了Blue Sky模型模拟框架[54]。Blue Sky是一种模式管理系统,用来协调污染源模式,气象模式和扩散模式之间的信息交换和共享。其主要功能是管理污染源处理模式,能处理卫星探测的森林火、农业火的信息,并根据燃料的种类、燃料消耗量和排放因子等来计算污染物排放量。Blue Sky V3可以直接输出污染源模拟系统SMOKE(sparse matrix operator kernel)所需要的格式[55]。SMOKE是一个复杂的污染源处理系统,可以将各种污染源排放清单转换成三维空气质量模式CMAQ运行的区域网格点上并随时间变化的各种气态和固态物的源资料。美国海洋大气管理局(NOAA)利用HMS(hazard mapping system)[56]和Blue Sky模型估算火点或烟雾(Smoke)的排放源强,并应用于日常空气质量数值预报,明显改进了空气质量模式对PM2.5的预报能力[57]。因此,针对长三角地区典型生物质燃料,采用室内模拟燃烧-稀释通道采样方法,系统研究其燃烧排放气态污染物、细粒子及其载带的化学组分排放因子,构建相应的排放清单。同时利用卫星遥感,并结合Blue Sky和SMOKE污染源处理模型[55],可极大改进现有生物质燃烧排放源清单的准确性和可靠性。
3.2 PM2.5与各前体物之间的关系
氨是大气中最丰富的一种碱性气体,可与大气中的硫酸和硝酸发生中和反应,形成硫酸氨(NH4)2SO4和硝酸氨(NH4NO3),进而形成硫酸盐(SO42-)、硝酸盐(NO3-)和氨盐(NH4+)气溶胶。它们都是PM2.5无机盐的主要组分。已有研究表明,减少SO2排放并不能有效降低PM2.5的浓度[25]。因为减少SO42-,可释放NH3,更多的NH3与硝酸(HNO3)反应,形成硝酸铵(NH4NO3)。因此,虽然SO42-有所减少,但NO3-却增加。Derwent等[58]利用气团轨迹模式,研究了英国南部一个乡村站点的质量浓度与前体物源强的非线性关系,指出控制NH3可最大限度地控制PM2.5浓度。Tsimpidi等[59]应用三维化学输送模式(PMCAMx)研究了美国东南部PM2.5浓度随SO2和NH3排放源强变化关系,指出联合控制SO2和NH3排放源比单个物种的控制效果更加明显。在我国,Wang等[60]首次利用响应曲面模拟(response surface modeling,RSM)技术,研究了中国东部地区(包括华北平原、长三角和珠三角)NH3对细颗粒物的影响。结果显示,NH3对PM2.5的贡献为8%~11%,与SO2(9%~11%)和NOX(5%~11%)的贡献相当。PM2.5对各种源的反应与大气中NH3的浓度高低有着密切关系。当大气中的NH3富集度高时,硝酸盐气溶胶浓度对NOX的源强更加敏感;而当大气中的NH3富集度较低时,硝酸盐气溶胶浓度则对NH3的源强更加敏感。这些研究指出了PM2.5对NH3、SO2和NOX等高度非线性依赖关系。但至今,PM2.5浓度随SO2、NOX、NH3和VOC变化的非线性关系仍不确定。另外,前述研究未充分考虑农业源及气象条件影响,结果具有较大不确定性。因此,建立一个包括农业源的空气质量模式,采用响应曲面模拟技术,探索不同气象条件下PM2.5随NH3、SO2、NOX和VOC源变化的多维等值面图,具有重要的科学意义和应用价值。
我国区域空气污染已由传统的一次颗粒污染转变为以PM2.5和臭氧(O3)为代表的大气复合污染。农业活动排放出大量的氨(NH3)、硫化氢(H2S)、甲烷(CH4)、一氧化碳(CO)、氮氧化物(NOX)和挥发性有机物(VOC)等为主的气态污染物和以黑碳、有机气溶胶为主的大气颗粒物。这些气态污染物作为前体物参与大气化学过程,对对流层臭氧(O3)有重要影响。作为二次气溶胶的重要前体物,通过大气氧化反应等生成硫酸盐(SO42-)、硝酸盐(NO3-)及氨盐(NH4+)等二次气溶胶,对PM2.5升高有重要影响。比较而言,农田秸秆燃烧排放的大气颗粒物表面非均相化学反应对大气复合污染的影响机理,仍有待深入研究。
3.3 PM2.5及其化学组分模式预报
空气质量模式是研究PM2.5形成机理及评估各种排放源对重空气污染事件的重要工具,它可以模拟核化、凝结、蒸发、碰并等过程以及化学反应对PM2.5的影响,模拟和预报PM2.5浓度的时空分布及各化学组分的贡献[61—64]。目前国内外应用最广泛的空气质量模式有CMAQ[65—67]、WRF/Chem[68]、CAMx[69]等。如美国自2007年起利用CMAQ模式对全美发布地面臭氧浓度的数值预报产品[70,71]。与观测相比,夏季PM2.5预报值明显偏低,而冬季的预报结果则明显偏高。森林野火排放源和其他农业源的严重低估是导致夏季PM2.5预报值偏低的主要原因之一。而后者则与气象条件如模拟的边界层高度偏低以及干湿沉降参数化过程不确定性等有密切关系[72]。Pinder等[40,41]和Wu等[73]均发现考虑农业氨排放源后,PM2.5的预报结果有明显改进。
我国在区域空气污染数值预报模型的开发和应用等方面的工作开展得相对较晚,但发展较快。比如,王自发开发了沙尘暴预报模式[74]和嵌套网格空气质量预报模式系统(NAQPMS)[75,76];Zhang等[77]开发了中国沙尘暴数值预报系统;Zhang等[78,79]引进开发了RAMS-CMAQ空气质量模拟预报系统;Wang等[80]和Tie[81]等引进开发了WRF-Chem预报系统,并应用于长三角地区和上海市的空气质量业务预报;Wang等[82]引进了CMAQ预报系统。另外,中国气象局广州热带海洋气象研究所牵头,联合广东省环境科学研究院与相关单位移植了美国EPA的空气质量预报系统(MM5-SMOKE-CMAQ),建立了广东省首个业务预报的空气质量预报系统(MM5-CMAQ)[83]。此外还有中国气象局雾-霾数值预报系统(CUACE/Haze-Fog)和沙尘天气预报模式(CUACE/Dust)业务预报应用研究[12]。这些空气质量预报系统的开发和应用,对于我国沙尘暴、灰霾的形成机理研究和开展各种空气质量如PM2.5的模拟预报预警服务发挥了巨大的作用。但是,这些模拟预报系统目前都没有系统考虑各种农业源的影响,现有空气质量模式仍缺乏对PM2.5及其化学组成的认识以及对PM2.5形成机理和形成过程的描述,而且对PM2.5浓度特别是各化学组分贡献的预报准确性还存在很大的不足。因此,研究和发展一个详细考虑农业源影响的PM2.5预报预警系统显得极为迫切,也面临极大挑战。
4 总结与展望