2020年南通市大氣顆粒物組分和污染特征分析

李敏娜

(江蘇省南通環境監測中心，江蘇 南通 226006)

南通市屬南部沿海城市，東臨黃海，海洋氣流的影響決定了其污染物傳輸擴散的獨特性。在城市化、工業化進程不斷加快的同時，大氣環境也承受了巨大壓力，顆粒物已經成為影響南通市空氣質量的首要污染物，為有效控制包括PM2. 5和PM10在內的顆粒物污染，應當根據環境空氣中顆粒物的來源及污染特點制定科學合理的污染防治措施。

近年來，國內開展了很多顆粒物方面的研究，主要包括顆粒物時空分布特征[1-3]，組成特征[4-5]，顆粒物源解析[6-7]等，目前，對于顆粒物組分分析多采用手工采樣實驗室分析的方法，工作量大，數據量少，采用大氣超級站的數據可以進行更加全面的分析。

自2016年南通市大氣超級站建成以來，已經開展了很多顆粒物的相關研究。周玉香等[8]針對2019年南通市大氣多參數站監測數據,分析大氣PM2.5及水溶性無機離子濃度變化規律,通過主成分-多元線性回歸模型進一步解析污染來源。蔣榮等[9]對南通市2016年12月—2018年10月大氣污染季節分布特征進行了分析。結果表明,南通市ρ(PM2.5)和ρ(水溶性離子)為冬、春季高,夏、秋季低。并且發現移動源已成為南通市春、秋、冬季的主要污染源,四季均存在不同程度的二次轉化。楊杰[10]根據南通市大氣超級站的觀測結果和氣象因素,對南通市2019年10月29日—11月2日一次典型沙塵污染過程、顆粒物化學組分、顆粒物消光和退偏進行分析。

為了進一步分析南通市顆粒物的污染特征，現采用南通市大氣超級站的數據，對2020年顆粒物組分和污染特征進行分析。

1 研究方法

1.1 監測時間

2020年1月1日-12月31日。

1.2 監測點位

南通大氣超級站位于南通市紫瑯公園內的環境教育館樓頂，處在南通市區新城區、老城區和經濟技術開發區交界位置，能較好地監控和評估區域大氣污染特征和傳輸途徑。

1.3 監測儀器

1.4 評價標準

《環境空氣質量標準》(GB 3095-2012)。

2 結果與分析

2.1 PM2.5和PM10濃度水平

觀測期間，本研究觀測站點PM2.5和PM10的日均質量濃度變化范圍分別為5～175 μg/m3和9～229 μg/m3。年均質量濃度分別為34 μg/m3和56 μg/m3，以《環境空氣質量標準》(GB 3095-2012)作為評價標準，PM2.5和PM10的年均質量濃度均符合二級標準。

2.2 PM2.5和PM10時間變化特征

南通市PM2.5、PM10濃度具有明顯的冬高夏低的特征(圖1)，其中冬季(1、2月和12月)最高，其次為春季(3-5月)和秋季(9-11月)，夏季(6-8月)最低。夏季8月PM2.5最低，為20 μg/m3，冬季1月PM2.5最高，為60 μg/m3；夏季7月PM10最低，為35 μg/m3，冬季12月PM10最高，為85 μg/m3。這與南通的氣象條件有關，夏季大氣擴散條件較好，臺風、降水較多，對污染物擴散有一定影響，冬季由于逆溫，大氣污染物擴散條件較差，且冬季主導風向為西北風，受北方采暖季污染物的輸送影響較大[9]。PM2.5/PM10是冬季>夏季>春季≈秋季，其中10月最低，為0.49，1月最高，為0.90。春、秋季沙塵天氣多發，且空氣較為干燥，不利于PM2.5吸濕增長，冬季空氣較為潮濕，PM2.5容易吸濕增長。

圖1南通市PM2.5、PM10濃度水平及PM2.5/PM10的月變化和季節變化

2.3 PM2.5的組成特征

OC和EC濃度均為冬季最高，夏季最低，表明冬季碳組分污染較為嚴重，跟冬季風速小、濕度高、多逆溫的氣象條件有關，有利于污染物的累積。

表1 2020年四個季節PM2.5的組成和季節變化 單位：μg/m3

OC/EC的比值常被用作估算二次有機碳(SOC)和示蹤碳質氣溶膠排放源，當OC/EC值大于2時,可認為存在SOC污染[13],OC/EC在不同的范圍內標識不同的污染源,由此,可定性地判斷碳組分的來源。由表1可見，四季OC/EC均大于2，表明南通全年均受二次有機碳(SOC)的影響，此外OC/EC季節排序為春季(4.63)>夏季(4.45)>冬季(3.72)>秋季(3.19)。

OC/EC數值的范圍表示不同污染來源,OC和EC的比值為1.0～4.2，表明有柴油和汽油車的尾氣排放,2.5～10.5表明燃煤排放。全年OC/EC介于3.2～4.6，表明主要受柴油、汽油車的尾氣排放和燃煤排放影響。

3 結論

(1)南通市2020年PM2.5和PM10年均質量濃度分別為34 μg/m3和56 μg/m3，以《環境空氣質量標準》(GB 3095-2012)作為評價標準，均符合二級標準。

(2)南通市PM2.5、PM10濃度具有明顯的冬高夏低的特征，其中冬季最高，其次為春季和秋季，夏季最低。