“十四運”期間西安PM2.5 中水溶性無機離子污染特征

曹 磊,陶亞南,趙 蓓,馮 瞧,李永慶,王雨薇,周變紅

1.陜西省環境監測中心站,陜西省環境介質痕量污染物監測預警重點實驗室,陜西 西安 710054

2.寶雞文理學院地理與環境學院,陜西省災害監測與機理模擬重點實驗室,陜西 寶雞 721013

PM2.5作為空氣污染物的主要成分,可通過散射或吸收太陽光直接降低大氣能見度[1-2],其濃度升高可導致霧霾污染加重[3],同時對人體健康產生嚴重危害[4]。 水溶性無機離子作為PM2.5重要組成成分之一,約占其質量的30%～80%[5],其來源復雜,對顆粒物污染的形成具有重要驅動作用[6],同時具有親水性,對云的宏觀特征、大氣能見度及降水酸堿度等具有重要影響[7-9]。 水溶性無機離子主要成分是二次離子[10-11],有研究表明高濃度和是引發我國重霧霾污染的重要組分[12],也是造成城市大氣能見度降低的主要原因[13],因此研究水溶性無機離子的變化特征對了解PM2.5污染物性質和來源具有重要意義。

西安是中國西北地區重要的工業城市、西部地區重要的中心城市,也是中國污染程度最嚴重的城市之一[14]。 2020 年西安市全年能源消費總量達到582.4 萬t,全市機動車保有量約為398 萬輛,工業廢氣排放量為1 194.3 億m3,比2019 年(1 067.30 億m3)增長11.9%[15],經濟迅速發展導致大氣污染狀況愈發嚴重。 黃含含等[16]研究發現,Ca2+、和是西安市大氣PM2.5中主要的水溶性無機離子,和質量濃度在秋冬季偏高,春夏季偏低,濃度春季最低。 LI 等[17]研究得出,西安市大氣總懸浮顆粒物(TSP)中和質量濃度在重霾期間急劇上升,分別占TSP 的9.6%、8.3% 和4.4%。 劉立忠等[18]研究得出,西安市 PM2.5中和Cl-年均值占總水溶性離子的89.49%,其峰值出現在11 月和12 月。 鑒于目前使用高時間分辨率的在線儀器研究不多,大多學者主要從水溶性無機離子組成、季節變化特征及特殊天氣條件的變化規律來了解西安市顆粒物的形成和污染來源。 中國第十四屆運動會(簡稱“十四運”)前主要加強污染源治理和常態化管控,期間實施“強化管控+應急管控”,嚴格落實重點涉氣源和揚塵污染減排措施,加強點源和面源污染管控力度,并實施移動源臨時交通管制,“十四運”后則恢復常態化管理。 因此,研究不同時期管控措施下西安市PM2.5水溶性離子污染特征具有重要意義。 故本研究利用MARGA ADI 2080離子在線分析儀對西安秋季“十四運”前、“十四運”期間和“十四運”后不同階段PM2.5中水溶性無機離子進行實時監測,使用高時間分辨率的在線儀器對西安市 PM2.5中水溶性離子質量濃度進行實時檢測,一定程度上消除了離線濾膜取樣分析引起的誤差,分析各水溶性無機離子的不同階段的日變化特征,利用熱力模型ISORROPIA-Ⅱ模型、主成分分析(PCA-MLR 模型)分析了水溶性無機離子的酸堿平衡及來源特征,最后應用后向軌跡 (HYSPLIT) 模式和聚類分析法(TrajStat)進行軌跡聚類及潛在源因子分析,以了解在運動會期間當地管理部門對大氣的管控措施改善力度,以期為后續西安市進一步開展大氣氣溶膠研究提供基礎數據。

1 研究方法

1.1 觀測地點和采集設備

西安位于中國內陸半干旱地區關中盆地,北靠黃土高原,南依秦嶺。 具體采樣點設在西安環保大廈樓頂(34.27°N,108.90°E)距地面20 m處,該站點是為了進行陜西省關中大氣污染成因分析布設的關中城市在線大氣組分監測站點之一,按照國家要求盡量靠近現有國控空氣站,距離西安市小寨國控站約2.0 km。 本采樣點是國控站點的補充,組分站運行基礎條件要求較高,周邊能較好地滿足站點建設運行條件,通過大氣在線監測,以達到指導消減和控制大氣污染的初衷,所以該站點可以反映西安市空氣質量變化情況。 該站點位于西安市雁塔區,周邊主要分布有居民區和學校,無明顯的污染源。 監測時段分為“十四運”前(2021 年8 月14 日00:00 至9 月14 日23:00)、“十四運”期間(2021 年9 月15 日00:00至9 月27 日23:00)和“十四運”后(2021 年9 月28 日00:00 至10 月28 日23:00)。

無機水溶性離子測試儀器為瑞士萬通集團研制的MARGA ADI 2080 離子在線分析儀,是可以連續測量氣體和氣溶膠中可溶性離子成分逐時平均濃度的在線分析器。 該儀器包括采樣系統和分析系統,通過旋轉式溶蝕器定量吸收和蒸汽噴射氣溶膠收集器收集并凝聚溶解,制成可溶性的氣體和氣溶膠樣品溶液,基于離子色譜來測量氣溶膠中可溶性離子成分。 獲得8 種水溶性離子(Cl-、、Na+、、K+、Mg2+、Ca2+)和5 個痕量氣體組分(SO2、HCl、NH3、HNO3、HNO2)。 對比傳統的膜采樣方法,該儀器具有時間分辨率高、連續性強等優勢[19]。 PM2.5的濃度數據來自西安超級站,所用儀器為美國賽默飛MODEL5030,數據的時間分辨率為1 h。 PM2.5儀器每個月進行一次流量檢查,實測流量與設定流量的誤差在±5%范圍內[20]。 氣象數據(溫度、相對濕度降水、風速和風向)和邊界層高度分別來自西安超級站的WS500-UMB 氣象監測儀(德國LUFFT) 和AGHJ-I-LIDAR 激光雷達(中科光電),數據時間分辨率均為1 h,每個月定期對儀器進行校正。

1.2 ISORROPIA-Ⅱ模型

ISORROPIA-Ⅱ模型是基于熱力學原理,計算氣溶膠含水量中氫離子的濃度[21]。 該模型將同時段內水溶性離子質量濃度和對應環境的溫度、相對濕度作為輸入數據,通過計算得到液相中H+濃度和水含量來計算氣溶膠pH。 pHis計算公式:

式中:pHis表示PM2.5的酸度;γH+表示H+的活度系數(假設γH+= 1);表示單位體積空氣中平衡顆粒水合氫離子的濃度;ALWC 表示PM2.5的含水量。和ALWC 利用ISORROPIA-Ⅱ模型計算得出,單位均為μg/m3。

1.3 PCA-M LR 模型

利用SPSS 軟件對寶雞市秋季清潔和污染時段大氣PM2.5中的水溶性離子污染來源進行主成分分析(PCA),其次利用多元線性回歸模型(MLR)得出污染源的平均貢獻率[22-23]。 MLR 模型方程:

式中:Y 為標準化后PM2.5中總水溶性離子質量濃度;Xi為主成分的因子得分變量;Bi為MLR 的回歸系數。 源i 的平均貢獻率(Z,%)計算公式:

1.4 聚類分析

后向軌跡圖形軌跡制作利用(HYSPLIT) 模式,根據氣流在垂直和水平方向上的運動速率和方向進行聚類,可反映一段時間內到達目標地區氣流的大致軌跡來向及不同來向占比,目前已廣泛應用于大氣化學觀測數據分析[24-25]。 本研究監測時段采用GDAS 氣象數據,以西安(34.27°N,108.90°E)為起點,將模擬起始高度設置為500 m,每隔1 h 計算一次,每條軌跡時長為24 h,使用TrajStat 進行軌跡聚類[26]。 采用歐拉距離法,得到氣團后向軌跡聚類。

1.5 潛在源分析

潛在源貢獻函數(PSCF) 是基于條件概率函數,結合氣團軌跡和化學組分濃度值定性識別潛在污染源的方法[27]。 該方法先將氣流經過的區域劃分為 i×j 個相等的網格(i 和j 分別代表經度和緯度),并設置一標準值,將超過標準值的軌跡定義為污染軌跡[28],通過計算網格內污染軌跡數(mij)與軌跡總數(nij)比值來定量不同區域的污染排放貢獻[29],計算公式:

本研究用0.5°×0.5°的網格對研究區域氣團軌跡進行劃分。 PSCFij是一種條件概率,為減少總軌跡數較少造成PSCFij的不確定性,故引入加權函數 Wij,計算所得的PSCFij乘以權重函數Wij[30],即:

2 結果與討論

2.1 PM 2.5 質量濃度特征

研究期間各氣象因素(溫度、濕度、風速和風向)、PM2.5、水溶性無機離子和痕量氣體的小時濃度序列變化如圖1 所示。 由圖1 知:PM2.5、水溶性無機離子和痕量氣體的質量濃度的變化趨勢趨于一致。 在9 月3 日17:00 PM2.5濃度出現峰值,隨后伴隨降雨的發生,PM2.5的濃度開始顯著下降。 3、4 日連續降水前后,PM2.5由極大值69.0 μg/m3降到極小值1.5 μg/m3,下降了97.8%。3、4 日平均風速2.0 m/s,故忽略大氣擴散作用,說明此期間降雨對大氣PM2.5濃度降低起主要作用。 “十四運”(9 月15—27 日)期間,9 月15 日下午04:00 PM2.5達到峰值53.5 μg/m3,隨即16—19 日連續降水,平均相對濕度為95%,16—17 日車輛限行管控措施,另外由于18—21 日為中秋節,在此期間暫停車輛限行管控,說明降雨對此期間降低污染物濃度有重要貢獻,使降水前后PM2.5質量濃度由15 日22:00 極大值24.5 μg/m3降到19 日03:00 極小值2.0 μg/m3,下降了91.8%。 同理,9 月24 日發生降水,污染物濃度較低。 28 日“十四運”結束后,污染水平出現了反彈,PM2.5的質量分別為“十四運”前、“十四運”期間的2.4、2.7 倍,全運會結束之后管控終止,污染物濃度大大增加。

圖1 監測時段內西安風速、相對濕度、降水量、PM 2.5、水溶性無機離子和痕量氣體時間變化序列Fig.1 Time variation sequence of wind speed,relative humidity,precipitation,PM 2.5,water-soluble inorganic ions and trace gases in Xi 'an during the monitoring period

痕量氣體整體濃度較低,可能與MARGA 低估痕量氣體濃度有關[31]。 NH3是大氣中重要的堿性氣體,也是觀測期間濃度最高的氣體,“十四運”后NH3質量濃度(11.5 μg/m3)高于“十四運”前(9.9 μg/m3)和“十四運”期間(8.5 μg/m3),可能與污染來源和 大氣中和反應等多種因素相關。HNO2和 HNO3主要源于機動車尾氣排放,不同時段HNO3比HNO2低,HNO2在“十四運”期間質量濃度較低為1.1 μg/m3,“十四運” 后為1.8 μg/m3。 觀測期間HCl 和SO2質量濃度平均值較低,分別為0.1 μg/m3和0.4 μg/m3。

為識別排放對無機離子濃度的影響,本文采用通風系數 VC(邊界層高度×水平風速)來表征大氣污染物的擴散潛力[32],并利用二次水溶性無機離子SNA(和)質量濃度與通風系數(VC)的比值(SNA/VC)和非二次水溶性無機離子質量濃度(即總水溶性無機離子質量濃度減去二次水溶性離子質量濃度)與通風系數的比值(TWSI-SNA)/VC 定性反映污染源的排放變化。 結果表明“十四運”前、“十四運”期間和“十四運”后通風系數分別為1 428.4、799.4、716.2 m2/s,PM2.5質量濃度分別為13.4、11.9、32.6 μg/m3。 “十四運”期間和“十四運”后通風系數相當,故可消除大氣對污染物擴散的影響,同時“十四運” 期間PM2.5質量濃度低于2018 年(22.87 μg/m3)、2019 年(27.87 μg/m3)和2020年(32.7 μg/m3)[33]。 說明嚴格的管控措施對“十四運”期間空氣質量的改善取得很好的效果。同時“十四運”前和“十四運”期間SNA/VC 和(TWSI-SNA) /VC 均低于“十四運” 后,表明“十四運”后一次排放和二次排放均高于“十四運”前和“十四運”期間。

表1 監測時段內VC、SNA/VC 和(TWSI-SNA)/VC 的比較Table 1 Comparison of VC,SNA/VC and (TW SI-SNA)/VC before,during and after the m onitoring period

2.2 水溶性無機離子污染特征

監測期間不同時段各離子的質量濃度水平由高到低的順序依次為＞Ca2+＞Cl-＞Na+＞K+＞Mg2+,其中Na+、Mg2+和Ca2+是風沙揚塵的標識物,其質量濃度較低,可能主要受大氣降水及道路灑水抑塵影響。和是較為豐富的離子,主要由大氣中NO x 和SO2在氧化劑作用下,生成硝酸和硫酸,再與氨氣反應形成銨鹽等二次反應生成[34]。 “十四運”前、“十四運”期間和“十四運”后SNA 質量濃度分別為5.8、5.4、13.3 μg/m3,占TWSI 比例為91.6%～93.6%,是水溶性無機離子的主要組成部分。 與其他城市的離子組分濃度相比(表2),“十四運”前和“十四運”期間SNA 質量濃度均低于2017—2018 年的西安、鄭州、臨汾和成都。 其中主要通過汽車尾氣排放的NOx經過非均相氧化反應在氣溶膠表面形成[35]。 “十四運”后質量濃度(7.4 μg/m3)分別為“十四運”前(1.7 μg/m3)和“十四運” 期間(1.9 μg/m3) 的4.4、3.9 倍,同時與PM2.5相關系數(0.97)大于“十四運”前(0.65)和“十四運”期間(0.73),可能由于“十四運”后取消交通管控,受汽車尾氣排放影響較大。與質量濃度比通常表示移動源和燃煤源的貢獻特征[36],比值小于1 則固定源對顆粒物的貢獻更大,大于1 則移動源的貢獻大[37]。 “十四運”前、“十四運”期間和“十四運”后,該比值分別為0.7、0.9 和2.7,“十四運”后該比值分別是“十四運”前和“十四運”期間的3.9、3.0 倍,且“十四運”前和“十四運”期間比值均低于西安 2017 年秋季(1.62 ± 0.53)[38]、 北京(2.9)[37]、上海(1.16)[39]和臨汾(1.81)[40],表明移動源相較固定源的貢獻小。 說明西安市“十四運”期間對交通的管控措施有一定效果,“十四運”后則明顯受移動源影響。

表2 水溶性離子特征及與其他城市組分質量濃度對比Table 2 Water-soluble ion characteristics and mass concentration comparison with other urban components

2.3 PM 2.5 和 SNA 的日變化特征

“十四運” 前后及“十四運” 期間PM2.5、SNA、相對濕度、風速和邊界層高度的日變化如圖2。 由圖2 可知:“十四運” 后邊界層高度(679.2 m)低于“十四運”前(980.2 m)和“十四運”期間(705.2 m),“十四運”前呈先減后增趨勢,11:00 下降到最低(717.9 m),“十四運”期間和“十四運”后全天邊界層高度相較穩定?！笆倪\”期間和“十四運”后全天風速均為1.0 m/s,小于“十四運”前(1.3 m/s),均無明顯日變化。 “十四運”前、“十四運”期間和“十四運”后相對濕度分別為70.5%、84.7%和82.6%,均為09:00 開始下降,15:00 達到谷峰,隨著濕度下降,PM2.5得到累積,不同時段PM2.5質量濃度分別在12:00 (17.2)、16:00 (16.0) 和16:00(38.0)出現峰值,SNA 質量濃度的日變化趨勢與PM2.5一致,峰值分別為8.86、6.36、16.6 μg/m3。

圖2 PM 2.5、SNA、相對濕度、風速和邊界層高度的日變化特征Fig.2 Diurnal variation characteristics of PM 2.5,SNA,relative humidity,wind speed and boundary layer height

“十四運”前PM2.5和SNA 峰值均出現在白天,白天PM2.5和SNA 分別為14.46 μg/m3和6.76 μg/m3,高于夜晚PM2.5(12.4 μg/m3)和SNA(4.7 μg/m3)。 夜晚和白天的濕度、風速相當,分別為71.9%、1.2 m/s 和69.0%、1.4 m/s,夜晚邊界層高度(1 078.8 m)高于白天(881.6 m),故PM2.5晝夜濃度差異受邊界層高度的影響較大,高的邊界層高度更有利于污染物擴散。 “十四運”期間PM2.5晝夜質量濃度相當,分別為11.9 μg/m3和12.0 μg/m3, SNA 分別為 5.3 μg/m3和 5.4 μg/m3。 “十四運”后PM2.5白天和夜晚質量濃度分別為31.0 μg/m3和34.1 μg/m3,SNA 分別為13.4 μg/m3和13.1 μg/m3,其質量濃度均高于“十四運”前和“十四運”期間。

2.4 離子平衡及主要存在形式

酸堿度是影響氣溶膠形成、組成、毒性和養分輸送的基本性質[43],它會影響硫酸鹽[44]、硝酸鹽[45]和次生有機氣溶膠(SOA)的形成[46],對生態安全、人類健康及顆粒物吸濕性均具有重要影響[47],它能引起降水的酸化,也可能對酸性的降水起到中和作用[13]。和Cl-等陰離子形成的銨鹽或者酸性液滴均可增加降水的酸性,Na+、Ca2+、Mg2+等陽離子形成的堿式鹽會使降水的酸度降低[48]。 通常用陰離子和陽離子的電荷濃度比(AE/CE)來推斷氣溶膠的酸性[48-49],該比值小于1 則PM2.5呈堿性,比值大于1 則PM2.5呈酸性。 陰離子電荷濃度AE 和陽離子電荷濃度CE 計算公式:

式中:ρ 指離子的質量濃度,μg/m3;AE 和CE 分別為陰離子和陽離子電荷濃度,μmol/m3。

如圖3 所示,陰陽離子存在較好的相關性(R2＞0.90),表明觀測的8 種水溶性離子是 PM2.5中主要離子,觀測數據可靠性高。 “十四運”前、“十四運” 期間和“十四運” 后AE/CE 分別為0.83、0.75 和0.85,表明監測期間大氣氣溶膠呈堿性且“十四運”期間酸性最弱,其比值小于寶雞(1.08)[50]、臨汾(0.94)[40]和貴陽(0.92)[51]。 另外,本研究利用熱力學模型 ISORROPIA-II 對監測期間PM2.5酸度(pHis)進行計算,計算得pHis分別為2.91、2.94 和3.7,表明監測期間酸性強度從大到小順序依次為“十四運”前＞“十四運”期間＞“十四運”后。

圖3 陰陽離子電荷平衡Fig.3 Charge balance of anion and anion

圖4 與與和電荷濃度Fig.4 Molar electron equivalent concentrations of ,and

2.5 P C A-M L R 模型

為了解不同時段內水溶性離子來源,利用P C A-M L R 模型分析,結果如表3 所示。 “十四運”前,通過分析確定了2 種因子,其累計解釋方差為7 2.1%。 因子1 的方差解釋比為4 4.3%,其中和的載荷值較高,主要通過污染氣體二次轉化得到,可判斷P C 1 來源為二次生成。 P C 2 的方差解釋比例為2 7.8%,M g2+和C a2+均為地殼元素的標志物[54],P C 2 可識別為揚塵源。 “十四運”期間,兩種因子累計解釋方差為8 3.6%,K+和C l-分別為生物質燃燒和燃煤的標志[55,10],可識別為燃燒源。故P C 1 和P C 2 分別識別為二次生成及燃燒混合源和揚塵源。 “十四運”后確定的2 種因子P C 1和P C 2 分別識別為二次源和燃煤混合源及揚塵源。

表3 PM 2.5 中水溶性離子的旋轉因子載荷矩陣Table 3 Rotation factor load matrix of water-soluble ions in PM 2.5

利用S P S S 軟件進行多元線性回歸,得到清潔時段和污染時段線性回歸方程分別見式(9)～式(1 1)。

式中:Fi為源i 的因子得分變量;括號中P 為顯著性水平;檢測值均符合0＜P＜0.0 5,故自變量和因變量之間存在線性關系。

利用式(3)計算得出“十四運”前二次生成和揚塵源的貢獻率分別為98.2%和1.8%。 “十四運”期間,二次生成及燃燒混合源和揚塵源的貢獻率分別為4 8.5%和5 1.5%。 “十四運”后,二次生成及燃煤混合源和揚塵源的貢獻率分別為91.4%和8.6%。 可見“十四運”期間對交通管控以及減少二次離子前體物(SO 2、NO 2 和NH3)的排放取得較大成效。 故控制二次離子轉化的前體物排放以及生物質燃燒及化石燃料的燃燒對改善西安市空氣質量具有重要意義。

2.6 后向軌跡和潛在源分析

為了進一步分析本研究地區受到區域傳輸的影響程度和方向及其潛在源的空間分布,使用HYSPLIT 模型對PM2.5進行軌跡模擬聚類和其中二次水溶性無機離子(SNA)潛在污染源貢獻因子(WPSCF)分析,并以SNA 質量濃度平均值作為閾值,結果如圖5 所示。 圖5(a)～圖5(c)為監測期間到達西安市的氣團聚類分析結果,主要分為4 類氣團。 “十四運”前,軌跡1 代表的氣團在總氣團的占比約4 2.1 9%,其起源于西安市南部方向;軌跡2 起源于西安北部方向,其占比約38.28%,此2 類氣團約占總氣團的80.47%,攜帶PM2.5 分別為16.7μg/m3和8.7 μg/m3;軌跡3 和軌跡4 分別起源于西安東南方向和西北方向,其占比分別約為14.8 4%和4.69%,攜帶PM2.5分別為13.1 μg/m 3 和14.6 μg/m3。 “十四運”期間,軌跡1(57.69%)和軌跡2(19.23%)共約占總氣團的7 6.9 2%,分別起源于西安東部和北部偏東方向,分別攜帶PM2.5 的質量濃度為11.6、5.5 μg/m3;軌跡3 和軌跡4 攜帶P M2.5的質量濃度為14.6、13.1μg/m 3,其占比均約為11.54%,分別來自于西安南部偏西和西北方向。 “十四運”后,源自西安西南部的軌跡3 聚類氣團對應的PM2.5為82.1 μg/m3,超過我國《環境空氣質量標準》(GB 3095—2012)的二級標準(75 μg/m3)。 軌跡3 聚類氣團占比約3.57%,起始于貴州省北部,隨后經過重慶和四川,最終到達西安。 軌跡1 氣團占比約49.11%,起源于西安東南方地區,攜帶PM2.5質量濃度為44.4 μg/m3,相比南部軌跡聚類氣團,來自北部氣團則較為清潔;軌跡2 氣團(15.18%) 和軌跡4 氣團(32.14%) 分別攜帶PM2.5質量濃度為11.7、22.5 μg/m3。 3 個階段內起源于南部的聚類氣團攜帶的污染物PM2.5濃度均大于來源北部的氣團。 圖5(d) ～圖5(f)為SNA 潛在源分析結果,表明“十四運”期間二次水溶性無機離子的潛在源區分布范圍最小。 “十四運”前,潛在源區主要分布在西安市中部及周邊地區,“十四運”期間和“十四運”后,潛在源區主要分布在西安,其中WPSCF 高值(大于0.8)均出現在西安市內。 故“十四運”期間大氣PM2.5水溶性離子受長距離氣團攜帶的污染物的影響較小,主要受省內短距離傳輸影響。

圖5 24 h 后向軌跡及水溶性離子污染潛在源分析Fig.5 24 h backward trajectory and analysis of potential sources of water-soluble ion pollution

3 結論

1)“十四運”后PM2.5質量濃度分別是“十四運”前和“十四運”期間的2.4、2.7 倍,“十四運”后質量濃度分別是“十四運”前和“十四運”期間的4.4、3.9 倍,“十四運”后與質量濃度比分別是“十四運”前和“十四運”期間的3.9、3.0 倍,說明“十四運”期間實施交通管控措施對降低污染有重大貢獻。 不同階段SNA 質量濃度的日變化趨勢與PM2.5一致,均在12:00—16:00 出現高峰值。 “十四運”前PM2.5晝夜濃度差異受邊界層高度的影響較大,“十四運”期間和“十四運”后晝夜差異較小。

2)觀測不同時段通過陰陽離子電荷濃度擬合發現大氣氣溶膠整體呈堿性。 進一步通過計算pHis得酸性強度為“十四運”前＞“十四運”期間＞“十四運”后,主要受富氨環境影響。 不同時段主要以( NH4)2SO4、 NH4NO3和NH4Cl 的形式存在。 故與控制和濃度相比,控制對降低水溶性無機離子濃度更加有效。

3)觀測期間,大氣PM2.5主要受二次源、揚塵源及燃燒源的影響。 “十四運”期間二次源的貢獻顯著下降,此期間實施臨時交通管制、面源和禁止露天焚燒等管控措施取得了重要成效。 故控制二次離子轉化的前體物排放以及生物質燃燒及化石燃料的燃燒對改善西安市空氣質量具有重要意義。

4)后向軌跡和潛在源區貢獻分析結果表明,起源于南部的聚類氣團攜帶的污染物PM2.5濃度均大于來源北部的氣團,但氣團占比小,主要受省內短距離傳輸影響。 SNA 離子的潛在污染源區主要分布在西安市內及周邊地區。