-
水溶性有机物(water-soluble organic matters,WSOM)作为大气颗粒物中可溶于水相的有机组分,占大气有机气溶胶的10%—80%[1-2]. 相关研究表明,WSOM可影响气溶胶作为云凝结核的能力,还有助于吸收太阳辐射,从而影响全球气候变化[2-3]. 并且气溶胶中WSOM与活性氧以及细胞的氧化还原活性有着密切的关联,对人体健康有着重要的影响[4]. 近年来,随着大气灰霾污染问题突出,有关大气中 WSOM光学特性和环境行为的研究已成为大气领域研究的重点之一.
WSOM复杂多样的光学特性与其来源和结构组成信息密切相关. WSOM在大气气溶胶中的来源广泛,研究发现生物质燃烧是其主要的来源[5-6]. Zhang等[5]研究发现,北京、上海、广州和西安城市的气溶胶中WSOM最主要的来源为生物质燃烧排放,占总WSOM的17%—26%. Hecobian等[6]研究确定了生物质燃烧是WSOM中发色团的主要来源之一. 此外,生物质燃烧排放源对大气中WSOM的组成和荧光特性有着重要的影响. 例如,Duarte等[7]在大气气溶胶WSOM中检测到了纤维素类和木质素类物质的存在,证实了生物质燃烧源是大气气溶胶中WSOM化学成分的主要贡献源. 范行军等[8]研究发现,生物质燃烧排放是大气气溶胶中WSOM的类蛋白物质的主要贡献源. Qin等[9]研究发现,由于生物质燃烧排放的贡献,兰州市冬季大气中WSOM的腐殖化程度明显低于夏季. 目前对于不同生物质燃烧产生颗粒物的研究主要集中在化学组成和排放特征(如离子组成和排放因子等), 也有学者对其WSOM光学特性开展了部分工作,表明生物质类型对大气气溶胶中WSOM的发色物质组成和光学特性有着重要的影响[8,10].
尽管已有相关学者关注了生物质燃烧排放WSOM的光学特性,但由于生物质的种类繁多,不同生物质燃烧排放WSOM的组成和光学性质可能存在较大差异. 本文以草本类(包括高粱、玉米、水稻、小麦、花生叶、杂草)和木本类(包括松树、杉树的叶、杆、根部位)两类典型生物质为研究对象,收集模拟野外燃烧试验产生的颗粒物,并分析颗粒物的化学成分特征以及颗粒物中WSOM的紫外-可见光吸收特征和三维荧光光谱特征. 研究结果可以补充生物质燃烧源的光学特性,为大气颗粒物源解析提供基础数据.
-
本研究选取6种草本类生物质(高粱、玉米、水稻、小麦、花生叶、杂草)和2种木本类生物质(松树和杉树)为研究对象. 为避免采样过程中受其他排放源的影响,采样地点远离道路,建筑区和工业区. 燃烧前将生物质样品干燥14 d以上并除去表面灰尘,以减少叶面颗粒污染物沉积引起的误差. 由于木本类生物质(松树和杉树)的根、杆和叶部分的化学组成可能存在较大差异,将根、杆和叶部分分开进行单独燃烧.
生物质燃烧样品采集方法参考文献[11],模拟生物质露天燃烧的方式,将Mini Vol TAS粉尘颗粒采样器(Airmetries,美国)放置于距离生物质燃烧堆水平和垂直分别约1 m的位置采集烟气颗粒(PM2.5),并控制采样流量为6 L·min−1,采样时间为10 min. 将实验室内强制通风后,密闭实验室采集空白对照,并且在每次采集样品前均进行强制通风操作. 每种生物质用量在30 g左右,每种生物质样品燃烧采集2次. 采样过程中每采集好1个样品,用酒精擦拭膜托和采样头,避免不同样品之间发生交叉污染. 采样滤膜采用石英纤维滤膜(Whatman),采样前滤膜用铝膜包裹,放入500 ℃下焙烧5.5 h去除滤膜上的杂质和无机碳,采样后放入−20 ℃冰柜中储存.
-
切割四分之一片膜置于清洗干净的玻璃瓶中,用20 mL超纯水(18.3 MΩ·cm)超声提取15 min,然后用孔径为0.22 μm的针式过滤器过滤,提取过程重复两次,以确保WSOM得以充分提取,将两次提取液混合,过程中以水空白和膜空白作为背景空白. 以同样的方法用超纯水超声提取水溶性离子,使用孔径为0.45 μm的针式过滤器过滤,超声提取时间为10 min,提取过程重复2次.
-
采用总有机碳(TOC)分析仪(Jena AG multi N/C 3100,德国)测定WSOM的浓度,即在680 ℃的高温条件下,水样被Pt催化剂完全氧化成水和二氧化碳,再经非色散红外检测器检测. 使用邻苯二甲酸氢钾标准溶液建立WSOM的校准曲线,所有样品在检测前均用2 mol·L−1盐酸酸化去除无机碳.
-
根据文献[12]中使用DRI热/光碳分析仪测定样品中的有机碳(OC)和元素碳(EC),OC和EC检出限均低于1.0 μg·m−3,每10个样品进行1次重复测定,确保两次误差在5%以内. 采用Dionex ICS 1100和Dionex ICS 900型离子色谱仪测定8种水溶性离子(Cl−、
NO−3 、SO2−4 、NH+4 、Na+、K+、Ca2+、Mg2+),离子回收率在90%—110%之间. -
采用岛津UV-2401PC型号的紫外-可见分光光度计测定提取液的吸光度(Aλ),设定扫描波长范围为200—500 nm,扫描速度为400 nm·min−1.根据扫描数据计算特征吸收指数(SUVA254)、E250/E365和质量吸收指数(MAE365). SUVA254是WSOM浓度标准化后的254 nm处吸光度,通过以下公式计算:
式中,A254为254 nm处的吸光度,C为提取液中WSOM的质量浓度,单位为mg·L−1;L为光程长度,1 cm.
E250/E365为250 nm处吸光度与365 nm处吸光度之比.MAE365是表征发色团吸光能力的重要参数,计算公式如下:
式中,A365为波长365 nm处的吸光度;C为提取液中WSOM的质量浓度,单位为mg·L−1;L为光程长度,1 cm.
-
采用日立的F-7000荧光分光光度计测定样品WSOM的三维荧光光谱. 荧光信号在3-D模式下进行扫描,激发波长(Ex)和发射波长(Em)的范围分别为200—400 nm和250—500 nm,扫描间隔均为5 nm,扫描速度为2400 nm·min−1,光电倍增管检测器的设定电压为700 V. 按照文献[13]中描述的程序,对原始EEM光谱进行了校正和标准化:(1)对EEM光谱进行背景校正即减去超纯水光谱;(2)使用插值法去除一阶和二阶瑞利散射和拉曼散射的干扰信号;(3)利用紫外-可见吸收光谱校正荧光强度的内滤效应;(4)荧光强度通过除以Ex=350 nm处纯水的拉曼峰面积进行标准化,从而去除仪器依赖因子,且结果以拉曼单位(R. U. )表示;(5)标准化后的数据除以WSOM浓度得到比荧光强度(SFI).
主要用以下4个荧光指标描述荧光光谱特征:腐殖化指数(humification index, HIX)、荧光指数(fluorescence index, FI)、自生源指数(freshness index, BIX)和单位TOC平均荧光强度(average fluorescence intensity per unit TOC, AFI/TOC). HIX值为Ex=254 nm时,Em在435—480 nm之间的荧光强度面积除以Em在300—345 nm之间的荧光强度面积的比值[9,14],该值越大表明溶解性有机质的腐殖化程度越高[8-9],HIX值的增加将导致发射光谱红移[15]. BIX值为Em=380 nm处的荧光强度除以Ex=310 nm处Em在420—435 nm之间的最大荧光强度的比值[9,14],该值越高反映溶解性有机质的生物活性越强或生物物质含量越丰富[14-15]. FI值为Ex=370 nm时,Em在450 nm和500 nm处的荧光强度的比值[9,14],FI可以反应溶解性有机质的前体来源[15],该值越大表明芳香氨基酸对溶解性有机质荧光强度的贡献率越大[8]. AFI/TOC可能在很大程度上反应荧光团的密度和分子量,该值的增加反应有机物分子量的减少或荧光团密度的增加[15],计算公式如下[15]:
式中,λEx为激发波长,λEm为发射波长,FI为各激发和发射波长处的荧光强度,avg为平均值函数,TOC的单位为mg·L−1.
-
本研究测定了不同生物质燃烧排放PM2.5的化学组分包括OC、EC和水溶性无机离子. 如表1所示,生物质燃烧排放PM2.5中OC/TC、EC/TC和OC/EC比值范围分别为0.67—0.94、0.06—0.33和2.00—15.40,这与其他研究生物质燃烧烟尘中碳质组分的结果相近[16,17]. 其中草本类与木本类OC/EC值分别为11.89 ± 3.56和5.21 ± 2.34,两者差异性极显著(P<0.01),这可能与两者本身的结构(密度和尺寸)、化学组成差异(如木质素、纤维素、半纤维素等含量的不同)以及燃烧状态有关[17]. 此外,草本类与木本类WSOM/OC的平均值均为0.30,说明WSOM是两类生物质燃烧排放PM2.5中重要的组成部分.
草本类与木本类生物质燃烧排放PM2.5中8种水溶性无机离子占总离子的百分比分布如图1所示. 由图1可知,两者 PM2.5中均以Cl−、
NH+4 和K+占主导地位,三者之和分别为79.8%和70.1%,说明生物质燃烧排放 PM2.5中Cl−、NH+4 和K+是水溶性离子的主要组分. 同样,王真真等[11]研究发现,秸秆燃烧排放烟尘中K+、Na+、NH+4 和Cl−是水溶性离子的主要组成,四者之和的占比为80%—92%. 其他研究也发现,树木和稻草燃烧排放烟尘中以Cl−和K+占主要比例[16,18]. 此外,本研究中所有生物质燃烧排放PM2.5中NO−3 均低于检测限. -
由于254 nm的波长可以代表WSOM样品中存在的芳族结构的最大吸收率[19-20],光谱参数SUVA254可作为生物质燃烧排放PM2.5中WSOM的芳香性和分子量大小的指标;一般SUVA254值越高,表明WSOM的芳香度和分子量越高;与之相反,E250/E365值的大小与有机物的芳香度和分子量呈反比[10,20-21],WSOM中π键高度共轭将导致紫外-可见吸收度向更高波长移动,从而使E250/E365的值降低[15,21]. 表1列出了本研究中生物质燃烧排放PM2.5中WSOM的SUVA254和E250/E365的变化范围分别为1.79—2.60 m2·g−1和4.56—7.65,结果与文献报道杨木和毛竹两种薪柴燃烧排放WSOM的研究结果相近[8];其中SUVA254值均小于燃煤排放的WSOM值(2.6—4.6 m2·g−1)[22]. 表明相比于燃煤源,生物质燃烧排放PM2.5中WSOM的芳香度和分子量较低. 此外,草本类和木本类生物质燃烧排放PM2.5中WSOM的SUVA254值分别为(2.28 ± 0.19) m2·g−1和(2.25 ± 0.27) m2·g−1,E250/E365值分别为5.79 ± 0.63和6.39 ± 0.70,两者之间均无显著性差异.
MAE365可用来表征生物质燃烧排放PM2.5中WSOM的光吸收能力[23-25]. 据文献报道,薪柴和燃煤排放WSOM的MAE365值分别为0.4—0.9 m2·g−1和(0.96 ± 0.71) m2·g−1[8,15];大气气溶胶中WSOM的MAE365值范围为0.51—1.79 m2·g−1[10,23]. 本研究中生物质燃烧排放PM2.5中WSOM的MAE365值范围为0.66—1.17 m2·g−1,说明生物质燃烧排放PM2.5中WSOM具有与燃煤排放的和大气气溶胶中的WSOM类似的吸光能力. 草本类生物质燃烧排放PM2.5中WSOM的MAE365值((0.94 ± 0.14 ) m2·g−1)略大于木本类生物质样品的值((0.84 ± 0.11) m2·g−1),但两者之间亦无显著性差异.
-
三维荧光光谱(3D-EEM)法是一种快速方便分析有机物类型和结构特征的方法.该方法已被广泛应用于雨水、雾水、大气气溶胶和生物质气溶胶中WSOM的研究[8-10,26-31].本文研究了不同种生物质燃烧排放PM2.5中WSOM的荧光特性,具体谱图见图2.
-
由图2可见,不同种类生物质样品中WSOM的三维荧光谱图具有高度的相似性,有两个主要的强荧光峰,分别为T1 (λEx/λEm≈230—250 nm/335—380 nm)和T2 (λEx/λEm≈260—290 nm/330—360 nm),以及一个弱肩峰A. 根据文献报道,荧光峰T1和T2均可能归属为类色氨酸荧光峰,其中T2峰也有可能是来自芳香类氨基酸和酚类物质的贡献[8,28];荧光峰A归属为紫外光区类腐殖质荧光峰[9,15]. 结果说明生物质燃烧排放PM2.5中WSOM的荧光发色团以类色氨酸、芳香类氨基酸和酚类物质为主,且包含少量的具有紫外吸收的类腐殖质物质. 雨水和大气气溶胶WSOM的EEM中识别出与之类似的荧光峰[26-27, 29,32-33],其中荧光峰T1和T2在本研究中生物质燃烧排放PM2. 5中WSOM的强度显著高于雨水和大气溶胶样品中WSOM的强度,然而荧光峰A却与之相反. 说明生物质燃烧排放PM2. 5中WSOM与雨水和大气气溶胶中的WSOM有着相似的有机组分,但其腐殖化程度相对较低。值得注意的是,草本类生物质燃烧排放PM2. 5中WSOM的荧光谱图中A峰普遍具有较长的发射波长. 为了更好的观察,分别求出了所有草本类和木本类生物质SFI的平均值和标准偏差,并且绘制出3D-EEM谱图(图3),由于标准偏差很小,所以SFI的平均谱图可视为草本类和木本类生物质的典型荧光谱图. 相关研究表明,有机物的荧光范围受分子量大小的影响,分子量较大的有机物会产生波长范围较长的荧光[15, 34]. 从图3可以看出,草本类生物质的A峰具有更长的发射波长. 说明相对于木本类生物质,草本类生物质燃烧排放PM2. 5中WSOM具有较大分子量,这可能跟两者之间化学组成的差异有关.
-
Chen等[35]将荧光光谱范围划分为5个区域,分别对应5种溶解性有机物:区域Ⅰ—Ⅴ分别对应类酪氨酸蛋白质、类色氨酸蛋白质、类富里酸、溶解性微生物产物和类腐殖酸. 由图3可知,生物质燃烧排放PM2.5中WSOM的荧光团主要集中在区域Ⅱ、Ⅲ和Ⅳ. 说明荧光团的主要成分包含色氨酸类、富里酸类物质和微生物代谢产物. 由表2中可以进一步看出,生物质燃烧排放PM2.5中WSOM的荧光强度均在区域Ⅱ中的占比最大,草本类与木本类生物质在区域Ⅱ中积分分别为0.33 ± 0.02和0.36 ± 0.01. 这与前文WSOM的荧光特征峰分析以类色氨酸为主要物质的结论相一致.
Ph/Pp可评价WSOM的稳定性,Ph/Pp值越大表示WSOM越趋于稳定,其中Ph为区域Ⅲ和Ⅴ的占比之和,Pp为区域Ⅰ、Ⅱ和Ⅳ的占比之和,分别代表腐殖质类物质和蛋白类物质的所占比例[36]. 本研究中草本类生物质燃烧排放PM2.5中WSOM的Ph/Pp值(0.57 ± 0.05)大于木本类生物质对应的值(0.42 ± 0.04),说明相对木本类生物质,草本类生物质燃烧排放PM2.5中WSOM的稳定性更高和腐殖质类物质占比更多. 这与前文草本类生物质燃烧排放PM2.5中WSOM具有更大分子量与更高的腐殖化程度的结果一致.
-
荧光指标包括腐殖化指数(HIX)、荧光指数(FI)、自生源指数(BIX)和单位TOC平均荧光强度(AFI/TOC),常用于表征雨水、雾水、大气气溶胶、燃煤和生物质气溶胶中WSOM的浓度、类型和来源等[15,30]. HIX表示有机物的腐殖化程度,较高的HIX(>10)值意味着强腐殖化物质或高度芳香化的有机物,较低的HIX(<5)被认为是新生成的有机物[15,37]. 由表3可知,本研究中生物质燃烧排放PM2.5中WSOM的HIX值变化范围为0.49—1.09,该值略高于杨木和毛竹燃烧样品[8],与燃煤样品结果相当[15],低于大气气溶胶[9,31]、雨水[26-27]以及雾水[30] 中WSOM的HIX值. 说明本研究中生物质燃烧排放PM2.5中WSOM的腐殖化程度较低,这可能与环境中WSOM来源的复杂程度有关[8,9]. 此外,草本类生物质燃烧排放PM2.5中WSOM的HIX值(0.91 ± 0.17)显著高于木本类生物质对应的值(0.59 ± 0.10)(P<0.01),说明相对木本类生物质,草本类生物质燃烧排放PM2.5中WSOM的腐殖化程度更高,这与前文的结果相一致.
FI和BIX可以表征溶解性有机质(DOM)的芳香性强弱与自生源贡献大小[8-9,15,38-39];FI>1.9和BIX>1指示DOM具有较低的芳香性和较高的自生源贡献[38-39]. 由表3可知,生物质燃烧排放的PM2.5中WSOM的FI和BIX值变化范围分别为2.03—2.68和1.32—1.81,普遍高于大气气溶胶[9,31]、雨水[26-27]以及雾水[30]样品中WSOM的FI和BIX值,与杨木和毛竹燃烧[8]以及燃煤[15]样品结果相近,说明生物质燃烧排放PM2.5中WSOM的芳香性较低.值得注意的是,本研究中生物质燃烧排放PM2.5中WSOM具有较高的FI和BIX值并不是由于自生源的贡献. 前期研究表明,大气中WSOM呈现较高的FI 和HIX 值也可归属为生物质燃烧源的贡献[8]. 此外,草本类和木本类生物质燃烧排放PM2.5中WSOM的FI值和BIX值均具有极显著性差异(P<0.01). 这可能说明不同燃料的组成差异对WSOM光谱特性的影响较大.
AFI/TOC值随分子量的减少而增加[13,15],本研究中生物质燃烧排放PM2.5中WSOM的AFI/TOC值变化范围为0.23—0.50,平均值为0.36 ± 0.08;草本类与木本类之间无显著差异(P>0.05);相比于燃煤源[15],生物质燃烧排放PM2.5中WSOM拥有相对较低的分子量.
-
表4为生物质燃烧排放PM2.5中WSOM的吸光特征参数与荧光指标之间的Spearman相关性分析.由表4可知,MAE365与SUVA254(r=0.444,P<0.05)和HIX(r=0.795,P<0.01)显著正相关,与E2/E3(r =−0.914,P<0.01)和BIX(r =−0.698,P<0.01)显著负相关,说明生物质燃烧排放PM2.5中WSOM的光吸收能力与其芳香性和腐殖化程度呈显著正相关.这与范行军等[8]研究发现薪柴燃烧排放棕色炭的光吸收能力与其芳香性和腐殖化程度呈显著正相关的结果一致.
-
(1)生物质燃烧排放PM2.5中WSOM的SUVA254、E250/E365和MAE365值范围分别为1.79—2.60 m2·g−1、4.56—7.65和0.66—1.17 m2·g−1,说明生物质燃烧排放PM2.5中WSOM的芳香度和分子量相对较低,光吸收能力相对较弱.
(2)生物质燃烧排放PM2.5中WSOM产生荧光的主要范围为λEx/λEm≈(230—250) nm/(335—380) nm和λEx/λEm≈(260—290) nm/(330—360) nm,荧光强度均在区域Ⅱ中的占比最大,说明荧光团中以类色氨酸为主要物质;荧光指标(HIX、FI、BIX和AFI/TOC)结果表明生物质燃烧排放PM2.5中WSOM的腐殖化程度、芳香性和分子量均较低;相对于木本类生物质,草本类生物质燃烧排放PM2.5中WSOM具有更高的分子量、稳定性和腐殖化程度.
(3)生物质燃烧排放PM2.5中WSOM的MAE365与SUVA254和HIX显著正相关,与E250/E365和BIX显著负相关,说明生物质燃烧排放PM2.5中WSOM的光吸收能力与其芳香性和腐殖化程度呈显著正相关.
生物质燃烧排放颗粒物中水溶性有机物的光学特性
Optical properties of water-soluble organic matters in particulate matter from biomass burning
-
摘要: 采用紫外-可见光吸收光谱法(UV-vis)和激发-发射矩阵荧光光谱法(EEM)分析了典型生物质燃烧排放颗粒物(PM2.5)中水溶性有机物(WSOM)的光学特性. 结果表明,WSOM的SUVA254、E250/E365和MAE365值分别为1.79—2.60 m2·g−1、4.56—7.65和0.66—1.17 m2·g−1,说明生物质燃烧排放PM2.5中WSOM具有较低的芳香度和分子量以及较弱的吸光能力. 荧光光谱结果显示,WSOM产生荧光峰的主要范围为λEx/λEm≈(230—250)/(335—380) nm和λEx/λEm≈(260—290)/(330—360) nm,说明生物质燃烧排放PM2.5中WSOM主要以类蛋白荧光物质为主;腐殖化指数(HIX)、荧光指数(FI)和自生源指数(BIX)分别为0.49—1.09、2.03—2.68和1.32—1.81,说明生物质燃烧排放PM2.5中WSOM的腐殖化程度、芳香性和分子量均较低.相关性分析结果显示,生物质燃烧排放PM2.5中WSOM的MAE365值与SUVA254和HIX值呈显著正相关关系,与E250/E365和BIX呈显著负相关性,说明生物质燃烧排放PM2.5中WSOM的光吸收特性与芳香性、腐殖化程度和自生源贡献有着紧密的联系.
-
关键词:
- 水溶性有机物 /
- 颗粒物 /
- 生物质燃烧 /
- 激发-发射矩阵荧光光谱
Abstract: The optical properties of water-soluble organic matters (WSOM) in particulate matter (PM2.5) from biomass burning were analyzed by ultraviolet-visible absorption spectroscopy (UV-Vis) and excitation-emission matrix fluorescence spectroscopy (EEM). The results showed that the SUVA254, E250/E365 and MAE365 values of WSOM were 1.79—2.60 m2·g−1, 4.56—7.65 and 0.66—1.17 m2·g−1, respectively, indicating that the WSOM in PM2.5 emitted from biomass burning exhibited low aromaticity and molecular weight as well as weak light absorption capacity. EEM results showed that the main wavelength ranges of fluorescence peaks generated by WSOM were λEx/λEm≈(230—250)/(335—380) nm and λEx/λEm≈(260—290)/(330—360) nm, implying that the protein-like substances were dominant fluorophores for WSOM in PM2.5 emitted from biomass burning. Humification index (HIX), fluorescence index (FI) and freshness index (BIX) were 0.49—1.09, 2.03—2.68 and 1.32—1.81, respectively, suggesting that WSOM in PM2.5 emitted from biomass burning had low humification degree, aromaticity and molecular weight. Correlation analysis showed that MAE365 value of WSOM in PM2.5 emitted from biomass burning was significantly positively correlated with SUVA254 and HIX, but negatively with E250/E365 and BIX, indicating that the light absorption characteristics of WSOM emitted from biomass burning were closely related to their aromaticity, humification degree and autochthonous. -
随着我国工业化和城市化的迅速发展,能源消耗日益增长,城市人口迅速膨胀,机动车保有量激增,导致NOx、一氧化碳(CO)和VOCs等臭氧(O3)前体物排放量不断增加[1-4],O3逐渐成为我国城市环境空气的主要污染物,严重威胁了人类健康和植物生长[5],也引起了众多学者的广泛关注. 近年来,大量研究围绕光化学烟雾和臭氧污染展开,结果表明,在短期内排放源大致不变的情况下,气象条件是影响臭氧污染最重要的因素,臭氧污染典型气象条件表现为太阳辐射强、气温高、相对湿度适宜、地面小风速及特定的风向[6-9].
宁夏回族自治区地处中国西北部内陆,气候干燥、太阳辐射强,日照时间长[10],为臭氧前体物的转化提供了有利的气象条件,加之近年来,受城市化及宁东能源化工基地(简称“宁东基地”)污染排放影响,造成宁夏臭氧污染天气频发. 特别是2017年银川市日最大8小时浓度(O3−8 h)值超出二级标准,达到轻度及以上污染达48 d,臭氧污染引起了自治区政府及相关部门高度重视. 近年来,学者们对银川市臭氧污染及气象条件特征等方面开展了分析研究[11-14],结果表明,银川市臭氧浓度日变化呈单峰性,午后易出现臭氧超标,臭氧浓度与紫外辐射强度和气温呈正相关、与相对湿度呈负相关. 目前,对宁夏其它地市的臭氧污染的气象条件特征研究较少,宁夏臭氧污染预报预警技术支撑薄弱. 按中国气象局要求,从2018年起,每年5—9月全国各省市开展臭氧污染气象条件等级预报业务,但由于缺乏技术支撑,目前宁夏臭氧污染气象条件等级预报业务也仅是以经验为主,随意性大,精细化程度不够,预报服务效果不理性.
本文针对宁夏臭氧污染现状及臭氧污染等级客观精细化预报服务业务需求,利用环境和气象数据,采用相关性分析和概率统计方法,从臭氧污染高影响气象因子着手,在分析各地市臭氧污染气象条件特征基础上,综合考虑各气象因子对臭氧生成的贡献大小,建立宁夏臭氧污染气象条件评价指标体系;基于评分及预报效果检验评估结果,参照《全国臭氧气象预报业务规范》,建立臭氧污染气象条件指数预报模型和等级预报标准. 研究结果将为宁夏臭氧污染气象条件客观化精细化预报提供技术支撑,实现臭氧污染气象条件定量化精细化监测,为宁夏各地市臭氧污染预报预警及科学应对臭氧污染提供技术支撑和决策参考.
1. 实验部分(Experimental section)
1.1 数据来源
环境空气质量数据来源于宁夏回族自治区生态环境监测站提供的2017—2020年宁夏五地市(银川市、石嘴山市、吴忠市、中卫市、固原市)18个环境空气质量国控监测点及宁东基地5个区控监测点O3质量浓度逐小时数据和城市O3−8 h数据. 同期气象数据来源于宁夏气象信息中心,为距离环境监测点最近的自动气象站逐小时气温、相对湿度、风速、风向、总云量、降水等,其中,2017—2019年总云量资料为银川市、中卫市和固原市气象站保留3次人工观测的中午14时总云量数据,用于臭氧污染气象条件指数预报模型建立;另外,还使用了风云4号卫星反演的2020年五地市及宁东地区总云量资料,用于指数预报模型预报效果检验评估. 宁夏行政区划及环境空气监测站点和气象观测站点位置见图1.
1.2 分析方法
臭氧超标率(E)定义:根据《环境空气质量指数(AQI)技术规定》(HJ 633—2012)臭氧二级标准为1 h平均浓度大于200 μg·m−3.
E=t1t×100% (1) 式(1)中,t1是某个时间段内臭氧浓度超出200 μg·m−3的时次,t是总时次,E为臭氧超标率.
太阳辐射强度是影响臭氧浓度变化的重要原因之一,太阳辐射强弱又与温度有关[15],因此分析温度对臭氧污染的影响非常重要. 本文参考相关文献[16],统计不同度区间的臭氧平均浓度和超标率,分别将气温与其他气象因子联立,统计联立后的臭氧平均浓度和超标率,即以气温为参照,研究其他气象因子对臭氧平均浓度和超标率的影响,从而确定所有气象因子的影响权重,最后得出指数预报模型及等级预报分级标准.
2. 结果与讨论(Results and discussion)
2.1 气象因子与臭氧浓度的关联性分析
研究表明,臭氧是二次污染物,主要来源于挥发性有机物(VOCs)和氮氧化物(NOx)的光化学反应[17-18]。本文选取了白天的臭氧浓度和气象要素进行相关性分析,结果表明,各地臭氧浓度与气温均呈明显正相关,相关系数为0.64—0.72;与相对湿度均呈较明显负相关,相关系数−0.36—−0.55;与风速呈弱正相关,相关系数0.11—0.32. 由于风向用0—360数值表示,如:北风用0标记,东风用90标记;总云量用0—10的整数数据标记,如晴天无云标记为0,满天云系标记为10成云;宁夏全年降水过程较少,无降水或微量降水自动气象观测均标记为0,而臭氧浓度数值变化范围较大,因此,臭氧浓度与风向、总云量和降水量的相关性不明显(见表1).
表 1 宁夏五地市及宁东基地气象要素与臭氧浓度相关系数Table 1. Correlation coefficients of meteorological elements and ozone concentration in five cities of Ningxia and Ningdong base站点Station 气温Temperature 湿度Humidity 风速Wind speed 风向Wind direction 云量Cloud cover 降水量Precipitation 银川 0.67 −0.36 0.18 0.013 −0.022 −0.039 石嘴山 0.71 −0.49 0.24 −0.018 −0.021 0.041 吴忠 0.69 −0.42 0.23 0.015 −0.101 −0.059 中卫 0.71 −0.49 0.24 −0.102 −0.026 0.026 固原 0.64 −0.55 0.32 −0.032 0.025 −0.132 宁东 0.72 −0.42 0.11 0.011 −0.011 −0.021 全区平均 0.69 −0.46 0.22 −0.019 −0.026 −0.031 2.2 气象因子对臭氧浓度的影响
为进一步探讨气象要素变化对臭氧浓度的影响,通过对2017—2019年宁夏5个地市及宁东基地臭氧浓度和超标率进行分类统计发现,气温、相对湿度、风速、云量、降水等气象要素对臭氧浓度和超标率都有影响. 各地臭氧浓度和超标率均随气温升高而升高,气温超过30℃时,各地平均臭氧浓度和超标率分别为130.3—184.0 μg·m−3、0.1 %—19.2%. 各地臭氧浓度和超标率均随湿度增大而减小,较干燥的环境(相对湿度≤55%)臭氧浓度和超标率相对较高,各地分别为95.1—134.7 μg·m−3、0.1%—6.0%,相对湿度在55%以上时臭氧浓度和超标率较低. 风速小于1 m·s−1时,各地臭氧浓度和超标率均较低,风速在2—3 m·s−1之间时,臭氧浓度和超标率相对较高,各地分别为96.2—124.2 μg·m−3、0.2%—4.9%,风速在5 m·s−1及以上时,臭氧浓度也较高,但不易出现超标. 不同风向下各地臭氧浓度和超标率无明显变化. 云量对臭氧影响表现为:云量在0—3成的晴天各地臭氧平均浓度和超标率均较高,分别为112.4—149.0 μg·m−3、0.9%—7.9%,云量在4—10成的多云或阴天较低. 降水对臭氧浓度和超标率也有一定影响,无雨时臭氧浓度和超标率分别为102.8—135.8 μg·m−3、0.5%—3.0%,小时雨量大于1 mm,臭氧浓度明显降低,除银川超标率为1.6 %外,其它地市未出现臭氧浓度超标.
2.3 气象因子联合对臭氧浓度的影响
为了突出温度对臭氧浓度的影响并兼顾考虑其它气象因子的影响,以银川市为例,对气象因子联合对臭氧浓度的影响进行分析. 结果表明,当气温在30℃以上,相对湿度在15%—55%之间,臭氧浓度和超标率均较高,分别在149.7—189.2 μg·m−3、8.2%—23.9%之间;湿度大于55%,臭氧浓度和超标率相对较低(见图2). 云量对于臭氧浓度和超标率的影响也与温度密切相关,阴天臭氧浓度和超标率均较低;当气温在30℃以上,云量在0—3成的晴好天气,臭氧浓度和超标率均增大,分别在202.1—218.9 μg·m−3、12.5%—19.2%之间(见图3). 风速对于臭氧浓度的影响,在不同的温度区间下表现也不一样,温度在25℃以下,臭氧浓度相对较低,不会引起臭氧超标,当温度大于30℃,风速在2—3 m·s−1之间时,臭氧浓度和超标率均明显增大,分别在157.0—171.0 μg·m−3、10.8%—23.1%之间,风速在5 m·s−1及以上时,臭氧浓度也较高,但不易出现超标(见图4). 风向对臭氧超标率的影响也与温度密切相关,温度在25℃以下,不同风向下的臭氧超标率都很小,当气温在30℃以上,不同风向下的臭氧浓度和超标率都较大,分别在152.1—179.8 μg·m−3、9.4%—29.5%之间(图略),进一步说明温度是影响臭氧浓度的最主要因子,风向对臭氧浓度影响较小.
分析结果表明,气温超过30℃时,当相对湿度在15%—55%之间、云量小于3成、风速在2—3 m·s−1之间时,臭氧浓度和超标率均较高.
2.4 臭氧污染气象条件评分体系建立
从以上分析看,温度是臭氧污染的高敏感的气象因子[19],臭氧浓度和超标率随着气温升高而明显升高,相对湿度、云量、风速对臭氧浓度的影响也较为明显,降水也有一定影响,但宁夏属于干旱少雨地区,全年各地降水次数少,同时降雨时气温也相对较低,湿度也较大,这两个气象要素也可间接代表降水对臭氧浓度影响,风向对臭氧浓度和超标率的影响不明显.
基于上述分析结果,选取气温、相对湿度、云量、风速做为臭氧污染气象条件评价气象因子,将温度作为臭氧污染的高敏感的气象因子,综合考虑五地市及宁东地区不同温度区间的臭氧浓度和超标率大小进行气温基础(Ts)评分,平均浓度越大、超标率越高,评分愈大. 评分规则为:臭氧平均浓度在80 μg·m−3以下得0分,80—100 μg·m−3得1分,100—120 μg·m−3得2分,以此类推,浓度每增加20 μg·m−3增加1分;超标率为0时得0分,0—2%得1分,2%—4%得2分,以此类推,超标率每增加2%增加1分,各地市气温基础分为臭氧浓度和超标率得分的平均值(见表2). 从表2可看出,银川市、石嘴山市、吴忠市、中卫市、固原市、宁东气温基础分最高值分别为8分、8分、5分、4分、3分、5分,南北差异较大,由于银川市和石嘴山市是宁夏臭氧污染最严重的区域,臭氧浓度高,易出现臭氧超标[13],气温基础分较高;而固原市臭氧浓度为全区最低,且不易出现臭氧超标,气温基础分最低,评分结果符合宁夏臭氧污染实际状况.
表 2 气温基础分(Ts)Table 2. Basic temperature score (Ts)站点Station 气温/℃ Temperature T< 20 20≤T<25 25≤T<30 30≤T<33 33≤T<35 T≥ 35 银川 平均浓度/(μg·m−3) 70.8 99.7 133.4 159.4 165.5 184.0 超标率(E)/% 0.0 0.3 4.2 10.8 12.8 19.2 气温基础分(Ts) 0 1 3 5 6 8 石嘴山 平均浓度/(μg·m−3) 76.4 104.9 132.9 157.1 167.0 181.1 超标率(E)/% 0.0 0.0 1.5 10.3 12.1 18.6 气温基础分(Ts) 0 1 2 5 6 8 吴忠 平均浓度/(μg·m−3) 67.5 91.9 121.8 141.3 143.5 150.4 超标率(E)/% 0.0 0.1 0.7 2.8 6.5 10.8 气温基础分(Ts) 0 1 2 3 4 5 中卫 平均浓度/(μg·m−3) 71.4 101.8 122.9 138.2 143.0 144.5 超标率(E)/% 0.0 0.0 0.2 0.7 3.1 6.5 气温基础分(Ts) 0 1 2 2 3 4 固原 平均浓度/(μg·m−3) 69.6 101.9 118.8 130.3 144.7 超标率(E)/% 0.0 0.0 0.0 0.1 2.1 气温基础分(Ts) 0 1 1 2 3 宁东 平均浓度/(μg·m−3) 74.4 99.4 121.1 141.2 144.4 165.8 超标率(E)/% 0.0 0.1 0.4 2.2 6.2 8.1 气温基础分(Ts) 0 1 2 3 4 5 以银川市为例,基于上述分析并结合相关研究成果[13-14],气温与相对湿度联合评分结果(见表3),表明了在同样的气温条件下,不同湿度对臭氧形成贡献不一样,例如温度在33—35℃之间时,相对湿度在15%—55%之间,评分为8分,大于气温基础分6分,说明该等级下相对湿度在15%—55%之间对臭氧的生成有促进作用;温度在33—35℃之间时,相对湿度≥65%,评分为5分,小于气温基础分6分,说明该等级下湿度≥65%对臭氧浓度有削弱作用. 参考相关文献[16],各气象因子单独评分为气温与其它气象因子联合评分减去气温基础分.
表 3 气温与相对湿度联合评分Table 3. Combined scores of temperature and relative humidity相对湿度(Rhs)/%Relative humidity 气温/℃Temperature T<20 20≤T<25 25≤T<30 30≤T<33 33≤T<35 T≥35 Rh<15 0 1 3 6 7 9 15≤Rh<25 0 1 3 7 8 10 25≤Rh<35 0 1 3 7 8 10 35≤Rh<45 0 1 3 7 8 10 45≤Rh<55 0 1 3 5 6 8 55≤Rh<65 0 1 3 5 6 8 65≤Rh<75 0 1 3 4 5 7 Rh≥75 0 1 3 4 5 7 气温基础分(Ts) 0 1 3 5 6 8 银川市相对湿度单独评分:将气温与相对湿度联合评分减去气温基础分得到相对湿度单独评分(见表4). 从表4可看出,湿度对臭氧浓度的作用,正值表示对臭氧生成有促进作用,负值表示对臭氧的生成有减弱作用. 气温超过30℃时,相对湿度在15%—55%之间,最有利臭氧生成,相对湿度超过65%以上时,不利于臭氧的生成.
表 4 单独评分(联合评分−气温基础分)Table 4. Individual scores (joint score-basic temperature score)气象要素Meteorological element 气温/℃ Temperature T<20 20≤T<25 25≤T<30 30≤T<33 33≤T<35 T≥35 相对湿度/% Rh<15 0 0 0 1 1 1 15≤Rh<25 0 0 0 2 2 2 25≤Rh<35 0 0 0 2 2 2 35≤Rh<45 0 0 0 2 2 2 45≤Rh<55 0 0 0 0 0 0 55≤Rh<65 0 0 0 0 0 0 65≤Rh<75 0 0 0 −1 −1 −1 Rh≥75 0 0 0 −1 −1 −1 总云量/成 0—3 0 0 0 1 1 1 4—7 0 0 0 0 0 0 8—10 0 0 0 −1 −1 −1 风速/(m·s−1) V<1 0 0 0 0 0 0 1≤V<2 0 0 0 1 1 1 2≤V<3 0 0 0 1 1 1 3≤V<4 0 0 0 0 0 0 4≤V<5 0 0 0 −1 −1 −1 V≥5 0 0 0 −1 −1 −1 银川市云量单独评分:将气温与云量联合评分减去气温基础分得到云量单独评分(见表4). 从表4可看出云量对臭氧浓度的作用,正值表示对臭氧生成有促进作用,负值表示对臭氧的生成有减弱作用. 气温超过30℃时,云量小于3成,最有利臭氧生成,云量超过8成,不利于臭氧的生成.
银川市风速单独评分:将气温与风速联合评分减去气温基础分得到风速单独评分(见表4). 从表4可看出风速对臭氧浓度的作用,正值表示对臭氧生成有促进作用,负值表示对臭氧的生成有减弱作用. 当气温超过30℃时,风速1—3 m·s−1最有利于臭氧生成,风速大于4 m·s−1不利于臭氧的生成.
由于气象因子对各地市臭氧浓度的影响较一致,气温基础分差异较大,气温与其它气象因子联合评分也会有明显差异,但两者的差值一致,所以各地市除气温外的其它气象因子单独评分均采用表4评分结果.
另外,由于宁夏属于高海拔、高辐射地区,五地市及宁东代表站海拔高度在1110.9—1753 m之间,海拔高度最低为银川市,海拔高度最高为固原市,地势南高北低,南北差异明显. 研究也表明,随着海拔高度增加,近地面紫外辐射强度也增加[20],而太阳紫外线辐射强度与臭氧浓度呈正比[13-14]. 从表2也可看出,宁夏自北向南臭氧超标率明显降低,但臭氧浓度降低不明显,由于无紫外线辐射强度客观预报模式产品,为使臭氧污染气象条件指数预报模型算法实现业务化,且突出紫外线辐射对臭氧浓度影响,将海拔高度引入评分体系(Hbs). 综合考虑宁夏各地下垫面特征、污染排放特征等,评分规则为:海拔高度在1500 m以下,评分为0分,超过1500 m评分为1分.
2.5 臭氧污染气象条件预报模型及分级标准
综合各气象因子并考虑太阳辐射对臭氧污染的影响,将海拔高度引入预报评价模型,给出的宁夏臭氧污染气象条件指数(OPMCI)预报模型为:
OPMCI=Ts+Rhs+Cls+WSs+Hbs (2) 式(2)中,Ts为各地市气温基础评分,Rhs为相对湿度单独评分,Cls为总云量单独评分,WSs为风速单独评分,Hbs为海拔高度评分.
根据宁夏臭氧污染气象条件指数OPMCI总评分,参照《全国臭氧气象预报业务规范》,将OPMCI从小到大分为1—6级,从不易臭氧污染到极易臭氧污染,建立了臭氧污染气象条件指数预报模型和等级预报标准. 从2017—2020年宁夏各地市臭氧污染状况看,污染级别为轻度及以下,出现4级中度臭氧污染的天数也较少,未出现5级及以上重度臭氧污染. 为建立与宁夏臭氧污染实际情况相适应且对臭氧污染预报有指导意义的气象条件等级预报标准,等级预报分级标准评分区间的划分预留了5级评分,排除了6级预报结果(见表5).
表 5 臭氧污染气象条件预报分级标准及等级描述Table 5. Classification standards and descriptions of meteorological conditions for ozone pollution臭氧污染气象条件指数OPMCI总评分Classification standards and descriptions of meteorological 等级Grade 描述Description ≤2分 1级 很不利于臭氧生成 3—5分 2级 不利于臭氧生成 6—8分 3级 较利于臭氧生成 9—10分 4级 有利于臭氧生成 11—12分 5级 非常有利于臭氧生成 >12分 6级 极有利于臭氧生成 2.6 预报效果检验评估
基于臭氧污染气象条件评分标准、指数预报模型及等级预报分级标准,对2020年5—9月宁夏五地市及宁东基地进行逐时臭氧污染气象条件等级预报,统计了不同等级下的臭氧浓度和超标率. 并依据《环境空气质量指数(AQI)技术规定》(HJ 633—2012),对2020年5—9月宁夏五地市及宁东基地臭氧浓度进行了分级. 结果表明,银川市、石嘴山市臭氧污染气象条件等级预报为1—5级,吴忠市、中卫市、宁东基地为1—3级,固原市为1—2级,且气象条件等级越高,各地臭氧浓度和超标率也越大(见图5). 臭氧污染气象条件等级预报与臭氧污染等级相一致的准确率银川市为77.4%、石嘴山市为87.9%、吴忠市为89.5%、中卫市为93.4%、固原市为99.9%、宁东基地为92.1% ,各地臭氧污染气象条件等级预报与臭氧浓度实际等级较为一致,其中,银川市等级预报准确率最低,固原市最高,也说明了银川市作为宁夏首府城市,随着城市人口增多,汽车保有量增大,本地及其周边污染企业臭氧前体物的排放和输送,加之有利于臭氧浓度升高的气象条件对臭氧污染的影响较大,而固原市为宁夏经济最不发达地区,人口和污染企业少、海拔高、辐射强,气象条件对臭氧污染的影响较大. 检验评估结果符合宁夏臭氧污染实际情况,指数预报模型算法及等级预报分级标准可为宁夏臭氧污染气象条件客观精细化预报业务提供技术支撑,对臭氧污染预报有指导意义.
3. 结论(Conclusion)
(1)宁夏各地市臭氧浓度与气温均呈明显正相关,相关系数为0.64—0.72,臭氧浓度和超标率随着气温升高而明显升高;与相对湿度呈较明显负相关,相关系数−0.36—−0.55,相对湿度≤55%的较干燥的环境臭氧浓度和超标率相对较高;与风速呈弱正相关,相关系数0.11—0.32,风速在2—3 m·s−1之间时,臭氧浓度和超标率较高;与风向的相关性不明显,不同风向下的臭氧浓度和超标率变化不明显;与总云量相关性也不明显,但总云量在3成及以下时,臭氧浓度和超标率较大.
(2)选取气温、相对湿度、总云量、风速作为臭氧污染气象条件预报的评价因子,并将海拔高度引入预报评价模型,间接表征了太阳辐射对臭氧浓度的影响,建立了宁夏臭氧污染气象条件指数预报模型;考虑宁夏臭氧污染的实际状况,建立了宁夏臭氧污染气象条件预报分级标准.
(3)预报效果检验评估结果表明,各地臭氧污染气象条件等级预报与臭氧浓度实际等级较为一致,且气象条件等级越高,各地臭氧浓度和超标率也越大. 指数预报模型算法及等级预报分级标准可为宁夏臭氧污染气象条件客观精细化预报业务提供技术支撑,对臭氧污染预报有指导意义.
-
表 1 生物质燃烧排放的PM2.5的化学组成和WSOM的光谱指标
Table 1. Chemical composition in PM2.5 and spectral index of WSOM in PM2.5 emitted from biomass burning
项目Projects 草本类 Herbaceous 木本类 Woody 平均值Mean 最大值Maximum 最小值Minimum 平均值Mean 最大值Maximum 最小值Minimum OC/TC 0.91 ± 0.04* 0.94 0.84 0.81 ± 0.09* 0.89 0.67 EC/TC 0.09 ± 0.04* 0.16 0.06 0.19 ± 0.09* 0.33 0.11 OC/EC 11.89 ± 3.56** 15.40 5.23 5.21 ± 2.34** 7.94 2.00 WSOM/OC 0.30 ± 0.06 0.41 0.25 0.30 ± 0.05 0.39 0.25 SUVA254/ (m2·g−1) 2.28 ± 0.19 2.50 1.92 2.25 ± 0.27 2.60 1.79 E250/E365 5.79 ± 0.63 6.34 4.56 6.39 ± 0.70 7.65 5.57 MAE365/ (m2·g−1) 0.94 ± 0.14 1.17 0.73 0.84 ± 0.11 1.02 0.66 注:用t检验法进行分析.同一行中草本类与木本类相比,**表示差异性极显著(P<0.01),*表示差异性显著(P<0.05),不标注者则为不显著(P>0.05). Note:Analyze with t-test method. In the same row, compared with herbaceous species and woody species, ** means the difference is extremely significant (P<0.01), * means the difference is significant (P<0.05), and those not marked are not (P>0.05). 表 2 不同生物质燃烧排放PM2.5中WSOM的三维荧光光谱区域积分分析
Table 2. Volume integral of different area in 3D-EEM of WSOM in PM2.5 emissions from different biomass burning
样品Sample 区域ⅠRegion Ⅰ 区域ⅡRegion Ⅱ 区域ⅢRegion Ⅲ 区域ⅣRegion Ⅳ 区域ⅤRegion Ⅴ Ph/Pp* 高粱 0.07 0.31 0.23 0.23 0.16 0.64 玉米 0.09 0.33 0.25 0.20 0.13 0.63 水稻 0.08 0.33 0.23 0.22 0.14 0.59 小麦 0.09 0.33 0.23 0.23 0.13 0.55 花生叶 0.10 0.34 0.22 0.22 0.12 0.51 杂草 0.11 0.36 0.23 0.19 0.11 0.53 松树 0.12 ± 0.03 0.36 ± 0.02 0.19 ± 0.02 0.23 ± 0.01 0.11 ± 0.02 0.42 ± 0.05 杉树 0.12 ± 0.03 0.36 ± 0.01 0.20 ± 0.01 0.21 ± 0.01 0.10 ± 0.01 0.43 ± 0.05 草本类 0.09 ± 0.02 0.33 ± 0.02 0.23 ± 0.01 0.21 ± 0.02 0.13 ± 0.02 0.57 ± 0.05 木本类 0.12 ± 0.02 0.36 ± 0.01 0.19 ± 0.02 0.22 ± 0.01 0.10 ± 0.01 0.42 ± 0.04 *: Ph/Pp=∑ (Ⅲ + Ⅴ)/∑ (Ⅰ + Ⅱ + Ⅳ) 表 3 不同来源WSOM荧光特征参数对比
Table 3. Comparison of fluorescence special parameters for WSOM samples from different sources
样品Sample 来源Source HIX FI BIX AFI/TOC 文献References 草本类 湖南 0.91 ± 0.17** 2.57 ± 0.11** 1.38 ± 0.05** 0.37 ± 0.06 本研究 木本类 0.59 ± 0.10** 2.28 ± 0.14** 1.61 ± 0.11** 0.35 ± 0.09 总体 0.49—1.09 2.03—2.68 1.32—1.81 0.23—0.50 杨木 滁州 0.17 ± 0.03 2.10 ± 0.07 2.17 ± 0.06 — [8] 毛竹 池州 0.06 ± 0.01 2.28 ± 0.06 2.40 ± 0.09 — 燃煤 兰州 0.16—0.71 1.84—2.47 0.83—1.29 0.20 ± 0.29 [15] 大气气溶胶 兰州 1.0—2.6 0.2—2.1 1.2—1.6 — [9] 南京 7.07 ± 2.41 1.14—4.22 0.88 ± 0.08 — [31] 雾水 泰山 3.32—6.79 1.42—1.83 0.64—1.02 — [30] 雨水 重庆 0.61—4.79 1.32—1.54 0.64—1.12 — [26] 山东枣庄 1.03—2.07 1.34—1.67 0.78—0.87 — [27] 注:用t检验法进行分析.同一列中木本类与草本类相比,**表示差异性极显著(P<0.01),*表示差异性显著(P<0.05),不标注者则为不显著(P>0.05). Note:Analyze with t-test method. In the same column, compared with herbaceous species and woody species, ** means the difference is extremely significant (P<0.01), * means the difference is significant (e<0.05), and those not marked are not (P>0.05). 表 4 生物质燃烧排放PM2.5中WSOM的吸光特征参数与荧光指标的相关性分析
Table 4. Correlations analysis between light absorption and fluorescence index of WSOM in PM2.5 emitted from biomass burning
MAE365 SUVA254 E250/E365 HIX BIX FI MAE365 1 0.444* −0.914** 0.795** −0.698** −0.318 SUVA254 1 0.090 0.175 −0.287 0.073 E250/E 365 1 −0.753** 0.590** 0.365* HIX 1 −0.883* −0.265 BIX 1 0.074 FI 1 注:**表示在0.01水平(双侧)上显著相关,*表示在0.05水平(双侧)上显著相关. Note:**means significant correlation at 0.01 level (2-tailed), * means significant correlation at 0.05 level (2-tailed). -
[1] DUARTE R M B O, SANTOS E B H, PIO C A, et al. Comparison of structural features of water-soluble organic matter from atmospheric aerosols with those of aquatic humic substances [J]. Atmospheric Environment, 2007, 41(37): 8100-8113. doi: 10.1016/j.atmosenv.2007.06.034 [2] 闫语, 张阳, 张元勋. 大气颗粒物中水溶性有机物的研究进展 [J]. 环境科学研究, 2019, 32(11): 1800-1808. YAN Y, ZHANG Y, ZHANG Y X. The advances of water-soluble organic compounds in atmospheric particles [J]. Research of Environmental Sciences, 2019, 32(11): 1800-1808(in Chinese).
[3] ZONG Z, WANG X P, TIAN C G, et al. Source and formation characteristics of water-soluble organic carbon in the anthropogenic-influenced Yellow River Delta, North China [J]. Atmospheric Environment, 2016, 144: 124-132. doi: 10.1016/j.atmosenv.2016.08.078 [4] BAE M S, SCHAUER J J, LEE T, et al. Relationship between reactive oxygen species and water-soluble organic compounds: Time-resolved benzene carboxylic acids measurement in the coastal area during the KORUS-AQ campaign [J]. Environmental Pollution, 2017, 231: 1-12. doi: 10.1016/j.envpol.2017.07.100 [5] ZHANG Y L, EL-HADDAD I, HUANG R J, et al. Large contribution of fossil fuel derived secondary organic carbon to water soluble organic aerosols in winter haze in China [J]. Atmospheric Chemistry and Physics, 2018, 18(6): 4005-4017. doi: 10.5194/acp-18-4005-2018 [6] HECOBIAN A, ZHANG X, ZHENG M, et al. Water-Soluble Organic Aerosol material and the light-absorption characteristics of aqueous extracts measured over the Southeastern United States [J]. Atmospheric Chemistry and Physics, 2010, 10(13): 5965-5977. doi: 10.5194/acp-10-5965-2010 [7] DUARTE R M B O, DUARTE A C. A critical review of advanced analytical techniques for water-soluble organic matter from atmospheric aerosols [J]. Trends in Analytical Chemistry, 2011, 30(10): 1659-1671. doi: 10.1016/j.trac.2011.04.020 [8] 范行军, 操涛, 余旭芳, 等. 薪柴燃烧溶解性棕色碳排放特征及光学性质 [J]. 中国环境科学, 2019, 39(8): 3215-3224. doi: 10.3969/j.issn.1000-6923.2019.08.011 FAN X J, CAO T, YU X F, et al. Emission characteristics and optical properties of extractable brown carbon from residential wood combustion [J]. China Environmental Science, 2019, 39(8): 3215-3224(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.08.011
[9] QIN J J, ZHANG L M, ZHOU X M, et al. Fluorescence fingerprinting properties for exploring water-soluble organic compounds in PM2.5 in an industrial city of northwest China [J]. Atmospheric Environment, 2018, 184: 203-211. doi: 10.1016/j.atmosenv.2018.04.049 [10] FAN X J, WEI S Y, ZHU M B, et al. Comprehensive characterization of humic-like substances in smoke PM2.5 emitted from the combustion of biomass materials and fossil fuels [J]. Atmospheric Chemistry and Physics, 2016, 16(20): 13321-13340. doi: 10.5194/acp-16-13321-2016 [11] 王真真, 谭吉华, 毕新慧, 等. 秸秆燃烧产生颗粒物化学组分及排放特征 [J]. 环境科学与技术, 2016, 39(11): 150-155. WANG Z Z, TAN J H, BI X H, et al. Emission characteristics and chemical species from agricultural straw burning smoke [J]. Environmental Science & Technology, 2016, 39(11): 150-155(in Chinese).
[12] TAN J H, ZHANG L M, ZHOU X M, et al. Chemical characteristics and source apportionment of PM2.5 in Lanzhou, China [J]. Science of the Total Environment, 2017, 601: 1743-1752. [13] XIAO K, SUN J Y, SHEN Y X, et al. Fluorescence properties of dissolved organic matter as a function of hydrophobicity and molecular weight: Case studies from two membrane bioreactors and an oxidation ditch [J]. RSC Advances, 2016, 6(29): 24050-24059. doi: 10.1039/C5RA23167A [14] COBLE P, LEAD J, BAKER A, et al. Aquatic organic matter fluorescence[M]. Cambridge: Cambridge University Press, 2014: 75-122. [15] YANG Y R, QIN J J, QI T, et al. Fluorescence characteristics of particulate water-soluble organic compounds emitted from coal-fired boilers [J]. Atmospheric Environment, 2020, 223: 117297. doi: 10.1016/j.atmosenv.2020.117297 [16] 洪蕾, 刘刚, 杨孟, 等. 稻草烟尘中有机碳/元素碳及水溶性离子的组成 [J]. 环境科学, 2015, 36(1): 25-33. HONG L, LIU G, YANG M, et al. Composition of organic carbon / elemental carbon and water-soluble ions in rice straw burning [J]. Environmental Science, 2015, 36(1): 25-33(in Chinese).
[17] 朱恒, 戴璐泓, 魏雅, 等. 生物质燃烧排放PM2.5中无机离子及有机组分的分布特征 [J]. 环境科学学报, 2017, 37(12): 4483-4491. ZHU H, DAI L H, WEI Y, et al. Characteristics of inorganic ions and organic components in PM2.5 from biomass burning [J]. Acta Scientiae Circumstantiae, 2017, 37(12): 4483-4491(in Chinese).
[18] 刘刚, 黄柯, 李久海, 等. 树木模拟燃烧排放烟尘中水溶性离子的组成 [J]. 环境科学, 2016, 37(10): 3737-3742. LIU G, HUANG K, LI J H, et al. Chemical composition of water-soluble ions in smoke emitted from tree branch combustion [J]. Environmental Science, 2016, 37(10): 3737-3742(in Chinese).
[19] PEURAVUORI J, PIHLAJA K. Molecular size distribution and spectroscopic properties of aquatic humic substances [J]. Analytica Chimica Acta, 1997, 337(2): 133-149. doi: 10.1016/S0003-2670(96)00412-6 [20] BADUEL C, VOISIN D, JAFFREZO J L. Seasonal variations of concentrations and optical properties of water soluble HULIS collected in urban environments [J]. Atmospheric Chemistry and Physics, 2010, 10(9): 4085-4095. doi: 10.5194/acp-10-4085-2010 [21] DUARTE R M B O, DUARTE A C. Application of non-ionic solid sorbents (XAD resins) for the isolation and fractionation of water-soluble organic compounds from atmospheric aerosols [J]. Journal of Atmospheric Chemistry, 2005, 51(1): 79-93. doi: 10.1007/s10874-005-8091-x [22] LI M J, FAN X J, ZHU M B, et al. Abundance and light absorption properties of brown carbon emitted from residential coal combustion in China [J]. Environmental Science & Technology, 2019, 53(2): 595-603. [23] CHENG Y, HE K B, ZHENG M, et al. Mass absorption efficiency of elemental carbon and water-soluble organic carbon in Beijing, China [J]. Atmospheric Chemistry and Physics, 2011, 11(22): 11497-11510. doi: 10.5194/acp-11-11497-2011 [24] DU Z Y, HE K B, CHENG Y, et al. A yearlong study of water-soluble organic carbon in Beijing II: Light absorption properties [J]. Atmospheric Environment, 2014, 89: 235-241. doi: 10.1016/j.atmosenv.2014.02.022 [25] YAN C Q, ZHENG M, SULLIVAN A P, et al. Chemical characteristics and light-absorbing property of water-soluble organic carbon in Beijing: Biomass burning contributions [J]. Atmospheric Environment, 2015, 121: 4-12. doi: 10.1016/j.atmosenv.2015.05.005 [26] 梁俭, 江韬, 魏世强, 等. 夏、冬季降雨中溶解性有机质(DOM)光谱特征及来源辨析 [J]. 环境科学, 2015, 36(3): 888-897. LIANG J, JIANG T, WEI S Q, et al. Absorption and fluorescence characteristics of dissolved organic matter(DOM) in rainwater and sources analysis in summer and winter season [J]. Environmental Science, 2015, 36(3): 888-897(in Chinese).
[27] 周石磊, 孙悦, 张艺冉, 等. 基于UV-vis和EEMs解析白洋淀冬季冰封期间隙水DOM的光谱特征及来源 [J]. 环境科学学报, 2020, 40(2): 604-614. ZHOU S L, SUN Y, ZHANG Y R, et al. Spectral characteristics and sources of DOM in sediment interstitial water from Baiyangdian Lake in Xiong’an new area during the winter freezing period based on UV-Vis and EEMs [J]. Acta Scientiae Circumstantiae, 2020, 40(2): 604-614(in Chinese).
[28] SANTOS P S M, OTERO M, DUARTE R M B O, et al. Spectroscopic characterization of dissolved organic matter isolated from rainwater [J]. Chemosphere, 2009, 74(8): 1053-1061. doi: 10.1016/j.chemosphere.2008.10.061 [29] SANTOS P S M, SANTOS E B H, DUARTE A C. First spectroscopic study on the structural features of dissolved organic matter isolated from rainwater in different seasons [J]. Science of the Total Environment, 2012, 426: 172-179. doi: 10.1016/j.scitotenv.2012.03.023 [30] BIRDWELL J E, VALSARAJ K T. Characterization of dissolved organic matter in fogwater by excitation-emission matrix fluorescence spectroscopy [J]. Atmospheric Environment, 2010, 44(27): 3246-3253. doi: 10.1016/j.atmosenv.2010.05.055 [31] XIE X C, CHEN Y F, NIE D Y, et al. Light-absorbing and fluorescent properties of atmospheric brown carbon: A case study in Nanjing, China [J]. Chemosphere, 2020, 251: 126350. doi: 10.1016/j.chemosphere.2020.126350 [32] DUARTE R M B O, PIO C A, DUARTE A C. Synchronous scan and excitation-emission matrix fluorescence spectroscopy of water-soluble organic compounds in atmospheric aerosols [J]. Journal of Atmospheric Chemistry, 2004, 48(2): 157-171. doi: 10.1023/B:JOCH.0000036845.82039.8c [33] 范行军, 余旭芳, 操涛, 等. 广州冬季气溶胶中水溶性有机物和类腐殖质的吸光性和荧光光谱特性 [J]. 环境科学, 2019, 40(2): 532-539. FAN X J, YU X F, CAO T, et al. Light absorption and fluorescence characteristics of atmospheric water-soluble organic compounds and humic-like substances during the winter season in Guangzhou [J]. Environmental Science, 2019, 40(2): 532-539(in Chinese).
[34] XIAO K, SHEN Y X, SUN J Y, et al. Correlating fluorescence spectral properties with DOM molecular weight and size distribution in wastewater treatment systems [J]. Environmental Science:Water Research & Technology, 2018, 4(12): 1933-1943. [35] CHEN W, WESTERHOFF P, LEENHEER J A, et al. Fluorescence excitation-emission matrix regional integration to quantify spectra for dissolved organic matter [J]. Environmental Science & Technology, 2003, 37(24): 5701-5710. [36] 吕晶晶, 龚为进, 窦艳艳, 等. PARAFAC和FRI解析ISI中DOM分布 [J]. 中国环境科学, 2019, 39(5): 2039-2047. doi: 10.3969/j.issn.1000-6923.2019.05.031 LÜ J J, GONG W J, DOU Y Y, et al. The distribution of DOM in aeration pretreatment improved soil infiltration system based on FRI and PARAFAC [J]. China Environmental Science, 2019, 39(5): 2039-2047(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.05.031
[37] OHNO T, CHOROVER J, OMOIKE A, et al. Molecular weight and humification index as predictors of adsorption for plant- and manure-derived dissolved organic matter to goethite [J]. European Journal of Soil Science, 2007, 58(1): 125-132. doi: 10.1111/j.1365-2389.2006.00817.x [38] MCKNIGHT D M, BOYER E W, WESTERHOFF P K, et al. Spectrofluorometric characterization of dissolved organic matter for indication of precursor organic material and aromaticity [J]. Limnology and Oceanography, 2001, 46(1): 38-48. doi: 10.4319/lo.2001.46.1.0038 [39] FU P Q, KAWAMURA K, CHEN J, et al. Fluorescent water-soluble organic aerosols in the high arctic atmosphere [J]. Scientific Reports, 2015, 5: 9845. doi: 10.1038/srep09845 -