Processing math: 100%

大气污染特征研究及臭氧污染个例分析

朱珠, 谭成好, 吴惬, 赵倩. 大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例[J]. 环境保护科学, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
引用本文: 朱珠, 谭成好, 吴惬, 赵倩. 大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例[J]. 环境保护科学, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
ZHU Zhu, TAN Chenghao, WU Qie, ZHAO Qian. Analysis of Characteristics of Air Pollution and Ozone Pollution ——A Case Study of Longhua District of Shenzhen City[J]. Environmental Protection Science, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
Citation: ZHU Zhu, TAN Chenghao, WU Qie, ZHAO Qian. Analysis of Characteristics of Air Pollution and Ozone Pollution ——A Case Study of Longhua District of Shenzhen City[J]. Environmental Protection Science, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014

大气污染特征研究及臭氧污染个例分析

——以深圳市龙华区为例
    作者简介: 朱 珠(1988 − ),女,硕士、工程师。研究方向:生态环境保护。E-mail:396515409@qq.com
  • 中图分类号: X830.3;X831

Analysis of Characteristics of Air Pollution and Ozone Pollution ——A Case Study of Longhua District of Shenzhen City

  • 摘要: 根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O3浓度超标天数最多,其次依次是PM2.5、PM10和二氧化氮(NO2)。PM2.5、PM10和NO2在秋冬季的浓度最高,春季次之,夏季最低;而O3浓度则在夏秋季最高,春季次之,冬季最低。除O3(日间浓度高于夜间浓度)以外,PM2.5、PM10和NO2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O3(8 h)和NO2与颗粒物浓度均呈正相关性。由于地域差异的存在,O3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。
  • 镉是联合国环境规划署提出的12种全球性的危险化学物质中位于首位的有毒重金属,控制环境中尤其是水体中的镉含量十分重要[1]。当前,去除水体中Cd2+的常用方法包括化学沉淀法、离子交换法、膜处理等,但这些方法受到操作要求高、效率低、成本高等因素的制约,难以大面积推广[2]。吸附法因其具有绿色可行、便捷有效[3]的特点已成为当前研究的一个热点,但选取廉价、高效的吸附材料仍是目前面临的难题。

    生物炭是指由富炭生物质经热处理,在限氧条件下不完全燃烧生成的产物[4]。有研究[5]表明,生物炭具有比表面积巨大,表面能高等特性,这些特性决定了生物炭在吸附水体重金属方面具有巨大的潜力。当前,为了强化生物炭的吸附性能,增加其吸附容量,许多研究者通过改性的方法来增加生物炭对重金属的吸附效果。WU等[6]使用化学改性方法对椰子纤维炭进行修饰,增加其表面游离的羧基和羟基,研究结果表明,改性后生物炭的吸附容量较改性前可显著提高。马天行等[7]通过亲电芳香取代和还原反应在生物炭表面实现表面氨基化,再使用液相还原法在制备成功的氨基生物炭表面负载纳米零价铁,研究表明,制得的材料具有优良的吸附性能。王静等[8]利用活性炭与巯基乙酸的酯化反应,将巯基嫁接到活性炭上,改性后活性炭对汞的最大吸附容量为556 mg·L−1,远远优于原材料。陈维芳等[9]使用十六烷基三甲基氯化铵(CTAC)改性活性炭,结果表明,改性后活性炭对As5+的吸附能力显著提高,且在中性pH范围内,吸附效果最佳。在改性材料中,CTAB是一种价格低廉且应用范围较广的阳离子表面活性剂,由于生物炭表面多带负电荷,故CTAB通过静电吸附的作用很容易吸附于生物炭表面,同时插入材料表面的烷基基团在材料表面形成混合胶束,加大了与Cd2+的静电吸引力,从而提升了材料的吸附容量。

    本研究采用十六烷基三甲基溴化铵(CTAB)作为改性剂,椰壳炭(CSC)和竹炭(BC)作为改性材料,制备改性椰壳炭(CTAB-CSC)和竹炭(CTAB-BC),运用傅里叶红外变换光谱(FT-IR)、扫描电镜(SEM)、X射线光电子能谱分析(XPS)和热稳定性分析(TGA)对材料进行了表征,研究了其吸附机理,并对其进行了动力学拟合和等温吸附曲线拟合,探究了2种改性材料对溶液中Cd2+的吸附机制。

    仪器:磁力搅拌器(MS200型,上海般特仪器制造有限公司)、电子天平(FA1004型,上海舜禹恒平科学仪器有限公司)、超声波清洗机(DTD-6R型,长沙皓嵘仪器设备有限公司)、高速冷冻离心机(ST-16R型,赛默飞世尔科技有限公司)、便携式pH计(PHBJ-260,仪电科学仪器股份有限公司)、恒温培养振荡器(NNY-21113,天津欧诺仪器仪表有限公司)、电感耦合等离子体发射光谱仪(ICP-OES美国PEB00)。

    试剂:六偏磷酸钠(Na6O18P6)、氯化镉(CdCl2·2.5H2O)、十六烷基三甲基溴化铵(C19H42BrN)、盐酸(HCl)、氢氧化钠(NaOH)。这些试剂均为分析纯,去离子水为实验室自制。

    材料预处理:椰壳炭购自江苏艾格尼丝环境科技有限公司;竹炭购自浙江省农业科学院。将购买的椰壳炭和竹炭使用研磨机研磨,过0.180 0 mm筛;将过筛后的生物炭使用去离子水清洗3次,于80 ℃条件下,在烘箱中烘干备用,记做CSC(椰壳炭)和BC(竹炭)。

    改性材料的制备:称取20.00 g的材料(CSC和BC),置于100 mL烧杯中,在烧杯中按照固液比1∶2.5的比例加入质量分数为6%的六偏磷酸钠溶液50 mL,磁力搅拌30 min,然后超声分散30 min,按照1∶10的质量比(MCTABM材料)在烧杯中加入CTAB(质量为2.000 0 g),于常温下搅拌10 h,静置沉淀,抽滤洗涤至没有泡沫产生,冷冻干燥得改性材料,记作CTAB-CSC和CTAB-BC,密封保存待用。

    Cd2+模拟废水配置:准确称取2.032 0 g CdCl2·2.5H2O,置于烧杯中,加500 mL的去离子水溶解,再将其转移至1 000 mL容量瓶中,定容摇匀后,配置Cd2+浓度为1 000 mg·L−1的母液。在后期使用中,所需不同浓度的废水均由母液按照浓度梯度稀释。

    2种材料的形态和外貌采用热场发射扫描电镜显微镜(QUANTA430,美国FEI公司)观测;CTAB-CSC和CTAB-BC吸附前后的能谱图及元素含量由X射线显微分析系统(美国FEI公司)获得;CTAB-CSC和CTAB-BC改性前后的傅里叶红外光谱由NICOLET 570 FTIR Spectrometer(美国热电尼高力仪器公司)获得;材料的热稳定性由热重分析仪(Q500,美国TA公司)测定。

    1)吸附剂投加量对吸附效率的影响分析。称量0.050 0、0.100 0、0.200 0、0.350 0、0.500 0、0.600 0、0.700 0 g等7个不同质量梯度(每个梯度设置3个平行样)的CTAB-CSC和CTAB-BC,置于50 mL的离心管中,在离心管中加入25 mL浓度为10 mg·L−1的Cd2+溶液,摇匀放置于气浴恒温振荡箱中振荡,直至吸附平衡,后于3 000 r·min−1离心10 min后取出再过滤,测定滤液中Cd2+浓度。

    2)pH对吸附效率的影响分析。准确称量18个0.200 0 g CTAB-CSC和CTAB-BC样品,置于50 mL离心管中,在离心管中加入25 mL浓度为10 mg·L−1的Cd2+溶液,使用0.1 mol·L−1的NaOH和HCl调节溶液的pH,调节pH的梯度至2、3、4、5、6、7(每个梯度设置3个平行样),摇匀后,置于气浴恒温振荡箱振荡至吸附平衡,后于3 000 r·min−1离心10 min后,再取出过滤,测定滤液中Cd2+浓度。

    3)吸附动力学实验。准确称量27个0.200 0 g CTAB-CSC和CTAB-BC样品,置于50 mL离心管中,在离心管中加入30 mL浓度为100 mg·L−1的Cd2+溶液,调节溶液pH为7,根据时间梯度5、15、30、60、120、240、320、720、1 440 min(每个梯度设置3个平行样),分批次置于气浴恒温振荡箱中,振荡时间停止后,取出过滤,测定滤液中Cd2+浓度。

    4)等温吸附模型实验。准确称量15个0.500 0 g CTAB-CSC和CTAB-BC样品,置于50 mL离心管中,准确设置浓度梯度为30、60、120、250、500 mg·L−1的Cd2+溶液(每个梯度设置3个平行),在离心管中分别加入25 mL不同浓度的溶液,摇匀后,置于气浴恒温振荡箱中振荡至吸附饱和,振荡结束后,在3 000 r·min−1的条件下,离心10 min,离心结束后过滤,滤液稀释待测。

    5)材料再生实验。将吸附饱和的材料通过抽滤进行固液分离,将分离出的材料用去离子水充分洗涤3~5次,烘干,分别放入0.01 mol·L−1的HCl溶液中,振荡24 h,振荡结束后,重复进行分离和干燥,将干燥的材料置于10 mol·L−1的Cd2+溶液中进行吸附,待吸附饱和后过滤,测定滤液中Cd2+浓度。重复吸附-脱附步骤3次,测定滤液中Cd2+浓度。

    吸附材料的吸附效果分别用去除率和吸附量来衡量,其计算公式分别如式(1)和式(2)所示。

    δ=(C0Ce)C0×100% (1)
    Qe=(C0Ce)Vm (2)

    式中:δ为去除率;C0为溶液初始浓度,mg·L−1Ce为溶液吸附平衡时浓度,mg·L−1V为溶液体积,mL;m为吸附剂质量,g。

    动力学模型拟合。为了研究CTAB-CSC和CTAB-BC的吸附动力学,分别用一级动力学方程和二级动力学方程模型进行拟合。一级动力学方程和二级动力学方程[10]如式(3)和式(4)所示。

    ln(qeqt)=lnqeK1t2.303 (3)
    tqt=1K2q2e+1qe (4)

    式中:qe为吸附剂吸附平衡时吸附容量,mg·g−1qtt时刻吸附剂的吸附容量,mg·g−1K1为一级动力学吸附系数;K2为二级动力学吸附系数。

    等温吸附模型拟合。本研究使用Langmuir模型和Freundlich模型对CTAB-CSC和CTAB-BC等温吸附实验数据进行分析。其中,Langmuir模型属单分子层吸附,Freundlich模型属多分子层吸附,以参数分离因子来分析CTAB-CSC和CTAB-BC 2种材料的吸附性能,其中Langmuir和Freundlich模型[10]如式(5)和式(6)所示。

    qe=qmaxKLCe1+KLCe (5)
    qe=KFC1ne (6)

    式中:qmax为吸附剂的单层饱和最大吸附,mg·g−1Ce为吸附平衡时溶液浓度,mg·L−1KL为Langmuir吸附常数,L·mg−1,当0<KL<1,表示有利于吸附;KL>1,表示不利于吸附;KL =1,属于线性分配;KL趋于0,表示不可逆吸附。KF是Freundlich吸附常数;1/n是Freundlich模型中表示吸附强度的参数。

    傅里叶红外图谱通过检测材料内部分子的振动和转动,从而可知材料中所含化合物的化学结构,包括各种官能团,如氨基、羧基和羰基等。生物炭改性前后的傅里叶红外图谱如图1(a)图1(b)所示,从图1中可知,2种改性后的生物炭表面均含有更为丰富的官能团。

    图 1  改性前后傅里叶红外谱图和X射线光电子能谱图
    Figure 1.  FT-IR and XPS spectra of biochar before and after modification

    图1(a)可知,CTAB-CSC在3 440 cm−1处对应的是—NH伸缩振动引起的吸收峰[11];在1 634 cm−1处对应的是—NH弯曲振动引起的的吸收峰[12],这充分证明有氨基集团成功嫁接到生物炭表面[13]。氨基基团可以和Cd2+发生配合反应[14]。同时,在2 927 cm−1和2 846 cm−1处的2个峰可以归因于甲基和亚甲基中C—H的伸缩振动,在图1(b)中,也观察到类似的现象,这充分说明CTAB分子已成功嫁接在生物炭表面[15]图1(c)图1(d)是改性材料改性前后的XPS总谱,改性后,在400 eV左右出现了N1s的峰,亦可以证明材料改性后,其表面有氨基基团的存在。

    改性前后的2种材料的冷场发射扫描电子显微镜观察结果如图2所示。由图2(a)可知,改性前,CSC表面棱角分明,表面较为平整;而经CTAB改性后,CSC(图2(b))表面有一定凸起,棱角较改性前更加圆滑。由图2(c)图2(d)可知,改性后的CTAB-BC表面更加平滑,且材料表面还存在一些堆积状的颗粒,且在改性后表面颜色变浅,说明CTAB已经负载在材料的表面。

    图 2  CSC,BC,CTAB-CSC和CTAB-BC电镜图
    Figure 2.  SEM images of CSC, BC, CTAB-CSC and CTAB-BC

    X-射线光电子能谱(XPS)具有比较高的表面灵敏度,通过比较吸附Cd2+前后的生物炭表面元素结合能的变化来进一步研究生物炭对Cd2+的吸附机理。图3(a)图3(b)分别是CTAB-CSC的吸附Cd2+前后的C1s谱图。通过分峰处理,在284.7 eV和286.4 eV处捕捉到2个可见峰,可以将其归为C—C/C—H(芳香族)和C—O/C—O—C(醇式羟基和醚)[16-18]。利用XPS peak软件对RWA值及峰面积进行分析,发现C—C/C—H的峰未发生显著变化,这说明C—C/C—H形式的碳原子没有直接参与Cd2+的吸附;而C—O/C—O—C的峰面积发生了明显变化,这说明C—O/C—O—C形式的碳原子在一定程度上参与了生物炭对Cd2+的吸附。图3(c)图3(d)分别是CTAB-BC吸附Cd2+前后的C1s谱图,通过分峰处理,得到了与CTAB-CSC同样的结论。

    图 3  碳元素核心轨道X射线光电子能谱图
    Figure 3.  XPS spectra of carbon element core orbit

    图4(a)图4(b)是分别是CTAB-CSC吸附Cd2+前后O1s谱图,峰值在532.0 eV和532.7 eV(Cd2+吸附前后)可归类为C=O,峰值在532.9 eV和534.4 eV(Cd2+吸附前后)可归类为COO—[19]。从图4(a)中可以观察到,吸附Cd2+后,C=O的峰面积从35.81%增加到83.28%;COO—的峰面积从64.19%降低到16.72%。图4(c)图4(d)分别是CTAB-BC吸附Cd2+前后O1s谱图,峰值在530.5 eV和530.7 eV(Cd2+吸附前后)可归类为C=O,峰值在532.4 eV和532.0 eV(Cd2+吸附前后)可归类为C—O/C—O—C(醇羟基和醚)[20]。从图4(b)中可以观察到,吸附后,C=O的峰面积从50.03%减少到21.09%;C—O/C—O—C的峰面积从49.97%增加到78.91%。

    图 4  氧元素核心轨道X射线光电子能谱图
    Figure 4.  XPS spectra of oxygen element core orbit

    结合能的变化可能是因为Cd2+在吸附过程中与氧元素结合,导致氧元素的电子密度降低[21]。结合峰面积的变化,我们可以推断,氧原子是Cd2+的1个主要吸附点位,氧原子可以和Cd2+形成配位键。图5(a)图5(b)分别为CTAB-CSC和CTAB-BC吸附Cd2+后Cd3d谱图,经过XPS分析,发现Cd3d的峰出现在405.5 eV的位置,为CdCO3、Cd的氢氧化物以及—OCdOH。这表明生物炭对Cd的吸附机理主要为Cd与生物炭表面的羟基化表面(—OH)或其去质子化(—O—)络合[22],这与O1s谱图的结果一致。

    图 5  镉元素核心轨道X射线光电子能谱图
    Figure 5.  XPS spectra of cadmium element core orbit

    TGA即热重分析,是指在程序控制温度下测量待测样品的质量与温度变化关系的一种热分析技术,用来研究材料的热稳定性和组分。图6是CTAB-CSC和CTAB-BC的热重曲线。由图6可知,CTAB-CSC的热解过程主要分为4个阶段。室温到80 ℃为第1个阶段。此阶段为失水阶段,在此阶段中主要产生水分蒸发以及少量挥发性气体析出现象。80~250 ℃为第2个阶段。本阶段中样品质量变化很小,在此过程中主要产生秸秆的解聚和“玻璃化转变”现象[23],释放出H2O、CO、及CO2等小分子化合物。250~500 ℃为第3个阶段。秸秆类生物炭的3种主要成分为半纤维素、纤维素以及木质素,其热解难易程度为木质素>纤维素>半纤维素[24]。在此阶段中,较易热解的半纤维素和纤维素开始热解;同时,伴随着极少一部分的木质素的分解,主要生成挥发性物质和碳。500 ℃以后为炭化阶段。在本阶段中主要产生木质素缓慢分解现象。图6中CTAB-BC和CTAB-CSC相比,主要差异产生在第3个阶段。这可能是因为CTAB-BC的半纤维素的质量分数低于CTAB-CSC中的半纤维素质量分数,由于半纤维素的质量分数越高的生物质,越容易在该温度范围内出现转折现象[25]

    图 6  CTAB-CSC和CTAB-BC热重曲线
    Figure 6.  TGA curves of CTAB-CSC and CTAB-BC

    图6可知,当温度达到800 ℃时,CTAB-CSC和CTAB-BC的质量损失率分别为30.96%和32.24%。2种材料的热稳定性能均较好,但CTAB-CSC的热稳定性优于CTAB-BC。

    图7可知,设置Cd2+废液初始浓度为10 mg·L−1时,溶液中的Cd2+的去除率随着材料的投加量的增加而升高。当投加量为0.200 0 g时,CTAB-CSC去除率达到98%以上,达到吸附饱和;当投加量为0.100 0 g时,CTAB-BC去除率达到98%以上,同时,由图7可知,CTAB-BC所有投加量的去除率均在90%以上,这可能是由于初始溶液中Cd2+浓度较低所致。综合考虑材料的制备以及原材料的利用率等因素,pH控制及吸附动力学实验的投加量均选为0.200 0 g。

    图 7  吸附剂投加量对吸附效果的影响
    Figure 7.  Effect of adsorbent dosage on adsorption
    注:不同小写字母表示在P<0.05水平下差异显著(邓肯法)。

    由图8可以看出,当Cd2+废液初始浓度为10 mg·L−1时,溶液中Cd2+的去除率随着溶液pH的增加而升高;在极端的酸环境下,2种材料对溶液中Cd2+的去除率均较低。当pH=2~3时,在CTAB-CSC处理过的溶液中,Cd2+去除率显著上升;当pH=3~7时,去除率缓慢上升;当pH=7时,去除率可达到最高。而CTAB-BC在pH=2~3时,对Cd2+的去除率显著升高;当pH=3~4时,缓慢上升;当pH=4~7时,溶液中Cd2+的去除率均达到98%以上。分析产生上述现象的原因,可能是在pH较低的情况下,溶液中存在大量与Cd2+形成竞争吸附的H+,其会占据有限的结合位点,降低Cd2+去除率[26];同时,这些H+会使材料表面的电荷分布改变,导致一部分有利于重金属吸附的有机官能团发生解离,从而抑制材料对Cd2+的吸附性能[27]。随着pH的升高,H+量减少,会暴露大量吸附剂表面结合位点,负电密度增大,则吸附容量也随之增加[28]。从图8中可以看出,随着pH的升高,体系中Zeta电位在逐渐下降,Zeta电位均处于负电势。这说明材料表面带负电荷,由此推测静电作用是吸附水中Cd2+的原因之一[29]。考虑到2种材料的吸附性能的影响,在后续实验中,设置溶液初始pH为7。

    图 8  溶液pH对吸附效果的影响
    Figure 8.  Effect of solution pH on adsorption

    图9为吸附动力学实验结果。可以看出:2种改性材料CTAB-CSC、CTAB-BC对Cd2+的吸附量均随着时间的增加而增加;CTAB-BC在180 min处达到平衡,CTAB-CSC在240 min处达到吸附平衡,CTAB-BC的吸附性能明显优于CTAB-CSC。

    图 9  吸附动力学实验结果
    Figure 9.  Adsorption kinetics experimental results

    根据式(3)和式(4)拟合ln(qe-qt)-tt/qt-t的线性关系,结果如图10所示,动力学拟合参数如表1所示。由拟合参数可得,在初始Cd2+浓度为100 mg·L−1时,CTAB-CSC的准二级动力学方程可决系数(0.993 7)大于准一级动力学方程可决系数(0.818 2),CTAB-BC的准二级动力学方程可决系数(0.999 9)大于准一级动力学方程可决系数(0. 659 6),这说明准二级动力学方程能更好地描述CTAB-CSC、CTAB-BC的吸附过程。通过准二级动力学方程拟合计算出CTAB-CSC和CTAB-BC的理论最大吸附量分别为10.10 mg·g−1和17.54 mg·g−1,与等温吸附所得实验值较为接近。这也表明CTAB-CSC和CTAB-BC对Cd2+的吸附主要受化学吸附作用的控制。

    表 1  动力学拟合参数
    Table 1.  Kinetic fitting results
    材料准一级动力学方程准二级动力学方程
    qe/(mg·g−1)Kl/min−1R2qe/(mg·g−1)K2/(g·(mg·min)−1)R2
    CTAB-CSC6.180.004 60.818 210.100.001 10.993 7
    CTAB-BC3.600.003 00.659 617.540.005 10.999 9
     | Show Table
    DownLoad: CSV
    图 10  动力学拟合曲线
    Figure 10.  Adsorption kinetics fitting curve

    表2是等温吸附模型的拟合参数;根据式(5)和式(6)拟合的Langmuir模型和Freundlich模型,结果如图11所示。通过分析4种材料的拟合度R2可知,改性前的CSC和BC 2种材料的吸附过程更符合Freundlich模型,由此可推测,改性前的CSC和BC这2种材料对溶液中Cd2+的吸附过程是一种非均匀的表面吸附过程,而经过改性后的材料CTAB-CSC和CTAB-BC更符合Langmuir模型,故可推测CTAB-CSC、CTAB-BC 2种材料的表面具有有限的吸附位点,对Cd2+的吸附机制属于单分子层吸附[26]

    表 2  等温吸附模型拟合参数
    Table 2.  Fitness of isotherm models and corresponding parameters
    材料Langmuir模型Freundlich模型
    qmax/(mg·L−1)KL/(L·g−1)R2KF/(L·g−1)nR2
    CSC5.580.155 20.891 81.571 03.834 00.964 6
    CTAB-CSC10.710.054 70.976 83.037 24.608 30.731 6
    BC5.950.084 00.946 81.260 03.270 00,959 0
    CTAB-BC12.560.076 90.970 33.837 04.783 00.816 3
     | Show Table
    DownLoad: CSV
    图 11  Langmuir和Freundlich吸附等温线
    Figure 11.  Langmir and Freundlich isotherm plots of Cd2+ adsorption

    Freundlich等温吸附方程是一个经验方程。该方程中的n值能反映材料的吸附性能,其中n值越大,表明材料的吸附性能越好。一般认为1/n为0.1~0.5,容易吸附;1/n大于2时,吸附较难进行。通过数据分析,2种材料的1/n均处于0.1~0.5,说明吸附过程是优惠吸附,材料的吸附性能较好。KF值与吸附剂吸附容量正相关,CTAB-BC的KF值大于CTAB-CSC,这表明CTAB-BC对Cd2+的吸附容量大于CTAB-CSC,与本研究结果一致。

    CTAB-CSC和CTAB-BC对Cd2+的最大吸附量分别为10.71 mg·g−1和12.56 mg·g−1,较改性前的吸附效果分别提升了92%和111%,改性效果明显提升,且CTAB-BC的吸附效果优于CTAB-CSC。

    图12可以看出,在Cd2+初始浓度为10 mg·g−1时,CTAB-CSC和CTAB-BC首次对Cd2+吸附去除率均在98%以上;经过2次重复的吸附-脱附实验后,CTAB-CSC、CTAB-BC对水中的Cd2+的去除率分别降低为70.33%和75.83%,较原材料对Cd2+的去除率分别减少了29.67%和24.17%。经过连续2次的吸附-脱附实验后,材料对水中Cd2+的去除率还保持在70%左右,且CTAB-BC的再生性能优于CTAB-CSC。以上结果表明2种材料均有较好的再生性。

    图 12  脱附再生实验效果
    Figure 12.  Desorption and regeneration results

    1)本研究成功制备了CTAB-CSC和CTAB-BC改性吸附材料,通过等温吸附实验证实了改性后的吸附材料对水体中Cd2+的吸附量有明显提升。CTAB-CSC、CTAB-BC对Cd2+的吸附能力较CSC、BC分别提升了92%和111%,吸附性能为CTAB-BC(12.56 mg·g−1)>CTAB-CSC(10.71 mg·g−1)>BC(5.95 mg·g−1)>CSC(5.85 mg·g−1)。

    2) 2种改性材料的最佳投加量为0.100 0~0.200 0 g,CTAB-CSC的最适pH范围较窄,为6~7,CTAB-BC的pH范围较广,在4~7时均有较好的吸附效果。

    3)通过动力学实验分析,准二级动力学方程能更好地描述CTAB-CSC、CTAB-BC 2种材料的吸附过程,R2均大于0.99,CTAB-BC在180 min时达到平衡,CTAB-CSC在240 min时达到吸附平衡。

  • 图 1  2013年1月~2018年8月观澜子站空气质量监测

    图 2  2016年1月~2018年8月各污染物浓度超标天数

    图 3  大气污染物浓度的季节变化

    图 4  大气污染物浓度的日变化

    图 5  观澜子站大气污染物及其与气象要素的相关性

    图 6  2017年7月29日8时龙华区近地面、850 hPa等压面、700 hPa等压面环流形势

    图 7  2017年7月28日~30日观澜子站近地面风速、气温和相对湿度的逐时变化

    图 8  2017年7月29日8时气温垂直廓线

    图 9  2017年7月30日观澜子站Hysplit后向轨迹

  • [1] 姜少睿, 薛志钢, 李薇, 等. 我国环境空气质量状况及大气污染对健康的影响[J]. 华北电力技术, 2015(8): 7 − 13.
    [2] 马涛, 孔令毅, 杨凤辉, 等. 上海市城区空气质量现状与分析——兼论对空气质量日(周)报数据的利用[J]. 复旦学报(自然科学版), 2002, 41(6): 604 − 608.
    [3] 苗曼倩. 城市热岛效应对污染物扩散规律影响的数值模拟[J]. 大气科学, 1990, 14(2): 81 − 88.
    [4] LIJTEROFF R, CORTINEZ V, RABA J. Urban development and air quality in San Luis City, Argentina[J]. Environmental Monitoring & Assessment, 1999, 57(2): 169 − 182.
    [5] FENGER J. Urban air quality[J]. Atmospheric Environment, 1999, 33(29): 4877 − 4900. doi: 10.1016/S1352-2310(99)00290-3
    [6] 深圳市龙华区人民政府.龙华概况[EB/OL]. (2017-12-27)[2019-09-10]. http://www.szlhq.gov.cn/shiydmh/lhgk/201712/t20171227_11645215.htm.
    [7] 中华人民共和国生态环境部.环境空气质量指数(AQI)技术规定(试行): (HJ633—2012)[S/OL]. (2012-04-10)[2019-09-20]. http://kjs.mee.gov.cn/hjbhbz/bzwb/jcffbz/201203/W020120410332725219541.pdf.
    [8] STEIN A F, DRAXLER R R, ROLPH G D, et al. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bulletin of the American Meteorological Society, 2015, 96(12): 2059. doi: 10.1175/BAMS-D-14-00110.1
    [9] HAIGUANG W, XIAOBING Y, ZHANHONG M A. Case analysis of long-distance transports of Puccinia Striiformis F.sp.tritici in China using HYSPLIT-4 model[J]. Acta Phytopathologica Sinica, 2009, 39(2): 183 − 193.
    [10] STEIN A F, WANG Y, DE L R J D, et al. Modeling PM10 originating from dust intrusions in the southern Iberian Peninsula using Hysplit[J]. Weather & Forecasting, 2011, 26(236): 236 − 242.
    [11] MCGOWAN H, CLARK A. Identification of dust transport pathways from Lake Eyre, Australia using Hysplit[J]. Atmospheric Environment, 2008, 42(29): 6915 − 6925. doi: 10.1016/j.atmosenv.2008.05.053
    [12] ASHRAFI K, SHAFIEPOUR-MOTLAGH M, ASLEMANDA, et al. Dust storm simulation over Iran using Hysplit[J]. Journal of Environmental Health Science & Engineering, 2014, 12(1): 9.
    [13] WANG F, CHEN D S, CHENG S Y, et al. Identification of regional atmospheric PM10 transport pathways using Hysplit, MM5-CMAQ and synoptic pressure pattern analysis[J]. Environmental Modelling & Software, 2010, 25(8): 927 − 934.
    [14] 赵冰清, 王云琦, 赵晨曦, 等. 重庆缙云山4种典型林分的大气颗粒物浓度差异及不同大气条件影响研究[J]. 北京林业大学学报, 2015, 37(8): 76 − 82.
    [15] 王耀庭, 李威, 张小玲, 等. 北京城区夏季静稳天气下大气边界层与大气污染的关系[J]. 环境科学研究, 2012, 25(10): 1092 − 1098.
    [16] 李萌, 李石, 李东泽, 等. 青岛市大气NO2浓度影响因素的分析及预测研究[J]. 环境科学与管理, 2016, 41(9): 130 − 134. doi: 10.3969/j.issn.1673-1212.2016.09.030
    [17] 徐颂, 陈同庆. 应用灰色系统理论对大气NO2浓度影响因素的分析及预测[J]. 南昌大学学报(理科版), 2006, 30(1): 99 − 102.
    [18] 晏平仲, 王喜全, 王自发, 等. 北京奥运会期间NO2浓度降低原因分析[J]. 气候与环境研究, 2010, 15(5): 609 − 615. doi: 10.3878/j.issn.1006-9585.2010.05.10
    [19] SILLMAN S. The use of NOy, H2O2, and HNO3as indicators for ozone-NOx-hydrocarbon sensitivity in urban locations[J]. Journal of Geophysical Research, 1995, 100(D7): 14175 − 14188. doi: 10.1029/94JD02953
    [20] 刘长焕, 邓雪娇, 朱彬, 等. 近10年中国三大经济区太阳总辐射特征及其与O3、PM2.5的关系[J]. 中国环境科学, 2018(8): 2820 − 2829. doi: 10.3969/j.issn.1000-6923.2018.08.004
    [21] 王烽先, 王虹. 郑州市空气中PM10与PM2.5浓度相关性的研究[J]. 能源与环境, 2017(5): 76 − 78. doi: 10.3969/j.issn.1672-9064.2017.05.039
    [22] 郭涛, 马永亮, 贺克斌. 区域大气环境中PM2.5/PM10空间分布研究[J]. 环境工程学报, 2009, 3(1): 147 − 150.
    [23] 于建华, 虞统, 魏强, 等. 北京地区PM10和PM2.5质量浓度的变化特征[J]. 环境科学研究, 2004(1). doi: 10.3321/j.issn:1001-6929.2004.01.016
    [24] 李龙凤, 王新明, 赵利容, 等. 广州市街道环境PM10和PM2.5质量浓度的变化特征[J]. 地球与环境, 2005, 33(2): 57 − 60.
    [25] HUANG H, HO K F, LEE S C, et al. Characteristics of carbonaceous aerosol in Pearl River Delta Region, China during 2001 winter period[J]. Atmospheric Environment, 2003, 37(11): 1451 − 1460. doi: 10.1016/S1352-2310(02)01002-6
    [26] 黄鹂鸣, 王格慧, 王荟, 等. 南京市空气中颗粒物PM10、PM2.5污染水平[J]. 中国环境科学, 2002, 22(4): 334 − 337. doi: 10.3321/j.issn:1000-6923.2002.04.012
    [27] 张元茂, 郑叶飞, 楼文艳. 上海市城区典型居民住宅区PM2.5和PM10监测结果比较研究[J]. 甘肃环境研究与监测, 2003(4): 322 − 325.
    [28] 张菊, 苗鸿, 欧阳志云, 等. 近20年北京市城近郊区环境空气质量变化及其影响因素分析[J]. 环境科学学报, 2006, 1(11): 1886 − 1892. doi: 10.3321/j.issn:0253-2468.2006.11.024
    [29] 罗岳平, 陈阳, 戴春皓, 等. 城市环境空气中PM2.5和NO2浓度的相关性研究[J]. 环境科学与管理, 2014, 39(10): 68 − 72. doi: 10.3969/j.issn.1673-1212.2014.10.016
    [30] 丁萌萌, 周健楠, 刘保献, 等. 2015年北京城区大气PM2.5中NH4+、NO3、SO42−及前体气体的污染特征[J]. 环境科学, 2017, 38(4): 1307 − 1316.
    [31] JINHUA T, JINGCHUN D, KEBIN H, et al. Chemical characteristics of PM2.5 during a typical haze episode in Guangzhou[J]. Journal of Environmental Sciences, 2009, 21(6): 774 − 781. doi: 10.1016/S1001-0742(08)62340-2
    [32] 崔淑华, 倪艳姝. 城市主要气体污染物与PM2.5相关性建模分析[J]. 森林工程, 2016, 32(2): 69 − 72. doi: 10.3969/j.issn.1001-005X.2016.02.016
    [33] 邓兰, 张国财, 郑煜. 哈尔滨市2014年1-2月PM2.5与主要空气污染物相关分析[J]. 环境科学与技术, 2015(7): 152 − 156.
    [34] 谷超, 苗云阁, 王健, 等. PM2.5与大气污染物的相关性分析——以喀什和乌鲁木齐为例[J]. 中国化工贸易, 2017, 9(10): 163 − 167. doi: 10.3969/j.issn.1674-5167.2017.10.148
    [35] 罗岳平, 刘孟佳, 甘杰, 等. 长株潭城市环境空气中PM2.5和O3质量浓度的相关性研究[J]. 安全与环境学报, 2015(4): 319 − 323.
    [36] 薛源. 武汉市PM2.5与主要大气污染物浓度间相关性分析[J]. 江汉大学学报(自然科学版), 2017, 45(6): 503 − 506.
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-040Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 4.7 %DOWNLOAD: 4.7 %HTML全文: 95.3 %HTML全文: 95.3 %DOWNLOADHTML全文Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 75.2 %其他: 75.2 %Baoding: 0.4 %Baoding: 0.4 %Beijing: 8.2 %Beijing: 8.2 %Beilin: 0.2 %Beilin: 0.2 %Dalian: 0.1 %Dalian: 0.1 %Gaocheng: 0.1 %Gaocheng: 0.1 %Guangzhou: 0.5 %Guangzhou: 0.5 %Guiyang: 0.1 %Guiyang: 0.1 %Hangzhou: 0.1 %Hangzhou: 0.1 %Hefei: 0.1 %Hefei: 0.1 %Jinan: 0.3 %Jinan: 0.3 %Jinrongjie: 4.6 %Jinrongjie: 4.6 %Kunshan: 0.1 %Kunshan: 0.1 %Lanzhou: 0.3 %Lanzhou: 0.3 %Nanchang Shi: 0.2 %Nanchang Shi: 0.2 %Nanjing: 0.1 %Nanjing: 0.1 %Nantong: 1.3 %Nantong: 1.3 %Rongcheng: 0.2 %Rongcheng: 0.2 %Shanghai: 0.1 %Shanghai: 0.1 %Shenyang: 0.1 %Shenyang: 0.1 %Shenzhen: 0.2 %Shenzhen: 0.2 %Shijiazhuang: 0.1 %Shijiazhuang: 0.1 %Shouguang: 0.2 %Shouguang: 0.2 %Suzhou: 0.7 %Suzhou: 0.7 %Taiyuan: 0.2 %Taiyuan: 0.2 %Tianjin: 0.1 %Tianjin: 0.1 %Wuhan: 0.1 %Wuhan: 0.1 %Xiaoyouying: 0.1 %Xiaoyouying: 0.1 %Xingfeng: 0.2 %Xingfeng: 0.2 %Xuhui Qu: 0.1 %Xuhui Qu: 0.1 %XX: 3.4 %XX: 3.4 %Yuncheng: 0.3 %Yuncheng: 0.3 %Zhengzhou: 0.3 %Zhengzhou: 0.3 %北京: 0.3 %北京: 0.3 %杭州: 0.1 %杭州: 0.1 %济南: 0.1 %济南: 0.1 %深圳: 0.3 %深圳: 0.3 %邢台: 0.1 %邢台: 0.1 %阳泉: 0.2 %阳泉: 0.2 %其他BaodingBeijingBeilinDalianGaochengGuangzhouGuiyangHangzhouHefeiJinanJinrongjieKunshanLanzhouNanchang ShiNanjingNantongRongchengShanghaiShenyangShenzhenShijiazhuangShouguangSuzhouTaiyuanTianjinWuhanXiaoyouyingXingfengXuhui QuXXYunchengZhengzhou北京杭州济南深圳邢台阳泉Highcharts.com
图( 9)
计量
  • 文章访问数:  2738
  • HTML全文浏览数:  2738
  • PDF下载数:  46
  • 施引文献:  0
出版历程
  • 收稿日期:  2019-10-10
  • 刊出日期:  2020-08-20
朱珠, 谭成好, 吴惬, 赵倩. 大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例[J]. 环境保护科学, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
引用本文: 朱珠, 谭成好, 吴惬, 赵倩. 大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例[J]. 环境保护科学, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
ZHU Zhu, TAN Chenghao, WU Qie, ZHAO Qian. Analysis of Characteristics of Air Pollution and Ozone Pollution ——A Case Study of Longhua District of Shenzhen City[J]. Environmental Protection Science, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014
Citation: ZHU Zhu, TAN Chenghao, WU Qie, ZHAO Qian. Analysis of Characteristics of Air Pollution and Ozone Pollution ——A Case Study of Longhua District of Shenzhen City[J]. Environmental Protection Science, 2020, 46(4): 80-86. doi: 10.16803/j.cnki.issn.1004-6216.2020.04.014

大气污染特征研究及臭氧污染个例分析

    作者简介: 朱 珠(1988 − ),女,硕士、工程师。研究方向:生态环境保护。E-mail:396515409@qq.com
  • 1. 深圳市源清环境技术服务有限公司,广东 深圳 518055
  • 2. 深圳市深港产学研环保工程技术股份有限公司,广东 深圳 518055

摘要: 根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O3浓度超标天数最多,其次依次是PM2.5、PM10和二氧化氮(NO2)。PM2.5、PM10和NO2在秋冬季的浓度最高,春季次之,夏季最低;而O3浓度则在夏秋季最高,春季次之,冬季最低。除O3(日间浓度高于夜间浓度)以外,PM2.5、PM10和NO2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O3(8 h)和NO2与颗粒物浓度均呈正相关性。由于地域差异的存在,O3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。

English Abstract

  • 环境空气质量直接影响到一个区域的人民居住环境和身体健康[1],也是限制其经济发展的重要因素,因此越来越受到政府和群众的关注[2]。随着我国经济的腾飞以及城市化的推进,环境污染问题越发突出。特别是大城市工业集中、人口密集、大量消耗化石燃料,受到城市热岛效应影响,城区大气污染物不易扩散[3],因此我们应当严肃重视城区空气污染问题[4-5]

    龙华区是深圳市的产业大区,位于城市地理中心和发展中轴。龙华区目前共有6个环境空气质量监测站点,其中观澜子站为国控点,民治子站为省控点,其余四个为市控子站,可提供常见大气污染物的实时浓度、空气质量指数(AQI)及空气质量日报等信息。基于相关数据,文章以龙华区的环境空气质量现状为研究对象,重点对PM2.5、PM10、NO2和O3(8 h)的浓度变化及成因做了叙述,详细地分析了龙华区各种大气污染的情况,以期为后续研究和政府相关决策提供科学依据。

  • 文章研究区域为深圳市龙华区。龙华区北邻东莞、光明,东连龙岗,南接福田、罗湖、南山,西靠宝安,属南亚热带海洋性季风气候,全年温和湿润,夏长而不酷热,冬暖有阵寒,无霜期长,雨量充沛,干湿季节分明。辖区总面积175.58 km2,约占全市总面积的8.79%;2017年常住人口约为160万人,人口密度超过9 000人/km2[6-7]

  • 拉格朗日混合单粒子轨道(HYSPLIT)模式是由美国国家海洋和大气管理局(NOAA)空气资源实验室开发的,用于计算大气污染物传输与扩散轨迹的专业模型之一[8],已被广泛运用于污染物在区域间的传输和扩散研究中[9-13]。HYSPLIT模型主要分为后向传输模型和前向扩散模型。前向扩散模型主要用于解释目标地区气体或者污染物对其他区域所造成的影响。后向轨迹模拟主要用于解释目标地区气体或者污染物是由什么来源造成的影响。本文采用的是HYSPLIT后向轨迹模型。

  • 由于数据完整性和可靠性等原因,文中仅使用龙华区国控站点,即观澜子站的监测数据进行分析。

  • 以AQI评价2013年1月~2018年8月期间观澜子站的空气质量状况,见图1

    监测期间每年优良天数占比分别为82.47%、85.24%、80.53%、85.13%、86.00%、86.36%。出现污染的天数较少,其中中度及中度以上污染出现的天数占全年有效监测天数的比例均小于3%。总体而言,观澜子站的空气质量较好,但优良率较深圳市其他区仍有差距。

  • 通过对AQI超标的天数进行统计,分析2016年1月至2018年8月期间观澜子站各污染因子浓度超标的天数,结果见图2

    图2可见,O3(8 h)浓度超标的天数最多,达到了115 d,其次为PM2.5(41 d),再者是NO2(14 d)和PM10(11 d),最少的是SO2(9 d)和CO(4 d)。以上结果表明,在环境空气质量监测的6种常规污染物中,龙华区CO和SO2浓度超标的天数处于较低水平,对环境空气质量影响较小;而PM2.5、PM10、NO2和O3(8 h)浓度超标的可能性相对更高,尤其是O3污染成为龙华区“大气污染防治攻坚战”的重中之重。

  • 大气污染物浓度的季节变化情况而言,据龙华区2014年1月~2018年8月观澜子站监测数据可知,PM2.5和PM10浓度季节变化表现为秋冬高而春夏低,见图3

    这种变化可能与气象因子的变化相关,夏季降水较多,有利于气溶胶的湿清除。且夏季地面风速较高,湍流活动旺盛,有利于大气颗粒物的扩散。而冬季气温较低,易出现静稳天气,不利于污染物的扩散,使得颗粒物的浓度升高[14-15]。NO2浓度的季节变化表现为秋季最高,春冬次之,夏季最低。其中春、秋和冬三季的NO2平均浓度均超出年均值(30.85 μg/m3);而夏季浓度为28.83 μg/m3,低于年均值。O3(8 h)浓度的季节变化表现为夏、秋较高,而春季较低。这是由于夏秋季温度较高,太阳辐射较春冬二季更强,促进了产生O3的光化学反应进程,而在冬季由于地面温度较低,逆温现象多发,大气层结稳定,空气对流运动减弱或停滞,不利于大气污染的扩散。

  • PM2.5、PM10、NO2和O3(8 h)全年平均日浓度一天内随人类活动及气象条件的小时变化趋势,见图4

    PM2.5、PM10和NO2的浓度变化趋势较为一致,基本呈现出夜间高而日间低的现象,而O3(8 h)日间浓度则明显高于夜间浓度。(1)观澜子站PM2.5的日变化呈现出单谷型特征,表现为日间低而夜间高。自0:00时到15:00,PM2.5的浓度整体表现为下降,而15:00后,PM2.5浓度逐渐上升。浓度最高值出现在23:00,最低值出现在15:00。值得注意的是,7:00~9:00,PM2.5浓度有一个小峰值,这可能与早高峰的人为排放源加强有关。而18:00~20:00,PM2.5浓度上升最为明显,同样与晚高峰的人类活动相关。且夜间湍流活动减弱,大气边界层稳定,不利于污染物的扩散,可能使得污染物浓度升高。(2)PM10的日变化表现为明显的双峰型,两个峰值分别出现在8:00~9:00和19:00~22:00,这与人类活动的早、晚两个高峰时间一致,说明在此期间内人为活动生成的大气气溶胶会使得PM10的浓度出现升高,其中PM10浓度最高值出现在20:00,最低值出现在14:00。(3)NO2的浓度变化同样呈现出显著的双峰型特征。在7:00~10:00和17:00~21:00期间,NO2浓度呈现出显著的升高,表现为夜间浓度高于日渐浓度。这种变化同样可能与一天的人类活动有关。此外,NO2浓度最低值出现在14:00左右,主要是由于这个时段的太阳辐射较强、温度较高,NO2作为二次污染的主要前体物参与光化学反应而被消耗[16-18]。(4)O3(8 h)浓度的日变化呈现出单峰型特征,表现为白天浓度显著高于夜间。其中O3浓度的最高值出现在14:00,达到105.65 μg/m3。近地面O3主要是由大气中的挥发性有机物(VOCs)和氮氧化物(NOx)等O3前体物在光照条件下发生的光化学反应转化而来[19]。由于人类活动在日间比较频繁,因此而排放的VOCs和NOx等O3前体物也较夜间更多。O3(8 h)浓度的变化与日照显著相关[20],当太阳辐射增强时,大气的光化学反应加剧,生成的O3增多,使得O3(8 h)浓度出现升高。而当太阳辐射减弱时,O3(8 h)浓度则出现下降。夜间没有太阳辐射,O3(8 h)浓度维持在低值。

  • 文章使用2016年1月~2018年8月的气象和空气污染日均观测数据,进行相关性拟合来对比分析污染物及其与气象要素之间的相关性,见图5

    观澜子站的风速、相对湿度和气温与PM2.5间的相关性均表现为负相关,表明风速、相对湿度和温度的降低有可能导致PM2.5污染。拟合结果发现,风速和相对湿度与O3(8 h)浓度的关系表现为负相关,而气温与O3(8 h)浓度的关系则是相关系数为0.18的正相关。说明,温度的升高、风速和相对湿度的降低可能引发O3浓度上涨。

    根据相关性分析显示:(1)PM2.5与PM10在统计规律上是显著线性相关的,且相关系数高达0.92,说明颗粒物污染以细颗粒物为主;其次,由于PM10包含PM2.5,PM10浓度必然高于PM2.5浓度[21],本次分析数据中PM2.5/PM10比例约为0.62,与我国部分较为发达城市公布的比例[22-27]相近,说明龙华区细颗粒物与粗颗粒所占比例相当。(2)PM2.5与NO2的之间也表现为正相关关系,相关系数为0.50,说明PM2.5与NO2容易产生叠加污染,主要与污染来源有关[28],特别是人类活动产生的NO2及其生成的二次污染物是PM2.5的重要组成部分之一[27],故此,两者的浓度变化表现为正相关。但由于经NO2转化而成的硝酸盐在PM2.5中所占比重较小,一般在10%以下[29-31],NO2的贡献量偏低,这种正相关系数仅为0.50。尽管如此,控制NO2的浓度,尤其是机动车源的排放,可能有助于大气颗粒物浓度的降低。(3)PM2.5与O3(8 h)也呈现出正相关关系,相关系数为0.53,表明颗粒物污染与O3污染有一致性,当O3(8 h)浓度升高,在光化学反应作用下,应当防范可能的二次气溶胶污染,与崔淑华等的研究相符[32-33]。也有研究表明颗粒物与臭氧浓度呈现负相关特征[34-36],这说明PM2.5和O3的相关性究竟是正相关还是负相关具有地域差异性[20],可能是由于不同地域的光照强度以及大气污染物的组成不同造成。(4)O3与NO2的相关系数为0.27,说明较高浓度的NO2可能会引发O3浓度超标,这是由于NO2在一定条件下与其他物质发生光化学反应生成O3,而NO2浓度的增加,对该光化学反应有促进作用。但是这种正相关系数较低,侧面说明了NO2浓度仅是促进该光化学反应的其中一种因素,且不是主导因素。

  • 观澜子站O3(8 h)浓度超标的天数最多,且夏秋季是O3污染发生的高峰期。因此,使用观澜子站监测的O3(8 h)浓度、气温、相对湿度和近地面风速,结合气象场与Hysplit后向轨迹模型,对2017年7月29日~2017年7月30日观澜子站夏季O3污染的过程进行分析,见图6

    图6可见,龙华区处于台风“纳沙”外围影响地区,风向偏西和偏北。当天无降水发生,风速较小,水平扩散条件较弱。近地面气温较高,云量观测则表明当天早间云系较少,此后云量增多,午后转变为多云天气。在850 hPa环流场上,龙华处于台风低压控制区的外围区域,等温线分析表明850 hPa上气流从暖区吹来。在垂直方向上,由于受台风外围气流下沉影响,天气较为稳定,空气污染物不易向高层扩散。700 hPa上同样受台风外围影响,风向为东风,龙华区附近无明显改变。

    图7可见,O3(8 h)污染发生时(7月29日和7月30日)近地面的温度更高,风速更大,相对湿度更低。尽管相关性分析表明,较高的风速有利于污染物的扩散,但受到高温、低湿以及台风“纳沙”外围下沉气流影响,7月29日和7月30日仍旧发生了O3(8 h)污染,见图8

    图8可见,在2 600~3 000 m高度层上出现了一个逆温层,这种温度层结在垂直方向上会对污染物的输送产生一定的抑制作用,对当日早间的O3(8 h)浓度升高也有一定的贡献。

    使用大气后向轨迹模式HYSPLIT对7月30日(世界时)前24 h的气团轨迹进行来源解析,见图9

    结果表明,受较强局地偏西和偏北风的影响,气团的传输距离更远,可能携带大量的污染物传输至龙华区。从传输区域来看,当天的气团主要来自于离龙华区较近的北部,气团主要经过广东的东莞、惠州等市,表明龙华区可能受到这些城市的外源污染物传输的影响。从垂直高度分析来看,气团大部分时间均在较低的近地面层(500 m高度)进行传输,且在24 h前也处于1 000 m高度层下,因此,气团中可能携带有其他地市近地面人为排放的大气污染物。这些污染物中包含的前体物等传输至龙华区,进一步与不利的气象条件共同作用,使得O3(8 h)浓度超标。

  • 1)2013年1月至2018年8月以来,龙华区城市空气质量优良率呈波动上升趋势,平均优良率为84.29%。首要污染物为O3,其次分别为PM2.5、PM10、NO2,而CO和SO2处于较低水平。

    2)PM2.5和PM10的浓度表现为秋冬高而春夏低;NO2的特征是秋季最高,春冬次之,夏季最低;O3则是夏、秋较高,而春季较低。

    3)整体而言,PM2.5、PM10和NO2在晚间的浓度较日间更高;而O3则表现为日间浓度高于夜间浓度。

    4)较低的风速和较低的相对湿度可能会引起PM2.5和O3(8 h)浓度的升高。气温对PM2.5和O3(8 h)浓度的影响不同,具体表现为,较高的温度可能会促进O3(8 h)浓度的升高,而气温与PM2.5浓度之间的关系为负相关性。

    5)PM2.5、PM2.5、NO2和O3浓度相关性分析显示,颗粒物污染以细颗粒物为主;在光化学反应作用下,当O3(8 h)浓度升高,可能引发二次气溶胶污染;控制NO2的浓度,尤其是机动车源的排放,有助于减轻大气颗粒物污染和O3污染。

    6)通过分析一次O3污染的过程发现,O3(8 h)浓度与气象条件和人为排放源的相关性较高。

参考文献 (36)

返回顶部

目录

/

返回文章
返回