周 甜,闫才青,李小滢,蔡 靖,郭晓霜,王 锐,吴宇声,曾立民,朱 彤,张远航,郑 玫(北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 100871)

华北平原城乡夏季PM2.5组成特征及来源研究

周 甜,闫才青,李小滢,蔡 靖,郭晓霜,王 锐,吴宇声,曾立民,朱 彤,张远航,郑 玫*(北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 100871)

为研究华北平原细颗粒物(PM2.5)的组成特征及来源,基于CAREBEIJING-NCP 2014大型观测项目,于2014年夏季在北京城区和河北郊区望都进行了同步观测,分析了两地PM2.5中水溶性离子、元素、有机碳(OC)和元素碳(EC).结果表明,采样期间望都站点PM2.5平均质量浓度为(71.47±38.04)µg/m3,高于北京城区(51.44±30.94)µg/m3,PM2.5中各化学组分浓度也均表现为望都高于北京,二次无机离子(硫酸盐、硝酸盐及铵盐)在两地PM2.5中占比最高,约为60%.PM2.5中多种元素浓度也表现为望都均高于北京,但富集因子分析表明,北京市PM2.5中元素富集因子更高.来源分析表明,两地PM2.5中元素均受到工业源和尘源的影响;此外,观测期间两地均受到生物质燃烧影响.后向轨迹分析表明,当到达两地的气团来向相同时,北京与望都PM2.5浓度水平和化学组成呈现相似性,但当气团来向不同时,两地污染特征差异较大.

PM2.5；华北平原；污染特征；来源；气团

近年来,大气细颗粒物污染问题日益严峻,并受到广泛关注.相关研究表明,细颗粒物可导致大气能见度降低[1],影响全球气候变化[2],对人类健康有极大危害[3-5].我国 2012年发布的《环境空气质量标准》(GB 3095-2012)[6],首次将细颗粒物PM2.5纳入环境空气污染物基本监测项目中.华北平原人口密集,经济繁荣,大气污染问题突出[7],是我国灰霾高频出现的地区之一[8].目前,已有研究从区域空气污染特征、影响因素及控制措施等方面探讨了华北平原的大气污染问题.例如,Zhao等[9]指出京津冀地区气溶胶污染呈现空间相似性,Guo等[10]通过北京城郊夏季同步观测研究发现区域性二次污染严重.Pan等[11]通过多个站点同步观测,发现京津冀地区重金属污染严重,尤其是As元素均超过国家限值.Zhao等[12]对京津冀地区PM2.5的源解析结果显示北京PM2.5主要来自机动车源,而石家庄的燃煤贡献较为突出.受能源结构和污染控制措施的影响,北京与河北两地 PM2.5在空间分布和化学组成也具有一定的差异性[13-15].然而,目前多数研究主要针对北京地区 PM2.5的污染特征分析[12,16-17],在华北平原地区同步开展 PM2.5多组分比对的研究十分有限.

为充分认识华北平原大气污染传输与转化过程,由北京大学组织的 CAREBEIJING-NCP 2014综合观测于 2014年夏季在河北望都展开.本研究依托此次大型观测项目,侧重于研究北京和望都两地的PM2.5组成特征与来源.

1 研究方法

1.1 样品采集

本研究于2014年6月9日～7月8日期间在北京市区(39.99°N, 116.31°E)和河北省保定市望都县(38.66°N, 115.20°E)2个采样站点同步采集了PM2.5样品.采样点位如图1所示.其中,北京站点位于北京大学理科一号楼楼顶,采样点距离地面约15m高,该站点位于北京市西北方位四环与五环之间,东面约150m处有一条交通主干道,南面约200m为北四环路,此外无其他明显污染源.望都观测点位于华北平原中部的望都生态园,周围被农田包围,站点北部靠近高速公路 G107(相距约 3.5km),东北方和西南方分别是保定(相距约 35km)和石家庄(相距约 90km)两个典型工业城市.采样仪器安装在距地面约 7m高的集装箱顶.两站点之间相距约170km.气象数据于监测点配置的小型气象监测站获得.

北京站点采用美国Met One公司八通道采样器(SUPER SASS),流量为 6.7L/min,望都站点采用武汉天虹四通道采样器(TH-16A),流量为16.7L/ min.北京样品采集时间为 09:00～次日08:00,共获得30个样品,望都分白天(08:00～17:00)和晚上(17:30～次日7:30)采样,共获得60个样品,本研究将望都昼夜PM2.5浓度的平均值作为望都的日均值.采样滤膜为直径47mm的Teflon滤膜(Whatman Inc., USA)和石英滤膜(Pall 7202,Pall Inc.,USA).

图1 采样点位:北京和望都Fig.1 Sampling sites in Beijing and Wangdu

1.2 样品分析

PM2.5的质量浓度根据Teflon滤膜采样前后的质量变化来计算.Teflon滤膜用于水溶性离子和元素分析.本研究中使用离子色谱(IC,阴离子为 DionexICS-2000;阴离子为 DionexICS-2500)分析水溶性离子(SO42−、NO3−、Cl−、NH4+、Na+、K+、Ca2+和 Mg2+),具体实验方法参见文献[10].采用电感耦合等离子体质谱仪(ICP-MS, Thermo X series, Thermo Fisher Scientific Inc., USA)进行元素分析,采样滤膜首先在密闭的微波消解仪(MARS5, CEM Corporation, USA)中经HNO3、HCl和 HF强酸消解,完全消解后的溶液稀释至100mL,再利用ICP-MS进行元素分析,包括:Na、Mg、Al、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Mo、Cd、Ba、Tl、Pb和Th.内标Rh和Re,加入至样品中一同测试,具体实验方法可参考文献[18].此外,利用 Sunset OCEC分析仪(Sunset Laboratory Inc., USA)基于热光透射法 NIOSH/TOT测定有机碳(OC)和元素碳(EC),具体原理可参见文献[19].

1.3 质量控制与保证

本研究中所用的石英滤膜在采样前于马弗炉中 550℃下烘烤 5.5h,以去除本底有机物的干扰.Teflon滤膜于采样前后分别放置于恒温恒湿的超净室(T=(20±1)℃, RH=(40±5)%)中平衡至少 24h,并用十万分之一天平(AX105DR型,瑞士Mettler Tolede)称量.两站点于采样开始与结束时分别采集一个野外空白样品,以扣除由于人为操作带来的误差干扰.采样结束后,所有滤膜样品放置于冰箱内于-18℃冷冻保存.

样品分析过程中进行了严格的质量保证与控制.无机离子分析中使用7个浓度梯度的离子标准溶液进行校准,并保证标准曲线 R2在 0.99以上;于每次更换离子色谱淋洗液后重新进行标准溶液校准;本研究中两采样点样品的阴阳离子电荷平衡接近 1:1.元素分析中使用 GBW07403 (GSS-3)号标准土壤样品,确保元素分析偏差小于5%;每个样品至少测定3次以上,以其平均值作为检测结果,并保证多次测定结果的相对标准偏差RSD%＜10%;加标回收率结果显示,Se的回收率最低,为 76%,其他元素回收率在 90～120%之间.OCEC分析中,于样品正式分析前,烧炉腔空白,保证空白的总碳值小于 0.1μgC;每分析 10个样品,随机抽取其中一个样进行重复实验,2次检测结果偏差＜5%.本研究中,各项指标的空白值均在样品值的 5%以内,所有数据均已扣除空白值.

1.4 质量重建

PM2.5的化学组成主要为二次无机离子(SNA)、有机物(OM)、EC、矿物组分(Mineral)和其他组成(Others)等 5大类.其他组成为 PM2.5质量浓度减去前4种组成之和.本研究中,OM以OC的1.4倍估算[20];矿物组分则通过元素氧化物1.89Al + 2.14Si + 1.4Ca + 1.43Fe + 1.66Mg + 1.67Ti(Si=3.9·Al)的总和表示[21].质量重建结果显示,这5类主要组分占到总PM2.5质量浓度的91%以上.

2 结果与讨论

2.1 观测期间PM2.5质量浓度及气象条件

2.1.1 PM2.5质量浓度 观测期间,两地PM2.5质量浓度如图2所示.北京和望都PM2.5质量浓度分别为(51.44±30.94)µg/m3和(71.47±38.04)µg/m3,均低于环境空气质量标准(GB3095-2012)的二级日均浓度限值 75µg/m3,但远超过美国环境空气质量标准浓度限值35µg/m3.观测期间,北京PM2.5浓度变化范围为 12.62～116.91µg/m3,超过 75µg/ m3的天数占 29%;望都为 26.45～129.82µg/m3,超过75µg/m3的天数占40%.北京采样点和北京国控站点(https://www.aqistudy.cn/,44个站点日均)PM2.5浓度之间的相关系数R2为0.69,望都和保定(29个站点日均)国控点浓度的相关系数 R2为0.68,表明了2个采样点是具有区域代表性的.两地PM2.5相关系数r为0.6,变化趋势具有一定的相似性.总体来看,望都虽位于郊区,但PM2.5浓度水平高于北京,这可能是由于望都受到本地来源及周边工业城市的影响所致.

图2 观测期间北京和望都PM2.5的时间序列变化Fig.2 PM2.5concentrations during the sampling period in Beijing and Wangdu

2.1.2 气象条件 图 3给出了观测期间北京和望都采样点的温度、相对湿度以及风向风速图.结果显示,两地气温接近,均约为 27℃,呈显著相关(r=0.86,P＜0.01);望都的相对湿度为(67±19)%,高于北京(54±17)%.两地的主导风向均为东南风,但也受到其他风向的影响,北京偏北和偏东风较常见,而望都以偏南和偏西风为主.北京平均地面风速为(1.9±0.8)m/s,略高于望都(1.2±0.8)m/s,风速是影响大气稳定性和扩散传输能力的重要因素[22].

图3 观测期间两地温度、相对湿度、风速和风向玫瑰图Fig.3 Temperature, relative humidity, wind speed and wind rose at two observational sites during sampling period

运用后向轨迹初步分析气团传输对两地PM2.5浓度的影响表明,受不同来向气团影响时,PM2.5浓度存在明显的差异[12].当气团来向较为相似时,两地有较为一致的响应.如受到北方气团影响时(图2中标记的6月27、28日),北京和望都地区风速较大,相对湿度降低(图 3),PM2.5浓度降至20～30µg/m3.7月1～6日受到南方和东南方气团影响,两地相对湿度有所增加,但两时段温度变化不明显,同时风速降低,两地PM2.5浓度同步增加.

2.2 PM2.5化学组分对比

2.2.1 水溶性离子 表 1对比了 2个采样点PM2.5中各组分的质量浓度均值及其在 PM2.5中的占比.结果显示,望都 PM2.5及各种化学组分的质量浓度均高于北京.水溶性离子在两地 PM2.5中含量均最高,北京和望都 SNA浓度分别为(32.49± 24.42)µg/m3和(41.95±26.58)µg/m3,约占PM2.5的63%和59%,与Zhao等[12]对京津冀的研究结果(42%～61%)相近,而北京冬季SNA的比例约为30%～40%[8,12],显示北京夏季PM2.5中SNA的比例更高.Guo等[10]在CAREBEIJING-2006研究中指出,颗粒物二次转化是夏季细颗粒物污染的主要原因.

表1 两个采样点PM2.5化学组分质量浓度和占比Table 1 Mass concentrations and relative contributions of chemical components in PM2.5at the two sampling sites

两地 SNA与 PM2.5均呈现显著正相关(r＞0.90,P＜0.01).结合图1和图4,当PM2.5浓度较高时,SNA的贡献最大,例如,PM2.5浓度高于100µg/ m3时,两地SNA在PM2.5中占比均约为70%;而PM2.5低于 50µg/m3时,SNA贡献约为 40%.Sun等[23]研究指出SNA是造成PM2.5持续快速增长的主要组分,华北平原夏季细粒子的二次污染问题突出,控制大气二次无机组分及其重要气态前体物,如SO2、NOx和NH3等对于PM2.5污染治理十分关键.

大气颗粒物中 SO42-和 NO3-主要来源于气态前身物SO2、NOx的转化,NO3-/SO42-比值常被用于指示机动车和燃煤源的相对贡献[24].本研究中,北京和望都 NO3-/SO42-的平均比值分别为0.72和0.60;同时,北京NO3-在PM2.5中占20.8%,高于望都(15.6%),表明北京城区比望都受到相对较高的机动车源影响.

图4 北京和望都不同化学组分对PM2.5的贡献Fig.4 Relative contributions of chemical components to PM2.5in Beijing and Wangdu

2.2.2 碳质组分 两地 PM2.5中碳质组分(OM+EC)均约占23%,是PM2.5中除SNA外的重要组成.本研究中,北京站点PM2.5中OC与EC质量浓度低于望都,低于Zheng等[25]对2000年北京夏季的研究结果,而接近于上海[26];望都 OC与EC的质量浓度接近于 Yao等[27]禹城(华北平原中部农村)的观测结果.如图4所示,不同于SNA,含碳物质在低浓度 PM2.5中比例较高,例如,在 6月27和28日,两地含碳组分在PM2.5的比例可达40%～80%, SNA仅为 10%～20%;而在高浓度的PM2.5时(7月1～7日),含碳组分仅占10%～15%.

2.2.3 元素组分 由表1可见,望都各元素的质量浓度明显高于北京,其中Al、Ti和V尤为突出(6倍);Ca、Cr、Cd次之(3倍).根据源谱[28,29]提供的信息,Al、Ti可来自于尘源或燃煤灰飞,在望都较高浓度的Al、Ca和Ti等元素,可能与河北较高的工业活动以及采样点周围有农田覆盖等情况有关(土壤尘和道路尘都有较高的贡献所致).Cr、Cd和V等浓度远高于北京,说明望都受到了明显的工业生产、燃煤等影响.

富集因子(EF)常被用于评价大气颗粒物不同元素的富集程度,并根据 EF值大小粗略地判断颗粒物的来源(人为源和自然源)[30].EF计算公式如下:

式中:X为某元素的质量浓度,地壳中某元素的含量借鉴Taylor and McLennan[31]的建议值.以往研究有采用Al、Fe、Ti、Si、Mn、Ca等地壳元素作为参比元素,本研究中,Al和 Ti的浓度在望都比北京高出约6～7倍,而Ca和Fe仅高约2～3倍,考虑到工业源谱[28]中Ca和Fe的相对丰度较大,因此Al和Ti更适合作为地壳源的参比元素,Ca也可来源于建筑水泥尘[32],而Ca-Ti在两地相关性较好(表2,r＞0.6),因此Ti可能受到一定人为源影响.相比较而言,Al受人为影响更小,最终本研究选择 Al作为地壳源的参比元素.通常认为,富集因子EF小于10,则说明该元素主要来自于地壳源;EF大于 10,则说明该元素受到了人为源的影响;EF值越高,说明人为源富集程度越高.

图 5对比了北京和望都各元素的富集因子和两地的浓度比值,元素Ba、Ti、V、Co、Mn、Ca、Fe、Cr、Ni和Se的平均EF值小于10,表明这些元素主要来自于地壳源;K的EF值接近10,说明除了自然源的贡献外,两地可能受到了人为源(如生物质燃烧)的影响;Cu、Tl、Zn、Pb、As元素的平均EF值在10～100之间,表明这5种元素受人为活动影响明显.Pan等[11]研究显示,Cu、Tl、Zn和As元素与燃煤排放活动息息相关.清单[33]表明,Pb主要来源于工业燃煤.Cd的富集因子在两地均最高,高达 1000.排放清单显示[33],人为活动排放到大气中的元素Cd主要来源于有色金属冶炼(44%)和燃煤工业锅炉(23%),这表明工业活动对于颗粒物中元素 Cd的贡献明显.需要注意的是,虽然北京元素浓度较低,但富集因子分析显示元素的富集程度更高,尤其是Cd、Pb、As、Zn、Tl和Cu等.

图5 北京和望都PM2.5中元素富集因子(EF)和浓度比值Fig.5 Enrichment factors and concentration ratio ofelements in PM2.5in Beijing and Wangdu

2.3 影响两地污染特征的因素分析

2.3.1 元素来源应用统计分析软件SPSS 2.0对两地PM2.5中元素进行Pearson相关性分析,如表2所示.由表2的相关性矩阵可知,两地的Ca-Ti均呈现显著相关性(r＞0.6,P＜0.01),文献研究表明,Ca和Ti主要来自于土壤尘、建筑尘或者扬尘等尘源[11],这表明两地均受到尘源影响. Fe、Mn、Cu、Zn、Cd和Pb主要来源于钢铁生产、工业燃煤和机动车排放等[33],这些金属两地两两之间均呈现显著相关性(P＜0.05)(除Fe-Cu在望都的r为 0.25),表明两地可能受到上述源的影响.以上分析表明,元素相关性分析表明尘和工业源在两地均是重要的源类.

2.3.2 生物质燃烧 采样期间,北京和望都PM2.5中 K+平均浓度分别为(0.66±0.46)µg/m3和(1.22± 1.04)µg/m3,由此可见,望都K+浓度水平更高,约是北京的2倍.北京和望都在6月15日K+浓度同时达到最高值,分别为 1.78µg/m3和5.50µg/m3,超过平均浓度的5倍和3倍.Nie等[34]研究指出生物质燃烧时段,K+/PM2.5分别大于2%,本研究结果显示6月15日北京和望都K+/PM2.5大于2%和4%,说明该日两地均受到明显的生物质燃烧影响.同时,根据美国宇航局NASA提供的卫星火点分布(https://firms.modaps.eosdis.nasa. gov/firemap/),如图 6所示,发现该日采样点周围出现火点,进一步说明该日有可能受到生物质燃烧的影响.

表2 北京和望都PM2.5中元素的Pearson相关性矩阵(白色背景区域表示北京,灰色背景区域表示望都)Table 2 Pearson correlation coefficients for trace elementsin Beijing and Wangdu (Beijing data in white area, Wangdu data grey area)

图6 6月15日华北平原火点分布(图来自NASA)Fig.6 Active fires in the North China Plain on 15 June (from NASA)

根据文献显示,6月是华北平原小麦收获季节,秸秆焚烧频繁[27].Wang等[35]研究指出华北平原夏季小麦秸秆燃烧期间,PM2.5、OC和K+浓度明显升高.Duan等[36]研究显示北京小麦秸秆露天燃烧阶段K+/OC比值为0.19～0.21.Li等[37]对小麦源谱研究结果中K+/OC高达0.26.本研究中15日K+/OC比值达到最高值,分别为0.22和0.19(图7所示),这也印证了生物质燃烧影响.如图7所示K+与OC的散点图中,两地都显示了明显的相关性,但望都K+和OC的浓度比北京更高,尤其是在6月13～15日.OC的浓度在13和14日分别达到32和26µg/m3,但K+/OC小于15日的比值,这可能是因为望都除了生物质燃烧外,其他燃烧过程都会对当地的OC产生贡献.

为计算生物质燃烧的贡献,本研究运用比值法进行初步估算,假设PM2.5中的K+全部来自生物质燃烧贡献.采用Li等[37]对山东小麦秸秆燃烧实验的源谱结果,运用下述公式进行估算:

生物质燃烧贡献(%)=式中:环境样品为受到生物质燃烧影响的样品,生物质燃烧源样品中 K+/PM2.5为 9.94%.通过比值法进行了粗略估算,生物质燃烧对北京和望都的PM2.5贡献分别为12%和16%,其中15日北京和望都生物质燃烧的贡献分别为23%和42%.

图7 北京和望都K+与OC浓度相关性Fig.7 Scatter plots of K+vs. OC in Beijing and Wangdu

2.3.3 传输气团的影响 为探讨大气输送气团对受体点颗粒物浓度及其化学组分的影响,本研究结合后向轨迹进行分析.利用 HYSPLIT4.0后向轨迹模型得到观测期间北京和望都每日(北京时间12:00和0:00)达到观测站点气团的72h后向轨迹,所选高度为500m,所有轨迹如图8所示.按照两地同一日受到相同来向和不同来向的气团影响进行分类,总轨迹中 1/3为相同来向气团影响,图 8中用红色标记,相同气团主要来自于N、S、SE和E四个方位(对应图2标记的观测日期).

图9为受相同来向气团影响时,北京和望都的 PM2.5浓度与化学组分质量百分比.由图可见,两地PM2.5浓度在受到四个方向上气团影响时的变化趋势一致,均表现为SE＞S＞E≈N,这表明两地在受到南方气团传输影响时 PM2.5浓度最高,受来自北方的气团影响时 PM2.5浓度最低,南北气团差异导致的PM2.5浓度差约80µg/m3.

图9 北京(BJ)和望都(WD)受相同来向气团影响时,PM2.5浓度与化学组成的相对贡献Fig.9 PM2.5concentrations and relative contributions of chemical components in PM2.5at Beijing (BJ) and Wangdu (WD) with air masses from the same direction

由图 9可见,在相同来向气团影响下,两地PM2.5及其化学组分特征具有较好的一致性.当受到来自北方的气团影响时,两地 PM2.5中含碳组分占比最高,北京和望都分别达65%和42%;同时,相比于其它来向气团影响时,北方气团下矿物组分占比较高,北京和望都分别为 14%和 31%;SNA在两地PM2.5中占比较低,约占15%.长距离输送的北方气团来源于工业不发达的内蒙等北方地区,气团较干洁,湿度低.然而,当两地受到来自南方(S和SE)的气团影响时,SNA在PM2.5中的占比最高,两地约为 60%～70%,这可能是因为南方气团主要来自于河北南部、山东以及江苏北部等(图 8中所示)工业分布较多的地区,携带高浓度污染物,同时气团湿度大[7];当受到来自东方的气团影响时,两地 PM2.5浓度水平与受北方气团影响时相似,但化学组成却有显著差异,此时,PM2.5中SNA占比高达50%～60%,矿物组分占比明显低于受北方气团影响时.这可能是因为东方气团主要来源于渤海,较为干净,但湿度大,因此SNA贡献比受北方气团影响时高.

如图8所示,将两地所有轨迹归类,北京地区除受到与望都相同来向的气团(N、S、SE和 E)影响外,还主要受到来自西北(NW)和东北(NE)两个来向气团的影响,表明北京与望都可能受到不同气团的传输影响.通过对比不同来向气团时的差异,发现当两地受到不同来向气团影响时,PM2.5的浓度水平有所不同.例如,6月 18～20日期间两地PM2.5浓度变化趋势相反(如图 2所示).北京 PM2.5浓度增加,而望都降低,进一步分析发现在此期间两地受到相反方向气团的影响,即18日,北京受到来自NW气团影响,而望都受SE气团影响,望都PM2.5高出北京约80µg/m3;19日,北京的气团来向主要是南方,望都的主要是东方,该日北京 PM2.5的浓度高出望都约 50µg/m3.由此可见,气团的来向与两地细颗粒物的浓度与组成是否一致有紧密的关系.

3 结论

3.1 2014年夏季,北京和望都两地同步观测结果显示,望都 PM2.5和所分析的化学组分质量浓度均高于北京.两地PM2.5相关系数为0.6,变化趋势具有一定的相似性.

3.2 二次无机组分在夏季北京和望都 PM2.5中的占比分别为63%和59%,表现出二次污染特征.虽然望都 PM2.5中元素浓度均高于北京,但北京PM2.5中元素(尤其是Cd、Pb、As、Zn、Tl和Cu等)富集因子更高.

3.3 来源分析表明,两地PM2.5均受到尘源、工业活动和生物质燃烧的影响,北京受机动车影响较为显著.通过比值法粗略估算,发现在某些时段望都受到生物质燃烧影响明显,对 PM2.5的贡献可高达40%.

3.4 后向轨迹分析表明,两地受相同来向气团影响时,PM2.5质量浓度和主要化学组分在两地较为相似,但受不同来向气团影响时,两地污染程度差异较大.

[1]Cheng Y, He K B, Du Z Y, et al. Humidity plays an important role in the PM2.5pollution in Beijing [J]. Environmental Pollution, 2015,197:68-75.

[2]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(2):235-241.

[3]Mimura T, Ichinose T, Yamagami S, et al. Airborne particulate matter (PM2.5) and the prevalence of allergic conjunctivitis in Japan [J]. Science of the Total Environment, 2014,487:493-499.

[4]Ostro B, Lipsett M, Reynolds P, et al. Long-Term Exposure to Constituents of Fine Particulate Air Pollution and Mortality: Results from the California Teachers Study [J]. Environmental Health Perspectives, 2010,118(3):363-369.

[5]Gao M, Guttikunda S K, Carmichael G R, et al. Health impacts and economic losses assessment of the 2013 severe haze event in Beijing area [J]. Science of the Total Environment, 2015,511: 553-561.

[6]GB3095-2012 环境空气质量标准 [S].

[7]Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2014,111(49):17373-17378.

[8]Huang R J, Zhang Y, Bozzetti C, et al. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 2014,514(7521):218-222.

[9]Zhao P S, Dong F, Yang Y D, et al. Characteristics of carbonaceous aerosol in the region of Beijing, Tianjin, and Hebei, China [J]. Atmospheric Environment, 2013,71(3):389-398.

[10]Guo S, Hu M, Wang Z B, et al. Size-resolved aerosol watersoluble ionic compositions in the summer of Beijing: implication of regional secondary formation [J]. Atmospheric Chemistry and Physics, 2010,10(3):23955-23986.

[11]Pan Y, Tian S, Li X, et al. Trace elements in particulate matter from metropolitan regions of Northern China: Sources, concentrations and size distributions [J]. Science of the Total Environment, 2015,537:9-22.

[12]Zhao P S, Dong F, He D, et al. Characteristics of concentrations and chemical compositions for PM2.5in the region of Beijing, Tianjin, and Hebei, China [J]. Atmospheric Chemistry and Physics, 2013,13(9):4631-4644.

[13]Li X, Zhang Q, Zhang Y, et al. Source contributions of urban PM2.5in the Beijing–Tianjin–Hebei region: Changes between 2006 and 2013 and relative impacts of emissions and meteorology [J]. Atmospheric Environment, 2015,123,Part A:229-239.

[14]Lang J L, Cheng S Y, Wei W, et al. A study on the trends of vehicular emissions in the Beijing–Tianjin–Hebei (BTH) region, China [J]. Atmospheric Environment, 2012,62(15):605-614.

[15]Liang X, Zou T, Guo B, et al. Assessing Beijing's PM2.5pollution: severity, weather impact, APEC and winter heating [J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Science, 2015,471(2182):1-20.

[16]Pan Y, Wang Y, Sun Y, et al. Size-resolved aerosol trace elements at a rural mountainous site in Northern China: importance of regional transport [J]. Science of the Total Environment, 2013, 461-462:761-771.

[17]Sun Y L, Jiang Q, Xu Y S, et al. Aerosol characterization over the North China Plain: Haze life cycle and biomass burning impacts in summer [J]. Journal of Geophysical Research: Atmospheres, 2016,121(5):2508-2521.

[18]张士杰,戚小京,陆思华,等.ICP-MS测定大气颗粒物中的痕量钒元素 [J]. 现代科学仪器, 2014,3:162:165.

[19]王莉华,董华斌,闫才青,等.气溶胶 OCEC切割点确定方法改进及应用 [J]. 环境科学, 2012,33(9):2946-2952.

[20]Lin P, Hu M, Deng Z, et al. Seasonal and diurnal variations of organic carbon in PM2.5in Beijing and the estimation of secondary organic carbon [J]. Journal of Geophysical Research: Atmospheres, 2009,114(D2):1013-1033.

[21]Zhang X Y, Gong S L, Shen Z X, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001ACE-Asia: 1.Network observations [J]. Journal of Geophysical Research: Atmospheres, 2003,108(D9):469-474.

[22]杨孝文,周 颖,程水源,等.北京冬季一次重污染过程的污染特征及成因分析 [J]. 中国环境科学, 2016,36(3):679-686.

[23]Sun Y L, Chen C, Zhang Y J, et al. Rapid formation and evolution of an extreme haze episode in Northern China during winter 2015 [J]. Scientific Reports, 2016,6:1-9.

[24]Wang Y, Zhuang G S, Tang A H, et al. The ion chemistry and the source of PM2.5aerosol in Beijing [J]. Atmospheric Environment, 2005,39(21):3771-3784.

[25]Zheng M, Salmon L G, Schauer J J, et al. Seasonal trends in PM2.5source contributions in Beijing, China [J]. Atmospheric Environment, 2005,39(22):3967-3976.

[26]Feng Y L, Chen Y J, Guo H, et al. Characteristics of organic and elemental carbon in PM2.5samples in Shanghai, China [J]. Atmospheric Research, 2009,92(4):434-442.

[27]Yao L, Yang L, Chen J, et al. Characteristics of carbonaceous aerosols: Impact of biomass burning and secondary formation in summertime in a rural area of the North China Plain [J]. Science of the Total Environment, 2016,557-558:520-530.

[28]郑 玫,张延君,闫才青,等.上海 PM2.5工业源谱的建立 [J]. 中国环境科学, 2013,33(8):1354-1359.

[29]郑 玫,张延君,闫才青,等.中国 PM2.5来源解析方法综述 [J].北京大学学报:自然科学版, 2014,50(6):1141-1154.

[30]Duce R A, Hoffman G L, Zoller W H. Atmospheric trace metals at remote northern and southern hemisphere sites: pollution or natural? [J]. Science, 1975,187(4171):59-61.

[31]Taylor S R, McLennan S M. The geochemical evolution of the continental crust [J]. Reviews of Geophysics, 1995,33(2):241-265.

[32]马召辉,梁云平,张 健,等.北京市典型排放源PM2.5成分谱研究[J]. 环境科学学报, 2015,35(12):4043-4052.

[33]Tian H Z, Zhu C Y, Gao J J, et al. Quantitative assessment of atmospheric emissions of toxic heavy metals from anthropogenic sources in China: historical trend, spatial distribution, uncertainties, and control policies [J]. Atmospheric Chemistry and Physics, 2015,15(17):10127-10147.

[34]Nie W, Ding A J, Xie Y N, et al. Influence of biomass burning plumes on HONO chemistry in eastern China [J]. Atmospheric Chemistry and Physics, 2015,15(3):1147-1159.

[35]Wang L L, Xin J Y, Li X, et al. The variability of biomass burning and its influence on regional aerosol properties during the wheat harvest season in North China [J]. Atmospheric Research, 2015, 157:153-163.

[36]Duan F K, Liu X D, Yu T, et al. Identification and estimate of biomass burning contribution to the urban aerosol organic carbon concentrations in Beijing [J]. Atmospheric Environment, 2004,38(9):1275-1282.

[37]Li X H, Wang S X, Duan L, et al. Particulate and trace gas emissions from open burning of wheat straw and corn stover in China [J]. Environmental Science and Technology, 2007,41(17): 6052-6058.

Chemical characteristics and sources of PM2.5in urban and rural sitesinthe North China Plain during summer.

ZHOU Tian, YAN Cai-qing, LI Xiao-ying, CAI Jing, GUO Xiao-shuang, WANG Rui, WU Yu-sheng, ZENG Li-ming, ZHU Tong, ZHANG Yuan-hang, ZHENG Mei*(State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China). China Environmental Science, 2017,37(9)：3227～3236

To study the chemical characteristics and sources of PM2.5in the North China Plain (NCP), simultaneous fine particulate matter (PM2.5) was sampled simultaneously in Beijing and Wangdu (Hebei) as part of the summer campaign of CAREBEIJING-NCP 2014. The samples were analyzed for water-soluble ions, elements, organic carbon (OC), and elemental carbon (EC). The average mass concentration of PM2.5was higher in Wangdu (71 ± 38µg/m3) than in Beijing (51 ± 31µg/m3), as were all the components of PM2.5. Secondary inorganic ions (SO42−, NO3−, NH4+, or SNA) dominated the PM2.5, and accounted for 60% of its mass. The highest percentages of SNA appeared in air masses from the south and southeast, and reached 60%～70% of PM2.5. Aerosol-crust enrichment factors of trace metals in Beijing were higher than in Wangdu. Industrial activities and dust were major sources of the elements. Biomass burning created up to 20%～40% of the PM2.5during days when its influence was obvious. Back-trajectories showed that PM2.5concentrations and major components at two sites were similar when the air masses came from the same direction, but different when the directions were different.

PM2.5；the North China Plain；characteristics；sources；air mass

X513

A

1000-6923(2017)09-3227-10

2016-12-30

国家自然科学基金资助项目(41121004,21190052);国家科技支撑计划课题(2014BAC06B02);环保部大气颗粒物化学成分在线监测设备研制与应用示范项目(2013YQ060569)

* 责任作者, 教授, mzheng@pku.edu.cn

周 甜(1992-),女,湖南湘潭人,北京大学硕士研究生,主要从事PM2.5来源解析研究.