我国不同大气环境下亚微米颗粒物吸湿特性

王 渝,吴志军,胡 敏 (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)

大气污染与控制

我国不同大气环境下亚微米颗粒物吸湿特性

王 渝,吴志军*,胡 敏 (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)

利用吸湿性串联微分电迁移粒径分析仪(H-TDMA)开展颗粒物吸湿性测量,通过对观测结果进行整理,并结合其他研究成果对我国不同环境下亚微米颗粒物吸湿性进行表征.梳理了包括城市、乡村、高山和郊区近海岸点不同大气环境下11个观测点的测量数据,发现不同环境、不同季节的大气颗粒物来源不同,颗粒物吸湿性、粒径分布及模态分布特征差异大.城市点的吸湿参数κ观测值约为 0.1～0.3;乡村点比城市点略高,约0.15～0.4;高山点(118.11°E, 30.07°N)的κ约为0.2～0.3;郊区近海岸点(114.17°E, 22.28°N)的κ约为0.2～0.4.除北京郊区点(怀柔冬季观测)外,其余乡村点和城市点均观测到亚微米颗粒物吸湿性随粒径增加而增强;高山点和郊区近海岸点的颗粒物吸湿性随粒径的变化不显著.除高山点(黄山)观测到较高频率的单模态分布(只有吸湿模态)外,其他观测点均呈现 2～3个模态分布,说明颗粒物呈外混态.北京和杭州的 H-TDMA观测结果显示颗粒物吸湿性随着相对湿度(RH)的增加而增加,没有表现出与纯硫酸铵类似的潮解行为.颗粒物吸湿性与化学组分的闭合研究发现,与离线膜采样获取的化学组分相比,高时间分辨率的在线化学粒径谱分布信息可以有效提高闭合度,同时有机物的密度与吸湿性,黑碳颗粒物质量浓度谱分布的精确估算将进一步提高闭合度.

颗粒物吸湿性；粒径分布；模态分布；有效吸湿参数；化学组分

吸湿性是指颗粒物在环境 RH增加时的吸水能力,是重要的颗粒物热动力学性质之一[1-2],在大气能见度削减[3],全球气候变化[4-6],健康影响[7]等环境效应中扮演重要角色.光学方面,颗粒物吸湿增长后体积增大,导致其消光和散射能力增强,进而加速大气能见度降低[3,8-9].气候变化方面,具有相同颗粒物粒径谱分布的粒子群处于相同 RH的大气中时,吸湿能力强的粒子群比吸湿能力弱的粒子群产生更多粒径小的云粒子,导致云的寿命增加,降水减少,从而影响气候变化[5];健康影响方面,颗粒物的吸湿性可以改变其在呼吸系统中的沉降位置和沉降速率,从而改变颗粒物对人体的健康影响程度[7,10].因此,表征和深入理解大气颗粒物吸湿性对区域空气质量、气候变化、大气化学过程和人体健康等诸多研究领域具有重要意义.

国际上对颗粒物吸湿性的研究始于 1983年[11],在城市、乡村、森林、高山、海洋等不同大气环境下对颗粒物吸湿性进行研究[12-13]. Swietlicki等[12]总结了全球范围内基于 HTDMA测定的颗粒物吸湿性,对不同环境大气颗粒物吸湿增长因子-概率密度分布函数(GF-PDF)的模态分布特征及各模态颗粒物的可能来源,颗粒物的物理、化学性质对其吸湿性的影响进行探究.目前,吸湿性外场观测主要集中在欧美、墨西哥等地,在污染较重的亚洲地区表征很少.从颗粒物吸湿性研究历程来看,大气颗粒物相关无机盐(如硫酸盐、硝酸盐等)的吸湿性均已得到很好的表征.然而,由于大气颗粒物中有机物种类复杂、含量及种类处于动态变化,因此对大气颗粒物有机物吸湿性的表征仍十分有限.目前只对一些水溶性有机物如低碳数羟酸(二羟酸,甲基丁二酸,草酸)[13],(4-水杨酸,左旋葡聚糖,腐殖酸)[14],类腐殖酸HULIS[15]等进行了表征,大气颗粒物有机物吸湿性的准确测定及其对颗粒物含水量的影响仍是未来研究中一个亟需解决的关键问题.

大气颗粒物吸湿增长在我国复合大气污染条件下重污染事件的发生和发展过程中扮演重要角色.首先,颗粒物的吸湿增长使其散射系数增大,消光增强,加速大气能见度的衰减[16];其次,颗粒物可以作为大气多相反应载体[13],颗粒物吸水后相态发生变化[17],直接影响气态分子在二次颗粒物界面和体相传输速率,半挥发性物质的气-粒平衡,从而影响了颗粒物界面和体相的化学反应[18].由此可见,深入理解大气颗粒物吸湿特性及其与化学反应、消光演变之间的关系,有助于提高对重污染过程的发生和发展机制的认识.

本研究利用H-TDMA开展颗粒物吸湿性测量,并对观测结果进行整理,再结合其他研究成果,对我国不同环境下亚微米颗粒物吸湿性进行表征.通过对全国11个观测点(包括城市、乡村、高山和郊区近海岸点)不同大气环境的吸湿性测量数据进行梳理,总结出不同大气环境颗粒物吸湿性的粒径分布及模态分布特征,并探究物理及化学因素对其吸湿性的影响.

1 H-TDMA原理及吸湿参数表征

1.1 仪器原理及数据反演

目前采用的 H-TDMA分为自主搭建式[19]和商业化设备(MSP H-TDMA,型号:1500[20],BMI H-TDMA,型号:3002[21]),二者的基本构造相同,如图 1所示.本研究中采用由德国莱布尼兹对流层研究所自主搭建的H-TDMA,主要由2个电迁移粒径分析仪(DMA),2个凝结式颗粒计数仪(CPC)以及加湿控温装置组成.大气颗粒物经干燥(RH＜30%)和极化带电后进入 DMA1,从而筛选出单一粒径分布的颗粒物,一路通入 CPC1计数,一路通入加湿控温装置加湿,颗粒物吸湿增长后进入DMA2和CPC2,扫描测量出其粒径数浓度谱分布,从而获得颗粒物吸湿增长谱分布信息.

图1 H-TDMA基本结构简图Fig.1 Schematic of H-TDMA system

DMA筛选粒径校准:采用气溶胶发生器产生已知粒径的聚苯乙烯橡胶球(PSLs),通入H-TDMA根据DMA1和DMA2测定的粒径值判断其筛选颗粒物粒径的准确性并进行校准.系统相对湿度校准:将硫酸铵颗粒物通入系统内,将测定的吸湿参数与理论值进行比较,从而确认系统误差及稳定性.在外场观测过程中,每 4h进行高频率的硫酸铵标准物测定,实时反应系统的稳定性,并将硫酸铵的测定结果应用于数据处理时系统测定的相对湿度实时校准中,从而有效地提高了测量数据的准确性[22].另外,由于外界环境温度对 H-TDMA系统稳定性影响较大,该系统应放置在室温稳定的室内运行.

数据处理方面,由于2个DMA传输函数的差别,其筛选粒径具有一定宽度且略有差异,因此测定的 GF-PDF并不是真正的概率密度分布函数,原始数据需要通过数据反演才能得到真实的概率密度分布函数.H-TDMA数据反演的常用算法有2种,一种是由Stolzenburg和McMurry[23]联合开发的TDMAfit算法,被应用于黄山点[20],香港[21]测量的大气颗粒物吸湿性数据反演.此算法假设GF-PDF由2～3个正态分布函数组成,给定初始猜想值后模拟出 2～3个呈高斯分布的模态.另一种算法是Gysel[24]开发的TDMAinv反演算法,目前被广泛应用于H-TDMA数据的反演.该算法假设GF-PDF为以等间隔的GF为横坐标的分段线性函数,原始测量分布函数经解卷积变换后可得到与之具有最小残差的分布函数,即真实的GF-PDF.两种算法在反演过程中,均可消除由于2个DMA串联对 DMA传输函数的影响,从而获得真实的GF-PDF.但与TDMAfit相比, TDMAinv算法无需给出影响最终模拟效果的初始值,比较适合处理大量观测数据[20].本研究中采用的是TDMAinv反演算法对北京、怀柔和望都地区吸湿性结果进行反演.此外,在数据处理过程中,可将实测RH88～92%的GF校正到90%,消除仪器RH不稳定对测量结果的影响,增加测量结果的可比性.

1.2 大气颗粒物吸湿性的参数表征

GF是指颗粒物在给定RH下,颗粒物吸湿增长后的粒径DpRH与干状态的粒径Dpdry的比值,如公式(1)所示.其中GF也可由GF-PDF计算得出.

由于开尔文效应的影响,具有相同化学组分的颗粒物,其 GF会随着粒径的减小而降低. Petters等[25]在 2007年提出用单一参数κ来表征颗粒物吸湿性,该参数基于传统的 Köhler理论,考虑了开尔文效应和拉乌尔效应的影响.因此,κ只与颗粒物化学组成有关,与RH、颗粒物粒径无关.其方程如下:

式中:Dpdry为颗粒物的干粒径;σs/a,ρw,Mw分别代表水的活度,密度,摩尔质量;R为理想气体常数;T为绝对温度.

为了探究颗粒物化学组分对其吸湿性的影响,进行了吸湿与化学的闭合研究.在以往的闭合研究中[12-13,26],国内外学者广泛采用ZSR方法[27]计算具有复杂化学成分的颗粒物的吸湿参数κ或GFmix,如式(4)和(5)所示:

式中:κi, GFi为第i种物质的κ, GF;εi为第i种物质的体积比;n为物质的数量(个);κ,GFmix为颗粒物的吸湿参数值.

2 结果与讨论

图 2总结了我国不同大气环境下基于 HTDMA外场测量的亚微米颗粒物吸湿性与其粒径的关系.从图中可看出,我国吸湿性观测主要集中在京津冀,长江三角洲和珠江三角洲三大经济快速发展的城市群地区,观测点包括城市点(北京、上海、杭州、南京),乡村点(望都、怀柔、香河、武清、番禺),高山点(黄山)及郊区近海岸点(香港).图中,北京、望都、怀柔和香河地区的数据来自本研究小组的观测结果,其他点位观测数据引自文献,详细的点位信息如表1所示.为了方便统计和比较,本文中将已发表文献中描述的华北平原,珠江三角洲区域背景点如武清,番禺归为乡村点.总的来看,城市点的κ约为 0.1～0.3[19-20,22,28-29];乡村点约 0.15～0.4[30-32],比城市点偏高,尤其是华北平原乡村点夏季观测值高达0.3～0.4[30-31];高山点κ约为 0.2～0.3[20,33];郊区近海岸点的κ约为 0.2～0.4[21],受海洋气团影响时,大气颗粒物吸湿性较强,κ高达0.3～0.4[21].

下面将从以下几个方面对我国不同大气环境颗粒物吸湿性进行归纳分析.

图2 我国不同大气环境的颗粒物吸湿性与粒径关系Fig.2 Size-dependency particle hygroscopicity in various environments in China

2.1 颗粒物吸湿性的粒径分布特征

不同环境、不同季节颗粒物来源不同,吸湿性粒径分布特征差异大.从图1中可看出,除北京怀柔外,其他乡村点(望都、香河、武清、番禺)和城市点(北京、上海、杭州、南京)的观测均显示颗粒物吸湿性随粒径的增加而增强.Swietlicki等[12]在全球城市和乡村地区大气环境颗粒物吸湿性观测结果也得出相同的结论.颗粒物吸湿性随粒径增加而增强的趋势可能有以下几点原因:较小粒径的颗粒物(如爱根核模态)在城市地区主要来源是交通排放[34],而交通排放的一次颗粒物几乎不吸湿且呈外混态[35].较大粒径颗粒物(如积聚模态)的生命周期比小粒径颗粒物长,老化程度高.强吸湿性的二次组分如硫酸盐,硝酸盐等生成后,经凝结,酸碱中和等过程进入颗粒相,与此同时,颗粒相中的有机物进一步老化[36],大气中这些老化过程增强了颗粒物的吸湿性[36-37]. Huang等[38]在北京城区观测中发现随粒径增大,颗粒物中有机物的占比逐渐减小而二次无机盐比例逐渐上升,二次无机盐的吸湿性远远强于有机物[13],进一步证明了以上颗粒物吸湿性随粒径的变化趋势.然而,在怀柔点观测到积聚模态的颗粒物吸湿性随着粒径的增大而降低,可能是由于在观测期间观测点受散煤燃烧影响.有研究表明煤燃烧排放的颗粒物,小粒径颗粒物(如70～80nm)中吸湿性较强的硫酸盐含量最高[39],因此 GF最高值出现在 75～100nm.同时,冬季大气氧化性低,积聚模态颗粒物老化程度低.双重作用使得怀柔观测期间大气颗粒物积聚模态颗粒物吸湿性低于爱根核模态颗粒物.

表1 全国大气颗粒物吸湿性观测站点信息Table 1 Site information for atmospheric particle hygroscopicity measurements in China

与城市点和乡村点不同,郊区近海岸点(香港)受城市和海洋气团的双重影响,颗粒物吸湿性随粒径变化不显著(图 2).目前,我国对高山点的吸湿性观测很少,最近吴奕霄等[20]在黄山光明顶与山底同时进行了颗粒物吸湿性测量,结果显示颗粒物吸湿性与粒径变化关系不显著,可能与当地颗粒物的化学组分和来源密切相关.由于该研究没有报道颗粒物的化学信息,无法深入分析造成该粒径分布特征的原因.

2.2 颗粒物吸湿性的模态分布特征

不同环境下颗粒物来源不同,吸湿性模态分布特征差异大.通常,按照吸湿性的强弱可根据GF-PDF分布特征将颗粒物分为2～3个吸湿模态,即不吸湿模态,弱吸湿模态,强吸湿模态,不同研究对吸湿模态的个数及各模态边界值有所差异.例如,图 3展示了北京地区的 100nm颗粒物的GF-PDF测定结果,颗粒物呈现双模态分布,在GF=1.2处分为吸湿模态和不吸湿模态.各观测点的颗粒物模态分布,除香河,上海,北京(2005年)分为3个吸湿模态外,其他观测如北京(2014年),望都等地的研究均分为2个模态.

2005年与2014年北京夏季颗粒物吸湿模态吸湿性相差不大,均高于 2005年冬季[22,28].其原因在于北京地区冬季吸湿性相对较弱的有机物比例高达 50%,高于夏季(40%),而吸湿性较强的二次无机盐夏季占比高[40].

图3 北京大气中100nm颗粒物GF-PDF分布图Fig.3 GF-PDF of atmospheric particles with size of 100nm in Beijing

华北平原乡村点(香河[31],武清[41])的颗粒物吸湿模态吸湿性远高于城市点北京[22,28].以往的研究中发现,由于本地气团的影响,与城市点相比,在水平输送过程中,到达乡村点的气团较为老化[21],如前所述,老化颗粒物吸湿性更强[36].而珠江三角洲乡村点番禺颗粒物吸湿模态则表现出较低的吸湿性,这可能与冬季广州地区颗粒物中有机物的占比偏高有关[42].

近海岸香港点的颗粒物吸湿性在主要受海洋气团控制时吸湿模态的平均κ为0.36～0.4,远高于主要受大陆气团控制(0.25～0.34)[21].文章中指出,5月中旬及9月上旬,观测点受海洋气团控制,可能由于海洋微生物排放的二甲基硫转化为硫酸盐及未中和的硫酸盐形成双硫酸盐分子等过程增强了吸湿模态吸湿性[12].然而在9月下旬及11月,大陆气团与来自内陆海岸的气团占据主导地位,颗粒物中有机物含量相对较高,吸湿性相对较弱[21].

黄山山顶观测到GF-PDF呈现出高频率单模态分布(GF:1.25～1.45),发生频率为48%,而且主要出现在下午,具有很强的日变化规律[33].此结果与在瑞士Jungfraujoch观测相一致,可能由于午后热力对流将边界层中吸湿性较强的老化颗粒物传输至观测点所致[43-44].此外,黄山山底颗粒物吸湿性强于山顶,可能是由于山底观测点靠近景区,人为污染影响较多,而山顶地区较为清洁,颗粒物中吸湿的化学组分较少,吸湿性相对较弱[20].

2.3 不同RH下颗粒物吸湿增长

为了研究大气颗粒物吸湿行为与 RH的变化关系,在外场观测中通常采用改变 H-TDMA中设定的RH,测定不同RH下的颗粒物GF.如图4中显示了北京[22],杭州[45],武清[30]测定的不同RH下颗粒物的吸湿增长.3个观测点在不同的RH范围内,均观测到颗粒物吸湿性随相对湿度的增加呈增加趋势.从北京(15%～90%),杭州(70%～90%)的观测结果显示大气环境颗粒物吸湿性随着相对湿度的增加而增加,没有表现出与纯硫酸铵类似的潮解行为(潮解点:80%[13]).这一现象在全球不同的观测环境中被多次证实,如对流层点 Jungfraujoch[43],城市点巴黎[46],森林点Hyytiälä[47]等.Marcolli等[48]在实验室模拟无机物与有机物的混合物吸湿性研究中发现,随着有机物比例的升高,无机物的吸湿潮解行为逐渐消失.据报道,北京地区的长期化学组分数据显示 PM1中有机物占比高达 40%～50%[40],因此,环境大气中有机物的大量存在可能是没有观测到大气颗粒物吸湿潮解行为的原因.

图4 不同RH下颗粒物的吸湿增长Fig.4 Particle hygroscopic growth during different RHs

2.4 颗粒物吸湿性与化学组分关系的探讨

颗粒物的吸湿性与其化学密切相关[12],为探究颗粒物的化学组分对其吸湿的影响,通常进行颗粒物吸湿和化学的闭合研究.闭合研究是将由化学组分估算的κ与H-TDMA实测值比较研究的一种方法.闭合研究中通常采用 ZSR方法估算化学组分的κ,其计算方法如 2.2中式(5)(6)所示.表2总结了武清[41]、香港[21]、北京[22]观测的颗粒物吸湿和化学闭合研究结果,包括化学组分测定手段,无机盐、有机物、化学组分的κ值(κ无机盐,κ有机物/GF有机物,κ化学)估算方法.其中,化学组分的测定方法分为离线膜采样(武清)和高分辨率飞行时间气溶胶质谱(HR-Tof-AMS) (香港,北京).由于离线膜采样存在时间分辨率低,阴阳离子不完全平衡等误差,近年来兴起使用了HR-Tof-AMS,可提供高时间分辨的化学组分粒径谱分布信息,有效地提高了闭合度.需要注意的是HR-Tof- AMS不能测定600℃以上难挥发的组分,例如氯化钠,黑碳等[21],因此会造成闭合研究中化学组分的缺失,影响闭合程度.Wu等[22]在闭合研究中考虑了黑碳的影响,并将其应用于化学组分的体积分数计算,结果显示 150, 250及350nm颗粒物可以实现较好的闭合.

运用 ZSR方法对化学组分的κ进行估算前,需将颗粒物中各无机盐和有机物的κ分别进行估算.目前基于热动力学模型如 ISORROPIAⅡ, E-AIM,离子配对模型等估算无机盐的κ较为精准[26],而由于大气颗粒物中有机物的复杂性,其κ不能准确测定.

大气有机物κ的估算方法有3种,即经验值法,建立有机物κ与氧化态线性关系法和正交因子矩阵(PMF)解析法.经验值法是指根据单个或某类有机物的κ或模型模拟值来估算实际大气中有机物的κ.例如,Gysel等[26]通过总结在90%的相对湿度下,各有机物如类腐殖酸(～1.18),烟雾箱模拟二次气溶胶(～1.17),H-NMR官能团模拟值(～1.11)等的吸湿性,估算出大气颗粒物中有机物的GF大约为(1.20±0.10),并验证出当GF=1.18时,吸湿与化学的闭合效果最好.此经验值被后来的闭合研究广泛采用.Jimenez等[36]发现大气颗粒物中有机物κ与其氧化态呈线性关系,为表征有机物吸湿性提供了一个新思路.颗粒物氧化态可由AMS测得的f44或O:C来表征.f44是指核质比为44的质谱信号,常用作高氧化态物种的示踪物;O:C是指颗粒物中氧和碳的比值,值越大代表有机物的氧化程度越高[21].通过建立κ有机物与f44[49]或O:C[36]的线性方程,可估算κ有机物.然而,Wu等[22]总结不同环境有机物κ与氧化态的线性方程中发现,不同环境线性方程斜率变化很大且较为离散,此方法的应用具有一定的局限性.第3种方法是PMF解析法.通过PMF解析出颗粒物的一次有机物及二次有机物所占比例,并结合其 GF/κ从而估算出总有机物的吸湿参数.其中,一次有机物不吸湿,κ为 0.不同文献对于二次有机物吸湿性取值不同,如 Wu等[22]及Yeung等[21]分别为κ=0.1及GF=1.29.Yeung等[21]采用3种有机物κ估算方法的闭合结果发现,当有机物的GF为1.18时,各粒径闭合效果最好.而其他2种方法(包括建立f44与GForg,f44与GForg线性方程法,PMF解析法)闭合效果与颗粒物粒径,观测时间等有关,并未改善闭合结果.

表2 吸湿性与化学组分闭合研究总结表Table 2 Summary of closure study between particle hygroscopicity and chemical composition

此外,为了深入探究颗粒物吸湿性与化学组分的关系,Wang等[50]将H-TDMA与AMS联用,同时测定了 250nm颗粒物的吸湿性与化学组分.结果解析出5种颗粒物:无机盐/尘粒,生物质燃烧颗粒物,EC/OC颗粒物,富含有机胺的有机碳颗粒物及高质量有机碳颗粒物,并给出吸湿模态和不吸湿模态的化学组分特征及混合态信息.结果显示有机碳含量升高会降低颗粒物的吸湿性而有机胺及二次无机组分的升高会使颗粒物更吸湿.

3 结论

3.1 城市点的κ观测值约为0.1～0.3;乡村点比城市点略高,约 0.15～0.4,尤其是华北平原乡村点夏季观测值高达0.3～0.4;高山点κ约为0.2～0.3;郊区近海岸点的κ约为 0.2～0.4,受海洋气团影响时大气颗粒物吸湿性较强,κ高达0.3～0.4.

3.2 除北京怀柔点冬季观测结果外,其他乡村点以及城市点均观测到颗粒物吸湿性随粒径的增加而增强.而近海岸点香港和黄山地区亚微米颗粒物吸湿性随粒径的变化不显著.

3.3 吸湿性模态分布,除高山点(黄山)观测到较高频率的单模态分布(只有 1个吸湿模态)外,其他观测点均呈现2～3个模态分布,表现出外混态的分布特征.华北平原的乡村点(如香河,武清)颗粒物吸湿模态的吸湿增长比北京城市点更强.而对于近海岸香港点,颗粒物吸湿性受海陆气团交替影响显著.

3.4 北京和杭州的 H-TDMA观测结果显示颗粒物吸湿性随着 RH的增加而增加,并没有表现出与纯硫酸铵类似的潮解行为.

3.5 颗粒物吸湿性与其化学组分密切相关,有限的颗粒物吸湿与化学组分闭合研究显示,与离线膜采样提供的化学组分相比,利用在线高分辨的化学粒径谱分布信息可以有效提高闭合度.此外,精确估算有机物的密度和吸湿参数以及黑碳颗粒物的质量浓度谱分布将进一步提高闭合度.

4 展望

我国大气颗粒物吸湿性外场观测相对较少且集中在京津冀,珠江三角洲及长江三角洲城市群的经济快速发展地区,在未来研究中应增加在不同环境下颗粒物吸湿性测定.首先,可在污染较重的城市点进行吸湿性的长期观测,探究颗粒物吸湿性或者由其估算的含水量与污染程度之间的关系,探究颗粒物吸湿性在大气污染发生和发展过程中的重要作用.其次,目前颗粒物吸湿性研究主要测定颗粒物在80%～90%相对湿度下的吸湿行为,而中等湿度(50%～60%)及高湿(90%～99%)状态下的吸湿性测定较为匮乏.未来研究中可增加该湿度范围的吸湿性测定.最后,可增加颗粒物吸湿性与高时间分辨率的化学组分同步观测,从而更深入的解释颗粒物吸湿性与其化学组分的关系.从颗粒物吸湿性与化学组分闭合研究总结中发现,精确测定有机物密度与吸湿性,黑碳颗粒物质量浓度谱分布有助于提高吸湿性-化学组分的闭合度.

[1] Gasparini R, Li R, Collins D R. Integration of size distributions and size-resolved hygroscopicity measured during the Houston Supersite for compositional categorization of the aerosol [J]. Atmospheric Environment, 2004,38(20):3285-3303.

[2] 王 轩.气溶胶吸湿特性研究 [J]. 中国科学院大学学报, 2010,31(3):322-328.

[3] SM Kreidenweis, Asa-Awuku A. Aerosol Hygroscopicity: Particle Water Content and Its Role in Atmospheric Processes [J]. 2015.

[4] Wu Z J, Poulain L, Henning S et al. Relating particle hygroscopicity and CCN activity to chemical composition during the HCCT-2010field campaign [J]. Atmospheric Chemistry and Physics, 2013,13(16):7983-7996.

[5] Kandler K, Schutz L. Climatology of the average water-soluble volume fraction of atmospheric aerosol [J]. Atmospheric Research, 2007,83(1):77-92.

[6] Kruger M, Mertes S, Klimach T et al. Assessment of cloud supersaturation by size-resolved aerosol particle and cloud condensation nuclei (CCN) measurements [J]. Atmospheric Measurement Techniques, 2014,7(8):2615-2629.

[7] Broday D M, Georgopoulos P G. Growth and Deposition of Hygroscopic Particulate Matter in the Human Lungs [J]. Aerosol Science and Technology, 2001.

[8] Tang I N, Munkelwitz H R. Water activities, densities, and refractive indices of aqueous sulfates and sodium nitrate droplets of atmospheric importance [J]. Journal of Geophysical Research, 1994,99(D9):18801-18808.

[9] 程雅芳.珠江三角洲新垦地区气溶胶的辐射特性－基于观测的模型研究 [D]. 北京:北京大学, 2007.

[10] Peters A, Wichmann H, Tuch T et al. Respiratory effects are associated with the number of ultrafine particles [J]. American Journal of Respiratory and Critical Care Medicine, 2012,155(4):1376.

[11] Sekigawa K. Estimation of the volume fraction of water-soluble material in sub-micro aerosols in the atmosphere [J]. Journal of the meteorological society of Japan, 1983,61(3):359-367.

[12] Swietlicki E, Hansson H C, Hameri K et al. Hygroscopic properties of submicrometer atmospheric aerosol particles measured with H-TDMA instruments in various environments—a review. Vol. 60. 2008.

[13] Kreidenweis S M, Asa-Awuku A, 5.13 - Aerosol Hygroscopicity: Particle Water Content and Its Role in Atmospheric Processes A2 -Turekian, Heinrich D. HollandKarl K, in Treatise on Geochemistry (Second Edition). 2014, Elsevier: Oxford. p. 331-361.

[14] Ge M F, Zhang Y H, Wang W G et al. Hygroscopicity of organic compounds from biomass burning and their influence on the water uptake of mixed organic ammonium sulfate aerosols [J]. Atmospheric Chemistry and Physics, 2014,14(1):11165-11183.

[15] Gysel M, Weingartner E, Nyeki S et al. Hygroscopic properties of water-soluble matter and humic-like organics in atmospheric fine aerosol [J]. Atmospheric Chemistry and Physics, 2004,4(1):35-50.

[16] Malm W C, Day D E, Kreidenweis S M et al. Hygroscopic properties of an organic-laden aerosol [J]. Atmospheric Environment, 2005,39(27):4969-4982.

[17] Renbaum-Wolff L, Grayson J W, Bateman A P et al. Viscosity of α-pinene secondary organic material and implications for particle growth and reactivity [J]. Proceedings of the National Academy of Sciences of the United States of America, 2013,110(20): 8014-8019.

[18] Maria S F, Russell L M, Gilles M K et al. Organic Aerosol Growth Mechanisms and Their Climate-Forcing Implications [J]. Science, 2004,306(5703):1921-1924.

[19] Ye X, Tang C, Yin Z et al. Hygroscopic growth of urban aerosol particles during the 2009 Mirage-Shanghai Campaign [J]. Atmospheric Environment, 2013,64:263-269.

[20] 吴奕霄.大气气溶胶的吸湿性观测研究 [D]. 南京:南京信息工程大学, 2014.

[21] Yeung M, Lee B, Li Y et al. Simultaneous HTDMA and HR‐ToF‐AMS measurements at the HKUST Supersite in Hong Kong in 2011 [J]. Journal of Geophysical Research, 2014,119(16):9864.

[22] Wu Z J, Zheng J, Shang D J et al. Particle hygroscopicity and itslink to chemical composition in the urban atmosphere of Beijing, China, during summertime [J]. Atmos. Chem. Phys., 2016,16(2): 1123-1138.

[23] Stolzenburg M R, Mcmurry P H. Equations Governing Single and Tandem DMA Configurations and a New Lognormal Approximation to the Transfer Function [J]. Aerosol Science and Technology, 2008.

[24] Gysel M, Mcfiggans G, Coe H, Inversion of tandem differential mobility analyser (TDMA) measurements. Vol. 40, 2009:134-151.

[25] Petters M D, Kreidenweis S M. A single parameter representation of hygroscopic growth and cloud condensation nucleus activity [J]. Atmos. Chem. Phys., 2007,7(8):1961-1971.

[26] Gysel M, Crosier J, Topping D et al. Closure study between chemical composition and hygroscopic growth of aerosol particles during TORCH2. Vol. 7, 2007:6131-6144.

[27] Stokes R H, Robinson R A. Interactions in Aqueous Nonelectrolyte Solutions. I. Solute-Solvent Equilibria [J]. The Journal of Physical Chemistry, 1966.

[28] Massling A, Stock M, Wehner B et al. Size segregated water uptake of the urban submicrometer aerosol in Beijing [J]. Atmospheric Environment, 2009,43(8):1578-1589.

[29] 张佳晨,上海、杭州大气亚微米颗粒物的吸湿性研究 [D]. 上海:复旦大学, 2011.

[30] Liu P F, Zhao C S, Göbel T et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain [J]. Atmos. Chem. Phys., 2011, 11(7):3479-3494.

[31] Zhang S L, Ma N, Kecorius S et al. Mixing state of atmospheric particles over the North China Plain [J]. Atmospheric Environment, 2016,125,Part A:152-164.

[32] Tan H, Yin Y, Gu X et al. An observational study of the hygroscopic properties of aerosols over the Pearl River Delta region [J]. Atmospheric Environment, 2013,77:817-826.

[33] 徐 彬.南京与黄山两地气溶胶吸湿性研究 [D]. 南京:南京信息工程大学, 2015.

[34] Wu Z, Hu M, Lin P et al. Particle number size distribution in the urban atmosphere of Beijing, China [J]. Atmospheric Environment, 2008,42(34):7967-7980.

[35] Pant P, Harrison R M. Estimation of the contribution of road traffic emissions to particulate matter concentrations from field measurements: A review [J]. Atmospheric Environment, 2013,77:78-97.

[36] Jimenez J L, Canagaratna M R, Donahue N M et al. Evolution of Organic Aerosols in the Atmosphere [J]. Science, 2009,326(5959): 1525-1529.

[37] Pöschl U. Atmospheric aerosols: Composition, transformation, climate and health effects [J]. Angewandte Chemie-International Edition, 2005,44(46):7520-7541.

[38] Huang X, He L, Hu M et al. Highly time-resolved chemical characterization of atmospheric submicron particles during 2008 Beijing Olympic Games using an Aerodyne High-Resolution Aerosol Mass Spectrometer [J]. Atmospheric Chemistry and Physics, 2010,10(1):8933-8945.

[39] Saarnio K, Frey A, Niemi J V et al. Chemical composition and size of particles in emissions of a coal-fired power plant with flue gas desulfurization [J]. Journal of Aerosol Science, 2014,73:14-26.

[40] Sun Y L, Wang Z F, Du W et al. Long-term real-time measurements of aerosol particle composition in Beijing, China: seasonal variations, meteorological effects, and source analysis [J]. Atmos. Chem. Phys., 2015,15(17):10149-10165.

[41] Liu H J, Zhao C S, Nekat B et al. Aerosol hygroscopicity derived from size-segregated chemical composition and its parameterization in the North China Plain [J]. Atmos. Chem. Phys., 2014,14(5):2525-2539.

[42] Zheng J, Hu M, Peng J et al. Spatial distributions and chemical properties of PM2.5based on 21 field campaigns at 17 sites in China [J]. Chemosphere, 2016,159:480-487.

[43] Kammermann L, Gysel M, Weingartner E et al. 13-month climatology of the aerosol hygroscopicity at the free tropospheric site Jungfraujoch (3580m a.s.l.) [J]. Atmos. Chem. Phys., 2010, 10(22):10717-10732.

[44] Sjogren S, Gysel M, Weingartner E et al. Hygroscopicity of the submicrometer aerosol at the high-alpine site Jungfraujoch, 3580m a.s.l., Switzerland [J]. Atmos. Chem. Phys., 2008,8(18): 5715-5729.

[45] Zhang J, Wang L, Chen J et al. Hygroscopicity of ambient submicron particles in urban Hangzhou, China [J]. Frontiers of Environmental Science & Engineering in China, 2011,5(3): 342-347.

[46] Kamilli K, Poulain L, Held A et al. Hygroscopic properties of the Paris urban aerosol in relation to its chemical composition [J]. Atmospheric Chemistry and Physics, 2014,14(1):737-749.

[47] Kulmala M, Boy M, Kerminen V et al. Seasonal variation of CCN concentrations and aerosol activation properties in boreal forest [J]. Atmospheric Chemistry and Physics, 2011,11(1):13269-13285.

[48] Marcolli C, Krieger U K. Phase Changes during Hygroscopic Cycles of Mixed Organic/Inorganic Model Systems of Tropospheric Aerosols [J]. The Journal of Physical Chemistry A, 2006,110(5):1881-1893.

[49] Duplissy J, Decarlo P F, Dommen J et al. Relating hygroscopicity and composition of organic aerosol particulate matter [J]. Atmospheric Chemistry and Physics, 2011,11(3):1155-1165.

[50] Wang X, Ye X, Chen H et al. Online hygroscopicity and chemical measurement of urban aerosol in Shanghai, China [J]. Atmospheric Environment, 2014,95:318-326.

致谢：感谢北京大学环境模拟与污染控制国家重点联合实验室提供观测平台的支持及学术指导,感谢莱布尼兹对流层研究所 Alfred Wiedensohler教授提供H-TDMA仪器.本文引用了全国其他地区颗粒物吸湿性观测结果,在此对作者致以由衷的谢意.

Hygroscopicity of atmospheric sub-micrometer particles in various environments in China.

WANG Yu, WU Zhi-jun*, HU Min (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(5)：1601～1609

In the past several years, the measurements of particle hygroscopicity were deployed using H-TDMA (Hygroscopicity-Tandem Differential Mobility Analyzer). This study compiled the outcomes in our group and published results to summarize the hygroscopicity of the sub-micrometer particles in various environments in China. The κ values in the urban areas were around 0.1～0.3. In rural areas, the κ values ranged from 0.15 to 0.4, which were slightly higher than the urban one. The κ values at a mountain site (118.11°E, 30.07°N) and a near-coastal site (114.17°E, 22.28°N) were 0.2～0.3 and 0.2～0.4 respectively. Except for the observation in a rural site of Beijing during wintertime, the particle hygroscopicity increased with increasing particle size in other rural and urban sites. No significant dependency between the hygroscopicity and particle size in the mountain and coastal areas. Typically, particle hygroscopicity showed 2～3 modes distribution, indicating an external mixing state of atmospheric particles. However, high frequency of a single mode (hydrophilic mode) was observed in the mountain site. The growth factor (GF) smoothly enhanced with increasing relative humidity (RH) in the atmosphere of Beijing and Hangzhou, without showing a delinquent behavior. The closure studies between particle hygroscopicity and chemical composition showed that the hygroscopicity can be well predicted using size-resolved particle chemical composition. The precise detections of particle density and hygroscopicity of organics, and the mass size distribution of black carbon are still needed for the improvement of closure study.

particle hygroscopicity；size distribution；hygroscopic mode distribution；effective hygroscopic parameters；chemical composition

X513,X831

A

1000-6923(2017)05-1601-09

王 渝(1992-),女,河北唐山人,硕士研究生,主要从事大气颗粒物吸湿性研究.

2016-10-19

国家自然科学基金(41475127,41571130021);国家重点研发计划(2016YFC0202801);环保部公益项目(201409010)

* 责任作者, 研究员, zhijunwu@pku.edu.cn