0 引言

徐州作为内陆资源型工业城市，以煤炭、电力、冶金、焦化、建材等传统重工业为经济支柱。煤的消费总量过大，年消耗煤炭4500～5500万t，非电煤比例仅占48%，电煤比例偏高，工业污染物排放量较多[1]。进入冬季采暖期后，燃煤量特别是散煤量上升，污染物排放量增加，空气污染加重。监测数据显示，2013～2016年徐州市大气中PM2.5成为首要污染物的天数占比42.2%，在冬季达到75.4%，PM2.5日均浓度超标率为30.8%，在冬季超标率达到65.1%，PM2.5为徐州市大气主要污染物[2]。

含碳气溶胶是大气细颗粒物PM2.5的重要组分，因各地区自然条件的差异和污染源排放的不同，一般占颗粒物浓度的20%～50%[3-4]。碳质主要包括有机碳（OC）和元素碳（EC）。EC主要来自于化石燃料或生物质的不完全燃烧，是表征一次性人为大气污染的一项指标，OC既包括由污染源直接排放的一次有机碳（POC），也包括有机气体在大气中发生光化学氧化生成的二次有机碳（SOC）[5-6]。水溶性离子组分中阴离子主要以SO42-，NO3-和卤素离子存在，阳离子主要是NH4+、碱金属和碱土金属离子等，通常代表二次无机污染物。SO42-主要源于燃煤排放以及SO2的转化，NO3-主要源于机动车尾气排放产生的NOx的转化，NH4+主要源于燃料高温燃烧排放的废气经二次转化、机动车尾气排放、氮肥利用和有机质腐化产生。SO42-，NO3-和 NH4+（三者简称 SNA），可占水溶性离子的60%～90%[7]。碳质组分和水溶性离子是PM2.5的主要组分，可占PM2.5的50%～80%，其中SNA可占水溶性离子的60%～90%[8]。周敏等[9]通过研究指出2010年秋季上海市城区发生的重污染过程中，SNA占PM2.5的54.3%。代志光等[10]对西安夏季PM2.5中的组分分析发现，SO42-，OC，NH4+，NO3-，EC 在 PM2.5中占比分别为26.32%，14.34%，12.90%，11.28%和5.35%，合计达到了70%。

2018年1月份徐州市出现一次持续性重污染过程，本文以重污染过程前后，新城区站点的PM2.5，PM10逐时监测数据、碳质组分和二次水溶性无机离子监测数据以及气象资料进行统计和分析，探讨重污染期间徐州市新城区大气中PM2.5的组分及其变化特征，为今后徐州PM2.5的源解析研究以及治理提供一些技术支持。

1 区域概况

1.1 监测点位

监测仪器布设在徐州市环境监测中心站办公楼3 楼楼顶，北纬 34°12′55″，东经 117°15′21″。 测点距离地面高度约15 m，代表商业、交通居民混和区，周围2 km范围内无明显大气污染源，监测数据基本代表了徐州市新城区空气质量的污染状况。

1.2 监测仪器、监测方法

研究所用的地面气象要素资料来源于徐州市空气自动监测网络的日常气象监测数据，常规地面气象资料来源中国气象部门下发的MICAPS系统气象资料。

（2）1 月 15日 09∶00 ～ 22 日 22∶00重污染期期间，徐州市新城区大气PM2.5中OC和EC质量浓度平均值分别为17.0和7.62 μg/m3，是非重污染期间的1.65和5.42倍。OC，EC在PM2.5中占比分别为8.70%和3.90%，是非重污染期间的0.62，0.53倍；有机碳元素碳合计占比12.6%；SO42-，NO3-和NH4+质量浓度平均值分别为 31.0，62.3 和 31.8 μg/m3，分别是非重污染期间的 3.96，3.48和 3.45倍。 SO42-，NO3-和NH4+在PM2.5中占比分别为15.8%，31.9%和16.3%，分别是非重污染期间的1.49，1.32和1.30倍。ρ（SNA）合计在PM2.5中占比64.0%，是非重污染期间1.35倍。PM2.5中各组分按质量浓度大小排序呈现NO3-﹥NH4+﹥SO42-﹥OC﹥EC 的特征。

2018年1月12日徐州市新城区站点空气质量类别为良，随着大气扩散条件转差，污染物的逐渐累积，1月13～14日空气质量类别转为轻度污染；1月15日开始污染程度明显加重，15～22日连续8 d处于重度或严重污染。为保证监测数据有效性，定期对仪器进行校准和维护，观测期间共采集到253组监测数据。2018年1月12～23日徐州市新城区颗粒物质量浓度变化见图1。从图1可以看出，1月 12日 01∶00到 15日 08∶00徐州市新城区PM2.5质量浓度均值为 73.7 μg/m3，PM10质量浓度均值为 114.8 μg/m3，ρ（PM2.5）/ρ（PM10）平均为 0.642。 1月 15日 09∶00到22日 22∶00连续 182 h处于重度或严重污染，期间 ρ（PM2.5）范围为 110 ～ 312 μg/m3，均值为 195.5 μg/m3；ρ（PM10）范围为 138 ～ 429 μg/m3，均值为 248.2 μg/m3；ρ（PM2.5）与 ρ（PM10）比值为0.803，表明此次污染过程以细颗粒物为主。其中，1月19日污染程度最重，ρ（PM2.5）和 ρ（PM10）24 h 均值分别 达 227.3 μg/m3 和 282.5 μg/m3，分别超过 GB 3095—2012《环境空气质量指标准》中规定的二级浓度[11]限值的3.03和1.88倍。随着强冷空气南下，大气扩散条件转好，1 月 23 日 0∶00 ρ（PM2.5）下降至72 μg/m3，空气质量转为良，标志着本次污染过程结束。

2 结果与讨论

2.1 重污染过程

本文以促进电力系统安全稳定经济运行为前提,考虑水火联合发电系统中自然来水与负荷需求的不确定性,建立了以系统总的电力电量缺额最小化为优化目标的电力电量平衡分析模型;同时研究系统约束、机组及机组集合约束、燃煤计划约束、水库用水计划约束等约束条件及其处理方法,并选择高效的求解算法对其进行求解。

  

图1 2018年1月12～23日徐州市新城区颗粒物质量浓度变化

2.2 天气形势

吉林化工学院图书馆与吉林省图书馆联盟、吉化研究院图书馆等单位开展了馆际互借服务；同时与Calis，Cashl，NSTL签订了文献传递协议，可提供外文期刊论文、外文学位论文、标准等多种文献类型的文献传递服务。

2.3 气象要素分析

气象要素时序变化见图2。

  

图2 气象要素时序变化

从图2可以看出，1月13日下午开始徐州市气温逐渐回升至0℃以上，相对湿度升高（＞40%）。1月15日～22日近地面风速范围为0.3～3.6 m/s，平均风速1.4 m/s，湿度范围在40%～90%，平均湿度73%，温度范围在-0.2～9.5℃，平均气温4.6℃。观测期间出现的静稳、小风和高湿等不利气象条件，容易造成颗粒物的吸湿增长，并且有利于大气中的SO2和NO2等气态物向颗粒物中硫酸盐和硝酸盐的二次转化。

2.4 OC，EC，SNA和PM2.5浓度变化特征

PM2.5及各组分质量浓度变化见图3。从图3可以看出：

老师在带领学生上实验课的时候，要让学生自己探索，尽量不要提前告诉学生步骤，让学生自己去探索步骤，让学生自己来感受实验的乐趣。只有在自己的探索中搞明白的实验，才会是对学生有帮助的实验，学生才能很快的理解课本知识。

PM2.5，PM10采用美国 Metone公司 Metone 1020分析仪，流量16.7 L/min，1 h分辨率最低检测限0.1 μg/m3，精度（读数的± 8%）。OC，EC 采用美国 Sunset公司RT—4型半连续分析仪，每小时采集样品40 min，流量8 L/min。大气中的颗粒物通过采样器被吸附在石英滤膜上，通过程序升温和非分散红外吸收法定量检测出OC和EC质量。第一阶段在纯氦气环境中梯度升温 （温度梯度为140，280，480，580℃）， 测出OC组分含量；第二阶段在有氧环境下（98%氦气+2%氧气，V/V）程序升温，测出EC组分含量。水溶性离子分析仪采用瑞士万通公司MARGA—1S型离子色谱仪，该仪器可实时监测大气中的5种阳离子（NH4+，K+，Na+，Ca2+和Mg2+）和 3 种阴离子 （SO42-，NO3-和Cl-）。以上各仪器，均采用24 h连续采样分析，均按照要求进行质量控制，以确保监测数据的有效性和准确性。

OC与EC质量浓度相关性见图7。从图7可以看出，非重污染期间 ρ（OC）与 ρ（EC）可用方程 y=0.727x-2.047来表示，相关系数（R2）为 0.820；重污染期间ρ（OC）与 ρ（EC）可用方程 y=0.433 x+0.315 来表示，相关系数（R2）为0.681，两者有明显的相关性，表明徐州市新城区含碳气溶胶中OC和EC有较强的同源性。

1月13日开始华北地区高空槽脊活动减弱，500 hPa主要受纬向西风平直气流影响。近地面：1月14日徐州及周边地区处于鞍型场，幅合带内。15日受均压场控制，大气静稳，风速较小。16日受低压倒槽影响，湿度明显增高，静小风。17，18和19日处于弱高压控制，等压线稀疏。近地面交替出现的均压场、鞍型场（辐合气流）和弱高压等不利气象条件造成大气扩散条件较差，污染物逐渐累积。21日夜间受弱冷锋前部影响，有明显的区域污染物输入，造成污染加重。22日夜间处于高压底部，强冷空气南下，污染物逐渐稀释、扩散和清除，空气质量逐渐转为良。

  

图3 PM2.5及各组分质量浓度变化

2.5 OC，EC与PM2.5相关性分析

PM2.5与EC,OC质量浓度的相关性见图4和图5。从图4可以看出，非重污染期间，徐州市新城区大气 PM2.5中 ρ（EC）与 ρ（PM2.5）可用方程 y=7.977 x+25.97 来表示，相关系数（R2）为 0.557；ρ（OC）与ρ（PM2.5）可用方程 y=7.587 x-5.109 来表示，相关系数（R2）为0.782。从图5可以看出，重污染期间，ρ（OC）与 ρ（PM2.5）可用方程 y=6.527 x+82.61 来表示，相关系数（R2）为 0.362；ρ（EC）与 ρ（PM2.5）相关性有所降低；非重污染期间和重污染期间，ρ（OC）与 ρ（PM2.5）相关性均较好，说明有机碳（OC）排放源对PM2.5具有较大贡献。

Application of Double Buffering Technology to Graphic Interface of Ship Monitoring System……………LI Kuan， ZHANG Liyun， CHEN Yuchong(4·26)

  

图4 非重污染期间PM2.5与EC,OC质量浓度的相关性

  

图5 重污染期间PM2.5与EC,OC质量浓度的相关性

2.6 OC与EC的相关性分析

ρ（OC）/ρ（EC）被用来评价颗粒物的二次来源，CHOW 等[12-13]认为当 ρ（OC）/ρ（EC） ＞ 2，显示有机碳存在二次反应生成，这对于控制气溶胶中的有机物污染具有重要的意义。OC，EC质量浓度与ρ（OC）/ρ（EC）变化见图6。 从图6可以看出：1月12日 0∶00至15日08∶00非重污染期间，徐州市新城区PM2.5中ρ（OC）/ρ（EC）范围为 0.88 ～ 4.31，均值为 2.11；1 月15日09∶00至22日23∶00重污染期间，徐州市新城区 PM2.5中 ρ（OC）/ρ（EC）范围为 1.48 ～ 4.40，平均值为 2.29；观测期间内，ρ（OC）/ρ（EC）明显较高，表明徐州市新城区有机碳存在明显的二次生成。

  

图6 OC，EC 质量浓度与 ρ（OC）/ρ（EC）变化

（3）徐州市新城区大气PM2.5中OC和EC质量浓度在重污染期间较非重污染期间有所升高，但是在PM2.5中占比有所下降，21.3%下降至12.6%；SNA质量浓度总和占比均有明显上升，47.3%升高至64.0%，这说明徐州市新城区PM2.5污染受二次来源影响比较明显，高湿静稳天气条件，加快了SO2，NOx等向颗粒物的二次转化。另外，观测期间，PM2.5中硝酸盐质量浓度和占比均明显较高，需要进一步加大NOx的减排力度，特别是减少机动车尾气排放量。

（1）1 月 12 日 01∶00～ 15 日 08∶00 非重污染期间，徐州市新城区大气PM2.5中OC和EC质量浓度平均值分别为10.3和5.42 μg/m3，在PM2.5中占比13.9%和7.35%，有机碳元素碳合计占比21.3%。二次水溶性离子中SO42-，NO3-和NH4+质量浓度平均值分别为 7.83，17.9 和 9.22 μg/m3，在 PM2.5中占比分别为10.6%，24.2%和 12.5%。ρ（SNA）合计在 PM2.5中占比47.3%，PM2.5中各组分按质量浓度大小排序呈现NO3-﹥OC﹥NH4+﹥SO42-﹥EC的特征。

基于以上原因，我不同意说赵五娘的行为是封建的孝道，她更不是宣扬封建孝道的典型。她只是我国古代千千万万勤劳、善良、宽厚的劳动妇女中的一员，她的品质也正是我国古代劳动妇女的优秀品质。而这种品质在当今社会仍具有广泛的进步意义，仍值得提倡。

  

图7 OC与EC质量浓度相关性

2.7 NO3-与 SO42-相关性分析

大气颗粒物中ρ(NO3-)与ρ(SO42-)的比值可以用来衡量移动源（如机动车尾气）和固定源（如燃煤、石油等）对大气中硫和氮的相对污染贡献。SO2主要来源于燃煤排放，NOx主要来源于机动车尾气及燃煤的共同排放[7]。如果大气颗粒物中 ρ（NO3-）与 ρ（SO42-）的比值较高，说明机动车尾气对大气中SO2和NOx的贡献要大于燃煤。反之，如果 ρ（NO3-）与 ρ（SO42-）比值较低，则说明 SO2和NOx主要来自于煤的燃烧[14]。NO3-，SO42-质量浓度以及ρ（NO3-）/ρ（SO42-）变化见图8。 从图8可以看出，1 月 12日0∶00至15日08∶00非重污染期间，徐州市新城区大气 PM2.5中 ρ（NO3-）/ρ（SO42-），范围为 0.75 ～ 3.01 平均值为2.26。1月15日09∶00至22日23∶00重污染期间，徐州市新城区大气 PM2.5 中 ρ（NO3-）/ρ（SO42-）范围为 1.10 ～ 3.79 平均值为 2.16，观测期间内，ρ（NO3-）与ρ（SO42-）的比值明显较高。另外，由于新城区及周边区域没有明显的固定污染源，表明徐州市新城区受机动车尾气影响较大。

  

图8 NO3-，SO42-质量浓度以及 ρ（NO3-）/ρ（SO42-）变化

3 结论

（1）1 月 15 日 09∶00 至 22 日 22∶00 徐州地区出现连续182 h的重污染过程，徐州及周边地区近地面交替出现的均压场、鞍型场和弱高压等天气形势造成静稳、低风速、高湿等不利气象条件，污染物逐渐累积、出现此次重污染过程。重污染期间，徐州市新城区大气中PM2.5和PM10质量浓度均值分别为195.5和248.1 μg/m3，非重污染期间的2.74和2.16倍。 ρ（PM2.5）/ρ（PM10）范围 0.656 ～ 0.938，平均值为0.803，表明此次污染过程以细颗粒物为主。

（2）重污染期间徐州市新城区大气PM2.5中OC，EC，SO42-，NO3-和 NH4+质量浓度分别为 17.0，7.62，31.0，62.3 和 31.8 μg/m3， 是非重污染期间的1.65，5.42，3.96，3.48 和 3.45 倍，各组分在 PM2.5中占比分别为 8.70%，3.90%，15.8%，31.9%和 16.3%，是非重污染期间的 0.62，0.53，1.49，1.32和 1.30倍。重污染期间OC和EC质量浓度较非重污染期间有所升高，但在PM2.5中占比却有所下降，SO42-，NO3-和NH4+质量浓度和占比均有明显上升，这说明徐州市新城区PM2.5污染受二次来源影响比较明显。

（3）非重污染和重污染期间，徐州市新城区大气PM2.5中 ρ（OC）与 ρ（PM2.5）相关系数分别为 0.884 和0.602，表明有机碳质排放源对PM2.5具有较大贡献；ρ（OC）与 ρ（EC）相关系数分别为 0.906 和 0.825，表明 OC 和 EC 有较强的同源性；ρ（OC）/ρ（EC）分别为2.11和2.29，表明有机碳存在明显的二次生成；ρ（NO3-）/ρ（SO42-）分别为 2.26 和 2.16，表明受机动车尾气影响较大。因此，徐州市应加强新城区及周边区域机动车管控，减少NOx和有机碳的排放量。

治愈系绘本通常是符合大众审美的绘本，使用一些温暖的色调，可爱的人物形象并且又富于想象的分镜，这样特点都能够是读者感受到来自绘本画师的温暖与宁和。治愈系绘本的还具有趣味性，但是治愈系绘本的趣味性不仅仅是通过可爱的人物形象或者是幽默的故事情节来表现，而是通过感染读者的内心，治愈系绘本就想是桥梁一样沟通读者与绘本画师的内心，来让读者产生共鸣。治愈系绘本通常运用简单的故事来传达一些正能量，每个简单的故事中又蕴含了不同的大大小小生活中的一些道理。它可以是读者能够有所触动，也能够体现一些我国我弘扬的社会主义核心价值观，还能够引发读者的深思。这些都能够通过治愈系绘本的方方面面有所体会。

[参考文献]

[1]徐州市统计局,国家统计局徐州调查队.徐州统计年鉴[M].北京:中国统计出版社,2015:3.

[2]范 瑜,李昌龙.徐州市空气质量预测预报中的气象影响因素分析[J].环境科技，2015,28(2):54-56.

[3]郑 玫,闫才青,李小滢,等.二次有机气溶胶估算方法研究进展[J].中国环境科,2014,34(3):555-564.

[4]张桂香,闫雨龙,郭利利,等.太原市大气PM2.5中碳质组分及变化特征[J].环境科学,2015,36(3):780-786.

[5]安欣欣,赵 越,魏 强,等.北京城区PM2.5中有机碳和元素碳的变化特征[J].环境科学与技术,2015,38(8):214-219.

[6]王东方,高 松,段玉森,等.上海中心城区冬季PM2.5中有机碳和元素碳组成变化特征[J].环境科学与技术,2012,35(7):55-58.

[7]周 敏,陈长虹,王红丽,等.上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征[J].环境科学学报,2012,32(1):81-92.

[8]刀 谞,张霖琳，王 超，等.京津冀冬季与夏季PM2.5/PM10其水溶性离子组分区域性污染特征分析[J].环境化学,2015,34(1):60-69.

[9]周 敏,陈长虹,王红丽,等.上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征[J].环境科学学报,2012,32(1):81-92.

[10]代志光,张承中,李 勇,等.西安夏季PM2.5中碳组分与水溶性无机离子特征分析[J].环境工程学报,2014,8(10):4366-4372.

[11]中华人民共和国环境保护部.环境空气质量标准:GB 3095—2012[S].北京:中国环境出版社,2012.

[12]王 勇,刘严萍,李红波,等.水汽和风速对雾霾中PM2.5/PM10变化的影响[J].灾害学,2015,30(1):5-7.

[13]杨复沫,贺克斌,马永亮,等.北京大气细粒子PM2.5的化学组成[J].清华大学学报:自然科学版,2002,42(12):1605-1608.

[14]YAO X H，CHAN C K，FANG Ming，et a1.The water-soluble ionic composition of PM2.5 in Shanghai and Beijing,China[J].Atmospheric environment，2002,36(26):4223-4234.