不同污染條件下南京春季CCN活化特征分析

陸文濤,馬 嫣,2*,鄭 軍,蔣友凌

不同污染條件下南京春季CCN活化特征分析

陸文濤1,馬 嫣1,2*,鄭 軍1,蔣友凌1

(1.南京信息工程大學環境科學與工程學院,江蘇省大氣環境監測與污染控制高技術研究重點實驗室,江蘇 南京 210044；2.南京信息工程大學雷丁學院,江蘇 南京 210044)

在2018年3～4月對南京北郊地區的氣溶膠開展了云凝結核(CCN)特征的外場觀測,并結合氣象數據、PM2.5濃度和化學組分信息以及光學特性等數據,對觀測期間的污染天和清潔天進行了對比,分析了典型污染過程和新粒子生成天的CCN特征.結果表明,本次觀測中氣溶膠CCN活性總體較高,各過飽和度(SS)下的平均吸濕性參數()為0.30,在最低過飽和度下(SS=0.17%)最低,且最大活化率()僅為0.72,表明氣溶膠中有較多不易活化的物質.污染天高于清潔天,但活化率更低且外混程度更高,主要是受交通和工業排放的吸濕性較差的粒子影響,而顆粒物在夜間可迅速老化,使其吸濕性提升,CCN數濃度增加.新粒子生成天的受到粒子成核的影響有明顯日變化,對總氣溶膠數濃度(CN)和CCN數濃度(CCN)也有顯著貢獻.

氣溶膠；云凝結核；活化特征；吸濕性

在中國,氣溶膠粒子污染事件日趨頻發,由其直接導致的空氣質量下降和重大灰霾事件的發生也逐漸引起人們的廣泛關注.同時,氣溶膠粒子可以形成CCN,進一步影響全球輻射平衡,這也是評價氣溶膠對氣候影響的最大不確定度之一[1].CCN是大氣氣溶膠或凝結核(CN)的一部分,它能改變云滴數濃度和大小[2]、云反照率和壽命,從而影響降水[3].因此其對區域和全球氣候特征的影響不言而喻,尤其是在氣溶膠污染日益頻繁的今天,在全球不同地區和不同大氣條件下開展CCN觀測研究很有必要[4].

關于CCN的觀測技術自20世紀中葉問世以來,在世界各地都開展了廣泛的實地觀測應用.在印度坎普爾地區三個不同季節的觀測發現,隨著粒徑的增大,化學成分的差異也不斷擴大,從而影響了CCN的活性[5];而同是印度的大吉嶺地區[6]及阿拉伯海沿岸[7]的觀測發現當地排放和遠距離輸送通過對黑碳(BC)和海鹽的影響能改變CCN數濃度和活性;在亞馬遜雨林中的觀測則表明該地的CCN活化率明顯高于其他大陸背景點的值[8].這些研究都印證了CCN的活化特性因各地時空條件的不同差異很大.而目前國內對CCN的觀測研究主要集中在京津冀、長江三角洲和珠江三角洲等.這些地區經濟發達,工業排放使得污染物來源和種類復雜,CCN特性和氣溶膠吸濕性隨地域和季節變化差異很大.2014年和2016年在北京的觀測證明了污染物對CCN數濃度的增強影響很大,且隨過飽和度不同差異較大,并且氣溶膠粒徑和化學成分的不同對CCN數濃度的影響程度也隨地區和季節有所變化[9].在珠江三角洲(主要是廣州)的觀測表明有機物能通過改變氣溶膠的吸濕性和表面張力來影響CCN活性[10],并且主要通過人為排放影響冬夏兩季氣溶膠的老化和活性[11].在長江三角洲的南京[4]和臨安[12]等地的觀測研究表明污染天的氣溶膠老化程度更高,更均質,CCN數濃度也相應提升,且由于氣象條件及污染物的來源種類差異,同一地區季節性差異也很顯著[13-15].

此外,基于現場觀測得到的數據之上,利用數值模擬和參數方法對CCN進行閉合預測也是近些年研究CCN的重要方法.數值模擬的結果普遍表明氣溶膠的粒徑分布、化學成分甚至混合狀態等性質都會對CCN特性產生影響[16-18],并且各種因素的相對重要性也不同[19].為了提高數值模擬的準確度,需要針對不同的區域進行大量的觀測才能完善CCN的閉合方法.

南京位于中國經濟最發達之一的長江三角洲地區,雖然空氣質量優于華北地區,但近年來的研究表明,除了受到當地排放影響以外,遠距離傳輸也是重要的污染源之一[20].由于冬季污染較重,之前有較多關于南京冬季CCN活化特征的研究,春季雖然空氣質量普遍優于冬季,但CCN的活化特征隨季節差異較大,目前國內外都很缺少對于春季CCN的觀測結果,因此有必要進行春季CCN活性研究分析并與南京當地其他季節進行對比研究.本文從南京春季CCN總體活化特征展開,對污染天和清潔天CCN特征進行了對比,分析了一次污染過程的CCN特征,并對新粒子生成天CCN活化特征及影響因素進行了探究.

1 實驗與方法

1.1 觀測點介紹

2018年3月1日～2018年4月12日在南京信息工程大學(118.7°E, 32.2°N)校園內對大氣氣溶膠的理化性質進行了綜合觀測,校區東面為交通樞紐(寧天城際S8號線和江北大道),東北和東南面有南鋼集團、揚子石化等大型化工企業,西南面緊靠龍王山風景區,西面和北面有大量農田和村莊,因此該觀測點可能同時受到交通、工業和生活源的影響,能夠作為南京北郊復合污染區域的典型代表[21-22].

1.2 觀測氣路及儀器介紹

觀測氣路如圖1所示,待測的環境大氣經過切割頭去除大粒徑顆粒物,通過Nafion干燥管(Nafion drier)干燥,將相對濕度降至30%以下后再經過Kr-85放射源(Charger, TSI Model 3077)使其正態分布帶電,帶電氣溶膠經過差分電遷移率分析儀(DMA)進行篩分粒徑成為單分散氣溶膠.單分散氣溶膠再分為兩路,一路進入凝結核粒子計數器(CPC)進行總氣溶膠數濃度及氣溶膠粒徑譜分布的測量;另一路進入云凝結核計數器(CCNC)在設定好的過飽和度環境下進行活化,對能夠活化成云滴的氣溶膠粒子的數濃度進行測量.本次觀測采用連續全掃描的方法(掃描粒徑范圍為8.2～346nm),可同時得到氣溶膠的粒徑譜分布,及隨粒徑分布的CCN活化特征.

在此次觀測中,采用DMA電壓連續掃描的方式實現對全粒徑譜分布和粒徑分辨的CCN活化特征的觀測.DMA的掃描粒徑范圍為8.2～346nm,時間分辨率為3min,CCNC共設置5個過飽和度(SS=0.1%, 0.2%,0.4%,0.6%,0.8%),經過標定后的實際值分別為SS=0.17%,0.26%,0.46%,0.65%,0.85%.觀測期間的氣象數據(包括氣溫、相對濕度、風向風速、降水量)來自南京信息工程大學氣象觀測站,PM2.5數據通過Met One Instruments公司的PM2.5在線監測儀獲得.

圖1 觀測氣路

Aerosol:氣溶膠;Monodisperse aerosol:單分散氣溶膠

此外,觀測期間對大氣顆粒物PM2.5進行石英濾膜采樣,采樣流量為100L/min,采樣時長12h,每天早7:00晚19:00更換一次濾膜.隨后分別使用青島普仁的PIC-10A離子色譜儀和美國沙漠所(DRI)的Model 2001A熱光碳分析儀對采樣得到的PM2.5濾膜中的水溶性陰陽離子、有機碳(OC)、元素碳(EC)進行組分濃度測定.另外,使用美國DMT公司的三波長光聲黑碳光度儀(PASS-3)在線測定觀測期間氣溶膠在3個波長(405,532和781nm)下的吸收和散射系數.

1.3 數據處理方法

本次觀測的CCN數據經過SMAC軟件[23]進行處理,可以得到粒徑分辨的CCN分布和活化動力學參數(,,).其中是活化曲線的上漸近線,表示氣溶膠隨著粒徑增大能達到的最大活化率;是各活化率下對應的氣溶膠粒徑,當活化率為/2時對應的粒徑即為臨界粒徑(p50),在相應的過飽和度下粒徑大于p50的氣溶膠能被活化;是活化曲線在p50處擬合的斜率,它能夠代表被活化成CCN的這部分氣溶膠的化學異質性.利用SMCA方法可得到粒徑分辨的CCN活化率計算公式為:

利用Petters等[24]提出的κ- K?hler理論簡化公式,可以得到氣溶膠的吸濕性參數(),具體公式為:

式中:為過飽和度;p50為對應下的臨界粒徑;為理想氣體常數;w為水分子的摩爾質量;ω為純水的密度.假設各類液滴的表面張力與純水一致時,s/a=0.072J/m2,=298.15K.

此外,由PASS-3測得的532nm波長下的散射和吸收系數,可以計算得到單散射反照率SSA,公式表示為:

2 結果與討論

2.1 觀測期間CCN總體活化特征

圖2 觀測期間氣象要素時間序列

如圖2所示,此次春季觀測期間氣溫變化較大,平均氣溫為14.0℃,平均相對濕度(RH)為65.6%.風向主要以東風,東南風為主,風速較為平和,平均風速2.2m/s,最大風速出現在3月4日夜間,最大值為7.2m/s.整個觀測期間PM2.5平均值為37.8mg/m3,大氣清潔度總體較高,但仍有輕微污染事件發生.按照24h平均濃度低于35mg/m3空氣質量為優來看,共有18d空氣質量為優,將其定義為清潔天,分別出現在3次主要降水過程(3月4～8日,3月15～18日以及4月5日)期間或之后,此外根據圖3銨鹽、硝酸鹽和硫酸鹽的時間序列也可以看出這期間3種主要無機鹽濃度也顯著下降,可見大型降水過程對大氣顆粒物有很明顯的清潔作用.另外,在3月3日夜間～次日凌晨以及3月9日夜間～次日上午出現兩次PM2.5超過75mg/m3的過程,兩次污染過程的平均值為125.6mg/m3,達到輕度污染到中度污染的標準,本文將其定義為污染天.

圖3 觀測期間PM2.5中銨鹽,硝酸鹽,硫酸鹽濃度時間序列

圖4 觀測期間氣溶膠數濃度(NCN)及各CCN參數(NCCN, NCCN/NCN,DP50, B, κ)的時間序列

從表 1可以看到春季觀測期間的CN平均值為12000個/cm3,該數值與2017年南京冬季[15]的觀測(約12200個/cm3)接近,遠低于2016年南京冬季[4](約17800個/cm3)的數值,但遠高于印度較清潔地區坎普爾[5](約4300個/cm3)和亞馬遜背景站點[25](約250個/cm3)的數值,這說明作為典型的復合污染區域的南京北郊,即使在春季仍有一定程度的氣溶膠污染,因此需對春季污染條件下氣溶膠的CCN活化特征進行進一步分析.如圖4所示,在觀測期間,CCN/CN和CCN都隨過飽和度提高而上升,各SS下的變化趨勢也較一致.CCN在各個SS下的值均略低于2017年南京冬季[15]的數據,SS=0.26%的數值高于2015年南京夏季[13]的觀測數據,但SS=0.46%,0.65%,0.85%的數值都比其顯著降低.在幾次明顯的降水過程之后,CCN都呈現不同程度的低值,這說明雨雪天氣對CCN也有一定的沖刷作用[26-28].各SS下的活化率CCN/CN都顯著低于2017年南京冬季[15]的觀測結果,這體現出了南京郊區氣溶膠CCN活性有明顯的季節差異.最大活化率()在最低過飽和度(SS= 0.17%)下僅為0.72,這表明在這一過飽和度下有約30%的非CCN活性物質(如新鮮排放的煙炱等),這一最大活化率數值也遠低于在臨安(=0.89)[12]和較為清潔的亞馬遜地區(=0.91)[25]的觀測數值,但比污染更嚴重的洛杉磯地區[29]要高,并且在南京春季的觀測,高下的值仍只有0.85,這時仍有相當多的不吸濕或弱吸濕性物質,這說明城市煙炱的排放能嚴重影響CCN活性.P50則隨升高而快速降低,說明越高,CCN越易被活化.南京春季觀測的臨界干粒徑在較高下(SS>0.46%)與臨安[12]、廣州[17]、北京[30]的觀測較接近,但在低(SS=0.17%)條件下,此次觀測的臨界干粒徑低于臨安等地的數值,且各下的P50都低于亞馬遜清潔地區觀測值(尤其是低下)[25],這可能主要是由于亞馬遜地區大氣氣溶膠組分中含有大量的礦物和有機物,而南京春季觀測期間與國內其他地區含有無機鹽組分特征相似有關.

整個春季觀測期間的均值為0.30,這一均值略小于2013年南京江心洲地區夏季[31](=0.35)觀測數值,與國內其他地區(廣州[8]、香港[16]、北京[30])觀測值相當,與亞洲其他地區相比,低于韓國濟州島地區(=0.48)[32]而高于印度坎普爾地區(=0.24)[5].而歐洲及南北美洲等地區[33-36]的大多在0.1～0.2,遠低于南京春季觀測數值,這也與之前的研究認為國內氣溶膠普遍大于國外相一致[10,18,37].這些能夠說明南京地區氣溶膠有較強的吸濕性,可能與無機鹽含量較高有關.另外,南京春季觀測變化范圍為0.26～ 0.35,當SS>0.26%時,隨上升而降低,但當SS= 0.17%時為最低值,這種在低條件下下降的情況在之前的南京和國內其他地區的研究中也有報道[4,15,17-18,30].主要原因可能為低下的氣溶膠CCN活性對化學組分更加敏感,當氣溶膠中含有不吸濕或弱吸濕物質(如新鮮BC和一次有機氣溶膠(POA))較多時,會導致低下的整體吸濕性和活化率下降,而之前發現類似現象的觀測點大多位于人為排放較嚴重的地區,這些地區排放的顆粒物中含有大量有機物和BC[38],導致了低條件下整體顆粒物吸濕性的下降.

表1 觀測期間的CCN參數(均值±標準差)

2.2 污染天與清潔天CCN特征對比

此次春季觀測期間共出現兩次明顯的污染期(3月3～4日和3月9～10日),另有18d PM2.5小時平均濃度在35μg/m3的清潔天.對比圖2和圖4可以看出,污染發生時CN和PM2.5濃度同時快速上升,兩次污染期間CN平均值約為18700個/cm3.由表1污染天和清潔天CCN參數比較可以看出,污染天在各下的CCN和CN均明顯高于清潔天,污染天各下的平均CN約為清潔天的1.7倍,但污染天各下對應的值都低于清潔天,尤其是污染天最低條件下的僅為0.68,這說明其中含有相當一部分與污染排放有關的吸濕性較差的粒子.值得注意的是,污染天各下的卻都略高于清潔天,各下的平均值為0.34,這一點與之前南京冬季觀測[4,15]得到的污染天小于清潔天的結果不同,可能與冬春季污染類型不同有關,春季污染天雖有局地排放的弱吸濕性粒子導致值下降,但同時也可能含有吸濕性較強的無機鹽組分從而拉高了整體的值,因此需對污染天和清潔天的化學組分進行研究對比.觀測期間測得的PM2.5中水溶性離子組分和OC、EC質量濃度如表2所示,相比于清潔天,污染天的多數水溶性離子和OC、EC質量濃度都顯著升高,主要無機鹽如NH4+、NO3-、SO42-上升兩倍或以上,EC比OC上升更明顯,因此OC/EC從清潔天的5.14降至污染天的3.46.對比水溶性離子和OC、EC的質量占比可以發現,污染天的水溶性離子總量占比從清潔天的82.2%上升到88.2%,OC、EC總量占比相應減少,水溶性離子含量的增長促進了整體的上升.同時分析污染天和清潔天的SSA發現,污染天的平均SSA為0.90,遠大于清潔天的平均值0.75,可見污染天比清潔天散射型氣溶膠如硫酸鹽等含量更高,而BC等吸收型氣溶膠含量有所減弱,并且根據NH4+,NO3-,SO42-劇增的結果可以初步認為可能在污染天生成了硫酸銨、硝酸銨等吸濕性較強的組分,從而導致整體有所上升.

表2 污染天和清潔天PM2.5中水溶性離子、OC、EC質量濃度(μg/m3)

圖5 污染天和清潔天κ, B, c, χ在對應臨界粒徑下的平均分布

從反映氣溶膠混合狀態的參數和的變化來看,清潔天的參數大于污染天,小于污染天,說明清潔天氣溶膠比污染天混合更均勻,污染天氣溶膠的外混程度更高.隨粒徑上升,清潔天和污染天的混合均勻程度都有提高,表明隨著粒徑的增加,氣溶膠趨于內混并且CCN活化能力也有提升.

2.3 3月3～4日污染過程CCN特征分析

如上文所述,3月3日20:00～3月4日4:00是本次觀測期間污染程度最高的過程,污染發生時,PM2.5濃度從3月3日20:00前的平均30μg/m3迅速上升到20:00時的225μg/m3,在3月3日20:00～3月4日1:00這一時間段內,PM2.5平均濃度在200μg/m3以上,在3月4日1:00達到最高值258μg/m3,隨后逐漸下降,到4:00以后濃度下降至75μg/m3以下,低于輕度污染標準,污染過程結束.從圖4可以看出污染發生時CN濃度發生驟升,同時活化率和呈下降趨勢,且最低條件下的最大活化率均值僅為0.69.在這期間的3月3日夜間～3月4日凌晨,夜間邊界層下降,大氣垂直擴散能力較差,平均風速僅為2.7m/s,又不利于污染物水平擴散,平均RH為89.2%,這種高RH無降水的氣象條件有利于氣態前體物向顆粒物的轉化[40],這也導致了CN和高下的CCN在污染發生時出現快速上升,在3月4日0:00～1:00之間達到最高值,CN最高約36000個/cm3,與此同時最高下的CCN為18000個/cm3,都遠高于污染天平均水平.通過表3對這一事件出現前中后期PM2.5濾膜中水溶性離子濃度測量發現,在這一污染事件發生時,含量較高的陰陽離子都出現劇增,部分離子增加一倍以上,可以認為該時段受到排放源影響,而在3月4日此污染事件結束后,各離子濃度基本回到污染前同一水平.從圖6的PM2.5上升期間風玫瑰圖可以看出,該時段盛行東南風,而觀測點東南方向有車流量較大的主干道和工業園區,因此這些排放源可能是導致PM2.5上升的原因.根據該時段粒徑譜(圖7(a))可以看出,3月3日夜間～3月4日凌晨氣溶膠的粒徑主要集中在10～100nm,這些由汽車尾氣和工業排放的細粒子大多含有吸濕性較差的BC和POA,導致污染剛發生時(3月3日20:00起)和值下降明顯,并且由于這些細粒子提高了CN,但粒徑達不到臨界粒徑而導致活化率下降,由于低下臨界粒徑更大,因此低下活化率下降更多.而在污染過程的后期(3月4日0:00～4:00)和活化率又出現較明顯的上升趨勢,最高下的和活化率的峰值分別為0.61和0.60,并且到3月4日7:00左右才開始出現快速下降.同時4個下 (SS=0.26%,0.46%,0.65%,0.85%)的臨界粒徑P50都出現顯著下降,這可能主要是由于夜間相對濕度的提升促進了大氣致顆粒物中強吸濕性組分(如硫酸鹽、硝酸鹽)含量的增加,從而使低吸濕性的小粒子迅速老化.通過對3月3日19:00～3月4日7:00的PM2.5濾膜含碳組分分析發現,這期間OC/EC為3.40,表明此夜間污染過程確實受交通源排放影響較大,且污染過程結束后的3月4日7:00～3月5日19:00的12h采樣PM2.5中OC/EC仍只有3.30,除早晚高峰影響以外,可能前一次污染過程排放的BC尚未完全老化,因此這也導致了和活化率下降的滯后.與其污染過程相似但PM2.5濃度較低的3月9日夜間～3月10日凌晨也出現了類似現象,污染期間夜間OC/EC為3.48,污染結束后12h仍只有4.04,隨后經歷幾天清潔天才逐漸上升.

圖7 污染過程和新粒子生成天氣溶膠粒徑分布

表3 3月3～4日污染過程PM2.5中主要水溶性離子濃度(μg/m3)

2.4 新粒子生成天CCN特征分析

由圖4可以看出4月6～12日CCN和CCN/CN在高下的波動很大,比低下明顯很多,由氣象數據可以看出在這之前的4月5日出現了幾乎整天的連續降水,之后大氣清潔度較高,相對濕度較低,這也有利于新粒子的生成[41].從該時間段的粒徑譜(圖7(b))可以看出在每日約12:00有較多核模態的顆粒物產生并逐漸增長,表明發生了新粒子生成現象,且這期間每日粒徑譜的生長趨勢比較一致.從圖8新粒子生成(NPF)期間CCN數濃度和活化率的日變化可以看出,新粒子生成初期,由于產生的核模態粒子低于臨界粒徑以下,因此CCN數濃度和活化率都有略微下降,這點與四川鄉村站點[41]CCN數濃度隨新粒子生成同步增長不同,可能是由于四川站點新粒子生成時間較晚且顆粒物本身濃度較高導致的差異.而隨著核模態粒子逐漸生長成積聚模態,此時更多粒子達到臨界粒徑,CCN數濃度和活化率出現快速增長,并且高下的增長更顯著,這點與Leng等[42]2012年在上海觀測的結果一致,由于高下對應的臨界粒徑更小,因此受新粒子生成的影響也更大.同時根據以往的研究[43]發現,新粒子生成主要能通過提升氣溶膠總濃度來達到使CCN數濃度快速增加的效果.而在新粒子生成初期出現顯著下降,而后隨粒子進一步增長而迅速上升,與SS= 0.26%下對比,SS=0.85%條件下對新粒子生成的敏感性更高,12:00左右降至約0.23,接著上升至約0.38(17:00左右),這表明新生成粒子的吸濕性較低,可能為有機物主導的粒子成核與初始增長,而在進一步增長過程中由于光化學反應生成吸濕性較高的二次無機鹽,使得顆粒物吸濕性逐漸增強.如圖3化學成分分析結果也表明,新粒子生成期間的主要顆粒物組分為有機物和硫酸鹽.

圖8 新粒子生成天(4月6～12日)不同SS下NCCN、NCCN/NCN和κ的日變化

圖9對比了新粒子生成天和非新粒子生成天的日變化規律,可見新粒子生成天平均值在12:00時左右有明顯下降,而非新粒子生成天則無此明顯變化,根據Ma等[44]研究發現氣溶膠的吸濕性在新粒子期間有很大的變化,這主要與成核的過程有關.而盡管新形成粒子的值較低,其增長后可快速成為有效的CCN,因而不僅對大氣中氣溶膠數濃度,也對CCN數濃度有重要貢獻.

3 結論

3.1 2018年南京北郊春季觀測期間CN平均值為12000個/cm3,CCN/CN隨過飽和度上升而上升,各下的變化范圍為0.23～0.57.平均為0.30,在SS= 0.26%時最大,為0.35,隨增大而降低;而在最低下(SS=0.17%)和最低,分別為0.26和0.72,表明此時氣溶膠中有較多不易活化的物質.

3.2 污染天各下的CCN、CN和均高于清潔天,但CCN/CN低于清潔天,且外混程度更高.對一次污染過程的分析表明,不利氣象條件下,交通和工業排放產生大量吸濕性較差的粒子,會導致CCN/CN、和下降,而夜間顆粒物迅速老化,CCN、和CCN/CN又升高.

3.3 新粒子生成天有明顯日變化,新粒子生成初期,有機物的成核導致顯著下降;進一步增長后,受二次無機鹽影響,CCN、和CCN/CN提升,表明新粒子生成對CN和CCN有重要貢獻.

[1] Zhang F, Ren J, Fan T, et al. Significantly enhanced aerosol CCN activity and number concentrations by nucleation-initiated haze events: A case study in Urban Beijing [J]. Journal of Geophysical Research: Atmospheres, 2019,124(24):14102-14113.

[2] Twomey S. Pollution and the planetary albedo [J]. Atmospheric Environment, 1974,8(12):1251-1256.

[3] Rosenfeld D, Lohmann U, Raga G B, et al. Flood or drought: how do aerosols affect precipitation? [J]. Science, 2008,321(5894):1309-1313.

[4] 趙潔心,馬 嫣,鄭 軍.南京北郊云凝結核活化特征觀測及閉合研究 [J]. 中國環境科學, 2018,38(7):2415-2424.

Zhao J X, Ma Y, Zheng J. Characterization and prediction of cloud condensation nuclei activity in the northern suburb of Nanjing [J]. China Environmental Science, 2018,38(7):2415-2424.

[5] Bhattu D, Tripathi S N. Inter-seasonal variability in size-resolved CCN properties at Kanpur, India [J]. Atmospheric Environment, 2014,85:161-168.

[6] Chatterjee A, Dutta M, Ghosh A, et al. Relative role of black carbon and sea-salt aerosols as cloud condensation nuclei over a high altitude urban atmosphere in eastern Himalaya [J]. Science of The Total Environment, 2020,742:140468.

[7] Leena P P, Pandithurai G, Anilkumar V, et al. Seasonal variability in aerosol, CCN and their relationship observed at a high altitude site in Western Ghats [J]. Meteorology and Atmospheric Physics, 2015, 128(2):143-153.

[8] P?hlker M L, P?hlker C, Ditas F, et al. Long-term observations of cloud condensation nuclei in the Amazon rain forest – Part 1: Aerosol size distribution, hygroscopicity, and new model parametrizations for CCN prediction [J]. Atmospheric Chemistry and Physics, 2016,16(24): 15709-15740.

[9] Wang Y, Li Z, Zhang Y, et al. Characterization of aerosol hygroscopicity, mixing state, and CCN activity at a suburban site in the central North China Plain [J]. Atmospheric Chemistry and Physics, 2018,18(16):11739-11752.

[10] Cai M, Tan H, Chan C K, et al. The size-resolved cloud condensation nuclei (CCN) activity and its prediction based on aerosol hygroscopicity and composition in the Pearl Delta River (PRD) region during wintertime 2014 [J]. Atmospheric Chemistry and Physics, 2018, 18(22):16419-16437.

[11] Duan J, Wang Y, Xie X, et al. Influence of pollutants on activity of aerosol cloud condensation nuclei (CCN) during pollution and post-rain periods in Guangzhou, southern China [J]. Science of The Total Environment, 2018,642:1008-1019.

[12] Che H C, Zhang X Y, Zhang L, et al. Prediction of size-resolved number concentration of cloud condensation nuclei and long-term measurements of their activation characteristics [J]. Scientific Reports, 2017,7(1):5819.

[13] 李 琦,銀 燕,顧雪松,等.南京夏季氣溶膠吸濕增長因子和云凝結核的觀測研究 [J]. 中國環境科學, 2015,35(2):337-346.

Li Q, Yin Y, Gu X S, et al. An observational study of aerosol hygroscopic growth factor and cloud condensation nuclei in Nanjing in summer [J]. China Environmental Science, 2015,35(2):337-346.

[14] 朱 麟,馬 嫣,鄭 軍,等.南京大氣氣溶膠混合態與云凝結核活化特征研究 [J]. 環境科學, 2016,36(4):1199-1207.

Zhu L, Ma Y, Zheng J, et al. Investigation of aerosol mixed state and CCN activity in Nanjing [J]. Environmental Science, 2016,36(4): 1199-1207.

[15] 鄒 華,馬 嫣,鄭 軍,等.南京冬季云凝結核活化特征及閉合研究 [J]. 中國環境科學, 2020,40(7):2811-2820.

Zou H, Ma Y, Zheng J, et al. Characterization and prediction of cloud condensation nuclei activity in winter of Nanjing [J]. China Environmental Science, 2020,40(7):2811-2820.

[16] Meng J W, Yeung M C, Li Y J, et al. Size-resolved cloud condensation nuclei (CCN) activity and closure analysis at the HKUST Supersite in Hong Kong [J]. Atmospheric Chemistry and Physics, 2014,14(18): 10267-10282.

[17] Rose D, Nowak A, Achtert P, et al. Cloud condensation nuclei in polluted air and biomass burning smoke near the mega-city Guangzhou, China - Part 1: Size-resolved measurements and implications for the modeling of aerosol particle hygroscopicity and CCN activity [J]. Atmospheric Chemistry and Physics, 2010,10(7): 3365-3383.

[18] Deng Z Z, Zhao C S, Ma N, et al. An examination of parameterizations for the CCN number concentration based on in situ measurements of aerosol activation properties in the North China Plain [J]. Atmospheric Chemistry and Physics, 2013,13(13):6227-6237.

[19] Ren J, Zhang F, Wang Y, et al. Using different assumptions of aerosol mixing state and chemical composition to predict CCN concentrations based on field measurements in urban Beijing [J]. Atmospheric Chemistry and Physics, 2018,18(9):6907-6921.

[20] 張海瀟,郭照冰,陳善莉,等.南京北郊冬夏季大氣PM2.5中碳質組分濃度及同位素組成研究 [J]. 環境科學學報, 2018,38(9):3424-3429.

Zhang H X, Guo Z B, Chen S L, et al. Concentration and isotopic composition of carbonaceous components in PM2.5during winter and summer in the northern suburb of Nanjing [J]. Acta Scientiae Circumstantiae, 2018,38(9):3424-3429.

[21] 吳 丹,沈開源,蓋鑫磊,等.南京北郊大氣氣溶膠中水溶性有機碳(WSOC)的污染特征 [J]. 中國環境科學, 2017,37(9):3237-3246.

Wu D, Shen K Y, Ge X L, et al. Characteristics of water-soluble organic carbon (WSOC) in atmospheric particulate matter at northern suburb of Nanjing [J]. China Environmental Science, 2017,37(9): 3237-3246.

[22] 吳奕霄,銀 燕,顧雪松,等.南京北郊大氣氣溶膠的吸濕性觀測研究 [J]. 中國環境科學, 2014,34(8):1938-1949.

Wu Y X, Yin Y, Gu X S, et al. An observational study of the hygroscopic properties of aerosols in north suburb of Nanjing [J]. China Environmental Science, 2014,34(8):1938-1949.

[23] Moore R H, Nenes A, Medina J. Scanning mobility CCN analysis-A method for fast measurements of size-resolved CCN distributions and activation kinetics [J]. Aerosol Science and Technology, 2010, 44(10):861-871.

[24] Petters M D, Kreidenweis S M. A single parameter representation of hygroscopic growth and cloud condensation nucleus activity [J]. Atmospheric Chemistry and Physics, 2007,7(8):1961-1971.

[25] Gunthe S, King S, Rose D, et al. Cloud condensation nuclei in pristine tropical rainforest air of Amazonia: Size-resolved measurements and modeling of atmospheric aerosol composition and CCN activity [J]. Atmospheric Chemistry and Physics, 2009,9:7551-7575.

[26] 桑建人,陶 濤,岳巖裕,等.賀蘭山兩側沙漠及污染城市CCN分布特征的觀測研究 [J]. 中國沙漠, 2012,32(2):484-490.

Sang J R, Tao T, Yue Y Y, et al. Distribution of cloud condensation nuclei over desert and polluted city beside the Helan Mountains [J]. Journal of Desert Research, 2012,32(2):484-490.

[27] 梁曉京,陳葆德,王曉峰.背景云凝結核對臺風"莫拉克"降水微物理過程影響的數值研究 [J]. 熱帶氣象學報, 2013,29(5):833-840.

Liang X J, Chen B D,Wang X F. A numerical study on background cloud condensation nuclei effects on precipitation’s microphysics of typhoon morakot [J]. Journal of Tropical Meteorology, 2013,29(5): 833-840.

[28] 韓路杰.云凝結核對南京地區夏季不同降水過程影響的模擬研究 [D]. 南京:南京信息工程大學, 2018.

Han L J. The impact of cloud condensation nuclei on different summer precipitation process in Nanjing: Numerical simulation [D]. Nanjing:Nanjing University of Information Science & Technology, 2018.

[29] Cubison M J, Ervens B, Feingold G, et al. The influence of chemical composition and mixing state of Los Angeles urban aerosol on CCN number and cloud properties [J]. Atmospheric Chemistry and Physics, 2008,8(18):5649-5667.

[30] Gunthe S, Rose D, Su H, et al. Cloud condensation nuclei (CCN) from fresh and aged air pollution in the megacity region of Beijing [J]. Atmospheric Chemistry and Physics, 2011,11(21):11023-11039.

[31] Ma Y, Li S, Zheng J, et al. Size-resolved measurements of mixing state and cloud-nucleating ability of aerosols in Nanjing, China [J]. Journal of Geophysical Research: Atmospheres, 2017,122(17):9430- 9450.

[32] Kuwata M, Kondo Y, Miyazaki Y, et al. Cloud condensation nuclei activity at Jeju Island, Korea in spring 2005 [J]. Atmospheric Chemistry and Physics Discussions, 2007,7:15805-15851.

[33] Fors E O, Swietlicki E, Svenningsson B, et al. Hygroscopic properties of the ambient aerosol in southern Sweden – a two year study [J]. Atmospheric Chemistry and Physics, 2011,11(16):8343-8361.

[34] Paramonov M, Kerminen V M, Gysel M, et al. A synthesis of cloud condensation nuclei counter (CCNC) measurements within the EUCAARI network [J]. Atmospheric Chemistry and Physics, 2015, 15(21):12211-12229.

[35] Levin E J T, Prenni A J, Palm B B, et al. Size-resolved aerosol composition and its link to hygroscopicity at a forested site in Colorado [J]. Atmospheric Chemistry and Physics, 2014,14(5):23817- 23843.

[36] Almeida G, Brito J, Morales C A, et al. Measured and modelled cloud condensation nuclei (CCN) concentration in S?o Paulo, Brazil: the importance of aerosol size-resolved chemical composition on CCN concentration prediction [J]. Atmospheric Chemistry and Physics, 2014,14(14):7559-7572.

[37] Che H C, Zhang X Y, Wang Y Q, et al. Characterization and parameterization of aerosol cloud condensation nuclei activation under different pollution conditions [J]. Scientific Reports, 2016,6:24497.

[38] Zhang F, Li Y, Li Z, et al. Aerosol hygroscopicity and cloud condensation nuclei activity during the AC3Exp campaign: implications for cloud condensation nuclei parameterization [J]. Atmospheric Chemistry and Physics, 2014,14(24):13423-13437.

[39] 顧雪松.南方地區氣溶膠吸濕增長與活化特性研究 [D]. 南京:南京信息工程大學, 2013.

Gu X S. Observational study of size-resolved aerosol activation and hygroscopic properties in South China [D]. Nanjing: Nanjing University of Information Science & Technology, 2013.

[40] Liao T, Wang S, Ai J, et al. Heavy pollution episodes, transport pathways and potential sources of PM2.5during the winter of 2013 in Chengdu (China) [J]. Science of the Total Environment, 2017,584- 585(15):1056-1065.

[41] 陳 晨,胡 敏,吳志軍,等.四川鄉村點新粒子生成特征及其對云凝結核數濃度的貢獻 [J]. 中國環境科學, 2014,34(11):2764-2772.

Chen C, Hu M, Wu Z J, et al. Characterization of new particle formation event in the rural site of Sichuan Basin and its contribution to cloud condensation nuclei [J]. China Environmental Science, 2014,34(11):2764-2772.

[42] Leng C, Zhang Q, Zhang D, et al. Impacts of new particle formation on aerosol cloud condensation nuclei (CCN) activity in Shanghai: case study [J]. Atmospheric Chemistry and Physics, 2014,14(20):11353-11365.

[43] 吳志軍,胡 敏,岳玎利,等.重污染和新粒子生成過程中城市大氣顆粒物數譜分布演變過程 [J]. 中國科學:地球科學, 2011,41(8):1192- 1199.

Wu Z J, Hu M, Yue D L, et al. Evolution of particle number size distribution in an urban atmosphere during episodes of heavy pollution and new particle formation [J]. Scientia Sinica Terrae, 2011,41(8): 1192-1199.

[44] Ma N, Zhao C S, Tao J C, et al. Variation of CCN activity during new particle formation events in the North China Plain [J]. Atmospheric Chemistry and Physics, 2016,16(13):1-25.

Investigation of cloud condensation nuclei activity under different pollution conditions in spring of Nanjing.

LU Wen-tao1, MA Yan1,2*, ZHENG Jun1, JIANG You-ling1

(1.Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control, School of Environmental Science and Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China；2.Reading Academy, Nanjing University of Information Science & Technology, Nanjing 210044, China)., 2021,41(9)：4096～4106

Filed observation of cloud condensation nuclei (CCN) activation properties of aerosols were carried out from March 2018 to April 2018 in the northern suburbs of Nanjing. Meteorological data, PM2.5number concentration, chemical composition and optical properties of particles are also collected for analysis. The CCN activities of aerosols in polluted days and clean days during the observation period were compared, and the characteristics of typical pollution processes and new particle formation days were analyzed. Results showed that the CCN activity of aerosols are generally high during this observation, with an average hygroscopicity parameter () of 0.30under each supersaturation(SS) condition. The lowestwas observed under the lowest supersaturation (SS=0.17%), and the maximum activation ratio () was 0.72, indicating that aerosols contains many substances that are difficult for activation.was seen higher in polluted days than in clean days. When compared to that in clean days, the activation ratio in polluted days was relatively lower and the level of external mixing was higher, which was mainly due to the large amount of less hygroscopic particles emitted by traffic and industry. Aging process of particulate matters are observed fast at night, making particles more hygroscopic and leading to higher CCN number concentration. In new particle formation days,showed diurnal variation due to particle nucleation, and new particle formation process also made significant contribution to total aerosol number concentration(CN) and CCN number concentration(CCN).

aerosol；CCN；activation characteristics；hygroscopicity

X513

A

1000-6923(2021)09-4096-11

陸文濤(1996-),男,江蘇宜興人,南京信息工程大學碩士研究生,主要研究方向為大氣環境.

2021-02-01

國家自然科學基金資助項目(41975172,41730106)

* 責任作者, 教授, my_nj@163.com