评估PM_2.5化学成分测量在化学特异化网络 (CSN) 的时间一致性

科学领域:

• 大气科学和空气质量监测.
• 环境化学和化学物种分析.
• 数据科学和环境数据的时间序列分析.

背景情况:

• 美国环境保护局的化学特异化网络 (CSN) 自2000年以来一直在收集PM2.5化学成分数据.
• 2015年至2018年期间发生了重大的网络转型,涉及仪器仪表,实验室技术和数据处理的变化.
• 了解这些变化对数据一致性和可比性的影响,对于长期空气质量趋势分析至关重要.

研究的目的:

• 评估CSN网络范围内的变化对PM2.5化学成分数据质量的影响.
• 为了识别特定的化学物种,其测量在整个过渡期保持一致.
• 为CSN数据的有效使用提供指导,考虑潜在的偏差和检测限制问题.

主要方法:

• 2002年至2022年间90个CSN地点的PM2.5物种化数据的分析.
• 计算所有报告物种的网络统计总结 (中位数,分布,年间变化).
• 将物种测量与方法检测极限 (MDLs) 进行比较,并评估2015-2018年过渡时期的趋势.

主要成果:

• 主要的PM2.5成分 (例如,S,Ca,Fe,K,Si,OC,EC,NH4+,NO3-) 显示出稳定的趋势和在MDLs以上的一致测量.
• 几种微量元素表现出不经常测量超过MDL和过渡后的突然变化.
• 在离子 (SO42-,K+) 和碳 (OC,EC) 测量中观察到偏差,以及由于数据处理低于零而导致的人工步骤变化.

结论:

• 方法上的转变对CSN数据产生了重大影响,特别是对于微量元素和接近其检测极限的物种.
• 仔细考虑仪器仪表,实验室技术和检测极限对于准确地解释大气数据至关重要.
• 这项研究为使用CSN数据评估长期空气污染趋势和环境影响的研究人员提供了关键的见解.