湯敏（重慶市江北區(qū)環(huán)境監(jiān)測站，重慶400000）

?

固體可吸收顆粒影響變化和模型探析

湯敏
（重慶市江北區(qū)環(huán)境監(jiān)測站，重慶400000）

摘要：固體可吸收顆粒對人體存在潛在的危害，能導致疾病產(chǎn)生。論述了PM對人體健康的危害、PM的監(jiān)測分析和預測模型。關(guān)鍵詞：PM；健康；模型

固體可吸收顆粒（Particulate Matter）作為一類粒徑微小的氣溶膠物質(zhì)，廣泛分布于人類生存的各種環(huán)境中。PM進入環(huán)境，很容易通過呼吸系統(tǒng)進入人體，對人體造成危害。在繁華的商業(yè)活動區(qū)域內(nèi)，各類交通工具使用燃料時向大氣中排放的尾氣是PM產(chǎn)生的主要流動源，也是PM產(chǎn)生的主要途徑。PM的來源廣泛，但是由于經(jīng)濟的發(fā)展，機動車尾氣已成為PM產(chǎn)生的主要來源[1]。PM組成復雜，Weaterholm已發(fā)現(xiàn)PM2.5比粗顆粒物含有更多的重金屬和多環(huán)芳烴[2]。PM進入人體后，一方面作為載體將有毒有害物質(zhì)帶入下呼吸道，直接或間接地引起支氣管黏膜及肺上皮細胞突變，另一方面其顆粒性引起的免疫反應抑制Th1型淋巴細胞，降低IL- 2活性[3]，導致Th2型細胞優(yōu)勢，增高人群對肺癌的易感性[4]。由于PM的危害巨大，已日益引起人們的關(guān)注。

目前，對PM的研究較多集中在PM對健康的影響、PM區(qū)域影響變化規(guī)律、預測模型、排放清單、排放特征譜、源解析、PM2.5對大氣能見度等的研究。PM對健康的影響主要針對其物理化學性質(zhì)的研究。由于各個地區(qū)地理位置不同，因而PM分布、大小等都存在差異。PM模型通過眾多參數(shù)因素因子建立，以期能夠達到預測PM值的目的。PM的監(jiān)測還沒有一個非常成熟的方法，對PM監(jiān)測方法的改進已經(jīng)成為當前一個重要課題。

1　PM對人體健康的影響

魏復盛研究了室內(nèi)外空氣中含有的PM對兒童健康的不同影響[5]，該課題組1993～1997年間，在蘭州、重慶、廣州、武漢各選擇2所小學，累計調(diào)查7900余名兒童家庭室內(nèi)外環(huán)境及其健康狀況，并同時進行了室外空氣質(zhì)量監(jiān)測。調(diào)查結(jié)果見表1。

按照病種的不同進行分類，匯總見表2。根據(jù)魏復盛的研究，得出兒童患呼吸系統(tǒng)疾病隨著室外空氣暴露加重而發(fā)生的危險不斷加重。PM10、PM2.5是最大影響因子，SO2與NOX只起負面影響。

戶外PM主要是機動車等流動源排放，國外有學者指出在室內(nèi)，由于超細顆粒物較易進入戶內(nèi)，使得敏感人群具有更多的接觸機會，進入血液細胞數(shù)量與組成的變化有可能是造成日后心血管意外的一個潛在隱患。阮素云[6]等對環(huán)境2.5μm以下顆粒物對哮喘及肺癌發(fā)病的影響進行了研究，結(jié)果表明大氣和室內(nèi)空氣中PM2.5污染隨著城市化進程及經(jīng)濟發(fā)展而加重，是哮喘和肺癌流行趨勢上升的共同外部誘因，而其免疫應答引起的Th1/Th2亞群失衡，亦可能是這兩種疾病發(fā)病率增高的共同機制之一。李繼等[7]對電廠大氣污染排放與人體暴露的關(guān)系進行了研究，指出PM2.5的吸入因子與煙囪高度及人口數(shù)量有很高的相關(guān)性。研究表明，粒徑小于10μm的顆粒對人體威脅最大。

2　PM的變化規(guī)律、來源及組成

PM化學組成復雜，性質(zhì)活潑，且隨著時空的變化而變化，因此對PM的監(jiān)測方法并沒有統(tǒng)一的標準。目前主要是對不同的地區(qū)，利用儀器檢測其PM含有的成分濃度，并以其平均濃度來表示其PM濃度，分析其組成成分，濃度單位μg/m3，同時與本地區(qū)對應的氣象因子等聯(lián)系起來進行分析。

根據(jù)學者研究，PM與季節(jié)有一定的變化規(guī)律，李龍鳳[8]等研究認為，PM10與PM2.5在不同的月份都有明顯的變化。PM10、PM2.5在4～10月濃度較低。12月份質(zhì)量濃度達到最高值。11月至次年2月濃度較高。秋冬季節(jié)逆溫天氣出現(xiàn)頻繁,使得污染物難于擴散，導致PM10、PM2.5質(zhì)量濃度增高。夏季因氣溫高、濕度大、大氣邊界層厚，有利于污染物擴散。季風變化可能對PM濃度也有影響。同時該研究認為，PM上午、下午、晚間濃度依次增加。日變化呈雙峰分布的變化特征：上午和夜間各出現(xiàn)一個峰，而下午PM10、PM2.5的質(zhì)量濃度都相對較低。

沈軼[9]等用等離子發(fā)射光譜法對上海大氣PM2.5中的Cu、Zn、Pb、As等元素的濃度進行分析，得出PM濃度存在一定的季節(jié)變化規(guī)律。Federico C[10]等研究表明，周一至周五期間監(jiān)測的PM0.5濃度很高，周六、周日監(jiān)測的濃度明顯下降。

機動車尾氣是目前PM產(chǎn)生的主要來源[11]。A.W. GERTLER[12]等對美國機動車產(chǎn)生PM10與PM2.5進行了評價。研究表明，機動車是美國產(chǎn)生PM的重要來源。Watson[13]等研究表明，PM2.5是尾氣中PM中成分最多的可溶膠物質(zhì)，在美國丹佛市市區(qū)，PM2.5碳化物占85％。在更多農(nóng)村區(qū)域含有75％的PM2.5。Federico Casale[10]等認為，85％的大氣污染物顆粒產(chǎn)生都是人為所致，其中包括煤、汽油、原油、木頭和其它生物體，尤其是內(nèi)燃機和熱力或電廠產(chǎn)生的[14]。

WANG[15]等在中國廣州布置4個監(jiān)測點，對PM的組成成分和濃度進行了分析，研究表明，PM2.5的平均濃度達到97.54μg/m3，廣州的PM2.5濃度超過國家環(huán)境標準規(guī)定的24h平均65μg/m3。PM2.5的主要化學成分為OC（有機碳）、EC（元素碳）、硫、銨、K、V、Ni、Cu、Zn、Pb、As、Cd等，PM粒徑在2.5～10之間N、Na、Mg、Al、Fe、Ca、Ti等占主要成分。廣州PM主要來源中機動車導致占38.4％，煤炭導致占26.0％。Federico C[10]等對每日PM成分濃度也進行了詳細的分析。

3　PM模型應用

利用監(jiān)測方法進行PM分析是一種嚴謹?shù)目茖W研究方法，但是監(jiān)測的工作量非常巨大。對于污染物濃度的預測和分析來說，建立模型是一種非常好的方法。目前較為常用的模型是PART5模式。

PART5模式是由美國環(huán)保局開發(fā)的計算道路機動車顆粒物排放因子的數(shù)學模型，它根據(jù)多年來對大量車輛測試數(shù)據(jù)的分析回歸，得到計算機動車顆粒物排放因子的經(jīng)驗公式。分析所用的數(shù)據(jù)來源為美國環(huán)保局組織的各種不同在用車輛排放水平測試結(jié)果以及聯(lián)邦測試程序（Federal Test Procedure，F(xiàn)TP）中測得的排放結(jié)果。該模式建構(gòu)的思路和美國環(huán)保局用于計算機動車氣態(tài)污染物排放因子的MOBILE5模式基本一致[16-17]。

PART5模式根據(jù)發(fā)動機類型以及車輛重量將機動車分為12類，對不同類型的車輛分別考慮油品質(zhì)量、車速、維修保養(yǎng)狀況等各種因素對排放的影響，并從這些數(shù)據(jù)的測試分析中獲得各年、各車型車輛排放因子的平均水平以及顆粒物中各重要化學組分（鉛、硫酸鹽、可溶性有機物和殘余碳等）的組成比例。對每類機動車，其綜合排放因子可通過下面的基本公式計算：

其中，EFCOMPν為v類機動車的綜合排放因子（g/km）；EFm，ν為車齡m年的v類機動車的排放因子（g/km）；TFm，ν為車齡m年的v類機動車的行駛里程在該類機動車總行駛里程中所占的比例。影響EFm，ν的因素很多，通過測試結(jié)果回歸出經(jīng)驗公式進行計算。其表達式可以由包含下述各項參數(shù)的回歸方程表述：

其中，V為速度修正參數(shù)；CS為油品的含硫量參數(shù)；CPb為油品的含鉛量參數(shù)；FQ為油品的其它影響參數(shù)；FE為燃油經(jīng)濟性參數(shù)；PS為顆粒物的粒徑分布參數(shù)；CA為機動車安裝催化轉(zhuǎn)化裝置的比例參數(shù)；IM為機動車維修保養(yǎng)狀況影響參數(shù)。PART5根據(jù)美國的實際情況，確定了機動車控制技術(shù)水平、行駛里程、車輛登記分布、油品質(zhì)量等參數(shù)值。因此，當模式應用于中國的城市時，必須根據(jù)各城市的實際情況對這些參數(shù)進行相應的調(diào)整，以保證計算的準確性[18]。

周麗[19]等運用統(tǒng)計分析和氣象統(tǒng)計預報的方法，使用北京白石橋小區(qū)的污染物觀測資料和同期北京地區(qū)的氣象觀測資料，對影響大氣污染的氣象因子進行了綜合分析，并分別建立了氣溶膠PM2.5粒子濃度與氣體污染物、氣象要素場的兩類統(tǒng)計相關(guān)擬合模型。研究認為，氣溶膠PM2.5粒子濃度與氣體污染物濃度存在不同程度的相關(guān)性，且與氣象條件亦存在顯著的相關(guān)關(guān)系。

張強[20]等按經(jīng)濟部門、燃料類型和技術(shù)類型對顆粒物排放源進行分類，建立一個基于技術(shù)、自下而上的排放模型，并利用該模型計算出2001年全國主要人為源共向大氣排放PM10、PM2.5的量。

人工神經(jīng)網(wǎng)絡是在對人腦思維方式研究的基礎上，用數(shù)學方法將其簡化并抽象模擬反映人腦基本功能的一種并行處理連接網(wǎng)絡[21]。BP神經(jīng)網(wǎng)絡是基于BP （Back Propagation）誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡，由Rumelhart，McClelland于1985年最早提出，它是目前應用最多、功能最強的一種人工網(wǎng)絡。該算法的過程由正向傳播和反向傳播組成。在正向傳播過程中，從輸入層開始輸入信息傳遞到各層，經(jīng)過處理后產(chǎn)生一個輸出，并得到該輸出與所期望輸出之間的一個誤差。另一邊為反向傳播計算，從輸出層到輸入層，利用向前傳播得到的誤差，對連接權(quán)值進行逐層調(diào)整，以使網(wǎng)絡輸出逐次接近期望輸出[22]。BP神經(jīng)網(wǎng)絡具有優(yōu)良的非線性逼近能力、數(shù)據(jù)融合能力、多變量系統(tǒng)、自學習和自適應能力等。蔣曉紅[23]等根據(jù)神經(jīng)網(wǎng)絡原理和工程造價估算的特點，通過分析探討工程造價的構(gòu)成、已建工程的設計參數(shù)及工程量資料，應用誤差反向傳播（BP）算法的人工神經(jīng)網(wǎng)絡建立灌區(qū)節(jié)制閘工程量估算模型，結(jié)果表明，其估算精度基本可以滿足實際工程投資估算的需要。施楓芝[24]等采用BP神經(jīng)網(wǎng)絡預測地下水質(zhì)狀況，很好地反映了地下水質(zhì)量的總體狀況。因此，基于BP神經(jīng)網(wǎng)絡建立PM預測模型將是一種新的探索。

4　結(jié)束語

（1）由于PM的組成成分復雜，含有許多重金屬和多環(huán)芳烴，性質(zhì)活潑，尤其粒徑在10μm以下的顆粒物質(zhì)對人體的危害大而引起人們高度關(guān)注。此外，長時間暴露在外，受到PM的危害程度就高。

（2）交通流動源是PM產(chǎn)生的主要來源。PM隨著季節(jié)的變化而變化，時空的改變對PM也有很大影響。

（3）PM的估算模型可選擇美國的PART5模式或者通過回歸分析進行模型構(gòu)建。PART5模型需要考慮不同類型車輛的實際情況，考慮的因素多，在一定程度上需要進行修正。通過監(jiān)測數(shù)據(jù)回歸分析，建立模式，具有一定的實際應用價值。利用神經(jīng)網(wǎng)絡建立PM預測模型將是一種新的探索。

參考文獻

[1] A.W. GERTLER，J.A.GILLIES，W.R. PIERSON. An Assessment ofthe Mobile Source Contribution to PM10 and PM2.5 in the United States[J]. Water，Air，and Soil Pollution，2000，123：203- 214.

[2] Weaterholm R N，Alsberg T E. Effect of Fule Polycyclic Aromatic Hydrocaron Content on the Emission of Polycyclic Aromatic Hydrocarbens and other Mutagenic Substances froma Gusoline- Fueled Automobil[J].Environ Sci Technol，1988，22：925.

[3]馬亞萍，楊建軍.用流式細胞術(shù)探討顆粒物對細胞免疫功能[J].衛(wèi)生毒理學雜志，2001，1（51）：1- 5.

[4]龔非力.基礎免疫學[M].湖北：湖北科學出版社，1998：126.

[5]魏復盛，胡偉.中國四城市空氣污染及其對兒童呼吸健康影響的分析[J].院士論壇，1997，22（3）：9- 13.

[6]阮素云，蘇瑾，李延紅，等.環(huán)境2.5μm以下顆粒物污染對哮喘及肺癌發(fā)病的影響[J].環(huán)境與職業(yè)醫(yī)學，2002，12（9）：396- 397.

[7]李繼，郝吉明，葉雪梅，等.湖南省大氣污染排放與人體暴露水平研究[J].環(huán)境科學，2003，24（3）：16- 20.

[8]李龍鳳，王新明，趙利容.廣州市街道環(huán)境PM10和PM2.5質(zhì)量濃度的變化特征[J].地球與環(huán)境，2005，33（2）：55- 60.

[9]沈軼，陳立民，孫久寬，等.上海市大氣PM2.5中Cu、Zn、Pb、As等元素的濃度特征[J].復旦學報（自然科學版），2002，41（4）：405- 408.

[10]Federico C，Gianluigi N，Elisa B，et al. Monitoring of Submicron Particulate Matter Concentrations in the Air of Turin City，Italy. Influence of Traffic- limitations [J]. Water Air Soil Pollut，DOI 10. 1007/s11270- 008- 9763- 3.

[11]Mulawa，P.A.，Cadle，S.H.，Knapp，K.，et al. Effect of ambient temperature and E- 10 fuel on primary exhaust particulate matter emissions from light- duty vehicles[J]. Environ.Sci. Technol，1997，31，1302- 1307.

[12]Gertler，A.W.，Sagebiel，J.C.，Wittorff，D.N.，et al. 1997，Vehicle Emissions in Five Urban Tunnels，F(xiàn)inal Report under CRC Project No.E- 5，prepared for the Coordinating Research Council，Inc.，Auto/Oil Improvement Research Program，National Renewable Energy Laboratory，and South Coast Air Quality Management District Southern Oxidants Study，by Desert Research Institute，Reno，NV，March 1997.

[13]Watson，J.G.，Chow，J.C.，Henry，R.C.，et al. The USEPA/DRI Chemical Mass Balance Receptor Model，CMB 7.0 [J]. Environmental Software，1990，5：38- 49.

[14]Artinano，B.，Salvador，P.，Alonso，et al. Anthropogenic and natural influence on the PM10 and PM2.5 aerosol in Madrid（Spain）. Analysis of high concentration episodes [J]. Environmental pollution，125，453- 465. doi：10.1016/so269- 749（03）00078- 2.

[15]WANG X H，BI X H，SHENG G Y，et al. Chemical Composition and Sources of PM10 and PM2.5 Aerosols in Guangzhou，China[J]. Environmental Monitoringand Assessment，2006，119：425- 439.

[16]傅立新，賀克斌，何東全，等.MOBILE汽車源排放因子計算模式研究[J].環(huán)境科學學報，1997，17（4）：474- 479.

[17]何東全，郝吉明，賀克斌，等.應用模式計算機動車排放因子[J].環(huán)境科學，1998，1（3）：7- 10.

[18]吳燁，郝吉明，李偉，等.應用PART5模式計算機動車尾氣管的顆粒物排放[J].環(huán)境科學，2002，23（1）：6- 10.

[19]周麗，徐祥德，丁國安，等.北京地區(qū)氣溶膠PM2.5粒子濃度的相關(guān)因子及其估算模型[J].氣象學報，2003，61（6）：761- 768.

[20]張強，霍紅，賀克斌.中國人為源顆粒物排放模型及2001年排放清單估算[J].自然科學進展，2006，16（2）：223- 231.

[21]賈林剛.基于BP神經(jīng)網(wǎng)絡的地表沉降預測模型[J].煤礦開采，2008，13（1）：15- 17.

[22]王義民，于興杰，暢建霞.基于BP神經(jīng)網(wǎng)絡馬爾科夫模型的徑流量預測[J].武漢大學學報（工學版），2008，41（5）：14- 17.

[23]蔣曉紅，程吉林，張躍飛.中小型水利工程的工程量估算BP神經(jīng)網(wǎng)絡模型[J].揚州大學學報（自然科學版），2008，11（3）：72 - 74.

[24]施楓芝，遲寶明，潘杰. BP神經(jīng)網(wǎng)絡模型在地下水質(zhì)量評價中的應用[J].工程勘察，2008（10）：35- 37.□

An Investigation on Particulate Matter's Influence and Model

TANG Min
（Chongqing Jiangbei District Environmental Monitoring Station，Chongqing400000，China）

Abstract:The potential harm leading to diseases in the particulate matter was increasingly concerned taday. Health hazard，monitoring analysis，prediction model having been studied. The result analysis showed that PMis serious harm to respiratory tract. Because the outdoor concentration of PMand absorption of PMare higher than indoor，it produced more harm outdoor. PM changed as seasons and area changed. Generation of PM mainly comes from man- made Factors. Motor vehicle is main mobile source taday. PMis characterized by complicated compositions，active properties，including metal，elemental carbon and so on. The model PART5 can be used to prodict the consentration of PM，but PART5 is complex，in which the parameters are multiple and should be modified. Regression analysis method or neural network method in measured data and building PMmodel are a kind ofexploration.

Key words:PM；health；model

作者簡介：湯敏（1980-），女，高級工程師，從事環(huán)境監(jiān)測和水治理技術(shù)工作，15123026047，332614796@qq.com。

收稿日期：2016- 01- 21

中圖分類號：X513

文獻標識碼：A

文章編號：1008- 553X（2016）02- 0068- 04

doi：10.3969/j.issn.1008- 553X.2016.02.021