徐 嬌,張鄧毅,張英磊,馮銀廠

基于單顆粒氣溶膠質(zhì)譜技術(shù)的源解析新算法

徐 嬌1*,張鄧毅1,張英磊1,馮銀廠2

(1.北京首創(chuàng)大氣環(huán)境科技股份有限公司,北京 100176；2.南開大學(xué)環(huán)境科學(xué)與工程學(xué)院,國家環(huán)境保護(hù)城市空氣顆粒物污染防治重點(diǎn)實(shí)驗室,天津 300071)

針對現(xiàn)有單顆粒氣溶膠質(zhì)譜技術(shù)的顆粒物快速來源解析方法不能提供基于質(zhì)量濃度單位源解析結(jié)果的問題,提出一種新型單顆粒快速源解析算法ArtPMF.選擇淮河平原某能源工業(yè)城市2021年2～3月的單顆粒質(zhì)譜監(jiān)測數(shù)據(jù)對ArtPMF算法進(jìn)行應(yīng)用.結(jié)果表明監(jiān)測期間二次源、工業(yè)源、機(jī)動車尾氣源、燃煤源、揚(yáng)塵源、生物質(zhì)燃燒源和煙花燃放源對PM2.5的貢獻(xiàn)占比分別為23%、22%、20%、12%、10%、6%和6%.結(jié)合監(jiān)測點(diǎn)位周邊工業(yè)企業(yè)實(shí)際分布方位、氣態(tài)污染物和氣象監(jiān)測數(shù)據(jù)等對模型結(jié)果評估表明,該模型解析的燃煤源、燃燒源、工業(yè)源、機(jī)動車尾氣源貢獻(xiàn)高值的方位分布均符合現(xiàn)場工業(yè)企業(yè)和功能區(qū)劃的實(shí)際情況,說明該模型結(jié)果可信且能夠為污染防治提供準(zhǔn)確信息支撐.

大氣顆粒物；單顆粒氣溶膠質(zhì)譜儀；ArtPMF模型；在線源解析

大氣顆粒物來源解析是有針對性的制定顆粒物污染防治政策法規(guī)和控制措施的重要科學(xué)前提[1-4].單顆粒氣溶膠質(zhì)譜技術(shù)在大氣顆粒物來源解析工作領(lǐng)域已經(jīng)得到了較為廣泛的應(yīng)用[2].單顆粒氣溶膠質(zhì)譜技術(shù)(單顆粒質(zhì)譜)是從單個顆粒層面上分析顆粒特性的分析技術(shù),能夠?qū)崟r分析大氣中顆粒物的粒徑和化學(xué)組成信息,具有分析速度快、時間分辨率高的特點(diǎn)[5].目前基于單顆粒氣溶膠質(zhì)譜技術(shù)的源解析算法仍處于發(fā)展階段,常見方法包括基于聚類和分類的方法[5-8]、以及基于因子分析模型的方法[7,13-17],其中聚類分類的方法是目前在國內(nèi)多個城市開展顆粒物源解析業(yè)務(wù)化應(yīng)用的常用方法,其假設(shè)單個顆粒單一來源.但源譜研究中發(fā)現(xiàn)污染源單顆粒物質(zhì)譜特征存在相似性[9,17],并且源排放單顆粒老化后質(zhì)譜特征和粒徑大小會發(fā)生改變[18-20],這些問題給聚類分類算法分析結(jié)果帶來不確定性.此外,聚類分類方法提供的源解析結(jié)果往往是基于顆粒個數(shù)單位而不是質(zhì)量濃度單位[5,7-8],難以為PM2.5污染防治工作的開展提供定量的支持.基于因子分析模型的方法原理為將受體單顆粒質(zhì)譜定量數(shù)據(jù)納入因子分析模型進(jìn)行因子分解[10,13-15,21],對各個因子進(jìn)行來源識別,其核心理論為每一個環(huán)境受體單顆粒/每一個特征峰可能受到多個污染源的貢獻(xiàn),打破聚類分類方法上述的局限性,定量一次源和二次源的貢獻(xiàn).但是基于因子分析模型的方法仍處于理論研究階段,缺乏案例應(yīng)用.

本文在原有基于因子分析模型的方法基礎(chǔ)上,提出一種新型的利用PMF模型和Art-2a聚類算法的單顆粒快速源解析算法(簡稱ArtPMF算法).該算法綜合利用了單顆粒監(jiān)測數(shù)據(jù)質(zhì)量濃度轉(zhuǎn)化算法和聚類算法,將對環(huán)境受體單顆粒質(zhì)譜數(shù)據(jù)進(jìn)行聚類后獲得的顆粒類型質(zhì)量濃度數(shù)據(jù)納入到PMF模型進(jìn)行源解析.選擇淮河平原某城市2021年春節(jié)過后的環(huán)境單顆粒質(zhì)譜監(jiān)測數(shù)據(jù)作為案例進(jìn)行ArtPMF算法案例應(yīng)用,結(jié)合監(jiān)測點(diǎn)位周邊污染源實(shí)際分布信息來對源解析結(jié)果進(jìn)行驗證,并評估ArtPMF算法使用效果.

1 材料與方法

1.1 環(huán)境顆粒物監(jiān)測

2021年2月18日～3月6日期間利用高時間分辨率在線單顆粒氣溶膠質(zhì)譜儀SPAMS(型號0515,廣州禾信儀器股份有限公司)在淮河平原某城市經(jīng)濟(jì)開發(fā)區(qū)進(jìn)行環(huán)境顆粒物監(jiān)測,采集環(huán)境受體的單顆粒質(zhì)譜數(shù)據(jù).監(jiān)測時段為中國傳統(tǒng)節(jié)日春節(jié)過后.采樣點(diǎn)位周邊主要工業(yè)企業(yè)分布如圖1所示.監(jiān)測期間PM2.5、PM10、SO2、NO2、CO、O3等顆粒物和氣態(tài)污染物質(zhì)量濃度監(jiān)測數(shù)據(jù)從當(dāng)?shù)乇O(jiān)測站獲得.

SPAMS的工作原理和性能見文獻(xiàn)[9].分析期間質(zhì)量控制和質(zhì)量保證主要通過確認(rèn)儀器的各項運(yùn)行參數(shù)正常以及儀器定期校正來實(shí)現(xiàn).定期清洗進(jìn)樣系統(tǒng)處的小孔片保證進(jìn)樣系統(tǒng)壓力穩(wěn)定,以確保顆粒物進(jìn)樣和測定的穩(wěn)定性.質(zhì)量保證通過對儀器校正來實(shí)現(xiàn),使用NaI標(biāo)準(zhǔn)物質(zhì)對儀器檢測質(zhì)譜圖的質(zhì)荷比進(jìn)行校正,并定期使用標(biāo)準(zhǔn)粒徑聚苯乙烯(PSL)小球?qū)x器檢測粒徑進(jìn)行校正.

1.2 算法原理

該算法分為2個步驟,首先是構(gòu)建1h分辨率的單顆粒質(zhì)譜模型輸入數(shù)據(jù)集,第2步是輸入到PMF模型中進(jìn)行因子分析.

1.2.1 1h分辨率的模型輸入數(shù)據(jù)集構(gòu)建 采用自適應(yīng)共振理論ART-2a算法對SPAMS監(jiān)測獲得的環(huán)境受體質(zhì)譜數(shù)據(jù)進(jìn)行聚類[9],其基本原理見文獻(xiàn)[22].本研究在MATLAB平臺上使用SPAMS Data Analysis V3.0軟件包對單顆粒原始數(shù)據(jù)處理并進(jìn)行ART-2a聚類運(yùn)算.在分類過程中,相似度(VF)和學(xué)習(xí)效率是兩個重要的ART-2a模型運(yùn)算參數(shù),本研究中相似度采用文獻(xiàn)中推薦使用值VF=0.7[9,22],學(xué)習(xí)效率參數(shù)使用文獻(xiàn)中的推薦值0.05.通過對模型初步聚類后獲得的類別進(jìn)行化學(xué)組分識別后進(jìn)行人工合并,最終獲得多個化學(xué)組成彼此不同的顆粒類別,并統(tǒng)計各類別1h時間分辨率的個數(shù)數(shù)據(jù)集.

參考Zhou等[23]的研究,利用SPAMS儀器的幾個關(guān)鍵參數(shù)包括打擊率和顆粒傳輸效率對上述獲得的顆粒類別個數(shù)結(jié)果進(jìn)行質(zhì)量濃度轉(zhuǎn)化,并獲得各類別1h時間分辨率的質(zhì)量濃度數(shù)據(jù)集.校正公式如式(1)所示.

式中:代表顆粒類型序號;為顆粒物的密度,本研究假設(shè)為1.7g/cm3;為校正后的顆粒的體積,計算公式見(2).

式中:H為第個粒徑段內(nèi)SPAMS監(jiān)測的打擊率, 其定義是儀器打擊出質(zhì)譜圖的顆粒數(shù)(MASS)與獲得測徑信息的顆粒數(shù)(SIZE)的比值.計算方法如公式(3);E為第個粒徑段內(nèi)的傳輸效率,定義是在第個粒徑段內(nèi)實(shí)測的顆粒物數(shù)濃度與SPAMS測徑顆粒數(shù)的比值.在本文中沒有同期觀測的大氣顆粒物粒徑分布數(shù)據(jù),因此在本研究中使用經(jīng)驗公式(4)計算;V,k,j為顆粒的體積;計算方法如式(5)所示:

式中:代表顆粒物的粒徑段;代表顆粒的粒徑;和是擬合傳輸效率與粒徑關(guān)系曲線的兩個重要參數(shù),在Zhou等[23]的研究中和的取值分別為(20.075±10.975)和(-5.000±0.789).在本文通過測試最終取值分別為10和-0.7.

式中:ve,i,k,j代表第個顆粒的等效體積粒徑,即等于電遷移粒徑,其計算方法如公式(6)所示.

式中:va是SPAMS監(jiān)測得到的空氣動力學(xué)當(dāng)量粒徑;ve是等效體積粒徑;是形狀因子,在本研究中假設(shè)為1;是顆粒物的密度,本研究假設(shè)為1.7g/cm3.

在顆粒物質(zhì)量濃度定量過程中,顆粒傳輸效率和顆粒物密度的選擇都是對結(jié)果帶來不確定性的重要因素.SPAMS顆粒傳輸效率除受到顆粒物粒徑的影響外,還可能受到包括顆粒物污染水平以及環(huán)境相對濕度等外界因素的影響,因此使用公式(4)估算的可能與實(shí)際值存在差異,建議通過實(shí)測的方法計算本地化的SPAMS顆粒傳輸效率.此外,不同源排放顆粒物的形狀及化學(xué)組成均不同導(dǎo)致顆粒物密度有差異.因此顆粒傳輸效率以及顆粒物密度參數(shù)的選擇會給源解析結(jié)果帶來不確定性.

1.2.2 PMF模型原理 PMF模型是基于最小二乘法對受體數(shù)據(jù)進(jìn)行分解[2,24],得到源成分矩陣和源貢獻(xiàn)矩陣,計算公式:

式中:X為第個樣品中第種化學(xué)組分的濃度,μg/m3;G為第個樣本中第k類源的貢獻(xiàn)濃度,μg/m3;F為第類源中第種化學(xué)組分占比;e為第個樣品中第種化學(xué)組分的殘差.

PMF模型的目標(biāo)是尋求最小化目標(biāo)函數(shù)的解,從而確定污染源成分譜F和污染源貢獻(xiàn)譜G.Q為PMF定義的目標(biāo)函數(shù):

式中:U為第個樣品中第種化學(xué)組分的不確定度.

本文采用PMF5.0模型對單顆粒質(zhì)譜數(shù)據(jù)集進(jìn)行來源解析.

圖1 監(jiān)測點(diǎn)位及周邊工業(yè)企業(yè)分布示意

圖2 監(jiān)測期間氣象條件及關(guān)鍵污染物濃度的時間變化趨勢

2 結(jié)果與討論

2.1 采樣期間空氣質(zhì)量情況

如圖2所示,監(jiān)測期間監(jiān)測點(diǎn)位PM2.5和PM10平均濃度分別為41和66μg/m3,SO2、NO2和CO的平均濃度分別為5、23和500μg/m3,其中優(yōu)、良天氣占比為92.9%,污染天氣占比為7.1%.監(jiān)測期間總體空氣質(zhì)量較好,但是也捕捉到了沙塵污染過程.監(jiān)測期間僅有4個小時達(dá)到中度污染水平,主要發(fā)生于21年2月4日上午9:00～11:00,于4日上午09:00時PM2.5達(dá)到峰值濃度168μg/m3.

監(jiān)測期間SPAMS測徑顆粒數(shù)為12980085個,打擊質(zhì)譜圖數(shù)為1287988個,平均打擊率為9.9%.如圖3所示, 逐小時測徑顆粒個數(shù)(SIZE)與PM2.5質(zhì)量濃度線性相關(guān)性達(dá)到中等程度相關(guān)(為0.71),而打擊質(zhì)譜圖數(shù)(MASS)與PM2.5質(zhì)量濃度時間變化趨勢一致性較差,這說明SPAMS小時測徑顆粒數(shù)具有表征環(huán)境顆粒物污染水平的能力[8,25].利用質(zhì)量濃度轉(zhuǎn)化方法對監(jiān)測期間SPAMS監(jiān)測數(shù)據(jù)進(jìn)行質(zhì)量濃度轉(zhuǎn)化后得到的質(zhì)量濃度結(jié)果如圖3所示,其時間變化趨勢與實(shí)測PM2.5質(zhì)量濃度較為一致,線性相關(guān)性達(dá)到中等程度相關(guān)(為0.58).以上結(jié)果說明監(jiān)測期間SPAMS設(shè)備監(jiān)測數(shù)據(jù)進(jìn)行質(zhì)量濃度轉(zhuǎn)化后一定程度上可以反映大氣細(xì)顆粒物的污染狀況.

圖3 監(jiān)測期間SPAMS監(jiān)測數(shù)據(jù)與實(shí)測PM2.5時間變化趨勢一致性分析

2.2 PM2.5來源解析

2.2.1 顆粒物聚類分析 使用ART-2a算法對監(jiān)測期間打擊顆粒質(zhì)譜進(jìn)行聚類,再通過人工識別各類別平均譜圖中的特征峰對應(yīng)的化學(xué)組分類型來對顆粒類別進(jìn)行合并,最終獲得8個主要顆粒類型:元素碳(EC)、有機(jī)碳(OC)、混合碳(OCEC)、富鉀/左旋葡聚糖/二次顆粒(富含K、左旋葡聚糖levoglucosan、SO42-、NO3-等成分的顆粒)、礦物質(zhì)顆粒(富含Al、Ca、Fe、Ti、Si等成分的顆粒)、礦物質(zhì)+EC(顆粒物上同時含有礦物質(zhì)成和EC成分的顆粒)、重金屬顆粒(富含Zn、Cu、Pb、Hg等成分的顆粒)和其他有機(jī)物顆粒(含有多環(huán)芳烴PAH或者有機(jī)胺amine的顆粒),它們占顆粒總數(shù)的95%以上.如圖4(a)所示,EC顆粒個數(shù)占比最高達(dá)到51%,其次OC、富鉀/左旋葡聚糖/二次顆粒、礦物質(zhì)顆粒和OCEC顆粒占比分別為16%、9%、9%和6%.與曲周[26]、石家莊[27]、太原[28]、鶴山[29]和南寧等[12]市的分析結(jié)果進(jìn)行對比發(fā)現(xiàn),本文EC顆粒占比水平較高,與曲周較為相近,與鶴山市細(xì)顆粒物污染過程的分析結(jié)果較為相近,而高于南寧市、石家莊市和太原市,顆粒物類型構(gòu)成占比的差異與研究區(qū)域污染源構(gòu)成、顆粒物污染水平有關(guān).使用質(zhì)量濃度轉(zhuǎn)換方法對各顆粒類型數(shù)濃度結(jié)果進(jìn)行質(zhì)量濃度轉(zhuǎn)化,結(jié)果如圖4(b)所示.經(jīng)過對比個數(shù)占比和質(zhì)量濃度占比結(jié)果可知,礦物質(zhì)顆粒個數(shù)雖然占比較低(9%),但是如圖5所示礦物質(zhì)顆粒的含量主要集中在1.0～2.0μm粒徑范圍內(nèi),其分布粒徑段明顯比其他顆粒類型更大,因此其質(zhì)量濃度占比明顯提高(17%);EC顆粒代表著含有EC和無機(jī)水溶性離子的顆粒類型,圖5顯示,其粒徑分布范圍較廣,因此其數(shù)濃度占比(51%)和質(zhì)量濃度占比(53%)無明顯差異.OC顆粒和富鉀/左旋葡聚糖/二次顆粒由于主要分布在小粒徑范圍內(nèi)(0.2～0.5μm),因此質(zhì)量濃度占比明顯低于數(shù)濃度占比.這也充分說明了以個數(shù)為單位的結(jié)果與以質(zhì)量濃度為單位的結(jié)果有顯著差異.

圖5 各主要顆粒類別個數(shù)及個數(shù)占比的粒徑分布

為了進(jìn)一步獲得監(jiān)測期間顆粒物化學(xué)組成特征的數(shù)據(jù),將上述8個顆粒類型進(jìn)一步按照化學(xué)物種進(jìn)行分類,分類過程中主要反映質(zhì)譜中常見特征峰對應(yīng)的化學(xué)組分[5],例如Li、Na、Mg、Al、K、Ca、Fe、Mn、Ti、Si等礦物質(zhì)組分,V、Zn、Cu、Cr、Hg和Pb等重金屬組分,EC、OC、PAH和levoglucosan(簡稱Lev)等含元素碳和有機(jī)碳或者有機(jī)示蹤組分,以及Cl-、NO3-、SO42-等負(fù)質(zhì)譜中常見水溶性離子組分.最終得到53個化學(xué)組成特征不同的細(xì)分組分類型(簡稱組分類),劃分的組分類不僅可以反映顆粒物的主要化學(xué)組成,也可以直觀反映顆粒物上主要化學(xué)組分的混合狀態(tài)[26,30].但是,聚類分析過程中容易忽視掉一些峰面積較低但具有關(guān)鍵標(biāo)識作用的特征峰,因此通過查找特征峰的辦法進(jìn)一步定量了含有Cl、Cr、Mn、Ca、Si、K2SO4和Ba等組分特征峰的顆粒的質(zhì)量濃度(為與聚類獲得顆粒類型區(qū)別開,這些顆粒命名后面加上-tr后綴,例如Cl-tr),其中K2SO4是生物質(zhì)燃燒排放顆粒含有的重要的K團(tuán)簇峰[30-31],Ba是煙花燃放排放顆粒含有的重要組分[32].

表1 聚類后53個組分類及8個主要類型之間的對應(yīng)關(guān)系

2.2.2 ArtPMF模型計算 將上述53個組分類質(zhì)量濃度以及含關(guān)鍵特征峰顆粒的質(zhì)量濃度數(shù)據(jù)整理成輸入數(shù)據(jù)集,納入PMF模型進(jìn)行分析,通過反復(fù)嘗試因子數(shù)為5～12個,并比對模型診斷指標(biāo)和結(jié)果,最終取10個因子的解析結(jié)果進(jìn)行分析,所獲得的因子譜如圖6所示.因子1的成分譜中K_EC_NO3、KEC_Sec、K_Lev_NO3、K_Lev_SO4、K_Lev_Sec、K_OC_Lev_SO4、OC_SO4以及K2SO4-tr等顆粒類型的含量較高,生物質(zhì)燃燒源成分譜的研究結(jié)論表明K和Lev是關(guān)鍵示蹤物種[30],且生物質(zhì)燃燒顆粒質(zhì)譜中往往含有K2SO4(/+213)和SO42-(/-97)特征峰[31].因此,該因子被識別為生物質(zhì)燃燒源;因子2的成分譜中Ca_NO3_SiO3、FeMn、Fe_SiO3、Na_K_Fe_SiO3、Ca-tr和Si-tr等礦物質(zhì)顆粒類型含量較高,因此該因子被識別為揚(yáng)塵源[25,33-34];因子3的成分譜中EC_SO4、EC_Sec、HEC、HEC_SO4、和HEC_Sec等碳質(zhì)顆粒類型含量較高,這些顆粒類型上EC與SO42-內(nèi)混,與燃煤源尤其是散煤燃燒源排放特征相一致,因此被識別為燃煤源[9,13,35-38];因子4的成分譜中Al_NO3、Ba-tr等顆粒類型含量較高,此外碳質(zhì)顆粒如EC_NO3、EC_Sec和K_EC_NO3在因子譜中含量也不容忽視.黑火藥和焰色金屬是煙花爆竹的主要成分,因此其燃燒后排放顆粒可能會含有碳質(zhì)顆粒以及重金屬顆粒[32],因此該因子被識別為煙花燃放源;因子5的成分譜中Na_K_ OCEC_Sec、OCEC_SO4、OCEC_Sec、OC_SO4、OC_SO4和PAH等顆粒含量較高.環(huán)境大氣中有機(jī)顆粒物可能來源于交通源、餐飲源、生物質(zhì)燃燒源、固體燃料燃燒源以及工業(yè)源的排放[38-39],顆粒物上PAH是煤、石油、木材、可燃?xì)怏w等在不完全燃燒或在高溫處理條件下所產(chǎn)生的一類有害物質(zhì),通常存在于石化產(chǎn)品、橡膠、塑膠、潤滑油和不完全燃燒的有機(jī)化合物中,也常來源于工廠廢氣排放.其具有半揮發(fā)性,容易吸附在大氣顆粒物上.因子5包含顆粒類型的主要化學(xué)組成為OC和SO42-,并且部分顆粒類型還含有PAH成分,因此推測該因子可能對應(yīng)工藝過程源,監(jiān)測點(diǎn)位周邊分布多家機(jī)械加工企業(yè)和建材企業(yè)可能會對監(jiān)測點(diǎn)位顆粒物污染造成明顯影響;因子6的成分譜中EC_NO3、EC_Sec、K_EC_NO3、K_EC_Sec、K_OC_Sec和Na_K_EC_ NO3顆粒類型的含量較高,OCEC與二次組分充分內(nèi)混的顆?？赡軄碓从诙紊蛇^程或者燃煤源排放,該因子與因子7在成分組成上有明顯區(qū)別,因此被識別為燃煤源[9,40].因子6與因子3的因子譜有明顯差異,可能代表不同類型燃煤子源類的排放,因此后續(xù)將因子6與因子3合并為燃煤源;因子7成分譜中EC_NO3、Fe_NO3、HEC_NO3、K_EC_NO3等富含NO3-和SO42-等二次無機(jī)離子組分特征峰的顆粒類型含量較高[10,26,41],因此該因子可能代表二次生成顆粒物,因此被識別為二次源;因子8成分譜中V、Cr-tr、Mn-tr、Ca_NO3_SiO3、Ca-tr顆粒類型含量較高,可能來源于工藝過程源排放[42];因子9成分譜中Cu_NO3、K_OC_Lev_Sec、K_OC_NO3、OC_NO3和OC_Sec顆粒類型的含量較高,可能來源于工藝過程源排放.因子5、8和9可能來源于不同類型的工藝過程源排放,因此合并為工業(yè)源;因子10成分譜中EC和HEC的含量較高,此外EC_NO3、HEC_NO3、HEC_Sec等元素碳顆粒類型含量也較高.機(jī)動車尾氣源、燃煤源和生物質(zhì)燃燒源均會排放元素碳顆粒,但是機(jī)動車尾氣源排放元素碳顆粒質(zhì)譜中二次組分(NO3-和SO42-)和鉀的特征峰強(qiáng)度較低[18,43-44],與燃煤源和生物質(zhì)燃燒源有顯著區(qū)別,因此該因子被識別為機(jī)動車尾氣源.

如圖7,監(jiān)測期間顆粒物主要污染源貢獻(xiàn)按照由高到低排序結(jié)果為:二次源(23%)>工業(yè)源(22%)>機(jī)動車尾氣源(20%)>燃煤源(12%)>揚(yáng)塵源(10%)>生物質(zhì)燃燒源(6%)=煙花燃放源(6%).

圖6 PMF解析因子譜

圖7 污染源平均貢獻(xiàn)

2.2.3 源解析結(jié)果分析 為了驗證源解析結(jié)果的合理性,本文結(jié)合監(jiān)測期間的風(fēng)速風(fēng)向數(shù)據(jù)以及氣態(tài)污染物實(shí)測數(shù)據(jù)對源解析結(jié)果進(jìn)行評估.如圖2所示,2月19～23日期間SO2濃度水平較高,源解析結(jié)果顯示生物質(zhì)燃燒源和燃煤源是PM2.5的主要來源.結(jié)合風(fēng)速風(fēng)向數(shù)據(jù)繪制了污染物濃度及各污染源類貢獻(xiàn)的風(fēng)玫瑰圖,如圖8所示,燃煤源、生物質(zhì)燃燒源貢獻(xiàn)高值方位與SO2濃度高值方位分布較為一致,均出現(xiàn)在西北、北、東北、東和東南方位上.結(jié)合工業(yè)企業(yè)分布示意(圖1)可知,監(jiān)測點(diǎn)位的北、東北、東和東南方位上有工業(yè)鍋爐和燃煤電廠排放,此外監(jiān)測點(diǎn)位西北、東和東南方位有村莊存在居民散燒情況;NO2和CO濃度高值主要出現(xiàn)在西、西北、西南和東北風(fēng)向上,機(jī)動車尾氣源貢獻(xiàn)的風(fēng)玫瑰圖結(jié)果與之較為一致,因此監(jiān)測點(diǎn)位可能受到其西側(cè)市區(qū)和東北方向交通主干道機(jī)動車尾氣源排放影響;工業(yè)源貢獻(xiàn)高值分布方位包括西南、西北和東北,這與圖1所示監(jiān)測點(diǎn)位周邊工業(yè)企業(yè)分布方位較為一致.煙花燃放源貢獻(xiàn)高值出現(xiàn)在監(jiān)測點(diǎn)位東、東南和西側(cè),這說明可能受到西側(cè)市區(qū)以及東和東南側(cè)村莊煙花燃放的影響,并且西側(cè)貢獻(xiàn)水平較低說明春節(jié)期間市區(qū)對于煙花燃放管控較為嚴(yán)格;揚(yáng)塵源貢獻(xiàn)高值主要分布在西北和北風(fēng)向,且西北風(fēng)向下?lián)P塵源貢獻(xiàn)高值出現(xiàn)時風(fēng)速較大,推測受到上風(fēng)向區(qū)域傳輸?shù)挠绊?而北風(fēng)風(fēng)速較低,推測受到監(jiān)測點(diǎn)位周邊道路揚(yáng)塵和施工揚(yáng)塵的影響.

圖8 污染源貢獻(xiàn)風(fēng)玫瑰圖

風(fēng)玫瑰圖中顏色代表污染源貢獻(xiàn)占比和氣態(tài)污染物濃度,顏色越深代表源貢獻(xiàn)占比或污染源濃度水平越高

3 結(jié)論

3.1 本文提出一種新型單顆?？焖僭唇馕鏊惴ā狝rtPMF,將PMF模型和Art-2a聚類算法進(jìn)行耦合,并結(jié)合質(zhì)量濃度轉(zhuǎn)化方法最終實(shí)現(xiàn)對污染源質(zhì)量濃度貢獻(xiàn)的解析.

3.2 利用ArtPMF算法解析淮河平原某城市經(jīng)濟(jì)開發(fā)區(qū)2021年2月19日～3月8日期間的PM2.5的來源.監(jiān)測期間PM2.5的主要來源包括二次源(23%)、工業(yè)源(22%)、機(jī)動車尾氣源(20%)、燃煤源(12%)、揚(yáng)塵源(10%)、生物質(zhì)燃燒源(6%)和煙花燃放源(6%).監(jiān)測點(diǎn)位于國家重要能源城市和工業(yè)城市的經(jīng)濟(jì)開發(fā)區(qū),周邊工業(yè)企業(yè)分布較為密集,因此源解析結(jié)果顯示PM2.5的主要來源是工業(yè)源、機(jī)動車尾氣源和燃煤源.

3.3 燃煤源、生物質(zhì)燃燒源貢獻(xiàn)在西北、北、東北、東和東南風(fēng)向下較高,這與SO2濃度水平的方位分布特征相一致,結(jié)合工業(yè)企業(yè)分布情況推測燃煤源和生物質(zhì)燃燒源可能受到工業(yè)鍋爐、燃煤電廠、居民散燒排放的影響.機(jī)動車尾氣源貢獻(xiàn)在西、西北、西南和東北風(fēng)向下比較高,這與NO2和CO濃度水平的方位分布特征較為一致,監(jiān)測點(diǎn)位受到其西側(cè)市區(qū)和東北方向交通主干道機(jī)動車尾氣源排放的共同影響.工業(yè)源貢獻(xiàn)在西南、西北和東北風(fēng)向下貢獻(xiàn)較高,這與周邊機(jī)械加工企業(yè)、建材企業(yè)的空間分布特征較為一致.煙花燃放源在東、東南和西風(fēng)向下貢獻(xiàn)較高,監(jiān)測點(diǎn)位可能受到西側(cè)市區(qū)以及東和東南側(cè)村莊煙花讓放的影響,并且春節(jié)期間市區(qū)對于煙花燃放管控較為嚴(yán)格所以西風(fēng)下煙花燃放源貢獻(xiàn)水平相對較低;揚(yáng)塵源貢獻(xiàn)高值主要分布在西北風(fēng)和北風(fēng)向上,受到上風(fēng)向西北方位區(qū)域傳輸?shù)挠绊?并且也受到監(jiān)測點(diǎn)位周邊道路揚(yáng)塵和施工揚(yáng)塵的影響.

[1] 高 健,李 慧,史國良,等.顆粒物動態(tài)源解析方法綜述與應(yīng)用展望[J]. 科學(xué)通報, 2016,61(27):3002-3021.

Gao J, Li H, Shi G L, et al. Overview of the development and application of multi-time resolution source apportionment for particulate matters [J]. Chinese Science Bulletin, 2016,61:3002–3021, doi:10.1360/N972016-00363.

[2] 劉佳媛,高 健,張岳翀,等.北京APEC期間不同顆粒物源解析方法的結(jié)果比較[J]. 中國環(huán)境科學(xué), 2020,40(3):938-947.

Liu J Y, Gao J, Zhang Y C, el al. Results comparison of different source apportionment methods during APEC summit in Beijing [J]. China Environmental Science, 2020,40(3):938-947

[3] Yang X, Xiao H, Wu Q, et al. Numerical study of air pollution over a typical basin topography: Source appointment of fine particulate matter during one severe haze in the megacity Xi'an [J]. Science of the Total Environment, 2020,708:135213.

[4] Hao Y, Meng X, Yu X, et al. Quantification of primary and secondary sources to PM2.5using an improved source regional apportionment method in an industrial city, China [J]. Science of the Total Environment, 2020,706:135715.

[5] 蔡 靖,鄭 玫,閆才青,等.單顆粒氣溶膠飛行時間質(zhì)譜儀在細(xì)顆粒物研究中的應(yīng)用和進(jìn)展[J]. 分析化學(xué), 2015,43(5):765-774.

Cai J, Zheng M, Yan C J, et al. Application and progress of single particle aerosol time-of-flight mass spectrometer in fine particulate matter research [J]. Analytical Chemistry, 2015,43(5):765-774.

[6] Chen Y, Liu H, Yang F, et al. Single particle characterization of summertime particles in Xi'an (China) [J]. Science of the Total Environment, 2018,636:1279-1290.

[7] 張軍科,羅 彬,張 巍,等.成都市夏冬季大氣胺顆粒物的單顆粒質(zhì)譜研究[J]. 中國環(huán)境科學(xué), 2019,39(8):3152-3160.

Zhang J K, Luo B, Zhang W, et al. Single-particle characterization of amine-containing particles during summer and winter in Chengdu [J]. China Environmental Science, 2019,39(8):3152-3160.

[8] 于興娜,時 政,馬 佳,等.南京江北新區(qū)大氣單顆粒來源解析及混合狀態(tài)[J]. 環(huán)境科學(xué), 2019,40(4):1521-1528.

Yu X N, Shi Z, Ma J, et al. Source apportionment and mixing state of single particle in Nanjing Jiangbei new area [J]. Environmental Science, 2019,40(4):1521-1528.

[9] Xu J, Wang H, Li X, et al. Refined source apportionment of coal combustion sources by using single particle mass spectrometry [J]. Science of the Total Environment, 2018,627:633-646.

[10] Xu J, Tian Y, Cheng C, et al. Characteristics and source apportionment of ambient single particles in Tianjin, China: The close association between oxalic acid and biomass burning [J]. Atmospheric Research, 2020:104843.

[11] Yang X, Xiao H, Wu Q, et al. Numerical study of air pollution over a typical basin topography: Source appointment of fine particulate matter during one severe haze in the megacity Xi'an [J]. Science of the Total Environment, 2020,708:135213.

[12] 劉慧琳,張達(dá)標(biāo),莫招育,等.南寧市一次污染過程大氣顆粒物理化特性及來源 [J]. 環(huán)境科學(xué), 2017,38(11):4486-4493.

Liu H L, Zhang D B, Mo Z Y, et al. Physicochemical property and sources of atmospheric particulate matter during a pollution process in Nanning [J]. Environmental Science, 2017,38(11):4486-4493.

[13] Healy R M, Hellebust S, Kourtchev I, et al. Source apportionment of PM2.5in Cork Harbour, Ireland using a combination of single particle mass spectrometry and quantitative semi-continuous measurements [J]. Atmospheric Chemistry & Physics, 2010,10(19):9593-9613.

[14] McGuire M L, Jeong C H, Slowik J G, et al. Elucidating determinants of aerosol composition through particle-type-based receptor modeling [J]. Atmospheric Chemistry and Physics, 2011,11(15):8133-8155.

[15] Giorio C, Tapparo A, Dall'Osto M, et al. Comparison of three techniques for analysis of data from an Aerosol Time-of-Flight Mass Spectrometer [J]. Atmospheric Environment, 2012,61(61):316-326.

[16] Giorio C, Tapparo A, Dall’Osto M, et al. Local and regional components of aerosol in a heavily trafficked street canyon in central london derived from PMF and cluster analysis of single-particle ATOFMS spectra [J]. Environmental Science & Technology, 2015, 49(6):3330-3340.

[17] Xu J, Li M, Shi G, et alMass spectra features of biomass burning boiler and coal burning boiler emitted particles by single particle aerosol mass spectrometer [J]. Science of the Total Environment, 2017,598:341.

[18] Moffet R C, Prather K A. In-situ measurements of the mixing state and optical properties of soot with implications for radiative forcing estimates [J]. Proceedings of the National Academy of Sciences, 2009,106(29):11872-11877.

[19] Qin X, Pratt K A, Shields L G, et al. Seasonal comparisons of single-particle chemical mixing state in Riverside, CA [J]. Atmospheric Environment, 2012,59:587-596.

[20] 肖致美,徐 虹,李 鵬,等.京津冀區(qū)域重污染期間PM2.5垂直分布及輸送[J]. 環(huán)境科學(xué), 2019,40(10):4303-4309.

Xiao Z M, Xu H, Li P, et al. Vertical distribution and transport of PM2.5during heavy pollution events in the Jing-Jin-Ji Region [J]. Environmental Science, 2019,40(10):4303-4309.

[21] Peng X, Liu X, Shi X, et al. Source apportionment using receptor model based on aerosol mass spectra and 1h resolution chemical dataset in Tianjin, China [J]. Atmospheric Environment, 2019,198: 387-397.

[22] Song X H, Hopke P K, Fergenson D P, et al. Classification of single particles analyzed by ATOFMS using an artificial neural network, ART-2A [J]. Analytical Chemistry, 1999,71:860-865.

[23] Zhou Y, Huang X H H, Griffith S M, et alA field measurement based scaling approach for quantification of major ions, organic carbon, and elemental carbon using a single particle aerosol mass spectrometer [J]. Atmospheric Environment, 2016,143:300-312.

[24] Paatero P, Tapper U. Positive matrix factorization: a non- negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 1994,5:111–126.

[25] 趙留元,李子璇,呂沛誠,等.基于SPAMS的蘭州市2018年冬季沙塵天氣過程細(xì)顆粒物污染特征及來源研究[J]. 環(huán)境科學(xué)學(xué)報, 2020,40(2):388-400.

Zhao L Y, Li Z X, Lv P C, et al. Pollution characteristics and sources of atmospheric fine particulates during the period of 2018, winter dust weather in Lanzhou City based on SPAMS technology [J]. Acta Scientiae Circumstantiae, 2020,40(2):388-400.

[26] 黃子龍,曾立民,董華斌,等.利用SPAMS研究華北鄉(xiāng)村站點(diǎn)(曲周)夏季大氣單顆粒物老化與混合狀態(tài) [J]. 環(huán)境科學(xué), 2016,37(4):1188- 1198.

Huang Z L, Ceng L M, Dong H B, et al. Analysis of single particle aging and mixing state at an agriculture site (QuZhou) in the North China Plain in summer using a single particle aerosol mass spectrometer [J]. Environmental Science, 2016,37(4):1188-1198.

[27] 周靜博,任毅斌,洪 綱,等.利用spams研究石家莊市冬季連續(xù)灰霾天氣的污染特征及成因 [J]. 環(huán)境科學(xué), 2015,36(11):3972-3980.

Zhou J B, Ren Y B, Hong G, et al. Characteristics and formation mechanism of a multi-day haze in the winter of Shijiazhuang using a single particle aerosol mass spectrometer (SPAMS) [J]. Environmental Science, 2015,36(11):3972-3980.

[28] 曹力媛.基于SPAMS的太原市典型生活區(qū)停暖前后PM2.5來源及組成 [J]. 山西大學(xué)學(xué)報, 2018,40(4):867-872.

Cao L Y. Analysis on the pollution process of fine particulates in typical district of Taiyuan, Shanxi [J]. Journal of Shanxi University, 2018,40(4):867-872.

[29] 張瓊瑋,成春雷,李 梅,等.兩種典型污染時段鶴山市大氣細(xì)顆粒污染特征及來源 [J]. 環(huán)境科學(xué)研究, 2018,31(4):657-668.

Zhang Q W, Cheng C L, Li M, et al. Chemical composition and source Apportionment of single Particles during two typical pollution events in Heshan City [J]. Research of Environmental Sciences, 2018,31(4): 657-668.

[30] 樊澤薇,孔少飛,嚴(yán) 沁,等.室內(nèi)木柴燃燒排放水溶性離子粒徑分布特征[J]. 中國環(huán)境科學(xué), 2021,41(5):2064-2072.

Fan Z W, Kong S F, Yan Q, et al. Size distribution of water-soluble ions in particles emitted from domestic firewood burning [J]. China Environmental Science, 2021,41(5):2064-2072.

[31] Pratt K A, Murphy S M, Subramanian R, et al. Flight-based chemical characterization of biomass burning aerosols within two prescribed burn smoke plumes [J]. Journal of the Physical Society of Japan, 2011,76(12):45-49.

[32] 謝瑞加,侯紅霞,陳永山.煙花爆竹集中燃放的大氣細(xì)顆粒物(PM2.5)成分圖譜 [J]. 環(huán)境科學(xué), 2018,39(4):1484-1492.

Xie R J, Hou H X, Chen Y S. Analysis on the composition of atmospheric fine particles (PM2.5) by the impacts of fireworks [J]. Environmental Science, 2018,39(4):1484-1492.

[33] Gallavardin S, Lohmann U, Cziczo D. Analysis and differentiation of mineral dust by single particle laser mass spectrometry [J]. International Journal of Mass Spectrometry, 2008,274(1-3):56-63.

[34] 王海婷,溫 杰,徐 嬌,等.天津市城市揚(yáng)塵及土壤塵單顆粒質(zhì)譜特征[J]. 環(huán)境科學(xué)研究, 2018,31(5):844-852.

Wang H T, Wen J, Xu J, et al. Characteristics of single urban raised dust and soil dust in Tianjin City [J]. Research of Environmental Sciences, 2018,31(5):844-852.

[35] Chen X, Liu Q, Yuan C, et al. Emission characteristics of fine particulate matter from ultra-low emission power plants [J]. Environmental Pollution, 2019,255:113157.

[36] 楊 柳,何 晴,盛重義.燃煤電廠顆粒物中硫酸根與硝酸根離子的轉(zhuǎn)化規(guī)律[J]. 環(huán)境科學(xué), 2021,42(10):4678-4686.

Yang L, He Q, Sheng Z Y. Conversion characterizations of sulfate ion and nitrate ion in particulate matters from coal-fired power plants [J]. 2021,42(10):4678-4686.

[37] 楊艷蓉,周雪明,秦娟娟,等.燃煤鍋爐顆粒物化學(xué)組成排放特征[J]. 環(huán)境科學(xué), 2019,40(9):3908-3915.

Yang Y R, Zhou X M, Qin J J, et al. Emission characteristics of chemical composition of particulate matter from Coal-fired Boilers [J]. 2019,40(9):3908-3915.

[38] Wang X, Williams B J, Wang X, et al. Characterization of organic aerosol produced during pulverized coal combustion in a drop tube furnace [J]. Atmospheric Chemistry & Physics, 2013,13(21):10919- 10932.

[39] 胡元潔.室內(nèi)外大氣顆粒物和典型有機(jī)污染物的環(huán)境行為及人體呼吸暴露風(fēng)險 [D]. 北京:中國科學(xué)院大學(xué), 2018:1-2.

Hu Y J. Environmental behavior and human inhalation exposure of particles and typical organic contaminants in indoor and outdoor air [D]. Beijing: University of Chinese Academy of Sciences, 2018:1-2.

[40] 徐 嬌,王海婷,馬 咸,等.利用單顆粒氣溶膠質(zhì)譜儀研究燃煤塵質(zhì)譜特征[J]. 環(huán)境科學(xué)學(xué)報, 2019,39(1):25-34.

Xu J, Wang H T, Ma X, et al. Study on mass spectral features of coal combustion emitted particles using single particle mass spectrometer [J]. Acta Scientiae Circumstantiae, 2019,39(1):25-34.

[41] 曹 寧,黃學(xué)敏,祝 穎,等.西安冬季重污染過程PM2.5理化特征及來源解析[J]. 中國環(huán)境科學(xué), 2019,39(1):32-39.

Cao N, Huang X M, Zhu Y,et al. Pollution characteristics and source apportionment of fine particles during a heavy pollution in winter in Xi’an City [J]. China Environmental Science, 2019,39(1):32-39.

[42] 楊燕萍,陳 強(qiáng),王莉娜,等.西北工業(yè)城市冬季PM2.5污染特征及理化性質(zhì)[J]. 環(huán)境科學(xué), 2020,41(12):5267-5275.

Yang Y P, Chen Q, Wang L N,et al. Winter pollution characteristics and physicochemical properties of PM2.5in a Northwest industrial city [J]. Environmental Science, 2020,41(12):5267-5275.

[43] Sodeman D A, Toner S M, Prather K A. Determination of Single Particle Mass Spectral Signatures from Light-Duty Vehicle Emissions [J]. Environmental Science & Technology, 2005,39(12):4569-4580.

[44] Gross D S, Galli M E, Silva P J, et al. Single Particle Characterization of Automobile and Diesel Truck Emissions in the Caldecott Tunnel [J]. Aerosol Science and Technology, 2000,32:152-163

A new particle source apportionment method based on single particle mass spectrometry dataset.

XU Jiao1*ZHANG Deng-yi1, ZHANG Ying-lei1, FENG Yin-chang2

(1.Beijing Capital Air Environmental Science & Technology Co.,Ltd., Beijing 100176, China；2.State Environmental Protection Key laboratory of Urban Ambient Air Particulate Matter Pollution and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China)., 2022,42(2)：575～584

As an important online source apportionment method, apportioning particle matter (PM) sources using single particle mass spectrometry (SPAMS) can’t obtain the source contributions based on mass concentration. To solve this problem, a new online source apportionment method ArtPMF is proposed in this work. PM were collected and analyzed by SPAMS from February to March 2021 in an industrial city in Huaihe plain. The ArtPMF model was employed on the SPAMS dataset to quantify the source contributions to PM2.5. During the observational period, PM2.5was contributed by secondary source, industrial source, vehicle exhaust source, coal combustion, crustal dust, biomass burning, and firework source, with contributions of 23%, 22%, 20%, 12%, 10%, 6%, and 6% respectively. The directional distributions of coal combustion, biomass burning, firework source, industrial source and vehicle exhaust source contribution are consistent with the actual situation of industrial enterprises and functional zoning, conforming that the ArtPMF can provide reliable source apportionment supporting for pollution control.

particle matter；single particle mass spectrometry；ArtPMF model；online source apportionment

X513

A

1000-6923(2022)02-0575-10

徐 嬌(1992-),女,北京人,工程師,博士,主要研究方向為大氣污染防治,顆粒物及臭氧來源解析.發(fā)表論文8篇.

2021-07-13

北京市科技計劃項目(Z191100009119010)

* 責(zé)任作者, 博士, xujiaonku@hotmail.com