北京市大气PM10源解析研究

于2004年在北京市定陵、车公庄、古城、亦庄、房山和奥体中心6个采样点采集大气PM10环境样品,针对北京市颗粒物主要排放源采集土壤尘、建筑水泥尘、燃煤等污染源PM10样品,分别对其中的无机元素、离子、有机碳(OC)和元素碳(EC)进行测定。采用代表北京市颗粒物主要排放源PM10组分特征的成分谱,利用CMB受体模型对PM10来源进行解析。结果表明,PM10的最大来源为土壤尘,其它贡献源类依次为燃煤排放、机动车/燃油排放、二次粒子(SO42-、NO3-和NH4 )、建筑水泥尘。污染源贡献具有明显的季节变化,并存在一定的地域变化。     

宁波和温州地区夏季大气中不同粒径颗粒物特征分析

对宁波地区北仑和奉化站、温州地区乐清站3个监测点夏季TSP、PM10、PM2.5和PM1.0进行监测,测试分析各种粒径颗粒物浓度水平和粒径分布特征,并通过化学质量平衡(CMB)受体模型对颗粒物进行源解析。监测结果显示,夏季宁波、温州地区TSP和PM10日均浓度为0.049～0.134mg/m3和0.025～0.084mg/m3,均未超过我国环境空气质量二级标准;PM2.5日均浓度为0.007～0.069mg/m3,按美国2006年EPA最新标准限值0.035mg/m3衡量,奉化、乐清、北仑站的超标天数占总监测天数的比例分别为75%、40%和37.5%。粒径分布统计结果显示,3个监测站点PM10占TSP的比例为48.78%～86.96%;PM2.5占TSP的比例为33.33%～72.46%;奉化和乐清监测点PM10中PM2.5和PM1.0的比例平均值在50%以上。源解析结果显示,夏季TSP主要来源于土壤尘,其次是建筑尘和煤烟尘,其贡献率分别为40.70%～55.49%、9.62%～13.64%和5.85%～17.28%。     

大气颗粒物中多环芳烃的源解析方法

综述了用于大气颗粒物中多环芳烃（PAHs)源解析的主要定性、定量方法、并对其优缺点作了总结。比值法多用于定性解析,化学质量平衡法（CMB）要求源的成分谱较全面,而多元统计法则要求输入的数据较多。由于缺乏各污染源较完整的PAHs成分谱,且PAHs易发生化学反应,所以CMB法难以广泛推广,而多元统计法对源成分谱,且PAHs易发生化学反应,所以CMB法难以广泛推广,而多元统计不对源成分谱要求低,且不需要考虑PAHs的降解,因而具有推广价值。     

对应分析在大气颗粒物源解析中的应用研究

采用对应分析方法定性研究龙岩市大气颗粒物来源问题。结果表明:龙岩市4个监测点位中龙岩市环境监测站的主要污染源为高岭土矿和土壤风沙尘;龙岩学院与闽西职业技术学院的主要污染源为机动车尾气尘、燃煤尘和土壤风沙尘;龙岩师专的主要污染源为燃煤尘、小煤炉尘、水泥成品、水泥厂除尘器集尘和钢铁厂除尘器集尘。该方法能将R型因子分析和Q型因子分析结合起来,综合体现样品和元素之间的关系,为大气颗粒物源解析提供了一种新的途径。     

大气细颗粒物在线源解析方法研究进展

基于对国内外关于PM2.5化学组分特征、二次气溶胶生成机理、源解析模型的研究综述,引入实现PM2.5在线源解析的2种可能方法,即气溶胶质谱+解析算法与3类化学组分组合观测+受体模型。重点阐述了气溶胶质谱及在线水溶性离子、EC/OC和金属元素仪器的应用研究现状,并分析了不同仪器测定结果的可靠性、优势及缺陷,在此基础上提出加强城市尺度的大气化学二次反应机理及关键技术参数研究、大气颗粒物化学组分连续观测应用于在线源解析的研究、基于多种信息来源和技术手段的在线源解析方法集成研究等建议。     

沈阳市大气中PM2.5来源解析研究

通过2015年在沈阳市采集PM2.5样品及源类样品,分析样品的质量浓度和化学组成,用化学质量平衡(CMB)模型对该市PM2.5来源进行解析。结果表明:沈阳市大气中PM2.5浓度时空变化特征明显;各主要源类对沈阳市PM2.5的分担率依次为煤烟尘(28.03%)、二次无机离子(22.63%)、机动车尾气尘(17.27%)、城市扬尘(13.28%)、建筑尘(5.94%)、土壤风沙尘(5.82%)、道路尘(3.04%)、生物质燃烧尘(2.74%)和冶金尘(1.25%)。燃煤和机动车的有效控制既能降低本类源的贡献,也能降低二次无机离子,体现了多源类综合治理原则。     

改进二重源解析技术应用中需注意的几个重要问题

对改进二重源解析技术的计算步骤进行了介绍,并对计算中需要注意的几个主要问题进行了阐述,其中包括成分谱的建立、解析参数的范围以及独立源的选取原则。     

BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

南京市城区环境空气中总悬浮颗粒物的源解析

应用受体模式的化学质量平衡法（ＣＭＢ）,对南京市城区７个环境监测点环境空气中的总悬浮颗粒物（ＴＳＰ）进行污染源的源解析,得出４类主要污染源对ＴＳＰ的平均贡献率,建筑尘３９．８％、煤烟尘２５．７％,土壤尘１９．２％,冶炼尘１．８％,同时,对该市城区的地面尘也进行了源解析,表明地面尘与环境中ＴＳＰ的构成相近。     

因子分析法解析北京市大气颗粒物PM10的来源

2004年10月份在北京市6个采样点采集了大气PM10样品,分析了大气颗粒物的质量浓度、元素组成、离子、有机碳(OC)和元素碳(EC)的浓度,并用因子分析模型对颗粒物的来源进行了研究。结果显示,北京市大气颗粒物的来源主要有6类:建筑水泥尘/机动车尾气尘/燃煤尘、土壤风沙尘、二次粒子尘、工业粉尘、生物质燃烧尘和燃油尘。用模型计算得到的各源对PM10的贡献率分别为建筑水泥尘/机动车尾气尘/燃煤尘占36.57%、土壤风沙尘占16.07%、二次粒子尘占12.33%、工业粉尘占10.29%、生物质燃烧尘占6.07%、燃油尘占3.84%、其它占14.84%。其中建筑水泥/机动车尾气尘/燃煤尘、土壤风沙尘、二次粒子尘、工业粉尘是大气颗粒物PM10的主要来源。实验表明,在缺少源成分谱时可以用因子分析模型来分析大气颗粒物的来源及其相对贡献。     

机动车排放颗粒物成分谱对比研究

对深圳、无锡、济南和美国EPA建立的机动车排放颗粒物成分谱进行对比研究,建立的成分谱中各组分含量存在较大差别原因为使用了不同的采样方法。     

2017年江苏省PM2.5数值模拟及内外源解析

根据江苏省72个国控点监测数据,采用了区域大气模式和多尺度空气质量模式系统(RAMS-CMAQ)模拟了2017年江苏省ρ(PM_2.5)的时空分布,耦合综合源追踪算法(ISAM)分析了不同地区排放源对ρ(PM_2.5)的贡献特征。结果表明,PM_2.5模拟与观测值的相关系数(r)=0.76,标准平均偏差(NMB)=5.2%,均方根误差(RMSE)=23.4μg/m₃,模拟结果落于观测结果0.5~2倍的比例(FAC2)=84.2%。源追踪模块结果显示,夏季主要受东南风控制,本地排放的贡献更大(省内贡献为52.34%),其他季节受偏北风输送影响,外源输送的影响较大(省外贡献为53.48%~56.84%);冬季苏北5市的排放贡献比沿江8市的更大,而春、夏季沿江8市排放贡献较大。     

南京市大气VOCs污染特征及来源解析

利用南京市2022年挥发性有机物（VOCs）在线监测数据,对VOCs污染特征、来源及对臭氧的影响进行了分析研究。结果表明：2022年南京市φ（TVOCs）年均值为25.1×10^-9,其中各组分占比为烷烃＞含氧挥发性有机物（OVOCs）＞氯代烃＞烯烃＞芳香烃＞炔烃。TVOCs及烷烃、烯烃和芳香烃的体积分数季节变化表现为冬季＞秋季＞春季＞夏季,φ（OVOCs）季节变化表现为夏季＞秋季＞春季＞冬季。烷烃、烯烃和炔烃日变化呈“双峰型”特征,芳香烃和氯代烃为“单峰型”。臭氧生成潜势（OFP）贡献总体表现为OVOCs＞烯烃＞芳香烃＞烷烃＞氯代烃＞炔烃,但冬季烯烃的贡献率最高。南京市臭氧生成的关键VOCs物种为乙醛、乙烯、丙烯、间/对-二甲苯和甲苯。正交矩阵因子分解结果显示,机动车尾气、生物质燃烧和工业生产是南京VOCs的主要来源;对南京臭氧生成贡献最大的VOCs来源为溶剂涂料使用和石化行业。     

春季广州城区空气中VOCs来源解析

2013年4月在广州市区对大气中挥发性有机化合物(VOCs)进行了观测,对其变化特征和来源进行了分析。结果表明,观测期间测得的VOC总平均混合比为41.35×10~(-9),表现为烷烃芳香烃烯烃炔烃;利用PMF解析出观测时段内影响广州市区的9个VOCs主要来源,各源占比情况依次为:LPG排放老化VOC汽油挥发石化、未知源汽油车排放油漆溶剂柴油车排放天然源;与机动车相关和工业相关的来源分别占到了大气VOCs的46.8%和21.0%。     

土壤污染物源解析技术研究进展

简述了土壤污染物源解析技术的发展历程及土壤污染物的主要类型与来源。指出,定性源识别技术主要包括特征比值法、多元统计法、空间分析法等;定量源解析技术主要包括源清单法、扩散模型法、化学质量平衡模型法、正定矩阵因子分解法、UNMIX模型法、同位素法等。重点总结了这些技术方法的原理及其在应用上的优势与局限。从解析对象、解析方法和软件开发角度,提出了土壤污染物源解析技术的未来发展方向。     

青岛市PM2.5化学组分特征及综合来源解析

为明确青岛市环境受体中PM_(2.5)的化学组分特征及来源,该研究于2016年在青岛市7个点位采集了PM_(2.5)样品,分析了PM_(2.5)中的无机元素、水溶性离子、碳等组分的质量浓度,采用CMB模型估算法,估算了青岛市的一次源类、二次源类对PM_(2.5)的贡献,并结合排放源清单及系数分配得到综合的PM_(2.5)源解析结果。结果表明:青岛市环境受体中PM_(2.5)平均质量浓度为62μg/m~3。PM_(2.5)中占比较高的组分是OC(16.44%)、SO_4~(2-)(15.07%)、NO_3~-(11.27%)、NH_4~+(8.86%)和EC(5.21%)。OC/EC的年平均值为3.62,说明存在二次有机气溶胶污染;SO2-4/NO-3的年平均值为2.71,夏季明显高于其他季节。冬季重污染过程中主要离子呈现出累积的现象。夏季二次硫酸盐的贡献上升为第一位(24.7%);机动车尘四季的贡献均较高(17.5%~20.5%),燃煤在冬季(15.1%)、秋季(13.3%)贡献高,扬尘在春季(16.5%)、冬季(15.6%)贡献高。     

Receptor modeling for source apportionment of polycyclic aromatic hydrocarbons in urban atmosphere

This study reports source apportionment of polycyclic aromatic hydrocarbons (PAHs) in particulate depositions on vegetation foliages near highway in the urban environment of Lucknow city (India) using the principal components analysis/absolute principal components scores (PCA/APCS) receptor modeling approach. The multivariate method enables identification of major PAHs sources along with their quantitative contributions with respect to individual PAH. The PCA identified three major sources of PAHs viz. combustion, vehicular emissions, and diesel based activities. The PCA/APCS receptor modeling approach revealed that the combustion sources (natural gas, wood, coal/coke, biomass) contributed 19–97% of various PAHs, vehicular emissions 0–70%, diesel based sources 0–81% and other miscellaneous sources 0–20% of different PAHs. The contributions of major pyrolytic and petrogenic sources to the total PAHs were 56 and 42%, respectively. Further, the combustion related sources contribute major fraction of the carcinogenic PAHs in the study area. High correlation coefficient (R ² > 0.75 for most PAHs) between the measured and predicted concentrations of PAHs suggests for the applicability of the PCA/APCS receptor modeling approach for estimation of source contribution to the PAHs in particulates.