安徽寿县黑碳气溶胶浓度观测分析研究

为了研究中国东部典型乡村黑碳气溶胶浓度变化特征,利用2015年11月—2018年11月安徽寿县国家观象台污染物浓度及常规气象观测数据对该地区黑碳气溶胶浓度变化特征及其影响因子进行讨论.结果表明,3年间寿县黑碳气溶胶年平均浓度逐年递减,分别为2.84、2.10和1.31μg·m~(-3).季节变化特征显示,该地区冬季观测结果最高,为3.95μg·m~(-3),是夏季的2.9倍.日变化特征显示,日最大浓度值在春、夏、秋三季通常出现在6:00—10:00,而冬季则出现在20:00.从观测结果的日变化幅度来看,冬季的日变化幅度最大,日较差为1.53μg·m~(-3),春、夏两季次之,秋季最小,为0.48μg·m~(-3).由于人为活动影响小,寿县地区黑碳气溶胶的周末效应不明显.此外,统计结果表明,风向风速对该地黑碳气溶胶浓度的影响最大,西北风天气条件下观测结果通常较高,而其余气象因子的影响相对较小.     

乌鲁木齐河源区黑碳气溶胶浓度特征及其来源分析

利用七波段黑碳仪对2016年8月—2017年7月乌鲁木齐河源区大气中黑碳气溶胶进行了实时监测,并结合同时期气象资料对该区域黑碳气溶胶浓度变化特征、影响因子和可能来源进行了分析.结果表明,观测期间乌鲁木齐河源区黑碳浓度在102～1525 ng·m~(-3)之间变化,均值为520 ng·m~(-3).春季、夏季、秋季和冬季的浓度分别为425、536、686和427 ng·m~(-3),呈秋季最高,夏季次之,冬、春季低的季节变化特点.日内变化具有明显的双峰双谷特征,在当地时间8:00—9:00(与北京时间的时差为2小时,即为北京时间10:00—11:00,下同)和16:00—19:00有两个明显的峰值,可能与当地的排放和气象因素有关.乌鲁木齐河源区黑碳的本底浓度在春季、夏季和秋季分别为253、271和290 ng·m~(-3),而冬季黑碳的本底浓度仅为162 ng·m~(-3).与其他偏远地区相比,乌鲁木齐河源区因受较多排放源影响,黑碳浓度本底值较高.黑碳气溶胶浓度与气象因素相关性显著,当风速小于2 m·s~(-1)时,黑碳的平均浓度明显偏高,当相对湿度大于55%时,黑碳浓度明显偏低.由浓度权重轨迹分析和波长吸收指数(AAE)可知,乌鲁木齐河源区的黑碳浓度,除了受本地化石燃料燃烧和生物质燃烧排放的影响以外,还可能受到中亚地区远距离传输的影响.     

太行山两侧污染物传输对横谷城市气溶胶的影响分析

利用2017~2019年太行山横谷城市阳泉PM₁₀和PM_2.5逐时浓度资料和对应时刻风速风向数据,结合HYSPLIT后向轨迹模型通过聚类分析、潜在源贡献因子和浓度权重轨迹方法分析了横谷城市气流输送特征及对阳泉市气溶胶的影响,并进一步探讨了太行山两侧大气污染物的交换特征.阳泉市气溶胶日变化为单峰单谷型,冬季最高值出现在10：00~11：00,其他季节多在09：00,最小值均在15：00~16：00;月际变化呈1月最高、8月最低.受横谷地形影响,地面风向以偏东风和偏西风频率最高;除小风天气外,春秋季偏西风引起的沙尘天气和冬季偏东风输送也会引起阳泉气溶胶浓度升高;后向轨迹结合污染特征显示,各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%,主要分布在阳泉的西南和东南区域,冬季在东北区域也有分布;山脉两侧均存在显著的细颗粒物传输,而起源或途经太行山西侧的轨迹粗颗粒物输送亦相对较多;污染轨迹中偏西气流输送对PM₁₀超标率影响更大,偏东气流则主要影响PM_2.5的超标率.不同季节阳泉市气溶胶主要污染潜在源区存在差异,春季为西南和东南两区域;秋季为西南及偏南区域,冬季主要位于偏南和偏东方向区域,山西东南部及与河南北部交界区域是主要的污染贡献源区,太行山两侧通过井陉通道进行大气污染物的相互传输过程显著,其中东向西的PM_2.5传输影响更显著.     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

南京北郊黑碳气溶胶污染特征及影响因素分析

利用2015年1~10月黑碳小时平均质量浓度、PM2.5浓度、污染气体及常规气象观测资料,对南京北郊黑碳气溶胶的时间序列演变特征、污染特征及其影响因子进行了分析.结果表明,观测期间南京北郊黑碳浓度均值为(2 524±1 754)ng·m~(-3).黑碳浓度具有明显的季节变化,冬季最高,平均值达到(3 468±2 455)ng·m~(-3),春季平均值最低,为(2 142±1 240)ng·m~(-3);其日变化也具有明显的双峰结构,峰值出现在上午07:00~08:00和夜间21:00~22:00.黑碳气溶胶与NOx的相关性较好,说明黑碳浓度受机动车尾气排放的影响较大;但观测期间ΔBC/ΔCO比值较低,表明生物质燃烧可能是黑碳气溶胶的又一个重要来源.黑碳浓度随风速增加呈下降趋势,所有季节中小于2 000 ng·m~(-3)的低黑碳浓度主要集中在正西风及相邻风向上,秋冬季大于6 000 ng·m~(-3)的高黑碳浓度则多出现在偏东风下.灰霾和重度霾天气下的黑碳浓度平均值呈较高水平,是非霾天气下的2~2.3倍.     

北京山谷风环流特征分析及其对PM2.5浓度的影响

利用北京地区2013~2015年秋冬季各自动站气象要素数据、大气所铁塔资料以及海淀气象站风廓线数据和该地区PM2.5浓度数据,挑选典型个例分析山谷风环流特征及其对PM2.5浓度的影响.经过分析发现,谷风(山风)平均风速为0.55m·s~(-1)(0.31 m·s~(-1)).秋季(冬季)谷风平均持续时间为9h(6h),秋季(冬季)谷风开始时刻为11:00(13:00);秋季(冬季)山风持续时间为13 h(16 h),秋季(冬季)山风开始时刻为21:00(20:00);受北京地区地形等的影响,山谷风转化的风向分界线为东北-西南向,秋季山风前沿压到南二环,冬季山风前沿压到南三环;山、谷风在形成及发展变化的过程中,其厚度有着明显的变化,谷风(山风)秋冬季的平均厚度为700~1 000 m(300~600 m);无论是秋季还是冬季,一天中平均PM2.5浓度开始上升的时刻南部早于北部,秋季PM2.5浓度开始上升的时刻要早于冬季,而开始下降的时刻秋季会晚于冬季.北京地区秋(冬)季空气污染南北差异较大的过渡区处于南二环(南三环),并会随着时间的推移向南移动.秋(冬)季该现象的持续时间为4 h(2h).并且,在研究中发现,PM2.5与山谷风之间可能存在着一定的正负反馈作用.     

西安泾河夏季黑碳气溶胶及其吸收特性的观测研究

为研究西安泾河夏季黑碳气溶胶及其吸收特性,利用2011年夏季西安远郊泾河大气成分站观测的黑碳气溶胶浓度、颗粒物质量浓度、探空资料、地面气象资料,计算边界层顶高度、气溶胶吸收系数、大气消光系数,导出单次散射反照率,并对其进行分析讨论.结果表明:西安夏季黑碳气溶胶浓度为6.07μg/m3;黑碳气溶胶占颗粒物质量浓度PM1.0比值为21.9%,黑碳气溶胶与颗粒物质量浓度PM1.0、PM2.5、PM10相关系数分别为0.69、0.85、0.91;黑碳气溶胶浓度受城市边界层顶高度影响,风向、风速对泾河黑碳气溶胶的堆积输送有不同作用;气溶胶吸收系数和大气消光系数日变化显著,气溶胶吸收系数占大气消光系数比值范围在12%~30%;季单次散射反照率平均值为0.76,变化范围在0.70~0.84.     

苏州地区黑碳气溶胶季节变化研究

通过对2011年7月至2012年4月苏州地区黑碳气溶胶浓度的季节变化与气象条件的关系进行分析研究,主要得出以下结论:水平风场、大气环流形势决定黑碳扩散条件;秸秆焚烧是秋季黑碳浓度增加的主要来源;降水是导致冬季黑碳浓度偏低的主要原因。     

成都西南城郊黑碳和PM2.5 浓度变化特征及其影响因子

四川盆地是我国灰霾和大气污染易发和频发区之一,目前关于本地区黑碳气溶胶（black carbon,BC）的相关研究较少。利用2017年11月—2018年12月成都西南城郊地区黑碳气溶胶以及PM_2.5观测资料,结合气象资料和其他污染物浓度资料,分析BC和PM_2.5浓度,BC浓度在PM_2.5浓度中所占比例（黑碳占比）的季节、月、日变化特征及其影响因子。结果表明：（1）BC逐小时浓度范围为0.18—40.51 μg?m^?3,平均值为(5.26±4.68) μg?m^?3,本底浓度为3.34 μg?m^?3。PM_2.5逐小时浓度范围为1.00—344.50 μg?m^?3,平均值为(60.02±46.91) μg?m^?3,本底浓度为33.38 μg?m^?3。日变化均呈“白天低,早晨、夜间高”的变化特征,其中冬季浓度最高,春、秋季次之,夏季浓度最低。（2）黑碳占比均值为9.16%±5.13%,白天黑碳占比低,夜间黑碳占比高,且夏季最高,冬季最低。随着空气污染加重,冬季占比缓慢增加,其他三季占比减小。（3）BC与NO₂和CO相关性较好,表明西南城郊BC排放主要受机动车尾气、生物质燃烧影响。BC和SO₂相关系数偏小,燃煤等工业源排放对西南城郊BC的贡献较小。（4）风速、温度和湿度与BC浓度均有很好的相关性,其中风速对BC浓度的影响最大,当风速小于2.0 m?s^?1时,BC浓度值明显偏高;BC浓度大于20.00 μg?m^?3的高值区主要集中在西北、西南以及东北风向上,即：偏东北方向市中心大气中的污染物,以及西南方向远郊地区的污染物可能对西南城郊高浓度黑碳的贡献更大。     

天津夏季黑碳气溶胶及其吸收特性的观测研究

利用天津城市边界层观测站2010年8月12日~9月18日期间的黑碳、污染物和气象梯度观测数据,分析天津市夏季黑碳气溶胶浓度的变化特征及其影响因子.结果表明, 观测期间,黑碳气溶胶浓度均值为6.309mg/m3,占PM10质量浓度的4.17%,其吸收消光占气溶胶总体消光的10.23%.受人类活动和边界层结构影响,黑碳气溶胶浓度日变化呈双峰型,7:00达到峰值,14:00~16:00最小,20:00达到次高峰.黑碳气溶胶浓度随风速增加呈下降趋势,当风速超过4m/s时,浓度一般低于5mg/m3,西风及西北风对天津城区黑碳气溶胶输送作用明显,其出现大于10mg/m3的高黑碳气溶胶事件概率为18.07%;逆温和大气稳定易造成黑碳气溶胶在近地层的堆积,形成高污染事件.     

南京市黑碳气溶胶时间演变特征及其主要影响因素

为了研究南京市黑碳（black carbon,BC）气溶胶的时间演变特征及其主要影响因素,使用多波长Aethalometer（AE-33）每个季节选取典型月份观测了BC质量浓度,结合大气污染物数据、气象要素和边界层探测数据,分析了BC的季节变化、日变化、周末效应和来源特征.结果表明,南京的BC浓度具有明显的季节变化,春季[（3351±919）ng·m^-3] > 冬季[（3234±2102）ng·m^-3] > 秋季[（3064±967）ng·m^-3] > 夏季[（2632±1705）ng·m^-3].4个季节BC日变化均为双峰型分布,峰值分别位于06：00~08：00和21：00~23：00.BC不同季节的早晚高峰分布特征不同.早高峰春季BC浓度最高,晚高峰冬季浓度最高.冬季早高峰出现时间要比其他季节滞后2 h,而夏季晚高峰时间反而比其他季节提前2 h.风速对BC日变化季节分布差异的影响远大于相对湿度（relative humidity,RH）.逆温层结对大气污染物浓度的影响机制比较复杂,在不同季节中逆温的高度、厚度和逆温强度对污染物的影响机制不同.BC不同季节的周末效应不同,风速对BC周末效应的影响较小,逆温层结差异是造成BC周末效应的主要原因.南京地区液体燃料燃烧对BC的贡献较大,固体燃烧对BC贡献较小.     

兰州市PM2.5中多环芳烃的污染特征和来源解析

为了明确兰州市PM_2.5中16种多环芳烃（PAHs）的污染特征和来源,采集了兰州市4个季节的PM_2.5样品,运用气相色谱-质谱联用仪（GC-MS）对PAHs的浓度进行了分析,利用正定矩因子分解法（PMF）、聚类分析和潜在源因子分析法（PSCF）对PAHs的来源进行解析.结果表明,兰州市PM_2.5中ρ（PAHs）均值为：冬季［（118±16.2） ng·m^-3］>秋季［（50.8±21.6） ng·m^-3］>春季［（22.2±8.87） ng·m^-3］>夏季［（4.65±1.32） ng·m^-3］.相关性分析表明,兰州市PM_2.5和TPAHs均与温度呈现极显著的负相关性,与气压呈现极显著的正相关性,与风向、风速和相对湿度的相关性较差.各环PAHs在4个季节的占比相似,其中4环和5环的PAHs占比为最大,其次为6环和2~3环.兰州市PM_2.5中PAHs的主要来源在春夏季为工业排放和生物质及天然气燃烧,秋季工业排放占主导地位,冬季主要为燃煤排放,交通排放在4个季节的贡献比较稳定.聚类分析和PSCF计算结果表明,来自蒙古国、新疆东北部和青海等地的气流对兰州市环境空气质量有重要的影响.     

北京地区偏南风和偏东风条件下污染特征差异

为探究污染的控制风向特征差异及其长期演变趋势,对2014~2019年北京地区逐小时气象要素和PM_2.5浓度统计分析.结果表明,研究时段内北京地区67%的污染发生在偏南风和偏东风的控制下,且冬季最易出现污染,其次为春季和秋季,各自对应的冬、春、秋和夏季平均污染概率为45.2%、34.1%、32.1%和26.1%及47.0%、45.8%、39.7%和29.6%.北京偏南风频率更高,但偏东风下污染概率更大,污染差异在春季最明显11.7%（2.8%~18.6%）,冬季最小1.8%（-7.6%~13.9%）.过去6 a,偏南风和偏东风下的污染概率分别以每年4.6%~8.0%和5.5%~7.9%的速度降低,很大程度体现在中度及以上程度污染占比的减少.偏南风下污染发生时,能见度和混合层高度偏高、风速偏大、小时风速≥3 m ·s^-1的时次偏多、相对湿度和露点温度偏低,春季、夏季和秋季的PM_2.5平均、峰值和75%百分位浓度显著低于偏东风控制下的污染,而冬季PM_2.5浓度则偏高.这表明,污染发生时,偏南风下大气对污染物的承载和扩散能力略好于偏东风,且偏东风下大气含水量的增加有利于污染的维持和加重.而冬季,原有排放加上城市供暖的影响,偏南风输送的污染气团可能更有助于PM_2.5浓度的升高.此外,春季、夏季和秋季的污染逐渐向"偏东风型"发展,但冬季一直保持"偏南风型"污染.     

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

银川地区大气颗粒物输送路径及潜在源区分析

利用Traj Stat软件和全球资料同化系统数据,计算了2014—2016年银川市逐日72 h气流后向轨迹,并采用聚类分析方法,结合银川市同期PM~(10)和PM~(2.5)质量浓度数据,分析了银川年及四季气流轨迹特征及其对银川颗粒物浓度的影响.同时,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨了影响银川颗粒物质量浓度的潜在源区及不同源区对银川颗粒物质量浓度的贡献.结果表明,输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高,达66.7%,且气团移动速度和高度与轨迹距离呈正比;输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%;东南气团占总轨迹数的9%,输送距离和移速介于前两者之间,但输送高度较西北气流和北方气流低.四季各类气流轨迹变化特征与年变化特征基本一致,春、秋、冬三季,中、短距离西北气流占气流轨迹总数的比例最高,夏季东南气流占比最高,且夏季南方气流和北方气流占比较春、秋两季高,冬季未出现南方气流和北方气流,春季和冬季气流轨迹输送距离普遍比夏季和秋季长;春、夏、秋三季,偏南气流的输送高度均最低,四季长距离西北气流的输送高度均最高.年及四季都表现为西北气流轨迹对应的银川PM_(10)和PM_(2.5)平均浓度均较高,是影响银川颗粒物质量浓度的最重要输送路径,其次是东南气流轨迹,北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现,位于新疆、甘肃、蒙古国、内蒙古、青海的西北源区及四川、陕西的东南源区是影响银川PM_(10)和PM_(2.5)浓度的两个主要潜在源区,各季节区域范围有所差异.     

2015~2019年日照市PM2.5长期变化特征及其潜在源区分析

利用2015~2019年山东省日照市PM_2.5质量浓度和气象要素的小时数据,对日照市PM_2.5季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02：00、08：00、14：00和20：00（BTC）的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM_2.5主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明：日照市PM_2.5呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异：春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM_2.5浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM_2.5污染和臭氧污染呈现不同的分布特征,且在不同PM_2.5污染等级下,PM_2.5浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.     

北京地区不同天气条件下气溶胶数浓度粒径分布特征研究

2012~2014年,在北京城区利用宽范围粒径谱仪(WPS-1000XP)对气溶胶数粒径分布特征进行观测,进而分析了不同季节与不同天气条件下气溶胶粒径分布的变化特征.结果表明,春季爱根核模态气溶胶日均数浓度值最高,秋季最低;春季和冬季积聚模态下日均数浓度较高,夏季最低;粗模态气溶胶日均浓度在冬季最高.爱根核模态粒子数浓度日变化特征最为显著,受交通源及夏季中午前后的光化学作用影响明显.春、秋、冬季积聚模态状态气溶胶数浓度夜晚高于白天,粗模态粒子没有明显的日变化特征.重污染过程中,积聚模态气溶胶对于PM_(2.5)质量浓度起到决定作用,通常需通过北风的清除才能有效降低PM_(2.5)浓度;降雨及降雪对粗模态粒子的清除效果较为明显,而小风和静风状态下,降水对积聚模态的气溶胶没有明显的清除作用;沙尘过程中,粗模态粒子浓度显著增加,而积聚模态气溶胶却被明显清除.     

北京及周边6个城市大气PM2.5中左旋葡聚糖及其异构体的时空分布特征

采集北京及周边6个城市春、夏、秋、冬这4个季节大气PM_2.5样品,用离子色谱法测定其中的左旋葡聚糖（LG）、甘露聚糖（MN）和半乳聚糖（GT）,对比这3种脱水聚糖与PM_2.5及有机碳（OC）的浓度水平和时空分布特征,应用SPSS 24.0软件分析了数据间的显著性差异.结果表明,6个城市PM_2.5、OC和LG浓度水平的季节分布规律高度相似,呈现冬季 > 春季 > 秋季 > 夏季,4个季节3种脱水聚糖的浓度水平有显著性差异.从空间角度分析3种脱水聚糖浓度水平,北京与天津、保定、石家庄无显著性差异,但北京与济南、郑州有显著性差异.根据6个城市的LG/MN和LG/（MN+GT）等浓度水平的比较,初步判断该区域PM_2.5中的生物质燃烧源主要来源于农作物秸秆和硬木.春季的PM_2.5污染过程中,北京、天津、石家庄和济南的左旋葡聚糖在PM_2.5中的含量变化基本保持稳定,显示该污染过程受生物质燃烧排放的影响较弱.     

厦门海沧区PM2.5中金属元素污染评价及来源分析

为了了解金属元素的污染特征和潜在来源,以及重金属元素的风险水平,本研究于2015年4月至2016年1月采集了厦门海沧区不同类型站点四季大气PM_(2.5)样品348份,用X射线荧光分析仪(XRF)测定了其中K、Ca、Na、Mg、Al、Zn、Cu、Fe、Ti、As、V、Mn、Ba、Co等14种金属元素的质量浓度.本研究分析了码头、生活区、工业区和背景区这4个类型站点PM_(2.5)中金属元素的时空分布特征,综合利用富集因子法和健康风险评价模型进行了金属元素的污染评价,并采用相关性分析、主成分分析和后向气团轨迹初步探讨了金属元素的来源.结果表明,采样期间厦门海沧区PM_(2.5)中14种金属元素总质量浓度在PM_(2.5)中的占比为5.4%~10.6%.金属元素总质量浓度的时空变化特征与PM_(2.5)的较为一致,均表现为春冬季浓度高于夏秋季,海润码头和新阳工业区高于海沧分局和市委党校.而夏季海润码头和海沧分局PM_(2.5)日均值超标率较高的现象,与海润码头作业以及风向有关.新阳工业区Zn的质量浓度最高,市委党校次之;海润码头V的质量浓度最高,夏季海沧分局易出现V的浓度高值;均说明污染源站点(新阳工业区和海润码头)排放的污染物对其附近站点的金属元素质量浓度产生了影响.K质量浓度冬季最高,As超标现象出现在冬季和春季,说明冬季生物质燃烧以及燃煤等燃烧排放对大气污染的影响较为严重.Cu、Zn、As、Co、Na和Mn在各站点的富集因子范围为67~8449,富集均较严重.非致癌重金属Zn、Cu、Mn风险值之和低于一般可接受的风险水平(1×10~(-6)a~(-1)),其中Mn对总风险值的贡献范围为74%~88%.综合相关性分析和主成分分析结果表明,厦门海沧区PM_(2.5)中金属元素主要来源于地面扬尘、机动车排放、燃煤和工业排放以及船舶排放,各来源分别可以解释变量的34.5%、12.5%、10.6%、7.8%.后向气团轨迹表明春、秋和冬季均受到局地气团的影响,而夏季气团运动相对较强;春冬季途经长三角内陆的气团可能导致PM_(2.5)浓度偏高.