宁波市冬季PM_(2.5)污染特征与来源解析

为了了解宁波市大气中PM2.5污染特征及来源,于2012年冬季在宁波5个环境受体点采集PM2.5样品,分析它们的质量浓度及多种无机元素、水溶性离子、金属元素和碳等组分的含量,并使用PMF模型对宁波市PM2.5来源进行了解析。结果表明:宁波冬季PM2.5浓度较高,5个点位PM2.5中主要化学组分均为有机物、SO42-、NO3-、NH4+和元素碳,约占PM2.5总质量浓度78.2%~92.4%。对宁波市PM2.5有重要贡献的源类分别为钢铁冶炼源、混合扬尘源、生物质燃烧源、二次硝酸盐、高氯源、机动车排放源、重油燃烧源和二次硫酸盐,其分担率分别为5.6%、3.3%、3.2%、28.8%、6.8%、22.2%、0.7%和29.4%。     

北京市大气细颗粒物PM2.5的来源研究

2000-2001年在北京联合大学化学学院、中国预防科学研究院和中国环境科学研究院3个采样点采集北京市PM2.5样品,并对其中无机元素、阴阳离子、有机碳(OC)、元素碳(EC)和有机物进行测定.以多环芳烃和部分无机组分为示踪物,利用CMB受体模型对PM2.5来源进行解析.结果表明,北京市PM2.5的主要来源为燃煤、扬尘、机动车排放、建筑尘、生物质燃烧、二次硫酸盐和硝酸盐及有机物.污染源贡献率随地域变化不大,燃煤、扬尘、生物质燃烧、二次硫酸盐和硝酸盐随季节变化比较明显.与1989-1990年解析结果相比,10年间PM2.5来源发生了一定变化.      

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

宁波市环境空气中PM10和PM2.5来源解析

2010年在宁波3个环境受体点采集不同季节的PM10和PM2.5样品,同时采集颗粒物源类样品,分析它们的质量浓度及多种无机元素、水溶性离子和碳等组分的含量.采用OC/EC最小比值法确定了SOC(二次有机碳)对PM10和PM2.5的贡献,据此重新构建了受体化学成分谱.使用化学质量平衡模型对宁波市区的PM10和PM2.5来源进行了解析.结果表明:城市扬尘、煤烟尘、二次硫酸盐和机动车尾气尘是环境空气中PM10的主要来源,其分担率分别为23.0%、15.9%、13.3%和12.3%;对PM2.5有重要贡献的源类是城市扬尘、煤烟尘、二次硫酸盐、机动车尾气尘、二次硝酸盐和SOC,其分担率分别为19.9%、14.4%、16.9%、15.2%、9.78%和8.85%.      

烟台市环境受体PM_(2.5)四季污染特征与来源解析

于2016~2017年四季在烟台市3个点位采集了PM2.5样品,分析了其质量浓度和化学组分特征。利用CMB模型对受体进行解析,并利用后轨迹和PSCF对传输气流和潜在源区进行了分析。结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM2.5平均质量浓度分别为(89.45±56.80)、(76.78±28.44)、(32.65±17.92)和(57.32±24.60)μg·m-3。PM2.5浓度表现出明显的季节变化特征(P0.01)。全年PM2.5各源类分担率大小依次为:二次硝酸盐源(20.3%)城市扬尘源(15.7%)机动车排放源(14.9%)燃煤源(13.8%)二次硫酸盐源(12.8%)SOC(6.1%)建筑水泥尘源(5.5%)海盐源(2.9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源。春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出。烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响。     

泰安市环境受体PM_(2.5)组分特征与来源解析

为了明确泰安市环境受体PM_(2.5)的污染特征和主要来源,该研究于2015年春、冬季在泰安市区采集了环境受体中PM_(2.5)样品,分析了PM_(2.5)及其化学组分特征,建立了源化学成分谱,基于化学质量平衡(CMB)模型对泰安市环境受体PM_(2.5)进行了来源解析,利用后轨迹分析了PM_(2.5)的区域传输路径。结果表明:PM_(2.5)及其化学组分与污染源贡献都具有明显的季节特征。春季,机动车尘是PM_(2.5)的首要贡献源类,分担率为19.11%;其次为二次硫酸盐、扬尘和煤烟尘,分担率分别为18.07%、16.08%、10.53%。冬季,煤烟尘为首要的污染源类,分担率为16.32%;机动车源和城市扬尘对PM_(2.5)的分担率比春季低,分别为11.99%和13.42%。后轨迹分析表明,春季PM_(2.5)可能受来自内蒙古等地的土壤风沙尘的长距离运输影响;冬天可能受来自蒙古、河北、山东周边等地燃煤源的长距离运输的影响。     

乌鲁木齐市重污染期间PM_(2.5)污染特征与来源解析

目前有关我国城市大气重污染期间PM2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气.分析了重污染天气下ρ(PM2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM2.5的来源构成.结果表明:大气重污染期间ρ(PM2.5)严重超标,其中米东区环境保护局采样点的ρ(PM2.5)最高,其次是铁路局、市监测站;PM2.5化学组分以SO42-、TC、Si和NO3-为主,其中二次离子占ρ(PM2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.     

应用PART5模式计算机动车尾气管的颗粒物排放

采用修正的PART5模式获得了北京市机动车尾气管的颗粒物(PM10和PM2.5)排放因子.在此基础上,计算了北京市1995和1998年机动车PM10和PM2.5的排放总量,并确定了分车型的排放分担率和颗粒物中各组分(铅、硫酸盐、可溶性有机物和残余碳等)的比例.结果表明,北京市机动车PM10和PM2.5的平均排放因子很高,其中汽油车、摩托车和重型柴油车的排放因子分别是美国同期水平的1.7～8.6倍、2.1～3.5倍和1.3～1.5倍.1995年北京市机动车尾气管排放的PM10和PM2.5分别为2445t和1890t,1998年则分别增至3359t和2694t,增加的幅度为37.4%和42.5%.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

乌鲁木齐市环境空气中TSP和PM10来源解析

2002年,在乌鲁木齐市5个采样点分别采集了环境空气中的总悬浮颗粒物(TSP)和可吸入颗粒物(PM10).用化学质量平衡 (CMB)受体模型和二重源解析技术解析了TSP和PM10的来源,结果表明,各主要源类对TSP的分担率依次为扬尘34%、燃煤尘26%、建筑水泥尘10%、硫酸盐8%、土壤风沙尘7%、机动车尾气尘6%、钢铁尘2%、硝酸盐1%、其它6%;对PM10的分担率依次为扬尘30%、燃煤尘28%、建筑水泥尘11%、硫酸盐10%、机动车尾气尘8%、土壤风沙尘8%、硝酸盐1%、其它3%.     

重庆主城区春季大气PM10及PM2.5中多环芳烃来源解析

于2012年春季采集了重庆主城区和缙云山共6个环境采样点的大气PM₁₀、PM_2.5样品,同步采集了燃煤尘、机动车尾气尘、施工机械尾气尘、船舶尾气尘、餐饮油烟尘、生物质燃烧尘及土壤尘等7类污染源,采集到有效受体样品139个、有效源样品233个,使用GC-MS分析样品中18种PAHs的质量浓度(ρ),分析了PM₁₀、PM_2.5上载带PAHs的污染特征,并分别运用比值法、主成分分析法及CMB(化学质量平衡)受体模型法对PM₁₀、PM_2.5中的PAHs进行来源解析,所得源解析结果较为一致. 结果表明:重庆主城区大气PM₁₀、PM_2.5中ρ(PAHs)较低,ρ(PAHs)分别为22.03~31.71、19.02~29.92 ng/m3,其中位于工业区新山村采样点的ρ(PAHs)最高. PM₁₀载带的PAHs有86%~99%集中在PM_2.5中,说明PAHs主要富集在PM_2.5中. 重庆主城区大气PM₁₀、PM_2.5载带的PAHs主要来自机动车尾气尘和燃煤尘的贡献,这2类源对PM₁₀的贡献率分别为25.89%、32.80%;而在PM_2.5中,机动车尾气尘的贡献率较高,可达62%左右.      

The comparison of source contributions from residential coal and low-smoke fuels,using CMB modeling,in South Africa

D-grade residential coal is being widely used as a fuel source for heating and cooking by most of the lower-income urban communities in South Africa. Emissions from residential coal combustion have been a major cause of elevated air pollution levels in the industrialized areas of South Africa. The adverse health effects resulting from exposure to residential coal combustion emissions have been a major public concern for many years. To address this, the Department of Minerals and Energy of South Africa conducted a macro-scale experiment in the township of Qalabotjha during the winter of 1997 to assess the technical and social benefits of combusting low-smoke fuels.This paper reports the PM_2.5 and PM₁₀ chemical mass-balance (CMB) source apportionment results from Qalabotjha during a 30-day sampling period, including a 10-day period when a large proportion of low-smoke fuels was combusted. Though emission rates of D-grade coal and low-smoke fuels may vary, their chemical abundances are too similar to be separated in CMB calculations. The source apportionment study confirmed that residential coal combustion is by far the greatest source of air pollution, accounting for 62.1% of PM_2.5 and 42.6% of PM₁₀ at the three Qalabotjha sites. Biomass burning is also a major source, accounting for 13.8% of PM_2.5 and 19.9% of PM₁₀. Fugitive dust is only significant in the coarse particle fraction, accounting for 11.3% of PM₁₀. Contributions from secondary ammonium sulfate are three–four times greater than from ammonium nitrate, accounting for 5–6% of PM mass. Minor contributions (less than 1%) were found for power plant fly ash, motor vehicle exhaust, and agricultural lime. Average PM_2.5 and PM₁₀ mass decreased by 20 and 25%, respectively, from the D-grade coal combustion period (days 1–10) to the majority of the low-smoke fuel period (days 11–20). Relative source contribution estimates (SCE) were quite similar among the three sampling periods for PM_2.5, and were quite different for PM₁₀ during the second period when 14% higher residential coal combustion and 9% lower biomass burning source contributions were found.     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

北京冬季PM2.5中有机气溶胶的化学特征和来源解析

为探讨北京冬季大气细颗粒物（PM_2.5）中有机气溶胶的浓度水平、分布特征和来源变化,对2016年11月10日~12月10日采集的北京大气PM_2.5样品进行气相色谱-质谱测定,定量了129种颗粒有机物（POM）,约占有机物总量的（9.3±1.2）%.其中含量最高的是糖类,仅左旋葡聚糖即可占到定量有机物的18%,其次是正构烷酸、正构烷烃、二元羧酸和多环芳烃.根据POM示踪物的变化特征,分析了供暖和生物质燃烧传输对北京冬季有机气溶胶的影响.相比于非供暖期间,供暖期间化石燃料示踪物藿烷的质量浓度及在有机物中的占比都明显升高,各组分间的分布也更加趋向于燃煤排放的特征.正构烷烃主峰碳数和奇偶分布的变化,反映了化石燃料贡献增强的影响.生物质燃烧示踪物左旋葡聚糖的浓度权重轨迹（CWT）模型结果表明,北京周围区域的秸秆燃烧污染会通过传输影响北京的有机气溶胶组成.利用分子示踪-化学质量平衡（MM-CMB）模型对2016年北京冬季有机碳（OC）进行了来源解析,并与2006年的结果进行比较,以定量10年间各污染来源贡献发生的变化.2016年与2006年相比,机动车对有机气溶胶贡献明显增加,燃煤和木材燃烧的贡献则大幅度降低,餐饮排放的贡献也不容忽视.因此,控制机动车和餐饮源的排放对改善北京冬季PM_2.5污染问题至关重要.     

基于高分辨率在线观测数据分析上海市城区秋冬季大气有机气溶胶化学特征及污染来源

有机气溶胶(OA)不仅是大气细颗粒物(PM_2.5)的重要组成部分,其与臭氧(O₃)污染也密切相关.采用气溶胶在线热脱附(TAG)系统对上海市城区秋冬季大气PM_2.5中94种有机分子示踪物浓度进行了在线观测,分析了不同气流轨迹影响下有机气溶胶的组成分布特征以及大气氧化性对其生成的影响.结果表明,本地气团影响下的OA组成以饱和脂肪酸、不饱和脂肪酸和正构烷烃等指示一次来源的有机分子示踪物为主,偏北长距离输送影响下的OA则含有较高比例的生物质燃烧示踪物.与本地气团和长距离输送气团不同,海面气团携带的OA主要由二羧酸和羟基羧酸类指示二次来源的有机分子示踪物构成,其生成受光化学和液相氧化过程影响显著.进一步运用正定矩阵因子分解法(PMF)对PM_2.5和OA污染来源进行解析,获得7类一次排放源和5类二次生成源,其中,二次硝酸盐对PM_2.5浓度贡献率最为突出(25.2%),移动源则对OA浓度贡献率最高(24.0%).污染过程中,燃煤源、移动源和餐饮源等人为源及其相关的二次生成源(二次硝酸盐、二...     

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

成都市PM10中碳质气溶胶长期来源特点

大气颗粒物中包含多种组分的气溶胶,其中碳质气溶胶由于对人体健康、能见度有较大影响,已受到越来越多的关注.为研究碳质气溶胶的长期变化规律,采集了成都市2009—2013年的PM₁₀样品,对其中所含的无机元素、水溶性离子及碳组分分别进行测定,并使用“PMF（正定矩阵因子分解法）-比值”模型分别对PM₁₀和所含的碳质气溶胶的来源进行分析.结果表明,1月、2月、5月和12月的碳质气溶胶浓度较高,其中1月、2月和12月的OC/EC（有机碳与元素碳质量浓度之比）较高,并且PMF-比值模型计算结果也显示冬季SOC增多,表明冬季可能有更多的二次有机碳（SOC）生成;5月的char-EC/soot-EC（二者质量浓度之比,其中char-EC=EC1-OP,soot-EC=EC2+EC3,它们可更好地区分源类）较高,K含量也较高,表明可能有更多的生物质燃烧排放.PM₁₀解析共发现6类源,依次为地壳扬尘（26.5%）、二次硫酸盐（25.1%）、燃煤&生物质燃烧混合源（17.3%）、二次硝酸盐&二次有机碳混合源（12.3%）、机动车源（11.8%）和水泥尘源（7.0%）;碳质气溶胶解析发现,OC主要来源依次为机动车源（38.2%）、燃煤&生物质燃烧混合源（33.1%）和二次有机碳（25.3%）,char-EC的主要来源是燃煤&生物质燃烧混合源和机动车源,分别占50.5%和45.4%,soot-EC则主要受机动车影响（达73.2%）.研究显示,成都市PM₁₀主要来自于地壳扬尘、二次生成和燃煤&生物质燃烧,而碳质气溶胶主要来自于机动车、燃煤&生物质燃烧.      

基于PMF模型的PM2.5中金属元素污染及来源的区域特征分析

金属元素是大气PM_2.5的重要组成成分,对人群危害性极强且兼具源特异性,分析不同经济模式地区大气细颗粒物中金属污染状况及来源差异,可以为科学规划城市产业布局和保护大气环境提供参考.通过霾/非霾期大气PM_2.5采样,使用电感耦合等离子体发射光谱仪（ICP-OES）测定成都市及仁寿县样品中18种金属元素质量浓度,分析其污染水平,并基于正定矩阵因子分解模型（PMF）解析两地大气PM_2.5中金属元素的来源.结果表明,成都市扬尘源、移动源和燃煤源特征元素占元素总和的比值大于仁寿县,而仁寿县生物质燃烧源、工业源以及燃油源特征元素占比则较高.两地Cr、Cd和As元素浓度均超标,表明PM_2.5中重金属污染严重.随着霾污染加剧,两地PM_2.5中金属元素总量上升,但增幅远低于PM_2.5浓度增长.此外,不同元素在霾期和非霾期浓度比值存在差异,成都市变化范围为0.7（Al）~2.8（Ba）,仁寿县介于0.8（Al）~3.1（Mn）之间,但总的来说两地大致呈现出燃煤和工业活动排放元素增幅较大,机动车污染源次之,扬尘源增幅较缓的状况.受地区产业布局、经济规模和发展模式的影响,大气PM_2.5中金属元素污染水平及来源呈现出不同的区域特征.在重点发展第三产业的大型城市,如成都,更易遭受交通运输和城市建设等带来的大气污染,而在仁寿等第二产业占比不断增加的郊县,其污染主要受化石燃料燃烧和工业过程排放的影响.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.