基于PMF模型的大氣顆粒物多點(diǎn)位來源解析研究

皇甫延琦,田瑛澤*,董世豪,戴啟立,史國良,周瀟雨,魏 楨,千 勇,馮銀廠 (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(yàn)室,天津 0050；.安徽省環(huán)境監(jiān)測中心站,安徽 合肥 007；.合肥市環(huán)境監(jiān)測中心站,安徽 合肥 00)

隨著我國經(jīng)濟(jì)的高速發(fā)展,環(huán)境問題日益凸顯,尤其是近幾年以霧霾為代表的大氣顆粒物污染問題[1-5].為此 2013年國務(wù)院提出了《大氣污染防治計(jì)劃》十條措施.利用大氣顆粒物來源解析技術(shù),可以更精確的識別出顆粒物的主要污染源類,同時(shí)對其貢獻(xiàn)做出定量的估算,以此更有針對性地展開與大氣顆粒物有關(guān)的研究和治理工作[7].

正定矩陣因子分析模型(PMF)作為一種源未知類的受體模型在顆粒物來源解析工作中得到廣泛應(yīng)用.王蘇蓉等[8],韓力慧等[9],陳剛等[10]利用PMF模型對我國多個(gè)大城市的大氣顆粒物進(jìn)行了來源解析研究.由于PMF模型主要依賴于受體數(shù)據(jù)自身變化規(guī)律進(jìn)行解析,需要基于大量的受體觀測數(shù)據(jù).通常選擇將單一點(diǎn)位的長時(shí)間序列數(shù)據(jù)納入模型進(jìn)行解析,數(shù)據(jù)量越大,模型結(jié)果越穩(wěn)定[11].為了滿足模型需求同時(shí)綜合解析區(qū)域大氣污染來源,Escrig等[12],Mooibroek等[13],Larsen等[14],Tian等[15]都嘗試將多點(diǎn)位的受體數(shù)據(jù)合并納入PMF模型進(jìn)行計(jì)算,期望獲得更加穩(wěn)定且能在一定程度上反映區(qū)域顆粒物來源狀況的結(jié)果.以上這些研究討論了將多點(diǎn)位信息用于來源解析的意義,但是也指出將多點(diǎn)位合并解析會(huì)引入更多的不確定性.因此,本研究針對大氣顆粒物多點(diǎn)位數(shù)據(jù)在不同情境下合并解析的結(jié)果進(jìn)行了探討.

本課題組之前的研究表明:將多個(gè)受體點(diǎn)位的數(shù)據(jù)首尾相接合并納入 PMF模型時(shí),點(diǎn)位間源成分譜差異性越小, PMF的解析結(jié)果越理想[15].基于之前的研究成果,本文在具有相同源成分譜的兩個(gè)點(diǎn)位,研究了源貢獻(xiàn)時(shí)間趨勢(各源類的貢獻(xiàn)在一定時(shí)間內(nèi)的變化特征)和樣品量對 PMF結(jié)果的影響.考慮到環(huán)境數(shù)據(jù)的復(fù)雜性和未知性,無法直接得到環(huán)境中各源類的準(zhǔn)確貢獻(xiàn),因而無法對模型的擬合結(jié)果進(jìn)行直接評估,所以本研究使用了模擬試驗(yàn)的方法,通過設(shè)定多個(gè)不同情景,對特定情景下的數(shù)據(jù)結(jié)果分別進(jìn)行探討,總結(jié)初步的規(guī)律.隨后結(jié)合合肥市2014年實(shí)測PM2.5數(shù)據(jù)進(jìn)行驗(yàn)證.最終為多點(diǎn)位源解析的研究提供指導(dǎo)和依據(jù).

1 實(shí)驗(yàn)方法

1.1 正定矩陣因子分析模型

PMF(正定矩陣因子分解)模型最早于 1994年由Paatero和Tapper發(fā)表論文提出;到了1997年,Paatero進(jìn)一步在論文中提出基于最小二乘法的運(yùn)算方法的 PMF模型[11].隨后,Paatero和Hopke又不斷對PMF模型進(jìn)行改進(jìn)和完善,最終美國EPA官方網(wǎng)站對EPAPMF軟件進(jìn)行了推廣.PMF的基本公式如下[16]:

X代表的是受體點(diǎn)位樣品的各組分濃度矩陣;G代表源貢獻(xiàn)矩陣;F代表源成分譜矩陣;E代表殘差.對源成分譜F的各類因子進(jìn)行識別,判別顆粒物污染源類,而源貢獻(xiàn)矩陣G可以估算各顆粒物排放源對大氣顆粒物的貢獻(xiàn)情況,E可以表示在模型計(jì)算過程中的一些不確定性.

1.2 模擬數(shù)據(jù)的構(gòu)建及情景設(shè)定

本文擬選擇受揚(yáng)塵、機(jī)動(dòng)車尾氣塵和硫酸鹽共同影響的兩個(gè)不同點(diǎn)位進(jìn)行研究. “真實(shí)貢獻(xiàn)值”由人為設(shè)定,污染源成分譜的構(gòu)建參考了張彩艷等的研究[17],利用Matlab函數(shù)基于設(shè)定的貢獻(xiàn)值和已構(gòu)建的源譜生成一系列模擬數(shù)據(jù).考慮了兩點(diǎn)位的源貢獻(xiàn)時(shí)間趨勢和受體數(shù)據(jù)量大小兩個(gè)因素共劃分了三大類八小類情景.默認(rèn)多點(diǎn)位數(shù)據(jù)為同步采集得到的數(shù)據(jù),故兩個(gè)點(diǎn)位的受體數(shù)據(jù)量同步變化.當(dāng)受體數(shù)據(jù)量為50時(shí)認(rèn)為數(shù)據(jù)量較少,數(shù)據(jù)量為 100及以上時(shí)認(rèn)為數(shù)據(jù)量較多.具體情景分類設(shè)置如下:

(1)兩點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全相同

(1)- a:受體數(shù)據(jù)量較少(50條受體);(1)- b:受體數(shù)據(jù)量較多(100條受體).

(2)兩點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全不同

(2)- a:受體數(shù)據(jù)量較少(50條受體);(2)- b:受體數(shù)據(jù)量較多(100條受體).

(3)兩點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢部分相同

(3)- a:有兩種源類的源貢獻(xiàn)時(shí)間趨勢相同,且受體數(shù)據(jù)量較少(50條受體);(3)- b:有兩種源類的源貢獻(xiàn)時(shí)間趨勢相同,且受體數(shù)據(jù)量較多(100條受體);

(3)- c:兩點(diǎn)位僅有一種源類的源貢獻(xiàn)時(shí)間趨勢相同,且受體數(shù)據(jù)量較少(50條受體);

(3)- d:兩點(diǎn)位僅有一種源類的源貢獻(xiàn)時(shí)間趨勢相同,且受體數(shù)據(jù)量較多(100條受體).

本研究利用平均絕對誤差(average absolute error, AAE)[18]來評估PMF的解析結(jié)果,AAE的計(jì)算公式如下:

式中:1, 2, …, N表示受體的組數(shù);gnj表示第j類源對第 n個(gè)受體的估算貢獻(xiàn)值,μg/m3;j表示第 j類源的真實(shí)貢獻(xiàn)值,μg/m3.

AAE值是估算貢獻(xiàn)值與真實(shí)值的接近程度,即解析結(jié)果的準(zhǔn)確性. AAE值越小則表示模型解析結(jié)果越準(zhǔn)確;同時(shí)定義三種源類整體的AAE的均值為 TAAE,以此衡量模型對數(shù)據(jù)整體解析效果的穩(wěn)定性,當(dāng)TAAE值大于50%時(shí)可認(rèn)為未能解析出穩(wěn)定的結(jié)果.最終通過模型結(jié)果的穩(wěn)定性和準(zhǔn)確性來進(jìn)行綜合評估.

為了評價(jià)真實(shí)環(huán)境數(shù)據(jù)的點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢,本文引入了“點(diǎn)位間標(biāo)識組分的相關(guān)性”COR這個(gè)指標(biāo),用來判斷兩個(gè)點(diǎn)位的源貢獻(xiàn)時(shí)間趨勢關(guān)系. COR的計(jì)算公式如下:

式中:gaj和gbj表示第j類源對第a個(gè)和第b個(gè)點(diǎn)位的估算貢獻(xiàn)值,μg/m3;CORREL代表Pearson相關(guān)系數(shù),當(dāng)點(diǎn)位間標(biāo)識組分的相關(guān)性達(dá)到某一閾值(本文取 0.5),認(rèn)為其標(biāo)識的源類在兩點(diǎn)位貢獻(xiàn)的時(shí)間趨勢較為一致.達(dá)到閾值的標(biāo)識組分越多,說明點(diǎn)位間的源貢獻(xiàn)時(shí)間趨勢一致性越好.由于很難找到點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全一致的數(shù)據(jù),這里選擇將單個(gè)點(diǎn)位的真實(shí)環(huán)境數(shù)據(jù)直接復(fù)制然后合并在一起進(jìn)行解析.

1.3 合肥環(huán)境數(shù)據(jù)的采樣分析

2014年夏、秋和冬季(7月23日～8月18為夏季采樣,10月15日～11月2日為秋季采樣,12月3日～12月16日為冬季采樣)分別于合肥市廬陽區(qū)(市區(qū)北部,工業(yè)聚集區(qū))、包河區(qū)(市區(qū)南部,行政住宅區(qū))和瑤海區(qū)(市區(qū)東部,工業(yè)文教混合區(qū))進(jìn)行受體樣品采集(如圖 1所示).三個(gè)點(diǎn)位均使用武漢天虹公司研發(fā)的四通道采樣器(型號:TH-16A,中國)對 PM2.5樣品進(jìn)行采集.依據(jù)濾膜特性和采樣后用于化學(xué)分析的需要,本研究使用了直徑47mm的聚丙烯(分析元素組分)和石英濾膜(分析碳組分和離子組分).共采集樣品 252個(gè),其中有效樣品234個(gè),有效樣品約占總數(shù)93%.采樣過程考慮了氣象等自然因素和污染源排放等人為因素的影響.

重量分析使用電子天平(型號 CP225D,Germany).空白濾膜和采后濾膜稱重前均需在恒溫恒濕環(huán)境中(20 ℃ ± 1 ℃ , 5 0%±5%)平衡24h以上.碳組分分析使用光碳分析儀(DRI Model 2001,USA)對 OC(有機(jī)碳)和 EC(元素碳)進(jìn)行分析.水溶性陰陽離子分析使用安徽省環(huán)境監(jiān)測中心站實(shí)驗(yàn)室的 Dionex-ICS2000型離子色譜儀,具體分析方法可參考文獻(xiàn)[19].無機(jī)元素分析使用美國安捷倫公司的Agilent 7700x型電感耦合等離子體質(zhì)譜儀,分析測定了19種元素(Na, Mg,Al, S, K, Ca, Ti, V, Cr, Mn, Fe, Co, Ni, Cu, Zn, As,Cd, Hg和Pb)的含量.

圖1 合肥市采樣點(diǎn)位Fig.1 Sampling sites in Hefei

2 結(jié)果和討論

2.1 模擬實(shí)驗(yàn)

三種情境中三類源擬合結(jié)果的AAE值如圖2所示,三種情景中PMF模型結(jié)果的TAAE值如表1所示.

2.1.1 各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全相同 情景(1)中,假設(shè)所有點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢相同,那么合并后的多點(diǎn)位受體數(shù)據(jù)集可以看成是單一點(diǎn)位的受體數(shù)據(jù)復(fù)制了多次后合并在一起.如果將兩個(gè)點(diǎn)位的數(shù)據(jù)看成完全一樣的A數(shù)據(jù)集,那么A+A則表示兩個(gè)源貢獻(xiàn)時(shí)間趨勢完全相同的受體點(diǎn)位的數(shù)據(jù)的集合.對于情景(1)- a,無論A或者A+A兩種情形,PMF模型都無法解析出穩(wěn)定合理的結(jié)果. PMF模型結(jié)果中所有源類的AAE均大于50%,且TAAE達(dá)到了約80%,甚至沒有識別出合理源類結(jié)果.將兩個(gè)受體點(diǎn)位的數(shù)據(jù)合并在一起納入PMF模型時(shí),解析結(jié)果有了一定改善,但仍為未得到穩(wěn)定的結(jié)果.情景(1)- b中,數(shù)據(jù)集A和A+A均可以得到較好解析結(jié)果,且各源類 AAE值以及 TAAE值差異不大,機(jī)動(dòng)車源AAE甚至變差.即當(dāng)單個(gè)受體數(shù)據(jù)數(shù)量較多時(shí),將多點(diǎn)位數(shù)據(jù)集合納入PMF模型進(jìn)行解析,解析結(jié)果不會(huì)變得更好.

圖2 三種情境中各類源擬合結(jié)果的AAE值(%)Fig.2 AAE of every source contributions in three scenarios

2.1.2 各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全不同 在情景(2)中,假設(shè)兩個(gè)受體點(diǎn)位的源貢獻(xiàn)時(shí)間趨勢情況完全不同,即模型對多點(diǎn)位受體數(shù)據(jù)集的解析輸入數(shù)據(jù)可以看成是不同點(diǎn)位(A、B)的受體數(shù)據(jù)合并在了一起.在情景(2)-a中,數(shù)據(jù)集 A和 B單獨(dú)解析TAAE達(dá)到了80%～90%,即PMF模型無法解析出結(jié)果,但合并后的數(shù)據(jù)集(A+B)卻能夠解析出較為穩(wěn)定的結(jié)果,其TAAE降至約40%,同時(shí)各源類的AAE均有所降低,源解析結(jié)果穩(wěn)定性和準(zhǔn)確性均有所提高;情景(2)-b中,數(shù)據(jù)集 A和B以及合并后數(shù)據(jù)集(A+B)均能解析出穩(wěn)定的結(jié)果,但不同數(shù)據(jù)集之間各源類的解析結(jié)果存在一定差異.總體來看合并后源解析結(jié)果穩(wěn)定性有所提升但并非所有源類的解析結(jié)果準(zhǔn)確性都有所提升.

2.1.3 各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢部分相同 在情景(3)中,假設(shè)所有點(diǎn)位源貢獻(xiàn)時(shí)間趨勢僅有部分是相同的.多點(diǎn)位受體數(shù)據(jù)集的解析的輸入數(shù)據(jù)可以看成是相似點(diǎn)位(A、A’)的受體數(shù)據(jù)集合在了一起.情景(3)-a數(shù)據(jù)集A和A’單獨(dú)解析未都能出穩(wěn)定的解析結(jié)果,數(shù)據(jù)集A的所有源類解析結(jié)果均較差,各源類AAE和TAAE均大于50%;而 A’雖得到了源解析結(jié)果,但揚(yáng)塵源的 AAE明顯偏高達(dá)到了約 55%;合并后的數(shù)據(jù)集(A+A’)得到了較好解析結(jié)果,所有源類的AAE和TAAE均小于 35%,解析結(jié)果的穩(wěn)定性和準(zhǔn)確性有明顯提高.對于情景(3)- b至情景(3)- d,數(shù)據(jù)集A、A’和(A+A’)納入PMF模型均能解析出結(jié)果,但是其解析結(jié)果的穩(wěn)定性和準(zhǔn)確性差異較大.在情景(3)-b中,相較數(shù)據(jù)集 A 和 A’合并數(shù)據(jù)集(A+A’)的TAAE并未降低,解析出的結(jié)果的穩(wěn)定性和準(zhǔn)確性并未提高;情景(3)-c中,雖然數(shù)據(jù)集 A、A’和(A+A’)的揚(yáng)塵源AAE均超過了40%,但合并后數(shù)據(jù)集(A+A’)TAAE和其他源類AAE均有所降低,解析結(jié)果的穩(wěn)定性和準(zhǔn)確性相較兩個(gè)點(diǎn)位單獨(dú)解析均有一定程度的提高.對于情景(3)-d,數(shù)據(jù)集(A+A’)TAAE 變化不大.但數(shù)據(jù)集(A+A’)機(jī)動(dòng)車源和揚(yáng)塵源的解析結(jié)果相較數(shù)據(jù)集A和A’卻變得非常極端,機(jī)動(dòng)車源的AAE下降到5%以內(nèi).而揚(yáng)塵源的AAE增加至55%以上.由此看來合并后的解析結(jié)果沒有明顯提高,甚至對某些源類解析變差.

表1 三種情景中PMF模型結(jié)果的TAAE值Table 1 TAAE values of PMF in three scenarios

2.1.4 三種情景下擬合結(jié)果 TAAE值綜合討論 當(dāng)各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全相同時(shí),受體樣品的數(shù)據(jù)量對 PMF模型解析結(jié)果影響并不大,合并解析后結(jié)果并沒有變好;當(dāng)各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢差異明顯時(shí),受體樣品的數(shù)據(jù)量會(huì)對 PMF解析結(jié)果產(chǎn)生較大影響.當(dāng)單個(gè)點(diǎn)位受體數(shù)據(jù)量較少時(shí),合并解析效果的穩(wěn)定性會(huì)明顯提高,整體準(zhǔn)確性會(huì)有所改善;當(dāng)單個(gè)點(diǎn)位受體數(shù)據(jù)量較多時(shí),合并解析可以略微提高模型的穩(wěn)定性,但是各源類準(zhǔn)確性不一定會(huì)有所升高;當(dāng)各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢部分相同時(shí),較少受體數(shù)據(jù)量的點(diǎn)位進(jìn)行合并解析會(huì)增加結(jié)果的穩(wěn)定性,但是不一定會(huì)提高結(jié)果的準(zhǔn)確性.較多受體數(shù)據(jù)量的點(diǎn)位合并解析對結(jié)果的穩(wěn)定性影響并不明顯,同時(shí)部分源類解析結(jié)果的準(zhǔn)確性可能變差.由此可見隨著各點(diǎn)位的源貢獻(xiàn)時(shí)間趨勢差異變大,通過合并多點(diǎn)位受體數(shù)據(jù)進(jìn)行 PMF分析,整體上有助于解析結(jié)果穩(wěn)定性的提高,但是對結(jié)果準(zhǔn)確性影響不大,甚至使部分結(jié)果變差.

表2 點(diǎn)位間標(biāo)識組分的相關(guān)系數(shù)Table 2 CORs of tracer components between sampling sites

2.2 真實(shí)環(huán)境數(shù)據(jù)驗(yàn)證

考慮到真實(shí)環(huán)境數(shù)據(jù)的不確定性,使用合肥市廬陽區(qū),包河區(qū)和瑤海區(qū)點(diǎn)位2014年4月～12月 PM2.5數(shù)據(jù)作進(jìn)一步探究.研究期間內(nèi)合肥市廬陽區(qū),包河區(qū)的 PM2.5濃度分別為 87.4μg/m3,90.3μg/m3和 96.2μg/m3,均超過國家二級標(biāo)準(zhǔn),污染形勢較為嚴(yán)峻.3個(gè)點(diǎn)位的元素,碳組分以及水溶性離子分別占總濃度的7.4%、27.4%、54.4%,7.7%、25.9%、51.6%和8.8%、23.7%、50.3%.3個(gè)站點(diǎn)均體現(xiàn)出水溶性離子最高,碳組分其次,元素占比最低的組分分布特征.

圖3 廬陽區(qū)PM2.5因子譜Fig.3 Source profiles of PM2.5 in Luyang (Hefei)

為了驗(yàn)證模擬實(shí)驗(yàn)的結(jié)論,評價(jià)不同源貢獻(xiàn)時(shí)間趨勢和不同樣品量下多點(diǎn)位數(shù)據(jù)合并解析的適用性.將廬陽區(qū)、包河區(qū)和瑤海區(qū)三個(gè)點(diǎn)位數(shù)據(jù)以及其兩兩合并的數(shù)據(jù)集(含單點(diǎn)位復(fù)制然后合并的數(shù)據(jù)集)分別納入 PMF模型進(jìn)行解析,結(jié)果廬陽區(qū)單獨(dú)解析以及將廬陽區(qū)和瑤海區(qū)合并解析得到了較好的結(jié)果,其他數(shù)據(jù)集未得到合理結(jié)果.對于廬陽區(qū)的解析結(jié)果共提取出四個(gè)因子.因子譜如圖3所示,因子1中主要包含OC、EC、NO3-,這指示了機(jī)動(dòng)車源;因子 2主要包含SO42-、NO3-、NH4+、OC 等,這指示了二次源;因子 3主要包含 OC、EC、SO42-、NO3-、Al、Si,這指示了燃煤源;因子 4主要包含 SO42-、OC、EC、Al、Si、Ca等,這指示了城市揚(yáng)塵源.其中,二次源和燃煤源對合肥市的貢獻(xiàn)較高分別占到了 40.9%和 27.1%,其次是城市揚(yáng)塵源和機(jī)動(dòng)車源分別占到了 19.4%和 11.5%.對于廬陽區(qū)和瑤海區(qū)合并解析也提取了四個(gè)因子(圖4).依據(jù)標(biāo)識組分分析可以看出因子1為機(jī)動(dòng)車源,因子2是二次源,因子 3是燃煤源,因子 4是城市揚(yáng)塵源,其貢獻(xiàn)分別為 16.9%,40.1%,29.7%,11.4%. 這與陳剛等[11]關(guān)于合肥城區(qū) PM2.5季節(jié)污染特征及來源解析研究中的結(jié)果較為一致.

圖4 廬陽區(qū)&瑤海區(qū)PM2.5因子譜Fig.4 Source profiles of PM2.5 in Luyang & Yaohai(Hefei)

結(jié)合點(diǎn)位間標(biāo)識組分的相關(guān)性(表2),可以看出廬陽區(qū)和瑤海區(qū)僅有 SO42-的相關(guān)性較好,其整體源類貢獻(xiàn)時(shí)間趨勢差異性最大,最終合并解析得到較好的結(jié)果.與模擬實(shí)驗(yàn)的結(jié)論基本吻合,即隨著各點(diǎn)位的源貢獻(xiàn)時(shí)間趨勢差異變大,通過合并多點(diǎn)位受體數(shù)據(jù)進(jìn)行PMF分析,整體上有助于解析結(jié)果穩(wěn)定性的提高.此外,可能由于不同點(diǎn)位真實(shí)環(huán)境數(shù)據(jù)的差異,僅廬陽區(qū)單點(diǎn)位直接解析得到了較好結(jié)果.因此選擇將多點(diǎn)位數(shù)據(jù)合并納入PMF模型進(jìn)行解析需要注意使用的前提條件,只有當(dāng)多個(gè)點(diǎn)位受相同源類影響,且點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢存在較大差異時(shí),合并解析可以得到較好的結(jié)果.

3 結(jié)論

3.1 在各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢完全一致時(shí),無論環(huán)境信息是否充足,通過合并不同點(diǎn)位的受體數(shù)據(jù)來增加輸入數(shù)據(jù)的數(shù)量都不會(huì)令PMF模型的解析準(zhǔn)確性有明顯提高.

3.2 當(dāng)各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢差異明顯時(shí),將不同點(diǎn)位數(shù)據(jù)合并解析可以提高模型結(jié)果的穩(wěn)定性,但是不一定會(huì)提高結(jié)果的準(zhǔn)確性.

3.3 當(dāng)各點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢部分相同時(shí),雖然解析結(jié)果的穩(wěn)定性有所上升,但是結(jié)果的準(zhǔn)確性不一定變好,甚至變差.

3.4 選擇將多點(diǎn)位數(shù)據(jù)合并納入 PMF模型進(jìn)行解析需要注意使用的前提條件,只有當(dāng)多個(gè)點(diǎn)位受相同源類影響,且點(diǎn)位間源貢獻(xiàn)時(shí)間趨勢存在較大差異時(shí),合并解析可以得到較好的結(jié)果.

[1]胡 敏,唐 倩,彭劍飛,等.我國大氣顆粒物來源及特征分析[J]. 環(huán)境與可持續(xù)發(fā)展, 2011,36(5):15-19.

[2]Chan C K, Yao X H. Air pollution in mega cities in China [J].Atmospheric Environment, 2008,42:1-42.

[3]Zhang Y H, Hu M, Zhong L J, etl. Regional Integrated Experiments on Air Quality over Pearl River Delta 2004 (PRIDEPRD2004): Overview [J]. Atmospheric Environment 2008,42(25):6157-6173.

[4]Laupsa H, Denby B, Larssen S, et al. Source apportionment of particulate matter (PM2.5) in an urban area using dispersion,receptor and inverse modeling [J]. Atmospheric Environment 2009,43:4733-4744.

[5]Chen D S, Cheng S Y, Liu L, et al. An integrated MM5—CMAQ modeling approach for assessing trans-boundary PM10contribution to the host city of 2008 Olympic summer games—Beijing, China [J]. Atmospheric Environment, 2007,41:1237-1250.

[6]《大氣污染防治行動(dòng)計(jì)劃》[EB/OL]. (2014-09-13) http://www.gov.cn/ zwgk/2013-09/12/content_2486773.htm.

[7]朱 坦.大氣顆粒物來源解析 [M]. 北京:科學(xué)出版社, 2012.

[8]王蘇蓉,喻義勇,王勤耕,等.基于PMF模式的南京市大氣細(xì)顆粒物源解析 [J]. 中國環(huán)境科學(xué), 2015,35(12):3535-3542.

[9]韓力慧,張 鵬,張海亮,等.北京市大氣細(xì)顆粒物污染與來源解析研究 [J]. 中國環(huán)境科學(xué), 2016,36(11):3203-3210.

[10]陳 剛,劉佳媛,皇甫延琦,等.合肥城區(qū) PM10及 PM2.5季節(jié)污染特征及來源解析 [J]. 中國環(huán)境科學(xué), 2016,36(7):1938-1946.

[11]Paatero P. Least squares formulation of robust non-negative factor analysis [J]. Chemometrics and Intelligent Laboratory Systems 1997,37:23-35.

[12]Escrig A, Monfort E, Celades I, et al. Application of optimally scaled target factor analysis for assessing source contribution of ambient PM10[J]. J. Air & Waste Manage, 2009,59:1296—1307.

[13]Mooibroek D, Schaap M, Weijers E P, et al. Source apportionment and spatial variability of PM2.5using measurements at five sites in the Netherlands [J]. Atmospheric Environment, 2011,45(25):4180-4191.

[14]Larsen B R, Gilardoni S, Stenstr?m K, et al. Sources for PM air pollution in the Po Plain, Italy: II. Probabilistic uncertainty characterization and sensitivity analysis of secondary and primary sources [J]. Atmospheric Environment, 2012,50:203-213.

[15]Tian Y Z, Shi G L, Han B, et al. The accuracy of two- and three-way positive matrix factorization models: Applying simulated multisite data sets [J]. Journal of the Air & Waste Management Association, 2014,64(10):1122-1129.

[16]Hopke PK. Recent developments in receptor modeling [J].Journal of chemometrics, 2003,17:255-265.

[17]張彩艷,吳建會(huì),張 普,等.成都市冬季大氣顆粒物組成特征及來源變化趨勢 [J]. 環(huán)境科學(xué)研究, 2014,27(7):782-789.

[18]Javitz H S, Watson J G, Robinson N. Performance of the chemical mass balance model with simulated local-scale aerosol [J].Atmospheric Environment, 1988,22:2309—2322.

[19]Zhang T, Cao J J, Tie X X, et al. Water-soluble ions in atmospheric aerosols measured in Xi'an, China: Seasonal variations and sources [J]. Atmospheric Research, 2011,102(1):110-119.