基于PCA模型的蘇州市古城區PM2.5來源解析

鄒叢陽,蔣妮姍,李兆堃

?

基于PCA模型的蘇州市古城區PM2.5來源解析

鄒叢陽,蔣妮姍,李兆堃

蘇州科技大學環境科學與工程學院, 江蘇 蘇州 215009

2014年10月至2016年4月，對蘇州市古城區南門站點的大氣細顆粒物PM2.5進行了18個月次的同步采樣觀測，并測定了其中SO42-、NO3-、NO2-、NH4+和CN的濃度水平，利用PCA方法對該區PM2.5的來源進行解析。解析結果表明，蘇州市古城區PM2.5的主要來源為工業源、機動車尾氣排放、燃煤源、生物質燃燒源和揚塵；從季節上看，由于供暖等原因，冬季燃煤源對PM2.5的貢獻率有顯著提升；工業源和機動車尾氣排放的貢獻率一直占有較高的比例；由于蘇州市古城區內已沒有工業企業，特別是鋼鐵企業和化工企業，并且嚴禁燃放煙花爆竹和秸稈焚燒，所以外地輸入源是工業污染源、生物質燃燒源、燃煤源、化工源的主要和直接供給者；機動車尾氣排放是古城區本地主要污染源，因此有效減少機動車的貢獻率，對于改善古城區空氣質量有著直接的影響作用。

PM2.5; PCA; 蘇州; 化學組成; 來源解析

近年來，我國經濟迅速發展，城市化進程明顯加快，并且機動車保有量急劇上升。從而造成空氣污染問題逐漸嚴重，灰霾天氣增多，對社會經濟發展造成巨大的影響，降低了人們對空氣質量的滿意度，并造成了公眾健康損失。高濃度的PM2.5是形成大氣灰霾的主要原因。

1 大氣PM2.5概述

大氣PM2.5也稱為細顆粒物或可入肺顆粒物，是空氣中動力學直徑≦2.5 μm顆粒物的統稱。大氣PM2.5由于粒徑小，比表面積大，易于富集空氣中的有機污染物、水溶性離子、有毒重金屬、細菌和病菌等。含碳氣溶膠是PM2.5的重要組成部分，主要包括有機碳（OC）和元素碳（EC），OC和EC對地球輻射平衡、氣候變化及人體健康等產生重要影響。水溶性氣溶膠是大氣PM2.5重要的化學組成，因其具有吸濕性易形成霧滴，進而影響大氣的光學性質，通過對光的吸收和散射作用影響大氣能見度和地球-大氣的能量平衡。雖然大氣PM2.5中重金屬的含量較少，卻對人體健康構成極大威脅，例如：鉛（Pb）具有高毒性，能直接傷害人體腦細胞，鋅（Zn）過量攝入會引起人體胃腸道疾病等。

1.1 蘇州PM2.5源解析進展狀況

2014年頒布的《大氣污染防治行動計劃》中明確指出，要采取綜合措施減輕京津冀、長三角、珠三角重點區域大氣污染狀況，力圖在2017年將長三角地區PM2.5的濃度降低25%。2015年，《蘇州市大氣污染防治工作考核辦法（試行）》中指出，將各縣市（區）環境空氣PM2.5年均濃度下降比例作為空氣質量改善目標的考核指標，2017年度PM2.5年均濃度較考核基數下降比例應達到20%。

為有效控制PM2.5污染，制定具有針對性的控制策略，識別并定量主要污染源顯得尤為重要。針對這一情形，已有學者開展了相關研究，例如徐佩等人通過比值法和因子分析法對蘇州市大氣顆粒物中多環芳烴的來源進行了研究分析；張曉宇對中國中東部地區大氣細顆粒物中化學組成成分及來源解析進行了研究。這些工作對了解蘇州PM2.5的污染現狀具有一定意義，但源解析的研究對象僅局限于蘇州PM2.5中的某項因子或研究地區范圍過于宏大，不夠精準細致、全面系統。

為了更加全面細致地了解蘇州市古城區PM2.5的來源，掌握PM2.5來源及其時間，本研究用一年半時間的（2014年10月—2016年4月）PM2.5氣溶膠數據，并利用PCA進行來源解析，旨在揭示蘇州市古城區大氣PM2.5不同污染源的貢獻率以及季節變化特征。

2 材料與方法

2.1 PM2.5采樣及分析

在蘇州市古城區南門站點，采用在線單顆粒氣溶膠質譜儀（SPAMS），基本原理為：采用空氣動力學透鏡作為顆粒接口，通過光束測徑原理進行單顆粒氣溶膠粒徑測量及計數，利用飛行時間質譜原理進行正負化學成分的同時檢測，從而實現單顆粒氣溶膠化學成分和顆粒物直徑的同步檢測。該儀器具有高時空分辨率和分析速度快的特點，可捕捉氣溶膠的瞬時變化。采樣時間為2014年10月至2016年4月，在線連續采樣獲得數據，建立數據庫。

2.2 PCA技術方法

式中，Z是標準化后的濃度值（無量綱），c是在第次觀測中化合物的濃度，c是c的算式平均值，是標準偏差。

本研究采用南門站2016年4月、2015年7月、2014年10月和2015年2月的氣溶膠化學成分數據，分別代表春夏秋冬四個季節的數據，利用PCA方法進行PM2.5來源解析。

3 結果與討論

3.1 各季節濃度變化特征

圖 1 不同季節物質濃度百分率日變化

從圖中可以看出，一年四季中，蘇州大氣中PM2.5的成分主要由SO42-、NO3-、NO2-、NH4+和CN等構成，其中SO42-離子濃度在夏季占總濃度的比例高于其余三個季節。NO3-和NO2-離子在冬季占總濃度的比例高于其余三個季節，NH4+離子占總濃度的比例也在冬季較高。

3.2 利用PCA進行來源解析

利用軟件IBM SPSS Statistics22.0對已剔除的17個明顯異常數據的元素進行主成分分析。PCA按照特征值大于0.8的標準，并通過了適應性分析（KMO>0.6，Bartlet<0.005）。四季KMO分別為0.700、0.814、0.820、0.837，四季Bartlet值均為0.000；四季的累計解釋方差為85.907%、90.987%、91.855%、87.194%，均大于80%。這些數據表明PCA提取了這些元素的主要信息，此外各因子間沒出現主要成分匯聚的現象，表明PCA的結果是可信的。本文對春、夏、冬季提取出四個因子，對秋季提取出三個因子，結果見表1。

表 1 PCA四季分析因子載荷矩陣

注：提取方法為主成分分析（Kaiser標，即特征值大于1的提取原則）；旋轉方法為Varimax旋轉；為春季7次、夏季6次、秋季4次、冬季6次的旋轉收斂；表中僅顯示載荷大于0.30的值。

Note: The extraction method is based on principal component analysis (Kaiser standard, the extraction principle with eigenvalue greater than 1). The rotation method is Varimax rotation, it is the rotation convergence of 7 times in spring, 6 times in summer, 4 times in autumn and 6 times in winter. Only the values larger than 0.30 are shown in the table.

根據PCA源解析結果分析出春季因子一、夏季因子一、秋季因子一及冬季因子二，元素組成及所占比例相近，可確定為同源。其中含大量的SO42-、NO3-、NH4+及Fe，這些離子及元素為典型的機動車排放源[3]。機動車排放源對四季的貢獻比分別為30.575%、43.423%、46.860%及23.846%。可看出機動車排放源對蘇州的污染貢獻率較大，且秋季>夏季>春季>冬季。

圖 2 不同季節機動車排放對PM2.5的貢獻率

春季的因子二及冬季的因子一富含大量的SO42-、Cl-、NO3-、NH4+，其中SO42-為典型的燃煤貢獻的離子[4]，主要與燃煤電廠和燃煤鍋爐有關。燃煤對春季及冬季的貢獻率分別為26.628%和27.901%。

春季因子三、夏季因子三、秋季因子二及冬季因子三，元素組成及所占比例相近，系為同源。因子中含有大量的Cd、Cr、Cu、V等物質。V、Cr、Cu[5]及Cd[6]都被認定是為典型的工業污染的產物，將其定義為工業污染源一。工業污染源一以產生V為主，可能是與石油加工相關類型的工業源。此源排放情況穩定，四季貢獻比分別為19.259%、18.403%、35.807%及21.637%，秋季>冬季>春季>夏季。

春季的因子四中，含有大量的SiO32-，其廣泛用于吸收各種蒸汽或氣體及精煉石油等方面，并可用作催化劑的載體[7]。因此將此源定義為化工排放。此源對春季的貢獻率為9.446%。

夏季的因子二，主要貢獻物為Cu、Fe及SiO32-。銅具有許多優異性能，在各工業部門中得到廣泛應用[8]，如作為機動車潤滑油的主要添加劑；SiO2主要存在于自然界中，二氧化硅主要存在于石英礦中[9]。以焦炭和石灰石與這些礦石一起熔煉可得到金屬鐵[10]。該源應為鋼鐵制造業產生的污染源，此源占比22.2865%。

夏季因子四及冬季因子四主要貢獻者為Cd，此物質主要與冶金相關工作的工業排放有關[6]。將此源定義為工業污染源二。此源對夏冬季節貢獻率分別為6.875%和13.801%。

秋季因子三中，含有大量的Cu及Pb，除對工業生產中的貢獻外，也大量存在于生物質燃燒中[6]。此源貢獻率為9.188%。

表 2 PCA解析結果及各源占貢獻率

注：由于數據中離子種類偏少，上述污染源的確定還有待進一步驗證。

Note: Due to the small number of ion species in the data, the determination of the above sources remains to be further verified.

4 結論

（1）根據源解析結果，蘇州市古城區2014年10月到2016年4月采樣期間，PM2.5的最大來源為工業源，其次分別是機動車尾氣排放、燃煤源、生物質燃燒源和揚塵，對PM2.5 的貢獻率分別為40.56%、29.75%、24.21%、2.77%和2.70%；

（2）蘇州古城區大氣PM2.5的來源在不同季節的分布特征不同，春季主要污染源為機動車尾氣排放、燃煤源、工業污染源一，夏季主要污染源為機動車尾氣排放、工業污染源二、工業污染源一，秋季主要污染源為機動車尾氣排放、工業污染源一，冬季主要污染源為燃煤源、機動車尾氣排放、工業污染源一；

（3）由于蘇州市古城區內已沒有工業企業，并且嚴禁煙花爆竹和秸稈燃燒，外來源是工業污染源、生物質燃燒源、燃煤源的主要和直接供給者；

（4）污染過程中，古城區PM2. 5中的硫酸鹽和硝酸鹽主要來自周邊區域的貢獻；二次有機氣溶膠、氨源和其他組分主要來自本地源排放；區域傳輸對二次硝酸鹽污染起主導作用；

（5）機動車尾氣排放是古城區本地主要污染源之一，提高排放標準，輔以適當的交通管制措施，能夠有效減少移動源對污染物的貢獻率，對于改善空氣質量有著直接的影響作用。

[1] Thurston GD, Spengler JD. A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston[J].Atmospheric Environment, 1985,19(1):9-25

[2] Miller SL, Anderson MJ, Daly EP,. Source apportionment of exposures to volatile organic compounds I. Evaluation of receptor models using simulated exposure data[J]. Atmospheric Environment, 2015,36(22):3629-3641

[3] Zíková N, Wang Y, Yang F,. On the source contribution to Beijing PM2.5, concentrations[J]. Atmospheric

Environment, 2016,134:84-95

[4] Huang RJ, Zhang Y, Bozzetti C,. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature, 2014,514(7521):218-222

[5] Karnae S, John K. Source apportionment of fine particulate matter measured in an industrialized coastal urban area of South Texas[J]. Atmospheric Environment, 2011,45(23):3769-3776

[6] 秦鑫,張澤鋒,李艷偉,等.南京北郊重金屬氣溶膠粒子來源分析[J].環境科學,2016,37(12):4467-4474

[7] 張顯鵬.鐵合金辭典[M].沈陽:遼寧科學技術出版社,1996

[8] 《有色金屬冶金》卷委員會.中國冶金百科全書:有色金屬冶金[M].冶金工業出版社,1999

[9] 艾倫·艾薩克斯.麥克米倫百科全書[M].郭建中,江昭明,毛華奮,等譯.杭州:浙江人民出版社,2002:1072

[10] 中國冶金百科全書總委員會《鋼鐵冶金》部.中國冶金百科全書:鋼鐵冶金[M].北京:冶金工業出版社,2001

PM2.5 Source Apportionment of Historic District Using Principal Component Analysis in Suzhou City

ZOU Cong-yang, JIANG Ni-shan, LI Zhao-kun

215009,

Ambient PM2.5 samples were collected simultaneously at 8 monitoring sites ( Nan men) in Suzhou city, from October 2014 to April 2016. PCA(Principal Component Analysis)was used to identify the sources of PM2.5 based on ambient PM2.5 com-positional data including concentrations of SO42-, NO3-, NO2-, NH4+, CN and metal elements. Results from PCA indicated that the six major sources of ambient PM2.5 were industrial sources, vehicle emission, coal combustion, soil dust, Biomass burning. Coal combustion exhibited increased contributions in winter. The contribution rate of vehicle emission is relatively stable, and the ratio is higher. Strengthening the controls of vehicle emission was of great significance for the reduction of PM2.5 of historic district in Suzhou.

PM2.5; PAC; Suzhou city; chemical compositions; source apportionment

X131.1

A

1000-2324(2019)01-0070-05

10.3969/j.issn.1000-2324.2019.01.015

2017-09-23

2017-11-13

2016年度蘇州市產業技術創新專項(民生科技):蘇州古城區大氣污染精細化來源解析及減排支撐技術研究(ss201609)

鄒叢陽(1979-),男,學歷,博士研究生,主要從事大氣污染防治及土壤修復治理研究.E-mail:48914027@qq.com