利用ME-2模型提升PM2.5源解析效果

申航印,何凌燕,林理量,江家豪,高茂尚,黃曉鋒

利用ME-2模型提升PM2.5源解析效果

申航印,何凌燕,林理量,江家豪,高茂尚,黃曉鋒*

(北京大學深圳研究生院環境與能源學院,城市人居環境科學與技術重點實驗,廣東 深圳 518055)

為探討ME-2模型控制旋轉對傳統PMF模型源解析效果的提升作用,于2017年9月10日~2018年8月29日在深圳北部某工業區開展PM2.5采樣,共獲得153套樣品.對PM2.5中31種化學組分進行了分析,篩選出17個物種輸入模型運算.2018年深圳北部工業區大氣PM2.5年均濃度為32.3 μg/m3,利用PMF模型初步識別出9個因子,分別為二次硫酸鹽、二次硝酸鹽、老化海鹽、土壤揚塵、工業排放、燃煤、生物質燃燒、船舶排放和機動車,PMF輸出結果中“混合因子”問題顯著.基于PMF解析結果及獲得的先驗信息,在ME-2模型中建立4個限制源譜進一步解析,結果表明,與PMF模型相比,ME-2結果的示蹤物在源中分配更集中,對示蹤物濃度與相應源貢獻的時間序列也提供了更好的擬合效果.二次硝酸鹽、老化海鹽、工業排放源在PMF模型中被高估了9%~51%,而二次硫酸鹽、燃煤和生物質燃燒源被低估了19%~40%.本研究中ME-2解析結果比PMF更具有環境和統計學意義,為污染防治提供了更精確的控制指向.

PM2.5；正定矩陣因子分解法(PMF)；多元線性模型(ME-2)；源解析；混合因子

PM2.5作為大氣環境中的重要污染物,其來源復雜,主要包括一次源與二次源.目前,PM2.5的源解析方法包括受體模型法、源清單法和擴散模式模擬法等[1],其中受體模型法由于無需追蹤顆粒物傳輸過程、評估排放源的排放因子和活動水平,而在國內外相關研究中最為常用[2-3].受體模型中,美國EPA推薦使用的有CMB、PMF和UNMIX模型[4],其中CMB需要依賴本土源成分譜信息,而PMF不受此限制,同時它可將二次組分與源聯系起來,并提供了非負限制,已廣泛應用于國內外大氣環境源解析研究[5],但PMF其對輸入的樣本數量有一定要求,且存在“混合因子”問題[6-7].而ME-2模型基于PMF模型開發,可用已知信息增強對矩陣旋轉的控制,為解決PMF模型存在的問題提供了可能性,近年來已成為源解析技術研究的前沿[8-11].目前國內ME-2模型的源解析應用多與AMS/ACSM結合[10,12-13],也有部分學者進行了PAHs、黑碳氣溶膠、在線PM2.5組分和手工離線PM2.5的ME-2源解析嘗試[14-17],然而與PMF模型相比其應用案例仍很少.

深圳作為我國珠三角核心城市之一,經過多年大氣污染防治措施的推行,PM2.5濃度已逐步下降至較低水平[18],其進一步下降面臨挑戰,這對PM2.5源解析的準確性提出了更高要求.同時,近年來由于城市中心區居住成本的增加,人口居住出現郊區化趨勢[19],城市郊區細顆粒物來源復雜,針對城郊工業區展開有效的PM2.5源解析研究具有重要價值.目前,多數針對PM2.5的源解析研究只針對部分月份或時間段[20],普遍使用CMB或PMF等模型,存在“混合因子”問題.本研究基于ME-2模型,對深圳北部某工業區大氣PM2.5開展系統的化學分析和來源解析,并對因子廓線進行探索和限制,借此探討利用ME-2模型加強旋轉控制后對PMF模型PM2.5源解析效果的提升作用.

1 儀器與方法

1.1 PM2.5采樣與分析

本研究的采樣點在深圳北郊工業區的某學校內,周圍200m內無明顯局地污染源,可代表典型的城郊工業區環境.該點位顆粒物污染相對較重,PM2.5源的成分較為復雜,“混合因子”問題可能會相對顯著,便于分析ME-2模型對因子限制的效果.研究使用美國Thermo Partisol 2300四通道采樣器進行PM2.5樣品采集,設備架設在學校內某四層教學樓樓頂,4個通道中2個通道配備特氟龍膜,采樣流量為16.7L/min,另外2個為石英膜,流量為10L/min.于2017年9月10日~2018年8月29日期間,對深圳工業區大氣PM2.5開展全年隔日采樣,每次采樣時長為24h,全年共獲得有效樣品153套.

采樣前后分別在超凈室內(溫度20℃,相對濕度50%保持24h以上)用百萬分之一精度天平對特氟龍膜進行稱重,做差得到PM2.5的日均質量濃度.一個通道的特氟龍膜樣品用超純水在超聲波水浴中提取后,用離子色譜儀(美國戴安ICS-2500)分析其中的水溶性無機離子(SO42-、NO3-、NH4+和Cl-等),另一個通道的特氟龍膜樣品用于24種金屬元素的ICP-MS儀(德國耶拿aurora M90)分析.石英膜樣品進行有機碳(OC)和元素碳(EC)的熱/光碳分析儀(美國DRI 2001A)分析,其中將分析出的有機碳質量乘以經驗常數1.8獲得有機物(OM)質量[21-22].

1.2 源解析技術方法及輸入矩陣

PMF(正定矩陣因子分解法)模型作為一種多元因子分解工具,可將分析得到的樣品物種濃度矩陣分解為2個非負常數矩陣(因子貢獻矩陣)和(因子廓線矩陣),并得到一個殘差矩陣,為測量值與模型擬合值之間的差值,見式1.基于樣品濃度的不確定度值,PMF模型的原理是通過最小二乘法進行擬合,使目標函數最小(式2),從而得到模型的最優解[23-24],其中e代表殘差矩陣中第個樣品第個物種濃度的擬合殘差,u是對應測量物種的不確定度.

<