基于單顆粒氣溶膠質譜技術的源解析新算法

徐 嬌,張鄧毅,張英磊,馮銀廠

基于單顆粒氣溶膠質譜技術的源解析新算法

徐 嬌1*,張鄧毅1,張英磊1,馮銀廠2

(1.北京首創大氣環境科技股份有限公司,北京 100176；2.南開大學環境科學與工程學院,國家環境保護城市空氣顆粒物污染防治重點實驗室,天津 300071)

針對現有單顆粒氣溶膠質譜技術的顆粒物快速來源解析方法不能提供基于質量濃度單位源解析結果的問題,提出一種新型單顆粒快速源解析算法ArtPMF.選擇淮河平原某能源工業城市2021年2～3月的單顆粒質譜監測數據對ArtPMF算法進行應用.結果表明監測期間二次源、工業源、機動車尾氣源、燃煤源、揚塵源、生物質燃燒源和煙花燃放源對PM2.5的貢獻占比分別為23%、22%、20%、12%、10%、6%和6%.結合監測點位周邊工業企業實際分布方位、氣態污染物和氣象監測數據等對模型結果評估表明,該模型解析的燃煤源、燃燒源、工業源、機動車尾氣源貢獻高值的方位分布均符合現場工業企業和功能區劃的實際情況,說明該模型結果可信且能夠為污染防治提供準確信息支撐.

大氣顆粒物；單顆粒氣溶膠質譜儀；ArtPMF模型；在線源解析

大氣顆粒物來源解析是有針對性的制定顆粒物污染防治政策法規和控制措施的重要科學前提[1-4].單顆粒氣溶膠質譜技術在大氣顆粒物來源解析工作領域已經得到了較為廣泛的應用[2].單顆粒氣溶膠質譜技術(單顆粒質譜)是從單個顆粒層面上分析顆粒特性的分析技術,能夠實時分析大氣中顆粒物的粒徑和化學組成信息,具有分析速度快、時間分辨率高的特點[5].目前基于單顆粒氣溶膠質譜技術的源解析算法仍處于發展階段,常見方法包括基于聚類和分類的方法[5-8]、以及基于因子分析模型的方法[7,13-17],其中聚類分類的方法是目前在國內多個城市開展顆粒物源解析業務化應用的常用方法,其假設單個顆粒單一來源.但源譜研究中發現污染源單顆粒物質譜特征存在相似性[9,17],并且源排放單顆粒老化后質譜特征和粒徑大小會發生改變[18-20],這些問題給聚類分類算法分析結果帶來不確定性.此外,聚類分類方法提供的源解析結果往往是基于顆粒個數單位而不是質量濃度單位[5,7-8],難以為PM2.5污染防治工作的開展提供定量的支持.基于因子分析模型的方法原理為將受體單顆粒質譜定量數據納入因子分析模型進行因子分解[10,13-15,21],對各個因子進行來源識別,其核心理論為每一個環境受體單顆粒/每一個特征峰可能受到多個污染源的貢獻,打破聚類分類方法上述的局限性,定量一次源和二次源的貢獻.但是基于因子分析模型的方法仍處于理論研究階段,缺乏案例應用.

本文在原有基于因子分析模型的方法基礎上,提出一種新型的利用PMF模型和Art-2a聚類算法的單顆粒快速源解析算法(簡稱ArtPMF算法).該算法綜合利用了單顆粒監測數據質量濃度轉化算法和聚類算法,將對環境受體單顆粒質譜數據進行聚類后獲得的顆粒類型質量濃度數據納入到PMF模型進行源解析.選擇淮河平原某城市2021年春節過后的環境單顆粒質譜監測數據作為案例進行ArtPMF算法案例應用,結合監測點位周邊污染源實際分布信息來對源解析結果進行驗證,并評估ArtPMF算法使用效果.

1 材料與方法

1.1 環境顆粒物監測

2021年2月18日～3月6日期間利用高時間分辨率在線單顆粒氣溶膠質譜儀SPAMS(型號0515,廣州禾信儀器股份有限公司)在淮河平原某城市經濟開發區進行環境顆粒物監測,采集環境受體的單顆粒質譜數據.監測時段為中國傳統節日春節過后.采樣點位周邊主要工業企業分布如圖1所示.監測期間PM2.5、PM10、SO2、NO2、CO、O3等顆粒物和氣態污染物質量濃度監測數據從當地監測站獲得.

SPAMS的工作原理和性能見文獻[9].分析期間質量控制和質量保證主要通過確認儀器的各項運行參數正常以及儀器定期校正來實現.定期清洗進樣系統處的小孔片保證進樣系統壓力穩定,以確保顆粒物進樣和測定的穩定性.質量保證通過對儀器校正來實現,使用NaI標準物質對儀器檢測質譜圖的質荷比進行校正,并定期使用標準粒徑聚苯乙烯(PSL)小球對儀器檢測粒徑進行校正.

1.2 算法原理

該算法分為2個步驟,首先是構建1h分辨率的單顆粒質譜模型輸入數據集,第2步是輸入到PMF模型中進行因子分析.

1.2.1 1h分辨率的模型輸入數據集構建 采用自適應共振理論ART-2a算法對SPAMS監測獲得的環境受體質譜數據進行聚類[9],其基本原理見文獻[22].本研究在MATLAB平臺上使用SPAMS Data Analysis V3.0軟件包對單顆粒原始數據處理并進行ART-2a聚類運算.在分類過程中,相似度(VF)和學習效率是兩個重要的ART-2a模型運算參數,本研究中相似度采用文獻中推薦使用值VF=0.7[9,22],學習效率參數使用文獻中的推薦值0.05.通過對模型初步聚類后獲得的類別進行化學組分識別后進行人工合并,最終獲得多個化學組成彼此不同的顆粒類別,并統計各類別1h時間分辨率的個數數據集.

參考Zhou等[23]的研究,利用SPAMS儀器的幾個關鍵參數包括打擊率和顆粒傳輸效率對上述獲得的顆粒類別個數結果進行質量濃度轉化,并獲得各類別1h時間分辨率的質量濃度數據集.校正公式如式(1)所示.

式中:代表顆粒類型序號;為顆粒物的密度,本研究假設為1.7g/cm3;為校正后的顆粒的體積,計算公式見(2).

式中:H為第個粒徑段內SPAMS監測的打擊率, 其定義是儀器打擊出質譜圖的顆粒數(MASS)與獲得測徑信息的顆粒數(SIZE)的比值.計算方法如公式(3);E為第個粒徑段內的傳輸效率,定義是在第個粒徑段內實測的顆粒物數濃度與SPAMS測徑顆粒數的比值.在本文中沒有同期觀測的大氣顆粒物粒徑分布數據,因此在本研究中使用經驗公式(4)計算;V,k,j為顆粒的體積;計算方法如式(5)所示:

式中:代表顆粒物的粒徑段;代表顆粒的粒徑;和是擬合傳輸效率與粒徑關系曲線的兩個重要參數,在Zhou等[23]的研究中和的取值分別為(20.075±10.975)和(-5.000±0.789).在本文通過測試最終取值分別為10和-0.7.

式中:ve,i,k,j代表第個顆粒的等效體積粒徑,即等于電遷移粒徑,其計算方法如公式(6)所示.

式中:va是SPAMS監測得到的空氣動力學當量粒徑;ve是等效體積粒徑;是形狀因子,在本研究中假設為1;是顆粒物的密度,本研究假設為1.7g/cm3.

在顆粒物質量濃度定量過程中,顆粒傳輸效率和顆粒物密度的選擇都是對結果帶來不確定性的重要因素.SPAMS顆粒傳輸效率除受到顆粒物粒徑的影響外,還可能受到包括顆粒物污染水平以及環境相對濕度等外界因素的影響,因此使用公式(4)估算的可能與實際值存在差異,建議通過實測的方法計算本地化的SPAMS顆粒傳輸效率.此外,不同源排放顆粒物的形狀及化學組成均不同導致顆粒物密度有差異.因此顆粒傳輸效率以及顆粒物密度參數的選擇會給源解析結果帶來不確定性.

1.2.2 PMF模型原理 PMF模型是基于最小二乘法對受體數據進行分解[2,24],得到源成分矩陣和源貢獻矩陣,計算公式:

式中:X為第個樣品中第種化學組分的濃度,μg/m3;G為第個樣本中第k類源的貢獻濃度,μg/m3;F為第類源中第種化學組分占比;e為第個樣品中第種化學組分的殘差.

PMF模型的目標是尋求最小化目標函數的解,從而確定污染源成分譜F和污染源貢獻譜G.Q為PMF定義的目標函數:

式中:U為第個樣品中第種化學組分的不確定度.

本文采用PMF5.0模型對單顆粒質譜數據集進行來源解析.

圖1 監測點位及周邊工業企業分布示意

圖2 監測期間氣象條件及關鍵污染物濃度的時間變化趨勢

2 結果與討論

2.1 采樣期間空氣質量情況

如圖2所示,監測期間監測點位PM2.5和PM10平均濃度分別為41和66μg/m3,SO2、NO2和CO的平均濃度分別為5、23和500μg/m3,其中優、良天氣占比為92.9%,污染天氣占比為7.1%.監測期間總體空氣質量較好,但是也捕捉到了沙塵污染過程.監測期間僅有4個小時達到中度污染水平,主要發生于21年2月4日上午9:00～11:00,于4日上午09:00時PM2.5達到峰值濃度168μg/m3.

監測期間SPAMS測徑顆粒數為12980085個,打擊質譜圖數為1287988個,平均打擊率為9.9%.如圖3所示, 逐小時測徑顆粒個數(SIZE)與PM2.5質量濃度線性相關性達到中等程度相關(為0.71),而打擊質譜圖數(MASS)與PM2.5質量濃度時間變化趨勢一致性較差,這說明SPAMS小時測徑顆粒數具有表征環境顆粒物污染水平的能力[8,25].利用質量濃度轉化方法對監測期間SPAMS監測數據進行質量濃度轉化后得到的質量濃度結果如圖3所示,其時間變化趨勢與實測PM2.5質量濃度較為一致,線性相關性達到中等程度相關(為0.58).以上結果說明監測期間SPAMS設備監測數據進行質量濃度轉化后一定程度上可以反映大氣細顆粒物的污染狀況.

圖3 監測期間SPAMS監測數據與實測PM2.5時間變化趨勢一致性分析

2.2 PM2.5來源解析

2.2.1 顆粒物聚類分析 使用ART-2a算法對監測期間打擊顆粒質譜進行聚類,再通過人工識別各類別平均譜圖中的特征峰對應的化學組分類型來對顆粒類別進行合并,最終獲得8個主要顆粒類型:元素碳(EC)、有機碳(OC)、混合碳(OCEC)、富鉀/左旋葡聚糖/二次顆粒(富含K、左旋葡聚糖levoglucosan、SO42-、NO3-等成分的顆粒)、礦物質顆粒(富含Al、Ca、Fe、Ti、Si等成分的顆粒)、礦物質+EC(顆粒物上同時含有礦物質成和EC成分的顆粒)、重金屬顆粒(富含Zn、Cu、Pb、Hg等成分的顆粒)和其他有機物顆粒(含有多環芳烴PAH或者有機胺amine的顆粒),它們占顆粒總數的95%以上.如圖4(a)所示,EC顆粒個數占比最高達到51%,其次OC、富鉀/左旋葡聚糖/二次顆粒、礦物質顆粒和OCEC顆粒占比分別為16%、9%、9%和6%.與曲周[26]、石家莊[27]、太原[28]、鶴山[29]和南寧等[12]市的分析結果進行對比發現,本文EC顆粒占比水平較高,與曲周較為相近,與鶴山市細顆粒物污染過程的分析結果較為相近,而高于南寧市、石家莊市和太原市,顆粒物類型構成占比的差異與研究區域污染源構成、顆粒物污染水平有關.使用質量濃度轉換方法對各顆粒類型數濃度結果進行質量濃度轉化,結果如圖4(b)所示.經過對比個數占比和質量濃度占比結果可知,礦物質顆粒個數雖然占比較低(9%),但是如圖5所示礦物質顆粒的含量主要集中在1.0～2.0μm粒徑范圍內,其分布粒徑段明顯比其他顆粒類型更大,因此其質量濃度占比明顯提高(17%);EC顆粒代表著含有EC和無機水溶性離子的顆粒類型,圖5顯示,其粒徑分布范圍較廣,因此其數濃度占比(51%)和質量濃度占比(53%)無明顯差異.OC顆粒和富鉀/左旋葡聚糖/二次顆粒由于主要分布在小粒徑范圍內(0.2～0.5μm),因此質量濃度占比明顯低于數濃度占比.這也充分說明了以個數為單位的結果與以質量濃度為單位的結果有顯著差異.

圖5 各主要顆粒類別個數及個數占比的粒徑分布

為了進一步獲得監測期間顆粒物化學組成特征的數據,將上述8個顆粒類型進一步按照化學物種進行分類,分類過程中主要反映質譜中常見特征峰對應的化學組分[5],例如Li、Na、Mg、Al、K、Ca、Fe、Mn、Ti、Si等礦物質組分,V、Zn、Cu、Cr、Hg和Pb等重金屬組分,EC、OC、PAH和levoglucosan(簡稱Lev)等含元素碳和有機碳或者有機示蹤組分,以及Cl-、NO3-、SO42-等負質譜中常見水溶性離子組分.最終得到53個化學組成特征不同的細分組分類型(簡稱組分類),劃分的組分類不僅可以反映顆粒物的主要化學組成,也可以直觀反映顆粒物上主要化學組分的混合狀態[26,30].但是,聚類分析過程中容易忽視掉一些峰面積較低但具有關鍵標識作用的特征峰,因此通過查找特征峰的辦法進一步定量了含有Cl、Cr、Mn、Ca、Si、K2SO4和Ba等組分特征峰的顆粒的質量濃度(為與聚類獲得顆粒類型區別開,這些顆粒命名后面加上-tr后綴,例如Cl-tr),其中K2SO4是生物質燃燒排放顆粒含有的重要的K團簇峰[30-31],Ba是煙花燃放排放顆粒含有的重要組分[32].

表1 聚類后53個組分類及8個主要類型之間的對應關系

2.2.2 ArtPMF模型計算 將上述53個組分類質量濃度以及含關鍵特征峰顆粒的質量濃度數據整理成輸入數據集,納入PMF模型進行分析,通過反復嘗試因子數為5～12個,并比對模型診斷指標和結果,最終取10個因子的解析結果進行分析,所獲得的因子譜如圖6所示.因子1的成分譜中K_EC_NO3、KEC_Sec、K_Lev_NO3、K_Lev_SO4、K_Lev_Sec、K_OC_Lev_SO4、OC_SO4以及K2SO4-tr等顆粒類型的含量較高,生物質燃燒源成分譜的研究結論表明K和Lev是關鍵示蹤物種[30],且生物質燃燒顆粒質譜中往往含有K2SO4(/+213)和SO42-(/-97)特征峰[31].因此,該因子被識別為生物質燃燒源;因子2的成分譜中Ca_NO3_SiO3、FeMn、Fe_SiO3、Na_K_Fe_SiO3、Ca-tr和Si-tr等礦物質顆粒類型含量較高,因此該因子被識別為揚塵源[25,33-34];因子3的成分譜中EC_SO4、EC_Sec、HEC、HEC_SO4、和HEC_Sec等碳質顆粒類型含量較高,這些顆粒類型上EC與SO42-內混,與燃煤源尤其是散煤燃燒源排放特征相一致,因此被識別為燃煤源[9,13,35-38];因子4的成分譜中Al_NO3、Ba-tr等顆粒類型含量較高,此外碳質顆粒如EC_NO3、EC_Sec和K_EC_NO3在因子譜中含量也不容忽視.黑火藥和焰色金屬是煙花爆竹的主要成分,因此其燃燒后排放顆粒可能會含有碳質顆粒以及重金屬顆粒[32],因此該因子被識別為煙花燃放源;因子5的成分譜中Na_K_ OCEC_Sec、OCEC_SO4、OCEC_Sec、OC_SO4、OC_SO4和PAH等顆粒含量較高.環境大氣中有機顆粒物可能來源于交通源、餐飲源、生物質燃燒源、固體燃料燃燒源以及工業源的排放[38-39],顆粒物上PAH是煤、石油、木材、可燃氣體等在不完全燃燒或在高溫處理條件下所產生的一類有害物質,通常存在于石化產品、橡膠、塑膠、潤滑油和不完全燃燒的有機化合物中,也常來源于工廠廢氣排放.其具有半揮發性,容易吸附在大氣顆粒物上.因子5包含顆粒類型的主要化學組成為OC和SO42-,并且部分顆粒類型還含有PAH成分,因此推測該因子可能對應工藝過程源,監測點位周邊分布多家機械加工企業和建材企業可能會對監測點位顆粒物污染造成明顯影響;因子6的成分譜中EC_NO3、EC_Sec、K_EC_NO3、K_EC_Sec、K_OC_Sec和Na_K_EC_ NO3顆粒類型的含量較高,OCEC與二次組分充分內混的顆粒可能來源于二次生成過程或者燃煤源排放,該因子與因子7在成分組成上有明顯區別,因此被識別為燃煤源[9,40].因子6與因子3的因子譜有明顯差異,可能代表不同類型燃煤子源類的排放,因此后續將因子6與因子3合并為燃煤源;因子7成分譜中EC_NO3、Fe_NO3、HEC_NO3、K_EC_NO3等富含NO3-和SO42-等二次無機離子組分特征峰的顆粒類型含量較高[10,26,41],因此該因子可能代表二次生成顆粒物,因此被識別為二次源;因子8成分譜中V、Cr-tr、Mn-tr、Ca_NO3_SiO3、Ca-tr顆粒類型含量較高,可能來源于工藝過程源排放[42];因子9成分譜中Cu_NO3、K_OC_Lev_Sec、K_OC_NO3、OC_NO3和OC_Sec顆粒類型的含量較高,可能來源于工藝過程源排放.因子5、8和9可能來源于不同類型的工藝過程源排放,因此合并為工業源;因子10成分譜中EC和HEC的含量較高,此外EC_NO3、HEC_NO3、HEC_Sec等元素碳顆粒類型含量也較高.機動車尾氣源、燃煤源和生物質燃燒源均會排放元素碳顆粒,但是機動車尾氣源排放元素碳顆粒質譜中二次組分(NO3-和SO42-)和鉀的特征峰強度較低[18,43-44],與燃煤源和生物質燃燒源有顯著區別,因此該因子被識別為機動車尾氣源.

如圖7,監測期間顆粒物主要污染源貢獻按照由高到低排序結果為:二次源(23%)>工業源(22%)>機動車尾氣源(20%)>燃煤源(12%)>揚塵源(10%)>生物質燃燒源(6%)=煙花燃放源(6%).

圖6 PMF解析因子譜

圖7 污染源平均貢獻

2.2.3 源解析結果分析 為了驗證源解析結果的合理性,本文結合監測期間的風速風向數據以及氣態污染物實測數據對源解析結果進行評估.如圖2所示,2月19～23日期間SO2濃度水平較高,源解析結果顯示生物質燃燒源和燃煤源是PM2.5的主要來源.結合風速風向數據繪制了污染物濃度及各污染源類貢獻的風玫瑰圖,如圖8所示,燃煤源、生物質燃燒源貢獻高值方位與SO2濃度高值方位分布較為一致,均出現在西北、北、東北、東和東南方位上.結合工業企業分布示意(圖1)可知,監測點位的北、東北、東和東南方位上有工業鍋爐和燃煤電廠排放,此外監測點位西北、東和東南方位有村莊存在居民散燒情況;NO2和CO濃度高值主要出現在西、西北、西南和東北風向上,機動車尾氣源貢獻的風玫瑰圖結果與之較為一致,因此監測點位可能受到其西側市區和東北方向交通主干道機動車尾氣源排放影響;工業源貢獻高值分布方位包括西南、西北和東北,這與圖1所示監測點位周邊工業企業分布方位較為一致.煙花燃放源貢獻高值出現在監測點位東、東南和西側,這說明可能受到西側市區以及東和東南側村莊煙花燃放的影響,并且西側貢獻水平較低說明春節期間市區對于煙花燃放管控較為嚴格;揚塵源貢獻高值主要分布在西北和北風向,且西北風向下揚塵源貢獻高值出現時風速較大,推測受到上風向區域傳輸的影響.而北風風速較低,推測受到監測點位周邊道路揚塵和施工揚塵的影響.

圖8 污染源貢獻風玫瑰圖

風玫瑰圖中顏色代表污染源貢獻占比和氣態污染物濃度,顏色越深代表源貢獻占比或污染源濃度水平越高

3 結論

3.1 本文提出一種新型單顆粒快速源解析算法——ArtPMF,將PMF模型和Art-2a聚類算法進行耦合,并結合質量濃度轉化方法最終實現對污染源質量濃度貢獻的解析.

3.2 利用ArtPMF算法解析淮河平原某城市經濟開發區2021年2月19日～3月8日期間的PM2.5的來源.監測期間PM2.5的主要來源包括二次源(23%)、工業源(22%)、機動車尾氣源(20%)、燃煤源(12%)、揚塵源(10%)、生物質燃燒源(6%)和煙花燃放源(6%).監測點位于國家重要能源城市和工業城市的經濟開發區,周邊工業企業分布較為密集,因此源解析結果顯示PM2.5的主要來源是工業源、機動車尾氣源和燃煤源.

3.3 燃煤源、生物質燃燒源貢獻在西北、北、東北、東和東南風向下較高,這與SO2濃度水平的方位分布特征相一致,結合工業企業分布情況推測燃煤源和生物質燃燒源可能受到工業鍋爐、燃煤電廠、居民散燒排放的影響.機動車尾氣源貢獻在西、西北、西南和東北風向下比較高,這與NO2和CO濃度水平的方位分布特征較為一致,監測點位受到其西側市區和東北方向交通主干道機動車尾氣源排放的共同影響.工業源貢獻在西南、西北和東北風向下貢獻較高,這與周邊機械加工企業、建材企業的空間分布特征較為一致.煙花燃放源在東、東南和西風向下貢獻較高,監測點位可能受到西側市區以及東和東南側村莊煙花讓放的影響,并且春節期間市區對于煙花燃放管控較為嚴格所以西風下煙花燃放源貢獻水平相對較低;揚塵源貢獻高值主要分布在西北風和北風向上,受到上風向西北方位區域傳輸的影響,并且也受到監測點位周邊道路揚塵和施工揚塵的影響.

[1] 高 健,李 慧,史國良,等.顆粒物動態源解析方法綜述與應用展望[J]. 科學通報, 2016,61(27):3002-3021.

Gao J, Li H, Shi G L, et al. Overview of the development and application of multi-time resolution source apportionment for particulate matters [J]. Chinese Science Bulletin, 2016,61:3002–3021, doi:10.1360/N972016-00363.

[2] 劉佳媛,高 健,張岳翀,等.北京APEC期間不同顆粒物源解析方法的結果比較[J]. 中國環境科學, 2020,40(3):938-947.

Liu J Y, Gao J, Zhang Y C, el al. Results comparison of different source apportionment methods during APEC summit in Beijing [J]. China Environmental Science, 2020,40(3):938-947

[3] Yang X, Xiao H, Wu Q, et al. Numerical study of air pollution over a typical basin topography: Source appointment of fine particulate matter during one severe haze in the megacity Xi'an [J]. Science of the Total Environment, 2020,708:135213.

[4] Hao Y, Meng X, Yu X, et al. Quantification of primary and secondary sources to PM2.5using an improved source regional apportionment method in an industrial city, China [J]. Science of the Total Environment, 2020,706:135715.

[5] 蔡 靖,鄭 玫,閆才青,等.單顆粒氣溶膠飛行時間質譜儀在細顆粒物研究中的應用和進展[J]. 分析化學, 2015,43(5):765-774.

Cai J, Zheng M, Yan C J, et al. Application and progress of single particle aerosol time-of-flight mass spectrometer in fine particulate matter research [J]. Analytical Chemistry, 2015,43(5):765-774.

[6] Chen Y, Liu H, Yang F, et al. Single particle characterization of summertime particles in Xi'an (China) [J]. Science of the Total Environment, 2018,636:1279-1290.

[7] 張軍科,羅 彬,張 巍,等.成都市夏冬季大氣胺顆粒物的單顆粒質譜研究[J]. 中國環境科學, 2019,39(8):3152-3160.

Zhang J K, Luo B, Zhang W, et al. Single-particle characterization of amine-containing particles during summer and winter in Chengdu [J]. China Environmental Science, 2019,39(8):3152-3160.

[8] 于興娜,時 政,馬 佳,等.南京江北新區大氣單顆粒來源解析及混合狀態[J]. 環境科學, 2019,40(4):1521-1528.

Yu X N, Shi Z, Ma J, et al. Source apportionment and mixing state of single particle in Nanjing Jiangbei new area [J]. Environmental Science, 2019,40(4):1521-1528.

[9] Xu J, Wang H, Li X, et al. Refined source apportionment of coal combustion sources by using single particle mass spectrometry [J]. Science of the Total Environment, 2018,627:633-646.

[10] Xu J, Tian Y, Cheng C, et al. Characteristics and source apportionment of ambient single particles in Tianjin, China: The close association between oxalic acid and biomass burning [J]. Atmospheric Research, 2020:104843.

[11] Yang X, Xiao H, Wu Q, et al. Numerical study of air pollution over a typical basin topography: Source appointment of fine particulate matter during one severe haze in the megacity Xi'an [J]. Science of the Total Environment, 2020,708:135213.

[12] 劉慧琳,張達標,莫招育,等.南寧市一次污染過程大氣顆粒物理化特性及來源 [J]. 環境科學, 2017,38(11):4486-4493.

Liu H L, Zhang D B, Mo Z Y, et al. Physicochemical property and sources of atmospheric particulate matter during a pollution process in Nanning [J]. Environmental Science, 2017,38(11):4486-4493.

[13] Healy R M, Hellebust S, Kourtchev I, et al. Source apportionment of PM2.5in Cork Harbour, Ireland using a combination of single particle mass spectrometry and quantitative semi-continuous measurements [J]. Atmospheric Chemistry & Physics, 2010,10(19):9593-9613.

[14] McGuire M L, Jeong C H, Slowik J G, et al. Elucidating determinants of aerosol composition through particle-type-based receptor modeling [J]. Atmospheric Chemistry and Physics, 2011,11(15):8133-8155.

[15] Giorio C, Tapparo A, Dall'Osto M, et al. Comparison of three techniques for analysis of data from an Aerosol Time-of-Flight Mass Spectrometer [J]. Atmospheric Environment, 2012,61(61):316-326.

[16] Giorio C, Tapparo A, Dall’Osto M, et al. Local and regional components of aerosol in a heavily trafficked street canyon in central london derived from PMF and cluster analysis of single-particle ATOFMS spectra [J]. Environmental Science & Technology, 2015, 49(6):3330-3340.

[17] Xu J, Li M, Shi G, et alMass spectra features of biomass burning boiler and coal burning boiler emitted particles by single particle aerosol mass spectrometer [J]. Science of the Total Environment, 2017,598:341.

[18] Moffet R C, Prather K A. In-situ measurements of the mixing state and optical properties of soot with implications for radiative forcing estimates [J]. Proceedings of the National Academy of Sciences, 2009,106(29):11872-11877.

[19] Qin X, Pratt K A, Shields L G, et al. Seasonal comparisons of single-particle chemical mixing state in Riverside, CA [J]. Atmospheric Environment, 2012,59:587-596.

[20] 肖致美,徐 虹,李 鵬,等.京津冀區域重污染期間PM2.5垂直分布及輸送[J]. 環境科學, 2019,40(10):4303-4309.

Xiao Z M, Xu H, Li P, et al. Vertical distribution and transport of PM2.5during heavy pollution events in the Jing-Jin-Ji Region [J]. Environmental Science, 2019,40(10):4303-4309.

[21] Peng X, Liu X, Shi X, et al. Source apportionment using receptor model based on aerosol mass spectra and 1h resolution chemical dataset in Tianjin, China [J]. Atmospheric Environment, 2019,198: 387-397.

[22] Song X H, Hopke P K, Fergenson D P, et al. Classification of single particles analyzed by ATOFMS using an artificial neural network, ART-2A [J]. Analytical Chemistry, 1999,71:860-865.

[23] Zhou Y, Huang X H H, Griffith S M, et alA field measurement based scaling approach for quantification of major ions, organic carbon, and elemental carbon using a single particle aerosol mass spectrometer [J]. Atmospheric Environment, 2016,143:300-312.

[24] Paatero P, Tapper U. Positive matrix factorization: a non- negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 1994,5:111–126.

[25] 趙留元,李子璇,呂沛誠,等.基于SPAMS的蘭州市2018年冬季沙塵天氣過程細顆粒物污染特征及來源研究[J]. 環境科學學報, 2020,40(2):388-400.

Zhao L Y, Li Z X, Lv P C, et al. Pollution characteristics and sources of atmospheric fine particulates during the period of 2018, winter dust weather in Lanzhou City based on SPAMS technology [J]. Acta Scientiae Circumstantiae, 2020,40(2):388-400.

[26] 黃子龍,曾立民,董華斌,等.利用SPAMS研究華北鄉村站點(曲周)夏季大氣單顆粒物老化與混合狀態 [J]. 環境科學, 2016,37(4):1188- 1198.

Huang Z L, Ceng L M, Dong H B, et al. Analysis of single particle aging and mixing state at an agriculture site (QuZhou) in the North China Plain in summer using a single particle aerosol mass spectrometer [J]. Environmental Science, 2016,37(4):1188-1198.

[27] 周靜博,任毅斌,洪 綱,等.利用spams研究石家莊市冬季連續灰霾天氣的污染特征及成因 [J]. 環境科學, 2015,36(11):3972-3980.

Zhou J B, Ren Y B, Hong G, et al. Characteristics and formation mechanism of a multi-day haze in the winter of Shijiazhuang using a single particle aerosol mass spectrometer (SPAMS) [J]. Environmental Science, 2015,36(11):3972-3980.

[28] 曹力媛.基于SPAMS的太原市典型生活區停暖前后PM2.5來源及組成 [J]. 山西大學學報, 2018,40(4):867-872.

Cao L Y. Analysis on the pollution process of fine particulates in typical district of Taiyuan, Shanxi [J]. Journal of Shanxi University, 2018,40(4):867-872.

[29] 張瓊瑋,成春雷,李 梅,等.兩種典型污染時段鶴山市大氣細顆粒污染特征及來源 [J]. 環境科學研究, 2018,31(4):657-668.

Zhang Q W, Cheng C L, Li M, et al. Chemical composition and source Apportionment of single Particles during two typical pollution events in Heshan City [J]. Research of Environmental Sciences, 2018,31(4): 657-668.

[30] 樊澤薇,孔少飛,嚴 沁,等.室內木柴燃燒排放水溶性離子粒徑分布特征[J]. 中國環境科學, 2021,41(5):2064-2072.

Fan Z W, Kong S F, Yan Q, et al. Size distribution of water-soluble ions in particles emitted from domestic firewood burning [J]. China Environmental Science, 2021,41(5):2064-2072.

[31] Pratt K A, Murphy S M, Subramanian R, et al. Flight-based chemical characterization of biomass burning aerosols within two prescribed burn smoke plumes [J]. Journal of the Physical Society of Japan, 2011,76(12):45-49.

[32] 謝瑞加,侯紅霞,陳永山.煙花爆竹集中燃放的大氣細顆粒物(PM2.5)成分圖譜 [J]. 環境科學, 2018,39(4):1484-1492.

Xie R J, Hou H X, Chen Y S. Analysis on the composition of atmospheric fine particles (PM2.5) by the impacts of fireworks [J]. Environmental Science, 2018,39(4):1484-1492.

[33] Gallavardin S, Lohmann U, Cziczo D. Analysis and differentiation of mineral dust by single particle laser mass spectrometry [J]. International Journal of Mass Spectrometry, 2008,274(1-3):56-63.

[34] 王海婷,溫 杰,徐 嬌,等.天津市城市揚塵及土壤塵單顆粒質譜特征[J]. 環境科學研究, 2018,31(5):844-852.

Wang H T, Wen J, Xu J, et al. Characteristics of single urban raised dust and soil dust in Tianjin City [J]. Research of Environmental Sciences, 2018,31(5):844-852.

[35] Chen X, Liu Q, Yuan C, et al. Emission characteristics of fine particulate matter from ultra-low emission power plants [J]. Environmental Pollution, 2019,255:113157.

[36] 楊 柳,何 晴,盛重義.燃煤電廠顆粒物中硫酸根與硝酸根離子的轉化規律[J]. 環境科學, 2021,42(10):4678-4686.

Yang L, He Q, Sheng Z Y. Conversion characterizations of sulfate ion and nitrate ion in particulate matters from coal-fired power plants [J]. 2021,42(10):4678-4686.

[37] 楊艷蓉,周雪明,秦娟娟,等.燃煤鍋爐顆粒物化學組成排放特征[J]. 環境科學, 2019,40(9):3908-3915.

Yang Y R, Zhou X M, Qin J J, et al. Emission characteristics of chemical composition of particulate matter from Coal-fired Boilers [J]. 2019,40(9):3908-3915.

[38] Wang X, Williams B J, Wang X, et al. Characterization of organic aerosol produced during pulverized coal combustion in a drop tube furnace [J]. Atmospheric Chemistry & Physics, 2013,13(21):10919- 10932.

[39] 胡元潔.室內外大氣顆粒物和典型有機污染物的環境行為及人體呼吸暴露風險 [D]. 北京:中國科學院大學, 2018:1-2.

Hu Y J. Environmental behavior and human inhalation exposure of particles and typical organic contaminants in indoor and outdoor air [D]. Beijing: University of Chinese Academy of Sciences, 2018:1-2.

[40] 徐 嬌,王海婷,馬 咸,等.利用單顆粒氣溶膠質譜儀研究燃煤塵質譜特征[J]. 環境科學學報, 2019,39(1):25-34.

Xu J, Wang H T, Ma X, et al. Study on mass spectral features of coal combustion emitted particles using single particle mass spectrometer [J]. Acta Scientiae Circumstantiae, 2019,39(1):25-34.

[41] 曹 寧,黃學敏,祝 穎,等.西安冬季重污染過程PM2.5理化特征及來源解析[J]. 中國環境科學, 2019,39(1):32-39.

Cao N, Huang X M, Zhu Y,et al. Pollution characteristics and source apportionment of fine particles during a heavy pollution in winter in Xi’an City [J]. China Environmental Science, 2019,39(1):32-39.

[42] 楊燕萍,陳 強,王莉娜,等.西北工業城市冬季PM2.5污染特征及理化性質[J]. 環境科學, 2020,41(12):5267-5275.

Yang Y P, Chen Q, Wang L N,et al. Winter pollution characteristics and physicochemical properties of PM2.5in a Northwest industrial city [J]. Environmental Science, 2020,41(12):5267-5275.

[43] Sodeman D A, Toner S M, Prather K A. Determination of Single Particle Mass Spectral Signatures from Light-Duty Vehicle Emissions [J]. Environmental Science & Technology, 2005,39(12):4569-4580.

[44] Gross D S, Galli M E, Silva P J, et al. Single Particle Characterization of Automobile and Diesel Truck Emissions in the Caldecott Tunnel [J]. Aerosol Science and Technology, 2000,32:152-163

A new particle source apportionment method based on single particle mass spectrometry dataset.

XU Jiao1*ZHANG Deng-yi1, ZHANG Ying-lei1, FENG Yin-chang2

(1.Beijing Capital Air Environmental Science & Technology Co.,Ltd., Beijing 100176, China；2.State Environmental Protection Key laboratory of Urban Ambient Air Particulate Matter Pollution and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China)., 2022,42(2)：575～584

As an important online source apportionment method, apportioning particle matter (PM) sources using single particle mass spectrometry (SPAMS) can’t obtain the source contributions based on mass concentration. To solve this problem, a new online source apportionment method ArtPMF is proposed in this work. PM were collected and analyzed by SPAMS from February to March 2021 in an industrial city in Huaihe plain. The ArtPMF model was employed on the SPAMS dataset to quantify the source contributions to PM2.5. During the observational period, PM2.5was contributed by secondary source, industrial source, vehicle exhaust source, coal combustion, crustal dust, biomass burning, and firework source, with contributions of 23%, 22%, 20%, 12%, 10%, 6%, and 6% respectively. The directional distributions of coal combustion, biomass burning, firework source, industrial source and vehicle exhaust source contribution are consistent with the actual situation of industrial enterprises and functional zoning, conforming that the ArtPMF can provide reliable source apportionment supporting for pollution control.

particle matter；single particle mass spectrometry；ArtPMF model；online source apportionment

X513

A

1000-6923(2022)02-0575-10

徐 嬌(1992-),女,北京人,工程師,博士,主要研究方向為大氣污染防治,顆粒物及臭氧來源解析.發表論文8篇.

2021-07-13

北京市科技計劃項目(Z191100009119010)

* 責任作者, 博士, xujiaonku@hotmail.com