典型城市大氣顆粒物無機組分源解析

劉麗

（安徽省池州生態環境監測中心，安徽 池州 247100）

0 引言

大氣顆粒物無機組分屬于城市大氣顆粒物的重要組成部分，其來源復雜，包括燃煤、工業生產、機動車尾氣、建筑揚塵等多種污染源。因此，對城市大氣顆粒物無機組分進行源解析研究，對于制定有效的污染控制策略具有重要意義。

1 研究方法

以池州市為例，通過對大氣顆粒物無機組分進行源解析，可以深入了解顆粒物的來源和成因。

1.1 正定矩陣因子分解

正定矩陣因子分解（PMF）是一種基于受體模型的源解析方法，具有獨特的優勢。PMF 方法的核心思想是利用觀測數據和污染源特征之間的關系，通過數學分解，確定污染源的貢獻。與傳統的源解析方法相比，PMF不需要事先知道污染源排放清單，因此可以靈活地應用于各種情況。通過PMF 方法，對池州市大氣顆粒物無機組分進行源解析，可以同時解析多種污染源的貢獻，更全面地了解不同污染源對顆粒物形成的影響。

1.2 化學質量平衡法

化學質量平衡法（CMB）是基于質量守恒原理的源解析技術，通過測量大氣顆粒物中各種化學元素或化合物的濃度，并結合污染源排放清單和化學轉化過程的相關信息，計算各個污染源對顆粒物的貢獻。通過CMB 方法，結合測量的大氣顆粒物化學組成數據和污染源排放清單中的化學組成信息，在對比之后，利用數學模型和統計學方法，確定各個污染源對顆粒物的貢獻比例。在此期間，質量守恒原理起到了關鍵作用，即污染源排放的化學物質總量，應等于大氣中化學物質的總量[1]。

1.3 主成分分析法

主成分分析法（PCA）屬于常用的多元統計分析方法，可以用于處理大氣顆粒物的化學組成數據。通過PCA 方法，可以對大氣顆粒物的化學組成數據進行降維處理，將多個變量轉化為少數幾個主成分，從而簡化數據結構。在PCA 方法中，首先對大氣顆粒物的化學組成數據進行標準化處理，消除變量之間的量綱差異。然后，通過計算數據的協方差矩陣，得到各個變量之間的相關性。利用特征值分解技術，將協方差矩陣分解為若干個主成分，每個主成分都屬于原始變量的線性組合。通過分析主成分的特征值和對應的特征向量，可以確定每個主成分所代表的化學組成信息。

1.4 受體模型法

受體模型法主要用于估算大氣顆粒物污染源的貢獻。在受體模型法中，通常需要建立數學模型，描述顆粒物的傳輸和轉化過程。基于擴散方程、高斯煙羽模型或其他合適的數學方法，通過將觀測數據與模型進行擬合，可以估算各個污染源對受體處顆粒物的貢獻份額。

受體模型法的優點在于，不需要直接測量污染源的排放量，而是利用觀測數據進行反推。因此，該方法適用于無法直接獲取污染源排放數據的情況。然而，受體模型法也存在一些限制和不確定性。模型的準確性和可靠性，取決于觀測數據的質量、模型的合理性，以及對污染源特征和傳輸過程的準確描述。因此，在應用受體模型法時，需要做好充分的數據分析和驗證，確保解析結果的可靠性。

1.5 擴散模型法

擴散模型法主要基于大氣擴散理論的源解析，通過模擬污染源排放的污染物在大氣中的傳輸和擴散過程，估算不同污染源對受體的貢獻。在擴散模型法中，首先，需要獲取污染源的排放信息，包括排放量、排放物種和排放高度等。其次，結合氣象數據和地形信息，將污染源的排放量轉化為在大氣中的濃度分布。再次，通過數值模擬或解析方法求解擴散方程，預測污染物在大氣中的傳輸和擴散過程。最后，將模擬得到的污染物濃度分布，與受體處的觀測數據進行比較，通過數據擬合或反演算法，估算不同污染源對受體的貢獻。此時，可以確定各個污染源對受體的影響程度，并為污染控制和環境管理提供科學依據[2]。

擴散模型法在大氣污染研究和環境管理中具有重要的應用價值，可以幫助了解污染物的來源和傳輸路徑，識別主要污染源，并制定有效的污染控制策略。然而，擴散模型法的準確性和可靠性受到模型的復雜性、輸入數據的質量以及對不確定性的評估等因素的影響。因此，在應用擴散模型法時，需要通過充分的驗證，并做好不確定性分析，確保解析結果的準確性和可靠性。

2 選擇合適源解析方法的相關措施

2.1 研究目的

不同的源解析方法適用于不同的研究目的。例如，如果研究的主要關注點是污染源的時空分布情況，擴散模型法可能屬于更適合的選擇。擴散模型法可以模擬污染物在大氣中的傳輸和擴散過程，從而估算不同污染源對受體的貢獻，并且能夠可以提供污染源的空間分布信息，對了解污染源在不同時間和地點的排放情況提供幫助[3]。

相反，如果研究的主要關注點是污染源的化學組成，那么化學質量平衡法或主成分分析法將更適合。化學質量平衡法基于質量守恒原理，通過測量大氣顆粒物中化學元素或化合物的濃度，并結合污染源排放清單和化學轉化過程，計算各污染源的貢獻。主成分分析法則是多元統計分析方法，可以針對大氣顆粒物的化學組成數據，通過降維處理的方式，提取主要成分并確定其來源。

因此，在選擇源解析方法時，需要根據研究目的和可用數據，在綜合考慮之后選擇合適的類型。不同的方法具有各自的優勢和適用范圍，合理選擇合適的源解析方法，可以提高研究的準確性和可靠性。

2.2 數據質量

源解析方法的準確性和可靠性，在很大程度上取決于所使用數據的質量。因此，在選擇合適的源解析方法之前，需要對數據的準確性、完整性和代表性進行評估。

數據的準確性是指測量或觀測數據與真實值之間的接近程度。如果數據存在測量誤差或錯誤，將會影響源解析結果的準確性。因此，需要加強對數據質量的控制，并通過驗證，確保數據的準確性。

數據的完整性是指數據是否包含了所有相關的信息。如果數據存在缺失或遺漏，可能會導致源解析結果的不準確。因此，需要加強對數據的審核和篩選，確保數據的完整性。

數據的代表性是指數據是否能夠代表研究對象的總體特征。如果數據只是研究對象的一部分或存在偏差，可能會導致源解析結果的偏差。因此，需要分析和評估數據，確保數據的代表性。

2.3 污染源特征

污染源解析屬于環境監測和治理的基礎工作，旨在識別和分析造成環境污染的源頭。不同的污染源具有各自獨特的特征，例如排放強度、排放方式、化學組成等，其特征決定了后續對污染源解析方法的選取。

首先，排放強度。某些污染源可能具有較高的排放強度，如工業排放、汽車尾氣等，污染源對環境的影響更為嚴重。針對此類污染源，需要采用高效、可行的監測手段，確保能夠對其做好準確、實時的監測。

其次，排放方式。排放方式包括大氣排放、水體排放、土壤排放等，不同排放方式的污染源，污染物質在環境中的傳播和轉化規律有著各自的特點。因此，在選擇污染源解析方法時，需充分考慮排放方式的影響，保證解析結果的準確性。

最后，化學組成。污染源化學組成的復雜性，決定了解析期間的難度。某些污染源可能含有多種有害物質，如重金屬、有機物等。針對此類污染源，需要運用多種分析技術，如光譜、色譜等，便于詳細分析其化學組成[4]。

2.4 時間和空間分辨率

作為環境科學研究中的關鍵技術手段，源解析方法可以幫助識別和分析環境污染的源頭。然而，不同的源解析方法具有不同的時間和空間分辨率，旨在滿足不同的污染源特征和應用需求。

擴散模型法可以提供較高的時間和空間分辨率，結合污染物質的擴散過程，通過數學建模的方式，可以有效模擬污染物在環境中的傳播和變化。然而，擴散模型法的局限性在于，需要大量的計算資源和專業技能作為支撐。因此，在實際應用中，擴散模型法更適合于對污染源的深入研究，以及需要精確解析的場合。

相比之下，化學質量平衡法和主成分分析法，通常適用于較低的時間和空間分辨率。化學質量平衡法主要通過測量各種污染物的濃度，結合化學反應原理，推斷污染源的種類和排放量。主成分分析法屬于數據降維技術，可以將大量污染指標轉化為少數幾個主成分，從而簡化問題，提高分析效率。盡管上述兩種方法在時間和空間分辨率上相對較低，但在資源和能力有限的條件下，仍然具有較好的實用性和廣泛的應用前景。

不同的源解析方法因其獨特優點和局限性，在實際應用中有著不同的時間和空間分辨率。擴散模型法適用于高分辨率的污染源解析，但需要較大的計算資源。化學質量平衡法和主成分分析法，適用于較低的分辨率，具有較強的實用性和廣泛的應用場景。在選擇合適的源解析方法時，需要綜合考慮污染源的特征、研究目標和實際條件，獲得最優解析效果。同時，隨著科學技術的不斷發展，新的源解析方法也在不斷涌現，并提供更多選擇和可能性。在未來，環保工作者應積極掌握和運用各類源解析技術，為我國環境監測和治理提供更為精準和有效的支持。

2.5 綜合分析

在環境科學研究中，選擇合適的源解析方法至關重要。源解析方法可以幫助識別和分析污染物的來源，為環境管理和政策制定提供科學依據。然而，不同類型的源解析方法各有優劣。因此，在實際應用中，需要綜合考慮多種因素，采用多種方法做好綜合分析，提高解析結果的準確性和可靠性。

首先，考慮污染源的特征。不同的污染源可能有不同的排放特性，例如排放量、排放速度、化學成分等。因此，在選擇源解析方法時，應針對具體污染源的特點選擇合適的類型，保證解析結果的準確性。

其次，研究目標和實際條件，屬于選擇源解析方法的重要因素。根據研究目的，需要確定所需的時間和空間分辨率。高分辨率的應用場景，通常需要更復雜的計算資源和專業技能，而低分辨率方法則相對簡便。同時，實際條件也會影響源解析方法的選擇，如樣本量、數據質量等。

最后，還應關注源解析方法的穩定性和適用性。某些方法在特定條件下，可能表現出較好的解析效果，而在其他條件下則可能失效。因此，在選擇源解析方法時，要充分了解其在不同條件下的表現，并結合實際應用需求做好權衡[5]。

在實際操作中，為提高解析結果的準確性和可靠性，可以采用多種源解析方法，為綜合分析環節提供幫助。通過對不同方法分析結果的對比和融合，可以有效降低誤差，提高解析結果的可信度。同時，還應不斷關注新技術和新方法的發展動態，及時更新和完善現有的源解析技術。

3 結果與討論

（1）以2023 年11 月池州市顆粒物組分自動監測結果分析，移動源、二次源、燃燒源、工業源、揚塵源是池州市大氣顆粒物無機組分的主要污染源，其實際貢獻分別為40.2%、36.3%、11.7%、6.0%和5.7%，上述污染源對池州市大氣顆粒物的形成和分布起著重要作用。

（2）池州市顆粒物濃度受污染傳輸影響較大。池州市秋冬季主導風向為東北風，濕度較高，不同季節污染源的貢獻差異較小，均以移動源與二次源為主。11 月4 日為PM2.5污染日，污染時段PM2.5重構組分濃度排序為有機物＞硝酸鹽＞銨鹽＞硫酸鹽＞其他，污染源以燃燒源貢獻為主，不利氣象條件是本次污染的主要原因之一；11 月17 日為PM10污染日，主要受內蒙地區沙塵遠距離傳輸影響，污染期間PM2.5主要組分為地殼物質。移動源在污染期間貢獻較小，說明受污染傳輸影響較大。

（3）11 月池州市非工作日期間PM2.5重構質量濃度高于工作日，非工作日相較于工作日期間受二次源、移動源和燃煤排放的影響更大；工作日相較于非工作日期間受揚塵源影響更大，說明建筑施工操作對顆粒物影響明顯。

綜上所述，池州市大氣顆粒物組分主要污染源是移動源、二次源、燃燒源、工業源、揚塵源，其實際貢獻分別為40.2%、36.3%、11.7%、6.0%和5.7%。不同污染擴散條件和時空分布對空氣中顆粒物濃度影響顯著空，為制定有針對性的污染控制策略提供了科學的依據。

4 結語

相關結果表明機動車尾氣、揚塵和散煤、秸稈、垃圾等露天焚燒行為是池州市大氣顆粒物無機組分的主要污染源。針對上述污染源，從研究目的、數據質量、污染源特征、時間和空間分辨率、綜合分析等方面，提出一系列有效措施，以期為改善池州市大氣環境質量提供參考。