2. 中国气象科学研究院中国气象局大气成分观测与服务中心, 大气化学重点开放实验室, 北京 100081;
3. 台湾"清华大学"生物医学工程与环境科学系, 新竹 300;
4. Division of Atmospheric Sciences, Desert Research Institute, Reno, NV, USA
2. Key Laboratory for Atmospheric Chemistry, Center for Atmosphere Watch and Services, Chinese Academy of Meteorological Sciences, China Meteorological Administration, Beijing 100081, China;
3. Department of Biomedical Engineering and Environmental Sciences, Taiwan Tsing Hua University, Hsinchu 300, China;
4. Division of Atmospheric Sciences, Desert Research Institute, Reno, NV, USA
糖类化合物(Saccharide)广泛存在于生物界,是大气颗粒物的重要组成部分,科学研究已经证明[1,2],生物质燃烧、 植被、 农田耕作、 土壤悬浮等排放源都可以向大气气溶胶中释放糖类化合物. 糖类化合物质量占大陆性气溶胶质量的13%~26%,占海洋性气溶胶质量最高能达到63%,是气溶胶中水溶性有机物的重要组分之一,对局地甚至是全球气候变化有着重要的影响[1].
我国城市大气颗粒物污染严重,颗粒物中有机物含量高[3]. 大气气溶胶有机组分的种类繁多,但是目前国内对单体有机物的研究和报道还局限在正构烷烃、 多环芳烃和部分有机酸,对水溶性有机化合物,尤其是糖类化合物的分析报道还相对较少,主要集中在森林地区,而且一般都侧重于气溶胶短期采样[4, 5]. 此外,由于糖类化合物极性大、 挥发性小,难以直接进行气相色谱分析,目前文献中关于大气气溶胶中糖类化合物分析方法的报道多为衍生化-气相色谱法,该方法不仅操作复杂,而且需要使用大量有毒衍生试剂[6, 7, 8]. 传统的脉冲安培阴离子交换色谱(HPAEC)法常用于食品、 饲料、 植物提取物等样品中糖类化合物测定,但很少用于大气颗粒物的分析[9,10]. Engling等[11] 首次将优化和改进后的高效阴离子交换色谱-脉冲安培检测法用于大气颗粒物中左旋葡聚糖的测定,而且该方法测定的左旋葡聚糖浓度结果和GC-MS和HPLC-MS测试结果具有很高的一致性. HPAEC-PAD色谱法具有灵敏度高、 操作简单以及无需衍生等优势,近些年来,已经被广泛地应用于大气颗粒物样品中糖类化合物检测[12-16]. 本研究选择采用HPAEC-PAD方法对采集的PM2.5和PM10进行糖类化合物分析,样品覆盖北京春、 夏、 秋、 冬这4个季节,探讨大气气溶胶中糖类化合物的理化特性和来源.
1 材料与方法 1.1 样品采集采样点设置在清华大学校园内,观测点位于环境系实验室北二层屋顶,采样高度距离地面约5 m. 本研究采用美国热电公司(Thermo Fisher Scientific Inc.,USA)生产的安德森大流量采样器(High-volume Sampler),该仪器分别配备PM10切割器(GUV-15HBL1)和PM2.5切割器(G1200-41),可以分别对大气中的PM10或者PM2.5进行采样,采样流量为1.13 L ·min-1. 本实验采用两台安德森大流量采样器,分别配备PM10和PM2.5切割器,同时进行PM10和PM2.5对比采集,采样时间为2010年11月10日~2011年10月20日,共采集592个滤膜样品样品覆盖了北京春、 夏、 秋、 冬这4个季节. 所有样品均采集一天(~24 h). 采用的均为石英纤维滤膜(Tissuequartz 2500QAT-UP,8×10 IN,Pall,USA),使用前于600℃ 灼烧24 h,除去所有可能吸附的有机污染物. 所采集的气溶胶滤膜样品均用铝箔包裹后用密封袋密封于-20℃下冷冻储存,直到分析测试.
1.2 样品预处理用不锈钢冲子切割面积为2.20 cm2的气溶胶滤膜样品,放入棕色瓶中,加入2 mL超纯水,用盖子密封(并用生料带缠紧以免超声时盖子脱落),超声萃取60 min(放置冰袋避免水温升高). 超声后,将萃取溶液经过微孔滤膜(0.45 μm,Pall Corporation,NY,USA),去除萃取液中难以溶解的杂质. 过滤后,将萃取溶液移至棕色瓶中. 所有得到的萃取溶液样品保存于4℃ 冰箱内,直到分析测试. 实验所用玻璃仪器均在自来水中用洗涤剂浸泡并超声清洗,然后依次用自来水、 超纯水各冲洗3遍,在通风处中瓶口朝下,晾干后用锡纸封住瓶口放置于马弗炉中600℃ 下烘烧8 h,自然冷却后备用.
1.3 糖类化合物的测定在北京大气气溶胶中共检出14种糖类化合物,包括左旋葡聚糖、 甘露聚糖、 半乳聚糖、 葡萄糖、 果糖、 海藻糖、 阿拉伯糖醇、 甘露糖醇、 丙三醇、 苏糖醇、 2-甲基丁四醇(2-甲基苏糖醇和2-甲基赤藓糖醇)、 木糖醇和肌醇.
本研究实验使用的分析仪器为Dionex ICS-3000型离子色谱,分离系统采用的是Dionex Carbopac MA1分析柱(4×250 mm)和Dionex Carbopac MA1保护柱(4×50 mm). 柱温: 30℃; 进样体积: 25 μL; 以1 mol ·L-1NaOH和水为淋洗液进行二元梯度淋洗,流速0.4 mL ·min-1. 总运行时间为60 min,包括: 15 min的平衡期; 30 min的480 mmol ·L-1 NaOH糖分离期; 15 min 480 mmol ·L-1 NaOH到650 mmol ·L-1 NaOH的线性梯度淋洗期. 该方法峰面积相对标准偏差均低于4%,回收率为96%~103%,主要糖类化合物的检测限与相对标准偏差见表 1[17]. 本研究采用对糖醇类分离效果最好的Dionex Carbopac MA1 分析柱. 以峰面积响应值与各种糖类化合物组分浓度绘制的标准曲线如表 2所示. 从中可见,各糖类化合物组分峰面积与浓度值呈良好线性关系,绝大多数组分相关系数大于99.9%. 此外,空白样品中各种糖类化合物测定结果均低于检出限. 对14种糖类标准溶液能够实现很好的分离和测试,如图 1所示.
![]() | 表 1 主要糖类化合物的检测限与相对标准偏差Table 1 Detection limit and relative standard deviationof main measured saccharides |
![]() | 表 2 糖类化合物组分标准曲线的线性回归方程Table 2 Linear regression equations for standard curves of saccharides |
![]() | 图 1 糖类化合物标准样品的色谱Fig. 1 Chromatogram of the saccharides standard samples |
北京市城区PM2.5和PM10中糖类化合物总浓度的年平均值分别为(600.02±399.13)ng ·m-3和(792.34±510.10)ng ·m-3,浓度范围分别是66.12~3 389.08 ng ·m-3和116.52~4 302.30 ng ·m-3,见表 3. 其中左旋葡聚糖是含量最高的糖类化合物,年均质量浓度和浓度范围分别为(369.21±242.34) ng ·m-3、 23.65~2 428.93 ng ·m-3和(428.32±271.09) ng ·m-3、 24.41~3 061.91 ng ·m-3,与Zhang等[16]应用GC-MS分析方法测得的北京城区PM2.5和PM10中左旋葡聚糖年均浓度结果相近[(307±345)ng ·m-3和(397±432) ng ·m-3]. 糖类化合物总浓度的月变化特征见图 2. 从中可以看出糖类化合物总浓度的高值均集中出现在秋季,而夏季的浓度水平明显低于其它季节. 但是糖类化合物总浓度在6月出现了短期的异常高值区. 这主要是因为6月是中国华北地区的麦收季节,麦收秸秆燃烧导致左旋葡聚糖等脱水糖生物质燃烧产物的浓度显著上升,从而导致了糖类化合物总浓度水平显著增加.
![]() | 表 3 北京城区PM2.5/PM10各种糖类化合物的年平均浓度/ng ·m-3Table 3 Annual average concentrations of the saccharides in PM2.5/PM10 in Beijing/ng ·m-3 |
![]() | 图 2 PM2.5和PM10中糖类化合物总浓度的月均变化 Fig. 2 Monthly variation of total measured saccharidesconcentrations in PM2.5 and PM10 |
北京城市地区总糖类化合物的含量均高于其它地区报道的结果,如挪威[18]、 巴西亚马逊[19]、 美国德州和缅因州[20, 21]、 广州[7]以及上海[8],但是与香港[21]秋季的总糖浓度范围相似(70~1 316 ng ·m-3),见表 4. 3大类糖类化合物在PM2.5和PM10的年平均含量从高到低的顺序为: 脱水糖类化合物[(439±308) ng ·m-3和(498±323) ng ·m-3]、 糖[(90.2±77.3) ng ·m-3和(162±115) ng ·m-3]和糖醇[(61.2±47.7) ng ·m-3和(117±80.1) ng ·m-3],其中脱水糖类在PM2.5和PM10占总糖的比例分别为73%和62%. 左旋葡聚糖是最主要的一种脱水糖类化合物,在PM2.5和PM10中,它占到脱水糖含量的85%左右,说明生物质燃烧源对北京大气气溶胶有着较大的影响,是颗粒物的重要来源. 丙三醇是PM2.5和PM10中含量最丰富的糖醇化合物,其次高的糖醇化合物为甘露糖醇. 葡萄糖是含量最高的糖类化合物,其次为海藻糖.
![]() | 表 4 不同地区糖类化合物总质量浓度的比较1)Table 4 Comparison of total measured saccharides in different regions |
脱水糖,主要包括左旋葡聚糖以及少量的甘露聚糖和阿拉伯聚糖. PM2.5和PM10中脱水糖质量浓度的月均变化分别见图 3. 脱水糖集中分布在细颗粒物(PM2.5)中,PM2.5中的含量占到了PM10中的85%左右. 这种现象也验证了左旋葡聚糖等生物质燃烧排放的颗粒物都以细颗粒物为主[18, 20, 23, 24]. 从图 3中可以看出脱水糖在秋季11月浓度最高,在PM2.5和PM10中浓度分别为(1 349.42±798.80) ng ·m-3和(1 804.09±839.93) ng ·m-3; 最低脱水糖的月均浓度出现在5月,在PM2.5和PM10中浓度分别为(128.93±70.15) ng ·m-3和(161.59±102.22) ng ·m-3. 在PM2.5中,脱水糖最高的月平均浓度(11月)是最低月平均浓度(5月)的10.5倍,PM10中的为11.2倍. 北京地区生物质燃烧的季节主要为3个阶段: 麦收(6月)、 秋收(9~10月)和秋季落叶(11月),本研究脱水糖浓度在这些生物质燃烧的月份均呈现了高值特征,其中以6月麦收秸秆燃烧的现象最为明显(见图 3).
![]() | 图 3 PM2.5和PM10中脱水糖质量浓度的月均变化Fig. 3 Monthly variation of anhydrosugarconcentrations in PM2.5 and PM10 |
糖是植物储藏、 积累和运输糖分的主要形式,主要包括葡萄糖、 海藻糖以及果糖,在粗、 细颗粒物中均有分布. PM2.5和PM10中糖质量浓度的月均变化见图 4. 从中可以看出糖在夏、 秋季节高于冬、 春季节. 北京大气气溶胶中糖的浓度水平最高出现在7月,在PM2.5和PM10中浓度分别为(129.85±91.01) ng ·m-3和(241.36±138.76) ng ·m-3,最低的浓度出现在5月,在PM2.5和PM10中浓度分别为(46.58±24.64) ng ·m-3和(96.02±40.93) ng ·m-3. 秋季糖浓度偏高,可能与植物生长规律和农业活动相关. 秋天是农作物和水果成熟的季节,农作物收割、 水果采摘和农田耕作都可能对大气气溶胶中葡萄糖浓度增加产生重要的影响. 相比较而言,PM10中的3种糖含量的月变化特征比PM2.5的显著,PM2.5中的3种糖含量在全年不同月份基本保持在一定的浓度范围,这可能是与粗、 细颗粒物中不同的主要糖的来源相关. 细颗粒物中糖主要来自土壤的再悬浮作用,而粗颗粒物在不同季节的主要来源会不同,如在夏季的植被排放,秋季的落叶腐烂、 农作物收割都会对粗颗粒物中的糖产生明显的贡献作用[25].
![]() | 图 4 PM2.5和PM10中糖质量浓度的月均变化Fig. 4 Monthly variation of sugar concentrations in PM2.5 and PM10 |
糖醇类化合物是由生物源一次排放的,包括甘露糖醇、 阿拉伯糖醇、 丙三醇、 2-甲基丁四醇和少量的木糖醇、 苏糖醇、 肌醇等. 除2-甲基丁四醇之外,其余的糖醇类化合物在粗、 细颗粒物中均有分布. 2-甲基丁四醇,是前体物异戊二烯的光化学反应产物,常被用作生物源二次有机气溶胶异戊二烯SOA的分子示踪物,主要分布在细颗粒物中[8]. 糖醇在真菌体内起存储或转移糖类化合物和调节渗透压的作用,尤其以甘露糖醇和阿拉伯糖醇为主,是真菌干重的主要成分,常被看作是真菌气溶胶的分子示踪物[16, 25, 26, 27, 28, 29]. PM2.5和PM10中糖醇质量浓度的月均变化见图 5. 从中可以看出糖醇的浓度水平在夏、 秋季节明显高于冬、 春季节. 6~12月的糖醇类化合物总量的浓度均保持在较高的范围,其中最高月份出现11月,在PM2.5和PM10中的浓度分别为(124.74±89.81) ng ·m-3和(221.74±144.20) ng ·m-3; 最低浓度出现在5月,在PM2.5和PM10中的浓度分别为(23.79±17.19) ng ·m-3和(61.46±42.86) ng ·m-3.
![]() | 图 5 PM2.5和PM10中糖醇质量浓度的月均变化Fig. 5 Monthly variation of sugar-alcohol concentrations in PM2.5 and PM10 |
大气气溶胶中糖类化合物组分的来源十分广泛: 既包括城、 郊裸露地表土壤的悬浮,沙尘传输活动,也包括动、 植物碎屑以及农田翻耕活动[20, 30, 31]; 此外,真菌、 花粉以及生物质燃烧等均对城市颗粒物中的糖类化合物组分均会产生显著贡献[28, 30]. Fu 等[30]应用PMF源解析模型研究发现,韩国济州岛大气气溶胶中的糖类化合物主要分为5类,包括生物质燃烧、 真菌孢子、 沙尘、 花粉和果糖/葡萄糖富集源. 本研究应用PMF源解析模型对北京城区采集的PM10中糖类化合物的进行来源分析,共274个样品. 在PMF模型分析中,确定各种组分的检测限,设定3~7因子分别运行PMF,每种因子各计算30次. 根据PMF模型分析结果的稳定性[28],得出6因子是北京大气气溶胶中糖类化合物最优化的来源解析,结果如图 6所示. 从中可以看出左旋葡聚糖和甘露聚糖主要集中在因子1中,因子1包含左旋葡聚糖和甘露聚糖的量分别占到了其总量82.24%和92.61%. 因为这两种化合物主要来自与生物质中纤维素和半纤维素的高温燃烧产物,说明因子1主要来自于生物质燃烧排放源的贡献. 因子2是以2-甲基丁四醇为特征,2-甲基丁四醇占到了其总量90.71%. 2-甲基丁四醇,是全球排放量最大的生物源VOC——异戊二烯光化学氧化产物,所以因子2主要来自于异戊二烯SOA排放源的贡献. 甘露糖醇和阿拉伯糖醇主要集中在因子3中,分别占到了因子3总量80.90%和74.81%. 这两种糖醇为真菌气溶胶的分子示踪物,说明因子3主要来源于真菌气溶胶的贡献. 海藻糖主要集中在因子4(77.09%),而海藻糖广泛存在于真菌、 海藻以及无脊椎动物中,常被作为土壤再悬浮和沙尘传输的重要分子示踪物用于大气气溶胶的源解析[1]. 因此说明因子4主要来源于土壤再悬浮和沙尘的贡献. 因子5主要以丙三醇为特征,因子5包含丙三醇的量占到了其总量的93.57%. 丙三醇在自然环境中的来源非常广泛,微生物、 植物以及生物燃烧都会产生丙三醇,但是主要来源于植物,说明因子5来源于一些丙三醇富集的排放源,如植被等. 葡萄糖和果糖主要集中在因子6中,因子6中葡萄糖和果糖分别占到总量的28.04%和28.44%. 葡萄糖和果糖都是植物体内最常见糖类化合物,广泛地存在于植物的果实、 种子、 叶、 花、 根中. Fu 等[30] 发现果糖是多种花粉中含量最高的化合物,并将其作为花粉的分子示踪物,因此说明因子6主要来自于花粉和植物碎屑的排放源. 而且因子3中葡萄糖占其总量的32.20%,说明真菌气溶胶对大气气溶胶中糖产生一定的贡献,这与Elbert 等[29] 对亚马逊真菌气溶胶的研究结果一致.
![]() | 图 6 北京大气气溶胶中糖类化合物的来源解析Fig. 6 Source apportionments of saccharides in the aerosol in Beijing |
(1)北京市大气气溶胶中检出了14种糖类化合物,包括: 3种脱水糖,即左旋葡聚糖、 甘露聚糖和半乳聚糖; 3种糖,即葡萄糖、 果糖和海藻糖; 8种糖醇,即甘露糖醇、 阿拉伯糖醇、 2-甲基丁四醇(2-甲基苏糖醇和2-甲基赤藓糖醇)、 丙三醇、 苏糖醇、 木糖醇和肌醇.
(2)北京城区(清华园采样点)PM2.5和PM10中糖类化合物总浓度的范围分别为66.12~3 388.08 ng ·m-3和116.52~4 302.30 ng ·m-3,年均值为分别为(600.02±399.13) ng ·m-3和(792.34±510.10) ng ·m-3.
(3)北京市大气气溶胶中脱水糖、 糖和糖醇三类化合物存在明显季节变化特征: 来源于生物质燃烧的脱水糖,秋冬季节明显高于春夏; 而来源于生物源排放的糖和糖醇,冬季明显低于其他季节.
(4)应用PMF源解析模型对北京城区全年PM10中糖类化合物进行来源分析. 结果表明,北京大气气溶胶中的糖类化合物可以分为6种来源,包括生物质燃烧、 异戊二烯SOA、 沙尘、 真菌孢子、 花粉及丙三醇富集源.
致谢: 本实验在中国台湾“清华大学”Guenter Engling教授的实验室完成,感谢实验室工作人员对仪器分析使用方面提供的帮助.
[1] | Simoneit B, Elias V O, Kobayashi M, et al. Sugars-dominant water-soluble organic compounds in soils and characterization as tracers in atmospheric particulate matter [J]. Environmental Science & Technology, 2004, 38 (22): 5939-5949. |
[2] | Després V R, Huffman J A, Borrows S, et al. Primary biological aerosol particles in the atmosphere: a review [J]. Tellus B, 2012, 64 : 15598, doi: 10.3402/tellusb.v64i0.15598. |
[3] | He K B, Yang F M, Ma Y L, et al. The characteristics of PM2.5 in Beijing, China [J]. Atmospheric Environment, 2001, 35 (29): 4959-4970. |
[4] | Wang W, Wu M H, Li L, et al. Polar organic tracers in PM2.5 aerosols from forests in eastern China [J]. Atmospheric Chemistry and Physics, 2008, 8 (24): 7507-7518. |
[5] | Fu P Q, Kawamura K, Chen J, et al. Diurnal variations of organic molecular tracers and stable carbon isotopic compositions in atmospheric aerosols over Mt. Tai in the North China Plain: an influence of biomass burning [J]. Atmospheric Chemistry and Physics, 2012, 12 (4): 8359-8375. |
[6] | Zhang T, Claeys M, Cachier H, et al. Identification and estimation of the biomass burning contribution to Beijing aerosol using levoglucosan as a molecular marker [J]. Atmospheric Environment, 2008, 42 (29): 7013-7021. |
[7] | 马社霞, 王真真, 毕新慧, 等. 广州大气气溶胶中糖类化合物的组成及主要来源 [J]. 科学通报, 2009, 54 (17): 2562-2567. |
[8] | 李曼, 仲勉, 荆亮, 等. 上海PM2.5中糖类化合物的组成及来源分析 [J]. 上海大学学报(自然科学版), 2013, 19 (4): 387-392. |
[9] | 王静, 王睛, 向文胜. 色谱法在糖类化合物分析中的应用 [J]. 分析化学, 2001, 29 (2): 222-227. |
[10] | 潘媛媛, 梁立娜, 蔡亚岐, 等. 高效阴离子交换色谱-脉冲安培检测法分析啤酒和麦汁中的糖 [J]. 色谱, 2008, 26 (5): 626-630. |
[11] | Engling G, Carrico C M, Kreldenweis S M, et al. Determination of levoglucosan in biomass combustion aerosol by high-performance anion-exchange chromatography with pulsed amperometric detection [J]. Atmospheric Environment, 2006, 40 (Supplement 2): 299-311. |
[12] | Liang L L, Engling G, Duan F K, et al. Characteristics of 2-Methyltetrols in Ambient Aerosol in Beijing, China [J]. Atmospheric Environment, 2012, 59 : 376-381. |
[13] | Burshtein N, Lang-Yona N, Rudich Y. Ergosterol, arabitol and mannitol as tracers for biogenic aerosols in the eastern Mediterranean [J]. Atmospheric Chemistry and Physics, 2011, 11 (2): 829-839. |
[14] | Ho F K, Engling G, Ho S S H, et al. Seasonal variations of anhydrosugars in PM2.5 in the Pearl River Delta Region, China [J]. Tellus B, 2014, 66 : 22577, doi: 10.3402/tellusb.v66.22577. |
[15] | Yang Y H, Chan C Y, Tao J, et al. Observation of elevated fungal tracers due to biomass burning in the Sichuan Basin at Chengdu City, China [J]. Science of the Total Environment, 2012, 431 : 68-77. |
[16] | Zhang T, Engling G, Chan C Y, et al. Contribution of fungal spores to particulate matter in a tropical rainforest [J]. Environmental Research Letters, 2010, 5 (2): 024010, doi: 10.1088/1748-9326/5/2/024010. |
[17] | Iinuma Y, Engling G, Puxbaum H, et al. A highly resolved anion-exchange chromatographic method for determination of saccharidic tracers for biomass combustion and primary bio-particles in atmospheric aerosol [J]. Atmospheric Environment, 2009, 43 (6): 1367-1371. |
[18] | Yttri K E, Dye C, Kiss, G. Ambient aerosol concentrations of sugars and sugar-alcohols at four different sites in Norway [J]. Atmospheric Chemistry and Physics, 2007, 7 (16): 4267-4269. |
[19] | Graham B, Guyon P, Taylor P E, et al. Organic compounds present in the natural Amazonian aerosol: characterization by gas chromatography-mass spectrometry [J]. Journal of Geophysical Research, 2003, 108 (D24): 4766, doi: 10.1029/2003JD003990. |
[20] | Jia Y L, Clements A L, Fraser M P. Saccharide composition in atmospheric particulate matter in the southwest US and estimates of source contributions [J]. Journal of Aerosol Science, 2010, 41 (1): 62-73. |
[21] | Wan E C H, Yu J Z. Analysis of sugars and sugar polyols in atmospheric aerosols by chloride attachment in liquid chromatography/negative ion electrospray mass spectrometry [J]. Environmental Science & Technology, 2007, 41 (7): 2459-2466. |
[22] | Medeiros P M, Conte M H, Weber J C, et al. Sugars as source indicators of biogenic organic carbon in aerosols collected above the Howland Experimental Forest, Maine [J]. Atmospheric Environment, 2006, 40 (9): 1694-1705. |
[23] | Simoneit B R T, Schauer J J, Nolte C G, et al. Levoglucosan, a tracer for cellulose in biomass burning and atmospheric particles [J]. Atmospheric Environment, 1999, 33 (2): 173-182. |
[24] | Fuzzi S, Decesari S, Facchini M C, et al. Overview of the inorganic and organic composition of size-segregated aerosol in Rondônia, Brazil, from the biomass-burning period to the onset of the wet season [J]. Journal of Geophysical Research-Atmospheres, 2007, 112 (D1): D01201, doi: 10.1029/2005JD006741. |
[25] | Liang L L, Engling G, He K B, et al. Evaluation of fungal spore characteristics in Beijing, China, based on molecular tracer measurements [J]. Environmental Research Letter, 2013, 8 (1): 014005, doi: 10.1088/1748-9326/8/1/014005. |
[26] | Claeys M, Graham B, Vas G, et al. Formation of secondary organic aerosols through photooxidation of isoprene[J]. Science, 2004, 303 (5661): 1173-1176. |
[27] | Bauer H, Claeys M, Vermeylen R, et al. Arabitol and mannitol as tracers for the quantification of airborne fungal spores [J]. Atmospheric Environment, 2008, 42 (3): 588-593. |
[28] | Bauer H, Schueller E, Weinke G, et al. Significant contributions of fungal spores to the organic carbon and to the aerosol mass balance of the urban atmospheric aerosol [J]. Atmospheric Environment, 2008, 42 (22): 5542-5549. |
[29] | Elbert W, Taylor P E, Andreae M O, et al. Contribution of fungi to primary biogenic aerosols in the atmosphere: wet and dry discharged spores, carbohydrates, and inorganic ions [J]. Atmospheric Chemistry and Physics, 2007, 7 (17): 4569-4588. |
[30] | Fu P Q, Kawamura K, Kobayashi M, et al. Seasonal variations of sugars in atmospheric particulate matter from Gosan, Jeju Island: Significant contributions of airborne pollen and Asian dust in spring [J]. Atmospheric Environment, 2012, 55 : 234-239. |
[31] | 梁林林. 北京生物源气溶胶理化特征及其对有机气溶胶贡献的研究[D]. 北京: 清华大学, 2014. |
[32] | 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 (2): 111-126. |