2017, Vol. 38
2. 中国科学院城市环境研究所, 城市环境与健康重点实验室, 厦门 361021;
3. 中国科学院大学, 北京 100049
2. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China
随着我国雾-霾事件的频繁发生，PM2.5已成为大气复合型污染最重要的特征污染物，并且引起了国内外学者的重视. PM2.5不仅影响大气能见度[1, 2]，而且严重威胁到人类的健康，尤其是PM2.5具有病理学和毒理性的痕量重金属元素，如Pb、Mn、Ni、Cr、Cd、As、Hg等.有研究表明，PM2.5中的痕量重金属可引起呼吸系统疾病[3]，并且对暴露人群有致癌风险[4].因此，PM2.5中痕量重金属的相关研究引起越来越多的重视，我国在《环境空气质量标准GB 3095-2012》明确规定Pb的标准浓度限值，而Cd、Hg、As等金属元素仅有参考限值.国内PM2.5中痕量有毒重金属的相关研究已广泛展开，但主要集中在污染特征和来源解析[5, 9~13].虽然对环境空气中PM2.5中重金属人体健康风险的相关评价在天津、上海和南京等地也有一定的基础[5~8]，但缺乏系统性地区域研究.随着特大城市群的经济持续发展、城市规模迅速扩张，城市群效应越来越明显，使得目前国内空气污染表现出显著的复杂性和区域性特征[14~16].因此，全面系统性地开展我国区域性PM2.5中痕量有毒有害重金属的污染特征以及不同人群暴露水平的健康风险水平评价具有一定的迫切性和重要意义.
本文以海峡西岸经济区(“海西”)主要的6个沿海城市为研究对象，在Xu等[17]对海西城市群PM2.5中元素组分进行全面系统性研究分析的基础上，着重分析研究海西城市群PM2.5中Zn、Cu、Pb、Mn、Ni、Cr、As等7种痕量有毒有害重金属的污染分布特征，并结合富集因子法和主成分-多元线性回归(PCA-MLR)模型解析这些重金属的来源，以及利用EPA健康风险模型评价重金属通过呼吸系统对不同人群(成年男性、成年女性和儿童)健康的影响.本研究通过了解海西城市群细颗粒中有毒有害重金属对人体健康的影响，以期为海西城市群大气重金属风险防控提供理论依据.
1 材料与方法 1.1 采样点以海峡西岸主要城市群，包括6个主要沿海城市11个采样点为研究对象，从北往南采集宁德蕉城、福州晋安、福州福清、福州平潭、莆田荔城、莆田秀屿、泉州丰泽、泉州石狮、厦门集美、厦门思明和漳州龙文大气颗粒物PM2.5样品(各采样点具体信息见表 1).
|
表 1 采样站位点情况 Table 1 Specific description of sampling sites |
采样时间为2010年秋季、2010年冬季、2011年春季和2011年夏季4个季节分别连续采集10 d，各站点同时采样，以24 h为一个周期进行气溶胶颗粒物的采集.采用中流量采样仪(TH-150C型，武汉天虹公司，中国)，流速为100 L·min-1.采样期间每天上午09:00点至次日上午08:00点进行大气颗粒物样品采集.采样滤膜为聚丙烯纤维滤膜(PPFs，Φ90 mm，Whatma公司，英国).采样前后滤膜放入恒温恒湿箱中平衡24 h [温度(25±2)℃，湿度(52±2)%]，采用电子分析天平(T-114型，Sartorius公司，德国)称重获得大气颗粒物重量，进而计算大气颗粒物浓度.采样后的滤膜用铝箔纸封装后放入冰箱低温保存以待进一步分析.
1.2 元素成分分析采用粒子激发-X射线发射技术(particle induced X-ray emission，PIXE)测试PM2.5中各元素的浓度.将样品架放置于与加速器相连的PIXE分析靶室内，用分子泵将加速器和靶室系统抽至高真空.加速器将加速到能量为2.5 MeV的质子轰击样品，使样品中元素的原子产生内壳电离，发射特征X射线.用AXIL程序对X射线能谱进行离线处理，获取样品中各种元素的特征X射线峰面积计数.通过与在相同实验条件下, 测量由美国微物质公司(Micromatter)生产的标准样品获得的特征X射线峰面积进行比较，得到了Mg、Al、Si、P、S、Cl、K、Ca、Ti、V、Cr、Mn、Fe、Ni、Cu、Zn、As、Se、Br、Rb、Sr、Pb等22个元素的浓度值. 22种元素的仪器检测限范围是3.0×10-4~5.4×10-2μg·cm-2.本文只选取Zn、Cu、Pb、Mn、Ni、Cr、As等7种有毒痕量重金属元素进行分析讨论.
1.3 富集因子评价方法元素的富集因子(EF)可用于评价人为源和自然源的影响以及人为源对环境的贡献程度[18]，EF被定义为：
|
(1) |
式中，cx为所研究元素的浓度；cR为参考元素的浓度.下标air和crust分别表示元素在大气颗粒物PM2.5和地壳中的浓度.本研究以Al为参考元素, 地壳中元素的浓度参考中国东部大陆地壳中的地壳化学元素丰度[19].若元素富集系数EF < 1，则说明该元素以自然源为主；若大气颗粒物中元素富集系数EF>10，即认定该元素以人为源为主[5, 20, 21].
1.4 主成分-多元线性回归采用SPSS 19.0统计软件对PM2.5中的重金属构成与来源进行主成分-多元线性回归(PCA-MLR)分析.主成分分析是利用“降维”的方法，将原有多个变量线性变换后，转化为数目较少的新变量(主成分).依据主成分在重金属各组分上的载荷，推断该主成分所反映的重金属元素污染来源.而多元线性回归的目的是在源识别的基础上，通过最小二乘法多元线性回归，进一步确定不同污染源的贡献率[22~25].
1.5 健康风险评价模型采用美国环保署USEPA推荐的健康风险评价模型，根据实际情况对模型中的部分参数进行了修改.利用修改后的评价模型对海西城市群PM2.5中Zn、Cu、Pb、Mn、Ni、Cr、As等7种重金属元素通过呼吸途径进入人体(成年男性、成年女性和儿童青少年)的健康风险进行评价.根据EPA综合风险信息数据库(IRIS)和国际癌症研究机构(IARC)的相关研究成果，污染物可以分为致癌物质和非致癌物质.本文研究的Zn、Cu、Pb、Mn属于非致癌重金属，而Ni、Cr和As属于致癌重金属.
1.5.1 非致癌重金属风险评价计算非致癌重金属暴露量计算公式如下.
|
(2) |
式中，ADD为非致癌物质日均暴露剂量[mg·(kg·d)-1]，c为污染物的浓度(mg·m-3)，IR为呼吸速率(m3·d-1)，ED为暴露持续时间(d)，BW为体重(kg)，ATADD为非致癌重金属平均暴露时间(d).
呼吸速率IR、暴露持续时间ED和平均暴露时间AT均采用美国环保局的推荐数值.成年男性、成年女性和儿童青少年的呼吸速率IR分别为15.2、11.3和8.7 m3·d-1；暴露持续时间ED分别为30×365、30×365和18×365；非致癌重金属平均暴露时间ATADD为30×365、30×365和18×365.考虑中国人群体质(体重)与西方人群的差异，本文的体重BW数据采用全国平均值：成年男性(20~59岁)为69 kg，成年女性(20~59岁)为57 kg，儿童青少年(7~19岁)为44 kg[26].
非致癌重金属风险评价计算公式如下.
|
(3) |
式中，R为人群年均超额危险度，无量纲；RfD为人均寿命的参考剂量[mg·(kg·d)-1]，非致癌重金属Zn、Cu、Pb、Mn的RfD分别为1.0×10-2、2.0×10-3、4.3×10-4、3.0×10-4 mg·(kg·d)-1；75.76为福建省2010年平均期望寿命(福建统计年鉴，2015).
1.5.2 致癌重金属风险评价计算致癌重金属暴露量率计算公式如下.
|
(4) |
式中，LADD为预期人群致癌物质终生暴露剂量[mg·(kg·d)-1]，c为污染物的浓度(mg·m-3)，IR为呼吸速率(m3·d-1)，ED为暴露持续时间(d)，BW为体重(kg)，ATLADD为致癌重金属终生暴露时间(d).致癌重金属平均暴露时间ATLADD均为70×365.致癌重金属的IR、ED、BW等参数取值同非致癌重金属.
致癌重金属风险评价计算公式如下.
|
(5) |
式中，R为人群年均超额危险度，无量纲；SF为致癌物质的致癌强度系数[mg·(kg·d)-1]，Cr、Ni、As的SF分别为56.00、1.19和20.70 mg·(kg·d)-1.
2 结果与讨论 2.1 海西城市群PM2.5质量浓度分布特征图 1为海西城市群PM2.5质量浓度分布.从中可知，海西城市群PM2.5年均值为(57.21±21.41) μg·m-3，高于2016年实施的国家空气质量二级标准(年均值35 μg·m-3)，说明该地区PM2.5受到污染.但海西区域PM2.5浓度值在全国范围处于中等污染水平，其浓度值低于京津冀区域PM2.5的浓度(北京127 μg·m-3；天津156 μg·m-3；石家庄196 μg·m-3)[27]和长三角区域主要城市(上海94.5 μg·m-3；南京122.5 μg·m-3)[28]，而高于珠三角区域主要城市(如深圳54.0 μg·m-3；珠海45.2 μg·m-3)[29].海西城市群PM2.5浓度季节性变化明显，表现为春季[(75.38±33.17) μg·m-3]>冬季[(72.86±25.97) μg·m-3]>秋季[(52.55±29.70) μg·m-3]>夏季[(28.24±22.74) μg·m-3].春季由于风速大，大气活跃，大气颗粒物受自然影响较大，如沙尘、扬尘和浮尘等天气现象的影响，导致海西城市群PM2.5浓度的增加；冬季大气条件稳定，逆温现象频繁，不利于污染物的扩散，此外，冬季海峡西岸城市群受到来自长三角甚至更远北方污染气团的贡献，带来大量的气溶胶颗粒物，导致PM2.5浓度较高；海西城市群夏季受到来自海洋洁净气团不断地稀释大气污染物，再加上夏季雨水较多，雨水的冲刷作用也有利于颗粒物的湿沉降，因此表现为PM2.5浓度的低值.
|
图 1 PM2.5质量浓度分布 Fig. 1 Concentration distribution of PM2.5 |
PM2.5浓度分布表现出明显的区域性特征，11个采样点PM2.5年均值从大到小依次为：漳州龙文[(100.82±18.83) μg·m-3]>厦门集美[(70.91±16.79) μg·m-3]>宁德蕉城[(60.86±8.06) μg·m-3]>福州晋安[(59.14±11.92) μg·m-3]>莆田秀屿[(57.12±14.21) μg·m-3]>厦门思明[(51.23±11.26) μg·m-3]>泉州丰泽[(48.05±17.86) μg·m-3]>泉州石狮[(47.48±9.00) μg·m-3]>福州福清[(45.58±11.97) μg·m-3]>莆田荔城[(44.09±9.09) μg·m-3]>福州平潭[(37.76±10.64) μg·m-3]. PM2.5质量浓度4个季节最低值均出现在福州平潭，这与平潭采样点所处的地理位置有直接的关系，该采样点位于平潭三十六角湖，周围均为水面或者矮坡，无工业源及人为活动，因此PM2.5本地源的贡献微乎其微.此外，该采样点所处地理位置视野开阔，且常年风速较大，有利于污染物的扩散. PM2.5浓度4个季节最高值均出现在漳州龙文，且最高值出现在春季，PM2.5浓度高达(122.53±19.41) μg·m-3.这与漳州龙文采样点位于工业商住混合区，受交通源和人为源PM2.5的污染贡献较大有关.其次为厦门集美，该采样点虽紧邻杏林湾，有海风的稀释作用，但受到集美新城建设的影响，PM2.5浓度值较高，春季PM2.5为(92.39±18.63) μg·m-3，冬季为(91.00±22.12) μg·m-3.因此工业化和城市化进程，以及地理特征是影响PM2.5浓度的关键因素.
2.2 海西城市群PM2.5中重金属分布特征图 2为海西城市群大气PM2.5重金属浓度分布.从中可知，海西城市群PM2.5中7种重金属元素浓度平均值大小表现为Zn[(470.52±285.69) ng·m-3]>Pb[(108.85±46.71) ng·m-3]>Cu[(82.62±69.72) ng·m-3]>Mn[(50.71±20.43) ng·m-3]>As[(20.05±10.33) ng·m-3]>Cr[(16.89±8.35) ng·m-3]>Ni[(14.43±9.64) ng·m-3].海西城市群PM2.5中Zn、Cu、Pb、Mn、Ni、Cr、As重金属元素浓度范围为61.93~1764.36 ng·m-3，仅占PM2.5的0.35%~5.16%.海西城市群PM2.5中Pb浓度范围为13.65 (福州平潭)~238.68 ng·m-3 (漳州龙文)，与《环境空气质量标准GB 3095-2012》中规定Pb一级和二级标准限值相比较，可知海西城市群PM2.5中Pb浓度未超标，但漳州龙文采样点Pb的来源应引起重视.
|
图 2 PM2.5中痕量重金属浓度分布 Fig. 2 Distribution of trace heavy metals in PM2.5 |
海西城市群PM2.5中Zn、Cu、Pb、Mn、Ni、Cr、As重金属元素浓度呈明显的季节性分布，总体表现为秋季[(905.14±538.04) ng·m-3]>冬季[(880.10±431.33) ng·m-3]>春季[(727.08±496.01) ng·m-3]>夏季[(548.29±534.46) ng·m-3].应注意，海西城市群痕量重金属浓度时空分布特征与PM2.5的不一致，如厦门集美PM2.5浓度仅次于漳州龙文，但其痕量重金属浓度却相对较低.这与厦门集美采样点PM2.5的贡献主要来自于建筑尘和扬尘有直接的关系，建筑尘和扬尘主要贡献的重金属元素为Ca、Si、Al、Ti等[17, 30].夏季海西城市群受到东南季风的影响，有利于污染物的扩散，因此夏季重金属元素含量表现最低值，尤其平潭的重金属元素总含量仅为61.93 ng·m-3，而夏季PM2.5重金属元素最高值漳州龙文(1475.70 ng·m-3)是其23.83倍.这首先与其采样点的地理位置有关，福州平潭采样点周边无重污染的工业且人为活动较为稀少，无明显Zn、Cu、Pb、Mn、Ni、Cr、As重金属排放源；而漳州龙文是新兴的商贸中心和重要的物质集散地，重要的港口地区和工业区，人为活动频繁，因此即使是夏季，其PM2.5中重金属元素含量仍然处于较高水平.
海西城市群PM2.5中重金属的季节性变化规律不一致，其中Zn、Pb、Mn、As总体表现为秋、冬高，春、夏低的特征.导致海西城市群秋冬季节Zn、Pb、Mn、As等重金属浓度高的主要原因有：首先由于秋冬季节本地污染物排放量增大，其次秋冬季节大气层较为稳定，不利于污染物的扩散，同时来自于长三角地区或者更北方城市远距离输送的污染气团的贡献. Cu则表现为秋季>夏季>冬季>春季，夏季PM2.5中Cu的高值与漳州龙文(307.04 ng·m-3，年均值3.72倍)、莆田荔城(117.69 ng·m-3，为年均值1.42倍)和泉州石狮(156.03 ng·m-3，年均值1.89倍)的贡献有直接关系，说明这些城市受到来自Cu污染源的影响. Ni表现为冬季较高值(28.84 ng·m-3)，夏季(12.10 ng·m-3)、秋季(8.53 ng·m-3)、春季(8.25 ng·m-3)近似的特征，而Cr季节性变化特征不明显.总体上，海西城市群PM2.5中Zn、Pb、Mn、Ni、Cr、As高浓度均出现在宁德蕉城、漳州龙文和福州晋安，而Cu的高浓度则出现在漳州龙文、泉州石狮和莆田荔城.漳州龙文、莆田荔城和泉州石狮地处经济开发区，快速城市化进程和工业化是其重金属元素浓度高的主要原因，而福州晋安主要是由于地处中心城区，三面环山，大气稳定度较高，不利于污染物的扩散，因此其重金属元素浓度也较高.
2.3 海西城市群PM2.5中重金属的富集因子图 3为海西城市群PM2.5中痕量重金属EF季节性分布.从中可知，海西城市群PM2.5中有毒痕量重金属Zn、Cu、Pb、Mn、Ni、Cr、As的富集因子EF均高于10(分别为9 433.76、4 776.74、11 819.73、88.33、1 066.24、334.03、12 312.91)，说明这些重金属均不同程度受到人为源的贡献.
|
图 3 PM2.5中痕量重金属EF季节性分布 Fig. 3 Seasonal distribution of EF of trace heavy metals in PM2.5 |
海西城市群PM2.5中痕量重金属表现为春季富集因子EF最低(然而PM2.5最高)，冬季最高.这首先与春季多沙尘贡献导致PM2.5浓度较高，沙尘贡献的主要为Ca、Si、Mg等元素[17, 30]；冬季污染源排放增多且天气形势不利于污染物的扩散，导致痕量重金属的富集(富集程度较低的Mn，冬季的EF值达175.08).此外，海西城市群PM2.5中作为参比元素Al在春季浓度均值为(408.56±290.07) ng·m-3，冬季为(107.27±202.20) ng·m-3，春季Al浓度为冬季的3.81倍，因此春季PM2.5中痕量重金属的EF表现为较低值.
厦门集美PM2.5和痕量重金属浓度均高于厦门洪文采样点，但集美的元素富集因子EF却低于厦门洪文，这与两个采样点城市化进程的差异有直接关系.从城市化进程看，厦门集美为发展初期，大范围的集美新城建设，导致建筑尘和扬尘对PM2.5的贡献明显增加. Xu等[17]研究表明，由于城市建设的贡献，厦门集美PM2.5中Ca元素的浓度为集美洪文的2倍.鉴于建筑尘以及扬尘对PM2.5中参比元素Al的贡献，而对Zn、Cu、Pb、Mn、Ni、Cr、As等重金属元素的贡献较小，因此厦门集美PM2.5中痕量重金属的富集因子低于集美洪文.
2.4 海西城市群PM2.5中痕量重金属PCA-MLR模型表 2为海西城市群PM2.5中痕量重金属PCA-MLR模型分析结果.从中可知，通过PCA模型可以提取出3个因子与海西城市群PM2.5中痕量重金属污染源关系密切. 3个主要因子的因子载荷累积方差贡献率为79.36%，能反映数据表中的绝大部分信息.
|
|
表 2 PM2.5中痕量重金属PCA-MLR结果 Table 2 Results of PCA-MLR of trace heavy metals in PM2.5 |
主成分1中Zn、Pb、As和Mn载荷系数较高(>0.724)，其方差贡献率为52.25%. Zn、Pb、As、Mn均可作为燃煤的标识物[31]，此外，Zn、Pb和As也是机动车尾气的重要标识物[31]，因此因子1可认为是燃煤和机动车尾气的混合贡献，贡献率为70.59%.主成分2中Ni和Cr的载荷系数分别为0.851和0.652，方差贡献率为16.09%. Ni和Cr同时是机动车、燃煤、燃油[21]以及有色金属冶炼[17]的标识物，因此主成分2可认为是混合源的贡献，贡献率为17.55%.主成分3中Cu的载荷系数较高(为0.921)，其方差贡献率为11.02%. Cu是其他工业排放的主要标识物[5]，因此主成分3可认为是其他工业源的贡献，贡献率为11.86%.
2.5 海西城市群PM2.5中重金属健康风险评价图 4为海西城市群PM2.5中痕量重金属健康风险评价结果.本文所用评价方法主要是针对痕量重金属通过呼吸对人体健康危害的风险水平.由图 4可知, 海西城市群致癌重金属(Ni、Cr、As)风险值范围为5.42×10-11~1.30×10-7，非致癌重金属(Zn、Cu、Pb、Mn)的风险值范围为2.30×10-13~7.12×10-10，均低于一般可接受的风险水平1×10-6[5]，且致癌重金属的风险值高于非致癌重金属的风险值.与上海研究结果[7]相比较，上海市儿童Pb的风险值较高，比海西城市群高出1个数量级；而致癌重金属Cr，上海市则比海西城市群高出2个数量级.海西城市群PM2.5中致癌重金属风险水平与天津市[5]处于同一数量级，风险值近似；而非致癌重金属风险值却比天津市风险值低1~2数量级.海西城市群PM2.5非致癌重金属风险值表现为成年男性>成年女性≈儿童，而致癌重金属的风险值则表现为男性>成年女性>儿童.由于成年男性户外暴露时间以及呼吸速率普遍高于成年女性以及儿童，因此其通过重金属通过呼吸途径在成年男性中累计水平相对更高.
|
图 4 PM2.5中痕量重金属健康风险评价 Fig. 4 Risk associated with trace heavy metals in PM2.5 |
海西城市PM2.5中重金属风险值空间分布与各站位点城市化和工业化程度有直接关系，如位于平潭采样点城市化和工业化进程最低，该采样点PM2.5中重金属的风险值均显示为最低值.而PM2.5中重金属风险值较高的采样点分别为漳州龙文、宁德蕉城和福州晋安.漳州龙文工业化进程较高，因此站位点PM2.5中重金属的风险值较高，对人体健康影响更大.宁德蕉城和福州晋安采样点均位于城市中心位置，受到人为源以及交通源的影响，因此PM2.5中重金属的风险值相对较高.
3 结论(1)海西城市群PM2.5中Zn、Cu、Pb、Mn、Ni、Cr、As重金属元素总和范围为61.93~1 764.36 ng·m-3，仅占PM2.5的0.35%~5.16%.海西城市群PM2.5中Pb浓度范围为13.65 (福州平潭)~238.68 ng·m-3 (漳州龙文)，均未超标.海西城市群痕量重金属浓度时空分布特征与PM2.5的不一致，这与PM2.5的某些贡献源(如建筑尘和扬尘等，主要贡献Ca、Si、Al、Ti等重金属元素)并非痕量重金属的主要贡献源有关.
(2)海西城市群PM2.5中有毒痕量重金属Zn、Cu、Pb、Mn、Ni、Cr、As的富集因子EF均高于10，说明这些重金属均不同程度受到了人为源的贡献.
(3)主成分-多元线性回归(PCA-MLR)解析出PM2.5中7种痕量重金属主要有3种来源，即燃煤和机动车尾气、混合源以及其他工业源，贡献率分别为70.59%、17.55%和11.86%.
(4)海西城市群致癌重金属(Ni、Cr、As)和非致癌重金属(Zn、Cu、Pb、Mn)的风险值均低于一般可接受的健康风险水平1×10-6.并且，整体上致癌重金属的风险值均高于非致癌重金属的风险值.成年男性的重金属风险值大于成年女性和儿童.海西城市PM2.5中重金属风险值空间分布与各站位点城市化和工业化程度有直接关系，如工业化程度高的漳州龙文、城市化程度高的宁德蕉城和福州晋安采样点PM2.5中重金属风险水平均相对较高.
| [1] | Deng J J, Zhang Y R, Hong Y W, et al. Optical properties of PM2.5 and the impacts of chemical compositions in the coastal city Xiamen in China[J]. Science of the Total Environment, 2016, 557-558:665-675. |
| [2] | 杨毅红, 瞿群, 李随心, 等. 夏季珠江三角洲地区PM2.5化学组分特征及其对大气能见度的影响[J]. 环境科学, 2015, 36(8) : 2758–2767. Yang Y H, Qu Q, Liu S X, et al. Chemical compositions in PM2.5 and its impact on visibility in summer in Pearl River Delta, China[J]. Environmental Science, 2015, 36(8) : 2758–2767. |
| [3] | Gavett S H, Haykal-Coates N, Copeland L B, et al. Metal composition of ambient PM2.5influences severity of allergic airways disease in mice[J]. Environmental Health Perspectives, 2003, 111(12) : 1471–1477. DOI: 10.1289/ehp.6300 |
| [4] | Zhou P, Guo J, Zhou X Y, et al. PM2.5, PM10 and health risk assessment of heavy metals in a typical printed circuit noards manufacturing workshop[J]. Journal of Environmental Sciences, 2014, 26(10) : 2018–2026. DOI: 10.1016/j.jes.2014.08.003 |
| [5] | Chen P F, Bi X H, Zhang J Q, et al. Assessment of heavy metal pollution characteristics and human health risk of exposure to ambient PM2.5 in Tianjin, China[J]. Particuology, 2015, 20 : 104–109. DOI: 10.1016/j.partic.2014.04.020 |
| [6] | Hu X, Zhang Y, Ding Z H, et al. Bioaccessibility and health risk of arsenic and heavy metals (Cd, Co, Cr, Cu, Ni, Pb, Zn and Mn) in TSP and PM2.5 in Nanjing, China[J]. Atmospheric Environment, 2012, 57 : 146–152. DOI: 10.1016/j.atmosenv.2012.04.056 |
| [7] | 胡子梅, 王军, 陶征楷, 等. 上海市PM2.5重金属污染水平与健康风险评价[J]. 环境科学学报, 2013, 33(12) : 3399–3406. Hu Z M, Wang J, Tao Z K, et al. Pollution level and health risk assessment of heavy metals in PM2.5, Shanghai[J]. Acta Scientiae Circumstantiae, 2013, 33(12) : 3399–3406. |
| [8] | 张恒, 周自强, 赵海燕, 等. 青奥会前后南京PM2.5重金属污染水平与健康风险评估[J]. 环境科学, 2016, 37(1) : 28–34. Zhang H, Zhou Z Q, Zhao H Y, et al. Pollution level and health risk assessment of heavy metals in atmospheric PM2.5 in Nanjing before and after the Youth Olympic Games[J]. Environmental Science, 2016, 37(1) : 28–34. |
| [9] | Sun Y Y, Hu X, Wu J C, et al. Fractionation and health risks of atmospheric particle-bound As and heavy metals in summer and winter[J]. Science of the Total Environment, 2014, 493 : 487–494. DOI: 10.1016/j.scitotenv.2014.06.017 |
| [10] | Zhai Y B, Liu X T, Chen H G, et al. Source identification and potential ecological risk assessment of heavy metals in PM2.5 from Changsha[J]. Science of the Total Environment, 2014, 493 : 109–115. DOI: 10.1016/j.scitotenv.2014.05.106 |
| [11] | 陶俊, 张仁建, 段菁春, 等. 北京城区PM2.5中致癌重金属季节变化特征及其来源分析[J]. 环境科学, 2014, 35(2) : 411–417. Tao J, Zhang R J, Duan J C, et al. Seasonal variation of carcinogenic heavy metals in PM2.5 and source analysis in Beijing[J]. Environmental Science, 2014, 35(2) : 411–417. |
| [12] | 林海鹏, 武晓燕, 战景明, 等. 兰州市某城区冬夏季大气颗粒物及重金属的污染特征[J]. 中国环境科学, 2012, 32(5) : 810–815. Lin H P, Wu X Y, Zhan J M, et al. Analysis of atmospheric particles and heavy metals character at the area of Lanzhou City in summer and winter[J]. China Environmental Science, 2012, 32(5) : 810–815. |
| [13] | 王晴晴, 谭吉华, 马永亮, 等. 佛山市冬季PM2.5中重金属元素的污染特征[J]. 中国环境科学, 2012, 32(8) : 1384–1391. Wang Q Q, Tan J H, Ma Y L, et al. Characteristics of heavy metals in PM2.5during winter in Foshan City[J]. China Environmental Science, 2012, 32(8) : 1384–1391. |
| [14] | Parrish D D, Zhu T. Climate change. Clean air for megacities[J]. Science, 2009, 326(5953) : 674–675. DOI: 10.1126/science.1176064 |
| [15] | Chang D, Song Y, Liu B. Visibility trends in six megacities in China 1973-2007[J]. Atmospheric Research, 2009, 94(2) : 161–167. DOI: 10.1016/j.atmosres.2009.05.006 |
| [16] | Niu Z C, Wang S, Chen J S, et al. Source contributions to carbonaceous species in PM2.5 and their uncertainty analysis at typical urban, peri-urban and background sites in southeast China[J]. Environmental Pollution, 2013, 181 : 107–114. DOI: 10.1016/j.envpol.2013.06.006 |
| [17] | Xu L L, Yu Y K, Yu J S, et al. Spatial distribution and sources identification of elements in PM2.5 among the coastal city group in the Western Taiwan Strait region, China[J]. Science of the Total Environment, 2013, 442 : 77–85. DOI: 10.1016/j.scitotenv.2012.10.045 |
| [18] | Huang S S, Tu J, Liu H Y, et al. Multivariate analysis of trace element concentrations in atmospheric deposition in the Yangtze River Delta, East China[J]. Atmospheric Environment, 2009, 43(36) : 5781–5790. DOI: 10.1016/j.atmosenv.2009.07.055 |
| [19] | 迟清华, 鄢明才. 应用地球化学元素丰度数据手册[M]. 北京: 地质出版社, 2007: 82-83. Chi Q H, Yan M C. Handbook of elemental abundance for applied geochemistry[M]. Beijing: Geological Publishing House, 2007: 82-83. |
| [20] | 王新, 聂燕, 陈红, 等. 兰州城区大气PM2.5污染特征及来源解析[J]. 环境科学, 2016, 37(5) : 1619–1628. Wang X, Nie Y, Chen H, et al. Pollution characteristics and source apportionment of PM2.5in Lanzhou City[J]. Environmental Science, 2016, 37(5) : 1619–1628. |
| [21] | Torfs K, Van Grieken R. Chemical relations between atmospheric aerosols, deposition and stone decay layers on historic buildings at the mediterranean coast[J]. Atmospheric Environment, 1997, 31(15) : 2179–2192. DOI: 10.1016/S1352-2310(97)00038-1 |
| [22] | Almeida S M, Pio C A, Freitas M C, et al. Source apportionment of fine and coarse particulate matter in a sub-urban area at the Western European Coast[J]. Atmospheric Environment, 2005, 39(17) : 3127–3138. DOI: 10.1016/j.atmosenv.2005.01.048 |
| [23] | Wahid N B A, Latif M T, Suratman S. Composition and source apportionment of surfactants in atmospheric aerosols of urban and semi-urban areas in Malaysia[J]. Chemosphere, 2013, 91(11) : 1508–1516. DOI: 10.1016/j.chemosphere.2012.12.029 |
| [24] | Wang Z S, Wu T, Shi G L, et al. Potential source analysis for PM10 and PM2.5 in autumn in a Northern City in China[J]. Aerosol and Air Quality Research, 2012, 12(1) : 39–48. |
| [25] | Larsen Ⅲ R K, Baker J E. Source apportionment of polycyclic aromatic hydrocarbons in the urban atmosphere:a comparison of three methods[J]. Environmental Science & Technology, 2003, 37(9) : 1873–1881. |
| [26] | 国家体育总局. 2010年国民体质监测报告[R].北京:人民体育出版社, 2011. General Administration of Sport. Report on national physical fitness surveillance[R]. Beijing:People's Education Publishing Company, 2011. |
| [27] | 张霖琳, 王超, 刀谞, 等. 京津冀地区城市环境空气颗粒物及其元素特征分析[J]. 中国环境科学, 2014, 34(12) : 2993–3000. Zhang L L, Wang C, Dao X, et al. Characterization of elements in air particulate matters in Beijing-Tianjin-Hebei megacities, China[J]. China Environmental Science, 2014, 34(12) : 2993–3000. |
| [28] | 樊曙先, 樊建凌, 郑有飞, 等. 南京市区与郊区大气PM2.5中元素含量的对比分析[J]. 中国环境科学, 2005, 25(2) : 146–150. Fan S X, Fan J L, Zheng Y F, et al. Compared analysis of element content in atmospheric PM2.5 in Nanjing urban and suburban area[J]. China Environmental Science, 2005, 25(2) : 146–150. |
| [29] | Lai S C, Zou S C, Cao J J, et al. Characterizing ionic species in PM2.5 and PM10in four Pearl River Delta cities, South China[J]. Journal of Environmental Sciences, 2007, 19(8) : 939–947. DOI: 10.1016/S1001-0742(07)60155-7 |
| [30] | Querol X, Alastuey A, Rodriguez S, et al. PM10 and PM2.5 source apportionment in the Barcelona Metropolitan area, Catalonia, Spain[J]. Atmospheric Environment, 2001, 35(36) : 6407–6419. DOI: 10.1016/S1352-2310(01)00361-2 |
| [31] | Song Y, Xie S D, Zhang Y H, et al. Source apportionment of PM2.5 in Beijing using principal component analysis/absolute principal component scores and UNMIX[J]. Science of the Total Environment, 2006, 372(1) : 278–286. DOI: 10.1016/j.scitotenv.2006.08.041 |