2017, Vol. 38
2. 杭州市环境监测中心站, 杭州 310007;
3. 蚌埠市气象局, 蚌埠 233040
, WANG Hong-lei1 , ZHU Bin1
, LIN Xu2 , GUO Ting3 , SHA Dan-dan1 , JIANG Lin1 , ZHANG Yu-xin1 , SHI Yuan-zhe1
2. Hangzhou Environmental Monitoring Center, Hangzhou 310007, China;
3. Bengbu Meteorological Bureau, Bengbu 233040, China
气溶胶是造成大气环境质量下降、能见度降低的主要原因, 严重时甚至形成霾[1], 同时颗粒物通过散射吸收太阳辐射以及作为云凝结核影响地球辐射平衡[2, 3].颗粒物携带有毒物质进入人体后可能引发呼吸道、心血管等方面的疾病, 危害人体健康[4].鉴于气溶胶在环境、气候、健康等很多方面起着重要作用, 连续监测气溶胶颗粒物谱分布及其日变化具有重要意义.气溶胶粒子在大气环境中的行为取决于其粒径大小及其谱分布特征, 认识气溶胶颗粒物的粒径分布特征是研究气溶胶污染的基础[5].
长三角地区作为全国经济繁荣的区域, 大气气溶胶污染比较严重, 冬季更甚.近些年开展了众多长三角地区气溶胶数浓度粒径分布及影响因素的研究[6~12].尚倩等[13]对南京冬季大气气溶胶粒子谱进行观测分析并且探讨了粒子谱对能见度的影响.苏捷等[14]研究发现在重污染过程中积聚模态的气溶胶对PM2.5质量浓度起决定作用.陈秋方等[15]通过研究杭州连续霾天气和霾消退过程发现超细颗粒物是引起杭州霾污染的主要原因.同时也开展了对该区域气溶胶颗粒物来源解析的相关研究, 如王苏蓉等[16]利用PMF方法研究了南京市大气细颗粒物的来源, 得出该市大气颗粒物主要来源有二次无机气溶胶(25.0%)、燃煤(23.5%)、机动车排放(20.4%)、地面扬尘(17.1%)、冶金(3.0%)和其他源(11.0%).杨东贞等[17]进行了临安大气本底站气溶胶的特征分析, 得出自然源主要来自地壳、土壤尘和海盐, 人为源主要是煤飞灰、冶炼工业和道路机动车排放、废物处理、垃圾焚烧及建筑工业粉尘等. Hua等[18]通过研究长三角区域五个城市(上海、苏州、南京、杭州、宁波)的气溶胶特性, 得出二次污染物和来自机动车与生物质燃烧的一次污染物是该区域PM2.5的主要来源.目前大气颗粒物源解析在国内外都得到了广泛应用[19~29].
虽然目前气溶胶颗粒物粒径分布研究和颗粒物的源解析研究已经相对成熟, 但是根据源解析结果对主导排放源气溶胶粒径分布特征的研究较少, 认识还不全面.因此, 本研究主要利用WPS、KC-120H中流量采样器、热/光碳分析仪(DRI2001A)和瑞士万通离子色谱仪观测分析了2015年1月9~31日气溶胶数浓度, PM2.5质量浓度, 以及PM2.5中的OC、EC与水溶性离子, 结合PMF模型解析冬季临安大气本底站PM2.5的来源.同时本文根据PMF源解析结果分析各排放源主导下气溶胶颗粒物的数浓度谱分布和日变化特征, 以期为了解主要污染源颗粒物粒径分布特征和减少大气颗粒物污染提供一定的科学依据.
1 材料与方法 1.1 观测点和观测时间临安大气本底站(30°18′N, 119°44′E, 海拔高度为138.6 m), 是我国最早建设的3个区域大气本底观测站之一, 也是联合国世界气象组织全球大气观测网(GAW)区域大气本底站.其位于长三角腹地, 代表长三角地区大气污染状况.该站东部约50 km处为杭州市, 北部约100 km处是苏锡常等城市, 上海市位于其东北方约200 km处.临安大气本底站周围约2 km内多为丘陵地区, 植被覆盖良好.本实验采样时间为2015年1月9~31日.
1.2 观测仪器和分析方法使用美国MSP公司生产的宽范围颗粒粒径谱仪(WPS)以5 min时间分辨率对气溶胶数浓度进行观测, 测量直径在0.01~10 μm之间的气溶胶粒子数浓度.仪器原理介绍参见文献[30].由于WPS适应的环境湿度为0%~90%、非冷凝, 根据观测的实施情况, 经数据处理后剔除了部分无效数据, 多于95%的数浓度数据可以利用.
KC-120H型智能中流量采样器使用石英膜(美国Pall公司)对颗粒物进行采样, 采样流量为100 L·min-1, 采样时长多为6 h, 由于观测过程中出现不可控因素, 部分样品采样时间稍有偏差, 最后得到100个样本.滤膜采样前在马弗炉以800℃烘烧5 h去除有机杂质, 冷却至室温后放入恒温恒湿箱中平衡72 h, 用十万分之一的精密电子天平称重后放入冰箱中低温保存.采样后将采样膜放入恒温恒湿箱中72 h, 称重后同样将样品低温保存在冰箱中等待分析.
使用瑞士万通公司850professional IC型离子色谱分析仪检测10种水溶性无机离子, 分别为：Na+、NH4+、K+、Mg2+、Ca2+、F-、Cl-、NO2-、NO3-和SO42-, 离子的检测限分别：0.02、0.02、0.01、0.02、0.05、0.04、0.05、0.04、0.006和0.01 μg·m-3, 并筛选良好的数据.阴、阳离子分离柱型号分别为Supp5-150和Metrosep C4-150.阳淋洗液为1.7 mmol·L-1的HNO3溶液和0.7 mmol·L-1吡啶二羧酸水溶液.阴淋洗液为3.2 mmol·L-1的Na2CO3溶液和1.0 mmol·L-1的NaHCO3溶液.流速：阴淋洗液为0.7mL·min-1, 阳淋洗液为0.9mL·min-1, 进样体积为10 mL.仪器原理详见文献[31].
EC和OC的分析采用美国沙漠研究所(DRI)研制的DRI-2001A热/光碳分析仪, 该仪器采用IMPROVE协议的热光反射法(TOR)进行检测, 详细的测量方法描述请见文献[32, 33], 检出限EC为0.20 μg·cm-2, OC为0.82 μg·cm-2, 再根据有氧无氧加热时段不同的温度台阶分离出OC1、OC2、OC3、OC4、EC1、EC2和EC3.EC3由于含量较少, 本文不作考虑. EC、OC数据测量控制采用美国沙漠所(DRI)质量控制标准[34].
SO2、NOx和CO的观测均采用美国热电公司EMS系统, 型号分别为43i脉冲荧光法SO2分析仪、Model 42i化学发光法NO-NO2-NOx分析仪、Model 48i红外吸收法CO分析仪.仪器主要参数参见文献[35].
1.3 PMF模型基本原理PMF(正矩阵因子分析)由芬兰赫尔辛基大学的Dr.Paatero在20世纪90年代中期开发.该模式已广泛地应用于空气质量中的源解析研究.模式原理参见文献[36].
在PMF受体模型解析前需要对观测数据进行相应的处理, 主要包括观测样本中缺测、信噪比、零值和低值(非0值)个方面.样本中缺测的数据采用了单个物种时间插值方法替换; 样本中物种浓度大于零且小于方法检测限(MDL)的低值用方法检测限的一半替换[37]. PMF受体模型运算需要相应的不确定度(uncertainty, UNC). UNC的计算方法有很多种, 文中使用样品物种浓度的0.05倍与方法检测限之和的算法[38].
运用PMF模型结合颗粒物化学成分和气态污染物数据对冬季临安大气本底站PM2.5进行来源解析, 所得结果的物质残差大部分在-3.0~3.0之间.将信噪比低于1的物质定义为差(bad), 信噪比在1.0~4.0之间的物质定义为弱(weak), 大于4.0的定义为强(strong), 模式直接使用.在PMF分析不确定中, 使用20个基准运行(base run), 并选择最小Q值所得的运行结果为基准运行的最终结果, 应用自助法运行(bootstrap runs)随机取50个样本及相关的R值为0.6, 来检测基准运行的不确定性和稳定性, 所有引导因子达到80%符合.选择不同的Fpeak值, 从-1~1, 步长0.5, 然后分别运行得到对应的Q值, 以Q值对Fpeak值作图, 图形为典型的“U”, 所得结果中dQ的值均小于5%, 验证基准运行结果中Q(robust)值可以接受.
2 结果与讨论 2.1 污染物浓度分布与天气形势图 1所示, 观测期间临安大气气溶胶平均数浓度为5 062 cm-3·nm-1, 主要集中在10~400 nm, 占总数浓度的97.8%.其中数浓度谱图中红线代表PM2.5质量浓度, 平均质量浓度为123.6 μg·m-3. PM2.5中主要水溶性离子NO3-、SO42-、NH4+平均浓度为19.2、15.4和10.8 μg·m-3, 分别占总水溶性离子的37.9%、30.4%、21.4%. OC和EC的平均浓度分别为24.4 μg·m-3和6.6 μg·m-3.观测期间主要污染气体NO2、SO2和CO的平均体积分数分别为22.6×10-9、34.0×10-9和2.2×10-6.平均相对湿度(RH)为76%, 平均温度(T)为5.8℃, RH与T之间存在反相关.平均风速为2.4 m·s-1, 以偏西和偏北风为主.
|
图 1 污染物浓度与气象条件时间序列 Fig. 1 Time series of pollutant concentrations and meteorological conditions |
1月中旬东亚大槽减弱东移至太平洋上空, 长三角地区受弱高压脊的控制, 冷空气势力弱, 1月9~11日平均风速为1.8 m·s-1, 天气相对静稳, PM2.5平均浓度为133.1 μg·m-3, 出现轻度污染. 1月13、14日, 高原北部短波槽东移南下与南支槽合并, 配合低空西南气流的加强, 为浙江东部地区带来一次降水过程. 1月13、14日气溶胶平均数浓度较1月9~11日平均数浓度下降21.1%, 平均PM2.5浓度下降48.1%, 化学成分OC、EC、NO3-、SO42-和NH4+分别下降46.7%、57.0%、59.1%、45.0%和41.4%.
1月15日降水结束, 1月16~18日天气转晴, 温度下降, 平均风速为1.9 m·s-1, 颗粒物凝结增长后积累出现霾污染, 平均PM2.5浓度为157.6 μg·m-3, 较1月12~15日增长107.1%.
1月21~26日长三角地区位于冷高压前的均压场中, 气压梯度小, 地面风速偏小, 在这种静稳形势下, 大气水平扩散能力较弱, 出现大范围霾污染.期间本底站平均PM2.5浓度较1月19、20日增长98.0%, OC、EC、NH4+、NO3-、SO42-浓度分别增长83.8%、83.9%、215.8%、245.1%、134.7%.
1月27~30日随着西西伯利亚低槽东移南压, 引导冷空气南下, 污染过程结束.高空短波槽东移过程中配合低层低涡切变线和低空急流, 出现大范围雨雪天气, 平均PM2.5浓度、OC、EC、NH4+、NO3-和SO42-浓度较1月21~26日重污染时期分别下降42.2%、62.2%、70.5%、61.7%、71.5%和52.4%.
2.2 PMF源解析结果本研究通过多次运行程序, 实验不同因子参数和不确定性参数, 寻找最小目标函数值, 同时观察残差矩阵值, 使其尽可能小, 以此保证模拟结果和观测结果有较好的相关关系, 最终得到5类因子的贡献率和成分谱.
图 2显示了实际观测与模型模拟的PM2.5浓度时间序列以及PM2.5模拟浓度与实测浓度的相关性.模拟和观测的PM2.5浓度时间变化基本一致, 两者的相关性较高, R2达到0.83, 模型的拟合性较好.表明所选的5个因子能够很好地解释原始数据所包含的信息.
|
图 2 PM2.5模拟值和观测值对比 Fig. 2 Comparison of simulated and observed PM2.5 values |
图 3所示, 因子1主要由NH4+、NO3-、SO42-和有机碳等颗粒物化学组分组成, Yin等[39]和Viana等[40]认为NH4+、NO3-和SO42-这些无机离子代表着二次气溶胶. Pandis等[41]研究发现经大气化学反应生成的二次有机物中含有有机碳成分.气态污染物SO2和NO2与该因子相关, 可能参与了大气中气粒转化过程, 致使气粒变化趋势基本一致.由于PMF源解析方法主要为最小二乘法, 没有相应的化学转化机理, 对大气中化学反应生成的PM2.5源解析还存在部分缺陷, Liu等[42]运用PMF模型对北京夏季细颗粒物进行来源解析, 发现二次硫酸盐与SO42-和SO2密切相关, 二次硝酸盐与NO3-和NO2密切相关, 本研究结果与之相符.因此, 将因子1定性为二次相关源, 包括二次生成的无机气溶胶和有机气溶胶, 占比为42.3%.此外, 图 4(a)显示本底站的西北方、偏东方对二次相关的颗粒物贡献较大, 对应的风速为3~4 m·s-1风速相对较大, 说明二次颗粒物主要来自西北方和偏东方地区的区域输送.
|
图 3 不同因子化学成分与污染气体占比 Fig. 3 Contributions of component spectrum and gaseous species from different sources |
|
图 4 到达监测点的各排放源排放贡献风速玫瑰图 Fig. 4 Contribution of each emission source to the rose diagram of the wind speed at the time it reaches the monitoring site |
如图 3所示, 因子2中SO42-贡献较大, 其固态化学组分与燃煤排放颗粒物的化学成分一致. SO2、NOx和CO与该因子密切相关, 可能是由于燃煤燃烧所致. Tan等[43]在北京密云观测站的细颗粒物研究中指出, 较高的SO2是由于村庄的燃煤造成.因此, 因子2可认为是燃煤源, 占比为21.4%. 图 4(b)所示偏西风风速在3 m·s-1左右对因子2存在贡献, 与本底站偏西方的天屹工业园区和周边横畈工业园区相对应.东北风风速为5 m·s-1左右, 对因子2影响较大, 说明东北方较远距离地区存在排放贡献. Zhuang等[44]和Kerminen等[45]研究发现硫酸盐颗粒物可以通过本地或远距离排放的SO2经过大气氧化过程形成, 因此可认为该因子主要来源于临安本地排放和周边地区的区域输送.
因子3与污染气体NOx密切相关, NO2-和EC2等物质成分在该因子中所占比重较大. Ke等[46]给出了PMF模型中的示踪物, 指出EC2主要由柴油车排放. Kang等[47]在一次南京严重霾污染的研究中指出NOx与机动车排放密切相关.因此, 因子3可认为是机动车排放源, 占比为17.1%. 图 4(c)所示在西南风风速在1 m·s-1左右机动车排放存在少量贡献, 说明在西南方存在近距离排放源, 与观测点南部东西走向的杭瑞高速相对应.东北风风速在3 m·s-1左右存在贡献, 与观测站东北方相对密集的交通网对应.
如图 3所示, 因子4中Mg2+、Ca2+的比重较大, 分别为48.7%和49.9%. Lestari等[48]在印度尼西亚爪哇岛西部城市万隆市干旱期的颗粒物源解析中指出Mg2+、Ca2+是扬尘的示踪物.因此可认为主导因子4为扬尘源, 占比为8.7%. 图 4(d)所示该因子在观测点周边存在少量贡献, 显示出本地源的特征.
因子5中K+的比重较大, 为46.4%, 此外有机物在该因子中也存在一定的比重, EC2和CO可能是不完全燃烧所致.目前众多研究表明可溶性钾离子是生物质燃烧的重要指示物. Lee等[49]研究认为生物质燃烧气溶胶主要由有机物和钾离子等物质组成.因此可将因子5定性为生物质燃烧源, 占比为10.6%. 图 4(e)所示偏南风1.5 m·s-1和偏北风3 m·s-1左右存在贡献, 可能与南北相对密集的村落有关.
2.3 不同排放源下气溶胶数浓度粒径分布特征 2.3.1 不同排放源下气溶胶数浓度谱和表面积浓度谱分布特征根据PMF模型输出的不同时间段内各因子的贡献结果, 若某一因子在某一时间段内的贡献超过60%, 则将该因子定义为该时间段内的主导因子.
图 5分别为不同主导因子数浓度谱、表面积浓度谱和粗粒径段气溶胶数浓度谱, 其中二次相关源主导的颗粒物数浓度谱整体呈单峰分布, 峰值出现在120 nm处, 峰值浓度为7 704 cm-3·nm-1.表面积浓度谱呈三峰分布, 峰值粒径为210 nm、650 nm和1.3 μm, 在650 nm处峰值浓度达最大, 为2 038 μm2·(cm3·nm)-1.颗粒物的吸湿和碰并增长导致其数浓度峰值较小, 峰值粒径往大粒径方向偏移, 表面积峰值浓度较大. Ogulei等[50]研究发现这类颗粒物由于尺寸较小而不能惯性沉降, 尺寸偏大不易扩散迁移, 因此该类颗粒物能在大气中停留较长时间, 可能在远方的反应地产生并积累.
|
图 5 主导因子数浓度、表面积浓度特征谱 Fig. 5 Number concentrations and surface concentrations of dominant factors |
燃煤排放主导的颗粒物数浓度谱整体呈双峰分布, 峰值出现在25 nm和100 nm处.表面积浓度峰值粒径为210 nm和575 nm和1.3 μm, 在210 nm处峰值浓度达最大, 为680 μm2·(cm3·nm)-1.尺寸分布与Brock等[51]对燃煤发电厂所排放烟羽的观测结果相似.白天由于本地与周边地区燃煤排放, 大气中的SO2被已存在的颗粒物吸附并经过大气氧化过程形成硫酸盐, 经过老化, 颗粒物相对较大, 主要集中在100 nm处.
机动车排放主导的颗粒物数浓度谱整体呈现单峰分布, 峰值粒径较小, 出现在50 nm处, 峰值为18 944 cm-3·nm-1.表面积浓度峰值粒径为160 nm、575 nm和1.3 μm, 在160 nm处峰值浓度达最大, 为575 μm2·(cm3·nm)-1. Harris等[52]研究发现机动车排放的颗粒物尺寸范围大约在40~50 nm, 本研究结果与之相符.
扬尘主导的颗粒物数浓度谱呈单峰分布, 峰值粒径出现在100 nm处, 峰值浓度为9 510 cm-3·nm-1.表面积浓度呈三峰分布, 峰值粒径为174 nm、575 nm和1.3 μm.在180 nm处峰值浓度最大为587 μm2·(cm3·nm)-1.马新成等[53]通过对北京地区沙尘天气气溶胶观测发现扬尘天气下粒子谱峰值主要集中在0.1~0.3 μm的细粒子段, 随后在2.8 μm处出现一弱峰. 图 5所示扬尘主导的颗粒物数浓度在2.8 μm处峰值浓度最大.
生物质燃烧主导的颗粒物数浓度谱呈单峰分布, 峰值粒径出现在90 nm处, 峰值浓度为12 772 cm-3·nm-1.王振等[54]研究南京市区大气颗粒物的粒径谱发现生物质燃烧源的数浓度峰值出现在70~100 nm, 本研究结果与之相符.表面积浓度谱主要呈三峰分布, 峰值粒径为210 nm、575 nm和1.3 μm.在575 nm处峰值浓度最大, 为853 μm2·(cm3·nm)-1.
2.3.2 不同排放源下气溶胶数浓度和表面积浓度日变化特征图 6给出了5个排放源主导下气溶胶的平均日变化分布, 其中核模态、爱根核模态、积聚模态和粗模态的粒径范围分别为10~20 nm、20~100 nm、100 nm~1 μm、1~10 μm.由图 6发现不同排放源主导下核模态粒子的日变化比较杂乱, 没有明显的变化规律.其中燃煤排放主导的核模态粒子在12:00左右出现峰值, 可能由于太阳辐射强烈, 发生光化学反应, 有新粒子生成, 导致核模态粒子数浓度突增.不同排放源爱根核模态粒子数浓度大致呈双峰分布, 峰值出现在06:00~08:00和16:00~19:00, 峰值出现时间要滞后于核模态1~2 h, 且在13:00~19:00之间数浓度较高, 一方面爱根核模态粒子来源于核模态粒子的老化增长, 另一方面爱根核模态粒子还受早晚人类活动排放影响.不同排放源积聚模态粒子日变化差异较大, 其中二次相关的颗粒物数浓度在09:00之后一直保持较高的浓度, 主要由于白天二次颗粒物不断生成, 晚上边界层较平稳, 易于颗粒物积聚.其他排放源积聚模态粒子日变化大致呈双峰分布, 出峰时间存在差异, 但是普遍滞后于爱根核模态粒子.粗模态粒子主要由于机械运动产生, 在大气中存在时间较短, 可发现粗模态粒子数浓度日变化无明显规律.其中二次相关的颗粒物粗模态在夜晚浓度较大, 主要由于夜晚边界层高度较低, 大气相对稳定, 易于颗粒物碰并增长而积聚.其他排放源粗模态粒子在早晚出现弱峰, 主要由人类活动引起.
|
图 6 不同排放源主导下的不同模态数浓度日变化特征 Fig. 6 Diurnal variations in number concentrations contributed by each emission source |
图 7给出了5个排放源主导下气溶胶核模态、爱根核模态、积聚模态和粗模态的表面积浓度日变化.不同模态下表面积浓度多呈双峰分布.由图 6可知数浓度主要集中在爱根核模态, 其次是积聚模态和核模态, 而表面积浓度主要集中在积聚模态, 其次是爱根核模态, 核模态粒子对表面积浓度贡献较小.由图 7发现不同模态下粒子表面积浓度日变化特征与数浓度的日变化特征基本一致, 造成不同排放源主导下颗粒物表面积浓度差异的原因与数浓度差异的原因一致, 在此不再赘述.
|
图 7 不同排放源主导下的不同模态表面积浓度日变化特征 Fig. 7 Diurnal variations in surface concentrations contributed by different emission sources |
(1) 观测期间临安大气气溶胶平均数浓度为5 062 cm-3·nm-1, 主要集中在10~400 nm.平均PM2.5质量浓度为123.6 μg·m-3, 主要水溶性离子NO3-、SO42-、NH4+平均浓度为19.2、15.4和10.8 μg·m-3, 分别占总水溶性离子的37.9%、30.4%、21.4%. OC和EC的平均浓度分别为24.4 μg·m-3、6.6 μg·m-3.主要污染气体NO2、SO2和CO的平均体积分数分别为22.6×10-9、34.0×10-9和2.2×10-6.
(2) 二次相关、燃煤排放、机动车排放、扬尘和生物质燃烧是冬季临安大气本底站PM2.5的主要来源, 对PM2.5总质量分别贡献42.3%、21.4%、17.1%、8.7%和10.6%.生物质燃烧与扬尘显示出本地源的特征, 燃煤、机动车排放和二次相关颗粒物都显示出本地排放和区域传输的特征.
(3) 不同来源气溶胶数浓度谱差异较大, 二次相关源、机动车排放源、扬尘和生物质燃烧数浓度谱呈单峰分布, 峰值粒径分别为120、50、100和90 nm.燃煤颗粒物数浓度谱呈双峰分布, 峰值粒径为25 nm和100 nm.不同来源气溶胶表面积浓度谱均呈三峰分布, 二次相关源、燃煤源、机动车排放源、扬尘和生物质燃烧表面积浓度最大峰值粒径分别为650、210、160、180和575 nm.
(4) 不同排放源主导的气溶胶颗粒物数浓度和表面积浓度日变化特征基本一致, 核模态和粗模态颗粒物数浓度和表面积浓度日变化无明显规律, 爱根核模态和积聚模态颗粒物数浓度和表面积浓度日变化多呈双峰分布, 主要受边界层日变化和人类活动影响.
致谢: 感谢临安大气本底污染检测站的技术人员在现场观测中的大力协助.| [1] | Deng X J, Tie X X, Wu D, et al. Long-term trend of visibility and its characterizations in the Pearl River Delta (PRD) region, China[J]. Atmospheric Environment, 2008, 42(7): 1424-1435. DOI:10.1016/j.atmosenv.2007.11.025 |
| [2] | Charlson R J, Schwartz S E, Hales J M, et al. Climate forcing by anthropogenic aerosols[J]. Science, 1992, 255(5043): 423-430. DOI:10.1126/science.255.5043.423 |
| [3] | Pöschl U. Atmospheric aerosols: composition, transformation, climate and health effects[J]. Angewandte Chemie International Edition, 2005, 44(46): 7520-7540. DOI:10.1002/(ISSN)1521-3773 |
| [4] | Nel A. Air pollution-related illness: effects of particles[J]. Science, 2005, 308(5723): 804-806. DOI:10.1126/science.1108752 |
| [5] |
胡敏, 刘尚, 吴志军, 等. 北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J]. 环境科学, 2006, 27(11): 2293-2298. Hu M, Liu S, Wu Z J, et al. Effects of high temperature, high relative humidity and rain process on particle size distributions in the summer of Beijing[J]. Environmental Science, 2006, 27(11): 2293-2298. DOI:10.3321/j.issn:0250-3301.2006.11.028 |
| [6] |
谢小芳, 孙在, 付志民, 等. 杭州市大气超细颗粒数浓度谱季节性特征[J]. 环境科学, 2013, 34(2): 434-440. Xie X F, Sun Z, Fu Z M, et al. Study on number concentration distribution of atmospheric ultrafine particles in Hangzhou[J]. Environmental Science, 2013, 34(2): 434-440. |
| [7] |
王红磊, 朱彬, 沈利娟, 等. 春节期间南京市大气气溶胶粒径分布特征[J]. 环境科学, 2014, 35(2): 442-450. Wang H L, Zhu B, Shen L J, et al. Size distributions of aerosol during the spring festival in Nanjing[J]. Environmental Science, 2014, 35(2): 442-450. |
| [8] |
崔虎雄, 任小龙, 张华. 上海市浦东城区冬季颗粒物数浓度及其谱分布特征[J]. 中国环境监测, 2014, 30(6): 62-66. Cui H X, Ren X L, Zhang H, et al. Size distribution properties of atmospheric aerosol particles during winter in the downtown of Pudong, Shanghai[J]. Environmental Monitoring in China, 2014, 30(6): 62-66. |
| [9] |
沈利娟, 王红磊, 吕升, 等. 嘉兴市春季PM、主要污染气体和气溶胶粒径分布的周末效应[J]. 环境科学, 2015, 36(12): 4348-4357. Shen L J, Wang H L, Lü S, et al. Weekend effect in distributions of particulate matters, main gas pollutants and aerosol size in spring of Jiaxing[J]. Environment Science, 2015, 36(12): 4348-4357. |
| [10] |
姚剑, 王广华, 林俊, 等. 上海市大气颗粒物与能见度的关系[J]. 气象与环境学报, 2010, 26(4): 17-21. Yao J, Wang G H, Lin J, et al. Relationships between atmospheric particles and visibility in Shanghai[J]. Journal of Meteorology and Environment, 2010, 26(4): 17-21. |
| [11] |
王飞, 朱彬, 康汉清, 等. ASP-SMPS-WPS对南京夏季气溶胶数浓度的对比观测[J]. 中国环境科学, 2011, 31(9): 1416-1423. Wang F, Zhu B, Kang H Q, et al. Comparative observations on summer aerosol number concentration measured by APS-SMPS-WPS in Nanjing area[J]. China Environmental Science, 2011, 31(9): 1416-1423. |
| [12] |
王红磊, 朱彬, 沈利娟, 等. 南京市夏季大气气溶胶新粒子生成事件分析[J]. 环境科学, 2012, 33(3): 701-710. Wang H L, Zhu B, Shen L J, et al. Atmospheric particle formation events in Nanjing during summer 2010[J]. Environmental Science, 2012, 33(3): 701-710. |
| [13] |
尚倩, 李子华, 杨军, 等. 南京冬季大气气溶胶粒子谱分布及其对能见度的影响[J]. 环境科学, 2011, 32(9): 2750-2760. Shan Q, Li Z H, Yang J, et al. Size distributions of aerosol particles and the impact on visibility in winter of Nanjing[J]. Environmental Science, 2011, 32(9): 2750-2760. |
| [14] |
苏捷, 赵普生, 陈一娜. 北京地区不同天气条件下气溶胶数浓度粒径分布特征研究[J]. 环境科学, 2016, 37(4): 1208-1218. Su J, Zhao P S, Chen Y N. Characteristics of number concentration size distributions of aerosols under different weather processes in Beijing[J]. Environmental Science, 2016, 37(4): 1208-1218. |
| [15] |
陈秋方, 孙在, 谢小芳. 杭州灰霾天气超细颗粒浓度分布特征[J]. 环境科学, 2014, 35(8): 2851-2856. Chen Q F, Sun Z, Xie X F. Distribution of atmospheric ultrafine particles during haze weather in Hangzhou[J]. Environmental Science, 2014, 35(8): 2851-2856. |
| [16] |
王苏蓉, 喻义勇, 王勤耕, 等. 基于PMF模式的南京市大气细颗粒物源解析[J]. 中国环境科学, 2015, 35(12): 3535-3542. Wang S R, Yu Y Y, Wang Q G, et al. Source apportionment of PM2.5 in Nanjing by PMF[J]. China Environmental Science, 2015, 35(12): 3535-3542. DOI:10.3969/j.issn.1000-6923.2015.12.002 |
| [17] |
杨东贞, 颜鹏, 张养梅, 等. WMO区域本底站气溶胶特征分析[J]. 第四纪研究, 2006, 26(5): 733-741. Yang D Z, Yan P, Zhang Y M, et al. Aerosol properties at Lin'an WMO background station[J]. Quaternary Sciences, 2006, 26(5): 733-741. |
| [18] | Hua Y, Cheng Z, Wang S X, et al. Characteristics and source apportionment of PM2.5 during a fall heavy haze episode in the Yangtze River Delta of China[J]. Atmospheric Environment, 2015, 123: 380-391. DOI:10.1016/j.atmosenv.2015.03.046 |
| [19] | Gao B, Guo H, Wang X M, et al. Tracer-based source apportionment of polycyclic aromatic hydrocarbons in PM2.5 in Guangzhou, southern China, using positive matrix factorization (PMF)[J]. Environmental Science and Pollution Research, 2013, 20(4): 2398-2409. DOI:10.1007/s11356-012-1129-0 |
| [20] |
银燕, 童尧青, 魏玉香, 等. 南京市大气细颗粒物化学成分分析[J]. 大气科学学报, 2009, 32(6): 723-733. Yin Y, Tong Y Q, Wei Y X, et al. The analysis of chemistry composition of fine-mode Particles in Nanjing[J]. Transactions of Atmospheric Sciences, 2009, 32(6): 723-733. |
| [21] |
樊曙先, 徐建强, 郑有飞, 等. 南京市气溶胶PM2.5一次来源解析[J]. 气象科学, 2005, 25(6): 587-593. Fan S X, Xu J Q, Zheng Y F, et al. A sources apportionment of aerosols PM2.5 over the urban and suburb areas of Nanjing[J]. Scientia Meteorologica Sinica, 2005, 25(6): 587-593. |
| [22] |
丁铭, 郁建桥, 程真, 等. 南京市PM2.5颗粒物来源探析[J]. 环境科技, 2014, 27(4): 23-26. Ding M, Yu J Q, Cheng Z, et al. Analysis of PM2.5 ambient particulars emission source of Nanjing[J]. Environmental Science and Technology, 2014, 27(4): 23-26. |
| [23] |
杨卫芬, 银燕, 魏玉香, 等. 霾天气下南京PM2.5中金属元素污染特征及来源分析[J]. 中国环境科学, 2010, 30(1): 12-17. Yang W F, Yin Y, Wei Y X, et al. Characteristics and sources of metal elements in PM2.5 during hazy days in Nanjing[J]. China Environmental Science, 2010, 30(1): 12-17. |
| [24] | Gu J W, Pitz M, Schnelle-Kreis J, et al. Source apportionment of ambient particles: comparison of positive matrix factorization analysis applied to particle size distribution and chemical composition data[J]. Atmospheric Environment, 2011, 45(10): 1849-1857. DOI:10.1016/j.atmosenv.2011.01.009 |
| [25] | Harrison R M, Beddows D C S, Dall'Osto M. PMF analysis of wide-range particle size spectra collected on a major highway[J]. Environmental Science & Technology, 2011, 45(13): 5522-5528. |
| [26] | Kim E, Hopke P K, Larson T V, et al. Analysis of ambient particle size distributions using unmix and positive matrix factorization[J]. Environmental Science & Technology, 2004, 38(1): 202-209. |
| [27] | Krecl P, Larsson E H, Ström J, et al. Contribution of residential wood combustion and other sources to hourly winter aerosol in Northern Sweden determined by positive matrix factorization[J]. Atmospheric Chemistry and Physics, 2008, 8(13): 3639-3653. DOI:10.5194/acp-8-3639-2008 |
| [28] | Sofowote U M, Su Y S, Dabek-Zlotorzynska E, et al. Sources and temporal variations of constrained PMF factors obtained from multiple-year receptor modeling of ambient PM2.5 data from five speciation sites in Ontario, Canada[J]. Atmospheric Environment, 2015, 108: 140-150. DOI:10.1016/j.atmosenv.2015.02.055 |
| [29] | Xie S D, Liu Z, Chen T, et al. Spatiotemporal variations of ambient PM10 source contributions in Beijing in 2004 using positive matrix factorization[J]. Atmospheric Chemistry and Physics, 2008, 8(10): 2701-2716. DOI:10.5194/acp-8-2701-2008 |
| [30] | Gao J, Wang T, Zhou X H, et al. Measurement of aerosol number size distributions in the Yangtze River delta in China: formation and growth of particles under polluted conditions[J]. Atmospheric Environment, 2009, 43(4): 829-836. DOI:10.1016/j.atmosenv.2008.10.046 |
| [31] |
张秋晨, 朱彬, 苏继峰, 等. 南京3类不同大气污染过程下气溶胶水溶性无机离子的特征研究[J]. 环境科学, 2012, 33(6): 1944-1951. Zhang Q C, Zhu B, Su J F, et al. Characteristics of aerosol water-soluble inorganic ions in three types air pollution incidents of Nanjing city[J]. Environmental Science, 2012, 33(6): 1944-1951. |
| [32] |
黄虹, 李顺诚, 曹军骥, 等. 气溶胶有机碳元素碳基本特征研究的前沿动向[J]. 环境科学与技术, 2005, 28(3): 112-114. Huang H, Li S C, Cao J J, et al. Review and prospect on characteristics of organic and elemental carbon in aerosol[J]. Environmental Science and Technology, 2005, 28(3): 112-114. |
| [33] |
李建军, 沈振兴, 同帜, 等. 西安冬春季PM10中碳气溶胶的昼夜变化特征[J]. 环境科学, 2009, 30(5): 1506-1513. Li J J, Shen Z X, Tong Z, et al. Day-night variation of carbonaceous aerosols in PM10 during winter and spring over Xi'an[J]. Environmental Science, 2009, 30(5): 1506-1513. |
| [34] |
李杏茹, 王英锋, 郭雪清, 等. 2008年奥运会期间北京不同粒径大气颗粒物中元素碳和有机碳的变化特征[J]. 环境科学, 2011, 32(2): 313-318. Li X R, Wang Y F, Guo X Q, et al. Size distribution and characterization of EC and OC in aerosols during the Olympics of Beijing, China[J]. Environmental Science, 2011, 32(2): 313-318. |
| [35] |
李月清, 朱彬, 安俊琳. 长光程与传统点式污染气体监测技术对比[J]. 南京信息工程大学学报(自然科学版), 2011, 3(2): 128-136. Li Y Q, Zhu B, An J L. A comparative of long-path and traditional point atmospheric pollutants monitoring techniques[J]. Journal of Nanjing University of Information Science and Technology (Natural Science Edition), 2011, 3(2): 128-136. |
| [36] | EPA/600/R-14/108, EPA positive matrix factorization (PMF) 5.0 fundamentals and user guide[S]. |
| [37] | Ramadan Z, Song X H, Hopke P K. Identification of sources of Phoenix aerosol by positive matrix factorization[J]. Journal of the Air & Waste Management Association, 2000, 50(8): 1308-1320. |
| [38] | Reff A, Eberly S I, Bhave P V. Receptor modeling of ambient particulate matter data using positive matrix factorization: review of existing methods[J]. Journal of the Air & Waste Management Association, 2007, 57(2): 146-154. |
| [39] | Yin J, Allen A G, Harrison R M, et al. Major component composition of urban PM10 and PM2.5 in Ireland[J]. Atmospheric Research, 2005, 78(3-4): 149-165. DOI:10.1016/j.atmosres.2005.03.006 |
| [40] | Viana M, Kuhlbusch T A J, Querol X, et al. Source apportionment of particulate matter in Europe: a review of methods and results[J]. Journal of Aerosol Science, 2008, 39(10): 827-849. DOI:10.1016/j.jaerosci.2008.05.007 |
| [41] | Pandis S N, Harley R A, Cass G R, et al. Secondary organic aerosol formation and transport[J]. Atmospheric Environment. Part A. General Topics, 1992, 26(13): 2269-2282. DOI:10.1016/0960-1686(92)90358-R |
| [42] | Liu Z R, Hu B, Liu Q, et al. Source apportionment of urban fine particle number concentration during summertime in Beijing[J]. Atmospheric Environment, 2014, 96: 359-369. DOI:10.1016/j.atmosenv.2014.06.055 |
| [43] | Tan J H, Duan J C, Chai F H, et al. Source apportionment of size segregated fine/ultrafine particle by PMF in Beijing[J]. Atmospheric Research, 2014, 139: 90-100. DOI:10.1016/j.atmosres.2014.01.007 |
| [44] | Zhuang H, Chan C K, Fang M, et al. Size distributions of particulate sulfate, nitrate, and ammonium at a coastal site in Hong Kong[J]. Atmospheric Environment, 1999, 33(6): 843-853. DOI:10.1016/S1352-2310(98)00305-7 |
| [45] | Kerminen V M, Pirjola L, Boy M, et al. Interaction between SO2 and submicron atmospheric particles[J]. Atmospheric Research, 2000, 54(1): 41-57. DOI:10.1016/S0169-8095(00)00038-7 |
| [46] | Ke L, Liu W, Wang Y H, et al. Comparison of PM2.5 source apportionment using positive matrix factorization and molecular marker-based chemical mass balance[J]. Science of the Total Environment, 2008, 394(2-3): 290-302. DOI:10.1016/j.scitotenv.2008.01.030 |
| [47] | Kang H Q, Zhu B, Su J F, et al. Analysis of a long-lasting haze episode in Nanjing, China[J]. Atmospheric Research, 2013, 120. |
| [48] | Lestari P, Mauliadi Y D. Source apportionment of particulate matter at urban mixed site in Indonesia using PMF[J]. Atmospheric Environment, 2009, 43(10): 1760-1770. DOI:10.1016/j.atmosenv.2008.12.044 |
| [49] | Lee A K Y, Willis M D, Healy R M, et al. Single-particle characterization of biomass burning organic aerosol (BBOA): evidence for non-uniform mixing of high molecular weight organics and potassium[J]. Atmospheric Chemistry and Physics Discuss, 2015, 15(22): 32157-32183. DOI:10.5194/acpd-15-32157-2015 |
| [50] | Ogulei D, Hopke P K, Zhou L M, et al. Source apportionment of Baltimore aerosol from combined size distribution and chemical composition data[J]. Atmospheric Environment, 2006, 40(S2): 396-410. |
| [51] | Brock C A, Washenfelder R A, Trainer M, et al. Particle growth in the plumes of coal-fired power plants[J]. Journal of Geophysical Research, 2002, 107(D12): 4155. DOI:10.1029/2001JD001062 |
| [52] | Harris S J, Maricq M M. Signature size distributions for diesel and gasoline engine exhaust particulate matter[J]. Journal of Aerosol Science, 2001, 32(6): 749-764. DOI:10.1016/S0021-8502(00)00111-7 |
| [53] |
马新成, 毕凯, 田海军, 等. 北京地区沙尘天气气溶胶飞机观测特征[J]. 气象科技, 2016, 44(1): 95-103. Ma X C, Bi K, Tian H J, et al. Aircraft measurements of aerosol characteristics during dust evens in Beijing[J]. Meteorological Science and Technology, 2016, 44(1): 95-103. |
| [54] |
王振, 马嫣, 郑军, 等. 基于粒径谱分布的南京市区大气颗粒物来源解析[J]. 环境化学, 2015, 34(9): 1619-1626. Wang Z, Ma Y, Zheng J, et al. Source apportionment of aerosols in urban Nanjing based on particle size distribution[J]. Environmental Chemistry, 2015, 34(9): 1619-1626. DOI:10.7524/j.issn.0254-6108.2015.09.2015020303 |