环境科学  2019, Vol. 40 Issue (11): 4764-4773   PDF    
引用本文
张会涛, 田瑛泽, 刘保双, 杨佳美, 郁佳, 宫攀, 吴建会, 张裕芬. 武汉市PM2.5化学组分时空分布及聚类分析[J]. 环境科学, 2019, 40(11): 4764-4773.
ZHANG Hui-tao, TIAN Ying-ze, LIU Bao-shuang, YANG Jia-mei, YU Jia, GONG Pan, WU Jian-hui, ZHANG Yu-fen. Spatial Temporal Characteristics and Cluster Analysis of Chemical Components for Ambient PM2.5 in Wuhan[J]. Environmental Science, 2019, 40(11): 4764-4773.
武汉市PM2.5化学组分时空分布及聚类分析
张会涛1, 田瑛泽1, 刘保双1, 杨佳美1, 郁佳2, 宫攀2, 吴建会1, 张裕芬1     
1. 南开大学环境科学与工程学院, 国家环境保护城市空气颗粒物污染防治重点实验室, 天津 300350;
2. 武汉市环境监测中心, 武汉 430015
收稿日期: 2019-04-08; 修订日期: 2019-05-28
基金项目: 中央高校基本科研业务费专项
作者简介: 张会涛(1988~), 男, 硕士研究生, 主要研究方向为大气污染防治, E-mail:335363263@qq.com
通信作者: 田瑛泽, E-mail:tianyingze@hotmail.com
摘要: 颗粒物化学组分特征对于分析污染来源及成因具有较好的指示意义，能够为城市制定颗粒物源的有效管控提供基础数据支撑.本研究采集和分析了武汉市4个季节8个受体点位的PM2.5浓度及其化学组分数据.结合各点位组分特征及周边污染源分布情况，通过聚类分析讨论PM2.5化学组分的时空分布特征.结果表明，武汉市PM2.5年平均浓度为70.7μg·m-3，其中冬季PM2.5浓度（103.1μg·m-3）显著高于其它季节，秋季浓度最低（52.4μg·m-3）.从空间分布来看，东湖高新、沌口新区和青山钢花站点的PM2.5浓度显著高于其它站点.武汉市PM2.5主要的化学组分为OC和SO42-，占比分别为15.4%和14.2%.OC浓度表现为冬季最高，除了与不利的气象条件有关外，还可能受到周边区域传输的影响；而SO42-浓度夏季最高，具有较强的SO2二次转化.武汉市OC/EC年均比值为2.80，其中冬、春季小于夏、秋季；物质重构结果表明无机盐（SO42-、NO3-、NH4+）和有机物（OM）是PM2.5中的主要物质，占比分别为32.34%和20.44%；工业燃煤源及机动车源可能是武汉市环境受体中PM2.5主要贡献源.基于受体组分特征的聚类分析可见，武汉市8个站点可分为3类：其中汉阳月湖、灰霾超站、东湖梨园和黄陂区站为一类，主要特征是各站点组分浓度均较低；沌口新区与青山钢花为一类，NO3-和NH4+组分浓度较高；东湖高新与吴家山为一类，该两个站点不仅工业源污染较重，机动车及扬尘污染也有较大的贡献.
关键词: PM2.5      组分特征      时空分布      聚类分析      武汉     
Spatial Temporal Characteristics and Cluster Analysis of Chemical Components for Ambient PM2.5 in Wuhan
ZHANG Hui-tao1 , TIAN Ying-ze1 , LIU Bao-shuang1 , YANG Jia-mei1 , YU Jia2 , GONG Pan2 , WU Jian-hui1 , ZHANG Yu-fen1     
1. State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China;
2. Wuhan Environmental Monitoring Center Station, Wuhan 430015, China
Abstract: The characteristics of chemical components of particulate matter are good indicators for analyzing sources and causes of pollution. The spatial and temporal distribution characteristics of particulate matter can reflect regional pollution problems in urban development, providing a basic dataset to support effective control of particulate matter sources. We collected PM2.5 and analyzed its concentration and chemical components at eight sites during different seasons. The results indicated that the average concentration of PM2.5 in Wuhan reached 70.7 μg·m-3. The concentration of PM2.5 in winter (103.1 μg·m-3) was significantly higher than that of other seasons, and the lowest concentration was in autumn (52.4 μg·m-3). The concentrations of PM2.5 in Donghu Gaoxin, Zhuankou New Area, and Qingshan Ganghua Station were significantly higher than those at the other sites. The main chemical components in PM2.5 were OC and SO42-, accounting for 15.4% and 14.2%, respectively. The OC concentration was the highest in winter, whereas SO42-concentration was the highest in summer. The average annual OC/EC ratio was up to 2.80, lower in winter and spring, and higher in summer and autumn. Material reconstruction showed that secondary particles and organic matter (OM) were major substances, accounting for 32.34% and 20.44% of PM2.5 mass, respectively. Coal combustion and vehicle exhaust might be the main contributors to ambient PM2.5. The highest fractions for OM were at the Wujiashan and Donghu Gaoxin sites, whereas the fraction of secondary particles was higher at each site, suggesting that secondary pollution had obvious regional characteristics in Wuhan. Cluster analysis based on the characteristics of chemical components showed that the eight sites were divided into three clusters:1 Hanyang Yuehu, Haze, Donghu Liyuan, and Huangpi sites, where the main characteristics were that the concentrations of components at each point were low; ② Zhuankou New Area and Qingshan Ganghua, which were characterized by higher nitrogen components; and ③ Donghu Gaoxin and Wujiashan, where not only industrial sources were heavily polluted in Wuhan, but also motor vehicles and dust pollution greatly contributed.
Key words: PM2.5      chemical component      spatial and temporal distribution      cluster analysis      Wuhan     

PM2.5是指环境空气中空气动力学当量直径小于等于2.5 μm的颗粒物, 也称细颗粒物[1]. PM2.5可以对大气能见度及人类健康造成很严重的影响[2].长期暴露其中可以导致肺-呼吸系统和心脑血管疾病, 甚至死亡[3].因此, 近年来PM2.5化学组分特征及来源的研究越来越受到关注[4, 5].

PM2.5主要由水溶性离子、碳组分及化学元素等组成[6~8]. PM2.5浓度及其化学组分的时空特征反映了其时间变化和空间分布特征, 研究时空变化规律对把握城市和区域整体污染水平, 进而科学制定污染防治措施, 指导人们生产生活都有重要意义[9].大气颗粒物浓度有空间同质性和异质性, 不同的城市功能区, 其大气颗粒物污染特征有差异; 在城区和郊区, 大气颗粒物污染特征也有较大的差异[10, 11].颗粒物组分时空分布规律能够更好地表征颗粒物污染特征, 对污染来源及成因都有较好地指示意义.

武汉是中国华中地区的中心城市, 是长江经济带的3个超大城市之一, 同时也是PM2.5污染较为严重地区[12, 13].近年来, 武汉市PM2.5的研究主要集中在PM2.5的化学组成[14~16]及来源解析[17, 18]等方面.对武汉市灰霾超站点PM2.5中水溶性离子的研究发现[5], 武汉市大气存在较强的SO2向SO42-、NO2向NO3-转化的二次过程.对武汉市特殊时段PM2.5化学组分的研究发现[15], 春节期间烟花爆竹燃放对离子组成有强影响.可以看出, 相关报道的研究区域和时段主要是集中在个别站点和特殊污染时段, 从空间代表性和时间代表性上仍然不足以全面反映武汉市的大气污染特征.本文于武汉市8个站点、分春夏秋冬4个季节, 研究PM2.5浓度及其化学组分的空间分布特征, 以期更好地反映城市发展中的污染特征及问题, 并为城市颗粒物源的有效管控提供数据支撑.

1 材料与方法 1.1 采样时间

根据武汉市气象要素的季节变化特征、环境空气中各主要污染物浓度水平的季节分布特征等, 本研究于2017年3~4月(春)、2016年8月(夏)、2016年10~11月(秋)和2016年12月~2017年1月(冬)这4个季节采集环境受体PM2.5样品, 每个季节采集10 d样品, 每天的采样时长为22 h(上午11:00~次日09:00), 并同步采集平行和空白样品.共采集样品1 388个, 其中有效样品1 369个.每次采样均确认滤膜及仪器各项性能指标正常, 各站点仪器在同一时间开机, 进行同步采样.

1.2 采样站点

结合武汉市自然地理、气象等综合环境因素以及工业布局、人口分布等社会经济特点[19], 依托武汉市国控监测点, 选择的8个采样站点分别为：灰霾超站、汉阳月湖、青山钢花、东湖高新、吴家山、东湖梨园、沌口新区和黄陂区站, 如图 1, 采样站点的位置和周边情况如表 1所示.

图 1 采样站点分布示意 Fig. 1 Map of the sampling sites in Wuhan

表 1 受体采样站点置和周边情况 Table 1 Location and periphery of the receptor sampling site

1.3 采样仪器及滤膜

综合各技术规范要求, 并考虑样品分析需求, 采样仪器使用武汉天虹(TH-16A)型四通道大气颗粒物智能采样仪, 切割粒径为2.5 μm和10 μm; 采样滤膜使用47 mm的聚丙烯滤膜和石英滤膜, 聚丙烯膜用于无机元素分析, 石英膜用于碳和离子组分分析.

1.4 化学分析

PM2.5分析项目包括质量分析、元素分析、水溶性离子及碳组分分析, 具体见表 2.

表 2 样品分析 Table 2 Details of sample analysis

样品在初重称量前进行烘干处理, 样品于温度为(20±1)℃, 湿度为(50±5)%恒温恒湿的室内平衡24 h后进行称量.每个样品至少平行称量2次, 且两次称量的差值不能大于0.000 004 g, 否则重新称量.研究采用Thermo iCAP 7000电感耦合等离子体原子发射光谱仪分析颗粒物样品中Na、Mg、Al、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Ba和Pb等17种元素浓度[4].使用Thermo ICS-900型离子色谱仪检测Na+、NH4+、K+、Mg2+、Ca2+、SO42-、Cl-、NO3-和F-等共9种水溶性离子的质量浓度.阴离子分析柱、保护柱型号分别为AS22和AG22, 阳离子分析柱、保护柱型号分别为CS12A和CG12A.采用美国沙漠所(DRI)质量控制标准, 每测定10个样品复检1个, 各分析项目测定值的相对误差(RE)＜20%, 相对标准偏差(RSD)＜5%, 满足分析方法要求[5].

1.5 方法 1.5.1 聚类分析

聚类分析即按照事物间的相似性进行分类, 使得同类对象间相似性最大, 不同类之间相似性最小, 是探究污染物来源与演化性质的统计方法[20].聚类能够分析区域间的污染特征, 揭示不同站点间污染的相似性与关联性[21, 22]. K-means聚类方法也称快速聚类, 是一种应用广泛的经典聚类算法, 将数据看成K维空间上的点, 以欧式距离作为测度个体“亲疏程度”的指标, 欧式距离的大小反映了个体之间的相似度关系[23].其中, 欧式距离公式为：

(1)

本研究使用SPSS Statistics 22统计软件, 采用K-means聚类方法进行聚类分析.

1.5.2 富集因子法

富集因子法(EF)[24]是表征颗粒物所含元素在大气中富集程度的经典模型, 通过以土壤为参比介质来评价某种元素在颗粒物中的富集程度, 从而判断元素的自然源或人为源属性[14].某种元素富集因子的数学表达式为：

(2)

式中, 以湖北省的土壤为参比介质[25], 以Fe为参比元素.若EFi>10表明元素i被富集, 主要来源于人为源; 若5 < EFi < 10, 表明人为源对元素i有显著贡献; 若EFi < 1, 则元素主要来源于土壤.

1.5.3 物质重构

物质重构是通过间接计算颗粒物化学组成得到主要构成物质和占比, 重构得到的质量可以与称量的颗粒物浓度比较, 同时可以检验实验分析结果[26].将PM2.5中的化学组分分为5类[27, 28]：矿物尘(MIN)、微量元素(TE)、有机物(OM)、元素碳(EC)和无机盐(SO42-、NH4+、NO3-); 其中矿物尘(MIN)是地壳元素氧化物质量浓度之和,

(3)

微量元素(TE)为除地壳元素和海盐元素以外的所有微量元素之和; 有机物(OM)由OC乘以系数1.4得到[29]; 元素碳(EC)和无机盐(SO42-、NH4+、NO3-)为直接分析得到的数据.

1.5.4 SOC估算方法

有机碳(OC)可分为一次有机碳(POC)和二次有机碳(SOC)[30].根据Castro等的研究[31], 利用EC-示踪方法对武汉市SOC浓度进行估算.公式如下：

(3)

式中, TOC为总有机碳, (OC/EC)min为最小的OC/EC值.估算过程中(OC/EC)min的值由不同OC/EC分位数下对应OC和EC的相关性决定[32]. OC/EC的10%分位数下对应的比值最低, 且OC和EC相关性最高, 说明其为最小比值.利用上述方法得到的最小比值为：春季(1.29)、夏季(2.24)、秋季(2.21)和冬季(1.7).

2 结果与讨论 2.1 PM2.5浓度时空变化特征

采样期间, 武汉市PM2.5平均浓度为70.1μg·m-3, PM2.5污染比较严重[33~36].武汉市PM2.5各季节的浓度如图 1所示, 其浓度变化表现为冬季(103.1μg·m-3)>春季(63.2μg·m-3)>夏季(57.8μg·m-3)>秋季(52.4μg·m-3).冬季浓度最高, 春、夏、秋季浓度相差不大.与其它季节相比, 冬季平均风速最小(春季1.9m·s-1、夏季2.0m·s-1、秋季1.8m·s-1和冬季1.4m·s-1), 边界层高度较低, 导致大气扩散条件较差[37]; 冬季较高的PM2.5浓度还可能受到周边区域传输的影响, 后向轨迹分析表明东和东北两个方向占气流轨迹的80%以上[14, 16].

从空间分布来看, 东湖高新、沌口新区和青山钢花站点的PM2.5浓度显著高于其他站点(t检验, P < 0.01), 分别为：73.6、72.9和72.4μg·m-3(图 2), 可能与这些站点周边工业源的排放密切相关(表 1).相比而言, 汉阳月湖和黄陂区站PM2.5浓度较低, 分别为67.4μg·m-3和64.7μg·m-3; 这与汉阳月湖站位于月湖公园内部, 黄陂区站位于郊区, 附近工业排放较低是有关的(表 1).另外, 除沌口新区站秋季PM2.5浓度略高于夏季以外, 其余7个站点均表现为冬季>春季>夏季>秋季.各站点浓度与全市平均水平在季节性变化方面一致性较高.

图 2 各站点PM2.5浓度全年和四季平均值 Fig. 2 PM2.5 concentrations at different sites during different seasons

2.2 PM2.5化学组分的时空变化特征 2.2.1 季节变化特征分析

武汉市全年PM2.5中主要化学组分浓度及质量分数见图 3.可以看出, PM2.5的主要组分是OC、SO42-、NH4+、NO3-和EC, 浓度分别为10.3、9.2、6.7、6.6和4.3μg·m-3, 占PM2.5的质量分数分别为：15.4%、14.2%、9.1%、7.8%和6.3%. OC和SO42-的浓度显著高于其他组分(t检验, P < 0.01).从季节变化方面来看, OC、NH4+、NO3-和EC浓度均表现为冬季最高, 除了与不利的气象条件有关[38], 还可能受到周边区域传输的影响[14]; 而SO42-浓度表现为夏季最高, 同时硫氧化率(SOR)在夏季最高(0.6), 说明武汉市夏季具有较强的SO2二次转化. OC主要来自于燃煤工业以及机动车等的排放[30], SO42-主要来自人为排放的SO2的二次转化生成[39, 40], 对于武汉市来说, 燃煤工业以及机动车等可能是PM2.5的重要来源[12].

图 3 全年PM2.5中化学组分浓度及质量分数 Fig. 3 Annual mean concentration and fractions of chemical components in PM2.5

武汉市PM2.5中的NO3-/SO42-平均值为0.72, 其中夏季NO3-/SO42-比值(0.11)显著低于冬季(1.27)(t检验, P < 0.01), 这可能与夏季温度较高NO3-易于分解和较高SO42-二次转化生成密切相关.

利用OC/EC值一定程度可判断碳气溶胶的来源, 机动车尾气、燃煤和生物质燃烧的OC/EC比值分别为1.0~4.2、2.5~10.5和8.1~12.7[41].武汉市区PM2.5中的OC/EC比值平均为2.8, 也说明武汉市细颗粒物主要受到工业燃煤以及机动车排放的影响较为明显.有研究表明, 当OC/EC大于2.0说明存在SOC生成现象[41], 本研究使用EC-示踪方法估算了武汉市不同季节SOC的浓度.计算得到SOC四季浓度分别为春季(2.22μg·m-3)、夏季(2.02μg·m-3)、秋季(2.4μg·m-3)和冬季(4.22μg·m-3).这可能与冬季OC排放增加的同时有机气态污染物也会增加, 在不利气象因素的影响下, 容易造成SOC的生成和累积有关[42].

地壳元素Si和Ca的浓度分别为1.88μg·m-3和1.86μg·m-3, 占比分别为3.34%和3.03%, 同时Si的含量和占比在春季均是最高的, 说明武汉扬尘污染特别是在春季贡献率较高. Fe、Mg、Al、K、Na和Zn等元素的浓度在0.20~0.90μg·m-3之间, 其他金属元素(Ti、V、Cr、Mn、Ni、Cu、As和Pb等)的浓度均低于0.10μg·m-3. Fe、Mg、Al、K、Na和Zn等元素的占比在0.20%~1.30%之间, 其他金属元素(Ti、V、Cr、Mn、Ni、Cu、As和Pb)的占比均低于0.20%.从富集因子的计算结果看, Ti、Al、V、K、Mg、Na、Mn和Co等元素的EF值均在5以下, 说明这些元素主要来源于土壤; Ca、Ni、Cr、As、Pb、Zn、Cu、Cd和Hg等元素的EF值均在20以上, 表明这些元素主要来源于人为源, 例如建筑施工活动和工业排放等, 这与张帆[14]对武汉市PM2.5的研究结果基本一致.

根据化学组分进行了物质重构, 重构后与采样实测的PM2.5浓度相关系数(r2)达到0.85(图 4), 重构的质量解释了实测PM2.5质量的74.09%, 可见测定基本包括了PM2.5中的主要部分.重构后无机盐(SO42-、NH4+和NO3-)、有机物(OM)、矿物尘(MIN)、元素碳(EC)和微量元素(TE)在PM2.5中的占比分别为32.34%、20.44%、14.54%、6.10%和0.67%.无机盐(SO42-、NH4+、NO3-)的含量显著高于其它物质(t检验, P < 0.01).无机盐(SO42-、NH4+和NO3-)的来源除了污染源的一次排放以外, 燃煤工业以及机动车等排放的SO2和NOx等气态前体物的二次转化[27]也有相当大的贡献.

图 4 PM2.5浓度和重构结果线性分析 Fig. 4 Comparison of reconstructed chemical compositions and PM2.5 concentrations

2.2.2 空间变化特征

结合各站点PM2.5中水溶性离子和碳组分质量分数和质量浓度(图 5)以及质量重构主要组分的占比(图 6)可以看出, 东湖高新站和吴家山站的OC和SO42-的质量分数和浓度均显著高于其它站点(t检验, P < 0.01), SO42-/NO3-和OC/EC的值是所有站点中最大的, 同时这两个站点的有机物(OM)占比也是最高的, 该两个站点所属的东湖新区和东西湖区是武汉工业园区布局比较密集的行政区, 受到燃煤和工业源的影响较大[43].

图 5 各站点PM2.5中碳组分和水溶性离子全年平均质量分数及浓度 Fig. 5 Annual average concentrations and fractions for carbon aceous species and water-soluble ions at each site

图 6 各站点PM2.5质量重构后主要组分占比 Fig. 6 Fractions of main components after PM2.5 mass reconstruction at each site

沌口新区站的NO3-质量分数和浓度较高, 同时该站点的NO3-/SO42-值在所有站点中是最小的, 可能与该站点靠近公路, 机动车排放的影响较大有关.东湖高新站和青山钢花站的Ca2+质量分数和浓度明显高于其他站点, 东湖高新站主要受到城市扬尘以及周边工地建筑尘的共同影响[40, 44]; 而青山钢花站颗粒物中的较高浓度的Ca2+除受扬尘的影响外, 还可能与附近钢铁企业烧结环节采用旋转喷钙法的脱硫工艺过程有关[45].无机盐的占比在各站点均是最高的(均在29%以上), 说明武汉全市PM2.5污染中除受到一次排放的影响外(武汉市工业及电厂煤烟尘中SO42-和NH4+的含量较高[46]), SO2和NOx等气态前体物的二次转化贡献率也较高.

结合各站点PM2.5中无机元素质量分数和浓度(图 7)以及质量重构主要组分占比(图 6)可以看出, PM2.5中Si、Fe的质量分数及浓度在东湖高新站点明显高于其它站点, 同时矿物尘(MIN)占比也相当高, 说明东湖高新站受到周边建筑工地及道路交通的综合影响扬尘污染较重; 黄陂区站站点Al、Si质量分数显著高于其他站点(t检验, P < 0.01), 可能与其周边区域建筑工地和裸露地面较多有关(表 1).

图 7 各站点PM2.5中无机元素全年平均质量分数及浓度 Fig. 7 Annual average concentrations and fractions of elements in PM2.5 at each site

K的质量分数及浓度黄陂区站明显高于其他站点(t检验, P < 0.01), 同时该站点的OC浓度也相对较高, 可能与其处在郊区秋冬季受农村地区生物质燃烧影响有关[47].

2.3 颗粒物化学组成的聚类分析

为进一步研究武汉市PM2.5中颗粒物化学组成的空间特征, 利用SPSS Statistics 22软件将8个采样站点的组分浓度进行K-means聚类分析, 聚类数目由SK算法[48]确定为3类.聚类结果如表 3所示, 表明武汉市8个站点中主要有3类PM2.5污染特征, 同一类之间的各站点PM2.5污染特征相似.其中汉阳月湖、灰霾超站、东湖梨园和黄陂区站为一类, 沌口新区与青山钢花为一类, 东湖高新与吴家山为一类.聚类分析结果与上文的分析结果较为一致.

表 3 聚类分析结果 Table 3 Results of cluster analysis

利用上述聚类结果将3类站点PM2.5中各主要组分浓度及占比平均, 得到图 8所示的3类站点组分浓度及占比特征.可以看出第一类即东湖高新站和吴家山站的OC、EC、SO42-、Ca2+、Al、Si和Fe等在PM2.5中的浓度与其余两类相比均是最大的, 表明该两个站点污染特征相似, 周边不仅工业源污染较重, 机动车及建筑施工扬尘也有较大的贡献; 第二类站点即汉阳月湖、灰霾超站、东湖梨园和黄陂区站的多数组分均小于其余两类, 4个站点中除黄陂区站外均位于武汉市中心城区, 周边环境相对较好, 受工业源和机动车特别是柴油车的影响较小; 第三类即沌口新区站与青山钢花站, 较明显的特征是NO3-和NH4+等组分的浓度均大于其余两类, 其余组分浓度多处于中间水平, 较高的NO3-和NH4+组分浓度可能主要受到站点周边交通源和工业源的影响[5].

图 8 聚类后3类站点组分平均浓度 Fig. 8 Average concentrations of components in the three sites after cluster analysis

3 结论

(1) 采样期间, 武汉市PM2.5平均浓度为70.7μg·m-3, 主要化学组分为OC、SO42-、NH4+、NO3-和EC, 占比分别为15.4%、14.2%、9.1%、7.8%和6.3%;物质重构结果表明, PM2.5中主要的化学组分为无机盐、有机物和矿物尘, 占比分别为32.34%、20.44%和14.54%.武汉市PM2.5污染主要受到工业及机动车排放的影响, 扬尘的影响也不容忽视.

(2) 从季节变化来看, 武汉市PM2.5污染冬季最重, 不仅PM2.5浓度高, PM2.5中的主要组分OC、EC和NO3-等也是四季最高的, 主要受风速小、大气扩散条件差以周边区域传输的影响; 春季PM2.5污染的特征表现为地壳类元素含量较高, 扬尘的贡献较大; 夏季SO42-和硫氧化率(SOR)是最高的, SO2二次转化对PM2.5的贡献较高.

(3) 从空间分布来看, 根据PM2.5浓度及其化学组分的差异可以将8个采样站点聚类分为3类, 分类结果与各站点所处的位置环境及周边工业源的分布密切相关.第一类站点的OC、EC、SO42-、Ca2+、Al、Si、Fe等在PM2.5中的浓度与其余两类相比是最大的, 站点周边不仅工业源污染较重, 机动车及建筑施工扬尘也有较大的贡献; 第二类站点的多数组分浓度均小于其余两类, 周边环境相对较好, 受工业源和机动车影响较小; 第三类站点较明显的特征是NO3-、NH4+等组分的浓度大于其余两类, 可能主要受到站点周边交通源和工业源的影响.

参考文献
[1] GB 3095-2012, 环境空气质量标准[S].
[2] 谢元博, 陈娟, 李巍. 雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J]. 环境科学, 2014, 35(1): 1-8.
Xie Y B, Chen J, Li W. An assessment of PM2.5 related health risks and impaired values of Beijing residents in a consecutive high-level exposure during heavy haze days[J]. Environmental Science, 2014, 35(1): 1-8.
[3] 潘小川. 关注中国大气灰霾(PM2.5)对人群健康影响的新常态[J]. 北京大学学报(医学版), 2015, 47(3): 377-379.
[4] 徐少才, 王静, 吴建会, 等. 青岛市PM2.5化学组分特征及综合来源解析[J]. 中国环境监测, 2018, 34(4): 44-53.
Xu S C, Wang J, Wu J H, et al. Characterization of chemical composition and comprehensive source apportionment of PM2.5in Qingdao[J]. Environmental Monitoring in China, 2018, 34(4): 44-53.
[5] 程渊, 吴建会, 毕晓辉, 等. 武汉市大气PM2.5中水溶性离子污染特征及来源[J]. 环境科学学报, 2019, 39(1): 189-196.
Cheng Y, Wu J H, Bi X H, et al. Characteristics and source apportionment of water-soluble ions in ambient PM2.5 in Wuhan, China[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 189-196.
[6] 吴明, 吴丹, 夏俊荣, 等. 成都冬季PM2.5化学组分污染特征及来源解析[J]. 环境科学, 2019, 40(1): 76-85.
Wu M, Wu D, Xia J R, et al. Analysis of pollution characteristics and sources of PM2.5 chemical components in Chengdu in winter[J]. Environmental Science, 2019, 40(1): 76-85.
[7] 王占山, 李云婷, 刘保献, 等. 北京市PM2.5化学组分特征[J]. 生态学报, 2016, 36(8): 2382-2392.
Wang Z S, Li Y T, Liu B X, et al. Chemical characteristics of PM2.5 in Beijing[J]. Acta Ecologica Sinica, 2016, 36(8): 2382-2392.
[8] 贾海红, 王祖武, 张瑞荣. 关于PM2.5的综述[J]. 污染防治技术, 2003, 16(4): 135-138.
Jia H H, Wang Z W, Zhang R R. Summarization of PM2.5[J]. Pollution Control Technology, 2003, 16(4): 135-138.
[9] 焦利民, 许刚, 赵素丽, 等. 武汉PM2.5时空特征分析[J]. 环境科学与技术, 2015, 38(9): 70-74.
Jiao L M, Xu G, Zhao S L, et al. Analyzing temporal and spatial variability of PM2.5 concentration in Wuhan[J]. Environmental Science & Technology, 2015, 38(9): 70-74.
[10] 刘检琴.长沙市主城区与城郊大气污染物时空分布特征研究[D].长沙: 湖南师范大学, 2016. http://xueshu.baidu.com/usercenter/paper/show?paperid=00091fbb1778dbe4c15c1e06083b6d1d&site=xueshu_se
[11] Rimetz-Planchon J, Perdrix E, Sobanska S, et al. PM10 air quality variations in an urbanized and industrialized harbor[J]. Atmospheric Environment, 2008, 42(31): 7274-7283.
[12] 成海容, 王祖武, 冯家良, 等. 武汉市城区大气PM2.5的碳组分与源解析[J]. 生态环境学报, 2012, 21(9): 1574-1579.
Cheng H R, Wang Z W, Feng J L, et al. Carbonaceous species composition and source apportionment of PM2.5in urban atmosphere of Wuhan[J]. Ecology and Environmental Sciences, 2012, 21(9): 1574-1579.
[13] 张殷俊, 陈曦, 谢高地, 等. 中国细颗粒物(PM2.5)污染状况和空间分布[J]. 资源科学, 2015, 37(7): 1339-1346.
[14] 张帆.武汉大气PM2.5的化学特性及其在典型灰霾过程中的污染特征[D].武汉: 武汉大学, 2014.
[15] 王明毅, 吴洪波. 武汉城区春节PM2.5中水溶性无机离子污染特征[J]. 环境科学与技术, 2016, 39(6): 80-85, 104.
Wang M Y, Wu H B. Characterization and source analysis of water-soluble inorganic ions in PM2.5 during Spring Festival in Wuhan[J]. Environmental Science & Technology, 2016, 39(6): 80-85, 104.
[16] 袁畅, 周家斌, 熊鹰, 等. 武汉城区大气PM2.5的化学组成特征与区域传输[J]. 环境科学与技术, 2018, 41(8): 79-86.
Yuan C, Zhou J B, Xiong Y, et al. Chemical compositions and long-range transport of PM2.5 in downtown area of Wuhan[J]. Environmental Science & Technology, 2018, 41(8): 79-86.
[17] 周家斌, 钱佳, 苑金鹏, 等.武汉大气PM2.5有机组成、季节变化及源解析[A].见: 中国矿物岩石地球化学学会第13届学术年会论文集[C].广州: 中国矿物岩石地球化学学会, 2011.
[18] 刘立.东莞/武汉城市大气颗粒物的理化特性与来源解析[D].武汉: 华中科技大学, 2016.
[19] 武汉市统计局. 2017武汉统计年鉴[M]. 北京: 中国统计出版社, 2017.
[20] 王振, 余益军, 徐圃青, 等. 基于快速聚类方法分析常州市区PM2.5的统计特性[J]. 环境科学, 2016, 37(10): 3723-3729.
Wang Z, Yu Y J, Xu P Q, et al. Statistical characteristics of urban Changzhou PM2.5 based on k-means analysis[J]. Environmental Science, 2016, 37(10): 3723-3729.
[21] Chen M, Wang P F, Chen Q, et al. A clustering algorithm for sample data based on environmental pollution Characteristics[J]. Atmospheric Environment, 2015, 107: 194-203.
[22] Deng M, Liu Q L, Wang J Q, et al. A general method of spatio-temporal clustering analysis[J]. Science China Information Sciences, 2013, 56(10): 1-14.
[23] 吕正萍, 纪汉霖. 数种基于SPSS统计工具的聚类算法效率对比[J]. 软件导刊, 2018, 17(11): 81-85.
Lv Z P, Ji H L. Three clustering validity analysis based on SPSS[J]. Software Guide, 2018, 17(11): 81-85.
[24] 唐孝炎, 张远航, 邵敏. 大气环境化学[M]. (第二版).北京: 高等教育出版社, 2006.
[25] 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.
[26] 颜鹏, 郇宁, 杨东贞, 等. 两种气溶胶质量重建方法的比较及气溶胶质量闭合研究[J]. 中国科学院研究生院学报, 2007, 24(5): 661-666.
Yan P, Huan N, Yang D Z, et al. The comparison of two aerosol mass reconstruction methods and their application in mass closure study[J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2007, 24(5): 661-666.
[27] 张显, 田莎莎, 刘盈盈, 等. 沈阳市采暖期与非采暖期空气PM2.5污染特征及来源分析[J]. 环境科学, 2019, 40(3): 1062-1070.
Zhang X, Tian S S, Liu Y Y, et al. Pollution characteristics and source apportionment of PM2.5 in heating and non-heating periods in Shenyang[J]. Environmental Science, 2019, 40(3): 1062-1070.
[28] 赵雪艳, 谷超, 杨焕明, 等. 新疆奎独乌区域冬季大气重污染过程PM2.5组成特征及来源解析[J]. 环境科学研究, 2017, 30(10): 1515-1523.
Zhao X Y, Gu C, Yang H M, et al. Chemical composition and source apportionment of PM2.5 during a winter air pollution episode in the Kui-Du-Wu Area of Xinjiang Uygur Autonomous Region[J]. Research of Environmental Sciences, 2017, 30(10): 1515-1523.
[29] Frank N H. Retained nitrate, hydrated sulfates, and carbonaceous mass in federal reference method fine particulate matter for six eastern U. S. cities[J]. Journal of the Air & Waste Management Association, 2006, 56(4): 500-511.
[30] 周家茂, 曹军骥, 张仁健. 北京大气中PM2.5及其碳组分季节变化特征与来源[J]. 过程工程学报, 2009, 9(S2): 248-252.
[31] Castro L M, Pio C A, Harrison R M, et al. Carbonaceous aerosol in urban and rural European atmospheres:estimation of secondary organic carbon concentrations[J]. Atmospheric Environment, 1999, 33(17): 2771-2781.
[32] Dai Q L, Bi X H, Liu B S, et al. Chemical nature of PM2.5 and PM10 in Xi'an, China:insights into primary emissions and secondary particle formation[J]. Environmental Pollution, 2018, 240: 155-166.
[33] 卫菲菲, 刘昊, 陆晓波, 等. 南京市大气细颗粒物二次组分的时空变化特征[J]. 中国环境科学, 2017, 37(8): 2866-2876.
Wei F F, Liu H, Lu X B, et al. Temporal and spatial characteristics of secondary components of PM2.5in Nanjing[J]. China Environmental Science, 2017, 37(8): 2866-2876.
[34] 陈杨欢, 王杨君, 张苗云, 等. 上海市大气PM2.5时空分布特征[J]. 环境工程学报, 2017, 11(6): 3671-3677.
Chen Y H, Wang Y J, Zhang M Y, et al. Temporal and spatial distribution of PM2.5 in Shanghai based on clustering analysis[J]. Chinese Journal of Environmental Engineering, 2017, 11(6): 3671-3677.
[35] 陆星家. 宁波市空气质量与环境变量的偏相关性分析[J]. 中国资源综合利用, 2018, 36(8): 155-158.
Lu X J. Partial-correlation analysis of atmosphere quality and environment variables in Ningbo, China[J]. China Resources Comprehensive Utilization, 2018, 36(8): 155-158.
[36] 陆舒洁, 吴浥桐, 王义康. 杭州市PM2.5时空分布特征及成因分析[J]. 牡丹江大学学报, 2018, 27(4): 43-46.
Lu S J, Wu Y T, Wang Y K. Analysis on the characteristics of spatial and temporal distribution and cause in Hangzhou PM2.5[J]. Journal of Mudanjiang University, 2018, 27(4): 43-46.
[37] 杜川利, 唐晓, 李星敏, 等. 城市边界层高度变化特征与颗粒物浓度影响分析[J]. 高原气象, 2014, 33(5): 1383-1392.
[38] 刘晓迪, 孟静静, 侯战方, 等. 济南市夏、冬季PM2.5中化学组分的季节变化特征及来源解析[J]. 环境科学, 2018, 39(9): 4014-4025.
Liu X D, Meng J J, Hou Z F, et al. Analysis of seasonal variations in chemical characteristics and sources of PM2.5 during summer and winter in Ji'nan City[J]. Environmental Science, 2018, 39(9): 4014-4025.
[39] 温杰, 史旭荣, 田瑛泽, 等. 利用SPAMS研究天津市夏季环境空气中细颗粒物化学组成特征[J]. 环境科学, 2018, 39(8): 3492-3501.
Wen J, Shi X R, Tian Y Z, et al. Analysis of chemical composition of the fine particulate matter in summer in Tianjin City via a single particle aerosol mass spectrometer (SPAMS)[J]. Environmental Science, 2018, 39(8): 3492-3501.
[40] 刀谞, 张霖琳, 王超, 等. 京津冀冬季与夏季PM2.5/PM10及其水溶性离子组分区域性污染特征分析[J]. 环境化学, 2015, 34(1): 60-69.
Dao X, Zhang L L, Wang C, et al. Characteristics of mass and ionic compounds of atmospheric particles in winter and summer of Beijing-Tianjin-Hebei area, China[J]. Environmental Chemistry, 2015, 34(1): 60-69.
[41] Chow J C, Watson J G, Lu Z Q, et al. Descriptive analysis of PM2.5 and PM10 at regionally representative locations during SJVAQS/AUSPEX[J]. Atmospheric Environment, 1996, 30(12): 2079-2112.
[42] 程渊, 刘保双, 毕晓辉, 等. 天津市区夏冬季环境空气PM2.5中碳组分污染特征及来源研究[J]. 环境科学学报, 2018, 38(9): 3394-3405.
Cheng Y, Liu B S, Bi X H, et al. Character and source analysis of carbonaceous aerosol in PM2.5 during summer-winter period, Tianjin urban area[J]. Acta Scientiae Circumstantiae, 2018, 38(9): 3394-3405.
[43] 刘童, 王晓军, 陈倩, 等. 烟台市环境受体PM2.5四季污染特征与来源解析[J]. 环境科学, 2019, 40(3): 1082-1090.
Liu T, Wang X J, Chen Q, et al. Pollution characteristics and source apportionment of ambient PM2.5 during four seasons in Yantai City[J]. Environmental Science, 2019, 40(3): 1082-1090.
[44] 王帅杰, 朱坦. 城市空气颗粒物开放源理论与治理技术研究进展[J]. 城市环境与城市生态, 2003, 16(6): 193-194.
Wang S J, Zhu T. Progress on theory and control technology of urban airborne particulate matter open source[J]. Urban Environment & Urban Ecology, 2003, 16(6): 193-194.
[45] 温杰, 杨佳美, 李蒲, 等. 我国典型钢铁行业主要工艺环节排放颗粒物源成分谱特征[J]. 环境科学, 2018, 39(11): 4885-4891.
Wen J, Yang J M, Li P, et al. Chemical source profiles of PM emitted from the main processes of the iron and steel industry in China[J]. Environmental Science, 2018, 39(11): 4885-4891.
[46] 宫攀, 骆颖. 武汉市源成分谱特征研究[J]. 南京信息工程大学学报(自然科学版), 2018, 10(5): 579-589.
[47] 刘海利.农林生物质燃烧排放的大气颗粒物化学组分研究[D].太原: 太原理工大学, 2016.
[48] 刘飞, 唐雅娟, 刘瑶. K-means聚类算法中聚类个数的方法研究[J]. 电子设计工程, 2017, 25(15): 9-13.
Liu F, Tang Y J, Liu Y. The research method on the clustering number of K-means algorithm[J]. Electronic Design Engineering, 2017, 25(15): 9-13.