2021, Vol. 42
2. 郑州大学生态与环境学院, 郑州 450001
2. School of Ecology and Environment, Zhengzhou University, Zhengzhou 450001, China
近年来, 随着我国经济的快速发展和社会的不断进步, 环境恶化问题日益凸显, 霾天气频发, 引起人们广泛关注[1].大气颗粒物特别是空气动力学直径≤2.5 μm的细颗粒物(PM2.5)有着粒径小, 存在久, 传输远和危害大的特征[2], 对国民经济发展和居民健康存在严重影响.PM2.5中的重金属元素容易在生物体内积累并通过食物链富集, 对人类和动植物的危害很大[3].穆泉等采用直接损失评估法对2013年1月的霾事件造成的全国交通和健康的直接经济损失保守估计约230亿元[4].全球人类疾病负担研究显示, 2015年因暴露于PM2.5导致世界范围内约有420万人死亡[5].
因此对PM2.5的研究有着重大的意义, 特别在中国的北方, 秋冬季燃煤供暖致使污染物排放增加, 此外秋冬季易出现静稳天气不利于污染物的扩散导致霾天气频发[6], 许多研究者对该阶段的PM2.5的污染特征和来源解析展开了详细地分析.如吴兴贺等[7]的研究发现二次有机碳(SOC)是2018年秋冬季山东德州PM2.5的主要化学组成成分; 张婷婷等[8]对2016年北京冬季大气PM2.5的碳质气溶胶来源研究显示, 燃煤和汽油车排放为主要贡献源; 缪育聪等[9]在对京津冀地区霾生成机制研究结果中发现, 区域传输等对京津冀地区霾事件的形成和发展的影响不可忽视; 朱书慧等[10]基于全球资料同化系统的气相数据和2015年12月长三角15个城市的PM2.5数据, 利用后向轨迹模式分析了冬季重污染时期的气流轨迹, 结果显示长三角冬季主要受到西北方向气流的影响.
目前我国关于大气PM2.5污染特征和来源解析的相关研究大多集中在京津冀、长三角和珠三角等主要区域.中原城市群地处全国“两横三纵”城市化战略格局陆桥通道与京广通道交汇区域[11], 紧邻京津冀经济发展圈, 其作为京津冀大气污染的传输通道, 必将受到京津冀大气污染的影响[12].并且中原城市群人口稠密, 资源压力大, 发展不平衡, 城市产业结构基本上都以第二产业为主[13], 这些都使得该区域大气污染在污染不易扩散的秋冬季比较严重.但是该地区对PM2.5的研究主要集中在郑州[14~16], 其它城市研究较少, 城市之间对比分析严重缺乏.本研究选取了我国大气污染防治重点区域——京津冀及周边地区和汾渭平原的4个城市, 即郑州、安阳、新乡和洛阳.其中郑州作为河南省的省会近些年来发展迅速, 根据综合服务、科技创新和开放交流等33个成长性指标对武汉、西安和成都等国家9个中心城市进行评价, 结果显示郑州的成长性居9个城市首位[17].郑州迅速发展的同时也带来了严重的环境问题, 根据国家生态环境部发布的2018年全国空气质量状况的通报, 郑州市空气质量在169个重点城市中排名倒数第18位[18], 空气质量情况令人堪忧; 安阳地处河南省最北部, 与河北和山西接壤, 秋冬时期盛行南北风, 从北京到安阳沿着太行山脉和京广线形成一条高污染带[19], 同时安阳产业结构偏向重工业, 工业企业布局却不够合理, 污染物单位排放量大[20], 导致安阳大气污染形势严峻; 新乡地处豫北, 南临黄河, 是豫北经济和交通中心城市, 典型的轻工业城市[21], 也是环境保护部重点治理的“2+26”城市群中最南部的城市之一[22], 新乡对中原经济区的发展起着重要的推动作用; 洛阳地处汾渭平原东部, 紧邻郑州市, 汾渭平原以煤炭为主要能源, 生产结构偏工业, 耗能高且污染排放大, 再加上汾渭平原北依吕梁山南抵秦岭的地理形势很不利于污染物的扩散[23], 加重了洛阳的污染情况.
基于以上, 本研究从2018年10月至2019年1月展开4个月的连续大气PM2.5膜采样工作, 对比了采样期间PM2.5及其主要成分的浓度水平的时空差异; 分析了PM2.5其主要成分NO3-和二次有机碳SOC的二次生成机制; 通过各城市重金属元素浓度差异水平定性了污染物的来源; 利用化学质量平衡模型(chemical mass balance, CMB)对4个城市污染物进行了进一步来源解析, 同时结合后向轨迹(HYSPLIT)和潜在源贡献因子法(PSCF)对4个城市的PM2.5其主要成分受到的气流方向和污染物的潜在贡献源进行了分析, 通过对该区域大气污染成因及来源进行系统而全面地研究, 可以支持区域经济可持续发展和大气污染联防联控工作, 以期为秋冬季大气PM2.5减排方案制定提供技术支撑.
1 材料与方法 1.1 样品采集选取京津冀大气污染传输通道城市中的郑州市、安阳市和新乡市, 同时选取汾渭平原的工业化城市洛阳市作为研究区域.每个城市的采样点位情况详见表 1.采样仪器均采用武汉市天虹仪表有限责任公司的4通道采样器(TH-16A)采集PM2.5膜样品(每组样品包含两个直径为47 mm的石英膜和两个直径为47 mm的特氟龙膜), 4个通道的流量均为16.7 L·min-1.采样时间为每日10:00至次日9:00, 采样时长23 h. 2018年10月至2019年1月4个城市连续采集大气PM2.5有效样品563组(共2 252张样品膜).
|
表 1 4个城市采样点位的详细信息 Table 1 Detailed information of sampling sites in four cities |
1.2 样品膜前处理与组分测试分析
采样前空白石英滤膜用铝箔包裹并在450℃温度下灼烧4 h, 然后将滤膜放置在恒温恒湿[温度:(20±5)℃; 相对湿度:(50±5)%]的超净室内平衡48 h至恒重, 之后使用精度为0.01 mg的瑞士梅特勒-托利多公司高精度天平(Mettler Toledo XS205)称重, 同一滤膜至少称重两次, 质量差值在0.03 mg内则称重结果可接受.完成后放入滤膜袋中保存待用.待样品采集完成后, 将滤膜再次置于恒温恒湿超净室内平衡至恒重称重, 称重要求同上.特氟龙滤膜不需要灼烧, 其他操作方法同石英滤膜.称重后的滤膜都放置于-18℃的冰箱保存至分析.
PM2.5中18种无机元素, 有机碳(OC)和元素碳(EC), 9种水溶性无机离子(NH4+、NO3-、SO42-、K+、Mg2+、Ca2+、Na+、F-和Cl-)分别采用X射线荧光光谱法, 美国Sunset Lab Inc Model的碳分析仪和美国戴安公司的离子色谱仪(ICS-90型和ICS-900型)进行测试, 详细测试方法及质量控制与质量保证见文献[24~26].
1.3 数据分析利用富集因子法定性人为源和自然源对PM2.5中无机元素的贡献, 其计算和分析方法详见文献[27]; 利用CMB计算4个城市不同的排放源及其贡献率, 模型使用、输入数据要求和判定参数等详见CMB8.2使用手册(https://www.epa.gov/scram/chemical-mass-balance-cmb-model.)和文献[28]; 利用HYSPLIT计算4个城市污染的来源和远距离传输的路径, 分别以郑州航空港滨河办事处、洛阳华夏路社区服务站、安阳市环境保护局和新乡市环境保护监测站为起点, 轨迹起始计算高度为500 m, 每天分别以00:00、06:00、12:00和18:00为起始时间计算48 h后向轨迹, 使用TrajStat软件的角距离算法对各城市的后向轨迹的传输方向进行分类得到聚类结果, 并使用PSCF计算分析得出4个典型城市大气PM2.5及其主要成分OC和NO3-的潜在来源[29, 30].
2 结果与讨论 2.1 PM2.5浓度及城市差异对比郑州、洛阳、安阳和新乡在2018年采样期间PM2.5浓度变化情况如图 1所示, 采样期间PM2.5均值分别为(82.1±45.5)、(84.7±39.8)、(96.8±46.1)和(81.1±36.6) μg·m-3, 日均值的最高值分别是250.1、198.1、227.4和175.8 μg·m-3, 分别是国家《环境空气质量标准》(GB 3095-2012)日均二级标限值(75 μg·m-3)的3.3、2.6、3.0和2.3倍, 采样期间日均值超标率分别为47.4%, 53.1%, 58.5%和48.2%, 说明4个城市秋冬季的污染形势都很严峻, 但从城市之间对比来看, 安阳市的PM2.5采样时期的均值和日超标率略高于其它3个城市, 安阳的大气污染情况更值得重视.郑州、洛阳、安阳和新乡冬季的PM2.5均值[分别为(94.6±49.7)、(89.8±42.3)、(104.8±49.8)和(81.4±40.4) μg·m-3]明显高于秋季[分别为(66.0±33.4)、(79.3±36.5)、(90.5±42.3)和(80.8±32.4) μg·m-3], 说明冬季相比秋季大气污染情况更为严重.另外4个城市冬季PM2.5浓度均值与国内一些城市相比, 低于北京[(141±103) μg·m-3, 2017年][31]和武汉[(137.6±56.4) μg·m-3, 2018年][32], 高于南通[58μg·m-3(2016年)和54 μg·m-3(2017年)][33]、成都[53 μg·m-3(2019年)][34].在冬季, 煤和生物质的燃烧供暖导致了大量的含碳污染物的排放, 同时冬季低气温和低风速有利于半挥发性化合物形成二次气溶胶以及逆温现象和静稳现象频发, 这些都导致了冬季大气颗粒物污染加重[35].
|
图 1 4个城市采样期间PM2.5日均值变化情况 Fig. 1 Variation of daily mean of PM2.5 in four cities during sampling period |
由化学成分分析得到, 4个城市PM2.5的主要组分是二次无机盐(NO3-、SO42-和NH4+)和有机物OC.采样期间4个城市二次无机盐的浓度为41.5~47.9 μg·m-3, 在PM2.5中的占比为49.5%~54.7%, 其中NO3-在二次无机盐中的占比最高, 达到了51.2%~56.1%. 4个城市OC的浓度为15.7~20.0 μg·m-3, 在PM2.5中的占比为19.4%~22.6%. OC可分为由污染源直接排放的一次有机碳POC和气态有机物发生光化学反应生成的二次有机碳SOC[36], 其中4个城市SOC在OC中的占比为53.8%~82.1%.由此可见, 秋冬季SOC和NO3-对PM2.5的贡献率较大, 二次污染为4个城市的主要污染源. 4个城市NO3-、SO42-、NH4+、OC、SOC和POC的浓度对比如图 2所示, 由于NH4+、SO42-和POC的浓度和在PM2.5中的占比相对于NO3-和SOC较低, 本研究则针对NO3-和OC的二次生成机制展开分析.
|
图 2 4个城市NO3-、SO42-、NH4+、OC、SOC和POC的浓度对比箱式图 Fig. 2 Box plots for the concentration comparisons between NO3-, SO42-, NH4+, OC, SOC, and POC in four cities |
为了更加直观清楚地对比分析4个城市的PM2.5以及其主要成分OC和NO3-在秋冬季不同污染等级下的浓度和占比以及二次生成情况, 这里根据国家《环境空气质量标准》(GB 3095-2012)日均二级标限值(75 μg·m-3)将采样期间PM2.5的日均值分为3个等级:清洁天C(PM2.5≤75 μg·m-3)、中度污染天MP(75 μg·m-3≤PM2.5≤150 μg·m-3)和重度污染天HP(PM2.5≥ 150 μg·m-3).
2.2.1 NO3-的二次生成有研究表明, NO3-的生成与其气态前体物NO2和O3的浓度密切相关.在白天, NO2与OH自由基反应生成HNO3进而与NH3反应形成硝酸盐气溶胶.在夜间, NO2先与O3产生的自由基发生反应, 然后与N2O5发生反应, 接着N2O5在湿气溶胶表面的水解释放出的HNO3与NH3反应形成硝酸盐气溶胶[37].大气中的气态污染物NO2向NO3-的转化程度可以用氮氧化率{NOR, NOR=n(NO3-)/[n(NO3-)+n(NO2)]}来衡量[38].由于EC来源于一次源, 对化学反应惰性, 其浓度仅受边界层高度和排放速率的控制, 因此NO3-/EC的比值既可以用来表示化学反应的贡献率同时也排除了边界层高度引起的混合和稀释效应的影响[39].
图 3展示了4个城市郑州、洛阳、安阳和新乡二次生成过程中NO3-、NO2、O3、NO3-/EC和NOR随着污染等级的变化情况.从中可知, 4个城市的NO3-和NO2的浓度都随着污染等级的升高而显著升高, 并且NO3-/EC和NOR也随着污染等级的升高而增大, 说明秋冬季随着污染的加重有更多的NO2转化成了硝酸盐.从具体数值上来看, 郑州、洛阳、安阳和新乡PM2.5中NO3-的平均浓度分别从清洁天的11.0、11.4、10.9和12.4 μg·m-3增加到重度污染天的56.9、48.7、44.8和45.1 μg·m-3, 分别增加了4.2、3.3、3.1和2.6倍.另外, 4个城市的NOR和NO3-/EC的均值随着污染等级的升高总体上表现出郑州和洛阳略高于安阳和新乡, 这说明随着PM2.5污染的加重, 郑州和洛阳大气中的NO3-更多地来自于NO2二次转化增强, 而安阳和新乡的NO3-则可能更多是由于冬季边界层高度降低而造成的初级排放的积累[40]. 4个城市的O3浓度除了安阳从清洁天到中度污染天有略微升高之外其它都随着污染等级的升高而显著降低, 有研究表明随着污染的加重, 到达地面的太阳辐射强度变弱, 光化学反应速率降低[41], 因此O3的生成速率降低导致NO2的氧化速率减慢进而NO3-的生成速率也下降.
|
C、HP和MP分别为清洁天、中度污染天和重度污染天 图 3 4个城市NO3-和SOC随着污染等级的变化趋势 Fig. 3 NO3- and SOC changed with the pollution levels in four cities |
与分析NO3-的二次生成机制分析方法相同, 这里用SOC/EC来探究SOC的生成对OC的贡献, 其中SOC和POC的计算方法见文献[42].图 3展示了4个城市的SOC和POC的浓度以及各自在OC中的占比随污染等级的变化情况, 从中可以看出4个城市SOC和POC的浓度都随着污染等级的升高而显著升高, 表明秋冬季随着大气污染的加重有更多的SOC和POC生成.郑州、洛阳、安阳和新乡的SOC的浓度分别从清洁天的5.4、5.7、7.0和6.4 μg·m-3增加到重度污染天的24.1、22.2、22.6和23.3 μg·m-3, SOC在OC中的占比从清洁天的47.2%~52.5%增加到重度污染天的64.5%~81.1%, 说明4个城市的SOC浓度不仅高并且随着污染的加重其增长速度也逐级递增, 但4个城市POC在OC中的占比却从清洁天的47.5%~52.8%降到了重度污染天的18.9%~35.6%, 表明虽然随着污染等级的升高SOC和POC的浓度都在增加, 但OC的主要构成是SOC, SOC对PM2.5的贡献远大于POC, 且4个城市SOC/EC的比值也随着污染等级的升高而增大, 同时证明了随着污染的加重SOC的转化在增强.
2.3 PM2.5溯源研究 2.3.1 无机元素污染水平采样期间4个城市的18种无机元素的浓度水平和富集因子值如图 4和表 2所示.郑州、洛阳、安阳和新乡的无机元素总浓度分别为4 365.3、5 151.3、5 361.6和4 176.9 ng·m-3, 在PM2.5中占比分别为5.3%、6.1%、5.5%和5.2%.虽然无机元素在PM2.5中占比普遍不高, 但由于其中的一些重金属元素其很容易富集在细颗粒物上, 因此其对PM2.5的来源解析有着重要的意义.
|
图 4 4个城市采样期间18种无机元素的浓度水平 Fig. 4 Concentrations of 18 inorganic elements in four cities during the sampling period |
|
|
表 2 4个城市18种无机元素的富集因子值 Table 2 Enrichment factor values of 18 inorganic elements in four cities |
元素Ca、Si、Fe、K、Al、Na、Mg和Zn是4个城市主要组成元素, 其在总无机元素中的占比为93.9%~94.8%.其中元素Ca、Si、Fe、Al和Mg属于地壳元素, 主要来源于扬尘和土壤, K主要由生物质燃烧释放[43], 它在4个城市的无机元素中含量最高, 说明生物质燃烧源是4个城市秋冬季PM2.5的一个重要来源.在人为污染元素中, As是一种高毒性的元素也是煤燃烧的标识物[44], 4个城市As的质量浓度在郑州明显高于其它3个城市, As的富集因子值EF都大于10且也在郑州最高, 这可能是冬季燃煤集中供暖增加了As的释放且郑州市可能存在散煤燃烧使得As对郑州大气污染的贡献率增大.研究发现Mn和Fe是钢铁和冶金工业的代表性元素, Fe还与柴油燃烧排放密切相关[45, 46], 洛阳市的Mn和Fe元素质量浓度和EF值最高, 说明冶金、柴油燃烧和燃煤等加重了洛阳秋冬季的大气污染, 这与其偏工业的生产结构相一致.重金属元素Cr与炼铁炼钢等排放污染物密切相关[47], Zn与橡胶材料的磨损以及镀锌材料的释放有关[48], Ni象征着石油燃烧和工业排放[49], Cr、Zn和Ni的浓度和EF值都在安阳最高, 表明冶炼钢铁和镀锌工业以及石油燃烧对安阳大气污染有较大的贡献.Cu与机动车刹车时刹车片的磨损和尾气排放相关[50], Pb是电池工业和机动车尾气的特征元素[51], 新乡作为典型的轻工业城市其电池制造业很发达, 全市大约有两百多家电池制造企业, 新乡市的Cu和Pb的质量浓度和EF值都远远高于另外3个城市, 说明电池制造和机动车排放对新乡秋冬季大气污染的贡献很大.
2.3.2 CMB源解析结果分析CMB是通过化学元素平衡法对大气颗粒物来源进行识别的一种多元统计分析的数学模型[52], 通过将受体(化学组分和含量)和各类源之间线性组合, 用最小二乘法对相关矩阵进行求解得到不同的排放源以及其贡献率[53].采用OC/EC最小比值法估算出SOC浓度[54], 将各采样点的PM2.5浓度输入CMB模型经计算得到4个城市秋冬季PM2.5的源解析结果如图 5所示.
|
图 5 4个城市秋冬季CMB源解析结果 Fig. 5 Results of CMB source apportionment in autumn and winter in four cities |
从图 5可以看出, 4个城市污染源由二次硝酸盐、二次硫酸盐、有机物、燃煤源、机动车源、扬尘源、生物质源和工艺过程源构成, 其中二次硝酸盐(27.9%~37.7%)和有机物(10.7%~18.0%)的分担率较高, 这与化学组分分析结果中NO3-和SOC在PM2.5中占比较高的结果相一致, 证实了二次污染是4个城市秋冬季污染的主要污染源. 4个城市燃煤源的分担率仅次于二次硝酸盐和有机物, 达到了13.2%~15.4%, 这可能是受到冬季燃煤供暖的影响.此外, 4个城市机动车源的分担率也相对较高为8.8%~14.1%, 从2016~2018年, 郑州、洛阳、安阳和新乡的各市私人车辆拥有量分别从243.1、76.7、54.3和69.3万辆增加到311.4、100.1、71.1和88.4万辆[55~57], 增速达到了28.1%、30.5%、31.1%和27.6%, 另外冬天温度较低使得机动车尾气排放量增加[58], 这些可能与机动车源分担率较高有关.从城市间对比来看, 二次硝酸盐的分担率在郑州(37.7%)最高, 说明郑州的二次硝酸盐污染较其它3个城市严重.工业过程源在洛阳(7.0%)和安阳(6.8%)的分担率相对较高, 这与二者的工业城市的性质一致.新乡市机动车(14.1%)贡献最高, 这可能是新乡的采样点位于十字路口, 周围交通发达的缘故.因此, 重视二次污染物的主要前体物氮氧化物和VOCs的管控, 减少燃煤的消耗, 加强对机动车的管理, 监督工业的细颗粒物的排放, 将是防治4个城市大气污染的有效途径.
2.3.3 聚类和潜在源分析为了研究区域传输对4个城市郑州, 洛阳, 安阳和新乡秋冬季大气PM2.5的影响, 利用HYSPLIT模式对4个城市采样期间的污染轨迹进行了后向轨迹和聚类分析, 结果见图 6.从中可以看出, 起源于蒙古, 伴随西北方向冷空气南下途经甘肃, 陕西和山西的轨迹线中, 郑州(轨迹线1及3)、洛阳(轨迹线1及4)、安阳(轨迹线1及5)和新乡(轨迹线1及2)的贡献之和在总轨迹线中的占比较大, 分别为51.6%、49.2%、49.6%和46.3%, 可见4个城市秋冬季大气污染更多地受西北方向气流的影响.另外, 郑州的轨迹线2(16.9%)、洛阳的轨迹线2(20.5%)、安阳的轨迹线4(20.7%)和新乡的轨迹线5(10.8%)大多起源于河北省, 说明河北省大气污染物的远距离传输对4个城市秋冬大气PM2.5的影响不容忽视.值得注意的是洛阳的轨迹线5(11.6%)起源于汾渭平原, 说明洛阳同时受到汾渭平原大气污染物的远距离传输的影响.
|
图 6 4个城市秋冬季聚类及PM2.5、OC和NO3-的潜在来源 Fig. 6 Results of back-trajectory clusters and WPSCF of PM2.5, OC, and NO3- |
通过PSCF计算得到大气PM2.5及其主要物质OC和NO3-的潜在源的分布特征, 计算结果如图 6所示, WPSCF值越大, 表示该网格区域污染轨迹占比越高, 对城市污染的影响越大.从中看出, 郑州的PM2.5、OC和NO3-潜在源区主要集中在河南省中南部的许昌、漯河、驻马店和信阳以及西北部的济源和焦作, WPSCF值都在0.6以上, 说明郑州更多地是受河南本省的传输影响.洛阳市PM2.5、OC和NO3-的潜在源区集中在河南省南部和西南部的驻马店、信阳和南阳以及山西省的东南部的汾渭平原, WPSCF值在0.6以上, 部分地区的WPSCF值高达0.9, 这更加证实了除了河南省省内的污染传输对洛阳的大气污染有影响之外, 汾渭平原的能源和产业结构以及不利于污染物扩散的地势造成的大气污染也对洛阳的影响很大.安阳市的PM2.5和NO3-潜在源区集中在京津冀污染传输带上的河北省南部的邢台、邯郸以及河南省北部的濮阳、鹤壁和新乡, 此外河南东部的周口和商丘以及安徽的北部和山东的西南部的WPSCF值都在0.6以上, 对安阳的PM2.5和NO3-污染的影响也较大, 安阳OC的WPSCF值在0.6以上的区域范围更广, 涉及几乎整个河南省和河北省以及安徽西北部、山东西南部、山西东南部和陕西北部.新乡PM2.5、OC和NO3-潜在源区与安阳大致相同, 说明同处在京津冀污染传输带上的安阳和新乡除了受到河南省省内的污染传输影响之外, 京津冀地区的远距离污染传输也大大增加了安阳和新乡的大气污染程度.
3 结论(1) 郑州、洛阳、安阳和新乡在采样期间PM2.5均值分别为(82.1±45.5)、(84.7±39.8)、(96.8±46.1)和(81.1±36.6) μg·m-3, 日均值的最高值分别是250.1、198.1、227.4和175.8 μg·m-3, 分别是国家《环境空气质量标准》(GB 3095-2012)日均二级标准限值(75 μg·m-3)的3.3、2.6、3.0和2.3倍, 4个城市秋冬季的大气污染形势都很严峻.
(2) 4个城市PM2.5的主要组分都为NO3-和SOC. 4个城市NO3-的浓度, NO3-/EC和NOR都随着污染等级的升高而显著升高, NO3-的平均浓度和生成速度从郑州、洛阳、安阳到新乡依次降低, NO3-/EC和NOR的均值随着污染等级的升高总体上表现出郑州和洛阳略高于安阳和新乡, 说明郑州和洛阳的NO3-更多的来自NO2的二次转化, 而安阳和新乡的NO3-则更多地是由于污染天边界层高度降低而产生的初级排放和积累过程. 4个城市的SOC浓度和在OC中的占比都随着污染等级的升高而增大, POC在OC中的占比在不断减小, 且SOC/EC的比值也在不断增大, 说明采样期间随着污染的加重SOC的转化在增强.
(3) 煤燃烧的标识物As在郑州的质量浓度和富集程度最高; 冶金和柴油燃烧的代表性元素Mn和Fe在洛阳最高; 冶炼钢铁、镀锌材料和石油燃烧的代表性元素Zn、Ni和Cr在安阳最高; 机动车刹车片磨损和电池工业的代表性元素Cu和Pb在新乡最高, 这都与其各自的产业结构相一致.
(4) CMB源解析结果显示, 4个城市PM2.5污染源为二次硝酸盐、二次硫酸盐、有机物、燃煤源、机动车源、扬尘源、生物质源和工艺过程源, 其中二次硝酸盐(27.9%~37.7%)和有机物(10.7%~18.0%)的分担率较高, 其次是燃煤源(13.2%~15.4%)和机动车源(8.8%~14.1%).二次硝酸盐的分担率在郑州(37.7%)最高, 洛阳(7.0%)和安阳(6.8%)的工艺过程源的分担率相对较高, 新乡(14.1%)机动车分担率最高.
(5) 4个城市秋冬季分别有51.6%、49.2%、49.6%和46.3%的气流来自西北方向.郑州的PM2.5、OM和NO3-的WPSCF值在0.6以上的区域主要在河南本省; 洛阳WPSCF值在0.6以上的区域集中在河南省南部和汾渭平原; 安阳和新乡的PM2.5和NO3-的高贡献值区域主要在京津冀传输带上, OC的高贡献值区不仅在京津冀传输带和河南省还有安徽西北部、山东西南部、山西东南部和陕西北部.
| [1] |
陈楚, 王体健, 李源昊, 等. 濮阳市秋冬季大气细颗粒物污染特征及来源解析[J]. 环境科学, 2019, 40(8): 3421-3430. Chen C, Wang T J, Li Y H, et al. Pollution characteristics and source apportionment of fine particulate matter in autumn and winter in Puyang, China[J]. Environmental Science, 2019, 40(8): 3421-3430. |
| [2] |
陈锦超, 董雪玲, 张婉, 等. 北京市霾天PM2.5污染特征及其与气象因素的关系[J]. 环境科学与技术, 2018, 41(8): 87-94. Chen J C, Dong X L, Zhang W, et al. Characteristics of PM2.5 in haze days in Beijing and its relationship with meteorological factors[J]. Environmental Science & Technology, 2018, 41(8): 87-94. |
| [3] |
杨建儿.上海市近地表大气颗粒物污染特征及来源分析研究[D].上海: 华东师范大学, 2011. Yang J E. Study on pollution feature of TSP on the surface of earth and the TSP source judgement-a Case of Shanghai[D]. Shanghai: East China Normal University, 2011. |
| [4] |
穆泉, 张世秋. 2013年1月中国大面积雾霾事件直接社会经济损失评估[J]. 中国环境科学, 2013, 33(11): 2087-2094. Mu Q, Zhang S Q. An evaluation of the economic loss due to the heavy haze during January 2013 in China[J]. China Environmental Science, 2013, 33(11): 2087-2094. |
| [5] | Cohen A J, Brauer M, Burnett R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: an analysis of data from the global burden of diseases study 2015[J]. The Lancet, 2017, 389(10082): 1907-1918. |
| [6] |
蔡子颖, 韩素芹, 汪靖, 等. 基于天气背景天津地区重污染天气特征分析[J]. 环境科学学报, 2017, 37(10): 3906-3917. Cai Z Y, Han S Q, Wang J, et al. Analysis of synoptic characteristics of heavy pollution in Tianjin based on weather background[J]. Acta Scientiae Circumstantiae, 2017, 37(10): 3906-3917. |
| [7] |
吴兴贺, 殷耀兵, 谭瑞, 等. 华北区域点冬季二次有机气溶胶特征与影响因素[J]. 环境科学学报, 2020, 40(1): 58-64. Wu X H, Yin Y B, Tan R, et al. Characteristics and influencing factors of secondary organic aerosols in winter at a regional site of North China Plain[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 58-64. |
| [8] |
张婷婷, 马文林, 亓学奎, 等. 北京城区PM2.5有机碳和元素碳的污染特征及来源分析[J]. 环境化学, 2018, 37(12): 2758-2766. Zhang T T, Ma W L, Qi X K, et al. Characteristics and sources of organic carbon and element carbon in PM2.5 in the urban areas of Beijing[J]. Environmental Chemistry, 2018, 37(12): 2758-2766. |
| [9] |
缪育聪, 郑亦佳, 王姝, 等. 京津冀地区霾成因机制研究进展与展望[J]. 气候与环境研究, 2015, 20(3): 356-368. Miao Y C, Zheng Y J, Wang S, et al. Recent advances in, and future prospects of, research on haze formation over Beijing-Tianjin-Hebei, China[J]. Climatic and Environmental Research, 2015, 20(3): 356-368. |
| [10] |
朱书慧, 周敏, 乔利平, 等. 2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响[J]. 环境科学学报, 2016, 36(12): 4285-4294. Zhu S H, Zhou M, Qiao L P, et al. Impact of the air mass trajectories on PM2.5 concentrations and distribution in the Yangtze River Delta in December 2015[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4285-4294. |
| [11] | 中华人民共和国中央人民政府.中原城市群发展规划.http://www.gov.cn/xinwen/2017-01/05/5156816/files/4e3c18bb7f2d4712b7264f379e7cb416.pdf, 2017-01-05. |
| [12] |
闫广轩, 杨争, 席冬冬, 等. 新乡市秋季大气细颗粒物PM2.5中水溶性离子特征及其来源解析[J]. 环境科学学报, 2018, 38(2): 640-648. Yan G X, Yang Z, Xi D D, et al. Characterization and source analysis of the water-soluble inorganic ions in PM2.5 of Xinxiang during autumn[J]. Acta Scientiae Circumstantiae, 2018, 38(2): 640-648. |
| [13] | 姜楠.中原经济区典型城市大气颗粒物污染特征、来源解析及其健康风险评估[D].郑州: 郑州大学, 2017. |
| [14] | Jiang N, Duan S G, Yu X, et al. Comparative major components and health risks of toxic elements and polycyclic aromatic hydrocarbons of PM2.5 in winter and summer in Zhengzhou: based on three-year data[J]. Atmospheric Research, 2018, 213: 173-184. |
| [15] | Wang J, Li X, Zhang W K, et al. Secondary PM2.5 in Zhengzhou, China: chemical species based on three years of observations[J]. Aerosol and Air Quality Research, 2016, 16(1): 91-104. |
| [16] | Jiang N, Li Q, Su F C, et al. Chemical characteristics and source apportionment of PM2.5 between heavily polluted days and other days in Zhengzhou, China[J]. Journal of Environmental Sciences, 2018, 66: 188-198. |
| [17] | 郑州市人民政府. 《国家中心城市建设报告(2019)》中英文版举办新闻发布会[EB/OL]. http://www.zhengzhou.gov.cn/news5/102475.jhtml, 2019-10-24. |
| [18] | 河南省生态环保厅. 2018年河南省生态环境状况公报[EB/OL]. http://sthjt.henan.gov.cn/2019/06-04/1320088.html, 2019-06-04. |
| [19] |
杜小申, 燕丽, 贺晋瑜, 等. 安阳市典型工业源PM2.5排放特征及减排潜力估算[J]. 环境科学, 2019, 40(5): 2043-2051. Du X S, Yan L, He J Y, et al. PM2.5 emission characteristics and estimation of emission reduction potential from typical industrial sources in Anyang[J]. Environmental Science, 2019, 40(5): 2043-2051. |
| [20] |
赵海丽, 唐敏, 丁志安, 等. 2005年-2014年安阳市城市空气质量变化趋势分析及治理对策研究[J]. 环境科学与管理, 2016, 41(6): 141-145. Zhao H L, Tang M, Ding Z A, et al. Analysis on air quality variation trends and countermeasures in Anyang city from 2005 to 2014[J]. Environmental Science and Management, 2016, 41(6): 141-145. |
| [21] |
谢国红, 王燕强, 张璐, 等. 新乡市2014-2015年空气环境质量现状分析[J]. 河南科技学院学报(自然科学版), 2016, 44(5): 43-47. Xie G H, Wang Y Q, Zhang L, et al. Analysis of current quality of air environment in Xinxiang city in 2014-2015[J]. Journal of Henan Institute of Science and Technology (Natural Sciences Edition), 2016, 44(5): 43-47. |
| [22] |
闫广轩, 雷豪杰, 张靖雯, 等. 新乡冬季PM2.5中金属元素与水溶性离子年际变化及其来源解析[J]. 环境科学, 2019, 40(3): 1071-1081. Yan G X, Lei H J, Zhang J W, et al. Interannual variation of metal elements and water-soluble ions in PM2.5 during wintertime in Xinxiang and their source apportionment[J]. Environmental Science, 2019, 40(3): 1071-1081. |
| [23] |
李雁宇, 李杰, 曾胜兰, 等. 2017年汾渭平原东部大气颗粒物污染特征分析[J]. 环境科学研究, 2020, 33(1): 63-72. Li Y Y, Li J, Zeng S L, et al. Analysis of atmospheric particulates in the eastern Fenwei plain in 2017[J]. Research of Environmental Sciences, 2020, 33(1): 63-72. |
| [24] | Wang S B, Yan Q S, Yu F, et al. Distribution and source of chemical elements in size-resolved particles in Zhengzhou, China: effects of regional transport[J]. Aerosol and Air Quality Research, 2018, 18(2): 371-385. |
| [25] | Jiang N, Yin S S, Guo Y, et al. Characteristics of mass concentration, chemical composition, source apportionment of PM2.5 and PM10 and health risk assessment in the emerging megacity in China[J]. Atmospheric Pollution Research, 2018, 9(2): 309-321. |
| [26] | Jiang N, Guo Y, Wang Q, et al. Chemical composition characteristics of PM2.5 in three cities in Henan, central China[J]. Aerosol and Air Quality Research, 2017, 17: 2367-2380. |
| [27] | Tian H Z, Cheng K, Wang Y, et al. Temporal and spatial variation characteristics of atmospheric emissions of Cd, Cr, and Pb from coal in China[J]. Atmospheric Environment, 2012, 50: 157-163. |
| [28] | Cao J J. A brief introduction and progress summary of the PM2.5 source profile compilation project in China[J]. Aerosol Science and Engineering, 2018, 2(2): 43-50. |
| [29] |
王爱平, 朱彬, 银燕, 等. 黄山顶夏季气溶胶数浓度特征及其输送潜在源区[J]. 中国环境科学, 2014, 34(4): 852-861. Wang A P, Zhu B, Yin Y, et al. Aerosol number concentration properties and potential sources areas transporting to the top of mountain Huangshan in summer[J]. China Environmental Science, 2014, 34(4): 852-861. |
| [30] |
段时光, 姜楠, 杨留明, 等. 郑州市冬季大气PM2.5传输路径和潜在源分析[J]. 环境科学, 2019, 40(1): 86-93. Duan S G, Jiang N, Yang L M, et al. Transport pathways and potential sources of PM2.5 during the winter in Zhengzhou[J]. Environmental Science, 2019, 40(1): 86-93. |
| [31] | Chi X Y, He P Z, Jiang Z, et al. Acidity of aerosols during winter heavy haze events in Beijing and Gucheng, China[J]. Journal of Meteorological Research, 2018, 32(1): 14-25. |
| [32] |
蒋惠梦, 肖寒, 宋河, 等. 武汉市冬季灰霾期PM2.5中水溶性无机离子的特征[J]. 南京信息工程大学学报, 2018, 10(5): 590-598. Jiang H M, Xiao H, Song H, et al. Characteristics of water-soluble inorganic ions in PM2.5 during a winter haze episode in Wuhan City[J]. Journal of Nanjing University of Information Science & Technology, 2018, 10(5): 590-598. |
| [33] |
蒋荣, 严飞, 杨杰, 等. 南通市冬季PM2.5中水溶性离子污染特征[J]. 环境监控与预警, 2020, 12(2): 45-48. Jiang R, Yan F, Yang J, et al. Pollution characteristics of water-soluble ions in PM2.5 in winter in Nantong[J]. Environmental Monitoring and Forewarning, 2020, 12(2): 45-48. |
| [34] |
陈雅琼, 宋田, 宋冬洋, 等. 成都市冬季PM2.5污染特征及溯源分析[J]. 河南科技, 2020(7): 151-153. Chen Y Q, Song T, Song D Y, et al. Characteristics and analysis of PM2.5 pollution in winter in Chengdu[J]. Henan Science and Technology, 2020(7): 151-153. |
| [35] | Duan J C, Tan J H, Cheng D X, et al. Sources and characteristics of carbonaceous aerosol in two largest cities in Pearl River Delta region, China[J]. Atmospheric Environment, 2007, 41(14): 2895-2903. |
| [36] | Pathak R K, Wu W S, Wang T. Summertime PM2.5 ionic species in four major cities of China: nitrate formation in an ammonia-deficient atmosphere[J]. Atmospheric Chemistry and Physics, 2009, 9(5): 1711-1722. |
| [37] | Li H M, Wang Q G, Yang M, et al. Chemical characterization and source apportionment of PM2.5 aerosols in a megacity of Southeast China[J]. Atmospheric Research, 2016, 181: 288-299. |
| [38] | Zheng G J, Duan F K, Su H, et al. Exploring the severe winter haze in Beijing: the impact of synoptic weather, regional transport and heterogeneous reactions[J]. Atmospheric Chemistry and Physics, 2015, 15(6): 2969-2983. |
| [39] | Wang X F, Wang W X, Yang L X, et al. The secondary formation of inorganic aerosols in the droplet mode through heterogeneous aqueous reactions under haze conditions[J]. Atmospheric Environment, 2012, 63: 68-76. |
| [40] | Zhu X W, Tang G Q, Guo J P, et al. Mixing layer height on the North China Plain and meteorological evidence of serious air pollution in southern Hebei[J]. Atmospheric Chemistry and Physics, 2018, 18(7): 4897-4910. |
| [41] | Liu B S, Song N, Dai Q L, et al. Chemical composition and source apportionment of ambient PM2.5 during the non-heating period in Taian, China[J]. Atmospheric Research, 2016, 170: 23-33. |
| [42] | Xie Y Z, Liu Z R, Wen T X, et al. Characteristics of chemical composition and seasonal variations of PM2.5 in Shijiazhuang, China: impact of primary emissions and secondary formation[J]. Science of the Total Environment, 2019, 677: 215-229. |
| [43] | Duan F K, Liu X D, Yu T, et al. Identification and estimate of biomass burning contribution to the urban aerosol organic carbon concentrations in Beijing[J]. Atmospheric Environment, 2004, 38(9): 1275-1282. |
| [44] |
于扬, 岑况, Norra S, 等. 北京市PM2.5中主要重金属元素污染特征及季节变化分析[J]. 现代地质, 2012, 26(5): 975-982. Yu Y, Cen K, Norra S, et al. Concentration characteristics and seasonal trend of main heavy metal elements of PM2.5 in Beijing[J]. Geoscience, 2012, 26(5): 975-982. |
| [45] |
杨麒, 傅致严, 刘湛, 等. 郴州市大气PM2.5中无机元素污染特征及来源分析[J]. 湖南大学学报(自然科学版), 2019, 46(6): 133-140. Yang Q, Fu Z Y, Liu Z, et al. Characteristics and sources of inorganic elements in atmospheric PM2.5 at Chenzhou City[J]. Journal of Hunan University (Natural Sciences), 2019, 46(6): 133-140. |
| [46] |
董娴, 邹海凤, 梁隆超, 等. 贵阳市大气PM2.5中无机元素的组成及来源解析[J]. 环境监测管理与技术, 2019, 31(1): 14-18, 47. Dong X, Zou H F, Liang L C, et al. Composition and source apportionment of inorganic element in PM2.5 in Guiyang[J]. The Administration and Technique of Environmental Monitoring, 2019, 31(1): 14-18, 47. |
| [47] |
郑元铸, 葛琳琳, 郑旭军, 等. 温州市区PM2.5无机元素污染特征及来源分析[J]. 环境化学, 2017, 36(1): 84-91. Zheng Y Z, Ge L L, Zheng X J, et al. Characteristics and source apportionment of inorganic elements in PM2.5 in Wenzhou, Zhejiang[J]. Environmental Chemistry, 2017, 36(1): 84-91. |
| [48] | Liu G, Li J H, Wu D, et al. Chemical composition and source apportionment of the ambient PM2.5 in Hangzhou, China[J]. Particuology, 2015, 18: 135-143. |
| [49] |
胡鸣, 张懿华, 赵倩彪. 上海市冬季PM2.5无机元素污染特征及来源分析[J]. 环境科学学报, 2015, 35(7): 1993-1999. Hu M, Zhang Y H, Zhao Q B. Characteristics and sources of inorganic elements in PM2.5 during wintertime in Shanghai[J]. Acta Scientiae Circumstantiae, 2015, 35(7): 1993-1999. |
| [50] | Canha N, Freitas M C, Almeida-Silva M, et al. Burn wood influence on outdoor air quality in a small village: Foros de Arrão, Portugal[J]. Journal of Radioanalytical and Nuclear Chemistry, 2012, 291(1): 83-88. |
| [51] |
贾岳清, 殷惠民, 周瑞, 等. 北京初冬季PM2.5中无机元素与二次水溶性离子浓度特征[J]. 环境化学, 2018, 37(12): 2767-2773. Jia Y Q, Yin H M, Zhou R, et al. Characteristics of water-soluble inorganic ions and inorganic elements of PM2.5 in Beijing[J]. Environmental Chemistry, 2018, 37(12): 2767-2773. |
| [52] |
张光亮, 耿存珍. 大气颗粒物源解析CMB法与PFA法原理及比较研究[J]. 环境科学与管理, 2019, 39(10): 56-59, 105. Zhang G L, Geng C Z. Comparison of CMB and PFA on source apportionment of atmospheric particles[J]. Environmental Science and Management, 2019, 39(10): 56-59, 105. |
| [53] | Watson J G, Cooper J A, Huntzicker J J. The effective variance weighting for least squares calculations applied to the mass balance receptor model[J]. Atmospheric Environment (1967), 1984, 18(7): 1347-1355. |
| [54] |
吴琳, 沈建东, 冯银厂, 等. 杭州市灰霾与非灰霾日不同粒径大气颗粒物来源解析[J]. 环境科学研究, 2014, 27(4): 373-381. Wu L, Shen J D, Feng Y C, et al. Source apportionment of particulate matters in different size bins during hazy and non-hazy episodes in Hangzhou City[J]. Research of Environmental Sciences, 2014, 27(4): 373-381. |
| [55] | 国家统计局. 河南统计年鉴2017[M]. 北京: 中国统计出版社, 2017. |
| [56] | 国家统计局. 河南统计年鉴2018[M]. 北京: 中国统计出版社, 2018. |
| [57] | 国家统计局. 河南统计年鉴2019[M]. 北京: 中国统计出版社, 2019. |
| [58] | Watson J G, Chow J C, Chen L W A, et al. Particulate emission factors for mobile fossil fuel and biomass combustion sources[J]. Science of the Total Environment, 2011, 409: 2384-2396. |