2024, Vol. 45
2. 贵州省环境科学研究设计院, 贵阳 550081;
3. 河南师范大学环境学院, 新乡 453007
2. Guizhou Research and Designing Institute of Environmental Sciences, Guiyang 550081, China;
3. School of Environment, Henan Normal University, Xinxiang 453007, China
当前, 我国大气PM2.5污染已成为政府、研究学者以及公众关注的重大环境问题.大气PM2.5化学成分复杂, 主要由碳质组分、水溶性离子和金属元素等组成, 其中碳质气溶胶是大气PM2.5的重要组成部分, 主要由有机碳（organic carbon, OC）和元素碳（elemental carbon, EC）组成[1].OC来源较复杂, 除了工业生产活动排放、燃料燃烧和自然源等主要污染源排放的一次有机碳（primary organic carbon, POC）, 此外, 大气中的挥发性有机污染物经过光化学氧化反应、凝结及成核后从气相转化到颗粒相的二次有机碳（secondary organic carbon, SOC）[2].EC主要来自化石燃料和生物质的不完全燃烧过程, 属于一次排放过程, 在大气中存在状态相对稳定[3].OC和EC组分对城市大气PM2.5的贡献占比变化幅度较大, 一般约为20%~70%[4].碳质气溶胶在气候变化过程中扮演着重要角色, 对地球辐射平衡产生直接和间接辐射强迫影响, OC和EC分别通过散射和吸收作用对大气造成负和正的辐射强迫, 其光学散射和吸收特性会降低大气能见度, 并且可携带大量有毒有害物质进入人体, 对健康造成危害[5 ~ 7].多种源解析方法被应用于追踪大气中碳质气溶胶的潜在来源[8 ~ 10].受体模型方法中, 相比于化学质量平衡（chemical mass balance, CMB）和主成分分析模型（principal component analysis, PCA）, 正交矩阵因子分解模型（positive matrix factorization, PMF）解析矩阵中每个因子的分担率均为非负值且不需要当地颗粒物组分的源成分谱, 可以对每一个单独的样品点进行解析, 是大气颗粒物及其化学组分源解析研究中应用较为广泛的受体模型之一[11].
目前对大气PM2.5中碳质气溶胶的研究主要集中在碳组分的浓度水平、时空演化规律、辐射效应、粒径分布、转化机制及来源解析方面, 且研究区域主要集中于京津冀、长三角、珠三角、关中地区及成渝地区.张哲[12]对2018年长三角典型城市大气PM2.5中碳质组分时空变化特征研究表明, 上海、杭州和南京碳质气溶胶组分在PM2.5中的占比为29%~34%, ρ（OC）年均值分别为（8.0±5.0）、（12.4±6.6）和（9.3±4.5）μg·m-3, 且是EC浓度的两倍, 表明长三角地区主要城市的含碳气溶胶是以有机碳为主.Wang等[13]对青藏高原地区大气中碳质气溶胶中黑碳组分研究发现, 黑碳气溶胶的来源、传输及辐射效应很可能与大气条件的复杂变化相关.Huang等[14]利用PMF模型对广州市大气PM2.5中碳质组分来源解析结果表明, 燃煤、交通排放、土壤扬尘和船舶排放是碳质气溶胶的主要排放源.
贵阳市作为贵州省的省会城市、西南陆海新通道重要节点城市、国家内陆开放型经济试验区核心区和全国生态文明示范城市, 对贵阳市生态环境保护的力度和压力都在日益增加.随着工业化进程不断加快, 能源结构和产业结构发生了很大变化, 随之大气PM2.5、SO2、NO2和O3等污染物也相应发生变化, 贵阳市的污染源由以工业源为主, 向工业源、生活源和交通源等并存转变, 不断出现新型复合污染.有学者针对近年贵阳市大气碳质气溶胶进行了研究, 如敖娅等[15]对贵阳市秋冬季PM2.5与PM10中黑碳气溶胶进行了分析；王珍等[16]分析了贵阳市秋冬季PM2.5中OC和EC的浓度变化特征.但是贵阳市大气颗粒物中含碳气溶胶的连续性、系统性观测数据仍比较有限, 对含碳气溶胶来源及形成机制还不清楚.因此, 本研究于2020年对花溪城区大气PM2.5中碳质组分进行观测研究, 并通过理论计算SOC和POC组分, 分析不同季节OC、EC、SOC和POC的演化规律, 并对OC和EC的来源进行解析, 确定贵阳市花溪城区OC和EC的主要排放源, 以期为有效控制及治理贵阳市花溪城区大气PM2.5中的碳质气溶胶污染提供基础数据和理论依据.
1 材料与方法 1.1 采样点和采样方法采样点设置在贵州大学资源与环境工程学院楼顶（106.65°E, 26.44°N）, 距地面约20 m, 观测站所处地形平坦, 受局地环流影响较小, 周围500 m内多为文教、行政和居民区, 周围无明显的建筑物遮挡, 视野开阔, 无明显的局地排放源, 采样点南面800 m处有一条交通主干道甲秀南路.
在2020年春季（4月）、夏季（7月）、秋季（10月）和冬季（12月）利用青岛金仕达智能颗粒物中流量采样器（KB-120F）采集大气PM2.5样品, 采样流量为100 L·min-1.使用石英纤维膜（直径90 mm, Whatman QMA, 英国）富集PM2.5, 滤膜使用前将石英膜在马弗炉中以450℃焙烧3 h, 以消除可能残留滤膜表面的有机物, 冷却后放入恒温恒湿箱中平衡24 h（温度为25℃, 湿度为50%）.每张滤膜连续采集23.5h（即09：00至次日08：30）, 采样时将提前准备好的滤膜放入PM2.5切割器, 采样开始时和采样结束后分别记录大气环境温度、天气情况、气压、工况体积、标况体积和异常情况等.观测期共采集大气PM2.5样品123个, 每天样品采集完立即称量后用膜盒装好再用锡箔纸封存装入自封袋, 放入冰箱低温保存以备后续化学组分分析使用.
1.2 样品分析OC和EC的质量浓度采用热/光学碳分析仪进行分析.为了消除实验误差, 测样前进行1~2次空白膜测定, 将分析仪残留的气体充分燃烧.测样时在无氧纯He的环境中, 分别在140℃（OC1）、280℃（OC2）、480℃（OC3）和580℃（OC4）温度下热解有机碳, 部分OC碳化形成OPC.然后样品在含2%氧气的氦气环境下, 于580℃（EC1）、740℃（EC2）和840℃（EC3）逐步加热氧化元素碳.上述各个温度梯度下挥发出的含碳化合物经MnO2催化氧化转化成CO2, 再经Ni催化还原转化为CH4, 通过火焰离子化检测器（FID）定量检测.最后定义OC总量为OC1+OC2+OC3+OC4+OPC, EC总量为EC1+EC2+EC3-OPC, 关于热光碳分析仪详细分析原理见文献[17].
1.3 数据分析TCA通常用OC转化成的总有机物（OM）与EC之和来估算, 城区颗粒物OM为OC的1.6倍则[18]：
|
SOC浓度计算公式为：
|
式中, OC为有机碳浓度（μg·m-3）, EC为元素碳浓度（μg·m-3）, （OC/EC）min为各季节研究时段两者最小值[19].
PMF是一种不需要源谱数据和气象数据的多变量因子分析受体模型, PMF基于最小二乘法对原始数据以及不确定度数据进行分解, 确定目标函数Q最小化的解, 从而确定污染源的贡献率和源成分谱, 再根据源成分谱来对源进行识别, 具体详细内容见文献[20, 21].
2 结果与讨论 2.1 PM2.5和TCA总体特征观测期间, ρ（PM2.5）均值为（39.7±22.3）μg·m-3, 稍高于国家环境空气质量二级标准年均限值35 μg·m-3（GB 3095-2012）, 日均最大值出现在12月25日, 为123 μg·m-3, 高于国家二级标准（75 μg·m-3）.与国内其他城市观测期ρ（PM2.5）相比较, 本研究其平均值明显低于成都（118.0 μg·m-3）[22]、重庆（56.2 μg·m-3）[23]和长沙（52.3 μg·m-3）[24]等周边城市, 高于张家口（32.3 μg·m-3）[25]、承德市（31.3 μg·m-3）[26]和舟山（26.3 μg·m-3）[27]等地区.ρ（PM2.5）季节变化呈现出冬季[（52.6±28.6）μg·m-3] > 春季[（46.4±18.5）μg·m-3] > 秋季[（35.0±19.2）μg·m-3] > 夏季[（25.1±7.1）μg·m-3]的变化特征, 且冬季浓度平均值是夏季的约2倍.冬季PM2.5容易出现高值, 可能是由于冬季不利的气象条件和源排放叠加造成PM2.5浓度的累积[28].ρ（TCA）平均值为（14±7.2）μg·m-3, 对PM2.5平均贡献率为42.7%, 表明花溪城区碳质气溶胶是PM2.5的重要组成成分, 控制碳质气溶胶对防控大气PM2.5的污染具有重要意义.ρ（TCA）春、夏、秋和冬季均值分别为：（15.2±5.4）、（11.6±3.6）、（12.6±7.5）和（17.0±9.6）μg·m-3, 呈现与PM2.5一致的季节变化特征.TCA对PM2.5平均贡献呈现夏季（46.3%）高于其他3个季节（见表 1）, 表明清洁天大气PM2.5中碳质气溶胶占主导[19, 29].这可能是由于夏季强烈的阳光和高温会促进二次碳质气溶胶的生成, 而频繁的降雨清洁, 导致PM2.5浓度整体降低[30].本研究TCA与国内其他城市研究结果比较, 低于厦门市郊区[（28.0±15.7）μg·m-3][31]、乌鲁木齐[（24.2±9.8）μg·m-3][32]和承德市[（21.4±13.7）μg·m-3][26]等国内城市, 表明贵阳市花溪区碳质气溶胶污染较低, 但在研究期间冬季气溶胶污染的增加, 仍是防控碳质气溶胶污染需要关注的焦点.
|
表 1 贵阳市花溪城区不同季节大气PM2.5、各碳质组分的浓度平均值以及对PM2.5的贡献率 Table 1 Average concentration of atmospheric PM2.5, carbon chemical components, and their contribution to PM2.5 during different seasons in Huaxi District, Guiyang |
2.2 PM2.5中碳质组分特征
图 1展示了贵阳市花溪城区不同季节大气PM2.5中OC、EC、EC/PM2.5、OC/PM2.5和OC/EC的逐日变化特征.观测期间, ρ（OC）和ρ（EC）变化分别在2.0~21.0 μg·m-3和0.5~5.6 μg·m-3之间, 平均值分别为（7.6±3.9）μg·m-3和（2.0±1.0）μg·m-3.表 2是本研究含碳气溶胶浓度水平与国内其他城市比较, 含碳气溶胶浓度水平在中国北部、西南地区及沿海城市存在着区域差异[33], 主要归因于不同能源类型的排放源不同[30].花溪城区OC和EC浓度平均值与天津相近, OC低于北京和郑州, EC则略高.与上海、杭州、深圳和珠海等沿海城市相比, OC和EC较低.但与南京相比, 贵阳市花溪城区碳质气溶胶浓度较高.
|
图 1 贵阳市花溪城区不同季节PM2.5中OC、EC、EC/PM2.5、OC/PM2.5和OC/EC的逐日变化 Fig. 1 Daily variation in OC, EC, EC/PM2.5, OC/PM2.5, and OC/EC in PM2.5 during different seasons in Huaxi District, Guiyang |
|
|
表 2 国内主要城市大气PM2.5中OC和EC的浓度平均值及OC/EC比较1） Table 2 Comparison of the OC and EC average concentration and ratios of OC/EC in PM2.5 in Huaxi District of Guiyang and some cities in China |
ρ（OC）和ρ（EC）在春、夏、秋、冬季的逐日变化范围（μg·m-3）分别为：2.6~13.5和0.5~4.4、2.0~12.3和0.5~2.8、1.9~17.2和0.5~4.6、2.1~21.0和1.1~5.6, 其中12月25日出现峰值, 浓度分别为21.0 μg·m-3和5.6 μg·m-3, 季节变化呈现冬季高于其他3个季节, 结合气象要素可知, 该日高湿低温（日均温度为7.7℃, 相对湿度为86%）静风条件增强了碳质气溶胶的累积, 导致污染物不能扩散, 该研究结果与徐雪梅等对成都市主城区PM2.5中碳质组分的研究结果一致[34].冬季出现类似的变化情况较多, 这主要的原因可能为：①冬季燃煤和生物质燃烧, 尤其农村散煤和生物质燃烧增加是该季节大气污染的重要来源, 对OC的排放贡献较大.有研究发现武汉市冬季居民燃煤供暖以及散煤燃烧使得OC浓度显著增加, 为SOC的生成提供了大量前体物[35]；②冬季低温有利于半挥发有机物在颗粒物表面凝结, 导致碳质组分浓度增加[36], 此外, 冬季汽油和柴油车冷启动会增加OC的排放, 温度低会导致燃料燃烧不完全, 导致污染物的排放高于其他季节[37, 38]；③冬季容易逆温, 混合层高度低, 不利于污染物扩散, 这与广州市冬季碳质组分研究结果相同[39].
OC/PM2.5和EC/PM2.5在春、夏、秋、冬季平均值分别为：（17.8±1.8）%和（5.0±1.2）%、（25.1±2.9）%和（6.2±1.4）%、（18.9±3.1）%和（5.1±1.1）%、（17.2±3.6）%和（4.8±1.2）%.观测期间, EC对PM2.5贡献的季节差异较小, 贡献率变化范围为2.6%~8.3%, 平均值为（5.3±1.3）%.OC对PM2.5的贡献率为（19.8±4.3）%, 与王珍等[16]对贵阳市秋冬季研究结果相比, 花溪城区的碳组分浓度明显降低, 随着国家实施《大气污染防治行动计划》以来对大气污染源排放的控制, 花溪城区碳质气溶胶的污染明显减轻.
2.3 PM2.5中二次有机气溶胶变化特征碳质气溶胶主要由一次排放（EC和POC）和二次生成（SOC）组成, 因常用OC/EC值初步判断排放源和化学转化的老化特性, OC/EC常被用作估算SOC和示踪碳质气溶胶排放源, 当OC/EC值大于2时, 可认为存在SOC污染[50].本研究OC/EC季节变化呈现夏季（4.2±0.8） > 冬季（3.8±0.9） > 秋季（3.8±0.5） > 春季（3.7±0.9）的变化趋势, 说明花溪城区各季节中都存在SOC, 即使冬季的光化学反应较弱也均存在SOC.O3浓度的增加可能会导致大气氧化能力的增强[51], 从而影响SOC浓度水平[52].由图 2可见, SOC与OC显著相关（R2 = 0.9）且在总氧化剂（Ox= O3 + NO2）浓度增加的情况下, SOC浓度总体上也随之增加, 表明大气氧化能力增强, OC部分参与二次转化, 并且O3作为前体物参与碳组分的形成和转化[53].
|
图 2 SOC与OC相关性和SOC随Ox浓度水平的变化 Fig. 2 Correlation between SOC and OC, and variation in SOC with different Ox concentration levels |
OC是POC和SOC二者之和[54], 当PM2.5中SOC二次转化增加, SOC/PM2.5增大, POC/PM2.5随之降低.本研究中, ρ（SOC）平均值为（4.4±2.6）μg·m-3, 低于乌鲁木齐（8.1 μg·m-3）[32]、郑州（6.0 μg·m-3）[55]、北京[（5.4±5.8）μg·m-3][19]和重庆（11.7 μg·m-3）[56]等国内重点城市, 高于匈牙利布达佩斯郊区（1.51 μg·m-3）、印度昌迪加尔地区（4.0 μg·m-3）和泰国清迈（2.88 μg·m-3）等地区[57 ~ 59].由图 3可知, ρ（SOC）在春、夏、秋和冬季的平均值分别为：（4.1±1.5）、（3.7±1.2）、（3.7±2.4）和（6.1±3.9）μg·m-3, 对PM2.5的贡献率分别为：（9.3±1.9）%、（14.5±2.6）%、（10.2±2.1）%和（11.1±3.8）%.冬季SOC浓度平均值明显高于其他3个季节, 主要原因可能是由于冬季增加的生物质燃烧和煤炭燃烧排放导致SOC前体物积累[60], 且低温高湿的气象条件导致了大气污染物质的长久停留, 促进了SOC的形成, 进一步导致SOC浓度升高.尽管夏季SOC浓度最低, 但其在PM2.5中的占比却最高, 这可能是夏季PM2.5质量浓度低, 且较高的温度和较强的光化学作用促进了VOCs向SOC的化学生成[61 ~ 63].
|
图 3 贵阳市花溪城区不同季节POC、SOC、POC/PM2.5和SOC/PM2.5的逐日变化 Fig. 3 Daily variation in POC, SOC, POC/PM2.5, and SOC/ PM2.5 during different seasons in Huaxi District, Guiyang |
OC/EC值通常作为燃烧相关源的指标, 由此可定性判断碳质气溶胶的来源.当OC/EC的值在1.0~4.2时, 表明有柴油和汽油车的尾气排放；在2.5~10.5时, 表明有燃煤排放[64]；比值为4.1~14.5或16.8~40.0时, 表明有生物质燃烧[65, 66].由图 1可知, 本研究OC/EC值在1.3~6.0之间, 最高值出现在春季4月9日（6.0）, 最低值出现在冬季12月14日（1.3）, 各季节OC/EC差异显著, 呈现夏季最大, 春季最小的趋势.结合花溪城区不同季节OC/EC的变化范围及均值为：2.8~6.0（3.7）（春季）、2.8~5.8（4.2）（夏季）、2.7~5.1（3.8）（秋季）和1.3~5.3（3.8）（冬季）, 通过OC/EC值范围初步判断碳质气溶胶来源于机动车尾气排放、燃煤排放和生物质燃烧排放.
OC和EC的相关性在一定程度上可以评价二者的同源性, 如果OC和EC相关性好, 说明OC和EC大部分可能来自于相似或一致的污染源, OC主要为POC；反之, 两者的来源差异很大或具有二次污染[67, 68].一般而言, 汽油车排放的CO多于NOx, 而柴油车排放的NOx多于CO[69].在观测期间, OC或EC与CO和NO2之间存在一定的相关性, 表明碳质气溶胶来源与车辆尾气排放有关.由图 4可知, OC或EC与NO2之间存在中度相关性（R2 > 0.42）, 进一步表明OC和EC的来源可能与柴油车辆有关.花溪城区不同季节PM2.5中OC和EC相关性表现为秋季较高, 而春夏冬季相似的特点（见图 5）, 与殷丽娜对南京市的研究结果类似[29].秋季（R2=0.9）PM2.5中OC与EC相关性较好, SOC对OC的贡献相对较低, 说明OC与EC有共同的污染来源, 这与秋季OC主要为POC的结论相一致[70], 主要来源于机动车排放.春冬季（R2 > 0.74）的OC与EC之间的线性拟合斜率明显低于秋季, 表明花溪区在春冬季存在着多种排放源对碳质气溶胶的贡献, 除机动车尾气外, 燃煤燃气和生物质燃烧的排放也会对碳质气溶胶贡献.而夏季相关性较差主要是受光化学反应的影响, 挥发性有机物形成SOC所导致的[39].
|
图 4 OC和EC与NO2和CO的相关性 Fig. 4 Correlation of OC and EC with NO2 and CO |
|
图 5 PM2.5中OC与EC的相关性 Fig. 5 Correlation between OC and EC in PM2.5 |
采集的样品利用热/光学碳分析仪和IMPROVE-A（TOR）分析方法对大气PM2.5中的碳组分进行分析, 最后获得8种碳组分（OC1、OC2、OC3、OC4、EC1、EC2、EC3和OPC）.有研究表明[61, 71 ~ 73], 生物质燃烧后各组分中OC1含量最多, 燃煤排放各碳组分中OC2含量最多, OC2、OC3和OC4也代表煤燃烧排放, EC1和OPC为汽油车尾气的特征组分, EC2和EC3是柴油车尾气排放组分, 可由各碳组分的含量占比对碳质气溶胶的来源进行初步分析判断.图 6展示了贵阳市花溪城区不同季节8种碳组分的逐日浓度变化.观测期间内, 各碳质组分浓度平均值分别为：OC2（2.62 μg·m-3） > OC3（1.72 μg·m-3） > EC1（1.60 μg·m-3） > OC1（1.15 μg·m-3） > OPC（1.04 μg·m-3） > OC4（1.02 μg·m-3） > EC2（0.25 μg·m-3） > EC3（0.15 μg·m-3）, 其中OC2浓度最高, 表明与燃煤源排放相关.但每种组分在不同的季节表现出的浓度水平相差各异, 其中春季各组分逐日变化平稳, 而秋冬季变化幅度较大, 冬季12月1~12日各组分变化保持平稳, 而后呈现各组分逐渐增加, 与静风、高相对湿度和较低的温度有关.
|
图 6 贵阳市花溪城区不同季节碳质气溶胶中各组分的逐日浓度变化 Fig. 6 Daily concentration variation of each component in carbon aerosols during different seasons in Huaxi District, Guiyang |
从不同季节8种碳组分在（OC+EC）中的贡献率可知（图 7）, 不同季节各组分贡献较高的分别为OC2、OC3和EC1, 三者总和对春、夏、秋和冬季的贡献率分别为62.4%、64.5%、62.3%和60.1%, 表明碳质气溶胶来源主要为机动车汽油排放和燃煤排放.其余5种碳组分OC1、OC4、OPC、EC2和EC3的含量较小, 其中（EC1+OPC）和（EC2+EC3）变化范围分别为26.1%~28.4%和3.4%~4.6%, 故受机动车排放源（尤其是汽油车尾气排放）影响相对较大.从图 7中发现贵阳市花溪城区OC1在夏季的含量较其他3个季节低, 这说明夏季生物质燃烧较少.综上所述, 通过对各季节大气PM2.5中8种碳组分的对比分析, 可以得知：OC1、OC2、OC3和EC1的含量在大气PM2.5中较高, 表明贵阳市花溪城区碳质气溶胶主要来源于燃煤、机动车尾气和生物质燃烧, 这与OC/EC比值法初步判断污染来源一致.
|
图 7 贵阳市花溪城区不同季节不同碳组分对OC+EC的贡献率 Fig. 7 Contribution rates of different carbon components to OC+EC in different seasons in Huaxi District, Guiyang |
为了进一步定量解析主要排放源对碳质气溶胶的贡献, 本研究利用EPA PMF 5.0模型对采样期间贵阳市花溪城区大气PM2.5中的8种碳组分进行来源解析, 根据各类碳组分在不同污染源排放中的含量以及物种贡献率, 以期判断来源和贡献.通过来源解析结果发现（见图 8）, 因子1中EC2和EC3是主要贡献组分, 贡献率为50.8%和71.9%, 为机动车尾气排放.因子2中高载荷组分为OC2、OC3、OC4和OPC, 贡献率分别为31.6%、33.9%、40.2%和63.4%, 是煤燃烧的标志性组分[74], 故因子2为燃煤源.因子3中OC1是生物质燃烧样品中丰富的碳组分, 其贡献率为64.0%, 该特征表征生物质源占主导的组分, 因此因子3为生物质燃烧源.PMF源解析表明, 机动车源、燃煤源和生物质燃烧源是贵阳市花溪城区大气PM2.5中碳质气溶胶的主要来源, 其贡献率分别为21.5%、29.3%和49.2%.
|
图 8 贵阳市花溪城区观测期间PM2.5中OC和EC组分的PMF因子的浓度和贡献率 Fig. 8 PMF source factor profiles for the OC and EC components of PM2.5 samples throughout the observation period in Huaxi District of Guiyang in terms of concentrations and percentages |
（1）观测期间贵阳市花溪城区ρ（PM2.5）、ρ（TCA）、ρ（OC）、ρ（SOC）和ρ（EC）分别为：（39.7±22.3）、（14.1±7.2）、（7.6±3.9）、（4.4±2.6）和（2.0±1.0）μg·m-3, OC/EC的平均值为3.9±0.8.PM2.5、TCA、OC、SOC和EC浓度呈现冬季最高、春秋季次之、夏季最低的季节变化特征.
（2）OC/EC季节变化呈现夏季（4.2±0.8） > 冬季（3.8±0.9） > 秋季（3.8±0.5） > 春季（3.7±0.9）的变化特征, 表明花溪城区各季节均存在SOC生成.SOC与OC呈现显著相关（R2=0.9）, 且随着大气氧化性增强, SOC浓度呈增加趋势.ρ（SOC）季节变化呈现冬季[（6.1±3.8）μg·m-3] > 春季[（4.1±1.5 μg·m-3）] > 秋季[（3.7±2.4）μg·m-3]≈夏季[（3.7±1.2）μg·m-3]的变化特征, 但SOC/PM2.5呈现夏季显著高于其他3个季节.
（3）OC与EC各季节均呈现较好相关性, 其中秋季最高（R2=0.9）, 其他3个季节偏低（R2为0.74~0.75）, 表明二者具有共同来源.利用PMF模型对碳质气溶胶来源的定量解析表明, 贵阳市花溪城区碳质气溶胶主要来源为燃煤源（29.3%）、机动车排放源（21.5%）和生物质燃烧源（49.2%）.
| [1] | 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. DOI:10.1016/j.atmosres.2015.11.002 |
| [2] |
彭小乐, 郝庆菊, 温天雪, 等. 重庆市北碚城区气溶胶中有机碳和元素碳的污染特征[J]. 环境科学, 2018, 39(8): 3502-3510. Peng X L, Hao Q J, Wen T X, et al. Pollution characteristics of organic carbon and elemental carbon in atmospheric aerosols in Beibei District, Chongqing[J]. Environmental Science, 2018, 39(8): 3502-3510. |
| [3] | Bond T C, Doherty S J, Fahey D W, et al. Bounding the role of black carbon in the climate system: a scientific assessment[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(11): 5380-5552. DOI:10.1002/jgrd.50171 |
| [4] | Ram K, Sarin M M. Day-night variability of EC, OC, WSOC and inorganic ions in urban environment of Indo-Gangetic Plain: Implications to secondary aerosol formation[J]. Atmospheric Environment, 2011, 45(2): 460-468. DOI:10.1016/j.atmosenv.2010.09.055 |
| [5] | Ji D S, Yan Y C, Wang Z S, et al. Two-year continuous measurements of carbonaceous aerosols in urban Beijing, China: Temporal variations, characteristics and source analyses[J]. Chemosphere, 2018, 200: 191-200. DOI:10.1016/j.chemosphere.2018.02.067 |
| [6] | Ji D S, Gao M, Maenhaut W, et al. The carbonaceous aerosol levels still remain a challenge in the Beijing-Tianjin-Hebei region of China: Insights from continuous high temporal resolution measurements in multiple cities[J]. Environment International, 2019, 126: 171-183. DOI:10.1016/j.envint.2019.02.034 |
| [7] | Srivastava A K, Ram K, Pant P, et al. Black carbon aerosols over Manora Peak in the Indian Himalayan foothills: implications for climate forcing[J]. Environmental Research Letters, 2012, 7(1). DOI:10.1088/1748-9326/7/1/014002 |
| [8] | Huang R J, He Y, Duan J, et al. Contrasting sources and processes of particulate species in haze days with low and high relative humidity in wintertime Beijing[J]. Atmospheric Chemistry and Physics, 2020, 20(14): 9101-9114. DOI:10.5194/acp-20-9101-2020 |
| [9] | Srivastava D, Daellenbach K R, Zhang Y, et al. Comparison of five methodologies to apportion organic aerosol sources during a PM pollution event[J]. Science of the Total Environment, 2021, 757. DOI:10.1016/j.scitotenv.2020.143168 |
| [10] | Wei N N, Xu Z Y, Wang G H, et al. Source apportionment of carbonaceous aerosols during haze days in Shanghai based on dual carbon isotopes[J]. Journal of Radioanalytical and Nuclear Chemistry, 2019, 321(2): 383-389. DOI:10.1007/s10967-019-06609-3 |
| [11] | Paatero P, Tapper U. Analysis of different modes of factor analysis as least squares fit problems[J]. Chemometrics and Intelligent Laboratory Systems, 1993, 18(2): 183-194. DOI:10.1016/0169-7439(93)80055-M |
| [12] |
张哲. 长三角典型城市PM2.5化学组分时空分布特征及来源解析[D]. 南昌: 南昌航空大学, 2020. Zhang Z. The characteristics of spatial-temporal variation and source apportionment of PM2.5 chemical components in typical cities of Yangtze River Delta[D]. Nanchang: Nanchang Hangkong University, 2020. |
| [13] | Wang Q Y, Cao J J, Han Y M, et al. Sources and physicochemical characteristics of black carbon aerosol from the southeastern Tibetan Plateau: internal mixing enhances light absorption[J]. Atmospheric Chemistry and Physics, 2018, 18(7): 4639-4656. DOI:10.5194/acp-18-4639-2018 |
| [14] | Huang J J, Zhang Z S, Tao J, et al. Source apportionment of carbonaceous aerosols using hourly data and implications for reducing PM2.5 in the Pearl River Delta region of South China[J]. Environmental Research, 2022, 210. DOI:10.1016/j.envres.2022.112960 |
| [15] |
敖娅, 董娴, 范雪璐, 等. 贵阳市秋冬季PM2.5与PM10中黑碳浓度特征及来源分析[J]. 环境污染与防治, 2020, 42(11): 1345-1349, 1354. Ao Y, Dong X, Fan X L, et al. Characteristics and source analysis of black carbon in PM2.5 and PM10 of Guiyang City, China during autumn-winter period[J]. Environmental Pollution & Control, 2020, 42(11): 1345-1349, 1354. |
| [16] |
王珍, 郭军, 陈卓. 贵阳市秋、冬季PM2.5中碳组分污染特征及来源分析[J]. 地球与环境, 2015, 43(3): 285-289. Wang Z, Guo J, Chen Z. Characteristics and source analysis of carbonaceous aerosol in PM2.5 of Guiyang City, P.R. China during autumn-winter period[J]. Earth and Environment, 2015, 43(3): 285-289. |
| [17] | Chow J C, Watson J G, Chen L W A, et al. The IMPROVE_A temperature protocol for thermal/optical carbon analysis: maintaining consistency with a long-term database[J]. Journal of the Air & Waste Management Association, 2007, 57(9): 1014-1023. |
| [18] | Turpin B J, Lim H J. Species contributions to PM2.5 mass concentrations: revisiting common assumptions for estimating organic mass[J]. Aerosol Science and Technology, 2001, 35(1): 602-610. DOI:10.1080/02786820119445 |
| [19] |
董贵明, 唐贵谦, 张军科, 等. 北京南部城区PM2.5中碳质组分特征[J]. 环境科学, 2020, 41(10): 4374-4381. Dong G M, Tang G Q, Zhang J K, et al. Characteristics of carbonaceous species in PM2.5 in southern Beijing[J]. Environmental Science, 2020, 41(10): 4374-4381. |
| [20] |
王琴, 张大伟, 刘保献, 等. 基于PMF模型的北京市PM2.5来源的时空分布特征[J]. 中国环境科学, 2015, 35(10): 2917-2924. Wang Q, Zhang D W, Liu B X, et al. Spatial and temporal variations of ambient PM2.5 source contributions using positive matrix factorization[J]. China Environmental Science, 2015, 35(10): 2917-2924. DOI:10.3969/j.issn.1000-6923.2015.10.005 |
| [21] |
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 |
| [22] |
陈璐瑶, 于阳春, 黄小娟, 等. 减排背景下成都大气PM2.5碳质组分特征[J]. 环境科学, 2022, 43(9): 4438-4447. Chen L Y, Yu Y C, Huang X J, et al. Characteristics of carbonaceous species in PM2.5 in Chengdu under the background of emission reduction[J]. Environmental Science, 2022, 43(9): 4438-4447. |
| [23] | Peng C, Tian M, Chen Y, et al. Characteristics, formation mechanisms and potential transport pathways of PM2.5 at a rural background site in Chongqing, Southwest China[J]. Aerosol and Air Quality Research, 2019, 19(9): 1980-1992. DOI:10.4209/aaqr.2019.01.0010 |
| [24] | Deng Z H, Tan C C, Xiang Y G, et al. Association between fine particle exposure and common test items in clinical laboratory: A time-series analysis in Changsha, China[J]. Science of the Total Environment, 2020, 723. DOI:10.1016/j.scitotenv.2020.137955 |
| [25] |
张忠地, 邵天杰, 黄小刚, 等. 2017年京津冀地区PM2.5污染特征及潜在来源分析[J]. 环境工程, 2020, 38(2): 99-106, 134. Zhang Z D, Shao T J, Huang X G, et al. Characteristics and potential sources of PM2.5 pollution in Beijing-Tianjin-Hebei region in 2017[J]. Environmental Engineering, 2020, 38(2): 99-106, 134. |
| [26] |
贺博文, 聂赛赛, 王帅, 等. 承德市PM2.5中碳质组分的季节分布特征及来源解析[J]. 环境科学, 2021, 42(11): 5152-5161. He B W, Nie S S, Wang S, et al. Seasonal variation and source apportionment of carbonaceous species in PM2.5 in Chengde[J]. Environmental Science, 2021, 42(11): 5152-5161. |
| [27] |
朱俊, 王琼真, 丁皓, 等. 环杭州湾区域秋冬季PM2.5中有机碳和元素碳污染特征及来源[J]. 环境污染与防治, 2021, 43(7): 864-870. Zhu J, Wang Q Z, Ding H, et al. Characteristics and sources of organic carbon and elemental carbon in PM2.5 in autumn and winter of Hangzhou Bay area[J]. Environmental Pollution and Control, 2021, 43(7): 864-870. |
| [28] | Zhang L Y, Huang Y M, Liu Y, et al. Characteristics of carbonaceous species in PM2.5 in Wanzhou in the hinterland of the Three Gorges Reservior of northeast Chongqing, China[J]. Atmosphere, 2015, 6(4): 534-546. DOI:10.3390/atmos6040534 |
| [29] |
殷丽娜. 南京市大气细颗粒物中碳组分的时空分布特征及来源研究[D]. 南京: 南京大学, 2016. Yin L N. Seasonal and spatial variations and potential sources of carbon fractions in fine particle matters in Nanjing[D]. Nanjing: Nanjing University, 2016. |
| [30] |
谢添, 曹芳, 章炎麟, 等. 2015~2019年南京北郊碳质气溶胶组成变化[J]. 环境科学, 2022, 43(6): 2858-2866. Xie T, Cao F, Zhang Y L, et al. Changes in carbonaceous aerosol in the northern suburbs of Nanjing from 2015 to 2019[J]. Environmental Science, 2022, 43(6): 2858-2866. |
| [31] | Zhang F W, Zhao J P, Chen J S, et al. Pollution characteristics of organic and elemental carbon in PM2.5 in Xiamen, China[J]. Journal of Environmental Sciences, 2011, 23(8): 1342-1349. DOI:10.1016/S1001-0742(10)60559-1 |
| [32] | Li K J, Talifu D, Gao B, et al. Temporal distribution and source apportionment of composition of ambient PM2.5 in urumqi, North-west China[J]. Atmosphere, 2022, 13(5): 781. DOI:10.3390/atmos13050781 |
| [33] | Cui H, Mao P, Zhao Y, et al. Patterns in atmospheric carbonaceous aerosols in China: emission estimates and observed concentrations[J]. Atmospheric Chemistry and Physics, 2015, 15(15): 8657-8678. DOI:10.5194/acp-15-8657-2015 |
| [34] |
徐雪梅, 冯小琼, 陈军辉, 等. 成都市主城区PM2.5碳组分污染特征分析[J]. 环境化学, 2021, 40(8): 2481-2492. Xu X M, Feng X Q, Chen J H, et al. Pollution characteristics of carbonaceous components in PM2.5 in the Chengdu City[J]. Environmental Chemistry, 2021, 40(8): 2481-2492. |
| [35] |
陈进, 袁畅, 陈雨, 等. 武汉市城区PM2.5碳质组分特征及来源解析[J]. 环境科学与技术, 2022, 45(11): 28-34. Chen J, Yuan C, Chen Y, et al. Pollution characteristics and sources analysis of carbonaceous aerosols in PM2.5 in Wuhan[J]. Environmental Science & Technology, 2022, 45(11): 28-34. |
| [36] | Pandis S N, Seinfeld J H. Atmospheric chemistry and physics: from air pollution to climate change[M]. (3rd ed.). Hoboken: John Wiley & Sons, 2016. |
| [37] | Dao X, Ji D S, Zhang X, et al. Significant reduction in atmospheric organic and elemental carbon in PM2.5 in 2+26 cities in northern China[J]. Environmental Research, 2022, 211. DOI:10.1016/j.envres.2022.113055 |
| [38] | Gong M M, Yin S S, Gu X K, et al. Refined 2013-based vehicle emission inventory and its spatial and temporal characteristics in Zhengzhou, China[J]. Science of the Total Environment, 2017, 599-600: 1149-1159. DOI:10.1016/j.scitotenv.2017.03.299 |
| [39] |
史璐涵, 张颖仪, Kunwar B, 等. 广州市城区站点冬季PM2.5时间变化及碳氮同位素组成特征[J]. 中国环境监测, 2023, 39(1): 81-91. Shi L H, Zhang Y Y, Kunwar B, et al. Temporal variation of PM2.5 and its carbon and nitrogen isotopic composition at an urban site in Guangzhou in winter[J]. Environmental Monitoring in China, 2023, 39(1): 81-91. |
| [40] |
肖致美, 徐虹, 李立伟, 等. 基于在线观测的天津市PM2.5污染特征及来源解析[J]. 环境科学, 2020, 41(10): 4355-4363. Xiao Z M, Xu H, Li L W, et al. Characterization and source apportionment of PM2.5 based on the online observation in Tianjin[J]. Environmental Science, 2020, 41(10): 4355-4363. |
| [41] |
赵孝囡, 王申博, 杨洁茹, 等. 郑州市PM2.5组分、来源及其演变特征[J]. 环境科学, 2021, 42(8): 3633-3643. Zhao X N, Wang S B, Yang J R, et al. Chemical components and sources of PM2.5 and their evolutive characteristics in Zhengzhou[J]. Environmental Science, 2021, 42(8): 3633-3643. |
| [42] | Yu Y Y, Ding F, Mu Y F, et al. High time-resolved PM2.5 composition and sources at an urban site in Yangtze River Delta, China after the implementation of the APPCAP[J]. Chemosphere, 2020, 261. DOI:10.1016/j.chemosphere.2020.127746 |
| [43] |
张晓雨, 赵欣, 应蓉蓉, 等. 广州大气PM2.5中含碳组分的污染特征及来源解析[J]. 生态与农村环境学报, 2018, 34(7): 659-666. Zhang X Y, Zhao X, Ying R R, et al. Characteristics and source apportionments of carbonaceous components in atmospheric fine particles in Guangzhou[J]. Journal of Ecology and Rural Environment, 2018, 34(7): 659-666. |
| [44] |
任宇超, 邹北冰, 朱乔, 等. 深圳市近年来PM2.5污染控制效果分析[J]. 环境污染与防治, 2017, 39(2): 117-121. Ren Y C, Zou B B, Zhu Q, et al. Effects of control measures on Shenzhen PM2.5 pollution in recent years[J]. Environmental Pollution and Control, 2017, 39(2): 117-121. |
| [45] | Tao J, Zhang L M, Cao J J, et al. Source apportionment of PM2.5 at urban and suburban areas of the Pearl River Delta region, south China—with emphasis on ship emissions[J]. Science of the Total Environment, 2017, 574: 1559-1570. DOI:10.1016/j.scitotenv.2016.08.175 |
| [46] | Ding J J, Huang W, Zhao J, et al. Characteristics and source origins of carbonaceous aerosol in fine particulate matter in a megacity, Sichuan Basin, southwestern China[J]. Atmospheric Pollution Research, 2022, 13(1). DOI:10.1016/j.apr.2021.101266 |
| [47] | Deng M J, Chen D H, Zhang G, et al. Policy-driven variations in oxidation potential and source apportionment of PM2.5 in Wuhan, central China[J]. Science of the Total Environment, 2022, 853. DOI:10.1016/j.scitotenv.2022.158255 |
| [48] |
张达标, 陈志明, 莫招育, 等. 百色市PM10和PM2.5中有机碳和元素碳污染特征及来源解析[J]. 环境监测管理与技术, 2019, 31(2): 16-20. Zhang D B, Chen Z M, Mo Z Y, et al. Pollution characteristics and source apportionment of organic carbon and elemental carbon in PM10 and PM2.5 in Baise[J]. The Administration and Technique of Environmental Monitoring, 2019, 31(2): 16-20. DOI:10.3969/j.issn.1006-2009.2019.02.004 |
| [49] |
李朝阳, 袁亮, 张小玲, 等. 成都碳质气溶胶变化特征及二次有机碳的估算[J]. 中国环境科学, 2022, 42(6): 2504-2513. Li Z Y, Yuan L, Zhang X L, et al. Characteristics of carbonaceous aerosols and estimation of secondary organic carbon in Chengdu[J]. China Environmental Science, 2022, 42(6): 2504-2513. DOI:10.3969/j.issn.1000-6923.2022.06.003 |
| [50] |
周一鸣, 韩珣, 王瑾瑾, 等. 南京春季北郊地区大气PM2.5中主要化学组分及碳同位素特征[J]. 环境科学, 2018, 39(10): 4439-4445. Zhou Y M, Han X, Wang J J, et al. Chemical constitution and carbon isotopic compositions of PM2.5 in the northern suburb of Nanjing in spring[J]. Environmental Science, 2018, 39(10): 4439-4445. |
| [51] | Kang M J, Zhang J, Zhang H L, et al. On the relevancy of observed ozone increase during COVID-19 lockdown to summertime ozone and PM2.5 control policies in China[J]. Environmental Science & Technology Letters, 8(4): 289-294. |
| [52] | Dai L, Zhang L, Chen D, et al. Assessment of carbonaceous aerosols in suburban Nanjing under air pollution control measures: Insights from long-term measurements[J]. Environmental Research, 2022, 212. DOI:10.1016/j.envres.2022.113302 |
| [53] |
赵晓楠. 石家庄市大气颗粒物中碳组分污染特征及来源解析[D]. 石家庄: 河北科技大学, 2019. Zhao X N. Analysis of pollution characteristics and sources of carbonaceous species in atmospheric particulate matters in Shijiazhuang[D]. Shijiazhuang: Hebei University of Science and Technology, 2019. |
| [54] |
王果, 迪丽努尔·塔力甫, 买里克扎提·买合木提, 等. 乌鲁木齐市PM2.5和PM2.5~10中碳组分季节性变化特征[J]. 中国环境科学, 2016, 36(2): 356-362. Wang G, Dilnur T, Mailikezhati M, et al. Seasonal changes of carbonaceous species in PM2.5, PM2.5~10 in urumqi[J]. China Environmental Science, 2016, 36(2): 356-362. DOI:10.3969/j.issn.1000-6923.2016.02.006 |
| [55] |
张剑飞, 姜楠, 段时光, 等. 郑州市PM2.5化学组分的季节变化特征及来源解析[J]. 环境科学, 2020, 41(11): 4813-4824. Zhang J F, Jang N, Duan S G, et al. Seasonal chemical composition characteristics and source apportionment of PM2.5 in Zhengzhou[J]. Environmental Science, 2020, 41(11): 4813-4824. DOI:10.3969/j.issn.1000-6923.2020.11.021 |
| [56] |
冯婷, 蔡一鸣, 李振亮, 等. 重庆市典型城区PM2.5含碳气溶胶季节变化和来源解析[J]. 环境科学学报, 2021, 41(5): 1703-1717. Feng T, Cai Y M, Li Z L, et al. Seasonal variation and source apportionment of PM2.5 carbonaceous aerosol in a typical urban area of Chongqing[J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1703-1717. |
| [57] | Ravindra K, Singh T, Mandal T K, et al. Seasonal variations in carbonaceous species of PM2.5 aerosols at an urban location situated in Indo-Gangetic Plain and its relationship with transport pathways, including the potential sources[J]. Journal of Environmental Management, 2022, 303. DOI:10.1016/j.jenvman.2021.114049 |
| [58] | Kraisitnitikul P, Thepnuan D, Chansuebsri S, et al. Contrasting compositions of PM2.5 in Northern Thailand during La Niña (2017) and El Niño (2019) years[J]. Journal of Environmental Sciences, 2024, 135: 585-599. DOI:10.1016/j.jes.2022.09.026 |
| [59] | Salma I, Varga P T, Vasanits A, et al. Secondary organic carbon in different atmospheric environments of a continental region and seasons[J]. Atmospheric Research, 2022, 278. DOI:10.1016/j.atmosres.2022.106360 |
| [60] |
李伟芳, 白志鹏, 魏静东, 等. 天津冬季大气中PM2.5及其主要组分的污染特征[J]. 中国环境科学, 2008, 28(6): 481-486. Li W F, Bai Z P, Wei J D, et al. Pollution characteristics of PM2.5 and its main components in Tianjin winter atmosphere[J]. China Environmental Science, 2008, 28(6): 481-486. DOI:10.3321/j.issn:1000-6923.2008.06.001 |
| [61] | Wang G, Cheng S Y, Li J B, et al. Source apportionment and seasonal variation of PM2.5 carbonaceous aerosol in the Beijing-Tianjin-Hebei Region of China[J]. Environmental Monitoring and Assessment, 2015, 187(3): 143. DOI:10.1007/s10661-015-4288-x |
| [62] | Wang H L, Yan R S, Xu T T, et al. Observation constrained aromatic emissions in Shanghai, China[J]. Journal of Geophysical Research: Atmospheres, 2020, 125(6). DOI:10.1029/2019JD031815 |
| [63] | Zhao M F, Huang Z S, Qiao T, et al. Chemical characterization, the transport pathways and potential sources of PM2.5 in Shanghai: Seasonal variations[J]. Atmospheric Research, 2015, 158-159: 66-78. DOI:10.1016/j.atmosres.2015.02.003 |
| [64] |
叶招莲, 刘佳澍, 李清, 等. 常州夏秋季PM2.5中碳质气溶胶特征及来源[J]. 环境科学, 2017, 38(11): 4469-4477. Ye Z L, Liu J S, Li Q, et al. Characteristics and source identification of carbonaceous aerosols in PM2.5 measurements during summer and fall in Changzhou[J]. Environmental Science, 2017, 38(11): 4469-4477. |
| [65] | Schauer J J, Kleeman M J, Cass G R, et al. Measurement of emissions from air pollution sources. 3. C1-C29 organic compounds from fireplace combustion of wood[J]. Environmental Science & Technology, 2001, 35(9): 1716-1728. |
| [66] | Tao J, Gao J, Zhang L, et al. PM2.5 pollution in a megacity of southwest China: source apportionment and implication[J]. Atmospheric Chemistry and Physics, 2014, 14(16): 8679-8699. DOI:10.5194/acp-14-8679-2014 |
| [67] |
黄莉磊. 中国南方乡村PM2.5中碳质气溶胶污染特征及来源解析——以江西于都某乡村为例[D]. 南昌: 东华理工大学, 2022. Huang L L. Characteristics and source analysis of carbonaceous aerosol pollution in PM2.5 in rural areas of southern China－Take a rural in Yudu Jiangxi Province as example[D]. Nanchang: East China University of Technology, 2022. |
| [68] | Turpin B J, Cary R A, Huntzicker J J. An in situ, time-resolved analyzer for aerosol organic and elemental carbon[J]. Aerosol Science and Technology, 1990, 12(1): 161-171. DOI:10.1080/02786829008959336 |
| [69] | Wu Y, Zhang S J, Hao J M, et al. On-road vehicle emissions and their control in China: a review and outlook[J]. Science of the Total Environment, 2017, 574: 332-349. DOI:10.1016/j.scitotenv.2016.09.040 |
| [70] |
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. DOI:10.7524/j.issn.0254-6108.2018051701 |
| [71] | Cao J J, Wu F, Chow J C, et al. Characterization and source apportionment of atmospheric organic and elemental carbon during fall and winter of 2003 in Xi'an, China[J]. Atmospheric Chemistry and Physics, 2005, 5(11): 3127-3137. DOI:10.5194/acp-5-3127-2005 |
| [72] | Chow J C, Watson J G, Kuhns H, et al. Source profiles for industrial, mobile, and area sources in the big bend regional aerosol visibility and observational study[J]. Chemosphere, 2004, 54(2): 185-208. DOI:10.1016/j.chemosphere.2003.07.004 |
| [73] | Watson J G, Chow J C, Lowenthal D H, et al. Differences in the carbon composition of source profiles for diesel- and gasoline-powered vehicles[J]. Atmospheric Environment, 1994, 28(15): 2493-2505. DOI:10.1016/1352-2310(94)90400-6 |
| [74] |
张灿, 周志恩, 翟崇治, 等. 基于重庆本地碳成分谱的PM2.5碳组分来源分析[J]. 环境科学, 2014, 35(3): 810-819. Zhang C, Zhou Z E, Zhai C Z, et al. Carbon source apportionment of PM2.5 in Chongqing based on local carbon profiles[J]. Environmental Science, 2014, 35(3): 810-819. |