2024, Vol. 45
颗粒物（PM）污染是大气环境治理中的一个重要问题, 对空气质量、能见度、气候变化、人体健康和大气辐射造成一定负影响[1~7], 在大气环境领域引起广泛关注[8~12]. 与粗颗粒物相比, 细颗粒物具有更大的比表面积, 可以更有效地积累重金属[13], 尽管PM2.5组分中金属元素占比一般不超过10%, 但微量的重金属也会通过呼吸吸入、手口摄入和皮肤吸收给人体带来严重的健康风险[14], 附着在细颗粒物上的重金属已成为一个重大问题[15]. 重金属可通过食物链形成生物积累的趋势[16], 长期暴露在高浓度的Pb、Cr（Ⅵ）、As、Ni和Cd等元素中可能导致心脏毒性、神经毒性[17]、免疫毒性[18]和癌症[19, 20]等, 从而导致死亡率的增加, 因此分析细颗粒物中重金属元素污染特征及其对人体健康的影响至关重要.
国内外学者对PM2.5中重金属元素已开展广泛研究, Kumari等[21]的研究分析了印度丹巴德PM10、PM2.5和道路粉尘中重金属元素的污染特征和污染来源并对其健康风险进行了评估；Choi等[22]的研究调查了韩国釜山萨桑工业园区有害重金属（As、Cr6+、Ni、Cd、Pb和Mn）的分布并对其造成的健康影响进行了危害性评价；郑灿利等[23]的研究分析了贵阳市大气PM2.5中重金属的污染特征、潜在来源和健康危害；杨毅红等[24]开展了对珠海市郊区大气PM2.5金属元素污染特征、来源和健康风险的研究. 但以上研究主要基于约24 h分辨率的传统离线膜采样, 无法及时获得金属元素组分的小时变化, 不利于受体模型对一些短时峰值的来源识别, 使用较长采样期及高时间分辨率的数据更有利于改善受体模型的性能, 从而获得更稳定的源解析结果[25].
郑州作为中原经济区的核心城市, 中国主要的交通和通信枢纽城市以及京津冀大气污染传输通道城市之一, 多年来一直遭受频繁的空气污染. 近年来对郑州市大气PM2.5中金属元素的研究[26~28]主要集中在金属元素的污染特征、来源解析和健康风险评估, 缺乏多种来源解析手段联用和健康风险溯源的研究. 因此本研究利用在线多金属监测仪对郑州市2021年冬季和春季大气PM2.5中18种金属元素小时浓度水平进行监测, 分析其污染特征, 使用富集因子、PMF源解析法和污染特征雷达图多种来源解析手段联用的方法识别金属元素的污染源, 使用健康风险评价模型评估金属元素的健康风险, 并通过后向轨迹法和CWT模型解析了健康风险的潜在源区, 以期为郑州市PM2.5重金属污染的精细化防治及改善居民健康提供科技支撑.
1 材料与方法 1.1 采样时间和地点本研究于2021年1月1~30日和4月1~30日进行连续观测, 采样地点位于郑州市环境监测站（113.31°E, 34.82°N）, 采样设备位于监测站站房楼顶, 距地面约15 m. 周围较为开阔, 无高大建筑物遮挡, 适宜样品的采集.
1.2 采样仪器采用美国Cooper Environment Services公司的Xact-625型环境空气金属在线分析仪检测PM2.5中金属元素浓度.仪器可检测30余种元素, 本研究根据采样点实际情况, 选取PM2.5中Pb、Se、Cr、Cd、Zn、Cu、Ni、Fe、Mn、Sb、V、Ba、As、Ca、K、Si、Al和Nb共18种元素用于研究分析.
1.3 评价方法 1.3.1 正定矩阵因子分解法美国环保署推荐的正定矩阵因子分解法（positive matrix factorization, PMF）是大气颗粒物来源解析工作中广泛应用的受体模型[29~32], 该模型主要通过不同组分的时间变化差异识别和量化污染源, 是一种多元因子分析方法. PMF的分析原理可参考文献[33], 本研究通过PMF 5.0对郑州市冬季和春季大气PM2.5中18种元素进行来源解析, 数据不确定度Unc的计算如下[26]：
|
(1) |
|
(2) |
式中, MDL为所用方法检出限；ef为测定结果不确定度的百分比, 一般为10%；c为元素浓度.
1.3.2 污染特征雷达图特征雷达图是在观测数据的基础上利用数学算法推导出平均浓度和组成谱系等共性特征, 能有效反映空气污染特征的时间或空间差异, 直观、快速地判断出哪些污染源或机制影响了环境空气质量特征[34]. 本研究将某一时刻金属元素的污染特征与当月平均污染特征进行对比, 用以确定大气PM2.5中金属元素的污染类型. 数据前处理及特征值算法如下[35].
步骤一：归一化成分谱.
|
(3) |
式中, Zij为i时间第j种污染物归一化成分谱；cij为i时间第j种污染物原始浓度, ng·m-3.
步骤二：污染物特征值.
|
(4) |
式中, CVij为i时间第j种污染物的特征值, Zj为一定时期第j种污染物的均一化值的平均值, Zij为i时间第j种污染物归一化值.
步骤三：一定时期污染物特征标准值及上（下）限值.
标准值为一定时期平均污染特征成分谱与该平均污染特征成分谱的比值, 数值为1.
|
(5) |
|
(6) |
式中, Maxj为第j种污染物的上限, Minj为第j种污染物的下限, Sj为第j种污染物的标准偏差.
1.3.3 富集因子富集因子（enrichment factor, EF）是研究元素在沉积物、土壤和大气颗粒物中富集程度的重要指标, 可用来判断颗粒物中元素的人为源和自然源[36], 富集因子的计算公式如下：
|
(7) |
式中, Ci为元素i的含量, mg·kg-1；CR为参比元素的含量, mg·kg-1.本研究中选取Al为参比元素, 地壳中元素浓度背景值选择《中国土壤背景值》[37]中河南省A层土壤.
1.3.4 健康风险评价本研究通过美国环保署推荐的健康风险评价模型从呼吸途径对进入人体的金属元素进行健康风险评价, 计算公式为：
|
(8) |
式中, c为金属元素浓度, mg·m-3；ADD（LADD）为非致癌（致癌）物质日均摄入剂量, mg·（kg·d）-1；暴露参数取值见表 1[26].
|
表 1 暴露参数取值 Table 1 Exposure factors |
金属元素的非致癌及致癌风险计算如下：
|
(9) |
|
(10) |
|
(11) |
式中, HQ（hazard quotient）为元素的非致癌风险, 无量纲；CR（carcinogenic risks）为致癌风险, 无量纲；RfD为参考摄入剂量, mg·（kg·d）-1；SF为致癌倾斜系数, kg·d·mg-1；其中Pb、Cr（Ⅵ）、Cd、Zn、Cu、Ni、Mn、V和As的RfD分别取3.50 × 10-3、2.86 × 10-5、1.00 × 10-3、3.00 × 10-1、4.00 × 10-2、2.00 × 10-2、1.43 × 10-5、7.00 × 10-3和3.00 × 10-4 mg·（kg·d）-1；Cr（Ⅵ）、Cd、Ni和As的SF分别取84.00、6.30、0.84和15.10 kg·d·mg-1[15, 26]；HI（hazard index）为所有金属元素非致癌风险值（HQ）的总和, 无量纲.
2 结果与讨论 2.1 金属元素污染特征 2.1.1 元素浓度特征由表 2可见冬季和春季18种元素的浓度平均值及其富集因子, 地壳元素浓度明显高于痕量金属元素, Fe、Ca、Si和Al浓度较高, 浓度之和分别占冬季和春季总元素浓度的89.8%和87.5%. 冬季总元素浓度（9 177.6 ng·m-3）低于春季（9 530.0 ng·m-3）, 冬季浓度低于春季的元素为V、Ba、Ca、Si和Al, 其中V的EF小于1, Ba、Ca、Si和Al为典型的地壳元素, 说明V、Ba、Ca、Si和Al均主要受自然源影响, 因此春季总元素浓度较高可能与春季多风且外来传输容易带来大量沙尘有关. 除V、Ba、Ca、Si和Al外, 冬季其余元素浓度均高于春季, 这可能是由于冬季多静稳天气, 便于污染物积累. 此外, As往往给人体带来一定的致癌风险, 冬季和春季ρ（As）均值分别为11.4和9.2 ng·m-3, 达世界卫生组织标准（6.6 ng·m-3）和《环境空气质量标准》（GB 3095-2012, 6 ng·m-3）的1.7（1.4）倍和1.9（1.5）倍.
|
|
表 2 郑州市冬季和春季PM2.5中元素浓度对比1） Table 2 Comparison of element concentration in PM2.5in winter and spring in Zhengzhou |
表 2还列出了各元素在冬季和春季的富集因子计算结果, 以反映来源特征. Pb、Cd、Zn、Cu、Sb、As和冬季Mn的EF均大于10, 说明主要受人为源影响[27], 其中Cd的EF最高, 最高值在冬季为1 716.4, 属于重度富集. V、Ba和春季K的EF均小于1, 未富集, 说明主要受自然源影响. 其余元素的EF处于1~10之间, 表明同时受人为源和自然源影响. 此外, V和Ba两季EF差距较小, 其余元素EF均呈现冬季明显高于春季的特征, 这可能与冬季大气扩散能力弱, 不利于污染物去除有关.
2.1.2 不同污染等级金属元素浓度特征根据日均PM2.5浓度和《环境空气质量指数（AQI）技术规定》（试行）（HJ 633-2012）中空气质量的分级, 将观测期间的空气质量分为：优[0, 35 μg·m-3]、良（35, 75 μg·m-3]、轻度污染（75, 115 μg·m-3]、中度污染（115, 150 μg·m-3]、重度污染（150, 250 μg·m-3]和严重污染（250, 500 μg·m-3], 图 1为不同空气质量下冬季和春季各元素浓度.
|
图 1 不同污染等级下元素浓度 Fig. 1 Concentrations of elements at different pollution levels |
冬季随着污染水平的变化, Pb、Se、Zn、Ni、Sb和K浓度总体上呈现随污染等级的提高而增加的特征, 这些元素主要来自于燃煤排放和生物质燃烧, 此现象可能与冬季重度污染天大气扩散条件弱, 污染物大量积累, 燃煤量和附近村落秸秆焚烧增加有关. Cr、Cd、Cu、Fe、Mn、V、Ba、As、Ca、Si和Al浓度最高值基本集中在轻度或中度污染天, 其中Fe、Mn、Ca、Si和Al浓度最高值与严重污染天差距较大, 浓度最高值可达严重污染天的3.6~13.1倍, 有研究表明Fe、Mn、Ca、Si和Al均为地壳元素, 冬季地壳元素浓度高值集中在轻中度污染天可能是由于冬季轻中度污染天大气扩散能力相对较强, 有利于大气颗粒物的扩散, 但同时也容易受到外来传输的影响带来大量沙尘, 导致地壳元素浓度升高.
春季各污染等级下Cd和Nb浓度的差距不大, Cr、Ni、Fe、Mn、V、Ba、Ca、K、Si、Al浓度呈现随污染等级的提高而增加的特征, 这可能是由于重度污染天气象条件稳定, 大气扩散能力弱, 造成金属元素积累. Pb、Se、Zn、Cu、Sb和As浓度最高值主要集中在轻度污染天, 这可能与本地重污染天进行交通管控、有色金属冶炼停产等应急管控措施有关[38], 导致重度污染天Pb、Se、Zn、Cu、Sb和As等重金属浓度降低.
2.2 金属元素来源解析 2.2.1 金属元素PMF源解析通过PMF5.0对冬季和春季PM2.5中18种元素进行了来源解析, 选取3~7个因子进行多次迭代运行, 最终确定4个因子分析郑州市冬季和春季PM2.5中元素的来源及贡献.
冬季元素PMF解析结果如图 2（a）所示. 因子1中Cr、Cu、Fe和Mn载荷较高, Cr可能来自工业生产中的高温熔炼过程[39], Cu可能来自工业排放[40], Fe和Mn除地壳来源外, 还可能来自钢铁工业排放, 采样点附近无钢铁厂, Fe和Mn的累积可能主要受大气传输影响, 因此因子1为工业源；因子2中V、Ba、Ca、Si和Al载荷较高, 由2.1.1节可知V的EF小于1, 说明V主要受自然源影响, 而Ba、Ca、Si和Al均为典型的地壳源示踪元素, 因此因子2代表地壳源；因子3中Cd和Sb载荷较高, Cd可能来自机动车排放[40], Sb主要来自汽车刹车片磨损[41], 且Cd和Sb的EF均大于100, 因此因子3代表机动车源；因子4中Pb、Se、Zn、Ni和As等载荷较高, Pb、Se和As是燃煤排放的典型元素[42, 43], Zn来自垃圾焚烧[44], Ni主要来自工业燃油, 因此将因子4归为混合燃烧源.
|
图 2 金属元素PMF源解析因子贡献 Fig. 2 Factor contribution of metal elements calculated using the PMF model |
春季元素PMF解析结果如图 2（b）所示, 各因子中载荷较高的元素与冬季结果相近, 因子1中V、Ba、Ca、K、Si和Al载荷较高, V和K在春季的EF均小于1, 说明主要受自然源影响, 因此将因子1归为地壳源；因子2中Cu、Ni和Mn载荷较高, Cu可能来自金属冶炼过程, Ni来自工业燃油, Mn可能来自外来传输的钢铁工业排放, 因此因子2代表工业源；因子3和因子4载荷较高的元素与冬季因子3和因子4相近, 同理分别归为机动车源和混合燃烧源.
2.2.2 特征雷达图源解析本研究通过特征雷达图对PM2.5中18种元素进行进一步来源分析, 以探究污染类型, 其中金属元素污染类型如下.
综合污染：如图 3（a）所示, 各元素特征值均未超过上限, 说明该时刻污染特征与当月平均污染特征相比没有明显变化, 故此类型为综合污染.
|
图 3 金属元素污染类型 Fig. 3 Type of metal element pollution |
地壳源：如图 3（b）所示, Ba和Ca特征值明显超过上限, Ba和Ca为典型的地壳源示踪元素, 故此类型为地壳源污染.
工业源：如图 3（c）所示, Cu、Fe和Mn特征值明显超过上限, Cu可能来自工业排放, Fe和Mn除地壳源还可能来自钢铁工业排放, 故此类型为工业源污染.
混合燃烧源：如图 3（d）所示, Pb、Se、As和K等特征值明显超过上限, Pb、Se和As均为燃煤的示踪元素, K来自生物质燃烧[45], 故此类型为混合燃烧源污染.
机动车源：如图 3（e）所示, Cd和Sb特征值明显超过上限, Cd可能来自机动车排放, Sb主要来自汽车刹车片磨损, 故此类型为机动车源污染.
本研究通过特征雷达图对PM2.5中18种元素进行进一步来源分析, 以探究污染类型, 观测期间的各元素污染类型时间占比情况如图 4所示, 冬季各类型污染时间占比从大到小依次为：工业源（33.3%）、地壳源（30.0%）、混合燃烧源（20.0%）、机动车源（10.0%）和综合污染（6.7%）. 春季各类型占比从大到小依次为：地壳源（43.4%）、工业源（20.0%）、混合燃烧源（13.3%）、机动车源（13.3%）和综合污染（10.0%）. 冬季与春季相比, 工业源和混合燃烧源时间占比较高, 地壳源、机动车源和综合污染相对时间占比较低, 这可能是由于冬季气象条件稳定, 大气边界层较低, 污染物扩散受到抑制, 便于来自人为排放的金属元素大量积累, 而春季多风, 大气扩散条件较好, 容易受到外来沙尘传输的影响, 常发生沙尘和扬尘等污染.
|
图 4 金属元素污染类型季节占比 Fig. 4 Proportion of metal elements pollution types |
本研究应用美国环保署推荐的健康风险评价模型对具有非致癌或致癌风险的Pb、Cr（Ⅵ）、Cd、Zn、Cu、Ni、Mn、V和As共9种元素进行计算, 以探究冬春两季PM2.5中重金属对成人及儿童的健康影响. 当致癌风险CR小于10-6、处于10-6~10-4范围内或大于10-4时分别表示无致癌风险、处于人体可接受范围或存在致癌风险. 当非致癌风险HQ < 1或 > 1时表示非致癌风险在人体可接受范围或存在致癌风险.
由表 3可知, 冬季所受总致癌风险（儿童1.40 × 10-5, 成人2.95 × 10-5）均大于春季（儿童1.10 × 10-5, 成人2.32 × 10-5）, 且冬季和春季总致癌风险值均在10-6~10-4范围内, 说明冬春两季致癌风险均处在人体可接受范围内；冬春两季成人所受总致癌风险均高于儿童, 均可达儿童的2.1倍；Ni对儿童和成人的CR值以及Cd对儿童的CR值均小于预防标准（10-6）, 而Cr（Ⅵ）和As对儿童和成人的CR值以及Cd对成人的CR值均在10-6~10-4范围内, 存在潜在的致癌风险, 其中As造成的潜在致癌风险最大（冬季：儿童8.09 × 10-6, 成人1.71 × 10-5；春季：儿童6.58 × 10-6, 成人1.39 × 10-5）, 大气中As主要来自燃煤, 有效管控燃煤排放可降低As对人体的健康危害.
|
|
表 3 冬季和春季PM2.5中重金属的致癌和非致癌风险1） Table 3 Carcinogenic and non-carcinogenic risks of heavy metals in PM2.5 in winter and spring |
此外, 表 3还列出了冬季和春季的非致癌风险计算结果. 冬季总非致癌风险（儿童10.20, 成人4.30）均大于春季（儿童4.49, 成人1.90）, 约为春季的2.3倍, 且冬春两季总非致癌风险均大于1, 存在明显的非致癌风险；冬春两季儿童所受总非致癌风险均高于成人, 均约为成人的2.4倍；元素中Mn的HQ值（冬季：儿童10.10, 成人4.28；春季：儿童4.46, 成人1.88）大于1, 存在明显的非致癌风险, Mn主要来自工业排放, 重污染天限工限产可有效降低Mn对人体的健康危害, 其余元素HQ值均小于1, 不存在非致癌风险.
2.3.2 健康风险溯源本研究通过后向轨迹方法和浓度权重轨迹分析法分别对郑州气团轨迹聚类和元素健康风险潜在源区进行分析. 从图 5和表 4可看出, 冬季郑州市气团主要受5条轨迹贡献, 轨迹1和3为西北轨迹, 传输距离较远, 由新疆经由内蒙、宁夏、陕西和山西等地；轨迹2为西北中距离传输, 由陕西北部经由山西南部和河南西北部进入郑州；轨迹4为北偏西远距离传输, 途经内蒙和山西等地；轨迹5为东向短距离传输, 由安徽北部经由河南东部. 轨迹1、2、3和5带来的污染物对成人均具有潜在致癌风险, 轨迹1至5带来的污染物对人群均具有明显的非致癌风险, 其中轨迹2对人群的致癌风险贡献最高, 轨迹1对人群的非致癌风险贡献最高, 说明郑州冬季致癌风险主要受周边地区局部传输影响, 非致癌风险主要受西北远距离传输影响.
|
图 5 气流后向轨迹聚类 Fig. 5 Clustering of backward trajectory of airflow |
|
|
表 4 各轨迹相应致癌和非致癌风险 Table 4 Carcinogenic and non-carcinogenic risks associated with trajectory |
春季气团主要受3条轨迹贡献, 轨迹1为东南中距离传输, 由安徽东北部经由安徽西北部和河南中部地区；轨迹3为东北中距离传输, 由河北南部经由河南北部；轨迹2为西北远距离传输, 由内蒙经由宁夏、陕西和山西. 轨迹1、2和3带来的污染物对成人具有潜在致癌风险, 轨迹1和2携带污染物对人群均具有明显的非致癌风险, 其中轨迹2对人群贡献的致癌风险和非致癌风险均最高, 说明春季健康风险主要受西北远距离传输贡献.
由图 6可知, 冬季对成人和儿童致癌风险贡献最大的地区是郑州及河南西部地区、山东西南部和山西中部等地, 贡献值均在10-6~10-4范围内, 具有潜在致癌风险. 对成人非致癌风险贡献最大的地区是郑州及河南西部地区、山西中部和新疆东南部等地, 对儿童非致癌风险贡献最大的地区是河南西部地区、陕西东南部、陕西北部和新疆东南部等地, 贡献值均大于10, 具有明显的非致癌风险. 春季对成人和儿童致癌风险最高的地区是河南西部地区, 贡献值均在10-6~10-4范围内, 具有潜在致癌风险. 对成人和儿童非致癌风险贡献最大的地区是河南东部地区, 贡献值均大于1, 具有明显的非致癌风险. 综上说明郑州健康风险主要受到本地及周边城市贡献, 与翟诗婷等[36]的研究发现相一致, 其中冬季存在更严重的健康风险, 贡献高值地区分布范围较广, 贡献最高的地区主要为郑州及周边城市, 以及西北方向的山西中部和新疆东南部等地；春季健康风险较冬季明显降低, 贡献高值地区分布范围明显缩小, 贡献最高的地区主要为郑州及周边城市.
|
CR为总致癌风险, HI为总非致癌风险 图 6 基于CWT的金属元素致癌和非致癌风险的源区空间分布 Fig. 6 Spatial distribution of source for carcinogenic and non-carcinogenic risks of metal elements based on CWT |
（1）郑州市冬季元素浓度低于春季, Fe、Ca、Si和Al分别占冬季和春季总元素浓度的89.8%和87.5%. Cd属于重度富集, 受人为污染影响严重. 冬季Pb、Se、Zn、Ni、Sb和K以及春季Cr、Ni、Fe、Mn、V、Ba、Ca、K、Si和Al浓度随污染等级的提高而增加.
（2）PMF源解析结果显示, 郑州冬季和春季PM2.5中金属元素主要来源有：工业源、地壳源、机动车源和混合燃烧源；由特征雷达图源解析结果得工业源和混合燃烧源主导的污染主要发生在冬季, 地壳源主导的污染主要发生在春季.
（3）冬春两季均存在明显的非致癌风险, 其中冬季健康风险更严重, Mn对人群存在明显的非致癌风险. 冬季健康风险主要受郑州及周边地区局部传输和西北方向远距离输送影响, 春季健康风险主要受郑州及周边地区影响.
| [1] | Qi M, Zhu X, Du W, et al. Exposure and health impact evaluation based on simultaneous measurement of indoor and ambient PM2.5 in Haidian, Beijing[J]. Environmental Pollution, 2017, 220: 704-712. DOI:10.1016/j.envpol.2016.10.035 |
| [2] | Song S K, Shon Z H, Park Y H. Diurnal and seasonal characteristics of the optical properties and direct radiative forcing of different aerosol components in Seoul megacity[J]. Science of the Total Environment, 2017, 599-600: 400-412. DOI:10.1016/j.scitotenv.2017.04.195 |
| [3] | Zhang H Y, Cheng S Y, Li J B, et al. Investigating the aerosol mass and chemical components characteristics and feedback effects on the meteorological factors in the Beijing-Tianjin-Hebei region, China[J]. Environmental Pollution, 2019, 244: 495-502. DOI:10.1016/j.envpol.2018.10.087 |
| [4] | Choi D Y, Jung S H, Song D K, et al. Al-coated conductive fibrous filter with low pressure drop for efficient electrostatic capture of ultrafine particulate pollutants[J]. ACS Applied Materials & Interfaces, 2017, 9(19): 16495-16504. |
| [5] | Li L L, Tan Q W, Zhang Y H, et al. Characteristics and source apportionment of PM2.5 during persistent extreme haze events in Chengdu, southwest China[J]. Environmental Pollution, 2017, 230: 718-729. DOI:10.1016/j.envpol.2017.07.029 |
| [6] | Zhong J T, Zhang X Y, Wang Y Q, et al. The two-way feedback mechanism between unfavorable meteorological conditions and cumulative aerosol pollution in various haze regions of China[J]. Atmospheric Chemistry and Physics, 2019, 19(5): 3287-3306. DOI:10.5194/acp-19-3287-2019 |
| [7] | Cheng M T, Tang G Q, Lv B, et al. Source apportionment of PM2.5 and visibility in Jinan, China[J]. Journal of Environmental Sciences, 2021, 102: 207-215. DOI:10.1016/j.jes.2020.09.012 |
| [8] |
董世豪, 谢扬, 皇甫延琦, 等. 扬州市PM2.5中重金属来源及潜在健康风险评估[J]. 环境科学, 2019, 40(2): 540-547. Dong S H, Xie Y, HUANGFU Y Q, et al. Source apportionment and heath risk quantification of heavy metals in PM2.5 in Yangzhou, China[J]. Environmental Science, 2019, 40(2): 540-547. |
| [9] |
白雯宇, 徐勃, 郭丽瑶, 等. 淄博市冬季PM2.5载带金属元素污染特征、生态风险评价及来源分析[J]. 环境科学, 2022, 43(5): 2336-2342. Bai W Y, Xu B, Guo L Y, et al. Characteristics, ecological risk assessment, and sources of the polluted metallic elements in PM2.5 during winter in Zibo City[J]. Environmental Science, 2022, 43(5): 2336-2342. |
| [10] | Goudarzi G, Alavi N, Geravandi S, et al. Health risk assessment on human exposed to heavy metals in the ambient air PM10 in Ahvaz, southwest Iran[J]. International Journal of Biometeorology, 2018, 62(6): 1075-1083. DOI:10.1007/s00484-018-1510-x |
| [11] | Yu W Y, Liu S Y, Jiang J F, et al. Burden of ischemic heart disease and stroke attributable to exposure to atmospheric PM2.5 in Hubei Province, China[J]. Atmospheric Environment, 2020, 221. DOI:10.1016/j.atmosenv.2019.117079 |
| [12] | Saini P, Sharma M. Cause and age-specific premature mortality attributable to PM2.5 exposure: an analysis for million-plus Indian cities[J]. Science of the Total Environment, 2020, 710. DOI:10.1016/j.scitotenv.2019.135230 |
| [13] | Najmeddin A, Keshavarzi B, Moore F, et al. Source apportionment and health risk assessment of potentially toxic elements in road dust from urban industrial areas of Ahvaz megacity, Iran[J]. Environmental Geochemistry and Health, 2018, 40(4): 1187-1208. DOI:10.1007/s10653-017-0035-2 |
| [14] |
曲光辉, 孙俊苹, 王申博, 等. 郑州市大气PM2.5中重金属的污染特征、来源及健康风险评估: 基于高分辨数据[J]. 环境科学, 2022, 43(4): 1706-1715. Qu G H, Sun J P, Wang S B, et al. Pollution characterization, source identification, and health risks of atmospheric particle-bound heavy metals in PM2.5 in Zhengzhou City: based on high-resolution data[J]. Environmental Science, 2022, 43(4): 1706-1715. DOI:10.3969/j.issn.1000-6923.2022.04.025 |
| [15] |
崔阳, 郭利利, 李宏艳, 等. 基于在线观测的太原市冬季PM2.5中金属元素污染水平及来源解析[J]. 环境科学, 2023, 44(5): 2441-2449. Cui Y, Guo L L, Li H Y, et al. On-line measurement of trace elements in PM2.5 in winter in urban Taiyuan, China: levels and source apportionment[J]. Environmental Science, 2023, 44(5): 2441-2449. |
| [16] | Hu B F, Xue J, Zhou Y, et al. Modelling bioaccumulation of heavy metals in soil-crop ecosystems and identifying its controlling factors using machine learning[J]. Environmental Pollution, 2020, 262. DOI:10.1016/j.envpol.2020.114308 |
| [17] | Zhang Y, Feng J F, Gao Y F, et al. Physiologically based toxicokinetic and toxicodynamic (PBTK-TD) modelling of Cd and Pb exposure in adult zebrafish Danio rerio: accumulation and toxicity[J]. Environmental Pollution, 2019, 249: 959-968. DOI:10.1016/j.envpol.2019.03.115 |
| [18] |
李倩, 周志俊, 张玉彬. 铅对机体免疫系统的毒作用及其机制的研究进展[J]. 环境与职业医学, 2016, 33(5): 523-527. Li Q, Zhou Z J, Zhang Y B. Research advances on toxic effects and mechanism of lead on immune system[J]. Journal of Environmental & Occupational Medicine, 2016, 33(5): 523-527. |
| [19] | Ma Z Z, Duan L, Jiang J K, et al. Characteristics and threats of particulate matter from zinc electrolysis manufacturing facilities[J]. Journal of Cleaner Production, 2020, 259. DOI:10.1016/j.jclepro.2020.120874 |
| [20] |
安玉琴, 王磊, 金红, 等. 保定市2014-2018年采暖季PM2.5中金属与类金属元素的健康风险评估[J]. 环境与职业医学, 2020, 37(11): 1083-1088. An Y Q, Wang L, Jin H, et al. Health risk assessment of metals and metalloids in PM2.5 during heating season from 2014 to 2018 in Baoding[J]. Journal of Environmental and Occupational Medicine, 2020, 37(11): 1083-1088. |
| [21] | Kumari S, Jain M K, Elumalai S P. Assessment of pollution and health risks of heavy metals in particulate matter and road dust along the road network of Dhanbad, India[J]. Journal of Health & Pollution, 2021, 11(29). DOI:10.5696/2156-9614-11.29.210305 |
| [22] | Choi S H, Choi S W, Kim D Y, et al. Evaluation of health risk from concentrations of heavy metal in PM-10 and PM-2.5 particles at Sasang industrial complex of Busan, Korea[J]. Journal of Environmental Analysis, Health and Toxicology, 2021, 24(3): 133-148. DOI:10.36278/jeaht.24.3.133 |
| [23] |
郑灿利, 范雪璐, 董娴, 等. 贵阳市秋冬季PM2.5中重金属污染特征、来源解析及健康风险评估[J]. 环境科学研究, 2020, 33(6): 1376-1383. Zheng C L, Fan X L, Dong X, et al. Characteristics, sources and health risk assessment of heavy metals in PM2.5 collected between autumn and winter in Guiyang City[J]. Research of Environmental Sciences, 2020, 33(6): 1376-1383. |
| [24] |
杨毅红, 贾燕, 卞国建, 等. 珠海市郊区大气PM2.5中元素特征及重金属健康风险评价[J]. 环境科学, 2019, 40(4): 1553-1561. Yang Y H, Jia Y, Bian G J, et al. Elemental characteristics and health risk assessment of heavy metals in atmospheric PM2.5 in a suburb of Zhuhai City[J]. Environmental Science, 2019, 40(4): 1553-1561. |
| [25] | Tian Y Z, Xiao Z M, Wang H T, et al. Influence of the sampling period and time resolution on the PM source apportionment: study based on the high time-resolution data and long-term daily data[J]. Atmospheric Environment, 2017, 165: 301-309. DOI:10.1016/j.atmosenv.2017.07.003 |
| [26] |
姚森, 王乾恒, 薛妍, 等. 郑州市冬季大气PM2.5金属元素来源及健康风险评价[J]. 环境科学, 2022, 43(5): 2329-2335. Yao S, Wang Q H, Xue Y, et al. Source apportionment and health risk assessment of metal elements in ambient PM2.5 in the winter of Zhengzhou[J]. Environmental Science, 2022, 43(5): 2329-2335. |
| [27] |
闫广轩, 张朴真, 王晨, 等. 郑州市采暖期与非采暖期PM2.5中重金属来源及潜在健康风险评价[J]. 环境科学学报, 2019, 39(8): 2811-2820. Yan G X, Zhang P Z, Wang C, et al. Source apportionment and health risk assessment of heavy metals of PM2.5 in heating and non-heating period in Zhengzhou[J]. Acta Scientiae Circumstantiae, 2019, 39(8): 2811-2820. |
| [28] |
闫广轩, 张朴真, 黄海燕, 等. 郑州-新乡冬季PM2.5中元素浓度特征及其源分析[J]. 环境科学, 2019, 40(5): 2027-2035. Yan G X, Zhang P Z, Huang H Y, et al. Concentration characteristics and source analysis of PM2.5 during wintertime in Zhengzhou-Xinxiang[J]. Environmental Science, 2019, 40(5): 2027-2035. |
| [29] | Gao J, Peng X, Chen G, et al. Insights into the chemical characterization and sources of PM2.5 in Beijing at a 1-h time resolution[J]. Science of the Total Environment, 2016, 542: 162-171. DOI:10.1016/j.scitotenv.2015.10.082 |
| [30] | Liu B S, Wu J H, Zhang J Y, et al. Characterization and source apportionment of PM2.5 based on error estimation from EPA PMF 5.0 model at a medium city in China[J]. Environmental Pollution, 2017, 222: 10-22. DOI:10.1016/j.envpol.2017.01.005 |
| [31] | Hao Y F, Meng X P, Yu X P, et al. Characteristics of trace elements in PM2.5 and PM10 of Chifeng, Northeast China: insights into spatiotemporal variations and sources[J]. Atmospheric Research, 2018, 213: 550-561. DOI:10.1016/j.atmosres.2018.07.006 |
| [32] |
缪青, 杨倩, 吴也正, 等. COVID-19管控期间苏州市PM2.5中金属元素浓度变化及来源解析[J]. 环境科学, 2022, 43(6): 2851-2857. Miao Q, Yang Q, Wu Y Z, et al. Concentration variation and source analysis of metal elements in PM2.5 during COVID-19 control in Suzhou[J]. Environmental Science, 2022, 43(6): 2851-2857. |
| [33] | Zong Z, Wang X P, Tian C G, et al. Source apportionment of PM2.5 at a regional background site in North China using PMF linked with radiocarbon analysis: insight into the contribution of biomass burning[J]. Atmospheric Chemistry and Physics, 2016, 16(17): 11249-11265. DOI:10.5194/acp-16-11249-2016 |
| [34] |
张咪, 段菁春, 殷丽娜, 等. 北京市2018年春季一次沙尘回流过程的污染特征[J]. 中国环境科学, 2021, 41(11): 4990-4998. Zhang M, Duan J C, Yin L N, et al. Pollution characteristics of a dust backflow process in Beijing in the spring of 2018[J]. China Environmental Science, 2021, 41(11): 4990-4998. DOI:10.3969/j.issn.1000-6923.2021.11.004 |
| [35] |
段菁春, 胡京南, 谭吉华, 等. 特征雷达图的设计及其在大气污染成因分析中的应用[J]. 环境科学研究, 2018, 31(8): 1329-1336. Duan J C, Hu J N, Tan J H, et al. Design of characteristic radar chart and its application in air pollution analysis[J]. Research of Environmental Sciences, 2018, 31(8): 1329-1336. |
| [36] |
翟诗婷, 王申博, 张栋, 等. 郑州市典型污染过程PM1中重金属浓度、来源及健康风险评估[J]. 环境科学, 2022, 43(3): 1180-1189. Zhai S T, Wang S B, Zhang D, et al. Concentration, source, and health risk assessment of PM1 heavy metals in typical pollution processes in Zhengzhou[J]. Environmental Science, 2022, 43(3): 1180-1189. |
| [37] | 国家环境保护局, 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. |
| [38] | 郑州市人民政府. 郑州市人民政府关于印发郑州市重污染天气应急预案(2018年修订)的通知[EB/OL]. http://public.zhengzhou.gov.cn/10EBT/217654.jhtml, 2018-10-23. |
| [39] | Pan Y P, Wang Y S, Sun Y, et al. Size-resolved aerosol trace elements at a rural mountainous site in Northern China: importance of regional transport[J]. Science of the Total Environment, 2013, 461-462: 761-771. DOI:10.1016/j.scitotenv.2013.04.065 |
| [40] | Duan J C, Tan J H. Atmospheric heavy metals and Arsenic in China: situation, sources and control policies[J]. Atmospheric Environment, 2013, 74: 93-101. DOI:10.1016/j.atmosenv.2013.03.031 |
| [41] | Fabretti J F, Sauret N, Gal J F, et al. Elemental characterization and source identification of PM2.5 using positive matrix factorization: the Malraux Road tunnel, Nice, France[J]. Atmospheric Research, 2009, 94(2): 320-329. DOI:10.1016/j.atmosres.2009.06.010 |
| [42] | Li Q, Cheng H G, Zhou T, et al. The estimated atmospheric lead emissions in China, 1990-2009[J]. Atmospheric Environment, 2012, 60: 1-8. DOI:10.1016/j.atmosenv.2012.06.025 |
| [43] |
杨婧, 郭晓爽, 滕曼, 等. 我国大气细颗粒物中金属污染特征及来源解析研究进展[J]. 环境化学, 2014, 33(9): 1514-1521. Yang J, Guo X S, Teng M, et al. A review of atmospheric fine particulate matter associated trace metal pollutants in China[J]. Environmental Chemistry, 2014, 33(9): 1514-1521. |
| [44] |
陈江, 费勇, 马鑫雨, 等. 燃煤与垃圾焚烧飞灰中细颗粒物PM2.5的重金属元素风险评价[J]. 中国粉体技术, 2016, 22(2): 104-107. Chen J, Fei Y, Ma X Y, et al. Risk assessment on heavy metal elements of fine particulate matter PM2.5 in fly ash origin from coal and waste incineration[J]. China Powder Science and Technology, 2016, 22(2): 104-107. |
| [45] | 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. DOI:10.1016/j.atmosenv.2003.11.037 |