2024, Vol. 45
2. 河南农业大学资源与环境工程学院, 郑州 450046
2. College of Resources and Environment, Henan Agricultural University, Zhengzhou 450046, China
近年来, 随着我国社会经济的快速发展, 空气污染已经成为亟待解决的一大环境问题. PM2.5是大气环境中组成最复杂、危害最大的污染物之一, 亦是导致全球气候变化、雾-霾和臭氧层破坏等重大环境问题的重要因素[1 ~ 3].北京市作为中国的首都和人口密集的大城市, 长期以来一直面临着严重的PM2.5污染问题[4, 5].重金属元素（如Cd和Cr等）是PM2.5载带污染物中一类毒性较强、对人体健康危害较大和同时具有非致癌及致癌毒效应的物质[6 ~ 9]. PM2.5载带重金属的来源复杂多样, 如工业废气、交通尾气和燃煤排放等多个方面[10, 11], 其排放量和组成会受到政策的影响.近年来, 北京及周边地区出台了多个政策文件, 如《北京市大气污染防治条例》《北京市打赢蓝天保卫战三年行动计划》和“煤改清洁能源工程”等措施来调整能源结构和改善区域大气环境.因此, 不乏北京市大气PM2.5及其载带重金属的污染水平及其来源解析的相关研究[10 ~ 13].然而, 基于定点持续监测评估大气重金属的污染特征、来源及健康风险的年际变化, 并进一步探讨相关政策对其影响的研究很少.
本研究连续采集北京市城区的PM2.5样本, 分析其中重金属及其他富集元素As、Ba、Ca、Cd、Co、Cr、Cu、Fe、Pb、V、Zn、Mn和Ni的浓度, 利用正定矩阵因子分解模型（PMF）进行定量源解析；结合重金属的毒性参数, 采用健康风险评估“四步法”评价源的潜在健康风险, 并对污染源进行风险排序；通过对重金属的污染特征、来源和其健康风险的变化趋势进行深入分析, 探讨其与大气污染管控措施实施的关联, 旨在为进一步优化大气重金属污染治理措施和有效保护居民健康提供科学依据.
1 材料与方法 1.1 样品采集和分析利用智能大流量颗粒物采样器（TH-1000CII, 武汉市天虹仪表有限责任公司）采集北京市城区的逐日PM2.5样品.采样周期为2021年4月至2022年3月底.采样点位置如图 1所示, 位于北京市北京师范大学海淀校区南院内, 周围以商住区为主, 可作为北京市城区一般环境的代表.样品采集时间为每日09：00至次日09：00, 每24 h收集一次样品.使用石英纤维滤膜（尺寸：18 cm×23 cm, Whatman, GE Healthcare美国）采样；为保证数据质量, 采集样品前, 需将石英纤维滤膜用马弗炉450℃烘烤6 h活化, 活化后的石英滤膜样品在恒温恒湿箱中平衡48 h后称重记录采样前滤膜质量, 并在-20℃冰箱保存备用.采样结束后的滤膜同样在恒温恒湿箱中平衡48 h后称重记录采样后滤膜质量.
|
图 1 采样点示意 Fig. 1 Location of the sampling sites |
滤膜消解方式为：加入20 mL盐酸和硝酸混合溶液（配置比例：335 mL盐酸、111 mL硝酸混合稀释至1 L）, 置于电热消解仪（DigiBlock ED54 i-Touch, 美国LabTech公司）上加盖100℃加热2 h.消解完成后取下罐盖, 于电热消解仪上加热至135℃赶酸2 h, 取出反应罐冷却后将反应液转移至25 mL比色管中用高纯水定容待测.利用电感耦合等离子体发射光谱仪（ICP-OES, Optima 8000, 美国PerkinElmer公司）测定样本中Ba、Ca、Cu和Fe等13种金属元素浓度.使用NCS181139作为标准物质进行质量控制, 各元素的回收率均在10%以内.
2016年、2017年和2018年的样品数据来自于课题组之前的研究, 采样地点同上, 采样时间为2016年、2017年和2018年（除大风和下雨等天气）全年[14, 15].
1.2 数据处理借助Excel和SPSS（IBM SPSS Statistics 23）对实验数据进行统计分析, 统计图表使用Origin 2021和RStudio绘制.
1.3 PMF源解析正定矩阵因子分解法（PMF）是1993年由Paatero等[16]在传统因子分析法的基础上开发的新的颗粒物源解析方法.该模型通过不断分解受体矩阵X, 以得到最优的因子得分和载荷矩阵G和F, 最优的判定标准是目标函数Q有最小值.目标函数Q计算公式为：
|
(1) |
式中, xi, j为第i个样品中第j个元素的浓度, gi, k为因子k对第i个样品的相对贡献, fk, j为因子k中第j个元素的浓度, ei, j为残差, ui, j为第i个样品中第j个元素浓度的不确定性大小.
PMF模型需要两组输入数据, 一组为样本元素的浓度数据, 另一组为与浓度数据对应的不确定性（Unc）数据.计算不确定性的公式如下：
|
(2) |
式中, EF为样品误差分数, 本文取经验值0.1[17, 18]；ρ为金属元素浓度；MDL为相应的方法检出限, 见表 1.
|
表 1 各金属元素的MDL/μg·L-1 Table 1 MDL of each element/μg·L-1 |
1.4 健康风险分析
由于大气中的PM2.5携带金属主要通过呼吸途径进入人体, 对人体健康产生影响[14].因此, 本研究仅考虑呼吸暴露途径下金属暴露的风险, 并针对北京城区一般人群评估了暴露在现有大气浓度下30 a的致癌及非致癌健康风险.由于Cr（Ⅵ）的毒性比Cr（Ⅲ）更高, 并且USEPA及我国环境大气标准均以Cr（Ⅵ）作为标准, 故由总Cr浓度推得Cr（Ⅵ）的浓度[Cr（Ⅵ）占总Cr浓度的1/7][19 ~ 22].
本文采用US EPA推荐的危害商值（hazard quotient, HQ）和致癌风险（cancer risk, CR）评价健康风险.
非致癌健康风险：
|
(3) |
|
(4) |
|
(5) |
式中, i为不同的重金属；ADC为日均暴露浓度, ng·m-3；ρ为PM2.5载带金属浓度, ng·m-3, 本文取平均浓度的95%置信区间上限值（95% UCL）, 作为最大合理暴露量相对保守地估计人群健康风险；ED（exposure duration）为暴露持续时间, 取值30；该参数值取自我国人群暴露参数手册[23 ~ 25]. AT（average time）为平均化时间, ED×365；EF（exposure frequency）为暴露频率, 取值为350；RfC为金属元素参考浓度, ng·m-3, 取值见表 2；HQ为单一金属的非致癌健康风险, 当HQ < 1时, 不存在非致癌健康风险；HQ > 1时, 存在非致癌风险, 需引起重视[26]. HI（hazard index）为6种金属（i = 6）的非致癌风险总和.
|
|
表 2 重金属RfC与IUR值1） Table 2 RfC and IUR values for heavy metals |
致癌健康风险：
|
(6) |
|
(7) |
|
(8) |
式中, LADC为终生日均暴露浓度, ng·m-3；LT（lifetime）为寿命, 预期寿命84.47×365 d, 预期寿命年取北京市一般人群预期寿命82.47 a[27]；IUR为金属元素的呼吸单位风险, （m3·ng-1）, 取值见表 2；R表示一种金属所导致人群终生发生致癌的概率, 若R小于1×10-6, 则致癌风险可忽略, 若R大于1×10-4, 则认为致癌风险较大, R处于两者之间, 表示无明显的致癌风险.CR（总体致癌健康风险）为所有致癌金属（j = 6）的R总和.
2 结果与讨论 2.1 PM2.5载带重金属的时间变化特征本研究采样周期为4 a, 共采集有效样本934个（其中2016年209个、2017年250个、2018年196个和2021~2022年279个）.根据北京市的季节特点, 将每年的11月15日至次年的3月15日划分为采暖季, 其余时间为非采暖季.对年平均、采暖季与非采暖季金属元素浓度进行统计分析, 并运用独立样本t检验进行采暖季与非采暖季间的差异显著性检验, 结果见表 3.
|
|
表 3 各金属元素的统计及采暖与非采暖的差异显著性检验1） Table 3 Statistics of various metal elements and significance test of differences between heating and non-heating seasons |
本研究4年内各元素的平均浓度、采暖季与非采暖季平均浓度如表 3所示.我国《环境空气质量标准》（GB 3095-2012）中规定：Pb的年平均浓度限值为500 ng·m-3, As、Cd和Cr（Ⅵ）的年平均浓度参考限值分别为6、5和0.025 ng·m-3, 一级及二级标准限值相同.据此, Pb、As和Cd浓度均未超标. Cr（Ⅵ）浓度按总Cr的1/7进行换算, 即为（0.72±0.87）ng·m-3, 是限值的29倍, 结合刘晓涛等、坑斌等的研究结果[28, 29], 可以发现研究区大气Cr（Ⅵ）的污染情况较严重.金属铬是工业源的代表性污染物, 主要由电镀、制革和金属冶炼类行业排放[30, 31].根据北京市经济和信息委员会发布的《北京市2017年空气重污染期间应急制造业企业名单》[32]可以看出北京地区具有金属冶炼和制革工业的相关企业, 因此研究区Cr（Ⅵ）的严重污染可能与相关企业排放有关. Ba、Ca、Co、Cr、Cu、Fe、Mn、Pb、V和Zn的采暖季浓度显著高于非采暖季（P < 0.05）, 这些金属元素浓度的升高与采暖季期间大量的燃料燃烧及采暖季不利的扩散条件有关[33, 34].
各元素浓度的逐年变化如图 2所示, 整体来看, 除了Cr在2016~2018年和Ni在2017~2018年期间的浓度存在较为明显的上升, 其余各元素浓度整体上呈现下降的趋势, 刘佳等[35]的研究结果也得到类似的趋势, 除部分元素如Cd和Ba等, 2017年、2018年和2021~2022年大多数元素与2016年相比差异性显著.这表明大气中重金属的污染情况有所改善.金属Cr在2016~2018年期间浓度呈上升的趋势, 随后有较为明显的下降, 这表明由于严格的空气污染控制政策的执行, 2018年以后北京市相关工业污染控制的效果较好.
|
1.2016年, 2.2017年, 3.2018年, 4.2021~2022年 图 2 各金属元素浓度的逐年变化 Fig. 2 Annual changes in the concentrations of various metal elements |
本文使用PMF5.0软件对2016年、2017年、2018年和2021~2022年PM2.5中金属元素分别进行来源解析.通过剔除样品中的离群值（某一日期样品中, 超过50%元素大于3倍标准偏差）以使得模型运行更加稳定.将金属浓度数据和不确定性矩阵导入PMF模型.进行200次运行, 通过改变因子数（3~7个因子）, 反复进行多次, 选择Q值最小的运行, 进行DISP及BootStrap检验, 再对该Base run结果进行fpeak矩阵旋转提高其正交性, 最小的%dQ选为最优旋转解.最后, 根据每个因子的成分图谱, 参照排放源指纹谱或标志物, 结合研究区实际情况确定最优解.各个年份的PMF贡献率如图 3所示. 以2016年的源解析结果为例, 共得到4个因子.
|
图 3 各个年份的PMF解析结果 Fig. 3 PMF factor contribution for each year |
因子1的贡献率为14.1%, 其主要元素及贡献率为：Ba（85.0%）和Zn（57.1%）.有研究表明, Ba广泛应用于电子行业, BaCO3是彩色显像管和磁性材料中的重要添加剂, Ba2O3TiSr（BST）是一种新型优良的介电材料[36, 37], 电子信息制造业是北京的特色产业之一；Zn与车辆部件的磨损有关, 也是机动车尾气排放所含的特征成分, 是交通源的代表元素[38 ~ 40].因此因子1被认为是交通与工业生产复合源.
因子2的贡献率为4.9%, 主要元素为V（69.1%）和Ni（35.7%）. Ni和V是石油中含量十分丰富的元素, 在石油炼制过程, 汽油、柴油及煤油提炼后, 会保留在重油或燃料油产品（如船舶重油、工业锅炉重油、沥青和石油焦等）中, 燃料油主要用于石化企业、小型发电厂和建筑行业[41].相关研究表明, 大气中的Ni和V主要来自于燃料油制品的燃烧过程[42 ~ 44], 故因子2被解释为燃料油燃烧源.
因子3的贡献率为70.2%, 主要元素及贡献率为Ca（81.8%）、Fe（78.7%）、Co（60.9%）和Mn（59.8%）.有研究表明Ca和Co是建筑扬尘、土壤扬尘和道路扬尘的标志性元素[45, 46], 同时Ca和Fe都是地壳中的大量元素, 而扬尘源也主要以地壳元素为主.此外, Fe和Mn可以通过机动车的磨损和尾气的排放而沉积于道路尘土中[30].因此, 将因子3解释为扬尘源.
因子4的贡献率为10.8%, 主要元素及贡献率为As（84.4%）、Cd（82.1%）、Pb（81.7%）和Cu（63.5%）.有研究表明这些金属元素是燃煤源的特征元素[47 ~ 49].由于工业和冬季采暖的需要, 燃煤一直是北方地区的重要能源[50].近年来北京及周边地区施行“煤改电”和“煤改气”等政策来控制燃煤的消费量, 但由于大气的远距离传输作用, 周边地区的燃煤燃烧仍会导致北京市大气的燃煤污染.因此, 因子4被解释为燃煤源.
同理, 根据各个年份因子的浓度分布和贡献率得出：2017年共解析出5个因子, 其中燃料油燃烧源（6.0%）、工业源（6.5%）、交通与工业生产复合源（15.8%）、扬尘源（66.0%）和燃煤源（6.0%）；2018年共解析出5个因子, 其中扬尘源（67.7%）、燃煤源（7.2%）、燃料油燃烧源（4.9%）、工业源（8.0%）和交通与工业生产复合源（12.5%）.2021~2022年共解析出4个因子, 其中扬尘源（69.7%）、工业源（10.0%）、交通源（16.0%）和燃煤源（4.6%）.总体来看, 燃煤源的占比从2016年的10.8%到2021~2022年的4.6%, 整体上呈下降的趋势.本研究所得到北京地区大气重金属源解析的结果主要有扬尘源、工业源、燃煤源、燃料油燃烧源和交通源, 而这也是北京地区大气污染较为典型的来源[51, 52], 一定程度上验证了本研究解析结果的合理性.
2.3 健康风险分析本研究分别计算了2016年、2017年、2018年和2021~2022年这4年内北京大气PM2.5载带的As、Cd、Co、Cr（Ⅵ）、Ni和V这6种金属元素的非致癌效应的健康风险以及As、Cd、Co、Cr（Ⅵ）和Ni这5种金属元素的致癌效应的健康风险, 结果如图 4所示.
|
HI中红线表示可接受非致癌健康风险水平“1”；R中红线表示可接受致癌健康风险水平“1.0×10-6” 图 4 各元素的非致癌与致癌风险 Fig. 4 Non-carcinogenic and carcinogenic risks of each element |
结果表明, 对于非致癌健康风险, 各年份单一元素的HQ值均小于1, 6种元素的综合风险HI值除2016年外均小于1, 表明这些年份的大气重金属污染水平不存在非致癌风险, 但是2016年这6种金属元素的HI值为1.08, 表明具有一定的非致癌综合风险, 应该引起关注；对于致癌健康风险, 各年份Cd的R值均小于1.0×10-6, 致癌风险可以忽略, As、Co和Cr（Ⅵ）的R值均大于1.0×10-6但小于1.0×10-4, 具有一定的致癌风险, 其中类金属As的致癌风险最大.各年份5种元素的CR值均大于1.0×10-5但小于1.0×10-4, 需引起关注.综合效应致癌风险虽有波动, 但总体呈下降趋势.
为探究不同排放源对人群健康风险的影响, 本文结合各排放源中金属元素的排放谱, 运用常规的健康风险评估方法, 对源的潜在健康风险进行分析.以2021~2022年为例, 计算结果如图 5所示.结果表明, 工业源和燃煤源的致癌健康风险CR值分别为4.72×10-6和6.50×10-6, 均大于10-6但小于10-4, 可认为具有一定的致癌健康风险.各个排放源的致癌健康风险排序为：燃煤源（56.2%） > 工业源（40.8%） > 交通源（2.0%） > 扬尘源（1.0%）, 非致癌健康风险排序为：燃煤源（57.2%） > 工业源（27.0%） > 交通源（11.4%） > 扬尘源（4.4%）, 不同于各源的浓度贡献率排序：扬尘源（69.7%） > 交通源（16.0%） > 工业源（10.0%） > 燃煤源（4.6%）.燃煤源和工业源虽然质量贡献率不大, 但燃煤源排放较高浓度对人体健康影响较大的As元素, 工业源中Cr和Co等元素的毒性较强, 因此, 燃煤源及工业源的健康风险贡献率跃升第一、二位.据此提出, 从保护人类健康的角度考虑, 应该优先管控具有较大健康风险贡献率的排放源.
|
图 5 2021~2022年各排放源的健康风险对比 Fig. 5 Comparison of health risks of various emission sources from 2021 to 2022 |
此外, 为了评估燃煤源给人体带来健康风险的变化情况, 研究者计算了2021~2022年和2016年燃煤源的健康风险, 结果显示非致癌健康风险的HI值从2016年的0.54降至2021~2022年的0.30, 致癌健康风险的CR值从2016年的1.08×10-5降至2021~2022年的6.50×10-6.因此, 燃煤源对人体产生的健康危害呈现下降的趋势.
2.4 年际变化与政策响应分析煤燃烧长期以来一直是北京市空气污染的主要来源之一.本研究结果表明, 虽然燃煤源的大气重金属浓度贡献率不大, 但其健康风险贡献率却是位列第一.在过去20年间, 北京市不断推进末端治理技术升级和能源结构调整, 从燃煤电厂、锅炉和民用散煤这3个方面入手, 同时加强对源头和末端的治理管控, 取得了显著成效.以电厂为例, 2014~2017年期间, 逐步关停电厂的燃煤机组, 削减燃煤量约850万t, 结束燃煤发电历史[53].
由图 6可以看出, 北京市煤炭的能源消费总量（以标准煤计）近些年内一直呈现下降的趋势, 从2013年的1567万t标准煤降到2021年的102万t, 且2014年后一直低于石油与天然气的能源消费总量[54].根据本研究源解析的结果, 4年内燃煤源的占比整体上呈现下降的趋势, 且与煤燃烧相关的As、Pb和Cu等金属元素浓度也逐渐降低, 这也印证了图 6中煤炭能源消费总量的持续下降与电厂、燃煤锅炉与民用散煤领域无煤化的实施效果.据此, 得出如下结论：近年来, 北京市关于控制燃煤源排放的控制措施如“煤改电”、“煤改气”、民用散煤控制和燃煤锅炉治理等减排措施取得了积极的成效, 通过这一系列措施, 北京市在能源消费总量高速增长的情况下实现了能源结构质的飞跃, 大气重金属污染风险持续下降.
|
数据来源于参考文献[53, 54] 图 6 近年来北京市大气污染防治相关政策、效果及煤炭等能源消费总量变化趋势 Fig. 6 Recent policies, effects, and trends in coal and other energy consumption related to air pollution prevention and control in Beijing |
（1）北京市4年内Cr（Ⅵ）浓度平均值为（0.72±0.87）ng·m-3, 是我国空气质量二级标准限值的29倍, 污染情况较严重；Ba、Ca、Co、Cr、Cu、Fe、Mn、Pb、V和Zn的采暖季浓度显著高于非采暖季.
（2）PMF源解析的结果显示, PM2.5载带无机元素主要来自于扬尘源、燃煤源、工业源、交通来源（机动车）和燃料油燃烧源, 其中燃煤源的贡献率整体上呈现下降的趋势.
（3）各元素均不存在非致癌健康风险；As、Co和Cr（Ⅵ）具有一定的致癌风险, 其中致癌风险最大的为As. 2021~2022年各个排放源的致癌及非致癌健康风险排序为：燃煤源 > 工业源 > 交通源 > 扬尘源.工业源和燃煤源具有一定的致癌健康风险.
（4）燃煤源的占比整体上呈现下降的趋势, 且与燃煤相关的As、Pb和Cu等金属元素浓度也逐年减少, 这表明北京市近年来与燃煤排放相关的控制措施取得了积极的成效.
| [1] |
高庆先, 李亮, 马占云, 等. 2013—2016年天气形势对北京秋季空气重污染过程的影响[J]. 环境科学研究, 2017, 30(2): 173-183. Gao Q X, Li L, Ma Z Y, et al. The impacts of synoptic situation on heavy pollution process in autumn in Beijing during 2013-2016[J]. Research of Environmental Sciences, 2017, 30(2): 173-183. |
| [2] | Jacobson M Z. Studying the effects of aerosols on vertical photolysis rate coefficient and temperature profiles over an urban airshed[J]. Journal of Geophysical Research: Atmospheres, 1998, 103(D9): 10593-10604. DOI:10.1029/98JD00287 |
| [3] | Jacob D J. Heterogeneous chemistry and tropospheric ozone[J]. Atmospheric Environment, 2000, 34(12-14): 2131-2159. DOI:10.1016/S1352-2310(99)00462-8 |
| [4] |
刘保献, 李倩, 孙瑞雯, 等. 2018~2020年北京市大气PM2.5污染特征及改善原因[J]. 环境科学, 2023, 44(5): 2409-2420. Liu B X, Li Q, Sun R W, et al. Pollution characteristics and factors influencing the reduction in ambient PM2.5 in Beijing from 2018 to 2020[J]. Environmental Science, 2023, 44(5): 2409-2420. |
| [5] | Wang X Q, Wei W, Cheng S Y, et al. Evaluation of continuous emission reduction effect on PM2.5 pollution improvement through 2013-2018 in Beijing[J]. Atmospheric Pollution Research, 2021, 12(5). DOI:10.1016/j.apr.2021.101055 |
| [6] | Loomis D, Grosse Y, Lauby-Secretan B, et al. The carcinogenicity of outdoor air pollution[J]. The Lancet Oncology, 2013, 14(13): 1262-1263. DOI:10.1016/S1470-2045(13)70487-X |
| [7] | 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, 391(10082): 1907-1918. |
| [8] | Guan T J, Yao M S, Wang J X, et al. Airborne endotoxin in fine particulate matter in Beijing[J]. Atmospheric Environment, 2014, 97: 35-42. DOI:10.1016/j.atmosenv.2014.08.005 |
| [9] | Järup L. Hazards of heavy metal contamination[J]. British Medical Bulletin, 2003, 68(1): 167-182. DOI:10.1093/bmb/ldg032 |
| [10] | Wei W, Ren Y T, Yang G, et al. Characteristics and source apportionment of atmospheric volatile organic compounds in Beijing, China[J]. Environmental Monitoring and Assessment, 2019, 191(12). DOI:10.1007/s10661-019-7813-5 |
| [11] | Yu S Y, Liu W J, Xu Y S, et al. Characteristics and oxidative potential of atmospheric PM2.5 in Beijing: source apportionment and seasonal variation[J]. Science of the Total Environment, 2019, 650: 277-287. DOI:10.1016/j.scitotenv.2018.09.021 |
| [12] |
王彤, 华阳, 许庆成, 等. 京津冀郊区站点秋冬季大气PM2.5来源解析[J]. 环境科学, 2019, 40(3): 1035-1042. Wang T, Hua Y, Xu Q C, et al. Source apportionment of PM2.5 in suburban area of Beijing-Tianjin-Hebei region in autumn and winter[J]. Environmental Science, 2019, 40(3): 1035-1042. |
| [13] |
李宏宇, 潘璐, 杨玄, 等. 北京市某城区采暖期大气细颗粒物污染特征及来源分析[J]. 环境与健康杂志, 2017, 34(11): 947-951. Li H Y, Pan L, Yang X, et al. Characteristics and sources analysis of ambient PM2.5 in heating period in an urban area of Beijing[J]. Journal of Environment and Health, 2017, 34(11): 947-951. |
| [14] |
刘建伟, 晁思宏, 陈艳姣, 等. 北京市不同年龄人群PM2.5载带重金属的健康风险[J]. 中国环境科学, 2018, 38(4): 1540-1549. Liu J W, Chao S H, Chen Y J, et al. Health risk of PM2.5-bound heavy metals for different age population in Beijing, China[J]. China Environmental Science, 2018, 38(4): 1540-1549. |
| [15] | Gao Y, Lyu T, Zhang W, et al. Control priority based on source-specific DALYs of PM2.5-bound heavy metals by PMF-PSCF-IsoSource model in urban and suburban Beijing[J]. Journal of Environmental Management, 2024, 352. DOI:10.1016/j.jenvman.2024.120016 |
| [16] | 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 |
| [17] | Gao J J, Tian H Z, Cheng K, et al. Seasonal and spatial variation of trace elements in multi-size airborne particulate matters of Beijing, China: mass concentration, enrichment characteristics, source apportionment, chemical speciation and bioavailability[J]. Atmospheric Environment, 2014, 99: 257-265. DOI:10.1016/j.atmosenv.2014.08.081 |
| [18] | Yang H N, Chen J, Wen J J, et al. Composition and sources of PM2.5 around the heating periods of 2013 and 2014 in Beijing: implications for efficient mitigation measures[J]. Atmospheric Environment, 2016, 124: 378-386. DOI:10.1016/j.atmosenv.2015.05.015 |
| [19] | Brown R J C, Van Aswegen S, Webb W R, et al. UK concentrations of chromium and chromium (Ⅵ), measured as water soluble chromium, in PM10 [J]. Atmospheric Environment, 2014, 99: 385-391. DOI:10.1016/j.atmosenv.2014.10.008 |
| [20] | Park E J, Kim D S, Park K. Monitoring of ambient particles and heavy metals in a residential area of Seoul, Korea[J]. Environmental Monitoring and Assessment, 2008, 137(1-3): 441-449. DOI:10.1007/s10661-007-9779-y |
| [21] |
肖思晗, 蔡美君, 李香, 等. 厦门港大气PM2.5中重金属污染特征及健康风险评价[J]. 环境科学, 2022, 43(7): 3404-3415. Xiao S H, Cai M J, Li X, et al. Characterization and health risk assessment of heavy metals in PM2.5 in Xiamen Port[J]. Environmental Science, 2022, 43(7): 3404-3415. |
| [22] | US EPA. User's guide/technical background document for US EPA Region 9's RSL tables[Z]. 2013. |
| [23] | 环境保护部. 中国人群暴露参数手册(儿童卷: 0-5岁)[M]. 北京: 中国环境出版社, 2016. |
| [24] | 环境保护部. 中国人群暴露参数手册(儿童卷: 6-17岁)[M]. 北京: 中国环境出版社, 2016. |
| [25] | 环境保护部. 中国人群暴露参数手册(成人卷)[M]. 北京: 中国环境出版社, 2013. |
| [26] | USEPA. Risk assessment guidance for superfund volume I: human health evaluation manual. EPA/540/1-89/002[R]. Washington, D. C. : United States Environmental Protection Agency, Office of Emergency and Remedial Response, 1989. |
| [27] | 北京市老龄工作委员会办公室, 北京市老龄协会, 北京商报社. 北京市老龄事业发展报告(2021)[R]. 北京: 北京市老龄工作委员会办公室, 2021. 15. |
| [28] |
刘晓涛, 聂立刚, 甄国新, 等. 北京市某区大气PM2.5中金属元素质量浓度及其来源[J]. 职业与健康, 2019, 35(10): 1389-1392. Liu X T, Nie L G, Zhen G X, et al. Mass concentration and source analysis of metal elements in atmospheric PM2.5 in a district of Beijing[J]. Occupation and Health, 2019, 35(10): 1389-1392. |
| [29] |
坑斌, 郭新彪, 孙利文. 2017年北京市怀柔区大气PM2.5中重金属污染特征及健康风险评价[J]. 环境卫生学杂志, 2019, 9(2): 148-152. Keng B, Guo X B, Sun L W. Heavy metal pollution characteristics and health risk assessment of atmospheric PM2.5 in Huairou District of Beijing in 2017[J]. Journal of Environmental Hygiene, 2019, 9(2): 148-152. |
| [30] |
魏青, 陈文怡, 金麟先. 枣庄市大气PM2.5重金属元素健康风险评价及污染来源解析[J]. 中国粉体技术, 2020, 26(6): 69-78. Wei Q, Chen W Y, Jin L X. Health risk assessment and source analysis of heavy metal elements in PM2.5 in Zaozhuang city[J]. China Powder Science and Technology, 2020, 26(6): 69-78. |
| [31] | Cao J Y, Ding R, Wang Y, et al. Toxic effect of cooking oil fumes in primary fetal pulmonary type Ⅱ-like epithelial cells[J]. Environmental Toxicology and Pharmacology, 2013, 36(2): 320-331. DOI:10.1016/j.etap.2013.04.011 |
| [32] | 北京市经济和信息化委员会. 北京市空气重污染应急工业分预案(2017年修订)[EB/OL]. https://www.beijing.gov.cn/zhengce/zhengcefagui/201905/t20190522_60624.html, 2017-10-11. |
| [33] |
王永晓, 曹红英, 邓雅佳, 等. 大气颗粒物及降尘中重金属的分布特征与人体健康风险评价[J]. 环境科学, 2017, 38(9): 3575-3584. Wang Y X, Cao H Y, Deng Y J, et al. Distribution and health risk assessment of heavy metals in atmospheric particulate matter and dust[J]. Environmental Science, 2017, 38(9): 3575-3584. |
| [34] |
熊秋林, 赵文吉, 王皓飞, 等. 北京市春季PM2.5中金属元素污染特征及来源分析[J]. 生态环境学报, 2016, 25(7): 1181-1187. Xiong Q L, Zhao W J, Wang H F, et al. Pollution characteristics and source analysis of metal elements in PM2.5 during Spring in Beijing[J]. Ecology and Environmental Sciences, 2016, 25(7): 1181-1187. |
| [35] |
刘佳, 李文静, 张美云. 2019-2020年北京市某监测点大气细颗粒物PM2.5成分特征分析[J]. 首都公共卫生, 2022, 16(2): 77-80. Liu J, Li W J, Zhang M Y. Characterization of the atmospheric fine particulate matter PM2.5 composition at a monitoring site in Beijing from 2019 to 2020[J]. Capital Journal of Public Health, 2022, 16(2): 77-80. |
| [36] | Moon H, Cho S K, Garrell R L, et al. Low voltage electrowetting-on-dielectric[J]. Journal of Applied Physics, 2002, 92(7): 4080-4087. DOI:10.1063/1.1504171 |
| [37] | Kong L B, Li S, Zhang T S, et al. Electrically tunable dielectric materials and strategies to improve their performances[J]. Progress in Materials Science, 2010, 55(8): 840-893. DOI:10.1016/j.pmatsci.2010.04.004 |
| [38] | Zhao C, Wang Y, Su Z L, et al. Respiratory exposure to PM2.5 soluble extract disrupts mucosal barrier function and promotes the development of experimental asthma[J]. Science of the Total Environment, 2020, 730. DOI:10.1016/j.scitotenv.2020.139145 |
| [39] |
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 |
| [40] | Hu S H, McDonald R, Martuzevicius D, et al. UNMIX modeling of ambient PM2.5 near an interstate highway in Cincinnati, OH, USA[J]. Atmospheric Environment, 2006, 40(S2): 378-395. |
| [41] |
黄金珠. 中国燃料油市场现状与展望[J]. 中外能源, 2013, 18(9): 73-78. Huang J Z. China's fuel oil market today and outlook[J]. Sino-Global Energy, 2013, 18(9): 73-78. |
| [42] | Dall'Osto M, Querol X, Amato F, et al. Hourly elemental concentrations in PM2.5 aerosols sampled simultaneously at urban background and road site[J]. Atmospheric Chemistry and Physics Discussions, 2012, 12(8): 20135-20180. |
| [43] | Shafer M M, Toner B M, Overdier J T, et al. Chemical speciation of vanadium in particulate matter emitted from diesel vehicles and urban atmospheric aerosols[J]. Environmental Science & Technology, 2012, 46(1): 189-195. |
| [44] | Okuda T, Katsuno M, Naoi D, et al. Trends in hazardous trace metal concentrations in aerosols collected in Beijing, China from 2001 to 2006[J]. Chemosphere, 2008, 72(6): 917-924. |
| [45] | Huang R J, Zhang Y L, Bozzetti C, et al. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature, 2014, 514(7521): 218-222. |
| [46] | Zhang R, Jing J, Tao J, et al. Chemical characterization and source apportionment of PM2.5 in Beijing: seasonal perspective[J]. Atmospheric Chemistry and Physics Discussions, 2013, 13(4): 9953-10007. |
| [47] | Dai Q L, Bi X H, Wu J H, et al. Characterization and source identification of heavy metals in ambient PM10 and PM2.5 in an integrated iron and steel industry zone compared with a background site[J]. Aerosol and Air Quality Research, 2015, 15(3): 875-887. |
| [48] | Duan J C, Guo S J, Tan J H, et al. Characteristics of atmospheric carbonyls during haze days in Beijing, China[J]. Atmospheric Research, 2012, 114-115: 17-27. |
| [49] | Gu J X, Bai Z P, Liu A X, et al. Characterization of atmospheric organic carbon and element carbon of PM2.5 and PM10 at Tianjin, China[J]. Aerosol and Air Quality Research, 2010, 10(2): 167-176. |
| [50] | Huang X, Betha R, Tan L Y, et al. Risk assessment of bioaccessible trace elements in smoke haze aerosols versus urban aerosols using simulated lung fluids[J]. Atmospheric Environment, 2016, 125: 505-511. |
| [51] | Xu H M, He K L, Feng R, et al. Metallic elements and Pb isotopes in PM2.5 in three Chinese typical megacities: spatial distribution and source apportionment[J]. Environmental Science: Processes & Impacts, 2020, 22(8): 1718-1730. |
| [52] | Li M L, Liu Z R, Chen J, et al. Characteristics and source apportionment of metallic elements in PM2.5 at urban and suburban sites in Beijing: implication of emission reduction[J]. Atmosphere, 2019, 10(3): 105. |
| [53] | 联合国环境署. 北京二十年大气污染治理历程与展望[R]. 内罗毕, 肯尼亚: 联合国环境署, 2019. 9. |
| [54] | 北京市统计局, 国家统计局北京调查总队. 北京统计年鉴-2022[M]. 北京: 中国统计出版社, 2022. |