沙尘天气细粒子污染快速来源解析初步研究

姜国++袁明浩++李梅++黄渤++庄雯

摘要：指出了对颗粒物化学组成及其来源的研究是识别区域污染形成机制、制定有效控制措施的重要基础。单颗粒气溶胶质谱仪（Single particle aerosol mass spectrometer，SPAMS）已广泛用于分析大气颗粒物，通过采集数以万计的颗粒物，实时在线分析颗粒物的粒径大小、化学组分，是实现快速源解析的有效手段。2016年3月底在郑州市捕捉到一次典型的沙尘天气，共采集到118375个颗粒进行了分析。研究结果表明：该地区的大气颗粒物类型主要可分为8种：元素碳（EC）、混合碳（ECOC）、有机碳（OC）、钠钾（NaK）、富钾颗粒（K）、左旋葡聚糖颗粒（LEV）、矿物质颗粒（SIO）、重金属颗粒（HM）。在污染过程中，各类型颗粒物数量浓度均有一定程度的增加， SIO增加最为明显。分析表明，扬尘源的增加和机动车尾气源占比居高不下是此次沙尘天气的主要因素。

关键词：沙尘天气；管城区；细颗粒物；单颗粒气溶胶质谱仪；源解析

中图分类号：P445.4

文献标识码：A文章编号：16749944（2017）16003504

1引言

沙尘暴是北方城市主要灾害性天气之一，备受我国政府和科学家的高度重视[1]。在北方城市，春季是沙尘天气的频发季节，是增大沙尘气溶胶的有效方式[2]。沙尘气溶胶通过散射和吸收太阳与地面的辐射、发射红外辐射（直接作用）以及改变云的光学特性和生命期（间接作用）来影响地——气系统的辐射收支，进而影响气候变化[3，4]。目前有关利用SPAMS对沙尘污染鲜有报道[5～7]。郑州地处中原地带，受蒙古地区沙尘影响较小，本研究利用 SPAMS捕获了一次沙尘天气，研究了此次沙尘天气发生和发展过程，以及此次沙尘天气下细颗粒物的化学成分及颗粒物来源的变化。

2材料和方法

2.1SPAMS 工作原理

SPAMS的工作原理和基本性能进行了详细的阐述[6，8]。简单来说，大气中的气溶胶颗粒通过空气动力学透镜聚焦成准直颗粒束引入真空系统。进入测径区后，颗粒连续散射两束相距一定距离的激光束，颗粒经过两束激光的时间差，来计算颗粒的空气动力学直径，同时控制电离激光在颗粒到达电离区中心时出射激光将颗粒电离，电离产生的正负离子由双极飞行时间质量分析器分别检测。通过双激光测径系统和双极飞行时间质量分析器可实现对气溶胶颗粒粒径和化学组成的同时检测。

2.2采样

在位于郑州市管城区的自动监测站，联合使用在线气溶胶质谱仪（SPAMS）（广州禾信仪器股份有限公司生产），颗粒物在线监测仪（PM2.5和PM10）开展高时间分辨率的联合监测，时间为2016年3月。

2.3质量保证与质量控制（QA/QC）

为确保采集数据的有效性，利用粒径分别为300、500、720、1000和2000 nm的单分散聚苯乙烯标准小球（PSL polystyrene latex spheres， Invitrogen， USA）對粒径进行校正[9]。并在采样期间不定期利用PSL小球进行再校正。利用分析纯的碘化钠（NaI）对质荷比进行校正时经过校正以后，质谱峰的质荷比误差在±0.1 以内[9]。

同时，采样期间每隔24 h检查一次的仪器的真空压、电控制系统电压和激光能量，及时对仪器的状态进行调整，保证仪器维持稳定的采集效率。

2.4SPAMS数据分析

采集到的颗粒信息输入到广州禾信仪器股份有限公司自主开发的数据处理软件中进行处理。软件基于 Matlab平台编写的YAADA软件包（www.yaada.com）作为数据分析工具，利用自适应共振理论神经网络算法（ART-2a）对颗粒物进行分类[10]，该算法能够根据颗粒质谱相似度自动将相似的颗粒归为同一类。本研究中使用的ART-2a算法参数如下：警戒因子为0.7，学习率为0.05，迭代次数为20，该算法能够根据颗粒质谱中离子峰的种类及强度自动将相似的颗粒归为同一类。ART-2a将所有的颗粒分成了数百种颗粒类型，然后再根据化学成分特征将主要颗粒类型合并，颗粒类别以平均谱图中最富含的离子种类命名。ART-2a将所有的颗粒分成了数百种颗粒类型，然后再根据化学成分特征将主要颗粒类型合并为8类： 元素碳（EC）、混合碳（ECOC）、有机碳（OC）、钠钾（NaK）、富钾颗粒（K）、左旋葡聚糖颗粒（LEV）、矿物自颗粒（KWZ）、重金属颗粒（HM），它们占总颗粒数的95%以上。然后，采用示踪离子法对采集到的颗粒物进行分类，主要分为扬尘、生物质燃烧、汽车尾气、燃煤、工业工艺源、二次无机源及其他7种来源。

3结果与讨论

3.1监测情况

在线气溶胶质谱仪共采集含有粒径信息的颗粒（SIZE） 1501111个，其中打击颗粒数为118375个。颗粒物在线监测仪质量PM10平均浓度分别为174.8 μg/m3，（50 μg/m3-529 μg/m3），PM2.5平均浓度分别为50.5 μg/m3，（45 μg/m3-133 μg/m3）。

3.2污染特征分析

监测时间段内，捕捉到一个较明显的污染过程，SIZE与PM2.5随时间变化趋势如图1，不难发现SIZE与PM2.5具有很好的相关性（R2=0.71）。也就是说，SPAMS的数据在一定程度上可以反映大气污染状况。

3.3细颗粒物化学成分分析

3.3.1主要化学成分分析

图2为颗粒物化学成分经ART-2a分类后的结果以及各成分占比随时间变化堆叠图。从图中可以看出，整个监测过程中主要的化学成分为富硅颗粒，其次为元素碳，总占比达65.8%。从时间序列堆叠图上可以看出，元素碳和矿物质颗粒峰值出现时间恰好相反。且在整个沙尘天气中富硅颗粒占比一直处于较高水平。endprint

3.3.2主要污染来源分析

从源解析结果（图3左）中可以看出，监测主要受到扬尘源和机动车尾气的影响，二者占比分别为25.0%和24.9%。从各类源占比随时间变化趋势图（图3右）中可以看出， PM10质量浓度出现高峰时，PM2.5质量浓度并不一定出现高峰，说明二者的污染有不同来源。扬尘源比例在整个监测期间均处于较高水平，其中在3月26～30日PM10上升过程时，从贡献率上看，扬尘源比例呈现上升趋势。

3.4扬尘源与PM2.5、PM10及PM10/ PM2.5关系

图4为扬尘颗粒数浓度与PM2.5、PM10及PM10/ PM2.5随时间变化趋势图，从图中可以看出扬尘颗粒数浓度与PM2.5和PM10均具有良好的相关性，相关系数分别为0.58及0.40，说明沙尘天气期间，PM10质量浓度明显上升过程中，PM2.5质量浓度也随之上升，扬尘颗粒数浓度也明显增加。

3.5污染过程分析

下面对监测期间污染过程中的颗粒物进行对比分析，以期找到污染天气发生的原因。

图5为本次污染过程颗粒物污染来源比例分布情况，从图中可知如下结论。

（1）在监测期间扬尘源的比例维持在一个较高的水平（>20%）。

（2）第一次PM2.5质量浓度的上升过程（从时段1至时段2）主要受到了机动车尾气数浓度比例的突增影响。

（3）第二、三两次PM2.5质量浓度上升过程（从时段3至时段4、时段5至时段7）扬尘源比例均明显上升。值得注意的是，时段5至时段6的过程中，PM2.5质量浓度变化不大，但PM10有明显的上升，此时扬尘源比例也有所上升，直至时段7，PM2.5 和PM10质量浓度均有明显上升的同时，扬尘源比例也明显增加。由此说明，SPAMS的源解析结果可以较好地反应沙尘天气中扬尘源的变化情况。

4结论

2017年8月绿色科技第16期

（1）从化学成分看，監测期间主要以元素碳为主，其次是有机碳和矿物质颗粒，占比分别为35.5%和30.3%，两者占比之和高达65.8%。

（2）沙尘天气监测期间，郑州市PM2.5细颗粒物占比前三的污染源分别为扬尘源（34.3%）、机动车尾气（23.9%）和燃煤源（17.3%）。

（3）PM10和PM2.5污染有不同来源。扬尘源比例在整个监测期间均处于较高水平，其中在3月26～30日PM10上升过程时，从贡献率上看，扬尘源比例呈现上升趋势。

（4）沙尘天气期间，监测点位扬尘颗粒数浓度与PM2.5和PM10均具有良好的相关性。

（5）SPAMS的源解析结果可以较好的反应沙尘天气中扬尘源的变化情况。

参考文献：

[1]

岳平， 牛生杰， 张强， 等. 夏季强沙尘暴内部热力动力特征的个例研究[J]. 中国沙漠， 2008， 28（3）：509～513.

[2]王锡稳， 刘治国， 黄玉霞， 等. 河西走廊盛夏一次强沙尘暴天气综合分析[J]. 气象， 2006， 32（7）：102～109.

[3]罗云峰， 李维亮， 周秀骥. 20 世纪 80 年代中国地区大气气溶胶光学厚度的平均状况分析[J]. 气象学报， 2001， 59（1）：77～87.

[4]Liu D， Wang Z， Liu Z， et al. A height resolved global view of dust aerosols from the first year CALIPSO lidar measurements[J]. Journal of Geophysical Research：Atmospheres， 2008， 113（D16）.

[5]Beddows D C S， Dall'Osto M， Olatunbosun O A， et al. Detection of brake wear aerosols by aerosol time-of-flight mass spectrometry[J]. Atmospheric Environment， 2016， 129（13）：167～175.

[6]李梅， 李磊， 黄正旭， 等. 运用单颗粒气溶胶质谱技术初步研究广州大气矿尘污染[J]. 环境科学研究， 2011， 24（6）：632～636.

[7]李思思，黄正旭，王存美，等.张家口市一次沙尘天气气溶胶单颗粒理化特征和来源研究[J].生态环境学报，2017，26（3）：437～444.

[8]Li L， Huang Z， Dong J， et al. Real time bipolar time-of-flight mass spectrometer for analyzing single aerosol particles[J]. International Journal of Mass Spectrometry， 2011， 303（2）：118～124.

[9]蒋斌. 鹤山超级站大气细颗粒成分特征及二次污染过程成因研究[D].广州：暨南大学，2016.

[10]Song X H， Hopke P K， Fergenson D P， et al. Classification of single particles analyzed by ATOFMS using an artificial neural network， ART-2A[J]. Analytical chemistry， 1999， 71（4）：860～865.

A Preliminary Study on Rapid Source Appropriate of Fine Particles Pollution in Dust Weatherendprint

Jiang Guo1， Yuan Minghao2， Li Mei3， Huang Bo1， Zhuang Wen1

（1.Guangzhou Hexin Instrument Co.，Ltd， Guangzhou， Guangdong 510530， China；

2. EnvironmentalProtection Monitoring Center Station of Zhengzhou， Zhengzhou， Henan 450000， China；

3. Institute of Technology onAtmospheric Environmental Safety and Pollution Control， Jinan University， Guangzhou， Guangdong 510632， China）

姜國，等：沙尘天气细粒子污染快速来源解析初步研究

环境与安全

Abstract： The study on the chemical composition and source of particulate matter was an important basis for identifying the mechanism of regional pollution formation and establishing effective control measures. Single particle aerosol mass spectrometer （SPAMS） was widely used in the analysis of atmospheric particles. It could also analyze particle size and chemical composition through collecting tens of thousands of particulate matters. It was an effective method to achieve fast source resolution. A typical dust weather was captured at the end of March 2016 in Zhengzhou. Nearly 1.2×105 fine particles were characterized by the SPAMS. Results showed that all the particles were classified into 8 main categories： elemental carbon （EC）-Fresh， internally mixed elemental-organic carbon （ECOC）， organic carbon （OC）， K-rich/Na-rich，K-rich， Levoglucosan（LEV）， minerals（SIO） and heavy metal particles. The concentration of all kinds of particles had a certain extent where SIO increased most obviously in the process of pollution. The analysis showed that the increase of dust and the high proportion of motor vehicle exhaust were the main factors of this dust weathers.

Key words： dust weather；Guancheng area；fine particles； SPAMS；source apportionmentendprint