华北农村冬季细颗粒物元素组分的特征及来源

陈 晖,卫雅琦,尚晓娜,朱 超,王春迎,曾立民,陈建民*

华北农村冬季细颗粒物元素组分的特征及来源

陈 晖1,2,卫雅琦3,尚晓娜1,2,朱 超4,王春迎5,曾立民6,陈建民1,2*

(1.复旦大学环境科学与工程系,上海 200438；2.崇明生态研究院,上海 202162；3.中国环境科学研究院,北京 100012；4.山东建筑大学市政与环境工程学院,山东 济南 250101；5.河北先河环保科技股份有限公司,河北 石家庄 050035；6.北京大学,环境科学与工程学院,北京 100871)

利用2018年11月21日～2019年2月8日期间的Xact元素仪观测数据,分析了华北农村地区望都站点秋冬季细颗粒物PM2.5中的元素组分特征.结果表明,采样期间,望都站受到了严重的PM2.5污染, PM2.5的平均浓度为(186.6±142.0)μg/m3.PM2.5中最主要的元素是S、Cl和K,其平均质量浓度分别为6230,8708,1780ng/m3;其次是Al、Si、Ca、Fe和Zn,其平均质量浓度在500～1000ng/m3;剩余元素的平均质量浓度均低于500ng/m3.使用Al作为参比元素计算各元素的富集系数判断来源,Si、Ca、Ti、Fe主要来自于地壳源,K、Cr、Mn、Ni、Se、Ba同时受地壳源与人为源影响,Cu、Zn、As、Ag、Cd、In、Sn、Pb主要来自于人为源;采用NMF(非负矩阵因子分解法)模型量化各种潜在排放源对本研究中PM2.5的贡献,确认烟花爆竹源、扬尘源、机动车尾气源、燃煤/生物质燃烧源、二次源和工艺过程源是主要污染源,其贡献分别为2.6%、1.7%、6.5%、39.7、36.5%和13%.夜间燃煤/生物质燃烧源贡献与白天二次源贡献是造成PM2.5重污染的主要成因.春节期间,烟花爆竹燃放源会造成农村地区重污染过程.Ba的富集因子适合作为烟花爆竹燃放的指征.本文研究结果可为华北农村冬季细颗粒物溯源和治理提供数据支持.

PM2.5；元素；富集因子；源解析；燃煤；烟花爆竹；华北；农村

细颗粒物PM2.5会影响地区或全球气候[1],也会对经济产生不利影响[2].随着我国近年来城市化进程的加快,化石燃料等能源消耗量和机动车数量快速增长,PM2.5浓度快速升高,对大气环境造成了较大的危害[3-5].通过落实“大气十条”,我国政府对主要污染源采取了严格的控制措施[6-7],使我国大部分城市地区空气质量得到有效改善.京津冀地区PM­2.5浓度下降了39.6%[8-9].北京市PM2.5浓度年均值从2013年的89.5μg/m3下降至2017年的58μg/m3,进一步下降至2020年的39μg/m3,但距离达到空气质量标准仍有一定差距,且秋冬季污染事件依然频发[10].以京津冀为中心的华北平原是我国PM2.5污染最为严重的地区之一[11].大部分的现有研究主要关注北京、天津、石家庄和保定等城市站点,对华北平原农村的PM2.5污染关注较少.Liu等[12-13]研究发现河北农村地区冬季农业活动引起的污染,会影响北京的空气质量.在华北平原,约有30万km2的农田和1600万农村人口[14],农业活动具有季节特征,施肥和收割主要集中在夏季和秋季,冬季采暖期会燃烧大量生物质和煤炭.华北地区最严重的污染事件通常与农民的三种季节性活动相匹配[15].因此,研究和控制农村地区的PM2.5污染对改善我国大气环境具有现实意义.

PM2.5中各元素组分来源常常对应不同的人为源和自然源[16],适合作为PM2.5污染来源的指征.元素组分被广泛应用于解析细颗粒物重污染过程中各来源的贡献.利用受体模型,韩力慧等[17]、王申博等[18]和曹宁等[19]分析了冬季北方的污染过程,发现燃料燃烧源、二次源、工业源、机动车源和扬尘源是PM2.5的主要来源.刘佳媛[20]等利用不同的受体模型,分析了APEC会议期间各污染源对PM2.5的贡献变化趋势.同时,元素组分特征也常被用来比较不同站点PM2.5来源的异同.周甜等[21]比较了2014年夏季北京与望都PM2.5中元素的富集因子,发现北京比望都受到更多的机动车影响.杨铁金等[22]比较了唐山市三个站点PM2.5中元素的变化趋势,发现工业源、燃煤源和扬尘源是秋冬季唐山最主要污染源.

已有研究表明,城市空气质量会受到农村人类活动的显著影响,但有关农村地区PM2.5中元素组分的特征和来源信息仍非常欠缺.望都大气超级观测站[23]位于北京西南方向、华北平原燕山与太行山交汇处,是华北平原南部向北京传输的主要通道.同时,望都地处石家庄与保定之间,属于华北平原冬季污染最重的中心地区,代表了典型华北农村地区.充分了解望都站PM2.5中元素组分特征,有利于分析农村地区PM2.5的主要来源,并为进一步分析华北农村地区对北京等京津冀主要城市PM2.5的污染提供重要参考依据.本研究利用2018年11月21日至2019年2月8日的观测数据,分析了华北农村地区冬季细颗粒物PM2.5中的元素组分特征,使用富集因子和受体模型分析了来源,厘清了污染过程中各污染源的贡献.

1 材料与方法

1.1 采样时间与采样点

于2018年11月21日至2019年2月8日,在望都大气超级观测站进行细颗粒物元素组分.采样地点位于望都县交通局绿化基地(38°39′37″N、115°15′16″E),距县城约5km,距离迎宾大道与京港澳高速(G4)约1km.站点周边有大量农田与零散村落和工业区.

图1 望都站点位置

1.2 监测仪器

采用美国Cooper Environment Services公司的Xact-625i型大气环境金属在线分析仪检测PM2.5中元素浓度.其工作原理为大气颗粒物经过PM2.5切割头后收集于Teflon滤带,采集后的样品斑点由X射线荧光法分析样品中的元素含量,再经过采样体积换算为实际大气浓度,数据的时间分辨率为1h.仪器正常运行前进行气密性测试、流量校准、空白测试、金属探棒测试以及标准膜片校准.每天零点,仪器会自动检测内置探棒Cr、Cd和Pb这3种金属的浓度,允许偏差范围为5%.该仪器可检测30余种元素,本文根据采样点实际情况,选取了Al、Si、S、Cl、K、Ca、Ti、Cr、Mn、Fe、Ni、Cu、Zn、As、Se、Br、Ag、Cd、In、Sn、Ba和Pb等元素用于数据分析.上述元素的最低检出限范围在0.063ng/m3(As)～100ng/m3(Al).同时,本研究使用热电公司的URG-9000D和Sunset公司的在线OC/EC仪分别监测了PM2.5中水溶性离子与有机碳/元素碳的浓度.本研究使用热电公司的SHARP(5030i, Synchronized Hybrid Ambient Real-time)观测PM2.5浓度.

1.3 受体源解析模型

本研究采用NMF(非负矩阵因子分解法)模型量化各种潜在排放源对本研究中PM2.5的贡献.NMF模型与PMF(正定矩阵因子分解法)模型相似,两者均找到两个矩阵(排放源贡献矩阵和排放源成分谱矩阵).不同之处在于PMF约束条件为强制上述两个矩阵为正,而NMF仅保留矩阵中的非负因素.因此,在计算过程中NMF比PMF对数据进行了更少的调整,而在一定程度上较好的保留了数据的原始特性.模型运行需输入两个文件:PM2.5及所有化学组分浓度和所有组分的不确定度.化学组分包括有机碳、元素碳、硫酸盐、硝酸盐、铵盐、Al、Si、Cl、K、Ca、Ti、Cr、Mn、Fe、Ni、Cu、Zn、As、Se、Br、Ag、Cd、In、Sn、Ba和Pb.不确定度计算公式如下:

式中:为误差分数,即误差占所分析组分浓度的比例;为样品浓度;MDL为仪器测试最低检测限.

2 结果与讨论

2.1 PM2.5中元素组分特征

本研究在采样期间共获得1839组有效数据,PM2.5中主要元素的平均值、标准差、中位数、10%分位数、90%分位数以及90%和10%分位数的比值如下表1所示.采样期间,PM2.5的平均浓度为(186.6±142.0)μg/m3,中位数、10%分位数、90%分位数浓度分别为163.5,26.7,367.0μg/m3,表明望都站PM2.5污染严重.

表1 望都站冬季PM2.5元素组成特征(ng/m3)

采样期间通过Xact测得的元素共约占PM2.510.9%,S、Cl占比分别为3.3%、4.7%,剩余的元素共占比约2.9%.最主要的元素是S、Cl和K,其平均质量浓度分别为6230.7、8708.7和1780.5ng/m3;其次是Al、Si、Ca、Fe和Zn,它们的平均质量浓度在500～1000ng/m3之间;剩余元素的平均质量浓度均低于500ng/m3.S元素主要来源于硫酸盐,被认为是大气中的SO2通过化学转化生成.PM2.5中的Cl元素主要来自于煤炭与生物质燃烧.观测期间望都站主要受北风影响,东风较少且弱,不受海上方向气团影响,海盐颗粒物对Cl元素贡献极小.K元素来源广泛,可能与生物质燃烧源、地壳源等有关.地壳元素中Al和Si元素浓度最高,分别为875.5和599.5ng/m3;重金属中Pb浓度最高,为160.0ng/m3.PM2.5中各主要元素的90%分位数与10%分位数的比值具有显著差异,在5.7～187.4之间.较高的比值差异有两方面原因:一是因为在线高时间分辨率数据体现了各元素浓度日夜差异;二是因为观测期间各元素浓度受不同污染过程主导.

观测期间,望都站PM2.5中Pb、Cd、As的平均质量浓度分别为160.0,2.9,25.7ng/m3.《环境空气质量标准(GB3095-2012)》规定环境空气中Cd与As的年平均浓度限值分别为5和6ng/m3,Pb的年平均与季平均浓度限值分别为0.5和1μg/m3.由于标准中Pb、Cd、As的设定对象、采样分析方法、平均值计算方法与本研究使用在线X荧光法测量PM2.5中金属浓度具有较大差异,因此标准限值仅作参考,不做具体比较.

如表2所示,华北平原地区的元素组分研究多集中在城市站点,缺乏农村站点数据报道.从较长的时间趋势来看,由于“大气十条”实施后对污染源的严格控制,相较于2010年,2017年北京[24]观测到的各元素浓度普遍低于早年的研究, Ca、Cr、Fe、Mn、Ni、Zn、Pb下降显著.本研究在望都冬季观测到的Ca、Cr、Fe、Ni的浓度与城市相比较低,可能受益于“大气十条”的实施,也可能由于农村与城市地区的主要来源不同.本研究望都秋冬季观测期间,Fe、Zn、As、Se、Ba、Pb的浓度高于望都夏季的浓度[21],说明望都站在冬季受到了季节性污染源的影响.与同期唐山秋冬季的观测数据相比[22],望都站PM2.5中Pb的平均浓度略高,而望都站As污染严重,其10%分位数为3.1ng/m3,与唐山As平均浓度3.9ng/m3接近.

表2 华北地区PM2.5元素组成比较

*本研究;#n.a.未报道.

富集因子常被用于表示大气颗粒物不同元素的富集程度,并根据富集因子的高低粗略地判断人为源与自然源的贡献,富集因子计算公式如下:

式中:X为某元素的质量浓度,地壳中某元素的含量借鉴Taylor等[27]的建议值;Al是目前使用最为广泛的参比元素,化学性质稳定,迁移率低于Ti与Fe.因此,本研究选用最常用的Al元素作为地壳源的参比元素.通常认为,富集因子小于10,说明该元素主要来自于地壳源;富集因子大于10,说明该元素受到了人为源的影响;富集因子越高,说明该元素富集程度越高.以Al元素作为地壳源参比计算得到的各元素富集因子的统计分布如图2所示.根据富集因子数值范围,可以基本判断,Si、Ca、Ti、Fe主要来自于地壳源,K、Cr、Mn、Ni、Se、Ba同时受地壳源与人为源影响,Cu、Zn、As、Ag、Cd、In、Sn、Pb主要来自于人为源.在2010年中国的人为源排放清单中[28],燃煤是Mn、Ni、Cu、As、Se、Pb的主要来源,贡献分别是80.9%、56.2%、53.4%、74.2%、64.6%、60.1%;燃煤对Cd、Zn的贡献相对较低,分别为32.7%、39.8%;有色金属冶炼对Cd的贡献为44.0%,黑色金属冶炼对Zn的贡献为31.3%,刹车与轮胎磨损对Cu的贡献为26.3%.2017～2018年秋冬季唐山PM2.5中K、Ca、Ti、Cr、Fe、Cd的富集因子与本研究接近,Cu、Zn、As、Pb的富集因子分别为40～125、135～1213、21～66、215～709,低于本研究望都PM2.5中对应元素的富集因子,说明望都可能具有对Cu、Zn、As、Pb富集效应更强烈的人为排放源.观测期间Ba的富集因子中位数为2,平均数为7,跨度较大.而2017～2018年秋冬季唐山PM2.5中Ba的富集因子为2～4,2014年夏季望都与北京均低于1,可以认为Ba主要来自于地壳源.因此,本研究中Ba以地壳源为主要来源外,会在某些特定时间段受到强烈人为源的影响.

2.2 PM2.5及其中元素组分来源

为了更好地解析PM2.5及其中元素组分的来源,有机碳、元素碳、硝酸盐、硫酸盐和铵盐与元素组分数据被共同输入NMF受体模型.观测期间,有机碳、元素碳、硝酸盐、硫酸盐和铵盐的浓度分别为51.2,9.1,16.2,10.8、12.4μg/m3,分别占PM2.5的28.7%、5.1%、3.6%、9.1%、6.1%、6.9%.PM2.5中最主要的组分是碳质气溶胶,占比33.8%,其次为SNA(硫酸盐、硝酸盐与铵盐),占比18.8%.

NMF受体模型确定6个因子为最佳结果,识别出了烟花爆竹源、扬尘源、机动车尾气源、燃煤/生物质燃烧源、二次源和工艺过程源,源谱图如图3所示.源一中含有丰富的Ba元素,以及少量的Cu和K元素,被认为是烟花爆竹源,贡献比2.6%.Ba和Cu元素在烟花中作为发光剂来增加烟花的颜色,K元素是爆竹中火药的主要成分.农村地区并不在烟花爆竹禁燃区,农村节庆与春节期间,仍有广泛的烟花爆竹燃放行为.源二中含有丰富的Si、Ca和Ti元素和适量Fe元素,被认定为扬尘源,贡献比1.7%. Si、Ca被认为是建筑扬尘、土壤扬尘或道路扬尘的示标物[29],Fe元素被认为可能来自于繁忙道路的扬尘[29].如上文所述,Si、Ca、Ti、Fe的富集因子均低于10,主要来自于地壳源.源三中含有丰富的Cr、Mn、Cu、Zn、Sn和Pb元素等,认定为机动车源,贡献比6.5%.Cu通常被用作制动系统中的润滑剂和摩擦材料,Mn被应用于抗磨添加剂中,轮胎磨损是Zn的重要来源[30].该源同时包含地壳源Al元素,可能与机动车扬尘有关联.源四中主要为有机碳、元素碳与Cl、K、Se和Br元素,认定为燃煤/生物质燃烧源,贡献比39.7%,占比最大.K和Br元素通常被认为分别是生物质燃烧和煤炭燃烧的示踪物.源五主要为硝酸盐、硫酸盐和铵盐,认定为二次源,贡献比36.5%,占比第二.源六主要为Ag、Cd、In等元素,被认定为工艺过程源,贡献比13%.Ag、Cd、In是半导体等工业过程常用材料,会在加热过程中释放到大气中.

图3 NMF源解析因子

图4 PM2.5源贡献的时间序列

根据图4所示PM2.5源贡献的时间序列,统计出各源的日变化趋势如图5a所示,同时为了区分排放或二次生成导致的浓度变化与边界层变化导致的浓度变化,使用CO进行校正,校正后的日变化趋势如图5b所示.在冬季农村地区,燃煤/生物质燃烧源的峰值出现在夜间,对应散煤和生物质等固体燃料的燃烧主要用于居民夜间取暖.Xie等[31]在石家庄的研究结果表明,冬季采暖期重污染过程往往有明显的碳质气溶胶贡献.刘湘雪等[32]发现山东德州农村地区煤炭与生物质燃烧对PM2.5的贡献可以达到60%.在保定、北京和西安等地的研究均显示冬季采暖使用的固体燃料燃烧对PM2.5贡献显著,并造成严重污染[12,33-35].日间光化学反应会促进NO、SO2和NH3向颗粒物的转化,抵消了白天边界层抬升导致的浓度稀释,经过CO校正后有明显的白天峰值.Lu等[36]进一步提出了二次无机气溶胶的冬季转换速率与夏季光化学同样高效,能快速生成二次硝酸盐.石家庄的研究表明燃煤/生物质燃烧源有关的有机物排放峰值在夜间,而二次生成的有机物峰值在白天[33].潘光等[37]也发现德州二次无机气溶胶会在白天快速增长.扬尘源和工业过程源的峰值出现在白天,与交通或人类活动有关.机动车排放源未显示出明显的高峰,与城市机动车排放源有明显区别,可能与农村地区交通活动较分散有关.烟花爆竹源未呈现出明显的日变化趋势,主要是因为其不是望都主要的PM2.5来源.整个观测期内,烟花爆竹源贡献为2.6%.春节集中排放特征将在2.3部分做进一步的分析.Liu等[12]发现秋季丰收季,农业活动如收割和犁地会导致高浓度的Ca离子.本研究主要处于冬季冻土期,农业活动基本停止,因此并未发现显著的农业面源污染因子.

2.3 典型重污染过程中元素组分特征

如图4所示,选取了3次典型污染过程进行分析,第一次污染过程发生在2018年11月25～12月4日,特征是二次源与扬尘源交替出现.二次源与扬尘源的贡献分别为43.4%和5.4%,远高于观测期间其他时间段(图6).强烈的扬尘源与北方沙尘天气相关,较强的风力带来了地壳源元素的同时,也使得累积的二次气溶胶在11月27日～12月3日得以消散.第二次污染过程发生在2019年1月10日～1月14日,二次源浓度持续升高,达到300μg/m3,平均贡献为61%.第三次污染过程发生在2019年2月4～6日,时值春节,烟花爆竹燃放活动强烈,烟花爆竹源贡献44.4%.由于仪器故障,除夕夜间～正月初一早上的数据缺失.现有的贡献占比可能低估了烟花爆竹燃放源对整个时间段PM2.5的实际贡献.吕文丽等[38]分析了保定市在春节集中燃放期PM2.5浓度和化学组分的特点,表明严格的禁燃措施可以有效减少PM2.5浓度.

如图6所示,在其他时间段燃煤/生物质燃烧源、二次源、工艺过程源和机动车尾气源为主要污染源,贡献分别为48.5%、24.7%、15.6%和8.3%.近年来的许多研究着重探讨了重污染过程的形成机制,高浓度的一次排放、污染地区的传输和气态前体物的二次转化被认为是最主要的3个原因[39-41].李璇等[42]发现石家庄在采暖季期间,煤炭燃烧尤其是散煤燃烧是碳质气溶胶的最主要来源.王申博等[18]采用PMF对郑州2017年11月污染过程进行来源解析,显示扬尘源、机动车源、工业源和燃料燃烧源的贡献分别为36.8%、27.6%、21.0%和14.6%.曹宁等[19]利用PMF对西安2017年11月污染过程进行分析,结果表明细颗粒物主要来源为燃煤源、二次源、工业源、交通源、生物质燃烧源和扬尘源,贡献分别为24.9%、29.3%、19.3%、1 3.3%、5.2%和1.9%.望都站代表的农村区域在冬季有强烈的固体燃料燃烧取暖活动,会影响周边城市空气质量.数个研究独立地指出华北农村地区的燃煤/生物质燃烧源可以影响北京的空气质量[13,21,31].同时,望都站观测到的二次源贡献较大,本地转化与区域传输都可能有贡献.王德羿等[43]基于区域大气环境模拟系统研究了2017年12月26日至2018年1月2日“2+26”区域的一次重污染过程,发现河北本地污染对石家庄地区的贡献达到了75%以上.由于受太行山的阻挡和背风坡气流下沉作用的影响,使得沿北京、保定、石家庄、邢台和邯郸一线的污染物不易扩散,形成一条西南～东北走向的高污染带[44].区域传输对望都的贡献,以及望都对其他地区的区域传输贡献,需要依靠多站点数据作进一步的分析[23].

图6 不同时间段各污染源贡献占比

图7 不同时间段各元素富集因子

根据PM2.5中元素组分富集因子的范围,元素组分大致可以分为3类,主要来源于地壳源、同时来源于地壳源和人为源、主要来源于人为源.它们在3个典型重污染过程中的分布特征如图7所示.其中,最值得关注的元素组分包括与烟花爆竹燃放源有关的K、Ba、Cu,以及与二次源有关的Se.K和Ba在前2个污染过程中,富集因子总体低于10,主要来自于地壳源,但在春节重污染过程中富集因子显著升高,可以被认为与烟花爆竹燃放的特征元素.Cu的富集因子均远高于10,主要来源于人为源,春节烟花爆竹燃放导致Cu的进一步富集.源解析结果显示Se与二次源有关,在二次源与扬尘源交替主导的第一次重污染过程中,其富集因子跨度较大;而在二次源主导的第二次过程中,其富集因子高于10;在烟花爆竹源主导而二次源贡献较低的第三次污染过程中,其富集因子低于10,主要来自于地壳源.Se是重要的燃煤示踪物[16],可能与二次源的前体物SO2和NO排放高度同源.

3 结论

3.1 通过在华北平原农村地区望都站于2018年11月21日～2019年2月8日进行外场观测实验, Xact测得的元素约占PM2.5的10.9%,S、Cl占比分别为3.3%、4.7%,剩余的元素占比约2.9%.

3.2 与以往研究比较,望都站冬季的Fe、Zn、As、Se、Ba、Pb浓度较高,主要与农村地区特有的排放源有关.使用Al作为参比元素计算各元素的富集系数判断来源,Si、Ca、Ti、Fe主要来自于地壳源,K、Cr、Mn、Ni、Se、Ba同时受地壳源与人为源影响,Cu、Zn、As、Ag、Cd、In、Sn、Pb主要来自于人为源.

3.3 应用NMF受体模型分析PM2.5中主要元素组分,显示烟花爆竹源、扬尘源、机动车尾气源、燃煤/生物质燃烧源、二次源和工艺过程源是主要污染源,其贡献比分别为2.6%、1.7%、6.5%、39.7、36.5%和13%.燃煤/生物质燃烧源和二次源作为最主要的PM2.5来源,显示出明显的日变化趋势.农村冬季散煤、生物质燃烧的贡献远高于城市中,有效控制农村地区的燃煤/生物质燃烧源可能有助于提高整个华北平原的空气质量.春节期间,烟花爆竹源对PM2.5的贡献可以达到44.4%,形成重污染过程.

3.4 结合富集因子与重污染过程分析发现Se的富集因子高低与二次源贡献相关,而Ba的富集因子可以明确作为烟花爆竹燃放的特征指征. K的富集因子也受到烟花爆竹燃放的影响,但其来源更广泛,不宜直接作为烟花爆竹燃放的特征指征.

[1] Chen Y, Ebenstein A, Greenstone M. Evidence on the impact of sustained exposure to air pollution on life expectancy from China’s Huai River policy [J]. Proceedings of the National Academy of Sciences of the United States of America, 2013,110(49):12936-12941.

[2] Gao M, Guttikunda S Ket al. Health impacts and economic losses assessment of the 2013 severe haze event in Beijing area [J]. Science of the Total Environment, 2015,511(2):533-561.

[3] Bai X, Shi P, Liu Y. Realizing China's Urban dream [J]. Nature, 2014, 509:158-160.

[4] Wang G, Zhang R, Gomezc M E, et al. Persistent sulfate formation from London Fog to Chinese haze [J]. Proceedings of the National Academy of Sciences of the United States of America, 2016,113(48): 13630-13635.

[5] Chen J, Li C, Ristovski Z, et al. A review of biomass burning: Emissions and impacts on air quality, health and climate in China [J]. Science of The Total Environment, 2017,579:1000-1034.

[6] Liu J, Mauzerall D L, Chen Q, et al. Air pollutant emissions from Chinese households: A major and underappreciated ambient pollution source [J]. Proceedings of the National Academy of Sciences of the United States of America, 2016,113(28):7756-7761.

[7] Zhang Q, He K, Huo H. Cleaning China’s air [J]. Nature, 2012,484: 161-162.

[8] 李珊珊,程 念亮,徐 峻,等.2014年京津冀地区PM2.5浓度时空分布及来源模拟 [J]. 中国环境科学, 2015,35(10):2908-2916.

Li S, Cheng N, Xu J, et al. Spatial and temporal distrubions and source simulation of PM2.5in Beijing-Tianjin-Hebei region in 2014 [J]. China Environmental Science, 2015,35(10):2908-2916.

[9] Chen Z, Cai J, Gao B, et al. Detecting the causality influence of individual meteorological factors on local PM2.5concentration in the Jing-Jin-Ji region [J]. Scientific Reports, 2017,7(1):40735.

[10] 胡京南,柴发合,段菁春,等.京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策 [J]. 环境科学研究, 2019,32(10):1704- 1712.

Hu J, Chai F, Duan J, et al. Explosive growth of PM2.5during the autumn and winter seasons in the Jing-Jin-Ji and surrounding area and its control measures with emergency response [J]. Research of Environmental Sciences, 2019,32(10):1704-1712.

[11] 潘竟虎,张 文,谢绍东,等.中国大范围雾霾期间主要城市空气污染分布特征 [J]. 生态学杂志, 2014,33(12):3423-3431.

Pan J, Zhang W, Xie S, et al. Spatial distribution characteristics of air pollutants in major cities in China during the period of wide range haze pollution [J]. Chinese Journal of Ecology, 2014,33(12):3423- 3431.

[12] Liu P, Zhang C, Mu Y, et al. The possible contribution of the periodic emissions from farmers' activities in the North China Plain to atmospheric water-soluble ions in Beijing [J]. Atmospheric Chemistry and Physics, 2016,16(15):10097-10109.

[13] Liu P, Zhang C, Xue C, et al. The contribution of residential coal combustion to atmospheric PM2.5in northern China during winter [J]. Atmospheric Chemistry and Physics, 2017,17(18):11503-11520.

[14] Zhang Y, Liu J, Mu Y, et al. Emissions of nitrous oxide, nitrogen oxides and ammonia from a maize field in the North China Plain [J]. Atmospheric Environment, 2010,45(17):2956-2961.

[15] Sun Y L, Wang Z F, Fu P Q, et al. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(3):4577-4592.

[16] 缑亚峰,余 欢,王 成,等.PM2.5化学组成观测设计对PMF源解析结果影响综述 [J]. 环境化学, 2020,39(7):1744-1753.

Hou Y, Yu H, Wang C, et al. Review: Influence of PM2.5composition measurement design on source apportionment using positive matrix factorization [J]. Environmental Chemistry, 2020,39(7):1744-1753.

[17] 韩力慧,张 鹏,张海亮,等.北京市大气细颗粒物污染与来源解析研究 [J]. 中国环境科学, 2016,36(11):3203-3210.

Han L, Zhang P, Zhang H, et al. Pollution and source apportionment of atmospheric fine particles in Beijing [J]. China Environmental Science, 2016,36(11):3203-3210.

[18] 王申博,余 雪,赵庆炎,等.郑州市两次典型大气重污染过程成因分析 [J]. 中国环境科学, 2018,38(7):2425-2431.

Wang S, Yu X, Zhao Q, et al. Analysis of the formation of two typical atmospheric heavy pollution episodes in Zhengzhou [J]. China Environmental Science, 2018,38(7):2425-2431.

[19] 曹 宁,黄学敏,祝 颖,等.西安冬季重污染过程PM2.5理化特征及来源解析 [J]. 中国环境科学, 2019,39(1):32-39.

Cao N, Huang X, Zhu Y, et al. Pollution characteristics and source apportionment of fine particles during a heavy pollution in winter in Xi'an city [J]. China Environmental Science, 2019,39(1):32-39.

[20] 刘佳媛,高 健,张岳翀,等.北京APEC期间不同颗粒物源解析方法的结果比较 [J]. 中国环境科学, 2020,40(3):938-947.

Liu J, Gao J, Zhang Y, et al. Results comparison of different source apportionment methods during APEC summit in Beijing [J]. China Environmental Science, 2020,40(3):938-947.

[21] 周 甜,闫才青,李小滢,等.华北平原城乡夏季PM2.5组成特征及来源研究 [J]. 中国环境科学, 2017,37(9):3227-3236.

Zhou T, Yan C, Li X, et al. Chemical characteristics and sources of PM2.5in urban and rural sitesinthe North China Plain during summer [J]. China Environmental Science, 2017,37(9):3227-3236.

[22] 杨铁金,于海洋,何友江,等.2017～2018年秋冬季唐山市PM2.5中元素组成特征及来源解析 [J]. 环境科学研究, 2020:1-15.

Yang T, Yu H, He Y, et al. Characterization of elemental compositions and their sources of PM2.5in Tangshan City [J]. Research of Envirionmental Sciences, 2020:1-15.

[23] 王跃思,宫正宇,刘子锐,等.京津冀及周边地区大气污染综合立体观测网的建设与应用 [J]. 环境科学研究, 2019,32(10):1651-1663.

Wang Y, Gong Z, Liu Z, et al. Construction and application of comprehensive observation network for air pollution in Beijing- Tianjin-Hebei and its surrounding areas [J]. Research of Environmental Sciences, 2019,32(10):1651-1663.

[24] Cui Y, Ji D S, Chen H, et al. Characteristics and sources of hourly trace elements in airborne fine particles in urban Beijing, China [J]. Journal of Geophysical Research-Atmospheres, 2019,124(21):11595- 11613.

[25] Zhang J, Zhou X, Wang Z, et al. Trace elements in PM2.5in Shandong Province: Source identification and health risk assessment [J]. Science of The Total Environment, 2018,621:558-577.

[26] Zhao P S, Dong F, He D, et al. Characteristics of concentrations and chemical compositions for PM2.5in the region of Beijing, Tianjin, and Hebei, China [J]. Atmos. Chem. Phys., 2013,13(9):4631-4644.

[27] Taylor S R, Mclennan S M. The geochemical evolution of the continental crust [J]. Reviews of Geophysics, 1995,33(2):241-265.

[28] Tian H Z, Zhu C Y, Gao J J, et al. Quantitative assessment of atmospheric emissions of toxic heavy metals from anthropogenic sources in China: historical trend, spatial distribution, uncertainties, and control policies [J]. Atmos. Chem. Phys., 2015,15(17):10127- 10147.

[29] Cui Y, Ji D, Chen H, et al. Characteristics and sources of hourly trace elements in airborne fine particles in urban Beijing, China [J]. Journal of Geophysical Research: Atmospheres, 2019,124(21):11595-11613.

[30] Karnae S, John K. Source apportionment of fine particulate matter measured in an industrialized coastal urban area of South Texas [J]. Atmospheric Environment, 2011,45(23):3769-3776.

[31] Xie Y, Liu Z, Wen T, et al. Characteristics of chemical composition and seasonal variations of PM2.5in Shijiazhuang, China: Impact of primary emissions and secondary formation [J]. Science of the Total Environment, 2019,677:215-229.

[32] 刘湘雪,徐婷婷.华北农村地区大气细颗粒物来源解析研究 [J]. 环境科学与管理, 2020,45(3):25-29.

Liu X, Xu T. Source apportionment of PM2.5in rural areas of North China [J]. Environmental Science and Management, 2020,45(3): 25-29.

[33] Huang R J, Wang Y, Cao J, et al. Primary emissions versus secondary formation of fine particulate matter in the most polluted city (Shijiazhuang) in North China [J].Atmos. Chem. Phys., 2019,19(4): 2283-2298.

[34] Dai Q, Bi X, Song W, et al. Residential coal combustion as a source of primary sulfate in Xi'an, China [J]. Atmos. Environ., 2019,196:66-76.

[35] Hu W, Hu M, Hu W, et al. Chemical composition, sources, and aging process of submicron aerosols in Beijing: Contrast between summer and winter [J]. Journal of Geophysical Research-Atmospheres, 2016, 121(4):1955-1977.

[36] Lu K, Guo S, Tan Z, et al. Exploring atmospheric free-radical chemistry in China: the self-cleansing capacity and the formation of secondary air pollution [J]. National Science Review, 2019,6(3):579- 594.

[37] 潘 光,丁 椿,孙友敏,等.德州市采暖季环境空气含氮硫物质的污染及气-粒分配特征 [J]. 环境科学研究, 2020,33(8):1766-1775.

Pan G, Ding C, Sun Y, et al. Pollution of ambient nitrogen/sulfur substances and associated gas-particle distribution characteristics during heating period in Dezhou City [J]. Res. Environ. Sci., 2020, 33(8):1766-1775.

[38] 吕文丽,张 凯,曹 晴,等.烟花爆竹燃放对大气污染物及PM2.5组分影响 [J]. 中国环境科学, 2020,40(8):3303-3311.

Lü W, Zhang K, Cao Q, et al. Impacts of fireworks burning on atmospheric pollutants and water-soluble inorganic ions in PM2.5[J]. China Environmental Science, 2020,40(8):3303-3311.

[39] Liu X G, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9):4501-4514.

[40] Fu H B, Chen J M. Formation, features and controlling strategies of severe haze-fog pollutions in China [J]. Sci. Total Environ., 2017,578: 121-138.

[41] Shi S, Liu Z, Xu Z, et al. Evolution and meteorological causes of fine particulate explosive growth events in Beijing, China, from 2013 to 2017 [J]. Atmospheric and Oceanic Science Letters, 2020,13(1):55-62.

[42] 李 璇,赵晓楠,俞 磊,等.石家庄市采暖前后大气颗粒物及其碳组分特征 [J]. 环境科学研究, 2018,31(4):679-687.

Li X, Zhao X, Yu L, et al.Characteristics of carbon components in atmospheric particles before and during the heating period in Shijiazhuang City [J]. Research of Environ. Sci., 2018,31(4):679-687.

[43] 王德羿,王体健,韩军彩,等.“2+26”城市大气重污染下PM2.5来源解析 [J]. 中国环境科学, 2020,40(1):92-99.

Wang D, Wang T, Han J, et al. Source apponionment of PM2.5under heavy air pollution conditions in“2+26”cities [J]. China Environmental Science, 2020,40(1):92-99.

[44] 吴 兑,廖碧婷,吴 蒙,等.环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件 [J]. 环境科学学报, 2014,34(1):1-11.

Wu D, Liao B, Wu M, et al. The long-term trend of haze and fog days and the surface layer transport conditions under haze weather in North China [J]. Acta Scientiae Circumstantiae, 2014,34(1):1-11.

Characteristics and sources of elemental components of fine particulate matter in winter rural areas of North China.

CHEN Hui1,2, WEI Ya-qi3, SHANG Xiao-na1,2, ZHU Chao4, WANG Chun-ying5, ZENG Li-min6, CHEN Jian-min1,2*

(1.Department of Environmental Science and Engineering, Fudan University, Shanghai 200438, China；2.Institute of Eco-Chongming (IEC), Shanghai 202162, China；3.Chinese Research Academy of Environmental Sciences, Beijing 100012, China；4.School of Municipal and Environmental Engineering, Shandong Jianzhu University, Jinan 250101, China；5.Hebei Xianhe Environmental Protection Technology Co., Ltd., Shijiazhuang 050035, China；6.College of Environmental Science and Engineering, Peking University, Beijing 100871, China)., 2021,41(11)：5027～5035

Using the observation data of the Xact analyzer from November 21, 2018 to February 8, 2019, characteristics of the element composition of PM2.5at Wangdu in rural North China were analyzed. The results showed that during the sampling period, Wangdu was severely polluted by PM2.5, and the average concentration of PM2.5was (186.6±142.0)μg/m3. The most important elements in PM2.5were S, Cl, and K, and their average mass concentrations reached 1000ng/m3; followed by Al, Si, Ca, Fe and Zn, and their mass concentrations were in the range of 500～1000ng/m3; the mass concentration of the other elements was lower than 500ng/m3. Enrichment factors calculated by using Al as the reference elements showed that Si, Ca, Ti, and Fe were mainly from crustal source, K, Cr, Mn, Ni, Se, and Ba were affected by both crustal and anthropogenic sources and Cu, Zn, As, Ag, Cd, In, Sn, Pb mainly originated from anthropogenic sources. NMF (Non-Negative Matrix Factorization) was deployed to quantify the contribution of various potential emission sources to PM2.5in this study. Firework and firecracker, dust, vehicle exhaust, coal/biomass combustion, secondary aerosol and industrial process were identified as the main pollution sources, which contributed 2.6%, 1.7%, 6.5%, 39.7, 36.5% and 13%, respectively. The contribution of coal/biomass combustion at night and secondary aerosol formation during the day were the main causes of PM2.5pollution. During the Spring Festival, firework and firecracker source would cause heavy pollution in rural areas. The enrichment factor of Ba appeared to be suitable as an indicator for firework and firecracker sources. The findings in this study could provide data support for source apportionment and control of fine particulate matters in winter rural North China.

PM2.5；element；enrichment factor；source analysis；coal combustion；firework；north China；rural

X513

A

1000-6923(2021)11-5027-09

陈 晖(1986-),男,上海人,助理研究员,博士,主要从事大气化学研究.发表论文30余篇.

2021-02-20

大气重污染成因与治理攻关项目(DQGG0103,DQGG0102);国家自然科学基金资助项目(21806020)

*责任作者, 教授, jmchen@fudan.edu.cn