计算机控制扫描电镜技术(CCSEM)在大气颗粒物表征及源解析中的应用

李文君，高 健*，姜 华*，李孟岩，李 江，赵普生，何连生

1. 中国环境科学研究院，环境基准与风险评估国家重点实验室，北京 100012

2. 北京迈特高科技术有限公司，北京 102211

大气颗粒物是悬浮在环境大气中固态及液态粒子的总和，对全球和区域气候变化、生态保护、公众健康等有重要影响. 近年来，我国大气污染防治效果显著，颗粒物浓度水平大幅下降，但大气污染形势依然严峻[1]. 有效开展颗粒物精细化溯源工作，有针对性地减排，并持续降低PM2.5环境浓度、减轻PM2.5人体暴露风险，成为目前颗粒物污染防治的重要基础.

传统源解析主要基于全样分析法获得化学组分的平均浓度，缺乏尺度、形貌和混合状态等组分以外的信息，且样品量需求大、采样时间长，难以适用于低浓度下颗粒物的精准溯源[2]. 基于电镜技术的单颗粒分析法样品量需求少，能在低颗粒物环境浓度下有效采集样品并准确分析单个颗粒，能同时获取单个颗粒物的微观形态结构及元素组成，是判断颗粒物来源的直接证据[3-4]，随着大气污染研究的深入而不断应用在颗粒物源解析中. 透射电镜(TEM)、扫描电镜(SEM)及扫描-透射电镜(STEM)是单颗粒分析的重要方法，通过颗粒物高分辨率微观图像辨别单个颗粒的形貌及结构特征，并结合能量色散X射线能谱仪(EDX)获取元素组成[4-5]. 国内外学者通过TEM-EDX或SEM-EDX表征污染源排放的颗粒物[6]，包括燃煤源[7-8]、生物质燃烧源[9]、沙尘源[10]、植物源[11]、餐饮源[12]、机动车源排放[13]、微塑料颗粒[14]、生物气溶胶[5,15]，以及城市环境大气颗粒物[2,16]，获取了大量与颗粒物来源相关的微观信息[17-18].

传统电镜往往基于人工测试，通过手动寻找颗粒物并采集图像及能谱数据，颗粒物分析效率低，对颗粒物类型的全面掌握需要大量时间和精力，表征的颗粒物数量往往达不到统计学要求，一般仅作为定性判断颗粒物污染来源的依据. 随着计算机技术的不断发展，20世纪70年代初计算机自动控制技术开始应用于扫描电镜中[19-21]，形成计算机控制扫描电镜技术(CCSEM). CCSEM通过计算机控制SEM-EDX硬件设备，自动识别并测量单个颗粒物，大幅提高了单颗粒分析效率，在一定时间内比人工电镜表征的颗粒物数量更多，逐渐应用于大气颗粒物研究中. 大气颗粒物的CCSEM分析结果具有代表性及有效性，如Casuccio等[20]发现CCSEM分析结果与原子吸收光谱分析、离子色谱等全样分析法测试结果具有较高的一致性. 美国环境保护局(US EPA)也将CCSEM作为检测大气颗粒物形貌和组成以及定量解析其来源的推荐技术之一. 基于CCSEM技术的大气颗粒物测量及表征工作能为单颗粒源解析提供技术支持，有助于开展基于大数据的颗粒物精细化源解析工作.

该研究介绍了CCSEM技术的原理、特点、测试流程及技术发展，全面梳理了CCSEM技术在大气颗粒物理化性质表征、来源解析及健康效应研究中的应用进展，展望了CCSEM在大气颗粒物研究中的发展方向及应用前景，总结了CCSEM存在的局限性及解决途径，以期为CCSEM在大气颗粒物研究中的深入应用提供理论依据和指导方向.

1 CCSEM技术概述及发展

1.1 CCSEM技术概述

CCSEM指通过计算机技术辅助进行自动化样品测试分析的扫描电镜技术，由扫描电子显微镜、能量色散X射线能谱仪及计算机控制系统三大部分组成[22-24]. CCSEM产生于20世纪70年代初，最初的概念是通过引入计算机技术实现SEM图像自动化分析，随着计算机技术的发展，CCSEM从SEM图像自动化分析发展到SEM自动化测试，进一步将自动化测试及数据处理集成化，最后实现软硬件的深度融合.CCSEM广泛应用于材料科学、地质、环境科学等多个领域，80年代初CCSEM开始应用于环境大气及源排放颗粒物研究[20].

国外基于CCSEM技术开展的颗粒物研究工作可追溯到20世纪70年代，美国钢铁研究中心的Rich Lee尝试在DEC PDP-11小型计算机控制下集成SEM-EDX与数字扫描发生器并实现颗粒物自动化计数，因此产生了第一个CCSEM系统，主要用于金属夹杂物及环境颗粒物研究. 20世纪80年代末至90年代初，随着微软个人电脑操作系统的发布，Rich Lee与环境领域用户Gary Casuccio共同研发了集成的SEM-EDX系统，实现在个人电脑上SEM测试操作的自动化，并命名为Personal SEM (PSEM)，研究领域也扩展为环境、制造、采矿及材料表征等多个领域，RJ Lee Group也成为CCSEM制造商之一. 除RJ Lee Group之外，不少科研单位和仪器厂商也针对不同应用领域研发了多种型号的CCSEM，包括Microbeam Technologies Incorporated (MTI)公司的CCSEM系统[25]、德国蔡司(Carl Zeiss)的EVOMA CCSEM系统[26]、美国伊达克斯(EDAX)的颗粒/相分析Genesis系统[27]、TIMA(Tescan Integrated Mineral Analyzer)综合矿物分析系统[28]，以及赛默飞世尔公司(ThermoFisher Scientific)的NSS CCSEM和Axia ChemiSEM系统等[29]，大部分应用于煤、煤灰特性及矿物转化、煤渣形成，以及采矿、岩矿鉴定及金属夹杂物等研究中. 在国内，董树屏等[30]于2001年利用安特卫普大学的JEO L733型扫描电镜智能分析系统自动分析颗粒物样品；Yu等[27]于2006年将CCSEM分析技术引入国内，主要用于不同煤种矿物分析及其相应的矿物转化过程等研究. 国内最初应用于颗粒物的CCSEM研究主要是围绕矿物颗粒及工业过程的灰烬等粒径较大的颗粒物，随着研究的深入，开始关注燃煤排放颗粒物，主要针对可吸入颗粒物(PM10)等粗粒径段颗粒物. 近年来，国内学者开始关注CCSEM技术在环境大气细颗粒物(PM2.5)理化性质表征及来源解析等研究中的应用.

1.2 CCSEM在大气颗粒物研究中的技术流程

在大气颗粒物研究方面，CCSEM通过计算机控制系统实现寻找、测量、表征颗粒物及数据后处理全过程自动化. 人工操作电镜在寻找及测量颗粒时具有主观性，受试验人员经验判断影响较大，且在一定时间内分析的颗粒物数量较少. CCSEM将样品表面划分为多个矩阵，设定图像强度阈值作为颗粒物的判断依据，依次或随机扫描每一个矩阵，并对系统判断为颗粒物的粒子采集能谱、微图像数据，直到满足停止条件. 全自动化测试克服了人工测试固有的操作偏差、疲劳和主观性影响，通过测试大量 (几千至数万个)颗粒物获得比人工测试更精准、更可靠、重现性更好的分析结果[20]. 对比CCSEM与人工操作电镜在大气颗粒物应用中的区别(见表1)发现，CCSEM在颗粒物测试结果具有更好的代表性. Mamane等[24]通过CCSEM测试对比了360、734、1 456和2 819个单颗粒数据获得的颗粒物类型及粒径表征结果，发现360个粒子即可获得具有代表性的测试结果. CCSEM通过提高分析效率获得定量的微观分析结果，颗粒物元素组成、粒径大小等数据与全样分析结果仅相差几个百分点，且保留形貌等与颗粒物来源直接相关的微观证据，因此可作为定量分析手段应用于颗粒物来源解析中.

表 1 CCSEM与人工操作电镜在大气颗粒物应用中的对比Table 1 The comparison between CCSEM and manual SEM applied in atmospheric particles

CCSEM样品测试时间由多种因素决定，包括样品情况(采样滤膜上颗粒物分布的密度和数量)和测试参数的设定，一般结合前期人工测试对样品的掌握及具体研究需求设置测试参数[31-32](见表2). CCSEM检测的颗粒物最小粒径与放大倍数、加速电压、探头类型、工作距离、图像亮度、对比度、图像强度阈值等参数有关，如在背散射(BSE)模式下，加速电压20 keV、工作距离10 mm时可分辨的颗粒物最小粒径约为0.2 μm，而当加速电压降低为5 keV、放大倍数增大25%后可分辨0.1 μm的碳质细颗粒物[35]，但分析时间加长、分析效率降低. 20多年来CCSEM的分析速率随着计算机技术的发展而不断提高，从以往的1 h分析100个颗粒，发展到如今1.5 h内能分析10 000个颗粒物(见表2).

图 1 IntelliSEM EPAS系统介绍Fig.1 The introduction of IntelliSEM EPAS system

表 2 CCSEM在大气颗粒物测试中的部分设定参数和分析效率Table 2 Setting parameters and analysis efficiency of the measurement of atmospheric particles by CCSEM

1.3 CCSEM在大气颗粒物研究中的技术发展

硬件方面，CCSEM搭载的电镜系统不断优化，图像分辨率显著提升，能谱系统逐步升级为硅漂移能谱探测器(SDD)，相对于早期的硅锂(Si [Li])探测器能在短时间内获取更多的X射线计数值[32,36]. CCSEM的软件系统随着计算机技术的飞速发展也不断更新. 美国RJ Lee Group是CCSEM技术的先驱，早期CCSEM型号为PSEM，在测试方面通过自动特征分析软件定位颗粒实现测试自动化，在数据处理方面利用ZepRun软件包进行自动化数据分析，查看所有分析区域的颗粒微图像及能谱图，汇总得出每个分析区域的粒子数量、平均直径、平均质量载荷、平均元素组成等[37].之后RJ Lee Group开始专注于软件开发，与电镜仪器商合作研发适用于不同领域、适配不同硬件系统的CCSEM软件，使系统在运行、操作和处理数据方面不断优化. 由图1可见，目前RJ Lee Group最新的大气颗粒物分析软件系统为IntelliSEM EPAS (智能扫描电镜环境颗粒物分析)系统，实现了硬件设备和软件系统的同步升级及深度融合，通过精准控制硬件设备实现颗粒物测试及后处理全自动化[3,38]. IntelliSEM EPAS包括仪器控制和数据采集系统(Prospector，“勘测者”)以及数据汇总及可视化系统(Workbench，“工作台”). “勘测者”能控制SEM-EDX对样品区域自动扫描、对颗粒物自动定位及测量，通过预设扫描区域的大小、形状、位置以及扫描速度、视场大小、图像尺寸、粒径范围及图像阈值等参数，实现颗粒物自主定位及数据采集. “工作台”是对原始数据进行可视化处理的“后分析”模块，可快速查询和分析所有颗粒物，处理、计算并统计颗粒物质量浓度、粒径分布、元素分布等数据. 由图1可见，IntelliSEM EPAS可查看单个颗粒物能谱图以及含某种元素的所有颗粒物，可根据颗粒物分类标准及样品情况自定义分类规则并自动划分颗粒物类型，通过生成多种统计分析图表，包括粒径分布图、元素浓度图和不同元素之间的三元相图等多种可视化方式输出结果. 此外，IntelliSEM EPAS通过智能定位控制系统实现对多个滤膜样品依次自动化分析，大幅提高颗粒物样品测试及数据分析的时效性. 相对于早期的CCSEM系统而言，IntelliSEM EPAS系统进一步提高了颗粒物测试效率、准确性及数据处理的便捷性. 此外，IntelliSEM软件还分为不同系列，分别应用于不同领域，除IntelliSEM EPAS以 外 还 有IntelliSEM ASCAT(Automated Steel Cleanliness Analysis Tool)自动化钢清洁度分析工具、nanoCCSEM纳米级计算机控制扫描电镜系统及Wear Debris金属磨损颗粒识别系统.因此，IntelliSEM EPAS主要应用于大气颗粒物分析，是目前最先进的大气颗粒物智能分析系统之一.

2 CCSEM在颗粒物理化性质表征中的应用

CCSEM技术可表征颗粒物的形状参数、数浓度、质量浓度、形貌特征、元素组成等理化性质. CCSEM可通过计算机测量自动获得单个颗粒的粒径、纵横比、投影面积、周长及圆度因子等形状参数，通过统计图像中颗粒物的数量及不同粒径范围颗粒物的数量分别获得颗粒物的数浓度及粒径分布，与在线粒径谱仪获得的粒径分布规律一致，进一步结合沉积速率模型计算颗粒物质量浓度[33]. 在电镜下观察到的大气颗粒物呈现出规则状、不规则状或液滴状，具有球形、近球形、链状、簇状、絮状、密实状、棒状、片状等微观形貌，主要受颗粒物化学组成、形成机制、吸湿性、亲/疏水性、分子极性等因素的影响[39]. 通常一次排放的新鲜颗粒具有更规则的形态，而在环境中进一步老化或二次生成的颗粒物会呈现出内混、外混等混合状态及核壳结构，且覆盖层越厚颗粒物老化程度越高. 描述颗粒物形貌的参数有粒径及其分布、圆度因子、形状因子、核壳比、纵横比、混合状态及分形维数等[40-41]. 大气颗粒物来源复杂多样，根据元素组成、形貌特征及在电子束下的稳定性将颗粒物进一步分类描述，一般包括人为排放的烟尘、硫酸盐、矿物颗粒、焦油球、金属颗粒、有机颗粒、粉煤灰等多种类型[42-46]，还包括生物或植物源排放的细菌、真菌、孢子、花粉等[5,47](见图2). 此外，一些学者根据元素的质量分数P(X)值进行分类，即利用颗粒中质量分数最大的元素命名为富X颗粒(X指元素名称)[52]. 若P(X)>65%，则命名为X质颗粒，如Ca质颗粒；若P(X)<65%，则命名为P(X)值最大的元素+第二大元素颗粒，如Si+Mg颗粒[53].

图 2 环境空气及污染源排放的不同类型颗粒物的SEM图[31,35,48-51]Fig.2 SEM images of different types of individual particles suspended in ambient air and emitted from specific pollution source[31,35,48-51]

相比人工电镜而言，CCSEM可通过自动分析快速获取更全面的颗粒物信息，快速掌握颗粒物精细化来源信息，对比不同区域颗粒物类型的差异，有效捕捉颗粒物形貌变化规律. 一方面，CCSEM有助于寻找源清单以外的重要污染源，如Shen等[32]利用CCSEM检测印度德里城区室内外颗粒物样品时发现了大量球形和链状富铅颗粒，并结合富铅颗粒物的形貌、组成和粒径判断出废旧铅酸电池的非正式回收可能是此类颗粒的主要来源，然而这类来源并未加入源清单. Wang等[8]利用IntelliSEM EPAS系统对西安市郊区大气颗粒物进行分析，发现了大量可能来自燃烧过程的含氟纳米颗粒. CCSEM提高了颗粒物分析效率，能辅助对比不同区域环境颗粒物类型差异，如Ault等[54]利用CCSEM发现，城市环境大气中粉煤灰的圆度因子高于郊区，说明粉煤灰在长距离传输中发生老化；姚维杰等[49]利用IntelliSEM EPAS发现，城区中碳质颗粒数量占比是钢铁园区的2.5倍，认为餐饮和机动车排放是城区环境空气中大量碳质颗粒物的主要来源，而钢铁园区含硫和含铁颗粒物更多，说明钢铁园区颗粒物主要来源为钢铁企业排放的一次污染物及其转化生成的二次细颗粒物. 此外，CCSEM能有效区分颗粒物形貌特征及其规律，如O'Brien等[55]利用CCSEM发现了环境颗粒物主要以两种混合状态存在，包括以老化的海盐颗粒为主的高混合指数颗粒及以碳质颗粒为主的低混合指数颗粒.Meyer等[38]利用IntelliSEM EPAS发现，国际空间站室内气溶胶粒子形貌比地球上典型气溶胶更复杂，许多颗粒物呈微重力环境下形成独特聚集形貌. 因此，在颗粒物理化性质表征应用方面，CCSEM通过提高颗粒物测试效率，进一步提高了样品代表性及颗粒物类型的全面性，有利于掌握颗粒物污染特征及污染源精细化信息. 此外，CCSEM在煤中矿物特性研究中也得到了广泛应用，有效识别煤中矿物类型及其在煤中的存在形式，如外在矿及内在矿分布形式[56]，表征一些重要元素在矿物中的分布，以及矿物聚结作用及破碎性的影响因素[57].

3 CCSEM在颗粒物来源解析中的应用

大气颗粒物来源复杂，包括工业生产、机动车排放、生物质燃烧、建筑/工业扬尘、餐饮等人为源，以及沙尘、土壤扬尘、海盐、植物等自然源[58]. 不同污染源排放的颗粒物源谱特征不同，包括颗粒物类型、元素组成、形貌特征、粒径大小及分布等. 机动车排放的黑碳颗粒与生物质、燃煤排放的黑碳颗粒在分形维数方面具有一定的差异[59]，主要原因在于污染源的燃料类型、燃烧条件、理化过程及成因机制不同.机动车排放更多的超细颗粒物，燃煤排放的颗粒物粒径更大，主要为烟尘、粉煤灰、矿物颗粒等，而沙尘及扬尘源等常伴随粗粒径段的矿物颗粒[60-63]. 污染源排放的一次颗粒物进入大气后，与污染气体或其他颗粒在一定气象条件下会通过均相或非均相反应生成大量二次颗粒物，使得颗粒物的形貌及元素组成更加复杂化，大气污染程度进一步加剧.

大气颗粒物来源解析指确定污染源类型并定量解析不同污染源的贡献，是大气污染防治的重要工作，有助于制定科学的污染源控制措施. 受体模型法利用多种离线或在线分析技术获取环境受体气溶胶的化学成分谱，结合相关算法或模型对污染来源及其贡献率进行定量推演和计算，是应用最广泛、技术最成熟的源解析方法之一[64-65]. 其中，电镜法是受体模型法的一种，能获取单个颗粒的微观形态结构及化学组成，是判断颗粒物来源的直接证据[66]. 相比传统人工电镜，CCSEM由于分析效率大幅提高，在短时间内获得更多、更全面的颗粒物数据，因此在20世纪80年代初逐渐应用于大气颗粒物来源解析[20].

由于CCSEM获得的数据量较大，包括颗粒物形貌特征、形状参数、元素组成等，往往需要结合多元统计方法(如聚类分析、主成分分析、神经网络分析等)进一步获取颗粒物精细化来源特征[67-68]. 1988年Borm和Adams[69]利用聚类法对锌冶炼厂附近的悬浮土壤颗粒进行分类，并解析出土壤颗粒(29%)、含Zn土壤颗粒(20%)、富Pb颗粒(11%)及非金属颗粒(22%)四类主要颗粒物. 随后Xhoffer等[19]利用主成分分析法(PCA) 分析了欧洲北海及英吉利海峡轮船上采集的大气颗粒物样品的来源，识别出海盐颗粒(21%)、人为来源的富S颗粒(21%)、铝硅酸盐(16%)、工业来源的CaSO4(15%)，并发现13%的颗粒物是自然和人为源的混合颗粒. Shen等[32]利用K-均值聚类法将印度德里环境颗粒物中的含Pb颗粒分为Pb颗粒(47%)、Pb-Cl颗粒(38%)及Pb-Cl-K颗粒(15%). 此外，基于神经网络算法的自适应共振理论(ART-2a)能对有相似化学特征的颗粒物进行分类，也应用于颗粒物来源解析中[54,70]. 通常利用ART-2a法处理单颗粒气溶胶质谱仪(SPAMS)获取的颗粒物粒径及质谱数据，将颗粒物归类合并为几类污染源. CCSEM不仅能获得粒径及成分信息，还能结合颗粒物的形貌特征进一步判别颗粒物来源，进而结合算法模型定量出不同污染来源的贡献[71]. 如Kumar等[70]利用ART-2a法对25 437个颗粒物进行分类，确定了道路土壤尘(51%)、道路碳质尘(21%)、盐类(18%)、生物源颗粒(10%)是纽约环境空气中4类主要污染源；Lagudu等[72]利用ART-2a法对不同季节被动式采集的粗颗粒进行了来源解析，将根据元素组成分类的26类颗粒物进一步聚类为5类，分别为道路尘、生物源、碳质道路尘、海盐及富Cr颗粒. 此外，利用CCSEM还可获得与周边污染源相关的信息，如Wagner等[67]研究发现农业活动焚烧点周边环境空气中与燃烧相关的颗粒物类型直接受到燃烧烟羽的影响；Sawvel等[36]研究发现，克利夫兰钢铁厂的排放对周边环境的影响较大；Shen等[32]利用CCSEM研究了印度德里等地区火炉源排放颗粒物及重金属颗粒对当地居民生活环境的影响. 因此，在大气颗粒物来源解析应用方面，CCSEM通过获取大量颗粒物数据，结合数理统计方法定量解析，获取精细化颗粒物源解析结果. 通过CCSEM表征的环境大气及污染源排放颗粒物的类型如表3所示.

表 3 CCSEM表征的环境大气及污染源排放颗粒物类型Table 3 The types of particles suspended in the ambient atmosphere and emitted from specific pollution source characterized by CCSEM

4 CCSEM在颗粒物健康效应研究中的应用

CCSEM主要基于背散射图像检测颗粒物，在背散射模式下高原子序数元素比低原子序数(如碳元素)有更高的亮度和衬度，能更好地表征对人体健康有潜在危害的重金属或过渡元素，如Fe、V、Cr、Ce、Zn、Pb及La等[36](见图3). 一些学者将CCSEM图像强度值设置为仅仅检测高原子序数颗粒，进一步研究环境颗粒物的健康效应，如表征印度环境空气中的富铅颗粒[32]，地铁及周围居民区环境空气中的富铁颗粒[25]. 利用背散射图像中重金属元素具有高亮度的特点，Meyer[38]分析了国际空间站室内气溶胶中的含溴、镉等对航天员健康有影响的金属颗粒，认为此类金属颗粒主要来自金属部件阻燃剂中的添加剂. 此外，CCSEM能进一步表征颗粒物中微量元素的变化规律，如Wang等[8]发现环境空气中大量颗粒物含痕量的氟元素，且大部分含氟颗粒中氟的含量<0.5%，且均为粒径小于800 nm的超细颗粒，更易深入人体造成伤害. 然而，这些微量元素在颗粒物中的分布往往是不均匀的，常以单个超细颗粒的形式吸附在较大尺度的颗粒物表面，很难通过全样分析法准确检测出来. 一些学者还将CCSEM应用于污染土壤中含铅颗粒的生物可利用率研究[73]，发现人为活动排放的Pb颗粒与高原子序数元素(如Fe、Zn等)结合的溶解度低于其与碳酸盐及低原子序数元素(如Na、Al等)结合的溶解度，且不同形式结合的Pb颗粒产生的生物可利用性差异较大. 因此，在颗粒物健康效应研究方面，CCSEM易于在背散射模式下获得痕量重金属及过渡元素等在颗粒物中的含量、结构、形貌特征及分布规律，适用于含重金属等元素的颗粒物健康效应及人体暴露风险评估研究.

图 3 CCSEM对重金属元素等对人体健康有潜在危害元素的表征[32, 38]Fig.3 CCSEM characterization of heavy metal elements and other elements potentially harmful to human health[32, 38]

5 CCSEM技术的发展前景及展望

随着大气科学技术手段的不断进步，人们对大气颗粒物的理化性质、来源、污染特征及形成机制等方面有了更深入的认识. CCSEM技术能在短时间内有效获取大量单颗粒信息，为颗粒物精细化源解析提供技术支持，但在颗粒物识别、分类及分析时效性等方面还存在一些问题，在今后的研究中还应注意以下问题：①颗粒物识别. 低原子序数的颗粒物在背散射图像上的衬度较低，如碳质颗粒，CCSEM对此类颗粒物的识别效率相对较低，可通过调整亮度对比度提高碳质颗粒物的衬度，设置合适的图像检测阈值进一步提高碳质颗粒的检测率. 此外，CCSEM对形貌复杂的颗粒物识别不够准确，对边界复杂的颗粒物边界描绘不够准确，需要进一步结合人工智能图像识别技术进一步提高颗粒物边界识别正确率. ②颗粒物分类标准问题. CCSEM主要基于元素相对含量对颗粒物进行分类，对于具有特殊形貌的颗粒物(如烟尘、花粉颗粒等)一般需要手动归类. 未来应结合人工智能算法等图形分析技术，更多地将形貌特征、形状参数纳入分类规则中，并依据颗粒物指纹源谱特征数据库制定科学的颗粒物分类规则. ③分析时效性问题. 相比动态源解析常用的在线单颗粒质谱仪等技术而言，电子显微镜是离线分析技术，虽然CCSEM分析速率大幅提高，但在采样、测试及数据处理等环节存在一定的时间周期. 未来应在采样方法、分析时效性等方面进行深入研发，提高单颗粒分析的时效性，在此基础上将基于电镜技术的单颗粒源解析逐步业务化.

CCSEM技术在大气颗粒物研究中具有以下应用前景：①大气颗粒物精细化来源解析. 深入加强基于电镜的单颗粒表征技术与源解析模型的结合，建立更系统的单颗粒源解析方法技术体系. ②城市大气颗粒物的单颗粒源谱数据库建立. 利用CCSEM快速分析的优势准确把握各城市环境颗粒物的污染特征，评估各城市工业结构、颗粒物元素组成等地域性差异，建立基于电镜技术的城市颗粒物源谱数据库. ③颗粒物健康效应评估. 基于CCSEM背散射图像对重金属等具有健康效应的元素的高识别效率，评估大气颗粒物的健康效应及人体暴露风险，进一步探讨城市环境颗粒物中有害物质与各地疾病发生率流行病学调查结果的关系.