典型城市大气颗粒物无机组分源解析

2024-02-18刘丽

大科技 2024年4期

关键词：池州市污染源颗粒物

刘丽

（安徽省池州生态环境监测中心，安徽池州 247100）

0 引言

大气颗粒物无机组分属于城市大气颗粒物的重要组成部分，其来源复杂，包括燃煤、工业生产、机动车尾气、建筑扬尘等多种污染源。因此，对城市大气颗粒物无机组分进行源解析研究，对于制定有效的污染控制策略具有重要意义。

1 研究方法

以池州市为例，通过对大气颗粒物无机组分进行源解析，可以深入了解颗粒物的来源和成因。

1.1 正定矩阵因子分解

正定矩阵因子分解（PMF）是一种基于受体模型的源解析方法，具有独特的优势。PMF 方法的核心思想是利用观测数据和污染源特征之间的关系，通过数学分解，确定污染源的贡献。与传统的源解析方法相比，PMF不需要事先知道污染源排放清单，因此可以灵活地应用于各种情况。通过PMF 方法，对池州市大气颗粒物无机组分进行源解析，可以同时解析多种污染源的贡献，更全面地了解不同污染源对颗粒物形成的影响。

1.2 化学质量平衡法

化学质量平衡法（CMB）是基于质量守恒原理的源解析技术，通过测量大气颗粒物中各种化学元素或化合物的浓度，并结合污染源排放清单和化学转化过程的相关信息，计算各个污染源对颗粒物的贡献。通过CMB 方法，结合测量的大气颗粒物化学组成数据和污染源排放清单中的化学组成信息，在对比之后，利用数学模型和统计学方法，确定各个污染源对颗粒物的贡献比例。在此期间，质量守恒原理起到了关键作用，即污染源排放的化学物质总量，应等于大气中化学物质的总量[1]。

1.3 主成分分析法

主成分分析法（PCA）属于常用的多元统计分析方法，可以用于处理大气颗粒物的化学组成数据。通过PCA 方法，可以对大气颗粒物的化学组成数据进行降维处理，将多个变量转化为少数几个主成分，从而简化数据结构。在PCA 方法中，首先对大气颗粒物的化学组成数据进行标准化处理，消除变量之间的量纲差异。然后，通过计算数据的协方差矩阵，得到各个变量之间的相关性。利用特征值分解技术，将协方差矩阵分解为若干个主成分，每个主成分都属于原始变量的线性组合。通过分析主成分的特征值和对应的特征向量，可以确定每个主成分所代表的化学组成信息。

1.4 受体模型法

受体模型法主要用于估算大气颗粒物污染源的贡献。在受体模型法中，通常需要建立数学模型，描述颗粒物的传输和转化过程。基于扩散方程、高斯烟羽模型或其他合适的数学方法，通过将观测数据与模型进行拟合，可以估算各个污染源对受体处颗粒物的贡献份额。

受体模型法的优点在于，不需要直接测量污染源的排放量，而是利用观测数据进行反推。因此，该方法适用于无法直接获取污染源排放数据的情况。然而，受体模型法也存在一些限制和不确定性。模型的准确性和可靠性，取决于观测数据的质量、模型的合理性，以及对污染源特征和传输过程的准确描述。因此，在应用受体模型法时，需要做好充分的数据分析和验证，确保解析结果的可靠性。

1.5 扩散模型法

扩散模型法主要基于大气扩散理论的源解析，通过模拟污染源排放的污染物在大气中的传输和扩散过程，估算不同污染源对受体的贡献。在扩散模型法中，首先，需要获取污染源的排放信息，包括排放量、排放物种和排放高度等。其次，结合气象数据和地形信息，将污染源的排放量转化为在大气中的浓度分布。再次，通过数值模拟或解析方法求解扩散方程，预测污染物在大气中的传输和扩散过程。最后，将模拟得到的污染物浓度分布，与受体处的观测数据进行比较，通过数据拟合或反演算法，估算不同污染源对受体的贡献。此时，可以确定各个污染源对受体的影响程度，并为污染控制和环境管理提供科学依据[2]。

扩散模型法在大气污染研究和环境管理中具有重要的应用价值，可以帮助了解污染物的来源和传输路径，识别主要污染源，并制定有效的污染控制策略。然而，扩散模型法的准确性和可靠性受到模型的复杂性、输入数据的质量以及对不确定性的评估等因素的影响。因此，在应用扩散模型法时，需要通过充分的验证，并做好不确定性分析，确保解析结果的准确性和可靠性。

2 选择合适源解析方法的相关措施

2.1 研究目的

不同的源解析方法适用于不同的研究目的。例如，如果研究的主要关注点是污染源的时空分布情况，扩散模型法可能属于更适合的选择。扩散模型法可以模拟污染物在大气中的传输和扩散过程，从而估算不同污染源对受体的贡献，并且能够可以提供污染源的空间分布信息，对了解污染源在不同时间和地点的排放情况提供帮助[3]。

相反，如果研究的主要关注点是污染源的化学组成，那么化学质量平衡法或主成分分析法将更适合。化学质量平衡法基于质量守恒原理，通过测量大气颗粒物中化学元素或化合物的浓度，并结合污染源排放清单和化学转化过程，计算各污染源的贡献。主成分分析法则是多元统计分析方法，可以针对大气颗粒物的化学组成数据，通过降维处理的方式，提取主要成分并确定其来源。

因此，在选择源解析方法时，需要根据研究目的和可用数据，在综合考虑之后选择合适的类型。不同的方法具有各自的优势和适用范围，合理选择合适的源解析方法，可以提高研究的准确性和可靠性。

2.2 数据质量

源解析方法的准确性和可靠性，在很大程度上取决于所使用数据的质量。因此，在选择合适的源解析方法之前，需要对数据的准确性、完整性和代表性进行评估。

数据的准确性是指测量或观测数据与真实值之间的接近程度。如果数据存在测量误差或错误，将会影响源解析结果的准确性。因此，需要加强对数据质量的控制，并通过验证，确保数据的准确性。

数据的完整性是指数据是否包含了所有相关的信息。如果数据存在缺失或遗漏，可能会导致源解析结果的不准确。因此，需要加强对数据的审核和筛选，确保数据的完整性。

数据的代表性是指数据是否能够代表研究对象的总体特征。如果数据只是研究对象的一部分或存在偏差，可能会导致源解析结果的偏差。因此，需要分析和评估数据，确保数据的代表性。

2.3 污染源特征

污染源解析属于环境监测和治理的基础工作，旨在识别和分析造成环境污染的源头。不同的污染源具有各自独特的特征，例如排放强度、排放方式、化学组成等，其特征决定了后续对污染源解析方法的选取。

首先，排放强度。某些污染源可能具有较高的排放强度，如工业排放、汽车尾气等，污染源对环境的影响更为严重。针对此类污染源，需要采用高效、可行的监测手段，确保能够对其做好准确、实时的监测。

其次，排放方式。排放方式包括大气排放、水体排放、土壤排放等，不同排放方式的污染源，污染物质在环境中的传播和转化规律有着各自的特点。因此，在选择污染源解析方法时，需充分考虑排放方式的影响，保证解析结果的准确性。

最后，化学组成。污染源化学组成的复杂性，决定了解析期间的难度。某些污染源可能含有多种有害物质，如重金属、有机物等。针对此类污染源，需要运用多种分析技术，如光谱、色谱等，便于详细分析其化学组成[4]。

2.4 时间和空间分辨率

作为环境科学研究中的关键技术手段，源解析方法可以帮助识别和分析环境污染的源头。然而，不同的源解析方法具有不同的时间和空间分辨率，旨在满足不同的污染源特征和应用需求。

扩散模型法可以提供较高的时间和空间分辨率，结合污染物质的扩散过程，通过数学建模的方式，可以有效模拟污染物在环境中的传播和变化。然而，扩散模型法的局限性在于，需要大量的计算资源和专业技能作为支撑。因此，在实际应用中，扩散模型法更适合于对污染源的深入研究，以及需要精确解析的场合。

相比之下，化学质量平衡法和主成分分析法，通常适用于较低的时间和空间分辨率。化学质量平衡法主要通过测量各种污染物的浓度，结合化学反应原理，推断污染源的种类和排放量。主成分分析法属于数据降维技术，可以将大量污染指标转化为少数几个主成分，从而简化问题，提高分析效率。尽管上述两种方法在时间和空间分辨率上相对较低，但在资源和能力有限的条件下，仍然具有较好的实用性和广泛的应用前景。

不同的源解析方法因其独特优点和局限性，在实际应用中有着不同的时间和空间分辨率。扩散模型法适用于高分辨率的污染源解析，但需要较大的计算资源。化学质量平衡法和主成分分析法，适用于较低的分辨率，具有较强的实用性和广泛的应用场景。在选择合适的源解析方法时，需要综合考虑污染源的特征、研究目标和实际条件，获得最优解析效果。同时，随着科学技术的不断发展，新的源解析方法也在不断涌现，并提供更多选择和可能性。在未来，环保工作者应积极掌握和运用各类源解析技术，为我国环境监测和治理提供更为精准和有效的支持。

2.5 综合分析

在环境科学研究中，选择合适的源解析方法至关重要。源解析方法可以帮助识别和分析污染物的来源，为环境管理和政策制定提供科学依据。然而，不同类型的源解析方法各有优劣。因此，在实际应用中，需要综合考虑多种因素，采用多种方法做好综合分析，提高解析结果的准确性和可靠性。

首先，考虑污染源的特征。不同的污染源可能有不同的排放特性，例如排放量、排放速度、化学成分等。因此，在选择源解析方法时，应针对具体污染源的特点选择合适的类型，保证解析结果的准确性。

其次，研究目标和实际条件，属于选择源解析方法的重要因素。根据研究目的，需要确定所需的时间和空间分辨率。高分辨率的应用场景，通常需要更复杂的计算资源和专业技能，而低分辨率方法则相对简便。同时，实际条件也会影响源解析方法的选择，如样本量、数据质量等。

最后，还应关注源解析方法的稳定性和适用性。某些方法在特定条件下，可能表现出较好的解析效果，而在其他条件下则可能失效。因此，在选择源解析方法时，要充分了解其在不同条件下的表现，并结合实际应用需求做好权衡[5]。

在实际操作中，为提高解析结果的准确性和可靠性，可以采用多种源解析方法，为综合分析环节提供帮助。通过对不同方法分析结果的对比和融合，可以有效降低误差，提高解析结果的可信度。同时，还应不断关注新技术和新方法的发展动态，及时更新和完善现有的源解析技术。

3 结果与讨论

（1）以2023 年11 月池州市颗粒物组分自动监测结果分析，移动源、二次源、燃烧源、工业源、扬尘源是池州市大气颗粒物无机组分的主要污染源，其实际贡献分别为40.2%、36.3%、11.7%、6.0%和5.7%，上述污染源对池州市大气颗粒物的形成和分布起着重要作用。

（2）池州市颗粒物浓度受污染传输影响较大。池州市秋冬季主导风向为东北风，湿度较高，不同季节污染源的贡献差异较小，均以移动源与二次源为主。11 月4 日为PM2.5污染日，污染时段PM2.5重构组分浓度排序为有机物＞硝酸盐＞铵盐＞硫酸盐＞其他，污染源以燃烧源贡献为主，不利气象条件是本次污染的主要原因之一；11 月17 日为PM10污染日，主要受内蒙地区沙尘远距离传输影响，污染期间PM2.5主要组分为地壳物质。移动源在污染期间贡献较小，说明受污染传输影响较大。

（3）11 月池州市非工作日期间PM2.5重构质量浓度高于工作日，非工作日相较于工作日期间受二次源、移动源和燃煤排放的影响更大；工作日相较于非工作日期间受扬尘源影响更大，说明建筑施工操作对颗粒物影响明显。

综上所述，池州市大气颗粒物组分主要污染源是移动源、二次源、燃烧源、工业源、扬尘源，其实际贡献分别为40.2%、36.3%、11.7%、6.0%和5.7%。不同污染扩散条件和时空分布对空气中颗粒物浓度影响显著空，为制定有针对性的污染控制策略提供了科学的依据。