重庆大气中多环芳香类物质气粒分配模型预测

王子倩,郝炜伟,董玲池,陈 静,赵鑫泉,田 密 (重庆大学环境与生态学院,重庆 400044)

半挥发性有机物(SVOCs)既可能以气态存在,也可能吸附在气溶胶颗粒表面或吸收到气溶胶颗粒主体中[1].SVOCs 在气相和颗粒相之间的传质和分布称为气粒分配.气粒分配是影响SVOCs 在大气中传输、迁移和化学转化的主要因素[2-3],且与SVOCs 的环境健康效应也有密切关系.含氧多环芳烃(OPAHs)是典型的 SVOCs,且在环境中广泛存在[4-5].OPAHs 可能为致癌致畸物,也可能具有细胞毒性或氧化潜能,其危害可能高于母体多环芳烃(PAHs)[6],且一些OPAHs 是许多生物和化学过程的最终产物,在环境中更持久[7].因此,厘清大气中OPAHs 的气粒分配具有重要意义.然而目前对于OPAHs 气粒分配的认识较少,特别是其模型模拟的准确性有待提高.

SVOCs 气粒分配行为一般用气粒分配系数或颗粒相分配比例进行描述.Junge-Pankow 吸附(J-P)模型[8]、Harner-Bidleman 吸收(H-B)模型[9]和Dachs-Eisenreich(D-E)模型[10]是用于预测SVOCs气粒分配系数(logKP)或颗粒相分配比例较为常用的3 个模型.J-P 模型[8]和H-B 模型[9]是描述SVOCs气粒分配最经典的两个模型,它们分别用SVOCs 的过冷饱和蒸汽压(logPL0)和辛醇-气分配系数(logKOA)来描述其气粒分配的吸附机制或吸收机制主导的分配过程[11].但这两种模型仅考虑了吸附机制或吸收机制中的一种.有研究发现H-B 模型在对PAHs 的气粒分配系数进行预测时,常低估了其在颗粒相中的分配比例[12].Dachs 等[10]认为吸附和吸收过程都不可忽视,在H-B 模型的基础上增加了起吸附作用的颗粒物中的元素碳的影响,推导出了D-E模型.这3 种模型广泛用于对各类SVOCs 气粒分配的模拟,其预测效果在不同类型化合物及不同地区之间存在一定差异.部分研究采用这些模型对大气中OPAHs 的气粒分配进行了模拟,然而这些有限的研究表明这些模型常低估了OPAHs 在大气颗粒相中的占比[13-15].以上3 种模型都是基于SVOCs 在气相和颗粒相之间处于分配平衡状态的平衡态模型.此外,恒稳态模型(L-M-Y 模型)[16]结合颗粒物的干湿沉降过程描述了多溴联苯醚(PBDEs)在稳态下的气粒分配情况,也有基于环境温度建立的关于PAHs的温度经验模型[17].这些模型对于PBDEs 或PAHs气粒分配预测的准确性有一定提升.相关方法可为OPAHs 气粒分配的模型预测提供借鉴.

PAHs 和 OPAHs 同为多环芳香类物质,且PAHs 的氧化是大气中OPAHs 的一个重要来源.总体而言,前期模型对PAHs 气粒分配的预测结果与实测较为吻合,而对OPAHs 气粒分配的预测准确度还有待提高.OPAHs 由于引入了氧原子,极性可能较母体PAHs 增大,其物理化学性质与PAHs存在差异,如苯并蒽酮和苯并(b)荧蒽的饱和蒸汽压及辛醇-气分配系数均相近,但苯并蒽酮的亨利常数及在水中的溶解度较苯并(b)荧蒽高约 10倍[18],这可能造成两者的气粒分配行为差异.前期研究也提出,在湿度较高地区,化合物水溶性可能会影响其气粒分配比例[14-19].然而这些因素并未在前期气粒分配模型中得以考虑,这可能是造成PAHs 与OPAHs 气粒分配模型模拟效果差异的重要因素.

鉴于此,本研究以重庆典型城区冬季大气中OPAHs 为主要研究对象(重庆地区高湿的气象条件可能会影响OPAHs 的气粒分配行为),分析其气粒分配特征,利用前期实测OPAHs 气粒分配数据,建立OPAHs 气粒分配预测模型,并与前期已有模型相对比,探明适合于描述OPAHs 气粒分配行为的预测模型,旨在认识多环芳香类污染物的迁移转化与归趋,通过与同为多环芳香类污染物的PAHs 的气粒分配模型模拟情况相对比,深入认识不同极性半挥发性有机物的气粒分配行为.

1 实验方法

1.1 样品采集与分析

本研究采样点设置在重庆主城区某楼楼顶(29°34'N,106°27'E),周边主要为商住混合区,采样点周围无遮挡且无明显的污染排放源.采样期间使用大气大流量采样器利用聚氨酯泡沫(PUF)收集气相样品,使用石英纤维滤膜(QFF,90mm,Whatman)收集颗粒相样品.采样前PUF 和QFF 分别经过索氏提取、马弗炉灼烧减少有机物的干扰.采样前后滤膜均称重.大气样品采集时间为2021 年1 月7日～2 月1 日,每天进行2 次连续12h 的样品采集,共得到44 对大气样品(气态和颗粒态).样品采集结束后用铝箔纸小心包好,放入密封袋,于-20℃的环境下保存并及时分析.

对于大气气相及颗粒相中PAHs及OPAHs的具体分析流程详见Hu 等[14]、Hao 等[20]文献.简单来说,PUF 样品用二氯甲烷索氏提取,滤膜样品用二氯甲烷超声萃取.萃取前均加入回收率指示物.将萃取溶液浓缩后,使用硅胶柱净化,用正己烷洗脱出PAHs,然后用正己烷与二氯甲烷混合溶液及二氯甲烷洗脱出OPAHs 组分.洗脱液氮吹定容后使用气相色谱-质谱联用仪(GC-MS)定量分析.本研究中共分析了10 种PAHs 和6 种OPAHs,详见表1.

表1 本研究中测量的PAHs 和OPAHs 化合物Table 1 List of PAHs and OPAHs compounds measured in this study

1.2 质量保证与控制

每批样品处理过程中均设置一个流程空白和一个加标空白.流程空白中有少量PAHs 与OPAHs化合物检出,但浓度均远低于野外样品.加标空白中PAHs 和OPAHs 的平均回收率分别为(81.65%±33.55%)和(102.52%±46.33%).野外样品中回收率指示物的平均回收率为(115.29%±10.03%).本研究中野外样品中化合物浓度都已进行空白校正和回收率校正.仪器检出限以5 倍信噪比计算,采样体积为137.79m3,得到PAHs 和OPAHs 的检出限分别为0.0009～0.0837ng/m3和0.0003～0.0061ng/m3.

1.3 气粒分配模型

本研究采用Junge-Pankow (J-P)模型、Harner-Bidleman (H-B)模型、Dachs-Eisenreich (D-E)模型及恒稳态(L-M-Y)模型对重庆城区冬季大气中PAHs 和OPAHs 的气粒分配进行预测.此外,采用基于环境温度的经验模型(T-PAH模型)模拟PAHs的气粒分配.相关模型的具体计算方法及参数取值详见文献[8-10,16-17].

1.4 OPAHs 气粒分配模型建立方法

本研究中,借鉴Zhu 等[17]建立T-PAH 模型的思路,建立描述OPAHs 气粒分配的温度经验模型与相对湿度经验模型.建立模型所采用的数据引自课题组之前的研究[14].

对于OPAHs 温度经验模型的建立,将OPAHs的logKP数据集根据温度分成几组,每组中logKP与logKOA线性相关:

所得斜率(mo)和截距(bo)与温度(T)线性相关:

此外,logKOA是温度的函数:

将式(2)、(3)、(4)代入式(1)可得到基于环境温度预测OPAHs 的logKP值的经验方程:

式中:T为环境温度, K;A和B是经验系数[21].依据该方程建立的模型称为T 模型.

同理,将斜率(mo)和截距(bo)与相对湿度(RH)进行回归分析可得到方程:

将式(4)、(6)、(7)代入式(1)中,即可得到基于环境相对湿度预测OPAHs 的logKP值的经验方程:

依据该方程所建立的模型称为RH 模型.

2 结果与讨论

2.1 重庆城区冬季大气中PAHs 及OPAHs 的气粒分配特征

重庆城区冬季大气中PAHs 和OPAHs 的颗粒相分配比例如图1 所示.就PAHs 而言,相对分子量较低的3 环PAHs(ACEY、ACEN、FLUO、PHE 和ANT)主要分布于气相,颗粒相占比大部分位于10%以下,因为它们往往具有较高的饱和蒸汽压和较低的辛醇-气分配系数[22-23];分子量较高的5环PAHs(BbF)主要分布于颗粒相,颗粒相分配比例高于90%,因为其饱和蒸汽压较低,而辛醇-气分配系数较高,这和之前的研究一致[14,24-25].4 环PAHs 的颗粒相占比变化较大,主要因其中等挥发性受环境因素的影响较大.

图1 PAHs 和OPAHs 的颗粒相分配比例(%)Fig.1 Proportions of particle-bound PAHs and OPAHs

对于OPAHs,低分子量的2～3 环化合物(1,4-NQ和9-FLU)主要分配于气相;高分子量的4 环化合物(BEN和BAQ)主要分配于颗粒相;而3环的9,10-AQ和2-MAQ 的颗粒相占比跨度很大(分别为0%～94%和14%～100%), 9,10-AQ 多在60%以下,2-MAQ 多在60%以上.值得一提的是,与相同环数的PAHs 相比,OPAHs 更倾向于分配到颗粒相,这可能是由于其相对分子质量更高.

2.2 PAHs 和OPAHs 气粒分配的模型预测

基于对SVOCs 气粒分配规律的研究,学者们建立了不同的SVOCs 气粒分配预测模型.本研究对比了这些模型对PAHs及OPAHs气粒分配的预测效果.由图2 可见,J-P 和H-B 模型都较好地预测了重庆城区大气中PAHs 的气粒分配,特别是对于高分子量PAHs,预测值与实测值吻合较好,但对于一些低分子量PAHs,模型低估了其颗粒相占比.D-E模型在H-B模型的基础上,综合考虑了吸附和吸收对于SVOCs气粒分配的影响,其对PAHs 气粒分配的预测结果较H-B 模型更为准确,但对ACEY 等低分子量PAHs的气粒分配系数仍略有低估,这可能是由于过采、不可交换部分的存在和气粒分配没有达到平衡造成的[9-10,26-28].L-M-Y 模型在logKOA>11.4 时,其预测的logKP基本不随logKOA变化,这和PAHs 的logKP实测值出现较大偏差.值得注意的是,L-M-Y 模型是基于PBDEs建立的,本研究中L-M-Y模型的参数直接采用PBDEs 的结果,忽略了PAHs 和PBDEs 化学性质差异和logKOA区间差异,这可能是造成较大误差的重要原因[29].T-PAH 模型对PAHs 气粒分配系数的预测值相较于其他4 个模型更接近于实测值,其对无论高分子量或低分子量PAHs 气粒分配的预测结果均较好.温度经验模型是Zhu 等[17]基于中国南北方11 个城市PAHs 气粒分配实测数据建立的,其对本研究中重庆冬季大气中PAHs 气粒分配的较好预测,证明了其广泛的适用性.

图2 PAHs 气粒分配模型预测结果与实测对比Fig.2 Comparison between field observation and prediction of the gas-particle partitioning of PAHs

由图3 可见,不同于PAHs,对于OPAHs,几种模型都低估了其颗粒相占比.对于J-P 模型,其对中高分子量OPAHs 颗粒相占比的模拟值显著低于其实测值.H-B 模型和L-M-Y 模型的预测结果也与实测结果偏离较大,对高分子量OPAHs 的低估程度高于低分子量OPAHs.这些结果表明,单独的吸附或吸收过程可能不足以解释OPAHs 的气粒分配.D-E 模型预测的气粒分配系数较H-B 模型和L-M-Y 模型的预测值更高,更接近于实测值,但仍较大地低估了高分子量OPAHs 的颗粒相占比.

图3 OPAHs 气粒分配的模型实测结果与预测结果对比Fig.3 Comparison between field observation and prediction of the gas-particle partitioning of OPAHs

可见,已有预测模型可以较好地模拟重庆地区大气中PAHs 的气粒分配行为,但均不同程度地低估了OPAHs 的气粒分配系数,表明两类物质的物化性质可能对其气粒分配行为产生了较大影响,且这一性质可能未考虑到前期预测模型中.前期有研究提出,在湿度较高的地区,化合物水溶性可能会影响其气粒分配比例[14-19].本研究采样期间98%的时间相对湿度都大于60%,且平均相对湿度达到78%.这么高的相对湿度条件下,颗粒物含水量可能较高,进而可能会对化合物的气粒分配产生影响.如苯并蒽酮(BEN)和苯并(b)荧蒽(BbF)的辛醇-气分配系数相近(10.38 和10.35)、过冷饱和蒸汽压也相近(-3.03 和-2.76),但BEN 的气粒分配系数显著高于BbF(logKP中值分别为0.18和0.08),且BEN 的实测值也显著高于已有模型的预测值.这些结果说明,除温度、辛醇-气分配系数、过冷饱和蒸汽压这些模型中已考虑的因素外,有其他因素影响了OPAHs 的气粒分配,而采样期间较高的相对湿度,BEN 较低的亨利系数(6.70×10-3Pa·m3/mol, BbF 为6.66×10-2Pa·m3/mol)和较高的水溶性(0.1837mg/L, BbF 为0.02065mg/L)可能是重要的影响因素.然而,这些因素在前期的预测模型中均未得以考虑.由于PAHs 具有高的疏水性和高亨利常数,RH 对其造成的影响可以忽略不计[14].然而,对于水溶性更强的一些化合物(比如OPAHs),RH 对其造成的影响可能需要考虑.前期也有研究提出RH 可能会影响OPAHs 的气粒分配行为[14],且认为这可能有几方面原因,首先,高湿的环境会使颗粒物的含水量增加,这对于OPAHs 这类比其母体水溶性更强的化合物,颗粒物的高含水量可能会促进其向颗粒相的分配.再者,RH 可能会影响颗粒相OPAHs 化合物的非均相形成[30],从而改变其颗粒相占比.因此,高相对湿度可能是造成PAHs 气粒分配模型预测结果较好,而OPAHs气粒分配模型预测结果不理想的重要因素.鉴于此,本研究建立了基于温度的OPAHs 气粒分配经验模型,也建立了基于相对湿度的OPAHs 气粒分配经验模型.

2.3 OPAHs 的温度经验模型的建立与预测结果

鉴于PAHs 的温度经验模型(T-PAH 模型)对PAHs 气粒分配行为较好的预测结果,本研究采用相同的方法,基于重庆城区2016 年4 个季节OPAHs气粒分配数据,建立了OPAHs 的温度经验模型.首先将2016 年OPAHs 的数据集分成3 个温度区间(275～285K, 285～290K,290～305K),对每个温度区间内的logKOA和logKP进行线性回归分析,得到斜率(mo)和截距(bo)的值.再将各温度区间的mo和bo分别与各温度区间的温度平均值(281.78K、289.01K、299.14K)进行线性回归分析.各OPAHs 的mo和bo与温度之间的相关系数(r)均大于0.6(除1,4-NQ 约为0.45 外).所得到的斜率(k1和k2)和截距(a1和a2)带入方程(5)即得到可用于预测各OPAHs 单体气粒分配系数的温度经验方程(表2).

表2 预测OPAHs 气粒分配系数的温度经验方程Table 2 The temperature empirical equations for the prediction of logKP of OPAHs

基于所建立的温度经验模型(T-OPAH 模型)对重庆城区冬季大气中OPAHs 气粒分配系数进行预测.将预测值与实测值进行对比,结果表明,除1,4-NQ 外,OPAHs 气粒分配系数的模型预测值与实测值较为接近(图4),T-OPAH 模型可较好地预测OPAHs 在大气中的气粒分配系数.对于1,4-NQ,T-OPAH 模型对其气粒分配系数的预测值与实测值偏差较大.这可能与前期1,4-NQ 的温度经验模型在建立过程中,斜率mo和截距bo与温度之间相关性较差有关.斜率mo和截距bo与温度之间较差的相关性可能说明,除温度外,有其他因素影响着斜率和截距的变化,进而导致所建立的温度经验模型对1,4-NQ的气粒分配系数预测效果较差.此外,对于OPAHs,其温度经验模型预测的logKP与其实测值之间的差值为(0.82±0.66),而对于PAHs,其差值为(0.45±0.32),明显低于OPAHs,说明OPAHs 的温度经验模型的预测效果较PAHs差.这可能说明,相较于PAHs, OPAHs 气粒分配的影响因素可能更加复杂.例如,前期有研究提到,相对湿度可能会影响SVOCs 从气相到颗粒相的分配[31].本研究前期分析也提出可能应该考虑RH 对OPAHs气粒分配的影响.

图4 OPAHs 气粒分配系数的温度经验模型实测值与预测值对比Fig.4 Comparison between the measured gas-particle partitioning coefficient of OPAHs and modeled values via temperature empirical model

2.4 OPAHs 的相对湿度经验模型的建立与预测结果

考虑相对湿度对OPAHs 气粒分配的影响,使用类似于T-PAH 模型的建立方法,基于重庆城区2016年4 个季节OPAHs 气粒分配数据,建立关于OPAHs的相对湿度经验模型(RH 模型).首先将每种OPAHs的logKP数据集根据相对湿度分为3 组(55～70,70～90,90～100),分别对每组的logKOA和logKP进行线性回归分析,得到斜率(moRH)和截距(boRH).再将各组的moRH和boRH分别与各RH 组的RH 平均值(64.78、77.34、93.95)进行线性回归分析.各OPAHs 的moRH和boRH与RH 之间的相关系数均大于0.77(除2-MAQ 约为0.53 外),所得到的斜率(k3和k4)和截距(a3和a4)带入方程(8)即得到可用于预测各OPAHs单体气粒分配系数的相对湿度经验方程(表3).

表3 预测OPAHs 气粒分配系数的相对湿度经验方程Table 3 The relative humidity empirical equations for the prediction of log KP of OPAHs

基于所建立的相对湿度经验模型对重庆城区冬季大气中OPAHs 气粒分配系数进行预测.如图5所示,其预测的logKP值与其实测值非常接近(除1,4-NQ 外), ∆logKP的绝对值为(0.66±0.56),相比于T-OPAH 模型, ∆logKP有所降低,中分子量OPAHs的∆logKP减少较多.这些结果表明,相比于T-OPAH模型,RH 模型能够更好地预测OPAHs 的气粒分配行为,特别是对于中分子量OPAHs.

图5 OPAHs 气粒分配系数的实测值与预测值对比Fig.5 Comparison between the measured and modeled gas-particle partitioning coefficient of OPAHs

对于1,4-NQ,虽然在RH 模型建立过程中,其中涉及到的相关系数较T-OPAH 模型大大增加,但所建立的RH 模型对其气粒分配系数的预测值与实测值偏差仍然较大,∆logKP为(1.37±0.67).考虑到1,4-NQ 的分子量较低,温度对其气粒分配的影响较大.因此,综合考虑相对湿度和温度这两个因子对moRH、boRH的影响,以moRH(boRH)为因变量,RH 和T为自变量进行多元线性拟合,建立关于1,4-NQ 气粒分配的新方程(表3),称为R-RH 方程,优化后的模型称为R-RH 模型.与RH 经验模型预测结果相比,R-RH 方程预测的logKP值与实测值之间的差值更小,表明R-RH 方程能够更好地模拟1,4-NQ 的气粒分配行为(图5).

2.5 OPAHs 的传统模型与经验模型对比

SVOCs 气粒分配系数的外场观测值会受到环境气象因素等影响偏离模型预测结果,定义∆logKP为1 的区域为合理偏差区域.图6 从落入合理偏差区域的百分数及均方根误差(RMSE)对比了各模型对OPAHs 气粒分配系数的预测情况(因为在采样期间的温度范围下,OPAHs多处于L-M-Y 模型中的平衡状态,L-M-Y 模型的预测结果与H-B 模型相近,故仅使用H-B 模型进行比较).模型预测值落在合理偏差区域内的比例越大,均方根误差的值越小,则说明模型的预测水平越好.

图6 OPAHs 气粒分配系数预测值落在合理偏差区域内的百分数(%)和均方根误差Fig.6 Percentage of modeled data within one order of magnitude accuracy and their RMSE for the gas-particle partitioning of OPAHs

由图6 可知,对于OPAHs 单体,除1,4-NQ 和9-FLU 外,其他OPAHs 单体气粒分配系数的J-P 模型预测值与实测值的RMSE 均接近1 或高于1,实测值落入合理偏差区域的百分数在40%以下(除BAQ为57%),BEN的预测值更是全部偏离合理偏差区域.所有OPAHs 单体气粒分配系数的H-B 模型预测值与实测值的RMSE 均高于1,实测值落入合理偏差区域的百分数均低于10%,BEN 的RMSE 值更是高达3.12,落入合理偏差区域百分数甚至低为0%.D-E 模型在H-B 模型的基础上对于中低分子量OPAHs 气粒分配的预测效果有了较大改善,1,4-NQ 和9-FLU的均方根误差由1.5 以上降至0.55 以下,百分数由10%以下大幅提高至90%以上,9-FLU 的百分数更是达到100%,9,10-AQ 的RMSE 由2.20 降至1.32,百分数提高至50%以上,这些结果可能说明低分子量化合物受到吸附的影响不可忽略.但D-E 模型对于2-MAQ 和BEN 的模拟仍不能取得很好的结果.从图3 可以看出,H-B 模型和D-E 模型均低估了OPAHs 的颗粒相占比,说明除这两个模型所考虑到的化合物性质(logKOA、logPL0)、颗粒相有机质及元素碳含量外,还有其他因素促进了OPAHs 从气相向颗粒相的分配.对于T-OPAH 模型,除了低分子量的1,4-NQ,其他化合物的RMSE 都在1 及以下,百分数都能达到74%以上.对于R-RH 模型,包含1,4-NQ 在内的所有OPAHs 的RMSE 值均在1 以下,百分数均在77%以上.R-RH模型相较于T-OPAH模型降低了每一种OPAHs 气粒分配预测值与实测值的RMSE值,降低幅度为0.09～0.92,并提高了预测值落在合理偏差区域内的百分数,提高幅度为3%～59%.

整体而言,对于OPAHs, J-P 模型、H-B 模型、D-E 模型、T-OPAH 模型、R-RH 模型对其气粒分配系数的预测值与实测值的均方根误差分别是:1.26、2.21、1.16、1.05、0.65;预测值落在合理偏差区域内的百分数分别是:52.25%、4.95%、61.26%、67.57%、88.74%.可见,对于OPAHs 气粒分配系数的预测,R-RH模型预测值落入合理偏差区域的百分数最大,模拟的均方根误差最小,其预测水平、准确度、可信度和适用范围均优于其他模型.以上结果均表明了相对湿度对OPAHs 的气粒分配有不可忽略的影响.为了与OPAHs 的这一结果相对比,本研究同样建立了PAHs 的考虑相对湿度的气粒分配经验模型.对于所有PAHs,基于温度的预测模型的均方根误差为0.54,预测值落在合理偏差区域内的百分数为95%,但考虑RH 的预测模型的均方根误差增加为1.14,百分数降低为69%.可见,考虑RH 不但没有进一步提升PAHs 模型预测的准确性,反而相对于温度经验模型有所降低.这与OPAHs 的结果明显不一样,进一步表明RH 会影响OPAHs 的气粒分配,而对PAHs 的影响可以忽略.

3 结论

3.1 对重庆典型城区冬季大气中PAHs 和OPAHs气粒分配特征进行分析,结果表明,低环PAHs 及OPAHs 更倾向于分配到气相,高环PAHs 及OPAHs更倾向于分配到颗粒相中.OPAHs 比同环数PAHs更倾向于分配至颗粒相中.

3.2 对比已有模型对PAHs 和OPAHs 的气粒分配行为预测结果发现,已有预测模型可以较好地模拟重庆地区大气中PAHs 的气粒分配行为,但均不同程度地低估了OPAHs 的气粒分配系数,表明除温度、辛醇-气分配系数、过冷饱和蒸汽压等这些模型中已考虑的因素外,有其他因素影响了OPAHs 的气粒分配,但这一因素对PAHs 气粒分配的影响较小.

3.3 本研究借鉴PAHs 温度经验模型建立方法,基于前期观测数据建立了预测OPAHs 气粒分配的温度经验模型与相对湿度经验模型.所建立的考虑相对湿度的经验模型对OPAHs 气粒分配的预测值与实测值的均方根误差较其他模型更小,而预测值落入合理偏差区域的比例更大,表明该模型能够较好地预测OPAHs 的气粒分配行为.这为预测OPAHs的气粒分配提供了一种可靠的方法.然而,与OPAHs不同,RH 的引入并不能提高PAHs 模型模拟的准确性.这些结果表明,RH 可能会在较大程度上影响OPAHs 的气粒分配,其影响机制值得进一步探究.