應用UNMIX模型解析長春市大氣中PM10來源

王菊，張悅悅，金美英，李翠玲，房春生

吉林大學環境與資源學院，吉林 長春 130012

應用UNMIX模型解析長春市大氣中PM10來源

王菊，張悅悅，金美英，李翠玲，房春生*

吉林大學環境與資源學院，吉林 長春 130012

大氣中可吸入顆粒物（PM10)是影響大氣能見度、氣候變化以及人體健康的重要污染物，研究大氣中PM10的污染來源對于了解城市中大氣的污染狀況和制定大氣污染物防治措施具有重要的意義。選擇長春市的凈月公園、勞動公園、君子蘭公園、體育學院、兒童公園、客車醫院、工商學院和郵電學院作為受體采樣點，于2011年9月至2012年2月期間，采用KC-120型中流量PM10/TSP采樣器（青島嶗山應用研究所）進行大氣中可吸入顆粒物PM10的采樣，共采集40個受體樣品。樣品經預處理后，采用電感耦合等離子體質譜法分析了樣品中的Be、V、Cr、Mn、Co、Ni、Cu、Zn、Mo、Ag、Cd、Sb、Ba、Tl、Pb、Na、Mg、K、Ca共19種無機元素，將經過標準化后的760個數據代入EPA UNMIX6.0軟件對長春市大氣中PM10進行源解析研究，其中，Min Rsq=0.89（89%的數據方差可由該模型解釋），Min Sig/Noise=2.50。結果表明：長春市大氣中的PM10主要有3個來源：源1為燃煤塵或工業揚塵，貢獻率為19.5%；源2為機動車尾氣或土壤風沙塵，貢獻率為13.1%，源3為城市綜合揚塵和其他未知塵源，貢獻率為67.4%。對這3個源進行相關性分析，3個源間的相關系數并不是理論值0，而是在-0.553～0.345間變化；源1和源3間相關性最大，相關系數為0.553；其次是源1與源2，為0.345。由此說明，長春市的PM10污染是多種因素綜合作用的結果。將UNMIX模型的解析值與測量值進行回歸分析，發現總物種的解析值與測量值間具有良好的線性正相關關系（r2=0.98），每個物種的解析值與測量值間的相關系數為0.713～0.980，相關性強，二者擬合效果較好。

UNMIX模型；源解析；PM10

近年來，大氣中顆粒物濃度日益升高，對人體健康產生了嚴重的影響（侯青等，2011；李紅等，2002；胡子梅等，2013；黃鸝鳴等，2002；謝元博等，2014）。為降低空氣中PM10和PM2.5的濃度，提高大氣環境質量，對大氣顆粒物進行源解析研究是十分必要的。化學質量平衡法（Chemical Mass Balance，CMB）、因子分析法（Factor Analysis，FA）和正定矩陣因子分解法（Positive Matrix Factorization，PMF）等受體模型自20世紀70年代起迅速發展，并得到廣泛應用（龍紅艷等，2012）。

UNMIX6.0是美國環保局（Environmental Protection Agency，EPA）近年來開發的先進的源解析模型，旨在解決一般混合問題。Latsen等人通過UNMIX模型對PAHs進行源解析得到4種源，分別為機動車尾氣、燃煤源、燃油源、其它源（包括木材燃燒源）。Jongbae Heo等（2013）應用UNMIX模型對洛杉磯盆地的2個采樣點的PM2.5樣品進行源解析得到5種源，分別是：移動源、木材燃燒源、原生生物、人為排放的二次有機碳和生物排放的二次有機碳。Keeler等（2006）采用UNMIX法對美國俄亥俄州的濕沉降進行大氣汞的源解析研究，確定對大氣汞有貢獻的6種源。Callen等（2009）通過UNMIX模型對西班牙Zaragoza地區PM10樣品進行了源解析，得出工業或交通源、海洋氣溶膠源、生物質燃燒源、地殼源和重型車尾氣排放源共5種源。相比于國外，國內對UNMIX模型的應用較少。王啟帆（2011）應用UNMIX-CMB復合模型解析英國伯明翰大學采樣點PAHs含量數據，得到了全部的模擬源和源貢獻。艾建超（2013）采用富集因子法、因子分析法及UNMIX模型對夾皮溝金礦區土壤重金屬的來源進行解析。冷菁等（2013）應用UNMIX6.0對區域大氣汞污染源進行解析。目前，長春市大氣中顆粒物的源解析研究，多采用化學質量平衡、因子分析和二重源解析等技術，尚無應用

UNMIX模型的源解析研究。UNMIX模型可克服源貢獻負值的影響，并可直接采用模型結果而不需要經過變換，其結果可為了解長春市大氣中PM10的污染特征和影響因素、制定大氣污染物防治措施提供理論依據。因此，應用UNMIX模型對長春市大氣中可吸入顆粒物進行源解析，對該市的環境保護具有一定的意義。

1 材料與方法

1.1 樣品采集

選擇長春市的凈月公園、勞動公園、君子蘭公園、體育學院、兒童公園、客車醫院、工商學院和郵電學院作為受體采樣點。根據長春市的氣候特征、污染源排放以及人類活動等特點，在2011年9月至2012年2月期間，分采暖期和非采暖期用有機濾膜采集PM10樣品，每天連續采集24 h。非采暖期采集樣本16個，采暖期采集樣本24個，共采集40個受體樣本，其中，每個采樣點共采集5個樣本。采樣儀器為KC-120型中流量PM10/TSP采樣器（青島嶗山應用研究所），采樣流量為100 L·min-1。

1.2 樣品分析

將采集到的PM10濾膜樣品剪碎放于錐形瓶中，加少量去離子水濕潤，再加8 mL HNO3，置于電熱板上進行消解，待煮沸約1 h后，加入5 mL HCLO4消解至溶液無色透明為止，然后加入2.5 mL HNO3和10 mL去離子水，加熱溶解殘渣，冷卻后用去離子水轉移至25 mL的容量瓶中定容（Shridhar等，2010）。

經過處理的樣品，采用電感耦合等離子體質譜儀（ICP-MS），分析樣品中的Be、V、Cr、Mn、Co、Ni、Cu、Zn、Mo、Ag、Cd、Sb、Ba、Tl、Pb、Na、Mg、K、Ca，共19種無機元素。工作條件為：射頻功率1200 W，載氣流量1.15 L·min-1，補償氣流量0.1 L·min-1，蠕動泵速0.1 r·min-1，進樣深度7 mm。

1.3 UNMIX模型

1.3.1 模型的基本原理

UNMIX模型是基于主成分分析的一種多元受體模型，該模型通過自建模曲線分辨率的幾何技術確保源成分譜和源貢獻服從非負約束（Miller等，2002）。UNMIX視受體點的每一個樣品為一個多維空間，多維空間中的每一維均代表一個測定的物種，然后通過主成分分析的方法降低數據空間的維數來估算源的數目、源的組成和源貢獻，其原理可用以下公式表示（Paatero等，2005）：

其中：Cij為第i個樣品（i=1，…，n）中第j個物種（j=1，…，n）的濃度；Fjk為物種j在源k(k=1，…，m)中的質量分數，代表源的組成；Sik為源k在第i個樣品中的總量，代表源的貢獻率；E是分析不確定度或源組成的標準偏差。

1.3.2 模型的運行

UNMIX6.0能夠直接讀取符合格式的Excel數據文件。首先通過數據處理（Date Processing）窗口的建議排除（Suggest Exclusion）功能和使用觀察/編輯點和觀察值（View/Edit Points and Obsevations）功能對不符合要求的數據進行排除，然后依次通過選擇初始運行數據(Select Intial Species)功能和建議附加數據(Suggest Additional Species)功能來選擇用于模型的數據。

表1 計算源成分譜Table 1 Calculation of the source component

2 結果與討論

2.1 源成分分析

在本次研究中，為了消除不同無機元素間含量差異的影響，將采集的全部樣本中的760個數據采用離差標準化的方法進行標準化，經過標準化的數據均無量綱，且變量觀察值的數值范圍都將在0～1之間。將經過標準化后的數據代入EPA UNMIX6.0軟件進行分析，UNMIX模型解析出的源成分譜，見表1和圖1。其中，Min Rsq=0.89（判定系數r2的最小值為0.89，即89%的數據方差可由該模型解釋），Min Sig/Noise=2.50（信噪比的最小值為2.50），Total為各采樣點金屬濃度之和。

從表1和圖1可以看出，對長春市大氣中PM10的源解析，共解析出3個源。在第1個源中，元素Mn、Cu、Mo、Sb含量較高，分別為0.119、0.077、0.097、0.105，表明源1對這4種元素有較高的貢獻率。根據文獻可知，Mn、Sb和Cu主要來源于燃

煤塵（曲直，2013)，而Mn、Cu也可作為鋼鐵、冶煉塵的標識元素（成海容等，2012）。因此可認為源1為燃煤塵或工業揚塵。

在第2個源中，Be、V、Cr、Ni、Ba含量較高，分別為0.144、0.111、0.248、0.369和0.117，同時也明顯高于其他2個源，表明源2對這5種元素含量的貢獻率較高。Ba、V、Ni是燃油和機動車排放的標識元素（姬洪亮，2011），Be和Cr是地殼元素。因此認為源2為機動車尾氣或土壤風沙塵。

在第3個源中，Zn、Cd、Pb、Mg、K、Ca的含量高于其他元素，分別為0.106、0.105、0.095、0.098、0.082和0.082，表明源3對這6種元素有著重要貢獻。Zn、Cd、Pb是交通道路塵和燃煤塵的標識元素（房春生等，2013），K主要來源于生物質燃燒（成海容等，2012），Mg和Ca為建筑水泥塵的標識元素（曲直，2013)。因此，綜合分析源3可能代表城市綜合揚塵或其他未知塵源。

3個源之間的相關系數如表2所示。

從表2中可以看出，3個源間的相關系數并不是理論值0，而是在-0.553～0.345間變化，這表明3個源間存在一定的關系。源1和源3間相關性最大，相關系數為0.553；其次是源1與源2，為0.345；而源2與源3間幾乎不存在相關性，相關系數僅為0.063。由此說明，長春市的PM10污染是多種因素綜合作用的結果。

圖1 源成分譜圖Fig.1 source component map

圖2 長春市PM10樣品源貢獻情況Fig.2 Source contribution of PM10samples in Changchun

圖3 總物種實測值和預測值間相關關系Fig.3 The correlation between measured values and predicted values of total species

表2 2個源之間的相關系數Table 2 The correlation coefficient of the three source

表3 總物種源貢獻Table 3 Total species source contribution

2.2 源貢獻分析

各個源的源貢獻情況，見表3和圖2。

應用UNMIX模型對長春市大氣中PM10進行源解析，共解析出3個源：源1為燃煤塵或工業揚塵，貢獻率為19.5%；源2為機動車尾氣或土壤風沙塵，貢獻率為13.1%；源3為城市綜合揚塵和其它未知塵源，貢獻率為67.4%。

2.3 受體含量的擬合情況

通過對總物種實際值和預測值之間的相關關系進行回歸分析（圖3），可知總物種實際值和預測值間具有良好的線性正相關關系（r2=0.98）。

由UNMIX模型解析出的各物種含量的擬合情況，見表4。

由表4可知，每個物種的真實值與預測值間的相關系數為0.713～0.980，相關性強，二者擬合效果較好。

綜上可知，由UNMIX模型解析的源是較準確的，因而，應用該模型對長春市大氣中PM10進行源解析是較合理的。

表4 UNMIX模型解析結果與原始數據擬合情況的比較Table 4 Comparison of the analytical results of UNMIX model with the original data

3 結論

通過UNMIX模型對長春市大氣中PM10進行源解析，共得到3個源：源1為燃煤塵或工業揚塵，貢獻率為19.5%；源2為機動車尾氣或土壤風沙塵，貢獻率為13.1%，源3為城市綜合揚塵和其它未知塵源，貢獻率為67.4%。對這3個源進行相關性分析，源1和源3間相關性最大，相關系數為0.553，其次是源1與源2，為0.345。由此說明，長春市的PM10污染是多種因素綜合作用的結果。

將UNMIX模型的解析值與測量值進行回歸分析，發現總物種的解析值與測量值間具有良好的線性正相關關系（r2=0.98）；每個物種的解析值與測量值間的相關系數為0.713～0.980，二者擬合效果較好，表明應用UNMIX模型對長春市大氣中PM10進行源解析的結果是較準確的，因而，應用該模型對該市的PM10進行源解析是較合理的。

CALLEN MS, LOPEZ JM, NAVARRO MV. 2009. Comparison of receptor models for source apportionment of the PM10in Zaragoza(Spain)[J]. Chemosphere, 76(8): 1120-1129.

JONGBAE Heo, MUAZ Dulger, MICHAEL R Olson, et al. 2013. Source apportionments of PM2.5organic carbon using molecular marker Positive Matrix Factorization and comparison of results from different receptor models[J]. Atmospheric Environment, 73: 51-56.

KEELER G J, LANDSI M S, NORRIS G A. 2006. Sources of Mercury wet deposition in Eastern Ohio, USA[J]. Environmental science and technology, 40(19): 5874-5881.

MILLER S L, ANDERSON M J, et al. 2002. Source apportionment of exposures to volatile organic compounds. I. Evaluation of receptor models using simulated exposures data[J]. Atmospheric Environment, 36(22): 3629-3641.

PAATERO P, HOPKE P K, BEGUM B A, Biswas S K. 2005. A graphical diagnostic method for assessing the rotation in factor analytical models of atmospheric pollution[J]. Atmospheric Environment, 39(1):193-201.

RANDOLPH K Larsen, JOEL E Baker. 2003. Source apportionment of polycyclic hydrocarbons in the urban atmosphere: a comparison of three methods[J]. Environ. Sci. Technol, 37(9): 1873-1881.

SHRIDHAR V, KHILLARE P S, AGARWAL T. 2010. Metallic species in ambient particulate matter at rural and urban location of Delhi[J]. Journal of Hazardous Materials, 175(1/2/3): 600-607.

艾建超. 2013. 夾皮溝金礦區土壤重金屬源解析[D]. 長春: 東北師范大學.

成海容, 王祖武, 馮家良, 等. 2012. 武漢市城區大氣PM2.5的碳組分與源解析[J]. 生態環境學報, 21(9): 1574-1579.

房春生, 劉多, 金藝娜, 等. 2013. 絕對主因子法解析長春市大氣中可吸入顆粒物來源[J]. 科學技術與工程, 14(13): 3947-3950.

胡子梅, 王軍, 陶征楷, 等. 2013. 上海市PM2.5重金屬污染水平與健康風險評價[J]. 環境科學學報, 33(12): 3399-3406.

侯青, 安興琴, 王自發, 等. 2011. 2002—2009年蘭州PM10人體健康經濟損失評估[J]. 中國環境科學, 31(8): 1398-1402.

黃鸝鳴, 王格慧, 王蕓, 等. 2002. 南京市空氣中顆粒物PM10、PM2.5污染水平[J]. 中國環境科學, 22(4): 334-337.

姬洪亮. 2011. 天津市PM10和PM2.5污染特征及來源解析[D]. 天津: 南開大學.

冷菁, 張剛, 徐曉峰, 等. 2013. 基于UNMIX6.0受體模型的區域環境大氣汞源解析評價[J]. 東北師大學報, 45(3): 146-151.

龍紅艷, 鄧雙, 黃妍, 等. 2012. 大氣細顆粒物PM2.5的源解析技術[J].環保技術, 6: 46-49.

李紅, 曾凡剛, 邵龍義, 等. 2002. 可吸入顆粒物對人體健康危害的研究進展[J]. 環境與健康雜志, 19(1): 85-87.

曲直. 2013. 城市大氣環境中PM2.5源解析成分譜的建立[D]. 長春: 吉林大學.

王啟帆. 2011. UNMIX-CMB復合模型在環境空氣中多環芳烴源解析的應用研究[D]. 蘭州: 蘭州大學.

謝元博, 陳娟, 李巍. 2014. 霧霾重污染期間北京居民對高濃度PM2.5持續暴露的健康風險及其損害價值評估[J]. 環境科學, 35(1): 1-8.

Source apportionment of atmospheric PM10in Changchun by UNMIX

WANG Ju, ZHANG Yueyue, JIN Meiying, LI Cuiling, FANG Chunsheng*
College of Environment and Resources, Jilin University, Changchun 130012, China

PM10is an important pollutant due to its adverse effects on visibility, climate change, and human health. To identify the regional pollution condition and develop effective control strategies to manage and maintain the urban air quality, it is important to study the pollution sources of PM10in the atmosphere. PM10samples were collected at Jingyue Park, Labour Park, Clivia Park, sports academy, Children Park, bus hospital, business school and Post and Telecommunications College in Changchun during 2011 September to 2012 February using KC-120 PM10/TSP sampler (Application Research Institute of Laoshan Mountain in Qingdao) for the purpose to obtain the different source component and contributions of PM10. There are 40 samples were collected. After pretreatment, the samples of Be, V, Cr, Mn, Co, Ni, Cu, Zn, Mo, Ag, Cd, Sb, Ba, Tl, Pb, Na, Mg, K, Ca, a total of 19 kinds of inorganic elements were analyzed by ICP-MS. UNMIX method was used to qualitatively analyze the data that have standardized to study the sources of PM10in Changchun. Among them, Min Rsq=0.89 (89% of the data variance can be explained by the model), Min Sig/Noise=2.50. The result shows that there are three main sources of PM10in Changchun : coal dust or industrial dust, vehicle exhaust or soil dust, the city’s comprehensive dust and other unknow dust source, the contribution rate were 19.5%, 13.1%, 67.4%, respectively. Correlation analysis was carried out on these 3 sources, the coefficient is not the theoretical value of 0, but from -0.553 to 0.345, source 1 and source 3 have the largest correlation was 0.553, followed by source 1 and source 2 for the 0.345. It shows that the PM10pollution in Changchun is the result of many factors. The predicted values of UNMIX were compared with the measured values and the result shows a linear positive correlationstatistically between the predicted values and the measured values with r2=0.98, and the r-Pearson is 0.713-0.980 for each species.

UNMIX; sources apportionment; PM10

X513

A

1674-5906（2014）05-0812-05

吉林省科技廳重大科技攻關專項（20130204051SF）；吉林省環保廳重點項目（2013-17）

王菊（1971年生），女，副教授，博士，主要從事環境規劃與評價研究。E-mail: wangju@jlu.edu.cn

*通信作者：房春生，教授。E-mail: fangcs@jlu.edu.cn

2014-04-16

王菊，張悅悅，金美英，李翠玲，房春生. 應用UNMIX模型解析長春市大氣中PM10來源[J]. 生態環境學報, 2014, 23(5): 812-816.

WANG Ju, ZHANG Yueyue, JIN Meiying, LI Cuiling, FANG Chunsheng. Source apportionment of atmospheric PM10in Changchun by UNMIX [J]. Ecology and Environmental Sciences, 2014, 23(5): 812-816.