沙塵天氣細粒子污染快速來源解析初步研究

姜國++袁明浩++李梅++黃渤++莊雯

摘要：指出了對顆粒物化學組成及其來源的研究是識別區域污染形成機制、制定有效控制措施的重要基礎。單顆粒氣溶膠質譜儀（Single particle aerosol mass spectrometer，SPAMS）已廣泛用于分析大氣顆粒物，通過采集數以萬計的顆粒物，實時在線分析顆粒物的粒徑大小、化學組分，是實現快速源解析的有效手段。2016年3月底在鄭州市捕捉到一次典型的沙塵天氣，共采集到118375個顆粒進行了分析。研究結果表明：該地區的大氣顆粒物類型主要可分為8種：元素碳（EC）、混合碳（ECOC）、有機碳（OC）、鈉鉀（NaK）、富鉀顆粒（K）、左旋葡聚糖顆粒（LEV）、礦物質顆粒（SIO）、重金屬顆粒（HM）。在污染過程中，各類型顆粒物數量濃度均有一定程度的增加， SIO增加最為明顯。分析表明，揚塵源的增加和機動車尾氣源占比居高不下是此次沙塵天氣的主要因素。

關鍵詞：沙塵天氣；管城區；細顆粒物；單顆粒氣溶膠質譜儀；源解析

中圖分類號：P445.4

文獻標識碼：A文章編號：16749944（2017）16003504

1引言

沙塵暴是北方城市主要災害性天氣之一，備受我國政府和科學家的高度重視[1]。在北方城市，春季是沙塵天氣的頻發季節，是增大沙塵氣溶膠的有效方式[2]。沙塵氣溶膠通過散射和吸收太陽與地面的輻射、發射紅外輻射（直接作用）以及改變云的光學特性和生命期（間接作用）來影響地——氣系統的輻射收支，進而影響氣候變化[3，4]。目前有關利用SPAMS對沙塵污染鮮有報道[5～7]。鄭州地處中原地帶，受蒙古地區沙塵影響較小，本研究利用 SPAMS捕獲了一次沙塵天氣，研究了此次沙塵天氣發生和發展過程，以及此次沙塵天氣下細顆粒物的化學成分及顆粒物來源的變化。

2材料和方法

2.1SPAMS 工作原理

SPAMS的工作原理和基本性能進行了詳細的闡述[6，8]。簡單來說，大氣中的氣溶膠顆粒通過空氣動力學透鏡聚焦成準直顆粒束引入真空系統。進入測徑區后，顆粒連續散射兩束相距一定距離的激光束，顆粒經過兩束激光的時間差，來計算顆粒的空氣動力學直徑，同時控制電離激光在顆粒到達電離區中心時出射激光將顆粒電離，電離產生的正負離子由雙極飛行時間質量分析器分別檢測。通過雙激光測徑系統和雙極飛行時間質量分析器可實現對氣溶膠顆粒粒徑和化學組成的同時檢測。

2.2采樣

在位于鄭州市管城區的自動監測站，聯合使用在線氣溶膠質譜儀（SPAMS）（廣州禾信儀器股份有限公司生產），顆粒物在線監測儀（PM2.5和PM10）開展高時間分辨率的聯合監測，時間為2016年3月。

2.3質量保證與質量控制（QA/QC）

為確保采集數據的有效性，利用粒徑分別為300、500、720、1000和2000 nm的單分散聚苯乙烯標準小球（PSL polystyrene latex spheres， Invitrogen， USA）對粒徑進行校正[9]。并在采樣期間不定期利用PSL小球進行再校正。利用分析純的碘化鈉（NaI）對質荷比進行校正時經過校正以后，質譜峰的質荷比誤差在±0.1 以內[9]。

同時，采樣期間每隔24 h檢查一次的儀器的真空壓、電控制系統電壓和激光能量，及時對儀器的狀態進行調整，保證儀器維持穩定的采集效率。

2.4SPAMS數據分析

采集到的顆粒信息輸入到廣州禾信儀器股份有限公司自主開發的數據處理軟件中進行處理。軟件基于 Matlab平臺編寫的YAADA軟件包（www.yaada.com）作為數據分析工具，利用自適應共振理論神經網絡算法（ART-2a）對顆粒物進行分類[10]，該算法能夠根據顆粒質譜相似度自動將相似的顆粒歸為同一類。本研究中使用的ART-2a算法參數如下：警戒因子為0.7，學習率為0.05，迭代次數為20，該算法能夠根據顆粒質譜中離子峰的種類及強度自動將相似的顆粒歸為同一類。ART-2a將所有的顆粒分成了數百種顆粒類型，然后再根據化學成分特征將主要顆粒類型合并，顆粒類別以平均譜圖中最富含的離子種類命名。ART-2a將所有的顆粒分成了數百種顆粒類型，然后再根據化學成分特征將主要顆粒類型合并為8類： 元素碳（EC）、混合碳（ECOC）、有機碳（OC）、鈉鉀（NaK）、富鉀顆粒（K）、左旋葡聚糖顆粒（LEV）、礦物自顆粒（KWZ）、重金屬顆粒（HM），它們占總顆粒數的95%以上。然后，采用示蹤離子法對采集到的顆粒物進行分類，主要分為揚塵、生物質燃燒、汽車尾氣、燃煤、工業工藝源、二次無機源及其他7種來源。

3結果與討論

3.1監測情況

在線氣溶膠質譜儀共采集含有粒徑信息的顆粒（SIZE） 1501111個，其中打擊顆粒數為118375個。顆粒物在線監測儀質量PM10平均濃度分別為174.8 μg/m3，（50 μg/m3-529 μg/m3），PM2.5平均濃度分別為50.5 μg/m3，（45 μg/m3-133 μg/m3）。

3.2污染特征分析

監測時間段內，捕捉到一個較明顯的污染過程，SIZE與PM2.5隨時間變化趨勢如圖1，不難發現SIZE與PM2.5具有很好的相關性（R2=0.71）。也就是說，SPAMS的數據在一定程度上可以反映大氣污染狀況。

3.3細顆粒物化學成分分析

3.3.1主要化學成分分析

圖2為顆粒物化學成分經ART-2a分類后的結果以及各成分占比隨時間變化堆疊圖。從圖中可以看出，整個監測過程中主要的化學成分為富硅顆粒，其次為元素碳，總占比達65.8%。從時間序列堆疊圖上可以看出，元素碳和礦物質顆粒峰值出現時間恰好相反。且在整個沙塵天氣中富硅顆粒占比一直處于較高水平。endprint

3.3.2主要污染來源分析

從源解析結果（圖3左）中可以看出，監測主要受到揚塵源和機動車尾氣的影響，二者占比分別為25.0%和24.9%。從各類源占比隨時間變化趨勢圖（圖3右）中可以看出， PM10質量濃度出現高峰時，PM2.5質量濃度并不一定出現高峰，說明二者的污染有不同來源。揚塵源比例在整個監測期間均處于較高水平，其中在3月26～30日PM10上升過程時，從貢獻率上看，揚塵源比例呈現上升趨勢。

3.4揚塵源與PM2.5、PM10及PM10/ PM2.5關系

圖4為揚塵顆粒數濃度與PM2.5、PM10及PM10/ PM2.5隨時間變化趨勢圖，從圖中可以看出揚塵顆粒數濃度與PM2.5和PM10均具有良好的相關性，相關系數分別為0.58及0.40，說明沙塵天氣期間，PM10質量濃度明顯上升過程中，PM2.5質量濃度也隨之上升，揚塵顆粒數濃度也明顯增加。

3.5污染過程分析

下面對監測期間污染過程中的顆粒物進行對比分析，以期找到污染天氣發生的原因。

圖5為本次污染過程顆粒物污染來源比例分布情況，從圖中可知如下結論。

（1）在監測期間揚塵源的比例維持在一個較高的水平（>20%）。

（2）第一次PM2.5質量濃度的上升過程（從時段1至時段2）主要受到了機動車尾氣數濃度比例的突增影響。

（3）第二、三兩次PM2.5質量濃度上升過程（從時段3至時段4、時段5至時段7）揚塵源比例均明顯上升。值得注意的是，時段5至時段6的過程中，PM2.5質量濃度變化不大，但PM10有明顯的上升，此時揚塵源比例也有所上升，直至時段7，PM2.5 和PM10質量濃度均有明顯上升的同時，揚塵源比例也明顯增加。由此說明，SPAMS的源解析結果可以較好地反應沙塵天氣中揚塵源的變化情況。

4結論

2017年8月綠色科技第16期

（1）從化學成分看，監測期間主要以元素碳為主，其次是有機碳和礦物質顆粒，占比分別為35.5%和30.3%，兩者占比之和高達65.8%。

（2）沙塵天氣監測期間，鄭州市PM2.5細顆粒物占比前三的污染源分別為揚塵源（34.3%）、機動車尾氣（23.9%）和燃煤源（17.3%）。

（3）PM10和PM2.5污染有不同來源。揚塵源比例在整個監測期間均處于較高水平，其中在3月26～30日PM10上升過程時，從貢獻率上看，揚塵源比例呈現上升趨勢。

（4）沙塵天氣期間，監測點位揚塵顆粒數濃度與PM2.5和PM10均具有良好的相關性。

（5）SPAMS的源解析結果可以較好的反應沙塵天氣中揚塵源的變化情況。

參考文獻：

[1]

岳平， 牛生杰， 張強， 等. 夏季強沙塵暴內部熱力動力特征的個例研究[J]. 中國沙漠， 2008， 28（3）：509～513.

[2]王錫穩， 劉治國， 黃玉霞， 等. 河西走廊盛夏一次強沙塵暴天氣綜合分析[J]. 氣象， 2006， 32（7）：102～109.

[3]羅云峰， 李維亮， 周秀驥. 20 世紀 80 年代中國地區大氣氣溶膠光學厚度的平均狀況分析[J]. 氣象學報， 2001， 59（1）：77～87.

[4]Liu D， Wang Z， Liu Z， et al. A height resolved global view of dust aerosols from the first year CALIPSO lidar measurements[J]. Journal of Geophysical Research：Atmospheres， 2008， 113（D16）.

[5]Beddows D C S， Dall'Osto M， Olatunbosun O A， et al. Detection of brake wear aerosols by aerosol time-of-flight mass spectrometry[J]. Atmospheric Environment， 2016， 129（13）：167～175.

[6]李梅， 李磊， 黃正旭， 等. 運用單顆粒氣溶膠質譜技術初步研究廣州大氣礦塵污染[J]. 環境科學研究， 2011， 24（6）：632～636.

[7]李思思，黃正旭，王存美，等.張家口市一次沙塵天氣氣溶膠單顆粒理化特征和來源研究[J].生態環境學報，2017，26（3）：437～444.

[8]Li L， Huang Z， Dong J， et al. Real time bipolar time-of-flight mass spectrometer for analyzing single aerosol particles[J]. International Journal of Mass Spectrometry， 2011， 303（2）：118～124.

[9]蔣斌. 鶴山超級站大氣細顆粒成分特征及二次污染過程成因研究[D].廣州：暨南大學，2016.

[10]Song X H， Hopke P K， Fergenson D P， et al. Classification of single particles analyzed by ATOFMS using an artificial neural network， ART-2A[J]. Analytical chemistry， 1999， 71（4）：860～865.

A Preliminary Study on Rapid Source Appropriate of Fine Particles Pollution in Dust Weatherendprint

Jiang Guo1， Yuan Minghao2， Li Mei3， Huang Bo1， Zhuang Wen1

（1.Guangzhou Hexin Instrument Co.，Ltd， Guangzhou， Guangdong 510530， China；

2. EnvironmentalProtection Monitoring Center Station of Zhengzhou， Zhengzhou， Henan 450000， China；

3. Institute of Technology onAtmospheric Environmental Safety and Pollution Control， Jinan University， Guangzhou， Guangdong 510632， China）

姜國，等：沙塵天氣細粒子污染快速來源解析初步研究

環境與安全

Abstract： The study on the chemical composition and source of particulate matter was an important basis for identifying the mechanism of regional pollution formation and establishing effective control measures. Single particle aerosol mass spectrometer （SPAMS） was widely used in the analysis of atmospheric particles. It could also analyze particle size and chemical composition through collecting tens of thousands of particulate matters. It was an effective method to achieve fast source resolution. A typical dust weather was captured at the end of March 2016 in Zhengzhou. Nearly 1.2×105 fine particles were characterized by the SPAMS. Results showed that all the particles were classified into 8 main categories： elemental carbon （EC）-Fresh， internally mixed elemental-organic carbon （ECOC）， organic carbon （OC）， K-rich/Na-rich，K-rich， Levoglucosan（LEV）， minerals（SIO） and heavy metal particles. The concentration of all kinds of particles had a certain extent where SIO increased most obviously in the process of pollution. The analysis showed that the increase of dust and the high proportion of motor vehicle exhaust were the main factors of this dust weathers.

Key words： dust weather；Guancheng area；fine particles； SPAMS；source apportionmentendprint