基于兩種受體模型的太原市大氣降塵來源解析及季節變化特征

張忠誠,謝宇琪,張智杰,高崗栓,許 博,田 霄,徐 晗,衛昱婷,史國良*,馮銀廠

基于兩種受體模型的太原市大氣降塵來源解析及季節變化特征

張忠誠1,2,謝宇琪3,張智杰3,高崗栓4,許 博1,2,田 霄1,2,徐 晗1,2,衛昱婷1,2,史國良1,2*,馮銀廠1,2

(1.南開大學環境科學與工程學院,國家環境保護城市空氣顆粒物污染防治重點實驗室,天津 300350；2. 中國氣象局-南開大學大氣環境與健康研究聯合實驗室,天津 300374；3.太原市生態環境局,山西 太原 030002；4.太原市生態環境宣傳教育中心,山西 太原 030009)

于2019年11月至2020年12月期間在典型工業城市太原市開展了降塵采樣和降塵化學組分分析.采樣期間,太原市平均降塵量約為7.9t/(km2·30d),并呈現在4～6月較高.在選取的8個監測區域中,清徐和巨輪的平均降塵量較高,分別為10.7t/(km2·30d)和10.6t/(km2·30d).降塵化學組分質量中地殼元素(Ca、Si、Al)占比較高,巨輪和桃園監測區域的降塵中Fe元素的質量顯著高于其他監測區域.將降塵量和化學組分分析結果分別納入正定矩陣因子分解(PMF)和偏目標轉換-正定矩陣分解(PTT-PMF)兩種受體模型中對太原市降塵進行了定量來源解析.通過比較兩種受體模型的擬合性能和解析的因子譜發現:PTT-PMF受體模型相較于PMF能夠更好地區分出降塵中城市揚塵源和建筑塵源這兩類相似的塵源.結果表明,太原市降塵主要有六種來源:城市揚塵源(PMF:35%,PTT-PMF:35%)、建筑塵源(PMF:29%, PTT-PMF:28%)、鋼鐵工業源(PMF:14%, PTT-PMF:14%)、燃煤源(PMF:13%, PTT-PMF:12%)、二次無機鹽(PMF:5%, PTT-PMF:6%)、機動車尾氣排放源(PMF:4%, PTT-PMF:5%).兩種受體模型得到的平均來源貢獻結果相似,而建筑塵源和鋼鐵工業源的季節變化趨勢則有一定的差異.粗粒徑源類(城市揚塵源和建筑塵源)是太原市降塵的主要來源,兩者對降塵的貢獻率超過了60%,并在春季貢獻率(4～6月)較高.

大氣降塵；受體模型；偏目標轉換-正定矩陣分解模型(PTT-PMF)；來源解析；城市揚塵

大氣降塵是指依靠重力自然降落于地面的大氣顆粒物,其粒徑多大于10μm[1-3].降塵粒徑較大,易成為各類空氣污染物反應的載體,而且可以通過多種途徑進入到水體、土壤等環境介質中對氣候以及陸地化學循環產生重要的影響[4-6].大氣降塵是地氣交換的重要物質,能夠一定程度上表征當地的大氣污染程度[7].相關研究表明,降塵易吸附重金屬和有機物等有毒有害物質,并通過環境傳輸與人體、農作物進行接觸,對人類的生活和健康造成嚴重危害[8].

降塵污染是當前環境管理的重點之一,反映城市的清潔水平.目前國內針對大氣降塵的研究,主要集中在區域內降塵量長期變化趨勢的研究[9-10];降塵健康風險評價[8,11-12];以及降塵中水溶性離子、重金屬元素、黑碳等組分的污染特征和來源解析研究[13-15].針對大氣降塵開展的相關來源解析研究工作中,目前主要多使用富集因子法和主成分分析[6,16-18],對降塵中的水溶性離子或元素組分分別進行來源解析,然而受體模型的應用以及對降塵的季節來源貢獻變化特征分析的研究較少.通過分析降塵中化學組分的質量和占比,使用受體模型對降塵來源進行解析,進而研究降塵來源以及來源貢獻的季節變化特征能夠為區域內降塵的科學管控起到重要科學支撐作用.

本研究選取太原市開展降塵的來源解析研究,在2019年11月至2020年12月期間針對降塵進行收集采樣,分析了降塵量和降塵中化學組分質量的月變化特征.使用正定矩陣因子分解(PMF)和偏目標轉換-正定矩陣分解(PTT-PMF)兩種受體模型定量解析了太原市降塵的污染來源及貢獻,評估了不同受體模型對降塵來源解析的效果,厘清了不同季節大氣降塵污染的主要來源.

1 材料和方法

1.1 降塵樣品采集

根據太原市地形地勢和降塵污染源分布特征,并結合每個季節主導風向、城市中心范圍、采樣點位代表性等因素,對樣品采樣區域進行選取,開展太原市大氣降塵采樣.2019年11月至2020年12月時間段內,依托國家環境空氣自動監測點位和山西省環境空氣自動監測點位,在太原市設置8個主要監測區域,分別為桃園、巨輪、小店、金勝、晉源、上蘭、清徐和婁煩監測區域.其中桃園和巨輪為太原市區中心(周圍為居民區,位于鋼鐵工業源的下風向),小店監測區域位于太原市區最南邊(新開發區),金勝監測區域位于太原市區西南邊(晉陽湖公園),晉源監測區域位于太原市區西南邊(遠離市區,周圍為居民區,靠近風景區),上蘭監測區域位于太原市區最北邊(周圍為村莊,靠近風景區),婁煩和清徐監測區域位于太原周邊縣城.各監測區域內平均布設5個采樣點位,分別位于各區域中心點以及東南西北四個方向,各采樣點均收集降塵樣品,每月收集共40個降塵樣品進行降塵量分析和降塵化學組分分析.

1.2 降塵量分析

采用重量法分析太原市各點位降塵量,降塵量分析方法參考《環境空氣降塵的測定重量法》[2].降塵量為單位面積上單位時間內從大氣中沉降的顆粒物的質量,計量單位為每月每km2面積上沉降的顆粒物的噸數,即t/(km2·30d).

每月采樣結束后,剔除降塵缸中雜物,其余部分定量轉移至500mL燒杯中,加熱蒸發濃縮至10～ 20mL后,再轉移至已恒重的瓷坩堝中,用水沖洗粘附在燒杯壁上的塵粒,并加入瓷坩堝中,在電熱板上蒸干后,于(105±5)℃烘箱內烘至恒重,按下式計算降塵量:

式中:為降塵總量,t/(km2·30d);1為降塵、瓷坩堝和乙二醇水溶液蒸發至干并在105±5℃恒重后的重量,g;0為在(105±5)℃烘干的瓷坩堝重量,g;W為與采樣操作等量的乙二醇水溶液蒸發至干并在(105±5)℃恒重后的重量,g;為集塵缸缸口面積, cm2;為采樣天數,(準確到0.1d).

1.3 降塵組分質量及占比分析

降塵中主要化學組分的質量及占比是進行來源解析的關鍵.本研究首先使用化學分析對降塵中化學組分(無機元素、水溶性離子、有機碳/元素碳)的質量進行了測定,選取降塵中主要化學組分的質量作為受體模型的輸入數據.

1.3.1 化學分析 對于無機元素分析采用電感耦和等離子發射光譜法(ICP).取適量降塵樣品(0.048～ 0.052g),加入10.0mL混合消解液(硝酸:鹽酸:雙氧水比例為1:3:1),使降塵浸沒其中,加蓋,置于消解罐組件中并旋緊,放置微波轉盤架上進行消解.消解結束后,取出消解罐組件,冷卻,并以水淋洗微波消解容器內壁,定容到25mL.制備后的樣品使用ThermoiCAP 7000進行分析,對Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe等無機元素濃度進行測定.

降塵水溶性離子分析采用離子色譜法.稱取適量降塵樣品(0.048～0.052g),置于離心管中,加入8mL超純水后放入超聲波清洗器中超聲提取25～30分鐘.超聲后的離心管放入冰箱中冷藏24小時.用針管吸取離心管中間澄清液體,通過兩個0.2μm過濾頭過濾后注射入樣品瓶中.制得樣品后續使用Thermo ICS900進行離子色譜分析,對NH4+、SO42-、Cl-和NO3-等水溶性離子濃度進行測定.

碳元素分析通過使用DRI 2001A型有機碳/元素碳(OC/EC)分析儀.儀器基于不同溫度下加熱釋放有機碳、元素碳,并用He-Ne激光分離OC、EC進行降塵中碳組分的測量.

1.3.2 組分占比分析 經實驗分析后的降塵化學組分濃度結果由下式換算為降塵中化學組分的質量及占比:

1.4 降塵源解析受體模型

1.4.1 正定矩陣因子分解模型(Positive Matrix Factorization, PMF) 本研究使用PMF受體模型[19-20]對大氣降塵進行來源解析.

式中:X代表第個降塵樣品中的第種化學組分質量,t/(km2·30d);G代表第個因子對第個降塵樣品的貢獻,t/(km2·30d);F代表第個因子中第種化學組分的占比,E代表在第個降塵樣品中第種組分的殘差.

PMF通過公式(6)計算最小化目標函數Q值,最后得到源貢獻矩陣和源成分譜矩陣.

式中:m為第個降塵樣品中第種化學組分的不確定度.

1.4.2 偏目標轉換-正定矩陣分解模型(Partial Target Transformation-Positive matrix factor, PTT- PMF) 本研究使用PTT-PMF受體模型對大氣降塵進行來源解析,PTT-PMF是一種基于ME2進行改進的目標因子轉化-PMF耦合算法[21].通過納入實測的一次源譜(本研究主要為TSP粒徑段)和計算的理論二次源譜信息,選擇固定標識組分,能夠解析出更具有物理意義的因子譜,讓源解析結果更精確.主要公式為:

enh=main+aux(7)

2 結果與討論

2.1 太原市降塵量分布特征

2019年11月～2020年12月采樣期間,太原市8個主要監測區域位置和各區域平均降塵量如圖1所示.其中,清徐和巨輪的降塵量較高,分別為10.7t/ (km2·30d)和10.6t/(km2·30d).桃園,金勝和上蘭的降塵量分別為8.7t/(km2·30d),8.5t/(km2·30d)和8.3t/ (km2·30d).小店,晉源和婁煩的降塵量較低,分別為7.1t/(km2·30d),7.1t/(km2·30d),7.0t/(km2·30d).太原市整體的平均降塵量約為7.9t/(km2·30d).

圖1 太原市采樣點示意

圓點代表主要監測區域的位置,柱狀圖代表該區域的平均降塵量(取該區域內各采樣點降塵量的均值),單位為t/(km2·30d)

圖2 各監測區域的降塵量月變化趨勢

各監測區域的降塵量月變化趨勢如圖2所示,各監測區域的降塵量月變化趨勢較為相似,降塵量在2020年4～6月相對較高并于5月達到峰值,這可能是由于太原地處西北,春季遭遇多次大范圍沙塵天氣過程,且強度較大,導致太原市整體降塵量較高.其中清徐監測站點5月的降塵量峰值顯著高于其他區域,為28.6t/(km2·30d),這可能是由于清徐處在太原市的下風向.夏季各監測區域降塵量持續快速下降,各監測區域降塵量于8月達到最小值.總體來看,各監測區域的降塵量于2019年12月至2020年5月逐漸上升,于2020年6～8月逐漸下降,并于2020年8～12月保持較低.各監測點之間的降塵量差異于2020年4～6月(標準偏差:6.5t/(km2·30d))遠大于其他時間段(標準偏差:2.9t/(km2·30d)),此時清徐和巨輪監測站點降塵量較高,分別為19.4t/(km2·30d),18.4t/ (km2·30d);金勝,桃園,上蘭監測站點降塵量分別為16.5t/(km2·30d),16.0t/(km2·30d),16.0t/(km2·30d);小店和婁煩監測站點降塵量較低,分別為13.5t/(km2·30d), 13.2t/(km2·30d).

2.2 太原市降塵的化學組分質量特征

太原市降塵主要化學組分的質量統計結果見表1,降塵中無機元素Ca, Fe, Si以及Al的平均質量較高,分別為:0.38,0.32,0.32,0.17t/(km2·30d).降塵中OC的平均質量較高,為0.29t/(km2·30d).降塵中水溶性離子質量較低,其中SO42-和NO3-平均質量分別為0.17,0.07t/(km2·30d).

變異系數主要代表了該種化學組分受人為活動所影響的程度,可以初步反應降塵中主要化學組分的來源及變化.其中Fe的變異系數較高,為0.95,這是由于其受局部的相關鋼鐵工業、建筑業的空間分布影響較大.OC和水溶性離子NO3-的變異系數也較高,分別為1.88和1.33,這是由于這兩種化學組分主要來源于汽車尾氣和工業排放,極大程度上受人為活動、季節變化等因素影響.

各監測區域大氣降塵的主要化學組分質量月變化如圖3所示.太原市降塵主要化學組分質量呈現春夏季(4～7月)較高,而其他季節較低.其中在2020年4～5月各監測區域的降塵主要化學組分質量出現明顯的峰值,此時元素組分Ca, Si, Al的質量顯著升高,平均質量分別為0.97,0.70, 0.42t/ (km2·30d),而離子組分的質量基本保持不變.2020年5～7月各監測區域降塵主要元素組分質量有逐漸下降的趨勢,而此時離子組分NO3-、SO42-的質量上升,分別為0.18,0.29t/(km2·30d). 2020年7月后各監測區域降塵主要化學組分質量均較低,并于8月出現了明顯的最低值.巨輪和桃園監測站點的降塵中Fe元素質量在全年始終保持較高,并且顯著高于其他監測區域,平均質量分別為0.81,0.53t/ (km2·30d),這是由于巨輪和桃園監測區域附近存在鋼鐵工業,并處于鋼廠的下風向.巨輪,清徐和上蘭監測區域降塵的OC平均質量較高,分別為0.47,0.36,0.34t/(km2·30d).巨輪、桃園和晉源監測區域降塵的NO3-平均質量高于其他監測區域,均為0.09t/ (km2·30d).桃園和晉源監測區域降塵的SO42-平均質量較高,均為0.20t/ (km2·30d).

表1 太原市降塵主要化學組分的質量特征

注:均值,標準偏差的單位為t/(km2·30d).

降塵中主要化學組分的質量占比如圖4所示,降塵中主要元素組分的質量占比較高(約71%),而主要離子組分的質量占比較低(約13%),OC占比為16%.對于離子,SO42-和NO3-分別占據了9%和4%的質量,其比例與太原市降塵的相關研究結果較為相似[9].對于降塵的主要元素組分,Ca、Fe、Si、Al占比依次下降,分別占據了降塵主要化學組分總質量的21%,18%,18%,10%.

圖3 各監測區域降塵主要化學組分質量的月變化

太原市降塵主要化學組分質量中高占比的地殼元素(Ca、Si、Al)以及一定占比的Fe元素表明:城市揚塵源、建筑塵源可能是太原市降塵主要來源,同時鋼鐵工業源可能也占有一定的比重.對于各監測區域,清徐監測區域降塵中Si, Al質量占比較高,分別為23%和12%.巨輪和桃園監測區域降塵的Fe質量占比大于其他區域,平均質量占比分別為32%,28%.金勝和上蘭監測區域降塵的Ca質量占比大于其他區域,均為27%.

圖4 降塵中主要化學組分的質量占比

2.3 基于PMF模型和PTT-PMF模型的降塵源解析

2.3.1 因子識別和不同受體模型源成分譜的比較 通過將研究期間共406個降塵樣品的降塵量和主要化學組分質量數據分別納入PMF和PTT-PMF兩種受體模型對太原市大氣降塵進行來源解析分析.源成分譜結果如圖5所示,因子1中地殼元素Al、Si、Mg含量較高,識別為城市揚塵源[22-23].因子2中,Ca、Al、Si、Mg元素含量較高,且Ca、Mg貢獻率高于因子1,而Al、Si元素貢獻率低于因子1,Ca可作為建筑源的標志,故該因子可識別為建筑塵源[24-25].因子3中SO42-、OC的含量較高,因此識別為燃煤源[26].因子4的Fe元素含量顯著高于其他元素,可代表鋼鐵工業源.因子5主要特征為較高的NO3-、SO42-和NH4+含量,三種離子均與二次轉化有關,其中NO3-、NH4+是二次硝酸鹽的標識組分,SO42-、NH4+則是二次硫酸鹽的標識組分[27].因此,可以確定因子5為包含二次硫酸鹽和二次硝酸鹽的二次無機鹽.因子6中有較高含量的OC、EC組分,因此識別為機動車尾氣排放源[28-29].

PTT-PMF源解析結果提取的源類與PMF較為一致.PTT-PMF受體模型計算過程中納入了實測的TSP源譜,在其解析得到的源成分譜中,城市揚塵源中的Al、Si,建筑塵中的Ca,機動車尾氣排放源中的OC、EC,等標識組分的貢獻率均高于PMF的解析結果.因此,與PMF相比, PTT-PMF的源成分譜解析結果能夠更突出城市揚塵源和建筑塵源中標識組分的貢獻率差異,在因子識別過程中更好地區分城市揚塵和建筑塵這兩類相似的降塵源類.

圖5 太原市降塵的污染來源成分譜

2.3.2 污染源區域和季節特征分析 采樣期間太原市降塵源解析結果如圖6所示,PMF模型與PTT-PMF模型解析降塵六類污染源貢獻率結果相似.六類污染源貢獻率按高低排序為:城市揚塵源(PMF:35%, PTT:35%),建筑塵源(PMF:29%, PTT: 28%),鋼鐵工業源(PMF:14%, PTT:14%),燃煤源(PMF:13%, PTT:12%),二次無機鹽(PMF:5%, PTT: 6%),機動車尾氣排放源(PMF:4%, PTT:5%).源解析結果表明,城市揚塵源和建筑塵源是太原市降塵最主要的來源,平均源貢獻率的加和超過了60%,其中城市揚塵源的貢獻率超過了30%,是太原市降塵最主要的來源.其次,鋼鐵工業源和燃煤源的貢獻率分別為約14%和13%,是太原市降塵的次要來源.二次無機鹽和機動車尾氣排放源的貢獻率較低,均低于10%,其中機動車尾氣排放源的貢獻率最低.

在8個降塵監測區域中,清徐監測區域的城市揚塵源對降塵的平均貢獻率顯著高于其他區域(PMF:45%,PTT-PMF:49%).上蘭、金勝和小店監測區域的建筑塵源對降塵的平均貢獻率較高(上蘭PMF:36%,PTT-PMF:31%;金勝PMF:32%,PTT -PMF:32%;小店PMF:32%,PTT-PMF:PMF:31%).巨輪和桃園監測區域鋼鐵工業源對降塵的平均貢獻率較高(巨輪PMF:30%,PTT-PMF:28%;桃園PMF:23%,PTT-PMF:22%).上蘭監測區域機動車源對降塵的平均貢獻率較高(PMF:10%,PTT-PMF: 10%).

如圖6(b),(d)所示,四個時間段的源解析結果表明:城市揚塵源和建筑塵源對降塵貢獻率的峰值主要出現在春季4～6月(PMF:37%和33%,PTT-PMF: 40%和31%),與太原市降塵量以及降塵中主要化學組分質量的峰值出現的時間段一致.相關研究表明:太原市春季降水較少,且風速較大,加速了降塵的沉降[9].太原市出現的沙塵天氣,尤其是春季,以揚沙、浮塵為主[30].

兩種受體模型解析的鋼鐵工業源貢獻率季節變化結果有一定差別.PMF模型中鋼鐵工業源貢獻率較為穩定(14%),而PTT-PMF模型中鋼鐵工業源貢獻率在秋冬季(2019年11月～2020年3月:18%; 2020年10～12月:14%)略高于春夏季(2020年4～6月:11%; 2020年7～9月:11%).鋼鐵工業源主要為固定源,來源貢獻特征與太原市相關鋼鐵企業的分布和生產活動有關.相關研究表明,我國鋼鐵工業排放的一次顆粒物主要集中在粗粒徑段(PM>10)[31].因此,降塵來源中鋼鐵工業來源貢獻不可忽視.

燃煤源主要在秋冬季(2019年11月～2020年3月)貢獻率較高(PMF:18%,PTT-PMF:14%),此時為采暖季,當地居民供暖導致燃煤源的排放增加[32].太原市冬季燃煤源對降塵的貢獻率略低于對細顆粒物的貢獻率,相關研究表明,在冬季清潔天,太原城區的細顆粒物中燃煤源貢獻率約為20%[33].

二次無機鹽和機動車尾氣排放源對降塵的貢獻率較低,這是由于二次無機鹽和機動車排放源多為細粒子.二次無機鹽的源貢獻率主要在秋冬季(2019年11月～2020年3月;2020年10～12月)較高(PMF:6%,6%;PTT:9%,6%);機動車尾氣排放源的源貢獻率季節變化趨勢不明顯(PMF:4～5%,PTT-PMF: 2～7%).

圖6 PMF和PTT-PMF計算的太原市降塵各來源貢獻率

圖7 PMF和PTT-PMF擬合性能評估

PMF模型和PTT-PMF模型的源解析結果相比較,城市揚塵源、燃煤源、二次無機鹽的源貢獻率季節變化趨勢較為一致,建筑塵源和鋼鐵工業源的源貢獻率季節變化趨勢有一定的差別,全年各源類的平均源貢獻率結果相似.

此外,為評估PMF和PTT-PMF兩種受體模型解析結果的穩定性.使用衡量模型擬合值和實際觀測值接近程度的判定系數2評估了模型的擬合優度.PMF和PTT-PMF的模型性能表現如圖7所示,圖中x軸代表降塵量的觀測值,y軸代表受體模型對于降塵量的擬合值,各散點越接近標準曲線則代表模型擬合性能更好.結果表明, PMF與PTT-PMF的擬合性能接近,兩者2均較高(0.87,0.86),表明兩種模型的源解析結果可靠.

3 結論

3.1 采樣期間,太原市平均降塵量約為7.9t/ (km2·30d).清徐和巨輪的平均降塵量較高,分別為10.7t/(km2·30d)和10.6t/(km2·30d).各監測區域的降塵量主要在2020年4～6月較高,并于5月出現明顯的峰值.

3.2 PTT-PMF受體模型在計算的過程中納入了實測的TSP源譜,能夠更好地對城市揚塵源,建筑塵源這兩類相似塵源進行識別.

3.3 城市揚塵源(～35%)和建筑塵源(28%～29%)是太原市降塵最主要的來源,并在春季貢獻率相對較高(2020年4～6月).

3.4 清徐監測區域的城市揚塵源對降塵的平均貢獻率相對較高.巨輪、桃園監測區域的鋼鐵工業源對降塵的平均貢獻率相對較高.上蘭、金勝和小店監測區域的建筑塵源對降塵的平均貢獻率相對較高.

[1] Lawrence C R, Neff J C. The contemporary physical and chemical flux of aeolian dust: A synthesis of direct measurements of dust deposition [J]. Chemical Geology, 2009,267(1):46-63.

[2] GB/T15265-94 環境空氣降塵的測定重量法[S].

[3] 陳 瑩,趙劍強,湯丹娜,等.西安市大氣降塵重金屬污染特征與生態風險 [J]. 干旱區資源與環境, 2017,31(6):154-159.

Chen Y, Zhao J Q, Tang D N, et al. Heavy metal pollution character- istics and ecological risk of dustfall in Xi'an city [J]. Journal of Arid Land Resources and Environment, 2017,31(6):154-159.

[4] Wang X M, Cai D W, Li D F, et al. Dust deposition and its significance to soil nutrients in the Otindag Desert, China [J]. Journal of Arid Environments, 2021,194:104612.

[5] Maher B A, Prospero J M, Mackie D, et al. Global connections between aeolian dust, climate and ocean biogeochemistry at the present day and at the last glacial maximum [J]. Earth-Science Reviews, 2010,99(1):61-97.

[6] 鐘 萍,汪昂綠,張慧迪,等.武漢市高校大氣降塵中水溶性離子污染特征及來源解析 [J]. 環境工程, 2021,39(2):98-104.

Zhong P, Wang A L, Zhang H D, et al. Characteristics and source analysis of water-soluble ion pollution in atmospheric dustfall in Wuhan universities [J]. Environmental Engineering, 2021,39(2):98- 104.

[7] 霍婷婷,董發勤,劉孟清,等.不同粒段降塵重金屬賦存與有機碳關聯性分析 [J]. 中國環境科學, 2020,40(1):52-62.

Huo T T, Dong F Q, Liu M Q, et al. Correlation analysis between concentrations of heavy metal species and organic carbon in dustfall with different particle size [J]. China Environmental Science, 2020,40 (1):52-62.

[8] 王麗麗,金囝囡,武志宏,等.不同類型施工降塵中重金屬污染特征及健康風險評價 [J]. 中國環境科學, 2021,41(3):1055-1065.

Wang L L, Jin J N, Wu Z H, et al. Heavy metal pollution characteristics and associated health risk assessment in different types of construction dust [J]. China Environmental Science, 2021,41(3): 1055-1065.

[9] 宋志輝,劉 平,梁亞宇,等.太原市五年降塵及降水中主要離子特征 [J]. 地球與環境, 2021,49(4):381-388.

Song Z H, Liu P, Liang Y Y, et al. Characteristics of 5-year atmospheric dry deposition and annual variations of main ions in wet precipitation in Taiyuan city [J]. Earth And Environment, 2021, 49(4):381-388.

[10] 邱國良,陳泓霖.2010～2019年衡陽市大氣降塵污染特征及變化趨勢分析 [J]. 干旱環境監測, 2020,34(2):54-58.

Qiu G L, Chen H L. Analysis on the characteristics and trend of airborne pollution in Hengyang from 2010 to 2019 [J]. Arid Environmental Monitoring, 2020,34(2):54-58.

[11] 方文穩,張 麗,葉生霞,等.安慶市降塵重金屬的污染評價與健康風險評價 [J]. 中國環境科學, 2015,35(12):3795-3803.

Fang W W, Zhang L, Ye S X, et al. Pollution evaluation and health risk assessment of heavy metals from atmospheric deposition in Anqing [J]. China Environmental Science, 2015,35(12):3795-3803.

[12] 張兆永,吉力力·阿不都外力,姜逢清.艾比湖流域大氣降塵重金屬的污染和健康風險 [J]. 中國環境科學, 2015,35(6):1645-1653.

Zhang Z Y, Jilili·A, Jiang F Q. Pollution and potential health risk of heavy metals in deposited atmospheric dusts in Ebinur Basin, northwest China [J]. China Environmental Science, 2015,35(6):1645- 1653.

[13] 李法松,韓 鋮,周葆華,等.安徽省室內降塵中多環芳烴分布及來源解析 [J]. 中國環境科學, 2016,36(2):363-369.

Li F S, Han C, Zhou B H, et al. Distribution and source analysis of polycyclic aromatic hydrocarbons in indoor dust from Anhui province, China [J]. China Environmental Science, 2016,36(2):363-369.

[14] 欒慧君,塞 古,徐 蕾,等.徐州北郊大氣降塵重金屬污染特征與風險評價 [J]. 中國環境科學, 2020,40(11):4679-4687.

Luan H J, Sékou M C, Xu L, et al. Characteristics and risk assessment of heavy metals from atmospheric deposition in northern suburban of Xuzhou [J]. China Environmental Science, 2020,40(11):4679- 4687.

[15] 鄭曉霞,趙文吉,郭逍宇.北京大氣降塵中微量元素的空間變異 [J]. 中國環境科學, 2015,35(8):2251-2260.

Zheng X X, Zhao W J, Guo X Y. Spatial variation sofair borned usttr aceele mentsin Beijing [J]. China Environmental Science, 2015,35(8): 2251-2260.

[16] 劉章現,王國貞,郭 瑞,等.河南省平頂山市大氣降塵的化學特征及其來源解析 [J]. 環境化學, 2011,30(4):825-831.

Liu Z X, Wang G Z, Guo R, et al. Char acteristic sand source analysis of element sindustfall in Pingdingshan city [J]. Environmental Chemistry, 2011,30(4):825-831.

[17] 代杰瑞,祝德成,龐緒貴,等.濟寧市近地表大氣降塵地球化學特征及污染來源解析 [J]. 中國環境科學, 2014,34(1):40-48.

Dai J R, Zhu D C, Pang X G, et al. Geochemical characteristics and pollution sources identification of the near-surface atmosphere dust- fall in Jiningcity [J]. China Environmental Science, 2014,34(1):40-48.

[18] 張 斌.南京市大氣降塵特征及源解析 [D]. 南京:南京大學, 2013.

Zhang B. Characteristics and source apportionment of atmospheric dustfall in Nanjing city [D]. Nanjing: Nanjing University, 2013.

[19] Paatero P, Tapper U. Positive matrix factorization: A non-negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 1994,5(2):111-126.

[20] Paatero P. Least squares formulation of robust non-negative factor analysis [J]. Chemometrics and Intelligent Laboratory Systems, 1997, 37(1):23-35.

[21] Gao J, Dong S H, Yu H F, et al. Source apportionment for online dataset at a megacity in China using a new PTT-PMF model [J]. Atmospheric Environment, 2020,229:117457.

[22] Park M B, Lee T J, Lee E S, et al. Enhancing source identification of hourly PM2.5data in Seoul based on a dataset segmentation scheme by positive matrix factorization (PMF) [J]. Atmospheric Pollution Research, 2019,10(4):1042-1059.

[23] 劉佳媛,高 健,張岳翀,等.北京APEC期間不同顆粒物源解析方法的結果比較 [J]. 中國環境科學, 2020,40(3):938-947.

Liu J Y, Gao J, Zhang Y C, et al. Results comparison of different source apportionment methods during APEC summit in Beijing [J]. China Environmental Science, 2020,40(3):938-947.

[24] 邱晨晨,宮海星,于興娜,等.南京江北新區PM2.5中水溶性離子的季節特征和來源解析 [J]. 環境科學學報, 2021,41(5):1718-1726.

Qiu C C, Gong H X, Yu X N, et al. Seasonal characteristics and source apportionment of water-soluble ions in PM2.5of Nanjing Jiangbei New Area [J]. Acta Scientiae Circumstantiae, 2021,41(5):1718-1726.

[25] 王 琴,張大偉,劉保獻,等.基于PMF模型的北京市PM2.5來源的時空分布特征 [J]. 中國環境科學, 2015,35(10):2917-2924.

Wang Q, Zhang D W, Liu B X, et al. Spatial and temporal variations of ambient PM2.5source contributions using positive matrix factorization [J]. China Environmental Science, 2015,35(10):2917-2924.

[26] 皇甫延琦,田瑛澤,董世豪,等.基于PMF模型的大氣顆粒物多點位來源解析研究 [J]. 中國環境科學, 2018,38(6):2032-2038.

Huangfu Y Q, Tian Y Z, Dong S H, et al. Evaluating the performance of PMF model for atmospheric PM source apportionment in multi-site [J]. China Environmental Science, 2018,38(6):2032-2038.

[27] 王少博,王 涵,張敬巧,等.邢臺市秋季PM2.5及水溶性離子污染特征 [J]. 中國環境科學, 2020,40(5):1877-1884.

Wang S B, Wang H, Zhang J Q, et al. Characterization analysis of PM2.5an dwater-soluble ions during autumnin Xingtai City. China Environmental Science, 2020,40(5):1877-1884.

[28] 肖致美,徐 虹,李立偉,等.基于在線觀測的天津市PM2.5污染特征及來源解析 [J]. 環境科學, 2020,41(10):4355-4363.

Xiao Z M, Xu H, Li L W, et al. Characterization and source apportionment of PM2.5based on the online observation in Tianjin [J]. Environmental Science, 2020,41(10):4355-4363.

[29] 陳 剛,劉佳媛,皇甫延琦,等.合肥城區PM10及PM2.5季節污染特征及來源解析 [J]. 中國環境科學, 2016,36(7):1938-1946.

Chen G, Liu J Y, Huangfu Y Q, et al. Seasonal variations and source apportionment of ambient PM10and PM2.5at urban area of Hefei, China [J]. China Environmental Science, 2016,36(7):1938-1946.

[30] 趙彩萍,周晉紅,李瑞萍,等.太原春季沙塵天氣特征分析 [J]. 科技情報開發與經濟, 2005,(4):187-189.

Zhao C P, Zhou J H, Li R P, et al. Analysis on the features of the sand-dust weather in spring of Taiyuan [J]. Sci/Tech Information Development & Economy, 2005,(4):187-189.

[31] 汪旭穎,燕 麗,雷 宇,等.我國鋼鐵工業一次顆粒物排放量估算 [J]. 環境科學學報, 2016,36(8):3033-3039.

Wang X Y, Yan L, Lei Y, et al. Estimation of primary particulate emissions from iron and steel industry in China [J]. Acta Scientiae Circumstantiae, 2016,36(8):3033-3039.

[32] 倪登峰,劉 素,曹力媛,等.太原市采暖季PM2.5組分特征及重污染事件分析 [J]. 中國環境科學, 2020,40(7):2821-2828.

Ni D F, Liu S, Cao L Y, et al. Composition characteristics of PM2.5and heavy pollution events in Taiyuan city during heating season [J]. China Environmental Science, 2020,40(7):2821-2828.

[33] 劉 素,馬 彤,楊 艷,等.太原市冬季PM2.5化學組分特征與來源解析 [J]. 環境科學, 2019,40(4):1537-1544.

Liu S, Ma T, Yang Y, et al. Chemical composition characteristics and source apportionment of PM2.5during winter in Taiyuan [J]. Environmental Science, 2019,40(4):1537-1544.

致謝：本研究由太原市生態環境局協助完成,在此表示感謝.

Source apportionment and seasonal variation characteristics of atmospheric dustfall in Taiyuan by two receptor models.

ZHANG Zhong-cheng1,2, XIE Yu-qi3, ZHANG Zhi-jie3, GAO Gang-shuan4, XU Bo1,2, TIAN Xiao1,2, XU Han1,2, WEI Yu-ting1,2, SHI Guo-liang1,2*, FENG Ying-chang1,2

(1.State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China；2. China Meteorological Administration-Nankai University (CMA-NKU) Cooperative Laboratory for Atmospheric Environment- Health Research, Tianjin 300374, China；3.Taiyuan Ecological Environment Bureau, Taiyuan 030002, China；4.Taiyuan Ecological Environment Publicity and Education Center, Taiyuan 030009, China)., 2022,42(6)：2577～2586

Dustfall sampling and chemical composition analysis were carried out from November 2019 to December 2020 in Taiyuan, a typical industrial city. During the sampling period, the average amount of dust fall was 7.9t/km2·30d and was higher from April to June in Taiyuan. Among the 8selected monitoring areas, Qingxu and Julun had higher average amounts of dustfall, 10.7t/(km2·30d) and 10.6t/(km2·30d), respectively. Crustal elements (Ca, Si, and Al) accounted for a large proportion in the concentrations of dustfall, and the content of Fe in dustfall in Julun and Taoyuan monitoring areas was significantly higher than that in other monitoring areas. Datasets containing the amount of dustfall and its chemical composition were incorporated into two receptor models, respectively, positive matrix factorization (PMF) and partial target transformation-positive matrix factorization (PTT-PMF), to analyze the sources of dustfall in Taiyuan. By comparing the performance and source profiles of the two receptor models, it was found that the PTT-PMF receptor model which incorporated into the measured source profiles could better distinguish two similar sources (urban dust and construction dust) than the PMF model. According to the results from the two receptor models, dustfall in Taiyuan was mainly from six sources: urban dust (PMF: 35%, PTT-PMF: 35%), construction dust (PMF: 29%, PTT-PMF:28%), steel industry (PMF: 14%, PTT-PMF: 14%), coal combustion (PMF: 13%, PTT-PMF: 12%), secondary inorganic compounds (PMF: 5%, PTT-PMF: 6%), vehicle emissions (PMF: 4%, PTT-PMF: 5%). The source contributions obtained by the two receptor models were similar, but the seasonal variations of the construction dust and steel industry were different. The contribution of coarse particles (urban dust and construction dust) to dustfall was greater than 60% (the main source in Taiyuan), and its contribution was higher in spring (from April to June).

dustfall；receptor model；Partial Target Transformation-Positive matrix factor (PTT-PMF)；source apportionment；urban dust

X513

A

1000-6923(2022)06-2577-10

張忠誠(1997-),男,四川成都人,南開大學碩士研究生,研究方向為大氣污染防治.

2021-11-17

國家自然科學基金項目(41775149,42077191);中央高校基本科研業務費專項(63213072);天津市科技計劃項目(18PTZWHZ00120);中國工程院院地合作項目(2020C0-0002)

* 責任作者, 教授, nksgl@nankai.edu.cn