2016～2020年上海市PM2.5化學組成特征和來源解析

趙倩彪,胡 鳴,伏晴艷

2016～2020年上海市PM2.5化學組成特征和來源解析

趙倩彪1,2,胡 鳴1,3,伏晴艷1*

(1.上海市環境監測中心,上海 200235；2.南京大學,環境規劃設計研究院集團股份公司,江蘇 南京 210093；3.上海大學,上海 200444)

2016～2020年在上海市區和郊區的6個點位開展了顆粒物系統性觀測研究,分析了PM2.5的質量濃度以及水溶性離子、有機碳/元素碳、無機元素等化學組分,并利用正矩陣因子分解模型對PM2.5的來源進行了解析.結果表明,上海PM2.5濃度水平呈現下降趨勢,年均質量濃度依次為46,43,37,40, 39μg/m3,表現為冬高夏低,西高東低的時空分布特征.有機物在PM2.5中占比最高(30%～32%),不同年份和季節間的差異較小.二次無機離子(硫酸鹽、硝酸鹽和銨鹽)的區域性特征明顯,其中硝酸鹽的占比在5a間升高最多,且在冬季污染過程中起到了關鍵作用.解析得到PM2.5的來源有9類,分別為二次硝酸鹽(30.6%)、二次硫酸鹽(20.7%)、機動車(12.6%)、工業(8.0%)、生物質燃燒(7.7%)、揚塵(6.5%)、燃煤(5.8%)、海鹽(4.8%)和船舶(3.2%).機動車和船舶等移動源、秸稈焚燒和煙花爆竹燃放等生物質燃燒源的貢獻濃度在研究期間呈現下降趨勢,體現了相關治理措施的管控效果.

細顆粒物(PM2.5)；上海；化學組分；來源解析

PM2.5由水溶性離子、有機物、黑炭、地殼物質等多種復雜的成分組成, 且來源廣泛,包括工業燃煤、機動車排放、揚塵、生物質燃燒、以及氣態污染物的二次轉化等[1].

近年來,在上海開展的顆粒物觀測大多以研究特定季節污染過程的理化特征和污染成因為目標,持續時間在1個月左右[2-4].部分觀測為了研究顆粒物的季節變化規律,采樣時間覆蓋全年[5-7],而如果要獲取污染物更長時間跨度的年際變化特征,通常需要結合其他研究的結果綜合判定.但是,由于不同觀測之間采樣點位、季節、時長、分析方法等差異,得到的結論可能存在系統性偏差.利用環境空氣自動監測網絡數據[8],或者通過衛星遙感反演氣溶膠光學厚度[9-10],可以在同一觀測體系下獲取顆粒物年際變化趨勢,但研究結果僅限于顆粒物的整體濃度,無法通過顆粒物化學組分來識別污染來源,對于污染防控的指示作用不夠具體.

本研究在2016～2020年期間,在上海市區和郊區的6個站點開展顆粒物采樣和分析,為上海及周邊長三角區域內首次長時間、多點位的系統性觀測研究,分析了上海市PM2.5質量濃度和主要化學組分的時空分布規律,并利用正矩陣因子分解(PMF)模型解析PM2.5主要污染來源,評估研究期間污染治理措施的實施效果,為下一步污染防控對策的制定提供技術支持.

1 實驗與方法

1.1 采樣點位

在上海市區的浦東和浦西,以及郊區的東南西北4個方向,分別選取了浦東監測站(浦東)、普陀監測站(普陀)、浦東惠南(惠南)、奉賢監測站(奉賢)、青浦淀山湖(青浦)、崇明監測站(崇明)6個點位,點位周邊環境基本以住宅區和農田為主,沒有明顯的局地污染源.市區點位周邊路網相對密集,郊區點位周邊有1～2條交通主干道.站點的具體信息如表1.

表1 采樣點位信息

1.2 采樣方法

本研究的觀測時間為2016～2020年,時間跨度為5a.其中2016年1月～2019年8月,采樣時間為每月5日、10日、15日、20日、25日和30日;2019年9月～2020年12月,采樣頻次為1組樣品/3d.采樣時間均為10:00～次日10:00,采樣時長為24h.

使用武漢天虹TH-16A型四通道大氣顆粒物采樣器采集大氣中的PM2.5,采樣流量為16.7L/min,并折算成標準狀態體積(273K,101.325Pa)用于質量濃度計算.濾膜直徑為46.2mm,其中,第一和第二通道使用聚四氟乙烯(特氟龍)濾膜(#7592-104, Whatman,USA),稱重后分別用于水溶性離子和無機元素的分析;第三通道使用石英纖維濾膜(#1851-047,Whatman,USA),用于有機碳(OC)和元素碳(EC)的分析;第四通道與前三通道輪流全程平行比對.

特氟龍濾膜在采樣前后均置于溫度(20 ± 1)℃、濕度(50% ± 1%)的恒溫恒濕稱重實驗室內平衡24h,并用1μg精度的電子天平(XP-2U,Mettler Toledo, Switzerland)進行稱量.石英纖維濾膜存放于用鋁箔包裹內壁的濾膜盒中,且濾膜和鋁箔在采樣前均在450℃的馬弗爐內灼燒4h以去除有機物本底.

1.3 化學組分分析方法

水溶性離子分析采用離子色譜法,先將濾膜剪開并置于超純水中超聲40min提取其中的水溶性組分,浸提液經0.22μm的水相濾膜過濾后進入離子色譜儀(ICS-6000,Thermo Fisher,USA)同時檢測陰陽離子,所測組分包括Cl-、NO3-、SO42-、Na+、K+、Mg2+、Ca2+、NH4+.

含碳組分采用美國沙漠研究所開發的OC/EC分析儀(DRI-2001A,Desert Research Institute,USA),選用IMPROVE-A升溫程序[11],通過熱光透射法[12]測定顆粒物中的OC和EC.

無機元素先用X射線熒光分析(XRF)儀器(AXIOS, PANalytical B.V., Netherland)在氦氣介質下無損測定其中的Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Br、Rb、Sr、Cd、Sb、Ba、Pb、Se、Mo和Sn元素,隨后將濾膜剪開置于1:3的純硝酸和純鹽酸混合溶液中在 100℃ 加熱回流 2h,浸提液經過濾后進入ICP-MS(iCAP TQ,Thermo Fisher,USA)測定其中的Sb、Al、As、Ba、Be、Cd、Cr、Co、Cu、Pb、Mn、Mo、Ni、Se、Ag、Tl、Th、U、V、Zn、Bi、Sr和Sn元素.

分析方法的檢出限如表2.所有實驗室分析對每批次樣品單獨繪制了標準曲線,設置儀器空白、實驗室空白、實驗室平行、加標回收等手段,結合全程空白和全程平行樣品,對全流程進行質量控制.

表2 實驗室化學組分分析檢出限

續表2

1.4 數據分析

為了確保分析結果的代表性,統計分析和模型計算僅選取所有組分數據齊全的2336組樣本,并以質量濃度重建算法將顆粒物主要化學組分分為7類,包括硫酸鹽(SO42-)、硝酸鹽(NO3-)、銨鹽(NH4+)、氯鹽(Cl-)、元素碳(EC)、有機物(OM)和地殼物質(CM)[13-14],如式(1):

PM2.5重建濃度=SO42-+ NO3-+ NH4++

Cl-+ EC + OM + CM (1)

式中:地殼物質為所測地殼元素最高氧化態的加和[15],如式(2):

CM = 2.14 [Si] + 1.67 [Ti] + 1.89 [Al]+

1.95 [Ca] + 1.43 [Fe] (2)

有機物的估算先通過EC示蹤物的方法將OC分為一次有機碳(POC)和二次有機碳(SOC)[16-17],如式(3)和式(4):

POC = EC × (OC/EC)pri(3)

SOC = OC –POC (4)

式中:(OC/EC)pri常取OC/EC的最小值[18],本研究為了避免長時間觀測過程中的特殊排放源造成OC/EC比值出現極端低值而帶來計算偏差, 如圖1,以OC/EC最低的5%數據(圖1中黑色點)做線性擬合[19],得到(OC/EC)pri為1.92.該比值略高于Cao等[20]和Liu等[21]在上海地區的觀測結果,與研究中(OC/EC)pri逐年升高的趨勢相符.同時,該差異也可能是由這兩次觀測中所用在線OC/EC觀測儀器的前置溶蝕器吸收了半揮發性有機物(SVOC)造成觀測整體的OC/EC偏低造成的[22].

圖1 OC/EC濃度散點圖

使用上海地區觀測中使用的經驗系數[3],分別將POC和SOC乘以系數得到一次有機物(POA)和二次有機物(SOA),如式(5)和式(6):

POA = POC × 1.2 (5)

SOA = SOC × 2.2 (6)

并相加得到總有機物(OM),如式7:

OM = POA + SOA (7)

根據PM2.5重建濃度與實測濃度的擬合結果,相關系數R為0.93,表明PM2.5質量濃度和化學組分監測之間的結果基本可比;可檢出組分約占PM2.5總質量的87%,與長三角及全球各地研究得到的比值(77%～100%)相當[14,23-25].

1.5 正矩陣因子分解模型

PMF模型是一種基于最小二乘法的用于顆粒物來源解析的受體模型,可以通過分析實際環境樣品化學組分之間的關聯來獲取污染源的譜圖和時間貢獻序列[26-27].在所有的化學組分中,剔除了低于檢出限數據比例較高且污染源指示作用不明確的元素,并在相似的分析因子(如K+離子和K元素)中選取信噪比更高的組分,保留了SO42-、NO3-、NH4+、Cl-、K+、Na+、Mg2+、Ca2+8個水溶性離子,OC和EC兩個含碳組分,通過XRF方法分析的Al、Si、Ti、Zn 4個元素以及通過ICP-MS方法分析的V、Ni、Cd、Mn、Cu、Se、Pb 7個元素作為模型的輸入因子,并使用美國環保署開發的USEPA PMF5.0版本[28]進行計算.

模型的不確定度通過每批次樣品中全程平行樣品,即TH-16A采樣器第四通道獲得的樣品與前3個通道樣品之間的相對標準偏差計算得到,相比于以往研究中根據組分數據的幾何平均值賦予每個組分不確定度[25],或根據化學分析儀器偏差賦予所有組分統一的不確定度[29-30],本研究使用的方法基于實際觀測,更為客觀.同時,研究還將Ca2+、Al、Si、Ti 4種組分的不確定度放大2倍,以減少其同源性[31]對PMF計算結果產生的影響.

PMF模型假設所有樣品共用同一套源譜,但是在實際環境中由于地域差異、產業結構調整、化學過程變化等原因,不同時間和地點的源譜可能會有一些差異.為了減少該差異對模型計算帶來的影響,本研究除了將6個站點連續5a的觀測結果同時輸入模型(A-PMF)運算以外,還將不同站點(S-PMF)和不同年份(Y-PMF)的數據分別輸入模型運行,以評估源譜在時間和空間上的差異對結果的影響[32-33].

2 結果與討論

2.1 上海市PM2.5化學組分時空分布特征

2016～2020年上海PM2.5年均質量濃度依次為46, 43,37,40,39μg/m3,與上海市生態環境狀況公報[34-38]中PM2.5濃度(45,39,36,35,32μg/m3)的趨勢基本一致,兩者之間絕對濃度的差異可能是由于監測點位和監測方法之間的區別,后2a的變化趨勢不同可能與環境公報中數據選用的狀態參數轉換有關[39-40].

該年均濃度水平低于2011～2015年期間的多個基于全年觀測的研究結果[41-42],表明上海顆粒物水平在近10a間呈現下降的趨勢.

如圖2,有機物是顆粒物中最主要的組分,占比高達30%～32%.硫酸鹽、硝酸鹽和銨鹽(SNA)的加和為二次無機離子,占到了顆粒物所有組分質量濃度的一半以上(56%～59%),其中銨鹽的占比相對穩定,變化幅度在1%以內.硫酸鹽的占比在5a間下降了4%,年均濃度由2016年的8.4μg/m3下降至2020年的5.6μg/m3,下降幅度接近1/3,這主要得益于上海及整個我國中東部區域的二氧化硫總量減排和產業結構優化[43-44];與此相反,硝酸鹽的年均濃度在5a間變化不大,2016年和2020年均為7.7μg/m3,但占比升高了 5%,是占比升高最大的組分.地殼物質的占比為 6%～8%,遠小于以往在上海及長三角區域的研究結果[14-15,45],體現了揚塵管控的效果[46].氯鹽和元素碳的占比較低,分別為1%～2%和2%～5%,與近年來上海的觀測結果接近[5,7,47].

圖2 PM2.5化學組分月均濃度和年均濃度占比

餅圖面積與年均濃度成正比

根據全部時段顆粒物質量月均濃度,如圖3(a),顆粒物呈現冬高夏低的變化趨勢,與上海及長三角大部分地區的觀測結果一致[48-49].總體而言,這是因為上海地處東海之濱,受亞熱帶季風氣候影響,夏季主導的東南風來自海上,相對清潔;而冬季主導的西北風常伴有污染氣團的輸送,不利的擴散條件也易于污染物累積.各年份的顆粒物濃度變化規律基本一致,但2020年2～5月趨勢略有不同,月均濃度不降反升(圖2),這是受到了新冠疫情對工業生產排放的影響[50-52].

圖3 PM2.5組分月均濃度

各組分的月均濃度變化如圖3(b),硝酸鹽和顆粒物總濃度一樣,呈現冬高夏低的變化趨勢.冬季大陸性氣團中氮氧化物濃度較高,且冬季夜間低溫高濕靜風環境有利于硝酸鹽的生成.此外,硝酸銨作為硝酸鹽最主要的成分,其氣-固分配增強了硝酸鹽冬高夏低的特征,使其成為了季節變化幅度最大的組分.夏季硝酸銨在高溫條件下易于分解并存在于氣相中[53],使得硝酸鹽濃度最低,8月的平均濃度僅1.9μg/m3;冬季則完全相反,硝酸鹽濃度最高,1月和12月的平均濃度分別為13.2,13.9μg/m3.氯鹽同樣受到了海陸氣團污染程度差異和氯化銨氣-固分配的影響[54],季節變化趨勢與硝酸鹽相似.

元素碳發生的化學變化較少[55],其冬高夏低的季節變化主要受到一次排放和氣象條件的影響[5,56].地殼物質在春季和秋季較高,是受到了沙塵在這兩個季節的輸送貢獻.

在以往的研究中,有機物的季節變化并不相同,多數研究觀測到了冬高夏低的特征[57-58],有些研究卻發現了夏高冬低的特征[6].本研究中有機物的變化特征與Zhao等[7]在2015～2016年期間用ACSM直測得到的結果相似,季節之間差異較小,可能是同時受到了一次排放量、光化學反應活性、外來輸送等多個因素綜合影響的結果.其中,一次有機物和元素碳相似,主要受排放源和擴散條件影響,呈現冬高夏低的季節變化特征;二次有機物在夏季氣溫高、光照充足的條件下,受光化學反應活性影響濃度更高[59],如圖3(c).其中,二次有機物在6月出現了濃度低值,是因為此時長三角正處于梅雨季節,光照條件不足降低了二次有機物的生成速率[60].硫酸鹽的月變化特征與二次有機物相似,表明光化學反應同樣是二次硫酸鹽最重要的生成途徑.

PM2.5質量濃度頻率呈現正偏態分布的特征(圖4),濃度范圍在15～35μg/m3的頻率均高于10%,其中20～25μg/m3對應的頻率最高(13%).超過91%樣品的PM2.5濃度低于75μg/m3(環境空氣質量標準[39]中PM2.5日均濃度限值),表明上海的PM2.5在2016～ 2020年期間已經有了較高的達標率.但與此同時,日均濃度超過150μg/m3的重污染過程仍時有發生(0.6%).

伴隨著PM2.5濃度升高,硝酸鹽的占比顯著上升,從7.7%升高至38.3%,表明硝酸鹽在污染過程中起到了非常重要的作用.在重污染季節基于應急減排清單針對機動車、電廠、工業鍋爐或爐窯等主要氮氧化物排放源加以控制,降低硝酸鹽的濃度,會對PM2.5“削峰”起到一定的效果.

與此相反,有機物和地殼物質的占比隨PM2.5濃度的升高而降低,是清潔天顆粒物中的主要組分.硫酸鹽的占比隨濃度變化較小,但是在PM2.5濃度頻率最高的15～35μg/m3范圍內占比最高,表明硫酸鹽在大部分時間是主要的組分,對于PM2.5的全年整體濃度有重要貢獻.

在所有的采樣點位中,位于西部郊區的青浦站點的PM2.5濃度最高(42.6±26.5)μg/m3,其次分別是崇明(42.0±29.0)μg/m3、奉賢(39.3±25.4)μg/m3、普陀(39.0±25.9)μg/m3和浦東(37.5±25.4)μg/m3,位于東部郊區的惠南站點濃度最低(35.1±25.4)μg/m3.站點之間濃度差異與此前上海的多站點研究結果相似[2,13,61],由于上海毗鄰東海,海面上的污染源分布少于陸地,因此污染物的空間分布也呈現西高東低的特征.

上海各站點PM2.5組分構成相似(圖5),站點之間SNA的差異在3%以內,氯鹽、元素碳和地殼物質的差異在1%以內,有機物的差異最大,為5%.惠南站點的硫酸鹽占比最高(22%),這與Zhao等[7]觀測到的海洋氣流中硫酸鹽占比較高的結果一致,可能是受到了海面上船舶排放硫氧化物的影響.青浦站點的硝酸鹽占比最高(24%),周邊長三角區域的多個觀測同樣發現硝酸鹽在顆粒物中的重要貢獻[62-63],表明青浦作為上海西部郊區的站點,受到了區域性污染的影響.奉賢站點的有機物占比最高(32%),站點距離上海南部沿杭州灣區域的化工園區距離較近,受到了工業生產排放的影響.

如圖6,幾乎所有站點之間PM2.5質量濃度的相關系數()都在0.9以上,表明上海的細顆粒物在空間上具有較好的一致性.空間分布上看,無論PM2.5質量濃度還是其化學組分,都得到了惠南和青浦站點之間相關性最低的結果,表明東西郊區之間存在更大的空間差異.化學組分上看,SNA的相關性最高(所有擬合得到的均值>0.93),區域性特征顯著,表明二次無機離子受到局地排放源的影響較小,更多的是在污染氣團輸送或相似氣象條件下的化學過程中造成濃度共同的升高和降低,因此在時間序列上具有高度的一致性.受到機動車、工業、揚塵等局地排放源的影響,氯鹽、有機物和元素碳的相關性低于SNA(的均值為0.82～0.84),地殼物質的相關性最低(的均值<0.8).

圖5 站點PM2.5質量濃度和化學組分占比

圖6 PM2.5化學組分質量濃度在站點之間的相關系數

2.2 上海市PM2.5來源解析

如圖7,利用PMF模型解析所有PM2.5樣品的來源(A-PMF)得到9個因子.

第1個因子中SO42-和NH4+的貢獻比例較高,定義為二次硫酸鹽;第2個因子中NO3-和NH4+的比例較高,定義為二次硝酸鹽;第3個因子中OC和EC的比例較高,Zn和Cd也有一定貢獻,這些組分和機動車的排放有密切的聯系[64-66],定義為機動車源;第4個因子中V和Ni的比例較高,是重油燃燒的示蹤元素,在上海主要指征的是船舶源[67-68];第5個因子中Zn、Mn、Cu、Se、Pb等元素的比例較高,OC和EC也有貢獻,與上海的金屬冶煉及化工行業的工業排放密切相關[69-70],定義為工業源.第6個因子中Cl-的比例最高,指征燃煤源[71];第7個因子中K+的比例最高,是生物質燃燒的示蹤元素[72];第8個因子中Mg2+、Ca2+、Al、Ti、Si等地殼物質的比例較高,來源于工地揚塵、道路揚塵以及沙塵輸送等來源[73],定義為揚塵源;第9個因子中Na+和Mg2+比例較高,考慮到上海毗鄰東海,主導偏東風,是海鹽的影響[74].

圖7 PMF模型解析PM2.5源廓線

柱子和誤差線為S-PMF和Y-PMF的范圍

S-PMF和Y-PMF的解析結果中,二次硫酸鹽、二次硝酸鹽、船舶、燃煤、揚塵和海鹽的源廓線與A-PMF相似,表明這幾類來源的源譜在時間和空間尺度上都比較穩定.生物質燃燒源廓線中Pb的比例在不同站點之間的差異較大,可能是由于某些農村地區在秸稈焚燒中還夾雜有垃圾焚燒,飛灰中含有Pb元素,相似的現象在深圳的觀測中也發現過[29].機動車的源廓線在不同年份中有所差異,但都是以OC、EC、Zn和Cd為主要的示蹤組分.Y-PMF和S-PMF解析得到工業源的廓線均最不穩定,體現出上海在不同區域產業結構的差別,以及近些年產業結構調整[70,75]造成源譜的變化.綜合不同尺度的PMF解析結果,源闊線在不同站點之間差異較小,不同年份之間差異更大,因此選用Y-PMF結果作為研究期間PMF解析的最終結果.

如圖8,在9個因子中,二次硝酸鹽的占比最高(30.6%),其次是二次硫酸鹽(20.7%),兩者加和超過50%,與近年來上海地區的多個源解析結果相似[4,76],表明通過二次化學反應是顆粒物最重要的形成途徑.在一次來源當中,移動源貢獻比例最高,其中機動車排放對PM2.5的貢獻為12.6%,船舶排放貢獻為3.2%.其他一次排放源的貢獻比例接近,分別為工業源8.0%、生物質燃燒源7.7%、揚塵源6.5%、燃煤源5.8%和海鹽源4.8%.

圖8 PM2.5來源貢獻比例

如圖9,2016～2020年二次硝酸鹽對PM2.5的貢獻濃度總體持平,二次硫酸鹽呈現下降趨勢.移動源總體呈下降趨勢,其中機動車排放在2016～2018年期間下降趨勢明顯,這可能得益于《上海清潔空氣行動計劃(2013～2017年)》[46]淘汰黃標車和老舊車輛、推廣新能源汽車等措施;同樣,隨著《上海市清潔空氣行動計劃(2018～2022年)》[77]中岸電和清潔能源替代、內河船舶污染控制等船舶污染防治措施效果落地,船舶源的貢獻在2018～2020年期間出現了下降的趨勢.

海鹽的年均貢獻濃度先降后升,作為一種天然源,海鹽排放受人為活動變化的影響小,年際變化與主導風向關系密切.上海的鋼鐵、化工等工業排放源多分布在海邊,工業源的年際變化趨勢與海鹽源相似,同時,工業源的排放量可能還受到產業結構轉型、疫情停工復產等因素的影響,波動幅度比海鹽源更大.研究期間生物質燃燒源的貢獻濃度總體上低于前些年的觀測結果[72,78],表明近年來上海及周邊長三角區域對于露天秸稈焚燒和煙花爆竹燃放的管控起到了一定的效果,但在2017年仍觀測到了幾次零星的以生物質燃燒為主的污染過程,當年的年均貢獻濃度即高于其他年份.燃煤源和揚塵源的貢獻濃度年際變化幅度較小,污染源排放強度穩定,其中在2018年受到數次沙塵輸送污染過程,揚塵源的年均濃度略高.

圖9 PM2.5來源年均貢獻濃度

圖10 站點PM2.5來源貢獻比例

不同站點PM2.5貢獻比例差異不超過4%(圖10),表明上海的PM2.5總體呈現區域性特征.惠南和浦東站點二次硫酸鹽和海鹽源、青浦的二次硝酸鹽比例較高,進一步驗證了硝酸鹽在陸地性氣團以及硫酸鹽在海洋性氣團中的重要貢獻.其中,在我國中東部的陸地上已多次觀測到硝酸鹽的重要貢獻[79],而硫酸鹽對海洋性氣溶膠的貢獻可能與海面上船舶排放的二氧化硫的轉化[80]以及二甲基硫等生物硫對非海鹽硫酸鹽[81]的貢獻有關.惠南站點受到機動車和工業等主要一次排放源的貢獻比例都較低,具有上風向背景區域特征.青浦和崇明周邊農田覆蓋面積較大,生物質燃燒源的貢獻比例高于其他站點.

3 結論

3.1 2016～2020年上海PM2.5年均質量濃度依次為46,43,37,40,39μg/m3,呈現下降的趨勢.SNA和有機物是顆粒物中最主要的化學組分,其中硝酸鹽的占比在5a間升高幅度最大,并且在污染過程中起到了非常重要的作用.

3.2 PM2.5總質量濃度呈現冬高夏低的季節規律.受氣-固分配的影響,硝酸鹽和氯鹽冬高夏低的季節變化特征最顯著.二次有機物和硫酸鹽在夏季通過光化學反應生成通量較高,一次有機物和元素碳受排放源和擴散條件控制在冬季濃度更高,一次和二次有機物加和得到有機物的總濃度在四個季節差異較小.受沙塵輸送影響,地殼物質的濃度在春秋季更高.

3.3 上海的PM2.5濃度呈現西高東低的空間分布規律,站點平均濃度從高到低依次為青浦>崇明>奉賢>普陀>浦東>惠南.站點之間的組分構成相似,尤其二次組分的時間序列在站點之間高度一致(>0.9),呈現區域性特征.奉賢受化工園區的影響,有機物占比更高.

3.4 基于PMF模型解析得到上海的PM2.5來源分為9類,貢獻比例從大到小依次為二次硝酸鹽(30.6%)、二次硫酸鹽(20.7%)、機動車(12.6%)、工業(8.0%)、生物質燃燒(7.7%)、揚塵(6.5%)、燃煤(5.8%)、海鹽(4.8%)和船舶(3.2%).受益于相關政策和治理措施,移動源的貢獻濃度在研究期間呈現下降趨勢,生物質燃燒和煙花爆竹燃放管控也起到了一定的效果.

[1] 唐孝炎,張遠航.大氣環境化學(第二版) [M]. 北京:高等教育出版社, 2006.

Tang X Y, Zhang Y H. Atmospheric environmental chemistry (Second Edition) [M]. Beijing; Higher Education Press, 2006.

[2] 胡 鳴,張懿華,趙倩彪.上海市冬季PM2.5無機元素污染特征及來源分析 [J]. 環境科學學報, 2015,35(7):1993-1999.

Hu M, Zhang Y H, Zhao Q B. Characteristics and sources of inorganic elements in PM2.5during wintertime in Shanghai [J]. Acta Scientiae Circumstantiae, 2015,35(7):1993-1999.

[3] Wang D, Zhou B, Fu Q, et al. Intense secondary aerosol formation due to strong atmospheric photochemical reactions in summer: observations at a rural site in eastern Yangtze River Delta of China [J]. Science of the Total Environment, 2016,571:1454-1466.

[4] Shen J, Zhao Q, Cheng Z, et al. Evolution of source contributions during heavy fine particulate matter (PM2.5) pollution episodes in eastern China through online measurements [J]. Atmospheric Environment, 2020,232:117569.

[5] 張懿華,王東方,趙倩彪,等.上海城區PM2.5中有機碳和元素碳變化特征及來源分析 [J]. 環境科學, 2014,35(9):3263-3270.

Zhang Y H, Wang D F, Zhao Q B, et al. Characteristics and sources of organic carbon and elemental carbon in PM2.5in Shanghai urban area [J]. Environmental Science, 2014,35(9):3263-3270.

[6] Zhao M, Huang Z, Qiao T, et al. Chemical characterization, the transport pathways and potential sources of PM2.5in Shanghai: Seasonal variations [J]. Atmospheric Research, 2015,158-159:66-78.

[7] Zhao Q, Huo J, Yang X, et al. Chemical characterization and source identification of submicron aerosols from a year-long real-time observation at a rural site of Shanghai using an Aerosol Chemical Speciation Monitor [J]. Atmospheric Research, 2020,246:105154.

[8] 戴昭鑫,張云芝,胡云鋒,等.基于地面監測數據的2013～2015年長三角地區PM2.5時空特征 [J]. 長江流域資源與環境, 2016,25(5): 813-821.

Dai Z X, Zhang Y Z, Hu Y F, et al. Spatial-temporal characteristics of PM2.5in Yangtze River Delta(YRD) region based on the ground monitoring data from 2013～2015 [J]. Resources and Environment in the Yangtze Basin, 2016,25(5):813-821.

[9] 羅 毅,鄧瓊飛,楊 昆,等.近20年來中國典型區域PM2.5時空演變過程 [J]. 環境科學, 2018,39(7):3003-3013.

Luo Y, Deng Q F, Yang K, et al. Spatial-temporal change evolution of PM2.5in typical regions of China in recent 20 years [J]. Environmental Science, 2018,39(7):3003-3013.

[10] Cao Y, Zhang W, Wang W. Spatial-temporal characteristics of haze and vertical distribution of aerosols over the Yangtze River Delta of China [J]. Journal of Environmental Science (China), 2018,66:12-19.

[11] Judith C C, John G W, Dale C, et al. Comparison of IMPROVE and NIOSH Carbon Measurements [J]. Aerosol Science and Technology, 2001,34(1):23-34.

[12] Judith C C, John G W, Lyle C P, et al. The DRI thermal optical reflectance carbon analysis system - description, evaluation and applications in United-States Air Quality Studies [J]. Atmospheric Environment Part A-General Report, 1992,27A(8):1855-1201.

[13] 陳 耿,常運華,曹 芳,等.上海城鄉細顆粒物中碳質、無機和重金屬的全組分特征及來源分析 [J]. 科學技術與工程, 2020,20(29): 12218-12225.

Chen G, Chang Y H, Cao F, et al. Characteristics and source analysis of carbon, inorganic and heavy metals in fine particles in Shanghai [J]. Science Technology and Engineering, 2020,20(29):12218-12225.

[14] Yao L, Kong S, Zheng H, et al. Optical properties closure and sources of size-resolved aerosol in Nanjing around summer harvest period [J]. Atmospheric Environment, 2021,244:118017.

[15] Yang F, Ye B, He K, et al. Characterization of atmospheric mineral components of PM2.5in Beijing and Shanghai, China [J]. Science of the Total Environment, 2005,343(1-3):221-230.

[16] Cabada J C, Pandis S N, Subramanian R, et al. Estimating the secondary organic aerosol contribution to PM2.5using the EC tracer method special issue of aerosol science and technology on findings from the fine particulate matter supersites program [J]. Aerosol Science and Technology, 2004,38(sup1):140-155.

[17] Gao Y, Wang H, Zhang X, et al. Estimating secondary organic aerosol production from toluene photochemistry in a megacity of China [J]. Environmental Science and Technology, 2019,53(15):8664- 8671.

[18] Cao J J, Zhu C S, Tie X X, et al. Characteristics and sources of carbonaceous aerosols from Shanghai, China [J]. Atmospheric Chemistry and Physics, 2013,13(2):803-817.

[19] Lim H J, Turpin B J. Origins of primary and secondary organic aerosol in Atlanta: results of time-resolved measurements during the Atlanta supersite experiment [J]. Environmental Science and Technology, 2002,36(21):4489-4496.

[20] Cao J J, Lee S C, Chow J C, et al. Spatial and seasonal distributions of carbonaceous aerosols over China [J]. Journal of Geophysical Research, 2007,112:D22S11.

[21] Liu Y, Zhao Q, Hao X, et al. Increasing surface ozone and enhanced secondary organic carbon formation at a city junction site: An epitome of the Yangtze River Delta, China (2014～2017) [J]. Environ Pollut, 2020,265(Pt A):114847.

[22] 蘭紫娟,黃曉鋒,何凌燕,等.不同碳質氣溶膠在線監測技術的實測比較研究 [J]. 北京大學學報(自然科學版), 2011,47(1):159-165.

Lan Z J, Huang X F, He L Y, et al. Comparison of measurement results of several online carbonaceous aerosol monitoring techniques [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2011,47(1):159-165.

[23] Sillanp?? M, Hillamo R, Saarikoski S, et al. Chemical composition and mass closure of particulate matter at six urban sites in Europe [J]. Atmospheric Environment, 2006,40:212-223.

[24] Yin J, Cumberland S A, Harrison R M, et al. Receptor modelling of fine particles in southern England using CMB including comparison with AMS-PMF factors [J]. Atmospheric Chemistry and Physics, 2015, 15(4):2139-2158.

[25] Yao L, Yang L, Yuan Q, et al. Sources apportionment of PM2.5in a background site in the North China Plain [J]. Science of hte Total Environment, 2016,541:590-598.

[26] Brown S G, Frankel A, Raffuse S M, et al. Source apportionment of fine particulate matter in Phoenix, AZ, using positive matrix factorization [J]. Journal of the Air & Waste Management Association, 2007,57(6):741-752.

[27] Pattero P, Tappert U. Positive matrix factorization a non-negative factor model with optimal utilization of error estimates of data values [J]. Environmentrics, 1994,5(2):111-126.

[28] Norris G, Duvall R. EPA Positive matrix factorization (PMF) 5.0 fundamentals and user guide [Z]. Washington, DC, 2014.

[29] Huang X, Yun H, Gong Z, et al. Source apportionment and secondary organic aerosol estimation of PM2.5in an urban atmosphere in China [J]. Science China: Earth Sciences, 2013,57(6):1352-1362.

[30] An J, Duan Q, Wang H, et al. Fine particulate pollution in the Nanjing northern suburb during summer: composition and sources [J]. Environmental Monitoring and Assessment, 2015,187(9):561.

[31] 鄭 玫,張延君,閆才青,等.中國PM2.5來源解析方法綜述 [J]. 北京大學學報(自然科學版), 2014,50(6):1141-1154.

Zheng M, Zhang Y J, Yan C Q, et al. Review of PM2.5source apportionment methods in China [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014,50(6):1141-1154.

[32] Young D E, Allan J D, Williams P I, et al. Investigating the annual behaviour of submicron secondary inorganic and organic aerosols in London [J]. Atmospheric Chemistry and Physics, 2015,15(11):6351- 6366.

[33] Zhang Y, Favez O, Petit J E, et al. Six-year source apportionment of submicron organic aerosols from near-continuous highly time- resolved measurements at SIRTA (Paris area, France) [J]. Atmospheric Chemistry and Physics, 2019,19(23):14755-14776.

[34] 2016年上海市環境狀況公報 [Z]. 上海;上海市環境保護局, 2017.

Shanghai environmental bulletin 2016 [Z]. Shanghai, Shanghai Environmental Protection Bureau, 2017.

[35] 2017年上海市生態環境狀況公報 [Z]. 上海:上海市生態環境局, 2018.

Shanghai ecological and environmental bulletin 2017 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2018.

[36] 2018年上海市生態環境狀況公報 [Z]. 上海;上海市生態環境局, 2019.

Shanghai ecological and environmental bulletin 2018 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2019.

[37] 2019年上海市生態環境狀況公報 [Z]. 上海;上海市生態環境局, 2020.

Shanghai ecological and environmental bulletin 2019 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2020.

[38] 2020年上海市生態環境狀況公報 [Z]. 上海;上海市生態環境局, 2021.

Shanghai ecological and environmental bulletin 2020 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2021.

[39] GB 3095-2012 環境空氣質量標準 [S].

GB 3095-2012 Ambient air quality standard [S].

[40] GB 3095-2012 環境空氣質量標準修改單 [S].

GB 3095-2012 Ambient air quality standard (Amendment) [S].

[41] Zhao M, Qiao T, Huang Z, et al. Comparison of ionic and carbonaceous compositions of PM2.5in 2009 and 2012 in Shanghai, China [J]. Science of the Total Environment, 2015,536:695-703.

[42] Zhang L, Qiao L, Lan J, et al. Three-years monitoring of PM2.5and scattering coefficients in Shanghai, China [J]. Chemosphere, 2020,253: 126613.

[43] 俞華明,管擎宇,邰菁菁.近16年上海市空氣質量變化趨勢及成因分析 [J]. 環境科技, 2017,30(6):55-60.

Yu M H, Guan Q Y, Tai J J. Variation trend and causes of air quality of Shanghai in recent 16 years [J]. Environmental Science and Technology, 2017,30(6):55-60.

[44] Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions [J]. Atmospheric Chemistry and Physics, 2018,18(19):14095-14111.

[45] Zhang X Y, Wang J Z, Wang Y Q, et al. Changes in chemical components of aerosol particles in different haze regions in China from 2006 to 2013 and contribution of meteorological factors [J]. Atmospheric Chemistry and Physics, 2015,15(22):12935-12952.

[46] 上海市人民政府.上海市清潔空氣行動計劃(2013～2017年) [Z]. 上海:2013.

Shanghai Municipal Government. Shanghai clean air action plan (2013～2017) [Z]. Shanghai, 2013.

[47] Zhu W, Zhou M, Cheng Z, et al. Seasonal variation of aerosol compositions in Shanghai, China: Insights from particle aerosol mass spectrometer observations [J]. Science of the Total Environment, 2021,771:144948.

[48] Yang F, He K, Ye B, et al. One-year record of organic and elemental carbon in fine particles in downtown Beijing and Shanghai [J]. Atmospheric Chemistry and Physics, 2005,5:1449-1457.

[49] Tan Y, Wang H, Shi S, et al. Annual variations of black carbon over the Yangtze River Delta from 2015 to 2018 [J]. Journal of Environmental Science (China), 2020,96:72-84.

[50] Li L, Li Q, Huang L, et al. Air quality changes during the COVID-19 lockdown over the Yangtze River Delta Region: An insight into the impact of human activity pattern changes on air pollution variation [J]. Science of the Total Environment, 2020,732:139282.

[51] Wang H, Miao Q, Shen L, et al. Characterization of the aerosol chemical composition during the COVID-19 lockdown period in Suzhou in the Yangtze River Delta, China [J]. Journal of Environmental Science (China), 2021,102:110-122.

[52] Wang H, Miao Q, Shen L, et al. Air pollutant variations in Suzhou during the 2019 novel coronavirus (COVID-19) lockdown of 2020: High time-resolution measurements of aerosol chemical compositions and source apportionment [J]. Environmental Pollution, 2021,271: 116298.

[53] Xu J, Chen J, Zhao N, et al. Importance of gas-particle partitioning of ammonia in haze formation in the rural agricultural environment [J]. Atmospheric Chemistry and Physics, 2020,20(12):7259-7269.

[54] Hu M, Wu Z, Slanina J, et al. Acidic gases, ammonia and water-soluble ions in PM2.5at a coastal site in the Pearl River Delta, China [J]. Atmospheric Environment, 2008,42(25):6310-6320.

[55] Wu Y, Liu D, Wang J, et al. Characterization of size-resolved hygroscopicity of black carbon-containing particle in urban environment [J]. Environ Sci Technol, 2019,53(24):14212-14221.

[56] Hou B, Zhuang G, Zhang R, et al. The implication of carbonaceous aerosol to the formation of haze: revealed from the characteristics and sources of OC/EC over a mega-city in China [J]. Journal of Hazardous Materials, 2011,190(1-3):529-536.

[57] Xing L, Fu T M, Cao J J, et al. Seasonal and spatial variability of the OM/OC mass ratios and high regional correlation between oxalic acid and zinc in Chinese urban organic aerosols [J]. Atmospheric Chemistry and Physics, 2013,13(8):4307-4318.

[58] Ye B, Ji X, Yang H, et al. Concentration and chemical composition of PM2.5in Shanghai for a 1-year period [J]. Atmospheric Environment, 2003,37(4):499-510.

[59] Zhang C, Lu X, Zhai J, et al. Insights into the formation of secondary organic carbon in the summertime in urban Shanghai [J]. Journal of Environmental Sciences, 2018,72:118-132.

[60] Liu D, Su Y, Peng H, et al. Size distributions of water-soluble inorganic ions in atmospheric aerosols during the Meiyu period on the north shore of Taihu Lake, China [J]. Aerosol and Air Quality Research, 2018,18(12):2997-3008.

[61] 高 偉,毛曉琴.上海春季大氣PM1分布特征 [J]. 地球環境學報, 2016,7(4):405-411.

Gao W, Mao X Q. Distribution characteristics of atmospheric PM1in spring at Shanghai [J]. Journal of Earth Environment, 2016,7(4):405- 411.

[62] Liu G, Li J, Wu D, et al. Chemical composition and source apportionment of the ambient PM2.5in Hangzhou, China [J]. Particuology, 2015,18:135-143.

[63] Ye Z, Liu J, Gu A, et al. Chemical characterization of fine particulate matter in Changzhou, China, and source apportionment with offline aerosol mass spectrometry [J]. Atmospheric Chemistry and Physics, 2017,17(4):2573-2592.

[64] Li R, Meng Y, Fu H, et al. Characteristics of the pollutant emissions in a tunnel of Shanghai on a weekday [J]. Journal of Environmental Science (China), 2018,71:136-149.

[65] Cheng Y, Lee S C, Ho K F, et al. Chemically-speciated on-road PM2.5motor vehicle emission factors in Hong Kong [J]. Science of the Total Environment, 2010,408(7):1621-1627.

[66] 高雪倩,吳建會,張會濤,等.路邊微環境PM2.5化學組分特征及來源解析 [J]. 中國環境科學, 2021,41(11):5086-5093.

Gao X Q, Wu J H, Zhang H T, et al. Contributions of vehicle emissions to PM2.5in roadside microenvironments [J]. China Environmental Science, 2021,41(11):5086-5093.

[67] Mamoudou I, Zhang F, Chen Q, et al. Characteristics of PM2.5from ship emissions and their impacts on the ambient air: A case study in Yangshan Harbor, Shanghai [J]. Science of the Total Environment, 2018,640-641:207-216.

[68] Yuan Q, Teng X, Tu S, et al. Atmospheric fine particles in a typical coastal port of Yangtze River Delta [J]. Journal of Environmental Science (China), 2020,98:62-70.

[69] 鄭 玫,張延君,閆才青,等.上海PM2.5工業源譜的建立 [J]. 中國環境科學, 2013,33(8):1354-1359.

Zheng M, Zhang Y J, Yan C Q, et al. Establishing PM2.5industrial source profiles in Shanghai. [J]. China Environmental Science, 2013, 33(8):1354-1359.

[70] Zhang X, Gao S, Fu Q, et al. Impact of VOCs emission from iron and steel industry on regional O3and PM2.5pollutions [J]. Environmental Science and Pollution Research, 2020,27(23):28853-28866.

[71] Pei B, Wang X, Zhang Y, et al. Emissions and source profiles of PM2.5for coal-fired boilers in the Shanghai megacity, China [J]. Atmospheric Pollution Research, 2016,7(4):577-584.

[72] 馮加良,毛文文,荊 亮,等.上海不同功能區夏季PM2.5中生物質燃燒貢獻的解析 [J]. 環境科學學報, 2019,39(11):3677-3684.

Feng J L, Mao, W W, Xing L, et al. Interpretation on biomass burning contributions to the summer PM2.5at different sites in Shanghai [J]. Acta Scientiae Circumstantiae, 2019,39(11):3677-3684.

[73] Wang G, Chen J, Zhang W, et al. Relationship between magnetic properties and heavy metal contamination of street dust samples from Shanghai, China [J]. Environmental Science and Pollution Research, 2019,26(9):8958-8970.

[74] Ovadnevaite J, Ceburnis D, Canagaratna M, et al. On the effect of wind speed on submicron sea salt mass concentrations and source fluxes [J]. Journal of Geophysical Research: Atmospheres, 2012,117: D16201.

[75] Han T, Yao L, Liu L, et al. Baosteel emission control significantly benefited air quality in Shanghai [J]. Journal of Environmental Science (China), 2018,71:127-135.

[76] 王曉浩,趙倩彪,崔虎雄.基于在線監測的上海郊區冬季PM2.5來源解析 [J]. 南京大學學報(自然科學), 2015,51(3):517-523.

Wang X H, Zhao Q B, Cui H X. PM2.5source apportionment at suburb of Shanghai in winter based on real time monitoring [J]. Journal of Nanjing University (Natural Sciences), 2015,51(3):517-523.

[77] 上海市人民政府.上海市清潔空氣行動計劃(2018～2022年) [Z]. 上海, 2018.

Shanghai Municipal Government. Shanghai clean air action plan (2018～2022) [Z]. Shanghai, 2018.

[78] Liang L, Engling G, Cheng Y, et al. Biomass burning impacts on ambient aerosol at a background site in East China: Insights from a yearlong study [J]. Atmospheric Research, 2020,231:104660.

[79] Zhang C, Zou Z, Chang Y, et al. Source assessment of atmospheric fine particulate matter in a Chinese megacity: Insights from long-term, high-time resolution chemical composition measurements from Shanghai flagship monitoring supersite [J]. Chemosphere, 2020,251: 126598.

[80] Wan Z, Zhou X, Zhang Q, et al. Do ship emission control areas in China reduce sulfur dioxide concentrations in local air? A study on causal effect using the difference-in-difference model [J]. Marine Pollution Bulletin, 2019,149:110506.

[81] 孫 婧,張洪海,張升輝,等.夏季東海生源硫的分布、通量及其對非海鹽硫酸鹽的貢獻 [J]. 中國環境科學, 2016,36(11):3456-3464.

Sun J, Zhang H H, Zhang S H, et al. Distribution and fluxes of biogenic sulfur in the East China Sea and its contribution to the non-sea-salt sulfate in atmospheric aerosol in summer [J]. China Environment Science, 2016,36(11):3456-3464.

致謝：本研究的顆粒物現場采樣和稱重工作由上海市環境監測中心大氣環境監測室張懿華、陳佳、陳沁晨等協助完成,化學組分分析由上海大學、中國科學院上海硅酸鹽研究所、生態環境部華南環境科學研究所等分析團隊協助完成,在此表示感謝.

Chemical characterization and source apportionment of fine particulate matter in Shanghai during 2016～2020.

ZHAO Qian-biao1,2, HU Ming1,3, FU Qing-yan1*

(1.Shanghai Environmental Monitoring Center, Shanghai 200235, China；2.Academy of Environmental Planning & Design, Co., Ltd., Nanjing University, Nanjing 210093, China；3.Shanghai University, Shanghai 200444, China)., 2022,42(11)：5036～5046

A systematic observation of particulate matter was carried out from 2016 to 2020 at six urban and suburban sites in Shanghai. Chemical species including water-soluble ions, organic carbon/elemental carbon, and inorganic elements of fine particulate matter (PM2.5) were analyzed. Source apportionment of PM2.5was conducted using the Positive Matrix Factorization model. Results show that the annual PM2.5mass concentrations of Shanghai from 2016 to 2020 were 46, 43, 37, 40, and 39μg/m-3successively, exhibiting a decreasing annual trend and spatiotemporal features of higher in the west and in winter while lower in the east and in summer. Organic aerosol was the most abundant species in PM2.5(30%～32%), with small annual and seasonal variations. Secondary inorganic ions including sulfate, nitrate and ammonium showed an evidently regional characterization. Among all the inorganic species, nitrate played an important role in pollution episode in winter, and its proportion increased the most from 2016 to 2020. Nine PM2.5sources were identified, including secondary nitrate (30.6%), secondary sulfate (20.7%), vehicle emission (12.6%), industry (8.0%), biomass burning (7.7%), dust (6.5%), coal combustion (5.8%), sea salt (4.8%) and ship emission (3.2%). Owing to the atmospheric emission control strategies, the contributions of mobile sources including vehicle and ship emissions as well as biomass burning sources including straw burning and fireworks emission showed a decreasing trend during the focused period.

fine particulate matter (PM2.5)；Shanghai；chemical species；source apportionment

X513

A

1000-6923(2022)11-5036-11

趙倩彪(1986-),男,江西南昌人,工程師,博士,主要從事大氣環境科學研究.發表論文20余篇.

2022-04-05

上海市科技計劃項目(20dz1204000)

* 責任作者, 教授級高工, qingyanf@sheemc.cn