北方沿海城市大氣PM2.5 組分特征及來源分析：以青島市為例

張玉卿，張 韜，方 淵，魏 巍，孟 赫*，劉保雙

1. 山東省青島生態環境監測中心，山東 青島 266003

2. 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

2018-2020 年實施“藍天保衛戰”以來[1]，我國環境空氣質量明顯改善，細顆粒物(PM2.5)濃度大幅下降[2-3]. 但目前很多城市大氣PM2.5濃度尚未達標[4]，秋冬季重污染事件依然頻發[5]，PM2.5依然是影響空氣質量改善的重要指標[6]. 隨著大氣PM2.5濃度持續下降的難度不斷加大，對污染源更加精準、有效地管控顯得尤為重要[4]. 2020 年后我國大氣污染源發生了顯著變化，除“藍天保衛戰”實施的管控措施外[7]，新型冠狀病毒感染疫情管控的嚴格政策也產生了顯著影響[8]，經濟活動的減少和交通限制導致能源消耗發生變化，新型冠狀病毒感染疫情管控期間武漢市PM2.5濃度較管控前下降了36.0%[9].

已有研究評估了青島市空氣質量狀況，但多基于常規污染物或單項特征污染物數據分析污染物時空分布特征和污染過程特點，如劉麗等[10]基于6 項常規污染物分析了2013-2019 年青島市空氣質量變化特征，薛蓮等[11]分析了氣象要素及前體物對青島市臭氧濃度變化的影響，于濤等[12]分析了青島市PM2.5中碳組分的污染特征. 目前針對青島市顆粒物組分和來源長期變化的研究相對較少. Liu 等[13]系統分析了2011-2012 年、2016 年和2019 年青島市顆粒物組分及污染源的變化，發現SO42-濃度明顯下降，NO3-濃度和占比均顯著增加，OC 濃度顯著降低，地殼元素(Si、Al、Mg)和金屬元素(Ni、V)濃度均呈下降趨勢；同時發現青島市揚塵源的影響明顯下降，機動車排放的影響表現出增加趨勢. 但是2020 年以后，特別是新型冠狀病毒感染疫情出現后，青島市大氣污染物組成及影響源均發生了顯著改變[14]，2020 年青島市總能耗和電廠能耗較2019 年分別下降了8%～9%和19%～23%. 劉厚鳳等[15]研究表明，2020 年新型冠狀病毒感染疫情管控期間人為減排造成青島市PM2.5濃度下降13.4%，而目前對于2020 年以后青島市大氣污染物的研究相對較少.

青島市是我國典型北方沿海城市，PM2.5仍是影響空氣質量達標的關鍵指標[10]. 作為沿海城市，其大氣PM2.5濃度水平除本地排放源的影響外，還受到海洋氣流及海陸風環流等影響，因此其大氣污染成因相對復雜. 徐少才等[16]指出，2016 年青島市PM2.5中占比較高的是OC(占16.44%)、SO42-(占15.07%)、NO3-(占11.27%)、NH4+(占8.86%) 和EC(占5.21%)，燃煤、機動車和揚塵的貢獻率均超出20%，是PM2.5的重要來源. 張子祎等[17]發現，NO3-、OC 和SO42-是青島市港口區域PM2.5主導組分，其中NO3-含量(13.1%)明顯高于其他組分，二次硫酸鹽和二次有機碳氣溶膠混合源(22.4%)及二次硝酸鹽(20.1%)是港口區域的主要貢獻源類. 庹雄等[18]發現，青島市冬季大氣主要受局部海陸風氣流影響，局部海陸風氣流中的污染物主要來自煤燃燒(25.4%)和機動車(18.9%). 盡管如此，2020 年后在青島市大氣PM2.5化學組分及污染來源發生明顯變化的新形勢下相關研究仍十分有限.

因此，本研究于2021 年3 月-2022 年2 月采集了青島市大氣PM2.5樣品，利用正定矩陣因子分解(PMF)模型和潛在源貢獻函數(PSCF)等對青島市大氣PM2.5來源及區域傳輸影響進行系統分析，以期為青島市大氣污染防治措施的制定以及區域聯防聯控提供一定的數據支撐.

1 材料與方法

1.1 采樣點位和時間

本研究在青島市嶗山區生態環境分局樓頂(120.47°E、36.11°N)設置采樣點并進行環境PM2.5樣品的采集，點位周邊主要為居住區和商業區，無明顯工業源的影響. 樣品采集過程中的質控措施包括平行采樣和空白采樣，其中空白樣品數量保持在樣品總量的10%. 采樣時間為2021 年3 月1 日-2022 年2 月28 日，其中3-5 月代表春季，6-8 月代表夏季，9-11 月代表秋季，12 月-翌年2 月代表冬季. 每日采樣時長23 h，從09：00-翌日08：00.

1.2 采樣和分析方法

本研究使用四通道總懸浮顆粒物采樣器(太原海納辰科有限公司，HN-CK14 型，流量16.67 L/min)采集PM2.5樣品，其中，1 通道和2 通道放置47 mm 石英濾膜(美國Whatman 公司)，用于分析水溶性離子和碳組分；3 通道和4 通道放置47 mm 聚丙烯濾膜(北京康百科技有限公司)，用于分析無機元素. 采樣前，石英濾膜在馬弗爐內500 ℃進行4 h 烘烤，采樣前后兩種濾膜均在自動稱量系統的恒溫〔(20±1)℃〕恒濕(50%±5%)倉中平衡24 h. 采樣結束后將樣品置于低溫保存箱中，帶回實驗室進行稱量和化學組分分析.

PM2.5質量采用重量法測定，采樣后在全自動恒溫恒濕精密稱量系統(青島容廣電子技術有限公司，RG-AWS5 型)中平衡24 h 即可稱量. 使用離子色譜儀(美國戴安公司，ICS-1100 型；美國賽默飛世爾科技公司，Aquion 型)測定水溶性無機離子含量，其檢出限在0.01～0.037 μg/m3之間. 利用OC/EC 分析儀(美國Sunset Lab 公司，MODEL 5 L 型)測定碳組分含量，OC 和EC 檢出限均為0.2 μg/m3. 使用順序掃描型X 射線熒光光譜儀(日本島津公司，XRF-1800 型)測定無機元素含量，其檢出限范圍在0.002～0.054 μg/m3之間.

每批次樣品測定10%的平行樣品，且平行雙樣測定結果的相對偏差應≤20%. 進行OC/EC 和水溶性離子分析時，均進行空白及樣品的加標回收率測定，加標回收率在80%～120% 之間. 測定水溶性離子及無機組分時，每批次樣品同步測定1 個標準質控樣品，進行標準曲線的核查.

1.3 PMF 模型源解析

正定矩陣因子分析(PMF) 是一種受體模型，基本原理為將樣品數據矩陣(X)分解成源成分譜矩陣(F)、源貢獻矩陣(G)以及殘差矩陣(E)，結合樣本殘差(eij)和不確定度(uij)確定目標函數(Q)，利用最小二乘法[19]獲得Q 的最優解，從而定量獲得污染源成分譜及源貢獻信息，相關計算公式參見文獻[17,20].

本研究使用美國環境保護局(US EPA)推薦的PMF 5.0 軟件對青島市PM2.5進行來源解析，為排除特殊事件對PM2.5源解析的影響，剔除受沙塵天氣、除夕、春節和元宵節煙花爆竹燃放影響的樣品11 組，共計197 組樣品納入模型統計.

由于二次有機氣溶膠(SOA)和二次有機碳(SOC)來源較為復雜，直接帶入PMF 模型難以被解析出來，且其在PM2.5組成中的占比較大. 因此，先對SOC 和SOA 濃度進行估算，并從PM2.5的原始化學組分中扣除，不參與PMF 的計算. 利用EC 示蹤法(即OC/EC最小比值法)[21]估算SOC 和一次有機碳(POC)濃度，并根據經驗系數[22]計算SOA 濃度，計算公式：

式中：[OC]為OC 濃度，μg/m3；[EC]為EC 濃度，μg/m3；[SOC]為SOC 濃度，μg/m3；[POC]為POC 濃度，μg/m3；[SOA]為SOA 濃度，μg/m3；[OC/EC]min為測定周期中OC/EC(二者濃度之比，下同)的最小值.

參與PMF 模型計算的組分主要包括POC、EC、NH4+、SO42-、NO3-、Cl-、Na、K、Mg、Ca、Mn、Fe、Ni、Zn、As、Se、Pb、Al、S、Si，共計20 種；同時，扣除SOA 濃 度 的PM2.5濃 度(簡 稱“PM2.5-SOA 濃 度”)數據也作為指標與組分同步納入PMF 計算，并將PM2.5-SOA 濃度設置為總變量(total variable)，其不確定性為4 倍的PM2.5-SOA 濃度. PMF 模型計算過程中嘗試了3～10 個因子，通過優化計算結合源成分譜的物理意義，最終確定6 個因子來解釋青島市PM2.5中除SOA 外的來源. 因此，本研究最終的源解析結果包括基于EC 示蹤法(即OC/EC 最小比值法)計算的SOA濃度(即二次有機源貢獻) 以及PMF 模型共解析出的其他6 類源貢獻. 最后，通過濃度歸一化方法得到研究期間7 類主要源的貢獻率.

1.4 潛在源貢獻函數(PSCF)

PSCF 方法是利用氣團軌跡和對應污染物濃度來識別污染源區的方法[23]，該方法假設氣團經過某個區域，那么該氣團就會受到當地污染排放的影響，然后在水平風的輸送作用下對觀測點的PM2.5濃度產生貢獻. 因此，PSCF 通過結合氣團軌跡和某要素值來分析可能的影響源區[17]，本研究對研究區域劃分1°×1°的網格，將PMF 模型解析出的各類源在研究期間平均貢獻值設定為閾值，當軌跡對應的貢獻值高于該閾值時，則認為該軌跡是該類源的污染軌跡. PSCF值越大表示經過該網格的污染軌跡的比例越高，高值所在區域即為研究區域的污染物主要潛在源區. PSCF是一種條件概率，為降低條件概率的不確定性，引入權重函數(Wij)，計算WPSCF 值來確定潛在源區，相關公式及取值參考文獻[17].

采用Meteoinfo 的TrajStat 軟件[24]分析青島市PM2.5各類貢獻源的潛在源區. 計算軌跡的再分析數據來源于美國國家海洋與大氣管理局網站(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1). 選取每日北京時間14：00 計算氣團后向軌跡，軌跡起始高度500 m，計算時長24 h.

1.5 硫氧化率(SOR)和氮氧化率(NOR)

SOR 和NOR 可以反映氣態污染物SO2和NO2的二次轉化情況，當SOR 或NOR 大于0.1 時，表明大氣中SO2向SO42-轉化率或NO2向NO3-轉化率較高，計算公式參考文獻[17].

2 結果與討論

2.1 PM2.5 及組分總體特征

采樣期間，青島市PM2.5濃度范圍為6.2～185.3 μg/m3，平均值為42.2 μg/m3，是我國GB 3095-2012《環境空氣質量標準》二級標準限值(35 μg/m3)的1.2 倍，明顯低于2016 年青島市區(62 μg/m3)[16]和2019年青島市港口區域(64 μg/m3)[17]，這可能與“藍天保衛戰”大氣污染防治措施的實施、新型冠狀病毒感染疫情期間青島市港口海域貨船活動以及貨物貿易大幅下降[25]有關，但減排對PM2.5濃度的貢獻仍有待進一步評估. 與同期國內其他城市相比，青島市PM2.5濃度明顯高于廈門市(22.4～46.2 μg/m3)[25]、威海市(32 μg/m3)[26]等沿海城市，高于南方內陸城市南京市(30.1 μg/m3)[27]，低于北方內陸城市張掖市(68.1～73.7 μg/m3)[28]、高密市(44 μg/m3)[29]. 從季節分布來看，冬季PM2.5濃度(54.6 μg/m3)明顯高于其他季節，秋季(38.3 μg/m3)和春季(36.7 μg/m3)差異不大，而夏季(20.7 μg/m3)最低.

青島市PM2.5化學組分濃度如圖1 所示，NO3-、NH4+、SO42-、OC 是PM2.5的主導成分，其濃度分別為11.77、5.76、5.20 和6.67 μg/m3，占比分別為27.88%、13.65%、12.32%和15.80%. 同樣，NO3-、NH4+、SO42-、OC 也是新型冠狀病毒感染疫情前(2016 年、2019年)PM2.5的主導成分. 從組分變化來看，采樣期間SO42-和OC 濃度均低于2016 年(9.34 和10.19 μg/m3)[16]和2019 年(6.38 和7.14 μg/m3)[17]，SO42-和OC 濃度持續下降；NO3-濃度明顯高于2016 年(6.99 μg/m3)和2019年(10.1 μg/m3)，且持續上升；而NH4+濃度變化不顯著. 這與北京市[2]、上海市[30]和重慶市涪陵區[31]的觀測結果較為一致. 研究期間，SOR 和NOR 平均值分別為0.28 和0.19，而OC/EC 達16.1. 研究表明：當SOR 和NOR 均大于0.1 時，SO2向SO42-以及NO2向NO3-的轉化率均較高，且SOR 和NOR 數值越大，轉化率越高[32]；當OC/EC 大于2 時，存在二次有機氣溶膠轉化[33]. 青島市SOR、NOR 以及OC/EC 均較高，表明二次無機鹽和二次有機氣溶膠轉化程度均較高，二次源的影響可能較明顯. Cl-和EC 濃度分別為0.68和0.46 μg/m3，占比分別為1.61% 和1.10%，Cl-主要來自燃煤和海鹽[17]，同時Cl-和EC 是燃煤的標識物[34]，說明燃煤和海鹽影響較大. K 元素在金屬元素中濃度和占比均最高，分別為0.33 μg/m3和0.78%，K 是生物質燃燒的示蹤劑[35]，且生物質燃燒排放顆粒物中Cl-和EC 含量也較高[36]，表明青島市可能受生物質燃燒源影響也較明顯. 另外，地殼元素Si、Fe、Ca 和Al濃度分別為0.32、0.30、0.18 和0.10 μg/m3，其主要來源于土壤揚塵和建筑揚塵[37]. 王麗霞等[26]研究表明，2021-2022 年威海市PM2.5中SO42-、NO3-、OC 和EC濃度分別為4.19、6.17、5.39 和0.328 μg/m3，OC/EC 為16.72. 與同期威海市[26]相比，青島市PM2.5中SO42-和NO3-濃度明顯偏高，而OC、EC 濃度及OC/EC 則與威海市較為接近.

圖1 青島市PM2.5 中化學組分濃度Fig.1 The concentration of chemical components of PM2.5 in Qingdao City

2.2 PM2.5 組分季節性變化特征及成因

青島市水溶性離子和碳組分、各元素的季節性變化如圖2 和圖3 所示. 由圖2 可見，水溶性離子和碳組分濃度均在冬季最高，冬季NO3-、NH4+、SO42-和Cl-濃度分別為15.59、7.61、5.84 和1.29 μg/m3，OC、EC 濃度分別為8.91、0.61 μg/m3. 除SO42-濃度在春季(4.37 μg/m3)最低外，其余組分濃度均為夏季最低，夏季NO3-、NH4+和Cl-濃度分別為3.31、2.44 和0.07 μg/m3，OC、EC 濃度分別為3.71 和0.22 μg/m3. 整體來看，大部分組分濃度與PM2.5濃度季節性變化特點基本一致，呈現出冬季最高、夏季最低，春季、秋季濃度相差較小的變化特征. 冬季較高的濃度可能與冬季燃煤取暖導致污染物排放量增加[18]以及相對不利的擴散條件有關[37]. 從占比來看，SO42-夏季占比(22.93%)最高，而NO3-、NH4+夏季占比(15.99%、11.79%)最低. 由表1 可見：夏季SOR(0.35)明顯高于其他季節，表明夏季硫酸鹽的二次轉化程度相對較高，而NOR(0.11)明顯低于其他季節，這可能與夏季硝酸鹽的熱分解有關[31]；同時，夏季光化學氧化增強，以及相對濕度增加也會促進SO2的液相轉化，使得SO2的轉化率較高[32]. 由圖3 可見，元素S 與SO42-的季節性變化一致，元素S 在夏季的占比(4.29%)最高. Han 等[38]對北京市氣溶膠中元素S 的來源研究發現，生物S是夏季氣溶膠中S 的主要來源，夏季生物新陳代謝旺盛，生物成因S 影響顯著. 另外，夏季青島市Cl-/Na+(二者濃度之比，下同)為3.62，明顯低于其他季節，這可能與夏季盛行東南風，受海洋源的影響較大有關[13]；同時，海洋生物產生的S 和硫酸鹽也是影響青島市夏季氣溶膠中S 含量的重要因素[39]. 夏季OC 占比(17.95%)高于其他季節，這可能與夏季高溫有利于二次有機碳的生成有關[40]；秋季、冬季EC 占比(1.22%、1.11%)均高于春季、夏季，可能與秋冬季采暖期燃煤導致一次排放的顯著增加有關[13].

表1 青島市不同季節化學組分特征比值以及SOR 和NORTable 1 Characteristic ratios of chemical compositions and SOR and NOR in different seasons in Qingdao City

圖2 青島市PM2.5 中水溶性離子和碳組分濃度及占比的季節性變化情況Fig.2 Concentration and proportions of water-soluble ions and carbon components in PM2.5 in Qingdao City in different seasons

從元素的季節性變化特征來看：冬季K 濃度和占比分別為0.44 μg/m3和0.80%，而春季其濃度和占比分別為0.43 μg/m3和1.18%，明顯高于夏季和秋季，可能受冬季、春季生物質燃燒影響顯著[41]；Si、Fe、Ca、Al、Mg 等地殼元素在春季、秋季濃度和占比均較高，可能與春、秋兩季大風引起的土壤揚塵影響增加有關[16]；春季Ni、Mn 濃度(0.06 和0.04 μg/m3)和占比(0.17%和0.11%)均較高，這可能與春季大風引起的道路揚塵和工業揚塵有關. 此外，Ni/Si(二者濃度之比，下同) 可以用來判斷重油燃燒的影響[42]，夏季Ni/Si(0.36)明顯高于其他季節，青島市南臨黃海，夏季盛行東南風[11]，故可能受港口區域的貨運車輛以及海上船舶排放的影響相對較大. As、Se、Pb 濃度的季節性變化不顯著，但夏季占比均相對較高，可能與其來源比較穩定(如土壤揚塵、交通污染排放、工業源排放等)以及污染貢獻終年持續有關[42]，而夏季PM2.5濃度整體偏低，從而導致其夏季占比較高.

2.3 基于PMF 模型的PM2.5 來源解析

PMF 計算的青島市PM2.5中除SOA 外的因子譜如圖4 所示. 由圖4 可見：因子1 中NO3-、NH4+的載荷較高，同時SO42-的載荷也較高，具有明顯的二次生成特征[33]，故判定為二次無機源；因子2 中燃燒產生的POC、EC 載荷較高，同時Pb、Zn、Ni 等金屬元素也有一定載荷，OC、EC 為機動車排放的示蹤物[30]，Ni 和Pb 是機動車燃油的特征組分，而機動車剎車磨損和輪胎磨損均會排放Ni 和Zn[43]，故判定因子2 為機動車源；因子3 中Mn、Fe、Ni、Zn、Pb 等載荷較高，這些金屬元素主要來自與金屬加工相關的工業源排放[44]，故判定因子3 為工藝過程源；因子4 中Cl-和K載荷較高，同時POC、EC、NO3-、Zn、S 等也有一定載荷，K、Zn 是生物質燃燒的標識物[35]，S 元素主要來自含S 煤的燃燒，而Cl-既是燃煤源也是生物質燃燒的特征排放物[34]，故判定因子4 為燃煤和生物質燃燒源；因子5 中Mg、Ca、Al、Si、Fe 等礦物質元素載荷較高，是典型的揚塵源[37]；因子6 中Na、Mg 以及Ni元素具有較高的載荷，Na、Mg 主要來自海鹽[39]，Ni主要來自重油燃燒，且Ni 與Na 顯著相關(P＜0.05)，表明該因子中Ni 主要來自船舶重油燃燒[45]，故判定因子6 為海鹽和船舶源的混合源.

圖4 PMF 模型解析的因子譜Fig.4 Factor profiles resolved by PMF model

顆粒物中有機組分的種類及來源較為復雜，受分析方法的限制主要測定了PM2.5中的OC、EC，在有機組分分析中存在欠缺，沒有測定碳質氣溶膠(包括OC1、OC2、OC3、OC4)以及顆粒有機氣溶膠(POM)等，無法量化海洋顆粒物中有機組分貢獻及來源. 利用OC、EC 濃度估算了PM2.5中SOA 的濃度，將基于最小比值法估算的SOA 濃度和PMF 源解析結果進行歸一化處理，最終得到青島市PM2.5的源解析結果.青島市全年及不同季節源解析結果如圖5 所示. 由圖5 可見：二次無機源是青島市PM2.5的主要貢獻源，貢獻率為42.8%；其次為二次有機源及燃煤和生物質燃燒，貢獻率分別為18.1%和15.7%；機動車源貢獻率為8.8%，海鹽和船舶源貢獻率為6.0%；揚塵源和工藝過程源貢獻率相對較低，分別為5.3% 和3.3%.從不同季節來看，冬季二次無機源貢獻率低于其他季節，而燃煤和生物質燃燒源貢獻率明顯高于其他季節，二者的貢獻率分別為38.4%和24.4%，這主要是由于冬季燃煤取暖等導致其排放量顯著增加所致[6]. 夏季二次有機源、海鹽和船舶源以及機動車源的貢獻率均高于其他季節，其貢獻率分別為23.1%、12.4%、16.3%，而燃煤和生物質燃燒源貢獻率顯著低于其他季節，僅為0.9%，表明夏季由于燃煤及生物質燃燒排放的減少，機動車源成為夏季主要的一次排放源，而夏季高溫、光照強促進了有機物光化學反應，導致二次有機源貢獻率的增加. 加之青島市南臨黃海，夏季盛行東南風，因此受到海鹽和船舶源影響也較大. 春季和秋季揚塵源的貢獻率較高，其貢獻率分別為6.5%和9.8%.

圖5 研究期間不同源類對大氣PM2.5 的貢獻Fig.5 The contributions of emission sources to the atmospheric PM2.5 during the study period

與2016 年青島市PM2.5源解析結果[16]相比，2021年3 月-2022 年2 月青島市二次無機源貢獻率增加了11.3%. 與2019 年青島市港口區域PM2.5源解析結果[17]相比，海鹽和船舶源、機動車源和揚塵源貢獻率均低于港口區域(分別為7.2%、13.8% 和14.6%). 與其他城市相比，揚塵源的貢獻率低于北京市(7%)[33]、上海市(6.5%)[30]、武漢市(22.0%)[46]和張掖市(15.2%)[28]；燃煤和生物質燃燒源貢獻率高于北京市(5%)[33]和上海市(13.5%)[30]；海鹽和船舶源貢獻率低于上海市(8%)[30]；機動車源貢獻率低于北京市(17%)[33]、上海市(12.6%)[30]和菏澤市(16.5%)[47]；二次源(二次無機源和二次有機源)對PM2.5的貢獻率低于北京市(64%)[33]，高于張掖市(28.0%)[28]、武漢市(21.6%)[46]和菏澤市(26.5%)[47]；工藝過程源貢獻率低于張掖市(4.5%)[28].

2.4 PM2.5 排放源潛在源區分析

青島市不同排放源的PSCF 分布如圖6 所示. 由圖6 可見：江蘇省北部、山東省中部和南部是青島市二次無機源的主要潛在源區；機動車源的潛在源區主要分布在江蘇省北部和山東省西南部；江蘇省北部、河北省南部以及山東省南部是工藝過程源的主要潛在源區；燃煤和生物質燃燒源的主要潛在源區分布在河北省東部、山東省半島北部和江蘇省北部；揚塵源的潛在源區主要分布在江蘇省北部和河北省南部，各潛在源區的WPSCF 值均較小，表明揚塵源受其他地區影響較小；海鹽和船舶源的主要潛在源區分布在江蘇省東北部、長三角地區以及黃海海域，這可能與港口航運、長江下游內河航運以及黃海海域海上航運的船舶排放有關；二次有機源的主要潛在源區分布在江蘇省北部和山東省東部. 整體來看，江蘇省北部以及山東省中東部是青島市各類源的主要潛在源區，江蘇省東北部、長三角地區以及黃海海域是海鹽和船舶源的主要潛在源區.

圖6 青島市不同排放源的潛在源區分布Fig.6 The potential source areas of different emission sources in Qingdao City

3 結論

a) 2021 年3 月-2022 年2 月青島市PM2.5濃度平均值為42.2 μg/m3，其中NO3-、NH4+、SO42-、OC 是PM2.5的主導成分，占比分別為27.88%、13.65%、12.32%和15.80%，其中SNA(NO3-+NH4++SO42-)占比達53.82%，二次污染特征顯著.

b)青島市PM2.5濃度呈冬季最高、夏季最低，春季、秋季節相差較小的變化特征，各組分濃度季節性變化與PM2.5濃度變化基本一致. 但各組分占比季節性分布差異較大，夏季NO3-和NH4+高溫易分解，占比低于其他季節；夏季SO42-占比和OC 占比均明顯高于其他季節，表明夏季高溫高濕有利于二次硫酸鹽和二次有機碳的生成；秋冬兩季EC 占比高于春夏兩季，冬春兩季K 占比高于夏秋兩季，二者受燃煤和生物質燃燒的影響明顯.

c) PMF 解析結果表明，二次無機源是青島市PM2.5的主要來源，貢獻率達42.8%；其次為二次有機源及燃煤和生物質燃燒源，貢獻率分別為18.1%和15.7%；機動車源貢獻率為8.8%，海鹽和船舶源貢獻率為6.0%；揚塵源和工藝過程源貢獻率相對較低，分別為5.3%和3.3%. 冬季燃煤和生物質燃燒源貢獻率明顯高于其他季節；春季和秋季揚塵源的貢獻率均較高；而夏季二次有機源、海鹽和船舶源以及機動車源的貢獻率高于其他季節.

d) PSCF 結果顯示，江蘇省北部以及山東省中東部是青島市各類源的主要潛在源區，江蘇省東北部、長三角地區以及黃海海域是海鹽和船舶源的主要潛在源區.