西宁市土壤扬尘排放清单构建及时空分布特征

林宇; 姬亚芹; 林孜; 高玉宗; 杨益; 徐珣

doi:10.7524/j.issn.0254-6108.2021081106

西宁市土壤扬尘排放清单构建及时空分布特征

1.
南开大学环境科学与工程学院，天津，300350
2.
国家环境保护城市空气颗粒物污染防治重点实验室，天津，300350
3.
青海省生态环境监测中心，810007

通讯作者: E-mail: jiyaqin@nankai.edu.cn;

Construction of emission inventory and temporal-spatial distribution of soil fugitive dust in Xining, China

1.
College of Environmental Science and Engineering, Tianjin, 300350, China
2.
The State Environment Protection Key Laboratory of Urban Particulate Air Pollution Prevention, Tianjin, 300350, China
3.
Qinghai Ecological Environment Monitoring Center, Xining, 810007, China

Corresponding author: JI Yaqin, jiyaqin@nankai.edu.cn ;

摘要: 本研究通过遥感解译获得植被覆盖度，结合土地利用现状、土壤质地和气象数据，获取了西宁市本地化土壤扬尘源计算参数，并据此构建了西宁市2018年土壤扬尘排放清单。结果表明，2018年西宁市土壤扬尘PM_2.5、PM₁₀年排放量分别为353.13 t、1502.46 t，其中湟源县土壤扬尘排放量最高，大通县位居第二，市辖区排放量较小。PM_2.5、PM₁₀在四月排放量最大，分别为59.08 t、251.68 t；7月份排放量最小，PM_2.5、PM₁₀排放量分别为6.41 t、27.40 t。蒙特卡罗模拟结果表明，西宁市土壤扬尘PM_2.5和PM₁₀的不确定度均较低，PM₁₀排放量的不确定度范围为-21.90%—24.50%；PM_2.5排放量的不确定度范围为-20.15%—22.00%。
- 土壤扬尘 /
- 本地化因子 /
- 排放清单 /
- 西宁市 /
- 不确定性分析
Abstract: The localization parameters and emission inventory of soil fugitive dust in Xining in 2018 was constructed according to vegetation coverage interpreted by remote sensing, land use, soil texture, and meteorological factors. Results showed that the annual PM_2.5 and PM₁₀ emissions from the soil fugitive dust were 353.13 t and 1502.46 t, respectively. The emission of soil fugitive dust in Huangyuan county was the highest, followed by Datong county, and the emissions in municipal districts were low. The emissions of PM_2.5 and PM₁₀ were the highest in April with the values of 59.08 t and 251.68 t and lowest in July with the values of 6.41 t and 27.40 t, respectively. The Monte Carlo simulation results showed that the uncertainties of PM_2.5 and PM₁₀ of soil fugitive dust in Xining were both low, with the range of -20.15% to 22.00% and -21.90% to 24.50%, respectively.
- soil fugitive dust /
- localization factor /
- emission inventory /
- Xining /
- uncertainty analysis

多环芳烃（polycyclic aromatic hydrocarbons，简称PAHs）具有“三致”效应，对人体健康的影响很大^[1]. PAHs与道路灰尘颗粒或大气颗粒物结合，最终通过干湿沉降的方式进入道路灰尘中^[2]. 因此，道路灰尘是PAHs累积、迁移和危害人体健康的重要环境介质^[3].

道路灰尘由粒径大小不同的颗粒物组成，而PAHs在不同灰尘粒径组分中的组成和分布存在差异^[4]，受灰尘中的总有机碳、灰尘颗粒的表面积或污染物进入灰尘的方式等因素的影响^[5]. 因此，粒径大小是影响道路灰尘环境行为的主要参数^[4]，也是影响其与人体接触并进入人体消化系统的一个关键因素^[6]. 道路灰尘主要通过经口摄入的方式进入人体内^{[7 − 8]}，而不同粒径的灰尘进入人体内的概率不同. 与粗颗粒灰尘（粒径>250 μm）相比，细颗粒灰尘（粒径<63 μm）更容易黏附在人体皮肤上，从而更有可能通过手-口途径进入人体的消化系统^{[9 − 10]}. 而且灰尘进入人体消化系统后，PAHs是否能被肠道吸收取决于其生物有效性^[11]，与PAHs的性质、载体的性质以及消化系统的环境条件等因素有关^{[11 − 12]}. 但随灰尘进入消化系统中PAHs并非都能被人体吸收，近年来，体外消化模型常被用来模拟研究污染物在人体消化系统中的释放和吸收率^{[13 − 14]}，以准确测定人体消化系统中污染物的实际吸收率.

目前，对道路灰尘中PAHs的研究大多集中于原灰尘中PAHs的含量、来源以及人体健康风险评估等方面^{[7, 15]}，而有关灰尘不同粒径组分中的PAHs在在消化系统中的行为特征及吸收率鲜有报道，对于道路灰尘中PAHs的健康风险评估仍有许多局限性. Lorenzi等通过人体平均每日摄入量评估了城市街道灰尘的6个粒径组分中PAHs的健康风险，认为细粒径灰尘对人体的危害最大^[15]，但其研究结果是基于灰尘中PAHs总量，并没有考虑有效态PAHs含量. Zhang等在应用体外消化模型评估烟灰中PAHs的生物有效性研究中，利用硅胶片作为肠道中PAHs吸收的汇，通过硅胶片对PAHs吸附造成消化液与固相中PAHs的含量差来促进PAHs从固相残渣表面的解吸，模拟了PAHs在小肠中的被动分子扩散，并将消化液和硅胶片中的PAHs定义为生物有效态，据此计算PAHs生物可利用度（Bioaccessibility），这种研究方法更接近人体消化系统的实际情况^[13]. 然而，利用体外消化模型并添加硅胶片的方法评估道路灰尘中PAHs生物可利用度的研究还鲜见报道.

因此，本研究将道路灰尘分成了3个粒径组分（>250 μm、250—53 μm和<53 μm），分析了不同粒径组分中PAHs的含量和组成，并通过体外消化模型研究了不同粒径灰尘中PAHs的生物可利用度和生物有效态PAHs毒性当量值的大小，研究结果有助于深入了解道路灰尘对人体的健康风险.

1. 材料与方法（Materials and methods）

1.1 样品采集

灰尘样品采自福州市仓山区迎安路（26°01′53.68″N，119°18′46.88″E），在车流量较小的时间段，选取一个200 m路段，收集靠近两侧人行道的路面灰尘，带回实验室后，挑出大的碎石和植物碎屑以及其它杂物，过2 mm金属筛，冷冻干燥后保存备用.

1.2 研究方法

1.2.1 灰尘粒径分组

参照Ni等的研究中，用湿筛法分离出>250 μm与250—53 μm两个组分的灰尘，通过静置沉降方式分离出<53 μm的灰尘^[16]，将分离出来的3种粒径组分的样品进行冷冻干燥后备用. 粒径分组后，灰尘的质量回收率为99.3%.

1.2.2 灰尘基本理化性质的测定

灰尘的总碳和全氮含量采用元素分析仪（Elemetar Vario Max CN，Germany）测定，灰尘的比表面积采用多站扩展式全自动快速比表面与孔隙度分析仪（ASAP 2460）测定. 灰尘理化性质见表1.

表 1 供试灰尘理化性质

Table 1. Physico-chemical properties of the tested dust samples

粒径/μmParticle size	总碳/（g·kg⁻¹）Total carbon	全氮/（g·kg⁻¹）Total nitrogen	碳氮比C/N	比表面积/（m²·g⁻¹）Specific surface area	质量百分比/%Mass percentage
原灰尘	11.49	0.72	15.90	0.86	—
>250	6.43	0.22	29.77	0.46	62.5
53—250	5.38	0.21	26.16	1.76	32.9
<53	5.61	0.35	15.99	12.01	4.6
注：“—”表示原灰尘中不存在质量百分比.　　Note：“—”indicates not applicable for the bulk dust

| Show Table

DownLoad: CSV

1.2.3 体外消化模型实验

参照Zhang等^[13]的方法对灰尘进行体外消化模型实验. 称取2.0 g灰尘原样或其粒径组分于50 mL带有聚四氟乙烯衬垫盖的高硼硅玻璃离心管中，再添加5.0 mL唾液（2.8 g·L⁻¹的α-淀粉酶的0.02 mol磷酸盐缓冲液A），置于37 ℃恒温箱中，在60 r·min⁻¹下避光振荡5 min. 然后，向各离心管中加入7.5 mL胃液（10.0 g·L⁻¹胃蛋白酶的0.2 mol氯化钾溶液，HCl调节pH至1.0），再次置于37 ℃恒温箱中，在60 r·min⁻¹下避光振荡2 h. 最后，向各离心管中加入2.0 g硅胶片和20.0 mL小肠液（含20.0 g·L⁻¹的胰酶、3.0 g·L⁻¹的脂肪酶和14.0 g·L⁻¹的猪胆汁提取物的0.2 mol磷酸盐缓冲液，pH 7.8），置于37 ℃恒温箱中，在60 r·min⁻¹下避光振荡4 h.

1.2.4 样品中PAHs提取和净化

将消化液中硅胶片取出，用去离子水冲洗干净后吸干水分，放入棕色瓶中. 向棕色瓶中加入10 mL乙腈，保证硅胶片完全被乙腈浸没，充分混旋后，置于超声波清洗仪（200 W，60 Hz）中超声2 h，超声后将乙腈溶液过0.22 μm PTFE滤膜后上机测定PAHs含量.

将硅胶片的冲洗液与消化后溶液混合，在20 ℃下以3000 r·min⁻¹离心20 min，分离上清液和沉淀物. 沉淀物冻干后进行PAHs提取，依次用10 mL 丙酮、丙酮与二氯甲烷（体积比1∶1）、二氯甲烷和二氯甲烷超声提取，每次超声30 min，8000 r·min⁻¹离心10 min，合并4次提取液，旋蒸浓缩，过C18小柱净化，用乙腈淋洗出PAHs，最后过0.22 μm滤膜，4 ℃冰箱保存，待测.

上清液中加入10 mL二氯甲烷，用分液漏斗进行液液萃取3次. 合并3次的二氯甲烷相，旋蒸浓缩后过C18柱净化，用乙腈洗脱后过0.22 μm滤膜，4 ℃冰箱保存，待测.

1.2.5 PAHs的测定

利用超高效液相色谱系统（Waters ACQUITY UPLC^TM）配 UPLC 荧光检测器进行测定，测定的15种PAHs为萘（Nap）、苊（Ace）、芴（Flu）、菲（Phe）、蒽（Ant）、荧蒽（FluA）、芘（Pyr）、苯并（a）蒽（BaA）、䓛（Chry）、苯并（b）荧蒽（BbF）、苯并（k）荧蒽（BkF）、苯并（a）芘（BaP）、二苯并（a,h）蒽（DBA）、苯并（g,h,i）苝（BghiP）和茚并（1,2,3-cd）芘（InP）. 由于二氢苊荧光效应较弱，未测定. 色谱条件和质量控制参见倪进治等^[17]的研究.

1.3 数据处理与分析

1.3.1 灰尘粒径组分中PAHs的分配

为了比较PAHs在各级粒径灰尘中的分配情况，按下式计算各粒径组分中PAHs的分配比例（即贡献率）^[18]，即：

$P = \frac{{{M_i} \times {c_i}}}{{\sum {\left( {{M_i} \times {c_i}} \right)} }} \times 100{\text{%}}$

$(1)$

其中，P为各粒径组分中PAHs的分配比例，%；M_i为粒径组分i的质量百分比，%；c_i为粒径组分i中PAHs总含量，μg·kg⁻¹.

1.3.2 灰尘中PAHs生物有效性的测定

在体外消化模型实验中，将消化液和硅胶片中的PAHs定义为生物有效态PAHs，各粒径灰尘中PAHs生物有效性的高低程度用生物可利用度表示：

$B = \frac{{{Q_f} + {Q_s}}}{{{Q_f} + {Q_s} + {Q_r}}} \times 100{\text{%}}$

$(2)$

其中，B为生物可利用度，%；Q_f为消化液中PAHs含量，μg·kg⁻¹；Q_s为硅胶片吸附的PAHs含量，μg·kg⁻¹；Q_r为消化残渣中PAHs含量，μg·kg⁻¹.

1.3.3 生物有效态PAHs的毒性当量计算

由于BaP具有较强的致癌性，可用来反映环境中PAHs致癌潜能，因而计算了15种PAHs基于BaP的毒性当量浓度以进行毒性风险评估^[19]，灰尘各粒径组分中生物有效态PAHs总毒性当量（TEQ_BaP）计算公式如下：

$\mathrm{TEQ}_{\mathrm{BaP}}=\sum\limits_{ }^{ }C_i\times\mathrm{TEF}_i$

$(3)$

其中，TEQ_BaP为灰尘中PAHs总毒性当量，μg·kg⁻¹；C_i为第i种PAHs单体含量，μg·kg⁻¹；TEF_i为15种PAHs单体（Nap、Ace、Flu、Phe、Ant、FluA、Pyr、BaA、Chry、BbF、BkF、BaP、DBA、BghiP、InP）相对于BaP的毒性当量因子，分别为0.001、0.001、0.001、0.001、0.010、0.001、0.001、0.100、0.010、0.100、0.100、1.000、1.000、0.010、0.100^[20].

1.3.4 数据分析

用Microsoft Excel 2019对数据进行常规计算处理；采用Origin 2021进行数据统计与作图；采用SPSS Statistics 26中Tukey HSD进行方差分析，比较不同处理组之间的显著性差异（P<0.05），同时采用Pearson方法进行相关性分析.

2. 结果与讨论（Results and discussion）

2.1 灰尘及其粒径组分中PAHs含量和组成

原灰尘及其粒径组分中15种PAHs含量见表2. 灰尘>250 μm、53—250 μm和<53 μm粒径组分中PAHs总量随粒径减小而增加，分别为0.597 mg·kg⁻¹、1.235 mg·kg⁻¹和3.931 mg·kg⁻¹，这加剧了PAHs随细颗粒灰尘（粒径<53 μm）通过手-口和呼吸途径对人体健康的风险，其他研究也有类似的结果^{[21 − 23]}. 细颗粒灰尘中PAHs含量较高与其具有较大的比表面积有关（表1）. 其他研究也表明，细颗粒灰尘比表面积和总有机碳含量较高，可以吸附更多的污染物^{[24 − 25]}.

表 2 原灰尘及其粒径组分中15种PAHs含量（mg·kg⁻¹）

Table 2. Contents of 15 PAHs in bulk dust and its particle-size fractions（mg·kg⁻¹）

PAHs	环数Number of rings	原灰尘Bulk dust	粒径/μm Particle size
PAHs	环数Number of rings	原灰尘Bulk dust	>250	53—250	<53
Nap	2	0.018	0.011	0.028	0.080
Ace	3	N.D.	N.D.	N.D.	N.D.
Flu	3	0.010	0.008	0.013	0.038
Phe	3	0.084	0.071	0.131	0.423
Ant	3	0.009	0.007	0.014	0.037
FluA	4	0.204	0.135	0.284	0.881
Pyr	4	0.148	0.102	0.212	0.652
BaA	4	0.129	0.086	0.176	0.659
Chry	4	0.033	0.023	0.046	0.144
BbF	5	0.101	0.067	0.162	0.521
BkF	5	0.029	0.022	0.042	0.134
BaP	5	0.043	0.034	0.061	0.167
DBA	5	0.005	0.004	0.005	0.016
BghiP	6	0.020	0.019	0.036	0.092
InP	6	0.012	0.010	0.024	0.087
∑PAH15		0.844	0.597	1.235	3.931
注：N.D.代表未检出.Note：N.D.stands for not detected.

| Show Table

DownLoad: CSV

灰尘中>250 μm、53—250 μm和<53 μm组分的质量百分比随粒径减小而递减，分别为62.5%、32.9%和4.6%（表1），说明灰尘中大部分为>250 μm组分，其他研究都有相似的结果^{[15, 21]}. 根据公式（1）计算可得，>250 μm、53—250 μm和<53 μm粒径组分中PAHs的量对灰尘中PAHs总量的贡献率分别为38.8%、42.3%和18.9%，说明灰尘中的PAHs绝大多数分配在53—250 μm组分中.

图1是灰尘不同粒径组分中PAHs组成. 不同粒径组分以及原灰尘中的PAHs组成几乎一致，都为4环（57.8%—60.8%）>5环（21.1%—21.9%）>3环（12.2%—14.3%）>6环（3.7%—4.9%）>2环（1.8%—2.3%），说明灰尘中PAHs组成与灰尘的粒径大小无关. 研究城市道路灰尘中的不同粒径组分有类似的结果^[15]. 另外，有研究表明，土壤中PAHs的环数以及性质不会影响其在各粒径土壤中的分配，各粒径土壤中PAHs的组成可能与其排放源有关^[25]. 本研究中，PAHs在不同粒径灰尘中的组成基本相同，也可能与各粒径灰尘中PAHs来自相同排放源有关.

图 1 原灰尘及其粒径组分中PAHs的组成

Figure 1. Composition of PAHs in the bulk dust and its particle-size fractions

下载: 全尺寸图片幻灯片

2.2 不同粒径灰尘中PAHs生物有效态含量和生物可利用度

图2是体外消化实验得到的不同粒径灰尘中PAHs生物有效态的含量和组成. 不同粒径灰尘中生物有效态PAHs总量以及3环和4环PAHs有效态含量都是随粒径的减小而显著升高（P<0.05），这与各粒径原灰尘中PAHs含量高低顺序一致（表2）. 并且，<53 μm组分中5环和6环PAHs有效态含量都显著高于53—250 μm和>250 μm（P<0.05），而53—250 μm和>250 μm之间没有显著性差异（P>0.05）. 各粒径灰尘中有效态PAHs的组成与消化前各粒径灰尘中PAHs的组成有所不同（图1），除<53 μm组分中的6环PAHs有效态含量高于2环外，都按4环、3环、5环、2环和6环的顺序递减. 以上结果说明了不同粒径灰尘中PAHs含量越高，其在体外消化模型实验中释放的有效态PAHs总量也就越多，但不同环数PAHs释放的比例会有所不同.

图 2 不同粒径灰尘中生物有效态PAHs的含量和组成

Figure 2. Contents and composition of the bioavailable PAHs in different particle-size fractions of the dust

注：标注相同大写字母的表示不同粒径中相同环数PAHs的差异性不显著，相同小写字母表示同一粒径中不同环数PAHs的差异性不显著（P>0.05）.

Note：Labels with the same uppercase letters indicate that the differences in the same ring-number PAHs for different particle-size fractions are not significant, and the same lowercase letters indicate that the differences in different ring-number PAHs in the same particle-size fractions are not significant （P>0.05）.

下载: 全尺寸图片幻灯片

为了明晰不同粒径灰尘中有效态PAHs占其PAHs总量百分比的差异性，根据公式（2）计算了各粒径灰尘中PAHs的生物可利用度，结果见图3.

图 3 不同粒径灰尘PAHs的生物可利用度

Figure 3. Bioaccessability of PAHs in different particle-size fractions of the dust

注：相同大写字母表示不同粒径中相同环数PAHs的差异性不显著，相同小写字母表示同一粒径中不同环数PAHs的差异性不显著（P>0.05）

下载: 全尺寸图片幻灯片

不同环数PAHs的生物可利用度在4.7%—71.2%的范围内，与张迪宇等^[10]利用体外消化模型研究土壤中PAHs生物有效度校准后的范围5%—100%相一致. 粒径组分53—250 μm与<53 μm之间，各环数PAHs和总PAHs的生物可利度都无显著性差异（P>0.05 ），但除6环PAHs外它们都显著低于>250 μm组分中相应PAHs的生物可利用度（P<0.05）（图3）. 说明粒径大的灰尘中，PAHs在消化液中更容易被溶出，也就更容易被消化吸收进入人体内. 这可能是因为粒径大的灰尘结构不稳定，更容易被消化液破碎从而释放PAHs，前人也报道过类似的研究结果^[26]. 如果仅使用灰尘中PAHs总含量进行风险评估，可以得到细颗粒灰尘的风险更大. 然而，当考虑灰尘中PAHs生物可利用度时，粗颗粒灰尘可能会造成更大的健康威胁. 也有研究发现，虽然粗颗粒灰尘中有机污染物（如PAHs）具有较高的生物可利用度，但污染物含量通常较低，且粗颗粒灰尘被人体摄入量要少于细颗粒，故细颗粒灰尘中的PAHs在胃肠道的暴露风险高于粗颗粒灰尘^[27]. 因此，在评估不同粒径灰尘对人体健康的风险时，不仅要考虑不同粒径灰尘中污染物的生物可利用度，还要考虑其中污染物含量以及灰尘实际被人体摄入量的多少. 由图3还可看出，在>250 μm粒径组分中，5环和6环PAHs的生物可利用度都显著低于2环、3环和4环（P<0.05）；在53—250 μm粒径组分中，5环PAHs生物可利用度最低，显著低于3环和4环PAHs（P<0.05）；在<53 μm粒径组分中，5环PAHs生物可利用度也最低，显著低于4环和6环PAHs（P<0.05）. 总体来看，低环PAHs（2环、3环和4环）生物可利用度要大于高环PAHs（5环和6环），可能是因为低环PAHs的水溶性相对较大，易于从灰尘中释放到消化液里；而高环PAHs水溶性小，不容易释放到消化液里，从而生物可利用度相对较低.

2.3 不同粒径灰尘中生物有效态PAHs的毒性当量

灰尘中PAHs只有被溶出到消化液中才有可能被人体吸收产生毒性，因此根据公式（3）计算了各粒径灰尘中生物有效态PAHs的TEQ_BaP值，结果见图4. 不同粒径灰尘中总PAHs的TEQ_BaP值随粒径减小而增大，与各粒径灰尘中有效态PAHs总量之间存在极显著相关性（P<0.01）. Lee等的研究结果也表明，道路原灰尘中总PAHs的TEQ_BaP值随PAHs总量的增加而升高^[28].

图 4 各粒径灰尘中有效态PAHs的毒性当量浓度

Figure 4. Toxic equivalent concentration of bioavailable PAHs in different particle-size fractions of the dust

注：相同大写字母表示不同粒径中相同环数PAHs的差异性不显著，相同小写字母表示同一粒径中不同环数PAHs的差异性不显著（P>0.05）.

下载: 全尺寸图片幻灯片

灰尘中各环数PAHs的TEQ_BaP值按5环>4环>6环>3环>2环的顺序减少，其中5环和4环PAHs的TEQ_BaP值极显著高于其他环数PAHs（P<0.01）（图4），这主要与PAHs单体化合物的毒性当量因子的大小有关，其他研究也有类似结果^[21]. 虽然5环PAHs的TEQ_BaP值最大，但其生物可利用度最低（图3）；而4环PAHs的TEQ_BaP值很高，其生物可利用度也较大（图3），且4环在PAHs组成中百分比最高（图1）. 因此，综合来看，灰尘中4环PAHs的人体健康风险最大.

3. 结论（Conclusion）

（1）不同粒径灰尘中PAHs总量随粒径减小而增加，但PAHs组成基本相同，其中4环含量最高（58.5%±0.8%），2环含量最低（2.0%±0.3%）.

（2）不同粒径灰尘中有效态PAHs总量也随粒径减小而增加，但>250 μm组分中PAHs的生物可利用度显著高于250—53 μm和<53 μm组分. 总体上，低环（2环、3环和4环）PAHs生物可利用度要大于高环PAHs（5环和6环）.

（3）不同粒径灰尘中有效态PAHs的总TEQ_BaP值也随粒径减小而增大，其中4环和5环PAHs的TEQ_BaP值显著高于其他环数PAHs. 在PAHs组成中，4环百分比最高，且其具有较高的生物可利用度和TEQ_BaP值，因而在人体中潜在毒性风险最高.

图 1 西宁市各月份气候因子

Figure 1. Monthly meteorological factors of Xining

下载: 全尺寸图片幻灯片

图 2 西宁市土壤扬尘源采样点位图

Figure 2. Map of soil dust sampling sites in Xining

下载: 全尺寸图片幻灯片

图 3 西宁市土壤质地和植被覆盖度图

Figure 3. Map of soil texture types and monthly vegetation coverage in Xining

下载: 全尺寸图片幻灯片

图 4 土壤扬尘源面积

Figure 4. Area of soil dust

下载: 全尺寸图片幻灯片

图 5 土壤扬尘PM_2.5和PM₁₀排放空间分布(网格：3 k ×3 k)

Figure 5. Spatial distribution of PM_2.5 and PM₁₀ emissions from soil dust (3 k ×3 k)

下载: 全尺寸图片幻灯片

图 6 土壤扬尘PM_2.5和PM₁₀月排放量

Figure 6. Monthly emission of PM_2.5 and PM₁₀ of soil dust

下载: 全尺寸图片幻灯片

表 1 各站点年气象资料

Table 1. Meteorological data of each station

站点名称Site name	年潜在蒸发量/mmAnnual potential evaporation	年降水量/mmAnnual precipitation	年桑氏威特降水-蒸发指数Annual Sandhurst Precipitation - evaporation index
大通县	445.53	483.40	108.50
湟源县	431.47	515.20	119.41
湟中区	442.79	669.80	151.27
西宁市区	506.50	519.10	102.49

下载: 导出CSV

表 2 各区县土壤扬尘PM_2.5和PM₁₀的年排放量和贡献率

Table 2. Annual emissions and contribution rate of PM_2.5 and PM₁₀ from soil dust

区县名称County	PM_2.5		PM₁₀
区县名称County	年排放量/t Annual Emissions	贡献率/%Contribution Rate	年排放量/t Annual Emissions	贡献率/%Contribution Rate
城东区	0.90	0.25	3.78	0.25
城中区	0.16	0.05	0.67	0.04
城西区	0.59	0.17	2.44	0.16
城北区	0.88	0.25	3.79	0.25
大通县	148.09	41.94	634.15	42.21
湟中区	29.68	8.40	128.45	8.55
湟源县	172.82	48.94	729.18	48.53
合计	353.13	100.00	1502.46	100.00

下载: 导出CSV

表 3 西宁市土壤扬尘排放强度与其他城市对比

Table 3. Comparison of soil dust emission intensity between Xining and other cities

区域Region	年份Year	PM_2.5排放量/tPM_2.5 emission	土壤扬尘源面积/km²Area of soil dust source	排放强度/(t·km⁻²)Emission intensity	文献Reference
西宁	2018	353.13	6899.44	0.05	本研究
西安	2014	60.90	360.73	0.17	[21]
常州	2014	0.24	1569.46	0.0002	[18]
郑州	2013	597.00	208.00	2.87	[20]
保定	2015	2889.00	9455.00	0.31	[23]
沧州	2015	4786.00	10112.00	0.47	[23]
承德	2015	1450.00	4789.00	0.30	[23]
邯郸	2015	7409.00	7283.00	1.02	[23]
衡水	2015	2578.00	6753.00	0.38	[23]
廊坊	2015	1056.00	4340.00	0.24	[23]
秦皇岛	2015	1055.00	2468.00	0.43	[23]
石家庄	2015	2424.00	6510.00	0.37	[23]
唐山	2015	2685.00	6753.00	0.40	[23]
邢台	2015	6593.00	7691.00	0.86	[23]
张家口	2015	6774.00	11473.00	0.59	[23]

下载: 导出CSV

表 4 不确定性分析结果

Table 4. Uncertainty analysis

月份Month	PM_2.5				PM₁₀
月份Month	中位值/tMedian	平均值/tMean	95%置信区间/t95% Confidence Interval	不确定度/%Uncertainty	中位值/tMedian	平均值/tMean	95%置信区间/t95% Confidence Interval	不确定度/%Uncertainty
1	6.31	6.31	6.13—6.52	−2.85—3.33	25.95	25.96	25.18—26.82	−3.00—3.31
2	5.38	5.39	5.17—5.63	−4.08—4.45	22.09	22.10	21.25—23.14	−3.85—4.71
3	2.76	2.76	2.71—2.82	−1.81—2.17	11.35	11.35	11.14—11.57	−1.85—1.94
4	5.52	5.52	5.44—5.62	−1.45—1.81	22.69	22.69	22.32—23.04	−1.63—1.54
5	3.24	3.24	3.21—3.27	−0.93—0.93	13.30	13.30	13.18—13.42	−0.90—0.90
6	1.00	1.00	0.99—1.01	−1.00—1.00	4.10	4.10	4.07—4.14	−0.73—0.98
7	0.44	0.44	0.43—0.44	−2.27—0.00	1.80	1.80	1.78—1.82	−1.11—1.11
8	0.50	0.50	0.5—0.51	0.00—2.00	2.07	2.07	2.05—2.08	−0.97—0.48
9	1.33	1.33	1.32—1.34	−0.75—0.75	5.48	5.48	5.43—5.53	−0.91—0.91
10	1.61	1.61	1.57—1.66	−2.48—3.11	6.61	6.61	6.41—6.84	−3.03—3.48
11	1.81	1.81	1.73—1.9	−4.42—4.97	7.42	7.43	7.12—7.76	−4.17—4.44
12	5.37	5.41	4.32—6.6	−20.15—22.00	22.18	22.33	17.44—27.8	−21.90—24.50

下载: 导出CSV

[1]	GENG N B, WANG J, XU Y F, et al. PM_2.5 in an industrial district of Zhengzhou, China: Chemical composition and source apportionment [J]. Particuology, 2013, 11(1): 99-109. doi: 10.1016/j.partic.2012.08.004
[2]	肖致美, 徐虹, 李立伟, 等. 基于在线观测的天津市PM_2.5污染特征及来源解析 [J]. 环境科学, 2020, 41(10): 4355-4363. XIAO Z M, XU H, LI L W, et al. Characterization and source apportionment of PM_2.5 based on the online observation in Tianjin [J]. Environmental Science, 2020, 41(10): 4355-4363(in Chinese).
[3]	韩力慧, 张鹏, 张海亮, 等. 北京市大气细颗粒物污染与来源解析研究 [J]. 中国环境科学, 2016, 36(11): 3203-3210. doi: 10.3969/j.issn.1000-6923.2016.11.001 HAN L H, ZHANG P, ZHANG H L, et al. Pollution and source apportionment of atmospheric fine particles in Beijing [J]. China Environmental Science, 2016, 36(11): 3203-3210(in Chinese). doi: 10.3969/j.issn.1000-6923.2016.11.001
[4]	陈国磊, 周颖, 程水源, 等. 承德市大气污染源排放清单及典型行业对PM_2.5的影响 [J]. 环境科学, 2016, 37(11): 4069-4079. CHEN G L, ZHOU Y, CHENG S Y, et al. Air pollutant emission inventory and impact of typical industries on PM_2.5 in Chengde [J]. Environmental Science, 2016, 37(11): 4069-4079(in Chinese).
[5]	HAO Y F, MENG X P, YU X P, et al. Quantification of primary and secondary sources to PM_2.5 using an improved source regional apportionment method in an industrial city, China [J]. Science of the Total Environment, 2020, 706: 135715. doi: 10.1016/j.scitotenv.2019.135715
[6]	环境保护部. 扬尘源颗粒物排放清单编制技术指南[EB/OL]. [2021-4-17]. 北京: 环境保护部,
[7]	方小珍, 孙列, 毕晓辉, 等. 宁波城市扬尘化学组成特征及其来源解析 [J]. 环境污染与防治, 2014, 36(1): 55-59, 79. doi: 10.3969/j.issn.1001-3865.2014.01.012 FANG X Z, SUN L, BI X H, et al. The chemical compositions and sources apportionment of re-suspended dust in Ningbo [J]. Environmental Pollution & Control, 2014, 36(1): 55-59, 79(in Chinese). doi: 10.3969/j.issn.1001-3865.2014.01.012
[8]	张琦. 基于卫星遥感的河南省中原城市群扬尘源颗粒物排放及空间分异研究[D]. 郑州: 郑州大学, 2019. ZHANG Q. Emission inventory and spatial distribution of particulate matter from dust sources in the central Plains urban agglomeration of China[D]. Zhengzhou: Zhengzhou University, 2019(in Chinese).
[9]	黄宇, 虎彩娇, 成海容, 等. 武汉市扬尘源颗粒物排放清单及空间分布特征 [J]. 武汉大学学报(理学版), 2018, 64(4): 354-362. doi: 10.14188/j.1671-8836.2018.04.011 HUANG Y, HU C J, CHENG H R, et al. Emission inventory and spatial distribution characteristics of particulate matters from dust source in Wuhan, China [J]. Journal of Wuhan University (Natural Science Edition), 2018, 64(4): 354-362(in Chinese). doi: 10.14188/j.1671-8836.2018.04.011
[10]	PARK S H, GONG S L, GONG W, et al. Relative impact of windblown dust versus anthropogenic fugitive dust in PM_2.5on air quality in North America [J]. Journal of Geophysical Research Atmospheres, 2010, 115(D16): D16210. doi: 10.1029/2009JD013144
[11]	LÓPEZ-APARICIO S, GUEVARA M, THUNIS P, et al. Assessment of discrepancies between bottom-up and regional emission inventories in Norwegian urban areas [J]. Atmospheric Environment, 2017, 154: 285-296. doi: 10.1016/j.atmosenv.2017.02.004
[12]	LI T K, BI X H, DAI Q L, et al. Improving spatial resolution of soil fugitive dust emission inventory using RS-GIS technology: An application case in Tianjin, China [J]. Atmospheric Environment, 2018, 191: 46-54. doi: 10.1016/j.atmosenv.2018.07.051
[13]	PIANALTO F S, YOOL S R. Monitoring fugitive dust emission sources arising from construction: A remote-sensing approach [J]. GIScience & Remote Sensing, 2013, 50(3): 251-270.
[14]	PIANALTO F S, MEYANRT R, NEECK S P, et al. A remote sensing model of construction-related soil disturbance in southern Arizona [J]. International Society for Optics and Photonics, 2010, 7826: 782629.
[15]	王社扣, 王体健, 石睿, 等. 南京市不同类型扬尘源排放清单估计 [J]. 中国科学院大学学报, 2014, 31(3): 351-359. doi: 10.7523/j.issn.2095-6134.2014.03.009 WANG S K, WANG T J, SHI R, et al. Estimation of different fugitive dust emission inventory in Nanjing [J]. Journal of University of Chinese Academy of Sciences, 2014, 31(3): 351-359(in Chinese). doi: 10.7523/j.issn.2095-6134.2014.03.009
[16]	李莉莉. 哈尔滨市高分辨率扬尘源排放清单及控制对策的研究[D]. 哈尔滨: 哈尔滨工业大学, 2018. LI L L. A highly resolved fugitive dust emission inventory in Harbin and assessment of control strategies[D]. Harbin: Harbin Institute of Technology, 2018(in Chinese).
[17]	李贝贝, 黄玉虎, 毕晓辉, 等. 北京市土壤风蚀扬尘排放因子本地化 [J]. 环境科学, 2020, 41(6): 2609-2616. doi: 10.13227/j.hjkx.201908243 LI B B, HUANG Y H, BI X H, et al. Localization of soil wind erosion dust emission factor in Beijing [J]. Environmental Science, 2020, 41(6): 2609-2616(in Chinese). doi: 10.13227/j.hjkx.201908243
[18]	杨卫芬, 程钟, 张洁, 等. 常州市裸露地面风蚀扬尘排放清单及分布特征研究 [J]. 环境监测管理与技术, 2020, 32(2): 56-60. doi: 10.3969/j.issn.1006-2009.2020.02.014 YANG W F, CHENG Z, ZHANG J, et al. Research on emission inventory and distribution characteristics of wind erosion dust from bare ground in Changzhou [J]. The Administration and Technique of Environmental Monitoring, 2020, 32(2): 56-60(in Chinese). doi: 10.3969/j.issn.1006-2009.2020.02.014
[19]	秦建新, 朱柯颖, 吴涛, 等. 长沙市城区施工扬尘和土壤扬尘污染时空特征研究 [J]. 中国环境监测, 2020, 36(4): 69-79. doi: 10.19316/j.issn.1002-6002.2020.04.09 QIN J X, ZHU K Y, WU T, et al. Study on spatial and temporal characteristics of construction dust and soil dust pollution sources in urban areas of Changsha [J]. Environmental Monitoring in China, 2020, 36(4): 69-79(in Chinese). doi: 10.19316/j.issn.1002-6002.2020.04.09
[20]	徐媛倩, 姜楠, 燕启社, 等. 郑州市裸露地面风蚀扬尘排放清单研究 [J]. 环境污染与防治, 2016, 38(4): 22-27. doi: 10.15985/j.cnki.1001-3865.2016.04.005 XU Y Q, JIANG N, YAN Q S, et al. Research on emission inventory of bareness wind erosion dust in Zhengzhou [J]. Environmental Pollution & Control, 2016, 38(4): 22-27(in Chinese). doi: 10.15985/j.cnki.1001-3865.2016.04.005
[21]	闫东杰, 丁毅飞, 玉亚, 等. 西安市人为源一次PM_2.5排放清单及减排潜力研究 [J]. 环境科学研究, 2019, 32(5): 813-820. YAN D J, DING Y F, YU Y, et al. Inventory and reduction potential of anthropogenic PM_2.5 emission in Xi'an city [J]. Research of Environmental Sciences, 2019, 32(5): 813-820(in Chinese).
[22]	宋立来, 李廷昆, 毕晓辉, 等. 京津冀地区高空间分辨率土壤扬尘清单构建及动态化方法 [J]. 环境科学研究, 2021, 34(8): 1771-1781. doi: 10.13198/j.issn.1001-6929.2021.05.03 SONG L L, LI T K, BI X H, et al. Construction and dynamic method of soil fugitive dust emission inventory with high spatial resolution in Beijing-Tianjin-Hebei region [J]. Research of Environmental Sciences, 2021, 34(8): 1771-1781(in Chinese). doi: 10.13198/j.issn.1001-6929.2021.05.03
[23]	郭祥, 冯海波, 陆雅静. 河北省土壤扬尘源PM_2.5排放量估算 [J]. 河北工业科技, 2017, 34(6): 477-482. doi: 10.7535/hbgykj.2017yx06015 GUO X, FENG H B, LU Y J. Estimation of emissions of PM_2.5 from soil dust in Hebei Province [J]. Hebei Journal of Industrial Science and Technology, 2017, 34(6): 477-482(in Chinese). doi: 10.7535/hbgykj.2017yx06015

点击查看大图

图( 6) 表( 4)

计量

文章访问数: 2718
HTML全文浏览数: 2718
PDF下载数: 97
施引文献: 0

1. 材料与方法（Materials and methods）
1.1 样品采集
1.2 研究方法
1.3 数据处理与分析
2. 结果与讨论（Results and discussion）
2.1 灰尘及其粒径组分中PAHs含量和组成
2.2 不同粒径灰尘中PAHs生物有效态含量和生物可利用度
2.3 不同粒径灰尘中生物有效态PAHs的毒性当量
3. 结论（Conclusion）

全文HTML

扬尘源是我国各地区大气颗粒物污染的重要来源，如我国北方地区春季扬尘源对PM_2.5的贡献率可达到30%以上^[1-5]。《扬尘源颗粒物排放清单编制技术指南（试行）》(以下简称“《指南》”)指出，土壤扬尘是指裸露地面的颗粒物在自然或人力作用下形成的扬尘^[6]。土壤扬尘源分布区域广、排放随机性大、瞬时爆发性强，对局地和区域空气质量的季节性影响明显^[7-9]，会影响大气辐射平衡或作为凝结核促进颗粒物的二次反应^[10]。因此，编制土壤扬尘源排放清单对于空气质量模拟和相关研究具有重要意义^[11]。

近年来，遥感技术（RS）和地理信息系统技术（GIS）被广泛应用于构建高空间分辨率排放清单^[12-14]。运用该类方法，目前已有关于南京^[15]、哈尔滨^[16]、北京^[17]、常州^[18]、长沙^[19]、武汉^[9]和郑州^[20]等中国中部及东部城市的土壤扬尘排放清单及本地化排放因子的研究，但有关中国西部城市的相关报道较少^[21]，尚未发现关于西宁市土壤扬尘排放清单的研究。

作为青海省省会，地处青藏高原河湟谷地的西宁市具有典型的西部城市特征。同时也是兰西城市群中心城市，是西部大开发重要工业基地、资源开发基地和交通网络枢纽。西宁市2018年PM₁₀和PM_2.5日均浓度均超过国家二级质量标准，其大气污染不容忽视。西宁市土壤扬尘排放清单研究的缺乏，给当地污染成因分析、预警预报带来了较大的不确定性。

为系统构建西宁市土壤扬尘清单，本研究以2018年为基准年，将遥感技术(RS)与地理信息系统技术(GIS)相结合，并通过实地考察、现场采样以及实验分析，获取了具有西宁市本地化特征的土壤扬尘计算参数，并结合当地气象参数，建立了西宁市土壤扬尘排放清单并获得其时空分配特征，以期为西宁市大气污染防治对策制定提供基础和依据。

3. 结论（Conclusion）

（1）2018年西宁市土壤扬尘PM_2.5、PM₁₀排放量分别为353.13 t、1502.46 t。

（2）湟源县PM_2.5、PM₁₀排放量最大，分别为172.82 t、729.18 t。大通县的土壤扬尘排放量也较高，PM_2.5、PM₁₀排放量分别为148.09 t、634.15 t。湟中区土壤扬尘PM_2.5、PM₁₀排放量排第三，分别为29.68 t、128.45 t。在西宁市市内四区中，城中区的土壤扬尘PM_2.5、PM₁₀排放量最小，分别为0.16 t、0.67 t，城北区和城东区的土壤扬尘排放量相近且最大，城北区PM_2.5、PM₁₀的排放量分别为0.88 t、3.79 t，城东区PM_2.5、PM₁₀的排放量分别为0.90 t、3.78 t。

（3）4月份土壤扬尘PM_2.5、PM₁₀的排放量最大，分别为59.08 t、251.68 t。7月份排放量最小，分别为6.41 t、27.40 t。

（4）不确定性分析结果表明，在95%置信区间下，西宁市土壤扬尘PM_2.5和PM₁₀的不确定度均较低，PM₁₀排放量的不确定度范围为-21.90%—24.50%；PM_2.5排放量的不确定度范围为-20.15%—22.00%。

参考文献 (23)

西宁市土壤扬尘排放清单构建及时空分布特征

通讯作者: E-mail: jiyaqin@nankai.edu.cn;

Construction of emission inventory and temporal-spatial distribution of soil fugitive dust in Xining, China

Corresponding author: JI Yaqin, jiyaqin@nankai.edu.cn ;

1. 材料与方法（Materials and methods）

1.1 样品采集

1.2 研究方法

1.2.1 灰尘粒径分组

1.2.2 灰尘基本理化性质的测定

1.2.3 体外消化模型实验

1.2.4 样品中PAHs提取和净化

1.2.5 PAHs的测定

1.3 数据处理与分析

1.3.1 灰尘粒径组分中PAHs的分配

1.3.2 灰尘中PAHs生物有效性的测定

1.3.3 生物有效态PAHs的毒性当量计算

1.3.4 数据分析

2. 结果与讨论（Results and discussion）

2.1 灰尘及其粒径组分中PAHs含量和组成

2.2 不同粒径灰尘中PAHs生物有效态含量和生物可利用度

2.3 不同粒径灰尘中生物有效态PAHs的毒性当量

3. 结论（Conclusion）

计量

出版历程

西宁市土壤扬尘排放清单构建及时空分布特征

通讯作者: E-mail: jiyaqin@nankai.edu.cn;

English Abstract

Construction of emission inventory and temporal-spatial distribution of soil fugitive dust in Xining, China

Corresponding author: JI Yaqin, jiyaqin@nankai.edu.cn ;

全文HTML

1.1. 排放清单计算空间尺度的确定

1.2. 土壤扬尘计算方法

1.3. 本地参数的确定

1.3.1. 气候因子（C）

1.3.2. 粒度乘数（ki）

1.3.3. 土壤风蚀指数（Iwe）

1.3.4. 植被覆盖因子（V）

1.3.5. 土壤扬尘源面积

2.1. 区县排放特征

2.2. 各月排放特征

2.3. 不确定性分析

目录

全文HTML

1.1. 排放清单计算空间尺度的确定

1.2. 土壤扬尘计算方法

1.3. 本地参数的确定

1.3.1. 气候因子（C）

1.3.2. 粒度乘数（ki）

1.3.3. 土壤风蚀指数（Iwe）

1.3.4. 植被覆盖因子（V）

1.3.5. 土壤扬尘源面积

2.1. 区县排放特征

2.2. 各月排放特征

2.3. 不确定性分析

1.3.2. 粒度乘数（k_i）

1.3.3. 土壤风蚀指数（I_we）

1.3.2. 粒度乘数（k_i）

1.3.3. 土壤风蚀指数（I_we）