Processing math: 100%
高级搜索

邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献

,  ,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

胡偲豪, 吴春苗, 高娜娜, 张崇崇, 胡伟, 王金喜, 樊景森, 岳亮, 牛红亚. 邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献[J]. 环境化学, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
引用本文: 胡偲豪, 吴春苗, 高娜娜, 张崇崇, 胡伟, 王金喜, 樊景森, 岳亮, 牛红亚. 邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献[J]. 环境化学, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
shu
HU Sihao, WU Chunmiao, GAO Nana, ZHANG Chongchong, HU Wei, WANG Jinxi, FAN Jingsen, YUE Liang, NIU Hongya. Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City[J]. Environmental Chemistry, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
Citation: HU Sihao, WU Chunmiao, GAO Nana, ZHANG Chongchong, HU Wei, WANG Jinxi, FAN Jingsen, YUE Liang, NIU Hongya. Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City[J]. Environmental Chemistry, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
shu

邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献

  • 1.

    河北工程大学地球科学与工程学院，邯郸，056038

  • 2.

    天津大学地球系统科学学院，天津，300072

  • 3.

    河北省邯郸生态环境监测中心，邯郸，056001

    • 通讯作者: Tel：13663100796，E-mail：niuhongya@126.com
  • 基金项目:
    国家自然科学基金（41807305），河北省自然科学基金（D2021402004），河北省杰出青年科学基金（D2018402149），大气重污染成因与治理攻关项目（DQGG202110）和河北省化工行业挥发性有机物检测与治理技术创新中心开放课题（ZXJJ20210402）资助

Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City

  • 1.

    School of Earth Science and Engineering, Hebei University of Engineering, Handan, 056038, China

  • 2.

    School of Earth System Science, Tianjin University, Tianjin, 300072, China

  • 3.

    Ecological Environment Monitoring Center of Handan City, Handan, 056001, China

    • Corresponding author: NIU Hongya, niuhongya@126.com
  • Fund Project: National Natural Science Foundation of China (41807305), Natural Science Foundation of Hebei Province (D2021402004), Science Foundation for Distinguished Young Scholars of Hebei Province (D2018402149), the Causes and Treatment of Heavy Air Pollution Project (DQGG202110) and the Open Project of Hebei Chemical Industry Volatile Organic Compounds Detection and Treatment Technology Innovation Center (ZXJJ20210402).

摘要

  • 摘要: 灰霾污染在我国具有规模大、持续时间长、发生频率高的特点，其负面影响主要与不同粒径颗粒物的含量、组成和分布有关，因此受到越来越多的关注. 微米气溶胶粒子（PM1）因为具有更大的比表面积，所以在化学成分、大气寿命、生态气候和健康影响方面表现出与其他颗粒物相异的特征，因此受到了广大学者的关注. 邯郸作为典型的大气气溶胶重污染城市，研究其微米气溶胶粒子的来源、形成和贡献对加深认识理解大气污染及城市空气质量治理方针政策的制定都能提供科学依据. 本文基于 2019 年1月邯郸市PM2.5和PM1离子浓度数据，通过正定矩阵因子模型（PMF）源解析方法对其进行来源分析，并结合后向轨迹聚类分析法和潜在来源贡献函数法（PSCF）研究邯郸市大气颗粒物的输送路径及潜在源. 结果表明，研究期间PM1和PM2.5的平均质量浓度分别达到94.94 μg·m-3和164.50 μg·m−3，其中PM1/PM2.5的比值范围为45.20%—79.81%. 相较于PM2.5，二次无机气溶胶（SO42−、NO3−和NH4+）在PM1中的占比（43.88%）更高；PM1中占比更高的二次无机气溶胶和典型无机元素表明人为因素所排放的污染物在较小粒径的颗粒物中更易积累. PMF分析确定了PM1和PM2.5的6个来源. 它们分别是二次污染物、交通源、工业源、生物质燃烧、扬尘源和燃煤源；其在PM1中的贡献率分别为36.1%、7.9%、20.8%、6.8%、4.7%和23.8%；其在PM2.5中的贡献率分别为32.7%、11.8%、16.0%、13.7%、5.0%和20.8%. 后向轨迹和化学组分分析结果表明冬季生物质燃烧和施肥对PM1的潜在贡献. 潜在源分析表明邯郸市冬季重污染过程的产生是由西北部长—短气流传输共同作用的结果.
    Abstract: Haze pollution in China has the characteristics of large scale, long duration and high frequency, and its negative effects are mainly related to the content, composition and distribution of particles with different particle sizes, so it has attracted more and more attention. Micron aerosol particles (PM1) have attracted the attention of many scholars because they are different from other particles in terms of chemical composition, atmospheric life, ecological climate and health effects due to their larger specific surface area. Handan is a typical city with heavy atmospheric aerosol pollution. The study on the source, formation and contribution of micron aerosol particles can provide scientific basis for the further understanding of air pollution and the formulation of urban air quality control policies. Based on the ion concentration data of PM2.5 and PM1 in Handan city in January 2019, positive matrix factorization (PMF), backward trajectories and a potential source contribution function (PSCF) model were used to identify the source categories and source areas of PM1 and PM2.5. The results showed that the average mass concentration of PM1 and PM2.5 reached 94.94 μg·m−3 and 164.50 μg·m−3, respectively, and the ratio of PM1/PM2.5 ranged from 45.20% to 79.81%. Compared with PM2.5, secondary inorganic aerosols (SO42−, NO3− and NH4+) accounted for a higher proportion (43.88%) in PM1. The higher proportion of secondary inorganic aerosols and typical inorganic elements in PM1 indicated that the pollutants emitted by human factors are easier to accumulate in the particles with smaller particle size. PMF analysis identified six sources of PM1 and PM2.5. They were secondary pollutants, vehicle, industrial, biomass burning, dust and coal combustion, accounting for 36.1%,7.9%,20.8%,6.8%,4.7% and 23.8% of PM1, respectively, and for 32.7%,11.8%,16.0%,13.7%,5.0% and 20.8% of PM2.5, respectively. The backward trajectory and chemical composition analysis indicated the potential contribution of biomass combustion and fertilization to PM1 in winter. The potential source analysis showed that the heavy pollution process in Handan city in winter was the result of the long and short air transport in northwest China.

  • 邻苯二甲酸酯（phthalate esters，PAEs）作为增塑剂，被大量添加在塑料、涂料、化肥和化妆品等商品中. 根据信息处理服务公司（Information handling services，IHS）的一份报告，2014年全球生产和消费的增塑剂为840万吨，其中PAEs类占了70%[1]. 预计2017—2022年全球对PAEs的需求将以年均1.3%的速度增长[2]. 目前，PAEs在中国每年的生产量和消费量大约为130万吨，占全球总量的20%[3]. 鉴于PAEs不是通过稳定的化学键与产品结合，此类化合物很容易通过多种方式释放到环境中，例如工业和市政废水排放、固体废物处置和浸出、产品使用过程中的迁移和挥发[4-6]. 研究表明全球大多数人群均已暴露于PAEs中，并且已在人体血清和脂肪中发现PAEs的存在[7]. 人体暴露于PAEs的主要途径为食物和饮用水的摄入[8-9]，其中饮用水作为每日必须摄入的介质，其中含有的PAEs对人体的影响近年来受到了广泛关注[5，10-11].

    邻苯二甲酸二甲酯（dinethyl phthalate，DMP）、邻苯二甲酸二乙酯（diethyl phthalate，DEP）、邻苯二甲酸二丁酯（di-n-phthalate，DBP）、邻苯二甲酸丁苄酯（butylbenzyl phthalate，BBP）、邻苯二甲酸二（2-乙基己基）酯（di（2-ethylhexyl）phthalate，DEHP）和邻苯二甲酸二辛酯（di-n-octyl phthalate，DNOP）已被联合国列入优先管控污染物[12]，DMP、DBP和DEHP也已被列入我国水环境优先控制污染物黑名单，但均未列入我国2017年和2020年出台的两批《优先控制化学品名录》中. 我国《地表水环境质量标准》（GB3838-2002）、《生活饮用水卫生标准》（GB 5749-2006）、《城市供水水质标准》（CJ/T206-2005）中也规定了部分PAEs的限值. DEHP由于存在最多的健康和环境问题，已被归类为国际癌症研究机构（IARC）确定的可能对人类致癌的物质[13]. 尽管近几年来，PAEs在各类饮用水环境中的检出引起了人们的重视，研究范围涉及水源水、自来水和瓶装水等样品，但针对江苏省沿江城市居民住宅自来水的研究几近空白.

    本研究选取江苏省不同区域居民自来水中的PAEs作为研究对象，分析PAEs的污染特征，检验加热煮沸过程对自来水中的PAEs是否具有去除效果，评估经口摄入的人体健康风险，以期为全省饮用水健康安全管控提供科学支撑.

    1.   材料与方法（Materials and methods）

    1.1   样品的采集

    于2017年3月至4月，分别采集江苏省沿江8市（南京、无锡、常州、苏州、南通、扬州、镇江、泰州）居民住宅自来水，采样点位如图1所示. 每个城市选取5户居民进行取样（n=40），采样体积为2 L，所有水样均置于棕色玻璃瓶中，4 ℃避光保存，并于24 h内运回实验室分析. 为了研究加热煮沸过程对水中PAEs的去除效果，从每个城市选取两份水样在实验室煮沸，冷却至室温后保存待测（n=16）.

    图 1  江苏省不同城市居民住宅自来水采样点
    Figure 1.  Sampling points for residential tap water from different cities in Jiangsu
    下载: 全尺寸图片 幻灯片

    1.2   仪器与试剂

    超高效液相色谱/串联质谱（Waters Acquity/TQD），Masslynx工作站，ODS液相色谱柱（waters, BEH C18, 50 mm×2.1 mm, 1.7 μm）；Milli-Q超纯水器（美国Millipore公司）；HLB玻璃材质固相萃取柱（200mg/5cc,Waters,美国）.

    6种PAEs（DMP、DEP、DBP、BBP、DEHP和DNOP）混合标准品储备液，质量浓度为100 μg·mL−1（德国Dr. Ehrenstorfer公司），纯度在98.5%—99.5%之间;替代标准物氘代邻苯二甲酸二正丁酯（d4-DBP）和内标物氘代邻苯二甲酸二乙酯（d4-DEP），质量浓度均为100 μg·mL−1（美国Accustandard公司），实验用甲醇、正己烷、乙腈、丙酮等试剂均为农药级或LC-MS级.

    1.3   样品的前处理

    取1L水样，加入回收率指示物（d4-DBP），以10 mL·min -1的流速通过HLB固相萃取柱. 上样前依次用10 mL乙醚、5 mL乙腈和5 mL超纯水活化萃取柱. 水样过柱后，用高纯氮气吹干HLB小柱，再用体积95:5的乙醚-乙腈溶液进行洗脱，收集洗脱液，氮吹浓缩至近干，用乙腈定容至1 mL，加入内标化合物（d4-DEP）后置于进样瓶中，等待进样.

    1.4   仪器分析

    本研究采用超高效液相色谱/串联质谱仪（Waters Acquity/TQD）、BEH C18色谱柱（50 mm×2.1 mm，1.7 μm）对目标化合物进行定性和定量分析. 进样量为10 μL，流动相为水（A相，含0.2%甲酸）和甲醇（B相），流速为0.4 mL·min−1，色谱柱温度为40 ℃，流动相梯度设置如下: 0 min，A相比例为90%，保持2 min; 2—12 min，A相比例由90%降为0%，保持4 min; 16—18 min，A相比例恢复至60%. 质谱采用电喷雾离子源（ESI），正离子扫描方式，多离子反应监测（MRM）模式，监测条件见表1. 离子源温度120 ℃，毛细管电压4.0 kV，去溶剂温度400 ℃.

    表 1  目标化合物的多反应监测条件
    Table 1.  MRM parameters for target compounds
    化合物Compounds母离子Precursor ions（m/z）子离子Product ions （m/z）解簇电压/VDeclustering potential碰撞能量/VCollision energy
    DMP195.3163.0＊4012
    195.377.14046
    DEP223.1177.4＊5025
    223.1149.35012
    BBP313.391.3＊6827
    313.3205.26812
    DBP279.1149.3＊7220
    279.1205.27212
    DEHP391.1167.0＊8418
    391.1149.08432
    DNOP391.3261.1＊6010
    391.3149.06020
     | Show Table
    DownLoad: CSV

    1.5   质量保证与质量控制（QA/QC）

    实验过程中发现采用液质联用分析PAEs时，存在较大的系统空白干扰，为解决该问题，参考已有研究方法并进行优化完善[14]：在液相输液泵和进样阀之间加入一根吸附分配柱，通过六通阀切换，流动相经过该分配柱后，进入定量环，将定量环中样品带入色谱柱进行分离分析; 由于色谱系统产生的干扰经过吸附分配柱后可以进行短暂的吸附保留，再进入色谱柱，而定量环中的样品则直接经过色谱柱被吸附保留. 因此，系统产生的干扰和目标化合物可以产生出峰时间差，从而减少误差干扰.

    实验过程中避免使用塑料和橡胶器皿，所使用的玻璃容器均在马弗炉中400 ℃高温烘烤4 h后经正己烷、丙酮和乙腈清洗. 所有水样均添加回收率标样，每5份样品添加1个程序空白. 自来水中6种PAEs的加标回收率范围为86.5%—109%. 以3倍空白水样加标样测定结果的标准偏差计算各种物质的方法检出限（detection limit，DL），6种PAEs化合物的DL范围为0.1—0.5 μg·L−1.

    1.6   健康风险评价

    本研究采用美国环保署（USEPA）推荐的水环境健康风险评价模型，分别评估了通过饮用水途径暴露的DEHP致癌风险和∑PAEs非致癌风险. 通过饮用水摄入的日均PAEs剂量（CDI）可以通过公式（1）计算:

    CDI=C×IR/BW (1)

    式中， CDI为每天通过饮水摄入的PAEs平均剂量（mg·kg−1·d−1）; C为饮用水中PAEs的含量（mg·L−1）; IR为每日饮用水的摄入量（取2 L·d−1）; BW为人均体重（取60 kg）.

    通过饮用水途径暴露的DEHP致癌风险（RDEHP）通过公式（2）计算:

    RDEHP=CDI×SF (2)

    式中，SF为经口摄入致癌斜率因子，DEHP的SF值为0.014 kg·d·mg−1.

    PAEs非致癌风险采用危险指数（HI）进行评估，通过公式（3）计算:

    HI=CDI/RfD (3)

    式中，RfD为法规或指南中给出的PAEs非致癌危害的参考剂量（mg·kg−1·d−1），DEP、BBP、DBP、DNOP和DEHP的RfD分别为0.8、0.2、0.1、0.01、0.02 mg·kg−1·d−1，DMP缺少RfD参考剂量数据，HI小于1表示处于安全范围.

    2.   结果与讨论（Results and discussion）

    2.1   江苏城市饮用水中PAEs的含量与组成

    江苏省8个城市居民自来水水样中PAEs检出率为100%，PAEs含量如图2所示，∑PAEs检出范围为4.10—14.23 μg·L−1，平均值为（8.43±2.76）μg·L−1，其中镇江市自来水中∑PAEs含量最高，达到（10.76±2.10）μg·L−1，苏州市其次（（9.39±2.08）μg·L−1），泰州市最低（（7.14±3.39）μg·L−1）.

    图 2  江苏省不同城市居民自来水中PAEs含量
    Figure 2.  Concentrations of PAEs in tap water from different cities in Jiangsu
    下载: 全尺寸图片 幻灯片

    DBP在所有水样中均有检出，且平均含量最高（（2.10±1.65）μg·L−1），17.5%的自来水样品中DBP浓度超过《生活饮用水规范》（GB5749-2006）限值（3 μg·L−1）. 所有自来水样品中DEHP浓度均未超过《生活饮用水规范》（GB5749-2006）与世界卫生组织（WHO）《饮用水水质准则》限值（8 μg·L−1）或美国瓶装水中的标准限值（6 μg·L−1）[15]，说明江苏省部分城市居民自来水已受到PAEs污染，存在一定的潜在健康风险，该结论与我国其他已有研究结果相似[16-17]. 然而，根据美国环保署1997年出台的饮用水法规和健康建议，由于DEHP致癌性，美国对DEHP的最终管理目标是零暴露风险[18]. 同时有研究表明，长期饮用含有微量PAEs的水，即使其含量满足饮用水标准，也可能对人体健康造成危害[19-20]. 从组成成分来看，DBP和DMP是造成自来水中PAEs含量差异的最主要因素.

    表2列出了全球其他国家和地区饮用水中PAEs的污染情况，本研究结果与沙特阿拉伯（0.2—30.8 μg·L−1）和墨西哥（0.6—45.1 μg·L−1）等国家瓶装水中PAEs的含量相近[5]，比葡萄牙（0.02—0.35 μg·L−1）、法国（0.03—0.35 μg·L−1）和伊朗（0.07—0.52 μg·L−1）等西方国家自来水中浓度高近两个数量级[11，21-22]，比我国天津市居民饮用水（（2.41±0.39）μg·L−1）高一个数量级[23]，但低于河南省的研究结果（0.24—82.2 μg·L−1）[24]，这与河南饮用水取样点位受到污染河流水平扩散、垂直渗透和雨水溶解有关. 已有研究表明江苏居民自来水中PAEs来源广泛，包括水源水赋存、生产过程带入和塑料管道析出等[25].

    表 2  世界其他国家和地区自来水中PAEs含量
    Table 2.  Concentrations of PAEs in other countries and regions around the world
    国家和地区Country and regionBBP/（μg·L−1）DBP/（μg·L−1）DEP/（μg·L−1）DMP/（μg·L−1）DNOP/（μg·L−1）DEHP/（μg·L−1）∑PAEs/（μg·L−1）参考文献Reference
    江苏省Jiangsund—7.39（0.71）0.34—7.40（2.01）nd—6.41（1.40）nd—8.40（1.93）nd—5.23（1.23）nd—6.87（1.93）4.10—14.23（8.43）本研究
    天津市Tianjin0.44—0.710.38—0.68———1.10—1.781.92—2.78（2.41）[23]
    河南省Henannd0.9344.0438.19—12.49—[24]
    武汉市Wuhan—0.600.90nd———[26]
    葡萄牙Portugal0.030.520.190.04—0.060.02—0.35[21]
    德国Germany0.050.640.16——0.060.02—0.60[27]
    西班牙Spanndnd—0.91nd—0.38nd—0.03—nd0.38—0.73[10]
    西班牙Spanndnd0.19nd—ndnd—0.19[28]
    法国Francend0.040.03nd—0.35—[22]
    希腊Greece—1.040.30——0.930.30—1.04[29]
    捷克Czech0.0020.050.070.08nd0.66—[30]
    越南Vietnam0.20—4.210.01—2.56nd—2.57nd—0.54nd—1.931.01—14.502.10—18.00（11.2）[31]
    伊朗Iran0.05—0.15（0.10）nd—0.14（0.09）nd—0.09（0.05）0.08—0.67（0.37）nd—0.11（0.01）nd—0.38（0.15）0.07—0.52[11]
    　　注：nd，未检出，not detected；—，未参与检测，not included；（ ），平均值，mean level
     | Show Table
    DownLoad: CSV

    图3比较了自来水与煮沸后冷却至室温的水样中PAEs的浓度，结果与其他研究类似[32]，加热或煮沸后的自来水中，PAEs含量有所下降，但下降程度有限，其中DBP平均降低程度最高（21.6%），其次是BBP（18.6%），DNOP最低（9.1%）. 值得注意的是，有研究报道，若将开水立刻倒入塑料杯，高温会加速塑料中PAEs的析出，导致饮用水中PAEs含量显著升高[23].

    图 3  自来水和煮沸水中PAEs含量变化
    Figure 3.  Changes of concentrations of PAEs in tap water and boiled water
    下载: 全尺寸图片 幻灯片

    2.2   PAEs健康风险评价

    2.2.1   致癌风险评估

    江苏省不同地区通过饮用水摄入导致的DEHP致癌风险如图4所示，所有自来水和煮沸冷却水中DEHP的致癌风险均低于USEPA推荐的健康风险可接受最大水平（1×10−6），其中苏州、南通和泰州水样中DEHP致癌风险较高. 煮沸后的自来水在一定程度上降低了DEHP的致癌风险，降幅达到78%. 但在高温情况下DEHP会从塑料包装中迁移至水体，导致DEHP的致癌风险有超过1×10−6的可能[23，33]，另外随着储存时间的增加，水中DEHP的含量也会随之上升[22]. 因此，长期饮用存放在高温环境中的瓶装水，例如高温天气车内长时间放置的瓶装水，对人体健康危害极大，应引起高度重视.

    图 4  自来水和煮沸水中DEHP的致癌风险
    Figure 4.  Carcinogenic risks of DEHP via tap water and boiled water
    下载: 全尺寸图片 幻灯片
    2.2.2   非致癌风险评估

    5种PAEs（DEP、BBP、DBP、DNOP和DEHP）的非致癌风险采用危险指数如图5和表3所示. 结果显示，江苏省8个城市自来水中∑PAEs的HI范围在8.26×10−3（无锡市）—3.25×10−2（南通市），均远小于1，表明江苏省不同地区自来水中PAEs摄入对人体造成的非致癌健康风险可忽略不计. 煮沸后的自来水PAEs非致癌风险与致癌风险变化情况类似，均有不同程度的降低，该结果与Wang[23]和Li[20]在天津市和黄海沿海城市的研究结果一致. DBP在自来水中占总非致癌风险的47.3%，而BBP和DEHP仅占1.60%和1.58%，该结果与天津市自来水中PAEs的非致癌风险占比（DEHP占比最大）有较大差别[23]，主要原因是尽管DEHP毒性最大，但在江苏省8个城市自来水样中DEHP的含量相对较低，因此对∑PAEs非致癌风险贡献较小.

    Figure 5.  Non-carcinogenic risks of PAEs via tap water and boiled water
    图 5 自来水和煮沸水中PAEs非致癌风险
    下载: 全尺寸图片 幻灯片

    除了通过饮用水的暴露方式，PAEs还可以通过食物摄入和皮肤接触等途径对人体健康造成负面影响. 此外，自来水中可能存重金属、农药、消毒副产物和个人护理产品等多种污染物，它们之间的协同效应可能会对人体健康产生多重负面影响. 因此，建议进一步研究并持续监测这些化学物质在不同条件下的自来水和瓶装水中的赋存特征，以期更好地管控生态环境健康风险.

    表 3  江苏省不同城市居民自来水中PAEs非致癌风险
    Table 3.  Non-carcinogenic risks of PAEs in residential tap water from different cities in Jiangsu Province
    城市 CityHIBBPHIDBPHIDEPHIDMPHIDNOPHIDEHP∑HI
    南京Nanjing1.67×10−54.67×10−39.36×10−5na4.77×10−34.17×10−59.59×10−3
    无锡Wuxi1.27×10−34.72×10−32.66×10−4na1.07×10−39.36×10−48.26×10−3
    常州Changzhou1.67×10−52.48×10−31.23×10−4na5.02×10−31.64×10−39.28×10−3
    苏州Suzhou1.67×10−58.69×10−34.17×10−5na8.33×10−53.60×10−31.24×10−2
    南通Nantong1.67×10−51.58×10−24.17×10−5na1.26×10−23.09×10−33.15×10−2
    扬州Yangzhou3.97×10−41.15×10−24.17×10−5na6.66×10−31.97×10−32.06×10−2
    镇江Zhenjiang1.55×10−48.65×10−32.86×10−4na8.33×10−51.18×10−31.04×10−2
    泰州Taizhou3.24×10−41.60×10−24.17×10−5na5.91×10−32.73×10−32.50×10−2
    　　注：na，无参考数据，no reference data
     | Show Table
    DownLoad: CSV

    3.   结论（Conclusion）

    （1）江苏省8个城市40份居民自来水中均检出了PAEs，检出范围为4.10—14.23 μg·L−1，其中镇江市自来水中PAEs的含量最高. 与其他国家和地区相比，本研究区域自来水中PAEs含量处于中等偏上水平，其污染来源有待进一步明确.

    （2）与自来水相比，煮沸后冷却至室温的水样在一定程度上降低了PAEs浓度和此类化合物的致癌风险与非致癌风险.

    （3）研究区域内DEHP致癌风险指数小于最大可接受风险水平（1×10−6），∑PAEs的非致癌风险指数远小于1，但部分水样中DBP含量超过《生活饮用水规范》（GB5749-2006）限值，存在潜在的生态环境健康风险.

  • 图 1  重污染过程中颗粒物浓度及二者比值

    Figure 1.  Concentration and ratio of particulate matter in heavy pollution process

    下载: 全尺寸图片 幻灯片

    图 2  各类来源对于PM1和PM2.5质量浓度的贡献

    Figure 2.  Contribution of various sources to PM1 and PM2.5 mass concentrations

    下载: 全尺寸图片 幻灯片

    表 1  研究期间PM1和PM2.5化学组分平均质量浓度及占比

    Table 1.  The mean mass concentration and proportion of chemical components of PM1 and PM2.5 during the study period

    PM1PM2.5PM1中占比/%PM1 in proportionPM2.5中占比/%PM2.5 in proportion
    PM/（μg·m−3）94.94164.50100.00100.00
    NO3−/（μg·m−3）19.9029.9220.9618.19
    SO42−/（μg·m−3）10.3620.4810.9112.45
    NH4+/（μg·m−3）11.4019.6112.0111.92
    Na+/（μg·m−3）0.140.500.150.30
    K+/（μg·m−3）1.481.861.561.13
    Cl−/（μg·m−3）5.706.116.003.71
    Zn/（μg·m−3）0.260.430.270.26
    Mg/（μg·m−3）0.180.220.190.13
    Fe/（μg·m−3）0.300.890.320.54
    Pb/（μg·m−3）0.030.120.030.07
    Ba/（μg·m−3）0.040.060.040.04
    K/（μg·m−3）1.251.621.320.98
    Mn/（ng·m−3）74.5874.780.080.05
    Cr/（ng·m−3）27.5729.130.030.02
    Cu/（ng·m−3）16.0924.960.020.02
    Ni/（ng·m−3）12.9632.610.010.02
    PM1PM2.5PM1中占比/%PM1 in proportionPM2.5中占比/%PM2.5 in proportion
    PM/（μg·m−3）94.94164.50100.00100.00
    NO3−/（μg·m−3）19.9029.9220.9618.19
    SO42−/（μg·m−3）10.3620.4810.9112.45
    NH4+/（μg·m−3）11.4019.6112.0111.92
    Na+/（μg·m−3）0.140.500.150.30
    K+/（μg·m−3）1.481.861.561.13
    Cl−/（μg·m−3）5.706.116.003.71
    Zn/（μg·m−3）0.260.430.270.26
    Mg/（μg·m−3）0.180.220.190.13
    Fe/（μg·m−3）0.300.890.320.54
    Pb/（μg·m−3）0.030.120.030.07
    Ba/（μg·m−3）0.040.060.040.04
    K/（μg·m−3）1.251.621.320.98
    Mn/（ng·m−3）74.5874.780.080.05
    Cr/（ng·m−3）27.5729.130.030.02
    Cu/（ng·m−3）16.0924.960.020.02
    Ni/（ng·m−3）12.9632.610.010.02
    下载: 导出CSV

    表 2  两次重污染期间PM1化学组分质量浓度（μg·m−3）

    Table 2.  PM1 and species concentrations during 2 heavy pollution events（μg·m−3）

    PM1NO3−SO42−NH4+K+MnZnCuMgBa
    S1103.1125.879.6913.441.820.120.110.020.900.05
    S2124.7728.3017.9216.401.750.070.350.020.180.06
    PM1NO3−SO42−NH4+K+MnZnCuMgBa
    S1103.1125.879.6913.441.820.120.110.020.900.05
    S2124.7728.3017.9216.401.750.070.350.020.180.06
    下载: 导出CSV

    表 3  重污染过程PM2.5后向轨迹聚类分析

    Table 3.  Clustering analysis of PM2.5 backward trajectory in heavy pollution process

    S1中占比/%S1 in proportionS2中占比/%S2 in proportionS1路径S1 pathS2路径S2 path
    聚类137.5055.00河南北部—邯郸山西中部—邯郸
    聚类212.5015.83蒙古中部—内蒙古北部—河北北部—北京中部—天津中部—山东西部—邯郸内蒙古西南部—陕西北部—山西中部—邯郸
    聚类322.925.00蒙古中部—内蒙古中部—河北北部—北京中部—天津西部—邯郸俄罗斯西南部—蒙古中部—内蒙古中部—山西北部—邯郸
    聚类414.5813.33石家庄—衡水—邯郸内蒙古西北部—陕西北部—山西中部—邯郸
    聚类512.5010.83蒙古中部—内蒙古北部—河北北部—北京东部—天津中部—山东西部—邯郸蒙古中部—内蒙古中部—山西北部—邯郸
    　　注：1月7—8日（S1），1月10—14日（S2）.
    S1中占比/%S1 in proportionS2中占比/%S2 in proportionS1路径S1 pathS2路径S2 path
    聚类137.5055.00河南北部—邯郸山西中部—邯郸
    聚类212.5015.83蒙古中部—内蒙古北部—河北北部—北京中部—天津中部—山东西部—邯郸内蒙古西南部—陕西北部—山西中部—邯郸
    聚类322.925.00蒙古中部—内蒙古中部—河北北部—北京中部—天津西部—邯郸俄罗斯西南部—蒙古中部—内蒙古中部—山西北部—邯郸
    聚类414.5813.33石家庄—衡水—邯郸内蒙古西北部—陕西北部—山西中部—邯郸
    聚类512.5010.83蒙古中部—内蒙古北部—河北北部—北京东部—天津中部—山东西部—邯郸蒙古中部—内蒙古中部—山西北部—邯郸
    　　注：1月7—8日（S1），1月10—14日（S2）.
    下载: 导出CSV

    表 4  重污染过程PM2.5的加权潜在源贡献函数

    Table 4.  Weighted potential source contribution function of PM2.5 in heavy pollution process

    （WPSCF > 0.6）（0.3 < WPSCF < 0.6）
    S1河南北部，河北东南部，邯郸市北京，天津，河北东部，山东西北部
    S2河北中部，山西北部，邯郸市蒙古中部，内蒙古中部，山西北部，河南北部，山东西部
    　　注：1月7—8日（S1），1月10—14日（S2）.
    （WPSCF > 0.6）（0.3 < WPSCF < 0.6）
    S1河南北部，河北东南部，邯郸市北京，天津，河北东部，山东西北部
    S2河北中部，山西北部，邯郸市蒙古中部，内蒙古中部，山西北部，河南北部，山东西部
    　　注：1月7—8日（S1），1月10—14日（S2）.
    下载: 导出CSV
  • [1] LANG J L, ZHANG Y Y, ZHOU Y, et al. Trends of PM2.5 and chemical composition in Beijing, 2000–2015 [J]. Aerosol and Air Quality Research, 2017, 17(2): 412-425. doi: 10.4209/aaqr.2016.07.0307
    [2] HUANG H T, GAO L R, XIA D, et al. Characterization of short- and medium-chain chlorinated paraffins in outdoor/indoor PM10/PM2.5/PM1.0 in Beijing, China [J]. Environmental Pollution, 2017, 225: 674-680. doi: 10.1016/j.envpol.2017.03.054
    [3] ZHOU Y, CHENG S Y, CHEN D S, et al. Temporal and spatial characteristics of ambient air quality in Beijing, China [J]. Aerosol and Air Quality Research, 2015, 15(5): 1868-1880. doi: 10.4209/aaqr.2014.11.0306
    [4] 邵龙义, 王文华, 幸娇萍, 等. 大气颗粒物理化特征和影响效应的研究进展及展望 [J]. 地球科学, 2018, 43(5): 1691-1708.

    SHAO L Y, WANG W H, XING J P, et al. Physicochemical characteristics and effects of airborne particles: Research progress and prospects [J]. Earth Science, 2018, 43(5): 1691-1708(in Chinese).

    [5] SUN Y L, WANG Z F, DU W, et al. Long-term real-time measurements of aerosol particle composition in Beijing, China: Seasonal variations, meteorological effects, and source analysis [J]. Atmospheric Chemistry and Physics, 2015, 15(17): 10149-10165. doi: 10.5194/acp-15-10149-2015
    [6] WANG Q Q, SUN Y L, JIANG Q, et al. Chemical composition of aerosol particles and light extinction apportionment before and during the heating season in Beijing, China [J]. Journal of Geophysical Research:Atmospheres, 2015, 120(24): 12708-12722. doi: 10.1002/2015JD023871
    [7] 赵清, 李杏茹, 王国选, 等. 运城秋冬季大气细粒子化学组成特征及来源解析 [J]. 环境科学, 2021, 42(4): 1626-1635. doi: 10.13227/j.hjkx.202008304

    ZHAO Q, LI X R, WANG G X, et al. Chemical composition and source analysis of PM2.5 in Yuncheng, Shanxi Province in autumn and winter [J]. Environmental Science, 2021, 42(4): 1626-1635(in Chinese). doi: 10.13227/j.hjkx.202008304

    [8] 任秀龙, 胡伟, 吴春苗, 等. 华北南部重污染城市周边区域二次气溶胶的化学特征及来源解析[J]. 环境科学, 2022, 43(3):1159-1169.

    REN X L, HU W, WU C M, et al. Chemical characteristics and source analysis of secondary aerosols around heavily polluted cities in southern North China[J]. Environmental Science, 2022, 43(3):1159-1169(in Chinese).

    [9] SKILES M J, LAI A M, OLSON M R, et al. Source apportionment of PM2.5 organic carbon in the San Joaquin Valley using monthly and daily observations and meteorological clustering [J]. Environmental Pollution, 2018, 237: 366-376. doi: 10.1016/j.envpol.2018.02.055
    [10] 武振晓. 民用燃煤排放颗粒物的单颗粒演变特征及金属元素组成[D]. 邯郸: 河北工程大学, 2021.

    WU Z X. Single particle evolution characteristics and metal element composition of particulate matter emitted from civil coal combustion [D]. Handan: Hebei University of Engineering, 2021(in Chinese).

    [11] 薛凡利, 牛红亚, 武振晓, 等. 邯郸市PM2.5中碳组分的污染特征及来源分析 [J]. 中国环境科学, 2020, 40(5): 1885-1894. doi: 10.3969/j.issn.1000-6923.2020.05.004

    XUE F L, NIU H Y, WU Z X, et al. Pollution characteristics and sources of carbon components in PM2.5 in Handan City [J]. China Environmental Science, 2020, 40(5): 1885-1894(in Chinese). doi: 10.3969/j.issn.1000-6923.2020.05.004

    [12] 关攀博, 周颖, 程水源, 等. 典型重工业城市空气重污染过程特征与来源解析 [J]. 中国环境科学, 2020, 40(1): 31-40. doi: 10.3969/j.issn.1000-6923.2020.01.004

    GUAN P B, ZHOU Y, CHENG S Y, et al. Characteristics of heavy pollution process and source appointment in typical heavy industry cities [J]. China Environmental Science, 2020, 40(1): 31-40(in Chinese). doi: 10.3969/j.issn.1000-6923.2020.01.004

    [13] 刘召策, 袁琦, 胡伟, 等. 邯郸市冬季一次霾过程中细颗粒物化学组分的污染特征及消光贡献 [J]. 地球化学, 2020, 49(3): 298-305. doi: 10.19700/j.0379-1726.2019.05.012

    LIU Z C, YUAN Q, HU W, et al. Pollution characteristics and extinction contribution of chemical composition in fine particulate matter during a winter haze episode in Handan [J]. Geochimica, 2020, 49(3): 298-305(in Chinese). doi: 10.19700/j.0379-1726.2019.05.012

    [14] 邓靓, 韩新宇, 施择, 等. 云南低纬度高原城市大气PM2.5中水溶性离子特征及来源分析 [J]. 环境化学, 2020, 39(12): 3306-3317.

    DENG L, HAN X Y, SHI Z, et al. Characteristics and source analysis of water soluble ions in atmospheric PM2.5 in low latitude plateau cities of Yunnan Province [J]. Environmental Chemistry, 2020, 39(12): 3306-3317(in Chinese).

    [15] 周变红, 王锦, 曹夏, 等. 宝鸡市冬季碳质气溶胶污染特征及来源解析 [J]. 环境化学, 2020, 39(12): 3336-3345.

    ZHOU B H, WANG J, CAO X, et al. Characteristics and sources of carbon fractions during winter in Baoji City [J]. Environmental Chemistry, 2020, 39(12): 3336-3345(in Chinese).

    [16] 黄华斌, 林承奇, 胡恭任, 等. 基于PMF模型的九龙江流域农田土壤重金属来源解析 [J]. 环境科学, 2020, 41(1): 430-437. doi: 10.13227/j.hjkx.201907156

    HUANG H B, LIN C Q, HU G R, et al. Source appointment of heavy metals in agricultural soils of the Jiulong River Basin based on positive matrix factorization [J]. Environmental Science, 2020, 41(1): 430-437(in Chinese). doi: 10.13227/j.hjkx.201907156

    [17] 王芳龙, 李忠勤, 杨宏, 等. 天水市大气颗粒物输送通道及污染源区研究 [J]. 环境化学, 2020, 39(9): 2371-2383. doi: 10.7524/j.issn.0254-6108.2019061705

    WANG F L, LI Z Q, YANG H, et al. Study on atmospheric particulate matter transport channel and pollution source area in Tianshui City [J]. Environmental Chemistry, 2020, 39(9): 2371-2383(in Chinese). doi: 10.7524/j.issn.0254-6108.2019061705

    [18] 赵倩彪, 胡鸣, 张懿华. 利用后向轨迹模式研究上海市PM2.5来源分布及传输特征 [J]. 环境监测管理与技术, 2014, 26(4): 22-26. doi: 10.3969/j.issn.1006-2009.2014.04.006

    ZHAO Q B, HU M, ZHANG Y H. Study of source distribution and transportation characteristics of PM2.5in Shanghai using backward trajectory model [J]. The Administration and Technique of Environmental Monitoring, 2014, 26(4): 22-26(in Chinese). doi: 10.3969/j.issn.1006-2009.2014.04.006

    [19] 符传博, 丹利, 佟金鹤. 2017年秋季海口市一次持续空气污染过程特征及成因分析 [J]. 环境化学, 2021, 40(4): 1048-1058. doi: 10.7524/j.issn.0254-6108.2019112704

    FU C B, DAN L, TONG J H. Characteristics and source analysis of a multi-day air pollution episode in Haikou City in autumn 2017 [J]. Environmental Chemistry, 2021, 40(4): 1048-1058(in Chinese). doi: 10.7524/j.issn.0254-6108.2019112704

    [20] 杜艳伟, 程建光, 吴一钢, 等. 青岛市外源PM2.5传输路径及潜在污染源区 [J]. 城市环境与城市生态, 2015, 28(4): 11-14.

    DU Y W, CHENG J G, WU Y G, et al. Transportation pathways and potential sources of external PM2.5 in Qingdao City [J]. Urban Environment & Urban Ecology, 2015, 28(4): 11-14(in Chinese).

    [21] 张晗宇, 程水源, 姚森, 等. 2016年10~11月期间北京市大气颗粒物污染特征与传输规律 [J]. 环境科学, 2019, 40(5): 1999-2009. doi: 10.13227/j.hjkx.201810228

    ZHANG H Y, CHENG S Y, YAO S, et al. Pollution characteristics and regional transport of atmospheric particulate matter in Beijing from October to November, 2016 [J]. Environmental Science, 2019, 40(5): 1999-2009(in Chinese). doi: 10.13227/j.hjkx.201810228

    [22] 符传博, 丹利, 唐家翔, 等. 基于轨迹模式分析海口市大气污染的输送及潜在源区 [J]. 环境科学学报, 2020, 40(1): 36-42. doi: 10.13671/j.hjkxxb.2019.0244

    FU C B, DAN L, TANG J X, et al. Analysis of air polluted transportation and potential source in Haikou City based on trajectory model [J]. Acta Scientiae Circumstantiae, 2020, 40(1): 36-42(in Chinese). doi: 10.13671/j.hjkxxb.2019.0244

    [23] ZONG Z, WANG X P, TIAN C G, et al. Source apportionment of PM2.5 at a regional background site in North China using PMF linked with radiocarbon analysis: Insight into the contribution of biomass burning [J]. Atmospheric Chemistry and Physics, 2016, 16(17): 11249-11265. doi: 10.5194/acp-16-11249-2016
    [24] REN B, XIE P H, XU J, et al. Use of the PSCF method to analyze the variations of potential sources and transports of NO2, SO2, and HCHO observed by MAX-DOAS in Nanjing, China during 2019 [J]. Science of the Total Environment, 2021, 782: 146865. doi: 10.1016/j.scitotenv.2021.146865
    [25] 刘子杨, 彭倩倩, 王新雨, 等. 青岛市秋冬季PM1中含碳组分污染特征与来源分析//中国环境科学学会. 2020中国环境科学学会科学技术年会论文集(第一卷)[C]. 中国环境科学学会, 中国环境科学学会, 2020: 7.

    LIU Z Y, PENG Q Q, WANG X Y, et al. Pollution characteristics and source analysis of carbon components in PM1 in autumn and winter in Qingdao//Chinese society of Environmental Sciences. Proceedings of 2020 annual meeting of science and technology of Chinese society of Environmental Sciences (Volume Ⅰ)[C]. Chinese society of Environmental Sciences, Chinese society of Environmental Sciences, 2020: 7(in Chinese).

    [26] 常毅, 刘得守, 刘文君. 兰州城市大气中PM1.0污染特征研究 [J]. 中国环境监测, 2020, 36(4): 45-52.

    CHANG Y, LIU D S, LIU W J. Study on the pollution characteristics of PM1.0 in Lanzhou City [J]. Environmental Monitoring in China, 2020, 36(4): 45-52(in Chinese).

    [27] 黄伟, 熊桂洪, 王军, 等. 重庆地区环境空气中PM1监测对比分析 [J]. 环境科学与技术, 2020, 43(8): 90-94.

    HUANG W, XIONG G H, WANG J, et al. Comparative analysis of PM1 monitoring in the ambient air of Chongqing [J]. Environmental Science & Technology, 2020, 43(8): 90-94(in Chinese).

    [28] 洪达驰, 张金谱, 裴成磊, 等. 广州市环境空气PM1冬季比对研究 [J]. 环境科学导刊, 2019, 38(6): 51-57.

    HONG D C, ZHANG J P, PEI C L, et al. Comparative research on ambient air PM1 in winter in Guangzhou [J]. Environmental Science Survey, 2019, 38(6): 51-57(in Chinese).

    [29] 丁净, 唐颖潇, 郝天依, 等. 天津市冬季空气湿度对PM2.5和能见度的影响 [J]. 环境科学, 2021, 42(11): 5143-5151.

    DING J, TANG Y X, HAO T Y, et al. Impact of air humidity on PM2.5 mass concentration and visibility during winter in Tianjin [J]. Environmental Science, 2021, 42(11): 5143-5151(in Chinese).

    [30] 张毓秀, 任万辉, 王嘉禾, 等. 沈阳市冬季不同污染程度PM2.5中OC和EC污染特征 [J]. 中国环境科学, 2021, 41(7): 3066-3075. doi: 10.3969/j.issn.1000-6923.2021.07.008

    ZHANG Y X, REN W H, WANG J H, et al. Characteristics of organic carbon(OC) and elemental carbon(EC) under different pollution levels of PM2.5 during winter in Shenyang [J]. China Environmental Science, 2021, 41(7): 3066-3075(in Chinese). doi: 10.3969/j.issn.1000-6923.2021.07.008

    [31] 冯炎鹏, 张军科, 黄小娟, 等. 成都夏冬季PM2.5中水溶性无机离子污染特征 [J]. 环境科学, 2020, 41(7): 3012-3020.

    FENG Y P, ZHANG J K, HUANG X J, et al. Pollution characteristics of water-soluble inorganic ions in Chengdu in summer and winter [J]. Environmental Science, 2020, 41(7): 3012-3020(in Chinese).

    [32] 蒋惠梦, 肖寒, 宋河, 等. 武汉市冬季灰霾期PM2.5中水溶性无机离子的特征 [J]. 南京信息工程大学学报(自然科学版), 2018, 10(5): 590-598.

    JIANG H M, XIAO H, SONG H, et al. Characteristics of water-soluble inorganic ions in PM2.5 during a winter haze episode in Wuhan City [J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition), 2018, 10(5): 590-598(in Chinese).

    [33] WANG J, ZHANG J S, LIU Z J, et al. Characterization of chemical compositions in size-segregated atmospheric particles during severe haze episodes in three mega-cities of China [J]. Atmospheric Research, 2017, 187: 138-146. doi: 10.1016/j.atmosres.2016.12.004
    [34] ZHAO Q B, HUO J T, 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. doi: 10.1016/j.atmosres.2020.105154
    [35] 李越洋, 姬亚芹, 张军, 等. 盘锦市冬季大气PM2.5元素污染特征及来源解析 [J]. 环境化学, 2019, 38(8): 1891-1898. doi: 10.7524/j.issn.0254-6108.2018102802

    LI Y Y, JI Y Q, ZHANG J, et al. Pollution characteristics and source apportionment of elements in PM2.5 during winter in Panjin City [J]. Environmental Chemistry, 2019, 38(8): 1891-1898(in Chinese). doi: 10.7524/j.issn.0254-6108.2018102802

    [36] ZÍKOVÁ N, WANG Y G, YANG F M, et al. On the source contribution to Beijing PM2.5 concentrations [J]. Atmospheric Environment, 2016, 134: 84-95. doi: 10.1016/j.atmosenv.2016.03.047
    [37] YOU S M, YAO Z Y, DAI Y J, et al. A comparison of PM exposure related to emission hotspots in a hot and humid urban environment: Concentrations, compositions, respiratory deposition, and potential health risks [J]. Science of the Total Environment, 2017, 599/600: 464-473. doi: 10.1016/j.scitotenv.2017.04.217
    [38] HU W, HU M, HU W W, et al. Seasonal variations in high time-resolved chemical compositions, sources, and evolution of atmospheric submicron aerosols in the megacity Beijing [J]. Atmospheric Chemistry and Physics, 2017, 17(16): 9979-10000. doi: 10.5194/acp-17-9979-2017
    [39] LI Y Y, CHANG M, DING S S, et al. Monitoring and source apportionment of trace elements in PM2.5: Implications for local air quality management [J]. Journal of Environmental Management, 2017, 196: 16-25.
    [40] TOBLER A, BHATTU D, CANONACO F, et al. Chemical characterization of PM2.5 and source apportionment of organic aerosol in New Delhi, India [J]. Science of the Total Environment, 2020, 745: 140924. doi: 10.1016/j.scitotenv.2020.140924
    [41] 刘素, 马彤, 杨艳, 等. 太原市冬季PM2.5化学组分特征与来源解析 [J]. 环境科学, 2019, 40(4): 1537-1544.

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

    [42] 刘慧, 夏敦胜, 陈红, 等. 2017年兰州市大气污染物输送来源及传输特征模拟分析 [J]. 环境科学研究, 2019, 32(6): 993-1000. doi: 10.13198/j.issn.1001-6929.2019.01.08

    LIU H, XIA D S, CHEN H, et al. Simulation analysis of sources and transmission characteristics of air pollutants in Lanzhou City in 2017 [J]. Research of Environmental Sciences, 2019, 32(6): 993-1000(in Chinese). doi: 10.13198/j.issn.1001-6929.2019.01.08

    [43] ZHANG Y Y, LANG J L, CHENG S Y, et al. Chemical composition and sources of PM1 and PM2.5 in Beijing in autumn [J]. Science of the Total Environment, 2018, 630: 72-82. doi: 10.1016/j.scitotenv.2018.02.151
    [44] ZONG Z, WANG X P, TIAN C G, et al. PMF and PSCF based source apportionment of PM2.5 at a regional background site in North China [J]. Atmospheric Research, 2018, 203: 207-215. doi: 10.1016/j.atmosres.2017.12.013

  • 期刊类型引用(2)

    1. 马心怡，纪晓腾，马博健，田宇婷，朱浩，牛红亚. 2016～2021年秋冬季邯郸市PM_(2.5)污染特征与来源对比. 环境科学. 2025(01): 591-602 . 百度学术
    2. 纪晓腾，马心怡，马博健，鲍晓磊，马文娜，田宇婷，岳亮，牛红亚. 邯郸市大气PM_(2.5)时空分布及季节性潜在源分析. 环境科学学报. 2024(02): 298-309 . 百度学术

    其他类型引用(0)

  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-0401234Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 18.2 %DOWNLOAD: 18.2 %HTML全文: 80.7 %HTML全文: 80.7 %摘要: 1.1 %摘要: 1.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 97.6 %其他: 97.6 %XX: 0.7 %XX: 0.7 %保定: 0.2 %保定: 0.2 %北京: 0.4 %北京: 0.4 %哈尔滨: 0.2 %哈尔滨: 0.2 %四平: 0.2 %四平: 0.2 %成都: 0.2 %成都: 0.2 %白银: 0.2 %白银: 0.2 %盐城: 0.2 %盐城: 0.2 %其他XX保定北京哈尔滨四平成都白银盐城Highcharts.com
WeChat 点击查看大图
图( 2) 表( 4)
计量
  • 文章访问数:  2707
  • HTML全文浏览数:  2707
  • PDF下载数:  118
  • 施引文献:  2
出版历程
  • 收稿日期:  2021-12-20
  • 录用日期:  2022-03-08
  • 刊出日期:  2023-06-27
胡偲豪, 吴春苗, 高娜娜, 张崇崇, 胡伟, 王金喜, 樊景森, 岳亮, 牛红亚. 邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献[J]. 环境化学, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
引用本文: 胡偲豪, 吴春苗, 高娜娜, 张崇崇, 胡伟, 王金喜, 樊景森, 岳亮, 牛红亚. 邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献[J]. 环境化学, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
shu
HU Sihao, WU Chunmiao, GAO Nana, ZHANG Chongchong, HU Wei, WANG Jinxi, FAN Jingsen, YUE Liang, NIU Hongya. Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City[J]. Environmental Chemistry, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
Citation: HU Sihao, WU Chunmiao, GAO Nana, ZHANG Chongchong, HU Wei, WANG Jinxi, FAN Jingsen, YUE Liang, NIU Hongya. Source analysis of micron fine aerosol particles and their contribution to heavy pollution in Handan City[J]. Environmental Chemistry, 2023, 42(6): 1876-1885. doi: 10.7524/j.issn.0254-6108.2021122004
shu

邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献

    通讯作者: Tel：13663100796，E-mail：niuhongya@126.com
  • 1. 河北工程大学地球科学与工程学院，邯郸，056038
  • 2. 天津大学地球系统科学学院，天津，300072
  • 3. 河北省邯郸生态环境监测中心，邯郸，056001
  • 收稿日期:  2021-12-20
  • 录用日期:  2022-03-08
  • 网络出版日期:  2023-06-19
基金项目:
国家自然科学基金（41807305），河北省自然科学基金（D2021402004），河北省杰出青年科学基金（D2018402149），大气重污染成因与治理攻关项目（DQGG202110）和河北省化工行业挥发性有机物检测与治理技术创新中心开放课题（ZXJJ20210402）资助

摘要: 灰霾污染在我国具有规模大、持续时间长、发生频率高的特点，其负面影响主要与不同粒径颗粒物的含量、组成和分布有关，因此受到越来越多的关注. 微米气溶胶粒子（PM1）因为具有更大的比表面积，所以在化学成分、大气寿命、生态气候和健康影响方面表现出与其他颗粒物相异的特征，因此受到了广大学者的关注. 邯郸作为典型的大气气溶胶重污染城市，研究其微米气溶胶粒子的来源、形成和贡献对加深认识理解大气污染及城市空气质量治理方针政策的制定都能提供科学依据. 本文基于 2019 年1月邯郸市PM2.5和PM1离子浓度数据，通过正定矩阵因子模型（PMF）源解析方法对其进行来源分析，并结合后向轨迹聚类分析法和潜在来源贡献函数法（PSCF）研究邯郸市大气颗粒物的输送路径及潜在源. 结果表明，研究期间PM1和PM2.5的平均质量浓度分别达到94.94 μg·m-3和164.50 μg·m−3，其中PM1/PM2.5的比值范围为45.20%—79.81%. 相较于PM2.5，二次无机气溶胶（SO42−、NO3−和NH4+）在PM1中的占比（43.88%）更高；PM1中占比更高的二次无机气溶胶和典型无机元素表明人为因素所排放的污染物在较小粒径的颗粒物中更易积累. PMF分析确定了PM1和PM2.5的6个来源. 它们分别是二次污染物、交通源、工业源、生物质燃烧、扬尘源和燃煤源；其在PM1中的贡献率分别为36.1%、7.9%、20.8%、6.8%、4.7%和23.8%；其在PM2.5中的贡献率分别为32.7%、11.8%、16.0%、13.7%、5.0%和20.8%. 后向轨迹和化学组分分析结果表明冬季生物质燃烧和施肥对PM1的潜在贡献. 潜在源分析表明邯郸市冬季重污染过程的产生是由西北部长—短气流传输共同作用的结果.

English Abstract

    全文HTML

  • 细颗粒物是一种重要的大气污染物，它对于空气质量，人体健康，大气能见度和气候变化有着极其重要的影响[1-4]. 中国正在遭受着严重的PM2.5（空气动力学中当量直径<2.5 μm）污染的影响，特别是我国北方一些典型的重工业城市. 因此，PM2.5在最近的研究中受到了学者们广泛的关注. PM1（空气动力学中当量直径<1 μm）作为一种比PM2.5还小的颗粒物，它在影响气候变化，能见度下降以及人类身体健康方面产生了更为显著的作用. 然而，与PM2.5相比，PM1受到的关注却少之又少. 因此，研究PM1的化学组分和来源，对于进一步总结其对环境、健康和气候的影响，有效缓解PM1和PM2.5污染是十分必要的. 目前，部分学者基于在线监测的手段，对北京市PM1的污染特征进行了研究. 例如，Sun等[5]通过测量北京市的NR-PM1（非难熔微米气溶胶），总结出NR-PM1的日变化规律. Wang等[6]通过采集北京市10—12月的NR-PM1样品，利用气溶胶化学组分监测进行实时监测，说明了铵盐对颗粒物消减做出极大的贡献. 但是国内外的学者们目前主要关注点仍然集中在PM2.5的相应的研究上，且该类研究多集中在各国首都，省会城市，对于中小型城市，尤其是在我国饱受大气污染的华北平原的重工业城市的关注力度不足.

    目前，绝大多数学者都选择受体模型判别细颗粒物的来源与贡献，主要包括PMF源解析法，主成分分析法（PCA）和化学质量平衡模型（CMB）. 如赵清等[7]通过PMF源解析法，解析出运城市灰霾暴发主要是受到二次相关源、燃煤源、交通源与生物质燃烧及二次有机物共同作用的影响；任秀龙等[8]根据PCA模型源解析结果说明了邯郸市PM1和PM2.5主要的来源是二次源、工业源、机动车源和生物质燃烧源；Skiles等[9]利用CMB模型解析出美国加利福尼亚州圣华金河谷的PM2.5的有机碳主要来自移动源、生物质燃烧、二次有机碳、植物碎屑和油烟.

    邯郸市作为我国华北平原的典型重工业城市之一，位于京津冀“2+26”大气污染传输通道之中，复杂的地理条件和人为活动的影响使得该地区成为全国大气污染严重城市之一[10]. 目前，对于邯郸市大气颗粒物污染的研究主要集中在PM2.5上，例如，薛凡利等[11]研究了2017年邯郸市PM2.5中碳组分的污染特征并对其来源进行了分析. 关攀博等[12]分析了邯郸市PM2.5中组分浓度的变化特征. 刘召策等[13]对邯郸市PM2.5中主要的化学组分及其光学特性进行了分析. 但是对于邯郸市PM1相关方面的研究少之又少. 为了得到邯郸市微米细气溶胶粒子的来源、形成和贡献，为邯郸市大气污染治理方针政策的制定提供科学依据，本文在对邯郸市2018年冬季PM2.5和PM1同时观察的基础上，研究邯郸市重污染期间PM2.5和PM1的化学组分特征及其驱动因素.

    本文以华北平原典型重工业城市邯郸市为研究对象，利用后向轨迹聚类分析法、PMF以及PSCF 法，分析邯郸市细颗粒物质量浓度的变化规律，化学组分特征及来源，探究影响邯郸市细颗粒物的主要输送路径和潜在源区，为有效控制邯郸市大气污染和开展区域联防治理提供科学的理论指导.

    • 1.   材料与方法 （Materials and methods）

      1.1.   采样点概况

    • 邯郸市采样点设置在（36.57°N，114.50°E）位于河北工程大学老校区，距地面高约16 m，该采样点接近城市中心地带，周围被居民区包围，附近无工业厂房与高大建筑物，是国家控制采样点，可代表邯郸城市大气环境.

      • 1.2.   样品的采集及分析

    • 本研究采用多通道大气颗粒物采样器（Unray ZR-3930D型）采集大气PM2.5样品，PM1样品使用PM1颗粒物采样器（TE-Wilbur型，TISCH，USA）采集. PM2.5和PM1样品都使用47 mm的Teflon膜进行样品采集，采样时间为2019年1月5日—1月16日，每日早晚采集两次样品，分别为8:00—19:30，20:00—次日7:30. 采样后Teflon膜在冰箱中（−18 ℃）冷冻保存. 使用精度0.01 mg的电子天平（XS205dualrange）进行称重，称重前需将采样膜在恒温箱（温度（25±0.5）℃，湿度（30±5）%）中平衡24 h以上. 为保证采集样品数据的可靠性，分别在采样开始和结束时分别采集空白样.

      分析水溶性离子时，剪下Teflon膜的一半放入离心管中，取20 mL去离子水，超声振荡1 h，静置后过滤. 随后使用离子色谱分析仪（ICS-600，Dionex，Thermo）分析PM2.5和PM1样品中的8种水溶性离子：Cl−、SO42-、NO3−、Na+、NH4+、K+、Mg2+和Ca2+. 无机元素分析：使用ICP-MS（Agilent7500a）测定PM2.5和PM1中的金属元素. 为保证实验精度，每进行5组样品测量后，进行一次平行样检验. 具体实验方法见参考文献[14].

      • 1.3.   PMF分析

    • PMF是一种有效的源分配受体模型，将样本数据矩阵分解为2个矩阵：源贡献矩阵G和源廓线矩阵F，本研究采用EPA-PMF5.0版确定了PM1和PM2.5的来源类型[15]. 用矩阵形式表示如公式（1）[16]：

      式中，Xij是第i个样品中第j个物种的浓度，gik是第i个样品中第k个因子的贡献，fkj是第j个物种在第k个因子中的因子分布，eij是第i个样品中测得的第j个物种的残差矩阵.

      • 1.4.   后向轨迹聚类分析

    • 聚类分析是根据指标样本的相似性、亲疏程度，用数学方法将它们进行分型划类，最后得到一个能反映群体之间亲疏程度的分类系统. 后向轨迹聚类则是根据气团轨迹的传输速度和方向等特征，对所有到达模式受点的气团轨迹进行分型聚类，以判断受点不同时间段主导气流方向和污染物潜在来源[17]. 本文利用MeteoInfo软件以及NCEP系统提供的全球同化数据模拟邯郸市2018年1月5日到2018年1月16日气团后向轨迹，轨迹计算起始高度为500 m. 将研究区域按0.5° × 0.5°划分网格，每日从00:00开始，计算逐小时到达邯郸市的气团后向轨迹，轨迹向后推延的时间为48 h.

      • 1.5.   PSCF分析

    • 潜在源贡献（PSCF）分析法是一种基于气流轨迹分析来识别污染源区的方法[18]，本文利用此方法来确定影响邯郸大气颗粒物的潜在污染源区. PSCF值为所选研究区域内经过网格ij的污染轨迹数Mij与经过该网格的所有轨迹数Nij的比值[19-20]，PSCFij的计算公式如式（2）：

      式中，Nij为落入ij单元内的端点数量，Mij为同一单元内源贡献值高于任意设置的阈值的端点数量.

      本文取PM2.5的日平均值二级标准值作为判断污染轨迹的标准，即经过某网格的气团轨迹到达邯郸时对应的颗粒物浓度超过日平均二级标准值时则认为该轨迹为污染轨迹，反之则为清洁轨迹. 由于PSCF是一个概率，那么分母越小，PSCFij就越具有不确定性，从而引入了权重函数Wij，对PSCFij进行加权计算[21-22]，加权PSCFij记作WPSCF，计算见式（3），Wij的计算见式（4）：

      其中本文参考文献[23-24]，使用以下权重函数:

    2.   结果与讨论 （Results and discussion）

      2.1.   PM2.5和PM1的化学组分及其质量浓度

    • 本研究共分析邯郸市PM1和PM2.5的24份样品，如表1所示，PM1的质量浓度范围为16.95 μg·m−3至157.73 μg·m−3，平均（94.94±38.30） μg·m−3，PM2.5质量浓度范围为43.91 μg·m−3至309.43 μg·m−3，平均（164.50±79.39） μg·m−3. PM2.5浓度远大于《环境空气质量标准》（GB 3095—2012）二级标准（75 μg·m−3），说明邯郸市冬季大气颗粒物污染严重. 邯郸市城区冬季大气颗粒物质量浓度远高于中国其他城市，在PM1质量浓度方面，如：青岛（41.50 μg·m−3）[25]、兰州（54.90 μg·m−3）[26]、重庆（64.40 μg·m−3）[27]、广州（48.70 μg·m−3）[28]. PM2.5质量浓度方面，如：天津（62.85 μg·m−3）[29]、沈阳（71.9 μg·m−3）[30]、成都（100.20 μg·m−3）[31]、武汉（137.60 μg·m−3）[32]. PM1/PM2.5的比值范围为45.20%—79.81%，表明邯郸市冬季大气颗粒物污染主要受到微米气溶胶粒子的影响.

      从表1可以看出，二次无机气溶胶（NO3−、SO42-、NH4+）在PM1和PM2.5中占主导地位，并且在PM1中所占的平均百分率（43.88%）高于PM2.5中所占的平均百分率（42.56%）. 其他水溶性离子，如：Na+、K+和Cl−主要来源地壳和海盐[33]，其在PM2.5中的所占比例高于PM1中. 元素中Mn和Fe对于PM1的贡献更大；其他元素则对于PM2.5的贡献更大. Fe主要来源于工业、金属加工、生物质燃烧以及燃煤排放[34]. 综上所述，人为排放和二次生成的组分在粒径较小的颗粒物中积累较多，而自然源对粒径较大的颗粒物的贡献较大.

      • 2.2.   重污染期间邯郸市PM1的化学组分特征

    • 采样期间，共发现两个重污染期1月7—8日（S1）和1月10—14日（S2），分析重污染期间样品14个. 两个重污染期的质量浓度分别为如表2所示，其中污染最严重的时期为S2，PM1平均质量浓度为（124.77±25.56）μg·m−3. 从表2可以看出，S1阶段表现出质量浓度较高的元素主要来源于土壤，如：元素Mn、Mg和Ba. 而在S2阶段中，NO3−、SO42-和NH4+富集程度高于S1，这可能与华北地区冬季农业活动（施肥和生物质燃烧）排放有关系.

      从图1中可以看出，采样期间PM1/PM2.5的比值除少数几天外都大于0.5，说明邯郸市大气颗粒物污染主要受到PM1的影响作用；两个重污染期间，PM1/PM2.5的比值较其他时期有所下降，邯郸市可能在重污染期间受到河南、山东等地农业的大规模活动和工业排放的影响，造成颗粒物的大量排放，从而导致PM1在PM2.5中所占比例降低，与表2 S2阶段NO3−、SO42-、NH4+和K+的大量富集结论一致.

      • 2.3.   颗粒物化学组分来源分析

    • 以邯郸市PM1和PM2.5的化学组分数据为基础，进行了PM1和PM2.5的PMF分析，从1月5日到1月16日，共24份样品. 5到7个因素试验结果表明，6因素实验结果是最佳的，产生最合理的资源分配结果. PMF分析结果如图2所示. 因子1解释了PM1（36.1%）和PM2.5的最大部分（32.7%），判定为二次污染物，因为它在SO42−、NO3−和NH4+存在更高的载荷，其中二次污染物对于PM1的质量浓度贡献明显高于PM2.5（图2）. 因子2其特点是PM1（7.9%）中的Zn、Ni含量高，PM2.5（11.8%）中的Pb和Cu含量较高. Zn、Ni、Pb和Cu与地面交通有关，汽车尾气排放和金属制动器磨损都会向大气中排入四类元素[35]. 大量的车辆和邯郸市冬季干燥的空气都导致了一个大的交通移动源的产生. 因子3中PM1（20.8%）和PM2.5（16.0%）被发现高载荷Na、Fe、Cu和Zn，表明污染源为工业排放. Na主要来自工业排放[36]. 工业废渣、钢铁制造以及有色金属冶炼中含有丰富的Fe、Cu和Zn等排放物[37]. 邯郸市属典型的重工业城市，其自身又被京津冀钢铁产业链包围，因此受到工业园的影响较大. 工业排放明显增多颗粒物的数量，并且在粒径较小的气溶胶中富集. 因子4可被认为生物质燃烧，这类来源中包含了很大一部分作为生物质燃烧示踪剂的K+[38]，占PM1的6.8%和PM2.5的13.7%. 因子5以Mg、Ca、Ba和Fe为特征. Mg和Ca是明显的地壳示踪元素[39]，Ba和Fe主要是土壤或岩石风化的尘被刮入大气中造成的[40]，该因子的特征是扬尘源，占PM1的4.7%，PM2.5的5.0%. 因子6被定性为燃煤源，其中载荷较高的是Cl−、K+、Na+和Pb，此外SO42-和NO3−也有一定的占比. Cl−一般被认为是化石燃料燃烧的标识性元素[41]，占PM1的23.7%和PM2.5的20.8%.

      • 2.4.   颗粒物后向轨迹聚类分析

    • 利用MeteoInfo软件，结合2019年1月逐小时PM2.5质量浓度数据，对到达邯郸市两次重污染过程的后向气流轨迹进行聚类分析（表3），得到邯郸市气团输送路径特征. 轨迹的输送路径和方向表示气流到达邯郸市之前所经过的地区，通过轨迹长短可以判断气流的移动速度，长的轨迹对应快速移动的气流，短的轨迹对应移动缓慢的气流[42].

      对邯郸市2019年1月不同的重污染过程进行的后向轨迹聚类分析可以得出，S1阶段主要受到来自河南北部、内蒙古中部的气流影响（聚类1和聚类3），分别为37.50%和22.92%. 其次输送距离较远的气流（聚类2和聚类5）主要源自蒙古中部，途径内蒙古北部、河北北部、北京、天津、最后自山东西部抵达邯郸市、气流轨迹占比分别为12.50%和12.50%. 再次气流（轨迹4）从河北省内石家庄市传输至衡水市，最后抵达邯郸市，流轨迹占比为14.58%.

      S2阶段主要以我国西北部短距离输送为主，其中来自山西的气流轨迹（聚类1）占比55.00%，超过整体气流传输的一半. 源自内蒙古西北部和蒙古中部的气流轨迹（聚类4和聚类5）分别占比13.33%和10.83%. 其次最长的气流轨迹来自俄罗斯西南部（聚类3），占比5.00%. 同时相较于S1阶段，S2阶段多了来自内蒙古西南部的气流轨迹（聚类2），途径陕西北部，山西中部，最后抵达邯郸市，气流轨迹占比15.83%.

      总体来看，邯郸市冬季主要以西北气流为主；冬季重污染过程主要受到短距离气流传输影响较大；在持续时间较长的重污染过程如S2阶段，受到来自山西和邯郸市周边地区的气流传输影响超过50%，这可能与重污染期间邯郸市低温高湿的气候条件形成了一个相对稳定的大气环境有关，从而突出了短距离传输的影响力度，这与Zhang等[43]的研究结果一致.

      • 2.5.   PSCF 结果分析

    • 针对邯郸市PM2.5浓度污染情况，有必要进一步解析其潜在的污染来源区域，PSCF计算结果表明（表4），S1阶段，WPSCF高值区域（WPSCF > 0.6）主要分为3个部分，分别来自河南北部，河北东南部及邯郸市周边. 这些地区是华北主要的粮食产区，研究阶段正处于冬小麦的施肥期，化肥的使用导致了氨气的大规模排放，促进二次无机气溶胶的大量转化[43]. 河北东南部作为WPSCF高值区域之一，邯郸市的空气质量受到了其自身及其周边省市的极大影响，在很大程度上是由于重工业排放污染物[44]. 其他WPSCF较高值区域（0.3 < WPSCF < 0.6）如：北京、天津、河北东部以及山东西北部，不可忽视这些地区对于邯郸市PM2.5浓度的潜在贡献.

      S2阶段，WPSCF高值区域（WPSCF > 0.6）主要集中在河北中部，山西北部和邯郸市周边，说明此次重污染过程主要受到邯郸市周边地区气流短距离传输的影响，这是由于此阶段是邯郸市西北方向的本地排放和远距离输送. 冬季寒冷，华北地区大部分城市都以燃煤方式实现集中供暖，可能导致西北地区冬季大气颗粒物中煤烟尘含量较高. 此外，不同于S1阶段，从图中可以明显看出S2阶段有一个明显的远距离大气传输过程，从蒙古入境，经内蒙古中部，途径山西北部，最后进入邯郸市. 此气流轨迹（0.3 < WPSCF <0.6）说明了邯郸市此次重污染过程受到了较大的西北部远距离的气流输送影响. 这也说明了S2阶段是邯郸市周边地区的局部气流短距离传输和来自西北远距离的冷空气气流传输共同影响下形成的一次较长时间的PM2.5重污染过程.

    3.   结论（Conclusion）

    • （1） 研究期间邯郸市PM1和PM2.5平均质量浓度分别为（94.94±38.30） μg·m−3和（164.50±79.39） μg·m−3，其中PM1/PM2.5的比值范围为45.20%—79.81%. 二次无机组分（NO3−、SO42-、NH4+）在PM1（43.88%）和PM2.5（42.56%）中占主导地位，且PM1中二次无机组分和典型无机元素占比较高，表明人为排放和次生形成的组分在粒径较小的颗粒物中更易积累.

      （2） PMF分析显示主要受二次污染物、交通源、工业源、生物质燃烧、扬尘和燃煤源的影响；其在PM1中的贡献率分别为36.1%、7.9%、20.8%、6.8%、4.7%和23.8%；其在PM2.5中的贡献率分别为32.7%、11.8%、16.0%、13.7%、5.0%和20.8%.

      （3） 后向轨迹和化学组分分析结果表明，冬季生物质燃烧和化肥氨排放对邯郸市PM1具有潜在影响，且化肥氨排放主要来自冬季典型的农业活动.

      （4） 后向轨迹和潜在源分析结果表明，重污染过程中邯郸市PM2.5主要为西北短距离输送气流，其中河南北部，河北东北部，山东西部以及京津地区对于邯郸市PM2.5浓度贡献较大. 同时，不可忽视来自西北部的长距离输送气流其对于邯郸市PM2.5浓度的贡献. 从两个重污染过程可以得出邯郸市冬季重污染过程的产生主要是受到西北部长—短气流传输共同作用的结果.

    参考文献 (44)

返回顶部

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心