-
自2013年和2018年国务院分别印发了《大气污染防治行动计划》(大气十条)和《打赢蓝天保卫战三年行动计划》以来,我国多区域大气污染状况得到很明显的改善,全国优良天数呈现增长趋势,重污染天数显著减少,空气质量逐渐好转. 但大气颗粒物在多个区域,尤其是北方地区,仍作为首要污染物并处于较高的污染水平,较多地区颗粒物(PM2.5、PM10)年均浓度未达到国家二级标准,大气颗粒物仍为大气首要污染问题[1]. 水溶性离子是大气颗粒物的重要组成部分,主要包括Cl−、K+、Na+、
SO2−4 、NO−3 、NH+4 等离子,其中SO2−4 、NO−3 、NH+4 一般被称为SNA,SNA不仅是水溶性离子重要组成部分,同时也影响着臭氧的形成[2]. 有研究报道,水溶性离子在PM2.5中的占比可高达50%以上,对颗粒物的浓度水平起到了关键影响[3-4];同时水溶性离子能够影响大气降水的酸度[5],降低地区的大气能见度,也会直接或间接地影响全球辐射平衡和分布[6];而且也会对人体健康造成影响,引发人体心血管系统、免疫系统等一系列健康问题[7-10].近年来,有学者对大气颗粒物中水溶性离子的污染特征和来源解析进行了相关研究,但大都集中于京津冀[11-13]、长三角[14-16]、武汉[17-18]等经济较为发达的地区. 对西北地区的研究则主要集中在西安、兰州等[19-21]. 对水溶性离子的研究内容多集中于其浓度水平、季节时空变化、污染特征及来源解析等. 有学者对保定市PM2.5中水溶性离子进行来源解析,发现主要来源为生物质燃烧、化石燃料燃烧及扬尘源及二次源[22];Wang等对唐山郊区的PM2.5研究发现,冬季PM2.5浓度明显高于夏季,这主要与冬季燃煤供暖有关[23];孟红旗等研究了供暖前后对颗粒物中水溶性离子的影响发现,相较于供暖日前,供暖日后Cl−、
NO−3 、TWSI(total water soluble ion,总水溶性离子浓度)、Na+、Ca2+、NH+4 浓度均出现显著上升情况[24]. 因此研究水溶性离子污染特征,对于了解采暖季及非采暖季大气污染差异及其来源具有一定意义.张掖市是甘肃省重要的旅游中心城市和商贸流通枢纽、甘肃省农副产品加工和能源基地之一. 同时也是国家西部重要的生态安全屏障. 2018年至2020年,张掖市3年全年空气质量优良天数占比分别为84.1%、92.6%和93.4%,空气质量优良天数逐年增加并趋于稳定,空气质量正在逐年稳步转好. 大气颗粒物浓度年均虽然达标,但存在较大的时空分布差异,部分地区(高台县、临泽县、山丹县)PM10浓度超标;NO2近年来呈逐年上升态势. 近3年,张掖市的首要污染物主要是PM10、PM2.5和O3,2020出现频次分别为38.5%、19.6%和41.9%,全年颗粒物(PM10和PM2.5)作为首要污染物的频次共为58.1%. 因此,了解大气颗粒物的组成特征和来源对于张掖市大气污染防控和治理工作具有重要的指导意义. 目前关于张掖市大气颗粒物中水溶性离子污染特征及其来源等大气污染成因相关研究未见公开报道,本文的张掖市大气颗粒物中水溶性离子的污染特征及来源解析研究结果,可为张掖市大气颗粒物污染防治、大气污染管控和空气质量持续改善提供科学依据.
-
选择张掖市两个省控监测点作为PM2.5、PM10的采样点,一个为“张掖甘州区河西学院站”(100.44°E,38.95°N;以下简称:河西学院),周围是居住区和商业区,采样点周边无明显大的工业及其他污染点源,能较好代表张掖市大气颗粒物污染水平,将其作为主城区采样点,采样器放置在河西学院的第三教学楼七层楼顶,距离地面约25 m. 另一个为“张掖甘州区张掖湿地博物馆站”(100.45°E,38.97°N;以下简称:湿地公园),周围是风景区,采样点周边无明显工业及其他污染源,将该采样点作为背景对照点与主城区采样点对照比较,采样器放置楼顶距离地面约15 m. 采样器分别采用加载PM2.5和PM10切割头的武汉天虹中流量大气主动采样器(TH-150AⅡ),采样流量设置为100 L·min−1. 采样时段为2020年秋季、冬季及2021年春季、夏季. 4个季节每个采样点每种粒径共采集了100个以上有效样本,每个季节每个采样点设置1个场地空白. 采样时间为每天早上9点开始到次日早上8点结束,总共持续23 h.每24 h替换一次采样滤膜,当颗粒物浓度较高时,每日分别采集白天和黑夜2个样品.
-
样品的前处理及离子分析具体方法及原理见文献[25-26]. 离子分析采用离子色谱仪(ICS-1100,ThermoFisher, US,阴离子淋洗液:30 mmol·L−1 NaOH;阳离子淋洗液:20 mmol·L−1甲烷磺酸)对提取液中的Cl-、
SO2−4 、NO−3 、Na+、NH4+、K+、Mg2+、Ca2+浓度进行测定,在测定前用超纯水将阴阳离子储备液稀释6个浓度梯度(包含样品浓度范围)进行标准曲线的测定,保证各离子的标准曲线相关系数在0.999以上[26-27]. -
采样之前将所有空白滤膜放在马弗炉中在500 ℃高温下预烧4 h,以去除可能的碳物质污染物[25]. 采样前后滤膜均放在干燥器中平衡24 h后称重,称重好后的空白滤膜保存于膜盒中,储存于冰箱内冷藏待采样. 采样称重后的滤膜也用自封袋密封放在−20 ℃储存,直到样品分析. 采样前滤膜冷藏保存是为防止滤膜受污染,采样后滤膜冷冻保存的目的是防止样品受外界污染和防止样品组分损失和挥发.
在水溶性无机离子的分析中,利用空白校正和方法校正对样品测定结果进行校正. 每10个样品中随机挑选1个样品进行重复检测,当样品溶液浓度在0.03—0.1 μg·mL−1之间时相对标准偏差应<±30%;当样品溶液浓度在0.1—0.15 μg·mL−1之间时相对标准偏差应<±20%;而当样品溶液浓度高于0.15 μg·mL−1时相对标准偏差应<±10%.
同时,为了确保数据的准确性,整个实验过程中必须要进行规范化实施,称重期间、采样时操作必须携带口罩、丁腈橡胶手套,保证过程无携带污染.
-
离子电荷平衡通常被用于讨论大气气溶胶中离子的酸碱平衡情况,以帮助判断大气颗粒物的酸碱性. 研究表明,Cl−、
SO2−4 、NO−3 等阴离子会增加颗粒物的酸性,相反,Na+、NH+4 、K+、Mg2+、Ca2+等阳离子会增加颗粒物的碱性[28]. 阴离子电荷当量AE(anion equivalent)和阳离子电荷当量CE(cation equivalent)浓度的计算公式如下:式中,AE代表阴离子当量浓度,μeq·m−3;CE代表阳离子当量浓度,μeq·m−3;各离子为质量浓度,µg·m−3.
-
SO2−4 和NO3-是颗粒物中主要的二次水溶性离子,分别是由其气态前体物(二氧化硫、氮氧化物)经过气-粒的化学转化而成的. 通常用硫氧化率(SOR)和氮氧化率(NOR)来衡量大气中SO2向SO2−4 、NO2向NO−3 的转化程度[29]. SOR、NOR值较高,表示大气中存在明显的二次转化过程. SOR及NOR的计算公式如下所示[30]: -
正定矩阵因子分解模型(positive matrix factorization,PMF)是美国国家环保局推荐使用的源解析模型,自从1993年由Paatero和Tapper提出后[31],PMF模型得到了一系列的改进和优化,现在已经发展到了PMF5.0,在大气颗粒物以及多环芳烃等的源解析上得到了广泛的利用.
本研究使用PMF5.0来对张掖市PM2.5和PM10中的水溶性离子分别进行来源解析,其输入数据为采样期间各离子的浓度以及每个离子在采样期间每天的不确定度. 每个组分都通过其相应的信噪比(S/N)进行分类,信噪比越大表示该组分越适合于该模型. PMF的结果保证各组分模拟值与实测值相关性R2>0.6,斜率接近于1,截距接近于0,残差在−3和3之间[32]. 为了获得最优化和有说服力的因子个数,需要改变不同的因子个数来运行模型,直到得到一个符合研究区污染源排放的最合理的结果,此时Q值尽量小且最接近样本数与物种数乘积,且所得到的源最符合实际情况.
-
张掖市河西学院和湿地公园大气颗粒物中水溶性离子组成和SNA占比如图1所示. 其中,PM2.5总离子浓度年均值在河西学院和湿地公园分别为12.69 µg·m−3、10.86 µg·m−3,推测与主城区河西学院气态前体物排放水平整体较背景区湿地公园的排放较高密切相关. 河西学院PM2.5中的Mg2+、Ca2+、
SO2−4 较湿地公园高,推测与主城区河西学院PM2.5受到建筑扬尘和化石燃料等人为污染源排放较高相关. 河西学院和湿地公园PM10总离子浓度年均值分别为17.05 µg·m−3、19.06 µg·m−3,湿地公园春季较高的总离子浓度贡献了相较河西学院稍高的年均总离子浓度,推测与湿地公园春季PM10中较高的Ca2+、Mg2+、SO2−4 、NH+4 贡献相关. 两个采样点大气颗粒物中总水溶性离子浓度均是冬季最高,推测与冬季燃煤供暖等导致一次气态前体物及一次烟尘等排放增加,同时张掖市冬季静风,稳定的大气环境使得污染物易于积累,不易于扩散,且冬季晴天依然有很强的紫外线,进而发生光化学反应密切相关. 由此可见,一次排放是影响水溶性离子浓度水平的主控因素.值得注意的是,两个采样点大气颗粒物中冬季
NH+4 离子浓度和占比与NO−3 和SO2−4 一样,均为四季中最高,空间分布特征表现为河西学院稍高于湿地公园. 一般认为,农业和畜禽养殖对NH+4 的前体物氨排放的贡献主要发生于春季和夏季,对冬季的贡献占比较小. 分析张掖市冬季静风,稳定的大气环境使得NH+4 易于积累,不易于扩散,而且冬季较高的NH+4 浓度可能主要是来自张掖市冬季存在较高的非农业(如电力、工业、交通等)氨排放的贡献. 已有研究表明一般城市中主要的氨排放来源于非农业(如电力、工业、交通等)[33],而且冬季燃煤供暖也会造成较高的氨排放,导致NH+4 的浓度上升[24]. 因此推测张掖市冬季存在较高的因取暖导致的非农业如电力、工业等化石燃料燃烧排放的氨.SNA主要来源于气态污染物二次转化而来,其中
SO2−4 主要来自于化石燃料燃烧排放的硫氧化物二次转化;NO−3 主要来自于工业点源及机动车尾气等排放的氮氧化物二次转化;NH+4 主要来自其气态前体物氨的二次转化[34]. 两个采样点位PM2.5和PM10中的SNA(NH+4 、NO−3 和SO2−4 )在总水溶性离子中均占较高的贡献占比,但SNA在PM10中相较于PM2.5占比均较低. 张掖市年均SNA分别占PM2.5和PM10中总水溶性离子的63.96%和57.50%,表明张掖市大气中PM2.5和PM10均存在较高程度的光化学反应,且PM2.5较PM10存在更强烈的非均相光化学反应. 其中,冬季两个点位PM2.5和PM10中SNA占比比最高,夏季最低,后面对SOR和NOR的分析表明,冬季硫氮转化速率是高于夏季,而且推测与冬季SNA的一次气态前体物排放较高,而夏季一次气态前体物排放较低,SO2、NO2和NH3浓度在全年处于最低. 而气态前体物浓度是二次离子形成的关键条件[35],SO2、NO2和NH3浓度越高,会产生更多的SO2−4 、NO−3 和NH+4 ,表明张掖市大气颗粒物中SNA的生成受一次气态前体物一次排放影响较大. -
图2是水溶性离子的阴阳离子当量值相关性,由于本工作未测定F-及
CO2−3 浓度,会使得阴离子电荷当量(AE)值整体偏低,使得拟合直线斜率偏小,在一定程度上会对研究结果存在一些影响.由图2可见,颗粒物中的阴离子与阳离子当量浓度的相关系数均大于0.58,表明阴阳离子平衡性结果较为可信,两个采样点PM2.5和PM10阴阳离子线性回归方程斜率(AE/CE)均小于1. 这表明张掖市PM10和PM2.5阳离子有盈余,使得张掖市大气颗粒物偏碱性. 张掖市属于农业城市,农业活动、动植物活动和有机质腐化导致NH4+的气态前体NH3具较高的排放,同时张掖市非农业(包括电力、工业、废物和机动车)也存在较高的NH3排放. 张掖市深居西北内陆,属于半干旱地区,干燥少雨的气象条件导致扬尘(主要土壤扬尘、风沙扬尘和建筑扬尘)中Ca2+和Mg2+贡献较高程度的颗粒物碱性.
-
图3为张掖市PM2.5和PM10在两个采样站点采样时段的SOR及NOR值的情况. 研究表明,当SOR、NOR>0.1时说明大气中的
SO2−4 、NO−3 发生了二次转化[36]. 张掖市PM2.5和PM10中SOR年度均值均为0.26和0.32,这表明大气中SO2发生了二次转化且二次转化程度均较高. PM2.5中SOR的空间差异体现在,春季为河西学院>湿地公园,夏季两个采样点SOR区别不大,秋季和冬季均为河西学院<湿地公园. 表明春季河西学院所在主城区的PM2.5中硫氧化率要高于湿地公园所在的背景区,秋季和冬季则相反. 湿地公园较空旷的高紫外线气象条件更有利于SO2到SO2−4 的光化学转化,使得秋季和冬季的硫氧化率更高. 河西学院春季硫氧化率更高,可能是由于采样时段为采暖后期气态前体物排放量依然较大,且春季河西地区日间较强的紫外线和环境温度导致. PM10中SOR的空间差异表现为湿地公园>河西学院,这表明湿地公园所在的背景区PM10中硫氧化率要高于河西学院所在主城区.张掖市PM2.5和PM10的NOR年均值为0.22和0.27,说明张掖市大气NO2发生了二次转化且二次转化程度较高. PM2.5和PM10中两个采样点NOR值季节变化一致,冬季最高,夏季最低,且夏季除了湿地公园中PM10的NOR值高于0.1,其余采样点中NOR值均小于0.1. 张掖市冬季NO2更容易发生二次转化,而夏季转化程度最小. 受冬季供暖燃煤排放影响,
NO−3 的气态前体污染物排放增加,且冬季出现逆温和静风现象的频率更高于夏季和秋季,存在更加稳定的大气边界层,及较强紫外线,进而发生光化学反应,使得氮氧化率升高. 此外,NOR与温度则呈现显著负相关[35],这是因为空气中硝酸盐的稳定性较弱,温度较高时,NH4NO3易分解,所以冬季比较低的温度有利于NO2二次转化. 这些也进一步表明一次排放是影响张掖市水溶性离子浓度水平的主控因素. -
大气气溶胶二次离子中的
NO−3 、SO2−4 主要来自于化石燃料(石油和煤)燃烧排放的气态SO2、NOx和NH3的二次转化[33],而二次离子NO−3 及SO2−4 比值能较好反应固定源(主要为燃煤)与移动源(主要为道路机动车如汽车等)对大气中氮与硫的贡献[37]. 当比值小于1时,说明大气颗粒物中二次离子主要来自于固定源,当比值大于1时,大气颗粒物中二次离子主要来自于移动源.图4是2个采样点四季PM2.5和PM10中
NO−3 /SO2−4 比值. 从图4可以看出,两个采样点NO−3 /SO2−4 年度比值均小于1,说明固定源较移动源排放对张掖市大气颗粒物中二次离子有更大的贡献. 河西学院NO−3 /SO2−4 年度比值小于湿地公园,说明河西学院受固定源影响较湿地公园更大,这应该是由于城区生活及工业活动等固定污染来源均多于湿地公园所在地区.两个采样点不同季节相同粒径颗粒物中的
NO−3 /SO2−4 比值趋势基本一致,但在夏季采样时段河西学院PM10中NO−3 /SO2−4 比值小于1,表明夏季固定源较移动源排放对河西学院PM10中二次离子有更大的贡献;而湿地公园PM10中NO−3 /SO2−4 比值大于1,表明夏季移动源较固定源排放对湿地公园PM10中二次离子有更大的贡献. 推测是因为夏季旅游人数增加,湿地公园附近机动车数量增加,同时湿地公园存在着有利于NO−3 的生成气象条件(如紫外线较强). -
本研究基于张掖市河西学院和湿地公园两个采样点的大气颗粒物(PM10、PM2.5)中各水溶性离子组分 (Cl−、
NO−3 、SO2−4 、Ca2+、K+、Mg2+、Na+、NH4+)浓度、离子总浓度数据,采用PMF5.0软件对PM2.5和PM10中水溶性离子进行来源解析. 将离子总浓度的物种类别设置成“Total variable”类别,提高其不确定度[38].图5(a)是张掖市PM2.5中水溶性离子各排放源污染因子成分谱(图中PM2.5指PM2.5中水溶性离子总浓度). 因子1中
NO−3 (74.4%)、SO2−4 (58.4%)和NH+4 (61.4%)占比较高.NO−3 、SO2−4 和NH+4 是由其气态前体物经过与一系列大气化学反应二次转化而来,因此因子1识别为二次转化源[18,39];因子2中Ca2+(73.4%)和Mg2+(65.6%)贡献占比较高.Ca2+和Mg2+是典型的土壤离子,因此将因子2识别为扬尘源;因子3中K+(30.9%)和Na+(56.8%)贡献占比较高. K+一般被认为是生物质燃烧的特征组分,Na+的来源广泛,燃烧过程、地壳、扬尘和海盐均是其重要来源[33]. 张掖市地处内陆地区,所以Na+的来源大概率不是海洋. 同时本研究中K+与Na+的相关性为0.72,相关性较好,因此将因子3识别为生物质燃烧源;因子4中Cl−(83.0%)占比较高.Cl−受地域影响较大[40],在沿海地区,海洋是主要的贡献源,在内陆,Cl−主要是燃煤燃烧排放. 张掖市地处内陆,且能源结构以燃煤为主,因此将因子4识别为燃煤燃烧源.图5(b)是张掖市PM10中水溶性离子各排放源污染因子成分谱(图中PM10指PM10中水溶性离子总浓度). 因子1中Ca2+(63.1%)和Mg2+(53.9%)占比较高. Ca2+和Mg2+是典型的土壤离子,因此将其识别为扬尘源;因子2中
NO−3 (81.7%)、SO2−4 (52.0%)和NH4+(68.7%)占比较高,因此因子2识别为二次转化源; 因子3中Cl−(88.6%)占比较高.Cl−主要受燃煤燃烧影响,因此将因子3识别为燃煤燃烧源;因子4中K+(44.6%)和Na+(68.0%)占比较高. 生物质燃烧均会产生K+和Na+,同时本研究中K+与Na+的相关性为0.69,相关性较好,因此将因子4识别为生物质燃烧源.图6是张掖市各类污染源对PM2.5和PM10中水溶性离子的贡献占比.
图6分析结果显示,PM2.5的各类污染源贡献占比分别为二次转化源(47.1%)>扬尘源(23.0%)>燃煤燃烧源(17.7%)>生物质燃烧源(12.2%);PM10的各类污染源贡献占比分别为二次转化源(42.7%)>扬尘源(28.4%)>燃煤燃烧源(17.6%)>生物质燃烧源(11.3%). 可以看出,张掖市PM2.5中水溶性离子受二次转化源影响比PM10大,而扬尘对PM10中水溶性离子的贡献要大于PM2.5. 整体上来看张掖市PM2.5和PM10中水溶性离子受二次转化源影响最大. 二次转化源主要受化石燃料燃烧排放的硫氧化物二次转化、工业点源及机动车尾气等排放的氮氧化物二次转化和农业与非农业氨排放二次转化的影响. 张掖市是以燃煤作为主要能源结构的城市,冬季供暖大量使用燃煤,导致了燃煤燃烧对张掖市PM2.5和PM10中水溶性离子影响较大.
-
(1)水溶性离子组成及时空差异. 总水溶性离子浓度冬季最高,推测与冬季燃煤供暖等导致一次气态前体物及一次烟尘等排放增加及张掖市冬季依然可发生光化学反应密切相关. SNA占比夏季最低,表明夏季气态前体物排放较低. 可见一次排放是影响张掖市水溶性离子浓度水平的主控因素. NH4+冬季离子浓度和占比均为四季中最高,推测与张掖市冬季存在较高的因取暖导致的非农业如电力、工业等化石燃料燃烧氨的排放相关.
(2)水溶性离子的电荷平衡分析表明,张掖市PM10和PM2.5均呈碱性,即阳离子剩余而阴离子相对亏损,这与较高的Mg2+、Ca2+、
NH+4 离子浓度相关. 推测与张掖市夏季农业、冬季非农业(包括电力、工业、废物和机动车)存在较高的NH3排放相关. 张掖市深居西北内陆,属于半干旱地区,干燥少雨的气象条件导致扬尘(主要土壤扬尘、风沙扬尘和建筑扬尘)中Ca2+和Mg2+贡献较高程度的颗粒物碱性.(3)硫氧化率和氮氧化率分析表明,张掖市大气中SO2和NO2的二次氧化程度较高,但张掖市夏季硫氧化率和氮氧化率最低,推测张掖市夏季一次气态前体物排放较低,从而导致
SO2−4 和NO−3 生成减少,进一步说明一次排放是影响张掖市水溶性离子浓度水平的主控因素.(4)
NO−3 与SO2−4 浓度比值分析表明,采样期两个采样点内PM2.5和PM10中NO−3 与SO2−4 浓度比值为均小于1,说明张掖市固定源相较于移动源排放对大气颗粒物中二次离子有更大的贡献.(5)PMF源解析结果表明,张掖市PM2.5的各类污染源贡献占比分别是二次转化源(47.1%)>扬尘源(23.0%)>燃煤燃烧源(17.7%)>生物质燃烧源(12.2%);PM10的各类污染源贡献占比分别是二次转化源(42.7%)>扬尘源(28.4%)>燃煤燃烧源(17.6%)>生物质燃烧源(11.3%). 张掖市PM2.5和PM10中水溶性离子受二次转化源影响最大,大气中PM2.5和PM10均存在较高程度的光化学反应,PM2.5较PM10存在更强烈的非均相光化学反应.
(6)张掖市大气颗粒物治理对策. 基于对张掖市水溶性离子排放源的分析结果,张掖市应首先加强工业点源气态前体物及一次烟尘排放的管控,加强燃煤源(尤其是冬季)、机动车尾气源、各类扬尘源(主要包括建筑、道路、堆场和自然扬尘)、生物质燃烧源的管控,同时对PM2.5和O3的共同前体物(NOx和VOCs)进行科学减排来达到PM2.5和O3的协同管控.
张掖市大气颗粒物水溶性离子污染特征、来源
Characteristics and source apportionment of water-soluble ion as well as countermeasures for atmospheric particulate matter in Zhangye City
-
摘要: 张掖市大气颗粒物中水溶性离子污染特征及其来源相关研究未见公开报道,文章基于2020年秋季至2021年夏季间采集的张掖市大气颗粒物(PM2.5、PM10)样本(每种粒径100个以上有效样本),对其中8种主要水溶性离子(Cl−、
SO2−4 、NO−3 、Na+、NH+4 、K+、Mg2+、Ca2+)进行分析研究,并利用PMF模型对其来源进行了定量解析. 结果显示,SNA(NH+4 、NO−3 和SO2−4 )在PM2.5和PM10的水溶性离子中年均占比分别达到63.96%和57.50%,表明大气中存在较高程度的气态前体物排放及大气光化学反应;其中NH+4 冬季离子浓度和占比均为四季中最高,推测张掖市冬季存在较高的因取暖导致的非农业如电力、工业等化石燃料燃烧氨的排放;大气酸碱度分析表明大气中PM10和PM2.5均呈碱性,推测与较高水平的Mg2+、Ca2+、NH+4 阳离子浓度相关;SOR和NOR值显示大气中SO2和NO2的二次氧化程度较高,同时也进一步表明一次排放是影响张掖市水溶性离子浓度水平的主控因素;NO−3 与SO2−4 浓度比值为均小于1,表明固定源相较于移动源对大气颗粒物中二次离子贡献更大. 张掖市颗粒物中水溶性离子源解析结果显示,PM2.5:二次转化源(47.1%)>扬尘源(23.0%)>燃煤燃烧源(17.7%)>生物质燃烧源(12.2%);PM10:二次转化源(42.7%)>扬尘源(28.4%)>燃煤燃烧源(17.6%)>生物质燃烧源(11.3%). 建议张掖市应首先加强工业点源前体物排放管控,进而加强各类扬尘源(主要包括建筑、道路、堆场和自然扬尘)、生物质燃烧源、燃煤源、机动车尾气源的管控,同时对PM2.5和O3的共同前体物(NOx和VOCs)进行科学减排以达到PM2.5和O3的协同管控.Abstract: There is little information available on what the pollution characteristics and sources of water-soluble ion in atmospheric particulate matter in Zhangye City. In this paper, a field campaign was conducted to collect the atmospheric particulate matter (PM2.5, PM10) samples in Zhangye City from the period of 2020 autumn to 2021 summer ( more than 100 valid samples for each particle size), The eight kinds of water-soluble ions of samples including Cl−,SO2−4 ,NO−3 , Na+,NH+4 , K+, Mg2+, Ca2+ were analyzed, and their sources were quantitatively identified based on the PMF model. The results show that the annual average proportion of SNA (NH+4 ,NO−3 andSO2−4 ) in the water-soluble ions of PM2.5 and PM10 reached 63.96% and 57.50%, respectively, indicating that the strong atmospheric photochemical reactions were significantly occurred in term of the high precursor emissions in Zhangye City. The highest concentration and proportion ofNH+4 ions in atmospheric particulate matter are found in winter, inferring there were the heavy non-agricultural ammonia emissions caused by heating such as electricity, industry and other fossil fuel combustion. Both PM10 and PM2.5 are alkaline, which is deduced to be related to higher cation levels including Mg2+, Ca2+,NH+4 ; The values of SOR and NOR show that the secondary oxidation of SO2 and NO2 in the atmosphere was higher, indicating that the primary emission is the major impact factor to contribute the concentration level of water-soluble ions in Zhangye City; While that the ratio ofNO−3 toSO2−4 is less than 1, showing that the emission contribution of stationary source to secondary ions in atmospheric particulate matter is greater than that of mobile source. The source apportionment results of water-soluble ion in particulate matter reveal that the contributions of various emission source of water-soluble ion are as follows from larger to small: PM2.5: secondary formation source (47.1%) > dust source (23.0%) > coal combustion source (17.7%) > biomass combustion source (12.2%); PM10: secondary formation source (42.7%) > dust source (28.4%) > coal combustion source (17.6%) > biomass combustion source(11.3%) in atmospheric particulate matter of Zhangye City, suggesting that the priority countermeasure of atmospheric pollution mitigation in Zhangye City should be firstly taken to cut the gaseous precursor emissions from industrial point source, and then reduce various dust source (such as buildings, roads, storage yards and natural dust etc.), follows are the biomass combustion sources, coal combustion sources, and vehicle exhaust sources. Moreover, to cutting down the common precursors (NOx and VOCs) for both PM2.5 and O3 are significantly to be pay attention to achieve the coordinated control of PM2.5 and O3. -
近年来,我国一些发达地区的村落建设了分散式农村污水处理设施,并取得了较好的环境效益,但这些村落污水的治理,仍以COD、氨氮、总磷等污染物的降解为考核目标,而农村居民生活水平和医疗条件在不断提高,村落水环境中EDCs浓度水平也相应增加,其对水环境生态和人类健康危害日益严重[1],尤其是农村地区,EDCs通过灌溉形式,直接被稻、麦、瓜果等农作物吸收,进而进入食物链。EDCs是一种能扰乱生物体新陈代谢平衡的化学物质,主要分为天然产生(E1、E2、E3)及人工合成(EE2)[2]。据报道,各种环境基质中均检测到不同浓度的EDCs,水体中其质量浓度可低至10−6(1 μg·L−1)量级和10−9(1 ng·L−1)量级,而EDCs在极低浓度下就可引起水生生物的生殖发育障碍[3-4]。主要原因在于,EDCs与生物体内的雌激素受体结合而干扰生物内分泌系统正常代谢[5]。Legler等[6]研究发现,当自然水体中E2浓度达到1.0 ng·L−1时,可引起生物体内分泌紊乱。Cappiello等[7]发现不少猝死婴儿体内残留的EDCs含量相对普通新生婴儿较高;Clarke等[8]研究表明,妊娠期女性若接触过量EE2,则将増加母女患乳腺癌的风险。由此可见,当EDCs进入动物食物链,再经过层层传递,最终在人类体内积累,对人体健康损害威胁相应不断增大。
国内外众多学者研究表明,耕作型稻田复合生态系统通过“微生物-稻田湿地”耦合的复合系统对村落污水中的有机污染物进行生物降解,其主要依靠水稻复杂的根系及其附着的生物膜协同净化作用,不但可以达到净化村落污水的效果,还可以产生水稻增肥的效益[9]。但存在类固醇类激素(EDCs)环境污染及生态危害问题。现阶段,人为去除环境中雌激素类污染物主要通过吸附[10]、光催化氧化[11]、生物降解[12]的3种途径使EDCs在环境中迁移、降解。阳春等[10]研究表明,污泥对雌激素的吸附主要来自于污泥中的活性成分,而被生物表面所吸附的雌激素才能被生物降解。光解与氧化作用是EDCs真正的分解过程,因为它不可逆的改变了分子结构,强烈影响其在环境中的归趋,但光降解类固醇雌激素极易受pH的影响,近期有一些研究表明类固醇雌激素光氧化降解后产生的代谢产物仍具有雌激素活性[11]。生物降解通过微生物新陈代谢和自身与周围环境进行物质交换,达到将污染物去除或转化为无害无毒的物质[12],日益受到人们的重视。
本文针对村落污水中的类固醇类激素(EDCs)环境污染及生态危害问题,构建耕作型稻田湿地[13],并以本课题组筛选的农药降解菌HD为EDCs生物强化降解菌[14],考察其对EDCs的降解效能,以期为村落水环境中的EDCs降解机制及环境生态影响评价提供参考。
1. 材料与方法(Materials and methods)
1.1 试验装置与进水水质
耕作型稻田湿地试验装置分2组,A组为空白对照组,B组为HD菌剂强化组。试验装置如图1所示,整个耕作型稻田湿地装置采用PP板(L×B×H=1 m×0.4 m×0.65 m),由集水区、湿地处理区和出水区3部分所组成,集水区沸石[15]层厚度200 mm,湿地填料层厚度300 mm,自下而上由40—50 mm砾石、15—35 mm红砖碎块、4—8 mm陶粒组成,孔隙率约30.8%;试验进水通过恒流水泵抽入集水区,经集水区的沸石层有效拦截后,再进入稻田湿地。装置内的土壤,取自常州洛阳镇薛家河周边稻田表层15—20 cm处土壤,所取土壤为该地区连年种植水稻土,装置内土壤层厚度为20 cm。耕作层厚度10 cm。水稻秧苗取自常州市洛阳镇薛家河周边水稻田中,种植密度为45株·m−2。
菌剂投加:A、B二组均采用自然进水法生物膜培养,当镜检可见填料上有褐色生物膜和原生动物及COD降解率超过60%时,认为生物挂膜成功。此时在B组中投加HD菌剂,配制100 mL的基础液体培养基(氯化钠:0.5 g,七水合硫酸镁:0.5 g,七水合硫酸亚铁:0.002 g,硫酸铵:1.5 g,氯化钙:0.04 g,磷酸氢二钾:1.5 g,磷酸二氢钾:1.5 g,蒸馏水:1 L,琼脂粉:20 g,pH:7.2—7.4),按照体积分数2.5%的比例接入菌种HD,培养48 h,将菌液混合后,再按照1%的投加比例混入进水中,随进水进入B组耕作型稻田湿地系统,连续投加2周,进行菌剂强化挂膜。A组不投菌,在正常条件下进行生物挂膜,为试验对照组。
农药降解菌HD筛选自南京某废弃农药厂的土壤中,是一株具有降解2,4-二氯苯酚能力的菌,现保藏于中国微生物菌种保藏管理委员会普通微生物中心,保藏编号:CGMCC No. 15123。经理化特性和分子鉴定判断属于摩式假单胞菌属(Pseudomonas mosselii)。
试验进水水质如表1所示。在生活污水的基础上添加少量内分泌干扰物,模拟进水内分泌干扰物浓度波动,如表2所示。
表 1 试验进水水质Table 1. Test water quality指标Index CODcr/(mg·L−1) 总磷/(mg L−1)TP 氨氮/(mg·L−1) -NNH+4 总氮/(mg·L−1)TN pH 范围 87—156 2.23—5.69 8.75—16.34 10.86—18.33 7.39—7.84 表 2 进水内分泌干扰物浓度(μg·L-1)Table 2. Concentration of endocrine disruptors in water inlet(μg·L-1)类固醇Steroid estrogen E1 Estrone E2 Estradiol EE2 17-α-ethinylestradiol E3 Estriol 原水浓度 10.13—15.25 0.79—1.1 0.88—1.82 6.31—9.58 模拟进水浓度 38.69—60.13 9.86—14.32 10.89—13.21 33.28—54.36 1.2 试验仪器与试剂
表 3 主要试验试剂Table 3. Main experimental reagents药品名称Drug names 分子式Molecular formula 规格Specification 生产单位Production unit E1 C18H22O2 — 阿拉丁 E2 C18H24O2 — 阿拉丁 E3 C18H24O3 — 阿拉丁 EE2 C20H24O3 — 阿拉丁 BSTFA C8H18F3NOSi2 — 阿拉丁 吡啶 C5H5N AR 永华化学科技(江苏) 丙酮 CH3COCH3 AR 国药 正己烷 C6H14 AR 江苏强盛功能化学 二氯甲烷 CH2Cl2 AR 永华化学科技(江苏) 雄烷 C19H23 — 北京谱析科技有限公司 表 4 试验主要仪器Table 4. Experimental main instruments仪器设备Instrument and equipment 型号Model number 生产单位Production unit 多用途高速离心机 SORVALL Thermo electron corporation 行星式球磨机 QM-1SP2 南京大学仪器厂 超声波细胞粉碎机 JY96-Ⅱ 宁波新芝生物科技股份有限公司 气质联用 Trace ISQLT 美国赛默飞科技有限公司 1.3 水样预处理
采集1 L水样,GF/F(0.45 μm)滤膜抽滤,滤液用99%的浓硫酸调节至pH3以下。
固相萃取:利用Simon Acti-Carb SPE柱进行固相萃取,首先活化SPE,分别加入2.5 mL甲醇3次,3.5 mL超纯水3次,控制流速在10 mL min−1,进行萃取,待水样萃取完,再分别加入8 mL甲醇、8 mL二氯甲烷、8 mL正己烷进行洗柱,最后用10 mL的二氯甲烷和丙酮的混合溶液淋洗,收集淋洗液,在35—40 ℃的水浴中,用高纯度氮气吹至1 mL,放入冰箱待用,具体步骤见图2。
1.4 土样预处理
稻田土壤采集后,自然风干,去除杂石杂草,用球磨机在400 r·min−1的条件下充分研磨,过20目筛网,混匀后放入冰箱待用。预处理时,称取1 g的样品,放入10 mL的离心管中,加入5 mL溶剂(甲醇∶丙酮=1∶1),超声波萃取10 min,随后以5000 r·min−1转速离心10 min,收集上清液至25 mL离心管中。重复以上步骤2次,合并上清液后,经高纯度氮气吹至1 mL后,定容至20 mL。最后按照图2水样预处理的方法,进行固相萃取。
1.5 衍生化处理
环境中类固醇类EDCs的含量相对较低,且由于这类化学物质都含有—OH官能团,极性较强,若直接采用气质联用测定,在测定过程中容易被色谱柱所吸附,从而造成实测浓度小于实际浓度,因此为降低该类物质的极性,提高其热稳定性,增加了衍生化步骤,即在正常衍生化的步骤中,又增添了吡啶,可以有效降低EE2的衍生产物转变为E1的衍生产物。黄成等[16]对某制药厂污水样品中E1、E2、E3和EE2衍生化后使用气相色谱/质谱法(GC-MS)分析表明,4种目标化合物的加标回收率达到(94.0%±2.9%)—(101.0%±3.8%),说明GC-MS法可应用于污水中雌激素化合物定量检测。
衍生化方法是在1.5 mL色谱进样瓶中加入100 μL的混合标液,通入高纯度氮气将其缓慢吹干,接着在进样瓶中加入25 μL BSTFA和50 μL吡啶,待其反应一定时间后吹干,最后加入V(二氯甲烷)∶V(正己烷)=1∶4的进样溶剂和10 μL 0.01 g·L−1的内标,取1 μL注入GC-MS分析,在空白污水样品中添加100,300、500 ng·L−1 等3个浓度水平的目标物,测定回收率。衍生化的具体反映结构变化如下:
1.6 EDCs的测定条件
试验中E1、E2、EE2、E3选用气质联用进行测定,色谱柱为TG-5MS(30 m×0.25 mm×0.25 μm),气相条件如下:
GC:以氦气为载气,流速1 mL·min−1;不分流方式进样,进样口温度280 ℃,进样体积1 μL;柱初始温度为50 ℃,保持2 min,以12 ℃·min−1程序升温至260 ℃,保持8 min,再以3 ℃·min−1升温至280 ℃,保持5 min;
MS:接口温度280 ℃,传输线温度300 ℃,离子源为EI源,温度250 ℃,电子轰击能量70 eV,溶剂延迟时间12 min,以全扫描模式定性,扫描范围50—600 m/z,以选择离子扫描模式定量;
根据其衍生产物的特征碎片离子分布特征来确定目标产物的实际浓度,衍生产物实际参数如表5所示。
表 5 衍生产物的相应参数Table 5. corresponding parameters of derivative products衍生产物Derivative product 保留时间/min Retention time 特征碎片离子(m/z)Characteristic fragment ion 线性回归方程Equation of linear regression TMS-E1 24.28 342、327、285 Y=(9.43×108)x+(1.02×109);R2=0.91 di-TMS-E2 25.43 416、401、285 Y=(1.08×107))x+(7.55×106);R2=0.91 di-TMS-EE2 27.03 440、425、285 Y=(1.90×107))x+(3.92×106);R2=0.92 Tri-TMS-E3 28.43 504、489、285 Y=(1.14×106)x+(2.38×106);R2=0.90 注:x为目标产物的实际浓度,单位mg·L−1,Y为色谱峰面积. Note:x is the actual concentration of the target product, unit: mg·L−1, Y is the peak area. 2. 结果与讨论(Results and discussion)
2.1 耕作型稻田湿地去除EDCs效能分析
图3是2018年7月至11月,水稻生长过程中,耕作型稻田湿地对EDCs中E1、E2、EE2、E3的去除效果图。从图3可以看出,生活污水中EDCs通过耕作型稻田湿地吸附降解后,A组的E1、E2、EE2、E3的平均去除率为80.1%、72.4%、68.3%、51.4%,B组的平均去除率为82.6%、73.4%、75.6%、60.5%,除了E3外,其余各目标污染物的去除率均在65%以上,Baronti[17]在试验过程中发现E2在生物降解过程中,一部分的E2较易氧化转化成E1,遵循典型的醇氧化为酮原则,而E1通过水和作用又转化为E3,随着中间产物的不断产生,进而导致了出水E3浓度偏高。B组投加HD菌后,可能是假单胞菌HD诱导产生了羟基酶[18],相比A组E1、E2去除率未发生明显变化,EE2和E3去除率增高7%—9%,Huang等[19]发现,在BPA(双酚A)降解的河流底泥中,假单胞菌和鞘单胞菌占据了原有细菌群落的73%,由此可见,向湿地中投加假单胞菌HD有助于提高EDCs的去除率。
湿地经过5个月的连续运行后,投菌组B中的EDCs残留量明显低于未投菌组A。由图3中的实测数据,经计算B组湿地出水中E1、E2、E3和EE2含量相比A组分别降低约26.6%、17.1%、30.3%、13.3%。试验时间跨秋夏两季,夏季EDCs的去除效果要明显优于秋季,这主要是因为夏季正值水稻生长期,水稻根系对EDCs有一定吸收作用,夏季温度较高,微生物活性较强,微生物新陈代谢较为旺盛,运行至秋季时,温度降低,水稻收割,微生物活性逐渐降低,EDCs的降解率并未大幅下降,说明人工湿地中填料层及土壤层对EDCs的去除起到了一定作用。
2.2 HD菌剂强化后耕作型稻田湿地各生物单元对EDCs去除分析
图4为耕作型稻田湿地经HD菌剂强化后EDCs浓度变化趋势图,沿程对E1、E2、E3和EE2的总去除率分别为88.6%、76.3%、64.8%和81.2%。3个生物单元填料层、土壤层、耕作层对E1去除率分别为16.2%、75.1%、28.2%,对E2去除率分别为14.5%、61.8%、18.7%,对E3去除率分别为20.6%、49.8%、10.4%,对EE2去除率分别为8.9%、43.4%、-8.1%,显然土壤层对EDCs的去除贡献占比相对最大,主要是因为土壤中微生物种群丰度要远高于填料层孔隙中生物膜上的微生物种群丰度,同时,土壤中还有分布广泛的水稻根系,通过其根系的泌氧作用,刺激微生物活性,促进微生物新陈代谢,进而加强了微生物降解能力,而填料层的填料作为微生物的代谢场所[20],其主要作用有二:一是直接吸附EDCs,二是作为微生物的载体,在其表面形成微生物集聚(生物膜),为生物膜微生物吸附、吸收、降解EDCs提供平台。其中E1、E2、E3的降解沿程越往后,目标污染物浓度越低,但EE2在经过土壤层的降解后,其浓度却略有提升,一方面,据Ascenzo等[21]研究显示,EE2的生物降解只发生在好氧段,因为EE2拥有乙炔基,从空间结构上来看,这对基团基质和受体的结合有阻碍作用,使得酶活性表达受阻,且在厌氧阶段,会使其由结合态变为游离态,导致EE2不易被降解,另一方面,Li等[22]研究发现,EE2在厌氧条件下更有利用吸附,耕作层分布有植物根系,植物根系的泌氧作用使得填料层吸附作用相比土壤层较弱。同时在降解过程中E3的含量在进水时略低于E1,但随着沿程越往后E3出水浓度高于E1,因为E2在生物降解过程中,一部分的E2较易氧化转化成E1,而E1通过水和作用又转化为E3,随着中间产物的不断产生,进而导致出水E3浓度偏高。
2.3 耕作型稻田湿地水芹种植期土壤中残留EDCs的变化特征
类固醇类EDCs多半有亲脂疏水的特性,易被土壤所吸附,一般类固醇类EDCs在环境中的半衰期为5—25 d不等,土壤中残留的EDCs会在一定时期,通过迁移、浸出到水体中,所以稻田湿地水体中EDCs含量通常偏高[23]。图5反应了耕作型稻田湿地净化过程中,土壤中残留EDCs含量的变化趋势,可看出投菌组B中E1、E2、EE2残留量明显小于A组,可见稻田湿地微生物对EDCs进行生物降解时,反硝化假单胞菌[24]使得反硝化细菌种群丰度提升,有利于E1的生物降解,说明HD菌促进了土壤层中羟基酶的产生,提高了其对EDCs的去除效率。从图5可看出,EE2浓度是先增后减,可能是由于EE2较为稳定不易降解。Ternes等[25]研究EE2的生物降解特性,发现1 mg·L−1的EE2经24 h后几乎无降解。10月水稻收割后,新种植了水芹,据Schroeder等[26]研究发现水芹在24 h内便能通过茎部富集近0.9 ng·L−1的EE2,所以后期EE2浓度又显下降趋势。B组中E3浓度一直呈上升趋势,任海燕等[27]研究发现,对EE2降解中间产物进行质谱分析推测,EE2在降解过程中首先被氧化为E1,后经过一系列生物催化作用生成2-羟基-2,4-二烯-戊酸和2-羟基-2,4-二烯-1,6-己二酸两种中间代谢产物,E1通过水合作转化为E3,又E2在生物降解过程中部分较易被氧化转化为E1,E1通过水合作用又转化为E3,故而导致土壤中E3浓度不断增高。湿地运行初期E1、E2浓度分别增加了85%、25%,EE2、E3浓度下降了60%、30%,这主要是因为生活污水中EDCs的构成主要以天然雌激素中的E1、E2为主,且其主要为结合态形式,极性更强,更易被土壤所吸收[28],且溶解性有机物的共轭物在经细菌酶分解时,亦会产生E1的衍生产物[29],进而导致E1浓度提高。虽然土壤层对于EDCs的降解效果较好,但初期由于土壤中生物种群尚未稳定,所以导致E1、E2的处理效果受限。
3. 结论(Conclusions)
(1)未投菌的A组对雌酮(E1)、雌二醇(E2)、雌三醇(E3)及17α-乙炔基雌二醇(EE2)的平均去除率分别为80.1%、72.4%、51.4%、68.3%,投加HD菌剂强化的B组平均去除率分别为82.6%、73.4%、60.5%、75.6%,A、B两组耕作型稻田湿地对E3去除率相比E1、E2、EE2最低。E2在生物降解过程中较易氧化转化成E1,而E1通过水和作用又转化为E3,随着中间产物的不断产生,出水E3浓度增大。A、B两组耕作型稻田湿地中,除E3外E1、E2、EE2去除率均在65%以上,EE2的生物降解只发生在好氧段,EE2拥有乙炔基,从空间结构上来看,这对基团基质和受体的结合有阻碍作用,使得酶活性表达受阻,且在厌氧阶段,会使其由结合态变为游离态,致使EE2不易被降解。
(2)投加HD菌后,耕作型稻田湿地对E1、E2、E3和EE2的总去除率分别为88.6%、76.3%、64.8%和81.2%。耕作层、土壤层、填料层3个生物单元对EDCs(E1、E2、E3、EE2)去除效果均有提升,其中:对E1去除率分别为16.2%、75.1%、28.2%;对E2去除率分别为14.5%、61.8%、18.7%;对E3去除率分别为20.6%、49.8%、10.4%;对EE2去除率分别为8.9%、43.4%、−8.1%。HD菌对耕作型稻田湿地中微生物群落产生影响,诱导产生的羟基酶有利于降解EDCs,从而提高了EDCs的去除效率。耕作型稻田湿地经HD菌剂强化后,3个生物单元中明显土壤层对EDCs去除贡献相对较大,土壤层微生物种群丰度更大,且土壤层中还分布有广泛的水稻根系,不仅为微生物代谢提供营养物质和氧气,还进一步提高了其生物分解能力。
(3)湿地运行初期,耕作型稻田背景土壤中残留的EDCs含量相对较高,经过5个月的连续运行后,土壤中EDCs含量明显下降,投菌组B中的EDCs残留量要明显低于未投菌组A,B组湿地出水中E1、E2、E3和EE2含量相比A组可分别降低约26.6%、17.1%、30.3%、13.3%。表明HD菌剂能强化耕作型稻田湿地土壤中EDCs的降解。本研究对于村落水环境中的EDCs降解机制及环境生态影响评价有一定的参考价值。
-
-
[1] 王文兴, 柴发合, 任阵海, 等. 新中国成立70年来我国大气污染防治历程、成就与经验 [J]. 环境科学研究, 2019, 32(10): 1621-1635. doi: 10.13198/j.issn.1001-6929.2019.09.15 WANG W X, CHAI F H, REN Z H, et al. Process, achievements and experience of air pollution control in China since the founding of the People's republic of China 70 years ago [J]. Research of Environmental Sciences, 2019, 32(10): 1621-1635(in Chinese). doi: 10.13198/j.issn.1001-6929.2019.09.15
[2] 李红, 彭良, 毕方, 等. 我国PM2.5与臭氧污染协同控制策略研究 [J]. 环境科学研究, 2019, 32(10): 1763-1778. LI H, PENG L, BI F, et al. Strategy of coordinated control of PM2.5 and ozone in China [J]. Research of Environmental Sciences, 2019, 32(10): 1763-1778(in Chinese).
[3] YIN L Q, NIU Z C, CHEN X Q, et al. Characteristics of water-soluble inorganic ions in PM2.5 and PM 2.5-10 in the coastal urban agglomeration along the Western Taiwan Strait Region, China [J]. Environmental Science and Pollution Research International, 2014, 21(7): 5141-5156. doi: 10.1007/s11356-013-2134-7 [4] BOUGIATIOTI A, ZARMPAS P, KOULOURI E, et al. Organic, elemental and water-soluble organic carbon in size segregated aerosols, in the marine boundary layer of the Eastern Mediterranean [J]. Atmospheric Environment, 2013, 64: 251-262. doi: 10.1016/j.atmosenv.2012.09.071 [5] 孙韧, 张文具, 董海燕, 等. 天津市PM10和PM2.5中水溶性离子化学特征及来源分析 [J]. 中国环境监测, 2014, 30(2): 145-150. doi: 10.3969/j.issn.1002-6002.2014.02.029 SUN R, ZHANG W J, DONG H Y, et al. Chemical character and source analysis of water-soluble irons in PM10 and PM2.5 in Tianjin City [J]. Environmental Monitoring in China, 2014, 30(2): 145-150(in Chinese). doi: 10.3969/j.issn.1002-6002.2014.02.029
[6] 郭照冰, 包春晓, 陈天蕾, 等. 北京奥运期间气溶胶中水溶性无机离子浓度特征及来源解析 [J]. 大气科学学报, 2011, 34(6): 683-687. doi: 10.3969/j.issn.1674-7097.2011.06.006 GUO Z B, BAO C X, CHEN T L, et al. Mass concentration characteristics and source apportionment of water-soluble inorganic ions in aerosol in Beijing during 2008 Beijing Olympic Games [J]. Transactions of Atmospheric Sciences, 2011, 34(6): 683-687(in Chinese). doi: 10.3969/j.issn.1674-7097.2011.06.006
[7] ZHAO C, NIU M Y, SONG S Y, et al. Serum metabolomics analysis of mice that received repeated airway exposure to a water-soluble PM2.5 extract [J]. Ecotoxicology and Environmental Safety, 2019, 168: 102-109. doi: 10.1016/j.ecoenv.2018.10.068 [8] WU H Y, WANG D, SHI H, et al. PM2.5 and water-soluble components induce airway fibrosis through TGF-β1/Smad3 signaling pathway in asthmatic rats [J]. Molecular Immunology, 2021, 137: 1-10. doi: 10.1016/j.molimm.2021.06.005 [9] SHKIRKOVA K, LAMORIE-FOOTE K, CONNOR M, et al. Effects of ambient particulate matter on vascular tissue: A review [J]. Journal of Toxicology and Environmental Health, Part B, 2020, 23(7): 319-350. doi: 10.1080/10937404.2020.1822971 [10] NIU Y, CHEN R J, XIA Y J, et al. Fine particulate matter constituents and stress hormones in the hypothalamus-pituitary-adrenal axis [J]. Environment International, 2018, 119: 186-192. doi: 10.1016/j.envint.2018.06.027 [11] HU G Y, ZHANG Y M, SUN J Y, et al. Variability, formation and acidity of water-soluble ions in PM2.5 in Beijing based on the semi-continuous observations [J]. Atmospheric Research, 2014, 145/146: 1-11. doi: 10.1016/j.atmosres.2014.03.014 [12] DAO X, WANG Z, LV Y B, et al. Chemical characteristics of water-soluble ions in particulate matter in three metropolitan areas in the North China Plain [J]. PLoS One, 2014, 9(12): e113831. doi: 10.1371/journal.pone.0113831 [13] CHEN J, QIU S S, SHANG J, et al. Impact of relative humidity and water soluble constituents of PM2.5 on visibility impairment in Beijing, China [J]. Aerosol and Air Quality Research, 2014, 14(1): 260-268. doi: 10.4209/aaqr.2012.12.0360 [14] ZHANG X Y, ZHAO X, JI G X, et al. Seasonal variations and source apportionment of water-soluble inorganic ions in PM2.5 in Nanjing, a megacity in southeastern China [J]. Journal of Atmospheric Chemistry, 2019, 76(1): 73-88. doi: 10.1007/s10874-019-09388-z [15] WANG G H, WANG H, YU Y J, et al. Chemical characterization of water-soluble components of PM10 and PM2.5 atmospheric aerosols in five locations of Nanjing, China [J]. Atmospheric Environment, 2003, 37(21): 2893-2902. doi: 10.1016/S1352-2310(03)00271-1 [16] 王心培, 王格慧, 谢郁宁, 等. 长三角背景点夏季大气PM2.5中水溶性无机离子污染特征及来源解析 [J]. 环境科学研究, 2020, 33(6): 1366-1375. WANG X P, WANG G H, XIE Y N, et al. Chemical characterization and source apportionment of water-soluble inorganic ions of summertime atmospheric PM2.5 in background of Yangtze River Delta region [J]. Research of Environmental Sciences, 2020, 33(6): 1366-1375(in Chinese).
[17] HUANG T, CHEN J, ZHAO W T, et al. Seasonal variations and correlation analysis of water-soluble inorganic ions in PM2.5 in Wuhan, 2013 [J]. Atmosphere, 2016, 7(4): 49. doi: 10.3390/atmos7040049 [18] 程渊, 吴建会, 毕晓辉, 等. 武汉市大气PM2.5中水溶性离子污染特征及来源 [J]. 环境科学学报, 2019, 39(1): 189-196. CHENG Y, WU J H, BI X H, et al. Characteristics and source apportionment of water-soluble ions in ambient PM2.5 in Wuhan, China [J]. Acta Scientiae Circumstantiae, 2019, 39(1): 189-196(in Chinese).
[19] 杨素霞, 曹军骥, 沈振兴, 等. 西安冬、夏季PM2.5中水溶性无机离子的变化特征 [J]. 环境化学, 2012, 31(8): 1179-1188. YANG S X, CAO J J, SHEN Z X, et al. Variations of water-soluble ions in PM2.5 at Xi'an between summer and winter [J]. Environmental Chemistry, 2012, 31(8): 1179-1188(in Chinese).
[20] 王亚男. 兰州市大气细颗粒物PM2.5的化学组成及来源分析[D]. 兰州: 兰州大学, 2017. WANG Y N. Chemical characterization and source apportionment of PM2.5 in Lanzhou, China[D]. Lanzhou: Lanzhou University, 2017(in Chinese).
[21] 代志光, 张承中, 李勇, 等. 西安夏季PM2.5中碳组分与水溶性无机离子特征分析 [J]. 环境工程学报, 2014, 8(10): 4366-4372. DAI Z G, ZHANG C Z, LI Y, et al. Analysis of carbon components and water-soluble inorganic ions in PM2.5 of Xi'an during summer [J]. Chinese Journal of Environmental Engineering, 2014, 8(10): 4366-4372(in Chinese).
[22] 武志宏, 孙爽, 武高峰, 等. 保定市PM2.5中水溶性离子污染特征及来源分析 [J]. 环境化学, 2021, 40(5): 1421-1430. doi: 10.7524/j.issn.0254-6108.2019120901 WU Z H, SUN S, WU G F, et al. The pollution pattern and source analysis of water-soluble ions of PM2.5 in Baoding City [J]. Environmental Chemistry, 2021, 40(5): 1421-1430(in Chinese). doi: 10.7524/j.issn.0254-6108.2019120901
[23] WANG B Q, TANG Z Z, CAI N N, et al. The characteristics and sources apportionment of water-soluble ions of PM2.5 in suburb Tangshan, China [J]. Urban Climate, 2021, 35: 100742. doi: 10.1016/j.uclim.2020.100742 [24] 孟红旗, 张家兴, 韩桥, 等. 冬季供暖对城市大气PM2.5水溶性组成及污染源解析的影响 [J]. 环境化学, 2021, 40(9): 2768-2779. doi: 10.7524/j.issn.0254-6108.2021020402 MENG H Q, ZHANG J X, HAN Q, et al. Impacts of municipal heat supply in winter on water-soluble ions and sources identification of atmospheric PM2.5 [J]. Environmental Chemistry, 2021, 40(9): 2768-2779(in Chinese). doi: 10.7524/j.issn.0254-6108.2021020402
[25] 张贞理, 唐冠宁, 蔡俊峰, 等. 离子色谱法同时测定大气可吸入颗粒物PM10中14种水溶性离子 [J]. 分析试验室, 2014, 33(1): 39-42. ZHANG Z L, TANG G N, CAI J F, et al. Simultaneous determination of water soluble ions in PM10 by ion chromatography [J]. Chinese Journal of Analysis Laboratory, 2014, 33(1): 39-42(in Chinese).
[26] 陈曦, 郑磊, 王国英, 等. 离子色谱研究亚微米细颗粒物中水溶性离子含量水平和污染评价 [J]. 环境化学, 2019, 38(3): 704-707. CHEN X, ZHENG L, WANG G Y, et al. Assessment of pollution and contents of water-soluble ions in airborne submicrometer particles using ion chromatography [J]. Environmental Chemistry, 2019, 38(3): 704-707(in Chinese).
[27] 刘永强, 于泓. 离子色谱法在离子液体阴阳离子分析中的应用 [J]. 分析测试学报, 2015, 34(6): 734-743. doi: 10.3969/j.issn.1004-4957.2015.06.018 LIU Y Q, YU H. Applications of ion chromatography in analysis of ionic liquid anions and cations [J]. Journal of Instrumental Analysis, 2015, 34(6): 734-743(in Chinese). doi: 10.3969/j.issn.1004-4957.2015.06.018
[28] 苏业旺, 刘威杰, 毛瑶, 等. 华中地区夏季PM2.5中水溶性离子污染特征及来源分析 [J]. 环境科学, 2022, 43(2): 619-628. SU Y W, LIU W J, MAO Y, et al. Characteristics and source analysis of water-soluble inorganic pollution in PM2.5 during summer in central China [J]. Environmental Science, 2022, 43(2): 619-628(in Chinese).
[29] 赵鹏, 解静芳, 王淑楠, 等. 太原市采暖季PM2.5中水溶性无机离子污染特征及来源解析 [J]. 环境化学, 2021, 40(11): 3482-3490. doi: 10.7524/j.issn.0254-6108.2020070907 ZHAO P, XIE J F, WANG S N, et al. Pollution characteristics and source apportionment of water-soluble inorganic ions in PM2.5 in Taiyuan City during the heating period [J]. Environmental Chemistry, 2021, 40(11): 3482-3490(in Chinese). doi: 10.7524/j.issn.0254-6108.2020070907
[30] 任娇, 尹诗杰, 郭淑芬. 太原市大气PM2.5中水溶性离子的季节污染特征及来源分析 [J]. 环境科学学报, 2020, 40(9): 3120-3130. REN J, YIN S J, GUO S F. Seasonal variation and source analysis of water-soluble ions in PM2.5 in Taiyuan [J]. Acta Scientiae Circumstantiae, 2020, 40(9): 3120-3130(in Chinese).
[31] PAATERO P, TAPPER U. Analysis of different modes of factor analysis as least squares fit problems [J]. Chemometrics and Intelligent Laboratory Systems, 1993, 18(2): 183-194. doi: 10.1016/0169-7439(93)80055-M [32] 邱晨晨, 宫海星, 于兴娜, 等. 南京江北新区PM2.5中水溶性离子的季节特征和来源解析 [J]. 环境科学学报, 2021, 41(5): 1718-1726. QIU C C, GONG H X, YU X N, et al. Seasonal characteristics and source apportionment of water-soluble ions in PM2.5 of Nanjing Jiangbei New Area [J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1718-1726(in Chinese).
[33] PAN Y P, GU M N, HE Y X, et al. Revisiting the concentration observations and source apportionment of atmospheric ammonia [J]. Advances in Atmospheric Sciences, 2020, 37(9): 933-938. doi: 10.1007/s00376-020-2111-2 [34] 王郁, 吴玲燕, 李磊. 深圳市城区大气颗粒物及主要水溶性无机离子的污染特征 [J]. 环境科学学报, 2020, 40(3): 792-802. WANG Y, WU L Y, LI L. Characteristics of atmospheric particle matters and major water-soluble inorganic ions in an urban area of Shenzhen [J]. Acta Scientiae Circumstantiae, 2020, 40(3): 792-802(in Chinese).
[35] 李欣悦, 张凯山, 武文琪, 等. 成都市城区大气细颗粒物水溶性离子污染特征 [J]. 中国环境科学, 2021, 41(1): 91-101. doi: 10.3969/j.issn.1000-6923.2021.01.011 LI X Y, ZHANG K S, WU W Q, et al. Characterization of water-soluble ions pollution of atmospheric fine particles in Chengdu City [J]. China Environmental Science, 2021, 41(1): 91-101(in Chinese). doi: 10.3969/j.issn.1000-6923.2021.01.011
[36] 张敬巧, 罗达通, 王少博, 等. 聊城市秋季PM2.5中水溶性离子污染特征及来源解析 [J]. 环境工程技术学报, 2021, 11(4): 617-623. doi: 10.12153/j.issn.1674-991X.20200228 ZHANG J Q, LUO D T, WANG S B, et al. Pollution characteristics and source analysis of water-soluble ions in PM2.5 during autumn in Liaocheng City [J]. Journal of Environmental Engineering Technology, 2021, 11(4): 617-623(in Chinese). doi: 10.12153/j.issn.1674-991X.20200228
[37] 张勇, 陈荣祥, 陈卓, 等. 遵义市PM2.5中水溶性离子的污染特征及来源解析 [J]. 地球与环境, 2020, 48(5): 552-557. ZHANG Y, CHEN R X, CHEN Z, et al. Pollution characteristics and source apportionment of water-soluble ions in PM2.5 in the Zunyi City [J]. Earth and Environment, 2020, 48(5): 552-557(in Chinese).
[38] 闫霞霞. 关中地区秋冬季PM10与PM2.5中水溶性离子污染特征及来源解析[D]. 西安: 西安建筑科技大学, 2020. YAN X X. Pollution charateristics and source analysis of water-soluble ion in PM10 and PM2.5in Guanzhong area at autumn and winter[D]. Xi'an: Xi'an University of Architecture and Technology, 2020(in Chinese).
[39] 吕青, 包云轩, 陈粲, 等. 昆山市不同污染条件下PM2.5水溶性离子时间变化特征及其源解析 [J]. 环境科学学报, 2021, 41(2): 354-363. LÜ Q, BAO Y X, CHEN C, et al. Temporal variations and source apportionment of water-soluble inorganic ions of PM2.5 observed in Kunshan under different pollution conditions [J]. Acta Scientiae Circumstantiae, 2021, 41(2): 354-363(in Chinese).
[40] 吕哲. 石家庄市PM2.5水溶性离子化学特征与来源解析[D]. 抚州: 东华理工大学, 2019. LYU Z. Chemical characteristics and source apportionment of water-soluble ions in PM2.5 in Shijiazhuang[D]. Fuzhou: East China Institute of Technology, 2019(in Chinese).
[41] 李泱, 常莉敏, 吕沛诚, 等. 兰州市大气臭氧生成的敏感性分析及其前体物减排对策建议 [J]. 环境科学学报, 2021, 41(5): 1628-1639. doi: 10.13671/j.hjkxxb.2020.0460 LI Y, CHANG L M, LÜ P C, et al. Sensitivity analysis of atmospheric ozone formation and its precursors emission reduction countermeasures in Lanzhou City [J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1628-1639(in Chinese). doi: 10.13671/j.hjkxxb.2020.0460
[42] 李子璇. 兰州市大气颗粒物人工干预措施情景模拟及对策建议[D]. 兰州: 兰州大学, 2021. LI Z X. Scenario simulation of artificial intervention measures, countermeasures and suggestions for atmospheric particulate matter in Lanzhou City, China[D]. Lanzhou: Lanzhou University, 2021(in Chinese).
[43] XING J, WANG S X, ZHAO B, et al. Quantifying nonlinear multiregional contributions to ozone and fine particles using an updated response surface modeling technique [J]. Environmental Science & Technology, 2017, 51(20): 11788-11798. 期刊类型引用(3)
1. 张婉婷,张纯曦,占玉芳,何靖,郭自钰. 张掖市城市交通干道4种灌木植物重金属富集特征. 林业科技通讯. 2024(06): 55-59 . 百度学术
2. 闫晓波,纪滨玲,窦金婷. 城市空气颗粒物的来源与减排措施的优化. 皮革制作与环保科技. 2024(10): 56-57 . 百度学术
3. 刘彬,周丹阳,张紫越,张宝军,张壹,贾文华,王欣,魏扬. 唐山市2019-2020年细颗粒物组分特征及来源解析. 绿色科技. 2024(14): 113-119+125 . 百度学术
其他类型引用(2)
-