Processing math: 100%

PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例

孙英, 苏益娴, 谢非, 李亮, 周兴军, 吕昌伟. PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例[J]. 环境化学, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
引用本文: 孙英, 苏益娴, 谢非, 李亮, 周兴军, 吕昌伟. PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例[J]. 环境化学, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
SUN Ying, SU Yixian, XIE Fei, LI Liang, ZHOU Xingjun, LYU Changwei. Geochemical characteristics and health risks of PAHs in PM2.5: A case study of Hohhot, Baotou, and Bayannur, China[J]. Environmental Chemistry, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
Citation: SUN Ying, SU Yixian, XIE Fei, LI Liang, ZHOU Xingjun, LYU Changwei. Geochemical characteristics and health risks of PAHs in PM2.5: A case study of Hohhot, Baotou, and Bayannur, China[J]. Environmental Chemistry, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702

PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例

    通讯作者: E-mail:lcw2008@imu.edu.cn
  • 基金项目:
    内蒙古自治区科技重大专项(2020ZD0013),国家自然科学基金 (41763014)和内蒙古自治区“青年科技人才支持计划”- A类“青年科技领军人才”(NJYT2022092)资助.
  • 中图分类号: X-1;O6

  • CSTR: 32061.14.hjhx.2023062702

Geochemical characteristics and health risks of PAHs in PM2.5: A case study of Hohhot, Baotou, and Bayannur, China

    Corresponding author: LYU Changwei, lcw2008@imu.edu.cn
  • Fund Project: Science and Technology Major Project on Air Pollution Prevention and Prediction in Hohhot-Baotou-Ordos Cities Group of Inner Mongolia (2020ZD0013), National Natural Science Foundation of China (41763014) and Young Scientific & Technological Leading Talent Program of Inner Mongolia (NJYT2022092).
  • 摘要: 细颗粒物(PM2.5)的环境效应在很大程度上受控于其化学组分和丰度。本文以煤炭供能为主的资源依赖型城市呼和浩特市、包头市、巴彦淖尔市为研究对象,开展了不同季节不同大气环境质量条件下PM2.5中多环芳烃(PAHs)的地球化学特征及其健康风险研究。结果表明,采暖季3个城市PM2.5中的PAHs以Phe(10.00—14.74 ng·m−3)、Fla(8.00—15.33 ng·m−3)、Pyr(9.22—16.33ng·m−3)为主,非采暖季呼和浩特市和巴彦淖尔市以BkF(2.02—2.44 ng·m−3)、DBA(4.54—4.78 ng·m−3)为主,而包头则以Pyr(0.88 ng·m−3)、BbF(0.97 ng·m−3)、DBA(1.94 ng·m−3)、BPE(0.85 ng·m−3)为主;3个城市PM2.5中PAHs的含量均具有采暖季高于非采暖季的季节性特征,采暖季PM2.5中PAHs的昼夜变化特征表现为“夜晚>白天”;PM2.5中PAHs的浓度则遵循“污染天>沙尘天>清洁天”的规律;采暖季PAHs的主导物种是4环PAHs,非采暖季PAHs的主导物种是5环PAHs。研究区3个城市采暖季PM2.5中PAHs主要来源于煤炭燃烧、机动车尾气排放,非采暖季机动车尾气排放和工业源等则成为主导源;呼和浩特市和巴彦淖尔市非采暖季PAHs来自天然气燃烧和机动车尾气的混合源,而煤炭燃烧对包头非采暖季PAHs的贡献仍然重要,生物质燃烧源对巴彦淖尔市非采暖季PAHs影响显著;研究区PM2.5中PAHs源谱既存在显著的季节差异,也存在因城市功能和发展而导致城市差异。研究区3个城市采暖季和非采暖季PM2.5中PAHs经呼吸吸入途径对人体产生的致癌风险和非致癌风险均处于可接受水平。本研究对典型燃煤供能主导的城市大气PM2.5中PAHs的环境地球化学行为效应研究具有重要的资料价值,也可为区域大气污染防治提供了一定科学依据.
  • 我国是新能源汽车生产大国、消费大国,据工信部统计,2020年,新能源汽车销量达136.7×104辆,新能源汽车保有量达492×104辆,动力电池装车量累计63.6 GWh[1-3]。锂离子动力蓄电池已进入规模化退役、报废期,据估算2020年我国退役动力蓄电池累计约为20×104 t,至2025年将达78×104 t [4]

    我国废锂离子动力蓄电池处理过程普遍采用破碎、焙烧、酸浸等处理工艺,电池中的正极材料容易与酸、氧化剂发生反应,六氟磷酸锂、高氯酸锂等电解质具有强腐蚀性,碳酸二甲酯、碳酸乙烯酯等溶剂具有易燃、易挥发性质[5-6]。废锂离子动力蓄电池集中拆解处理通常会产生含重金属有机废水,含氟、含磷二噁英废气,以及含重金属、氟化物的废渣等污染物,如果处理不当将对生态环境造成严重污染[7]

    近年来,废锂离子动力蓄电池处理行业各种新技术发展较快,自动精准拆解、密闭贫氧焙烧、金属短流程萃取分离等环境友好型工艺装备得到广泛应用。国家有关部门也相继发布《电动汽车动力蓄电池回收利用技术政策(2015年版)》(国家发展和改革委员会2016年第2号)[8]、《废电池污染防治技术政策》(原环境保护部公告2016年第82号)[9]、《新能源汽车废旧动力蓄电池综合利用行业规范条件(2019年本)》(工业和信息化部公告2019年第59号)[10]等技术政策,对提高镍、钴、锰等金属回收利用效率,加强特征污染物防治,引导行业集约化、规模化经营等方面做出规定。但相对而言,行业现行污染控制技术要求尚不全面、具体,针对镍、钴、锰、氟化物、二噁英等特征污染物的排放限值不明确,缺少对于机械化拆解、负压连续作业、废气无组织排放控制等管理规定。

    因此,为了适应新时期废锂离子动力蓄电池处理的环境管理要求,进一步强化废锂离子动力蓄电池处理过程的污染防治,2021年8月7日由生态环境部组织制定的《废锂离子动力蓄电池处理污染控制技术规范(试行)》(HJ 1186-2021)[11](以下简称《技术规范》)正式发布,并于2022年1月1日起开始实施。作为国内首个专门针对废锂离子动力蓄电池集中处理过程污染控制的生态环境标准,对废锂离子动力蓄电池处理的总体要求、处理过程污染控制技术要求、污染物排放控制与环境监测要求和运行环境管理要求等方面提出了系统的要求。为促进标准的深入实施,本文从行业概况与污染物排放现状、《技术规范》的主要内容、环境效益与经济技术分析、实施建议等方面对新发布的《技术规范》进行了解读。

    废锂离子动力蓄电池的处理工艺主要包括物理法、湿法和火法处理工艺技术。如图1(a)所示,物理法处理主要经过破碎、筛分、分选,以及细破碎分选,再通过材料修复工艺修复得到的正负极材料,物理法是一种预处理工艺和再制造工艺的结合[12]。如图1(b)所示,火法处理工艺主要通过高温焚烧、熔炼的方式分解去除有机溶剂、黏结剂等,同时,使得电池中的金属及其化合物氧化、还原等,以便回收金属盐的粗料[13]。火法处理工艺原料适用范围广,工艺操作简单,适合规模化生产,但火法处理能耗大,易产生有害气体,且无法较为系统地对大部分金属和组件进行回收。例如,锂等金属在回收过程中丢失,造成资源的浪费。如图1(c)所示,湿法回收技术主要是针对焙烧、破碎、分选后获得的电池正极活性材料,以化学浸出为手段,将正极活性物质中的金属组分转移至溶液中,再通过萃取、沉淀、吸附等手段,将溶液中的金属以化合物的形式回收[14]。使用湿法冶炼能够较大程度的回收废电池中的稀贵金属和其它金属,且具有较高的回收率和纯度。目前,我国国内形成产业化处理能力的技术路线主要为湿法处理工艺。

    图 1  废锂离子动力蓄电池处理典型工艺流程
    Figure 1.  Typical process for treatment of waste lithium-ion battery

    目前,国内尚无可借鉴的成熟的火法处理工艺,废锂离子动力蓄电池处理行业主要采取湿法处理工艺。根据《排污许可证申请与核发技术规范 废弃资源加工工业》(HJ 1034-2019)[15],如表1所示,典型湿法处理工艺的废气主要是废锂离子动力蓄电池预处理阶段产生的焙烧废气、破碎、分选废气,浸出处理单元产生的废气,分离、提纯和化合物制备单元产生的废气。

    表 1  废锂离子动力蓄电池加工工业排污单位废气产生情况
    Table 1.  Production of waste gas from different stages of waste lithium-ion battery processing industry
    主要生产单元产污设施产排污环节污染物种类排放方式排放口
    预处理拆解设备拆解氟化物、非甲烷总烃无组织
    热解设备热解烟尘、二氧化硫、氟及其化合物、镍及其化合物有组织热解设备排气筒
    粉碎分选设备粉碎分选颗粒物、镍及其化合物有组织无组织除尘排气筒
    酸浸处理酸浸反应釜酸浸硫酸雾、氯化氢有组织无组织酸雾净化塔排气筒
    萃取处理萃取槽萃取硫酸雾、氯化氢、非甲烷总烃有组织无组织净化装置排气筒
     | Show Table
    DownLoad: CSV

    1)焙烧环节。焙烧废气在前处理单元的焙烧环节产生,主要污染物为烟尘、二氧化硫、氟化氢、镍及其化合物等,焙烧废气经布袋除尘后进行二级碱液喷淋,最后经排气筒高空排放。

    2)粉碎分选环节。粉碎分选废气在预处理单元的破碎、筛分环节产生,主要污染物为粉尘、镍及其化合物,采用集气收集后进行加布袋除尘,后经加排气筒高空排放处理。

    3)浸出环节。浸出废气在还原浸出过程产生,主要污染物为硫酸雾或氯化氢,采用酸雾洗涤塔碱液喷淋后经排气筒高空排放处理。

    4)分离、提纯和化合物制备环节。分离、提纯和化合物制备废气在有关反应过程产生,主要污染物为硫酸雾或氯化氢、非甲烷总烃。通常先采用碱液喷淋去除酸性气体,再采用吸附/热氧化等方法处理后经排气筒高空排放。

    5)无组织排放环节。无组织排放废气产生环节包括预处理单元电解液泄露产生的氟化物、非甲烷总烃,酸浸单元未收集到的酸雾,萃取处理单元逸散的非甲烷总烃、储罐呼吸废气和厂界的颗粒物等。

    根据《排污许可证申请与核发技术规范 废弃资源加工工业》(HJ 1034-2019)[15],如表2所示,废锂离子动力蓄电池处理行业的生产废水主要来自萃取环节废水、废气处理废水、生活污水和初期雨水等。生产废水排入厂区污水处理站后先经中和、絮凝、沉淀除镍,再经过滤、脱盐等处理,排入废水总排放口。

    表 2  废锂离子动力蓄电池加工工业排污单位废水产生情况
    Table 2.  Production of waste water from different stages of waste lithium-ion battery processing industry
    废水类别监测指标产排污环节排放口类型
    萃取车间生产废水总铜、总锰、总镍、总锌萃取车间废水处理设施
    热解废气处理废水氟化物不外排,厂内回用; 厂内综合废水处理设施
    初期雨水pH、悬浮物厂内综合废水处理设施
    萃取车间废水处理设施出水总铜、总锰、总镍、总锌厂内综合废水处理设施主要排放口
    沉氟设施出水氟化物厂内综合废水处理设施
    生活废水pH、化学需氧量、氨氮、悬浮物、 五日生化需氧量、总磷厂内综合废水处理设施; 市政污水处理厂
    厂内综合废水处理设施排水pH、化学需氧量、悬浮物、氨氮、总铜、总锰、 总镍、总锌、氟化物、五日生化需氧量、总磷废水集中处理设施; 地表水体主要排放口
     | Show Table
    DownLoad: CSV

    1)萃取环节废水。废锂离子动力蓄电池处理企业的生产废水主要来自萃取工序产生的萃取废水,含有镍、锰、铜、钴等金属元素,经絮凝、沉淀除镍后,进入厂区污水处理站处理。

    2)废气处理废水。焙烧废气经碱液喷淋后产生的废水,废喷淋液含有大量氟化物,含氟废水可回用于酸浸后的溶液除杂质使用,或者直接排入厂区污水处理站。

    技术规范的内容包括适用范围、规范性引用文件、术语和定义、总体要求、污染控制技术要求、运行环境管理要求和环境应急管理要求共7部分。

    1)适用对象。由于我国已规模化推广的新能源汽车主要装配锂离子动力蓄电池,且相较于镍氢电池等其他动力蓄电池,废锂离子动力蓄电池的性状、结构及处理技术工艺较为特殊,因此,技术规范的适用对象以废锂离子动力蓄电池为主要原料的加工企业或生产设施为主体,规定了废锂离子动力蓄电池贮存、拆解、焙烧和材料回收过程的污染控制技术要求,以及废锂离子动力蓄电池处理企业运行管理要求。

    2)适用业务领域。技术规范适用于废锂离子动力蓄电池拆解、焙烧、破碎、分选和材料回收过程的污染控制,并可用于指导废锂离子动力蓄电池处理有关建设项目的环境影响评价、环境保护设施设计、竣工环境保护验收、排污许可管理等工作。同时,由于储能类锂离子电池和消费类锂离子电池拆解后与动力蓄电池主要部件结构相同,因此也可参照此技术规范执行。需要注意的是,由于技术规范中的“拆解”并非局限于以废锂离子动力蓄电池再生利用为目的的加工过程,也普遍存在于对废锂离子动力蓄电池的梯次利用、翻新使用等加工工程。因此,对应地,标准名称及有关正文中的“处理”一词的语义涵盖范围也相应包括了废锂离子动力蓄电池的梯次利用、翻新使用等加工工程,与《关于印发新能源汽车动力蓄电池回收利用管理暂行办法的通知》(工信部联节〔2018〕43)[16]中的“再生利用”不是等同概念。

    1)建厂选址。由于废锂离子动力蓄电池处理过程涉及含重金属废水、粉尘和含氟废气等污染物排放,根据《中华人民共和国固体废物污染环境防治法》[17]的规定,《技术规范》明确:废锂离子动力蓄电池处理项目不应在生态保护红线区域、永久基本农田集中区域和其他需要特别保护的区域内选址建厂。

    2)污染治理设施。废锂离子动力蓄电池处理工艺中包括贮存、拆解、焙烧、破碎、分选、材料回收等多个环节,为确保各工艺环节产生的废气、废水、废渣等特征污染物妥善处理,《技术规范》明确处理企业应对地面硬化并采取防护措施,并应当配备相应的环境保护设施,对产生的废水、废气及噪声等环境污染物进行处理并达标排放,对产生的固体废物应妥善贮存、利用或处置。

    3)处理技术和设备。为促进实现固体废物污染环境防治的减量化、资源化和无害化目标,《技术规范》明确废锂离子动力蓄电池处理企业应优先采用资源利用率高、污染物排放量少的技术、设备。同时,从事电池单体解体活动的废锂离子动力蓄电池处理企业,应至少具备将废锂离子动力蓄电池加工成废电池电极材料粉料的能力。

    1)规范入厂贮存。为避免废锂离子动力蓄电池自燃引起的环境风险,《技术规范》要求废锂离子动力蓄电池入厂前应进行检测,针对存在漏液、冒烟、漏电、外壳破损等情形的废电池,企业应采用专用容器单独存放并及时处理。同时,《技术规范》要求,贮存上述情形废电池的库房或容器应采用微负压设计,并配备相应的废气收集和处理设施。

    2)禁止不当拆解。为避免废锂离子动力蓄电池不当拆解造成电解质泄露污染环境,《技术规范》明确禁止人工解体废锂离子动力蓄电池单体电池,并要求应按照合理程序进行拆解。同时,为防止电池拆解过程中电池破损泄露的电解液挥发释放有毒氟化物气体,《技术规范》要求作业区域需配备废气收集和处理设施。

    3)分类管理拆解产物。由于在电池包拆解过程中可能会产生具有急性毒性的含乙二醇蒸汽,容易对拆解工人造成伤害,《技术规范》要求电池包冷却液需负压抽净,并使用专用容器存放,不可随意倾倒。同时,《技术规范》要求拆解产生的固体废物应分类进行管理,并清除电池壳体、连接件、高压线束等部件中的含氯塑料部件,避免后续焙烧环节产生二恶英等有毒有害物质。

    1)明确预处理工艺目标。针对行业当前多样化的废电池单体预处理工艺路线,《技术规范》并未刻板地进行限制,而是以有效去除电池单体中的电解质、有机溶剂为目标要求,规定所选取的预处理工艺应当包含焙烧、破碎、分选等一种或多种工序,以消除电解质、有机溶剂环境污染风险。

    2)加强粉尘治理。由于破碎、分选废电池单体时容易产生大量含重金属粉尘,《技术规范》要求应在负压条件下采用机械化或自动化设备破碎分选含电解质、有机溶剂的电池单体,并要求将收集后的废气导入废气集中处理设施。同时,《技术规范》要求所选取的破碎、分选工艺应使废电池电极材料粉料、集流体和外壳等在后续步骤中得到分离,以便提高镍、钴、锰等金属的回收率,避免因电池外壳铝箔包裹废电池电极材料粉料造成污染。

    3)减少持久性有机污染物产生。为了减少持久性有机污染物产生,《技术规范》要求禁止直接焙烧未经拆解的废锂离子动力蓄电池电池包、电池模块;要求电池包中的电池壳体、连接件、高压线束等部件中的含氯塑料成分,必须在焙烧处理前有效清除。

    1)规范材料回收工艺流程。《技术规范》将材料回收过程分为火法工艺和湿法工艺2个方面。针对火法工艺,要求在进行材料回收前,可根据物料条件和设备要求选择性进行拆解、破碎、分选等工序,经高温冶炼后得到合金材料;针对湿法工艺,要求在进行材料回收前,应当经拆解、焙烧、破碎、分选等1种或多种工序进行预处理,去除废锂离子动力蓄电池中的电解质、有机溶剂,得到可进入浸出工序的废电池电极材料粉料。需要特别说明的是,《技术规范》对火法工艺和湿法工艺预处理环节进行差异性规范的主要原因是,火法工艺处理高温焙烧和冶炼过程温度普遍较高,能够实现含氟电解质、有机溶剂的充分气化、去除,因此可选择性采用拆解、破碎、分选等工序。

    2)加强废气污染治理。针对火法工艺处理废锂离子动力蓄电池时产生的大量含氟化物、重金属的废气,《技术规范》要求火法工艺必须采用密闭的工艺设备,防止废气逸出,并配备废气处理设施;针对湿法冶金工艺中酸浸、萃取过程产生的酸雾及反应器通气口、采样口点位存在的废气无组织排放,《技术规范》要求浸出、分离提纯和化合物制备等反应容器通气口、采样口应配备集气装置,并应将废气收集后导入废气集中处理设施。

    1)明确废气污染物监测因子。废锂离子动力蓄电池处理过程产生的废气主要包括焙烧单元产生的焙烧废气、破碎分选废气,材料回收单元产生的酸浸废气、萃取废气,以及无组织排放废气。其中,焙烧废气在焙烧加工单元的焙烧环节产生,主要污染物为烟尘、二氧化硫、氟化氢、镍及其化合物等、钴及其化合物等;破碎分选废气在焙烧加工单元的破碎、筛分环节产生,主要污染物为粉尘、镍及其化合物、钴及其化合物等;酸浸废气在还原浸出过程产生,主要污染物为硫酸雾或氯化氢等;萃取废气在萃取过程产生,主要污染物为硫酸雾或氯化氢、非甲烷总烃。

    2)规范废气排放执行标准。由于我国尚无针对废锂离子动力蓄电池处理的行业强制性排放标准,因此《技术规范》规定火法和湿法处理工艺的废气排放标准执行《大气污染物综合排放标准》(GB 16297)[18],湿法处理工艺预处理焙烧过程废气中二氧化硫、氟及其化合物排放浓度执行《工业炉窑大气污染物排放标准》(GB 9078)[19];对于焙烧、破碎、分选工序,以及火法工艺冶炼工序的钴及其化合物排放限值,参照执行《无机化学工业污染物排放标准》(GB 31573)[20];对于焙烧工序和火法工艺冶炼工序产生的二恶英类排放限值参照执行《危险废物焚烧污染控制标准》(GB 18484)[21]

    3)强化无组织排放废气治理。《技术规范》要求挥发性有机物无组织排放应满足《挥发性有机物无组织排放控制标准》(GB 37822)[22]的规定。无组织排放废气产生环节主要包括焙烧加工单元电解液泄露产生的氟化物、非甲烷总烃,酸浸单元未收集到的酸雾,萃取处理单元逸散的非甲烷总烃,储罐呼吸废气,厂界的颗粒物等。为实现无组织排放的有效控制,关键是加强密封、防止泄露。为此,《技术规范》要求废锂离子动力蓄电池处理过程中,废电池电极材料粉料应采用管道或其他防泄漏、防遗撒的措施输送,生产车间产生的废气收集后应导入废气集中处理设施。

    1)明确废水产生环节。废锂离子动力蓄电池处理过程产生的废水主要有废放电液、废气吸收废水、生产废水、初期雨水等。其中,废放电液含有盐分、悬浮物等;废气处理废水主要包括火法冶炼或湿法预处理焙烧废气经碱液喷淋后产生的废水,废喷淋液含有氟化物;生产废水来自萃取工序产生的萃取废水,含有第一类污染物镍及锰、铜、钴等重金属。

    2)规范废水污染物监测因子和排放执行标准。由于我国尚无针对废锂离子动力蓄电池处理的行业强制性排放标准,因此《技术规范》规定废锂离子动力蓄电池处理企业废水总排放口、车间或生产设施废水排放口的污染物排放浓度,应当符合《污水综合排放标准》(GB 8978)[23]的许可排放限值,监测因子包括流量、pH值、化学需氧量、5日生化需氧量、悬浮物、氨氮、氟化物、总铜、总锰、总镍、总锌、总磷等;企业废水总排放口总钴的排放限值,参照执行《无机化学工业污染物排放标准》(GB 31573)[20]的规定。

    3)规范生产废水单独治理要求。针对采用湿法工艺的废锂离子动力蓄电池处理企业,由于废水中含有的一类污染物镍,《技术规范》要求车间生产废水应单独收集处理或回用,以确保实现总镍排放浓度符合《污水综合排放标准》(GB 8978)[23]的要求。同时,《技术规范》要求不应将车间生产废水与其他废水直接混合进行处理。

    1)规范固体废物分类收集处理。《技术规范》要求废锂离子动力蓄电池处理企业产生的废电路板、废塑料、废金属、废冷却液、火法工艺残渣、废活性炭、废气净化灰渣、生产废水处理污泥等固体废物,应分类收集、贮存、利用处置;属于危险废物且需要委托外单位利用处置的,应交由具有相应资质的企业利用处置。

    2)加强噪声污染治理。《技术规范》要求产生噪声的主要设备,如破碎机、泵、风机等应采取基础减振和消声及隔声措施,厂界噪声应符合《工业企业厂界环境噪声排放标准》(GB 12348)[24]的要求。

    1)规范企业生产运行管理。《技术规范》从规范废锂离子动力蓄电池处理企业运行管理角度出发,对企业的运行条件、人员培训、监测及评估制度进行规定,要求企业运行需要配备经培训过的专业人员、完善的保障制度和有毒有害污染物的监测设备,操作人员、技术人员和管理人员应熟知废锂离子动力蓄电池利用处置工艺流程,相关环境排放标准和处置危险的应急操作程序,并在过程中及时进行记录,以保障企业正常安全运行;为使企业实现达标排放,要求制定规范的监测及评估制度,对污染物实现量化监测。

    2)明确企业自行监测要求。《技术规范》要求废锂离子动力蓄电池处理企业应按照有关法律法规和《排污单位自行监测技术指南 总则》(HJ 819)[25]的要求,建立企业监测制度,制定监测方案,对主要污染物排放状况开展自行监测,保存原始监测记录,并公布监测结果,并定期对废锂离子动力蓄电池污染物排放情况进行监测和评估,必要时应采取改进措施。同时,《技术规范》在附录A中列示了主要污染物的排放监测要求,在附录B中列示了空气质量、土壤和地下水环境的监测要求,在行业自行监测管理要求发布前,废锂离子动力蓄电池处理企业的自行监测参照附录A和附录B列示的监测要求执行。

    1)加大宣传培训力度。废动力蓄电池处理行业即将进入爆发式增长的前夜,但由于行业发展时间相对较短,相关的环境管理要求还不够明确,企业管理能力及从业人员专业化水平参差不齐,企业的环境管理能力已成为制约健康快速发展的瓶颈。本《技术规范》是首个从生态环境管理角度发布的针对废锂离子动力蓄电池处理行业的技术规范,对废锂离子动力蓄电池火法和湿法处理工艺的过程污染控制、末端污染控制和日常环境监测提出了精细化管理要求,环境管理内容多、技术要求高,应加大对企业和生态环境主管部门的培训,指导做好废锂离子动力蓄电池处理污染防治工作。

    2)加强企业环境监管。废锂离子动力电池含有镍、钴、锰等重金属以及含氟电解质等有毒有害物质,处理工艺涉及破碎、焙烧、酸浸、萃取、电解等多个过程,受原料复杂和具体处理工艺多变影响,呈现出污染物产生环节多、产生情况复杂的特点。建议加强废锂离子动力蓄电池处理企业环境监管,采用定期和非定期相结合的方式对工业固体废物管理台账、环境保护设施、自行监测数据开展检查,加大环境执法力度,提高企业违法成本。

    3)及时开展标准实施评估。由于当前我国废锂离子动力蓄电池处理行业总体仍处于发展的初级阶段,废锂离子动力蓄电池的回收利用还未真正形成规模和成熟的商业模式,可借鉴参考的成熟工程项目相对有限,因此《技术规范》最终以试行版本发布。建议结合行业环境监管工作,及时开展《技术规范》实施效果评估,必要时开展《技术规范》的修订。

  • 图 1  采样点位示意图

    Figure 1.  The location of sampling sites

    图 2  采暖季和非采暖季颗粒物浓度逐日变化

    Figure 2.  Daily variation of PM concentration in heating season and non-heating season

    图 3  三市采暖季和非采暖季PM2.5中16种PAHs百分比谱图

    Figure 3.  Percentage of PAHs in PM2.5 during heating and non-heating season

    图 4  PM2.5中PAHs昼夜变化特征

    Figure 4.  Diurnal variation of PAHs

    图 5  PM2.5中PAHs与单位GDP能耗相关性

    Figure 5.  Correlation between PAHs and energy consumption per unit of GDP

    图 6  采暖季(a)和非采暖季(b)不同环境空气质量下PAHs各单体浓度

    Figure 6.  PAHs Concentrations during heating season (a) and non-heating season (b)

    图 7  不同环数PAHs的分配

    Figure 7.  Allocation of PAHs with different ring numbers

    图 8  三市采暖季与非采暖季的毒性当量浓度

    Figure 8.  Toxic normality in heating season and non heating season in three cities

    图 9  不同人群经呼吸吸入途径下的非致癌和致癌风险

    Figure 9.  Carcinogenic and non-carcinogenic risk of different populations through respiratory pathways

    表 1  采样点位基本信息

    Table 1.  Information of sampling sites

    城市City 点位编号 No. 采样点位 Sampling sites 区/县Country
    呼和浩特 1 内蒙古自治区生态环境厅(HBT) 赛罕区
    2 化肥厂生活区(HFC) 赛罕区
    3 红旗小学(HQXX) 回民区
    4 小召(XZ) 玉泉区
    5 南湖湿地公园(NH) 玉泉区
    6 内蒙古工业大学(GYDX) 新城区
    7 内蒙古工业大学(金川校区)(JCGD) 土默特左旗
    8 托克托县(TX) 传输监控点1
    包头 9 昆区政府(KQZF) 昆都仑区
    10 青山宾馆(QSBG) 青山区
    11 包头八中(BTBZ) 东河区
    12 滨河大厦(BHDS) 九原区
    13 内蒙古科技大学(KJDX) 昆都仑区
    14 包头环境局(BTHB) 九原区
    15 萨拉齐(SLQ) 传输监控点2
    巴彦淖尔 16 市环保大楼(HBDL) 临河区
    17 临河附中(LHFZ) 临河区
    18 乌拉特前旗(WLT) 传输监控点3
    城市City 点位编号 No. 采样点位 Sampling sites 区/县Country
    呼和浩特 1 内蒙古自治区生态环境厅(HBT) 赛罕区
    2 化肥厂生活区(HFC) 赛罕区
    3 红旗小学(HQXX) 回民区
    4 小召(XZ) 玉泉区
    5 南湖湿地公园(NH) 玉泉区
    6 内蒙古工业大学(GYDX) 新城区
    7 内蒙古工业大学(金川校区)(JCGD) 土默特左旗
    8 托克托县(TX) 传输监控点1
    包头 9 昆区政府(KQZF) 昆都仑区
    10 青山宾馆(QSBG) 青山区
    11 包头八中(BTBZ) 东河区
    12 滨河大厦(BHDS) 九原区
    13 内蒙古科技大学(KJDX) 昆都仑区
    14 包头环境局(BTHB) 九原区
    15 萨拉齐(SLQ) 传输监控点2
    巴彦淖尔 16 市环保大楼(HBDL) 临河区
    17 临河附中(LHFZ) 临河区
    18 乌拉特前旗(WLT) 传输监控点3
    下载: 导出CSV

    表 2  不同人群健康风险暴露参数取值[14]

    Table 2.  Value of health risk exposure parameters for different populations[14]

    暴露参数Parameters 不同人群Categories
    成年人Adults 儿童Children
    ET 8 6
    EF 180 180
    ED 24 6
    ATinh致癌 70×365×24 70×365×24
    ATinh非致癌 ED×365×24 ED×365×24
    暴露参数Parameters 不同人群Categories
    成年人Adults 儿童Children
    ET 8 6
    EF 180 180
    ED 24 6
    ATinh致癌 70×365×24 70×365×24
    ATinh非致癌 ED×365×24 ED×365×24
    下载: 导出CSV

    表 3  16种PAHs毒性等效因子

    Table 3.  Toxicity equivalent factors of 16 PAHs

    PAHsTEFPAHsTEF
    Nap0.001BaA0.1
    Acy0.001Chr0.01
    Ace0.001BbF0.1
    Flu0.001BkF0.1
    Phe0.001BaP1
    Ant0.01DBA1
    Fla0.001BPE0.01
    Pyr0.001InP0.1
    PAHsTEFPAHsTEF
    Nap0.001BaA0.1
    Acy0.001Chr0.01
    Ace0.001BbF0.1
    Flu0.001BkF0.1
    Phe0.001BaP1
    Ant0.01DBA1
    Fla0.001BPE0.01
    Pyr0.001InP0.1
    下载: 导出CSV

    表 4  PM2.5中PAHs浓度(ng·m−3

    Table 4.  PAHs concentration in PM2.5(ng·m−3

    呼和浩特Hohhot 包头Baotou 巴彦淖尔Bayannur
    采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season
    Nap 2.68±1.59 0.05±0.01 2.02±1.65 0.01±0.02 1.10±0.71 0.01±0.00
    Acy 2.27±1.91 0.08±0.01 1.45±1.26 0.03±0.05 0.85±0.93 0.04±0.02
    Ace 6.08±4.85 0.16±0.01 3.45±2.59 0.37±0.16 1.94±0.68 0.19±0.08
    Flu 6.70±3.11 0.70±0.07 4.88±2.92 0.50±0.41 3.23±2.52 0.37±0.23
    Phe 11.96±6.29 0.60±0.42 14.74±8.02 0.39±0.22 10.00±5.28 0.37±0.18
    Ant 0.45±0.19 0.62±0.29 0.35±0.19
    Fla 12.13±7.25 0.71±0.12 15.33±8.14 0.30±0.12 8.00±8.21 0.25±0.14
    Pyr 13.09±12.75 0.35±0.25 16.33±13.52 0.88±0.36 9.22±5.99 0.48±0.19
    BaA 5.13±4.47 0.08±0.07 6.78±4.17 0.17±0.08 4.25±3.07 0.11±0.08
    Chr 8.61±7.94 0.11±0.09 10.45±7.67 0.61±0.08 5.89±4.72 0.17±0.11
    BbF 7.29±6.55 0.28±0.21 7.72±6.90 0.97±0.59 5.44±3.75 0.35±0.15
    BkF 2.44±1.93 1.24±0.81 3.27±2.32 0.64±0.29 2.02±1.49 0.85±0.34
    BaP 4.70±3.93 0.31±0.20 5.64±4.70 0.36±0.24 3.78±2.50 0.23±0.14
    DBA 4.78±2.76 2.01±1.07 4.45±2.95 1.94±0.82 4.54±3.86 1.78±0.52
    BPE 5.69±4.21 0.50±0.15 6.61±5.78 0.85±0.29 4.80±2.80 0.57±0.26
    InP 3.03±2.28 0.21±0.14 3.73±2.88 0.39±0.17 2.74±1.09 0.29±0.14
    Σ7PAHs 36.03±15.38 4.27±1.35 42.07±26.33 5.12±2.01 28.69±12.39 3.81±1.82
    Σ16PAHs 97.12±46.82 7.46±6.00 107.53±60.87 8.49±5.26 68.22±46.36 6.12±3.40
      注:“—”表示未检出;Note: “—”corresponding to not detected.
    呼和浩特Hohhot 包头Baotou 巴彦淖尔Bayannur
    采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season
    Nap 2.68±1.59 0.05±0.01 2.02±1.65 0.01±0.02 1.10±0.71 0.01±0.00
    Acy 2.27±1.91 0.08±0.01 1.45±1.26 0.03±0.05 0.85±0.93 0.04±0.02
    Ace 6.08±4.85 0.16±0.01 3.45±2.59 0.37±0.16 1.94±0.68 0.19±0.08
    Flu 6.70±3.11 0.70±0.07 4.88±2.92 0.50±0.41 3.23±2.52 0.37±0.23
    Phe 11.96±6.29 0.60±0.42 14.74±8.02 0.39±0.22 10.00±5.28 0.37±0.18
    Ant 0.45±0.19 0.62±0.29 0.35±0.19
    Fla 12.13±7.25 0.71±0.12 15.33±8.14 0.30±0.12 8.00±8.21 0.25±0.14
    Pyr 13.09±12.75 0.35±0.25 16.33±13.52 0.88±0.36 9.22±5.99 0.48±0.19
    BaA 5.13±4.47 0.08±0.07 6.78±4.17 0.17±0.08 4.25±3.07 0.11±0.08
    Chr 8.61±7.94 0.11±0.09 10.45±7.67 0.61±0.08 5.89±4.72 0.17±0.11
    BbF 7.29±6.55 0.28±0.21 7.72±6.90 0.97±0.59 5.44±3.75 0.35±0.15
    BkF 2.44±1.93 1.24±0.81 3.27±2.32 0.64±0.29 2.02±1.49 0.85±0.34
    BaP 4.70±3.93 0.31±0.20 5.64±4.70 0.36±0.24 3.78±2.50 0.23±0.14
    DBA 4.78±2.76 2.01±1.07 4.45±2.95 1.94±0.82 4.54±3.86 1.78±0.52
    BPE 5.69±4.21 0.50±0.15 6.61±5.78 0.85±0.29 4.80±2.80 0.57±0.26
    InP 3.03±2.28 0.21±0.14 3.73±2.88 0.39±0.17 2.74±1.09 0.29±0.14
    Σ7PAHs 36.03±15.38 4.27±1.35 42.07±26.33 5.12±2.01 28.69±12.39 3.81±1.82
    Σ16PAHs 97.12±46.82 7.46±6.00 107.53±60.87 8.49±5.26 68.22±46.36 6.12±3.40
      注:“—”表示未检出;Note: “—”corresponding to not detected.
    下载: 导出CSV

    表 5  不同城市PM2.5中PAHs浓度对比(ng·m−3

    Table 5.  Comparison of PAHs concentration in PM2.5 in different cities(ng·m−3

    城市City 时间Time Nap Acy Ace Flu Phe Ant Fla Pyr BaA Chr BbF BkF BaP DBA BPE InP Σ16PAHs 文献Ref.
    呼和浩特 2021.01 2.68 2.28 6.08 6.70 11.97 0.46 12.14 13.10 5.13 8.61 7.30 2.45 4.71 4.79 5.69 3.04 97.13 本研究
    2021.07 0.05 0.09 0.17 0.70 0.61 0.71 0.36 0.09 0.11 0.28 1.25 0.31 2.01 0.50 0.21 7.46
    包头 2021.01 2.03 1.45 3.46 4.89 14.75 0.62 15.33 16.33 6.78 10.45 7.72 3.27 5.65 4.46 6.61 3.74 107.53
    2021.07 0.02 0.03 0.38 0.51 0.40 0.31 0.88 0.17 0.62 0.97 0.64 0.37 1.95 0.86 0.39 8.50
    巴彦淖尔 2021.01 1.11 0.85 1.95 3.23 10.00 0.36 8.01 9.23 4.25 5.89 5.45 2.02 3.78 4.55 4.81 2.74 68.23
    2021.07 0.01 0.05 0.19 0.38 0.37 0.26 0.49 0.12 0.17 0.35 0.86 0.24 1.78 0.57 0.29 6.12
    北京 2017.06 0.10 0.07 0.09 0.33 0.70 0.56 0.43 0.72 1.00 0.81 0.83 0.47 0.79 0.98 7.88 [21]
    天津 2015.02 2.76 0.94 1.51 5.71 8.25 1.84 8.55 7.21 11.32 9.47 8.71 5.13 6.87 0.58 5.77 8.5 98 [22]
    石家庄 2015.02 1.3 1.32 1.41 5.85 11.56 2.42 20.89 18.29 35.44 25.82 21.54 12.73 18.3 1.14 12.84 20.21 211.07
    上海 2015.01 1.38 0.88 0.29 0.55 5.71 0.43 8.02 6.64 6.34 6.07 7.67 5.32 1.11 6.16 5.36 61.93 [23]
    2015.07 0.79 0.41 0.07 0.13 0.60 0.84 0.59 0.45 0.36 0.29 0.36 0.53 0.05 0.45 0.88 6.81
    兰州 2012.12 0.08 0.62 0.10 1.17 13.21 2.59 27.65 26.13 18.06 21.29 27.49 5.61 11.75 4.95 15.34 15.79 191.79 [24]
    2013.07 0.05 0.01 0.01 0.01 0.17 0.03 0.58 0.53 0.42 1.06 1.87 0.58 0.73 0.29 1.26 1.39 8.94
    郑州 2018.07 0.20 0.10 1.20 1.10 0.90 0.40 0.60 0.50 0.60 0.60 1.30 0.70 1.30 0.50 0.70 0.60 11.30 [25]
    2019.01 0.10 0.70 1.40 2.50 4.30 0.80 6.50 4.70 2.30 5.30 5.00 3.60 2.70 1.20 2.50 2.90 46.50
    广州 2018.01 0.56 0.32 0.09 0.17 0.61 1.15 0.70 0.51 0.67 1.40 0.65 1.17 0.21 1.98 1.62 11.82 [26]
    杭州 2021.01 0.15 0.07 0.02 0.09 2.22 0.10 3.71 3.12 1.14 2.31 4.65 1.41 2.00 0.30 3.72 2.89 27.90 [17]
    德里(印度) 2018.06 0.37 0.14 0.06 0.48 0.86 0.88 0.74 1.07 1.91 1.60 1.71 0.58 2.94 3.37 16.71 [21]
    首尔(韩国) 2021.01 1.56 0.20 1.84 1.29 0.54 0.92 0.85 0.43 0.38 0.38 8.39 [27]
    卡拉季(伊朗) 2019.01 1.67 0.04 0.21 0.29 2.52 0.34 2.08 2.60 0.71 2.29 1.08 1.59 2.27 0.15 1.86 1.14 20.85 [28]
    城市City 时间Time Nap Acy Ace Flu Phe Ant Fla Pyr BaA Chr BbF BkF BaP DBA BPE InP Σ16PAHs 文献Ref.
    呼和浩特 2021.01 2.68 2.28 6.08 6.70 11.97 0.46 12.14 13.10 5.13 8.61 7.30 2.45 4.71 4.79 5.69 3.04 97.13 本研究
    2021.07 0.05 0.09 0.17 0.70 0.61 0.71 0.36 0.09 0.11 0.28 1.25 0.31 2.01 0.50 0.21 7.46
    包头 2021.01 2.03 1.45 3.46 4.89 14.75 0.62 15.33 16.33 6.78 10.45 7.72 3.27 5.65 4.46 6.61 3.74 107.53
    2021.07 0.02 0.03 0.38 0.51 0.40 0.31 0.88 0.17 0.62 0.97 0.64 0.37 1.95 0.86 0.39 8.50
    巴彦淖尔 2021.01 1.11 0.85 1.95 3.23 10.00 0.36 8.01 9.23 4.25 5.89 5.45 2.02 3.78 4.55 4.81 2.74 68.23
    2021.07 0.01 0.05 0.19 0.38 0.37 0.26 0.49 0.12 0.17 0.35 0.86 0.24 1.78 0.57 0.29 6.12
    北京 2017.06 0.10 0.07 0.09 0.33 0.70 0.56 0.43 0.72 1.00 0.81 0.83 0.47 0.79 0.98 7.88 [21]
    天津 2015.02 2.76 0.94 1.51 5.71 8.25 1.84 8.55 7.21 11.32 9.47 8.71 5.13 6.87 0.58 5.77 8.5 98 [22]
    石家庄 2015.02 1.3 1.32 1.41 5.85 11.56 2.42 20.89 18.29 35.44 25.82 21.54 12.73 18.3 1.14 12.84 20.21 211.07
    上海 2015.01 1.38 0.88 0.29 0.55 5.71 0.43 8.02 6.64 6.34 6.07 7.67 5.32 1.11 6.16 5.36 61.93 [23]
    2015.07 0.79 0.41 0.07 0.13 0.60 0.84 0.59 0.45 0.36 0.29 0.36 0.53 0.05 0.45 0.88 6.81
    兰州 2012.12 0.08 0.62 0.10 1.17 13.21 2.59 27.65 26.13 18.06 21.29 27.49 5.61 11.75 4.95 15.34 15.79 191.79 [24]
    2013.07 0.05 0.01 0.01 0.01 0.17 0.03 0.58 0.53 0.42 1.06 1.87 0.58 0.73 0.29 1.26 1.39 8.94
    郑州 2018.07 0.20 0.10 1.20 1.10 0.90 0.40 0.60 0.50 0.60 0.60 1.30 0.70 1.30 0.50 0.70 0.60 11.30 [25]
    2019.01 0.10 0.70 1.40 2.50 4.30 0.80 6.50 4.70 2.30 5.30 5.00 3.60 2.70 1.20 2.50 2.90 46.50
    广州 2018.01 0.56 0.32 0.09 0.17 0.61 1.15 0.70 0.51 0.67 1.40 0.65 1.17 0.21 1.98 1.62 11.82 [26]
    杭州 2021.01 0.15 0.07 0.02 0.09 2.22 0.10 3.71 3.12 1.14 2.31 4.65 1.41 2.00 0.30 3.72 2.89 27.90 [17]
    德里(印度) 2018.06 0.37 0.14 0.06 0.48 0.86 0.88 0.74 1.07 1.91 1.60 1.71 0.58 2.94 3.37 16.71 [21]
    首尔(韩国) 2021.01 1.56 0.20 1.84 1.29 0.54 0.92 0.85 0.43 0.38 0.38 8.39 [27]
    卡拉季(伊朗) 2019.01 1.67 0.04 0.21 0.29 2.52 0.34 2.08 2.60 0.71 2.29 1.08 1.59 2.27 0.15 1.86 1.14 20.85 [28]
    下载: 导出CSV

    表 6  呼和浩特市PAHs方差旋转因子载荷矩阵

    Table 6.  Varimax rotation factor loading matrix of PAHs in Hohhot

    呼和浩特 包头 巴彦淖尔
    PAHs 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season
    因子1 因子2 因子3 因子1 因子2 因子3 因子1 因子2 因子1 因子2 因子3 因子1 因子2 因子1 因子2
    Nap 0.21 0.58 0.23 0.47 0.03 0.72 0.36 0.54 0.22 0.01 0.85 0.24 0.44 0.37 0.26
    Acy 0.09 0.80 −0.06 0.39 0.00 0.73 0.47 0.62 0.01 0.22 0.57 0.33 0.63 0.22 0.43
    Ace 0.06 0.87 0.62 −0.52 0.22 0.39 0.05 0.91 0.33 −0.02 0.37 0.37 0.74 0.32 0.82
    Flu 0.06 0.83 0.04 0.07 0.72 0.01 0.36 0.80 0.04 0.81 −0.18 0.16 0.37 −0.04 −0.05
    Phe 0.36 0.04 0.58 0.28 0.47 0.48 0.70 0.13 −0.03 0.13 0.17 0.42 0.64 −0.03 0.91
    Ant −0.24 0.89 0.22 −0.00 0.92 0.70 0.24 0.53 −0.02 −0.05 0.94 0.15 −0.04 0.35 −0.14
    Fla 0.96 0.05 0.06 0.02 −0.07 0.48 0.93 0.21 0.42 0.65 0.15 0.85 0.44 0.12 0.88
    Pyr 0.75 0.21 0.39 0.38 0.45 −0.13 0.93 0.19 0.93 −0.05 0.19 0.88 0.40 0.12 0.93
    BaA 0.94 0.20 0.05 −0.02 0.48 0.13 0.89 0.26 0.83 0.16 0.20 0.92 0.31 0.93 0.18
    Chr 0.96 0.10 −0.00 0.80 0.16 0.16 0.94 0.27 0.66 −0.01 0.58 0.90 0.40 0.95 0.12
    BbF 0.58 0.31 0.12 0.90 −0.08 0.29 0.84 0.29 0.96 0.01 0.05 0.86 0.45 0.94 0.14
    BkF 0.96 0.19 0.01 0.51 0.31 0.08 0.86 0.23 0.46 0.81 −0.13 0.67 0.47 0.12 0.05
    BaP 0.78 0.20 0.17 0.72 0.09 0.47 0.90 0.30 0.95 0.10 −0.01 0.88 0.45 0.95 0.14
    DBA 0.98 0.06 0.03 0.34 0.24 0.59 0.33 0.59 0.10 0.23 0.68 0.82 0.09 0.87 0.08
    BPE 0.98 −0.05 0.05 0.84 0.08 0.19 0.87 0.28 0.97 0.04 0.03 0.83 0.41 0.93 0.15
    InP 0.98 0.05 0.15 0.90 −0.10 0.26 0.91 0.22 0.97 0.03 0.01 0.80 0.53 0.92 0.15
    方差贡献率/% 58.30 11.58 8.39 39.54 19.92 7.91 60.45 14.95 40.27 22.1 14.97 49.03 32.63 50.98 32.38
    呼和浩特 包头 巴彦淖尔
    PAHs 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season 采暖季Heating season 非采暖季Non-heating season
    因子1 因子2 因子3 因子1 因子2 因子3 因子1 因子2 因子1 因子2 因子3 因子1 因子2 因子1 因子2
    Nap 0.21 0.58 0.23 0.47 0.03 0.72 0.36 0.54 0.22 0.01 0.85 0.24 0.44 0.37 0.26
    Acy 0.09 0.80 −0.06 0.39 0.00 0.73 0.47 0.62 0.01 0.22 0.57 0.33 0.63 0.22 0.43
    Ace 0.06 0.87 0.62 −0.52 0.22 0.39 0.05 0.91 0.33 −0.02 0.37 0.37 0.74 0.32 0.82
    Flu 0.06 0.83 0.04 0.07 0.72 0.01 0.36 0.80 0.04 0.81 −0.18 0.16 0.37 −0.04 −0.05
    Phe 0.36 0.04 0.58 0.28 0.47 0.48 0.70 0.13 −0.03 0.13 0.17 0.42 0.64 −0.03 0.91
    Ant −0.24 0.89 0.22 −0.00 0.92 0.70 0.24 0.53 −0.02 −0.05 0.94 0.15 −0.04 0.35 −0.14
    Fla 0.96 0.05 0.06 0.02 −0.07 0.48 0.93 0.21 0.42 0.65 0.15 0.85 0.44 0.12 0.88
    Pyr 0.75 0.21 0.39 0.38 0.45 −0.13 0.93 0.19 0.93 −0.05 0.19 0.88 0.40 0.12 0.93
    BaA 0.94 0.20 0.05 −0.02 0.48 0.13 0.89 0.26 0.83 0.16 0.20 0.92 0.31 0.93 0.18
    Chr 0.96 0.10 −0.00 0.80 0.16 0.16 0.94 0.27 0.66 −0.01 0.58 0.90 0.40 0.95 0.12
    BbF 0.58 0.31 0.12 0.90 −0.08 0.29 0.84 0.29 0.96 0.01 0.05 0.86 0.45 0.94 0.14
    BkF 0.96 0.19 0.01 0.51 0.31 0.08 0.86 0.23 0.46 0.81 −0.13 0.67 0.47 0.12 0.05
    BaP 0.78 0.20 0.17 0.72 0.09 0.47 0.90 0.30 0.95 0.10 −0.01 0.88 0.45 0.95 0.14
    DBA 0.98 0.06 0.03 0.34 0.24 0.59 0.33 0.59 0.10 0.23 0.68 0.82 0.09 0.87 0.08
    BPE 0.98 −0.05 0.05 0.84 0.08 0.19 0.87 0.28 0.97 0.04 0.03 0.83 0.41 0.93 0.15
    InP 0.98 0.05 0.15 0.90 −0.10 0.26 0.91 0.22 0.97 0.03 0.01 0.80 0.53 0.92 0.15
    方差贡献率/% 58.30 11.58 8.39 39.54 19.92 7.91 60.45 14.95 40.27 22.1 14.97 49.03 32.63 50.98 32.38
    下载: 导出CSV
  • [1] LI P H, KONG S F, GENG C M, et al. Assessing the hazardous risks of vehicle inspection workers’ exposure to particulate heavy metals in their work places[J]. Aerosol and Air Quality Research, 2013, 13(1): 255-265. doi: 10.4209/aaqr.2012.04.0087
    [2] YANG D F, LIU Y L, LIU S, et al. Exposure to heavy metals and its association with DNA oxidative damage in municipal waste incinerator workers in Shenzhen, China[J]. Chemosphere, 2020, 250: 126289. doi: 10.1016/j.chemosphere.2020.126289
    [3] OGINAWATI K, Suharyanto, SUSETYO S H, et al. Investigation of dermal exposure to heavy metals (Cu, Zn, Ni, Al, Fe and Pb) in traditional batik industry workers[J]. Heliyon, 2022, 8(2): e08914. doi: 10.1016/j.heliyon.2022.e08914
    [4] ZHU Y H, HUANG L, LI J Y, et al. Sources of particulate matter in China: Insights from source apportionment studies published in 1987-2017[J]. Environment International, 2018, 115: 343-357. doi: 10.1016/j.envint.2018.03.037
    [5] MANTIS J, CHALOULAKOU A, SAMARA C. PM10-bound polycyclic aromatic hydrocarbons (PAHs) in the greater area of Athens, Greece[J]. Chemosphere, 2005, 59(5): 593-604. doi: 10.1016/j.chemosphere.2004.10.019
    [6] HIEN T T, NAM P P, YASUHIRO S, et al. Comparison of particle-phase polycyclic aromatic hydrocarbons and their variability causes in the ambient air in Ho Chi Minh City, Vietnam and in Osaka, Japan, during 2005-2006[J]. Science of the Total Environment, 2007, 382(1): 70-81. doi: 10.1016/j.scitotenv.2007.04.013
    [7] KULKARNI P, VENKATARAMAN C. Atmospheric polycyclic aromatic hydrocarbons in Mumbai, India[J]. Atmospheric Environment, 2000, 34(17): 2785-2790. doi: 10.1016/S1352-2310(99)00312-X
    [8] FENG B H, LI L J, XU H B, et al. PM2.5-bound polycyclic aromatic hydrocarbons (PAHs) in Beijing: Seasonal variations, sources, and risk assessment[J]. Journal of Environmental Sciences, 2019, 77: 11-19. doi: 10.1016/j.jes.2017.12.025
    [9] WANG J Z, HO S S H, CAO J J, et al. Characteristics and major sources of carbonaceous aerosols in PM2.5 from Sanya, China[J]. Science of the Total Environment, 2015, 530/531: 110-119. doi: 10.1016/j.scitotenv.2015.05.005
    [10] MA W L, LI Y F, QI H, et al. Seasonal variations of sources of polycyclic aromatic hydrocarbons (PAHs) to a northeastern urban city, China[J]. Chemosphere, 2010, 79(4): 441-447. doi: 10.1016/j.chemosphere.2010.01.048
    [11] WILD S R, JONES K C. Polynuclear aromatic hydrocarbons in the United Kingdom environment: A preliminary source inventory and budget[J]. Environmental Pollution, 1995, 88(1): 91-108. doi: 10.1016/0269-7491(95)91052-M
    [12] MILLER B G, DOUST E, CHERRIE J W, et al. Lung cancer mortality and exposure to polycyclic aromatic hydrocarbons in British coke oven workers[J]. BMC Public Health, 2013, 13: 962. doi: 10.1186/1471-2458-13-962
    [13] XU A, MAO Y, SU Y W, et al. Characterization, sources and risk assessment of PM2.5-bound polycyclic aromatic hydrocarbons (PAHs) in Huanggang city, central China[J]. Atmospheric Environment, 2021, 252: 118296. doi: 10.1016/j.atmosenv.2021.118296
    [14] MA L X, LI B, LIU Y P, et al. Characterization, sources and risk assessment of PM2.5-bound polycyclic aromatic hydrocarbons (PAHs) and nitrated PAHs (NPAHs) in Harbin, a cold city in Northern China[J]. Journal of Cleaner Production, 2020, 264: 121673. doi: 10.1016/j.jclepro.2020.121673
    [15] JIANG N, LI L P, WANG S S, et al. Variation tendency of pollution characterization, sources, and health risks of PM2.5-bound polycyclic aromatic hydrocarbons in an emerging megacity in China: Based on three-year data[J]. Atmospheric Research, 2019, 217: 81-92. doi: 10.1016/j.atmosres.2018.10.023
    [16] FADEL M, LEDOUX F, AFIF C, et al. Human health risk assessment for PAHs, phthalates, elements, PCDD/Fs, and DL-PCBs in PM2.5 and for NMVOCs in two East-Mediterranean urban sites under industrial influence[J]. Atmospheric Pollution Research, 2022, 13(1): 101261. doi: 10.1016/j.apr.2021.101261
    [17] DUAN L, YU H M, WANG Q Z, et al. PM2.5-bound polycyclic aromatic hydrocarbons of a megacity in Eastern China: Source apportionment and cancer risk assessment[J]. The Science of the Total Environment, 2023, 869: 161792. doi: 10.1016/j.scitotenv.2023.161792
    [18] SIMCIK M F, EISENREICH S J, LIOY P J. Source apportionment and source/sink relationships of PAHs in the coastal atmosphere of Chicago and Lake Michigan[J]. Atmospheric Environment, 1999, 33(30): 5071-5079. doi: 10.1016/S1352-2310(99)00233-2
    [19] VENKATARAMAN C, FRIEDLANDER S K. Source resolution of fine particulate polycyclic aromatic hydrocarbons using a receptor model modified for reactivity[J]. Air & Waste, 1994, 44(9): 1103-1108.
    [20] 孔少飞. 大气污染源排放颗粒物组成、有害组分风险评价及清单构建研究[D]. 天津: 南开大学, 2012.

    KONG S F. Study on the chemical composition, risk assessment and emission inventory establishment for hazardous components in particulate matter from atmospheirc pollution sources[D]. Tianjin: Nankai University, 2012 (in Chinese).

    [21] ELZEIN A, STEWART G J, SWIFT S J, et al. A comparison of PM2.5-bound polycyclic aromatic hydrocarbons in summer Beijing (China) and Delhi (India)[J]. Atmospheric Chemistry and Physics, 2020, 20(22): 14303-14319. doi: 10.5194/acp-20-14303-2020
    [22] NIU X Y, HO S S H, HO K F, et al. Atmospheric levels and cytotoxicity of polycyclic aromatic hydrocarbons and oxygenated-PAHs in PM2.5 in the Beijing-Tianjin-Hebei region[J]. Environmental Pollution, 2017, 231: 1075-1084. doi: 10.1016/j.envpol.2017.08.099
    [23] LIU Y K, YU Y P, LIU M, et al. Characterization and source identification of PM2.5-bound polycyclic aromatic hydrocarbons (PAHs) in different seasons from Shanghai, China[J]. Science of the Total Environment, 2018, 644: 725-735. doi: 10.1016/j.scitotenv.2018.07.049
    [24] TAN J H, ZHANG L M, ZHOU X M, et al. Chemical characteristics and source apportionment of PM2.5 in Lanzhou, China[J]. Science of the Total Environment, 2017, 601/602: 1743-1752. doi: 10.1016/j.scitotenv.2017.06.050
    [25] DONG Z S, DONG Z, ZHANG R Q, et al. Seasonal characterization, sources, and source-specific risks of PM2.5 bound PAHs at different types of urban sites in central China[J]. Atmospheric Pollution Research, 2023, 14(2): 101666. doi: 10.1016/j.apr.2023.101666
    [26] 江思力, 李文学, 步犁, 等. 广州市2018年大气PM2.5中多环芳烃的污染特征分析和健康风险评价[J]. 中国热带医学, 2020, 20(8): 710-716.

    JIANG S L, LI W X, BU L, et al. Pollution characteristics and health risk assessment of polycyclic aromatic hydrocarbons in PM2.5 in Guangzhou, 2018[J]. China Tropical Medicine, 2020, 20(8): 710-716 (in Chinese).

    [27] SHIN S M, LEE J Y, SHIN H J, et al. Seasonal variation and source apportionment of oxygenated polycyclic aromatic hydrocarbons (OPAHs) and polycyclic aromatic hydrocarbons (PAHs) in PM2.5 in Seoul, Korea[J]. Atmospheric Environment, 2022, 272: 118937. doi: 10.1016/j.atmosenv.2022.118937
    [28] AZIMI-YANCHESHMEH R, MOEINADDINI M, FEIZNIA S, et al. Seasonal and spatial variations in atmospheric PM2.5-bound PAHs in Karaj city, Iran: Sources, distributions, and health risks[J]. Sustainable Cities and Society, 2021, 72: 103020. doi: 10.1016/j.scs.2021.103020
    [29] TSAPAKIS M, STEPHANOU E G. Occurrence of gaseous and particulate polycyclic aromatic hydrocarbons in the urban atmosphere: Study of sources and ambient temperature effect on the gas/particle concentration and distribution[J]. Environmental Pollution, 2005, 133(1): 147-156. doi: 10.1016/j.envpol.2004.05.012
    [30] PONGPIACHAN S, HATTAYANONE M, CAO J J. Effect of agricultural waste burning season on PM2.5-bound polycyclic aromatic hydrocarbon (PAH) levels in Northern Thailand[J]. Atmospheric Pollution Research, 2017, 8(6): 1069-1080. doi: 10.1016/j.apr.2017.04.009
    [31] ALI-TALESHI M S, RIYAHI BAKHTIARI A, MOEINADDINI M, et al. Single-site source apportionment modeling of PM2.5-bound PAHs in the Tehran metropolitan area, Iran: Implications for source-specific multi-pathway cancer risk assessment[J]. Urban Climate, 2021, 39: 100928. doi: 10.1016/j.uclim.2021.100928
    [32] 孟庆紫, 樊曙先, 何佳宝, 等. 南京北郊冬季大气粗细颗粒物中PAHs来源解析[J]. 环境化学, 2015, 34(3): 417-424. doi: 10.7524/j.issn.0254-6108.2015.03.2014071601

    MENG Q Z, FAN S X, HE J B, et al. Source apportionment of polycyclic aromatic hydrocarbons in fine and coarse particulate matter during winter in northern suburbs of Nanjing[J]. Environmental Chemistry, 2015, 34(3): 417-424 (in Chinese). doi: 10.7524/j.issn.0254-6108.2015.03.2014071601

    [33] 肖翻, 韩丽, 孙鹏程, 等. 某地区农田土壤中多环芳烃分布与来源解析[J]. 环境监控与预警, 2019, 11(1): 49-53. doi: 10.3969/j.issn.1674-6732.2019.01.010

    XIAO F, HAN L, SUN P C, et al. Distribution and source apportionment of polycyclic aromatic hydrocarbons in agricultural soil from a certain area[J]. Environmental Monitoring and Forewarning, 2019, 11(1): 49-53 (in Chinese). doi: 10.3969/j.issn.1674-6732.2019.01.010

    [34] 贾晋璞. 大气—叶菜—土壤系统中PAHs的累积特征及暴露风险: 以上海市郊区为例[D]. 上海: 华东师范大学, 2019.

    JIA J P. Accumulation characteristics and exposure risk of PAHs in air-leaf vegetable-soil system[D]. Shanghai: East China Normal University, 2019 (in Chinese).

    [35] 牟玲, 刘紫叶, 李杨勇, 等. 吕梁市PM2.5中多环芳烃的来源解析及健康风险评价[J]. 环境科学, 2023, 44(12): 6508-6517.

    MU L, LIU Z Y, LI Y Y, et al. Source analysis and health risk assessment of PAHs in PM2.5, Lüliang City [J]. Environmental Science, 2023, 44(12): 6508-6517 (in Chinese).

    [36] 马可婧, 孙丽娟. 兰州市PM2.5中多环芳烃的污染特征和来源解析[J]. 环境科学, 2023, 44(11): 5997-6006.

    MA K J, SUN L J. Characterization and source apportionment of polycyclic aromatic hydrocarbons in PM2.5 in Lanzhou[J]. Environmental Science, 2023, 44(11): 5997-6006 (in Chinese).

    [37] 管贤贤, 周小平, 雷春妮, 等. 基于GIS及APCS-MLR模型的兰州市主城区土壤PAHs来源解析[J]. 环境科学, 2021, 42(8): 3904-3912.

    GUAN X X, ZHOU X P, LEI C N, et al. Source apportionment of soil PAHs in Lanzhou based on GIS and APCS-MLR model[J]. Environmental Science, 2021, 42(8): 3904-3912 (in Chinese).

    [38] 王鸿霖, 徐伟, 刘洁. 海口市主城区农田表层土壤PAHs分布特征及来源解析研究[J]. 环境科学与管理, 2023, 48(1): 134-139.

    WANG H L, XU W, LIU J. Distribution characteristics and source analysis of PAHs in farmland topsoil in main urban area of Haikou[J]. Environmental Science and Management, 2023, 48(1): 134-139 (in Chinese).

    [39] HU T P, MAO Y, LIU W J, et al. Fate of PM2.5-bound PAHs in Xiangyang, central China during 2018 Chinese spring festival: Influence of fireworks burning and air-mass transport[J]. Journal of Environmental Sciences (China), 2020, 97: 1-10. doi: 10.1016/j.jes.2020.04.011
    [40] 贺博文, 聂赛赛, 李仪琳, 等. 承德市PM2.5中多环芳烃的季节分布特征、来源解析及健康风险评价[J]. 环境科学, 2022, 43(5): 2343-2354.

    HE B W, NIE S S, LI Y L, et al. Seasonal distribution characteristics, source analysis, and health risk evaluation of PAHs in PM2.5 in Chengde[J]. Environmental Science, 2022, 43(5): 2343-2354 (in Chinese).

    [41] 冯雅杰, 綦峥, 韩馥蕊, 等. 哈尔滨市大气PM2.5中多环芳香烃污染特征及来源解析[J]. 环境化学, 2023, 42(5): 1593-1603. doi: 10.7524/j.issn.0254-6108.2021120901

    FENG Y J, QI Z, HAN F R, et al. Pollution characteristics and source apportionment of polycyclic aromatic hydrocarbons in PM2.5 in Harbin City[J]. Environmental Chemistry, 2023, 42(5): 1593-1603 (in Chinese). doi: 10.7524/j.issn.0254-6108.2021120901

    [42] 贾天琪. 长三角地区多环芳烃分布特征、来源与风险评估[D]. 呼和浩特: 内蒙古大学, 2021.

    JIA T Q. Distribution, sources and risk assessment of polycyclic aromatic hydrocarbons in the Yangtze River Delta[D]. Hohhot: Inner Mongolia University, 2021 (in Chinese).

    [43] YUNKER M B, MACDONALD R W, VINGARZAN R, et al. PAHs in the Fraser River Basin: A critical appraisal of PAH ratios as indicators of PAH source and composition[J]. Organic Geochemistry, 2002, 33(4): 489-515. doi: 10.1016/S0146-6380(02)00002-5
    [44] 毕思琪, 张博晗, 李恺庆, 等. 宁夏典型工业场地多环芳烃的来源解析及特定源的毒理学风险评估[J]. 生态毒理学报, 2023, 18(1): 308-323.

    BI S Q, ZHANG B H, LI K Q, et al. Source apportionment and source-specific toxicological risk assessment of PAHs in a typical industrial site in Ningxia[J]. Asian Journal of Ecotoxicology, 2023, 18(1): 308-323 (in Chinese).

    [45] BI C L, CHEN Y T, ZHAO Z Z, et al. Characteristics, sources and health risks of toxic species (PCDD/Fs, PAHs and heavy metals) in PM2.5 during fall and winter in an industrial area[J]. Chemosphere, 2020, 238: 124620. doi: 10.1016/j.chemosphere.2019.124620
    [46] MEHMOOD T, ZHU T L, AHMAD I, et al. Ambient PM2.5 and PM10 bound PAHs in Islamabad, Pakistan: Concentration, source and health risk assessment[J]. Chemosphere, 2020, 257: 127187. doi: 10.1016/j.chemosphere.2020.127187
    [47] 宋光卫, 胡健, 崔猛, 等. 北京市奥林匹克公园PM2.5中多环芳烃在采暖季和非采暖季的特征、来源及健康风险评估[J]. 生态学杂志, 2019, 38(11): 3400-3407.

    SONG G W, HU J, CUI M, et al. Distribution, source and health risk assessment of polycyclic aromatic hydrocarbons (PAHs) in PM2.5 in Beijing Olympic Park in heating and non-heating seasons[J]. Chinese Journal of Ecology, 2019, 38(11): 3400-3407 (in Chinese).

    [48] 梁秀梅, 邹云锋, 王钰钰, 等. 广州市大气PM2.5中多环芳烃的季节变化特征及健康风险评价[J]. 环境与健康杂志, 2017, 34(3): 220-224.

    LIANG X M, ZOU Y F, WANG Y Y, et al. Seasonal variation and health risk assessment of polycyclic aromatic hydrocarbons in atmospheric PM2.5 in Guangzhou[J]. Journal of Environment and Health, 2017, 34(3): 220-224 (in Chinese).

    [49] LIU X S, SCHNELLE-KREIS J, SCHLOTER-HAI B, et al. Analysis of PAHs associated with PM10 and PM2.5 from different districts in Nanjing[J]. Aerosol and Air Quality Research, 2019, 19(10): 2294-2307. doi: 10.4209/aaqr.2019.06.0301
    [50] 张勇, 陈卓, 保玉心, 等. 遵义市秋冬季PM2.5中多环芳烃的污染特征、来源及健康风险评价[J]. 环境保护科学, 2023, 49(1): 95-101,116.

    ZHANG Y, CHEN Z, BAO Y X, et al. Characteristics, sources and health risk assessment of PAHs in PM2.5 during autumn and winter in Zunyi[J]. Environmental Protection Science, 2023, 49(1): 95-101,116 (in Chinese).

    [51] 冯利红, 李永刚, 赵岩, 等. 天津市大气细颗粒物中多环芳烃人群健康风险评估[J]. 实用预防医学, 2015, 22(11): 1322-1325.

    FENG L H, LI Y G, ZHAO Y, et al. Assessment on health risk of polycyclic aromatic hydrocarbons in airborne PM2.5 in Tianjin[J]. Practical Preventive Medicine, 2015, 22(11): 1322-1325 (in Chinese).

    [52] 唐大镜, 孙成瑶, 陈凤格, 等. 石家庄市采暖期与非采暖期PM2.5中多环芳烃的来源解析及健康风险评价[J]. 气象学报, 2022, 80(3): 410-420.

    TANG D J, SUN C Y, CHEN F G, et al. Sources and health risk assessment of PM2.5-bound PAHs during heating and non-heating periods in Shijiazhuang city[J]. Acta Meteorologica Sinica, 2022, 80(3): 410-420 (in Chinese).

    [53] WANG X P, ZONG Z, TIAN C G, et al. Assessing on toxic potency of PM2.5-bound polycyclic aromatic hydrocarbons at a national atmospheric background site in North China[J]. Science of the Total Environment, 2018, 612: 330-338. doi: 10.1016/j.scitotenv.2017.08.208
    [54] 安玉琴, 郝海燕, 金红, 等. 河北省四城市PM2.5中多环芳烃污染水平及健康风险评价[J]. 职业与健康, 2018, 34(22): 3129-3133.

    AN Y Q, HAO H Y, JIN H, et al. Pollution level and health risk assessment of polycyclic aromatic hydrocarbons in PM2.5 of four cities in Hebei Province[J]. Occupation and Health, 2018, 34(22): 3129-3133 (in Chinese).

  • 加载中
图( 9) 表( 6)
计量
  • 文章访问数:  1192
  • HTML全文浏览数:  1192
  • PDF下载数:  13
  • 施引文献:  0
出版历程
  • 收稿日期:  2023-06-27
  • 录用日期:  2023-10-25
  • 刊出日期:  2024-12-27
孙英, 苏益娴, 谢非, 李亮, 周兴军, 吕昌伟. PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例[J]. 环境化学, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
引用本文: 孙英, 苏益娴, 谢非, 李亮, 周兴军, 吕昌伟. PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例[J]. 环境化学, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
SUN Ying, SU Yixian, XIE Fei, LI Liang, ZHOU Xingjun, LYU Changwei. Geochemical characteristics and health risks of PAHs in PM2.5: A case study of Hohhot, Baotou, and Bayannur, China[J]. Environmental Chemistry, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702
Citation: SUN Ying, SU Yixian, XIE Fei, LI Liang, ZHOU Xingjun, LYU Changwei. Geochemical characteristics and health risks of PAHs in PM2.5: A case study of Hohhot, Baotou, and Bayannur, China[J]. Environmental Chemistry, 2024, 43(12): 4275-4291. doi: 10.7524/j.issn.0254-6108.2023062702

PM2.5中多环芳烃的地球化学特征及健康风险—以呼和浩特市、包头市、巴彦淖尔市为例

    通讯作者: E-mail:lcw2008@imu.edu.cn
  • 1. 内蒙古自治区环境监测总站呼和浩特分站,呼和浩特,010010
  • 2. 内蒙古大学生态与环境学院,呼和浩特,010021
  • 3. 内蒙古自治区环境监测总站,呼和浩特,010011
  • 4. 内蒙古大学环境地质研究所,呼和浩特,010021
基金项目:
内蒙古自治区科技重大专项(2020ZD0013),国家自然科学基金 (41763014)和内蒙古自治区“青年科技人才支持计划”- A类“青年科技领军人才”(NJYT2022092)资助.

摘要: 细颗粒物(PM2.5)的环境效应在很大程度上受控于其化学组分和丰度。本文以煤炭供能为主的资源依赖型城市呼和浩特市、包头市、巴彦淖尔市为研究对象,开展了不同季节不同大气环境质量条件下PM2.5中多环芳烃(PAHs)的地球化学特征及其健康风险研究。结果表明,采暖季3个城市PM2.5中的PAHs以Phe(10.00—14.74 ng·m−3)、Fla(8.00—15.33 ng·m−3)、Pyr(9.22—16.33ng·m−3)为主,非采暖季呼和浩特市和巴彦淖尔市以BkF(2.02—2.44 ng·m−3)、DBA(4.54—4.78 ng·m−3)为主,而包头则以Pyr(0.88 ng·m−3)、BbF(0.97 ng·m−3)、DBA(1.94 ng·m−3)、BPE(0.85 ng·m−3)为主;3个城市PM2.5中PAHs的含量均具有采暖季高于非采暖季的季节性特征,采暖季PM2.5中PAHs的昼夜变化特征表现为“夜晚>白天”;PM2.5中PAHs的浓度则遵循“污染天>沙尘天>清洁天”的规律;采暖季PAHs的主导物种是4环PAHs,非采暖季PAHs的主导物种是5环PAHs。研究区3个城市采暖季PM2.5中PAHs主要来源于煤炭燃烧、机动车尾气排放,非采暖季机动车尾气排放和工业源等则成为主导源;呼和浩特市和巴彦淖尔市非采暖季PAHs来自天然气燃烧和机动车尾气的混合源,而煤炭燃烧对包头非采暖季PAHs的贡献仍然重要,生物质燃烧源对巴彦淖尔市非采暖季PAHs影响显著;研究区PM2.5中PAHs源谱既存在显著的季节差异,也存在因城市功能和发展而导致城市差异。研究区3个城市采暖季和非采暖季PM2.5中PAHs经呼吸吸入途径对人体产生的致癌风险和非致癌风险均处于可接受水平。本研究对典型燃煤供能主导的城市大气PM2.5中PAHs的环境地球化学行为效应研究具有重要的资料价值,也可为区域大气污染防治提供了一定科学依据.

English Abstract

  • 据统计,2013年至2022年我国PM2.5实现了“十连降”,尽管浓度下降了57%,但受气象条件不利和污染排放增加的双重压力影响,我国大气污染防治的长期性、复杂性、艰巨性依然存在。如2021年,全国以PM2.5为首要污染物的超标天数仍然高于其他各项污染物。PM2.5具有粒径小、比表面积大等特点,易于吸附携带多种污染物,并能穿透肺部沉积在肺泡上,对人体健康带来威胁[13]。PM2.5的环境效应及其对公共卫生的影响在很大程度上受控于其化学组分及丰度[4]

    多环芳烃(PAHs)主要在煤、石油、汽油、木材等的不完全燃烧中形成和释放,广泛存在于全球各种环境介质中。研究表明,大气颗粒物中PAHs主要与煤炭燃烧、汽车尾气、秸秆燃烧、木材燃烧、垃圾燃烧及工业生产(如金属生产、焦炭生产)等排放源有关[5]。越南胡志明市和日本大阪市区大气颗粒物中的5环和6环PAHs为优势物种,主要来自机动车排放[6];印度孟买大气细颗粒物中丰富的BbF和BkF主要来自车辆排放[7]。我国北京市的研究表明,柴油汽车排放、煤炭燃烧和生物质燃烧是大气中PAHs的主要来源,分别占24.7 %、24.3 %和17.8 %[8];三亚市冬季PM2.5中PAHs来源具有多样性,但机动车排放和生物质燃烧仍为主要贡献源,夏季则以化石燃料燃烧为主[9];Ma等[10]对哈尔滨市大气中PAHs季节变化的研究发现,春冬季气相和颗粒相PAHs的浓度高于夏秋季。综上,有关PM2.5中PAHs的研究多集中于国内外较为发达的城市。呼和浩特、包头和巴彦淖尔是“黄河几字湾”能源基地和呼包鄂榆城市群的中心城市,大气细颗粒物的季节性污染特征显著,PM2.5中PAHs的相关研究鲜见。

    众多的PAHs中,苯并[a]芘(BaP)被国际癌症研究机构(IARC)定义为Ⅰ类致癌物,苯并[a]蒽(BaA)、苯并[b]荧蒽(BbF)、苯并[k]荧蒽(BkF)、茚并[1,2,3-c,d]芘(InP)被定义为2B类致癌物。作为具有“三致”效应的污染物,PAHs对公众健康的危害得到了广泛关注。英国的研究发现[11],燃烧向空气中排放超过1000吨的PAHs,其中煤炭燃烧和火灾的贡献占95 %以上;同时,一项基于6600名工人长达20年的追踪研究发现,长期接触致癌PAHs的工人患肺癌的风险比普通人高25%[12]。Xu等[13]评估了黄冈市大气PM2.5中PAHs经过呼吸吸入途径、摄入和皮肤接触途径的终生增量致癌风险(ILCR),经摄入和皮肤途径的ILCR介于10−4—10−6之间,而呼吸吸入途径的ILCR在10−11—10−8间。此外,也有研究表明,大气PM2.5中PAHs经呼吸吸入、摄入和皮肤接触等途径的ILCR有显著差异[14],且存在摄入途径>皮肤接触途径>吸入途径的致癌风险序列[15]

    我国十四五规划纲要要求推动城市群一体化发展,以促进城市群发展为抓手,全面形成“两横三纵”城镇化战略格局,培育发展呼包鄂榆等城市群,统筹推进生态共建环境共治,构筑生态和安全屏障,实现经济高质量发展和生态环境高水平保护。呼和浩特市、包头市、巴彦淖尔市均为我国西北部典型的以煤炭供能为主的资源依赖型城市,季节性煤烟型大气污染问题突出。目前,有关于大气细颗粒物中PAHs及其健康风险方面的研究主要集中于京津冀、珠江三角洲和长江三角洲等发达地区,干旱半干旱的西北欠发达地区的研究区较少。本文以呼和浩特市、包头市、巴彦淖尔市为研究区,针对不同季节不同大气环境质量特征,分析了3个城市PM2.5中PAHs的物种组成、化学结构、丰度及其时空分布等地球化学特征,解析了其潜在来源,评估了PM2.5中PAHs的健康风险,对典型燃煤供能主导的城市大气PM2.5中PAHs的环境地球化学行为效应研究具有重要的资料价值,也可为区域大气污染联防联控联治,以及促进大气污染防治工作机制向健康风险管理倾斜提供科学依据。

    • 研究区包括呼和浩特市、包头市和巴彦淖尔市(从东向西),位于阴山山脉南麓、蛮汉山脉以西、鄂尔多斯高原以北的土默特平原和河套平原。研究区域均属于温带大陆性季风气候,昼夜温差较大,春季干燥多风,夏季短暂炎热且降雨集中,秋冬季寒冷干燥。采暖季为每年的10月15日—次年4月15日,时长共6个月。呼和浩特市(110°46′—112°10′E,40°51′—41°8′N)是内蒙古自治区的首府城市,其北部大青山和东南部蛮汉山为山地地形,南部及西南部为土默川平原地形,全市总面积1.72万km2;2021年末,呼和浩特市常住人口349.6万人,常住人口城镇化率达79.7%,全年地区生产总值3121.4亿元。包头市(109°15′—10°26′E,40°15 —42°43′N)是内蒙古自治区重要的工业城市,南临黄河,北依阴山山脉,东西接土默川平原和河套平原,全市总面积2.78万km2;包头市常住人口271.8万人,常住人口城镇化率为86.7%,全年地区生产总值3293.0亿元。巴彦淖尔市(105°12′—109°53′E,40°13′—42°28′N)地处内蒙古自治区西部,位于黄河“几”字弯顶端,北部为乌拉特草原,中部为阴山山地,南部为河套平原,全市总面积6.51万km2;巴彦淖尔市常住人口152.8万人,常住人口城镇化率达60.6%,全年地区生产总值982.7亿元。研究区内3个城市同属中温带大陆性气候,受冬季燃煤取暖影响,季节性污染特征显著;3个城市均位于阴山山脉南麓,气象条件和季节性排放特征具有较好的同步性,是内蒙古自治区大气污染较重,且存在区域传输的区域。

    • 研究区呼包巴三市共设18个采样点位,其中呼和浩特市8个、包头市7个、巴彦淖尔市3个。采样点位周边无典型排放源且均无高大建筑物遮挡,能够较好的反映研究区内大气细颗粒物的污染状况,样点分布及信息见图1表1

      采样时段包括采暖季和非采暖季两个时段。采暖季采样时间为2021年1月6日—1月26日,昼夜分别采集;昼间采样时段为9:00—17:00,夜间采样时段为18:00—次日8:00。非采暖季采样时间为2021年7月3日—7月24日,采样时段为9:00—次日8:00,全天采样。采样期内若遇风速大于8 m·s−1及降水时停止采样,已采集样品作废。

      本观测期经历了3个代表性时段,即过程1(1月6日—9日,PM2.5平均浓度为14.42 μg·m−3,AQI介于31—47)为相对清洁时段、过程2(1月11日—15日,PM2.5平均浓度为158.08 μg·m−3且PM2.5/PM10<0.3,AQI介于103—500)为沙尘时段、过程3(1月20日—24日,PM2.5平均浓度为81.83 μg·m−3,AQI介于79—118)为轻度污染时段。采样期间,研究区的颗粒物浓度水平如图2所示。

    • 本研究所用采样器为崂山应用技术研究所2050型空气/智能中流量采样器,以100 L·min−1的恒定流速运行,采样时记录仪器的大气压力、环境温度、采样体积以及采样时间等参数。采样滤膜为美国PALL石英滤膜(直径90 mm)。为避免杂质干扰影响测量结果,采样前将石英滤膜置于马弗炉中420 ℃高温烘烤4 h,然后将烘烤后的滤膜放置恒温恒湿称量室(T=(25±1)℃,RH=(50±2)℃)平衡24 h后使用德国赛多利斯CP225D电子天平(0.01 mg)进行首次称重;同一滤膜在首次称重后放置于同一称量室于相同条件下再平衡1 h后称重。3次称量(重量差小于0.04 mg)后取平均值作为滤膜的实际质量并放入塑料滤膜盒中以备采样。采样结束后,将滤膜置于相同条件下的恒温恒湿称量室中再次称量以计算颗粒物质量浓度。称量期间消毒镊子等器具且均佩戴绝缘手套,具体方法参考《环境空气颗粒物(PM2.5)手工监测方法(重量法)技术规范》(HJ656—2013)。称量后的滤膜放入滤膜盒中置于超低温冰箱(−80 ℃)中冷冻保存以待下一步前处理。

      细颗粒物中PAHs的测定参考《环境空气和废气气相和颗粒物中多环芳烃的测定高效液相色谱法》(HJ 647—2013)。取1/2滤膜,使用陶瓷剪刀将滤膜剪成碎片状放入萃取池中,加盖拧紧后置入全自动加速溶剂萃取仪(DIONEX,ASE350),使用丙酮:正己烷(1:1)混合溶液作为萃取剂,温度设置为100℃,萃取压力为1500PSI,循环2次充分萃取。萃取完成后,将提取液倒入预先用正己烷润洗过的盛有无水硫酸钠的漏斗至浓缩瓶中,用丙酮:正己烷(1:1)混合溶液润洗接收瓶,此过程重复2次后再将浓缩瓶放入平行定量浓缩仪进行浓缩提取。平行定量浓缩仪水浴温度设置为30 ℃,前10 分钟转速设置270 r·min−1防止暴沸,待稳定后将转速调整为200 r·min−1。直至浓缩瓶内溶液浓缩为1 mL时,加入3 mL乙腈溶液转换溶剂,并将转速调至90 r·min−1,此过程重复2次,最后准确定容至1 mL,待测。用高效液相色谱仪分析待测液中的萘(Nap)、苊烯(Acy)、苊(Ace)、芴(Flu)、菲(Phe)、蒽(Ant)、荧蒽(Fla)、芘(Pyr)、苯并[a]蒽(BaA)、䓛(Chr)、苯并[b]荧蒽(BaF)、苯并[k]荧蒽(BkF)、苯并[a]芘(BaP)、二苯并[a,h]蒽(DBA)、苯并[g,h,i]苝(BPE)、茚并[1,2,3-c,d]芘(InP)16种PAHs。实验过程中,采用10%的实验室内平行及10%的基体加标,平行样品的标准偏差及加标回收率范围分别为3.6%—12.5%和70.5%—109.3%。

    • 本研究采用美国环境保护署推荐的人体健康风险评估模型,结合中国环境科学学会2021年9月30日发布的《区域环境污染健康风险评估导则》相关标准,根据区域环境污染调查与监测数据,选择国内外已公布的有毒有害污染物和优控污染物,计算其通过直接吸入PM2.5造成的致癌和非致癌风险[13]。本文采用的基于吸入慢性暴露浓度(EC)的改进算法,计算经呼吸道吸入途径吸入室外空气中污染物的暴露浓度,计算公式为:

      式中,ECinh为吸入室外空气中污染物的暴露浓度,μg·m−3Cair为空气中污染物实测浓度,μg·m−3;ET为暴露时间,h·d−1;EF为暴露频率,d·a−1;ED为暴露持续时间,a;ATinh为经呼吸道吸入平均暴露时间,h。不同人群健康风险暴露参数取值见表2.

      根据暴露浓度,定量计算各污染物潜在的非致癌风险和致癌风险。

      (1)使用危害商(HQ)作为非致癌风险评估的衡量指标,而非致癌危害指数(HI)为各污染物危害商(HQ)的和,用来评估几种污染物造成的非致癌效应的总体潜力。一般认为,当HI≤1时,表明风险较小或风险可以忽略;当HI>1时,表明存在非致癌风险,并且随着HQ值或HI值的增加,其风险概率趋于增加。计算公式为:

      式中,HQinh为污染物经呼吸吸入途径的危害商,无量纲;RfC为污染物暴露的呼吸吸入参考浓度,mg·m−3

      (2)使用终生超额致癌风险(CR)作为致癌风险评估的衡量指标。根据美国环保署风险管理指南,认为当CR<10−6时,说明不存在显著的致癌风险;当CR介于10−6—10−4之间,认为该物质的致癌风险处在可以接受的范围内;当CR>10−4时,认为该物质存在严重且不可接受的致癌风险,应该引起重视。计算公式为:

      式中,CRinh为污染物经呼吸吸入途径的终生超额致癌风险,无量纲;IUR为污染物暴露的呼吸吸入单位风险因子,(μg·m−3−1

      由于不同PAHs单体对总毒性的贡献不同,而BaP是16种PAHs中毒性最强、最具代表性的单体(BaP的RfC和IUR分别为2×10−6和6×10−4[16],并且是PAHs中唯一具有中国环境质量标准的化学污染物,因此通常会引入PAHs各单体相对于BaP的毒性等效因子(Toxic equivalent factor,TEF),将PAHs单体浓度换算为BaP当量浓度来表示各PAHs单体引起的风险,再将这些值相加,即总毒性当量浓度(TEQ),其计算公式为:

      其中,Ci为PAHs单体质量浓度(ng·m−3),TEFi为PAHs单体的毒性等效因子(表3)。

    • 呼和浩特市、包头市、巴彦淖尔市PM2.5中PAHs的质量浓度均呈现采暖季>非采暖季的季节分布特征(表4)。具体而言,采暖季三市PM2.5中16种PAHs的平均浓度分别为(97.12±46.82)、(107.53±60.87)、(68.22±46.36)ng·m−3;非采暖季呼和浩特市、包头市、巴彦淖尔市PM2.5中16种PAHs的平均浓度分别为(7.46±6.00)、(8.49±5.26)、(6.12±3.40)ng·m−3。3个城市采暖季PM2.5中16种PAHs的总浓度分别高出非采暖季12.01倍、11.67倍、11.15倍。冬季供暖燃煤量增加、频繁的大气逆温现象增加了PM2.5中PAHs的含量水平,此外低温条件下机动车辆冷启动引起的不完全燃烧增加了高分子量PAHs的释放,这也对大气PM2.5中PAHs的丰度产生一定影响;夏季气温高,昼长夜短且高光强的气象条件有利于低分子量的PAHs从颗粒相挥发到气相,高分子量的PAHs则易通过光化学反应降解从而降低大气PM2.5中PAHs的浓度[15, 17]

      采暖季3个城市PM2.5中的PAHs以Phe(10.00—14.74 ng·m−3)、Fla(8.00—15.33 ng·m−3)、Pyr(9.22—16.33 ng·m−3)为主,分别占Σ16PAHs的12.31%—14.66%、11.73%—14.26%、13.48%—15.19%(图3)。有研究表明,Phe、Fla、Pyr均来自于煤炭燃烧,是典型的煤炭燃烧示踪物[18],故较高丰度的Phe、Fla、Pyr可初步揭示燃烧源对研究区采暖季PM2.5中PAHs的贡献显著。非采暖季呼和浩特市和巴彦淖尔市PM2.5中的PAHs以BkF(2.02—2.44 ng·m−3)、DBA(4.54—4.78 ng·m−3)为主,分别占Σ16PAHs的13.89%—16.62%、26.94%—29.08%;包头市PM2.5中的PAHs以Pyr(0.88 ng·m−3)、BbF(0.97 ng·m−3)、DBA(1.94 ng·m−3)、BPE(0.85 ng·m−3)为主,分别占Σ16PAHs的10.37%、11.43%、22.85%、10.01%;Pyr主要源自燃煤排放,包头作为内蒙古自治区最大的工业城市,其特点是大量的火力发电站和化工业生产对煤炭依赖度较高,使得该城市无论是采暖季还是非采暖季燃煤源都占有重要比例。而BbF、BkF、DBA、BPE是典型的交通排放标志[19],可初步表明交通排放对本研究区内非采暖季PM2.5中PAHs的具有一定贡献。

      Σ7PAHs表示包括BaA、Chr、BbF、BkF、BaP、DBA、InP在内的7种致癌PAHs的浓度加和。由表4可知,3个城市采暖季致癌PAHsΣ7PAHs的浓度平均值分别为(36.03±15.38)、(42.07±26.33)、(28.69±12.39)ng·m−3,分别占Σ16PAHs的37.10%、39.12%、42.10%;非采暖季致癌多环芳烃Σ7PAHs的浓度平均值分别为(4.27±1.35)、(5.12±2.01)、(3.81±1.82)ng·m−3,分别占57.24%、60.31%、61.45%。我国空气质量标准(GB 3095—2012)仅给出了BaP(1 ng·m−3)的浓度限值,采暖季3个城市PM2.5中BaP的浓度均超出了标准限值,非采暖季则均未超出标准限值,表明采暖季PM2.5的PAHs应引起人们的重视。

      整体上,3个城市采暖季PM2.5中Σ16PAHs浓度的昼夜变化特征表现为夜晚>白天,且高环PAHs的昼夜差异大于低环PAHs(图4)。研究发现,真实路况行驶时,柴油车排放的PAHs是汽油车的6.82倍[20]。鉴于城市建成区昼间禁止柴油车进入的管控措施,作为柴油车排放标志物的BbF、BkF、BaP和InP等高环PAHs的夜间含量高于白天;与此同时,夜间近地面辐射冷却易形成逆温现象,大气扩散、稀释能力减弱,进而使得夜间PAHs浓度较高;相较于夜间,白天低层大气不稳定,光照强度增强,PAHs可通过光化学反应降解,多因素协同作用下导致夜间PM2.5中PAHs的浓度高于白天。

      与国内外城市的对比发现(表5),研究区3个城市冬季PM2.5中Σ16PAHs的浓度接近或略高于上海、郑州等经济发达城市,远高于杭州、广州等南方城市和首尔(韩国)、卡拉季(伊朗)等国外城市,但远低于兰州等北方城市;研究区3个城市夏季PM2.5中Σ16PAHs的浓度与北京、上海等城市较为接近,略低于郑州,远低于德里(印度)。研究区3个城市及其他北方城市能源消费均以煤炭为主,冬季燃煤供暖及工业生产过程使得污染物排放量增加,导致4环PAHs高于南方城市。而夏季气温高,燃煤取暖的缺失使污染排放量大大减少,同时良好的扩散条件降低了污染物的累积效率,使得本研究区PM2.5中Σ16PAHs的含量在国内外处于中等水平。单位GDP能耗是某城市能源消费总量与地区GDP的比率,能够反映城市的能源消费水平和节能降耗状况。一般认为,单位GDP能耗越大,说明该城市的经济发展对能源的依赖程度越高。相关分析表明,各城市PM2.5中PAHs的含量与单位GDP能耗呈正相关(图5R2=0.55,P<0.05)。包头市(BT)作为典型的工业城市对能源的依赖程度表现得尤为明显,其2021年单位GDP能耗为1.49 t标准煤/万元,远高于北京(BJ)、上海(SH)等经济发达城市以及郑州(ZH)、天津(TJ)等北方城市,与此同时PM2.5中PAHs的含量也较高。

    • 观测期间,采暖季清洁天和沙尘天Σ16PAHs平均浓度分别为(88.32±3.77)ng·m−3和(87.76±3.72)ng·m−3,污染天Σ16PAHs平均浓度为(145.98±6.17)ng·m−3图6)。清洁天和沙尘天Σ16PAHs的浓度差别不大,这可能是由于发生沙尘事件前由于冷空气过境导致强对流天气,大气中污染物已经得到了较为充分的扩散,从而使得沙尘事件对大气PM2.5中Σ16PAHs的稀释作用不明显。而污染天Σ16PAHs平均浓度分别是清洁天和沙尘天的1.65倍和1.66倍,各PAHs单体均有不同程度的波动,其中Flu、Fla、Pyr、Chr的波动幅度较大,在污染天时的浓度分别是清洁天的2.12倍、1.73倍、1.69倍、1.85倍,这4类物质是煤炭燃烧的标志物,在采暖季燃煤强度基本不变的前提下,大气边界层高度较低,低温高湿的不利气象条件使污染物难以扩散从而持续累积导致其浓度升高。非采暖季清洁天和污染天Σ16PAHs平均浓度分别为(6.75±0.39)ng·m−3和(8.11±0.42)ng·m−3,污染天Σ16PAH的浓度是清洁天的1.20倍,这可能是由于气象条件的变化改变了大气中PAHs的环境行为,促进了污染物的气-粒分配过程,使附着在PM2.5中的污染物增加。

    • 本研究所测定的16种PAHs包括低分子量PAHs(LMW,low molecular weight,主要为NaP、Acy、Ace、Flu、Phe、Ant)、中分子量PAHs(MMW,middle molecular weight,主要为Fla、Pyr、BaA、Chr)和和高分子量PAHs(HMW,high molecular weight,主要为BbF、BkF、BaP、DBA、BPE、InP)。随环数和分子量的增加,PAHs在大气中的固相分配系数也随之增大,2、3环PAHs易挥发,主要存在于气相,夏季气温高使Nap含量极低甚至无法检出;4环PAHs在两相同时存在,属于半挥发性有机物,环境温度的变化会显著影响其气/固分配[29];5、6环PAHs沸点高、不易挥发,主要存在于颗粒物上。

      3个城市采暖季PM2.5中PAHs的环数分布特征一致,均表现为4环>3环>5环>6环>2环(图7),其中包头市4环PAHs占比最大,达到了45%。有研究表明,4环PAHs主要来自煤炭燃烧。包头市作为本研究区内重要的工业城市,第二产业GDP占比47.7%(2021年统计数据),加之以燃煤供能为主的能源结构类型,为采暖季PM2.5中高丰度的4环PAHs提供了可靠解释。相较而言,呼和浩特市与巴彦淖尔市由于产业结构类型不同,第二产业占比较低(33.7%和33.4%),故包头市4环PAHs占比高于呼和浩特市和巴彦淖尔市。与采暖季不同,3个城市非采暖季PM2.5中PAHs均以5环为占比最高,且3个城市PAHs的环数分布特征一致:5环>4环>3环>6环>2环,其中呼和浩特市5环PAHs占比最大(54%)。有研究表明,高环数PAHs主要来自机动车尾气排放。相较而言,呼和浩特市机动车保有量(132.8万辆)远高于包头市(84.3万辆)和巴彦淖尔市(45.4万辆),与呼和浩特市高环数PAHs丰度最高相一致。

    • 结果表明,呼和浩特市采暖季共提取到3个因子,总贡献率达到78.27%(表6)。因子1中Fla、BaA、Chr、BkF、DBA、BPE、InP的负载系数较高,解释了总方差的58.30%,其中Pla和BaA主要源自煤炭燃烧,Chr是天然气燃烧的标志物[30],BkF、DBA、BPE、InP主要来自汽油车和柴油车的尾气排放[31],表明该因子主要为煤炭燃烧、天然气燃烧和机动车尾气的混合源。因子2主要载荷为Nap、Acy、Ace、Flu和Ant,解释了总方差的11.58%,其中Ace、Ant是焦化工业焦炉排放的污染指示物[32],Nap、Acy和Flu也可由炼焦过程排放[3334],可将因子2判定为以焦化排放为主的工业源,但经调研查证,呼和浩特市焦化工业较少,可能存在相关污染物的区域传输。因子3在Phe上有较高的载荷,解释了总方差的8.39%,Phe是生物质燃烧排放的显著物质[35],可将因子3认定为生物质燃烧源。

      非采暖季共提取到3个因子,总贡献率达到67.37%(表6)。因子1中Chr、BbF、BkF、BaP、BPE、InP的负载系数较高,解释了总方差的39.54%,其中BbF、BkF、BaP、BPE、InP主要来自机动车尾气的排放,Chr主要源自天然气燃烧,表明该因子主要为天然气燃烧和机动车尾气的混合源。因子2主要载荷为Flu和Ant,解释了总方差的19.92%,Flu是工业锅炉和燃煤发电厂的污染标志物[3637],Ant也可通过煤炭燃烧产生[38],可将因子2认定为以燃煤发电为主的工业源[39]。因子3在Nap、Acy和Ant上有较高的载荷,解释了总方差的7.91%,NaP是钢铁行业中的优势物种[40],Acy被确定为水泥行业的污染标识物[41],Ant也是水泥和钢铁行业的标志[4243],据此可将因子3判定为以水泥和钢铁行业为主的工业源,经调研查证,呼和浩特市以水泥和钢铁为主的工业较少,存在区域传输的可能。

      包头市采暖季共提取到2个因子,总贡献率达到75.40%(表6)。因子1中Fhe、Fla、Pyr、BaA、Chr、BbF、BkF、BaP、BPE、InP的负载系数较高,解释了总方差的60.45%,其中Fhe、Fla、Pyr、BaA、Chr可通过煤炭燃烧产生,BbF、BkF、BaP、BPE、InP主要与机动车尾气的排放有关,表示该因子为煤炭燃烧和机动车尾气的混合源。因子2中主要载荷为Nap、Acy、Ace、Flu、Ant,均可通过焦化排放产生,解释了总方差的14.95%,因此判定因子2为以焦化排放为主的工业源。非采暖季共提取到3个因子,总贡献率达到77.34%。因子1中Pyr、BaA、Chr、BbF、BaP、BPE、InP的负载系数较高,解释了总方差的40.27%,表示该因子主要为煤炭燃烧和机动车尾气排放源。因子2中主要载荷为Flu、Fla、BkF,解释了总方差的22.1%,其中Flu是发电厂和工业锅炉等过程的示踪剂,Fla可通过垃圾焚烧的过程产生[44],由于工业锅炉常用重油作燃料,重油燃烧过程中会产生BkF[37, 44],因此判定因子2为垃圾焚烧和工业排放的混合源。因子3在Nap、Acy、Ant、Chr和DBA上有较高的载荷,DBA是工业来源的示踪剂[45],Chr是天然气燃烧的标志物,由此认定因子3是天然气燃烧和钢铁行业的混合源。

      巴彦淖尔市采暖季共提取到2个因子,总贡献率达到81.66%(表6)。因子1中Fla、Pyr、BaA、Chr、BbF、BkF、BaP、DBA、BPE、InP的负载系数较高,解释了总方差的49.03%,表示该因子主要为煤炭燃烧和机动车尾气的混合源。因子2主要载荷为Acy、Ace和Phe,解释了总方差的32.63%,Phe是生物质燃烧排放的显著物质,Acy、Ace也可通过生物质燃烧产生[46],因此认定因子2为生物质燃烧源。非采暖季共提取到2个因子,总贡献率达到了83.36%。因子1中BaA、Chr、BbF、BaP、DBA、BPE和InP的负载系数较高,解释了总方差的50.98%,Chr是天然气燃烧的标志物,BaA、BbF、BaP、DBA、BPE和InP可通过机动车尾气产生,表示该因子主要为天然气和机动车尾气的混合源。因子2中的主要载荷为Ace、Phe、Fla和Pyr,解释了总方差的32.38%,其中Ace和Phe可通过生物质燃烧产生,Fla和Pyr可通过垃圾焚烧产生[44],因此判定因子2为生物质燃烧和垃圾焚烧的混合源。

    • 基于PAHs各单体毒性等效因子的总毒性当量浓度(TEQ)显示,采暖季呼和浩特市、包头市、巴彦淖尔市TEQ浓度平均值分别为(11.49±0.92)、(12.49±1.15)、(10.52±1.48)ng·m−3,非采暖季呼和浩特市、包头市、巴彦淖尔市TEQ浓度平均值分别为(2.82±0.40)、(2.56±0.20)、(2.19±0.09)ng·m−3,与BaP在不同时期的浓度规律一致,均表现为采暖季>非采暖季(图8)。由于采暖季供暖大部分地区仍旧以煤炭燃烧为主,是3个城市PM2.5中PAHs的重要来源,加上近些年来汽车保有量猛增,柴油车和汽油车燃料的燃烧对空气中PM2.5也有重要贡献。有研究表明,当TEQ值<1 ng·m−3时,对人体健康危害不大[47]。本研究观测期间,无论是采暖季还是非采暖季TEQ值均大于1,这初步表明研究区内PM2.5中PAHs对人体具有一定的潜在危害。研究区内3个城市全年PAHs的总毒性当量浓度的变化范围为1.41—26.59 ng·m−3,平均值为8.66 ng·m−3,高于广州市(2.29 ng·m−3[48]、南京市(3.14 ng·m−3[49]、遵义市(6.37 ng·m−3[50]等南方城市,低于天津市(16.58 ng·m−3[51]、石家庄市(10.28 ng·m−3[52]、北京市(58.93 ng·m−3[53]等北方城市,表明研究区3个城市PM2.5中PAHs的污染程度在国内处于中等水平,需持续关注。

    • 对不同人群而言,无论是采暖季还是非采暖季,非致癌风险HI均表现出儿童>成年人的规律,这是由于儿童体重较轻,对污染物的刺激更为敏感,从而导致儿童的非致癌风险HI高于成人。对于不同时期,采暖季的非致癌风险明显高于采暖季。从空间上来讲,采暖季的非致癌风险HI表现出包头>呼和浩特>巴彦淖尔,而非采暖季的非致癌风险HI则表现出呼和浩特>包头>巴彦淖尔(图9)。总体上,无论是采暖季还是非采暖季,研究区3个城市大气PM2.5中16种PAHs对不同人群的非致癌风险HI均小于1,对人体健康的影响较小。

      无论是采暖季还是非采暖季,不同人群的致癌风险评价表现出成年人>儿童的规律(图9),考虑到成年人由于生产劳动、生活活动等往往需要接触更多且更复杂的环境,处于污染物暴露下的时间长,并且呼吸速率大于儿童,从而导致成年人对大气PM2.5中PAHs的摄入量高于儿童,这与安玉琴等人对河北省4个城市PM2.5中PAHs对不同人群的CR结果一致[54]。对于不同时期,不同人群的致癌风险CR均高于非采暖季。

      空间上,采暖季的致癌风险CR表现出包头市>呼和浩特市>巴彦淖尔市趋势,非采暖季为呼和浩特市>包头市>巴彦淖尔市(图9),表明致癌风险CR在地域上存在一定的季节差异性。内蒙古统计年鉴数据显示,2020年包头市原煤产量是呼和浩特市的3.68倍,焦炭产量是呼和浩特市的5.54倍。含碳有机物的热解和不完全燃烧是大气中PAHs的主要来源,采暖季大型锅炉的大量燃煤使得PAHs排放增加,所以表现出包头市CR高于呼和浩特市,巴彦淖尔市以第三产业为主导,致使该区域对燃煤需求不如其他两个城市明显;非采暖季机动车尾气的排放对大气中PAHs的含量有更大贡献,2021年呼和浩特市的机动汽车保有量是包头市的1.58倍,因此在非采暖季呼和浩特市大气中PAHs的CR高于包头市。综合来看,无论是采暖季还是非采暖季,研究区3个城市PM2.5中PAHs的CR均低于10−6,对人体健康不存在显著的致癌风险。

    • (1)采暖季3个城市PM2.5中的PAHs以Phe、Fla、Pyr为主,表明采暖季燃烧源对PM2.5中PAHs贡献较大。非采暖季呼和浩特市和巴彦淖尔市PM2.5中的PAHs以BkF、DBA为主,包头市PM2.5中的PAHs则以Pyr、BbF、DBA、BPE为主,表明非采暖季3个城市的机动车排放对PM2.5中PAHs的含量贡献较大,其中包头市作为内蒙古自治区最大的工业城市,即便是非采暖季以燃煤排放为主的Pyr也占有较大比例。采暖季PAHs的主导物种是4环PAHs,非采暖季则为5环PAHs。

      (2)3个城市大气PM2.5中PAHs含量水平呈现出采暖季高于非采暖季的特征,这主要受到了污染源特征和气象条件的综合影响;采暖季PM2.5中Σ16PAHs浓度的昼夜变化特征表现为夜晚>白天;不同环境空气质量下大气PM2.5中Σ16PAHs的浓度遵循“污染天>沙尘天>清洁天”的规律。

      (3)研究区PM2.5中PAHs源谱既存在显著的季节性差异,也存在因城市功能和发展而导致的城市差异。研究区3个城市采暖季PM2.5中PAHs主要来源于煤炭燃烧、机动车尾气排放,非采暖季机动车尾气排放和工业源等则成为主导源;呼和浩特市和巴彦淖尔市非采暖季PAHs来自天然气燃烧和机动车尾气的混合源,而煤炭燃烧对包头非采暖季PAHs的贡献仍然重要,生物质燃烧源对巴彦淖尔市非采暖季PAHs影响显著。

      (4)研究区域3个城市采暖季和非采暖季PM2.5中PAHs经呼吸吸入途径对人体产生的致癌风险和非致癌风险均处于可接受水平。且采暖季致癌和非致癌风险高于非采暖季,儿童非致癌风险HI高于成年人,但致癌风险CR则低于成年人。

    参考文献 (54)

返回顶部

目录

/

返回文章
返回