基于CMB受体模型的大气颗粒物源成分谱研究

罗莹华

(韶关学院 旅游与地理学院地理系，广东 韶关 512005)

·试验研究·

基于CMB受体模型的大气颗粒物源成分谱研究

罗莹华

(韶关学院 旅游与地理学院地理系，广东 韶关 512005)

为建立起有代表性的、准确的各类排放源的成分谱，从各类排放源的特征出发，提出了排放源的分类方法及建立源成分谱应遵循的4大原则，在此基础上，分析了扬尘、燃煤尘、建筑尘、冶金尘和汽车尾气尘五类常见排放源的化学成分谱。结果表明：扬尘中百分含量大于10的化学组分只有Si，建筑水泥尘中百分含量大于10的化学组分只有Ca，煤烟尘中百分含量大于10的化学组分有Al、TC，冶金尘中百分含量大于10的化学组分有Fe，汽车尾气尘中百分含量大于10的化学组分有TC、OC。因此，各类排放源的特征元素分别是：扬尘Si；建筑水泥尘Ca；煤烟尘A1、TC；冶金尘Fe；汽车尾气尘TC。五类排放源不存在明显的共线性问题。

CMB受体模型；大气颗粒物；源成分谱

随着我国经济的快速发展和城市化进程加快，许多城市面临着严重的大气污染。大气颗粒物来源广泛，含有多种有机物和无机物有害组分，细颗粒物特别是PM2.5可直接通过呼吸系统进入肺泡，甚至进入血液循环系统，成为危害人体健康的主要元凶[1]。查明污染源成份谱，可为污染源治理提供科学依据，从而对污染源进行有效控制，减少或消除大气污染的危害。近年来，国内外在大气颗粒物源成分谱方面有较多的探索，成果显著，并建立了多种单一的源化学成分谱[2～9]。但由于污染源类型的多样性和复杂性，尚未建立起有代表性的、较为全面的各种类型排放源的成分谱。目前，对于同类源多个单一源的成份谱的处理问题，在我国尚未制定相应的技术规范，己有的相关研究中有根据各单一排放源的颗粒物排放量对同源类的成分谱进行加权平均的方法[10]，但由于各单一排放源的颗粒物排放量很难得到，所以这种方法操作起来比较困难。本文试图在前人研究的基础上，通过深入地分析，提出了一种基于多源成分谱的建立方法，为后续的CMB源解析模型的应用研究提供支撑数据。

1 材料与方法

1.1 源样品的采集

本研究根据颗粒物的来源和性质把污染源分为六类，即煤烟尘、土壤风沙尘、建筑尘、冶金尘、机动车尾气尘和扬尘。每一种类型的污染源又包括众多的单一排放源，如煤烟尘包括了各种工业和民用排放的煤烟尘；土壤风沙尘是指由于自然风力对地面的作用所产生的灰尘；建筑尘包括建材工业、建筑施工行业产生的尘埃；冶金尘包括炼铁、炼钢、机械加工、腐蚀等尘埃；机动车尾气尘包括各位机动车排放的尾气尘；扬尘指混合源，包含有各类源的成分等等。

上述尘类均选择天晴的时候采集。煤烟尘在市区的电力、工业企业和商业区、居民区采集除尘器下的载灰样品；在韶关市的东、西、南、北四个方向和东南和西北两个主导方向共6个点位选择农田、荒地和果园采集土壤风沙尘样品；建筑尘分别在5个建筑工地采集；冶金尘在韶关冶炼厂、钢铁厂的厂房窗台上采集；机动车尾气尘分别在6处繁忙交通路段采集；扬尘选择在六个居民区和一个商业区的楼台采集飞灰。采集的样品均用密封塑料袋带回实验室，并过150目筛，密封待测[10]。

1.2 分析仪器和方法

采用X荧光光谱仪分析19种无机元素，采用涂膜法制备标样，用分析天平准确称取己经配置好的人工标准物质2.0、4.0、6.0……20.0mg，研磨到160目，共10份，分别置于Φ30mm的圆形有机滤膜上，加1～2滴10%的聚乙烯醇水溶胶(试剂级)，涂匀，自然风干，待测。

采用美国沙漠所研制的DRI Model 2001热光碳分析仪进行碳分析。将样品置于热解炉的反应器内，在氧气气流中不断升温，含碳化合物在达到一定温度条件下发生挥发、氧化、热解过程并生成二氧化碳，通过电导率计的液体(碱液)发生化学反应，使电导率计的电导率发生变化从而达到测定样品中含碳组分的目的。

1.3 源成分谱建立原则

在源成分谱化学分析的基础上，本研究提出了以下建立韶关市各类颗粒物排放源化学成分谱的原则：

第一，为了使源成分谱具有较好的代表性，在源样品采集和成分谱建立时应充分考虑同一类源中的不同排放源，尤其是化学组成变化较大的不同排放源，应分别建立它们的成分谱。

第二，为了获得具有代表性的源样品，对于同一类型排放源中的单一排放源(如电厂燃煤尘)，其样品量不宜少于6个。

第三，为了不增加更多的化学分析工作量，同时又能反映同一类型排放源在化学组成上的变化情况，对同一类型排放源中的各种单一排放源可以根据其相近类型/部位/方位样品等量混合的原则来减少分析的样品量，但分析的样品量以不少于3个为宜。

第四，鉴于各类排放源的排放方式和化学组分上的差别，在建立各类排放源成分谱时，分别按照以下不同的方法：

扬尘:分别建立不同功能区的扬尘源成分谱，并利用这些成分谱进行等权平均后得到的成分谱来代表所研究区域的扬尘源成分谱。

煤烟尘:煤烟尘是化学组成变化较大的一类源，应分别建立不同燃烧方式、不同除尘方式及不同排放方式的煤烟尘成分谱，根据煤烟尘排放量或燃煤量对各种煤烟尘成分谱进行加权平均，得到能够代表所研究区域煤烟尘的成分谱。在无法确定排放量和燃煤量的情况下，可以采用等权平均的方法。

建筑尘:由于水泥是生产和使用较多的建筑材料，因此，应分别建立不同标号的水泥尘成分谱，并根据各自不同的生产和使用量进行加权平均，从而得到具有代表性的建筑水泥尘成分谱，在使用量难以统计时，也可以采用等权平均的办法。虽然施工工地会产生大量的除水泥以外的各类建筑材料尘或由于动土而产生的土壤尘，但是由于这部分建筑尘在组成上类似于土壤风沙尘，所以若把这些源的成分谱与水泥尘的成分谱进行平均来代表建筑尘的话，势必会缩小建筑尘与土壤风沙尘之间的差别，使它们之间的共线性增加。因此，本研究认为应使用纯水泥的成分谱来代表建筑尘的源成分谱。

冶金尘:分别建立高炉、电炉、烧结炉、转炉等不同生产过程中所产生的冶金尘及无组织排放源的成分谱，用它们的等权平均成分谱代表所研究区域的冶金尘成分谱。

汽车尾气尘：应分别建立不同路段的源成分谱，并利用这些成分谱进行等权平均后得到的成分谱来代表所研究区域的汽车尾气尘的源成分谱。

2 结果与讨论

2.1 各排放源的化学组成特征

大气颗粒物各类排放源成分谱之间存在着化学组成、含量范围和特征元素方面的差异，CMB受体模型是在这些差异的基础上建立起来的。因此，分析各类排放源中化学组成的特征，有利于选择合适的标识元素并进行CMB的拟合计算。

本研究分别建立了扬尘、燃煤尘、建筑尘、冶金尘、汽车尾气尘等五种类型排放源的颗粒物成分谱，成分谱由19种化学元素、总碳(TC)和有机碳(OC)、3种阴离子组成(见表1)。

表1 韶关市大气颗粒物源成分谱Tab.1 atmospheric particle source component spectrum in Shaoguan city

2.1.1 扬尘化学组分特征分析

图1 扬尘的化学组分特征及其标准偏差Fig.1 The characteristics of chemical composition of dust and the standard deviation

2.1.2 建筑水泥尘的化学组分特征分析

由图2可知，建筑水泥尘中百分含量大于10%的化学组分只有Ca，百分含量在1%～10%的化学组分有Na、Al、Si、K、Fe和TC ，其它的化学组分的百分含量在1%以下。Ca、Na、Al、Si、K、Fe和TC是建筑水泥尘中的主要化学组分，除了Ca、Fe、Si和TC的标准偏差较大外，其余的标准偏差均较小。与其它源类相比，建筑水泥尘中的Ca是区别建筑水泥尘与其它源类的重要元素。

图2 建筑水泥尘的化学组分特征及其标准偏差Fig.2 Characteristics of chemical composition of construction dust and standard deviation

2.1.3 煤烟尘的化学组分特征分析

由图3可知，煤烟尘中百分含量大于10%的化学组分有Al，百分含量在1%～10%的化学组分有Na、Mg、Si、Ca、K、Fe、TC、OC，其它的化学组分的百分含量在1%以下。因此，Si、Al、Na、Mg、Ca、K、Fe、TC和 OC是煤烟尘中的主要化学组分，化学组分中除Fe、Mg的标准偏差较小外，其它组分的标准偏差通常较高。TC是煤烟尘区别于其它源类的重要化学组分。煤烟尘成分谱以地壳元素和碳为主要化学组分，但其中的化学组分因煤质、燃烧方式等的不同会有比较大的变化范围。

图3 煤烟尘的化学组分特征及其标准偏差Fig.3 Characteristics of chemical composition of coal dust and standard deviation

2.1.4 冶金尘的化学组分特征分析

见图4，冶金尘中百分含量大于10%的化学组分有Fe，百分含量在1%～10%的化学组分有Mg、Al、Si、K、Ca、Mn、Zn、TC、OC，其它的化学组分的百分含量在1%以下。Fe是钢铁尘中含量最高的化学组分，Fe是钢铁尘区别于其它源类的主要标志。而较高的TC与冶炼过程中煤的使用有关。

2.1.5 汽车尾气尘的化学组分特征分析

图5 汽车尾气尘的化学组分特征及其标准偏差Fig.5 Characteristics of chemical composition of automobile exhaust and standard deviation

以上结论在一定程度上反映了颗粒物的主要排放源类在化学组成上的差异，为源成分谱的建立提供了一种思路，为建立广泛意义上的颗粒物源成分谱提供了初步的依据。

从表1的统计结果及以上分析，可以归纳出各化学组分在各源类中百分含量的大致范围，结果见表2。

表2 不同排放源中的化学成分Tab.2 Chemical composition of different sources

2.2 源成分谱的特征元素分析

源成分谱的特征元素也称为标识元素，是区别排放源类别的重要标志。特征元素是指某一类排放源中对源贡献值和贡献值的标准偏差影响程度较大的元素。所谓影响大表示该元素的灵敏度高，影响小表示灵敏度低。特征元素就是那些灵敏度最高的元素。

在CMB模型的算法当中，MPIN矩阵是反映元素对CMB模型模拟灵敏程度的矩阵，该矩阵提供了判定源特征元素的方法。主要源类的MPIN矩阵见表3，其中MPIN值为1的元素即为灵敏元素，也就是相应源类的特征元素。特征元素一般有以下几个特点，(1)某源类的特征元素，一般来说在该源类中的含量比在其它源类中的含量要高几倍到几十倍；(2)特征元素的化学性质最稳定，在迁移扩散过程中不易发生化学变化；(3)各源类的特征元素均参加CMB 计算；(4)特征元素的标准偏差较小。根据元素灵敏度矩阵所给出的结果，大气颗粒物各排放源类的特征元素见表4和图6。

表3 灵敏度矩阵Tab.3 The sensitivity matrix

表4 颗粒物排放源的特征元素Tab.4 Characteristic elements of the particulate matter emission source

图6 各类源中标识元素的百分含量Fig.6 The percentage of marker elements in all kinds of sources

特征元素在CMB模型拟合中有两个作用:一是参加CMB拟合的元素主要选用特征元素，特征元素对源贡献值的计算结果起决定作用；二是特征元素对CMB拟合优良程度影响很大。

2.3 源成分谱的共线性分析

在用CMB模型进行模拟计算时，经常会出现负的源贡献值或源类贡献值的标准偏差比贡献值大的情况。出现这种不合理的结果是由于源类之间的相似性/不定性引起的。所谓源类的相似性是指多源类的成分谱相近或含量成比例；所谓源的不定性是指某源类的成分谱的偏差过大。源类的相似性/不定性统称为共线性。当共线性源类同时纳入模型计算时，可能使CMB方程无解或解为负值，而负的源贡献值是根本没有意义的。

在CMB模型的算法中，给出了判断共线性源类的方法，利用T统计法和奇异值分解法将有共线性问题的源类归入到不定性/相似性组中。判断共线性源类的原则是:(1)在不定性/相似性组中，组浓度之和的标准偏差较大，甚至大于组浓度之和；(2)组浓度之和的标准偏差越大，该组内的源类之间的共线性问题就越严重；(3)如果共线性源类还没有严重到使拟合优度的各项指标变坏，那么共线性问题就可以忽略。

根据上述判断原则，本研究对所选择的五种源类进行了共线性分析，表5列出了分析结果。从表5可知，本研究所选择的五种排放源不存在明显的共线性问题，在用CMB模型计算时，可以把它们同时纳入模型中计算。

表5 源类共线性分析Tab.5 Linear analysis of source

注：1-扬尘、2-建筑水泥尘、3-煤烟尘、4-冶金尘、5-汽车尾气尘。

3 结 论

根据源成分谱的建立原则及排放源特征，把大气颗粒物的排放源划分为扬尘、建筑水泥尘、煤烟尘、冶金尘、汽车尾气尘等五类。各类排放源的标识元素依次是扬尘Si；建筑水泥尘Ca；煤烟尘A1、TC；冶金尘Fe；汽车尾气尘TC。

对五种源类进行的共线性分析表明，五种排放源不存在明显的共线性问题，在用CMB模型计算时，可以把它们同时纳入模型中计算。

本研究仅提供一种研究方法，论文中所划分的排放源类型不足以代表实际中的所有源类。在具体的研究中，还需对各类污染源进行深入的调查，类型划分中需涵盖研究区所有的污染源种类，这样才能在CMB源解析结果中具有代表性和科学性。

[1] SUN Lingli，LONG Tao，LONG Yifei，et al．Source apportionment of atmospheric particulate with an area in Wuhan City by using CMB receptor model and factor analysis[J]．Journal of Safety and Environment，2008，8(6) : 94 -100

[2] SUN Jingmin．Study on source profiles and the application of CMB model[D]．Lanzhou: University of Lanzhou，2011.

[3] CHOW J C，WATSON J G，KUHNS H．Source profile for industri-al，mobile，and area sources in the Big Bend Regional Aerosol Visi-bility and Observational study[J]．Chemosphere，2004，54 (2) :185 -208

[4] HUA Lei，GUO Jing，XU Ziyou，et al．Analysis of PM10 source profiles in Beijing[J]．Environmental Mo-nitoring in China，2006，22(6) : 64 -70

[5] HAO Mingtu，WEI Liyan，LI Yan，et al．Comparative study on particulate matters chemical sourc eprofile of vehicle exhaust[J]．The Administration and Technique of Environmental Monitoring，2012，24(2) : 23 -26

[6] 王 珍，郭 军，陈 卓. 贵阳市 PM2.5主要污染源源成分谱分析[J].安全与环境学报，2016，15(2)：346-351

[7] Gummeneni S，Yusup Y B，Chavali M，et al．Source apportionment of particulate matter in the ambient air of Hyderabad city，India[J]．Atmospheric Research，2011，101(3) : 752-764

[8] Stone E，Schauer J，Quraishi T A，et al．Chemical characterization and source apportionment of fine and coarse particulate matter in Lahore，Pakistan [J]．Atmospheric Environment，2010，44(8) : 1062-1070

[9] Karnae S，John K．Source apportionment of fine particulate matter measured in an industrialized coastal urban area of South Texas[J]．Atmospheric Environment，2011，45 (23) : 3769-3776

[10] BI Xiaohui, FENG Yinchang, WU Jianhui, et al.Source appor-tionment of Pm10in six cities of northern China[J].Atmos-pheric Environment,2007,41(5):903-912

Study on the Source Profiles of Atmospheric Particulate Matters Based on the CMB Receptor Model

LUO Ying-hua

(DepartmentofGeography,CollegeofTourism&Geography,ShaoguanUniversity，Shaoguan,Guangdong512005,China)

In order to establish a representative and exact chemical composition spectrum of all kinds of emission source, starting from the characteristics of all kinds of emission source, this paper puts forward the classification method of emission source and four principles which should be followed when establishing emission source component spectrum. Furthermore, the chemical composition spectrum of five kinds of common emission sources (dust, coal dust, construction dust, metallurgical dust and automobile exhaust ) were analyzed. The results showed that the components with a percentage of chemical composition more than 10 are Si in dust, Ca in building cement dust, Al /TC in coal dust, Fe in metallurgical dust , and TC OC in automobile exhaust. Thus, the characteristic elements of each emission source are Si in dust, Ca in construction dust; A1,TC in coal ash, Fe in metallurgical dust is and TC in automobile exhaust dust . Five kinds of emission sources does not have obvious colinearity relation.

CMB receptor model; atmospheric particulate matter; source profiles

2016-11-12

韶关市科技计划项目(313-27140215)。

罗莹华(1968-)，女，广西荔浦人，2006年毕业于中南大学矿产普查与勘探专业，讲师，博士，主要从事环境地理学方面的研究。

X513

A

1001-3644(2017)01-0017-07