2016～2020年上海市PM2.5化学组成特征和来源解析

赵倩彪,胡 鸣,伏晴艳

2016～2020年上海市PM2.5化学组成特征和来源解析

赵倩彪1,2,胡 鸣1,3,伏晴艳1*

(1.上海市环境监测中心,上海 200235；2.南京大学,环境规划设计研究院集团股份公司,江苏 南京 210093；3.上海大学,上海 200444)

2016～2020年在上海市区和郊区的6个点位开展了颗粒物系统性观测研究,分析了PM2.5的质量浓度以及水溶性离子、有机碳/元素碳、无机元素等化学组分,并利用正矩阵因子分解模型对PM2.5的来源进行了解析.结果表明,上海PM2.5浓度水平呈现下降趋势,年均质量浓度依次为46,43,37,40, 39μg/m3,表现为冬高夏低,西高东低的时空分布特征.有机物在PM2.5中占比最高(30%～32%),不同年份和季节间的差异较小.二次无机离子(硫酸盐、硝酸盐和铵盐)的区域性特征明显,其中硝酸盐的占比在5a间升高最多,且在冬季污染过程中起到了关键作用.解析得到PM2.5的来源有9类,分别为二次硝酸盐(30.6%)、二次硫酸盐(20.7%)、机动车(12.6%)、工业(8.0%)、生物质燃烧(7.7%)、扬尘(6.5%)、燃煤(5.8%)、海盐(4.8%)和船舶(3.2%).机动车和船舶等移动源、秸秆焚烧和烟花爆竹燃放等生物质燃烧源的贡献浓度在研究期间呈现下降趋势,体现了相关治理措施的管控效果.

细颗粒物(PM2.5)；上海；化学组分；来源解析

PM2.5由水溶性离子、有机物、黑炭、地壳物质等多种复杂的成分组成, 且来源广泛,包括工业燃煤、机动车排放、扬尘、生物质燃烧、以及气态污染物的二次转化等[1].

近年来,在上海开展的颗粒物观测大多以研究特定季节污染过程的理化特征和污染成因为目标,持续时间在1个月左右[2-4].部分观测为了研究颗粒物的季节变化规律,采样时间覆盖全年[5-7],而如果要获取污染物更长时间跨度的年际变化特征,通常需要结合其他研究的结果综合判定.但是,由于不同观测之间采样点位、季节、时长、分析方法等差异,得到的结论可能存在系统性偏差.利用环境空气自动监测网络数据[8],或者通过卫星遥感反演气溶胶光学厚度[9-10],可以在同一观测体系下获取颗粒物年际变化趋势,但研究结果仅限于颗粒物的整体浓度,无法通过颗粒物化学组分来识别污染来源,对于污染防控的指示作用不够具体.

本研究在2016～2020年期间,在上海市区和郊区的6个站点开展颗粒物采样和分析,为上海及周边长三角区域内首次长时间、多点位的系统性观测研究,分析了上海市PM2.5质量浓度和主要化学组分的时空分布规律,并利用正矩阵因子分解(PMF)模型解析PM2.5主要污染来源,评估研究期间污染治理措施的实施效果,为下一步污染防控对策的制定提供技术支持.

1 实验与方法

1.1 采样点位

在上海市区的浦东和浦西,以及郊区的东南西北4个方向,分别选取了浦东监测站(浦东)、普陀监测站(普陀)、浦东惠南(惠南)、奉贤监测站(奉贤)、青浦淀山湖(青浦)、崇明监测站(崇明)6个点位,点位周边环境基本以住宅区和农田为主,没有明显的局地污染源.市区点位周边路网相对密集,郊区点位周边有1～2条交通主干道.站点的具体信息如表1.

表1 采样点位信息

1.2 采样方法

本研究的观测时间为2016～2020年,时间跨度为5a.其中2016年1月～2019年8月,采样时间为每月5日、10日、15日、20日、25日和30日;2019年9月～2020年12月,采样频次为1组样品/3d.采样时间均为10:00～次日10:00,采样时长为24h.

使用武汉天虹TH-16A型四通道大气颗粒物采样器采集大气中的PM2.5,采样流量为16.7L/min,并折算成标准状态体积(273K,101.325Pa)用于质量浓度计算.滤膜直径为46.2mm,其中,第一和第二通道使用聚四氟乙烯(特氟龙)滤膜(#7592-104, Whatman,USA),称重后分别用于水溶性离子和无机元素的分析;第三通道使用石英纤维滤膜(#1851-047,Whatman,USA),用于有机碳(OC)和元素碳(EC)的分析;第四通道与前三通道轮流全程平行比对.

特氟龙滤膜在采样前后均置于温度(20 ± 1)℃、湿度(50% ± 1%)的恒温恒湿称重实验室内平衡24h,并用1μg精度的电子天平(XP-2U,Mettler Toledo, Switzerland)进行称量.石英纤维滤膜存放于用铝箔包裹内壁的滤膜盒中,且滤膜和铝箔在采样前均在450℃的马弗炉内灼烧4h以去除有机物本底.

1.3 化学组分分析方法

水溶性离子分析采用离子色谱法,先将滤膜剪开并置于超纯水中超声40min提取其中的水溶性组分,浸提液经0.22µm的水相滤膜过滤后进入离子色谱仪(ICS-6000,Thermo Fisher,USA)同时检测阴阳离子,所测组分包括Cl-、NO3-、SO42-、Na+、K+、Mg2+、Ca2+、NH4+.

含碳组分采用美国沙漠研究所开发的OC/EC分析仪(DRI-2001A,Desert Research Institute,USA),选用IMPROVE-A升温程序[11],通过热光透射法[12]测定颗粒物中的OC和EC.

无机元素先用X射线荧光分析(XRF)仪器(AXIOS, PANalytical B.V., Netherland)在氦气介质下无损测定其中的Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Br、Rb、Sr、Cd、Sb、Ba、Pb、Se、Mo和Sn元素,随后将滤膜剪开置于1:3的纯硝酸和纯盐酸混合溶液中在 100℃ 加热回流 2h,浸提液经过滤后进入ICP-MS(iCAP TQ,Thermo Fisher,USA)测定其中的Sb、Al、As、Ba、Be、Cd、Cr、Co、Cu、Pb、Mn、Mo、Ni、Se、Ag、Tl、Th、U、V、Zn、Bi、Sr和Sn元素.

分析方法的检出限如表2.所有实验室分析对每批次样品单独绘制了标准曲线,设置仪器空白、实验室空白、实验室平行、加标回收等手段,结合全程空白和全程平行样品,对全流程进行质量控制.

表2 实验室化学组分分析检出限

续表2

1.4 数据分析

为了确保分析结果的代表性,统计分析和模型计算仅选取所有组分数据齐全的2336组样本,并以质量浓度重建算法将颗粒物主要化学组分分为7类,包括硫酸盐(SO42-)、硝酸盐(NO3-)、铵盐(NH4+)、氯盐(Cl-)、元素碳(EC)、有机物(OM)和地壳物质(CM)[13-14],如式(1):

PM2.5重建浓度=SO42-+ NO3-+ NH4++

Cl-+ EC + OM + CM (1)

式中:地壳物质为所测地壳元素最高氧化态的加和[15],如式(2):

CM = 2.14 [Si] + 1.67 [Ti] + 1.89 [Al]+

1.95 [Ca] + 1.43 [Fe] (2)

有机物的估算先通过EC示踪物的方法将OC分为一次有机碳(POC)和二次有机碳(SOC)[16-17],如式(3)和式(4):

POC = EC × (OC/EC)pri(3)

SOC = OC –POC (4)

式中:(OC/EC)pri常取OC/EC的最小值[18],本研究为了避免长时间观测过程中的特殊排放源造成OC/EC比值出现极端低值而带来计算偏差, 如图1,以OC/EC最低的5%数据(图1中黑色点)做线性拟合[19],得到(OC/EC)pri为1.92.该比值略高于Cao等[20]和Liu等[21]在上海地区的观测结果,与研究中(OC/EC)pri逐年升高的趋势相符.同时,该差异也可能是由这两次观测中所用在线OC/EC观测仪器的前置溶蚀器吸收了半挥发性有机物(SVOC)造成观测整体的OC/EC偏低造成的[22].

图1 OC/EC浓度散点图

使用上海地区观测中使用的经验系数[3],分别将POC和SOC乘以系数得到一次有机物(POA)和二次有机物(SOA),如式(5)和式(6):

POA = POC × 1.2 (5)

SOA = SOC × 2.2 (6)

并相加得到总有机物(OM),如式7:

OM = POA + SOA (7)

根据PM2.5重建浓度与实测浓度的拟合结果,相关系数R为0.93,表明PM2.5质量浓度和化学组分监测之间的结果基本可比;可检出组分约占PM2.5总质量的87%,与长三角及全球各地研究得到的比值(77%～100%)相当[14,23-25].

1.5 正矩阵因子分解模型

PMF模型是一种基于最小二乘法的用于颗粒物来源解析的受体模型,可以通过分析实际环境样品化学组分之间的关联来获取污染源的谱图和时间贡献序列[26-27].在所有的化学组分中,剔除了低于检出限数据比例较高且污染源指示作用不明确的元素,并在相似的分析因子(如K+离子和K元素)中选取信噪比更高的组分,保留了SO42-、NO3-、NH4+、Cl-、K+、Na+、Mg2+、Ca2+8个水溶性离子,OC和EC两个含碳组分,通过XRF方法分析的Al、Si、Ti、Zn 4个元素以及通过ICP-MS方法分析的V、Ni、Cd、Mn、Cu、Se、Pb 7个元素作为模型的输入因子,并使用美国环保署开发的USEPA PMF5.0版本[28]进行计算.

模型的不确定度通过每批次样品中全程平行样品,即TH-16A采样器第四通道获得的样品与前3个通道样品之间的相对标准偏差计算得到,相比于以往研究中根据组分数据的几何平均值赋予每个组分不确定度[25],或根据化学分析仪器偏差赋予所有组分统一的不确定度[29-30],本研究使用的方法基于实际观测,更为客观.同时,研究还将Ca2+、Al、Si、Ti 4种组分的不确定度放大2倍,以减少其同源性[31]对PMF计算结果产生的影响.

PMF模型假设所有样品共用同一套源谱,但是在实际环境中由于地域差异、产业结构调整、化学过程变化等原因,不同时间和地点的源谱可能会有一些差异.为了减少该差异对模型计算带来的影响,本研究除了将6个站点连续5a的观测结果同时输入模型(A-PMF)运算以外,还将不同站点(S-PMF)和不同年份(Y-PMF)的数据分别输入模型运行,以评估源谱在时间和空间上的差异对结果的影响[32-33].

2 结果与讨论

2.1 上海市PM2.5化学组分时空分布特征

2016～2020年上海PM2.5年均质量浓度依次为46, 43,37,40,39μg/m3,与上海市生态环境状况公报[34-38]中PM2.5浓度(45,39,36,35,32μg/m3)的趋势基本一致,两者之间绝对浓度的差异可能是由于监测点位和监测方法之间的区别,后2a的变化趋势不同可能与环境公报中数据选用的状态参数转换有关[39-40].

该年均浓度水平低于2011～2015年期间的多个基于全年观测的研究结果[41-42],表明上海颗粒物水平在近10a间呈现下降的趋势.

如图2,有机物是颗粒物中最主要的组分,占比高达30%～32%.硫酸盐、硝酸盐和铵盐(SNA)的加和为二次无机离子,占到了颗粒物所有组分质量浓度的一半以上(56%～59%),其中铵盐的占比相对稳定,变化幅度在1%以内.硫酸盐的占比在5a间下降了4%,年均浓度由2016年的8.4μg/m3下降至2020年的5.6μg/m3,下降幅度接近1/3,这主要得益于上海及整个我国中东部区域的二氧化硫总量减排和产业结构优化[43-44];与此相反,硝酸盐的年均浓度在5a间变化不大,2016年和2020年均为7.7μg/m3,但占比升高了 5%,是占比升高最大的组分.地壳物质的占比为 6%～8%,远小于以往在上海及长三角区域的研究结果[14-15,45],体现了扬尘管控的效果[46].氯盐和元素碳的占比较低,分别为1%～2%和2%～5%,与近年来上海的观测结果接近[5,7,47].

图2 PM2.5化学组分月均浓度和年均浓度占比

饼图面积与年均浓度成正比

根据全部时段颗粒物质量月均浓度,如图3(a),颗粒物呈现冬高夏低的变化趋势,与上海及长三角大部分地区的观测结果一致[48-49].总体而言,这是因为上海地处东海之滨,受亚热带季风气候影响,夏季主导的东南风来自海上,相对清洁;而冬季主导的西北风常伴有污染气团的输送,不利的扩散条件也易于污染物累积.各年份的颗粒物浓度变化规律基本一致,但2020年2～5月趋势略有不同,月均浓度不降反升(图2),这是受到了新冠疫情对工业生产排放的影响[50-52].

图3 PM2.5组分月均浓度

各组分的月均浓度变化如图3(b),硝酸盐和颗粒物总浓度一样,呈现冬高夏低的变化趋势.冬季大陆性气团中氮氧化物浓度较高,且冬季夜间低温高湿静风环境有利于硝酸盐的生成.此外,硝酸铵作为硝酸盐最主要的成分,其气-固分配增强了硝酸盐冬高夏低的特征,使其成为了季节变化幅度最大的组分.夏季硝酸铵在高温条件下易于分解并存在于气相中[53],使得硝酸盐浓度最低,8月的平均浓度仅1.9μg/m3;冬季则完全相反,硝酸盐浓度最高,1月和12月的平均浓度分别为13.2,13.9μg/m3.氯盐同样受到了海陆气团污染程度差异和氯化铵气-固分配的影响[54],季节变化趋势与硝酸盐相似.

元素碳发生的化学变化较少[55],其冬高夏低的季节变化主要受到一次排放和气象条件的影响[5,56].地壳物质在春季和秋季较高,是受到了沙尘在这两个季节的输送贡献.

在以往的研究中,有机物的季节变化并不相同,多数研究观测到了冬高夏低的特征[57-58],有些研究却发现了夏高冬低的特征[6].本研究中有机物的变化特征与Zhao等[7]在2015～2016年期间用ACSM直测得到的结果相似,季节之间差异较小,可能是同时受到了一次排放量、光化学反应活性、外来输送等多个因素综合影响的结果.其中,一次有机物和元素碳相似,主要受排放源和扩散条件影响,呈现冬高夏低的季节变化特征;二次有机物在夏季气温高、光照充足的条件下,受光化学反应活性影响浓度更高[59],如图3(c).其中,二次有机物在6月出现了浓度低值,是因为此时长三角正处于梅雨季节,光照条件不足降低了二次有机物的生成速率[60].硫酸盐的月变化特征与二次有机物相似,表明光化学反应同样是二次硫酸盐最重要的生成途径.

PM2.5质量浓度频率呈现正偏态分布的特征(图4),浓度范围在15～35μg/m3的频率均高于10%,其中20～25μg/m3对应的频率最高(13%).超过91%样品的PM2.5浓度低于75μg/m3(环境空气质量标准[39]中PM2.5日均浓度限值),表明上海的PM2.5在2016～ 2020年期间已经有了较高的达标率.但与此同时,日均浓度超过150μg/m3的重污染过程仍时有发生(0.6%).

伴随着PM2.5浓度升高,硝酸盐的占比显著上升,从7.7%升高至38.3%,表明硝酸盐在污染过程中起到了非常重要的作用.在重污染季节基于应急减排清单针对机动车、电厂、工业锅炉或炉窑等主要氮氧化物排放源加以控制,降低硝酸盐的浓度,会对PM2.5“削峰”起到一定的效果.

与此相反,有机物和地壳物质的占比随PM2.5浓度的升高而降低,是清洁天颗粒物中的主要组分.硫酸盐的占比随浓度变化较小,但是在PM2.5浓度频率最高的15～35μg/m3范围内占比最高,表明硫酸盐在大部分时间是主要的组分,对于PM2.5的全年整体浓度有重要贡献.

在所有的采样点位中,位于西部郊区的青浦站点的PM2.5浓度最高(42.6±26.5)μg/m3,其次分别是崇明(42.0±29.0)μg/m3、奉贤(39.3±25.4)μg/m3、普陀(39.0±25.9)μg/m3和浦东(37.5±25.4)μg/m3,位于东部郊区的惠南站点浓度最低(35.1±25.4)μg/m3.站点之间浓度差异与此前上海的多站点研究结果相似[2,13,61],由于上海毗邻东海,海面上的污染源分布少于陆地,因此污染物的空间分布也呈现西高东低的特征.

上海各站点PM2.5组分构成相似(图5),站点之间SNA的差异在3%以内,氯盐、元素碳和地壳物质的差异在1%以内,有机物的差异最大,为5%.惠南站点的硫酸盐占比最高(22%),这与Zhao等[7]观测到的海洋气流中硫酸盐占比较高的结果一致,可能是受到了海面上船舶排放硫氧化物的影响.青浦站点的硝酸盐占比最高(24%),周边长三角区域的多个观测同样发现硝酸盐在颗粒物中的重要贡献[62-63],表明青浦作为上海西部郊区的站点,受到了区域性污染的影响.奉贤站点的有机物占比最高(32%),站点距离上海南部沿杭州湾区域的化工园区距离较近,受到了工业生产排放的影响.

如图6,几乎所有站点之间PM2.5质量浓度的相关系数()都在0.9以上,表明上海的细颗粒物在空间上具有较好的一致性.空间分布上看,无论PM2.5质量浓度还是其化学组分,都得到了惠南和青浦站点之间相关性最低的结果,表明东西郊区之间存在更大的空间差异.化学组分上看,SNA的相关性最高(所有拟合得到的均值>0.93),区域性特征显著,表明二次无机离子受到局地排放源的影响较小,更多的是在污染气团输送或相似气象条件下的化学过程中造成浓度共同的升高和降低,因此在时间序列上具有高度的一致性.受到机动车、工业、扬尘等局地排放源的影响,氯盐、有机物和元素碳的相关性低于SNA(的均值为0.82～0.84),地壳物质的相关性最低(的均值<0.8).

图5 站点PM2.5质量浓度和化学组分占比

图6 PM2.5化学组分质量浓度在站点之间的相关系数

2.2 上海市PM2.5来源解析

如图7,利用PMF模型解析所有PM2.5样品的来源(A-PMF)得到9个因子.

第1个因子中SO42-和NH4+的贡献比例较高,定义为二次硫酸盐;第2个因子中NO3-和NH4+的比例较高,定义为二次硝酸盐;第3个因子中OC和EC的比例较高,Zn和Cd也有一定贡献,这些组分和机动车的排放有密切的联系[64-66],定义为机动车源;第4个因子中V和Ni的比例较高,是重油燃烧的示踪元素,在上海主要指征的是船舶源[67-68];第5个因子中Zn、Mn、Cu、Se、Pb等元素的比例较高,OC和EC也有贡献,与上海的金属冶炼及化工行业的工业排放密切相关[69-70],定义为工业源.第6个因子中Cl-的比例最高,指征燃煤源[71];第7个因子中K+的比例最高,是生物质燃烧的示踪元素[72];第8个因子中Mg2+、Ca2+、Al、Ti、Si等地壳物质的比例较高,来源于工地扬尘、道路扬尘以及沙尘输送等来源[73],定义为扬尘源;第9个因子中Na+和Mg2+比例较高,考虑到上海毗邻东海,主导偏东风,是海盐的影响[74].

图7 PMF模型解析PM2.5源廓线

柱子和误差线为S-PMF和Y-PMF的范围

S-PMF和Y-PMF的解析结果中,二次硫酸盐、二次硝酸盐、船舶、燃煤、扬尘和海盐的源廓线与A-PMF相似,表明这几类来源的源谱在时间和空间尺度上都比较稳定.生物质燃烧源廓线中Pb的比例在不同站点之间的差异较大,可能是由于某些农村地区在秸秆焚烧中还夹杂有垃圾焚烧,飞灰中含有Pb元素,相似的现象在深圳的观测中也发现过[29].机动车的源廓线在不同年份中有所差异,但都是以OC、EC、Zn和Cd为主要的示踪组分.Y-PMF和S-PMF解析得到工业源的廓线均最不稳定,体现出上海在不同区域产业结构的差别,以及近些年产业结构调整[70,75]造成源谱的变化.综合不同尺度的PMF解析结果,源阔线在不同站点之间差异较小,不同年份之间差异更大,因此选用Y-PMF结果作为研究期间PMF解析的最终结果.

如图8,在9个因子中,二次硝酸盐的占比最高(30.6%),其次是二次硫酸盐(20.7%),两者加和超过50%,与近年来上海地区的多个源解析结果相似[4,76],表明通过二次化学反应是颗粒物最重要的形成途径.在一次来源当中,移动源贡献比例最高,其中机动车排放对PM2.5的贡献为12.6%,船舶排放贡献为3.2%.其他一次排放源的贡献比例接近,分别为工业源8.0%、生物质燃烧源7.7%、扬尘源6.5%、燃煤源5.8%和海盐源4.8%.

图8 PM2.5来源贡献比例

如图9,2016～2020年二次硝酸盐对PM2.5的贡献浓度总体持平,二次硫酸盐呈现下降趋势.移动源总体呈下降趋势,其中机动车排放在2016～2018年期间下降趋势明显,这可能得益于《上海清洁空气行动计划(2013～2017年)》[46]淘汰黄标车和老旧车辆、推广新能源汽车等措施;同样,随着《上海市清洁空气行动计划(2018～2022年)》[77]中岸电和清洁能源替代、内河船舶污染控制等船舶污染防治措施效果落地,船舶源的贡献在2018～2020年期间出现了下降的趋势.

海盐的年均贡献浓度先降后升,作为一种天然源,海盐排放受人为活动变化的影响小,年际变化与主导风向关系密切.上海的钢铁、化工等工业排放源多分布在海边,工业源的年际变化趋势与海盐源相似,同时,工业源的排放量可能还受到产业结构转型、疫情停工复产等因素的影响,波动幅度比海盐源更大.研究期间生物质燃烧源的贡献浓度总体上低于前些年的观测结果[72,78],表明近年来上海及周边长三角区域对于露天秸秆焚烧和烟花爆竹燃放的管控起到了一定的效果,但在2017年仍观测到了几次零星的以生物质燃烧为主的污染过程,当年的年均贡献浓度即高于其他年份.燃煤源和扬尘源的贡献浓度年际变化幅度较小,污染源排放强度稳定,其中在2018年受到数次沙尘输送污染过程,扬尘源的年均浓度略高.

图9 PM2.5来源年均贡献浓度

图10 站点PM2.5来源贡献比例

不同站点PM2.5贡献比例差异不超过4%(图10),表明上海的PM2.5总体呈现区域性特征.惠南和浦东站点二次硫酸盐和海盐源、青浦的二次硝酸盐比例较高,进一步验证了硝酸盐在陆地性气团以及硫酸盐在海洋性气团中的重要贡献.其中,在我国中东部的陆地上已多次观测到硝酸盐的重要贡献[79],而硫酸盐对海洋性气溶胶的贡献可能与海面上船舶排放的二氧化硫的转化[80]以及二甲基硫等生物硫对非海盐硫酸盐[81]的贡献有关.惠南站点受到机动车和工业等主要一次排放源的贡献比例都较低,具有上风向背景区域特征.青浦和崇明周边农田覆盖面积较大,生物质燃烧源的贡献比例高于其他站点.

3 结论

3.1 2016～2020年上海PM2.5年均质量浓度依次为46,43,37,40,39μg/m3,呈现下降的趋势.SNA和有机物是颗粒物中最主要的化学组分,其中硝酸盐的占比在5a间升高幅度最大,并且在污染过程中起到了非常重要的作用.

3.2 PM2.5总质量浓度呈现冬高夏低的季节规律.受气-固分配的影响,硝酸盐和氯盐冬高夏低的季节变化特征最显著.二次有机物和硫酸盐在夏季通过光化学反应生成通量较高,一次有机物和元素碳受排放源和扩散条件控制在冬季浓度更高,一次和二次有机物加和得到有机物的总浓度在四个季节差异较小.受沙尘输送影响,地壳物质的浓度在春秋季更高.

3.3 上海的PM2.5浓度呈现西高东低的空间分布规律,站点平均浓度从高到低依次为青浦>崇明>奉贤>普陀>浦东>惠南.站点之间的组分构成相似,尤其二次组分的时间序列在站点之间高度一致(>0.9),呈现区域性特征.奉贤受化工园区的影响,有机物占比更高.

3.4 基于PMF模型解析得到上海的PM2.5来源分为9类,贡献比例从大到小依次为二次硝酸盐(30.6%)、二次硫酸盐(20.7%)、机动车(12.6%)、工业(8.0%)、生物质燃烧(7.7%)、扬尘(6.5%)、燃煤(5.8%)、海盐(4.8%)和船舶(3.2%).受益于相关政策和治理措施,移动源的贡献浓度在研究期间呈现下降趋势,生物质燃烧和烟花爆竹燃放管控也起到了一定的效果.

[1] 唐孝炎,张远航.大气环境化学(第二版) [M]. 北京:高等教育出版社, 2006.

Tang X Y, Zhang Y H. Atmospheric environmental chemistry (Second Edition) [M]. Beijing; Higher Education Press, 2006.

[2] 胡 鸣,张懿华,赵倩彪.上海市冬季PM2.5无机元素污染特征及来源分析 [J]. 环境科学学报, 2015,35(7):1993-1999.

Hu M, Zhang Y H, Zhao Q B. Characteristics and sources of inorganic elements in PM2.5during wintertime in Shanghai [J]. Acta Scientiae Circumstantiae, 2015,35(7):1993-1999.

[3] Wang D, Zhou B, Fu Q, et al. Intense secondary aerosol formation due to strong atmospheric photochemical reactions in summer: observations at a rural site in eastern Yangtze River Delta of China [J]. Science of the Total Environment, 2016,571:1454-1466.

[4] Shen J, Zhao Q, Cheng Z, et al. Evolution of source contributions during heavy fine particulate matter (PM2.5) pollution episodes in eastern China through online measurements [J]. Atmospheric Environment, 2020,232:117569.

[5] 张懿华,王东方,赵倩彪,等.上海城区PM2.5中有机碳和元素碳变化特征及来源分析 [J]. 环境科学, 2014,35(9):3263-3270.

Zhang Y H, Wang D F, Zhao Q B, et al. Characteristics and sources of organic carbon and elemental carbon in PM2.5in Shanghai urban area [J]. Environmental Science, 2014,35(9):3263-3270.

[6] Zhao M, Huang Z, Qiao T, et al. Chemical characterization, the transport pathways and potential sources of PM2.5in Shanghai: Seasonal variations [J]. Atmospheric Research, 2015,158-159:66-78.

[7] Zhao Q, Huo J, Yang X, et al. Chemical characterization and source identification of submicron aerosols from a year-long real-time observation at a rural site of Shanghai using an Aerosol Chemical Speciation Monitor [J]. Atmospheric Research, 2020,246:105154.

[8] 戴昭鑫,张云芝,胡云锋,等.基于地面监测数据的2013～2015年长三角地区PM2.5时空特征 [J]. 长江流域资源与环境, 2016,25(5): 813-821.

Dai Z X, Zhang Y Z, Hu Y F, et al. Spatial-temporal characteristics of PM2.5in Yangtze River Delta(YRD) region based on the ground monitoring data from 2013～2015 [J]. Resources and Environment in the Yangtze Basin, 2016,25(5):813-821.

[9] 罗 毅,邓琼飞,杨 昆,等.近20年来中国典型区域PM2.5时空演变过程 [J]. 环境科学, 2018,39(7):3003-3013.

Luo Y, Deng Q F, Yang K, et al. Spatial-temporal change evolution of PM2.5in typical regions of China in recent 20 years [J]. Environmental Science, 2018,39(7):3003-3013.

[10] Cao Y, Zhang W, Wang W. Spatial-temporal characteristics of haze and vertical distribution of aerosols over the Yangtze River Delta of China [J]. Journal of Environmental Science (China), 2018,66:12-19.

[11] Judith C C, John G W, Dale C, et al. Comparison of IMPROVE and NIOSH Carbon Measurements [J]. Aerosol Science and Technology, 2001,34(1):23-34.

[12] Judith C C, John G W, Lyle C P, et al. The DRI thermal optical reflectance carbon analysis system - description, evaluation and applications in United-States Air Quality Studies [J]. Atmospheric Environment Part A-General Report, 1992,27A(8):1855-1201.

[13] 陈 耿,常运华,曹 芳,等.上海城乡细颗粒物中碳质、无机和重金属的全组分特征及来源分析 [J]. 科学技术与工程, 2020,20(29): 12218-12225.

Chen G, Chang Y H, Cao F, et al. Characteristics and source analysis of carbon, inorganic and heavy metals in fine particles in Shanghai [J]. Science Technology and Engineering, 2020,20(29):12218-12225.

[14] Yao L, Kong S, Zheng H, et al. Optical properties closure and sources of size-resolved aerosol in Nanjing around summer harvest period [J]. Atmospheric Environment, 2021,244:118017.

[15] Yang F, Ye B, He K, et al. Characterization of atmospheric mineral components of PM2.5in Beijing and Shanghai, China [J]. Science of the Total Environment, 2005,343(1-3):221-230.

[16] Cabada J C, Pandis S N, Subramanian R, et al. Estimating the secondary organic aerosol contribution to PM2.5using the EC tracer method special issue of aerosol science and technology on findings from the fine particulate matter supersites program [J]. Aerosol Science and Technology, 2004,38(sup1):140-155.

[17] Gao Y, Wang H, Zhang X, et al. Estimating secondary organic aerosol production from toluene photochemistry in a megacity of China [J]. Environmental Science and Technology, 2019,53(15):8664- 8671.

[18] Cao J J, Zhu C S, Tie X X, et al. Characteristics and sources of carbonaceous aerosols from Shanghai, China [J]. Atmospheric Chemistry and Physics, 2013,13(2):803-817.

[19] Lim H J, Turpin B J. Origins of primary and secondary organic aerosol in Atlanta: results of time-resolved measurements during the Atlanta supersite experiment [J]. Environmental Science and Technology, 2002,36(21):4489-4496.

[20] Cao J J, Lee S C, Chow J C, et al. Spatial and seasonal distributions of carbonaceous aerosols over China [J]. Journal of Geophysical Research, 2007,112:D22S11.

[21] Liu Y, Zhao Q, Hao X, et al. Increasing surface ozone and enhanced secondary organic carbon formation at a city junction site: An epitome of the Yangtze River Delta, China (2014～2017) [J]. Environ Pollut, 2020,265(Pt A):114847.

[22] 兰紫娟,黄晓锋,何凌燕,等.不同碳质气溶胶在线监测技术的实测比较研究 [J]. 北京大学学报(自然科学版), 2011,47(1):159-165.

Lan Z J, Huang X F, He L Y, et al. Comparison of measurement results of several online carbonaceous aerosol monitoring techniques [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2011,47(1):159-165.

[23] Sillanpää M, Hillamo R, Saarikoski S, et al. Chemical composition and mass closure of particulate matter at six urban sites in Europe [J]. Atmospheric Environment, 2006,40:212-223.

[24] Yin J, Cumberland S A, Harrison R M, et al. Receptor modelling of fine particles in southern England using CMB including comparison with AMS-PMF factors [J]. Atmospheric Chemistry and Physics, 2015, 15(4):2139-2158.

[25] Yao L, Yang L, Yuan Q, et al. Sources apportionment of PM2.5in a background site in the North China Plain [J]. Science of hte Total Environment, 2016,541:590-598.

[26] Brown S G, Frankel A, Raffuse S M, et al. Source apportionment of fine particulate matter in Phoenix, AZ, using positive matrix factorization [J]. Journal of the Air & Waste Management Association, 2007,57(6):741-752.

[27] Pattero P, Tappert U. Positive matrix factorization a non-negative factor model with optimal utilization of error estimates of data values [J]. Environmentrics, 1994,5(2):111-126.

[28] Norris G, Duvall R. EPA Positive matrix factorization (PMF) 5.0 fundamentals and user guide [Z]. Washington, DC, 2014.

[29] Huang X, Yun H, Gong Z, et al. Source apportionment and secondary organic aerosol estimation of PM2.5in an urban atmosphere in China [J]. Science China: Earth Sciences, 2013,57(6):1352-1362.

[30] An J, Duan Q, Wang H, et al. Fine particulate pollution in the Nanjing northern suburb during summer: composition and sources [J]. Environmental Monitoring and Assessment, 2015,187(9):561.

[31] 郑 玫,张延君,闫才青,等.中国PM2.5来源解析方法综述 [J]. 北京大学学报(自然科学版), 2014,50(6):1141-1154.

Zheng M, Zhang Y J, Yan C Q, et al. Review of PM2.5source apportionment methods in China [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014,50(6):1141-1154.

[32] Young D E, Allan J D, Williams P I, et al. Investigating the annual behaviour of submicron secondary inorganic and organic aerosols in London [J]. Atmospheric Chemistry and Physics, 2015,15(11):6351- 6366.

[33] Zhang Y, Favez O, Petit J E, et al. Six-year source apportionment of submicron organic aerosols from near-continuous highly time- resolved measurements at SIRTA (Paris area, France) [J]. Atmospheric Chemistry and Physics, 2019,19(23):14755-14776.

[34] 2016年上海市环境状况公报 [Z]. 上海;上海市环境保护局, 2017.

Shanghai environmental bulletin 2016 [Z]. Shanghai, Shanghai Environmental Protection Bureau, 2017.

[35] 2017年上海市生态环境状况公报 [Z]. 上海:上海市生态环境局, 2018.

Shanghai ecological and environmental bulletin 2017 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2018.

[36] 2018年上海市生态环境状况公报 [Z]. 上海;上海市生态环境局, 2019.

Shanghai ecological and environmental bulletin 2018 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2019.

[37] 2019年上海市生态环境状况公报 [Z]. 上海;上海市生态环境局, 2020.

Shanghai ecological and environmental bulletin 2019 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2020.

[38] 2020年上海市生态环境状况公报 [Z]. 上海;上海市生态环境局, 2021.

Shanghai ecological and environmental bulletin 2020 [Z]. Shanghai, Shanghai Municipal Bureau of Ecology and Environment, 2021.

[39] GB 3095-2012 环境空气质量标准 [S].

GB 3095-2012 Ambient air quality standard [S].

[40] GB 3095-2012 环境空气质量标准修改单 [S].

GB 3095-2012 Ambient air quality standard (Amendment) [S].

[41] Zhao M, Qiao T, Huang Z, et al. Comparison of ionic and carbonaceous compositions of PM2.5in 2009 and 2012 in Shanghai, China [J]. Science of the Total Environment, 2015,536:695-703.

[42] Zhang L, Qiao L, Lan J, et al. Three-years monitoring of PM2.5and scattering coefficients in Shanghai, China [J]. Chemosphere, 2020,253: 126613.

[43] 俞华明,管擎宇,邰菁菁.近16年上海市空气质量变化趋势及成因分析 [J]. 环境科技, 2017,30(6):55-60.

Yu M H, Guan Q Y, Tai J J. Variation trend and causes of air quality of Shanghai in recent 16 years [J]. Environmental Science and Technology, 2017,30(6):55-60.

[44] Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions [J]. Atmospheric Chemistry and Physics, 2018,18(19):14095-14111.

[45] Zhang X Y, Wang J Z, Wang Y Q, et al. Changes in chemical components of aerosol particles in different haze regions in China from 2006 to 2013 and contribution of meteorological factors [J]. Atmospheric Chemistry and Physics, 2015,15(22):12935-12952.

[46] 上海市人民政府.上海市清洁空气行动计划(2013～2017年) [Z]. 上海:2013.

Shanghai Municipal Government. Shanghai clean air action plan (2013～2017) [Z]. Shanghai, 2013.

[47] Zhu W, Zhou M, Cheng Z, et al. Seasonal variation of aerosol compositions in Shanghai, China: Insights from particle aerosol mass spectrometer observations [J]. Science of the Total Environment, 2021,771:144948.

[48] Yang F, He K, Ye B, et al. One-year record of organic and elemental carbon in fine particles in downtown Beijing and Shanghai [J]. Atmospheric Chemistry and Physics, 2005,5:1449-1457.

[49] Tan Y, Wang H, Shi S, et al. Annual variations of black carbon over the Yangtze River Delta from 2015 to 2018 [J]. Journal of Environmental Science (China), 2020,96:72-84.

[50] Li L, Li Q, Huang L, et al. Air quality changes during the COVID-19 lockdown over the Yangtze River Delta Region: An insight into the impact of human activity pattern changes on air pollution variation [J]. Science of the Total Environment, 2020,732:139282.

[51] Wang H, Miao Q, Shen L, et al. Characterization of the aerosol chemical composition during the COVID-19 lockdown period in Suzhou in the Yangtze River Delta, China [J]. Journal of Environmental Science (China), 2021,102:110-122.

[52] Wang H, Miao Q, Shen L, et al. Air pollutant variations in Suzhou during the 2019 novel coronavirus (COVID-19) lockdown of 2020: High time-resolution measurements of aerosol chemical compositions and source apportionment [J]. Environmental Pollution, 2021,271: 116298.

[53] Xu J, Chen J, Zhao N, et al. Importance of gas-particle partitioning of ammonia in haze formation in the rural agricultural environment [J]. Atmospheric Chemistry and Physics, 2020,20(12):7259-7269.

[54] Hu M, Wu Z, Slanina J, et al. Acidic gases, ammonia and water-soluble ions in PM2.5at a coastal site in the Pearl River Delta, China [J]. Atmospheric Environment, 2008,42(25):6310-6320.

[55] Wu Y, Liu D, Wang J, et al. Characterization of size-resolved hygroscopicity of black carbon-containing particle in urban environment [J]. Environ Sci Technol, 2019,53(24):14212-14221.

[56] Hou B, Zhuang G, Zhang R, et al. The implication of carbonaceous aerosol to the formation of haze: revealed from the characteristics and sources of OC/EC over a mega-city in China [J]. Journal of Hazardous Materials, 2011,190(1-3):529-536.

[57] Xing L, Fu T M, Cao J J, et al. Seasonal and spatial variability of the OM/OC mass ratios and high regional correlation between oxalic acid and zinc in Chinese urban organic aerosols [J]. Atmospheric Chemistry and Physics, 2013,13(8):4307-4318.

[58] Ye B, Ji X, Yang H, et al. Concentration and chemical composition of PM2.5in Shanghai for a 1-year period [J]. Atmospheric Environment, 2003,37(4):499-510.

[59] Zhang C, Lu X, Zhai J, et al. Insights into the formation of secondary organic carbon in the summertime in urban Shanghai [J]. Journal of Environmental Sciences, 2018,72:118-132.

[60] Liu D, Su Y, Peng H, et al. Size distributions of water-soluble inorganic ions in atmospheric aerosols during the Meiyu period on the north shore of Taihu Lake, China [J]. Aerosol and Air Quality Research, 2018,18(12):2997-3008.

[61] 高 伟,毛晓琴.上海春季大气PM1分布特征 [J]. 地球环境学报, 2016,7(4):405-411.

Gao W, Mao X Q. Distribution characteristics of atmospheric PM1in spring at Shanghai [J]. Journal of Earth Environment, 2016,7(4):405- 411.

[62] Liu G, Li J, Wu D, et al. Chemical composition and source apportionment of the ambient PM2.5in Hangzhou, China [J]. Particuology, 2015,18:135-143.

[63] Ye Z, Liu J, Gu A, et al. Chemical characterization of fine particulate matter in Changzhou, China, and source apportionment with offline aerosol mass spectrometry [J]. Atmospheric Chemistry and Physics, 2017,17(4):2573-2592.

[64] Li R, Meng Y, Fu H, et al. Characteristics of the pollutant emissions in a tunnel of Shanghai on a weekday [J]. Journal of Environmental Science (China), 2018,71:136-149.

[65] Cheng Y, Lee S C, Ho K F, et al. Chemically-speciated on-road PM2.5motor vehicle emission factors in Hong Kong [J]. Science of the Total Environment, 2010,408(7):1621-1627.

[66] 高雪倩,吴建会,张会涛,等.路边微环境PM2.5化学组分特征及来源解析 [J]. 中国环境科学, 2021,41(11):5086-5093.

Gao X Q, Wu J H, Zhang H T, et al. Contributions of vehicle emissions to PM2.5in roadside microenvironments [J]. China Environmental Science, 2021,41(11):5086-5093.

[67] Mamoudou I, Zhang F, Chen Q, et al. Characteristics of PM2.5from ship emissions and their impacts on the ambient air: A case study in Yangshan Harbor, Shanghai [J]. Science of the Total Environment, 2018,640-641:207-216.

[68] Yuan Q, Teng X, Tu S, et al. Atmospheric fine particles in a typical coastal port of Yangtze River Delta [J]. Journal of Environmental Science (China), 2020,98:62-70.

[69] 郑 玫,张延君,闫才青,等.上海PM2.5工业源谱的建立 [J]. 中国环境科学, 2013,33(8):1354-1359.

Zheng M, Zhang Y J, Yan C Q, et al. Establishing PM2.5industrial source profiles in Shanghai. [J]. China Environmental Science, 2013, 33(8):1354-1359.

[70] Zhang X, Gao S, Fu Q, et al. Impact of VOCs emission from iron and steel industry on regional O3and PM2.5pollutions [J]. Environmental Science and Pollution Research, 2020,27(23):28853-28866.

[71] Pei B, Wang X, Zhang Y, et al. Emissions and source profiles of PM2.5for coal-fired boilers in the Shanghai megacity, China [J]. Atmospheric Pollution Research, 2016,7(4):577-584.

[72] 冯加良,毛文文,荆 亮,等.上海不同功能区夏季PM2.5中生物质燃烧贡献的解析 [J]. 环境科学学报, 2019,39(11):3677-3684.

Feng J L, Mao, W W, Xing L, et al. Interpretation on biomass burning contributions to the summer PM2.5at different sites in Shanghai [J]. Acta Scientiae Circumstantiae, 2019,39(11):3677-3684.

[73] Wang G, Chen J, Zhang W, et al. Relationship between magnetic properties and heavy metal contamination of street dust samples from Shanghai, China [J]. Environmental Science and Pollution Research, 2019,26(9):8958-8970.

[74] Ovadnevaite J, Ceburnis D, Canagaratna M, et al. On the effect of wind speed on submicron sea salt mass concentrations and source fluxes [J]. Journal of Geophysical Research: Atmospheres, 2012,117: D16201.

[75] Han T, Yao L, Liu L, et al. Baosteel emission control significantly benefited air quality in Shanghai [J]. Journal of Environmental Science (China), 2018,71:127-135.

[76] 王晓浩,赵倩彪,崔虎雄.基于在线监测的上海郊区冬季PM2.5来源解析 [J]. 南京大学学报(自然科学), 2015,51(3):517-523.

Wang X H, Zhao Q B, Cui H X. PM2.5source apportionment at suburb of Shanghai in winter based on real time monitoring [J]. Journal of Nanjing University (Natural Sciences), 2015,51(3):517-523.

[77] 上海市人民政府.上海市清洁空气行动计划(2018～2022年) [Z]. 上海, 2018.

Shanghai Municipal Government. Shanghai clean air action plan (2018～2022) [Z]. Shanghai, 2018.

[78] Liang L, Engling G, Cheng Y, et al. Biomass burning impacts on ambient aerosol at a background site in East China: Insights from a yearlong study [J]. Atmospheric Research, 2020,231:104660.

[79] Zhang C, Zou Z, Chang Y, et al. Source assessment of atmospheric fine particulate matter in a Chinese megacity: Insights from long-term, high-time resolution chemical composition measurements from Shanghai flagship monitoring supersite [J]. Chemosphere, 2020,251: 126598.

[80] Wan Z, Zhou X, Zhang Q, et al. Do ship emission control areas in China reduce sulfur dioxide concentrations in local air? A study on causal effect using the difference-in-difference model [J]. Marine Pollution Bulletin, 2019,149:110506.

[81] 孙 婧,张洪海,张升辉,等.夏季东海生源硫的分布、通量及其对非海盐硫酸盐的贡献 [J]. 中国环境科学, 2016,36(11):3456-3464.

Sun J, Zhang H H, Zhang S H, et al. Distribution and fluxes of biogenic sulfur in the East China Sea and its contribution to the non-sea-salt sulfate in atmospheric aerosol in summer [J]. China Environment Science, 2016,36(11):3456-3464.

致谢：本研究的颗粒物现场采样和称重工作由上海市环境监测中心大气环境监测室张懿华、陈佳、陈沁晨等协助完成,化学组分分析由上海大学、中国科学院上海硅酸盐研究所、生态环境部华南环境科学研究所等分析团队协助完成,在此表示感谢.

Chemical characterization and source apportionment of fine particulate matter in Shanghai during 2016～2020.

ZHAO Qian-biao1,2, HU Ming1,3, FU Qing-yan1*

(1.Shanghai Environmental Monitoring Center, Shanghai 200235, China；2.Academy of Environmental Planning & Design, Co., Ltd., Nanjing University, Nanjing 210093, China；3.Shanghai University, Shanghai 200444, China)., 2022,42(11)：5036～5046

A systematic observation of particulate matter was carried out from 2016 to 2020 at six urban and suburban sites in Shanghai. Chemical species including water-soluble ions, organic carbon/elemental carbon, and inorganic elements of fine particulate matter (PM2.5) were analyzed. Source apportionment of PM2.5was conducted using the Positive Matrix Factorization model. Results show that the annual PM2.5mass concentrations of Shanghai from 2016 to 2020 were 46, 43, 37, 40, and 39μg/m-3successively, exhibiting a decreasing annual trend and spatiotemporal features of higher in the west and in winter while lower in the east and in summer. Organic aerosol was the most abundant species in PM2.5(30%～32%), with small annual and seasonal variations. Secondary inorganic ions including sulfate, nitrate and ammonium showed an evidently regional characterization. Among all the inorganic species, nitrate played an important role in pollution episode in winter, and its proportion increased the most from 2016 to 2020. Nine PM2.5sources were identified, including secondary nitrate (30.6%), secondary sulfate (20.7%), vehicle emission (12.6%), industry (8.0%), biomass burning (7.7%), dust (6.5%), coal combustion (5.8%), sea salt (4.8%) and ship emission (3.2%). Owing to the atmospheric emission control strategies, the contributions of mobile sources including vehicle and ship emissions as well as biomass burning sources including straw burning and fireworks emission showed a decreasing trend during the focused period.

fine particulate matter (PM2.5)；Shanghai；chemical species；source apportionment

X513

A

1000-6923(2022)11-5036-11

赵倩彪(1986-),男,江西南昌人,工程师,博士,主要从事大气环境科学研究.发表论文20余篇.

2022-04-05

上海市科技计划项目(20dz1204000)

* 责任作者, 教授级高工, qingyanf@sheemc.cn