2. 潍坊市污染物排放总量控制中心,山东 潍坊 261000;
3. 南开大学,环境科学与工程学院,国家环境保护城市空气颗粒物污染防治重点实验室,天津 300350;
4. 山东省潍坊生态环境监测中心,山东 潍坊 261041
2. Weifang Total Pollutant Discharge Control Center, Weifang, Shandong 261000, China;
3. State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China;
4. Weifang Ecological Environment Monitoring Center, Weifang, Shandong 261041, China
“十三五”以来,随着我国大气污染治理力度的不断加大,空气质量呈逐年改善趋势,污染特征呈现细颗粒物(PM2.5)占比明显上升的特点。2016年,338个地级及以上城市发生重污染天数中PM2.5为首要污染物的占比超过60%。研究颗粒物的组分变化特征和来源,对掌握城市整体污染水平,进而科学制定防治措施、进一步改善空气质量状况具有重要意义[1-7]。在潍坊市2016年164个污染天数中,PM2.5作为首要污染物的天数为82 d,占比50.0%,可吸入颗粒物(PM10)作为首要污染物的天数为23 d,占比14.0%,开展大气颗粒物源解析研究对推进潍坊市大气污染防治工作十分迫切。
2016—2017年,山东省要求各地市均开展大气中颗粒物来源解析工作,各地已开展的颗粒物源解析研究大多采用单一源样品采集方式建立源成分谱,缺少不同方法之间的验证,根据综合源解析结果进一步解析到行业贡献的研究也比较少。潍坊市于2017年依托南开大学国家环境保护城市空气颗粒物污染防治重点实验室,对中心城区开展了为期1年的颗粒物来源解析研究工作,并在3个方面做出了创新探索:(1)利用电子低压冲击仪(ELPI)稀释采样法和稀释四通道2种源采样方法,采集了潍坊市燃煤源、不同钢铁处理工艺过程的样品,建立了潍坊市本地化的燃煤源、钢铁源等排放源的颗粒物源成分谱;(2)采用再悬浮膜采样方法,建立了金属冶炼及铸造尘本地化PM2.5和PM10源成分谱;(3)结合排放源清单,利用化学质量平衡受体模型(CMB)[8-10]开展不同行业(电力、供热、工艺过程、建筑施工、餐饮油烟等)的PM2.5和PM10的精细化来源解析,得到分行业的源解析结果,潍坊市依据该次源解析结果实施了更具针对性的大气污染防治策略。至2020年,潍坊市全年污染天数降至99 d,以PM2.5为首要污染物天数为48 d,占比48.5%,PM10为首要污染物天数为5 d,占比5.0%[11]。
1 研究方法 1.1 采样点位共设置8个监测点位,各采样点位示意见图 1。点位信息见表 1。其中A局办公楼点位位于城区中心,且监测条件完备,选为全年连续采样站点。
分别于2017年1,4,7,10月对8个采样点位进行冬、春、夏、秋季的大气环境中PM2.5和PM10样品采集,采用青岛众瑞ZR - 3920型中流量采样器,流量为100 L/min。各季节各点位均采集至少10 d的有效样品;同时,A局办公楼站点从2017年1月到次年1月进行全年采样(每3 d采1次样),采用康姆德润达PNS 16T - 3.1(2015)自动换膜采样器,流量为16.7 L/min。采样滤膜选择聚丙烯和石英滤膜,同步采样,分别用来分析无机元素、碳和离子组分。
1.3 源样品采集机动车尘参考南开大学的机动车源成分谱[12-13]进行源解析,本研究对开放源、固定源进行了采样检测分析。
1.3.1 开放源2017年4月17—20日共采集开放源样品28个,开放源采样数量情况见表 2。开放源样品收集原样后回实验室再用再悬浮膜采样方法采集PM2.5和PM10样品。
固定源样品采集分2种方式:对3个燃煤源、1个造纸碱回收工艺过程源和1个钢铁厂烧结工艺源,同步使用ELPI和四通道稀释通道采样器在线采集排放的PM2.5和PM10样品;对3个铸造企业,采集了除尘器落灰原样,采用再悬浮膜采样方法采集PM2.5和PM10样品。固定源采样点位信息见表 3。
AX205百万分之一电子天平(德国Mettler Toledo);DRI2001ATOR热光碳分析仪(美国Atmoslytic公司);ICS - 900离子色谱仪(美国Thermo Fisher公司);X Series2电感耦合等离子体原子发射光谱仪(美国Thermo Fisher公司)。
1.5 源解析技术方法利用化学质量平衡(CMB)受体模型[9]和南开大学创立的适用于二次有机碳(SOC)浓度估算的CMB-iteration模型解析一次排放源和二次颗粒物的贡献。在得到常规源解析结果的基础上,结合污染源排放清单[14],根据潍坊市区不同行业的气态前体物:二氧化硫(SO2)、氮氧化物(NOX)和挥发性有机物(VOCs)等的排放量,获得二次粒子分配到一次源类的分配系数,将常规源解析结果中二次粒子(二次硫酸盐、二次硝酸盐和二次有机碳)的贡献进行分解,合并到相应的综合解析源类;将土壤风沙尘和建筑水泥尘合并到综合解析结果中的扬尘。参加CMB拟合的元素主要选用源成分谱的特征元素(源成分谱中灵敏度高的元素,是某源类区别于其他源类的重要标志)。精细化源解析主要是在综合源解析结果的基础上进行重新分配[15-18]。燃煤根据烟粉尘的排放量分解为电厂、工业和民用的贡献;机动车根据不同车型尾气中颗粒物的排放量分解为客车、货车及其他车型的贡献;扬尘重新分解成土壤风沙尘和建筑水泥尘的贡献。基于上述的分解方法,最终获得精细化的潍坊市大气颗粒物来源解析结果。
2 结果与分析 2.1 源成分谱特征分析基于潍坊市大气颗粒物污染源背景分析,主要进行了开放源、固定源的源样品采集及颗粒物化学组分分析。通过加权平均或取平均值的方法构建了潍坊市本地化的燃煤源、钢铁源等大气颗粒物源成分谱。潍坊市大气中PM2.5、PM10开放源源组分谱图见图 2(a)-(f)。由图 2可见,潍坊市城市扬尘、土壤风沙尘、建筑水泥尘特征组分分别为硅(Si)、Si、钙(Ca)。
潍坊市大气PM2.5、PM10固定源组分谱图见图 3(a)-(h)。固定源情况较为复杂,由图 3(a)(b)可见,金属冶炼及铸造尘的Si、锰(Mn)、铁(Fe)、元素碳(EC) 含量较高;由图 3(g)(h)可见,钢铁尘的铅(Pb)、硫酸根离子(SO42-)、铵根离子(NH4+)、氯离子(Cl-)含量较高,这一特征可能与进炉原料特性(比如高硫分)、工艺(比如添加特定元素改善铸件性能)相关,钢铁尘盐分高可能与氨法脱硫有关;由图 3(c)(d)(e)(f)可见,燃煤尘和造纸碱回收尘的特征组分均为SO42-,此外燃煤尘的NH4+含量较高,可能与采用SNCR脱硝使用的还原剂有关,造纸碱回收尘的钠离子(Na+)、Cl-含量较高,可能是由进炉燃烧的浓黑液中含大量盐分造成。
采样期间,潍坊市不同季节大气中ρ(PM2.5)和ρ(PM10)见图 4。由图 4可见,ρ(PM2.5)和ρ(PM10)年平均值分别为79和124 μg/m3,分别是环境空气质量二级标准[14]的2.3和1.8倍。由于冬季静稳气象较多、扩散条件差,易造成大气颗粒物的累积[3],外加燃煤取暖导致PM2.5、PM10排放浓度增高。春季频发的沙尘天气是ρ(PM10)较高的重要原因。
潍坊市各监测点位大气中PM2.5、PM10的空间分布情况见图 5。由图 5可见,各点位ρ(PM2.5)、ρ(PM10)年均值均超过环境空气质量二级标准。H水库周边无明显排放源且ρ(PM2.5)、ρ(PM10)均最低。C监测站、D小学、E监测站、F集团点位的ρ(PM2.5)较高,与周边存在较多的工业企业有关。F集团的ρ(PM10)较高,可能与周边紧邻果林、裸地,附近有民用机场有关,受土壤扬尘及交通工具尾气尘影响较大。
潍坊市大气PM2.5、PM10中主要化学组分浓度分布及占比见图 6。由图 6可见,PM2.5、PM10中硝酸根离子(NO3-)的质量浓度最高。地壳元素中Ca的浓度明显高于Si和铝(Al),说明建筑施工活动的影响是比较明显的。较高浓度的Fe一方面是受扬尘源的影响,另一方面也与一些钢铁铸造企业有关;PM2.5中的NO3-、OC、SO42-、NH4+、EC、Cl-的浓度占比均高于PM10,Al、Si、Ca、Fe、钠(Na)等组分在PM2.5中的浓度均低于PM10,表明地壳类元素主要富集于PM10中。
研究表明[15],EC在大气中较为稳定,是一次气溶胶(POC)的示踪物,可通过OC/EC的最小比值估算POC的含量,进而得到SOC的质量浓度,即EC示踪法估算SOC。潍坊市四季ρ(SOC) 及其在OC中的占比见图 7。由图 7可见,监测期间,PM2.5、PM10中的ρ(SOC)年均值分别为4.26,5.54 μg/m3,SOC在OC中的占比分别为40.3%,冬季PM2.5、PM10的39.8%。从季节变化来看,ρ(SOC)及其在OC中的占比均为最高,这与冬季燃煤取暖导致前体物排放增加有关。
将煤烟尘、土壤风沙尘、建筑水泥尘、机动车尘、钢铁尘、SOC等源类的源成分谱和潍坊市大气中PM2.5、PM10各化学组分的浓度平均值及其标准偏差纳入CMB模型进行计算,得到各源类对环境空气中PM2.5、PM10的分担率,反映各源类排放颗粒物对大气环境污染的影响程度。潍坊市四季各源类对大气中PM2.5和PM10的分担率见图 8。
由图 8可见,煤烟尘、机动车尘对于PM2.5的分担率较高,而建筑水泥尘、土壤风沙尘对PM10的分担率较高。
PM2.5的主要贡献源类从季节变化来看,机动车尘在各季节的分担率均较高;煤烟尘是冬季和春季最大的贡献源,在秋季的分担率也较高,主要受采暖季燃煤污染影响;二次硫酸盐的分担率在夏季最高,二次硝酸盐在秋季的分担率最高;建筑水泥尘在春季的分担率较高,夏季和冬季的分担率较低;钢铁尘的分担率较低,且在各季节变化不大。
PM10的主要贡献源类从季节变化来看,建筑水泥尘在春、秋季的分担率要高于冬、夏季;机动车尘在夏、秋季的分担率要略高于春、冬季;煤烟尘是冬季最大的贡献源,在春季和夏季的分担率较低;二次硫酸盐的分担率在夏季最高,而在春季、秋季和冬季的分担率较低;二次硝酸盐在夏、秋季的分担率高于春、冬季;同PM2.5相近,钢铁尘的分担率在各季节均较低。
通过CMB模型进行计算,潍坊市各监测点位PM2.5和PM10的各类源分担率见图 9(a)(b)。由图 9可见,各监测点位PM2.5和PM10的主要分担源类排序均有一定的差异。由图 9(a)可见,PM2.5的主要分担源类中煤烟尘分担率较大的监测点位分别为D小学、E监测站、F集团、B学院,可能与点位周边燃煤污染源较多有关;G局办公楼和B学院的建筑水泥尘分担率较大;机动车尘在E监测站分担率最大。由图 9(b)可见,PM10的主要分担源类中土壤风沙尘对E监测站的分担率最大;煤烟尘分担率较大的点位分别为F集团、B学院、C监测站点和E监测站;G局办公楼和C监测站点的建筑水泥尘分担率较大。机动车尘在F集团分担率最大。钢铁尘普遍过低(源分担率最高仅为0.6%),不具表征意义。
根据颗粒物污染源管理需求,将本地污染排放分为如下来源:燃煤、机动车、工艺过程、扬尘、其他(如:生物质燃烧、餐饮油烟、农业生产等排放)。颗粒物综合源解析的技术方法见图 10。
2017年潍坊市大气中PM2.5和PM10全年的综合来源及精细化源解析结果见图 11(a)(b)。由图 11可见,潍坊市大气中PM2.5和PM10全年的综合来源中燃煤产生的煤烟尘是首要的贡献源类,均超过30%,其次是扬尘、机动车尘,分担率均>20%,工艺过程源对PM2.5和PM10的贡献较低,分担率均<4.0%。
由图 11(a)可见,PM2.5首要的贡献源类煤烟尘中工业燃煤的分担率最高(18%),民用散煤最低(3.6%)。机动车尘中载货汽车的分担率最高(14.0%)。扬尘中土壤风沙尘的分担率为10.1%,建筑水泥尘的分担率为11.7%。工艺过程的贡献相对较低,分担率仅为3.9%。由图 11(b)可见,PM10首要的贡献源类也是煤烟尘,扬尘的分担率为27.6%,超过了机动车尘的分担率(21.5%)。PM10工艺过程的贡献(3.0%)与PM2.5(3.9%)相似。
2.4 与相邻城市源解析结果比较与潍坊相邻的济南、青岛、东营、淄博等城市的颗粒物源解析[19]研究均分析了无机元素、水溶性离子、碳组分等化学组分的质量浓度。参考各市源解析报告中全年综合源贡献的数据,进行初步的比较分析,为便于统计比较,将土壤尘、水泥尘、建筑水泥尘、无组织尘均归为扬尘,将耐火材料、铝冶炼、炼铁烧结、炼铁高炉、工艺过程、非金属制品均归为工业源。潍坊与相邻城市颗粒物源解析结果比较(2016—2017年)见图 12(a)(b)。由图 12可见,潍坊市PM2.5和PM10分担率最大的污染源均为由燃煤产生的煤烟尘,相邻城市PM10分担率最大的污染源均为扬尘,相邻城市PM2.5分担率最大的污染源则分别为扬尘、机动车尘和工业源。
(1) 燃煤是潍坊市大气颗粒物的首要贡献源类,“小散乱”企业和民用散烧煤影响凸显。潍坊市煤炭消费中,规模以上工业原煤消费量占比为64%,即有36%的煤炭被用在了除污设备相对落后、除污效率不高的中小企业或民用散烧当中。从SO2和烟粉尘的排放情况来看,电厂和供热企业所占的比例较低;其他小规模企业的比例相对较高;说明来自小型燃煤设施的SO2和烟粉尘的排放是不容忽视的。常规源解析结果中,秋、冬季煤烟尘的分担率和贡献基本上要高于春、夏季。从环境监测数据来看,SO2浓度的高值主要出现在1,2,12月,其浓度的日变化也与燃煤采暖负荷的变化趋势基本上一致;11,12和1月潍坊市CO浓度也是较高的。因此,秋、冬季潍坊市民用散煤的影响较为明显。
(2) 扬尘是潍坊市大气颗粒物的主要贡献源类,以建筑施工扬尘、堆场扬尘和道路扬尘影响为主。根据全年源解析结果,建筑水泥尘和土壤风沙尘对潍坊市大气PM2.5的分担率分别为11.7%和10.1%;而对大气中PM10的分担率分别达到14.0%和13.6%。扬尘(包括建筑水泥尘和土壤风沙尘)对PM2.5和PM10的分担率达到21.8%和27.6%,从城市建设来看,潍坊市近年来城市建设快速推进,房屋施工面积超过了6 000万m2,市政道路建设也呈增加的趋势。近几年潍坊市大规模的城市建设是导致建筑施工扬尘贡献较高的重要原因。
(3) 机动车是潍坊市大气颗粒物的主要来源,其中载货汽车的贡献十分明显。根据常规源解析结果,机动车尘对于大气中PM2.5和PM10的分担率分别达到17.6%和15.2%。根据综合源解析结果可知,机动车对于PM2.5和PM10的分担率分别达到25.4%和21.5%。近年来潍坊市汽车保有量呈现出逐年增加的趋势,2016年全市汽车保有量接近180万辆,机动车保有量更是超过250万辆。各类车型中,载货汽车(包括挂车)PM2.5和PM10的排放量占到机动车污染物排放总量70.5%和69.1%,是机动车颗粒物的主要排放源。潍坊市精细化的源解析结果也表明,载货汽车对于环境空气中PM2.5和PM10的分担率分别达到14.0%和11.8%,明显高于载客汽车及其他类型的汽车的分担率。
[1] |
蒋琦清, 陈文聪, 徐冰烨, 等. 杭州城区大气颗粒物污染特征及PM2.5潜在源区研究[J]. 中国环境监测, 2020, 36(5): 88-95. |
[2] |
马俊文, 严京海, 孙瑞雯, 等. 基于LSTM-GCN的PM2.5浓度预测模型[J]. 中国环境监测, 2022, 38(5): 153-160. |
[3] |
刘洋, 王明娅, 宁鹏, 等. 安阳市冬季观测期间PM2.5污染特征及来源解析[J]. 中国环境监测, 2021, 37(5): 83-93. |
[4] |
舒丽, 罗彬, 胡健, 等. 南充市大气PM10与PM2.5排放清单及特征[J]. 中国环境监测, 2018, 34(3): 84-92. |
[5] |
华楠, 尚玥, 谢鸣捷. 2020—2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征[J]. 环境科学, 2023, 44(2): 593-601. |
[6] |
杜鹏瑞, 杜睿, 任伟珊. 城市大气颗粒物毒性效应及机制的研究进展[J]. 中国环境科学, 2016, 36(9): 2815-2827. |
[7] |
朱媛媛, 高愈霄, 柴文轩, 等. 京津冀及周边区域PM2.5叠加沙尘重污染过程特征及预报效果分析[J]. 环境科学, 2020, 41(2): 574-586. |
[8] |
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. |
[9] |
周敏. 上海大气PM2.5来源解析对比: 基于在线数据运用3种受体模型[J]. 环境科学, 2020, 41(5): 1997-2005. |
[10] |
孙峰, 姚欢, 刘保献, 等. 2013—2019年京津冀及周边地区PM2.5重污染特征[J]. 中国环境监测, 2021, 37(4): 46-53. |
[11] |
潍坊市环境保护局. 潍坊市生态环境质量报告书(2016—2020)[R]. 潍坊: 潍坊市生态环境局, 2021.
|
[12] |
李宇飞, 李振华, 胡京南, 等. 轻型汽油车尾气PM2.5的排放特征[J]. 环境科学研究, 2016, 29(4): 503-508. |
[13] |
BI X H, DAI Q L, WU J H, et al. Characteristics of the main primary source profiles of particulate matter across China from 1987 to 2017[J]. Atmospheric Chemistry & Physics, 2019, 19(5): 3223-3243. |
[14] |
环境保护部, 国家质量监督检验检疫总局. 环境空气质量标准: GB 3095—2012[S]. 北京: 中国环境科学出版社, 2012.
|
[15] |
ODELLE L H. Background PM2.5 source apportionment in the remote Northwestern United States[J]. Atmospheric Environment, 2017, 167: 298-308. |
[16] |
熊秋林, 赵文吉, 宫兆宁, 等. 北京城区2007—2012年细颗粒物随浓度时空演化[J]. 中国环境科学, 2013, 33(12): 2123-2130. |
[17] |
郭健, 马召坤, 黄宪江, 等. 大气例行点位常规监测污染物的相关性分析及防控措施研究[J]. 环境科学与管理, 2016, 41(11): 112-116. |
[18] |
JENSEN A, KAROTTKI D G, CHRISTENSEN J M, et al. Biomarkers of oxidative stress and inflammation after wood smoke exposure in a reconstructed Viking Age house[J]. Environmental & Molecular Mutagenesis, 2014, 55(8): 652-661. |
[19] |
周松华, 张扬, 谭金峰, 等. 山东地区PM2.5源解析研究进展[J]. 资源节约与环保, 2020, 6(9): 135-137. |