论文部分内容阅读
大气细颗粒物(PM2.5)是近年来影响全球城市空气质量的主要污染物。大气颗粒物对人类健康、环境空气质量以及全球气候变化均存在不利影响。分析和了解大气颗粒物的来源是控制其污染和改善空气质量的基础。受体模式是根据对受体点采集的颗粒物与污染源排放颗粒物的化学组成和物理特征等信息的解析,确定颗粒物污染来源及其贡献率的常用方法。本文基于环境受体监测数据和污染源源成分谱,采用多种方法对黄土高原某市城区大气环境中PM2.5的来源进行了解析研究。本研究在不同环境功能区区域设置5个代表性监测点,使用中流量颗粒物采样器分采暖期和非采暖期采集PM2.5,并测定了水溶性离子和元素含量。对测定数据进行异常值处理并进行数据扩展后,采用PMF-CMB、PCA/MLR-CMB方法进行了源解析;对数据进行聚类分析后,采用CMB方法进行了源解析。现有受体模型解析方法中,没有考虑气象因素对污染源贡献的影响,导致受体数据与源成分谱的匹配性不高,影响了受体模型的解析效果。受体模型解析结果无法给出污染源的方位及在该方位的贡献率,对污染源治理的针对性不强。针对上述问题,本研究考虑风对大气污染物传输的重要作用,以及大气稳定度、混合层高度和降水的影响,建立了基于污染机率(Pollution probability)、最小二乘回归法(Least square regression method)和CMB模型结合的PP-LSR-CMB模型解析方法。将该方法用于A站点采暖期PM2.5的解析,利用不同风向下的实测PM2.5浓度和污染源分布的分析验证了该方法解析结果的可靠性。该方法表现出较好的模型诊断参数,四种方法解得标准化贡献值的相对标准偏差大小排序如下:PP-LSR-CMB<PCA/MLR-CMB<PMF-CMB<CMB。本文提出的PP-LSR-CMB提高了解析结果的准确性,提高了受体模型源解析结果对污染治理指导的针对性,并且能够为结合气象预报模型进行不同风向风速条件下的污染源应急减排对策的制定提供依据。本研究采用HYSPLIT计算轨迹,并利用聚类和CWT分析方法对黄土高原某市城区PM2.5和PM10的潜在源区进行了分析。现有研究中使用CWT方法时,通常直接使用站点浓度监测值进行分析,不考虑本地排放源的影响,并且不考虑气团传输过程中气团高度及湿沉降对气团携带污染物的影响。基于上述问题本研究对污染物浓度监测数据及对气团轨迹节点的处理,修正了CWT方法,并将其用于研究区域PM2.5和PM10的输送源区的分析。通过本文中对CWT方法的改善,识别出了现有方法未识别出的污染源区,并且该结果中不同区域的WCWT值差异较大,突显出了重要污染源区的位置。结果得到源区与AOD、PM2.5浓度分布以及排放清单的高值区一致,验证了改进后源区识别结果的合理性。