利用ME-2模型提升PM_(2.5)源解析效果

作者：申航印; 何凌燕; 林理量; 江家豪; 高茂尚; 黄晓锋^*

来源：中国环境科学, 2020, 39(09): 3682-3690.

DOI：10.19674/j.cnki.issn1000-6923.2019.0432

• PM_(2.5)
• 正定矩阵因子分解法(PMF)
• 多元线性模型(ME-2)
• 源解析
• 混合因子

为探讨ME-2模型控制旋转对传统PMF模型源解析效果的提升作用,于2017年9月10日～2018年8月29日在深圳北部某工业区开展PM_(2.5)采样,共获得153套样品.对PM_(2.5)中31种化学组分进行了分析,筛选出17个物种输入模型运算.2018年深圳北部工业区大气PM_(2.5)年均浓度为32.3μg/m3,利用PMF模型初步识别出9个因子,分别为二次硫酸盐、二次硝酸盐、老化海盐、土壤扬尘、工业排放、燃煤、生物质燃烧、船舶排放和机动车,PMF输出结果中"混合因子"问题显著.基于PMF解析结果及获得的先验信息,在ME-2模型中建立4个限制源谱进一步解析,结果表明,与PMF模型相比,ME-2结果的示踪物在源中分配更集中,对示踪物浓度与相应源贡献的时间序列也提供了更好的拟合效果.二次硝酸盐、老化海盐、工业排放源在PMF模型中被高估了9%～51%,而二次硫酸盐、燃煤和生物质燃烧源被低估了19%～40%.本研究中ME-2解析结果比PMF更具有环境和统计学意义,为污染防治提供了更精确的控制指向.

• 单位
  北京大学深圳研究生院