王 露,畢曉輝,劉保雙,郜計欣,李廷昆,張裕芬,田瑛澤,馮銀廠

?

基于CALPUFF-CMB復合模型的燃煤源精細化來源解析

王 露,畢曉輝*,劉保雙,郜計欣,李廷昆,張裕芬,田瑛澤,馮銀廠

(南開大學環(huán)境科學與工程學院,國家環(huán)境保護城市空氣顆粒物污染防治重點實驗室,天津 300350)

為了反映燃煤源對環(huán)境受體的影響情況,利用擴散模式(CALPUFF模式)對燃煤源多種子源類的排放、擴散過程進行模擬,得到燃煤源各子源類對環(huán)境受體中PM10的影響權重,進而構建更具代表性的燃煤源成分譜.然后將受體顆粒物化學成分和兩套源成分譜(基于環(huán)境影響構建的燃煤源成分譜和基于各子源類煤煙塵排放量加權平均的傳統(tǒng)源成分譜),分別納入CMB模型進行烏魯木齊市采暖季環(huán)境受體中PM10的來源解析. 結果表明:基于CALPUFF模擬結果,得到燃煤源的3類子源類-電廠、供熱、工業(yè)燃煤源的影響權重分別為0.02、0.39和0.59.基于傳統(tǒng)方法構建的源成分譜進行源解析的結果顯示,各源類的貢獻大小依次為:集中燃煤(27.2%)>城市揚塵(19.1%)>二次硫酸鹽(15.7%)>民用散煤(9.9%)>二次硝酸鹽(9.5%)>機動車尾氣塵(7.6%)>鋼鐵塵(1.2%)>建筑水泥塵(0.2%);而基于環(huán)境影響構建的源成分譜獲得的結果顯示:二次硫酸鹽(20.1%)>城市揚塵(20%)>集中燃煤(18.9%)>民用散煤(11.5%)二次硝酸鹽(10.5%)>機動車尾氣塵(9%)>鋼鐵塵(1.7%)>建筑水泥塵(1.4%).基于不同燃煤源子源類對受體環(huán)境的影響權重,將烏魯木齊市顆粒物來源解析結果進一步細分,得到相對精細化的來源解析結果. 結果顯示,民用散煤的貢獻為11.5%,電廠燃煤源為0.4%,供熱燃煤源為7.4%,工業(yè)燃煤源為11.1%.

PM10；CALPUFF-CMB；燃煤源成分譜；環(huán)境影響；源解析

大氣顆粒物污染問題已成為降低大氣能見度、危害人體健康、影響天氣和氣候的重要原因[1-6].為有效控制顆粒物污染,定量識別其污染來源十分必要,因此對于顆粒物的來源解析研究已成為當今研究的熱點[7-9].目前對空氣中顆粒物進行源解析的方法眾多,以受體模型、源清單分析和空氣質量模型3類為主[10],而受體模型中的化學質量平衡模型(CMB)在我國應用最為廣泛[11-13]. CMB的基本輸入參數包括受體顆粒物化學成分和源成分譜,其中源成分譜的準確程度很大程度上決定了源解析結果的準確程度[14].

目前,國內外對源成分譜的相關研究主要集中在排放源的分類[15-16]、排放源顆粒物的化學組分和測定方法[17-19]、顆粒物各類排放源成分譜的研究[20]以及各排放源類中標識元素的確定等方面[21-22].針對情況十分復雜、擁有諸多子源類的燃煤源成分譜的構建方法研究更是十分缺乏.目前的燃煤源成分譜構建方法主要集中在算術平均法[23]和基于排放量的加權平均法[24-25],而這兩種方法均沒有考慮到不同子源類經過傳輸擴散過程對受體環(huán)境的影響程度,與燃煤源各子源類對環(huán)境受體的的真實影響情況存在明顯的偏差,同時不同行業(yè)燃煤源對環(huán)境受體的貢獻無法定量,不便于管理部門有針對性地制訂顆粒物污染控制措施.

烏魯木齊位于新疆天山以北,大氣顆粒物污染較為嚴重[26-27].其中PM10仍然是影響其空氣質量的首要污染物[28-29].近3a的監(jiān)測數據表明,烏魯木齊的PM10的平均濃度為123.1μg/m3,超過國家空氣質量二級標準的1.8倍.因此,明確烏魯木齊PM10的來源及貢獻對于針對性的管理具有非常重要的意義.本研究于烏魯木齊市,利用擴散模型建立基于環(huán)境影響的新的燃煤源成分譜和基于各子源類煤煙塵排放量加權平均的傳統(tǒng)源成分譜,分別納入CMB模型計算烏魯木齊環(huán)境受體中PM10的源貢獻.然后將燃煤源對PM10的貢獻繼續(xù)細分,定量給出各燃煤源子源類對環(huán)境受體顆粒物的貢獻,從而為烏魯木齊的管理部門制定燃煤源的精細化控制措施提供一定的科學依據.

1 材料與方法

1.1 采樣點概況

圖1 烏魯木齊市采樣點分布

MS: 監(jiān)測站, ME: 米東環(huán)保局, RA: 鐵路局, TB: 收費所, TS: 三十一中, SS: 七十四中

烏魯木齊市位于我國天山以北、準噶爾盆地以南地區(qū),是新疆的政治、經濟、文化和交通中心,市域面積超過14000km2,人口超過300萬;氣候屬于溫帶大陸性氣候,季節(jié)性特征較明顯.2011年,烏魯木齊市平均風速和氣溫分別為2.0m/s和7.3℃,年降水量為238.2mm,主導風向為西北風.為采集到研究區(qū)域內足夠的、有代表性的受體顆粒物樣品,本研究主要依托環(huán)境空氣質量國控點進行受體采樣點布設,綜合考慮各點位在研究區(qū)域的均勻分布及對各主要功能區(qū)的覆蓋,最終選定監(jiān)測站、米東環(huán)保局、鐵路局、收費所、三十一中和七十四中六個采樣點位,各點位空間分布情況見圖1,點位的周邊環(huán)境情況見表1.

表1 烏魯木齊市采樣點位特征

1.2 受體樣品采集

采樣期為2011年2月13日~3月7日,每個點位保證至少7d有效數據,每天連續(xù)采樣20h,各點同步采樣. PM10樣品通過武漢天虹儀表有限公司生產的智能中流量采樣器(TH-150C)獲得,采樣器流量為100L/min,選擇直徑為90mm的石英濾膜(500QAT-UP,頗爾生命科學公司,中國)和聚丙烯纖維膜(北京合成纖維研究所)進行環(huán)境受體中PM10的采集.采樣之前中流量采樣器均統(tǒng)一進行了流量校準.石英濾膜樣品用于分析碳組分和水溶性離子,聚丙烯纖維膜樣品用于分析元素組分.采樣期間,除了10%的平行樣和空白樣,共獲得120個有效PM10樣品.

1.3 源樣品采集

本研究根據對烏魯木齊市自然環(huán)境、社會經濟、能源結構、城市建設、工業(yè)現(xiàn)狀、及主要大氣污染特征的調查研究以及前期的研究結果[30],識別出城市揚塵、建筑水泥塵、機動車尾氣塵、燃煤源、鋼鐵塵為當地主要污染源,其中燃煤源再分為集中燃煤源和民用燃煤源兩類.城市揚塵、建筑水泥塵、鋼鐵塵、集中燃煤源通過采集全粒徑顆粒物獲取,各污染源類的采集原則和方法見文獻[31].所采集全粒徑樣品全部經自然晾干后過150目(100μm)標準篩,再通過再懸浮技術將PM10顆粒物重新采集到濾膜上以備分析[29].二次硝酸鹽和二次硫酸鹽的成分譜分別由純的硝酸銨和硫酸銨代替[32].機動車尾氣塵成分譜基于文獻中獲得[30].

1.4 化學成分分析

本研究源與受體采集所得石英濾膜樣品用于分析水溶性離子和碳組分,采集所得聚丙烯濾膜用于分析無機元素[33].其中,碳組分使用DRI-2001A熱光碳分析儀(美國沙漠研究所)測定OC、EC兩類組分含量;水溶性離子使用DX-120IC型離子色譜儀(戴安,美國)測定Cl-、NO3?、SO42?等陰離子和NH4+、K+、Mg2+、Na+、Ca2+等陽離子含量;無機元素使用ICP 9000(N+M)型等離子體原子發(fā)射光譜儀(熱電公司,美國)測定Na、Mg、Al、S、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Br、Ba、Hg、Pb等20種元素的含量.各成分的具體分析方法見文獻[31-33].

1.5 質量控制與質量保證

為消除濾膜中的揮發(fā)性組分對膜稱重的影響,采樣前將石英濾膜放置于馬弗爐中,600℃下灼燒2h以去除可能的有機碳的影響[31].采樣前后,將所有濾膜置于溫度為20℃,相對濕度為50%的恒溫恒濕箱中平衡48h以上,再用精度為0.01mg的Mettler AX205型微量天平對濾膜進行稱重.稱量環(huán)境與平衡環(huán)境一致,每張濾膜稱量2次以上,確保兩次稱量數據相差在0.05mg以內.然后,將所有的濾膜樣品置于溫度為-4℃的冰箱環(huán)境中保存以用于化學分析[33].使用DRI－2001A型碳分析儀分析顆粒物中的碳組分時,在每次分析前采用標準氣體進行校準;使用戴安DX－120IC型離子色譜儀測定水溶性離子含量過程中,分析時做10%樣品量的平行樣,以保證分析結果的準確性[34].

2 研究方法

2.1 CMB模型

CMB模型的核心為一組線性方程,其根本就是受體中每種化學組分的濃度等于各排放源類成份譜中該化學組分的含量與各排放源類對受體的貢獻濃度值乘積的線性加和[35].其原理可以用式(1)表示:

式中:為受體大氣顆粒物的總質量濃度,μg/m3;S為每種源類貢獻的質量濃度,μg/m3;為源類數目,=1,2…….

受體大氣顆粒物上的化學組分的濃度為C,于是可以寫成式(2)

式中:C為受體大氣顆粒物中化學組分的濃度測量值,μg/m3;F為第類源的顆粒物中化學組分的含量測量值,g/g;S為第類源貢獻的濃度計算值, μg/m3;為源類數目,=1,2……;為化學組分數目,=1,2…….

當3時,方程組的解為正.得到源類的貢獻值為下式所示:

= S/×100% (3)

式中:為源類的貢獻值.

2.2 CALPUFF模型

CALPUFF模型是美國EPA支持開發(fā)并推薦的用于模擬污染物傳輸行為的中尺度空氣質量模型.該模型考慮復雜地形的動力學效應及靜風等非定常條件以及污染物的干濕沉降等過程,可以較好地模擬一次污染物在幾十到幾百Km范圍內的擴散[36].

CALPUFF主要包括CALMET、CALPUFF、CALPOST 3個部分,需要氣象、地理和污染源3類信息[37]. 其中CALMET為氣象預處理模塊. CALPUFF煙團擴散模塊是模式的核心部分,利用CALMET產生的氣象場文件,計算網格點和各指定點的污染濃度.污染源信息來自于對烏魯木齊市電廠燃煤源、工業(yè)燃煤源和散煤源的調查統(tǒng)計數據,包括坐標位置、煙囪高度、煙囪直徑、污染物出口溫度、污染物排放速率等.建立氣象場所需地面氣象數據來源于烏魯木齊市6個地面氣象站同期的風向風速、溫度、濕度、總云、氣壓、云高等逐時數據,一日2次的探空數據來源于當地高空探空站,地形數據使用的是美國NASA的SRTM3數據(空間分辨率90m),土地利用數據使用的是NASA MODIS全年數據(MCD12Q1,空間分辨率500m)[36-37]. CALPUFF模擬范圍在烏魯木齊市的四面邊界基礎上再外推5km,網格距設置為1km.該模型的具體介紹和操作見文獻[38-40].

2.3 CALPUFF-CMB復合模型解析方法

圖2 CALPUFF-CMB復合模型方法流程

圖中1是來自子源類1的CALPUFF模擬濃度;1是指子源類1對環(huán)境受體的影響權重,以此類推.

本研究構建了CALPUFF-CMB復合模型,主要分為3步:1.利用CALPUFF模型對某個源類M中多種子源類(本研究中指燃煤源的4種子源類:電廠、供熱、工業(yè)、民用燃煤源)的排放、擴散過程進行模擬,得到各子源類對受體點位產生的污染物濃度,進而計算出各子源類對環(huán)境受體的影響權重;2.根據源類M中各子源類對環(huán)境受體的影響權重確定其在污染源成分譜中的權重,構建基于環(huán)境影響的M源成分譜,并納入CMB模型中進行來源解析計算,確定各源類對環(huán)境受體的貢獻; 3.利用CALPUFF模擬獲得的源類M中各子源類對環(huán)境受體的影響權重將源解析結果中的M源貢獻率進一步分配,得到更為精細化的顆粒物來源解析結果.圖2是CALPUFF-CMB復合模型法完整的流程圖.源類M中各子源類對環(huán)境受體的影響權重等于利用CALPUFF模擬的各子源類所占的濃度比例:

式中:f是指第種子源類對環(huán)境受體的影響權重;是指子源類的總數.

3 結果與討論

3.1 烏魯木齊市燃煤源子源類PM10源成分譜特征

按照燃煤源不同子源類分別進行污染源樣品采集,并對采集到的源樣品分別加以處理、分析,建立了烏魯木齊市大氣顆粒物燃煤源多種子源類PM10成分譜,包括電廠燃煤源、供熱燃煤源、工業(yè)燃煤源以及民用燃煤源,如圖3所示.

圖3 燃煤源子源類PM10源成分譜

由源成分譜(圖3)可以看出,電廠燃煤源成分譜中占比較為突出的組分分別為SO42-(20.6%)、Cl-(11.8%)、NH4+(8.2%)、Al(6.0%)、Si(3.5%)、OC(3.4%)、Ca(1.8%)、EC(1.4%)等.其中SO42-是占比最高的組分,這可能與電廠采取的濕法脫硫工藝相關[41].研究發(fā)現(xiàn),Cl-含量約為其他種類燃煤源中含量的6~26倍,而NH4+含量也為其他幾類源的2倍左右,Cl-和NH4+成為電廠燃煤源區(qū)別于其他幾種燃煤源的特征之一.供熱燃煤源成分譜中占比較高的組分分別為SO42-(16.0%)、EC(8.0%)、Ca(5.3%)、Si(4.7%)、NH4+(4.6%)、Al(4.1%)、OC(3.4%)等,多種組分比例與其他幾種燃煤源并不存在明顯差異,而EC含量在幾種燃煤源中最高.工業(yè)燃煤源成分譜中占比較為突出的組分分別為SO42-(18.2%)、OC(6.9%)、Ca(5.1%)、EC(4.3%)、Na(3.9%)、Fe(3.2%)、Si(3.1%)等.研究發(fā)現(xiàn),相比于其他幾類燃煤源,Mg、Al、Si含量最低,而Na、Fe等組分含量最高. 民用燃煤源成分譜與電廠、工業(yè)和供熱燃煤源PM10成分譜差別較大,占比較為突出的組分分別為OC(39.8%)、SO42-(11.0%)、EC(6.7%)、Si(5.5%)、Al(3.6%)、NH4+(3.5%)、Ca(3.2%)等,其中OC占比最高. SO42-占比小于電廠、工業(yè)和供熱燃煤,可能是由于民用燃煤產生的污染物一般直接排放到環(huán)境空氣中,不存在濕式脫硫過程[42].

3.2 CALPUFF模擬燃煤源的環(huán)境影響結果

將烏魯木齊市燃煤源排放清單細分為包括電廠、供熱、工業(yè)3類并處理后納入CALPUFF模式進行PM10等污染物的擴散、傳輸等過程的模擬,得到不同類污染源對不同受體點位產生的PM10濃度如表2所示.

由表2可知,相對于供熱燃煤源和工業(yè)燃煤源而言,電廠燃煤源對不同點位造成的影響差異相對較小,PM10濃度范圍為1.76~6.80μg/m3,而多點位濃度平均值為(3.50±1.83)μg/m3,烏魯木齊市電廠燃煤源對各點位環(huán)境受體中PM10的影響未表現(xiàn)出明顯差異.而供熱燃煤源與工業(yè)燃煤源對受體點位的影響則有較為明顯的空間差異性(表1).由供熱燃煤源排放獲得的PM10濃度范圍為8.84~124.89μg/m3,而多點位濃度平均值為(65.13±51.32)μg/m3,其中TB (124.89μg/m3)、MS(117.55μg/m3)和RA (88.33μg/m3)點位的PM10濃度高于平均值,且TB和MS 2點位濃度約為均值的2倍;SS(23.02μg/m3)、ME(8.84μg/m3)和TS(28.13μg/m3)點位的PM10濃度低于均值,且ME濃度僅為均值的1/7.濃度最高的點位是TB,可能是由于TB周圍為居住、學校、辦公及商業(yè)區(qū),在采暖季存在大量的燃煤供熱活動.由工業(yè)燃煤源產生的PM10濃度范圍為54.15~238.45μg/m3,而多點位濃度平均值為(99.23± 69.01)μg/m3,其中僅ME點位濃度(238.45μg/m3)高于平均值,且高于均值的2倍,作為烏魯木齊市最大且十分重要的工業(yè)區(qū)(表1),米東區(qū)內涵蓋多種類型工廠,容易造成嚴重工業(yè)污染,尤其以燃煤源污染最為突出[30];而其余點位PM10濃度差異不顯著,可能說明烏魯木齊市工業(yè)燃煤源污染有十分明顯的區(qū)域差異.

表2 3種燃煤源子源類環(huán)境影響模擬結果

利用CALPUFF模式模擬得到燃煤源中子源類(電廠、供熱、工業(yè)燃煤源)對受體點位產生的污染物濃度分別為(3.50±1.83)、(65.13±51.32)、(99.23± 69.01)μg/m3,各子源類所占的濃度比例即為其在污染源成分譜中的權重.經計算,電廠、供熱、工業(yè)燃煤源三者的影響權重分別為0.02、0.39和0.59.在此基礎上,進行基于環(huán)境影響的燃煤源成分譜的構建.

3.3 基于環(huán)境影響與基于傳統(tǒng)方法構建的燃煤源成分譜比對

基于CALPUFF的模擬結果,獲得了燃煤源不同子源類對環(huán)境受體 PM10濃度的不同影響,利用得到的權重將燃煤源子源類成分譜加權獲得基于環(huán)境影響的集中燃煤源成分譜.與此同時,利用傳統(tǒng)方法,即將子源類的煤煙塵排放量加權平均獲得一套傳統(tǒng)集中燃煤源成分譜.

對比表3中2套集中燃煤源成分譜信息可以發(fā)現(xiàn),利用兩種方法構建的源成分譜中多種組分含量存在較大差異.對于Na、K、Ca、Fe、OC、EC等組分,利用傳統(tǒng)方法構建的源成分譜中含量(1.3%~ 4.6%)低于利用基于環(huán)境影響方法構建的源成分譜中含量(1.8%~5.7%);對于NH4+、Cl-和SO42-3種組分,利用傳統(tǒng)方法構建的源成分譜中含量(5.3%、4.7%和18.3%)則高于利用基于環(huán)境影響方法構建的源成分譜中含量(3.7%、1.2%和17.3%),尤其是Cl-,傳統(tǒng)方法中含量(4.7%)約為基于環(huán)境影響方法中含量(1.2%)的4倍.總的來看,無機元素及碳組分在基于環(huán)境影響方法構建的源成分譜中含量較高,而水溶性離子組分在傳統(tǒng)方法中含量較高.

3.4 基于兩套燃煤源成分譜的PM10來源解析

除燃煤源外,本文所識別出的污染源還包括城市揚塵、建筑水泥塵、鋼鐵塵和機動車尾氣塵,獲得的源成分譜見表3.利用各個污染源類中某些特征組分的質量分數()可以進行源類的判別.由表3可知,(OC)、(Si)、(Ca) 和(Al) 在城市揚塵中比較高,分別為18%、16%、7% 和7%,可作為其標識元素;(Ca) 在建筑水泥塵中最高,為27%,是建筑水泥塵的標識元素;鋼鐵塵中(Fe)最高,高達20%,是其標識元素;(OC)和(EC)在機動車尾氣塵中最高,分別為46%和29%,作為其標識元素.與其他研究具有一致性[25,43].

該研究采用CMB模型對烏魯木齊市PM10的來源進行解析,分別將兩套源成分譜(表3)以及環(huán)境受體顆粒物樣品成分譜(表4)共同納入CMB模型進行擬合運算,得到各一次源類和二次顆粒物對烏魯木齊市采暖季PM10的貢獻.由圖4(a)可見,在參與擬合的源類中,各源類的貢獻率大小依次為:集中燃煤(27.2%)>城市揚塵(19.1%)>二次硫酸鹽(15.7%)>民用散煤(9.9%)>二次硝酸鹽(9.5%)>機動車排放(7.6%)>鋼鐵塵(1.2%)>建筑水泥塵(0.2%).貢獻源類以集中燃煤源最為突出(超過25%),同時,民用散煤貢獻率也接近10%,二者累積貢獻率接近40%,成為首要貢獻源類,這說明烏魯木齊市屬于典型的煤煙型污染.此外,城市揚塵貢獻率高達 19.1%,說明城市揚塵對烏魯木齊市造成的大氣污染同樣不容忽視.由圖4(b)可見,在參與擬合的源類中,各源類的貢獻率大小依次為:二次硫酸鹽(20.1%)>城市揚塵(20%)>集中燃煤(18.9%)>民用散煤(11.5%)>二次硝酸鹽(10.5%)>機動車排放(9%)>鋼鐵塵(1.7%)>建筑水泥塵(1.4%).貢獻源類以二次硫酸鹽最為突出(貢獻率超過20%),這可能因為采暖季氣態(tài)前體物SO2濃度高,且烏魯木齊冬季相對濕度高于其他季節(jié),因此硫酸鹽在冬季的生成潛勢較高.其次,集中燃煤貢獻率達到18.9%,民用燃煤貢獻率達到11.5%,二者累計貢獻率超過30%,成為首要貢獻源類,這說明烏魯木齊市屬于典型的煤煙型污染.此外,城市揚塵貢獻率高達20%,也是烏魯木齊市不可忽略的重要污染源.較高的揚塵源貢獻與烏魯木齊的地形地貌條件、建筑施工活動以及城市裸地等密切相關[28].

表3 CMB模型中使用的PM10源成分譜(%)

圖4 基于不同源成分譜構建方法的PM10來源解析結果對比

表4 烏魯木齊采暖季的PM10化學組分譜(μg/m3)

近年來,相關學者對烏魯木齊市環(huán)境受體中的顆粒物進行了源解析研究.如馮銀廠等[28]對烏魯木齊市環(huán)境空氣中PM10進行了來源解析,結果表明揚塵(30%)、燃煤源(28%)、建筑塵(11%)、硫酸鹽(10%)、土壤風沙塵(8%)和機動車尾氣塵(8%)為主要貢獻源類;王敬等[28]對烏魯木齊市重污染期間PM2.5進行了來源解析,研究發(fā)現(xiàn)主要貢獻源類分別是燃煤源(28.0%),二次硫酸鹽(27.0%),城市揚塵(20.8%),二次硝酸鹽(9.2%),機動車尾氣塵(6.5%),鋼鐵塵(4.4%).盡管如此,這些研究并沒有對主要源(燃煤源)進行細化,不利于精細化的環(huán)境管理工作.本研究的結果一定程度上彌補了相關不足之處.

對基于2種方法構建的源成分譜進而獲得的兩種源解析結果進行分析可以發(fā)現(xiàn),部分污染源貢獻率存在明顯差別.例如,機動車排放、民用散煤在傳統(tǒng)方法中貢獻率(7.6%和9.9%)小于在基于環(huán)境影響的新方法中的貢獻率(9.0%和11.5%),而集中燃煤在傳統(tǒng)方法中貢獻率(27.2%)大于在基于環(huán)境影響的新方法中的貢獻率(18.9%).這就說明,針對烏魯木齊市,使用未考慮環(huán)境影響構建的源成分譜進行源解析,會增大源解析結果的不確定性.

3.5 精細化來源解析

本研究中,集中燃煤是由電廠、工業(yè)和供熱燃煤源組成,利用CALPUFF模擬獲得的電廠、工業(yè)和供熱燃煤源對PM10的影響權重將源解析結果中的集中燃煤源貢獻率進一步分配,得到更為精細化的PM10來源解析結果,如圖5所示.

圖5 基于環(huán)境影響源成分譜構建方法的PM10來源解析結果

由圖5可知,4種燃煤源貢獻率相對大小為:民用散煤(11.5%)>工業(yè)燃煤源(11.1%)>供熱燃煤源(7.4%)>電廠燃煤源(0.4%).由于民用散煤燃燒的煙囪普遍較為低矮,距離居民區(qū)較近,且煤質復雜、質量普遍不高等,對環(huán)境空氣造成的污染較為嚴重:而烏魯木齊市各種工廠種類、數量眾多,規(guī)模不一,規(guī)范管理難度大等[30],給工業(yè)污染的預防與控制帶來了極大的困難,因而工業(yè)污染的貢獻較為突出:冬季大規(guī)模的供熱活動使供熱燃煤源貢獻相對較為重要:由于電廠采取了濕法脫硫等技術,且管理較為規(guī)范,烏魯木齊市電廠燃煤源對環(huán)境空氣顆粒物的貢獻相對較小.

本研究中,污染源清單、氣象場資料、CALPUFF模型以及CMB 模型的結果具有一定不確定性:前期收集到的污染源排放情況和氣象數據有限,利用其確定燃煤源子源類對受體環(huán)境的影響權重可能存在偶然性,另外,本文建立的成分譜基于相對較少的污染源樣品.在今后的研究中,可利用蒙特卡洛等方法對不確定性加以定量,集多方力量獲得更為全面的前期調研數據,并根據燃煤鍋爐的不同除塵工藝、不同級別、以及民用散煤的不同類型等分別進行采樣,從而獲得更加接近真實情況的源成分譜,以便于管理部門制定更有針對性的管理措施.

4 結論

4.1 構建了CALPUFF-CMB復合模型,并基于此建立了燃煤源成分譜的構建方法,在烏魯木齊市進行了實際應用.本方法可以較好地對顆粒物進行來源解析.

4.2 將集中燃煤源分為電廠燃煤源、工業(yè)燃煤源和供熱燃煤源3類,并構建了不同于傳統(tǒng)的等權平均方法的新的燃煤源成分譜,該成分譜將不同燃煤源子源類對環(huán)境受體的影響考慮在內.

4.3 利用CALPUFF模式對烏魯木齊市的污染源進行模擬,結果顯示,電廠、供熱、工業(yè)燃煤源三者的影響權重為0.02、0.39和0.59.

4.4 利用兩種源成分譜構建方法獲得兩套燃煤源成分譜,并分別進行烏魯木齊市顆粒物來源解析,獲得兩組結果.二者在區(qū)別在于:基于傳統(tǒng)方法構建的源成分譜進行源解析的結果顯示集中燃煤成為貢獻率最大的污染源,同時與民用散煤一同貢獻率將近40%;而基于環(huán)境影響構建的源成分譜獲得的結果顯示集中燃煤的貢獻率排在第3位.兩組結果差別明顯,將對管理工作有效性產生不同的影響.

4.5 基于不同燃煤源子源類對環(huán)境受體的影響權重,將烏魯木齊市顆粒物來源解析結果進一步細分,得到相對精細化的來源解析結果.結果顯示,四種燃煤源貢獻率相對大小為:民用散煤(11.5%)>工業(yè)燃煤源(11.1%)>供熱燃煤源(7.4%)>電廠燃煤源(0.4%).

[1] Yang F, Tan J, Zhao Q, et al. Characteristics of PM2.5speciation in representative megacities and across China [J]. Atmospheric Chemistry and Physics, 2011,11(11):5207-5219.

[2] Che H Z, Zhang X Y, Li Y, et al. Haze trends over the capital cities of 31provinces in China, 1981~2005 [J]. Theoretical and Applied Climatology, 2009,97(3/4):235-242.

[3] 朱 坦,吳 琳,畢曉輝,等.大氣顆粒物源解析受體模型優(yōu)化技術研究 [J]. 中國環(huán)境科學, 2010,30(7):865-870.

[4] 王淑蘭,張遠航,鐘流舉,等.珠江三角洲城市間空氣污染的相互影響 [J]. 中國環(huán)境科學, 2005,25(2):133-137.

[5] 胡 珊,張遠航,魏永杰.珠江三角洲大氣細顆粒物的致癌風險及源解析 [J]. 中國環(huán)境科學, 2009,29(11):1202-1208.

[6] Zhang X Y, Wang L, Wang W, et al. Long-term trend and spatiotemporal variations of haze over China by satellite observations from 1979 to 2013 [J]. Atmospheric Environment, 2015,119:362-373.

[7] Querol X, Alastuey A, Rodriguez S, et al. PM10and PM2.5source apportionment in the Barcelona Metropolitan area, Catalonia, Spain [J]. Atmospheric Environment, 2001,35(36):6407-6419.

[8] Robinson A L, Subramanian R, Donahue N M, et al. Source apportionment of molecular markers and organic aerosol--1. Polycyclic aromatic hydrocarbons and methodology for data visualization [J]. Environmental Science & Technology, 2006,40(24):7803-7810.

[9] Xavier Q, Andres A, Jesus R, et al. Source apportionment analysis of atmospheric particulates in an industrialised urban site in southwestern Spain [J]. Atmospheric Environment, 2002,36(19):3113-3125.

[10] 鄒長武,鄭雪峰,印紅玲.大氣顆粒物源解析化學質量平衡模型研究進展 [J]. 安徽農業(yè)科學, 2010,38(30):16994-16995.

[11] 鄭 玫,張延君,閆才青,等.中國PM2.5來源解析方法綜述 [J]. 北京大學學報(自然科學版), 2014,50(6):1141-1154.

[12] Zheng M, Salmon L G, Schauer J J, et al. Seasonal trends in PM2.5source contributions in Beijing, China [J]. Atmospheric Environment, 2005,39(22):3967-3976.

[13] Shi G L, Tian Y Z, Zhang Y F, et al. Estimation of the concentrations of primary and secondary organic carbon in ambient particulate matter: Application of the CMB-Iteration method [J]. Atmospheric Environment, 2011,45(32):5692-5698.

[14] Marmur A, Mulholland J, Russell A. Optimized variable source- profile approach for source apportionment [J]. Atmospheric Environment, 2007,41(3):493-505.

[15] Chow J C, Watson J G, Hampden K, et al. Source profiles for industrial, mobile, and area sources in the Big Bend Regional Aerosol Visibility and Observational study [J]. Chemosphere, 2004,54(2):185-208.

[16] Watson J G, Chow J C, Houck J E. PM2.5chemical source profiles for vehicle exhaust, vegetative burning, geological material, and coal burning in Northwestern Colorado during 1995. [J]. Chemosphere, 2001,43(8):1141-1151.

[17] Ho K F, Lee S C, Chow J C, et al. Characterization of PM10and PM2.5source profiles for fugitive dust in Hong Kong [J]. Atmospheric Environment, 2003,37(8):1023-1032.

[18] Watson J G, Chow J C. Source characterization of major emission sources in the imperial and Mexicali Valleys along the US/Mexico border [J]. Science of the Total Environment, 2001,276(1-3):33-47.

[19] Maenhaut W, Fernandez-Jimenez M, Rajta I, et al. Two-year study of atmospheric aerosols in Alta Floresta, Brazil: Multielemental composition, sources and source apportionment [J]. Journal of Aerosolence, 2001,32(4):243-248.

[20] House J I, Prentice I C, Ramankutty N, et al. Reconciling apparent inconsistencies in estimates of terrestrial CO2, sources and sinks [J]. Tellus, 2003,55(2):345-363.

[21] 楊復沫,賀克斌,馬永亮,等.北京大氣細粒子PM2.5的化學組成[J]. 清華大學學報(自然科學版), 2002,42(12):1605-1608.

[22] Fung Y S, Wong L W Y. Apportionment of air pollution sources by receptor models in Hong Kong [J]. Atmospheric Environment, 1995, 29(16):2041-2048.

[23] Pant P, Baker S J, Shukla A, et al. The PM10fraction of road dust in the UK and India: Characterization, source profiles and oxidative potential [J]. Science of the Total Environment, 2015,530-531:445.

[24] Marmur A, Mulholland J A, Russell A G. Optimized variable source- profile approach for source apportionment [J]. Atmospheric Environment, 2007,41(3):493-505.

[25] 孫敬敏.污染源成分譜分析及CMB應用研究 [D]. 蘭州:蘭州大學, 2011.

[26] 師浩凌.烏魯木齊市大氣污染狀況及主要污染源分析 [D]. 烏魯木齊: 新疆農業(yè)大學, 2012.

[27] 張克潭,呂愛華,馮銀廠,等.烏魯木齊市可吸入顆粒物中多環(huán)芳烴的源解析 [J]. 干旱環(huán)境監(jiān)測, 2005,19(3):147-150.

[28] 馮銀廠,彭 林,吳建會,等.烏魯木齊市環(huán)境空氣中TSP和PM10來源解析 [J]. 中國環(huán)境科學, 2005,25(1):30-33.

[29] 亞力昆江·吐爾遜,迪麗努爾·塔力甫,阿布力孜·伊米提,等.烏魯木齊市可吸入顆粒物水溶性離子特征及來源解析[J]. 中國環(huán)境監(jiān)測, 2012,28(1):72-77.

[30] 王 敬,畢曉輝,馮銀廠,等.烏魯木齊市重污染期間PM2.5污染特征與來源解析 [J]. 環(huán)境科學研究, 2014,27(2):113-119.

[31] Zhao P S, Feng Y C, Zhu T, et al. Characterizations of resuspended dust in six cities of North China [J]. Atmospheric Environment, 2006, 40(30):5807-5814.

[32] Bi X H, Feng Y C, Wu J H, et al. Source apportionment of PM10in six cities of northern China [J]. Atmospheric Environment, 2007,41(5): 903-912.

[33] 王 露,劉保雙,畢曉輝,等.泰山頂PM2.5及其二次組分的輸送路徑與潛在源 [J]. 環(huán)境科學研究, 2017,30(10):1505-1514.

[34] Cao J J, Lee S C, Ho K F, et al. Characteristics of carbonaceous aerosol in Pearl River Delta Region, China during 2001 winter period [J]. Atmospheric Environment, 2003,37(11):1451-1460.

[35] Lee S, Liu W, Wang Y, et al. Source apportionment of PM2.5: Comparing PMF and CMB results for four ambient monitoring sites in the southeastern United States [J]. Atmospheric Environment, 2008, 42(18):4126-4137.

[36] 楊懷榮,劉 茂,劉付衍華.利用CALPUFF模型對安徽和河南秸稈焚燒的模擬與研究 [J]. 環(huán)境科學研究, 2010,23(11):1368-1375.

[37] 南少杰.基于CALPUFF模型對垃圾焚燒發(fā)電項目PM2.5的模擬與研究 [J]. 環(huán)境可持續(xù)發(fā)展, 2010,6:193-194.

[38] Levy J I, Spengler J D, Hlinka D, et al. Using CALPUFF to evaluate the impacts of power plant emissions in Illinois: model sensitivity and implications [J]. Atmospheric Environment, 2002,36(6):1063-1075.

[39] Zhou Y, Levy J I, Hammitt J K, et al. Estimating population exposure to power plant emissions using CALPUFF: a case study in Beijing, China [J]. Atmospheric Environment, 2003,37(6):815-826.

[40] Zou X D. Application of CALPUFF in air pollution simulation in Shenyang, Liaoning province [J]. Journal of Meteorology & Environment, 2008.

[41] 鄭 玫,張延君,閆才青,等.上海PM2.5工業(yè)源譜的建立 [J]. 中國環(huán)境科學, 2013,33(8):1354-1359.

[42] 劉海洋,江澄宇,谷小兵,等.燃煤電廠濕法脫硫廢水零排放處理技術進展 [J]. 環(huán)境工程, 2016,34(4):33-36.

[43] 華 蕾,郭 婧,徐子優(yōu),等.北京市主要PM10排放源成分譜分析[J]. 中國環(huán)境監(jiān)測, 2006,22(6):64-71.

Refined source apportionment of coal-combustion source based on CALPUFF-CMB models.

WANG Lu, BI Xiao-hui*, LIU Bao-shuang, GAO Ji-xin, LI Ting-kun, ZHANG Yu-fen, TIAN Ying-ze, FENG Yin-chang

(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)., 2018,38(8)：2911~2920

In order to accurately reflect the influence of coal combustion emissions on atmospheric environment, the CALPUFF model was used to simulate the emission and transportation processes of PM10emitted from different coal-combustion sources and to obtain the influencing weight-coefficient of every fine-sorted coal combustion source to ambient PM10Then, the weight-coefficients were applied to construct a more representative coal combustion source profile. Finally, source apportionment of PM10during the heating season in Urumqi was conducted by chemical mass balance (CMB) model by combining the chemical compositions in ambient PM10and two sets of PM10source profiles (i.e., source profiles which were constructed by traditional method and by environmental implication considered method). The results indicated that: the weight-coefficients of coal-fired power plant, industrials and domestic heating were 0.02, 0.59 and 0.39, respectively. The results of source apportionment based on traditional source profiles were as follows: coal combustion dust (27.2%), fugitive dust (19.1%), secondary sulfate (15.7%), residential coal combustion (9.9%), secondary nitrate (9.5%), vehicle exhaust dust (7.6%), steel dust (1.2%) and cement dust (0.2%). While based on environmental implication considered source profiles, that results ranked in secondary sulfate (20.1%), fugitive dust (20%), coal combustion dust (18.9%), residential coal combustion (11.5%), secondary nitrate (10.5%), vehicle exhaust dust (9%), steel dust (1.7%) and cement dust (1.4%). In terms of influencing weight-coefficients of fined-sorted coal combustion sources to ambient PM10, the result of source apportionment of coal-combustion sources was further fractionized, and the result suggested that the contribution of residential coal combustion was up to 11.5%, the contribution of coal-fired power plant was up to 0.4%, the contribution of industrial heating was up to 7.4% and the contribution of industrials was up to 11.1%.

PM10；CALPUFF-CMB；coal-combustion source profile；environmental implication；source apportionment

X823

A

1000-6923(2018)08-2911-10

王 露(1994-),女,山西長治人,南開大學碩士研究生,主要從事大氣顆粒物污染與防治研究.發(fā)表論文5篇.

2018-01-06

國家重點研究和發(fā)展項目(2016YFC0208500)

* 責任作者, 副教授, bixh@nankai.edu.cn