英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
基于正定矩阵分解法对北京PM2.5的污染源解析
摘要
在中国北京，空气污染与大气细颗粒物（PM2.5是指大气中直径小于或等于2.5微米的颗粒物）是一个很严重的问题。为了能更好的理解PM2.5的来源和组成成分，本文收集了2000年1月，4月，7月和10月在北京的5个不同地方，每隔6天的24小时的样品。通过逆向轨迹分析以及元素分析确定了其间的两个沙尘暴事件。北京PM2.5中Ca:SI(lt;0.2)的值出现了明显的下降，Al:Ca(gt;1.7)的值出现明显增高，同时表明这些都是因为沙尘暴带来的结果。正定矩阵分解法被用于分析PM2.5的来源，其中有确认了8个来源：物质燃烧（11%），二次硫酸盐(17%)、二次硝酸盐(14%)、煤燃烧(19%)、工业（6%）、机动车辆（6%）、道路灰尘（9%）、还有黄色灰尘等。黄色灰尘中的较低的有机碳，碳元素，,Ca元素值，可以将其和道路灰尘明显的区分开来。PMF方法解决了PM2.5其中80%的浓度，计算的结果在化学质量平衡（CMB）上和之前使用有机示踪剂得出的结果基本吻合。目前的研究是北京第一个对PMF源解析法和基于分子标记方法（CMB）进行比较的研究。
关键词; 中国，微粒，沙城暴，源配置文件，逆向轨迹
- 前言：
中国的首都北京，自从19世纪80年代快速的城市化以来导致了大气污染的严重问题。2000-2004年北京环保局的报告中根据对这几年北京PM10（PM10是指大气中直径小于或等于10微米的颗粒物）的浓度检测发现颗粒物是北京空气污染的主要问题。这几年，在北京，PM10的浓度在140到165 之间，而PM2.5的浓度大于100或者是PM10浓度的60%。PM2.5被认为对人类呼吸更加有害，同时也会降低人们出行时的可见度。如果想采取有效的措施提高北京的空气质量，必须对可能的PM2.5来源有清晰的认识。
在北京几项研究已经识别出了颗粒物的可能来源。Hell等人对从北京大学站点到北京市车公庄地区站点的PM2.5从1999年7月到2000年9月进行化学成分的收集，认为来源主要是沙尘暴，机动车，和物资的燃烧。DUAn等人证明了在明十三陵地区的一个农村那年夏天燃烧生物质会贡献46%-70%的有机碳气溶胶。在天坛（城市站点）地区产生了10%-43%的有机碳。他们认为在夏天物资的燃烧和交通，工业生产是有机碳，碳元素的主要来源，同时冬季的煤炭的消耗也产生了大量的有机碳和碳元素。最近，zheng等人使用化学质量平衡模型（CMB）在微粒中分析有机碳的分布和在PM2.5总质量中占的比例。他们得出的结论是PM2.5的主要来源是北京市的灰尘，二次硫酸，二次硝酸盐，煤燃烧，移动污染源，二次铵，生物气溶胶，香烟烟雾，以及植物碎屑。然而，化学质量平衡模型（CMB）的模型来源和原型是来自于美国，可能不直接适用于北京地区。
不幸的是，测量本地源数据从方法上来说是困难的，同时测量起来又比较耗时。存在一个不同但非常有效的工具，采用因子分析法在没有本地化学源文件的情况下对来源进行分析。这个方法提供了在没有本地源配置文件的文件库的条件下的一个可执行方案。
对于颗粒的分配问题，正定矩阵分解法是一个强大的技术。它成功的应用在了中国香港，加拿大的多伦多，美国亚特兰大以及匹兹堡等众多的城市中。一个很好的PMF模型在HOpke中进行了回顾。
在本文的研究中，使用PMF方法确定北京PM2.5的来源，原始数据使用的是zheng等人的。结果的分析是与使用CMB模型的结果进行了对比分析。
-
方法
- 数据描述
在2000年1月，4月，7月以及10月，北京不同的5个地区的每隔6天，对24小时内PM2.5样品进行同时收集。这5个样品站点在补充材料在图S1中显示，包括了飞机场，明十三陵，北京大学，北京东四EBP, 永乐尤迪安这五个地点。各个站点的具体细节在zheng中已经给出了。四个多月的时间总共收集了100个样品。3个平行的过滤器在采样周期的每个24小时内同时进行收集。对每个样品，这24小时的PM2.5质量浓度被获取，通过离子分析法和金属的x射线荧光光谱仪分析得出它的化学成分是硫酸，硫酸盐、硝酸盐、氯化物和铵离子。OC和EC的确定是通过NIOSH热光学程序。每个月详细的有机物的获得通过GC/MS来确认。详细的微粒取样程序和分析方法在zheng中给出。
大多数在文章中出现的数据同样被zheng等人使用，包含月度数据，特别是有机示踪剂，平均每个月5个样品。此外，本文还考虑了24小时的数据，主要包括OC,EC和有机示踪剂，但是每一个月的有机物成分没有包括。
-
- 模型描述
PMF模型被Paatero和Tapper(1994)进行了改进和发展，传统的因子分析模型可以写成
（1）
X是一个表示空气中各元素浓度的的矩阵，G是一个的矩阵，表示来源的浓度，F是一个的矩阵，表示源文件，E是残差矩阵，被模型定义为：
（2）
表示各样品；表示各元素；表示各个源。为了减小旋转自由，PMF的参数都是非负的。目标函数为,基于每个观察固有的不确定性，要使得目标函数最小化，目标函数被如下定义：
（3）
是第个样品测量的第 个元素中的不确定性估计值。为每个数据的标准偏差，计算时根据如下迭代步骤：
是每个数据点的不确定性，在本文的研究呗调整为0.15，非常接近中的每一个元素的值。
不包括那些浓度经常低于规定的最小值的化学物质。只有24种化学成分用来进行PMF分析，这些成分是：OC,EC,，，，，，，，，，，，，，，，，，，，，，。这些低浓度的数据的数据集被所规定的最小检测值的一半来代替。
-
- 2000年4月的两场沙尘暴
沙尘暴是指从离北京很远的地方（如内蒙古和蒙古）的沙尘移动。沙尘暴偶尔会在中国北方的春天爆发，发生的频率并不高。当发生沙尘暴的时候，将会导致上千公里的地区出现严重的空气污染。空气中混合了长距离运动到达的外地沙尘，以及内部灰尘和本地灰尘。我们很难区分这两种灰尘，因为他们的化学成分是相似的，但是我们使用PMF分析法将他们进行区分。
这两场沙尘暴的样品在2000年4月的5个样品周期内被采集到了，图1显示了Al,Si,Ca以及总体的质量浓度在整个20天间隔中的变化。4月25号整体的质量浓度高达216。Al,SI，Ca等晶体元素在4月7号和25号比其他样品间隔内的浓度要高。与此相反，在4月19号，PM2.5达到了最高的人为污染浓度246，但是这时候晶体元素的浓度却相对较低。通过逆向轨迹，，持续的位置移动，时间的回溯，各个颗粒在不同时间和地点的浓度测试，同时也通过每小时的二氧化硫以及PM10的浓度等等，4月7号和25号的两场沙尘暴都够被提前预测。
PM10和二氧化硫的数据通过被BJEPB维护的日常检测网络来收集。从北京五个不同的地点收集的浓度平均值决定由TEOM(元素震荡微量天平)来进行颗粒检测。气流由泵产生，它的开关可以由一个时间编程器来进行自动控制。流速为16.7Lmin-1,并定期检查为确保它保持恒定。二氧化硫，一种气态污染的指标，被视为一种当地源的一个指标，内蒙古二氧化硫的排放量较低，在可能的主要灰尘来源中较低。PM10的值在4月6号11点开始回升，在4月7号下午4点又重新下降到原来的水平，在25号早上7点又有了回升。在图2中标明了PM10浓度变得饱和在达到1500值的时候，是因为TEOM方法中的相似输出是从网络上筛选出来的数据采集，设置的最高值就是1500，实际的浓度可能会更高。在两个时间间隔中，当PM10浓度较高时，二氧化硫的浓度相应的较低。灰尘大概是从很远的地方经过空气的水平运动到达这里的。4月7号的沙尘暴持续时间只有4个小时，而25号的更长，持续了将近18个小时。另外，只在7号获得了尘尾，这也是为什么7号的pm2.5总质量浓度比25号低的原因。
NOAA的对单个颗粒的拉格朗日的整合轨迹模型和FNL气象数据一起使用，计算24小时的逆向轨迹，海拔100,500,1500m，时间为4月7号流程2点，25号的上午11点。这两条轨迹线都穿过了中国北部，尤其是内蒙古和蒙古这两个沙尘暴的主要起源地。几乎一样的轨迹线被发现在3个不同的海拔（图3），表明灰尘是被强烈的季风吹动着的，和典型的沙尘暴特点一样。
图4,显示了在观测周期内确定的PM2.5中Al:Si，Mg:SI,Mg:Ca ，Mg:Al, Ca:Si， Al:Ca等的比值。Ca:Si的比值下降，AL:Ca的比值上升在4月的7号和25号。Ca:Si的平均值是0.52在没有沙尘暴的日子，有沙尘暴的时候是0.20，然而Al:Ca的平均值在没有沙尘暴的时候是0.67，有沙尘暴的时候是1.70。Hell记录了明显的降低关于CA:Si在4月21-26号这一个礼拜的PM2.5的值。不幸的是，并没有关于这一项的数据在4月7-12号这一个周期内。在pm2.5中无论是Ca:Si的显著低下，还是Al:Ca的显著较高，都能够作为北京沙尘暴来临的一个很好的指标。
上述的一些数据关于灰尘颗粒的化学成分可能在中国黄土地地区会有所不同，Ca:Si的值是0.37，Al:Ca的值是1.00，戈壁滩是灰尘的起源地，而不是中国的黄土地。此外，Al:Ca的值接近中国表土的元素成分的比率，然而他们在内蒙古和蒙古的值是在1.6-1.7之间。最近发现北京黄山德克沙地的AL:Ca值是2.05，这是北京灰尘唯一可能的一个来源。
- 结果与分析
旋转歧义是因子分析中一个无法避免的问题。PMF中的参数FPEAK和矩阵GKEY, FKEY能够用来控制旋转和用来获得一个更合理的方案。通过设置FPEAK的正负值，从而控制程序加或者减G元素向量，和减或者加相应的F因素。因此可以产生更多的物理上更实际的方案。
图2，在这两次沙城暴中一个小时的二氧化硫和PM10浓度，：（a）4月6-7日（b）4月25-26。PM10浓度为1500已经达到饱和，都是实际的浓度值一个会更高因为网络上设置数据时只是已1500为最大值。
图3在4月7号凌晨3点和4月25号上午11点，海拔为100,500,1500米 的北京24小时的逆向轨迹
图4, Al:Si ,Mg:Si,Mg:Ca,Mg:Al,Ca:Si以及Al:Ca的比值.使用大圆圈表示4月7号和25号Ca:Si的低值和Al:Ca的较高值。
有时一个G矩阵中的一个条目（组成源）或者F中的一个条目（化学成分源）和先验信息相矛盾，因此实际的值应该会更大当先验信息表明值应该更小 为0的时候。一个条目可以降低甚至为0通过设置对应的控制参数在GKEY或者FKEY矩阵中为正数。多个条目也可以用同样的方法进行抑制，如果需要的话。
正如上文所述，在这20个取样天里，只出现了两场沙尘暴。如果没有发生沙尘暴，那么在其他额18天里沙尘暴对pm2.5的影响就可以认为接近0,。然而，在我们应用PMF分析之后发现在没有发生沙尘暴的日子里沙尘暴对数据的影响并不是0，可能是由于无法明显的区分沙尘暴产生的灰尘和本地污染源。因此我们使用GKEY减小这些趋近0的数，为了达到目的，经过几次的尝试，在没有沙尘暴的天气里我们设置GKEY值为11。
在有沙尘暴的两天里，我们将GKEY值保持为0。经过多次的迭代，没有旋转被选择（FPEAK=0），而且确定了8种污染源中的微小颗粒分子。这八种微粒源分别为物质燃烧，二次硫酸盐，二次硝酸盐，煤炭燃烧，工业污染，机动车尾气排放，道路灰尘，以及黄色灰尘。然而，人们发现， 含量在生物质燃烧，二次硝酸盐，机动车尾气排中都高得不合理。所以，功能键的值分别设置为5,3和5以减少这些硫酸盐值轻度（Lee等人，1999）。最后，通过PMF分析所提供的解决方案是合理的。初始配置（矩阵F）在图5中显示。可入肺颗粒物质量浓度在五个地点的季节性源的贡献在图6中显示。四个月内每个贡献源的百分比比Zhang等人的结果比较 （2005），在表1中列出。
生物质燃烧的特点是高OC，EC和K（Watson和Chow，2001;刘等人。2003年）。京郊农业种植仍然很广泛。农民把然烧农作物的灰在春季和秋季撒到地里使土壤肥沃。在秋天焚烧城市的落叶也有利于生物质充分的燃烧（段等人，2004）从这个来源的贡献在十月比其他季节高。每年的生物质燃烧百分比是 11%比张等人的得出的6%高（2005;表1）。
二次硫酸盐的存在是通过高浓度硫酸盐确定的。光化反应的形成它特别是在夏天，当太阳辐射和环境温度高的时候（宋飞和Pandis，1998）。相对高的湿度(RH)将加速干的转换过程，Yao等人（2003）返现硫酸盐浓度夏季比春季高。显然，次级硫酸盐在七月（图6）的浓度比其他月份高得多，也许是由于的高转化率的原因。
次级硝酸盐的特点在于高硝酸盐和铵浓度。硝酸盐前驱体，由交通和固定来源发出，例如发电植物。硝酸铵在高温下有半挥发性（宋飞和Pandis，1998年），因此，因为北京的低湿度，硝酸铵预期不会存在于气雾剂中，虽然这个报告由Yao等人所写（
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146999]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
