摘 要

在中国许多大中城市，大气颗粒物已然成为首要的空气污染物。控制大气颗粒污染物，首先要知道大气颗粒物的来源，然后对各个源的贡献值作定量计算，这其中就需要运用到大气颗粒物源解析技术。本文详细地介绍了两种主要的大气颗粒物源解析受体模型，分别为化学质量平衡（CMB）和正矩阵因子分析法（PMF），介绍了这两种模型的原理和方法，并就两种方法的优点和局限进行了比较。而在实际的应用中，两个模型的识别精度存在着差异，本文的主要内容是利用两个模型对武汉市青山工业区采样点环境大气颗粒物中的有机物进行源解析，然后比较两个模型的识别精度差异。

CMB模型解析结果表明，武汉市青山工业区大气细颗粒物中有机物的贡献源及贡献率分别为：汽车排放（45.19%）、柴油车排放（22.85%）、未知源（15.69%）、燃煤源（7.28%）、食物烹饪（3.88%）、天然气燃烧（3.18%）、植物碎屑（1.93%）。利用PMF模型进行源解析结果为：化石燃料燃烧（37%）、食物烹饪（17%）、光化学氧化源（17%）、高等植物蜡排放源（16%）、工业源（15%）。由贡献率可以看出，CMB模型对于化石燃料的识别精度高于PMF模型，而PMF模型能够识别CMB源谱中没有的未知源。两个模型各有优缺点，若结合使用会使解析结果更加可靠。

关键词：源解析技术；细颗粒物；受体模型；化学质量平衡法；正矩阵因子分析法

Abstract

Inhalable particle in many large and medium cities in China has become the primary air pollutants. The sources apportionment of atmospheric particulate pollutants can find out the sources of atmospheric particulates and quantitatively calculate the contribution of each source value, which can provide the basis for the particle pollution prevention and control. The paper introduced the principles of Chemical Mass Balance(CMB) and Positive Matrix Factorization(PMF) in detail and compared the advantages and disadvantages of two methods. In practical applications, there are some differences between the two models in recognition accuracy, and the main content of this graduation project is to distinguish the accuracy. In this research, the two models were used to make source apportionment of the organic matter in the atmospheric environment of industrial area in Qingshan district of Wuhan, and the analytical results were used to compare the two models.

In the analysis of CMB, there are 7 sources for the organic matter in the atmospheric environment of industrial area in Qingshan district of Wuhan. They are: gasoline combustion source(45.19%), diesel combustion source(22.85%), photochemical oxidation sources(15.69%), coal burning(7.28%), the meat cooking source(3.88%), natural gas combustion source(3.18%), plant debris source(1.93%), respectively; while in the results of PMF, the sources are as follows:fuel burning(37%), meat cooking(17%), photochemical oxidation source(17%), emissions of higher plant wax(16%), industrial sources (15%). By the contribution rate, it can be seen that the CMB model is more accurate than the PMF model for the identification accuracy of fossil fuels, while the PMF model can identify the unknown source in the CMB source spectrum. Two models each have advantages and disadvantages, if combined with the use of the two models will make the analytical results more reliable.

Key words: source apportionment of atmospheric particulates; fine particulate matter; receptor model; Chemical Mass Balance; Positive Matrix Factorization

目 录

第1章 绪论 1

1.1 PM_2.5概述 1

1.2 大气颗粒物源解析的研究现状 1

1.3 研究目的与意义 3

1.4 研究内容及技术路线 4

第2章 大气污染源解析模型理论 5

2.1 排放源清单 5

2.2 扩散模型 5

2.3 受体模型 5

2.3.1 CMB模型 6

2.3.2 PMF模型 7

第3章 源解析实例分析—PMF模型和CMB模型 9

3.1 研究地区简介 9

3.2 大气颗粒物采集与分析 9

3.3 CMB模型源解析结果 10

3.4 PMF模型源解析结果 12

第4章 两模型解析对比分析 15

4.1 两模型源解析贡献率 15

4.2两模型结果对比分析 15

4.3 CMB模型与PMF模型特点及比较 17

第5章 结论 19

参考文献 20

致 谢 23

第1章 绪论

1.1 PM_2.5概述

PM_2.5又称大气细颗粒物，即环境大气中空气动力学当量直径小于或等于2.5微米的颗粒物。现在，我国采用空气质量指数（AQI）来反应空气质量，六项主要污染物就包括PM_2.5，说明PM_2.5的数值在一定程度上可以反映大气环境污染的情况，大气中PM_2.5的数值越高，空气污染就越严重。

细颗粒的浓度通常不大，但是它的危害并不小。细颗粒物质量很轻，容易漂浮在大气中，从而降低能见度，更易形成雾霾现象。各种燃烧源均可能产生PM_2.5，尤其是机动车排放，燃煤源等化石燃料燃烧。因此，中国冬季北方实行大范围供暖时，雾霾现象尤为严重。雾霾产生时，不仅会对人体健康产生危害，比如呼吸系统和心血管系统，也会对植物生长和各种设施产生负面影响。当发生大气污染时，人们的出行会受到极大的影响，工作生活均被打乱。而且，中国的雾霾问题在世界上也十分突出，这是工业化进程太快所必然经历的。但是，为了我们子孙后代的健康，必须对大气污染进行治理，尤其是PM_2.5的解决。

所以，现在人们对PM_2.5越发重视，实时监测PM_2.5数据，并向大众公布。我们可以通过网络知道大气中的各类污染物数值，这体现了我国对于大气污染的重视，以及改善大气污染的决心。当有雾霾发生时，会出现各种颜色的雾霾预警。武汉近年来雾霾天频发，同前几年相比，蓝天白云出现机率变少，而灰蒙蒙的雾霾天出现较多。武汉人已能明显感觉到天气的恶化，普通老百姓对于雾霾治理的愿望也愈发强烈。