大气颗粒物源解析受体模型应用研究及发展现状
- 海之魂
-
0 次阅读
-
0 次下载
-
2020-03-27 13:43:25
文档简介:
大气颗粒物源解析受体模型应用研究及发展现状金蕾,华蕾(北京市环境监测中心,北京100044)摘要:通过大量文献资料调研对化学质量平衡模型、二重源解析技术、主因子分析、正矩阵因子分析法等目前应用较广泛的受体模型方法的原理、优缺点和应用现状进行了比较分析,对单颗粒源解析方法、有机物示踪技术和扩散与受体模型联用技术等受体模型新技术方法进行了评述。关键词:源解析技术;受体模型;化学质量平衡模型;主因子分析中图分类号:X823文献标识码:A文章编号:100226002(2007)0120038204ResearchandDevelopmentStatusofReceptorModelonSourceApportionmentofAtmosphericParticulateMatterJINLei,etal(BeijingEnvironmentalMonitoringCentre,Beijing100044,China)Abstract:Basedonextensiveliteraturesearch,theprinciple,characteristicsandapplicationsofdifferentreceptormodelonsourceapportionmentofatmosphericparticulatematterwerecomparedandanalyzed.ThesemodelsincludedChemicalMassBalance(CMB),Improved-source-apportionmenttechnique,PrincipalFactorAnalysis(PFA)andPositiveMatrixFactorization(PMF).Thelatestdevelopmenttrendswereintroduced,suchassingleparticlesourceapportionmentbasedonprotonmicroprobe,organictracertechniqueandcombinationofdiffusionmodelandreceptormodel.Keywords:Sourceapportionment;Receptormodel;CMB;PFA收稿日期:2006209213作者简介:金蕾(1979-),女,内蒙古通辽人,硕士.大气颗粒物源识别与解析研究一直是大气环境研究的重要课题。受体模型就是通过测量源和大气环境(受体)样品的物理、化学性质,定性识别对受体有贡献的污染源并定量计算各污染源的贡献率。受体模型旨在研究排放源对受体的贡献,已广泛应用于城市、区域以至全球的大气环境。受体模型所给出污染物对各类排放源的贡献值,可作为大气污染防治战略性决策的依据(戴树桂,1995)。受体模型自20世纪70年代问世以来发展迅速,国内有关学者从80年代起使用受体模型开展颗粒物来源解析的研究。在国内外大气颗粒物源解析中,受体模型的种类很多,包括化学质量平衡(CMB)模型、因子分析、特征向量分析、富集因子法、投影寻踪回归法、粗集理论等。在这些模型中CMB模型和因子分析得到了较为广泛的应用。1受体模型的比较及应用研究现状111化学质量平衡(CMB)模型化学质量平衡(CMB)模型是开展大气颗粒物来源研究,为大气颗粒物污染防治决策提供科学依据的重要技术方法。它是美国EPA推荐的用于研究PM10ΠPM215和VOC等污染物的来源及其贡献的一种重要方法,其系统软件已发展到CMB810。11111CMB模型的基本原理CMB模型是根据质量平衡原理建立起来的,通过物种丰富度和源贡献的乘积之和来表达环境化学浓度,由于该模型物理意义明确,算法日趋成熟而成为目前最重要最实用的受体模型。其主要基于以下假设:(1)可以识别出对环境受体中的大气颗粒物有明显贡献的所有污染源类,并且各源类所排放的颗粒物的化学组成有明显的差别;(2)各源类所排放的颗粒物的化学组成相对稳定,化学组分之间无明显影响;(3)各源类所排放的颗粒物之间没有相互作用,在传输过程中的变化可以被忽略;(4)所有污染源成分谱是线性无关的;(5)污染源种类低于或等于化学组分种类;(6)测量的不确定度是随机的、符合正态分布。那么在受体上测量的总物质浓度就是每一源类贡献浓度值的线性加和。11112CMB模型不同算法的比较在CMB模型发展过程中,求解方法提出过很多种算法,主要有示踪元素法、线性程序法、普通第23卷第1期2007年2月中国环境监测EnvironmentalMonitoringinChinaVol.23No.1Feb.2007©1994-2007ChinaAcademicJournalElectronicPublishingHouse.Allrightsres
评论
发表评论