CN114062478A - 一种可实现自验证的颗粒污染物来源解析方法 - Google Patents
一种可实现自验证的颗粒污染物来源解析方法 Download PDFInfo
- Publication number
- CN114062478A CN114062478A CN202111337788.1A CN202111337788A CN114062478A CN 114062478 A CN114062478 A CN 114062478A CN 202111337788 A CN202111337788 A CN 202111337788A CN 114062478 A CN114062478 A CN 114062478A
- Authority
- CN
- China
- Prior art keywords
- source
- sample
- delta
- emission source
- particulate matter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 239000002245 particle Substances 0.000 title claims abstract description 23
- 238000012795 verification Methods 0.000 title claims abstract description 20
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 19
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 18
- 239000002184 metal Substances 0.000 claims abstract description 36
- 229910052751 metal Inorganic materials 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 33
- 239000013618 particulate matter Substances 0.000 claims abstract description 18
- 229910052725 zinc Inorganic materials 0.000 claims abstract description 10
- 229910052742 iron Inorganic materials 0.000 claims abstract description 9
- 229910052759 nickel Inorganic materials 0.000 claims abstract description 8
- 229910052720 vanadium Inorganic materials 0.000 claims abstract description 8
- 229910052684 Cerium Inorganic materials 0.000 claims abstract description 7
- 229910052793 cadmium Inorganic materials 0.000 claims abstract description 7
- 150000002739 metals Chemical class 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims description 9
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 claims description 9
- 229910052710 silicon Inorganic materials 0.000 claims description 8
- 238000000120 microwave digestion Methods 0.000 claims description 6
- 229910052802 copper Inorganic materials 0.000 claims description 5
- 239000010419 fine particle Substances 0.000 claims description 5
- 230000000155 isotopic effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- 238000004451 qualitative analysis Methods 0.000 claims description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- QZPSXPBJTPJTSZ-UHFFFAOYSA-N aqua regia Chemical compound Cl.O[N+]([O-])=O QZPSXPBJTPJTSZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 229910052746 lanthanum Inorganic materials 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000011347 resin Substances 0.000 claims description 3
- 229920005989 resin Polymers 0.000 claims description 3
- 229910052709 silver Inorganic materials 0.000 claims description 3
- 239000004332 silver Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052745 lead Inorganic materials 0.000 claims description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims 3
- 239000000356 contaminant Substances 0.000 claims 3
- 239000010703 silicon Substances 0.000 claims 3
- 239000010949 copper Substances 0.000 description 44
- 239000000428 dust Substances 0.000 description 14
- 239000002028 Biomass Substances 0.000 description 9
- 239000003245 coal Substances 0.000 description 7
- 239000008277 atmospheric particulate matter Substances 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 5
- 239000012528 membrane Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- 241000243321 Cnidaria Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010421 standard material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/626—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using heat to ionise a gas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Electrochemistry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本申请提供一种可实现自验证的环境中颗粒态污染物的来源解析方法,包括如下步骤:第一步,分别采集两类环境样本:待测环境颗粒物样本(如大气细颗粒物)以及典型排放源的样本;第二步,实验室分析待测颗粒物样本和典型排放源样本的同位素比值特征δ65Cu、δ30Si以及特征金属比值,其中,特征金属比值指的是不同排放源中相对独特的某两种金属的物质量浓度比值,包括:La/Ce,Zn/Cd,Ni/V,Fe/Al;第三步,借助贝叶斯模型(3)式量化各典型排放源的贡献度fi。本申请的方法既可对颗粒污染物进行定性、定量分析,还能对分析结果进行验证,具有较好的实用性。
Description
技术领域
本发明涉及环境分析领域,具体涉及一种可实现自验证的环境颗粒态污染物的来源解析方法。
背景技术
颗粒态污染物(PM)是一类普遍存在而广受关注的环境污染物。比如,大气细颗粒物通常被认为是导致雾霾的主要原因,易引发多种疾病(如心血管疾病、肺部疾病等)。准确地来源解析是对细颗粒物实行有效管控的重要前提。然而,目前关于复杂环境中细颗粒物的来源解析仍然存在一定的方法学瓶颈,比如正定矩阵因子法(PMF),虽然可以实现来源解析,但是缺少一个综合的指标直观地评价定量结果的准确性。另外,常用的基于模式分析的溯源方法(如多尺度空气质量(CMAQ)),虽然可以根据不同污染情境进行校正分析,但是需要同时结合源和受体的多维信息,较为繁琐、不易实施。因此,需要一种更为简便的方法,既可以快速定性定量识别环境细颗粒物的来源,又可以直接量化评价溯源结果的准确性。
发明内容
本申请针对现有技术存在的问题,提供一种可实现自验证的颗粒态污染物的溯源方法,可对环境中颗粒态污染物来源进行定性、定量分析,并完成对源解析结果的实时验证,从而提高了该溯源方法的实际应用性。
本申请提供一种可实现自验证的颗粒污染物来源解析方法,包括如下步骤:
第一步,分别采集两类环境样本:如待测大气颗粒物样本以及典型排放源的样本;
第二步,实验室分析待测大气颗粒物样本和典型排放源样本的同位素指纹特征(δ65Cu)以及特征金属比值,其中,所述特征金属比值包括:La/Ce,Zn/Cd,Ni/V,Fe/Al;
其中,所述特征金属比值指的是不同排放源中相对独特的某两种金属的物质的量浓度比值;
第三步,借助贝叶斯模型(3)式求得各典型排放源的贡献度fi,
fi表示典型排放源对大气颗粒物的贡献度,单位:%。
进一步地,还包括:第四步,验证解析方法的准确性:
实验室分析待测大气颗粒物样本和典型排放源样本的同位素比值特征δ30Si,将各典型排放源的δ30Sii和fi代入(4)式,得到待测大气颗粒物的同位素比值特征δ30Si的计算值δ30Sical,将所述计算值δ30Sical与待测大气颗粒物的同位素比值特征δ30Si的实测值δ30Siobs比较,根据计算值δ30Sical与观测值δ30Siobs是否接近,验证解析方法的准确性;
δ30Sical=∑(δ30Sii×fi) (4)
式中,i指排放源的序号。
进一步地,在第二步之后,还包括:根据以上获取的待测大气细颗粒物和典型排放源的同位素比值特征δ65Cu和所述特征金属比值,构建Ni/V-δ65Cu,La/Ce-δ65Cu,Zn/Cd-δ65Cu,Fe/Al-δ65Cu二维指纹图,并根据待测大气颗粒物与典型排放源的二维指纹图谱的相对位置关系,进行定性分析。
进一步地,在特征金属比值-δ65Cu二维指纹图谱中,排放源的分布位置靠近颗粒物的分布位置的,对其贡献较大;反之,则贡献较小。
进一步地,Cu和Si同位素还可以换成Pb,Fe或Zn同位素。
进一步地,所述待测大气颗粒物样本数量不低于15个,每类典型排放源的样本数量不低于5个。
进一步地,特征金属La,Ce,Zn,Cd,Ni,V,Fe,Al通过如下方式获取:取适量样品加10ml高纯浓王水(HNO3:HCl=1:3,v/v),200℃微波消解15min,过滤定容,使用电感耦合等离子体质谱(ICP-MS)测得。
进一步地,δ65Cu是通过如下的方法求得的:取上述微波消解后的样本,用高纯树脂净化,再通过多接收器-电感耦合等离子体质谱(MC-ICP-MS)测得(65Cu/63Cu)sample和(65Cu/63Cu)standard,再根据式(1)求得δ65Cu,其中
式中(65Cu/63Cu)sample,(65Cu/63Cu)standard分别指样品和标准物质中Cu的同位素比值特征。
进一步地,δ30Si是通过如下方法求得的:首先将样品和NaOH在银坩埚中混合,在高温下烘烤,水溶静置后,用HCl调整pH约为2,再用MC-ICP-MS测定(30Si/28Si)sample,(30Si/28Si)standard,根据式(2)计算δ30Si:
式中,(30Si/28Si)sample,(30Si/28Si)standard分别指样品和标准物质中的Si的同位素比值特征。
进一步地,在贝叶斯模型中,如缺乏对排放源比例先验值,可使用无信息的先验;以大气颗粒物和排放源的金属指纹分别作为“多源排放混合后的数据”和“源排放的初始数据”;设置蒙特卡洛马尔科夫链的运行长度参数为“非常长”,迭代次数为100万次,老化次数为50万。
本申请的一种可实现自验证的颗粒态污染物来源解析方法,具有以下有益技术效果:
1.结合特征金属比值-δ65Cu二维指纹图,定性识别大气颗粒物的主要污染来源。
2.结合贝叶斯模型,精确定量出各污染源对大气颗粒物的贡献度f。
3.根据δ30Si同位素指纹,量化评价源解析结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例A市某时段特征金属比值-δ65Cu二维指纹图;
图2是本申请实施例A市某时段贝叶斯模型溯源结果;
图3是本申请实施例A市某时段δ30Si同位素验证结果。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种可实现自验证的颗粒污染物来源解析方法,是一种基于多维金属指纹(Cu同位素指纹、特征元素比)进行复杂环境介质中颗粒污染物来源的定性定量识别,并通过Si同位素指纹实现解析结果自验证的研究方法,以下进行详细说明。
本发明由以下三个部分组成:构建多维金属指纹(特征金属比值-δ65Cu二维),通过金属指纹的特征识别实现潜在排放源的定性区分;利用贝叶斯(Bayesian model)耦合蒙特卡洛算法完成各源排放情况的量化分析;结合δ30Si同位素组成的吻合度分析对源解析结果进行验证。
其中δ65Cu和δ30Si分别指样品的65Cu,30Si的同位素比值特征,常用样品相对标准物质的同位素比值的千分偏差(δ65Cu,δ30Si和δ29Si,‰)表示,如式(1)、(2)。同位素指的是质子数相同,而中子数不同的核素。Cu有两种同位素63Cu和65Cu,Si有三种同位素28Si,29Si和30Si。
式中(65Cu/63Cu)sample,(30Si/28Si)sample分别指样品中Cu和Si的同位素比值特征。(65Cu/63Cu)standard,(30Si/28Si)standard分别指标准物质的Cu和Si的同位素比值特征。
特征金属比值-δ65Cu二维指纹结合了特征金属比值和δ65Cu的特征。其中,特征金属比值指的是不同排放源中相对独特的某两种金属的比值,以此来区分不同的排放源,例如La/Ce,Fe/Al,Ni/V,Zn/Cd等。
贝叶斯模型可以确定源对混合物的贡献。其主要是基于源和样品的同位素与特征金属比的质量平衡,可用方程(3)描述:
其中,PM为大气颗粒物;coal,dust,vehicle,bio.,ind.分别对应五类常见的大气颗粒物的来源:燃煤,扬尘,机动车尾气,生物质燃烧,工业排放。根据实际排放源情况,可调整排放源的种类和数量。f指的是某类排放源对大气颗粒物的贡献度(%)。
δ30Si同位素验证指的是根据各类排放源的δ30Si及根据贝叶斯模型计算的各排放源的f,计算大气颗粒物中δ30Si的计算值,如式(4)。并将该计算值与实际测得的δ30Si比较。当计算值与观测值较为接近时,可认为该溯源方法较为准确。
δ30Sical=∑(δ30Sii×fi) (4)
其中,i指排放源的序号。
参见图1-3,下面结合具体实施例对本申请的技术方案进行详细介绍。其中,在图1中:BB,生物质燃烧;coal,燃煤;industry:工业;PM:大气颗粒物,SD:扬尘;VE:机动车尾气。
第一步,采集两类环境样本:如大气颗粒物样本以及典型排放源的样本。
其中,大气颗粒物样本是通过如下的方式获得的:选取有代表性的采样点,使用大气采样器抽滤空气,将空气中的颗粒物截留在专用的有机滤膜上,如聚丙烯,聚四氟乙烯等。单次采集时长应满足分析需求,一般不低于20小时。采集样品的日期应包含所研究时段不同空气质量等级。大气颗粒物样本数量不低于15个。如需采集特定粒径的颗粒物,如PM10和PM2.5,则需在滤膜前加装切割头,用于分离特定粒径。
典型排放源样本是通过如下方式获取的:首先结合文献资料等,调查当地主要的排放源门类,一般可以分为燃煤,扬尘,机动车尾气,生物质燃烧,工业排放五类。根据实际情况,可以调整排放源的种类和数目,例如,不同品质的燃煤,不同类型的扬尘,柴油车和汽油车尾气,不同种类的生物质,不同的工业门类等。以下以5种典型排放源为例,作以说明。燃煤和工业源排放是从烟囱收集颗粒物至滤膜或滤筒上;机动车尾气可以采用专用的尾气收集装置,连接汽车尾气排气筒,收集颗粒物至滤膜上,或者在晴朗天收集隧道处的颗粒物;生物质的燃烧产物,可通过露天燃烧生物质,在周边平行架设多台大气采样器采集获得;扬尘的获取可采集建筑工地的降尘,城市建筑物平台降尘,郊区表层土壤分别代表建筑扬尘,城市扬尘,土壤风沙尘三个子类。以上方法获取的是全粒径的排放源样本。对扬尘,如需获取特定粒径样本,如PM2.5,PM10,则将以上方法获取的全粒径样本再经过颗粒物再悬浮采样器切分粒径;对生物质燃烧样本,在采集时加装粒径切割头。每类排放源至少5个样本。
第二步,实验室分析细颗粒物样品和典型排放源的特征金属含量,δ65Cu和δ30Si。其中,特征金属如La,Ce,Zn,Cd,Ni,V,Fe,Al通过如下方式获取:取适量样品加10ml高纯浓王水(HNO3:HCl=1:3,v/v),200℃微波消解15min,过滤定容,使用电感耦合等离子体质谱(ICP-MS)测得。再计算特征金属比值:La/Ce,Zn/Cd,Ni/V,Fe/Al。
δ65Cu是通过如下的方法求得的:取上述微波消解后的样本,用高纯树脂净化,通过多接收器-电感耦合等离子体质谱(MC-ICP-MS)测得(65Cu/63Cu)sample和(65Cu/63Cu)standard。再根据式(1)求得δ65Cu。
δ30Si是通过如下方法求得的:首先将样品和NaOH在银坩埚中混合,在高温下烘烤,水溶静置后,用HCl调整pH约为2,再用MC-ICP-MS测定(30Si/28Si)sample,(30Si/28Si)standard。根据式(2)计算δ30Si。
第三步,根据以上获取的细颗粒物和排放源的特征金属比值和δ65Cu,可构建Ni/V-δ65Cu,La/Ce-δ65Cu,Zn/Cd-δ65Cu,Fe/Al-δ65Cu二维指纹图。根据颗粒物与排放源的二维指纹图谱的相对位置关系,可以定性分析。颗粒物二维指纹图谱相对靠近的排放源,受其影响较大;反之则影响相对较小。以A市某时段为例,如图1,构建了Ni/V-δ65Cu二维指纹图谱。其中颗粒物(PM)的分布较为靠近工业(industry),扬尘(SD),表明这两类排放源对大气颗粒物(PM)影响较大;颗粒物(PM)的分布远离生物质燃烧(BB)和机动车尾气(VE),表明,这两类排放源排放的一次颗粒物对大气颗粒物(PM)的影响相对较小。同样的方法,还可构建Zn/Cd-δ65Cu,Ni/V-δ65Cu,Fe/Al-δ65Cu二维指纹图。
第四步,贝叶斯模型的定量溯源是通过如下方式实现的:在贝叶斯模型(稳定同位素混合模型同等重要性重复采样,MixSIR)中,如缺乏对排放源比例先验值,可使用无信息的先验。以大气颗粒物和排放源的金属指纹(δ65Cu和特征金属比值,平均±标准偏差)作为“混合数据”和“源数据”。为了获得更准确的后验分布估计,设置蒙特卡洛马尔科夫链(MCMC)的运行长度参数为“非常长”,迭代次数为100万次,老化次数为50万次。根据该模型方法,求得各排放源的贡献度f。此外,在MixSIAR包中构建同位素空间分布图和MCMC诊断测试(包括Gelman-Rubin和Geweke),以确定模型是否收敛。源分配结果的不确定性包括来自铜同位素特征、特征元素比和不同采样日期的误差。以A市某时段为例,通过贝叶斯模型求得各排放源的贡献度f(%)。其中工业,汽车尾气,燃煤,生物质燃烧,扬尘对大气颗粒物的贡献分别为59.8±18%,3.4±2.9%,9.9±7.1%,2.4±2.2%,24.6±15.4%。
第五步,δ30Si同位素验证是通过如下方式实现的:将各排放源的δ30Sii和贝叶斯模型求得的fi代入(4)式,计算大气颗粒物δ30Si的计算值δ30Sical。将该计算值δ30Sical与实际测得的δ30Siobs比较。当计算值与观测值较为接近时,可认为该溯源方法较为准确。以A市某时段的溯源结果为例,δ30Si的计算值(δ30Sical)与观测值(δ30Siobs)分别为-0.7280±0.2733‰,-0.6997±0.2899‰,两者结果十分吻合,证明该发明的可靠性。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
2.根据权利要求1所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,还包括:第四步,验证解析方法的准确性:
实验室分析待测环境颗粒物样本和典型排放源样本的硅同位素比值特征(δ30Si),将各典型排放源的δ30Sii和fi代入(4)式,得到待测颗粒物的硅同位素比值特征δ30Si的计算值δ30Sical,将所述计算值δ30Sical与待测颗粒物的硅同位素比值特征δ30Si的实测值δ30Siobs比较,根据计算值δ30Sical与观测值δ30Siobs是否接近,验证解析方法的准确性;
δ30Sical=∑(δ30Sii×fi) (4)
式中,i指排放源的序号。
3.根据权利要求1或2所述的可实现自验证的环境颗粒态污染物来源解析的方法,其特征在于,在第二步之后,还包括:根据以上获取的待测细颗粒物和典型排放源的同位素比值特征δ65Cu和所述特征金属比值,构建Ni/V-δ65Cu,La/Ce-δ65Cu,Zn/Cd-δ65Cu,Fe/Al-δ65Cu二维指纹图,并根据待测细颗粒物与典型排放源的二维指纹图谱的相对位置关系,进行定性分析。
4.根据权利要求3所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,在特征金属比值-δ65Cu二维指纹图谱中,排放源的分布位置靠近颗粒物的分布位置的,对其贡献较大;反之,则贡献较小。
5.根据权利要求1或2所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,Cu和Si同位素还可以换成Pb,Fe或Zn同位素。
6.根据权利要求1或2所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,所述待测颗粒物样本数量不低于15个,每类典型排放源的样本数量不低于5个。
7.根据权利要求1或2所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,特征金属La,Ce,Zn,Cd,Ni,V,Fe,Al通过如下方式获取:取适量样品加10ml高纯浓王水(HNO3:HCl=1:3,v/v),200℃微波消解15min,过滤定容,使用电感耦合等离子体质谱(ICP-MS)测得。
10.根据权利要求1或2所述的可实现自验证的颗粒污染物来源解析方法,其特征在于,在贝叶斯模型中,如缺乏对排放源比例先验值,可使用无信息的先验;以环境中颗粒物和排放源的金属指纹分别作为“多源排放混合后的数据”和“源排放的初始数据”;设置蒙特卡洛马尔科夫链的运行长度参数为“非常长”,迭代次数为100万次,老化次数为50万次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337788.1A CN114062478B (zh) | 2021-11-10 | 2021-11-10 | 一种可实现自验证的颗粒污染物来源解析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337788.1A CN114062478B (zh) | 2021-11-10 | 2021-11-10 | 一种可实现自验证的颗粒污染物来源解析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114062478A true CN114062478A (zh) | 2022-02-18 |
CN114062478B CN114062478B (zh) | 2023-11-10 |
Family
ID=80275259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111337788.1A Active CN114062478B (zh) | 2021-11-10 | 2021-11-10 | 一种可实现自验证的颗粒污染物来源解析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114062478B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115791537A (zh) * | 2022-11-25 | 2023-03-14 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1197321A (ja) * | 1997-09-18 | 1999-04-09 | Toshiba Corp | 汚染源特定方法 |
WO2003089908A1 (en) * | 2002-04-16 | 2003-10-30 | Diakyne Pty Ltd | Sample collecting device and mass spectrometry of device |
US20070180936A1 (en) * | 2006-02-07 | 2007-08-09 | Yousheng Zeng | Comprehensive particulate matter measurement system and method for using the same |
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
JP2011196706A (ja) * | 2010-03-17 | 2011-10-06 | Japan Grain Inspection Association | 重元素同位体比組成を利用した穀物の産地判別方法 |
CN102980876A (zh) * | 2012-11-30 | 2013-03-20 | 大连海事大学 | 一种鉴别海上风化原油与船用燃料油的多维化学指纹及方法 |
CN103226128A (zh) * | 2013-04-10 | 2013-07-31 | 太原理工大学 | 一种解析环境空气细颗粒物中二次有机碳来源的方法 |
KR101349306B1 (ko) * | 2013-09-13 | 2014-01-09 | 한국지질자원연구원 | 연속 추출 방법과 동위 원소 분석에 의한 중금속 오염원 분석 방법 |
US20140324347A1 (en) * | 2013-04-29 | 2014-10-30 | Hewlett-Packard Development Company, L.P. | Determining the geographic origin of metals |
KR20170042126A (ko) * | 2015-10-08 | 2017-04-18 | 아름다운 환경건설(주) | 낙진 방사성 원소를 이용한 토양 오염기원 분석 방법 |
CN107144624A (zh) * | 2017-05-15 | 2017-09-08 | 中国科学院生态环境研究中心 | 甄别二氧化硅颗粒来源的方法 |
KR101824869B1 (ko) * | 2017-08-01 | 2018-02-02 | 한국지질자원연구원 | 중광물의 동위 원소 분석에 의한 오염토양과 하천퇴적물의 중금속 오염원 분석방법 |
CN107796748A (zh) * | 2017-09-28 | 2018-03-13 | 上海交通大学 | 一种用于单细胞质谱流式细胞术的检测方法 |
CN108896645A (zh) * | 2018-06-26 | 2018-11-27 | 华北水利水电大学 | 一种基于同位素的近岸养殖水域氮污染物的解析方法 |
CN110069897A (zh) * | 2019-05-30 | 2019-07-30 | 华北电力大学 | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 |
CN112179974A (zh) * | 2020-09-11 | 2021-01-05 | 浙江省农业科学院 | 一种基于稳定同位素与多元素特征分析的土壤铅污染源识别方法 |
CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
-
2021
- 2021-11-10 CN CN202111337788.1A patent/CN114062478B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1197321A (ja) * | 1997-09-18 | 1999-04-09 | Toshiba Corp | 汚染源特定方法 |
WO2003089908A1 (en) * | 2002-04-16 | 2003-10-30 | Diakyne Pty Ltd | Sample collecting device and mass spectrometry of device |
US20070180936A1 (en) * | 2006-02-07 | 2007-08-09 | Yousheng Zeng | Comprehensive particulate matter measurement system and method for using the same |
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
JP2011196706A (ja) * | 2010-03-17 | 2011-10-06 | Japan Grain Inspection Association | 重元素同位体比組成を利用した穀物の産地判別方法 |
CN102980876A (zh) * | 2012-11-30 | 2013-03-20 | 大连海事大学 | 一种鉴别海上风化原油与船用燃料油的多维化学指纹及方法 |
CN103226128A (zh) * | 2013-04-10 | 2013-07-31 | 太原理工大学 | 一种解析环境空气细颗粒物中二次有机碳来源的方法 |
US20140324347A1 (en) * | 2013-04-29 | 2014-10-30 | Hewlett-Packard Development Company, L.P. | Determining the geographic origin of metals |
KR101349306B1 (ko) * | 2013-09-13 | 2014-01-09 | 한국지질자원연구원 | 연속 추출 방법과 동위 원소 분석에 의한 중금속 오염원 분석 방법 |
KR20170042126A (ko) * | 2015-10-08 | 2017-04-18 | 아름다운 환경건설(주) | 낙진 방사성 원소를 이용한 토양 오염기원 분석 방법 |
CN107144624A (zh) * | 2017-05-15 | 2017-09-08 | 中国科学院生态环境研究中心 | 甄别二氧化硅颗粒来源的方法 |
KR101824869B1 (ko) * | 2017-08-01 | 2018-02-02 | 한국지질자원연구원 | 중광물의 동위 원소 분석에 의한 오염토양과 하천퇴적물의 중금속 오염원 분석방법 |
CN107796748A (zh) * | 2017-09-28 | 2018-03-13 | 上海交通大学 | 一种用于单细胞质谱流式细胞术的检测方法 |
CN108896645A (zh) * | 2018-06-26 | 2018-11-27 | 华北水利水电大学 | 一种基于同位素的近岸养殖水域氮污染物的解析方法 |
CN110069897A (zh) * | 2019-05-30 | 2019-07-30 | 华北电力大学 | 一种基于同位素技术的大气细颗粒物来源解析方法和装置 |
CN112179974A (zh) * | 2020-09-11 | 2021-01-05 | 浙江省农业科学院 | 一种基于稳定同位素与多元素特征分析的土壤铅污染源识别方法 |
CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
Non-Patent Citations (6)
Title |
---|
JIE ZENG: "Preliminary copper isotope study on particulate matter in Zhujiang River, southwest China: Application for source identification", 《ECOTOXICOLOGY AND ENVIRONMENTAL SAFETY》, pages 110663 - 1 * |
MARIANNA PINZONE: "Stable isotope ratios of carbon, nitrogen and sulphur and mercury concentrations as descriptors of trophic ecology and contamination sources of Mediterranean whales", 《CHEMOSPHERE》, pages 124448 - 1 * |
PEIJIE ZUO: "New Insights into Unexpected Severe PM2.5 Pollution during the SARS and COVID-19 Pandemic Periods in Beijing", 《ENVIRONMENTAL SCIENCE & TECHNOLOGY》, no. 56, pages 155 - 164 * |
SRINIVAS BIKKINA: "Air quality in megacity Delhi affected by countryside biomass burning", 《NATURE SUSTAINABILITY》, pages 200 - 205 * |
刘靳: "Cu 同位素示踪技术应用于环境领域的研究进展", 《环境保护科学》, vol. 46, no. 2, pages 85 - 92 * |
左培杰: "基于多维化学指纹分析的人体内颗粒态污染物的溯源方法", 《环境化学》, vol. 40, no. 12, pages 3635 - 3639 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115791537A (zh) * | 2022-11-25 | 2023-03-14 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
CN115791537B (zh) * | 2022-11-25 | 2023-08-18 | 暨南大学 | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114062478B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maria et al. | Source signatures of carbon monoxide and organic functional groups in Asian Pacific Regional Aerosol Characterization Experiment (ACE‐Asia) submicron aerosol types | |
Healy et al. | Sources and mixing state of size-resolved elemental carbon particles in a European megacity: Paris | |
Kittelson et al. | Review of diesel particulate matter sampling methods | |
Cross et al. | Laboratory and ambient particle density determinations using light scattering in conjunction with aerosol mass spectrometry | |
Burtscher | Physical characterization of particulate emissions from diesel engines: a review | |
Tian et al. | PM2. 5 source apportionment during severe haze episodes in a Chinese megacity based on a 5-month period by using hourly species measurements: Explore how to better conduct PMF during haze episodes | |
Yue et al. | Source apportionment of ambient fine particle size distribution using positive matrix factorization in Erfurt, Germany | |
CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
Bernardoni et al. | Size-segregated aerosol in a hot-spot pollution urban area: Chemical composition and three-way source apportionment | |
Shukla et al. | Real-time quantification and source apportionment of fine particulate matter including organics and elements in Delhi during summertime | |
CN110631967B (zh) | 一种基于拉曼光谱的大气黑碳气溶胶源解析方法 | |
Masalaite et al. | Characteristics, sources and evolution of fine aerosol (PM1) at urban, coastal and forest background sites in Lithuania | |
Pileci et al. | Comparison of co-located refractory black carbon (rBC) and elemental carbon (EC) mass concentration measurements during field campaigns at several European sites | |
Collier et al. | Gas-phase CO2 subtraction for improved measurements of the organic aerosol mass concentration and oxidation degree by an aerosol mass spectrometer | |
Poulain et al. | Multi-year ACSM measurements at the central European research station Melpitz (Germany)–Part 1: Instrument robustness, quality assurance, and impact of upper size cutoff diameter | |
Watson et al. | Receptor models and measurements for identifying and quantifying air pollution sources | |
Su et al. | Development and application of a mass closure PM 2.5 composition online monitoring system | |
Bein et al. | Identification of sources of atmospheric PM at the Pittsburgh Supersite—Part II: Quantitative comparisons of single particle, particle number, and particle mass measurements | |
CN114062478A (zh) | 一种可实现自验证的颗粒污染物来源解析方法 | |
Otsuki et al. | The methodologies and instruments of vehicle particulate emission measurement for current and future legislative regulations | |
Bae et al. | Interference of organic signals in highly time resolved nitrate measurements by low mass resolution aerosol mass spectrometry | |
Via et al. | Towards a better understanding of fine PM sources: Online and offline datasets combination in a single PMF | |
Huang et al. | Aerosol hygroscopicity and its link to chemical composition in a remote marine environment based on three transatlantic measurements | |
Srivastava et al. | Sources and radiative impact of carbonaceous aerosols using four years ground-based measurements over the central Himalayas | |
Li et al. | Black carbon content of traffic emissions significantly impacts black carbon mass size distributions and mixing states |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |