孫啟斌, 肖紅偉, 肖化云,3, 張忠義

1.東華理工大學(xué), 江西省大氣污染成因與控制重點實驗室， 江西 南昌 330013 2.東華理工大學(xué)地球科學(xué)學(xué)院， 江西 南昌 330013 3.東華理工大學(xué)水資源與環(huán)境工程學(xué)院， 江西 南昌 330013

南昌市大氣降水化學(xué)特征及來源分析

孫啟斌1,2, 肖紅偉1,3*, 肖化云1,2,3, 張忠義1,3

1.東華理工大學(xué), 江西省大氣污染成因與控制重點實驗室， 江西 南昌 330013 2.東華理工大學(xué)地球科學(xué)學(xué)院， 江西 南昌 330013 3.東華理工大學(xué)水資源與環(huán)境工程學(xué)院， 江西 南昌 330013

為分析南昌市大氣降水離子來源和源區(qū)，對南昌市2016年4—9月大氣降水樣品主要陰陽離子的組成進行了測定分析，并運用PMF(正定矩陣因子分解)模型分析來源和TrajStat軟件模擬后向軌跡. 結(jié)果表明：NH4+和Ca2+是南昌市大氣降水中的主要陽離子，加權(quán)平均濃度為65.3和23.9 μmolL，分別占陽離子總量的57%和21%；SO42-和NO3-是主要陰離子，加權(quán)平均濃度為60.4和25.3 μmolL，分別占陰離子總量的56%和23%.c(NH4+)、c(Ca2+)、c(K+)、c(Mg2+)、c(Na+)、c(Cl-)、c(NO3-)之間均存在著較為顯著的相關(guān)性，說明它們之間可能有相似的來源或形成化合物共同存在. 結(jié)合PMF模型分析結(jié)果表明，Na+、Cl-很明顯受到了海鹽的影響，也部分受土壤和二次污染影響；K+、Mg2+、Ca2+大部分來自于土壤，海鹽、二次污染也貢獻了一部分的K+；SO42-、NH4+和NO3-是組成大氣二次顆粒物的主要成分，主要由二次污染源貢獻；煤燃燒貢獻了主要的F-和部分SO42-. 后向軌跡模型分析表明，南昌市大氣降水主要受局地降雨氣團影響，5月、8月、9月受陸源及人為影響較大，海源性離子經(jīng)過內(nèi)陸上空時被稀釋或沉降，導(dǎo)致6月、7月來自于海洋上空的降雨氣團對南昌影響不大. 研究顯示，SO42-對南昌市大氣降水的影響逐漸增大導(dǎo)致降雨類型逐漸由混合型向硫酸型轉(zhuǎn)化，人為影響是造成大氣污染的主要原因.

南昌； 大氣降水； 化學(xué)組成； 正定矩陣因子分解模型； 后向軌跡

隨著我國近年來經(jīng)濟的增長以及工業(yè)化、城市化的加速，長江以南地區(qū)已成為全球強酸雨中心[1]. 大量研究表明，降水中污染離子主要來源于化石燃料燃燒、工業(yè)廢氣以及生物質(zhì)燃燒等[2-4]，其中化石燃燒產(chǎn)物NOx和SO2是導(dǎo)致酸雨現(xiàn)象的主要前體物，人類活動釋放的污染物存在于大氣中[5-6]，通過大氣轉(zhuǎn)化以及干、濕沉降去除[7-9]，對地表生態(tài)系統(tǒng)造成嚴重的影響，其中，大氣降水作為濕沉降的一種，能夠有效去除大氣中的顆粒物和污染氣體[10]. 研究表明，大氣降水是一種復(fù)雜的物理、化學(xué)反應(yīng)過程[11]，降水的化學(xué)組成與大氣污染及氣象條件、地理位置、地形地貌等因素密切相關(guān)[6,12-13]，對大氣降水進行監(jiān)測與分析對于評估當(dāng)?shù)乜諝猸h(huán)境質(zhì)量以及人為活動對大氣的影響有著重要的指示作用[14].

南昌市是長江中游城市群的重要城市，降水酸化程度高，污染較為嚴重[9]，近年來，城市化加劇導(dǎo)致南昌污染物排放有增加的趨勢，而且南昌市工業(yè)布局欠妥，污染物不易擴散[15]，高溫高濕度下很容易使NOx及SO2轉(zhuǎn)化為H2SO4、HNO3等物質(zhì)[16]. 為了更好地了解大氣降水中污染物的來源貢獻以及大氣降水的時空變化，于2016年4—9月對南昌市大氣降水進行連續(xù)采樣，主要分析其水溶性無機離子，結(jié)合PMF(positive matrix factorization，正定矩陣因子分解)模型以及后向軌跡模型識別降水中離子的主要來源及貢獻分配，以期為今后的研究提供參考和依據(jù).

1 材料與方法

1.1 研究區(qū)域

南昌市地處江西中部偏北，屬亞熱帶濕潤季風(fēng)氣候，氣候濕潤溫和，日照充足，一年中夏冬季長、春秋季短. 春季陰雨天氣較多，日照偏少. 雨季主要在4—6月，總降水量占全年近50%，暴雨天氣及洪澇災(zāi)害大多出現(xiàn)在雨季. 年平均氣溫為17 ℃，年降水量1 600～1 700 mm，年平均相對濕度為78.5%.

1.2 采樣與分析方法

采樣時間為2016年4—9月. 采樣點位于東華理工大學(xué)南昌校區(qū)校園內(nèi)，周圍無明顯局地污染源. 樣品的采集使用專用聚乙烯收納箱，在收集雨水前，用Milli-Q超純水反復(fù)沖洗收納箱內(nèi)部，在不下雨時將收納箱蓋上蓋子保存，下雨時敞開蓋子，以防止大氣中的干沉降影響. 采集過程中，將處理后的雨水用洗凈的純凈水瓶進行保存. 共采集52份樣品.

雨水樣品用孔徑0.45 μm的微孔濾膜進行過濾，過濾完的一部分雨水分別裝于兩個15 mL離心管中，用于測定陰、陽離子的質(zhì)量濃度，其余雨水裝于洗凈的純凈水瓶中，用于后期對N和S的同位素進行測量，裝有雨水的純凈水瓶與離心管共同放置在-20 ℃ 冰箱里保存. 水樣中主要陰離子(F-、Cl-、NO3-、SO42-)濃度用ICS-90型離子色譜儀(美國Dionex)測定，檢出限分別為1.58、0.845、1.29、0.781 μmolL，相對標準偏差為0.57%、2.55%、1.16%、1.36%. 陽離子(Ca2+、K+、Mg2+、Na+)的濃度用MPX型電感耦合等離子體-發(fā)射光譜儀(美國VISTA，ICP-OES)測定，檢出限分別為0.0750、1.54、0.020 6、0.870 μmolL，相對標準偏差≤1.5%.c(NH4+)采用紫外線分光光度計測定，檢出限為5.56 μmolL，相對標準偏差≤5.0%.

1.3 正定矩陣因子分解(PMF)模型

PMF模型最早由Paatero等[17]開發(fā)，是一種用于識別和量化不同來源對一組樣品的貢獻的多元統(tǒng)計模型. PMF將指定數(shù)據(jù)的矩陣分解為兩個子矩陣，即因子分布和源貢獻，被廣泛應(yīng)用于大氣顆粒物、沉積物以及地表水等的源解析中. 該研究采用EPA PMF5.0(US EPA 2014)模型對樣品中離子(F-、Cl-、NO3-、SO42-、NH4+、Ca2+、K+、Mg2+、Na+)的來源進行統(tǒng)計，計算方法[18]：

X=G*F+E

(1)

式中:X為樣本(n×m)矩陣，n為樣品數(shù)量，m為污染物數(shù)量；G為包含源貢獻的矩陣(n×p)；F為包含源分布的矩陣(p×m)；E為殘數(shù)矩陣. 式(1)也可用數(shù)學(xué)方式表達[19]：

(2)

式中：xij為第i個樣本中組分j或另一輔助物質(zhì)的質(zhì)量濃度，mgL；p為污染源的數(shù)量(因子數(shù))；gik為第k個污染源對第i個樣本的相對貢獻；fik是第k個污染源中組分j的組成含量；eij是第i個樣本和組分j的組成含量的殘差(估計)值. 由于沒有樣本具有顯著的負貢獻，通過PMF使用最小二乘法使Q值達到最小化來解析污染源概況和相對貢獻，如式(3)[20-21]所示：

(3)

式中,uij是與樣本xij相關(guān)的不確定性. 基于PMF模型，在2～10個因子數(shù)(p)范圍內(nèi)檢驗QQexp〔Qexp=m×n-p×(m+n)〕以確定最佳因字數(shù)，QQexp與p之間的斜率變化表明4個因子數(shù)為最佳，最終根據(jù)其主要離子確定了4種實際來源，即海鹽(Na+、Cl-)、土壤(K+、Mg2+、Ca2+)、煤燃燒(SO42-、F-)、二次污染(SO42-、NH4+、NO3-). 模型表明，除K+，各離子(Na+、Cl-、SO42-、Mg2+、Ca2+、NH4+、NO3-、F-)的真實值與模型預(yù)測值之間均存在著良好的相關(guān)性(R2分別為0.73、0.96、0.99、0.99、0.98、0.99、0.98、1)，為了獲得最佳解決方案，將旋轉(zhuǎn)工具中的旋轉(zhuǎn)系數(shù)(Fpeak)分別設(shè)定為(-1.0、-0.8、-0.6、-0.4、-0.2、-0.01、0.01、0.2、0.4、0.6、0.8、1.0)進行旋轉(zhuǎn)，結(jié)果表明，最優(yōu)解旋轉(zhuǎn)系數(shù)為0.01.

1.4 后向軌跡模型分析

氣流軌跡模型(HYSPLIT trajectory model)是一種計算和分析大氣污染物輸送、擴散軌跡的專業(yè)模型，常用來研究采樣期間大氣氣團來源. 該文利用美國空氣資源實驗室(NOAA ARL)提供的GDAS數(shù)據(jù)對每次降雨過程的氣團后向軌跡結(jié)合TrajStat軟件進行模擬計算(http:ready.arl.noaa.govHYSPLIT.php). 軌跡的起始高度為500 m，起始時間為降水事件的0點，并向后推3 d(-72 h).

2 結(jié)果與討論

2.1 降水中主要無機離子的組成

2016年4—9月南昌市降雨中主要離子總濃度范圍為53.9～934 μmolL，降水量加權(quán)平均濃度為223 μmolL；總陽離子濃度變化范圍為12.5～581 μmolL，降水量加權(quán)平均濃度為115 μmolL. 由圖1和表1可見，陽離子降水量加權(quán)平均濃度為NH4+>Ca2+>Na+>K+>Mg2+，NH4+和Ca2+是主要的陽離子，加權(quán)平均濃度分別為65.3和23.9 μmolL，占陽離子總量的57%和21%. 總陰離子濃度變化范圍為20.4～452 μmolL，降水量加權(quán)平均濃度為108 μmolL，陰離子降水量加權(quán)平均濃度為SO42->NO3->Cl->F-，SO42-和NO3-是主要陰離子，加權(quán)平均濃度分別為60.4和25.3 μmolL，占陰離子總量的56%和23%. 南昌市降水離子濃度順序基本與我國大部分南方城市(如長沙[22]、浙江金華[11]等)相同，與國外的古晉、胡志明市、曼谷以及伊爾庫茨克等城市基本一致(見表1).

圖1 2016年南昌市降水中主要離子平均濃度所占比例Fig.1 Average contribution of equivalent concentration of main ions in Nanchang precipitation in 2016

Na+、Cl-是典型的海源性離子[23]，該研究南昌降雨中c(Na+)和c(Cl-)高于重慶、拉薩[24]這些內(nèi)陸城市，低于永興島[3]、胡志明市等沿海地區(qū)，這說明南昌除了受海源輸入影響，也有人為因素影響.

Ca2+主要來自于陸地塵埃以及建筑施工等開放源[23]，其濃度低于天津[25]、北京[26]以及貴陽[27]、長沙[22]等大部分城市，這可能是因為南昌市土壤揚塵在大氣顆粒物中所占比例較低[9].

NH4+是降雨中濃度最大的陽離子，比2007—2008年的南昌增長了18%，比2013年增長13%[28-29]，這可能和南昌市近幾年養(yǎng)殖業(yè)增加及農(nóng)業(yè)灌溉中化肥的使用有關(guān)(南昌市統(tǒng)計年鑒2015)，也有可能與化石燃料燃燒以及工廠排放有關(guān)[30-31].

SO42-是雨水中濃度最大的陰離子，比2013年和2007—2008年南昌前湖分別增加了近40%和60%[28-29].c(SO42-)與c(NO3-)的比值(2×[SO42-][NO3-])為4.77，屬于硫酸型降雨[32]，2013年南昌前湖為2.52，2007—2008年為1.93[28-29]，均低于該研究，說明南昌近年來SO42-對于導(dǎo)致雨水酸化的作用增大，降雨類型逐漸由混合型向硫酸型轉(zhuǎn)化. 與國內(nèi)外其他城市相比，南昌市2016年c(SO42-)處于偏高水平，這表明工業(yè)上的硫的輸出比例仍很高，南昌近幾年工業(yè)的增加、工廠未普及脫硫設(shè)施以及高硫煤的燃燒均可能是導(dǎo)致SO42-貢獻比例大的原因[33].

c(NO3-)為1.70～148 μmolL，加權(quán)平均值為25.3 μmolL. 與往年相比，呈逐漸下降趨勢，遠低于北京[26]、天津[25]、重慶，但與貴陽[27]、永興島[3]、以及背景區(qū)拉薩[24]仍有很大差距，并且高于國外城市地區(qū)(如日本東京、馬來西亞古晉、越南胡志明市、泰國曼谷、俄羅斯伊爾庫茨克)，說明南昌NOx污染仍然較為嚴重.

表1 南昌市降水主要離子與往年及其他地區(qū)的比較

注：—表示無數(shù)據(jù); *數(shù)據(jù)來源于東亞酸雨網(wǎng)(EANET).

2.2 降水主要離子來源分析

2.2.1離子相關(guān)性分析

相關(guān)性分析用于表示不同離子間的關(guān)系并區(qū)分離子成分的潛在來源[5-6]. 如表2所示，南昌市降水中c(NH4+)、c(Ca2+)、c(K+)、c(Mg2+)、c(Na+)、c(Cl-)、c(NO3-)之間均存在著較為顯著的相關(guān)性，說明這些離子中的一部分可能具有相同的來源或者結(jié)合成化合物.c(Na+)和c(Cl-)之間的相關(guān)系數(shù)(R)>0.8，表明它們可能有共同來源，主要為海洋來源，并且可以在大氣氣溶膠中以NaCl形式存在[34]. Ca2+和Mg2+也表現(xiàn)出強相關(guān)性(R=0.94)，說明其可能來源于地殼.c(K+)和c(Na+)、c(Cl-)間存在很強的相關(guān)性，表明K+很可能有一部分來自于海源，也有可能來自生物質(zhì)燃燒，生物質(zhì)燃燒產(chǎn)生的顆粒物中含有大量的Na+和Cl-[35-36]，尤其是來自于秸稈燃燒，而秸稈燃燒現(xiàn)象在中國普遍存在[37]. 此外，c(K+)與c(Ca2+) 之間具有很強的相關(guān)性，這意味著它們可能來自地殼組分.c(SO42-)與c(NO3-)具有明顯的相關(guān)性，這可能是由于SO42-和NO3-化學(xué)特性具有相似性且它們的前體物SO2和NOx有著共同的來源[6]. SO42-和F-也具有強烈的相關(guān)性(R=0.74)，這說明其可能有著共同的來源：燃煤產(chǎn)生的氣體排放[38].c(SO42-) 與c(Ca2+)、c(Mg2+)并沒有體現(xiàn)出很強的相關(guān)性，這與我國內(nèi)陸城市[27]差別很大.c(NH4+)與c(NO3-)的相關(guān)系數(shù)(0.94)大于c(SO42-)與c(NH4+) 的(0.48)，說明NH4+在大氣中優(yōu)先與NO3-結(jié)合；c(NH4+)與c(NO3-)、c(SO42-)的相關(guān)系數(shù)也分別大于c(Ca2+)與c(NO3-)、c(SO42-)的相關(guān)系數(shù)，說明NH4+對雨水酸性中和的貢獻度大于Ca2+，其在大氣中可能以NH4NO3、NH4HSO4、(NH4)2SO4的形式存在.

表2 降水中各主要離子相關(guān)性分析

注：** 表示在0.01水平(雙側(cè))上顯著相關(guān)；*表示在0.05水平(雙側(cè))上顯著相關(guān).

2.2.2正定矩陣因子分解模型分析

為了更好地研究南昌市降雨的來源，采用PMF模型對離子濃度進行進一步解析. 近年來類似的研究也使用這種模型來識別空氣污染物的來源，肖紅偉等[3]使用PMF模型對西沙永興島的大氣降水來源進行了解析. Kim等[4]使用PMF模型對美國Cleveland大氣顆粒物的來源進行了解釋. 基于PMF模型，確定了4種實際來源，即海鹽(5%)、土壤(20%)、煤燃燒(25%)、二次污染(50%). 圖2總結(jié)了每種源對主要離子的相對貢獻的源分配，其中Na+、Cl-主要由海源貢獻，K+、Mg2+、Ca2+主要由土壤源貢獻，但仍有一些離子還受其他源影響. Na+、Cl-除來自于海洋貢獻外，還受土壤和二次污染影響，生物質(zhì)以及化石燃料的燃燒產(chǎn)生的污染物中含有大量的Na+、Cl-[2,35-36]，它們在大氣中會與其他化合物結(jié)合生成二次污染物. K+除來源于土壤，受海鹽及二次污染影響也較大，海洋中的K+可以通過海水噴濺富集于大氣[3]，然后傳輸?shù)絻?nèi)陸地區(qū). 作為生物質(zhì)燃燒的指示物之一[39]，K+大量富集于燃燒產(chǎn)生的顆粒中，垃圾焚燒也會產(chǎn)生K+[40]，它們通過一系列復(fù)雜的物理化學(xué)反應(yīng)生成二次污染物進一步污染環(huán)境. Mg2+主要來自于土壤，這與典型沿海地區(qū)永興島[3]存在很大差異，說明在沿海地區(qū)海水噴濺貢獻的Mg2+遠大于內(nèi)陸. 大部分的SO42-由二次污染源貢獻，SO42-和F-有很大一部分來自于煤燃燒產(chǎn)生的氣體排放. NH4+和NO3-的主要來源具有一致性，它們也是組成大氣中二次顆粒物的主要成分，農(nóng)業(yè)活動以及土壤中的微生物反應(yīng)、工業(yè)和車輛廢氣排放產(chǎn)生的二次污染物可能是NH4+和NO3-主要貢獻源[41].

圖2 不同因子對降水中不同離子的貢獻Fig.2 The percentage contribution of each species

2.2.3后向軌跡分析

注：底圖來源于國家測繪地理信息局(http:bzdt.nasg.gov.cn)下載的《中國地圖1∶6 000萬 64開 有鄰國 線劃一》審圖號：GS(2016)1593號.圖3 采樣點(南昌市)與降水事件的后向軌跡Fig.3 Backward trajectories of air mass in different rain event at sampling site (Nanchang)

氣流軌跡模型的分析結(jié)果如圖3所示，南昌市2016年受局地降雨氣團的影響最大，其次，5月降雨氣團有來自于江西以北省份諸如河南、江蘇，也有部分來自于江西以南的廣東省，結(jié)合特殊降雨事件(見表3)可看出，5月7日，c(NH4+)、c(NO3-)、c(SO42-)相對較高.8月、9月的降雨氣團與此類似，均來自于南方省份(如江蘇、湖南等)，經(jīng)過城市密集區(qū)，此時受陸源、人為因素影響應(yīng)很高，8月25日的降雨各項離子濃度均非常高，可能是由于期間降雨頻率不高，每次降雨之前大氣中累積的離子濃度很高，導(dǎo)致離子濃度高于平常. 與加權(quán)平均值相比，9月1日除Na+、Cl-、Ca2+、Mg2+其他未表現(xiàn)出明顯差異性.6月、7月的降雨氣團有一部分來自于我國南海上空，也有來自于東南沿海省份(如福建、廣東)，7月3日和4日的氣團可能受臺風(fēng)尼伯特的影響(中國臺風(fēng)網(wǎng))，但由表3對應(yīng)圖3可看出，來自于海上的氣團所對應(yīng)的海源性離子濃度都不高，這可能由于降水前來自海洋氣團中的海源性離子經(jīng)過內(nèi)陸上空時被稀釋或沉降，不僅如此，7月3日、4日還出現(xiàn)了異常濃度的SO42-和F-，這說明氣團途經(jīng)地區(qū)可能存在煤燃燒的情況.7月30日各項離子濃度均存在異常，這應(yīng)該與短時間內(nèi)的雷陣雨有關(guān). 具有高濃度海鹽性離子的降水事件對應(yīng)的氣流軌跡基本上來源于內(nèi)陸地區(qū)，這可能是非降雨時帶有海源性離子的氣團在內(nèi)陸上空累積所致，此時海源性離子的輸入可能是導(dǎo)致南昌海源性離子濃度大于我國典型內(nèi)陸城市的原因.

表3 南昌市特殊降水事件主要離子化學(xué)組成

注： 特殊降水事件指部分離子的濃度較加權(quán)平均值存在異常.

3 結(jié)論

a) 對2016年南昌市大氣降水的化學(xué)成分進行了調(diào)查分析，NH4+、Ca2+、SO42-、NO3-是降雨中的主要離子，近年來SO42-對于導(dǎo)致雨水酸化的作用增大，降雨類型逐漸由混合型向硫酸型轉(zhuǎn)化.

b) 結(jié)合PMF模型，確定了4種實際來源，即海鹽(5%)、土壤(20%)、煤燃燒(25%)、二次污染(50%). Na+、Cl-主要來自于海鹽，也受土壤和二次污染影響. K+、Mg2+、Ca2+主要來自于土壤，海鹽、二次污染也貢獻了一部分的K+. SO42-、NH4+和NO3-主要由二次污染源貢獻，煤燃燒貢獻了主要的F-和一部分SO42-.

c) 通過后向軌跡模型研究發(fā)現(xiàn)，2016年南昌市大氣降水主要受局地降雨氣團影響，5月、8月、9月受陸源及人為影響較大，海源性離子經(jīng)過內(nèi)陸上空時被稀釋或沉降，導(dǎo)致6月、7月來自于海洋上空的降雨氣團對南昌影響不大.

[1] 王文興,許鵬舉.中國大氣降水化學(xué)研究進展[J].化學(xué)進展,2009,21(2):266-281.

WANG Wenxing,XU Pengju.Research progressin precipitation chemistry in China[J].Progress in Chemistry,2009,21(2):266-281.

[2] ZHANG Renjian,JING Junshan,TAO Jun,etal.Chemical characterization and source apportionment of PM2.5in Beijing:seasonal perspective[J].Atmospheric Chemistry and Physics,2013,13(14):7053-7074.

[3] 肖紅偉,肖化云,張忠義,等.西沙永興島大氣降水化學(xué)特征及來源分析[J].中國環(huán)境科學(xué),2016,36(11):3237-3244.

XIAO Hongwei,XIAO Huayun,ZHANG Zhongyi,etal.Chemical characteristics and source apportionment of atmospheric precipitation in Yongxing Island[J].China Environmental Science,2016,36(11):3237-3244.

[4] KIM Y H,KRANTZ Q T,MCGEE J,etal.Chemical composition and source apportionment of size fractionated particulate matter in Cleveland,Ohio,USA[J].Environmental Pollution,2016,218:1180-1190.

[5] XIAO Huayun,LIU Congqiang.Chemical characteristics of water-soluble components in TSP over Guiyang,SW China,2003[J].Atmospheric Environment,2004,38(37):6297-6306.

[6] XIAO Hongwei,XIAO Huayun,LONG Aimin,etal.Chemical composition and source apportionment of rainwater at Guiyang,SW China[J].Journal of Atmospheric Chemistry,2013,70(3):269-281.

[7] 王琴,張大偉,劉保獻,等.基于PMF模型的北京市PM2.5來源的時空分布特征[J].中國環(huán)境科學(xué),2015,35(10):2917-2924.

WANG Qin,ZHANG Dawei,LIU Baoxian,etal.Spatial and temporal variations of ambient PM2.5source contributions using positive matrix factorization[J].China Environmental Science,2015,35(10):2917-2924.

[8] DUHANYAN N,ROUSTAN Y.Below-cloud scavenging by rain of atmospheric gases and particulates[J].Atmospheric Environment,2011,45(45):7201-7217.

[9] 魏宸.南昌市新城區(qū)大氣降水化學(xué)特征與主要成分來源解析[J].環(huán)境科學(xué)研究,2016,29(11):1582-1589.

WEI Chen.Chemical characteristics and main sources of atmospheric precipitation in new urban district of Nanchang City[J].Research of Environmental Sciences,2016,29(11):1582-1589.

[10] 王劍,徐美,葉霞,等.滄州市大氣降水化學(xué)特征分析[J].環(huán)境科學(xué)與技術(shù),2014,37(4):96-102.

WANG Jian,XU Mei,YE Xia,etal.Analysis on chemical characteristics of atmospheric precipitation in Cangzhou City[J].Environmental Science & Technology(China),2014,37(4):96-102.

[11] 張苗云,王世杰,張迎,等.金華市大氣降水的化學(xué)組成特征及來源解析[J].中國環(huán)境監(jiān)測,2007,23(6):86-92.

ZHANG Miaoyun,WANG Shijie,ZHANG Ying,etal.Analysis on the origin and characteristics of chemical composition of precipitation in Jinhua[J].Environmental Monitoring in China,2007,23(6):86-92.

[12] 肖紅偉,龍愛民,謝露華,等.中國南海大氣降水化學(xué)特征[J].環(huán)境科學(xué),2014,35(2):475-480.

XIAO Hongwei,LONG Aimin,XIE Luhua,etal.Chemical characteristics of precipitation in South China sea[J].Environmental Science,2014,35(2):475-480.

[13] 肖紅偉,肖化云,王燕麗,等.典型污染城市9 d連續(xù)大氣降水化學(xué)特征:以貴陽市為例[J].環(huán)境科學(xué),2010,31(4):865-870.

XIAO Hongwei,XIAO Huayun,WANG Yanli,etal.Chemical characteristics of 9 d continuous precipitation in a typical polluted city:a case study of Guiyang,China[J].Environmental Science,2010,31(4):865-870.

[14] YATKIN S,ADALI M,BAYRAM A.A study on the precipitation in Izmir,Turkey:chemical composition and source apportionment by receptor models[J].Journal of Atmospheric Chemistry,2016,49(3):1-19.

[15] 王秋,黃精明,羅冰.淺談南昌市大氣污染及工業(yè)布局[J].氣象與減災(zāi)研究,2004,27(4):43-44.

[16] 徐燕萍.南昌市大氣顆粒物與酸性降水關(guān)系研究[D].南昌:南昌大學(xué),2008.

[17] PAATERO P,TAPPER U.Analysis of different modes of factor analysis as least squares fit problems[J].Chemometrics & Intelligent Laboratory Systems,1993,18(2):183-194.

[18] KRECL P,LARSSON E H,STR?M J,etal.Contribution of residential wood combustion to hourly winter aerosol in Northern Sweden determined by positive matrix factorization[J].Atmospheric Chemistry & Physics,2008,8(13):3639-3653.

[19] NORRIS G,DUVALL R,BROWN S,etal.EPA Positive Matrix Factorization (PMF) 5.0 fundamentals and user guide[R].Washington DC:U.S. Environmental Protection Agency Office of Research and Development 20460,2014.

[20] PAATERO P.Least squares formulation of robust non-negative factor analysis[J].Chemometrics & Intelligent Laboratory Systems,1997,37(1):23-35.

[21] PAATERO P,TAPPER U.Positive matrix factorization:a non-negative factor model with optimal utilization of error estimates of data values[J].Environmetrics,1994,5(2):111-126.

[22] 孫繡華,袁思平.中西部三城市降水化學(xué)特征及變化趨勢比較分析[J].生態(tài)環(huán)境,2008,17(2):572-575.

SUN Xiuhua,YUAN Siping.The chemical compositions and variation trend of rainwater in three cities of central and western China[J].Ecology and Environment,2008,17(2):572-575.

[23] 唐喜斌.秸稈燃燒對灰霾天氣的影響分析及其排放因子與顆粒物成分譜[D].上海:華東理工大學(xué),2014.

[24] ZHANG D D,PEART M,JIM C Y,etal.Precipitation chemistry of Lhasa and other remote towns,Tibet[J].Atmospheric Environment,2003,37(2):231-240.

[25] 肖致美,李鵬,陳魁,等.天津市大氣降水化學(xué)組成特征及來源分析[J].環(huán)境科學(xué)研究,2015,28(7):1025-1030.

XIAO Zhimei,LI Peng,CHEN Kui,etal.Characteristics and sources of chemical composition of atmospheric precipitation in Tianjin[J].Research of Environmental Sciences,2015,28(7):1025-1030.

[26] XU Zhifang,HAN Guilin.Chemical and strontium isotope characterization of rainwater in Beijing,China[J].Atmospheric Environment,2009,43(12):1954-1961.

[27] 肖紅偉,肖化云,王燕麗.貴陽大氣降水化學(xué)特征及來源分析[J].中國環(huán)境科學(xué),2010,30(12):1590-1596.

XIAO Hongwei,XIAO Huayun,WANG Yanli.Chemical characteristics and source apportionment of precipitation in Guiyang[J].China Environmental Science,2010,30(12):1590-1596.

[28] 周熤.南昌市新城區(qū)大氣降水的化學(xué)特征與環(huán)境指示意義[D].南昌:南昌大學(xué),2014.

[29] 林碧娜.南昌市酸性降水的污染特征研究[D].南昌:南昌大學(xué),2008.

[30] WANG Shanshan,NAN Jialiang,SHI Chanzhen,etal.Atmospheric ammonia and its impacts on regional air quality over the megacity of Shanghai,China[J].Scientific Reports,2015,5:15842.

[31] PAN Yuepeng,TIAN Shili,LIU Dongwei,etal.Fossil fuel combustion-related emissions dominate atmospheric ammonia sources during severe haze episodes:Evidence from 15N-stable isotope in size-resolved aerosol ammonium[J].Environmental Science & Technology,2016,50(15):8049.

[32] 程新金,黃美元.降水化學(xué)特性的一種分類分析方法[J].氣候與環(huán)境研究,1998,3(1):83-89.

CHENG Xinjin,HUANG Meiyuan.A classification method to analyze the chemical characteristics of precipitation[J].Climatic and Environmental Research,1998,3(1):83-89.

[33] 肖紅偉,肖化云,龍愛民,等.貴陽大氣降水硫同位素地球化學(xué)特征[J].地球化學(xué),2011,40(6):559-565.

XIAO Hongwei,XIAO Huayun,LONG Aimin,etal.Sulfur isotopic geochemical characteristics in precipitation at Guiyang[J].Geochimica,2011,40(6):559-565.

[34] XIAO Hongwei,XIAO Huayun,LUO Li,etal.Atmospheric aerosol compositions over the South China Sea:temporal variability and source apportionment[J].Atmospheric Chemistry & Physics,2017,17(4):1-39.

[35] SIMONEIT B R,SCHAUER J J,NOLTE C,etal.Levoglucosan,a tracer for cellulose in biomass burning and atmospheric particles[J].Atmospheric Environment,1999,33(2):173-182.

[36] LI Xinghua,WANG Shuxiao,DUAN Lei,etal.Particulate and trace gas emissions from open burning of wheat straw and corn stover in China[J].Environmental Science & Technology,2007,41(17):6052-6058.

[37] 唐喜斌,黃成,樓晟榮,等.長三角地區(qū)秸稈燃燒排放因子與顆粒物成分譜研究[J].環(huán)境科學(xué),2014,35(5):1623-1632.

TANG Xibin,HUANG Cheng,LOU Shengrong,etal.Emission factors and PM chemical composition study of biomass burning in the Yangtze River Delta Region[J].Environmental Science,2014,35(5):1623-1632.

[38] 高俊,鄭有飛,陳書濤.2007—2008年南京江北工業(yè)區(qū)大氣降水化學(xué)特征[J].大氣科學(xué)學(xué)報,2012,35(6):697-701.

GAO Jun,ZHENG Youfei,CHEN Shutao.Chemical characteristics of precipitation in the industrial area to the north of the Yangtze River in Nanjing in 2007-2008[J].Transactions of Atmospheric Sciences,2012,35(6):697-701.

[39] CHOW J C.Measurement methods to determine compliance with ambient air quality standards for suspended particles[J].Air & Waste,1995,45(9):320-82.

[40] NA K,SAWANT A A,SONG C,etal.Primary and secondary carbonaceous species in the atmosphere of Western Riverside County,California[J].Atmospheric Environment,2004,38(9):1345-1355.

[41] SAFAI P D,BUDHAVANT K B,RAO P S P,etal.Source characterization for aerosol constituents and changing roles of calcium and ammonium aerosols in the neutralization of aerosol acidity at a semi-urban site in SW India[J].Atmospheric Research,2010,98(1):78-88.

ChemicalCharacteristicsandSourceApportionmentofAtmosphericPrecipitationinNanchangCity

SUN Qibin1,2, XIAO Hongwei1,3*, XIAO Huayun1,2,3, ZHANG Zhongyi1,3

1.Jiangxi Province Key Laboratory of the Causes and Control of Atmospheric Pollution, East China University of Technology, Nanchang 330013, China2.School of Earth Sciences, East China University of Technology, Nanchang 330013, China3.School of Water Resources and Environmental Engineering, East China University of Technology, Nanchang 330013, China

This research aimed to identify the sources and origins of atmospheric precipitation ions in Nanchang City. Rainwater samples were collected from April 2016 to September 2016, and the chemical characteristics of major ions were analyzed. Additionally, the positive definite matrix factorization (PMF) model was used to distinguish the sources, and TrajStat software was used to simulate the backward trajectories. The results showed that NH4+and Ca2+were the main cations. On average, we measured rainfall-weighted concentrations of 65.3 and 23.9 μmolL, accounting for 57% and 21% of the total cations respectively. SO42-and NO3-were the major anions, of which the average rainfall-weighted concentrations were 60.4 and 25.3 μmolL, accounting for 56% and 23% of the total anions respectively. Significant correlations amongc(NH4+),c(Ca2+),c(K+),c(Mg2+),c(Na+),c(Cl-) andc(NO3-) indicated similar sources or the formation of compounds. The PMF model showed that Na+and Cl-were obviously affected by sea salt and partly affected by soil and secondary pollution. The major contribution of K+, Mg2+and Ca2+was the soil source. Sea salt and secondary pollution also contributed part of the K+. SO42-, NH4+and NO3-were the main constituents of the atmospheric secondary particles, which were mainly contributed by secondary pollution sources. Almost all of the F-and part of the SO42-came from coal burning. Backward trajectories revealed the atmospheric precipitation of Nanchang City in 2016 was mainly affected by air masses originating from local areas. In May, August and September, the precipitation was more affected by soil and anthropogenic sources. Oceanic ions were diluted or settled when they went inland, meaning that rainfall air masses originating from the ocean in June and July had little impact on Nanchang. The rainfall type in Nanchang City is shifting gradually from mixed type to sulfuric acid type, and the artificial influence is the main cause of air pollution.

Nanchang; precipitation; chemical composition; Positive Matrix Factorization model; backward trajectory

2017-04-13

2017-09-06

國家自然科學(xué)基金項目(41663003)；東華理工大學(xué)博士啟動基金項目(DHBK2015327)；核資源與環(huán)境重點實驗室自主基金項目(Z1609)

孫啟斌(1993-)，男，河北唐山人，646750598@qq.com.

*責(zé)任作者，肖紅偉(1984-)，男，江西贛州人，副研究員，博士，主要從事大氣環(huán)境同位素地球化學(xué)研究，xiaohw@ecit.cn

孫啟斌,肖紅偉,肖化云,等.南昌市大氣降水化學(xué)特征及來源分析[J].環(huán)境科學(xué)研究,2017,30(12):1841-1848.

SUN Qibin,XIAO Hongwei,XIAO Huayun,etal.Chemical characteristics and source apportionment of atmospheric precipitation in Nanchang City[J].Research of Environmental Sciences,2017,30(12):1841-1848.

X517

1001-6929(2017)12-1841-08

A

10.13198j.issn.1001-6929.2017.03.38