《Science of The Total Environment》：Attributing PM sources within a swine production facility via PMF modeling of particle size distribution data
编辑推荐：
PM在猪舍内的来源解析与粒径分布研究，冬季猪舍PM2.5和PM10浓度显著高于夏季办公室，主要来源为饲料（41.6%）、沉降尘（29.7%）和粪便（15.0%）。采用Grimm 11-D OPC和低成本Alphasense OPC-N3传感器结合PMF模型，首次实现动物生产环境中PM动态来源解析，验证了粒径分布作为替代化学组分的可行性，为空气质量管理提供新方法。
普拉迪普·库马尔（Pradeep Kumar）| 塞伊特·乌古兹（Seyit Uguz）| 莎莉尼·蒂瓦里（Shalini Tiwari）| 杨友文（Youwen Yang）| 李宗刚（Zonggang Li）| 张远辉（Yuanhui Zhang）| 杨旭飞（Xufei Yang）
美国南达科他州立大学农业与生物系统工程系，布鲁金斯，SD 57007
摘要
猪舍中的颗粒物（PM）对动物和饲养员的健康构成了重大风险，但各个污染源的贡献仍不甚清楚。本研究使用Grimm 11-D光学颗粒计数器（OPC）在夏季和冬季测量了断奶至出栏生产车间和农场办公室的PM浓度以及颗粒大小分布（PSD）。通过PMF建模对收集到的PSD数据进行了污染源分析。结果显示，冬季生产车间的PM2.5、PM10和总悬浮颗粒（TSP）浓度较高，而办公室的这些浓度在夏季较低。在所有情况下，PMF建模均有效识别了潜在的污染源并量化了它们的相对贡献。冬季生产车间中，TSP的主要来源是动物饲料（41.6%）、沉降灰尘（29.7%）和粪便（15.0%）。虽然通过通风和渗透进入的PM对总TSP的贡献较小，但它占了亚微米颗粒的很大比例。此外，还评估了Alphasense OPC-N3传感器作为Grimm 11-D的低成本替代品在PM污染源识别中的应用，取得了有希望的结果。本研究支持使用基于PSD的PMF建模作为动物生产环境中PM污染源识别的经济有效方法，并有望促进动物农业的空气质量管理。
引言
猪肉是许多国家满足不断增长的人口营养需求的重要动物蛋白来源（Agarwal和Fulgoni III，2023年）。美国是主要的猪肉生产国，2024年屠宰了约7000万头猪，为农村经济贡献了数十亿美元（NPPC，2025年）。大多数猪是在被称为猪舍的封闭设施中饲养的（Donham，1994年）。然而，这种生产方式引发了环境问题，特别是猪舍内外的空气质量下降（P. Kumar等人，2024年）。PM是一种主要的污染物，由悬浮在空气中的固体或液体颗粒组成（Buoio等人，2023年）。PM的来源、大小和成分变化很大，这使得评估和减轻其环境和健康影响变得困难（Cole等人，2000年）。
猪舍中的PM可能携带病原微生物、内毒素和其他生物危害物，增加了动物和饲养员患呼吸道感染和其他健康问题的风险（Anderson等人，2012年；Yang等人，2022年；Kumar等人，2023年）。此外，PM还可以作为有气味和有毒化学物质的载体，进一步恶化空气质量（Gollakota等人，2021年）。相关的健康影响可能包括呼吸系统、心血管系统和生殖系统疾病（P. Kumar等人，2024年）。猪舍中的PM来源于多种途径，包括动物饲料、皮肤、粪便和建筑材料。识别和优先处理这些污染源对于制定经济有效的缓解策略以减少PM暴露带来的环境和健康风险至关重要。
在猪舍中确定PM污染源的一个关键挑战是PM特性的巨大变异性，这受到多种环境和操作因素的影响。例如，许多研究表明猪舍内的PM浓度存在显著的季节性波动（Choi等人，2023年；Roman等人，2021年；Xu等人，2016年；Yang等人，2022年）。除了浓度外，季节变化还会影响PM的成分。例如，一项中国研究发现，不同季节的PM浓度和相关微生物种群有显著差异（Tang等人，2020年）。这种季节性变化主要是由于夏季通风量增加和室外温度下降时通风量减少所致（Choi等人，2023年）。然而，关于污染源贡献的季节性或昼夜变化的信息很少。
在猪舍和其他牲畜设施中识别PM污染源需要将收集到的PM样本与基于颗粒大小、形态和成分等特征的污染源样本进行比较。传统上，这主要是通过显微镜分析单个颗粒来完成的。既使用了光学显微镜，也使用了电子显微镜，有时还结合了对单个颗粒的元素分析（Heber等人，1988年；Shen等人，2019年）。这种方法有助于将每个颗粒归类到相应的污染源。然而，这种方法劳动强度大且耗时。常用的受体模型，如化学质量平衡（CMB）、正矩阵分解（PMF）和UNMIX，已被推荐用于环境PM污染源的识别（Cambra-López等人，2011a）。然而，这些模型在猪舍PM污染源识别中的应用尚未在文献中报道。
受体模型利用统计方法将PM特性与其污染源特征定量关联。在这些特性中，化学成分（如微量元素、可溶性离子、有机碳和元素碳）最常被用作建模的基础。然而，猪舍中的主要PM污染源（如饲料、粪便和皮肤颗粒）由于具有相似的生物起源，预计它们的化学成分也相似。这种相似性可能导致受体建模中的共线性问题，使得区分不同污染源变得困难（Yang等人，2022年）。此外，分析PM化学成分的成本很高，不适合在大型动物农场中进行大规模的PM污染源识别。
为了解决这些挑战，本研究探讨了使用基于Grimm 11-D光学颗粒计数器（OPC）在不同季节收集的PSD数据进行PMF建模的可行性。这种监测仪及其相关模型已广泛用于环境和室内环境中的PM监测，包括牲畜设施（Masic等人，2020年；Vasilatou等人，2021年；Lee和Kim，2024年；Seo等人，2024年；Tang等人，2024年）。为了评估该方法的可扩展性，还测试了低成本的Alphasense OPC-N3作为PSD数据的替代方案。据我们所知，这是首次将受体建模应用于动物设施中的PM污染源识别。除了证明这种方法的可行性外，本研究还首次报告了猪舍生产车间和农场办公室内不同PM污染源贡献的时间变化。后者在之前的现场监测活动中经常被忽视，但由于饲养员长时间暴露，可能存在潜在的PM暴露风险。
猪舍中的PM污染源识别
猪舍中的PM污染源
在牲畜设施中，PM主要来源于动物饲料、粪便和垫料，因为它们容易气溶胶化（Singh等人，2025年）。较大的PM颗粒（如PM10）通常来自动物饲料和垫料，而细小的PM颗粒（如PM2.5）则是由气溶胶化的粪便脱水或较小颗粒聚集形成的（Yang等人，2022年；Koon，1963年）。了解这些污染源及其相对贡献对于制定有针对性的缓解措施至关重要。
现场监测
现场监测在南达科他州弗兰德罗附近的南达科他州立大学校外猪场进行。该猪场有两个相同的生产车间，每个车间大约饲养600头断奶至出栏的猪（图1）。两个车间都采用隧道风扇和坑式风扇进行机械通风，类似于商业农场的条件。粪便被收集并储存在地板下2.4米深的坑中。
生产车间中的PM浓度和大小分布
无论是在冬季还是夏季，生产车间内的PM浓度都表现出显著的昼夜变化（图2）。夜间浓度较低，这与猪的活动减少相吻合。白天有两个浓度峰值：一个出现在清晨，此时饲养员开始工作并且喂食器开始运行；另一个出现在下午，此时猪的活动达到高峰（Kim等人，2005年）。值得注意的是，对于TSP和PM10来说……
结论
本研究证明了使用基于PSD的PMF建模来识别和量化猪舍生产设施中的PM污染源的可行性。通过将Grimm 11-D OPC与PMF结合使用，提供了一种比传统的基于化学成分和颗粒形态的方法更为稳健和经济有效的替代方案。值得注意的是，这是首次在动物生产环境中应用PSD-PMF方法，并首次报告了猪场中的PM浓度及其时间变化。
作者贡献声明
普拉迪普·库马尔（Pradeep Kumar）：撰写——初稿、软件开发、方法论设计、数据收集与分析。
塞伊特·乌古兹（Seyit Uguz）：撰写——审阅与编辑、数据分析。
莎莉尼·蒂瓦里（Shalini Tiwari）：撰写——审阅与编辑、数据分析。
杨友文（Youwen Yang）：撰写——审阅与编辑、数据分析。
李宗刚（Zonggang Li）：撰写——审阅与编辑、数据分析。
张远辉（Yuanhui Zhang）：撰写——审阅与编辑、监督、数据分析。
杨旭飞（Xufei Yang）：撰写——审阅与编辑、监督、软件开发。
写作过程中使用生成式AI和AI辅助技术的声明
在准备本工作时，作者使用了ChatGPT 4o来提高手稿的可读性和语言表达。使用该工具/服务后，作者根据需要对内容进行了审阅和编辑，并对出版物的内容负全责。
致谢
本研究得到了食品与农业研究基金会（奖项编号：22-000286）的资助。作者感谢Ryan Samuel博士和Bob Thaler博士在实地实验中的协助。
