整合时间分辨的元素组成、黑碳以及粒径分辨的测量数据，用于城市颗粒物（PM10）的来源解析与特征描述

《Atmospheric Pollution Research》：Integrating time-resolved elemental composition, black carbon, and size-resolved measurements for source apportionment and characterization of urban PM 10

本研究首次针对南智利中大型城市Chillán，整合每小时元素分析（ED-XRF）、黑碳（BC）来源解析（AAE模型）、颗粒物粒径分布及气象数据，通过PMF受体模型揭示PM10主要来源为土壤扬尘（52.5%）和生物质燃烧（23.5%），并阐明其日变化规律与气象条件关联，为南美中小城市空气质量管理提供新方法。

　　

安德烈斯·布尔戈斯·G. | 哈维尔·拉米雷斯·A. | 托马斯·克拉拉蒙特·A. | 赫尔南·阿乌马达·G. | 海蒂·梅恩勒·T. | 洛雷托·维拉库拉·M. | 阿尔瓦罗·阿里亚加·C. | 曼努埃尔·莱瓦-古兹曼 | 理查德·托罗·A.

智利大学理学院化学系，拉斯帕尔梅拉斯，3425，纽诺亚，圣地亚哥，智利

摘要

本研究对智利南部一个受生物质燃烧显著影响的中等规模城市的元素组成、黑碳（BC）和粒径分离的PM₁₀进行了全面的时间分辨表征。本研究旨在通过整合元素浓度的每小时测量（ED-XRF）、黑碳来源分配、颗粒粒径分布及其与元素组成的关系以及气象数据，在基于接收体的建模框架内，描述城市PM₁₀的日变化及其排放源。粒子群聚分析（PMF）确定了六个主要来源：再悬浮土壤（52.5%）、生物质燃烧（23.5%）、二次硫酸盐（7.3%）、海浪飞沫（6.5%）、燃烧过程（5.2%）和非尾气交通（4.8%）。与交通相关的排放，包括尾气燃烧和非尾气排放（如机械再悬浮和刹车磨损），构成了一个持续的日常污染源；而二次硫酸盐和海浪飞沫则表现为由特定气象条件驱动的偶发事件。每小时数据表明，生物质燃烧和交通排放导致了早晨和夜间的峰值；土壤再悬浮现象在下午尤为明显，这与风蚀过程有关。元素浓度与颗粒粒径分数的相关性分析显示，地壳元素在粗颗粒中富集，生物质燃烧的痕迹元素分布在所有颗粒分数中，而二次硫酸盐和海浪飞沫则主导了细颗粒（亚微米级）的组成。这些结果为智利南部一个以生物质燃烧为主要热源的城市区域提供了首个高分辨率的元素和黑碳数据集。这种综合分析方法为诊断排放模式、评估空气质量超标情况以及指导南美洲中小城市的针对性缓解策略提供了可转移的框架。

引言

城市颗粒物（PM）仍然是全球最严重的环境健康风险之一。2021年，全球约有810万人因暴露于空气污染而过早死亡，其中环境颗粒物是主要致病因素（健康效应研究所，2024年）。在各种粒径分数中，PM₁₀（空气动力学直径≤10微米）尤为重要，因为它会有效沉积在气管支气管区域，并汇集了来自燃烧过程、地壳尘埃、海盐、工业活动和非尾气交通排放的颗粒物（Brown等人，2013年；世界卫生组织，2021年）。鉴于其对公共卫生的重要性，世界卫生组织（WHO）建议PM₁₀的年指导和24小时指导值分别为15微克/立方米和45微克/立方米（世界卫生组织，2021年）。

除了质量浓度外，PM₁₀的化学和物理组成对其毒性和来源归属也有重要影响。城市PM₁₀通常含有微量且可能具有毒性的元素（例如Fe、Mn、Cu、Zn、V、Ni、Pb、As、Cr），浓度范围从纳克/立方米到微克/立方米不等，这些元素可作为刹车和轮胎磨损、地壳再悬浮、燃料燃烧以及冶金过程排放的诊断标志物（Hopke等人，2020年）。碳质部分——尤其是黑碳（BC）——是一种强光吸收剂，与不良的心肺健康后果相关。城市黑碳（eBC）浓度通常在约0.5至5微克/立方米之间，并表现出与交通强度、住宅供暖和大气扩散相关的显著日变化和季节性变化（Grange等人，2020年；Kirrane等人，2019年；Luoma等人，2021年；Weingartner等人，2003年；Zhu等人，2023年）。这些特征强调了需要进行时间分辨测量，以解析短期动态、排放模式和气象调节的作用。

最近的技术进步使得能够实现颗粒物的每小时元素定性和近乎实时的来源分配。Xact 625i（ED-XRF）设备能够提供可靠的每小时元素浓度数据，其在多种环境下的测量结果与参考方法具有高度一致性（多个元素的中位数R²约为0.9），支持正矩阵分解（PMF）等定量受体建模方法（Tremper等人，2018年）。国际应用表明高时间分辨率的附加价值：在德里，每小时的Xact测量数据捕捉到了Fe和Zn的短暂富集事件，其浓度超过了约0.5微克/立方米，从而改善了建筑粉尘、交通、二次气溶胶和烟花等偶发源的PMF分离（Rai等人，2020年；Rai等人，2021a；Rai等人，2021b）。在上海，将时间聚合从6小时减少到每小时数据显著降低了PMF的分歧性，并稳定了交通、煤炭燃烧、二次无机气溶胶、工业和粉尘的来源特征（Wang等人，2018年）。同样，在洛杉矶县进行的社区规模研究使用每小时元素数据集将PM₁₀的相当大比例归因于土壤和道路尘埃（49-70%）、刹车磨损（7-19%）以及本地工业源，突显了亚日分辨率在暴露评估中的重要性（Hasheminassab等人，2020年）。

越来越多的国际文献表明，将在线元素测量与多波长黑碳观测相结合的好处。在欧洲、亚洲和北美进行的研究结合了Xact 625i数据与Aethalometer测量结果，以改进交通尾气排放、非尾气排放、生物质燃烧、二次气溶胶形成和长距离传输之间的源区分（Ryder等人，2020年；Su等人，2020年；Shukla等人，2023年；Camman等人，2024年；Faisal等人，2025年；Manousakas等人，2025年）。这些研究一致表明，结合元素组成、来源分配和颗粒粒径信息可以提高不同城市环境中PM来源及其时间行为的可解释性，从而增强了此类综合框架的适用性。

黑碳来源分配方面的平行进展进一步增强了机制解释能力。Aethalometer模型根据光吸收的波长依赖性（吸收 ?ngstr?m 指数，AAE）将eBC分为化石燃料黑碳（BC_ff）和生物质燃烧黑碳（BC_bb）两部分，而双点技术则减少了滤光片污染的伪影（Sandradewi等人，2008年；Drinovec等人，2015年；Blanco-Alegre等人，2022年）。瑞士的长期观测显示，随着住宅供暖的加剧，BC_ff持续减少，而BC_bb在季节性上有所增强（Grange等人，2020年）。在欧洲以外的地区，北非的城市研究也报告了夜间BC_bb占主导地位的明显日变化现象（Bounakhla等人，2024年）。方法上的改进，例如使用共示踪剂（如NO₂、K）动态约束AAE值，进一步提高了与独立来源指标的一致性（Kaskaoutis等人，2021年）。

在智利，受体建模研究主要集中在大型都市区，特别是圣地亚哥，那里交通、二次无机气溶胶和工业源是PM_2.5和PM₁₀的主要来源（Jorquera和Barraza，2012年；Villalobos等人，2015年）。然而，在中南部城市，冬季空气质量受到住宅木材燃烧的显著影响，导致PM_2.5/PM₁₀比率较高（通常≥0.5），并且经常超过国家标准（Mu?oz等人，2023年；Quinteros等人，2023年）。Toro等人（2014年）强调了长期空气质量超标的问题，并强调了需要高质量、高时间分辨率的数据集来更好地解析排放动态。尽管如此，在主要都市区之外，很少有研究同时整合了（i）每小时元素定性、（ii）多波长黑碳来源分配和（iii）粒径分离的气溶胶测量。因此，元素组成、排放源和当地大气条件之间的时间耦合尚未得到充分量化。

为填补这一空白，本研究对智利中南部的一个中等规模城市的城市PM₁₀进行了综合的时间分辨表征。通过ED-XRF测量每小时元素浓度、多波长黑碳来源分配（BC_ff/BC_bb）、颗粒粒径分布、EPA PMF 5.0受体建模和气象诊断，识别了主要来源，解析了日变化模式，并评估了相对于WHO指南（世界卫生组织，2021年）和智利空气质量标准（DS N°12/2022；环境部，2022年）的超标频率。

研究区域

研究区域

本研究在智利中南部纽布勒地区的奇兰（36°36′ S；72°06′ W）进行。该地区面积为511.2平方公里，人口为190,382人，其中约90%居住在城区（智利国家统计局，2024年）。该地区地势平坦，主要由安第斯山脉的河流沉积物和纽布勒河、卡托河及奇兰河的冲积物构成（Celis等人，2004年）。气候属于温暖夏季的地中海型（Csb），年降水量较高。

PM和黑碳的描述性统计

表1中呈现的描述性统计数据和图1所示的时间变化提供了2023年11月和2024年1月期间，智利中南部一个中等规模城市中痕量元素、黑碳和颗粒物（PM）的每小时浓度及其变化情况的概览。平均每小时浓度分别为：PM₁₀ 24.4微克/立方米（标准差=11.0微克/立方米，范围0.18–69.5微克/立方米），PM_2.5 11.1微克/立方米（标准差=5.39微克/立方米，范围0.18–40.8微克/立方米），PM₁ 6.53微克/立方米。

结论

本研究首次提供了受住宅木材燃烧和城市活动影响的中等规模城市PM₁₀的元素组成和多波长黑碳的每小时记录，以及粒径分离的颗粒计数。这一高分辨率的多仪器数据集为该地区提供了前所未有的短期源动态洞察，而传统上该地区的监测依赖于24小时的综合样本。

方法上，通过整合同时进行的

CRediT作者贡献声明

安德烈斯·布尔戈斯·G.：撰写——原始草稿，验证，软件开发，方法论，调查，形式分析，数据管理，概念化。 哈维尔·拉米雷斯·A.：撰写——原始草稿，可视化，验证，方法论，调查，形式分析，数据管理，概念化。 托马斯·克拉拉蒙特·A.：撰写——审阅与编辑，可视化，调查，形式分析，数据管理。 赫尔南·阿乌马达·G.：撰写——审阅与编辑，方法论，调查，概念化。

写作过程中使用生成式AI和AI辅助技术的声明

ChatGPT（OpenAI GPT-5）被用于英语语法修订；作者对内容负责。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。

致谢

作者感谢智利国家科学技术设备基金2019（EQM190045）、智利国家科学技术发展基金（FONDECYT）的定期资助（编号1220948，RTA）和FONDECYT的定期资助（编号1241485，MLG）。RTA感谢智利比奥比奥大学的全球变化研究组（CG-Lab）的支持。ABG、JRA和LVM感谢ANID国家博士学位奖学金计划的支持。