为了更好地了解细颗粒源:在线和离线数据集的组合在一个PMF中
Marta Via1, Jesús Yus-Díez1, Francesco Canonaco2
1Institute of Environmental Assessment and Water Research (IDAEA-CSIC), Barcelona 08034, Spain; Department of applied physics, Faculty of Physics, University of Barcelona, Barcelona 08028, Spain.
Environment international
|June 7, 2023
概括
多时间分辨率正矩阵分因 (MTR-PMF) 通过结合高和低时间分辨率数据,有效地识别更多的空气污染源. 这种先进的来源分配方法提高了对污染物来源的理解,以获得更好的减缓策略.
科学领域:
- 环境科学 环境科学
- 大气化学 大气化学
- 空气质量监测 空气质量监测
背景情况:
- 源分配 (SA) 对于空气污染控制至关重要,正矩阵分解 (PMF) 是一种广泛使用的技术.
- 传统的PMF通常依赖于具有统一时间分辨率的数据,这可能会限制源识别能力.
- 多时分辨率 (MTR) 方法允许将各种仪器的数据集成到其原始时间分辨率.
研究的目的:
- 调查MTR-PMF方法论对环境污染物来源分配的有效性.
- 评估不同时间分辨率和误差权重对MTR-PMF结果的影响.
- 为了将MTR-PMF结果与使用不同数据子集的传统PMF方法进行比较.
主要方法:
- 在西班牙巴塞罗那收集了一年的数据,包括不耐火的亚微粒子 (NR-PM1),黑碳 (BC) 和金属.
- 使用了NR-PM1的Q-ACSM,BC的乙醇计,以及金属的离线石英纤维过器.
- 应用了MTR-PMF分析,保持高时间分辨率 (NR-PM1和BC的30分钟,过器的每4天24小时),并评估了不同的数据处理策略.
主要成果:
- MTR-PMF成功地解决了八个不同的PM1来源,包括硫酸+重油燃烧,酸+化,老二级有机气溶 (SOA),交通,生物质燃烧,新鲜的SOA,类有机气溶和工业.
- 与基准情况 (24小时数据) 和伪传统的PMF分析相比,MTR-PMF方法发现了更多的来源 (2-4个额外的来源).
- 发现高分辨率数据的平均值对模型性能和环境解释性有害;MTR-PMF使得更好的源解和日内模式的表征成为可能.
结论:
- MTR-PMF技术通过有效地整合各种时间分辨率数据集,为源分配提供了实质性的好处.
- 这种先进的SA方法增加了解决的源数,并改善了它们的贡献和时间变化的表征.
- MTR-PMF是了解空气污染复杂性的强大工具,有助于制定更有效的缓解策略.
