文档介绍：
张学敏庄马展
近年来,大气细颗粒物()对环境影响及其与健康的关系已引起越来越多国家和地区的重视。研究发现,城市细颗粒物浓度的短期增长与目前的死亡率之间存在着某种统计关系;此外细颗粒是导致大气可见度降低的雾或阴霾的主要构成。就其成分及来源国外已开展了大量的研究。(<)。,而作为沿海经济开放城市的厦门,随着“海西”重要中心城市建设的加速推进、蓬勃发展的旅游业对城市环境空气质量提出更高的要求,厦门也对其主要污染物PM10的主要来源进行了研究[5,6],得出工业燃煤排放、汽车尾气、%、%、%%,。本文正是基于以上需求,,并初步给出定量的结果,以期探寻影响厦门空气质量的原因,便于更加有针对性地开展空气污染物的防治。
数据和方法
1、采样采集
采样点位于大气国控点洪文,采样分冬(2005年1月5日~1月15日共十天)及夏(2005年7月4日~7月14日)二期进行,两台RP-1400a –,滤膜使用Watman TFE滤膜和石英膜,每天采集一次,。石英膜用铝泊包装、冷藏,样品一分二(一份分析TC;另一份分析IC)。
2、样品分析
无机元素如Al、Si、Ti、Fe,Pb、Br、Fe、Mn、Cu、Zn、Ba和Ca等用波长色散X-射线荧光分析技术(WD-XRF)由国家环境测试中心测定。有机碳OC和元素碳EC由中国科学院西安地球环境研究所的碳气溶胶实验室采用碳分析仪分析。SO42-、NO3-、F-、Cl-、Na+、Mg2+等阴、阳离子成分的分析采用离子色谱仪测定。
3、主因子分析法
主因子分析法的原理是基于与污染源有关的变量之间存在着某种相关性,在不损失主要信息的前提下,将一些具有复杂关系的变量或样品归结为数量较少的几个综合因子的一种多元统计方法。
主要步骤为,将标准化的数据矩阵求变量之间的相关系数,计算相关系数矩阵R的特征值λ1≥λ2≥λ3≥………λn≥0及特征向量,确定主因子的个数,在此基础上建立初始因子载荷矩阵A,并进行正交旋转变换,得出有实际分析意义的因子载荷矩阵A’,从而根据各变量的载荷识别主因子,并获得其主因子得分。
(1)绝对主因子得分APCS
识别主因子后,引入绝对主因子得分APCS估算各因子的贡献率,其简单步骤如下:
对所有样品进行标准化:
为标准化实测的污染物元素浓度值(种污染物,个样品)。为样品的项目的浓度实测值,是项目的平均值,是所有样品中项目的标准方差。
因上述主因子得分是经过标准化的,此处我们引入一所有项目浓度值均为零的样品,其标准化结果为:
各实测样品的主因子得分减去上述引入的浓度值为零的样品的因子得分即为绝对主因子得分。
细颗粒物为因变量,绝对主因子得分计算作为自变量进行回归,得出每个样品中各主因子的相对贡献率;以样品中各元素的浓度作为因变量,每个样品中各主因