细颗粒物(PM2.5)个人暴露的源解析(Source Apportionment):来自危地马拉农村家庭空气污染干预网络(Household Air Pollution Intervention Network, HAPIN)研究的发现
《Journal of Exposure Science & Environmental Epidemiology》:Source apportionment of fine particulate matter (PM2.5) personal exposures: findings from the Household Air Pollution Intervention Network (HAPIN) study in rural Guatemala
编辑推荐:
背景:源解析(Source apportionment)是一种从监测值中重建污染来源的方法。识别这些来源对于制定改善环境质量的干预措施及其他策略具有重要意义。
目的:本研究旨在识别并量化危地马拉一项使用生物质或液化石油气(liquefied petroleum
背景:源解析(Source apportionment)是一种从监测值中重建污染来源的方法。识别这些来源对于制定改善环境质量的干预措施及其他策略具有重要意义。
目的:本研究旨在识别并量化危地马拉一项使用生物质或液化石油气(liquefied petroleum gas, LPG)烹饪燃料的孕妇队列中,细颗粒物(PM2.5)个人暴露的潜在贡献来源。
方法:研究人员利用重量法和透射法从629张聚四氟乙烯(polytetrafluoroethylene, PTFE)滤膜样品中测定PM2.5和黑碳(black carbon, BC)浓度,并使用能量色散X射线荧光光谱(energy dispersive X-ray fluorescence, ED-XRF)分析无机元素。滤膜对应HAPIN随机对照试验中,危地马拉哈拉帕(Jalapa)农村使用生物质或LPG燃料孕妇的个人暴露样本,由Enhanced Children's MicroPEM?(ECM)采集。研究人员采用美国环境保护局(U.S. Environmental Protection Agency's, EPA)正定矩阵因子分解(Positive Matrix Factorization, PMF)模型识别潜在来源。
结果:PMF得出四因子源解析模型。识别出的潜在来源及其对PM2.5质量浓度的相对贡献分别为:生物质燃烧(biomass burning,约69.6%)、化石燃料(fossil fuels,22%)、地壳物质(crustal)和其他土壤(other soil,各约4%)。按研究分组归类样本时,基线组(155 μg/m3;95% CI:129.7, 180.2)与干预后对照组(127.2 μg/m3;95% CI:114.7, 139.7)的PM2.5质量占比最高(分别为49.7%和40.7%),而干预组样本仅占9.6%(29.9 μg/m3;95% CI:27.2, 32.7)。
意义:研究人员确定生物质燃烧、化石燃料燃烧、地壳物质和其他土壤是危地马拉哈拉帕农村PM2.5污染的来源。这些发现为该区域未来源解析研究奠定基础,并强调来源特征刻画对实施减少PM2.5排放干预措施的重要性。
影响:基于参与HAPIN试验孕妇个人暴露样本,研究人员在危地马拉哈拉帕农村识别出PM2.5的四种潜在来源——生物质燃烧和化石燃料燃烧贡献最高,其次为地壳物质和其他土壤。研究结果凸显了依据解析出的污染来源实施针对性干预,以优先降低危地马拉农村地区排放之潜力。
论文解读——《Journal of Exposure Science 》发表文章
研究背景
低收入和中低收入国家(low- and middle-income countries, LMICs)中,因燃烧生物质烹饪产生的家庭空气污染(household air pollution, HAP)是重要的环境健康危险因素,其中细颗粒物(PM2.5,空气动力学直径≤2.5 μm的细颗粒物)是主要有害成分。识别PM2.5的来源对制定空气质量改善策略至关重要,但中美洲地区此前尚无基于个人暴露样本的PM2.5源解析(source apportionment, SA)研究,且现有研究多针对城市或室外环境,缺乏对农村以家庭空气污染为主的个人暴露来源定量解析。因此研究人员依托家庭空气污染干预网络(Household Air Pollution Intervention Network, HAPIN)随机对照试验在危地马拉农村的现场数据,开展本研究以表征并量化该地区孕妇PM2.5个人暴露的来源及贡献。
主要技术方法概述
研究人员使用HAPIN试验危地马拉哈拉帕(Jalapa)农村分支中,孕妇(使用生物质或液化石油气LPG炉灶)佩戴Enhanced Children's MicroPEM?(ECM)采集的629份个人暴露PTFE滤膜样本。经重量法测PM2.5质量、光学透射法测黑碳(BC)衰减、能量色散X射线荧光光谱(ED-XRF)测定无机元素浓度并做检出限以下值处理与不确定度传播计算后,选取>50%观测值高于检出限的物种(PM2.5、BC及Mg、Al、Si、S、K、Ca、Ti、Mn、Fe、Zn、Cl、Na共12种元素)作为输入变量,采用美国EPA正定矩阵因子分解(Positive Matrix Factorization, PMF 5.0)模型分别运行3~6因子方案,依据Q(true)/Q(expected)比值、位移(DISP)与自举(Bootstrap)误差及文献已有源谱比对,选定最稳健的四因子模型进行源解析,并按研究分组(基线、干预后对照组、干预组)计算各源对PM2.5质量的平均贡献及95%置信区间,组间差异采用Wilcoxon符号秩检验评估。
研究结果
Summary of samples(样本概况)
研究人员分析629份有效滤膜样本,最终纳入PMF建模的化学物种为PM2.5、BC及12种无机元素(Mg、Al、Si、S、K、Ca、Ti、Mn、Fe、Zn、Cl、Na)。按研究分组,对照组占51%(323份)、干预组占49%(306份)。Mg、S、K、Ca、Mn、Fe、Cl、BC及PM2.5共9种物种浓度在对照组与干预组间差异有统计学意义,基线组结果与对照组相似。
Factor designation(因子判定与来源识别)
研究人员试跑3~6因子PMF模型后,结合物种轮廓、Q(true)/Q(expected)比值及DISP/BS误差,选定四因子模型为最优解。四个解析出的因子及依据文献元素示踪指认为:因子1——生物质燃烧(biomass burning),以高浓度K和Cl为特征(植被燃烧指示物);因子2——地壳物质(crustal),富含Fe、Si、Ti、Mn、Ca(典型土壤组分);因子3——其他土壤(other soil),以Mg、Al、Na为主并含Ca、Ti、Fe、BC(推测来自黏土制生物质灶具或道路扬尘);因子4——化石燃料燃烧(fossil fuel burning),以高比例S为特征(柴油含硫指示物)并含BC和PM2.5。四源对总PM2.5质量浓度贡献依次为生物质燃烧约69.6%、化石燃料约22%、地壳约4.1%、其他土壤约4.2%。
Predicted fine particulate matter (PM2.5) contributions from the PMF model(PMF模型预测PM2.5贡献)
PMF重构的PM2.5预测浓度与实测浓度呈良好线性相关(β=0.62±0.02,R2=0.72)。按研究分组统计各源贡献的PM2.5平均质量浓度为:基线组155 μg/m3(95% CI:129.7, 180.2),干预后对照组127.2 μg/m3(95% CI:114.7, 139.7),干预组29.9 μg/m3(95% CI:27.2, 32.7)。三组样本占总PM2.5质量贡献比例分别为49.7%、40.7%和9.6%,表明干预(LPG炉灶+持续供气+行为宣教)显著降低包括生物质燃烧在内的各源暴露水平。
讨论与结论总结
讨论部分指出,本研究首次在中美洲(危地马拉农村)基于个人暴露样本完成PM2.5源解析,确认生物质燃烧为最主要来源(近70%),化石燃料燃烧次之(22%),地壳与其他土壤贡献较小(各约4%)。LPG清洁烹饪干预不仅大幅削减生物质燃烧源PM2.5暴露,也因减少室内生物质灶使用及可能的行为改变(如减少户外拾柴时间)间接降低化石燃料及土壤尘暴露。研究局限性包括未测定有机碳(OC)/元素碳(EC)、二次气溶胶离子(NH4+、SO42?、NO3?)及垃圾/塑料燃烧示踪元素(如Sb),且未分析季节变化。结果支持在推广清洁烹饪之外,还需针对交通/柴油排放等其他来源采取综合干预措施。
Conclusions(结论原文翻译)
正定矩阵因子分解(PMF)建模识别出危地马拉哈拉帕农村个人暴露样本中PM2.5的四种潜在来源。生物质燃烧被确定为对PM2.5质量浓度贡献最高的来源(69.6%),其次是化石燃料排放(22%),地壳物质和其他土壤来源贡献相近(各约4%)。比较不同研究分组发现,基线组(50%)和对照组(41%)样本承受最高比例的PM2.5质量暴露,进一步凸显生物质燃烧为该地最主要污染源。PMF模型能准确预测PM2.5质量浓度(R2=0.72)并解释样本变异。本研究证明可通过实施针对特定来源的干预措施来优先减排,并为该区域未来源解析研究奠定基础。