北京市公共交通环境多环芳烃的个体暴露特征

对北京市3种典型交通环境下PM_2.5中PAHs(多环芳烃)的污染水平、来源及其暴露健康风险进行了研究. 于2011年12月利用颗粒物个体暴露采样器采集北京市道路边、公共汽车、地铁等不同交通环境下的PM_2.5样品,采用GC-MS测定ρ(PAHs),结合PAHs组成特征以及特征化合物比值等鉴别PAHs来源,根据苯并芘等效毒性(BEQ)、等效致癌浓度(BaPE)及致癌风险等参数评估PAHs呼吸暴露的健康风险. 结果显示:①观测期间,北京市道路边、公共汽车和地铁内ρ(∑PAHs)平均值分别为(120±119)、(101±46.6)、(50.8±25.6)ng/m3;②3种交通环境下PAHs特征成分谱相似,ρ(荧蒽)/[ρ(荧蒽)+ρ(芘)]、ρ(茚并[1,2,3-cd]芘)/[ρ(茚并[1,2,3-cd]芘)+ρ(苯并[g,h,i]苝)]均大于0.5,ρ(苯并蒽)/[ρ(苯并蒽)+ρ()]大于0.35,表明机动车尾气和燃煤排放是北京冬季3种交通环境下PAHs的重要贡献源;③分别采用美国加州环境保护局(California Environment Protection Agency,CalEPA)和世界卫生组织(World Health Organization,WHO)方法计算致癌风险可知,2种方法计算的道路边PAHs的致癌风险(19.8×10-6、15.6×10-4)最高,约为公共汽车及地铁内的1.4和3.6倍;④道路边与公共汽车内的PAHs在PM_2.5中更为富集,道路边PAHs污染水平及健康风险在高ρ(PM_2.5)环境下增加显著.      

淄博市供暖前后PM2.5中多环芳烃及其衍生物污染特征、来源及健康风险

大气中的多环芳烃(PAHs)及其衍生物是影响环境和威胁人类健康的全球性问题.为了研究淄博市PM_2.5中PAHs及其衍生物的污染特征、来源和健康风险,于2020年11月5日至12月26日期间采集PM_2.5样品,使用气相色谱-质谱联用仪(GC-MS)分析PM_2.5中的16种常规PAHs、9种NPAHs和5种OPAHs的浓度,利用特征比值法和PMF模型对其主要来源进行解析,并使用基于源解析结果的终生致癌风险模型(ILCR)评估了供暖前后PAHs及其衍生物对成年男女的健康风险.结果表明,采样期间淄博市PM_2.5中∑₁₆p PAHs、∑₉NPAHs和∑₅OPAHs浓度均值分别为：(41.61±13.40)、(6.38±5.70)和(53.20±53.47)ng·m^-3,供暖后3类PAHs浓度明显增加,分别为供暖前的1.31、2.04和5.24倍.采样期间(Chr)、苯并[a]芘(Ba P)和苯并[a]蒽(Ba A)为p P...     

龙岩市区大气飘尘中多环芳烃污染现状的调查

采用恒能量同步荧光法研究了龙岩市区不同功能区冬、春季大气飘尘中多环芳烃(PAHs)的污染状况和污染来源,并对不同功能区的PAHs进行了污染评价。结果表明,龙岩市区各功能区大气飘尘中PAHs总量在278.95～718.13ng/m3,且冬季高于春季。根据荧蒽与芘质量浓度比值,可判断冬春季市区内PAHs主要来源于汽车尾气和燃煤污染。采用苯并[a]芘(BaP)及苯并[a]芘等效致癌浓度(BaPE)来评价3个功能区大气飘尘中PAHs的污染状况,冬季3个功能区苯并[a]芘浓度均超过国家标准(BaP,10ng/m3),且PAHs基本上均严重超标。     

太原市采暖期大气PM_(2.5)中多环芳烃的污染特征

本研究对太原市采暖期PM2.5中多环芳烃(PAHs)的污染水平、组成特征、健康风险以及来源进行了分析。结果表明,太原市采暖期PM2.5的日均浓度水平为70.7~274.2μg/m3,90%的样品超过了我国《环境空气质量标准》(GB 3095-2012)中PM2.5的二级标准限值(75μg/m3)。PM2.5中16种PAHs的浓度水平为282.7~1 398.6ng/m3,平均值为915.7ng/m3。荧蒽(Fla)是浓度最高的单体,占PAHs总浓度的20.4%,其次是芘(Pry)和菲(Phe),分别占14.5%和13.2%。不同环数的PAHs质量浓度为4环5~6环2~3环。以苯并(a)芘(Bap)为参照对象的昼夜毒性当量浓度Bapeq分别为75.5和100.0ng/m3,高于我国和WHO对Bap的规定值(分别为2.5和1ng/m3),对人体健康存在潜在危害。根据PAHs环数分布及特征比值法判断PAHs的主要来源是煤燃烧,同时也存在一定的生物质燃烧和少部分石油燃烧。     

浙北地区PM2.5中多环芳烃特征

为了研究浙北地区PM_2.5中多环芳烃（PAHs）的季节性变化和它们的来源,于2014年11月~2015年11月收集了杭州和宁波2个城市中4个采样点的PM_2.5样品,利用气-质联用仪测定了17种PAHs浓度.结果表明,∑PAHs年平均浓度范围为24.1~51.9ng/m³,平均值为（35.5 ±12.3） ng/m³.2~3环PAHs在PM_2.5中的浓度较低（<1ng/m³）,而4~6环PAHs占总PAHs的77.0%.∑PAHs的浓度与PM_2.5呈相似的季节性变化特征,冬季浓度最高而夏季最低.惹烯作为软木燃烧的示踪物,冬季的浓度是夏季的4倍,表明在冬季软木燃烧的排放和对PM_2.5的贡献都有所增加.除了夏季的2个城区站点,其它季节和站点∑PAHs浓度和PM_2.5呈现一定的正相关性.特征PAHs比值显示,浙北地区气溶胶相关的多环芳烃主要来自燃烧和热解排放,如生物质燃烧和煤燃烧,而交通排放和石油挥发源的影响不大.     

宁东基地大气PAHs污染特征及呼吸暴露风险

利用主动观测技术对宁东能源化工基地大气PM_2.5、PM_1.0和气相中的PAHs浓度水平、族谱特征、时空分布及来源进行研究,并基于该观测数据对居民呼吸暴露健康风险进行评估.结果表明,宁东基地大气PM_2.5、PM_1.0及气相中∑₁₆PAHs浓度范围分别为：17.95~325.12ng/m³、12.66~311.96ng/m³和26.33~97.88ng/m³,年均浓度分别为（99.42±117.48）ng/m³、（78.88±100.58）ng/m³和（57.89±47.39）ng/m³.宝丰基地冬夏季大气PM_2.5、PM_1.0和气相中∑₁₆PAHs浓度水平均明显高于英力特;宝丰和英力特基地冬季大气PM_2.5、PM_1.0中∑₁₆PAHs浓度水平均明显高于夏季浓度.宁东基地大气中∑₁₆PAHs的浓度水平要高于国内外其他城市,大气PAHs污染较为严重.源解析表明夏季宁东基地PAHs的主要排放源是工业煤燃烧和机动车尾气,冬季则主要来自工业煤燃烧和木材、薪柴等生物质燃烧排放.宁东基地人群暴露于大气PAHs可能会造成平均冬季每百万人中约有33~2628人罹患癌症,夏季每百万人中约有11~834人罹患癌症的风险.     

南黄海中部表层沉积物中多环芳烃含量分布及来源分析

采用气相色谱与质谱联用(GC/MS)技术,在一个航次内对南黄海表层沉积物中16种优先监控的PAHs的污染状况进行了调查,采用菲/蒽、荧蒽/芘、荧蒽/(荧蒽+芘)、吲哚芘/(吲哚芘+苯并(g,h,i)菲)等特定比值对PAHs来源进行了分析.结果表明,南黄海表层沉积物中检出PAHs的总含量为90.4～732.65ng·g-1,各站点均以4～6环为主;与其它站位相比,倾废区的HOI站位受到PAHs污染较为明显,无论是16种PAHs总量还是高分子量组分最高值都出现在该站点,虽然该海区沉积物中PAHs的含量没有超出生物影响低值,但苯并(b)荧蒽、吲哚芘和苯并(g,h,i)芘等一些没有最低安全标准的PAHs也有不同程度的检出,对海洋生物具有潜在的毒副作用.PAHs可能来源于原油、生物和煤燃烧造成的污染.     

遵义市秋冬季PM2.5中多环芳烃的污染特征、来源及健康风险评价

为探究遵义市秋、冬季PM_2.5中多环芳烃(PAHs)的污染特征及来源,于2020年10月～2021年1月采集了遵义市大连路、忠庄和新蒲3个采样点位PM_2.5样品,利用GC-MS对样品中16种优控PAHs进行分析,利用特征比值法和多元统计法(PCA-MLR)解析其来源,并采用BaP毒性当量浓度和终生致癌风险模型(ILCR)探讨了PAHs对人体的健康风险。结果表明,研究期间遵义市PM_2.5中16种PAHs浓度范围为9.68～108.80 ng/m³,平均值为(30.53±22.63)ng/m³,呈冬季高、秋季低的季节变化趋势。秋、冬季PM_2.5中PAHs环数分布特征一致,高环(5～6环)>中环(4环)>低环(2～3环),以中环、高环PAHs为主。PCA-MLR分析表明PAHs主要来自燃煤和生物质燃烧混合源、机动车尾气,其中,燃煤和生物质燃烧对颗粒物中PAHs的来源贡献最大,秋季为50.6%,冬季为54.8%。遵义市冬季PAHs总毒性当量浓度(TEQ...     

交通源大气和土壤中多环芳烃赋存及生态风险

为探讨交通源对道路沿线大气及土壤中多环芳烃(PAHs)的影响,作者采集了道路沿线0、20、50、100、200 m不同距离梯度大气颗粒物(TSP)和土壤样品,分析两者PAHs的含量、组成和空间分布特征,通过构建PAHs的RQ-TEQ模型和土壤环境归趋模型估算多环芳烃累积生态风险影响。结果表明,200 m范围内TSP中∑₁₆PAHs的浓度范围为2.66～16.31 ng/m³,平均值(8.17±3.51) ng/m³,随着与道路的距离增加,PAHs浓度呈现秋季先降低后升高再降低、春季先升高后降低的趋势,0～50 m范围内变化较大。土壤中∑₁₆PAHs的含量为0.05～2.43 mg/kg,平均值(0.70±0.57) mg/kg,空间变化趋势与秋季TSP中PAHs基本一致,20 m处土壤中PAHs含量最低,这与行道树的遮蔽效应有关。苯并[b]荧蒽、苯并[k]荧蒽、茚苯[1,2,3-cd]芘和苯并[ghi]苝等高环PAHs含量在TSP中占比较高,土壤中则以荧蒽、芘、苯并[b]荧蒽、苯并[k]芘等中高环P...     

中国主要河流中多环芳烃生态风险的初步评价

以现有的中国主要河流中多环芳烃(PAHs)的浓度数据为基础,通过定义1个危害商,利用商值法筛选出菲、蒽、荧蒽、芘、苯并[a] 蒽、 和苯并[a]芘7种对水生生态具有潜在风险的PAHs.以河流水相中PAHs浓度数据为依据,结合毒性数据库中PAHs水相浓度对水生生物的毒性数据,用概率风险评价法分析了这7种PAHs对水生生物的生态风险.结果表明,7种筛选出的PAHs风险大小依次为：蒽>芘>苯并[a]蒽>荧蒽>苯并[a]芘>菲> .     

昆明松华坝水库沉积物中PAHs垂直分布特征及其来源

为揭示昆明松华坝水库人类活动对PAHs（多环芳烃）的影响程度及其污染历史,研究了松华坝水库2根沉积柱（包括集水区人口较密集的1号柱和以山地为主的2号柱）中16种PAHs的垂直分布特征及其来源.结果表明:1号、2号柱中∑₁₆PAHs（16种PAHs总量）分布范围分别为155.9~471.3和100.7~316.3 ng/g,但1号柱污染程度高于2号柱,可能与其集水区较高的人为排放有关.1号柱中∑₁₆PAHs整体随采样深度的下降而降低,2号柱则随采样深度的下降而增长;这2根柱子PAHs的组成相似,沉积物中PAHs均以2环的Nap（萘）和3环的Phe（菲）为主（二者占比高于50%）,高致癌性的4~6环PAHs也有较大占比.分子比值法和正定矩阵因子分解法结果显示,1号柱中PAHs主要来源顺序为生物质燃烧源（38.8%）>石油源（34.7%）>煤炭燃烧源（13.4%）>石化燃料燃烧源（13.1%）,2号柱主要来源为石油源（44.4%）>生物质燃烧源（26.2%）>煤炭燃烧源（15.3%）>石化燃料燃烧源（14.1%）,反映了集水区人类活动方式与强度对沉积物中PAHs的控制作用.      

2014年10月北京市4次典型空气重污染过程成因分析

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM_2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM_2.5)高值(＞200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM_2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM_2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.      

松花江表层沉积物中16种多环芳烃空间分布特征及生态风险评价

为揭示松花江干支流表层沉积物中16种PAHs（多环芳烃）的空间分布特征及其生态风险状况,采用气相色谱-质谱联用仪分析了2017年9月松花江干支流26个表层沉积物16种PAHs质量分数特征,并采用比值法对其污染来源进行解析,运用沉积物质量基准法和质量标准法评价其生态风险状况.结果表明:①松花江干支流表层沉积物中w（∑₁₆PAHs）为169.76~3 769.19 ng/g,以3~6环高环为主,并且支流w（∑₁₆PAHs）（范围为169.76~3 769.19 ng/g,平均值为1 598.41 ng/g）高于干流（范围为459.92~2 092.58 ng/g,平均值为1 173.67 ng/g）,呈从上游到下游逐渐降低的趋势.②松花江干支流表层沉积物中w（∑₁₆PAHs）主要来源于生物质燃烧和石油燃烧.③松花江干支流表层沉积物中w（∑₁₆PAHs）总体处于低生态风险水平,个别支流点位（3个）会发产生经常性生态风险.研究显示,松花江流域干支流表层沉积物中w（∑₁₆PAHs）呈从上游到下游逐渐降低的趋势,并且支流高于干流,但总体处于低生态风险水平.      

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

北京市2014年10月重霾污染特征及有机碳来源解析

2014年10月北京市出现了多次重霾天气,与此同时,通过全国秸秆燃烧卫星遥感监测发现,北京周边河南、河北等地区恰存在一定规模的秸秆燃烧活动. 对2014年10月4—27日北京市大气PM_2.5中的水溶性离子、金属、OC(有机碳)、EC(元素碳)和有机物示踪物等化学成分进行了分析,对霾天和非霾天PM_2.5中化学成分进行了比较,并使用CMB(化学质量平衡)模型对PM_2.5中有机物的来源进行了解析,采用后向轨迹模拟和卫星遥感图像定量评估生物质燃烧(秸秆燃烧等)对重霾污染的影响. 结果表明:霾天ρ(PM_2.5)〔(229.0±96.3)μg/m3〕是非霾天的5.0倍,水溶性离子总质量浓度〔(125.3±59.3)μg/m3〕是非霾天的6.5倍,ρ(SO₄2-)、ρ(NO₃-)和ρ(NH₄+)分别是非霾天的6.1、8.6和7.1倍,ρ(OC)〔(81.8±39.5)μg/m3〕是非霾天的7.8倍,ρ(EC)〔(6.7±3.4)μg/m3〕是非霾天的4.2倍;霾天生物质燃烧的示踪物——左旋葡聚糖和K+的质量浓度平均值分别是非霾天的9.1和3.3倍. 生物质燃烧、机动车排放以及二次污染物对有机细颗粒物的贡献率分别为18.9%、36.9%和41.9%;二次细颗粒物质量浓度增加了1倍左右;气象条件同样在很大程度上促进了霾的形成. 常规的源解析方法仅可对生物质燃烧的一次污染贡献进行定量,但对重霾污染贡献的全面评价尚需进一步探讨.      

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

北京市西三环地区大气颗粒物中多环芳烃的分布特性

于2012年3—12月在北京市西三环地区按粒径分6级采集大气颗粒物样品,采用气相色谱-质谱(GC-MS)对颗粒物样品中16种优控PAHs(多环芳烃)进行分析. 结果表明:颗粒物中ρ(∑₁₆PAHs)(PAHs的总质量浓度)季节变化显著,表现为冬季>春季>秋季>夏季,并且与ρ(PM)(PM为颗粒物)呈良好线性相关;不同粒径颗粒物中ρ(PAHs)呈向小粒子富集的趋势,PM_2.1中ρ(PAHs)约占ρ_sum(∑₁₆PAHs)〔6级颗粒物中ρ(∑₁₆PAHs)总和〕的64%~87%;除夏季3环PAHs占优势外,其他季节均以4~ 5环PAHs占优势;同时,随着粒径的减小,PAHs有向高环数富集的趋势. 运用主成分分析和多元线性回归法进行源解析发现,机动车尾气排放和燃煤是本地区大气颗粒物中PAHs的主要来源;不同粒径颗粒物中的PAHs来源有差异,2.1~10.2μm粒径段颗粒物中PAHs主要来源于机动车尾气排放,贡献率为63.0%;而1.3~2.1μm和<1.3μm的颗粒物中PAHs均主要来源于燃煤,贡献率分别为56.8%和58.7%.