【应用】使用光学遥感技术和多元统计模型对复杂工业区的空气污染源进行表征和定位

Chang, Pao-Erh Paul; Yang, Jen-Chih Rena; Den, Walter; Wu, Chang-Fu (2014). Characterizing and locating air pollution sources in a complex industrial district using optical remote sensing technology and multivariate statistical modeling. Environmental Science and Pollution Research, 21(18), 10852–10866. DOI:10.1007/s11356-014-2962-0

 试验设备

Airsentry OP-FTIR 红外光谱气体分析仪（AirSentry-FTIR, CEREX, USA）

实验方法

图1在复杂的工业区中定位空气污染源的方法论的概念框架的说明

图2回溯排放源的四个步骤

采样时间：2009年4月7日至2009年6月19日，共采集20401个连续数据。

OP-FTIR设置：单程227m，高度20m。

CC-FTIR设置：20m光程气室。

采样步骤如图2所示：

第一步：在下风口设置OP-FTIR采样线，以拦截工业园区内工厂排放的烟羽，并确定潜在的VOC物质及其扩散方向。

第二步：基于第一步FTIR路径得出的分析结果，将第二个OP-FTIR和后向反射器单元定位在第一步FTIR光束的上风处。然后，并行操作这两个FTIR光束以测量VOC物质的浓度，以确定包含潜在VOC排放源的区域的大小。

第三步：如果从先前的测量获得的监测结果表明，在上风向仍可能存在大量的排放源，则可以在上风向进一步设置束流路径。

第四步：对选定的潜在排放源进行CC-FTIR监视，以建立排放曲线并验证OP-FTIR和PCA的结果。

实验结果

步骤一：

图3 不同时间段12种VOC的浓度表明夜间（20：00~04：00）的VOC浓度比早上（04：00~12：00）和晚上（12：00~20：00）高出两倍至三倍。

图4 五种主要VOC种类的日循环变化显示，最高浓度出现在19：00~00：00，而从01：00至04：00则出现了较小程度的变化。

图5 不同时间风向与主要VOC种类浓度的关系显示，在盛行风向由东向北时没有检测到浓度，这意味着在东向北方向没有排放源。且与白天相比，夜间（从晚上10点到早上6点）观察到的浓度要高很多。

表1 VOC种类的PCA分析所提取的三个主成分，代表三个排放源类别，结合特点分析显示三个排放源类别可能是（1）PU涂层行业，（2）化学包装和（3）平版印刷行业。

图6 使用Varimax和Kaiser归一化（PC1，PC2，PC3）的旋转因子图表明，在PC1与PC2和PC1与PC3旋转因子图上的2-丁酮，DMF和甲苯之间存在密切相关性。与PC1相比，发现二氯甲烷，乙酸乙酯和丙酮，而与PC3相比，发现了氨，异丙醇和甲醇。将主成分分析受体建模应用于三个提取的排放源，其中排放源1，排放源2和排放源3占附近园区VOC排放的45％，27％和28％。换句话说，PU涂层工厂是附近大学中VOC污染问题的最大责任者，其次是平版印刷和化学包装工厂。

图7 应用多径OP-FTIR监测线回溯N，N-二甲基甲酰胺的排放源（工厂“ E”是排放源）发现，A线和B线的排放方向从西南到东北方向显示出几乎相同的模式；然而，C线的方向与前两条线（A线和B线）完全相反。

表2 总结了这些工厂检测到的空气污染物及其在CC-FTIR光谱法18小时连续监测中的平均浓度。在四个目标工厂中，工厂E的排放与步骤1（如图2所示）调查中发现的排放一致（即DMF、甲苯、2-丁酮和乙酸乙酯），而且其排放浓度在运行期间一直很高。

图8 展示了E厂的CC-FTIR（Closed-cell FTIR）光谱监测数据表明，E厂烟囱排气中排放的主要VOCs是DMF、2-丁酮和甲苯，还有微量的乙酸乙酯。

结论

这项研究通过应用仪器测量和统计建模建立了一个定位排放源的系统方法。统计模型（PCA）在降低大型测量数据集的维度和识别潜在排放源方面发挥了重要作用。而仪器测量则有助于验证统计建模的结果。现场研究证明了使用多路径OP-FTIR测量的可行性，结合统计模型（PCA）的风向数据可以成功地确定复杂工业区的主要排放源。