华北煤矿区PM_2.5中水溶性离子特征及来源解析

Characteristics and Sources Analysis of Water-Soluble Ions in PM_2.5 in North China Coal Mining Area

摘要: 为了解华北典型矿区大气PM_2.5中水溶性离子特征及其来源，本研究于2018年4月至2019年2月采集峰峰矿区大气PM_2.5样品，运用离子色谱仪测定PM_2.5中Na⁺、NH₊⁴ 、K⁺、Mg²⁺、Ca²⁺、F−、Cl−、SO^2-₄ 、NO^-₃ 的质量浓度。结果显示，观测期间PM_2.5平均浓度(134.43 ± 77.07) μg•m⁻³，达到《环境空气质量标准》(GB 3095-2012)中二级标准限值(75 μg•m⁻³⁾的1.79倍，水溶性离子平均浓度高达(58.76 ± 39.40) μg•m⁻³；SOR和NOR的平均值为0.38和0.22，SO^2-4 、NO^-₃ 和 NH⁺₄在水溶性离子中占比达85.00%，且随着污染程度加重，二次转化程度也会加大；ρ(NO^-₃ )/ρ( SO^2-₄)的均值为1.30，表明移动源对空气污染的贡献程度较大；主成分分析结果显示，观测期间水溶性离子来源包括二次转化、燃煤和生物质燃烧混合源55.88%、扬尘源29.82%；后向轨迹模式结果显示，聚类所得到4类气团，其中来自河北省内的两类气团带占比高达71.76%。

Abstract: To analyze the characteristics and sources of water-soluble ions in PM_2.5 in north China coal mining area, this study collected atmospheric PM_2.5 samples in Fengfeng Mining District from April 2018 to February 2019 and used ion chromatography to determine the mass concentration of nine water-soluble ions (Na⁺,NH₊⁴ , K⁺, Mg²⁺, Ca²⁺, F−, Cl−,SO^2-₄ ,NO^-₃ ) in PM2.5. The result showed that the mean concentration of PM_2.5 was (134.43 ± 77.07) ug•m⁻³, which was 1.79 times than the second level criterion of Environmental Air Quality Standard, and the mean concentration of water-soluble ions was up to (58.76 ± 39.40) μg•m⁻³; the average of SOR and NOR was 0.38 and 0.22, respectively. The proportion of SO^2-₄ , NO^-₃ and NH⁺₄ in water-soluble ions was as high as 85.00%, and the degree of secondary transformation would also increase with worsened pollution. The average of ρ( NO^-₃)/ρ(SO^2-₄ ) was 1.30, which suggested that mobile sources contributed to air pollution significantly. The principal component analysis showed that the sources of water-soluble ions included secondary conversion, coal and biomass combustion mixed sources (55.88%), and dust sources (29.82%). The result of backward trajectory model indicated that the two air masses from Hebei province (71.76%) accounted for the highest proportion in the four types of air masses obtained by clustering.

1. 引言

京津冀地区频繁出现持续时间长、范围大、污染重的区域大气污染问题，引起了公众和政府的广泛关注 [1] 。空气颗粒物(PM, Particulate Matter)对空气质量、人类健康、区域能见度和全球气候变化都有显著影响 [2] 。流行病学研究表明长期暴露于较高浓度PM_2.5环境中可导致人体血糖升高 [3] 或过早死亡 [4] [5] 。为此，国务院于2013年9月10日起实施《大气污染防治行动计划》(“大气十条”)，对我国京津冀、长江三角洲、珠江三角洲等重点区域提出具有针对性的污染控制和减排措施，为我国空气质量得到持续改善起到了至关重要作用，但空气质量问题依然严峻，冬季重污染事件依旧存在，环境污染的治理仍是一个长期而漫长的斗争。

水溶性离子(WSIs, Water-Soluble Ions)是PM_2.5的重要组分，包括阴离子( $S{O}_4^{2-}$ 、 $N{O}_3^{-}$ 、Cl⁻、F⁻等)和阳离子( $N{H}_4^{+}$ 、K⁺、Ca²⁺、Na⁺、Mg²⁺等)，能够反映颗粒物的表面性质，影响颗粒物酸碱性，其中 $N{O}_3^{-}$ 、 $S{O}_4^{2-}$ 、 $N{H}_4^{+}$ 是重要的吸光组分，可对能见度产生重要影响。在京津冀的水溶性离子化学特征研究中显示，WSIs是大气颗粒物中最重要的组成成分，SNA ( $N{O}_3^{-}$ 、 $S{O}_4^{2-}$ 、 $N{H}_4^{+}$ )是WSIs中最重要的组成成分，王辉等 [6] 对石家庄PM_2.5中水溶性离子污染特征的研究表明WSIs可占PM_2.5质量的47.04%，其中二次水溶性离子(SNA， $N{O}_3^{-}$ 、 $N{H}_4^{+}$ 和 $S{O}_4^{2-}$ )占WSIs的77.22%；李兴等 [7] 对2016年北京市采暖季PM_2.5水溶性无机离子污染特征的研究表明WSIs可占PM_2.5质量的39.13%，其中SNA占比高达31.84%；武志宏等 [8] 对保定市PM_2.5中水溶性离子污染特征研究发现，水溶性离子中 $N{O}_3^{-}$ 、 $S{O}_4^{2-}$ 、 $N{H}_4^{+}$ 和Cl⁻占比最高，特别在严重污染条件下ρ( $N{O}_3^{-}$ )明显升高，达到无污染条件的12.12倍。不同地区PM_2.5及WSIs特征存在差异，一方面由于各地污染排放源、地理位置和自然环境的差异，另一方面受到气团跨区域输送的影响。后向轨迹模式(HYSPLIT)可以通过分析气团轨迹定量或定性某区域污染物传输特征，广泛应用到大气污染传输和扩散的研究中 [9] [10] 。胡偲豪 [11] 等采用HYSPLIT方法对邯郸市微米细气溶胶粒子来源解析的研究发现，邯郸市PM_2.5主要为西北短距离气流输送，河南北部、河北东北部、山东西部以及京津地区对于邯郸市PM_2.5浓度贡献较大。

对PM_2.5中水溶性离子的研究多集中于经济发达的大型城市，针对煤矿区的研究较少，峰峰矿区隶属于河北省邯郸市，地处太行山东麓的京津冀大气传输通道。近年来，随着煤炭资源开采以及国家施行严格的“去产能”政策和污染排放控制政策，峰峰矿区面临着艰巨的大气环境治理问题。本研究于2018~2019年对邯郸市峰峰矿区大气PM_2.5进行观测，探究PM_2.5中水溶性离子特征和来源，探究不同污染条件下水溶性组分的差异性，为了解太行山东麓大气输送通道沿线城市PM_2.5中水溶性离子提供基础数据，以期为峰峰矿区进一步改善空气质量提供数据支持。

2. 材料与方法

2.1. 样品采集

采样地点位于河北省邯郸市峰峰矿区某酒店楼顶，附近无明显工业区和污染源。采样时间为春季(2018年4月26日~5月1日)、夏季(2018年8月22日~27日)、秋季(2018年10月24日~29日)和冬季(2019年2月17日~25日)。观测期间同步使用Kestrel 5500气象仪记录气象参数，气态污染物数据(SO₂、NO_X等)来自省控点峰峰矿区地税局。

2.2. 样品分析

采样器为KB-120F型中流量采样器，设置流量100 L/min，滤膜使用Φ90 mm石英膜。采样前将石英膜在马弗炉中550℃焙烧5.5 h。使用称重法确定PM_2.5样品质量，称重前放入恒温恒湿箱(温度25℃，相对湿度50% ± 5%)，称重使用d = 0.01 mg分析天平，称重质量与标况体积的商为PM_2.5浓度。切取面积为2.011 cm²石英膜置入50 ml离心管中，加入20 ml超纯水超声浸取20 min，用0.22 μm滤头过滤。采用离子色谱仪(Dionex ICS-600，USA)分析经过预处理后样品中9种水溶性无机离子( $S{O}_4^{2-}$ 、 $N{O}_3^{-}$ 、Cl⁻、F⁻、 $N{H}_4^{+}$ 、K⁺、Ca²⁺、Na⁺、Mg²⁺)的浓度。

根据《环境空气PM₁₀和PM_2.5的测定重量法(HJ 618-2011)》中PM_2.5的浓度计算公式对采集的样品的质量浓度进行计算，公式如下，式1：

$\rho =\frac{M_2-M_1}{V}\times {10}^6$ (1)

式中：ρ——大气颗粒物PM_2.5的质量浓度值(μg/m³)；

M₁，M₂——采样前空白滤膜和采样后滤膜的质量(g)；

V——已换算成标准状态(101.325 kpa, 273 K)下的采样体积(m³)。

(2) 水溶性离子质量浓度计算颗粒物PM_2.5中水溶性无机离子各组分质量浓度，根据下列公式进行计算，式2：

$C=c*20*\frac{\text{π}{R}_1^2}{2\text{π}{R}_2^2}/V$ (2)

式中：C——大气中该组分的浓度，单位为(μg/m³)；

c——样品溶液中该组分的浓度，单位为(μg/ml)；

20——处理液体积(ml)；

R₁、R₂——分别为采样滤纸膜半径和分析滤纸膜半径(mm)，本文分别取40 mm和8 mm；

V——已换算成标准状态(101.325 kpa, 273 K)下的采样总体积(m³)。

2.3. 主要分析方法

2.3.1. 主成分分析

主成分分析法(Principal Component Analysis, PCA)是一种借助正交变换对数据变量进行降维且不损失原始数据信息，最终获得主要影响因子的统计学方法，广泛应用于解析气溶胶来源 [12] 。Cheng等 [13] 使用PCA方法解析出黄冈市的WSIs来源于二次转化、燃煤和扬尘。本研究采用SPSS26进行主成分分析。

2.3.2. 后向轨迹模式

后向轨迹(HYSPLIT)模式是美国国家海洋中心和大气管理局大气资源实验室(NOAA Air Resources Laboratory)研发的综合系统，应用于分析气流的运动沉降特征和大气污染物的输送扩散轨迹。本研究采用基于HYSPLIT轨迹模式和GIS技术开发的TrajStat软件 [14] 进行后向轨迹分析，使用GDAS数据库(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，数据内容包括气压、气温、相对湿度和风速等 [15] ，模拟高度设置为500 m，起始时间设置为每日00:00，每1 h模拟1条轨迹，前推48 h计算。

3. 结果与讨论

3.1. PM_2.5及水溶性离子浓度特征

观测期间峰峰矿区PM_2.5及WSIs情况如图1所示，ρ(PM_2.5)为(134.43 ± 77.07) μg·m⁻³，达到《环境空气质量标准》(GB 3095-2012)中的二级标准限值(75 μg·m⁻³)的1.79倍，该浓度高于相邻地区安阳市的(85.81 ± 45.430) μg∙m⁻³ (2018~2019年) [16] ，更高于“2 + 26城市”唐山市的58.92 μg∙m⁻³ (2017~2018年) [17] 和太原市的67.01 μg∙m⁻³ (2017~2018) [18] ，可见峰峰矿区空气污染水平较为严重。WSIs作为PM_2.5的重要组分，ρ(WSIs)为(58.76 ± 39.40) μg∙m⁻³，占比达到PM_2.5质量浓度的43.71%，由此可见WSIs对峰峰矿区的污染有很大贡献。9种WSIs浓度由高到低分别为 $N{O}_3^{-}$ (21.62 ± 16.64) μg∙m⁻³， $S{O}_4^{2-}$ (16.61 ± 11.96) μg∙m⁻³， $N{H}_4^{+}$ (11.68 ± 10.22) μg∙m⁻³，Cl⁻ (3.01 ± 2.44) μg∙m⁻³，Na⁺ (0.94 ± 0.71) μg∙m⁻³，K⁺ (1.50 ± 1.20) μg∙m⁻³，Ca²⁺ (2.70 ± 3.72) μg∙m⁻³，F⁻ (0.52 ± 1.15) μg∙m⁻³，Mg²⁺ (0.19 ± 0.17) μg∙m⁻³。

Figure 1. The concentrations of PM_2.5 and WSIs during observation period

图1. 观测期PM_2.5和WSIs浓度情况

二次水溶性离子(SNA， $N{O}_3^{-}$ 、 $N{H}_4^{+}$ 和 $S{O}_4^{2-}$ )作为PM_2.5的重要组分，平均浓度(49.91 ± 36.80) μg∙m⁻³，占PM_2.5质量浓度的37.12%，是影响ρ(PM_2.5)的重要因素，可以反映空气二次污染程度 [19] 。SNA平均浓度(49.91 ± 36.80) μg∙m⁻³，且浓度远高于其他离子，占总WSIs的85.00%，与邯郸市 [20] 和北京市 [21] 的研究结果相近。各季节ρ(SNA)在ρ(WSIs)占比差异明显，分别为93.76% (春)、92.19% (夏)、55.94% (秋)、87.48% (冬)。不同季节间ρ(SNA)差异明显，冬季浓度最高(85.84 μg∙m⁻³)可达到秋季(18.96 μg∙m⁻³)的4.53倍，由此可见冬季二次污染更严重。

3.2. 不同污染条件下水溶性离子特征差异

结合HJ633-2012《环境空气质量指数(AQI)技术规定(试行)》和观测期间实际空气质量情况，将空气污染水平分为五类，即优良(AQI ≤ 100)、轻度污染(101 < AQI ≤ 150)、中度污染(150 < AQI ≤ 200)、重度污染(200 < AQI ≤ 300)和严重污染(AQI > 300)。据此，清洁天、轻度污染、中度污染、重度污染和严重污染下PM_2.5的质量浓度分别为(57.75 ± 15.20) μg∙m⁻³、(107.90 ± 23.04) μg∙m⁻³、(173.01 ± 72.03) μg∙m⁻³、(216.85 ± 22.91) μg∙m⁻³和(303.85 ± 43.19) μg∙m⁻³，WSIs浓度分别为(19.04 ± 7.01) μg∙m⁻³、(43.34 ± 11.47) μg∙m⁻³、(81.82 ± 21.38) μg∙m⁻³、(102.16 ± 13.05) μg∙m⁻³、和(150.92 ± 8.07) μg∙m⁻³。随着空气污染程度的加重，WSIs的占PM_2.5的比例由32.96%上升到49.67%。可见WSIs对PM_2.5的影响随着空气污染程度加重而更加明显。

随着污染程度加重， $N{H}_4^{+}$ 、 $N{O}_3^{-}$ 和 $S{O}_4^{2-}$ 的平均浓度由0.48 μg∙m⁻³、4.64 μg∙m⁻³、4.28 μg∙m⁻³上升到34.84 μg∙m⁻³、50.89 μg∙m⁻³和49.37 μg∙m⁻³，三种离子在PM_2.5中的占比由16.45%上升至44.46%，而其他离子占比变化则不明显，由此可见峰峰矿区空气污染加重明显受到二次水溶性离子 $N{H}_4^{+}$ 、 $N{O}_3^{-}$ 和 $S{O}_4^{2-}$ 的影响(表1)。

Table 1. Mass concentration of water-soluble ions during observation period (μg∙m−3)

表1. 观测期水溶性离子质量浓度(μg∙m⁻³)

3.3. PM_2.5二次转化和酸碱性

3.3.1. PM_2.5二次转化

$S{O}_4^{2-}$ 和 $N{O}_3^{-}$ 作为PM_2.5的重要组分，由SO₂和NO₂等气态前体物经过复杂理化反应产生，浓度较高时表明大气中存在着较高浓度的二次气溶胶 [22] 。硫氧化率(SOR, Sulfur oxidation rate)和氮氧化率(NOR, Nitrogen oxidation rate)可以用来表征SO₂向 $S{O}_4^{2-}$ ，NO₂向 $N{O}_3^{-}$ 的二次转化程度，一般来说SOR和NOR大于0.1，表示气态污染物发生明显的二次转化 [10] ，SOR和NOR越大，大气中光化学氧化越强，ρ( $S{O}_4^{2-}$ )和ρ( $N{O}_3^{-}$ )越高。

$\text{SOR}=S{O}_4^{2-}/\left({\text{SO}}_4^{2-}+{\text{SO}}_2\right)$ (3)

$\text{NOR}={\text{NO}}_3^{-}/\left({\text{NO}}_3^{-}+{\text{NO}}_2\right)$ (4)

本研究中，SOR和NOR的年平均值为0.38和0.22，表明峰峰矿区PM_2.5中二次转化现象较为明显。优良、轻度污染、中度污染、重度污染和严重污染条件下SOR均值分别为0.22、0.38、0.56、0.32和0.67，NOR均值分别为0.08、0.20、0.34、0.32和0.34。可见随着污染加重，SO₂和NO₂等气体前体物二次转化程度明显加强，显著区别于无污染条件，表明污染加重明显受到SO₂和NO₂等气体前体物的二次转化的影响。

SOR和NOR主要受到温度和湿度的影响 [23] [24] 。从表2可以看出SOR与温度和湿度呈显著正相关，相关系数分别为0.76和0.66，表明SOR对温度更为敏感；NOR仅与相对湿度有一定相关关系，表明NOR对湿度的响应较为敏感。就此可以得到，当峰峰矿区处于温度和湿度较高的时期，更有利于空气中SO₂和NO₂等气态前体发生二次转化。

Table 2. The correlation between SOR and NOR with temperature and humidity

表2. SOR和NOR与温度和湿度的相关性

3.3.2. PM_2.5酸碱性

大气中的Cl⁻、 $S{O}_4^{2-}$ 、 $N{O}_3^{-}$ 、F⁻等阴离子可以增加空气颗粒物的酸性， $N{H}_4^{+}$ 、Ca²⁺、K⁺、Na⁺等阳离子可以增加空气颗粒物的碱性 [13] ，故可以通过阴阳离子的摩尔比，即AE (anion equivalent)和CE (cation equivalent)比值判断PM_2.5酸碱性。阳离子和阴离子的摩尔电荷浓度计算公式分别为：

$\text{CE}=\frac{\left[{\text{Na}}^{+}\right]}{23}+\frac{\left[{\text{K}}^{+}\right]}{39}+\frac{\left[{\text{Ca}}^{2+}\right]}{20}+\frac{\left[{\text{Mg}}^{2+}\right]}{12}+\frac{\left[{\text{NH}}_4^{+}\right]}{18}$ (5)

$\text{AE}=\frac{\left[{\text{SO}}_4^{2-}\right]}{48}+\frac{\left[{\text{NO}}_3^{-}\right]}{62}+\frac{\left[{\text{Cl}}^{-}\right]}{35.5}+\frac{\left[{\text{F}}^{-}\right]}{19}$ (6)

通过计算可知，观测期间AE/CE的均值为0.90 (R² = 0.96)，酸性物质(Cl⁻、 $S{O}_4^{2-}$ 、 $N{O}_3^{-}$ 、F⁻)可以被碱性物质( $N{H}_4^{+}$ 、Ca²⁺、K⁺、Na⁺)完全中和，结果显示峰峰矿区PM_2.5为弱碱性，这一结果不同于盘锦市 [25] 的研究结论，而与郑州市 [26] 的研究结果相符。且大气PM_2.5的酸碱性存在季节性变化，在春夏时呈弱酸性，秋冬时呈碱性，见图2。结合PM_2.5的二次转化可知，峰峰矿区PM_2.5中SO₂、NO₂等气态前体物二次转化较为明显，ρ( $S{O}_4^{2-}$ )和ρ( $N{O}_3^{-}$ )明显高于ρ( $N{H}_4^{+}$ )，使大气中硝酸盐和硫酸盐的浓度高于铵盐浓度。春季、夏季、秋季和冬季AE/CE均值分别为1.01、1.14、0.72和0.90，由于夏季温度和湿度较高，可促进气体前体发生二次转化产生更多的 $S{O}_4^{2-}$ 和 $N{O}_3^{-}$ ，增强了PM_2.5的酸性，使夏季PM_2.5酸性明显强于其他季节。

3.4. 水溶性离子来源解析

3.4.1. ρ( $N{O}_3^{-}$ )/ρ( $S{O}_4^{2-}$ )

ρ( $N{O}_3^{-}$ )与ρ( $S{O}_4^{2-}$ )比值可以用来衡量移动源和固定源对空气污染的贡献程度 [27] ， $N{O}_3^{-}$ 主要来源于汽车等移动源排放， $S{O}_4^{2-}$ 则主要来源于燃煤等固定源排放，ρ( $N{O}_3^{-}$ )与ρ( $S{O}_4^{2-}$ )比值大于1表明移动源对空气污染贡献程度大于固定源，比值小于1表明固定源对空气污染贡献程度大于移动源 [23] 。本研究中

Figure 2. The balance relationship of anions and cations in PM_2.5

图2. PM_2.5中阴阳离子平衡关系

ρ( $N{O}_3^{-}$ )/ρ( $S{O}_4^{2-}$ )的均值为1.30，凸显出移动源对空气质量的重要影响，这意味着未来峰峰矿区大气污染控制的重点在于移动源排放的管控。这一结果与近年我国北方地区的研究结果相符，如沈阳市 [28] 和焦作市 [29] 。自“大气十条”的实施和京津地区“煤改电”的推进，固定源 $S{O}_4^{2-}$ 的排放量迅速下降，Wang [30] 等对乌海市的研究同样发现自2010年后 $S{O}_4^{2-}$ 的前体物SO₂排放量下降速度明显高于NO₂，移动源对空气污染的贡献程度逐渐增强。

3.4.2. 主成分分析法

利用SPSS 26中的PCA模块，对峰峰矿区PM_2.5中WSIs进行主成分分析，根据所得成分及因子载荷确定PM_2.5来源。从表3可以看出，PM_2.5中WSIs通过主成分分析提取2个因子，2个因子对PM_2.5中WSIs的累计贡献率为85.70%。因子1可以解释方差比例的55.88%，载荷较大的组分有K⁺ (0.939)、Cl⁻ (0.936)、 $N{H}_4^{+}$ (0.923)、 $S{O}_4^{2-}$ (0.819)、 $N{O}_3^{-}$ (0.910)和Na⁺ (0.805)，通常将K⁺视为生物质燃烧的标志性元素，Cl⁻的来源较为复杂，来源于燃煤、生物质燃烧以及海洋气溶胶输送，由于观测地距海洋较远难以受到海洋气溶胶影响，故Cl⁻可能主要来源于燃煤和生物质燃烧， $N{H}_4^{+}$ 、 $S{O}_4^{2-}$ 和 $N{O}_3^{-}$ 多来自于气体前体物(SO₂和NO₂)的氧化，故因子1可识别为燃煤和生物质燃烧、二次转化混合源。因子2可以解释方差比例的29.82%，载荷较大的组分为Ca²⁺ (0.930)、Mg²⁺ (0.843)和F⁻ (0.890)，Ca²⁺和Mg²⁺为典型的地壳元素，F⁻虽在因子22中载荷较高，但由于其整体浓度较低，故因子2可识别为扬尘源。

Table 3. The matrix of principal component rotation factor

表3. 主成分旋转因子载荷矩阵

3.4.3. 后向轨迹

利用MeteoInfo软件对峰峰矿区2019年2月的气流数据进行后向轨迹进行聚类分析，结果如图3所示。可以看出，所有气团聚类为4类，即A、B、C、D。其中聚类B和D主要受到来自河北中部和邯郸市本地的气流影响，轨迹占比分别为40.28%和31.48%；聚类C主要来源于山东西南部地区，经河南北部到达峰峰矿区，轨迹占比达到18.52%；聚类A则主要源自蒙古中西部，途径陕西、山西抵达峰峰矿区，是输送距离较远的气流，气流轨迹占比为9.72%。

总体来看：峰峰矿区冬季以北方和东北方向气流为主，污染过程受短距离气流传输影响较大，且受到来自河北中部和邯郸市周边地区气流传输影响达到71.76%，这可能与重污染期间峰峰矿区低温高湿的气候条件形成了一个相对稳定的大气环境有关，进而突出了短距离传输对大气污染的影响，这与胡偲豪等 [11] 的研究结果一致。

Figure 3. The result of backward trajectory cluster

图3. 后向轨迹聚类结果

4. 结论

1) 监测期间，峰峰矿区PM_2.5平均浓度为(134.43 ± 77.07) μg∙m⁻³，水溶性离子平均浓度为(58.76 ± 39.40) μg∙m⁻³。SNA占WSIs的85.00%，且有较为明显的季节变化，以冬季春季浓度较高，夏季秋季浓度较低。

2) 在污染条件下，水溶性离子在PM_2.5占比由32.96%上升到49.67%，其中SNA占比由16.37%上升到44.46%，可见WSIs对PM_2.5增长有明显影响。

3) 随着污染加重SOR和NOR的值增大，可见污染条件下的二次转化更为明显，SOR对温度较为敏感，NOR则对湿度较为敏感。

4) ρ( $N{O}_3^{-}$ )与ρ( $S{O}_4^{2-}$ )比值表明，移动源对空气污染贡献更为明显；主成分分析结果表明，PM_2.5中水溶性离子来源包括二次转化、燃煤和生物质燃烧混合源(55.88%)以及扬尘源(29.82%)；后向轨迹模式结果表明，来自河北省中部和邯郸市本地的气团占比较高。