Experimento Partisol 2025; laboratorio- Se realizaron mediciones de
cromatografía iónica basadas en aniones en filtros Con una población de 8,5 millones en 2014 (ONS, 2017), la Tissuquartz ™ 2500 QAT-UP. No hubo mediciones de ciudad británica de Londres es el foco de estudio en este cationes disponibles de estos filtros, y esto resultó en una trabajo; se consideró el sitio de Norte de Kensington (NK) menor captura de datos para los cationes. Nuevamente, todos (lat. 51º: 31’: 15.780’’N y largo= 0º: 12’: 48.571’’ W). NK los datos faltantes fueron reemplazados usando un valor forma parte de la Red de Calidad del Aire de Londres y de la calculado usando el método de Polissar et al. (1998) Red Automática Urbana y Rural nacional, y es propiedad y También se incluyó una métrica de humo de leña, CWOD. está cofinanciada por el Municipio real de Kensington y Esto se derivó como PM humo de madera de la metodología Chelsea. La instalación está ubicada dentro de una cabina de Sandradewi et al. (2008) utilizando un ethalómetro y independiente dentro de los terrenos de la Escuela Sion datos de EC/OC, como se describe en Fuller et al. (2014) Las Manning. La carretera más cercana, St. Charles Square, es muestras también se recolectaron usando un Partisol 2025 una tranquila calle residencial aproximadamente a 5 m del con una entrada selectiva de tamaño PM10, y las sitio de monitoreo, y el área circundante es principalmente concentraciones de carbono elemental (EC) y carbono residencial. Las carreteras más transitadas son la B450 (100 orgánico (OC) se midieron mediante la recolección en filtros m al este) y la muy transitada A40 (400 m al sur). Para una de cuarzo (Tissuquartz ™ 2500 QAT-UP) y el análisis descripción detallada del clima de contaminación del aire en usando un analizador termoóptico Sunset Laboratory de North Kensington, se remite al lector a Bigi y Harrison acuerdo con el protocolo QUARTZ (que proporciona (2010). resultados muy similares a EUSAAR 2: Cavalli et al., 2010) (NPL, 2013). Nos referimos a CWOD, EC y OC como 2.1. Datos PMcarbon. Además, se determinó la masa de partículas en Como se aludió, este trabajo es una continuación del estudio muestras recolectadas en filtros de fibra de vidrio recubiertos realizado por Beddows et al. (2015), que analizaron los datos de teflón (TX40HI20WW) con un muestreador de partisol y de composición química NSD y PM10 recopilados en el sitio una entrada selectiva de tamaño PM10. del receptor NK. Los datos de número de distribución del Estos datos PM10 mencionados anteriormente se tamaño (NSD) se recolectaron continuamente cada 15 representaron en este trabajo como la solución PMF para minutos usando un Scanning Mobility Particle Sizer datos solo PM10, derivados de Beddows et al. (2015) y que (SMPS), que consiste en un CPC (TSI modelo 3775) consta de seis fuentes, a saber, tráfico difuso urbano, marino, combinado con un clasificador electrostático (TSI modelo secundario, tráfico no agotado y de la corteza, gasolina y 3080) y secados al aire de acuerdo con el protocolo tráfico. El factor urbano difuso tenía un perfil químico EUSAAR (Wiedensohler et al., 2012). Los tamaños de indicativo de contribuciones principalmente del humo de partículas cubiertos fueron 51 contenedores de tamaño que leña (CWOD) y del tráfico rodado (Ba, Cu, Fe, Zn). iban de 16 a 604 nm, las distribuciones de 15 minutos se agregaron hasta promedios por hora (cuando había al menos El factor marino explicó gran parte de la variación en los tres muestras de 15 minutos por hora) y todos los valores datos de Na, Cl− y Mg2 +, y el factor secundario se identificó faltantes se reemplazaron usando un valor calculado a partir de una fuerte asociación con NH + 4, NO − 3, SO2− y utilizando método de Polissar et al. (1998) En la Tabla S1 del carbono orgánico. Para las emisiones de tráfico, el PM no Suplemento se proporcionan más detalles sobre la simplemente refleje las emisiones del tubo de escape, ya que configuración de SMPS, y el lector también se refiere a también incluyó contribuciones de fuentes que no son de Beccaceci et al. (2013a, b) para obtener una descripción escape, es decir, resuspensión del polvo de la carretera y exhaustiva de cómo se recopilaron y garantizaron la calidad emisiones primarias de PM del desgaste de frenos, embrague de los datos de NSD. y neumáticos. El tráfico no agotado y de la corteza explicaron una alta proporción de la variación en las Acompañando los datos de NSD del estudio de Beddows et mediciones de Al, Ca2 + y Ti consistentes con partículas al. (2015) fue la producción de PMF (factorización de matriz derivadas del material cortical, derivadas ya sea de la positiva) del análisis de los datos de composición química de suspensión suspendida por el viento o por el vehículo. PM10. Los últimos datos consistieron en muestras de aire de También hubo una explicación significativa de la variación 24 h tomadas diariamente durante un período de 2 años (2011 en elementos como Zn, Pb, Mn, Fe, Cu y Ba, que tenían una y 2012) utilizando una muestra Thermo Partisol 2025 fuerte asociación con las emisiones de tráfico que no son de equipada con una entrada de tamaño selectivo PM10. Estos escape. Como hubo una fuerte contribución del material de filtros se analizaron para metales totales, PMmetales (Al, Ba, la corteza a las partículas resuspendidas del tráfico, esto Ca, Cd, Cr, Cu, Fe, K, Mg, Mo, Na, Ni, Pb, Sn, Sb, Sr, V y probablemente reflejó la presencia de partículas de Zn), utilizando un Perkin Elmer / Sciex ELAN 6100DRC resuspensión y suelos contaminados por el tráfico. El último después de la digestión de ácido fluorhídrico de GN-4 factor se atribuyó a la gasolina, caracterizado por una fuerte Metricel filtros de membrana. Los iones solubles en agua, asociación con V y Ni junto con significativo SO2−. Esta PMions (Ca2 +, Mg2 +, K, NH + 4, Cl−, NO − 3 y SO2−), se salida comprendió la solución del primer paso en el análisis midieron utilizando un URG-9000B en tiempo casi real (en de dos pasos de los datos de PM10 y NSD, y en este estudio adelante URG) monitor de iones ambientales (URG Corp). nos concentramos en el análisis de los datos de NSD en el La captura de datos durante los 2 años varió del 48% al segundo paso de PMF, con el objetivo de asignar un NSD a 100%, ya que los diferentes instrumentos de muestreo cada uno de los seis factores de PM10. variaron en confiabilidad. Los vacíos de datos se llenaron con mediciones realizadas en muestras de filtro PM10 diarias 2.2. Métodos recolectadas continuamente en este sitio utilizando un La factorización de matriz positiva (PMF) es un método de Para evaluar el modelo PMF, PMF genera el valor Q y lo análisis de datos multivariado bien establecido utilizado en compara con un valor teórico Qtheory. Que es el campo de la ciencia de aerosoles. PMF puede describirse aproximadamente la diferencia entre el producto de las como una formulación de análisis factorial de mínimos dimensiones de X y el producto del número de factores y la cuadrados desarrollada por Paatero (Paatero y Tapper, 1994). suma de las dimensiones de X (es decir, m x n - p (m+n)). Se supone que la concentración de aerosol ambiental X (representada por mn matriz de mxn de m observaciones y n Para un número dado de factores, toda la matriz de constituyentes PM10 o contenedores de tamaño NSD), incertidumbre se escala mediante un factor bscale hasta que la medida en uno o más sitios, puede explicarse por el producto relación entre Q y Qtheory es aproximadamente 1 (valor de rQ de una matriz de perfil de fuente F y contribución de fuente =Q/Qtheory= 1± 0.02) matriz G cuyos elementos están dados por la ecuación. (1): Con respecto al resultado final de PMF, se debe aplicar una escala para lograr resultados cuantitativos. Esto se hace escalando G o F a la unidad de tal manera que las unidades de X se trasladen a F o G, respectivamente, para completar el reparto. Sin embargo, se deben considerar diferentes rutas Donde el jth constituyente PM (elemento, tamaño de dependiendo de si X tiene unidades homogéneas o contenedor o medición auxiliar) en la i-ésima observación heterogéneas. (es decir, la hora) está representado por xij. El término gik es la contribución del factor kth (de un total de factores p) al 1.2.2. Metodo de un paso utilizando los datos en las receptor en la ith (-ésima) hora, fkj es la fracción del mismas unidades – unidades homogéneas componente jth PM en el factor kth y eij es el residuo para el Dada una matriz de datos de entrada PMF X, se puede jth medición en la hora ith. Los residuos (es decir, la calcular una solución GFCE, donde G representa la serie diferencia entre las concentraciones medidas y temporal de los perfiles fuente F, con una matriz residual E. reconstruidas) se contabilizan en la matriz E, y las dos A menudo X comprende columnas de concentraciones de matrices G y F se obtienen utilizando un algoritmo iterativo componentes PM10 (por ejemplo, valores ICPMS medidos a que minimiza la función de objeto Q (véase la ecuación 2). partir de digeridos con ácido filtros recogidos con un Partisol Usando las matrices de datos e incertidumbre para el modelo, 2025), y es una práctica común incluir también una variable Eq. (1) está optimizado en el algoritmo PMF minimizando el total (por ejemplo, columna de PM10, medida usando un valor Q (Ec. 2) Microbalance oscilante de elementos cónicos, TEOM) en la matriz de datos. El valor del elemento del perfil PM10 resultante se puede usar para escalar G y F de modo que G lleve las unidades de X, con F sin unidades. Tenga en cuenta que ni G ni F se ajustan a la unidad en este enfoque. En Donde sij es la incertidumbre en la medición jth por hora cambio, el escalado se realiza después del análisis utilizando una constante ak, determinada por la serie de tiempo de una Todos los análisis se llevaron a cabo en modo robusto, lo que variable total (por ejemplo, PM10 /, ponderada por la reduce el impacto de los valores atípicos (Paatero, 2002). aplicación de una alta incertidumbre, dentro de los datos de entrada. PMF es una técnica ponderada, y el valor de Q, y por lo tanto, el ajuste del modelo está determinado por las variables de entrada con los valores más bajos de incertidumbre, sij, dando así a sus variables una mayor ponderación en el análisis. Las variables de entrada con bajo peso tienen poco efecto sobre el valor de Q, incluso cuando sus residuos son El valor resultante para la contribución de PM10 para cada grandes. Esto se puede utilizar en beneficio del operador; factor dentro de la matriz F se usa como una constante de p.ej. cuando se distribuye la masa total de PM en un PMF escala ak en la ecuación. (3) Tal escalamiento resulta en convencional de un paso, las concentraciones totales de PM factores sin unidades F que describen las características de normalmente se introducen con una incertidumbre las fuentes y series de tiempo G con unidades de µg m − 3. artificialmente alta, de modo que son esencialmente pasivas El reparto se puede llevar a cabo promediando los valores de en el análisis de PMF y no influyen en su resultado. Al G para cada factor fuente, o se puede presentar una serie de hacerlo, los datos de composición química determinan la tiempo completamente cuantificada de cada factor, p. en distribución de la masa de PM a los factores relacionados con parcelas bivariadas. Por supuesto, G y F pueden la fuente identificados por el PMF. Se puede seguir un normalizarse de modo que G no tenga unidades y F lleve enfoque similar en el análisis PMF de un conjunto de datos unidades, un enfoque necesario cuando X contiene unidades combinado, mediante el cual se pueden aplicar heterogéneas. Este enfoque, utilizando el PMF, requiere el ponderaciones más altas al conjunto de datos principal de promedio de cada columna de G para escalarse a la unidad, interés, de modo que impulse el análisis y el conjunto de mediante el uso de la configuración de PMF media | G | = 1. datos auxiliar siga; es decir, las incertidumbres se eligen de manera que el equilibrio de los pesos totales de los dos 2.2.3. Método de un paso utilizando datos con diferentes conjuntos de datos se incline hacia la medición del interés y unidades - unidades heterogéneas la más alta confiabilidad con respecto a la inequívoca Si el análisis de X se mejorara mediante la inclusión de datos rotación. Z de un segundo instrumento con diferentes unidades, luego un enfoque diferente al método de un solo paso con elementos en las filas de F(X; Z) para dar el distribución de homogéneo se requerirían unidades para analizar la matriz X y Z. de datos conjunta Si el método anterior se aplicó donde F estaba normalizado, entonces no sería borre qué unidades asignar a G, si las unidades de X o Z. Para solucionar este problema, G se escala a la unidad. Esto resulta en una serie temporal sin unidades G y una matriz F cuantificada. Por cada perfil fuente la suma de las especies asociadas con cualquiera El tipo de datos proporciona la distribución total promedio, e.g. de PM10 o concentración numérica PN. Por supuesto, esto requiere el cierre total de la masa o el número de los elementos que hacen hasta PM10 o PN respectivamente, aunque la inclusión de en su lugar, se pueden usar mediciones de PM10 o PN totales, si disponible. En el caso ideal, si los factores calculados individualmente para ambos conjuntos de datos, G(X) y G(Z) son idénticos, luego un modelo conjunto directo [X; Z] es exitoso y G[X,Z]=G[Z]=G[X]. Sin embargo, si G(X) y G(Z) son significativamente diferente, entonces el modelo conjunto fallará, identificado por un valor Q demasiado grande. Una solución a este problema es establecer los pesos totales del mejor conjunto de datos X son significativamente más altos que los pesos totales del conjunto de datos auxiliar Z de modo que X conducirá el modelo y G[X,Z] será aproximadamente igual a G(X), y se obtiene un valor Q razonable para Z. Sin embargo, se requiere cuidado para asegurar que X o Z no contengan ambigüedad rotacional porque tal rotación para X puede no ser adecuado para Z. Para tales casos, pesos totales iguales para ambos X y Z se aplican con la esperanza de que la mejor rotación para ambos X y Z se pueden encontrar. 2.2.4. Método de dos pasos que utiliza datos con diferentes unidades - unidades heterogéneas El método propuesto en este trabajo separa el análisis de los dos conjuntos de datos X y Z en dos análisis de PMF diferentes. El conjunto de datos X se analiza primero y una rotación inequívoca es seleccionado, que da los factores calculados G(X). Estos luego son llevados a un segundo paso de PMF en el que G(X) son combinados con Z para formar una matriz conjunta para el análisis. Mediante el uso FKEY (descrito a continuación) factores, G(X,Z) son obligados a ser igual a G(X) del paso 1. Entonces, por ejemplo, si en el primer paso analizamos los datos de PM10 y llevamos la salida G (PM10) en un segundo paso combinado con los datos NSD, es decir, [G (PM10), NSD], esto da como resultado perfiles F[G(PM10,NSD]. En otras palabras, forzamos a salir de la fuente de datos NSD perfiles que tienen los mismos factores G que los datos de PM10 y ampliar la lista de componentes de las fuentes identificadas en el primer paso, mejorando así la caracterización de la fuente. Nota que esto es equivalente a la regresión ponderada no negativa de matriz Z por columnas de matriz G para las cuales existen otras herramientas. Además, al utilizar un método de dos pasos, podemos continuar utilizando el método de escala descrito en la sección. 2.2.2 a asignar las fuentes que utilizan una serie temporal cuantificada G(X, Z) en lugar de normalizar las sumas de F(X, Z) matrix a 1 y confiando en suma de los