在颗粒物溯源的精细化治理中，尾气检测与受体模型的联动形成了“微观战”的核心策略。这一策略通过尾气检测锁定机动车排放的颗粒物特征，结合受体模型解析污染来源贡献，实现了从单辆车辆到区域污染源的精准溯源。

一、尾气检测：锁定机动车排放的颗粒物特征

机动车尾气是城市颗粒物的重要来源之一，尤其是柴油车和老旧车辆，其尾气中颗粒物（PM）的排放量更为突出。尾气检测通过以下方式锁定颗粒物特征：

颗粒物数量与粒径分布检测
使用冷凝颗粒计数器（CPC）、扫描移动粒径仪（SMPS）等设备，实时监测尾气中颗粒物的数量和粒径分布。例如，柴油车尾气中PM2.5的占比可能超过70%，成为城市细颗粒物污染的主要贡献者。

化学组分分析
通过滤膜采样结合原子吸收光谱仪（AAS）、能量分散X光荧光仪（EDXRF）等技术，分析尾气颗粒物中的有机碳（OC）、元素碳（EC）、金属氧化物等化学组分。例如，机动车尾气中的多环芳烃（PAHs）具有强致癌性，其浓度水平可反映尾气污染的严重程度。

实时监测与数据积累
遥感监测技术可在交通主干道自动抓拍车牌、检测尾气浓度，结合天气、车流数据构建“时空-排放”关联模型。例如，厦门四桥一隧遥感系统月均筛选前100名高排放车辆并通知复检，为后续溯源提供数据支持。

二、受体模型：解析污染来源的贡献

受体模型通过数学方法将受体处颗粒物质量分解为污染源排放量，无需依赖源强和气象数据，适用于无组织排放源的解析。在尾气颗粒物溯源中，主要应用以下模型：

化学质量平衡法（CMB）

原理：在源和受体之间建立质量平衡关系，通过多元线性回归计算污染源对受体的贡献值。

应用：例如，南京市应用CMB模型解析TSP来源，得出建筑尘、煤烟尘、土壤尘的平均贡献率分别为39.8%、25.7%、19.2%。

优势：可直接为环境管理服务，识别源类以人类管理和排放方式为划分依据。

局限：需输入源成分谱数据，解析结果受源信息匹配度影响。

正定矩阵因子分解模型（PMF）

原理：将样本数据矩阵分解为因子贡献矩阵和因子谱矩阵，通过标识组分识别源类并计算贡献。

应用：例如，希腊北部工业城市PM10源解析显示，柴油汽车尾气排放是主要来源，贡献率超过40%。

优势：无需输入源类详细信息，适用于源成分谱未知的情况。

局限：因子数选择影响解析结果，需通过多次运行程序寻找最优解。

复合模型：解决共线性问题

PCA/MLR-CMB模型：结合主成分分析和多元线性回归，降低源成分谱共线性干扰。例如，成都、太原等城市应用该模型解决解析结果负值问题。

NCPCRCMB模型：引入主成分回归法，处理源与受体不确定性，在无锡、银川等城市验证其有效性。

三、尾气检测与受体模型的联动机制

数据互补：尾气检测提供源特征，受体模型解析贡献

尾气检测获取机动车排放的颗粒物数量、粒径分布和化学组分，为受体模型提供源成分谱数据。

受体模型通过质量平衡或因子分解，解析机动车尾气对受体点位颗粒物的贡献率。例如，北京市采暖期PM2.5源解析显示，汽车尾气排放为主要污染源，贡献率超过30%。

动态溯源：实时监测与模型迭代结合

遥感监测实时获取高排放车辆信息，结合受体模型动态更新污染源贡献。例如，深圳大鹏新区通过遥感设备发现超标柴油车，罚款后复检数据反馈至模型，优化后续治理策略。

模型解析结果指导尾气检测重点，形成“检测-解析-治理”闭环。例如，杭州市根据受体模型解析的工业源贡献，加强工厂尾气排放监管。

全链条治理：从单辆车辆到区域污染源

尾气检测锁定高排放车辆，督促维修或淘汰；受体模型解析区域污染源贡献，指导产业升级和交通管理。例如，济南市通过受体模型发现扬尘源贡献突出，结合尾气检测数据优化道路清扫和洒水频次。

四、联动策略的挑战与应对

源成分谱不确定性

挑战：城市扬尘等共性特征源谱存在不确定性，影响模型解析精度。

应对：采用“二重源解析”技术，将复合源作为受体，单一源作为排放源进行二重解析。例如，冯银厂等提出的二重源解析技术，解决了扬尘与建筑尘、煤烟尘的共线性问题。

数据质量与代表性

挑战：尾气检测数据受车辆工况、采样方法影响；受体模型需大量代表性样品。

应对：制定标准化采样规范，如HJ 618《环境空气PM10和PM2.5的测定重量法》；利用大气超级站获取高精度数据，同时结合局地重点指标组网提升应用优势。

模型选择与结果解读

挑战：不同模型适用场景不同，解析结果需准确解读。

应对：根据数据量和源类特征选择模型，如源已知类优先用CMB，源未知类用PMF；解析结果需结合行业分类和实际管理需求，避免针对单一行业。