Nghiên cứu ô nhiễm các nguyên tố hóa học trong không khí tại Hà Nội dùng chỉ thị sinh học rêu và phân tích bằng chùm proton từ máy gia tốc

Bài viết trình bày kết quả bước đầu áp dụng phương pháp chỉ thị sinh học rêu để nghiên cứu ô nhiễm các nguyên tố hóa học trong không khí của Hà Nội. Hàm lượng của 22 nguyên tố hóa học bao gồm Mg, Al, Si, P, S, Cl, K, Ca, Ti, Cr, Mn, Fe, Ni, Cu, Zn, As, Br, Rb, Sr, Zr, Ba và Pb trong các mẫu rêu Barbula Indica được thu thập tại 12 địa điểm khác nhau đã được phân tích bằng phương pháp PIXE (Proton Induced X-ray Emission) tại Nhật Bản.

NGHIÊN CỨU Ô NHIỄM CÁC NGUYÊN TỐ HÓA HỌC TRONG KHÔNG KHÍ TẠI HÀ NỘI DÙNG CHỈ THỊ SINH HỌC RÊU VÀ PHÂN TÍCH BẰNG CHÙM PROTON TỪ MÁY GIA TỐC

Lê Hồng Khiêm1,2*, Nguyễn Hữu Quyết3, Nguyễn An Sơn4

,

Lê Đại Nam1, Nguyễn Thị Thúy Hằng1, Khuất Thị Hồng1

Tóm tắt: Báo cáo trình bày kết quả bước đầu áp dụng phương pháp chỉ thị sinh

học rêu để nghiên cứu ô nhiễm các nguyên tố hóa học trong không khí của Hà Nội Hàm lượng của 22 nguyên tố hóa học bao gồm Mg, Al, Si, P, S, Cl, K, Ca, Ti, Cr,

Mn, Fe, Ni, Cu, Zn, As, Br, Rb, Sr, Zr, Ba và Pb trong các mẫu rêu Barbula Indica được thu thập tại 12 địa điểm khác nhau đã được phân tích bằng phương pháp PIXE (Proton Induced X-ray Emission) tại Nhật Bản Phương pháp phân tích thống

kê đa biến đã được áp dụng để tìm ra những nguồn ô nhiễm khả dĩ của các nguyên

tố Kết quả nghiên cứu cho thấy, phương pháp chỉ thị sinh học rêu để quan trắc chất lượng không khí là phương pháp rẻ tiền và phù hợp với Việt Nam

Từ khóa: Ô nhiễm không khí; Các nguyên tố hóa học; Chỉ thị sinh học; Phân tích PIXE

1 MỞ ĐẦU

Hiện nay, cùng với nhịp độ phát triển nhanh của kinh tế, môi trường không khí tại Hà Nội đang bị ô nhiễm nghiêm trọng bởi nhiều nguyên nhân khác nhau Việc theo dõi chất lượng không khí tại Hà Nội đang là nhu cầu cấp thiết, cần được tiến hành thường xuyên và liên tục Theo dõi chất lượng không khí bằng trạm quan trắc tự động là phương pháp trực tiếp nhất Ưu điểm của phương pháp này là có thể theo dõi thường xuyên chất lượng không khí ở chế độ thời gian thực Tuy nhiên, phương pháp này có một số nhược điểm:

- Giá của các trạm quan trắc rất đắt và cần một lượng kinh phí khá lớn để duy trì hoạt động của trạm;

- Cần có những cán bộ kỹ thuật am hiểu để bảo trì và hiệu chuẩn lại,…

- Chỉ lắp đặt được ở những nơi có nguồn điện;

- Chủ yếu quan trắc ô nhiễm các khí độc như SOx, NOx, COx, )

Những lý do kể trên làm cho việc triển khai phương pháp này còn ở mức khiêm tốn và khó triển khai trên diện rộng

Để theo dõi mức độ ô nhiễm các nguyên tố hóa học trong không khí, có thể dùng các máy bơm hút khí vào các phin lọc Hàm lượng của các nguyên tố hóa học trong phin lọc sau hút khí được xác định bằng các phương pháp phân tích Phương pháp này cũng có những nhược điểm: không thể quan trắc trên một khu vực rộng tại cùng một thời điểm do không thể đặt các máy bơm ở nhiều điểm Hơn nữa, thời gian hút mẫu cũng không thể kéo dài nên các kết quả phân tích có được chỉ phản ánh mức độ ô nhiễm trong một khoảng thời gian ngắn tại khu vực hút khí

Nghiên cứu ô nhiễm không khí dùng các loại chỉ thị sinh học có thể bổ sung cho 2 phương pháp trên đã và đang được áp dụng ở nhiều nước trên thế giới và bước đầu đã được triển khai ở Việt Nam [15] Kết quả nghiên cứu cho thấy, hàm lượng của các nguyên tố hóa học trong rêu phản ánh hàm lượng của chúng trong không khí Cây rêu được chọn làm chỉ thị ô nhiễm không khí vì những lý do sau:

- Rêu là thực vật bậc thấp, không có biểu bì và bộ rễ rêu là rễ giả nên chất dinh dưỡng cho sự phát triển của nó chủ yếu được hấp thụ từ không khí;

- Hệ số hấp thụ kim loại nặng của rêu rất lớn do nó không có biểu bì và diện tích bề

mặt tính cho một đơn vị khối lượng là rất lớn so với các loại thực vật khác;

- Rêu hiện diện ở khắp nơi nên việc lấy mẫu rất dễ Việc bảo quản và phân tích các

mẫu rêu cũng đơn giản;

- Khả năng chịu được ô nhiễm của cây rêu là rất cao Do vậy, rêu có thể phát triển ngay

cả ở những khu vực có môi trường bị ô nhiễm nặng

Trong báo cáo này, chúng tôi sẽ trình bày một số kết quả ban đầu về ứng dụng chỉ thị

sinh học rêu kết hợp với kỹ thuật phân tích hạt nhân để nghiên cứu ô nhiễm các nguyên tố

hóa học trong không khí tại Hà Nội

2 PHƯƠNG PHÁP THỰC NGHIỆM 2.1 Khu vực nghiên cứu và lấy mẫu rêu

Loại rêu dùng trong nghiên cứu cuả chúng tôi thuộc loại Barbula Indica Đây là loại

rêu mọc phổ biến ở nước ta Các mẫu rêu đã được thu thập tại 12 vị trí khác nhau trên địa

bàn Hà Nội trong tháng 7 năm 2018 Vị trí lấy các mẫu rêu được đánh dấu trên hình 1 và

tọa độ của các điểm lấy mẫu được liệt kê trong bảng 1

Bảng 1 Vị trí lấy mẫu rêu và tọa độ của các điểm lấy mẫu

HN01 Thường Tín 20,8717 105,8636 HN07 Thị trấn

Phùng

21,0884 105,6452

Long

21,1752 105,7312 HN08 Bát Tràng 20,9806 105,9135 HN03 Hòa Lạc 21,0129 105,5263 HN09 Chương Mỹ 20,8565 105,5918

Giám

21,0274 105,8353 HN05 Đức Giang 21,0637 105,9079 HN11 TX Sơn Tây 21,0905 105,5039

Việc lấy mẫu được tuân thủ theo quy trình chuẩn do “Chương trình hợp tác quốc tế về

ảnh hưởng của ô nhiễm không khí đến thảm thực vật tự nhiên và cây trồng” (ICP

Vegetation) quy định [6]

Hình 1 Các vị trí lấy rêu tại Hà Nội Hình 2 Một phổ PIXE điển hình của mẫu rêu

2.2 Phân tích hàm lượng dùng chùm proton từ máy gia tốc (phương pháp PIXE)

Hàm lượng của 22 nguyên tố hóa học bao gồm Mg, Al, Si, P, S, Cl, K, Ca, Ti, Cr, Mn,

Fe, Ni, Cu, Zn, As, Br, Rb, Sr, Zr, Ba và Pb được phân tích bằng phương pháp PIXE

(Proton Induced X-ray Emission) Phương pháp PIXE sử dụng chùm proton năng lượng

thấp để làm bật electron của lớp vỏ nguyên tử phía trong Electron ở các lớp ngoài sẽ nhảy vào chiếm chỗ Năng lượng chuyển dời được phát ra dưới dạng tia-X Các tia-X phát ra là đặc trưng cho từng nguyên tố Ghi nhận phổ tia-X phát ra sẽ xác định được nguyên tố có trong mẫu và cường độ của đỉnh tia-X đặc trưng trong phổ năng lượng cho phép xác định hàm lượng của nguyên tố Phân tích PIXE là phương pháp phân tích đa nguyên tố và không phá hủy mẫu nên được áp dụng để phân tích nhiều loại mẫu trong đó có các mẫu môi trường

Chúng tôi đã sử dụng chùm proton được gia tốc trên máy gia tốc Cyclotron của Đại học Iwate, Nhật Bản Việc chuẩn bị mẫu để phân tích được thực hiện theo các quy trình chuẩn

đã và đang được các nhóm nghiên cứu tại Nhật Bản áp dụng [7] Đầu tiên, các mẫu rêu được rửa bằng nước cất hai lần và sấy khô ở 105oC trong bốn giờ Sau khi sấy, rêu được nghiền bằng cối mã não thành bột mịn Dung dịch của nguyên tố Indium hàm lượng 1000 ppm được đưa thêm vào mẫu để dùng làm chuẩn nội Khoảng 30 mg mẫu được dùng để chế tạo mẫu phân tích theo kỹ thuật tro hóa bằng phương pháp hóa học Khoảng vài µg bột rêu được quết lên đế prolene dày 4 µm bằng dung dịch kết dính collodion pha loãng Riêng với hai nguyên tố halozen Cl và Br, hàm lượng của chúng có thể bị suy giảm trong quá trình tro hóa nên chúng tôi đã sử dụng các mẫu không tro hóa để phân tích hàm lượng của hai nguyên tố này

Hệ phân tích PIXE mà chúng tôi sử dụng để phân tích các mẫu rêu đã được mô tả chi tiết trong tài liệu tham khảo [8] Chùm proton kích thích mẫu được gia tốc từ máy gia tốc cyclotron có năng lượng 2,95 MeV với cường độ dòng là 100 nA Để đo tia-X phát ra trong các chuyển dời nguyên tử, chúng tôi sử dụng đồng thời hai detector Si(Li) Hai loại phin lọc khác nhau được dùng để đặt trước các detector nhằm tăng độ nhạy của phép phân tích Phin lọc thứ nhất được làm từ vật liệu Mylar với độ dày 500 µm Phin lọc thứ hai được thiết kế đặc biệt chỉ được dùng để phân tích các mẫu có nhiều nguyên tố sắt Lý do

sử dụng phin lọc đặc biệt này là do nếu trong mẫu có chứa nhiều nguyên tố sắt thì cường

độ của đỉnh Kα của sắt sẽ rất mạnh Điều này làm xuất hiện các đỉnh trùng phùng tổng trong phổ tia-X và do đó làm giảm độ nhạy và độ chính xác khi phân tích các nguyên tố khác, đặc biệt là hai nguyên tố Hg và Pb mà chúng tôi rất quan tâm Thời gian chiếu và ghi nhận mỗi phổ tia-X khoảng 5 phút Phần mềm SAPIX được dùng để phân tích các phổ PIXE [9] Hàm lượng của hầu hết các nguyên tố đều được tính từ diện tích của các đỉnh

Kα Riêng với hai nguyên tố Hg và Pb, diện tích đỉnh Lα được dùng để tính hàm lượng Diện tích của các đỉnh chập được tách bằng phương pháp giải chập toán học [9] Một phổ PIXE điển hình của mẫu rêu mà chúng tôi đã đo được đưa ra trong hình 2

2.3 Phân tích số liệu

Các phương pháp phân tích thống kê đã được áp dụng để phân tích bộ số liệu thu được Các phương pháp này bao gồm: phân tích thống kê mô tả trong đó các tham số chính được xác định bao gồm: trung bình, độ lệch chuẩn, các giá trị nhỏ nhất và lớn nhất, hệ số biến thiên, các hệ số skewness và kurtosis Ngoài ra, để kiểm tra tính chuẩn của phân bố hàm lượng của các nguyên tố, chúng tôi cũng sử dụng phương pháp kiểm tra thống kê Shapiro-Wilk Hệ số biến thiên CV được tính bằng công thức:

Để sơ bộ đánh giá mức độ ô nhiễm của các nguyên tố trong không khí tại Hà Nội, chúng tôi đã tính hệ số ô nhiễm CF cho từng nguyên tố theo công thức [10, 11]:

Trong đó, các đại lượng Ci và BGi tương ứng là hàm lượng trung bình và hàm lượng

nền của nguyên tố i trong vùng khảo sát Nguồn ô nhiễm khả dĩ của các nguyên tố khác

nhau trong không khí ở Hà Nội được đoán nhận nhờ áp dụng phương pháp phân tích thống

kê đa biến, cụ thể là phương pháp thành phần chính (PCA)

3 KẾT QUẢ VÀ THẢO LUẬN

Bảng 2 đưa ra kết quả phân tích thống kê mô tả hàm lượng của 22 nguyên tố hóa học

(Mg, Al, Si, P, S, Cl, K, Ca, Ti, Cr, Mn, Fe, Ni, Cu, Zn, As, Br, Zr, Rb, Sr, Ba và Pb) phân

tích bằng phương pháp PIXE trong 12 mẫu rêu đã thu thập Hàm lượng của các nguyên tố

được tính bằng đơn vị (mg/kg) Các đại lượng liên quan đến phân tích thống kê mô tả

được đưa ra trong bảng 2 bao gồm: trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn

nhất, hệ số biến thiên, các tham số skewness và kurtosis Silic, Ca, K, Al, Fe và Mg là các

nguyên tố có trong vỏ trái đất với độ phổ biến cao nhất Điều này cho thấy mật độ bụi đất

trong không khí của Hà Nội rất cao và là một trong những nguồn ô nhiễm đáng kể trong

không khí ở Hà Nội Hàm lượng của các nguyên tố Al, Si, P, S, Cl, Ti, Cr, Fe, Ni, Rb và

Sr trong các mẫu rêu được xem là tuân theo phân bố chuẩn vì hệ số skewness nằm trong

khoảng từ -0,8 đến 0,8 và Kurtosis nằm trong khoảng từ -3,0 đến 3,0 trong khi hàm lượng

của Mg, K, Ca, Mn, Cu, Zn, As, Br, Zr, Ba và Pb không tuân theo phân bố chuẩn Kết luận

này cũng đã được chúng tôi kiểm tra lại bằng phương pháp Shapiro-Wilk Việc hàm lượng

của một nguyên tố nào đó trong các mẫu rêu tuân theo phân bố chuẩn có thể là do nó được

phát thải từ cùng một nguồn ô nhiễm Các nguyên tố Si, Ni, Zn, As, Br, Rb, Sr và Pb có hệ

số biến thiên hàm lượng khá cao (>75%) cho thấy nguồn phát thải các nguyên tố này vào

không khí là rất phức tạp

Bảng 2 Bảng thống kê mô tả hàm lượng các nguyên tố hóa học trong các mẫu rêu

Nguyên tố Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất CV (%) Skewness Kurtosis

Kết quả tính hệ số ô nhiễm CF dùng công thức (2) cho từng nguyên tố được liệt kê

trong bảng 3 Rất tiếc do không có số liệu về hàm lượng nền của các nguyên tố trong

không khí ở Hà Nội nên chúng tôi đã ước lượng đại lượng BGi bằng cách lấy trung bình của 3 giá trị hàm lượng nhỏ nhất của nguyên tố tương ứng có trong các mẫu đã khảo sát Giá trị của CF được dùng để phân loại mức độ ô nhiễm theo các như sau:

- CF≤1: Không ô nhiễm (C1);

- 1 <CF≤2: Có dấu hiệu ô nhiễm (C2);

- 2 <CF ≤3,5: Bắt đầu bị ô nhiễm (C3);

- 3,5<CF≤8: Tương đối bị ô nhiễm (C4);

- 8<CF≤27: Ô nhiễm nghiêm trọng (C5);

- CF>27: Vô cùng ô nhiễm

Kết quả liệt kê trong bảng 3 cho thấy mức độ ô nhiễm Zr (CF=35,01) trong không khí

Hà Nội là cực kỳ nghiêm trọng và ô nhiễm Ni (CF=12,63) trong không khí của Hà Nội cũng ở mức rất cao

Bảng 3 Hệ số ô nhiễm (CF) của các nguyên tố trong không khí ở Hà Nội

Để tìm ra nguồn ô nhiễm khả dĩ của các nguyên tố khác nhau trong không khí ở Hà Nội, chúng tôi đã áp dụng phương pháp phân tích nhân tố bằng phương pháp thành phần chính (PCA) dùng phần mềm SPSS Chỉ 11 nguyên tố kim loại nặng quan tâm được đưa vào phân tích PCA Sau khi áp dụng phép quay Varimax và chỉ chọn các nhân tố có trị riêng lớn hơn 0,9, chúng tôi lọc được 5 thành phần chính cho phép giải thích được hơn 94% biến thiên của bộ số liệu thực nghiệm Kết quả phân tích PCA được liệt kê trong bảng

4 và được giải thích ở phần tiếp theo

Bảng 4 Kết quả phân tích bằng phương pháp thành phần chính

Br 0,985 0,127 -0,049 -0,026 0,053

Sr 0,790 0,399 0,302 0,216 0,146

Zr 0,951 0,023 -0,022 -0,075 -0,052

Thành phần chính thứ nhất (PC1) đóng vai trò quan trọng nhất Thành phần này giải thích được 31,496% biến thiên tổng của bộ số liệu trong đó Br, Sr và Zr là những nguyên

tố đóng góp chính với các hệ số tải nhân tố tương ứng là 0,985, 0,790 và 0,951 Các điểm

lấy mẫu đóng góp nhiều nhất cho PC1 nằm ở huyện Đông Anh, nơi có khu công nghiệp

lớn Thăng Long Vì vậy, có thể xem nguồn gốc của PC1 có liên quan đến các ngành sản

xuất công nghiệp khác nhau

Thành phần chính thứ hai (PC2) giải thích được 25,921% biến thiên tổng của bộ số

liệu Hai nguyên tố As và Pb đóng góp chính vào PC2 với các hệ số tải nhân tố tương ứng

là 0,952 và 0,953 Việc đốt các nhiên liệu hóa thạch (than) có thể là nguồn phát As và Pb

bởi vì các điểm lấy mẫu có đóng góp lớn nhất vào PC2 nằm ngay trong làng cổ Bát Tràng,

nơi chuyên sản xuất đồ gốm Các nghệ nhân tại làng nghề Bát Tràng sử dụng than làm

nhiên liệu chính để nung đất Hàm lượng của As (79,2 µg/kg) và Pb (1047,41 µg/kg) tại

điểm lấy mẫu này là cao nhất so với tất cả các điểm lấy mẫu còn lại Ngoài ra, As cũng có

thể có nguồn gốc từ việc sử dụng thuốc bảo vệ thực vật [12] Xung quanh khu vực Bát

Tràng có rất nhiều ruộng rau và hoa quả được người dân địa phương trồng và thuốc bảo vệ

thực vật thường xuyên được dùng

Thành phần chính thứ ba (PC3) giải thích được 17,422% biến thiên tổng của bộ số liệu

trong đó Ti và Fe là những nguyên tố đóng góp chính với các hệ số tải nhân tố tương ứng

là 0,965 và 0,908 Titan và Fe có nguồn gốc cả tự nhiên lẫn nhân tạo Sắt và Ti có mặt

trong nhiều loại khoáng khác nhau Độ phổ biến của các nguyên tố Fe và Ti trong vỏ trái

đất đứng thứ tư và thứ chín Mặt khác, các nguyên tố này cũng được sử dụng trong nhiều

ngành sản xuất công nghiệp Chẳng hạn như Ti thường được dùng làm chất màu trong

công nghiệp nhuộm, làm phụ gia trong các phản ứng hóa học [13] Bụi Fe thường được

phát ra do hoạt động của các ngành công nghiệp liên quan đến sắt thép, trong quá trình đốt

than hoặc thậm chí được thải từ các phương tiện giao thông [14]

Thành phần chính thứ tư (PC4) giải thích được 10,666% biến thiên tổng của bộ số liệu

trong đó, Zn và Ba là những nguyên tố đóng góp chính với các hệ số tải nhân tố tương ứng

là 0,816 và 0,970 Sự hiện diện của các nguyên tố này chủ yếu liên quan đến hoạt động

của con người Kẽm là nguyên tố được thải ra rất nhiều do quá trình ăn mòn lốp xe cơ

giới Hơn nữa, Zn cũng là phụ gia chính của dầu bôi trơn dùng trong các loại động cơ xe

[14, 15] Nguyên tố Ba thường được dùng nhiều để sản xuất kính, sản phẩm gốm, pháo

hoa,… Ngoài ra, Ba cũng được dùng nhiều trong ngành công nghiệp ô tô, chẳng hạn như

để sản xuất lốp cao xu, dầu bôi trơn động cơ và tổng hợp nhiên liệu cho ô tô, xe máy,

[16] Các điểm lấy mẫu đóng góp nhiều nhất vào PC4 nằm trong nội thành Hà Nội, nơi có

mật độ ô tô và xe máy cao nhất Tại những điểm lấy mẫu này, hàm lượng của các nguyên

tố Zn (1576,38 µg/kg) và Ba (4930,06 µg/kg) cũng là cao nhất Vì vậy, có thể xem giao

thông là nguồn gốc chính thải ra các nguyên tố có trong thành phần chính PC4

Thành phần chính thứ năm (PC5) giải thích được 8,776% biến thiên tổng của bộ số

liệu Các nguyên tố Ni và Cu đóng góp chính vào thành phần này với các hệ số tải nhân tố

tương ứng là 0,867 và 0,801 Hàm lượng của Ni biến thiên trong khoảng một khoảng rất

rộng, từ 0,12 µg/kg đến 8,79 µg/kg với trung bình là 4,42 µg/kg Niken có thể được thải ra

trong quá trình đốt than và luyện kim [16] Nguồn thải của Cu có thể là từ công nghiệp

luyện kim, từ việc đốt than Bụi đất từ đường giao thông cũng là một nguồn phát khả dĩ

của nguyên tố Cu vào không khí [14] Các điểm lấy mẫu có đóng góp nhiều nhất vào PC5

nằm sát ngay quốc lộ 1 Mật độ xe cơ giới trên quốc lộ này rất cao nên ngoài nguồn gốc do

khí thải từ các xe cơ giới, còn do bụi đường Vì vậy, chúng tôi cho rằng PC5 có thể liên

quan đến nhiều đến yếu tố giao thông

4 KẾT LUẬN

Kết quả nghiên cứu ô nhiễm các nguyên tố kim loại nặng trong không khí tại Hà Nội

bằng chỉ thị sinh học rêu barbula Indica đã được trình bày trong báo cáo này Hàm lượng

của 22 nguyên tố hóa học trong các mẫu rêu Barbula Indica thu thập tại 12 điểm lấy mẫu thuộc địa bàn thành phố Hà Nội đã được xác định bằng phương pháp phân tích PIXE tại Trung tâm gia tốc Cyclotron thuộc Đại học Iwate (Nhật Bản) Từ hàm lượng của các nguyên tố, chúng tôi đã xác định được hệ số ô nhiễm cho 22 nguyên tố và đánh giá sơ bộ được mức độ ô nhiễm nguyên tố đó trong không khí ở Hà Nội Kết quả cho thấy, không khí tại Hà Nội bị ô nhiễm rất nặng bởi Zr và tương đối nghiêm trọng bởi Ni Phân tích nhân tố bằng phương pháp thành phần chính đã được áp dụng cho 11 nguyên tố để xác định các nguồn ô nhiễm khả dĩ Chúng tôi đã xác định được 5 thành phần chính giải thích được hơn 94% biến thiên của bộ số liệu Việc phân tích thành phần chính đã cho phép chúng tôi đoán nhận nguồn gây ô nhiễm của 11 nguyên tố kim loại nặng trong không khí của thành phố Hà Nội

Lời cảm ơn: Nhóm tác giả cảm ơn sự tài trợ về kinh phí của Bộ Khoa học và Công nghệ với đề

tài hợp tác quốc tế theo nghị định thư mã số NĐT.25.RU/17, sự hỗ trợ một phần của Viện Hàn lâm Khoa học và Công nghệ Việt Nam với đề tài mã số NCVCC 05.02/20-20, và của Trung tâm Vật lý Quốc tế, Viện Vật lý với đề tài mã số ICP.2020.11

TÀI LIỆU THAM KHẢO

[1] H.Harmens, G.Mills, F.Hayes, D.A.Norris, K.Sharps, “Twenty eight years of ICP

vegetation: an overview of its activities” Ann Bot 5 (2015), pp 31–43

[2] V.H.Nguyen, M.V.Frontasyeva, T.T.M.Trinh, D.Gilbert, N.Bernard, “Atmospheric

heavy metal deposition in northern Vietnam: Ha Noi and Thainguyen case study using the moss biomonitoring technique” INAA and AAS Environ Sci Pollut Res

17 (2010), pp 1045–1052

[3] T.T.Doan Phan, T.T.M.Trinh, L.H.Khiem, M.V.Frontasyeva, N.H.Quyet, “Study of

air pollution in Central and Southern Vietnam using moss technique and neutron activation analysis” Asia-Pacific Journal of Atmospheric Sciences 55 (2019), pp

247-253

[4] L.H.Khiem, K.Sera, T.Hosokawa, N.H.Quyet, M.V.Frontasyeva, T.T.M.Trinh, N.T.B.My, N.T.Nghia, T.D.Trung, L.D.Nam, K.T.Hong, N.N.Mai, D.V.Thang,

N.A.Son, T.T.Thanh, D.P.T.Tien, “Assessment of atmospheric deposition of metals

in Ha Noi using the moss bio-monitoring technique and proton induced X-ray emission” Journal of Radioanalytical and Nuclear Chemistry 324 (2020), pp 43-54

[5] Le Hong Khiem, Koichiro Sera, Takako Hosokawa, Le Dai Nam, Nguyen Huu Quyet, Marina Frontasyeva, Trinh Thi Thu My, Nguyen Thi Bao My, Inga Zinicovscaia, Nguyen The Nghia, Trinh Dinh Trung, Khuat Thi Hong, Nguyen Ngoc Mai, Duong Van Thang, Nguyen An Son, Tran Thien Thanh, Sonexay Xayheungsy,

“Active moss biomonitoring technique for atmospheric elemental contamination in Hanoi using proton induced X-ray emission” Journal of Radioanalytical and

Nuclear Chemistry 324 (2020), pp 515-525

[6] ICP Vegetation, Monitoring manual “Heavy metals, nitrogen and POPs in

European mosses: 2015 survey” http://icpvegetation.ceh.ac.uk/ publications/

documents/Mossmoni-toring MANUAL-2015-17.07.14.pdf

[7] K.Sera, S.Futatsugawa, “Personal Computer Aided Data Handling and Analysis for

PIXE” Nucl Instr and Meth in Phys Res B 109/110 (1996), pp 99-104

[8] J.Itoh, S.Futatsugawa, Y.Saitoh, F.Ojoma, K.Sera, “Application of a

powdered-internal-standard method to plant and seaweed samples” Int J PIXE 15 (1&2)

(2005), pp 27-39

[9] K.Sera, S.Futatsugawa, “Spectrum Analysis Taking Account of the Tail, Escape

Functions and Sub-lines” (SAPIX version 4) Int J PIXE 10 (3,4) (2000), pp 101-114

[10] L.Hakanson, “An ecological risk index for aquatic pollution control:

sedimentological approach” Water Res 14 (1980) 975-1001

[11] X.Zou, Q.Chen, C.Liu, and Y.Fang, “Using Moss to Assess Airborne Heavy Metal

Pollution in Taizhou, China” Int J Environ Res Public Health 14(4) (2017), pp 430

[12] S.Cucu-Man, R.Mocanu, O.Culicov, E.Steinnes, M.Frontasyeva, “Atmospheric

deposition of metals in Romania studied by biomonitoring using the epiphytic moss

hypnum cupressiforme” Int J Environ Anal Chem 84 (2004), pp 845–854

[13] A.Bok, M.Bożym, “Titanium compounds and their impact on the transformation of

air pollutants” Geol Geophys Environ 41 (2015) 213–222

[14] Å.Rühling, E.Steinnes, “Atmospheric heavy metal deposition in Europe 1995–

1996” Nord 15 (1988), pp 1–67

[15] J.Amela, G.Goran, M.M.Maja, K.Prashant, T.P.Maja, “Identification of diverse air

pollution sources in a complex urban area of Croatia” J Environ Manag 243

(2019), pp 67–77

[16] C.L.Glynis, J.S.James, P.June-Soo, M.S.Martin, T.D.Jeffrey, P.W.Jason, Emissions

of metals associated with motor vehicle roadways Environ Sci Technol 39 (2005)

826–836

[17] E.Ötvös, T.Pazmandi, Z.Tuba, “First national survey of atmospheric heavy metal

deposition in Hungary by the analysis of mosses” Sci Total Environ 309 (2003),

pp.151–160

ABSTRACT

STUDY ON CHEMICAL ELEMENT POLLUTION IN THE AIR

OF HANOI USING THE MOSS BIOMONITORING AND ANALYSIS

BY PROTON BEAM FROM ACCELERATOR

In this report, the initial results of application of the moss bio-monitoring

technique to study air pollution of chemical elements in Hanoi are presented The

concentrations of 22 chemical elements including Mg, Al, Si, P, S, Cl, K, Ca, Ti, Cr,

Mn, Fe, Ni, Cu, Zn, As, Br, Rb, Sr, Zr, Ba and Pb in Barbula Indica moss samples

collected at 12 different locations were analyzed by PIXE (Proton Induced X-ray

Emission) in Japan Multivariate statistical analysis was applied to find possible

sources of pollutions of the chemical elements The results show that the moss bio

monitoring technique for investigation of air quality is an inexpensive method suitable

for Vietnam

Keywords: Air pollution; Moss biomonitoring; PIXE

Nhận bài ngày 08 tháng 5 năm 2020 Hoàn thiện ngày 05 tháng 10 năm 2020 Chấp nhận đăng ngày 05 tháng 10 năm 2020 Địa chỉ: 1 Viện Vật lý, Viện Hàn lâm Khoa học và Công nghệ Việt Nam;

2 Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam;

3 Viện Khoa học Kỹ thuật Hạt nhân, Viện Năng lượng Nguyên tử Việt Nam;

4 Khoa Vật lý và Kỹ thuật Hạt nhân, Đại học Đà Lạt

*Email: lhkhiem@iop.vast.ac.vn