珠江三角洲大气环境VOCs的时空分布特征

在珠江三角洲地区的 8个大气功能区观测点、5个主导风向加强观测点和 3个不同高度监测点进行了为期 1年以上的观测 ,采用美国环保局TO15方法定性并定量分析了 5 5种臭氧前体物 (NMHCs)和 6 2种有毒挥发性有机化合物 (ToxicVOCs) ,系统研究了该地区大气VOC的组成特征及其时空分布规律 .结果发现 ,各大气功能区VOC的浓度水平和组成特征差别明显 ,珠江三角洲大气VOCs呈现区域性污染特征 ;广州市区始终具有最高的VOC浓度水平 ,夏季、冬季其下风向地区的VOC浓度呈现出明显的空间变化规律 ;夏季的NMHC及单环芳香烃的浓度均为全年最高 ,VOC各组分表现出并不相同的日变化和季节变化特征 ;城市近地面VOC主要受机动车排放的影响 ,而越往高空 ,一次污染物去除与二次污染物的影响显得突出和显著     

深圳市夏季臭氧污染研究

以2009年8月为例分析了深圳市夏季臭氧污染情况及污染气象特征,基于二维空气质量模式对臭氧污染控制进行数值模拟. 结果表明:深圳市８月各监测点均存在臭氧超标现象,污染形势严峻;副热带高压控制和热带气旋外围下沉气流是造成夏季出现高浓度臭氧的主要天气过程,此时大气边界层混合层高度在500～800 m,且近地面风速约在5 ms以内,不利于污染物扩散;臭氧的生成受前体物挥发性有机物(VOC)和氮氧化物(NO_x)排放的共同影响,其中VOC排放的影响较大,深圳市臭氧控制应以降低VOC排放量为重点,模拟得出对VOC和NO_x按25∶1～40∶1的比例协同减排可有效降低臭氧污染.      

南京地区光化学污染特征及其变化趋势研究

以高浓度臭氧为主要特征的光化学污染是城市地区主要的大气污染问题之一。利用WRF-CALGRID空气质量模式系统模拟南京地区的光化学污染特征,结果显示前体物的浓度分布与污染物排放的情况较吻合,臭氧的高值区主要分布在城市的下风方向、源区浓度较低,白天臭氧的浓度普遍大于日平均浓度。利用WRF-CALGRID模拟减少35%前体物排放后臭氧浓度的变化,结果显示前体物浓度减小幅度与35%相差不大,减少NOx时臭氧增加、减少VOC时臭氧减少,说明南京城市区域多为VOC控制区;进一步通过光化产物指示因子分析,结果显示南京地区的指示因子数值小于敏感性过渡值,控制臭氧浓度要控制VOC的排放。利用WRF-CALGRID模拟未来气温增加条件下臭氧的变化,结果显示南京大部分地区浓度将增高1×10-9以上。城市光化学污染问题不容忽视。     

应用OBM模型研究广州臭氧的生成过程

应用基于观测的模型(OBM)研究了广州及其周边地区2000年夏、秋季臭氧生成过程的相对敏感性.在分析2000年7,11月广州市环境保护研究所及其下风向的花都和新垦地区臭氧及其前体物浓度变化和相互关系基础上,应用OBM模型对上述地点的光化学反应过程进行了初步的模拟分析,以讨论这一地区的光化学反应类型.研究表明:7月广州市环境保护研究所RIR(AHC)>RIR(NO),臭氧生成处于VOC控制,下风向的花都RIR(NO)>RIR(AHC),臭氧生成处于NO_x控制;11月广州市环境保护研究所RIR(AHC)>RIR(NO),臭氧生成处于VOC控制,下风向的新垦RIR(NO)>RIR(AHC),臭氧生成处于NO_x控制.该模拟结果与该地区的相关空气质量模型研究结果具有可比性.      

植物源挥发性有机化合物排放清单的研究进展

根据近期国内外相关文献,从植物VOC排放清单的角度,对不同空间尺度下植物VOC排放模型的建立与排放清单量值的估算进行了归纳,其中,中国植被VOC年排放总量的估算值(以C计)在12.4~28.4 Tg·a-1之间,2000年北京市园林绿地植物VOC年总排放量约为3.85万t.另外,以北京城市为例,为确定城市大气污染物的总体减排对策,还进一步对园林植物VOC排放清单量值对大气中O3与SOA形成的贡献进行了介绍,在同一时期内,相比园林植物,人为源排放的活性芳香烃类化合物和烯烃类对大气中O3的产生贡献最大,人为源排放的芳香烃还是北京SOA生成潜势的主要贡献源.最后建议重点控制城市人为源的VOC排放,这将对降低北京城市臭氧与二次有机气溶胶污染起到关键作用.     

成渝地区臭氧污染特征分析

利用2013-2015年大气质量监测数据,分析了成渝地区臭氧污染年变化、季节变化和日变化特征。结果发现,成渝地区臭氧污染已成为全国除了京津冀、长三角、珠三角地区外的另一个高发区域,特别是成都地区,臭氧污染加剧。成渝地区臭氧浓度在12:00-19:00出现高值,常年臭氧浓度夏季春季秋季冬季。臭氧的产生主要来源于汽车尾气和工业废气中NO_x和VOC光学反应产生的二次污染物。成渝地区的高热、静风天气有利于臭氧的形成。     

西安市加油站挥发性有机物排放及其影响的数值模拟研究

目前,挥发性有机物（VOC）对臭氧等大气污染的贡献持续受到关注,各地陆续出台包括限制加油站排放在内的VOC管控举措.西安市作为汾渭平原特大城市,机动车保有量大、加油需求量大,加油站排放的VOC污染不容忽视.为更科学地了解加油站VOC排放对臭氧、二次有机气溶胶的影响,为加油站管控和治理方案提供科学依据,本文在调研的基础上结合稀疏矩阵排放模型SMOKE构建了网格化的西安市加油站VOC排放源,并采用空气质量模式WRF-CAMx敏感性数值模拟试验研究了加油站VOC排放对夏季臭氧、二次有机气溶胶浓度的影响.结果表明：（1）考虑加油站VOC排放后,敏感性控制试验所模拟的2018年7月臭氧（O₃）、二次有机气溶胶（SOA）浓度略高于无加油站VOC排放的基准情景试验模拟结果;（2）与基准情景试验类似,考虑加油站VOC排放控制试验模拟的2018年7月O₃浓度日变化呈单峰型分布特征;二次有机气溶胶（SOA）浓度的日变化特征为上午浓度较高且出现浓度峰值,而下午浓度水平整体降低,在晚上浓度又逐渐攀升;（3）敏感性数值试验结果表明,仅考虑西安市加油站排放VOC对空气质...     

我国臭氧污染特征及现状分析

臭氧是一种主要的二次大气污染物,随着工业化和城市化的迅速发展,臭氧已经成为主要的大气污染物之一。简要论述了臭氧的成因、特征及我国臭氧污染现状,并对今后臭氧污染的防治工作提出建议。     

珠江三角洲大气面源排放清单及空间分布特征

估算了珠江三角洲地区2006年大气面源污染物的排放清单,并利用2006年珠江三角洲人口分布栅格数据作为代用空间分配权重因子,建立了该地区大气面源3km′3km的SO2、NOx、PM10和VOC网格化排放清单.结果表明,2006年珠江三角洲大气面源排放的SO2为1.12′105 t, NOx为5.25′104 t, PM10为1.6′105 t, VOC为3.14′105 t.SO2、NOx和PM10排放量较大的区域集中在广州市区、佛山、东莞和中山,而VOC排放量较大的区域位于广州市区、东莞和深圳.     

不同人为源排放对珠江三角洲地区O3生成贡献的数值模拟

利用改进的二维欧拉空气质量模式对珠江三角洲地区不同类型人为源排放对该区域臭氧生成的贡献进行了模拟研究.结果表明,珠江三角洲区域臭氧生成受VOCs排放控制,流动源排放VOC最多,对臭氧生成的贡献也最大,分别占臭氧最大小时浓度和平均小时浓度的44%和67%;其次是溶剂和油漆挥发的贡献.点源和面源排放VOC较少,但排放NOx量大,二者对臭氧生成影响是负的.控制所有类型人为源排放,珠江三角洲区域臭氧日均浓度和最大浓度将分别减少78%和90%.模拟结果还显示,受气象场和光化学反应共同影响,珠江三角洲南部区域是臭氧浓度高值区.     

Inter-comparisons of VOC oxidation mechanisms based on box model: A focus on OH reactivity

Volatile organic compounds (VOCs) oxidation processes play a very important role in atmospheric chemistry, and the chemical reactions are expressed in various manners in chemical mechanisms. To gain an improved understanding of VOCs evolution during oxidation processes and evaluate the discrepancies of VOCs oxidation schemes among different mechanisms, we used the total VOC reactivity as a diagnostic and evaluated tool to explore the differences for six widely used chemical mechanisms. We compared the total VOC reactivity evolution under high-NO_x conditions for several sets of precursors, including n-pentane, toluene, ethene, isoprene and a mixture of 57 Photochemical Assessment Monitoring Stations (PAMS) species in a 0-D photochemical box model. Inter-comparison of total VOC reactivity of individual precursor simulations showed discrepancies to different extent of the oxidation schemes among the studied mechanisms, which are mainly attributed to the different lumping approaches for organic species. The PAMS simulation showed smaller discrepancy than individual precursor cases in terms of total VOC reactivity. SAPRC07 and RACM2 performances are found to better match the MCM for simulation of total VOC reactivity. Evidences suggest that the performance in simulating secondary organic products, OH concentrations and NO_x concentrations are related to the OH reactivity discrepancies among various chemical mechanisms. Information in this study can be used in selection of chemical mechanisms to better model OH reactivity in different environments. The results in this study also provide directions to further improve the ability in modelling total VOC reactivity with the chemical mechanisms.     

杭州市道路空气中挥发性有机物及其大气化学反应活性研究

研究了夏季杭州市主要类型道路（隧道、快速道路、主干道和支路）空气中挥发性有机物的污染特征,以及2010年11月—2011年7月间快速道路空气中VOC的季节变化规律.分析结果表明,杭州市道路空气中VOC浓度显著大于风景区内VOC浓度,隧道浓度最高（828.4μg·m-3）,其它道路空气中VOC浓度随着车流量减少而降低.源解析结果发现道路空气中VOC的主要贡献者为机动车排放,但同时也受到溶剂挥发、煤或生物质燃烧的影响,风景区内VOC则受煤或生物质燃料燃烧的影响更大.快速道路空气中VOC浓度和反应活性由机动车排放、植物排放和气象条件共同决定,呈现夏〉秋〉冬〉春的季节变化特征.机动车排放的烯烃和芳香烃是道路空气中主导的活性VOC物种,说明机动车排放是杭州市大气反应活性的最大贡献者.此外,在夏、秋季节,植被排放的异戊二烯显著的增强了道路空气中VOC的反应活性.     

Observation and analysis of atmospheric volatile organic compounds in a typical petrochemical area in Yangtze River Delta, China

Volatile organic compounds (VOCs) are a kind of important precursors for ozone photochemical formation. In this study, VOCs were measured from November 5th, 2013 to January 6th, 2014 at the Second Jinshan Industrial Area, Shanghai, China. The results showed that the measured VOCs were dominated by alkanes (41.8%), followed by aromatics (20.1%), alkenes (17.9%), and halo-hydrocarbons (12.5%). The daily trend of the VOC concentration showed a bimodal feature due to the rush-hour traffic in the morning and at nightfall. Based on the VOC concentration, a receptor model of Positive Matrix Factorization (PMF) coupled with the information related to VOC sources was applied to identify the major VOC emissions. The result showed five major VOC sources: solvent use and industrial processes were responsible for about 30% of the ambient VOCs, followed by rubber chemical industrial emissions (23%), refinery and petrochemical industrial emissions (21%), fuel evaporations (13%) and vehicular emissions (13%). The contribution of generalized industrial emissions was about 74% and significantly higher than that made by vehicle exhaust. Using a propylene-equivalent method, alkenes displayed the highest concentration, followed by aromatics and alkanes. Based on a maximum incremental reactivity (MIR) method, the average hourly ozone formation potential (OFP) of VOCs is 220.49?ppbv. The most significant source for ozone chemical formation was identified to be rubber chemical industrial emissions, following one by vehicular emission. The data shown herein may provide useful information to develop effective VOC pollution control strategies in industrialized area.     

Characteristics of ozone and ozone precursors (VOCs and NOx) around a petroleum refinery in Beijing, China

A field measurement campaign for ozone and ozone precursors(VOCs and NOx) was conducted in summer 2011 around a petroleum refinery in the Beijing rural region. Three observation sites were arranged, one at southwest of the refinery as the background, and two at northeast of the refinery as the downwind receptors. Monitoring data revealed the presence of serious surface O3 pollution with the characteristics of high average daily mean and maximum concentrations(64.0 and 145.4 ppbV in no-rain days, respectively) and multi-peak diurnal variation. For NOx, the average hourly concentrations of NO2 and NO were in the range of 20.5–46.1 and 1.8–6.4 ppbV, respectively. For VOC measurement, a total of 51 compounds were detected. Normally, TVOCs at the background site was only dozens of ppbC, while TVOCs at the downwind sites reached several hundreds of ppbC. By subtracting the VOC concentrations at background, chemical profiles of VOC emission from the refinery were obtained, mainly including alkanes(60.0% ± 4.3%), alkenes(21.1% ± 5.5%) and aromatics(18.9% ± 3.9%). Moreover, some differences in chemical profiles for the same measurement hours were observed between the downwind sites; the volume ratios of alkanes with low reactivity and those of alkenes with high reactivity respectively showed an increasing trend and a decreasing trend. Finally, based on temporal and spatial variations of VOC mixing ratios, their photochemical degradations and dispersion degradations were estimated to be 0.15–0.27 and 0.42–0.62, respectively, by the photochemical age calculation method, indicating stronger photochemical reactions around the refinery.     

南京工业区挥发性有机物来源解析及其对臭氧贡献评估

在南京工业区连续测量了2014年5月1日~7月31日和2015年6月1日~7月16日夏季两个高臭氧期的大气中的挥发性有机化合物(VOCs).结合正交矩阵分解(PMF)模型和箱模式(OBM)分析VOCs来源对局部O3生成的贡献.2014年和2015年夏季VOCs浓度平均分别为(36.47±33.44)×10-9和(34.69±34.08)×10-9.PMF模型确定了7种源类别,其中包括汽车尾气、液化石油气(LPG)排放、生物源排放、家具制造业、化工业、化学涂料行业、化学材料工业排放源.在OBM模拟中评估O3与前体物的关系.南京工业区是VOCs控制区,VOCs具有正RIR值,NO的RIR值为负值.烯烃(1.20~1.79)和芳香烃(1.42~1.48)呈现较高的RIR值,控制这两类物种是控制O3浓度最有效的途径.烯烃排放量减少80%时烯烃RIR值达到最高.汽车尾气(1.01~1.11)、液化石油气(0.74~0.82)、生物源排放量(0.34~0.42)和家具制造业(0.32~0.49)是O3形成贡献最大的四大类VOCs来源;减少汽车尾气,生物排放,LPG和家具制造业排放应成为减少局地O3生成最有效策略.     

某典型石油化工园区冬季大气中VOCs污染特征

利用TH-300B挥发性有机物(volatile organic compounds,VOCs)在线监测系统于2014年12月~2015年2月对我国某石油化工园区的VOCs进行连续在线监测.分析了其组成特征、时间变化特征、来源以及光化学活性特征.结果表明,研究区冬季大气中VOCs的混合体积分数较高,烷烃占据主导地位,占TVOCs的86.73%;TVOCs、烷烃、烯烃、芳香烃的昼夜变化特征均表现为夜间高而白天低,且烷烃、烯烃的变化与TVOCs较为一致.利用主成分分析-多元线性回归(PCA-MLR)模型解析得到5个因子,分别表征燃料挥发源、工业排放源、汽油车尾气和植物排放混合源、柴油车尾气排放源和燃料燃烧源,其贡献率分别为60.02%、8.50%、2.07%、12.21%、17.20%.利用Propy-equiv法和MIR法计算得出该研究区冬季大气中各类VOCs对臭氧生成的相对贡献率的大小均表现为烷烃烯烃芳香烃,其中环戊烷、正丁烷和1-戊烯的贡献率较高,气团光化学年龄较长.     

涂料制造行业挥发性有机物排放成分谱及影响

采用不锈钢采样罐对华东地区8家涂料制造企业生产车间排口进行采集,运用气相色谱-质谱联用技术（GC-MS）测定了106种VOCs组分,识别了VOCs排放特征,建立了溶剂型涂料和水性涂料VOCs排放成分谱,分析了VOCs对臭氧生成的贡献.结果表明,涂料制造行业VOCs特征组分主要为芳香烃和含氧烃,两者浓度范围在65.5%~99.9%,溶剂型涂料VOCs排放主要以芳香烃为主,占总VOCs的63.0%~94.0%;水性涂料VOCs排放主要以含氧烃为主,占总VOCs的54.5%~99.9%.间/对-二甲苯（32.4%）、乙苯（19.0%）和乙酸乙酯（12.1%）为溶剂型涂料源排放特征,乙酸乙酯（83.7%）与2-丁酮（8.0%）为水性涂料源排放特征.芳香烃和含氧烃是涂料制造行业的主要活性组分,对臭氧生成潜势（OFP）的总贡献率在92.9%~99.9%之间.源反应活性分析（SR）表明,水性涂料单位质量VOCs对臭氧的生成贡献低于溶剂型涂料,因此可显著降低臭氧的生成潜势.研究显示,针对涂料制造行业VOCs污染治理,应重点关注芳香烃和含氧烃中对臭氧生成潜势贡献较大的VOCs组分,进行源头和精细化控制.     

兰州市典型企业VOCs排放特征及反应活性分析

基于兰州市大气VOCs排放清单,选取石化厂、乙烯厂、涂料厂3个典型企业采集VOCs样品,分析其无组织排放特征,并采用MIR（最大增量反应活性）法和LOH（·OH反应速率）法综合评价其化学反应活性,识别各企业的VOCs活性优势物种,同时探究不同企业特征VOCs比值.结果表明:不同排放源φ（VOCs）差异较大,范围为20.8×10-9~6 520.3×10-9.从VOCs物种构成上来看,涂料厂芳香烃占比最高,而石化厂、乙烯厂均以烷烃物种最为丰富,石化厂不同工艺VOCs物种构成略有差异.从活性上看,涂料厂VOCs活性最高,其LOH和OFP（臭氧生成潜势）分别为2 676.9 s-1和72 519.0×10-9,约为其他行业的18~1 000倍,间/对-二甲苯、乙苯、邻二甲苯等物种活性较大;其次为石化厂,其LOH和OFP分别为273.2 s-1和4 039.1×10-9,正戊烷、异戊烷、乙烯、丙烯等物种活性贡献率高,其中柴油工艺对石化厂VOCs活性贡献率最大;乙烯厂的OFP最低,其LOH和OFP分别为4.6 s-1和69.7×10-9,其VOCs活性主要来自乙烯、丙烯、正丁烯等烯烃物种.各工业源BTEX（苯、甲苯、乙苯及3种二甲苯异构体的合称）分布具有一定的差异,对于指示不同VOCs来源有一定的参考价值,但不同源比值的重叠性也表明并非全部VOCs来源可以通过特征物种比值来区分.研究显示,控制工业源特别是涂料与石化工业VOCs的排放有助于控制兰州市O₃的生成.      

Characterization of odorous charge and photochemical reactivity of VOC emissions from a full-scale food waste treatment plant in China

Food waste treatment plants (FWTPs) are usually associated with odorous nuisance and health risks, which are partially caused by volatile organic compound (VOC) emissions. This study investigated the VOC emissions from a selected full-scale FWTP in China. The feedstock used in this plant was mainly collected from local restaurants. For a year, the FWTP was closely monitored on specific days in each season. Four major indoor treatment units of the plant, including the storage room, sorting/crushing room, hydrothermal hydrolysis unit, and aerobic fermentation unit, were chosen as the monitoring locations. The highest mean concentration of total VOC emissions was observed in the aerobic fermentation unit at 21,748.2–31,283.3 μg/m³, followed by the hydrothermal hydrolysis unit at 10,798.1–23,144.4 μg/m³. The detected VOC families included biogenic compounds (oxygenated compounds, hydrocarbons, terpenes, and organosulfur compounds) and abiogenic compounds (aromatic hydrocarbons and halocarbons). Oxygenated compounds, particularly alcohols, were the most abundant compounds in all samples. With the use of odor index analysis and principal components analysis, the hydrothermal hydrolysis and aerobic fermentation units were clearly distinguished from the pre-treatment units, as characterized by their higher contributions to odorous nuisance. Methanthiol was the dominant odorant in the hydrothermal hydrolysis unit, whereas aldehyde was the dominant odorant in the aerobic fermentation unit. Terpenes, specifically limonene, had the highest level of propylene equivalent concentration during the monitoring periods. This concentration can contribute to the increase in the atmospheric reactivity and ozone formation potential in the surrounding air.     

泡沫塑料鞋制造区VOCs污染特征及臭氧生成潜势

于泡沫塑料鞋制造集中区和周边设置了5个采样点,研究其大气VOCs的污染特征和对臭氧生成的潜在影响.结果显示泡沫塑料制鞋行业大气VOCs组成以烷烃（38.4%）、含氧挥发性有机物（33.5%）和芳香烃（19.5%）为主,80种VOCs浓度为137.1~169.0μg/m³（均值149.1μg/m³）.正戊烷、异戊烷、正丁烷、异丁烷、甲醛、甲苯、间/邻二甲苯、丙酮、丁酮、环己酮、甲基丙烯酸甲酯、乙酸乙酯为泡沫塑料鞋制造行业的特征VOCs.总VOCs、特征VOCs类型（含氧挥发性有机物、芳香烃）和特征VOCs组分（甲苯、邻二甲苯、间二甲苯、丁酮、乙酸乙酯）的浓度空间变化趋势依次为污染区 > 受影响区（下风向） > 对照区（上风向）.同时,采用最大增量反应活性（MIR）方法估算了VOCs的臭氧生成潜势（OFP）,均值为544.6μg/m³,表明泡沫塑料鞋制造导致了周边环境空气VOCs污染且对臭氧生成存在明显潜在影响.