青岛市大气臭氧的生成敏感性及影响因素分析

利用2013年青岛市区的O_3监测数据,系统分析O_3污染状况、生成的敏感性及影响因素。结果表明,2013年青岛市区O_3年评价质量浓度为0.114 mg/m3,日评价质量浓度达标率为99.5%;空间分布显示,商业区和居民区的O_3浓度较工业区高。O_3生成主要受前体物VOCs控制,且高温、低湿、长日照时数等气象条件均有利于O_3的生成。植被排放的VOCs对O_3污染有重要贡献,机动车排放的贡献则不显著,控制其排放反而会引起O_3浓度升高。     

天津市臭氧污染特征与影响因素分析

2013—2015年,天津市臭氧(O_3)浓度整体呈下降趋势,污染状况略低于京津冀区域的其他城市。O_3浓度春、夏季高,冬季低,高值主要集中在5—9月,浓度从早上06:00开始升高,至中午14:00达到峰值。污染主要集中在中心城区、西部和北部地区,东部、南部和西南部地区污染相对较轻。O_3浓度在温度303 K以上、相对湿度70%以下或西南风为主导时较高。VOCs/NOx比值低于8,O_3的生成处于VOCs控制区。芳香烃类和烯烃类对天津市O_3生成贡献最大,其中,乙烯和甲苯为O_3生成潜势贡献最大的物种,其次为间/对二甲苯、丙烯、邻二甲苯、异戊二烯、反-2-丁烯、乙苯等,通过控制汽车尾气、化工行业及溶剂使用等对O_3生成潜势贡献大的VOCs排放源可有效控制天津市O_3污染。     

气象要素及前体物对青岛市臭氧浓度变化的影响

在深入探讨2013—2015年青岛市区O_3污染随时间变化特征的基础上,系统分析了不同气象要素对O_3浓度的影响,并研究了前体物对O_3生成的影响及贡献。结果表明:青岛市区O_3第90百分位日最大8 h滑动平均值和超标率均在2014年达到最高值;O_3浓度在5—10月较高,12月至次年1月浓度最低;O_3日变化呈单峰型变化规律,白天浓度高,夜间浓度低。强太阳辐射、高温、相对湿度60%左右、风速4 m/s左右、偏南风等气象条件下易出现高浓度O_3。O_3的生成主要受前体物VOCs控制,且烯烃对O_3生成的贡献远高于烷烃和芳香烃,控制VOCs尤其是烯烃组分的排放可有效降低青岛市区O_3浓度。     

中原城市群臭氧浓度分布特征及来源

利用2015年臭氧(O_3)自动监测数据和源排放清单,分析了中原城市群O_3浓度的空间、时间分布情况,探讨了中原城市群中城市间O_3的相关性,以及O_3浓度、NOx、VOCs、CO及汽车保有量间的相关性。指出中原城市群是全国更是河南O_3污染的严重地区,O_3浓度年内月度变化呈倒"V"型分布,具有明显的北部城市特征;中原城市群9个城市间除开封外其他8个城市间都呈高度正相关性,相关系数均为0.892~0.991;9个城市机动车保有量及NOx、VOCs和CO等前体物的年排放量与其年均O_3浓度之间存在正相关性。分析认为,NOx、VOCs和CO等前体物的排放是中原城市群O_3浓度偏高的主要影响因素,同时O_3浓度也与日照时间、降雨量、植物源VOCs排放量及相邻城市间污染物的空间输送等因素有着密切的关系。     

中山市臭氧污染来源解析与敏感性分析

利用数值天气预报模式和嵌套网格空气质量预报系统的来源解析模块（WRF NAQPMS/OSAM）对中山市2019年9月1次臭氧（O₃）污染过程进行了模拟分析，并对O₃来源进行了解析。结果表明，WRF-NAQPMS/OSAM模型能较好地模拟出该时段的O₃浓度。此次污染过程区域传输对中山市O₃浓度贡献显著，平均贡献比例为82.9%，本地平均贡献比例为17.1%，对中山市O₃贡献最大的2个来源分别是溶剂源和交通源，平均贡献占比分别为43.0%和42.7%。另外，工业源的贡献也不可忽略，平均贡献占比为11.0%。中山市O₃总体上处于挥发性有机物（VOCs）控制区，结合臭氧生成潜势（OFP）分析和源解析结果，溶剂源、交通源和工业源排放的甲苯、间/对二甲苯、邻二甲苯、1，2，3-三甲苯、正丁烷和异戊烷对O₃形成贡献显著，是中山市O₃污染治理应注意的重要前体物。建议中山市建立以VOCs控制为主导，VOCs和氮氧化物（NO_X）协同控制的长期O₃防控策略。     

苏州工业园区春季一次典型臭氧污染过程分析

基于臭氧(O₃)及前体物监测数据，综合运用正定矩阵因子分解模型(PMF)、O₃生成敏感性(EKMA)曲线、O₃来源解析工具(OSAT)等方法，对苏州工业园区2022年春季一次典型O₃污染过程成因开展研究。结果表明，高温及前体物的累积是导致园区O₃超标的主要成因，个别污染时段O₃及前体物受浙江、上海传输影响；污染期间园区处于典型VOCs控制区，VOCs主要来源为油气储运(35.6%)、区域背景(28.8%)、塑料制品生产(16.0%)、移动源(13.6%)、溶剂使用(6.0%)。为有效削减不利气象条件下O₃峰值浓度，应重点加强本地溶剂使用、油品挥发、有机合成等污染环节VOCs的管控。     

威海市秋季VOCs污染特征及来源解析

为探究威海市秋季挥发性有机物（VOCs）污染特征及来源，于2021年9月10—20日采用手工加密监测法对威海市秋季大气中VOCs进行监测，分析了气象因素对臭氧（O₃）及其前体物的影响和VOCs污染特征，并利用正交矩阵因子模型（PMF）方法对VOCs来源进行了研究。结果表明，威海市温度对O₃生成影响明显，尤其是高温、低湿、扩散较差气象条件下，有利于O₃前体物的反应消耗，促使O₃生成及累积。观测期间，威海市秋季φ（VOCs）平均值为47.84×10^-9，VOCs中体积分数占比最高的为含氧挥发性有机物（OVOCs），占比为58.0%，其次为烷烃（21.6%）、卤代烃（10.2%）。O₃生成潜势（OFP）平均值为393.95μg/m³，对OFP的贡献占比最高的为OVOCs（74.1%），其次为芳香烃（12.6%）、烷烃（7.0%）和烯烃（5.4%）。PMF源解析结果显示，机动车尾气排放源、工艺过程源、船舶尾气排放源和溶剂使用源是威海市秋季VOCs排放主要来源，贡献占比分别为30.4%，23.9%，21.1%，16.5%。控制机动车排放和工艺过程排放是控制威海市秋季VOCs污染的重要途径。     

江苏省夏季典型传输通道城市臭氧污染成因及VOCs污染特征

在2020年8月11—15日的一次典型光化学污染过程中,在江苏省东南沿江传输通道城市同步开展了大气挥发性有机物(VOCs)的加密观测,使用基于观测的OBM模型诊断了典型城市臭氧(O_(3))生成机制,并分析其污染成因,梳理了通道城市VOCs化学组成特征、O_(3)生成潜势(OFPs)及污染日与清洁日的差异。结果表明,监测期间大部分城市呈现首尾(8月11和15日)O_(3)超标、中间达标的特征,气象要素影响较小,与前体物关联更为密切。沿江通道城市污染日VOCs总体积分数为15.79×10^(-9)~54.9×10^(-9),均值为31.88×10^(-9),是清洁日城市总体积分数均值(18.08×10^(-9))的1.76倍。南京、镇江、扬州等城市O_(3)生成总体处于VOCs控制区,泰州8月11日处于NOx控制区。各城市VOCs化学组成均以烷烃为主(平均占比31.8%),其次是含氧挥发性有机物(OVOCs)(26.5%)和卤代烃(19.1%),其他组分占比较低。污染日烷烃、炔烃和芳香烃的体积分数升幅显著高于其他类组分,尤其是芳香烃,增幅为45.1%~296.3%。各城市OFPs中,优势组分均为芳香烃和烯烃,其中乙烯、丙烯、甲苯、乙苯和间对二甲苯等物种质量浓度在污染日上升显著,对O_(3)生成影响较大。     

走航溯源耦合在线监测分析喷涂企业排放VOCs对大气臭氧污染的影响

选择某喷涂企业附近环境空气为采样点位,在3个监测时段（5、9、11月）基于成分监测车在线监测107种挥发性有机物（VOCs）,分析环境空气中VOCs污染特征和成分,结合走航监测车进行溯源分析,利用MCM模式结合敏感性实验研究了臭氧生成机制。结果表明：5月A时段的VOCs总浓度（247.43 μg/m³）高于其他2个监测时段（134.29、107.07 μg/m³）,体现了VOCs季节性的变化趋势;3个监测时段VOCs浓度均以含氧有机物为主,其占比分别为44.36%、55.30%和37.90%,其次为芳香烃和烷烃,但不同监测时段同类VOCs占比各不相同,体现了不同季节VOCs浓度的差异性。3个监测时段均排在浓度排名前10位的物种有6种,分别为乙醇、丙酮、对/间二甲苯、苯、二氯甲烷和甲苯,说明该监测点位存在稳定污染排放源。走航溯源监测获得空气点位及附近喷涂企业内VOCs浓度和成分特征,结果显示环境大气中的VOCs主要组分来自喷涂企业厂区使用的挥发性溶剂的排放和油性漆的挥发排放。研究臭氧生成潜势（OFP）可知,芳香烃的OFP值在3个监测时段占比最高,对臭氧生成贡献较高的物种主要有对/间二甲苯、甲苯等芳香烃,乙醇和甲基丙烯酸甲酯等含氧有机物,异戊二烯和丙烯等烯烃类物种。MCM模式结果显示：5月A时段监测期间的臭氧光化学生成速率大于9月B时段和11月C时段,O₃生成过程主要受甲基过氧自由基（CH₃O₂）+NO 和过氧化羟基自由基（HO₂）+NO 控制。相对增量反应敏感性实验结果显示：3个监测时段臭氧生成均处于VOCs控制区,5月A时段,控制异戊二烯、芳香烃类物种可以大幅减少臭氧的生成,9月B时段需主要控制芳香烃和含氧有机物的排放,11月C时段则需控制芳香烃物种的排放。就VOCs单体而言,3个监测时段减少对/间二甲苯的浓度,对臭氧生成影响较大。走航溯源耦合在线监测方法可以实现臭氧污染快速原位溯源。     

G20峰会期间长三角区域臭氧变化及管控效果评估

为了研究2016年二十国集团领导人峰会(G20峰会)期间长三角区域臭氧(O3)变化特征,评估管控措施对O3浓度的影响,利用2016年8月10日至9月20日杭州及周边地区的空气质量监测数据、气象数据以及排放清单数据,分析了O3和NO2浓度及气象条件的时空分布特征,研究了不同管控区域不同保障时期O3浓度的时空变化和O3敏感控制区的改变。结果表明:峰会保障期间对于一次排放污染物和细颗粒物的管控措施效果明显,但核心区的O3质量浓度高于严控区和管控区,分别高出11. 2、9. 2μg/m^3。日间的NOx管控导致O3日变化幅度增高接近50μg/m^3。在峰会保障期间,卫星数据和站点观测结果显示核心区O3由VOCs控制区转为NOx-VOCs协同控制区,整个长三角区域的O3生成对于NOx排放量更为敏感。管控措施越强,核心区的O3生成对于NOx排放越敏感,且O3浓度与NOx浓度的相关性越强。对NOx和VOCs的协同控制降低排放,是关系O3浓度管控的一项重要工作。     

嘉善前体物与气象因子对臭氧生成的影响及臭氧潜在源区分析

利用2017年嘉善善西超级站臭氧（O₃）及其前体物（NO_x和VOCs）以及气象因子（温度、湿度、风速）逐小时数据，分析了2017年全年NO_x和O₃的变化特征以及春季（4—5月）、夏季（7—8月）NO_x和气象因子对O₃生成的影响，利用O₃生成潜势（OFP）评估了VOCs大气化学反应活性，并通过潜在源区贡献（PSCF）和浓度权重轨迹（CWT）方法分析了嘉善春、夏季O₃潜在源区贡献特征。研究发现：O₃日变化特征为单峰结构，NO_x为弱双峰结构。O₃浓度在3—9月较高，春、夏季O₃浓度峰值分别出现在15：00和14：00，春、夏季的NO_x、O₃日变化与2017年全年日变化趋势基本一致。NO_x对O₃存在滴定作用，且低湿高温有利于O₃浓度的升高。春、夏季O₃生成潜势贡献均表现为烯烃 > 芳香烃 > 烷烃，由于烯烃光化学活性较高，夏季烯烃浓度升高导致其贡献较春季增长约18.1个百分点，且夏季VOCs平均最大O₃增量反应活性高于春季。PSCF和CWT分析结果表明，嘉善春季的潜在源区主要为本地、西南方向和东南方向，夏季的潜在源区主要为本地、西北方向、西南方向以及东南方向。     

上海市臭氧污染时空分布及影响因素

分析2006—2016年上海市的监测数据发现,臭氧(O_3)浓度存在逐年上升趋势,污染持续时间有所增加,但除水平风速有下降趋势外,其他相关气象因素的年际变化趋势并不显著。空间分析结果表明,上海市O_3超标主要集中在西南部郊区,但市区O_3超标潜势不容忽视。O_3污染高发季节的污染玫瑰图分析发现,上海市南部地区是影响上海市O_3污染的关键区域;对于NO_2减排的影响分析发现,尽管上海市O_3平均浓度总体处于上升趋势,但在NO_2下降幅度最为明显的内环市区和北部郊区,O_3上升幅度低于NO_2下降幅度较小的内外环区域和西部郊区,表明上海市的O_3污染控制仍需持续推进NOx的减排,并同步推进VOCs的减排。     

2022年春季南京臭氧污染特征及成因分析

2022年春季,受新一轮新冠疫情影响,长三角各城市采取了一系列管控措施,使得大气污染物排放水平降低。对2022年春季(3—5月)南京及长三角地区的六项污染物尤其是臭氧(O₃)的变化特征进行了分析,从气象因素和O₃前体物方面,同时利用基于观测的模型(OBM)对南京O₃污染变化原因进行了研究,并分析了南京挥发性有机物(VOCs)的关键活性组分和来源。结果表明:2022年春季,南京PM_2.5、PM₁₀、NO₂和CO均值浓度均同比下降,但O₃日最大8 h滑动平均质量浓度(O₃-8 h)同比上升19.8%,O₃-8 h超标时间同比增加9 d;长三角区域O₃-8 h同比上升17.9%,O₃-8 h超标天数为2021年同期的2.5倍。南京O₃浓度上升的原因:一方面是由于不利的气象条件,另一方面是由于南京O₃生成处于VOCs控制区,但氮氧化物(NO_x)降幅大于VOCs降幅,同时结合O₃前体物削减方案的分析结果发现,VOCs和NO_x不当的削减比例会导致O₃浓度不降反升。南京O₃生成的关键VOC活性物种依次为乙醛、丙烯、间/对二甲苯、丙烯醛和乙烯;正定矩阵因子分解(PMF)解析结果显示,机动车尾气是南京城区VOCs的主要来源,其次为液化石油气/天然气使用和石油化工。     

南京市臭氧、VOCs和PANs污染特征及变化趋势

对2013—2016年基于国家环境空气质量监测站以及省建大气多参数站所获取的南京市O_3、NO_2、CO、VOCs、PANs观测结果进行综合评价,结果表明:2016年南京市O_3第90百分位日最大8 h平均质量浓度比2013年上升33.3%,超标天数中O_3引起的超标占比增至32.0%。南京市区大气中非甲烷总烃冬季浓度高于夏季,含氧挥发性有机物则与之相反;在5—9月,含氧挥发性有机物组分在日变化过程中出现峰值的时间先后顺序依次为醚、醛、酮类,且O_3和过氧乙酰硝酸酯(PANs)生成存在有一定的线性关系。VOCs/NOx比值表明南京市处于VOCs控制区,因此对NO_2浓度下降不敏感,植物源挥发性有机物连续3年上升,夏季大气光化学反应活性未显著下降,这些现象是城市O_3浓度维持在较高水平的重要因素。     

衡水夏季典型时段VOCs污染特征及O3污染过程分析

选取臭氧（O₃）污染高发的7月为夏季典型月，采用自动观测设备，从前体物VOCs的浓度水平及O₃生成潜势（OFP），前体物、气象因素与O₃相关性等多方面研究了衡水市O₃污染影响因素，并剖析了一次典型的O₃污染过程，以期为衡水市夏季O₃污染防治提供科学参考。研究结果表明：衡水市VOCs主要组分浓度占比为烷烃 > 烯烃 > 芳香烃 > 乙炔，主要组分对总OFP的贡献为烯烃 > 芳香烃 > 烷烃 > 乙炔；O₃与前体物VOCs、NO₂存在负相关性，与温度存在正相关性；相对湿度低于48%时，O₃和相对湿度呈负相关性，相对湿度高于48%时，O₃和相对湿度呈正相关性；气团中VOCs化学组成稳定性较低，平均VOCs最大增量反应活性（MIR）较低，为4.855gO₃/gVOCs；衡水市7月2—4日重度污染过程受本地生成和区域传输叠加影响。     

中国城市臭氧的形成机理及污染影响因素研究进展

中国城市臭氧(O_3)污染问题日趋严重。O_3主要来源于汽车尾气及工业排放氮氧化合物(NO_x)和挥发性有机物(VOCs)光化学反应生成,少部分来自于平流层的向下传输。文章介绍了城市O3形成机理研究情况,概述了中国城市臭氧污染浓度特征及气象因子、气候变化、前体物等影响因素研究进展情况,并对未来研究方向进行了展望。     

An Analysis of Secondary Pollutants in Buenos Aires City

Air pollutant concentrations from a monitoring campaign in Buenos Aires City, Argentina, are used to investigate the relationships between ambient levels of ozone (O₃), nitric oxide (NO) and nitrogen dioxide (NO₂) as a function of NO _x (=NO + NO₂). This campaign undertaken by the electricity sector was aimed at elucidating the apportionment of thermal power plants to air quality deterioration. Concentrations of carbon monoxide (CO) and sulphur dioxide (SO₂) were also registered. Photo stationary state (PSS) of the NO, NO₂, O₃ and peroxy radicals species has been analysed. The ‘oxidant’ level concept has been introduced, OX (=O₃ + NO₂), which varies with the level of NO _x . It is shown that this level is made up of NO _x -independent and NO _x -dependent contributions. The former is a regional contribution that equates the background O₃ level, whereas the latter is a local contribution that correlates with the level of primary pollution. Furthermore, the anticorrelation between NO₂ and O₃ levels, which is a characteristic of the atmospheric photo stationary cycle has been verified.The analysis of the concentration of the primary pollutants CO and NO strongly suggests that the vehicle traffic is the principal source of them. Levels of continuous measurements of SO₂ for Buenos Aires City are reported in this work as a complement of previously published results.     

Characterizing ozone pollution in a petrochemical industrial area in Beijing,China: a case study using a chemical reaction model

This study selected a petrochemical industrial complex in Beijing, China, to understand the characteristics of surface ozone (O₃) in this industrial area through the on-site measurement campaign during the July–August of 2010 and 2011, and to reveal the response of local O₃ to its precursors’ emissions through the NCAR-Master Mechanism model (NCAR-MM) simulation. Measurement results showed that the O₃ concentration in this industrial area was significantly higher, with the mean daily average of 124.6 μg/m³ and mean daily maximum of 236.8 μg/m³, which are, respectively, 90.9 and 50.6 % higher than those in Beijing urban area. Moreover, the diurnal O₃ peak generally started up early in 11:00–12:00 and usually remained for 5–6 h, greatly different with the normal diurnal pattern of urban O₃. Then, we used NCAR-MM to simulate the average diurnal variation of photochemical O₃ in sunny days of August 2010 in both industrial and urban areas. A good agreement in O₃ diurnal variation pattern and in O₃ relative level was obtained for both areas. For example of O₃ daily maximum, the calculated value in the industrial area was about 51 % higher than in the urban area, while measured value in the industrial area was approximately 60 % higher than in the urban area. Finally, the sensitivity analysis of photochemical O₃ to its precursors was conducted based on a set of VOCs/NOx emissions cases. Simulation results implied that in the industrial area, the response of O₃ to VOCs was negative and to NOx was positive under the current conditions, with the sensitivity coefficients of ?0.16~?0.43 and +0.04~+0.06, respectively. By contrast, the urban area was within the VOCs-limitation regime, where ozone enhancement in response to increasing VOCs emissions and to decreasing NOx emission. So, we think that the VOCs emissions control for this petrochemical industrial complex will increase the potential risk of local ozone pollution aggravation, but will be helpful to inhibit the ozone formation in Beijing urban area through reducing the VOCs transport from the industrial area to the urban area.