滁州市臭氧污染特征及一次连续臭氧污染过程分析

利用滁州市环境空气质量监测数据和气象观测数据,分析了滁州市O₃污染基本特征,并着重分析了一次连续O₃污染过程中气象因素、VOCs以及其他污染物对于O₃浓度的影响。结果表明:滁州市环境空气污染类型正由"PM_2.5型"向"PM_2.5和O₃混合型"转变,O₃污染程度呈现加重趋势,污染持续时间有所拉长。9月4—9日一次连续O₃污染过程中O₃呈单峰状;受到光化学生成和区域传输共同影响,峰值时气温大多在30℃以上,相对湿度较小,风速大多处于小风区(WS≤1 m/s),也有部分处于风速较大区域(WS>3 m/s);VOCs/NO_x比值法和O₃/NO_x比值法均反映此次连续O₃污染为VOCs控制;体积分数较大的VOCs物种主要为烷烃,其中单个体积分数最大的物种是乙烷;烯烃是对O₃生成贡献最大的关键活性组分,对O₃生成潜势的贡献为53.5%,控制1-戊烯、反2-戊烯、异戊二烯、间/对二甲苯等物种可以有效控制光化学生成对此次O₃污染过程的影响。     

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。     

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。     

基于转置EKMA曲线的湖南省臭氧生成敏感性分析

基于湖南省2015—2020年夏秋季的污染物及气象观测数据，分析了臭氧（O₃）污染的时空特征和生成敏感性。湖南省中部和北部的O₃污染较为严重，且主要发生在9月，午后O₃峰值常与早高峰的NO₂浓度有较高的相关性。采用转置EKMA曲线方法探究了O₃在NO₂维度和VOCs反应活性维度下的生成敏感性。在 NO₂维度下，NO₂控制区和NO₂-VOCs过渡区的NO₂质量浓度为7 ~ 13 μg/m³，NO₂-VOCs过渡区和VOCs控制区的NO₂质量浓度为15~17 μg/m³。在VOCs反应活性维度下，当NO₂质量浓度大于10 μg/m³时，VOCs反应活性越高，O₃浓度越高。在高VOCs反应活性（30 ℃或以上）时，NO₂浓度每降低1 μg/m³，各区域的O₃质量浓度能降低约8 ~ 9 μg/m³。结合NO₂ 和VOCs反应活性2个维度，得出湖南省午后O₃生成以 NO₂控制区和NO₂-VOCs 过渡区为主，在晴天干燥和高温条件下，减排NO₂可有效降低O₃浓度。转置EKMA曲线方法为缺少长期VOCs观测的区域提供了研究O₃生成敏感性的新思路。     

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。     

典型生态功能区臭氧生成敏感性及气象驱动力解析——以千岛湖地区为例

千岛湖地区是我国重要的自然保护区,属于典型生态功能区。当前,臭氧(O₃)正频繁成为影响千岛湖地区空气质量的首要污染物,但对于与此相关的千岛湖地区O₃生成敏感性,研究人员目前仍未了解清楚。利用2019—2021年TROPOMI卫星观测数据,运用O₃生成敏感性指示剂方法,即甲醛对流层垂直柱浓度和二氧化氮对流层垂直柱浓度的比值(FNR),量化解析了千岛湖地区O₃生成敏感区的时空演化特征。结果表明,千岛湖地区FNR呈现逐年升高趋势,且显著高于杭州市主城区。千岛湖地区氮氧化物(NO_x)控制区逐年扩张,自2019年开始,由西南向东北逐步蔓延。截至2021年,NO_x控制区已基本覆盖整个千岛湖地区。千岛湖地区O₃生成敏感区在夏季基本属于NO_x控制区,在其他季节属于NO_x控制区或协同控制区。结合气象再分析数据发现,FNR与温度呈强正相关(r=0.8),与相对湿度呈较弱正相关,与风速和云液态水含量呈较弱负相关。当温度大于7.0 ℃、风速小于6.2 m/s、云液态水含量小于5.5×10^-5 g/m³、相对湿度大于57.5%时,O₃生成趋向于受NO_x控制。此外,与杭州市相比,千岛湖地区O₃生成对气象参数变化更为敏感。研究成果对我国典型生态功能区O₃污染防控具有重要的启示作用。     

2022年青岛市沿海区域臭氧污染特征及传输影响分析

基于2022年1—12月青岛市沿海区域臭氧（O₃）自动监测数据和气象观测资料，对O₃污染变化特征及影响因素进行了分析，结合后向轨迹聚类与潜在源区分析等方法，对O₃外来输送通道及潜在源分布情况进行分析研究。结果表明：青岛市沿海区域O₃污染主要集中在4—10月份，日变化特征呈单峰单谷趋势，峰值出现在15：00—16：00；气象因素中，地面短波辐射对O₃浓度变化的相对贡献最大，偏南风易导致O₃污染；受二氧化氮（NO₂）滴定作用以及海陆风转换影响，沿海区域O₃峰值与谷值均滞后青岛城区1 h左右；O₃生成整体处于VOCs控制区，1-丁烯、正丁烷与异戊烷是O₃污染期间导致O₃浓度上升的关键组分；O₃污染的主要潜在源区为长三角北部和黄海近岸海域，以及山东中南部地区。     

珠三角典型城市COVID-19疫情封闭期间臭氧污染的放大效应研究

珠三角地区臭氧(O₃)已经逐步取代颗粒物成为主要大气污染物。对新型冠状病毒肺炎(COVID-19)疫情封闭期间珠三角城市背景污染效应(特别是对O₃的放大效应)进行了量化研究,发现PM_2.5和NO₂质量浓度均为工作日高于节假日,非疫情期高于疫情期。O₃质量浓度节假日高于工作日,其中疫情期节假日浓度最高。减排会增加低温高湿背景下O₃质量浓度,但会降低其极大值,并导致 O₃随温度和相对湿度的变化梯度减弱。疫情封闭期间异地输送对于局地O₃质量浓度的变化贡献突出。叠加疫情封闭影响的春节假期O₃质量浓度比节前工作日增加20.4%~41.7%,与一般年份特征相反,而NO₂降低65.3%~75.6%,降低程度强于一般年份。疫情封闭期春节期间O₃质量浓度比一般年份上升14.0%~25.9%,而NO₂质量浓度降低37.0%~54.5%。低湿晴好的天气为光化学反应提供有利条件,并且疫情封闭扩大了假期人为源减排规模,导致NO_x质量浓度进一步下降,使其对O₃的滴定效应减弱,同时静稳天气有利于O₃浓度的累积,导致局地O₃污染被逐步放大。     

杭州城区大气颗粒物污染特征及PM2.5潜在源区研究

基于2015年9月1日至2016年8月25日杭州城区观测点PM₁、PM_2.5、PM₁₀小时浓度数据进行分析，利用HYSPLIT模型、潜在源贡献因子（PSCF）方法和浓度权重轨迹（CWT）方法，探讨了杭州城区PM₁、PM_2.5、PM₁₀时间分布特征和PM_2.5潜在来源。结果表明：研究期间PM₁季节平均浓度表现为冬季 > 秋季、春季 > 夏季，PM_1~2.5、PM_2.5~10浓度则表现为冬季 > 春季 > 秋季 > 夏季；PM₁浓度日变化呈现明显的双峰现象，而PM_1~2.5和PM_2.5~10在同一时段均无明显浓度峰值；杭州城区PM_2.5受外源输送污染具有明显的季节性变化特征，夏季、秋季杭州城区PM_2.5的潜在源区主要是浙江北部、安徽东南部等，春季PM_2.5的潜在源区主要是浙江中部、江苏南部等，冬季PM_2.5的潜在源区主要是山东南部、江苏西南部、浙江北部、安徽南部、江西中部等地区。     

合肥市典型臭氧污染特征及成因分析

综合利用环境空气质量常规监测、挥发性有机物(VOCs)在线监测,以及后向轨迹聚类分析、权重潜在源区分析和正交矩阵因子分解法等多种监测分析方法,基于合肥市经历的一次典型臭氧(O₃)污染过程(2020年9月1—10日),系统分析了合肥市O₃污染的典型特征及成因。结果显示,此次污染过程的O₃小时平均浓度高达96 μg/m³,且O₃浓度波动较大,在9月6日13:00达到了224 μg/m³,呈现出快速生成、快速消耗的污染特征,并在夜间呈现出非典型的二次峰值过程。污染期间,合肥市基本处于VOCs控制区,芳香烃对O₃生成潜势的贡献最大(45.2%),其次是烷烃(31.8%)和烯烃(21.5%);污染阶段的VOCs主要来自机动车排放源(44.1%)、燃烧源(21.3%)、工业源(15.3%)、溶剂使用源(12.4%)和天然源(6.9%),累积阶段和污染阶段均受机动车尾气排放和溶剂使用的影响较大。此外,台风外围下沉气流和高温、低湿、低风速等气象条件是引发此次O₃污染过程的主要外因,而合肥市周边的高污染区域则是此次O₃污染过程的潜在外部源区。     

大连市夏季近地面臭氧污染数值模拟和控制对策研究

通过区域空气质量模型CAMx对大连市2015年8月近地面臭氧(O_3)污染进行模拟,探讨了O_3及其生成前体物(NOx和VOCs)的来源,O_3生成控制区,并根据敏感性分析结果对前体物排放的控制效果进行了定量评估。结果表明:本地NOx排放对大连地区的NOx浓度贡献占90%以上,本地VOCs排放对大连地区的VOCs浓度贡献占80%以上,而本地NOx和VOCs排放对大连地区O_3浓度贡献仅占29%;大连市整体上为VOCs控制区,控制VOCs能有效降低O_3污染,还能有效削减O_3的峰值浓度;通过敏感性分析结果计算得出,削减大连本地工业源VOCs和民用源VOCs能够有效降低大连地区O_3浓度,削减10%的工业源VOCs能使市区O_3平均浓度降低2%左右,削减10%的民用源VOCs能使大连市区平均O_3浓度降低1%左右。建议NOx与VOCs削减比例为1∶2,对大连市O_3和PM2.5污染进行协同控制。     

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。     

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。     

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。     

上海臭氧及前体物变化特征与相关性研究

于2010年1~12月期间,在上海城区内采用在线连续观测,分析该地区近地臭氧与其前体物的季节变化规律及相关性,探讨了臭氧浓度与OX和NO₂光解速率之间的关系。结果表明,观测期间,上海地区O₃总超标天数为13天,超标率为3.56%。O₃浓度变化呈现明显的秋冬低、春夏高的季节变化。O₃浓度日变化规律呈典型单峰变化,O₃各前体物呈双峰形分布,冬季O₃与NO_X的相关性最强。对OX的贡献中,秋冬以NO₂为主,春夏以O₃为主;夜间以NO₂为主,白天以O₃为主。臭氧浓度与OX和NO₂光解速率变化规律基本一致。     

临汾市大气污染物的时间分布特征与源区分析

多年来，临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列，对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据，使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明，PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准，SO₂仅在2016—2017年超过该标准，其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布，SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...     

合肥市臭氧及其前体物污染特征及源解析

利用合肥市臭氧和VOCs连续观测数据分析了合肥市臭氧及其前体物污染特征,并使用NAQPMS模型研究了合肥市不同季节臭氧来源情况。结果表明:O₃已经成为影响合肥市环境质量的主要污染因子,O₃高值区主要集中在5—6月和9月。合肥市大气VOCs中烷烃含量最丰富,其次是烯烃、芳香烃和炔烃;主要物种为乙烷、丙烷、乙炔、正戊烷、乙烯、环戊烷、异戊烷、正丁烷、异丁烷和甲苯。合肥市O₃生成主要受VOCs控制,其中,烯烃是合肥市O₃生成贡献最大的关键活性组分,乙烯的OFP贡献率居首位。合肥市不同季节O₃来源差异较大,其中,本地排放是主要来源,夏季占比为50%,其余季节占比为30%~45%,O₃存在跨省长距离输送特征,主导风向的变化是造成合肥市臭氧来源季节性变化的重要因素。     

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.