杭州秋季大气VOCs变化特征及化学反应活性研究

2017年9月1日至11月30日采用Syntech Spectras GC955在线气相色谱仪对杭州市不同功能区大气环境中的挥发性有机化合物(VOCs)进行了在线连续监测,分析了不同功能区VOCs及各组分的体积分数、日变化规律及大气化学反应活性。结果显示,下沙周边工业区总VOCs浓度整体高于朝晖周边居民区,其中夜间更为显著。烷烃和芳香烃浓度在夜间时段工业区较居民区高得更为明显,其中芳香烃组分表现尤为突出,2个功能区烯烃体积分数相差不大。杭州市主要VOCs体积分数总体上在国内处于中间水平。不同功能区烷烃和芳香烃均呈现夜间浓度高于白天的日变化特征,居民区各VOCs组分日变化基本呈现双峰结构,工业区烷烃和芳香烃体积分数日变化呈现单峰结构,烯烃体积分数没有明显的日变化特征。不同功能区中芳香烃对臭氧生成潜势贡献最大,烯烃次之,烷烃贡献最小。下沙周边工业区大气化学活性(尤其是芳香烃组分)较朝晖周边居民区强。同种VOCs物质在不同功能区对臭氧生成潜势的贡献大小不同,但关键贡献物质均为低碳烷烃、低碳烯烃及苯系物。     

南通市夏季VOCs污染特征与来源研究

运用大气挥发性有机物(VOCs)快速在线连续自动监测系统,于2018年7月对南通市区环境空气中VOCs进行观测,分析VOCs的浓度状况、组成特征、对臭氧生成潜势的贡献及主要来源。结果表明:观测期间共检出100种VOCs,总挥发性有机物(TVOCs)的平均体积分数为(38. 18±23. 63)×10^-9,各物种体积分数从大到小顺序依次为烷烃>含氧有机物>芳香烃>卤代烃>烯、炔烃;芳烃和烯烃是最主要的活性物种,间/对二甲苯、甲苯、邻二甲苯等是VOCs的关键活性组分;利用PMF模型解析得到VOCs的主要污染来源是工业排放与溶剂使用、机动车尾气排放、燃料挥发排放和生物源排放。     

成渝地区典型中小城市VOCs污染特征、臭氧生成潜势及来源分析

为了解成渝地区中小城市VOCs污染特征及其来源，选取该区域典型代表城市-遂宁市为研究对象，利用2019年不同时间不同功能区106种VOCs离线观测数据，研究了该市VOCs污染水平和时空特征，分析了VOCs主要成分及其对臭氧的影响，并进行了源解析。结果显示：(1)遂宁市大气中VOCs平均体积分数为39.4×10^-9,8月的浓度较高，其空间排序为工业区>城郊区≈文教区。(2)OVOCs和烷烃是VOCs主要组分，占比达73.4%,且不受时间和空间限制；工业区不同组分浓度均高于城郊区和文教区，城郊区和文教区的同组分占比相差较小；丙酮和乙烷是VOCs中体积分数最大的物种，占总体积分数的37.8%。(3)VOCs组分对OFP贡献率顺序为烯烃>芳香烃>OVOCs>烷烃>炔烃>卤代烃>有机硫，前4类组分对OFP贡献率达97.6%,烯烃对OFP贡献率不仅每日最大，而且还呈现“城郊区>文教区>工业区”空间分布态势；异戊二烯、乙烯是OFP最大的物种，在不同功能区其OFP均高于其他物种，是遂宁市臭氧防治关注重点。(4)VOCs排放源及...     

重庆市代表性城区冬季和夏季苯系物来源解析

2009—2010年冬季和夏季在重庆市某代表性城区对大气中苯系物进行观测,并应用苯与甲苯特征比值(B/T)和因子分析法对苯系物来源进行了分析。结果表明,2种源分析方法具有较好的一致性,涂料及溶剂的生产与使用以及机动车尾气和油品使用是该研究区域苯系物的主要来源,贡献率分别为59.3%和16.2%。不同功能区、不同季节,苯系物来源构成有所差异。除受汽车尾气影响外,夏季受涂料、溶剂等生产使用的影响也较大,尤其是投诉集中点位、混合区和工业区;冬季,投诉集中点位主要受涂料、溶剂等生产使用等影响,其他点位可能还受到燃烧源的影响。     

桂林市城区大气VOCs污染特征及对O3和SOA的生成潜势

对桂林市城区大气中挥发性有机物(VOCs)的污染特征,以及VOCs对臭氧(O3)和二次有机气溶胶(SOA)的生成潜势进行了研究。结果显示,研究期间,共检出VOCs物种78种,平均体积分数为21.32×10-9,表现为芳香烃(67.82%)烷烃(19.56%)卤代烃(7.50%)烯烃(2.86%)含氧挥发性有机物(1.41%)。VOCs体积分数空间分布呈现市中心和下风向郊区两个高值区。通过苯与甲苯的浓度比值发现,林科所VOCs主要来自交通源和生物源,师专甲山校区VOCs主要是来自交通源,其余测点VOCs主要来自交通源、工业源和外来传输源。分析乙苯和间/对二甲苯的浓度比值发现,电子科大尧山校区气团光化学年龄较大,光化学反应活性相对较强烈;旅游学院、华侨旅游经开区、大埠中心校气团光化学年龄较小,光化学反应活性相对较弱。VOCs对O3生成潜势最大的为芳香烃(93.81%),其次是烷烃(7.22%)和烯烃(4.75%);对SOA生成潜势最大的为芳香烃(97.45%),其次是烷烃(2.55%)。     

济南市环境空气VOCs污染特征及来源识别

对济南市2010年6月至2012年5月环境空气中56种挥发性有机污染物(VOCs)进行在线气相色谱监测,研究其污染特征并识别其主要来源。结果表明,该期间总挥发性有机化合物(TVOCs)变化规律基本一致,其平均浓度水平夏季冬季秋季春季;TVOCs浓度的日变化趋势呈双峰分布,与早晚交通高峰相吻合;济南市城区环境空气中VOCs的主要物种是C3~C5的烷烃、丙烯、顺-2-丁烯、甲苯和间、对二甲苯等;不同季节环境空气中VOCs的主要物种基本一致,夏季烯烃所占比重高于其他季节;烷烃、烯烃与TVOCs的浓度日变化趋势相似,呈明显的双峰状,而芳香烃浓度日变化规律双峰特征不明显。济南市城区VOCs的主要来源为汽车尾气、工业源、燃烧源。     

遂宁市夏季大气挥发性有机物污染特征及来源解析

2019年7-8月在四川省遂宁市实验学校、遂宁中学、金鱼小学、石溪浩4个点位同步开展为期20d的挥发性有机物(VOCs)离线观测,分析了遂宁市VOCs浓度时空分布特征、臭氧生成潜势(OFP)和VOCs主要来源。遂宁市TVOC体积浓度为39.4×10^-9,占比较高的组分为OVOCs和烷烃,体积浓度分别为15.6×10^-9和13.3×10^-9,占比分别为39.5%和33.6%。遂宁中学、金鱼小学、石溪浩24 h平均体积浓度分别为29.8 ×10^-9、58.4 ×10^-9、30.0×10^-9;加密点实验学校的小时平均浓度为22.9×10^-9。遂宁市总OFP为166.7 μg/m³,占比最大的为烯烃(33.1%)。实验学校、遂宁中学、金鱼小学、石溪浩OFP浓度分别为101.2、134.4、243.6、122.1 μg/m³。金鱼小学采样点位于工业园区下风向,受工业园区企业排放源影响,VOCs浓度和OFP值均明显高于其他点位。PMF模型源解析结果表明:遂宁市VOCs来源占比最大的为工业排放源,达32%;其次为机动车尾气源、燃烧源,占比均达17%;油气挥发源、天然源、溶剂使用源分别占13%、11%、10%。工业源、机动车尾气来源占比最高的均是金鱼小学,分别为39%、30%;天然源占比较高的是实验学校(13%)和石溪浩(10%)。     

武汉城区秋季大气挥发性有机物污染特征及部分物种来源的初步分析

于2014年10月采用GC-MS挥发性有机物(VOCs)在线监测系统在武汉城区开展大气VOCs连续监测,并分析VOCs体积分数的时间变化特征、光化学活性差异及来源。结果表明,武汉城区总VOCs体积分数为45.16×10-9,从高到低依次为烷烃烯烃芳香烃;VOCs日变化呈双峰型特征,峰值分别出现在6:00—8:00和19:00—23:00;T/B和E/E的平均比值分别为0.94和0.61,表明气团受机动车影响显著,且存在老化现象;烯烃对OH消耗速率(LOH)和臭氧生成潜势(OFP)的贡献率最大,芳香烃次之,烷烃最低;以3-甲基戊烷为机动车排放示踪物,计算得出非机动车源对乙烯、甲苯和间/对-二甲苯的贡献率分别为85%、55%和70%。     

郑州市环境空气中挥发性有机物的组成及分布特点

初步探查研究了郑州市不同功能区环境空气中挥发性有机物(VOCs)的种类组成及TVOC和苯系物浓度分布特点,共检测出221种VOCs.交通密集区VOCs污染较重,汽车尾气是目前VOCs主要来源.     

南京市环境空气中挥发性有机物的组成与特点

参照美国EPATO17的方法研究南京市不同功能区(交通区、商业旅游区、居住区、工业区和清洁对照点)环境空气中挥发性有机物(VOCs)在一年四季中的组成及浓度水平。共检出189种挥发性有机物,并随气温下降而减少;苯系物稳定存在于各功能区,浓度秋季最高。交通区污染最严重。     

宁波市环境空气中VOCs污染状况及变化趋势分析

基于近7年来的连续监测数据,对宁波市环境空气中挥发性有机物(VOCs)的污染状况及变化趋势进行了初步分析。研究表明:在宁波市环境空气中检测出94种VOCs,其主要成分是饱和烷烃、芳烃、烯烃、卤代烃、卤代芳烃、含氧有机物等,有37种属有毒有害物质,其中苯系物含量最高;宁波市环境空气中苯系物的污染程度与国内外城市基本处于同一水平,近年来的污染状况变化不大,没有明显恶化;空间分布特征显示一类保护区VOCs的排放以天然源为主,二类各功能区VOCs的排放由天然源和局部人为污染源共同形成,三类区以工业污染源排放为主;时间变化趋势显示VOCs在冬季和春季的平均浓度比其他季节高,VOCs的日变化基本呈现2个主浓度峰值特征,跟城市交通流量变化具有很好相关性。     

Source identification and apportionment of PM2.5 and PM2.5−10 in iron and steel scrap smelting factory environment using PMF,PCFA and UNMIX receptor models

To identify the potential sources responsible for the particulate matter emission from secondary iron and steel smelting factory environment, PM_2.5 and PM_2.5?10 particles were collected using the low-volume air samplers twice a week for a year. The samples were analyzed for the elemental and black carbon content using x-ray fluorescence spectrometer and optical transmissometer, respectively. The average mass concentrations were 216.26, 151.68, and 138. 62 μg/m³ for PM_2.5 and 331.36, 190.01, and 184.60 μg/m³ for PM_2.5?10 for the production, outside M1 and outside M2 sites, respectively. The same size resolved data set were used as input for the positive matrix factorization (PMF), principal component factor analysis (PCFA), and Unmix (UNMIX) receptor modeling in order to identify the possible sources of particulate matter and their contribution. The PMF resolved four sources with their respective contributions were metal processing (33 %), e-waste (33 %), diesel emission (22 %) and soil (12 %) for PM_2.5, and coking (50 %), soil (29 %), metal processing (16 %) and diesel combustion (5 %) for PM_2.5?10. PCFA identified soil, metal processing, Pb source, and diesel combustion contributing 45, 41, 9, and 5 %, respectively to PM_2.5 while metal processing, soil, coal combustion and open burning contributed 43, 38, 12, and 7 %, respectively to the PM_2.5?10. Also, UNMIX identified metal processing, soil, and diesel emission with 43, 42 and 15 % contributions, respectively for the fine fraction, and metal processing (71 %), soil (21 %) and unidentified source (1 %) for the coarse fraction. The study concluded that metal processing and e-waste are the major sources contributing to the fine fraction while coking and soil contributed to the coarse fraction within the factory environment. The application of PMF, PCFA and UNMIX receptor models improved the source identification and apportionment of particulate matter drive in the study area.     

重庆市VOCs浓度特征和关键活性组分

2015年8月22日至9月26日利用在线GC-MS/FID和离线Canister-GCMS/FID采样并分析了重庆城区7个监测点位的96种VOCs,结果表明,城区总挥发性有机化合物平均体积分数为42.43×10-9,且空间分布特征为"中心城区高,周边低"。重庆本地高乙烷、高乙烯和高乙炔浓度呈区域污染现象,且城市监测点位主要受交通源、工业排放和溶剂挥发的影响,缙云山站则主要以生物源排放为主。重庆市城区气团的OH自由基反应速率平均值为8.86×10-12cm3/(mol·s),最大反应增量活性平均值为4.08 mol/mol,与乙烯相当,说明本地大气化学反应活性较强。重庆城区对OH自由基损耗速率贡献最大的组分是烯/炔烃(35%),对臭氧生成潜势贡献最大的组分是芳香烃(39%)。乙醛、乙烯和甲苯等物质是VOCs的关键活性组分。     

滨州市大气VOCs污染现状及防控措施分析

利用挥发性有机物(VOCs)手工监测和走航监测技术,分析了滨州市城区、各县(市、区)涉VOCs工业园区的VOCs排放情况。结果表明,城区大气VOCs各组分的体积分数差异较为明显,烷烃类占比最高,其次是挥发性含氧有机物和芳香烃。排名前3的组分为异戊烷、正丁烷、丙烷,主要来自以液化石油气为燃料的车辆排放。各县(市、区)不同涉VOCs工业园区周边的VOCs组分与园区涉及的原辅料和产品类型有关,对应的组分主要为苯系物、烷烃类和烯烃类。园区内的有机化学原料制造、化学药品原料药制造和表面涂装等行业对VOCs组分的影响较大。建议从系统性溯源、科学性推进、精准化管控、针对性治理4个方面开展VOCs治理研究,从而实现VOCs排放控制,减少对周边环境的污染和影响,提升滨州市整体环境空气质量。     

Emissions of VOCs at Urban Petrol Retail Distribution Centres in India (Delhi and Mumbai)

Air pollution has assumed gigantic proportion killing almost half a million Asians every year. Urban pollution mainly comprises of emissions from buses, trucks, motorcycle other forms of motorized transport and its supporting activities. As Asia's cities continue to expand the number of vehicles have risen resulting in greater pollution. Fugitive emissions from retail distribution center in urban area constitute a major source. Petrol vapours escape during refueling adding pollutants like benzene, toluene, ethylbenzene and xylene to ambient air. This paper discusses a study on fugitive emissions of Volatile Organic Compounds (VOC) at some refueling station in two metropolitan cities of India, i.e., Mumbai and Delhi. Concentration of VOCs in ambient air at petrol retail distribution center is estimated by using TO-17 method. Concentration of benzene in ambient air in Delhi clearly shows the effect of intervention in use of petroleum and diesel fuel and shift to CNG. Chemical Mass Balance (CMB) model is used to estimate source contributions. At Delhi besides diesel combustion engines, refueling emissions are also major sources. At Mumbai evaporative emissions are found to contribute maximum to Total VOC (TVOC) concentration in ambient air.     

常州市秋季大气PM2.5中多环芳烃污染水平及来源

为了研究常州市秋季大气PM2.5中多环芳烃的污染水平及其来源,在常州市布设了6个采样点,分别代表交通干道区、商业混合区、居民文教区、远郊区、工业区和对照点,于2013年10月进行大气PM2.5的采样,采用微波萃取-高效液相色谱法测定其中16种USEPA优控多环芳烃的浓度值,并分别通过比值法和因子分析法判断其主要来源。结果表明,常州市秋季大气PM2.5中多环芳烃的主要来源为煤燃烧和机动车排放。     

VOCs走航观测在城市污染源排查中的应用

为推进城市空气质量精细化管理工作的实施,实现VOCs污染源精准排查,2019年3-4月,利用单光子电离飞行时间质谱对青岛市重点区域进行了VOCs走航观测。在排查到的污染源中,工业区的VOCs浓度较生活区整体偏高,且生活区、工业区夜间的VOCs浓度均较白天高。VOCs各类组分中,生活区白天苯系物、卤代烃、烯烃、烷烃的占比均在20%左右,夜间苯系物占比明显升高;工业区苯系物在白天和夜间的占比均最高,其他组分相对较小。浓度较高的前10位VOCs物种中,生活区白天烯烃物种占主导,夜间烷烃物种的比重明显增加;工业区苯系物、烯烃物种在白天和夜间的比重均较大,烷烃物种较小。生活区VOCs的污染源主要为机动车尾气排放和油品挥发,工业区主要为企业排放。烯烃和苯系物臭氧生成贡献较烷烃高,特别是丁烯、戊烯、己烯、甲苯、二甲苯/乙苯、三甲苯贡献显著,建议作为优控物种重点管控。     

利用SPAMS研究长沙市秋季PM2.5化学组成及来源

2019年10月12日—11月25日,使用单颗粒气溶胶飞行时间质谱仪(SPAMS)在位于长沙市的湖南省生态环境厅点位进行了为期45 d的定点监测。结果表明,监测期间长沙市总体空气质量小时级别优、良天气占比为80.3%。长沙市首要污染物为PM_(2.5),其主要来源为机动车尾气源,二次无机源次之,工业工艺源排在第三位,占比分别为27.4%,21.5%和17.4%。整体来看,监测期间PM_(2.5)质量浓度的升高大多伴随着以上3种污染源颗粒物的同步升高。机动车尾气源具有明显的早高峰,工业工艺源、生物质燃烧源和餐饮源夜间占比增加。在偏东方向气团主导下,工业工艺源和燃煤源贡献最大;在东北方向气团主导下,PM_(2.5)质量浓度最高,且机动车尾气源占比最高。