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。     

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。     

南京市臭氧污染现状及变化特征的研究

利用2016年南京市臭氧(O_3)及前体物监测数据,对南京市O_3污染现状、变化特征及其与前体物的关系进行分析。结果表明,2016年南京市O_3超标56 d,超标率15.3%,O_3日最大8 h滑动平均值的第90百分位数为184μg/m~3,超标0.15倍。O_3超标主要集中在4—9月份,日变化呈现"单峰"型特征,峰值出现在14:00,而上午8:00—10:00时段O_3浓度升幅最显著,小时浓度升幅超过20%。前体物VOCs和NO_2浓度变化与O_3呈反相关,且VOCs和NO_2浓度冬季最高,夏季最低,秋季和春季基本相当。     

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。     

嘉善夏季典型时段大气VOCs的臭氧生成潜势及来源解析

2016年8—9月对长三角南部区域嘉善的大气中挥发性有机化合物(VOCs)变化特征、臭氧生成潜势、臭氧生成控制敏感性和来源进行了研究。结果表明,观测期间VOCs总平均值为27.3×10-9,表现为烷烃卤代烃含氧有机物芳香烃烯烃炔烃;VOCs浓度变化较大,早晚出现峰值,与风速呈负相关的关系,与温度没有明显相关性。VOCs的臭氧生成潜势表现为芳香烃烯烃烷烃含氧有机物卤代烃炔烃。甲苯等10种物质对臭氧生成潜势的贡献达到63%。夏季典型时段臭氧生成对VOCs较敏感,属于VOCs控制区。观测期间测得对VOCs浓度贡献较大的物种来源于溶剂涂料和工业排放。     

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。     

青岛市环境空气中VOCs的污染特征及化学反应活性

利用2012年青岛市挥发性有机物(VOCs)监测数据,系统分析了VOCs的污染特征、来源和化学反应活性。结果表明,青岛市VOCs浓度处于较低水平,且烷烃是VOCs的主要组分,占60%以上。夏、秋季的VOCs浓度高于春、冬季,且9月的浓度高于其他月份,日变化呈现"两峰一谷"趋势,与交通早晚高峰对应。VOCs各组分均表现出周末效应,说明机动车源和工业源的重要影响,优势物种的相关性分析进一步证明了这一点。对比各组分的OH消耗速率,得出烯烃的臭氧生成贡献高于烷烃和芳香烃,控制机动车尾气、溶剂挥发、化石工业等VOCs排放源将有利于降低大气中的臭氧浓度。     

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。     

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。     

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。     

南通市区静态管理期间空气质量分析

对南通市区2022年4月初因疫情防控采取全区域静态管理期间的空气质量进行分析,以气象参数、臭氧前体物VOCs和NO_x作为分析对象。结果表明:此次污染过程的主导因素是高温、强辐射、低湿和偏南风的气象条件。南通市区处于VOCs控制区,高温、强辐射使得VOCs挥发性增强,浓度升高。偏南方向的苏通园区和能达公园VOCs浓度较高且升幅较大,源解析结果表明这2个点位涂料溶剂使用占比升幅更高,既容易受附近石化和储油库影响,也容易受偏南风向的污染输送影响。据初步统计,静态管理期间南通市区停工数量为80%左右,污染期间NO₂浓度高值区主要分布在沿江一带,长江南岸的张家港和常熟地区存在多家高排放企业,在偏南风下,张家港和常熟的污染物极易输送至南通市区。基于空气质量模型WRF-CAMx的O₃和PM_2.5来源解析结果显示,静态管理期间外来输送明显,占比为68.7%~84.7%。污染期间的船舶排放和二次转化贡献也不容忽视。建议南通市应重点加强工业、油气挥发和涂料溶剂源减排,同时加强区域联防联控,以便进一步改善空气质量。     

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。     

工业园区和城区VOCs组成及化学活性的空间差异对清远大气臭氧污染分布的影响

工业化与城镇化交替演进使珠三角及其周边地区土地利用类型较为复杂。快速的城市化进程使城市建成区与大量村镇工业园区互相交错。这种变化势必会增加挥发性有机物(VOCs)在组分构成和空间分布上的复杂性,并对臭氧(O₃)污染的时空变化产生影响。为厘清这种排放的空间异质性特征及其对O₃污染分布的影响,分别选取可以代表清远市典型工业园区和城市建成区的站点开展观测研究。结果表明:工业园区和城市建成区VOCs浓度水平和污染特征有较大的空间差异,其中代表村镇工业园区的龙塘站VOCs日均浓度为30.42×10^-9,高于代表城市建成区的技师学院站(17.32×10^-9)。龙塘站二甲苯和甲苯的臭氧生成潜势(OFP)比技师学院站高57.6×10^-9,且该值相当于技师学院站排名前10位物种OFP的总和。气象分析表明:2个站点之间并非彼此的上、下风向,而是共同受到局地气团的影响。源解析结果表明:源排放是造成这种空间异质性的内因,其中交通源对技师学院的贡献更高,而工业相关排放源对龙塘的贡献更高。该研究进一步比较了周边站点O₃时间序列的一致性,并模拟2个站点的O₃生成速率。研究发现O₃在局地范围内变化较小,高VOCs排放的地点对局地O₃有较高的贡献,局地内不同地点的O₃生成过程也存在较大差异。据此,笔者提出O₃污染防控建议:短期内可通过技术手段和观测数据发现O₃污染的重要贡献点,并进行针对性的"散乱污"清理整治和涉VOCs行业综合整治,长期看应科学合理规划城市发展布局和产业布局,预留城市通风廊道,以有效减少O₃污染。     

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.     

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。     

城市大气中挥发性有机化合物监测技术进展

挥发性有机物(VOCs)是臭氧及二次有机颗粒物(SOA)的主要前体物。近年来,我国逐步将VOCs纳入大气污染物控制体系。准确可靠的监测技术是大气VOCs研究及控制的重要前提保障。按照采样方法、分析方法 2个方面介绍并讨论了城市大气中VOCs的现有监测方法,较为详细地介绍了几类广泛采用的离线及在线监测技术,简要讨论了目前VOCs监测中存在的一些问题,展望了今后的发展趋势。