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。     

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。     

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。     

石家庄夏季典型时段臭氧污染特征及来源解析

在石家庄臭氧(O₃)污染较重的7月,开展连续10 d(2018年7月6—15日),8次/d的加密监测,获得大气挥发性有机物(VOCs)苏玛罐样品数据及O₃在线监测数据,分析了采样期间O₃污染特征、VOCs组成及O₃生成潜势(OFP)特征,并对VOCs来源进行了研究。结果表明,采样期间O₃-3 h浓度最高为243 μg/m³,与相对湿度存在明显的反相关关系,与温度和风速存在良好的正相关关系。VOCs平均体积分数为(75.28±5.81)×10-9,各组分浓度所占比例为OVOCs>烷烃>卤代烃>烯炔烃>芳香烃>其他组分。各类VOCs中,OVOCs对OFP的贡献最大,占64.12%。作为光化学反应的中间产物,OVOCs的一次来源较少,表明二次污染物对石家庄大气O₃生成有重要贡献。从具体组分来看,OFP值排名前十的组分以OVOCs为主,其中最高的为甲基丙烯酸甲酯。采样期间,VOCs一次来源主要为汽油车和柴油车尾气排放,贡献率分别为38%与32%；溶剂使用、汽油挥发、生物排放分别占13%、11%、6%。VOCs主要受本地排放影响。     

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。     

西安市某工业园夏季VOCs浓度特征及O3、SOA生成潜势

2020年7月30日—10月10日对西安市某工业园区大气中的70种VOCs开展了为期73 d的VOCs手工采样监测，分析了上、下风向2个点位VOCs浓度组成特征、O₃生成潜势和SOA生成潜势，并运用PMF进一步分析该区域VOCs的主要来源。结果显示：监测期间工业园区平均VOCs浓度为203.50 μg/m³，以甲醛和乙醛为主的醛酮类（148.37 μg/m³）是主要污染物，占TVOC浓度的57%~84%，其次是烷烃。通过上、下风向VOCs成分比较发现，醛酮类为高污染时段特征污染物，工业园区平均OFP为969.66 μg/m³，醛酮类对O₃生成的贡献最大，占TOFP的80%~97%，其次是烯烃。工业园区平均SOAFP为0.50 μg/m³，芳香烃对SOA生成的贡献最大，占TSOAFP的48%~98%，其次是烷烃。PMF源解析得到5个因子，分别为工业源、溶剂涂料、燃烧源、移动源及其他源，贡献率分别占35.2%、20.4%、18.3%、12.8%、13.3%，解析显示该区域受到下风向电子产业影响较大。     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据，分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征，并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势，半岛地区的浓度最低，其他地区浓度均较高，年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化，冬季最高，夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同，半岛地区污染天数最少，其次为南部地区，中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异，具有明显的局地性特征。O₃质量浓度在春末夏初最高，超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现，虽然不同城市之间两者污染情况存在一定差异，但整体上看，山东省大气复合污染特征明显，全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上，并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时，O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63，相对湿度≤60%时，两者相关系数为0.69。此外，当在大陆气团的控制下发生O₃污染时，相对湿度的提高更有利于PM_2.5浓度的增加。     

西太平洋台风“苏迪罗”对我国珠三角地区臭氧污染影响研究

通过资料分析和数值模拟开展了2015年8月1日—10日台风“苏迪罗”对珠三角地区臭氧（O₃）污染影响的机理研究。结果表明，2015年8月5—8日，在台风接近登陆点的过程中，台风外围天气导致了高温、高辐射和静小风等气象条件，促进了光化学反应的进行和污染物的局地积累。同时，高温、高辐射等气象条件加剧了植被源区生物源挥发性有机物（BVOCs）的排放。采用化学传输模式模拟发现，植被BVOCs对O₃污染的贡献最高可达24×10^-9。结合拉格朗日粒子扩散模式（LPDM）探索了影响珠三角地区的主导气团，发现珠三角城市地区和高BVOCs源区存在交互传输的现象。污染期间，高BVOCs源区的一次排放产物（BVOCs）和二次产物(O₃)经区域输送加剧了珠三角地区O₃的污染。此外，研究发现台风外围条件下珠三角内陆盛行的偏北风与海陆热力差异引起的海风在沿海地区辐合，造成污染物局地积累，加剧并延长了O₃污染。研究有利于加强对O₃污染机理的认识，进而更好地采取针对性措施，有助于减小O₃污染带来的危害。     

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。     

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。     

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.     

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。     

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。     

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。     

杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

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。     

Seasonal Variations of PM10 and TSP in Residential and Industrial Sites in an Urban Area of Kolkata, India

The objective of the study is to investigate seasonal and spatial variations of PM₁₀ (particulate matter with aerodynamic diameter less than or equal to 10 μm) and TSP (total suspended particulate matter) of an Indian Metropolis with high pollution and population density from November 2003 to November 2004. Ambient concentration measurements of PM₁₀ and TSP were carried out at two monitoring sites of an urban region of Kolkata. Monitoring sites have been selected based on the dominant activities of the area. Meteorological parameters such as wind speed, wind direction, rainfall, temperature and relative humidity were also collected simultaneously during the sampling period from Indian Meteorological Department, Kolkata. The 24 h average concentrations of PM₁₀ and TSP were found in the range 68.2–280.6 μg/m³ and 139.3–580.3 μg/m³ for residential (Kasba) area, while 62.4–401.2 μg/m³ and 125.7–732.1 μg/m³ for industrial (Cossipore) area, respectively. Winter concentrations of particulate pollutants were higher than other seasons, irrespective of the monitoring sites. It indicates a longer residence time of particulates in the atmosphere during winter due to low winds and low mixing height. Spread of air pollution sources and non-uniform mixing conditions in an urban area often result in spatial variation of pollutant concentrations. The higher particulate pollution at industrial area may be attributed due to resuspension of road dust, soil dust, automobile traffic and nearby industrial emissions. Particle size analysis result shows that PM₁₀ is about 52% of TSP at residential area and 54% at industrial area.     

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。     

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。