台州市区臭氧污染特征及来源解析

利用台州市区2013—2017年O 3监测数据分析其污染特征,并采用CMAQ模型研究各类污染源对O 3的贡献率。结果表明:台州市区O 3年均浓度稳定,月均浓度4—10月较高,日小时浓度呈单峰型,峰值出现在13:00左右;在温度较高、相对湿度50%~80%、风速1.0 m/s^3.0 m/s、风向为偏东时O 3浓度相对较高,易出现超标现象;本地排放源是O 3形成的主要来源,各季节贡献率略有差异,分别为春季(72.28%)、夏季(69.95%)、秋季(69.24%)、冬季(66.28%);工艺过程源、道路移动源和居民生活源是O 3形成的3大来源,贡献率分别为26.32%、12.89%和9.91%。     

京津冀区域臭氧污染趋势及时空分布特征

为研究京津冀区域的臭氧(O_3)污染情况及其时空分布特征,对2013—2015年京津冀区域13个城市80个国家环境空气监测点位的监测数据进行了统计分析。结果表明:2013—2015年,京津冀区域O_3污染状况整体呈加重趋势,其中2014年污染状况最为严重。13个城市中O_3污染最严重的城市为北京和衡水,连续3年均超标,且处于上升态势中。区域内不同城市O_3污染趋势并不相同。京津冀区域O_3浓度变化呈明显的季节变化特征,春末和夏季的O_3污染最严重。O_3-8 h(臭氧日最大8 h均值)年均值的高值区主要分布在北京中北部、承德和衡水等,2013—2015年第90百分位O_3-8 h的高值区均集中分布在北京。O_3的浓度峰值时间要晚于NOx2~5 h。O_3在春、夏季呈单峰分布,白天15:00左右出现最大值,在秋、冬季浓度较低,全天波动不大。     

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。     

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...     

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。     

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。     

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。     

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。     

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。     

北京市城区挥发性有机物污染特征及其对臭氧影响分析

对2020年4月—2021年3月北京市建成区挥发性有机物(VOCs)的化学特征、污染来源及其对臭氧(O₃)污染的影响进行了研究。结果显示:O₃日最大8 h滑动平均值在臭氧季(4—9月)均值为134μg/m³,是非臭氧季(10月至次年3月)均值(59.6μg/m³)的2.2倍。臭氧季VOCs体积浓度均值为14.3×10^-9,明显低于非臭氧季(21.1×10^-9),可能与光化学反应速率和VOCs来源的季节性差异有关。臭氧生成潜势(OFP)贡献率排名前10位的物种在臭氧季和非臭氧季相似,均包括间/对-二甲苯、甲苯、乙烯、邻二甲苯、异戊烷、正丁烷、丙烯、反式-2-丁烯和1,2,4-三甲基苯,但排名有所差异,燃煤源特征明显的乙烯等物种在非臭氧季上升明显,与溶剂使用、油气挥发相关的间/对二甲苯、甲苯、异戊烷和正丁烷等物种在臭氧季上升明显。甲苯/苯的值和异戊烷/正戊烷的值在臭氧季明显高于非臭氧季,反映出机动车排放和油气挥发等在臭氧季影响突出,非臭氧季是燃煤影响显著。基于...     

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。     

支撑京津冀区域大气污染联防联控的大气监测体系构建

京津冀区域已成为全国大气污染最严重的地区之一,并且呈现出明显的区域性污染特征,加强区域间的环境合作,实施区域联防联控是解决京津冀区域大气污染问题的有效手段。对照《生态环境监测网络建设方案》的要求,目前京津冀区域大气监测体系还存在着监测网络不健全、监测项目覆盖不全面、监测新技术应用不足、质控体系不完善、信息产品供给与公众需求有差距等问题,与京津冀区域大气污染联防联控的要求不相适应。为全面提升京津冀区域大气监测体系对区域联防联控的技术支撑能力,亟需进一步完善京津冀区域的监测网络,增设传输研究、污染监控等特殊监测点位;逐步拓展监测项目,开展颗粒物化学组分和O_3前体物监测;加快遥感监测等立体监测技术在大气监测中的应用,全面分析污染物时空分布特征与传输规律;加强空气质量预报预警能力建设,为重污染天气应对提供技术支持;规范监测事权上收后的全过程质控体系,建立颗粒物标准方法比对和O_3量值传递质控机制;构建环境监测大数据平台,加强数据分析应用与信息公开。     

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(247.43μg/m³)高于其他2个监测时段(134.29、107.07μg/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...     

臭氧综合指数与臭氧潜势指数的构建与应用

随着社会经济的快速发展,我国臭氧污染日益严重,因此,研发出能定量评估气象条件对臭氧污染影响程度的诊断指数,成为提高和改善气象服务质量的重要任务之一。利用中国大陆地区2018年温度、总云量、风速、风向、相对湿度等气象场数据与臭氧浓度数据,研究臭氧污染敏感气象条件,统计各气象因子分布在不同数值区间时发生臭氧污染事件的相对频率(即分指数),按照分指数最大值和最小值的差值大小进行排序,筛选出10个与臭氧污染密切相关的气象因子,将10个气象因子的分指数进行累加,即得出臭氧综合指数。随后,对各地构建臭氧综合指数时采用的气象要素进行统计,得到出现频率最高的3个气象要素,并参考这些气象要素构建了臭氧潜势指数。分别以臭氧潜势指数和臭氧综合指数对北京市2019年臭氧日最大浓度建立拟合预报模型,结果表明:两类指数的拟合预报值与实测值有着相似的变化趋势;利用臭氧综合指数计算得到的预报值与实测值的相关系数为0.76,优于利用臭氧潜势指数计算得到的预报值与实测值的相关系数(0.64)。     

江苏省13个城市联合观测的大气挥发性有机物污染特征及来源解析

江苏省是长江三角洲的重要组成,近年来以臭氧(O₃)和细颗粒物(PM_2.5)为特征的区域复合型污染突出。挥发性有机物(VOCs)是O₃和PM_2.5的重要前体物。2020年4月、8月和2021年1月在江苏省13个城市开展大气VOCs样品离线同步观测,在此基础上分析了江苏省大气VOCs的浓度水平、化学组成和空间分布。整体来看,全省平均VOCs体积分数为40.3×10^-9,其中烷烃(41.8%)是主要贡献者,其次为含氧有机物(16.6%)、芳香烃(12.5%)、卤代烃(12.9%)和烯烃(9.6%)。从具体城市来看,VOCs高值区主要集中在苏南及苏中地区,呈现出明显的“南高北低”的区域分布特征,排名前3的城市分别为常州(52.0×10^-9)、泰州(49.8×10^-9)和苏州(45.2×10^-9)。臭氧生成潜势(OFP)表明,芳香烃和烯烃是对江苏省O₃生成贡献最大的组分,OFP排名前3的组分均包括间/对二甲苯、甲苯和乙烯。利用正交矩阵因子(PMF)模型对江苏省VOCs进行来源解析,共解析出5个因子。工业排放是主要贡献者(40.1%),之后依次为机动车尾气(33.0%)、溶剂与涂料使用(15.9%)、油气挥发(8.4%)和天然源(2.6%)。对于省内各市而言,VOCs来源结构具有差异。常州、苏州工业排放源相对贡献最高;连云港、徐州、扬州和淮安的机动车尾气相对贡献较高;溶剂与涂料使用和油气挥发对各市VOCs贡献较低。优先控制交通相关排放和工业相关排放能够有效地控制长三角中部地区的大气O₃和PM_2.5污染问题。     

2013-2017年京津冀区域PM2.5浓度变化特征

利用2013-2017年京津冀区域13个城市PM_2.5监测数据,综合探讨了该区域PM_2.5浓度的时空变化特征。结果表明：京津冀区域PM_2.5污染整体较重,但治理成效显著,2013-2017年区域PM_2.5年均质量浓度分别为106、93、77、71、64 μg/m³,完成《大气污染防治行动计划》PM_2.5浓度下降25%左右的目标;13个城市PM_2.5浓度各百分位数总体呈现下降趋势,且随百分位数增大而下降速率加大,PM_2.5年均质量浓度平均每年下降10.6 μg/m³,污染严重的太行山沿线城市邢台、石家庄、邯郸3个城市平均每年分别下降20.3、16.1、13.9 μg/m³;京津冀区域PM_2.5重度污染天数比例分别为19.9%、16.6%、9.5%、9.0%、7.0%,呈下降趋势。2013-2017年京津冀区域PM_2.5平均质量浓度与非重度污染天相比升高19 μg/m³,PM_2.5重度污染天平均质量浓度较非重度污染天时高244.4%。     

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。     

2022年新冠疫情期间昆山市近地面臭氧特征及成因分析

为研究2022年新冠疫情期间管控措施对昆山市空气质量产生的影响,分析了疫情前期及管控期大气污染物(尤其是臭氧O₃)浓度的变化特征,并对O₃的空间分布、成因及来源进行了解析。结果表明:疫情管控后,一次污染物浓度呈递进式降低,而 O₃日最大8 h滑动平均质量浓度(O₃-8 h)显著上升,其中管控中期的污染最严重,明显超过历史同期水平。空间分布上O₃-8 h高值区主要集中在市区西部(高新区)及西北部区域,较2021年增幅显著。NO₂浓度下降比与O₃-8 h上升比的空间分布呈现出良好的对应关系,NO₂降幅高的区域O₃-8 h增幅也高,同时两者浓度变化呈非线性相关,当NO₂浓度达到一个临界值时,O₃浓度随之出现下降。典型污染过程中O₃日变化仍为显著的“单峰型”,但振幅明显增大,O₃与气温、能见度、日照呈显著正相关,与相对湿度和气压呈显著负相关。结合风向及后向轨迹聚类分析来看,此次污染气团主要来自浙江、安徽等地,占总气团输入的64%左右。