西安地区夏季臭氧的模拟研究

本文利用WRF-CHEM模式对关中地区2015年7月25日至30日的一次O_3污染事件进行了数值模拟。通过与地面观测数据对比发现,WRF-CHEM模式基本上可以合理模拟西安和咸阳城市群O_3和NO_2的质量浓度的时空分布。敏感性试验表明,在臭氧生成的峰值期(12:00—18:00 LT),交通源是城市重要的O_3源,无论在高浓度臭氧条件下还是低浓度臭氧条件下,贡献量都高于15μg?m~(-3),平均贡献量均高于24μg?m~(-3);工业源仅在臭氧峰值生成时期贡献明显;生物源无论在高浓度还是低浓度臭氧的条件下,平均贡献都在16μg?m~(-3)以上;居民源的贡献基本低于10μg?m~(-3);能源生产源有降低O_3质量浓度的作用,但在臭氧生成的峰值时期,能源生产源可以增加O_3质量浓度。随着交通源排放量的增加,O_3的质量浓度逐渐增加,尤其在臭氧的峰值期。在臭氧生成峰值期,当氮氧化物(NOx)减少50%时,除城市中心臭氧浓度略增加,其他地区臭氧质量浓度均在下降;当挥发性有机物(VOCs)减少50%时,城市群内臭氧质量浓度都在下降;当NO_x和VOCs同时减少50%时,臭氧质量浓度都呈现下降趋势,减少量可达20μg?m~(-3)以上。在整个研究区域内,H_2O_2/HNO_3比值均在0.6以上,这表明西安和咸阳城市群属于NO_x控制区。     

南京地区一次臭氧污染过程的行业排放贡献研究

采用WRF-CHEM模式对南京地区春季一次臭氧(O_3)污染过程进行了模拟及行业排放贡献分析.此次O_3污染过程发生在2015年5月22—26日,南京地区一直处于地面高压控制的晴好天气之下,并于25日达到O_3污染的峰值.模拟与观测的一致性指数IOA达到0.89,表征本次O_3污染过程的模拟与观测结果的一致性较高.通过5类排放源(工业源、农业源、居住源、交通源、生物源)的敏感性试验,探究各行业排放源中O_3前体物对近地面O_3浓度的相对贡献.结果表明工业源在白天为持续正贡献,且在午后16:00时达到峰值,而交通源、居住源和农业源的贡献随气温的升高在白天由负贡献转为正贡献,并在18:00时左右达到峰值.在夜晚,O_3则主要通过交通源排放的大量NO进行滴定消耗.在高O_3浓度(≥200μg·m~(-3))时,各人为排放源均为正贡献,工业源的贡献最大,达到50μg·m~(-3),在低O_3浓度(200μg·m~(-3))时,交通源、居住源和农业源呈负贡献.生物源在人为排放源主导的南京城区O_3污染过程中的贡献几乎为零.考虑到O_3生成机制的复杂性,对于南京地区,减少工业源排放是控制O_3污染的关键.     

北京市城区夏季VOCs变化特征分析与来源解析

精细化的挥发性有机物（VOCs）组分特征和来源分析,可以为科学有效地进行臭氧（O₃）污染防控提供支持.利用2020年夏季7~8月北京城区点位监测的小时分辨率VOCs在线数据,分析高O₃浓度时段和低O₃浓度时段环境受体中VOCs化学特征和臭氧生成潜势（OFP）,并利用正定矩阵因子分解（PMF）模型进行精细化源解析.结果表明,观测期间监测点φ［总大气挥发性有机物（TVOCs）］平均值为12.65×10^-9,高O₃时段和低O₃时段φ（TVOCs）平均值分别为13.44×10^-9和12.33×10^-9,OFP分别为107.6μg·m^-3和99.2μg·m^-3.观测期间O₃生成受VOCs控制,芳香烃的反应活性最高,对OFP贡献排名前三的组分均为异戊二烯、甲苯和间/对-二甲苯.低O₃时段环境受体中VOCs的主要来源包括汽车排放（26.4%）、背景排放（15.7%）、溶剂使用（13.0%）、汽修（12.8%）、二次生成源（9.7%）、生物质燃烧（6.1%）、印刷行业（5.7%）、液化天然气（LNG）燃料车（5.5%）和植被排放（5.0%）,其中背景排放、二次生成和印刷行业源在近年来北京VOCs源解析研究中少有讨论.高O₃时段汽修源和二次生成源贡献分别较低O₃时段上升了3.4%和2.6%,汽车排放仍是北京城区最主要的VOCs贡献源.植被排放源从07：00开始上升,在午后达到最高;背景排放源的贡献变化较小;汽车排放和LNG燃料车排放源呈现早晚高峰特征,下午时贡献相对较低.     

廊坊市夏季臭氧体积分数影响因素及生成敏感性

基于廊坊市夏季近地面O_3体积分数及其前体物VOCs和NO_x体积分数数据,结合气温、风速风向、总云量和太阳辐射强度等气象资料,分析了O_3体积分数的日变化规律以及气象因素对其的影响;利用VOCs/NO_x比值法和EKMA曲线法分析了O_3的生成敏感性.结果表明:(1)廊坊市夏季O_3生成速率及其体积分数与太阳辐射强度为显著正相关,皮尔森相关系数r分别为0.61和0.48,其中O_3生成速率和太阳辐射强度都在12:00左右达到峰值,而O_3体积分数在16:00达到峰值,滞后太阳辐射强度峰值4 h;(2)O_3生成速率及其体积分数与气温呈正相关,皮尔森相关系数分别为0.44和0.68;与总云量呈负相关,皮尔森相关系数分别为-0.24和-0.45;(3)风向为偏西风、偏南风或东南风时,廊坊市夏季O_3体积分数易出现高值;(4)廊坊市夏季整体处于VOCs控制区,O_3体积分数的最优控制措施为短期内优先削减VOCs,中长期协同减排NO_x和VOCs.     

我国典型化工行业VOCs排放特征及其对臭氧生成潜势

选取了我国5种典型化工行业VOCs排放源进行了源排放特征分析,通过对70个VOCs源样品的分析,结果表明,烷烃是合成材料制造业、石化行业和涂料产品制造业的主导VOCs种类（占比分别为43%、63%和68%）,烯烃是日用化学产品制造业的VOCs主要种类（46%）,卤代烃在专用化学品制造业排放中占主导（43%）;利用机器学习方法分析了上述行业的标志组分,发现癸烷和四氢呋喃是合成材料制造业源的特征标志组分,正丁醇和甲苯是日用化学产品制造业源的特征标志组分,1,2,3-三甲苯和1,3,5-三甲苯是石化行业源的特征标志组分,丙烯和3-甲基戊烷是涂料产品制造业的标志组分,对二甲苯和异丙苯是专用化学品制造业源的特征标志组分;并采用最大增量反应活性法（MIR）估算了各VOCs排放源的臭氧生成潜势（OFP）,结果表明,在单位浓度总VOCs排放条件下,对臭氧生成潜势的贡献大小依次为日用化学产品制造业、专用化学品制造业、石化行业、合成材料制造业和涂料产品制造业.建议在今后的臭氧防控中,更应关注各行业所排放的关键活性物种,而不仅仅注重VOCs排放总量.     

移动源排放VOCs特征及臭氧生成潜势研究—以兰州市为例

高浓度近地面臭氧(O_3)污染是国内外许多城市面临的大气污染问题,且近年来O_3浓度呈逐渐升高的趋势.随着城市规模日益扩大,移动源成为VOCs的主要排放源之一,对移动源的O_3生成潜势进行评估,并识别其关键物种和重点污染区域,可为城市O_3控制对策的制定提供科学依据.本文以兰州市移动源为例,结合排放系数、交通流量及相关统计数据,建立兰州市VOCs移动源排放清单,并使用最大增量反应活性(MIR)估算移动源VOCs的臭氧生成潜势(OFP).结果表明,兰州市汽油车是移动源中最主要的OFP贡献源类,占移动源的71.12%;烯烃和芳香烃为移动源总OFP主要的贡献者,主要贡献物种为:乙烯、丙烯、甲醛、3-甲基-1-丁烯、甲苯、正丁烯、乙炔、间二甲苯、1,2,4-三甲基苯、邻二甲苯,这10个物种的OFP占移动源总OFP的67.29%;根据兰州市移动源VOCs排放的OFP贡献空间分布结果,移动源VOCs排放的重点控制区域为城关区和七里河区.     

伊宁市夏季大气臭氧生成机制及减排策略

为探究我国西北城市地区臭氧（O₃）生成机制及减排策略,2021年夏季在伊宁市开展环境大气加强观测,基于0-D盒子模型（采用MCMv3.3.1化学机制）分析伊宁市大气O₃生成机制并初步探究大气O₃生成敏感性.结果表明：①由O₃生成潜势（OFP）、·OH反应速率（k_·OH）和相对增量反应活性（RIR）这3个指标共同分析可知,烯烃、含氧挥发性有机物（OVOCs）和芳香烃是影响O₃生成的关键人为源挥发性有机物（AVOC）组分,且生物源挥发性有机物（BVOC）对O₃的生成贡献也不容忽视.基于RIR分析发现优控VOCs物种主要为乙醛、乙烯和丙烯等;②由盒子模型模拟可知,伊宁市O₃受到本地光化学生成和区域输出作用共同影响,且HO₂·+NO和·OH+NO₂反应途径分别对本地O₃光化学生成和去除贡献最大;③基于RIR（NO_x）/RIR（AVOC）和EKMA共同表明,伊宁市夏季O₃生成主要处于过渡区且靠近VOCs控制区.不同削减情景模拟表明,AVOC和NO_x协同减排能有效降低当地O₃体积分数,其中AVOC减排效果更为明显.研究结果可为西北区域类似城市大气O₃污染管控提供支持.     

兰州市化石燃料燃烧源排放VOCs的臭氧及二次有机气溶胶生成潜势

随着我国工业的快速发展和城市化进程的加快,化石燃料的大量使用造成了严重的二氧化硫、颗粒物和挥发性有机物(volatile organic compounds,VOCs)等大气污染.目前,对化石燃料燃烧排放挥发性有机物环境影响的研究较少,本文计算了兰州市化石燃料燃烧源排放VOCs及其相应的臭氧生成潜势(ozone formation potential,OFP)和二次有机气溶胶生成潜势(secondary organic aerosols formation potential,SOAFP),其中水泥制造业的OFP和SOAFP占比最大,分别为45. 3%、50. 9%;其次为砖瓦制造业,但其吨标煤燃烧排放VOCs的OFP和SOAFP值最高,折为吨标煤后天然气燃烧产生VOCs的O_3和SOA最小.兰州市主城区化石燃料燃烧源OFP和SOAFP主要为电力和热力的生产供应以及西固区工业企业排放VOCs的贡献,其它地区为水泥制造业、砖瓦制造业、钢铁冶炼业等高能耗的行业的贡献为主.芳香烃是化石燃料燃烧源排放VOCs中对OFP和SOAFP均贡献最大的一类物质,占比分别为40. 0%和67. 2%,并且在生成潜势贡献前10的物种中芳香烃为主要物种.与生物质燃烧源相比,化石燃料燃烧源具有较强的O_3和SOA生成能力(2. 58 t·t~(-1)和3. 16 kg·t~(-1)).     

成都市典型有机溶剂使用行业VOCs组成成分谱及臭氧生成潜势研究

选取成都市5大典型有机溶剂使用行业——包装印刷业、人造板制造业、家具制造业、制鞋业和化学品制造业具有代表性的15家企业测定挥发性有机物(VOCs)排放组分,并对其不同组分的臭氧生成潜势(OFP)进行分析.研究结果表明:不同行业排放的VOCs之间存在较大差异,包装印刷业和人造板制造业主要排放含氧VOCs(OVOCs),家具制造业主要排放芳香烃和OVOCs,制鞋业和化学品制造业主要排放OVOCs、芳香烃和烷烃;芳香烃是化学反应活性最强的组分,对臭氧的生成贡献普遍较大,其中贡献最大的邻二甲苯及间二甲苯的OFP值分别为92.13 mg·m~(-3)和89.65 mg·m~(-3),二者占总OFP的40%;五大典型有机溶剂使用行业中,家具制造业对O_3生成的贡献最大,OFP贡献率为34.59%.     

苏州市初夏臭氧污染成因及年际变化

以2017~2021年的5~6月苏州市城区站点的大气污染物浓度为研究对象,分析了臭氧（O₃）、氮氧化物（NO_x）、总氧化剂（O_x）、一氧化碳（CO）和挥发性有机物（VOCs）等污染物的变化特征,利用基于观测的模型（OBM）研究了O₃污染成因及其年际变化,解析了环境空气VOCs的主要来源及其变化趋势.结果表明：①近年来苏州O_x平均体积分数以及NO_x和CO平均浓度整体呈下降趋势,但VOCs的体积分数整体呈上升趋势;O₃污染天光化学反应前体物浓度水平仍较高,且显著高于优良天.②近年来苏州O₃生成处于VOCs控制区;苏州市VOCs和NO_x长期减排比例应不低于5∶1,在VOCs控制方面应注重对芳香烃和烯烃的减排.③源解析结果显示,工业排放、汽油车尾气和柴油机尾气是苏州市VOCs的主要排放源;近年来工业排放源和溶剂使用源有所下降,但汽油车尾气源和油气挥发源贡献率上升明显,且上述两类污染源排放VOCs的O₃生成潜势较高.④综合分析各排放源对O₃生成潜势的贡献发现,溶剂使用源和汽油车尾气源的VOCs排放是影响苏州市O₃生成的关键因素.     

泰安市大气臭氧污染特征及敏感性分析

2018年5～7月对泰安市城区站点的臭氧及前体物进行在线监测,并基于特征比值法和光化学模型分析了臭氧及前体物的污染特征及臭氧生成对前体物的敏感性.结果表明,观测期间泰安市正遭受较为严重的臭氧(O_3)污染,臭氧浓度的日变化呈典型的单峰型变化,15:00左右出现最高值,氮氧化物(NO_x)和VOCs的日变化趋势整体呈现夜间高白天低的变化特征.由O_3生成效率(OPE)、VOCs/NO_x和H_2O_2/NO_z特征比值法及基于EKMA曲线的方法均得出观测期间泰安市大气O_3光化学生成偏向于NO_x敏感区及过渡区,削减NO_x和VOCs均对O_3生成具有控制作用.同时基于EKMA曲线的方法还得出在O_3前体物浓度减排时按照丙烯等效浓度(PE)与NO_x浓度比值为8∶3进行VOCs(PE)和NO_x削减可以达到O_3浓度控制的最佳效果.     

2019年7月石家庄市O3生成敏感性及控制策略解析

基于石家庄市2019年7月近地面污染物和气象观测数据,分析夏季O₃污染状况及其影响因素;结合WRF-CMAQ模式和O₃浓度等值线（EKMA曲线）,探究不同区域O₃-VOCs-NO_x的非线性响应关系,旨在探究最佳的前体物减排方案.结果表明,观测期间,石家庄市市区MDA8 O₃超标率高达70.9%.污染天期间,伴随着高温、低湿、小风,且以南风和东南风为主.石家庄市市区属于VOCs控制区,郊县为NO_x和VOCs协同控制区.在臭氧污染时段,市区在仅削减NO_x排放,且削减比例超过50%时,持续减排NO_x使得O₃浓度呈逐渐下降趋势.在非臭氧日时段,市区在VOCs和NO_x的削减比例大于1倍时,O₃浓度才不会出现反弹.对于市区应考虑以仅削减VOCs为先;对于郊县区域而言,不同的NO_x和VOCs削减比例下,O₃浓度均会下降...     

2020年成都市典型臭氧污染过程特征及敏感性

2020年4月24日至5月6日成都市臭氧(O3)和细颗粒物(PM2.5)复合污染过程期间,在成都市城区开展大气臭氧及其前体物(NO,、VOCs)和气象参数观测实验,基于观测数据采用OBM模型对市区臭氧敏感性和主控因子进行识别,并采用PMF模型对关键VOCs物种进行来源解析.结果表明,臭氧超标日各污染物浓度均有所上升,VOCs物种中芳香烃和含氧(氮)化合物上升幅度较大;成都市城区O3超标天对应的臭氧处于显著VOCs控制区,芳香烃和烯烃对O3生成最为敏感,且存在削减NOx的不利效应;结合VOCs来源解析,城区VOCs主要来源:移动源(22.4％)、餐饮及生物质燃烧源(21.8％)、工业源(15.1％)和溶剂使用源(9.3％),臭氧超标天溶剂使用源、餐饮及生物质类燃烧源贡献率明显上升.成都市城区春季应以VOCs减排为重点,并加大芳香烃和烯烃相关源控制力度.     

2020年和2021年南京城区臭氧生成敏感性和VOCs来源变化分析

PM_2.5和臭氧(O₃)协同防控是“十四五”期间空气质量提升的重点.O₃生成与其前体物挥发性有机物(VOCs)和氮氧化物(NO_x)呈高度非线性关系.基于南京市城区站点2020年和2021年的4～9月O₃、 VOCs和NO_x的连续在线监测数据,比较了两年间O₃及其前体物浓度的变化,进一步利用基于观测的盒子模型(OBM)和正定矩阵因子分解(PMF)模型分析了O₃-VOCs-NO_x敏感性和VOCs来源.结果表明,2021年的4～9月O₃日最大浓度、 VOCs和NO_x浓度的平均值相较于2020年同期约下降7%(P=0.031)、 17.6%(P<0.001)和14.0%(P=0.004).2020年和2021年的O₃超标天NO_x和人为源VOCs的平均相对增量反应活性(RIR)分别为0.17和0.14, 0....     

典型城市臭氧污染源贡献及控制策略费效评估

东莞是珠三角O_3污染最严重的城市,使用RSM/CMAQ(曲面响应模型)法分析了珠三角区域人为排放的NO_x和VOCs对东莞市O_3浓度变化源贡献.2014基准年分析结果表明,扣除模型域外区域传输及天然源排放对O_3本底浓度贡献(41.00%)后,东莞本地VOCs排放对O_3贡献最大(18.50%),珠三角区域NO_x减排率13%时可持续降低东莞市O_3浓度.进一步使用ABa CAS-SE(空气污染控制成本效益与达标评估系统)对2017、2020、2025东莞市3个未来年O_3污染控制情景进行了费效评估.评估结果显示,NO_x和VOCs控制比例相对较低的2017年控制情景人体健康效益/区域控制成本比约为1.1;而控制比例相对较高的2025年东莞O_3达标情景效益成本比仅为0.1.这说明,在高减排率情景下,以末端治理为主的控制措施经济可行性较差,需综合采取产业/能源结构调整、清洁生产等措施实现NO_x和VOCs的大比例减排,实现东莞O_3的稳定达标.今后将进一步研究NO_x和VOCs减排对PM_(2.5)环境浓度及健康效益影响,开展多目标污染物协同控制费效评估.     

Characteristics of ambient volatile organic compounds during spring O3 pollution episode in Chengdu, China

Surface ozone (O₃) has become a critical pollutant impeding air quality improvement in many Chinese megacities. Chengdu is a megacity located in Sichuan Basin in southwest China, where O₃ pollution occurs frequently in both spring and summer. In order to understand the elevated O₃ during spring in Chengdu, we conducted sampling campaign at three sites during O₃ pollution episodes in April. Volatile organic compounds (VOCs) compositions at each site were similar, and oxygenated VOCs (OVOCs) concentrations accounted for the highest proportion (35%-45%), followed by alkanes, alkens (including acetylene), halohydrocarbons, and aromatics. The sensitivity of O₃ to its precursors was analyzed using an observation based box model. The relative incremental reactivity of OVOCs was larger than other precursors, suggesting that they also played the dominant role in O₃ formation. Furthermore, the positive matrix factorization model was used to identify the dominant emission sources and to evaluate their contribution to VOCs in the city. The main sources of VOCs in spring were from combustion (27.75%), industrial manufacturing (24.17%), vehicle exhaust (20.35%), and solvent utilization (18.35%). Discussions on VOCs and NO_x reduction schemes suggested that Chengdu was typical in the VOC-limited regime, and VOC emission reduction would help to prevent and control O₃. The analysis of emission reduction scenarios based on VOCs sources showed that the emission reduction ratio of VOCs to NO₂ needs to reach more than 3 in order to achieve O₃ prevention. Emission reduction from vehicular exhaust source and solvent utilization source may be more effective.     

重庆市主要工业源VOCs组分排放清单及其臭氧生成潜势

基于"第二次全国污染源普查"基础信息和工业行业VOCs源成分谱,建立了重庆市2017年主要工业源VOCs组分清单,并估算其臭氧生成潜势(OFP),识别工业源VOCs重点管控物种及其来源.结果表明,重庆市2017年工业源VOCs排放总量及其OFP分别为144.12 kt和477.34 kt,汽车制造、装备制造、塑料制造和...     

基于Brute-Force方法的京津冀区域夏季臭氧反应机制

近年来京津冀区域夏季臭氧（O₃）体积分数仍居高位,轻中度污染频繁发生,相关反应机制研究亟需开展.利用WRF-Chem模式对该区域2018年夏季代表月O₃浓度进行模拟,并基于Brute-Force方法探究了区域层面前体物减排的O₃变化.O₃在不同排放情景的变化表明,该区域O₃反应机制以VOCs控制区与非敏感区为主,VOCs控制区主要聚集京津冀中部,呈南北带状分布,面积占比15.60%~26.59%.区域各市城区的O₃浓度对前体物排放的相对响应强度（RRI）具有很大的空间差异性,对于VOCs,RRI_VOC在0.03~0.16范围内;而对于NO_x,RRI_NO_x在-0.40~0.03范围内.纬度越高的城区,RRI值越剧烈,表明了越为显著的区域输送影响.前体物排放强度高的城区,RRI_NO_x值越低,暗示RRI_NO_x对当地NO₂浓度的负向依赖;但RRI_VOC与NO₂水平无明显关联,更依赖于对前体物相对丰度（VOCs ：NO_x）.RRI_VOC与RRI_NO_x比值在多数城市表现为负值,VOCs协同减排以抑制O₃浓度恶化十分必要;该比值的绝对值在工业化和城市化高的城市远低于普通中小城市,意味着这些城市VOCs协同减排的要求将更高.然而,即使在前体物50%减排下,区域各城市O₃浓度改善仍然有限,毗邻省份的区域外联合治理也依然重要.     

VOCs源强不确定性对臭氧生成及污染防治影响的模拟分析

本文基于三维区域空气质量模式WRF-Chem,通过修改模式化学模块,量化输出过程量和诊断量,提供了一种定量分析挥发性有机化合物(VOCs)源强不确定性对O3生成影响的方法.为无法定量计算VOCs源强导致的臭氧生成率[P(O3)]偏差,以及由此对O3体积分数分布和污染控制相关联的VOCs敏感区和NOx 敏感区分布的误判提供了方法参考.采用标准统计参数对WRF-Chem模式的气象场与污染场模拟性能进行了评估,相关指标均优于前人结果.以INTEX-B(intercontinental chemical transport experiment-phase B)人为源、FINNv1(fire inventory from NCAR version 1)生物质燃烧源和 MEGAN(model of emissions of gases and aerosols from nature)生物源作为基准源,并以卫星观测数据作为约束,对排放源进行改进,评估了源改进前后臭氧生成率[P(O3)]、O3体积分数和O3控制敏感区指标(Ln/Q)的变化情况.仅人为VOCs(AVOCs)源增加68％后,P(O3)模拟峰值增升比例达13％～82％,以北京观测站点为例,P(O3)模拟月均峰值增加42％(22.5×10-9 h-1).对P(03)形成贡献比例最大的主要化学反应是HO2+NO(占比约68％),AVOCs源增加68％后,该反应贡献比例下降至65％.在改进源下,P(O3)普遍增加达到2×10-9～4×10-9h-O3各季节增幅较大的区域均主要集中在京津冀、长三角和珠三角中心城市及周边区域,与我国大型城市区基本都是VOCs敏感区的结论一致.整体而言,VOCs源强改进后,Nox敏感区O3体积分数增加幅度不大,不超过4×10-9,而部分VOCs敏感区增幅超过20 x10-9.VOCs源强的不确定性会影响O3形成过程中Nox和VOCs敏感区的判断,特别是VOCs源强明显低估会夸大VOCs敏感区的范围,从而降低O3调控对策的有效性.     

Response surface modeling-based source contribution analysis and VOC emission control policy assessment in a typical ozone-polluted urban Shunde, China

To develop a sound ozone (O₃) pollution control strategy, it is important to well understand and characterize the source contribution due to the complex chemical and physical formation processes of O₃. Using the “Shunde” city as a pilot summer case study, we apply an innovative response surface modeling (RSM) methodology based on the Community Multi-Scale Air Quality (CMAQ) modeling simulations to identify the O₃ regime and provide dynamic analysis of the precursor contributions to effectively assess the O₃ impacts of volatile organic compound (VOC) control strategy. Our results show that Shunde is a typical VOC-limited urban O₃ polluted city. The “Jiangmen” city, as the main upper wind area during July 2014, its VOCs and nitrogen oxides (NO_x) emissions make up the largest contribution (9.06%). On the contrary, the contribution from local (Shunde) emission is lowest (6.35%) among the seven neighbor regions. The local VOCs industrial source emission has the largest contribution comparing to other precursor emission sectors in Shunde. The results of dynamic source contribution analysis further show that the local NO_x control could slightly increase the ground O₃ under low (10.00%) and medium (40.00%) reduction ratios, while it could start to turn positive to decrease ground O₃ under the high NO_x abatement ratio (75.00%). The real-time assessment of O₃ impacts from VOCs control strategies in Pearl River Delta (PRD) shows that the joint regional VOCs emission control policy will effectively reduce the ground O₃ concentration in Shunde.