南京夏季大气臭氧光化学特征与敏感性分析

对流层臭氧（O₃）主要由氮氧化物（NO_x）和挥发性有机物（VOCs）经过一系列光化学反应生成,反应过程呈现复杂的非线性关系.为深入了解O₃的光化学特征及生成机制,利用2018年夏季大气O₃与VOCs的观测数据,结合大气零维框架模拟模型F0AM-MCM,研究O₃超标日和非O₃超标日的O₃光化学特征之间的差异性.观测结果表明,O₃超标日期间φ（O₃）和φ（TVOCs）的平均值分别为47.8×10^-9和49.0×10^-9,为非O₃超标日期间O₃（26×10^-9）和TVOCs（30×10^-9）体积分数的1.8倍和1.6倍.使用F0AM模型,借助EKMA曲线和RIR分析等识别O₃敏感性,发现南京市O₃超标日和非O₃超标日O₃的形成均主要受VOCs和NO_x的协同控制.F0AM-MCM模拟结果表明,在O₃超标日,·OH和HO₂的日平均混合比分别是非O₃超标日的1.3倍和1.8倍,表明O₃超标日期间具有更强的大气氧化能力,且·OH和HO₂的形成和损失速率也有明显的增加,表明自由基循环的增强.此外,O₃超标日的O₃生成速率明显高于非O₃超标日,从而导致了O₃超标日的O₃净生成速率明显高于非O₃超标日.以上发现提高了对南京夏季O₃超标日大气O₃光化学特征的认识.     

基于观测数据的石家庄交通干线附近臭氧光化学敏感性分析

为确定石家庄东部郊区交通干线附近O₃生成光化学敏感性,利用2019年1月1日—2020年10月31日在线观测的NO_x、NO_y和O₃等数据计算并分析了O₃生成效率(OPE)及O₃光化学敏感性的NO_x临界浓度.结果表明:1交通干线附近O₃光化学敏感性存在季节差异,春季主要受VOCs控制,整体OPE为2.6±0.3,夏、秋季节主要受NO_x与VOCs协同控制,整体OPE分别为5.3±0.4和5.1±0.8;2NO_x体积分数>11×10^-9时,O₃生成主要为VOCs控制;NO_x体积分数介于6×10^-9~11×10^-9时,O₃生成主要受VOCs与NO_x协同控制;NO_x体积分数<6×10^-9时,O₃生成主要为NO_x控制;3O₃生成敏感性存在日变化特征,10:00之前O₃生成主要受VOCs控制,10:00—11:00是O₃生成由VOCs控制转变为VOCs和NO_x协同控制的过渡时段,12:00之后O₃生成主要由VOCs和NO_x协同控制,且午后14:00—16:00之间NO_x对O₃控制比例凸显.因此,石家庄O₃治理不但要重视NO_x与VOCs排放源的协同管控,尤其午后还需要对NO_x排放源进行分时段精细化管控.     

天津市郊夏季的臭氧变化特征及其前体物VOCs的来源解析

本文利用天津市南开大学津南校区大气环境综合观测站的臭氧及其前体物（VOCs和NO_x）、气象参数等在线监测仪器,获取了2018年夏季（6~8月）小时分辨率的数据信息;分析臭氧及其前体物的相互关系及变化特征;根据光化学年龄计算出VOCs的初始浓度对其日间（06：00~24：00）VOCs体积分数的光化学损耗进行修正;将初始体积分数和直接监测的VOCs体积分数分别纳入PMF模型进行人为源的来源解析.结果表明,夏季天津O₃的平均体积分数为（41.3±25.7）×10^-9,而VOCs的平均体积分数为（13.9±12.3）×10^-9,其中烷烃的平均体积分数（7.0±6.8）×10^-9明显高于其它VOCs物种.烷烃中浓度较高的物种分别为丙烷和乙烷,占总烷烃浓度贡献的47%.夏季O₃的生成潜势（OFP）平均值为52.1×10^-9,其中烯烃的OFP值最高,对于TVOCs臭氧生成潜势的贡献达到57%.VOCs日间光化学损耗量计算结果表明,烯烃日间损耗占VOCs损耗总量的75%.基于初始浓度解析的VOCs来源分别为：化工排放和溶剂使用（25%）、机动车尾气（22%）、燃烧源（19%）、天然气和液化石油气（19%）和汽油挥发（15%）.相比于直接将监测浓度纳入PMF解析的结果,化工排放和溶剂使用贡献百分占比下降4%,机动车尾气贡献百分占比下降5%.利用PMF源解析结果结合OFP分析不同源类对臭氧污染的相对贡献,基于初始体积分数数据的结果显示,贡献最高源类为化工排放和溶剂使用（26%）.与利用直接监测数据的解析结果相比,化工排放和溶剂使用的OFP值降低7%,天然气和液化石油气的OFP值明显降低13%.     

重庆市主城区O3污染时期大气VOCs污染特征及来源解析

2020年8月底至9月初,重庆市主城区发生了持续时间近2周的O₃污染过程.期间,在主城区3个观测站点利用苏玛罐和DNPH采样柱采集的环境空气VOCs样品,研究了O₃污染期间VOCs组分特征、光化学反应活性及来源解析.结果表明,观测期间重庆市主城区TVOCs平均体积分数为45.08×10^-9,各组分体积分数排序依次为OVOCs、烷烃、卤代烃、烯烃、芳香烃和炔烃.体积分数较高的VOCs物种是甲醛、乙烯和丙酮,三者之和占比TVOCs超过30%.OVOCs和烯烃对· OH消耗速率（L_i^·OH）和臭氧生成潜势（OFP）均具有较大的贡献,是生成O₃的关键VOCs组分;其中,OVOCs组分中主要的活性物种为甲醛、乙醛和丙烯醛,烯烃组分中主要的活性物种为异戊二烯、乙烯和正丁烯.VOCs中二甲苯与乙苯的比值较低,并且两者呈现显著的相关性,表明主城区大气中VOCs气团老化程度高,同时还受到其他区域远距离传输的影响.PMF受体模型解析结果显示,主要有5种VOCs来源,依次为二次生成源（27.67%）、机动车尾气源（26.56%）、工业排放源（17.86%）、植物源（14.51%）和化石燃料燃烧源（13.4%）.     

东莞工业集中区夏季臭氧污染与非污染期间VOCs组分特征及其来源

为探讨东莞典型工业区夏季大气挥发性有机物（VOCs）污染特征及来源,于2020年夏季在厚街镇对大气环境中56种VOCs开展了在线观测,并同步收集了臭氧（O₃）、氮氧化物（NO_x）和一氧化碳（CO）等气体污染物浓度和气象因子等资料,在此基础上分析了VOCs总体积分数和主要物种体积分数特征,进一步估算了主要VOCs物种对臭氧生成潜势的贡献和不同臭氧浓度下VOCs的主要污染源贡献率.结果表明,观测期间56种VOCs的体积分数平均值为53.1×10^-9,其中φ（芳香烃）、φ（烷烃）、φ（烯烃）和φ（炔烃）分别为24.7×10^-9、23.7×10^-9、3.9×10^-9和0.7×10^-9.与非臭氧污染期间相比,臭氧污染期间φ（芳香烃）、φ（烷烃）、φ（烯烃）和φ（炔烃）分别上升约10%、43%、38%和98%.无论是臭氧污染还是非臭氧污染期间,芳香烃对臭氧生成潜势的贡献率均最大,其次为烷烃、烯烃和炔烃.整个夏季观测期间,溶剂源、液化石油气泄漏、化石燃料燃烧源和油气挥发源对VOCs的贡献率分别为60%±20%、16%±11%、15%±11%和9%±6%;臭氧污染期间,溶剂源的贡献率下降到44%,而液化石油气泄漏和油气挥发源的贡献率分别上升到21%和16%.     

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.     

天津夏季郊区VOCs对臭氧生成的影响

挥发性有机物是O₃重要的前体物之一,在O₃生成方面起着决定性作用.为研究天津郊区VOCs特征及其对O₃生成的作用,利用SyntechSpectras GC955在线监测系统监测天津市津南区54种VOCs的浓度,并结合最大增量活性因子计算VOCs的臭氧生成潜力.结果表明,2018年7月津南区VOCs总浓度为（32.33±23.77）μg·m^-3,其中烷烃质量浓度最高,芳香烃和烯烃次之,炔烃最低,丙烷、乙烯和甲苯分列VOCs质量浓度的前3位.观测期间TVOC的OFP为107.81 μg·m^-3,烯烃对OFP的贡献最大,为55.80%,乙烯、异戊二烯和甲苯分列OFP贡献率的前3位.后向轨迹分析表明,不同来向和性质的气团下TVOC及其OFP不同.VOCs/NO_x体积分数比值估算表明,观测期间O₃生成对VOCs较为敏感.乙苯/间,对-二甲苯和乙烷/乙炔等特定物种对浓度比值的变化表明,3次O₃污染过程均伴随VOCs的老化过程.     

成都市春季O3污染特征及关键前体物识别

2018年4月在成都市区开展了臭氧（O₃）以及挥发性有机物（VOCs）等污染物的在线监测,搜集了成都市国控站点数据,对O₃污染特征进行分析,利用增量反应活性（RIR）的方法识别了O₃生成的关键前体物.结果表明,成都市2016~2018年的4月的O₃污染程度逐年加重,O₃日变化呈现单峰态;当温度大于20℃,风速处于1~1.5 m·s^-1,相对湿度小于65%时,O₃超标率在4月会高于80%;2018年4月,O₃超标天的NO_x日均浓度是非超标天的2.3倍,VOCs日均浓度是非超标天的2倍;人为源VOCs、CO、天然源VOCs和NO_x这4大类前体物在臭氧超标天对O₃的RIR值依次为2.4、0.87、0.06和-2.6,说明O₃处于VOCs控制区;从VOCs物种来看,间/对-二甲苯、乙烯、反-2-丁烯、丙烯、邻-二甲苯、甲苯、丙酮、异戊二烯、异戊烷和正丁烷等为O₃生成的关键活性VOCs物种.     

大连市夏季VOCs化学反应活性及来源

为了解大连市环境空气挥发性有机物（VOCs）污染特征及来源,基于2020年6~8月高时间分辨率VOCs在线观测数据,对大连市大气VOCs的浓度水平、组成特征、反应活性及来源情况进行了分析.结果表明φ（VOCs）的平均值为（10.21±5.71）×10^-9,其中烷烃占比为66.35%,烯烃为11.89%,炔烃为7.75%,芳香烃为14.01%.VOCs和NO_x呈现夜间高,白天低的特征,而O₃变化趋势相反.综合考虑物种活性,确定甲苯、乙烯、间/对-二甲苯、1-己烯、正丁烷、异戊烷、正戊烷和异戊二烯是影响大连市大气VOCs的关键物种,优先控制烯烃和芳香烃类化合物的排放是改善大连市夏季O₃污染的关键.PMF源解析结果显示交通源（26.38%）、燃烧源（22.75%）、工业排放源（17.09%）、溶剂使用源（14.59%）、天然源（11.72%）和其他（7.47%）为监测期间VOCs的主要来源,交通源和燃烧源排放是大连市夏季O₃防控的重点污染源.     

华东地区对流层O3和前体物HCHO及NO2的时空特征

通过OMI遥感卫星数据分析华东地区2005~2021年大气对流层臭氧（O₃）、二氧化氮（NO₂）和甲醛（HCHO）柱浓度的时空特征,利用后向轨迹模型（HYSPLIT）探究其来源.结果表明：① 17年间,对流层O₃柱浓度平稳增加,2010年上升到最大值,之后呈现一种波动起伏的状态;NO₂在2005~2012年呈增加趋势,2012~2021年缓慢下降;HCHO柱浓度由2005年的1.15×10¹⁶ molec ·cm^-2呈现增长趋势,上升到2021年的1.8×10¹⁶ molec ·cm^-2.②在空间上,3种污染物柱浓度总体上呈现北高南低的空间格局,北部为高高聚集区域,中部为无特征区域,南部为低低聚集区域.③ O₃的敏感性呈现为：春季η<2.3,属于VOCs控制区;夏季η<4.2,表现为大部分地区是NO_x-VOCs协同控制区,少部分地区是VOCs控制区;秋季η<4.2,主要为VOCs控制,极少部分为NO_x-VOCs协同控制区;冬季η<2.3,为VOCs控制区,山东省以VOCs控制为主.④因2005~2021年O₃在山东省呈现为高高聚集,所以选取2021年山东省的省会城市济南市进行O₃来源解析,2021年济南市的O₃浓度增加有两个方面,一是通过远距离的气团输送主要来自于江苏省的连云港市和河北省的沧州市;二是近距离的气团输送来自于济南市附近城市的污染和黄海、渤海经济区,且聚集性分析与潜在源贡献因子算法（PSCF）和权重轨迹分析法（CWT）有相同的结果.     

西南典型区域夏季大气含氧挥发性有机化合物来源解析

含氧挥发性有机物（OVOCs）是大气光化学过程中的重要中间产物,是臭氧的重要来源之一.利用质子转移反应飞行时间质谱仪（PTR-TOF-MS）在成都平原对OVOCs进行观测,探讨其日变化特征、光化学反应活性、臭氧生成潜势和来源.结果表明,10个VOCs［乙醛、丙酮、异戊二烯、甲基乙基酮（methyl ethyl ketone,MEK）、甲基乙烯基甲酮（methyl vinyl ketone,MVK）、甲基丙烯醛（methacrolein,MACR）、苯、甲苯、苯乙烯、C8芳香烃和C9芳香烃］总浓度（体积分数）为（10.97±4.69）×10^-9,OVOCs为（8.54±3.44）×10^-9,芳香烃为（1.53±0.93）×10^-9,生物源VOCs为（0.90±0.32）×10^-9;光化学活性和臭氧生成潜势均排名前三的物种为：异戊二烯、乙醛和C8芳香烃;3个OVOCs物种（乙醛、丙酮和MEK）主要来源于本地生物源和人为二次源,且丙酮有较强的区域背景值,说明该地区的污染受到较为显著的区域传输的影响.本研究可加深对西南地区臭氧的区域形成机制的认识,为科学管控臭氧污染提供依据.     

天津夏季边界层低层大气中PAN和O3的输送特征分析

采用在线仪器监测分析2017年夏季天津气象铁塔220 m观测平台大气中过氧乙酰硝酸酯(PAN)和O_3的体积分数,并结合气象观测资料和后向轨迹分析PAN和O_3的输送特征.观测期间PAN和O_3体积分数平均值分别为(0.73±0.56)×10~(-9)和(53±25)×10~(-9),最大小时体积分数分别为3.49×10~(-9)和137×10~(-9),PAN和O_3体积分数具有相似的日变化特征,白昼PAN和O_3浓度高于夜间,且PAN和O_3浓度相关系数(R2=0.52)显著高于夜间(R2=0.21).观测期间偏南风下PAN和O_3浓度最高,偏东风下最低,风玫瑰图和后向轨迹聚类分析都表明,来源于西南方向的气流轨迹对应的污染物浓度最高,途经渤海和河北、辽宁沿海地区的偏东气流对应的PAN和O_3体积分数最低,边界层内输送对PAN和O_3的体积分数分布起到了重要作用.     

成都郊区(新津)夏季甲醛污染特征分析

甲醛（HCHO）是大气光化学重要污染物之一,为研究西南地区郊区大气夏季甲醛污染特征选取了四川省成都市新津区进行大气甲醛观测,结合NO_x、O₃、PAN、J-value、温湿度、风速风向、天气数据进行分析.观测期间成都市新津区夏季甲醛浓度为0.76×10^-9~12.50×10^-9（V/V）,均值为3.47×10^-9±2.05×10^-9（V/V）,呈现明显的日变化规律.结合数据分析可知,一次人为排放源在成都郊区夏季日间甲醛贡献中占比较低.观测期间甲醛受光照的影响较大,与O₃、PAN、J-value普遍呈现一致的变化规律,因此成都市夏季日间甲醛主要来源为甲醛前体物的二次光化学反应.     

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.     

基于响应曲面法的臭氧生成敏感性分析

准确判断臭氧(O₃)生成敏感性对O₃污染成因分析和防控对策的制定至关重要.首次利用响应曲面方法设计最优试验方案,基于盒子模式模拟结果,快速量化O₃对其前体物变化的响应.结果表明,CO对O₃有正贡献,NO_x和VOCs与O₃呈现显著非线性关系,当φ(VOCs)与[φ(NO_x)-13.75]比值大于4.17时,为NO_x控制区,小于4.17时,为VOCs控制区;烯烃为影响O₃生成的关键VOCs组分,当φ(烯烃)与[φ(NO_x)-15]比值小于1.10且φ(烯烃)<35×10^-9时,烯烃有利于O₃的生成.响应曲面法在多因素和其交互作用对O₃生成影响的研究中取得了良好效果,为高效判断O₃敏感性提供了新的思路和方法.     

北京怀柔O3污染过程初始VOCs浓度特征及来源分析

为了解北京怀柔区夏季典型O₃污染过程中初始VOCs（挥发性有机物）浓度（以φ计）的特征,识别其关键物种及主要来源,于2016年8月3-11日在中国科学院大学雁栖湖校区教学楼顶开展强化观测,利用光化学物种比值法和连续反应模型法测算观测期间大气初始φ（VOCs）,采用MIR（最大增量反应活性）法估算初始VOCs的OFP（O₃生成潜势）,识别关键物种,并应用PMF（正交矩阵因子）模型对初始VOCs的来源进行解析.结果表明:北京怀柔区O₃污染过程中初始φ（VOCs）平均值为25.27×10-9,如忽略化学损失,φ（VOCs）将被低估约18.6%.初始VOCs的总OFP值为144.6×10-9,VOCs物种对总OFP贡献率的顺序依次为醛酮类>烯烃>芳香烃>烷烃,异戊二烯、乙醛、己醛、间/对-二甲苯、甲苯、乙烯、丙烯、1,2,4-三甲苯、丁酮、1,3,5-三甲苯是怀柔区O₃形成的关键活性物种.PMF解析结果显示,机动车尾气源对初始φ（VOCs）的贡献率（23.5%）最高,其次是溶剂使用源（18.3%）、植物排放源（18.1%）、工业过程源（17.6%）、生物质燃烧源（12.1%）和煤炭燃烧源（10.5%）.研究显示,在北京怀柔区典型O₃污染过程中,减少机动车尾气源、溶剂使用源、上风向工业过程源的排放是控制怀柔区VOCs的有效措施,而控制异戊二烯、乙醛、己醛、间/对-二甲苯、甲苯等关键活性物种则是有效抑制VOCs排放对O₃生成贡献的重要手段.      

Wintertime peroxyacetyl nitrate (PAN) in the megacity Beijing: Role of photochemical and meteorological processes

Previous measurements of peroxyacetyl nitrate(PAN) in Asian megacities were scarce and mainly conducted for relative short periods in summer. Here, we present and analyze the measurements of PAN, O3, NOx, etc., made at an urban site(CMA) in Beijing from 25 January to 22 March 2010. The hourly concentration of PAN averaged 0.70 × 10 9mol/mol(0.23 × 10 9–3.51 × 10 9mol/mol) and was well correlated with that of NO2but not O3, indicating that the variations of the winter concentrations of PAN and O3in urban Beijing are decoupled with each other. Wind conditions and transport of air masses exert very significant impacts on O3, PAN, and other species. Air masses arriving at the site originated either from the boundary layer over the highly polluted N-S-W sector or from the free troposphere over the W-N sector. The descending free-tropospheric air was rich in O3, with an average PAN/O3ratio smaller than 0.031, while the boundary layer air over the polluted sector contained higher levels of PAN and primary pollutants, with an average PAN/O3ratio of 0.11. These facts related with transport conditions can well explain the observed PAN-O3decoupling. Photochemical production is important to PAN in the winter over Beijing. The concentration of the peroxyacetyl(PA) radical was estimated to be in the range of 0.0014 × 10 12–0.0042 × 10 12 mol/mol. The contributions of the formation reaction and thermal decomposition to PAN's variation were calculated and found to be significant even in the colder period in air over Beijing, with the production exceeding the decomposition.