广州市臭氧污染溯源:基于拉格朗日光化学轨迹模型的案例分析

分析了2018年10月初广州市一次为期6 d的臭氧污染事件,利用拉格朗日光化学轨迹模型对广州市的臭氧污染进行了溯源分析,量化了不同区域对臭氧污染的贡献,评估了重点排放区域不同行业和不同前体物减排对臭氧污染控制的效果.结果表明,本次污染事件期间,日最大8 h臭氧均值均超过160 μg·m^-3,最高达271 μg·m^-3,氮氧化物（NO_x）和挥发性有机物（VOCs）的平均浓度为（77.7±42.8）μg·m^-3和（71.9±56.2）μg·m^-3.芳香烃和烯烃是主要的VOCs反应活性物种,分别贡献了38%和30%的·OH反应活性以及51%和16%的臭氧生成潜势.本次臭氧污染事件主要受3类气团输送影响,3类气团中的高排放区域分别为广东省外、广东省内和广州市本地,在高排放区域中臭氧生成均受VOCs控制.途经区域前体物减排的敏感性分析表明,减排VOCs对于降低臭氧浓度的效果优于减排NO_x.在100%减排情况下控制高排放区域的交通源排放对广州市臭氧控制的效果（臭氧降低14.6%~21.0%）高于控制工业（8.4%~15.3%）、电厂（0.9%~6.2%）和民用源（2.3%~4.7%）的排放,但单独控制交通源在小于90%减排比例下对臭氧污染控制的效果并不显著（<10%）.此外,珠江三角洲地区的生物源排放也对臭氧生成有重要贡献,在模型中关闭生物源排放后,广州市臭氧浓度降低6%~19%.本研究证实了拉格朗日光化学轨迹模型在区域臭氧污染溯源的应用效果,并为广州市臭氧污染的区域协同控制提供了对策建议.     

深圳市中心城区VOCs污染特征与臭氧来源量化分析

文章利用莲花山生态监测站污染物观测数据与近地面气象数据,分析了2018年9月21日～10月18日深圳市出现连续臭氧(O3)污染过程期间,城区挥发性有机物(VOCs)体积分数与活性的变化特征;同时结合光化学箱模型对深圳市O3污染来源进行了量化分析.研究发现:阴雨天VOCs局地累积效应增强,O3生成主要受限于光照条件;偏东...     

春节与疫情管控期间珠三角VOCs的组成和来源变化

挥发性有机物(VOCs)是对流层中臭氧(O3)生成过程的关键前体物,是O3与PM2.5协同治理的重要管控对象.基于2020年1月1日～2月29日珠江三角洲(珠三角)4个站点的在线VOCs观测数据,分析了春节与疫情管控期间珠三角地区VOCs组分、活性、臭氧生成潜势和来源的变化.结果表明,春节与疫情管控期间珠三角地区φ(V...     

东莞市一次空气污染过程成因分析

基于东莞市大气复合污染超级监测站的监测数据,选取2017年12月一次典型空气污染过程,对污染期间气象要素、大气颗粒物组分特征和污染物来源进行综合研究。结果表明,在污染期间,首要污染物为PM_(2.5),日均值为86μg/m3,其主要化学组分依次是OC、NO_3~-和SO_4~(2-),分别占PM_(2.5)的19.7%,16.1%和14.9%;在不利的气象条件下,本地污染排放和外源输入的一次污染物快速生成二次有机物、硝酸盐和硫酸盐,是造成该次空气污染的主要原因; PM_(2.5)污染主要来源为机动车尾气(27.7%)及二次无机源(19.0%)。     

珠江三角洲海岸背景区大气VOCs污染特征与来源

挥发性有机物（volatile organic compounds,VOCs）是臭氧（O₃）污染防控备受关注的重要前体物.本研究基于2019年8月~2020年7月在杨梅坑生态环境监测站开展的VOCs连续在线观测数据,对珠江三角洲海岸背景区大气VOCs的时间变化规律、物种组成进行了分析,并利用受体模型和后向轨迹模型分析了VOCs的来源特征.结果表明,珠江三角洲海岸背景区人为源VOCs年平均浓度（体积分数）为9.30×10^-9,呈秋、冬季高,夏季低的特点.与一般城市和背景点的日变化规律不同,珠江三角洲海岸背景区人为源VOCs峰值主要出现在10：00~11：00;凌晨和15：00之后浓度会维持在较低水平.乙烯、丙烯、甲苯、异戊烷、异戊二烯、间/对-二甲苯、正丁烷和乙炔是影响珠江三角洲海岸背景区VOCs化学组成的关键物种.影响珠江三角洲海岸背景区的气团主要来源：省内短距离气团（25%）、海洋气团（27%）、沿海气团（31%）和省外内陆气团（17%）,其中海洋气团影响下VOCs平均浓度水平最低,主要受到船舶排放与老化VOCs混合源、汽油挥发与汽车排放源影响;其他气团影响下平均较海洋气团影响下VOCs浓度升高了70.1%~148.8%,以工业源、LNG与LPG挥发源、石化源这三类源的传输影响较为突出.     

基于观测模型量化VOCs对深圳市城区臭氧生成的影响

为了解挥发性有机物（VOCs）对深圳市城区臭氧（O₃）生成的影响,探究O₃污染的防控策略,基于莲花站在线观测数据对2018年秋季O₃污染过程中VOCs对O₃生成影响进行量化研究.在分析O₃污染特征的基础上,基于观测的模型分析了O₃原位生成特征,识别了影响O₃生成的关键VOCs组分,并量化了其对O₃生成的影响.结果表明:①深圳市城区秋季O₃污染过程具有高温低湿的特征,主导风向主要为持续偏北风影响型、海陆风影响型和无明显主风型,其中海陆风影响型和无明显主风型受传输影响导致φ（O₃）在傍晚后呈居高不下的特征.②不同主导风向类型下,深圳市城区O₃化学生成的建模结果具有一致性.污染日O₃最大小时净生成速率平均值为12.85×10-9 h-1,HO₂·+NO和RO₂·+NO两种途径对O₃生成的贡献率分别为57.9%~60.2%和39.8%~42.1%.③深圳市城区O₃生成受VOCs控制,其中植物源ISO（异戊二烯）和人为源VOCs组分中的XYM（间/对-二甲苯）、TOL（甲苯等其他芳香烃）、HC8（高碳数烷烃）、OLT（直链烯烃）是影响O₃生成的五大关键组分.④φ（ISO）和φ（AHC）（AHC为人为源VOCs）单独下降20%,φ（O₃）小时峰值分别下降6.2%和28.0%,其中AHC组分中以φ（XYM）降低带来的φ（O₃）下降效果最显著,降幅为10.1%.研究显示:人为源VOCs组分体积分数的下降对降低φ（O₃）有显著效果,建议以二甲苯类物种来源为重要管控对象,特别是机动车排放与溶剂使用源;同时,建议加强醛酮类VOCs的监测与研究,为O₃的污染治理及污染源的精细化管控提供依据.      

疫情管控期间深圳市城区VOCs的变化特征及减排效果评估

2022年3月为防止新冠肺炎疫情(COVID-19)的传播扩散,深圳市采取了严格的管控措施,这为研究深圳市环境空气中人为源挥发性有机物(AVOCs)变化对减排的响应,以及评估当前减排措施的有效性提供了检验机会.基于2022年3月7～27日深圳市莲花站污染物的在线观测数据,对疫情管控前、管控期间和解除管控后AVOCs的变化进行了分析,并利用基于观测的模型(OBM)研究了臭氧生成的敏感性变化,开展了前体物减排效果的评估.结果表明,受区域影响及气象条件的干扰,深圳市城区AVOCs的平均值在疫情管控期间并没有较管控前明显下降;但疫情管控期间“海陆风”影响下早高峰AVOCs的峰值较非管控期间平均下降了46%,且以芳香烃的降幅最大,下降了59%;在持续偏东风影响下或受区域传输影响AVOCs累积升高过程中,芳香烃也分别平均下降了25%和21%.深圳市疫情管控期间城区仍处于AVOCs控制区,短期内要使O₃下降,提高AVOCs的减排比例是最有效的措施,建议AVOCs与NO_x的协同减排比例大于1∶2;长期NO_x需深度减排到60%以上才有可能...