深圳市城区VOCs对PM2.5和O3耦合生成影响研究

为了探究珠江三角洲城市大气PM_2.5和O₃的协同污染特征,在深圳市大学城开展了秋季光化学反应活跃季大气污染加强观测.发现O₃日最大8h平均值(O₃_8h)和PM_2.5在日间具有较强的正相关关系,且O₃_8h与典型挥发性有机物(VOCs)甲醛的相关性显著高于NO₂.利用气溶胶质谱仪在线测量了亚微米气溶胶化学组成,并利用正交矩阵因子模型(PMF)对其中有机气溶胶进行来源解析,解析出5类因子,其中二次有机气溶胶(SOA)占总有机物浓度的50%.通过对污染物之间的相关性分析发现,O₃_8h和SOA具有良好的相关性,但与硝酸盐(NO₃^-)未表现出相关性,说明VOCs在深圳城区大气PM_2.5和O₃耦合生成过程中的作用比NOx明显,VOCs减排是深圳市协同控制PM_2.5和O₃污染的关键.     

煤化工产业园区挥发性有机物污染特征及其对大气复合污染的贡献

为研究煤化工产业园区挥发性有机物(VOCs)污染特征及其对大气细颗粒物(PM_2.5)和臭氧(O₃)的贡献,本研究于2021年夏季利用气相色谱/质谱联用仪在某大型煤化工产业园区开展了环境空气115种VOCs的在线监测研究,分析了VOCs的浓度水平、组成特征、日变化特征、潜在来源及其对O₃和PM_2.5中二次有机气溶胶(SOA)的生成贡献. 结果表明:①观测期间,园区站点VOCs的平均体积分数为89.32×10?9±50.57×10?9,显著高于该园区所在城市的城区站点VOCs浓度水平. ②含氧VOCs (OVOCs)是该园区VOCs的主要特征污染物,占总VOCs体积分数的48.2%,乙醇、丙醛和甲醛是体积分数排名前三的物种. ③VOCs的臭氧生成潜势(OFP)为595.64 μg/m3,各组分对O₃贡献潜势的大小表现为OVOCs>烯烃>芳香烃>烷烃>卤代烃>含硫VOC>炔烃. OFP排名前十的物种均为OVOCs、烯烃和芳香烃,其中丙醛对OFP的贡献占比最高,占总OFP的22.2%. ④间/对-二甲苯、邻二甲苯和乙苯等苯系物对二次有机气溶胶生成潜势(SOAFP)的贡献突出,其中间/对-二甲苯的SOAFP最大,占总SOAFP的29.6%,主导了SOA生成. 研究显示,煤化工产业园区中丙醛和甲醛等OVOCs、顺-2-丁烯等烯烃以及间/对-二甲苯与邻二甲苯等芳香烃对大气复合污染贡献较大,是开展PM_2.5和O₃污染协同控制重点关注的物种.      

随州市2015—2020年冬季二次气溶胶对PM2.5贡献分析

二次气溶胶是大气气溶胶的重要组成，量化二次气溶胶贡献是认识PM_2.5污染成因的关键.本研究通过近似包络法(AEM)估算了随州2015—2020年冬季的一次气溶胶和二次气溶胶浓度，分析了二次气溶胶对PM_2.5贡献的变化特征及其可能的影响因素，得到以下主要结论：(1)随州冬季PM_2.5及其一次和二次组分均呈逐年下降趋势，分别为5.8、3.8和1.7μg·m-3·a-1，而二次气溶胶对PM_2.5贡献呈逐年上升趋势(2.1%a-1)，反映了减排进程中二次气溶胶对空气质量变化的重要贡献.(2)人为活动和化学转化分别影响了一次和二次PM_2.5日变化分布.一次PM_2.5双峰结构(09:00和21:00)对应了早晚人为活动高峰，二次气溶胶在午后(13:00—15:00)和凌晨(03:00—06:00)对PM_2.5贡献最大；PM_2.5正午峰值可能与当地二次污染生成密切相关.(3)二次气溶胶对随州冬季PM_2.5...     

黄河三角洲地区大气复合污染特征、成因与VOCs来源解析

为了解黄河三角洲区域细颗粒物(PM_2.5)和臭氧(O₃)大气复合污染特征和成因,本文利用2021年和2022年夏秋季黄河三角洲中心城市东营市、滨州市的挥发性有机物(VOCs)连续观测数据及常规污染物数据,识别对O₃和二次有机气溶胶(SOA)生成有显著贡献的VOCs物种并对VOCs进行来源解析,同时利用基于观测的化学盒子模型探讨O₃的生成敏感性.结果表明：(1)黄河三角洲地区PM_2.5和O₃浓度“双高”的大气复合污染主要出现在秋季,夏季东营市和滨州市首要污染物均为O₃,距离入海口越远的站点O₃超标天占比越高;秋季东营市和滨州市首要污染物均为PM_2.5,且超标情况相近.(2)烯烃和含氧挥发性有机物(OVOCs)对臭氧生成潜势(OFP)的贡献大,优势物种为乙醛;芳香烃对SOA生成潜势(SOAFP)的贡献大,优势物种为1,2,3-三甲苯.(3)东营市夏秋季O₃生成均处于VOCs...     

济源冬季VOCs污染特征、来源和SOAP

重工业城市济源经常发生雾-霾污染事件.挥发性有机化合物（VOCs）是二次有机气溶胶（SOA）生成的前体物,SOA对细颗粒物(PM_2.5)贡献约15%～20%.于2019年12月1日至12月31日在济源进行PM_2.5、 O₃、 VOCs和其他微量气体在线监测,并分析VOCs污染特征、来源和SOA生成潜势（SOAP）.济源观测到φ（TVOC）平均值为（54.3±27.5）×10^-9.烷烃、卤代烃和炔烃是主要组分.运用正交矩阵因子分解模型（PMF）识别并分配VOCs来源.确定8个主要VOCs来源：液化石油气/天然气（LPG/NG）、聚氯乙烯（PVC）工业、机动车、焦化工业、溶剂使用、工业、工艺过程和油气挥发.二次有机气溶胶生成潜势分析发现芳香烃对SOAP的贡献最大,其中苯系物（BTEX）对SOAP贡献最大.     

基于高分辨率在线观测数据分析上海市城区秋冬季大气有机气溶胶化学特征及污染来源

有机气溶胶(OA)不仅是大气细颗粒物(PM_2.5)的重要组成部分,其与臭氧(O₃)污染也密切相关.采用气溶胶在线热脱附(TAG)系统对上海市城区秋冬季大气PM_2.5中94种有机分子示踪物浓度进行了在线观测,分析了不同气流轨迹影响下有机气溶胶的组成分布特征以及大气氧化性对其生成的影响.结果表明,本地气团影响下的OA组成以饱和脂肪酸、不饱和脂肪酸和正构烷烃等指示一次来源的有机分子示踪物为主,偏北长距离输送影响下的OA则含有较高比例的生物质燃烧示踪物.与本地气团和长距离输送气团不同,海面气团携带的OA主要由二羧酸和羟基羧酸类指示二次来源的有机分子示踪物构成,其生成受光化学和液相氧化过程影响显著.进一步运用正定矩阵因子分解法(PMF)对PM_2.5和OA污染来源进行解析,获得7类一次排放源和5类二次生成源,其中,二次硝酸盐对PM_2.5浓度贡献率最为突出(25.2%),移动源则对OA浓度贡献率最高(24.0%).污染过程中,燃煤源、移动源和餐饮源等人为源及其相关的二次生成源(二次硝酸盐、二...     

工业城市人为源VOCs排放特征及典型行业控制对策:以聊城市为例

近年来以PM_2.5和臭氧(O₃)为特征污染物的大气复合污染问题频发,VOCs是工业城市O₃和PM_2.5产生的重要前体物之一,明确VOCs排放来源及特征有利于精准减排以及PM_2.5和O₃协同控制措施的制定. 聊城市是山东省典型工业城市,PM_2.5和O₃分别是秋冬季、夏季的首要污染物. 本研究以聊城市为例,运用排放因子法构建2020年聊城市人为源VOCs排放清单,分析VOCs排放来源及特征并提出控制对策. 结果表明:①2020年聊城市VOCs排放总量为28 434.5 t,溶剂使用源(10 551.5 t)、工艺过程源(6 504.9 t)和移动源(6 311.1 t)为主要排放来源,总占比为82%,与其他工业城市情况相似. ②从空间分布来看,VOCs排放明显集中于城区,与工业企业及人口分布等具有密切联系. 茌平区及东昌府区VOCs排放量较大,分别为6 800.1、6 333.4 t. ③从三级排放源看,机动车(5 748.4 t)、木材生产及胶粘剂使用(4 586.7 t)、橡胶和塑料制品业(2 849.2 t)等VOCs排放量较大,且排放的特征组分对大气中O₃及二次有机气溶胶的生成影响较显著. ④通过对典型行业原辅材料和末端设施使用情况进行分析,发现建筑涂料使用、工业涂装和印刷印染行业溶剂型涂料使用量占比分别为49%、91%和56%,同时工业涂装、印刷印染以及石化与化工行业的高效末端设施使用数量占比总体不足20%,具有较大的减排潜力. 研究显示,聊城市工业VOCs排放源减排潜力较大,应尽快推进典型行业低挥发性溶剂和高效末端设施的替代升级.      

杭州市大气VOCs组成特征及二次污染生成贡献

利用2021年1～12月杭州市城区大气VOCs的观测数据,分析了VOCs化学组成及其污染特征,运用正交矩阵因子分解法(PMF)进行VOCs来源解析,并利用最大增量反应活性(MIR)和气溶胶生成系数(FAC)估算VOCs的臭氧生成潜势(OFP)和二次有机气溶胶生成潜势(AFP),量化评估其二次污染生成贡献.结果显示,观测期间杭州市大气VOCs体积分数均值为30.65×10^-9,烷烃和卤代烃是其主要组分,分别占49.23%和24.47%,浓度排名前10的VOCs物种主要为C₂～C₄的烷烃、C₇～C₈的芳香烃和乙烯.源解析结果显示杭州市VOCs主要来源为燃烧源、溶剂使用源、工业排放源、油气挥发源和机动车尾气排放源.杭州市大气VOCs的总OFP为50.56×10^-9,其中乙烯、1-乙基-3-甲基苯和甲苯是其主要贡献组分.芳香烃对AFP的贡献达到91.52%,是最重要的SOA前体物.因此,控制机动车尾气排放和溶剂使用过程中产生的VOCs对防控O₃     

2015—2020年湖北省PM2.5和臭氧复合污染特征演变分析

为揭示湖北省PM_2.5和臭氧(O₃)复合污染演变特征,基于湖北省17个地市的空气质量国控点和武汉市大气超级站组分监测数据,全面分析湖北省17个地市2015—2020年PM_2.5和O₃的时空变化特征及相关关系,探讨PM_2.5和O₃协同效应的成因机理. 结果表明:①2015—2020年,湖北省PM_2.5显著改善,平均降幅为4.7 μg/(m3·a),但冬季负荷仍较高,主要集中于中部地区;O₃污染凸显,平均增幅为3.8 μg/(m3·a),污染集中在4—10月的暖季,东部地区最严重,近两年超标天数已与PM_2.5相当. ②湖北省PM_2.5和O₃关联日趋密切,协同效应显著,日评价指标显示夏季二者呈显著正相关(相关系数为0.57),近两年当PM_2.5浓度≤50 μg/m3时,相关系数高达0.63;冬季PM_2.5浓度与O_x(O₃+NO₂)浓度呈正相关,尤其2020年东部城市二者相关性高达0.46,显示大气氧化性对PM_2.5二次污染的重要性. ③以武汉市为例,归纳PM_2.5和O₃复合污染的成因,暖季低PM_2.5背景下,高温、中等湿度和弱风速的气象条件以及VOCs和NO_x等前体物的高浓度排放,使得受VOCs主控的光化学反应加剧,易造成O₃污染,从而加强PM_2.5二次生成;冬季高的大气氧化性,叠加不利气象条件,促进颗粒物的二次生成,导致重污染时PM_2.5组分以硝酸盐等二次无机组分为主. 研究显示,湖北省PM_2.5和O₃协同控制重点为,在保持现有NO_x控制力度基础上强化VOCs控制,遏制暖季和东部区域O₃浓度上升,加强冬季和中部PM_2.5治理.      

天津市PM2.5-O3复合污染特征及来源分析

为了解天津市PM_2.5-O₃复合污染特征及来源,基于2017～2019年高时间分辨率PM_2.5、 O₃和挥发性有机物（VOCs）在线监测数据,对复合污染下天津市VOCs浓度水平、化学组成及O₃和二次有机气溶胶（SOA）生成潜势来源进行分析.结果表明,2017～2019年,天津市复合污染日为34 d,分布在每年的3～9月,年度变化呈现稳中略升趋势;小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).复合污染下ρ（VOCs）为72.59μg·m^-3,烷烃、芳香烃、烯烃和炔烃质量分数分别为61.51%、 20.38%、 11.54%和6.57%; VOCs中浓度较高的前20种物种的浓度均上升,其中乙烷、正丁烷、异丁烷和异戊烷等烷烃类物种质量分数上升,烯烃和炔烃类质量分数略下降,芳香烃类中的苯和1,2,3-三甲苯质量分数略升....     

我国PM2.5与臭氧污染协同控制策略研究

近年来,我国大气污染格局发生了深刻变化,PM_2.5与臭氧（O₃）成为影响我国城市和区域空气质量的主要空气污染物,二者协同控制已成为我国空气质量改善的焦点和打赢蓝天保卫战的关键.PM_2.5与臭氧之间具有复杂的关联性,使得二者的协同控制具有复杂性与艰巨性.分析了PM_2.5与臭氧成因的关联性及其相互影响,阐明了PM_2.5与臭氧污染协同控制所涉及的重要科学问题,并在此基础上研究了目前我国PM_2.5与臭氧的污染形势及二者的关联性,梳理了我国自2013年以来在PM_2.5与臭氧污染控制中已采取的重要举措,论述了目前我国PM_2.5与臭氧协同控制在科学与管理上所面临的挑战.结合对国外成功经验的分析,提出推进我国PM_2.5与臭氧污染协同控制工作的相关建议:①加快监测能力建设,完善管理体系;②强化科技支撑,提高PM_2.5与臭氧污染控制精准性;③加快构建VOCs与NO_x治理技术体系;④加大VOCs与NO_x的协同减排力度,保障减排方案落实到位.      

大气中挥发性有机物(VOCs)对二次有机气溶胶(SOA)生成贡献的参数化估算

大气中二次有机气溶胶(SOA)是PM25中的重要组成部分,挥发性有机物(VOCs)的光化学氧化是其主要来源之一.从VOCs转化生成SOA的过程非常复杂,参数化方法是一种相对简化的估算方式,可以用于区分不同VOCs物种对SOA生成的贡献.本文介绍了基于二产物和基于挥发性分级两种常用的参数化估算方法,并总结分析文献报道的SOA估算结果.文章中也指出现在的参数化估算还存在一些问题,如何准确量化VOCs向SOA的转化过程将是大气化学未来的重要研究工作.     

郑州市少数民族运动会期间O3及VOCs污染特征的演变和评估

基于近地面观测的常规污染六参数、气象数据和在线VOCs数据,以臭氧及其前体物VOCs为研究重点,评估了民运会期间采取的污染管控措施对郑州市空气质量的影响.结果表明,2019年民运会管控期间污染物六参数相较上年同期均呈现降低趋势,其中PM_2.5和PM₁₀浓度分别降低了16.2%和25.1%,但是臭氧日最大8 h浓度均值的降幅仅为3.7%,且臭氧为首要污染物的天数超过90%.就臭氧前体物VOCs而言,民运会期间PAMS浓度（26.21×10^-9）低于历史同期;利用PMF模型解析出6个因子,依次为机动车尾气（28%）、LPG（21%）、燃烧（16%）、工业（15%）、溶剂（15%）和植物排放（5%）;空气保障期间,对燃烧源和工业源的管控较为明显.     

基于工艺过程的金属包装业VOCs污染特征

识别金属包装业挥发性有机化合物(volatile organic compounds,VOCs)产生和排放节点,定量分析不同类型生产工艺所排放VOCs的物种及含量,结合最大增量反应活性法和修正的气溶胶生成系数法对行业二次污染进行核算.结果表明,金属包装业排放的VOCs主要为苯系物、醇类、酮类和酯类,苯系物和醇类在不同类型工序和排污节点中贡献较大,酮类和酯类贡献相对较少,单物种浓度最高的VOCs为正丁醇,浓度达269.08mg·m~(-3);生产线与相应的排气筒之间VOCs物种浓度相关性较好,但物种种类存在差异;行业的O_3和二次有机气溶胶(secondary organic aerosol, SOA)生成潜势(以O_3/VOCs和SOA/VOCs计)分别为(3.09±0.94)g·g~(-1)和(2.58±1.99)g·g~(-1),苯系物和内全涂烘干工序为O_3和SOA的主要前体物和首要生成节点.     

杭州市城区挥发性有机物污染特征及反应活性

使用Summa罐在杭州市城区朝晖站点离线采样,利用GCMS分析122种挥发性有机物（VOCs）.通过2018年5月至2019年4月连续1a的观测,结果发现,观测期间大气VOCs平均体积分数为（59.4±23.6）×10^-9,浓度高值出现在12月而低值出现在2月,含氧有机物（OVOC）,尤其是醛酮类化合物是占比最高的组分,在夏季尤甚.朝晖站点VOCs浓度没有明显的周末效应,但节假日的VOCs浓度有明显下降.其大气VOCs浓度与空气质量指数（AQI）值呈现正相关性,首要污染物为PM_2.5时观测到的VOCs浓度最高.运用·OH消耗速率（L^·OH）和臭氧生成潜势（OFP）做大气反应活性评估,观测期间L^·OH均值为7.5 s^-1,OFP均值为152.1×10^-9,醛酮类化合物、芳烃和烯烃是活性最高的组分,该站点整体大气活性水平与2-甲基戊烷相当.观测期间甲苯/苯（T/B）均值为1.95,说明杭州市城区受到较明显的机动车排放影响.使用正定矩阵因子分析法（PMF）解析出杭州全年VOCs污染的6个因子,分别为二次生成（17.6%）、燃烧源（11.8%）、工艺过程（12.3%）、溶剂使用（18.1%）、天然源（4.5%）和机动车尾气（35.7%）.     

深圳市2022年春季新冠疫情管控期间空气质量分析

短期减排是我国城市应对大气污染事件的重要应急管控手段,但短期减排的效益尚未得到完善分析.2022年3月14～20日,广东省深圳市为抑制新冠疫情传播实施了全市管控,为评估短期减排对华南城市春季空气质量的影响提供独特机会.结合深圳市高精度环境空气质量监测与气象观测等多源数据,分析了深圳市管控期间前后的空气质量变化.此次管控前和管控期中均有部分日期天气形势静稳,局地污染水平主要反映本地排放,有利于分析本地减排的影响.观测与WRF-GC区域化学模拟都表明,与珠三角周边城市相比,深圳市管控期间由于市内交通源排放显著减少,深圳市二氧化氮(NO₂)浓度降低(-26±9.5)%,可吸入颗粒物(PM₁₀)浓度降低(-28±6.4)%,细颗粒物(PM_2.5)浓度降低(-20±8.2)%,但臭氧(O₃)浓度无显著变化[(-1.0±6.5)%].TROPOMI卫星观测的甲醛和二氧化氮柱浓度数据对比表明,2022年春季珠三角臭氧光化学主要受挥发性有机物(VOCs)浓度控制,对氮氧化物浓度降低不敏感,反而可能因氮氧化物对臭氧滴...     

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%）.     

2021年夏季新乡市城区臭氧超标日污染特征及敏感性

基于2021年6～8月新乡市市委党校站点观测的挥发性有机物(VOCs)、常规空气污染物和气象参数,采用基于观测的模型(OBM)对臭氧(O₃)超标日的O₃敏感性和前体物的管控策略进行了研究.结果发现,O₃超标日呈现高温、低湿和低压的气象特征.在臭氧超标日,O₃及其前体物的浓度均有上升.臭氧超标日的VOCs最高浓度组分为含氧挥发性有机物(OVOCs)和烷烃,臭氧生成潜势(OFP)和·OH反应性最大的VOCs组分为OVOCs.通过相对增量反应性(RIR)分析,新乡6月O₃超标日臭氧生成处于VOCs控制区,7月和8月处于VOCs和氮氧化物(NO_x)协同控制区,臭氧生成对烯烃和OVOCs最为敏感.6月各前体物的RIR值在一天中会发生变化,但始终保持为VOCs控制区;7月和8月在上午为VOCs控制区,中午为协同控制区,下午分别为协同控制区和NO_x控制区.通过模拟不同前体物削减情景,结果表明削减VOCs始终有利于管控臭氧,而削减NO_x     

Review of the influencing factors of secondary organic aerosol formation and aging mechanism based on photochemical smog chamber simulation methods

The formation and aging mechanism of secondary organic aerosol (SOA) and its influencing factors have attracted increasing attention in recent years because of their effects on climate change, atmospheric quality and human health. However, there are still large errors between air quality model simulation results and field observations. The currently undetected components during the formation and aging of SOA due to the limitation of current monitoring techniques and the interactions among multiple SOA formation influencing factors might be the main reasons for the differences. In this paper, we present a detailed review of the complex dynamic physical and chemical processes and the corresponding influencing factors involved in SOA formation and aging. And all these results were mainly based the studies of photochemical smog chamber simulation. Although the properties of precursor volatile organic compounds (VOCs), oxidants (such as OH radicals), and atmospheric environmental factors (such as NO_x, SO₂, NH₃, light intensity, temperature, humidity and seed aerosols) jointly influence the products and yield of SOA, the nucleation and vapor pressure of these products were found to be the most fundamental aspects when interpreting the dynamics of the SOA formation and aging process. The development of techniques for measuring intermediate species in SOA generation processes and the study of SOA generation and aging mechanism in complex systems should be important topics of future SOA research.