郑州市碳素行业无组织VOCs排放特征分析及健康风险评价

选择郑州市3家典型碳素企业,研究了不同功能区的挥发性有机污染物(volatile organic compounds,VOCs)的排放特征及其臭氧生成潜势(ozone formation potential,OFP),并利用美国环保署(EPA)的健康风险评价模型对碳素行业排放的VOCs的健康风险进行了初步评价.结果表明,3家企业生产区VOCs质量浓度在89. 77～964. 60μg·m~(-3)之间,管理区在51. 46～121. 59μg·m~(-3)之间,萘和二硫化碳是碳素企业厂区内浓度最高的污染物;生产区VOCs的臭氧生成潜势在75. 42～1 416. 73μg·m~(-3)之间,管理区在65. 32～202. 42μg·m~(-3)之间,主要来自于芳香烃和烯烃的贡献.生产区VOCs致癌健康风险(Risk)为3. 5×10~(-5)～2. 8×10~(-3),管理区为2. 0×10~(-5)～9. 4×10~(-5),高于EPA推荐的最大可接受水平(10~(-6));生产区VOCs非致癌健康风险危害指数(hazard index,HI)为3. 2～1. 4×10~2,管理区为4. 3×10~(-1)～3. 8,除企业甲的管理区外均大于1,可能会对暴露人群的健康造成致癌和非致癌危害.     

华北工业城市夏季大气臭氧生成机制及减排策略

为了分析工业城市臭氧(O₃)污染的特征及形成机制,2021年6月在华北平原淄博市开展了综合观测,利用盒子模型(基于MCMv3.3.1化学机制)探究O₃前体物削减优化方案.结果表明：(1)O₃污染时期伴随静稳、高温低湿和强辐射等气象条件,含氧挥发性有机物(OVOC)和烯烃等人为源挥发性有机物(AVOC)组分对O₃生成潜势(OFP)和·OH反应速率(k_·OH)贡献率最大;(2)模型研究发现O₃主要受本地光化学生成和以输出性为主的区域传输影响,本地污染管控对降低O₃污染更为重要;(3)污染时期高浓度的·OH(10×10⁶ cm^-3)和HO₂·(14×10⁸ cm^-3)引发局地瞬时O₃生成速率高值(峰值36×10^-9 h^-1),HO₂·+NO和·O...     

基于排放量和大气反应活性的VOCs污染源分级控制

挥发性有机物（VOCs）作为PM_2.5和O₃共同的关键前体物,是大气污染防控的重要方向.目前我国VOCs的控制政策主要基于VOCs排放量,而没有考虑到VOCs组分其化学反应活性,这将影响VOCs减排对改善空气质量的效果.因此,尝试建立基于VOCs排放量和大气反应活性的VOCs污染源分级控制方法,以北京市为例进行研究.首先,通过采样监测获得了北京市餐饮业、汽修业和加油站这3个典型VOCs污染源的成分谱,并通过文献调研获得了炼油石化、包装印刷、汽车制造、建筑涂装和机动车这5类VOCs污染源的成分谱.然后,分别采用最大增量反应活性（MIR）和气溶胶生成系数（FAC）计算污染源排放单位质量VOCs的臭氧生成潜势（OFP）和二次有机气溶胶生成潜势（SOAFP）,来表征VOCs污染源对臭氧和二次有机气溶胶的反应活性.在获得北京市各VOCs污染源的排放量（EA）、 OFP和SOAFP值后,采用极差法对其进行归一化处理,分别获得归一化指数NEA、 NOFP和NSOAFP.最后,计算得到VOCs污染源分级指数（PCI）,并根据归一化后的NPCI将VOCs污染源...     

典型热带海滨城市臭氧污染特征与成因分析

为深入探究典型热带海滨城市环境空气臭氧(O₃)污染特征与成因,于2019年6～10月在海南省海口市城区站点开展O₃及其前体物观测实验,较为全面地分析了O₃污染特征,基于观测的模型(OBM)识别了O₃生成控制区,分析了O₃前体物敏感性,并开展了O₃前体物减排效果评估.结果表明：(1)海口市O₃污染主要出现在9月和10月,观测期间O₃日最大8h滑动平均值范围为39～190μg·m^-3,O₃日变化呈单峰型,于14:00左右达到峰值.(2)海口市超标日NO_x和VOCs浓度高于达标日,前体物浓度的升高是导致O₃污染的内在因素,同时O₃污染受区域传输影响,污染物主要来自于海口市东北部地区.(3)海口市O₃生成处于VOCs和NO_x协同控制区.9～10月O₃     

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.     

细颗粒物和臭氧协同监测现状与建议

细颗粒物和臭氧协同控制是深入打好蓝天保卫战的重要课题.加强细颗粒物和臭氧协同监测,对精准科学制定协同控制策略具有积极意义.文章从监测网络、质量管理、数据应用等方面分析了我国细颗粒物和臭氧协同监测工作的现状;针对协同监测在满足管理需求方面的短板和不足,提出了拓展网络功能、完善技术体系、深化数据应用等建议.     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.     

2013—2016年珠海地区臭氧浓度特征及其与气象因素的关系

利用珠海地区两个代表性环境空气质量国控站（吉大站、斗门站）2013—2016年连续4年的逐时臭氧（O₃）浓度监测资料和离两个国控站最近的基本气象站（珠海气象站、斗门气象站）同期逐时气象资料,综合应用统计分析、个例剖析、HYSPLIT后向轨迹聚类分析和潜在源贡献因子分析（PSCF）方法,研究了珠海地区臭氧浓度特征及其与气象因素的关系.结果表明：①干季珠海市O₃浓度最高且超标天数最多,高温低湿条件有利于O₃的形成;②位于内陆的斗门站O₃污染浓度、污染频率明显高于位于沿海的吉大站;③风场对珠海地区O₃浓度分布有重要影响,东北风或偏北风风速为3~4 m·s^-1时下风向珠海地区O₃浓度最高;④10月O₃重污染个例剖析表明,区域输送对珠海地区O₃污染有重要影响.HYSPLIT后向轨迹聚类分析表明,影响珠海地区O₃污染的气团来源中受广东中东部气流影响时污染最重,与潜在源贡献因子分析（PSCF）表明的该污染个例的污染潜在源区主要为广东中东部的东莞、广州增城、河源及以北地区的结论一致.     

兰州生物质燃烧VOCs排放特征及其大气环境影响

采用排放因子法建立了2016年兰州市生物质燃烧源挥发性有机物（VOCs）排放清单,并分析了污染物的时空排放特征,利用排放清单对生物质燃烧源的臭氧生成潜势（OFP）和二次有机气溶胶（SOA）生成潜势进行了估算,研究其排放对大气环境的影响.结果表明：2016年兰州市生物质燃烧源排放VOCs总量为6626.2t,排放高值区在榆中东南及东北部、永登中部和七里河南部,经济水平落后、秸秆产量大的地区污染物排放量更大.污染物排放集中在采暖季（11~3月）及农作物收割期（7~8月）;兰州市生物质燃烧源的OFP总量为13880.3t,煨炕为OFP贡献最大的子源,占比46.1%,含氧挥发性有机物（OVOCs）为OFP贡献最大的关键组分,占比51.4%;OFP贡献排名前10的物种有乙酸、丙烯、2-丁酮、甲苯、甲醛、乙醛、间/对-二甲苯、1-丁烯、丙酸和异戊二烯.煨炕是SOA生成潜势贡献最大的子源,占比46.5%,芳香烃为SOA生成潜势贡献最大的关键组分,占比62.2%,SOA生成潜势贡献排名前10的物种有苯酚、甲苯、α-蒎烯、间/对-二甲苯、苯、邻二甲苯、茚、1,2,4-三甲基苯、乙苯和1,2,3-三甲基苯;以降低区域O₃和SOA浓度为目标时,应优先管控煨炕和秸秆露天燃烧（玉米）两类子源.     

Seasonal variation in surface ozone and its regional characteristics at global atmosphere watch stations in China

We investigated the seasonal and spatial ozone variations in China by using three-year surface ozone observation data from the six Chinese Global Atmosphere Watch(GAW)stations and tropospheric column ozone data from satellite retrieval over the period2010–2012. It is shown that the seasonal ozone variations at these GAW stations are rather different, particularly between the western and eastern locations. Compared with western China, eastern China has lower background ozone levels. However, the Asian summer monsoon(ASM) can transport photochemical pollutants from the southern to the northern areas in eastern China, leading to a northward gradual enhancement of background ozone levels at the eastern GAW stations. Over China, the tropospheric column ozone densities peak during spring and summer in the areas that are directly and/or indirectly affected by the ASM, and the peak time lags from the south to the north in eastern China. We also investigated the regional representativeness of seasonal variations of ozone at the six Chinese GAW stations using the yearly maximum tropospheric column month as indicator.The results show that the seasonal variation characteristics of ozone revealed by the Chinese GAW stations are typical, with each station having a considerable large surrounding area with the ozone maximum occurring at the same month. Ozone variations at the GAW stations are influenced by many complex factors and their regional representativeness needs to be investigated further in a broader sense.