郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

臭氧耦合陶瓷膜过滤对膜性能及出水消毒副产物的影响

利用臭氧（O₃）-陶瓷膜过滤（CMF）处理常规工艺出水,研究了不同O₃-CMF耦合方式对膜性能和消毒副产物（DBPs）的影响.结果表明,与单独CMF相比,异位O₃-CMF和原位O₃-CMF均可以有效缓解膜污染,原位O₃-CMF控制效果最佳.异位O₃-CMF对进水（常规工艺出水） DOC去除率（26.25%）略高于原位O₃-CMF（22.31%）,但是其SUVA去除率（83.91%）明显低于原位O₃-CMF（93.10%）.羟基自由基（·OH）生成特征表明原位O₃-CMF可促进O₃产生更多的·OH.在O₃、·OH氧化和陶瓷膜截留协同作用下,异位O₃-CMF和原位O₃-CMF出水中总荧光响应强度和相对分子质量大于0.3×10³,有机物含量降低,进而使得出水中含碳消毒副产物（C-DBPs）生成量分别降低了21.86%和32.35%,含氮消毒副产物（N-DBPs）生成量分别降低了16.16%和19.13%.但O₃和·OH氧化后生成的小分子有机物因难以被CM截留导致其在出水中含量增加,进而增加了卤代酮（HKs）、水合氯醛（CH）和三卤硝基甲烷（THNMs）的产生.本研究对于不同O₃-CMF方式下O₃与CM的协同机制的探讨,改善膜性能和提升DBPs前体物的去除具有一定指导意义.     

成都市及周边地区严重臭氧污染过程成因分析

结合天气形势,地面观测资料和WRF-CMAQ模式,分析了2017年7月8~15日成都市一次罕见持续O₃污染过程的特征及成因,量化了各个物理化学过程对此次污染过程的相对贡献,并通过敏感性实验分析了四川盆地内O₃及其前体物的区域传输和本地光化学反应对此次污染过程的影响.结果表明,此次O₃持续污染过程主要是因为四川盆地内盛行偏东风,导致盆地东部城市群的O₃及其前体物经区域输送到成都及周边地区,加之成都市出现小风、气温升高等气象条件进而形成,属于典型的传输性爆发污染.持续污染形成的主要物理化学机制体现为日间气相化学过程贡献为稳定的正值,加之输送过程贡献出现爆发式升高,进而导致近地面O₃小时净增量迅速上升且高达50μg/（m³·h）,随之O₃浓度迅速响应,产生爆发式增长.此外,敏感性实验结果显示此次成都市O₃持续污染的形成受区域输送影响较受本地光化学反应影响更为明显.O₃污染爆发前上游地区高浓度O₃及其前体物沿流场输送并在成都及周边地区不断积累,导致日间O₃浓度不断升高.     

利用HYSPLIT模型研究珠三角地区VOCs时空分布特征

于2016年在中国广东大气超级监测站,开展4个季节的VOCs长时间观测,共获得2142组有效数据,并利用HYSPLIT模型分析珠三角地区VOCs时空分布特征.结果表明,各类VOCs混合比和化学反应活性具有明显的季节变化特点.观测期间,VOCs平均浓度为（18.523±20.978）×10^-9,其中,低碳烯烃和苯系物二者混合比之和仅占46%,但贡献了85%的·OH消耗速率（L_OH）、82%的臭氧生成潜势（OFP）和97%的二次气溶胶生成潜势（SOAFP）.观测站点主要受来自北部内陆地区气团（1#）、西部内陆地区气团（2#）、台湾海峡南端气团（3#）以及南部海洋地区气团（4#）的影响.1#气团中炔烃和苯系物的混合比占比最高,分别达到10%、37%,而3#气团中低碳烷烃的浓度水平最高,达到（8.437±5.561）×10^-9.通过估算气团中VOCs的化学反应活性,可以发现,1#气团的VOCs化学反应活性最强,其对O₃和SOA的生成贡献最高.1#、2#、3#和4#气团中VOCs的化学反应活性主要由苯系物和低碳烯烃贡献.     

杭州湾北岸上海段石化集中区臭氧重污染过程研究

为研究杭州湾O₃污染的形成机制,采用在线监测系统对杭州湾北岸上海段石化集中区O₃及其前体物开展了为期1个月(2019年5月)的同步连续观测.采用OZIPR(臭氧等值线研究)模型分析O₃生成的敏感性.在O₃重度污染期间,利用PMF(正定矩阵因子分解)模型对O₃前体物——VOCs进行源解析,采用臭氧生成潜势及气团老化分别估算了VOCs的反应活性和化学消耗.结果表明:①2019年5月杭州湾北岸上海段石化集中区O₃的IAQI(空气质量分指数)优良率仅为61.3%,ρ(O₃)第90%分位值为173.0 μg/m3.5月22日、23日发生重度O₃污染,O₃日最大8 h滑动平均值分别为(284.4±19.2)(282.0±14.2)μg/m3,分别超过GB 3095—2012《环境空气质量标准》二级标准限值(160 μg/m3)的77.75%和76.25%.②O₃的生成受VOCs控制,降低VOCs的排放可在一定程度上降低O₃的生成,降低NO_x的排放反而会促进O₃的生成.③O₃重度污染期间,VOCs主要来自化工区排放(72.35%)和机动车尾气排放(27.65%).④O₃重度污染期间,烯烃、炔烃及芳香烃对O₃生成的贡献率之和在80.00%以上,其中丙烯、乙烯和甲苯的贡献率分别为29.97%、15.60%和14.16%;芳香烃及烯烃和炔烃是最主要的VOCs化学消耗物种,其中φ(丙烯)、φ(乙烯)和φ(1,2,4-三甲苯)的消耗量分别为13.57×10-9、4.93×10-9和3.55×10-9.研究显示,杭州湾北岸上海段5月O₃的生成受化工区影响显著,丙烯与乙烯是O₃重污染期间关键的O₃前体物.      

MgO低温催化臭氧降解氨氮的机制研究

研究了低温条件下单独臭氧及MgO催化臭氧化降解水中氨氮的效率和特征,并对其反应机制分别进行了探讨.结果表明,pH是影响臭氧和催化臭氧化除氨的重要因素,不仅影响溶液中NH_3与NH~+_4的比例和臭氧氧化氨氮的速率,还影响氧化产物种类,从而影响脱氮效果.10℃时,单独臭氧对水中氨氮的氧化降解效率随pH的升高而增大,pH≤9时整体降解效率不高,pH=9时仅为16.39%,而pH=10时达到41.77%.臭氧和·OH共同参与降解氨氮的过程.单独臭氧氧化氨氮生成氮气的选择性具有pH依赖性,并与Cl~-密切相关.pH低(≤9)时,氨氮多以NH~+_4形态存在,O_3与Cl~-反应生成ClO~-_x(x=1、3),再氧化NH~+_4,从而生成气态产物N_2或N_2O.MgO在低温条件下具有很强的催化臭氧化降解氨氮的能力且温度升高有利于反应的进行,0、10、20℃时,MgO催化臭氧化氨氮的效率分别为77.53%、80.17%、91.26%.此过程中,·OH参与反应的程度低,一部分氨氮降解依靠ClO~-_x氧化NH~+_4,而氨氮降解的主要途径为O_3对NH_3的直接氧化.     

哈尔滨近地面O3浓度特征

伴随着经济发展和城镇化进程的加速,很多城市的臭氧浓度存在超标问题.本文选取2014—2017年哈尔滨城区污染数据及气象要素数据,对哈尔滨近地面层O_3时空分布特征及其与气象要素的关系进行了分析,结果表明:哈尔滨O_3日内单峰分布,最高值出现在下午14:00,最低值在清晨7:00.空间分布东南部最高,其次是南部,城中区较低.日间周末的近地面O_3浓度较高,而夜间工作日的O_3浓度较高.哈尔滨O_3浓度与平均气温正相关,与相对湿度负相关,与低于37 W·m~(-2)的紫外辐射正相关.     

兰州地区大气臭氧时空变化及影响因素研究

本文采用OMI臭氧遥感数据,结合甲醛垂直柱浓度、气象数据以及经济数据,分析了2005~2015年兰州地区臭氧柱浓度时空变化格局,并探索了影响臭氧的新气象因子,总结达到臭氧污染的日照、气压等气象条件,确定影响臭氧柱浓度的主要人为源并确定其限域。结果表明:1)2005~2015年夏季柱浓度值最高,冬季、秋季次之,春季最低;夏季波动幅度最大,其余三季波动幅度较小且平稳。2)11年中,臭氧柱浓度具有较大的波动。2005年至2010年快速增长到最高值331.997 DU。2010年之后,臭氧柱浓度缓慢下降,2014年起有回升趋势。3)OMI遥感数据具有较高的可靠性,并根据AQI的线性关系划分了臭氧柱浓度的污染等级。结果指示了11年大气臭氧空间变化,2005~2009年5年间研究区全区空气质量一直处于良,2010年全区轻度污染,后两年污染逐渐减弱,2013~2015年全区恢复至良。4)根据兰州发展的趋势以及周边城市的关系,划分了兰州经济圈及功能区,并结合臭氧柱浓度空间分布图得出臭氧污染与经济特征的密切关系。5)正弦模型拟合后臭氧柱浓度变化趋势呈不明显的周期性,说明臭氧的人为来源贡献较大。6)创新探索影响臭氧污染的新气象因子(日照、气压等参数),并确定其重要人为源限域。     

Monitoring Air Quality in Mountains: Designing an Effective Network

A quantitatively robust yet parsimonious air-quality monitoring network in mountainous regions requires special attention to relevant spatial and temporal scales of measurement and inference. The design of monitoring networks should focus on the objectives required by public agencies, namely: 1) determine if some threshold has been exceeded (e.g., for regulatory purposes), and 2) identify spatial patterns and temporal trends (e.g., to protect natural resources). A short-term, multi-scale assessment to quantify spatial variability in air quality is a valuable asset in designing a network, in conjunction with an evaluation of existing data and simulation-model output. A recent assessment in Washington state (USA) quantified spatial variability in tropospheric ozone distribution ranging from a single watershed to the western third of the state. Spatial and temporal coherence in ozone exposure modified by predictable elevational relationships ( 1.3 ppbv ozone per 100 m elevation gain) extends from urban areas to the crest of the Cascade Range. This suggests that a sparse network of permanent analyzers is sufficient at all spatial scales, with the option of periodic intensive measurements to validate network design. It is imperative that agencies cooperate in the design of monitoring networks in mountainous regions to optimize data collection and financial efficiencies.