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.     

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.     

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.     

不同区域城市空气O3和PM2.5累积速率时序模型

利用2017—2018年全国7个区域10个典型城市环境空气O₃和PM_2.5浓度数据，统计污染物累积速率，进而采用回归方法拟合污染物浓度及其累积速率的时间序列模型，分析不同区域污染物时序变化特征差异。结果表明：不同区域O₃浓度时序曲线拟合程度总体高于PM_2.5，石家庄O₃拟合程度最高，西安PM_2.5拟合程度最高。以07：00、14：00分别作为O₃、PM_2.5模拟起点是24 h中的最优模型。不同城市夏季O₃小时浓度时序变化曲线均为单峰形态，O₃浓度及累积速率峰值出现时间可能由城市所处经度决定，太原O₃累积最快，西安O₃消解最快。各城市间冬季PM_2.5小时浓度及其累积速率时序变化曲线形态差异较大，沈阳PM_2.5累积和消解均最快。与浓度相比，城市环境空气O₃和PM_2.5累积速率与光照、扩散条件等有更好的时间相关性。     

Factors influencing Aerosol Characteristics over Urban Environment

Atmospheric aerosols are an important contributing factor to turbidity in urban areas besides having impact on health. Aerosol characteristics show a high degree of variability in space and time as anthropogenic share of total aerosol loading is quite substantial and is essential to monitor the aerosol features over long time scales. In the present study extensive observations of columnar aerosol optical depth (AOD), total columnar ozone (TCO) and precipitable water content (PWC) have been carried over a tropical urban city of Hyderabad, India. Significant variations of AOD have been observed during course of the day with low values of AOD during morning and evening hours and high values during afternoon hours. Spectral variation of AOD exhibits high AOD at smaller wavelengths and vice versa except a slight enhancement in AOD at 500 nm. Anomalies in AOD, particulate matter and black carbon concentrations have been observed during May, 2003. Back trajectory analysis of air mass during these episodes suggested variation in air mass trajectories. Analysis of the results suggests that air trajectories from land region north of study area cause high loading of atmospheric aerosols. The results are discussed in the paper.     

Measurements of Ozone Concentrations in Zagreb

Ozone concentrations were measured in Zagreb at four sites from May 1999 to April 2001 in order to categorize the air quality with respect to ozone. In the summer of 2000, the ozone measurements were also extended to four sites in the suburbs of Zagreb. Methods of active and passive sampling with nitrite ion as a reagent were used. In the northern part of the town ozone was analyzed by an automatic device. Automatic device measurements in the years 1999 and 2000 showed that hourly averages of ozone concentrations did not exceed the Croatian recommended value of the 98th percentile (180 g m^–3). Over the two-year period, 24-h averages occasionally exceed 110 g m^–3 in city center and in the northern part of the town. Regardless of these isolated examples, ozone was well within acceptable concentrations. Ozone concentrations measured in summer 2000 were higher in the suburbs of Zagreb than in the city. The 98th percentile values higher than 110 g m^–3 were recorded at three sites.     

水质特性和NOM在臭氧氧化和PAC吸附去除MIB、GEOSMIN上的作用

介绍了臭氧氧化、活性炭吸附去除MIB、GEOSMIN时的主要影响因素，分析了各因素对去除率的影响程度及原因。还介绍了臭氧、PAC去除痕量异味物质的机理。