2020, Vol. 41
2. 河南省环境监测中心, 郑州 450003
, MA Shuang-liang2 , WANG Si-wei2 , YU Shi-jie1 , LI Yi-dan1 , ZHANG Rui-qin1
, YIN Sha-sha1
2. Environmental Monitoring Center of Henan Province, Zhengzhou 450003, China
挥发性有机物(volatile organic compounds, VOCs)是大气中普遍存在的一类有机污染物[1], VOCs来源复杂, 种类丰富, 且多具有毒性和致癌致畸性[2~4], 它具有较强的光化学反应活性, 可以与氮氧化物(NOx)反应生成臭氧(O3), 是光化学烟雾的重要前体物[5~7].大气O3污染防治的关键在于降低前体物的排放, 因此研究VOCs和NOx的来源是控制环境污染的首要步骤.大气中NOx主要来自燃烧过程, 而VOCs除受到燃烧排放的影响, 还受到汽油挥发、溶剂涂料使用、机动车排放、植被排放等的影响[8].因此, VOCs作为O3污染的重要前体物得到了广泛的关注[9].
李斌等[10]、蔡长杰等[11]和徐慧等[12]分别对北京市春夏季、上海中心城区和厦门冬春季进行了VOCs组成特征的研究, 北京市共检测出80种VOCs, 包括烷烃、环烷烃、烯烃、芳香烃卤代烃、含氧烃和杂环化合物, 其中卤代烃种类最多；上海中心城区的VOCs组成成分具体表现出烷烃＞芳香烃＞烯烃；厦门冬春季城区和郊区大气中VOCs的平均体积分数分别为24.88×10-9和11.27×10-9, 且均表现为烷烃>芳香烃>烯烃.杨笑笑等[13]、刘芮伶等[14]和崔虎雄等[15]的研究显示, 烷烃虽然浓度占比大, 但是其大气化学活性不强, 臭氧生成潜势较低, 烯烃和芳香烃由于其化学活性强, 臭氧生成潜势较大.Baudic等[16]、Bari等[17]和Lau等[18]分别对巴黎、阿尔伯塔省卡尔加里市中心、香港的VOCs来源进行解析发现, 道路交通排放是巴黎VOCs的主要来源, 机动车尾气和挥发源贡献总和占TVOC总量的四分之一；阿尔伯塔省卡尔加里市中心大气VOCs受工业排放源、商业/住宅燃料燃烧和交通源影响较大；香港地区VOCs来源确定为9个因子, 其中车辆排放、船舶废气和LPG排放是主要来源.此外, 我国天津[19]、广州[20]和太原[21]等地陆续做了VOCs的来源解析.
郑州市是河南省省会城市, 是中国中部地区重要的中心城市之一, 也是国家重要的综合交通枢纽.随着经济的高速发展和城市化进程的加快, 近几年来大气污染事件频发, O3已经成为郑州市除PM2.5以外的第二大污染物, 因此迫切需要对郑州市的O3污染问题进行研究.分析郑州地区VOCs的组成和来源有助于深入了解本地O3污染问题的影响因素, 从而针对性地制定有效的管控措施.
本研究选取了2018年4月15日~5月14日郑州市城区环境空气VOCs的连续在线监测数据.开展本站点春季污染过程VOCs的时间变化特征和组分特征的研究, 同时评估其臭氧生成潜势(ozone formation potential, OFP)和利用正交矩阵因子模型(positive matrix factorization, PMF)对VOCs进行来源解析, 以期为郑州市春季大气环境VOCs和O3污染管控提供科学支撑.
1 材料与方法 1.1 监测地点及时间VOCs监测点位于郑州市金水区东明路与金水路交叉口向南150 m路西河南省监测中心站(如图 1).周边配有医院、住宅和饭店等生活设施, 监测点周围交通系统较为发达, 属于成熟的城市中心.监测时间为2018年4月15日~2018年5月15日, 为期30 d, 监测周期较长, 能较好反映郑州市春季大气污染特点.样品总数为720份, 去除有降水天气和机器故障的时间段, 最终获得644份有效样品(有效数据占比89.44%).
|
图 1 VOCs采样点位示意 Fig. 1 VOCs sampling points |
采用德国AMA公司的GC50000在线气相色谱仪, 该系统是由两套采样系统和两套色谱柱系统组成, 一套测量C2~C6低沸点物种的GC5000VOC(单极富集)色谱仪和一套测量C6~C12高沸点物种的GC5000BTX(两级富集)色谱仪, 两套检测器均为氢火焰离子化检测器(FID)；DIM200稀释模块, 主要用于校准配气, 其他辅助气源包括用作零气和载气的高纯氮气, 及高纯氢气.该仪器可监测56种挥发性有机物, 包括29种烷烃、10种烯烃、16种芳香烃和1种炔烃(乙炔), 该仪器进行24 h连续采样, 系统的分辨时间为1 h.仪器详细技术参数参见文献[22].
PM10、PM2.5、O3、CO、SO2、NO2参数的监测均采用美国热电公司i系列的自动连续监测仪, O3是由Thermo 49i臭氧分析仪测定, NO2的测定是通过Thermo 42i化学发光法NO-NO2-NO分析仪完成, CO是通过Thermo48i红外吸收法CO分析仪测定, 其他常规污染物的监测分别是由Thermo 43i脉冲荧光法SO2分析仪和Thermo Teom 1405系列颗粒物分析仪完成.仪器主要参数参见文献[23].
PM10、PM2.5、O3、CO、SO2、NO2参数和气象数据如温度(T)、相对湿度(RH)、风速(WS)和风向(WD)等均来自郑州市国控空气质量自动监测站, 距河南省监测中心站2 km, 因此能够较好反映河南省监测中心站的情况.
1.3 质量保证与质量控制观测过程中执行严格的质保质控, 以确保监测数据的准确性和有效性.主要包括：①监测前使用美国EPA认可的PAMS标气进行仪器跨点校准, 并进行5点线性验证, 使相关系数在0.9以上；②每周进行日常维护, 开展单点校准和峰窗漂移校准, 并修正数据；③每日均有专人进行数据三级审核与确认.
1.4 臭氧生成潜势(OFP)大气VOCs是生成O3的重要前体污染物, 臭氧生成潜势(OFP)可以衡量不同VOCs物种对臭氧生成的相对贡献[24].其数值是某VOCs物种的大气环境浓度与其最大增量反应活性(maximum incremental reactivity, MIR)的乘积：
|
(1) |
式中, OFPi表示某种VOC生成臭氧的最大值；[VOC]i是第i种VOC的环境值；MIRi是第i种VOC的最大增量反应活性cm3·(mol·s)-1.本文采用Carter[25]研究的MIR系数.
1.5 PMF受体模型介绍正矩阵因子分解法(positive matrix factorization, PMF)是由芬兰赫尔辛基大学的Paatero教授在1993年提出的多元统计分析方法[26].该模式已经广泛应用于大气环境悬浮颗粒物及挥发性有机物的源解析方面[27, 28].其基本原理是将受体矩阵(X)分解为源成分谱矩阵(F)与贡献率矩阵(G)以及残差矩阵(E) :
|
(2) |
式中, xij为第 j个样本中的第i个物种, gik是第k个源中的第i种, fkj 是第k个源对第j个样本的贡献, p是需要解析的因子数, eij为残差.PMF模型的主要目标是计算目标函数Q的最小值, 目标函数如公式(3)所示：
|
(3) |
式中, n为物种数量, m为样本数量, eij和uij为数据点的误差估计.通过反复迭代运算, 使Q达到最小值.
在使用PMF5.0模型进行源解析前, 首先, 剔除掉平均值在检出限以下的物质, 把低于检出限的物质浓度替换为1/2倍检出限, 缺失数据用中位浓度替换, 低于检出限物质不确定度替换为5/6倍检出限, 浓度高于检出限的物质其不确定度计算方法见公式(4).
|
(4) |
式中, unc表示物种不确定度；c表示物种浓度；RSD表示相对标准偏差；MDL表示物种检出限.
2 结果与讨论 2.1 VOCs体积分数的时间变化特征图 2是监测期间TVOCs、O3、NO2、SO2和PM2.5的时间序列图.依据《环境空气质量标准》(GB 3095-2012)规定臭氧8 h二级浓度限值为160 μg·m-3, 超过160μg·m-3即为O3浓度超标, 根据此标准将监测期间划分为“污染日”和“非污染日”, 共计16 d污染日, 14 d非污染日.数据缺失的时间点以空白断开.
|
图 2 VOCs、NO2、O3、SO2和PM2.5浓度时间序列 Fig. 2 Time series of VOCs, NO2, O3, SO2, and PM2.5 concentrations |
整个监测期间, VOCs与NO2、SO2、PM2.5的变化趋势基本类似, 而与O3的变化呈负相关关系.具体来看, VOCs的浓度(体积分数，下同)波动较大12.6×10-9~154.1×10-9, 平均浓度为40.26×10-9.VOCs浓度呈夜间高白天低的特点, 早晚浓度峰值分别出现在4月27日06:00和5月1日18:00, 伴随着出现的是高浓度的NO2和低浓度的O3, 极小值出现在5月4日15:00.早晨交通、工业等人类活动频繁, 使VOCs和NO2浓度增加迅速；随着紫外辐射和温度升高, O3前体物的化学反应活性增强, 反应消耗使前体物浓度逐渐下降；傍晚光化学反应逐步减弱, 且随着交通晚高峰出现, VOCs和NO2浓度急剧上升；夜间温度下降, 大气边界层下降, 前体物浓度得到积累, 维持在较高水平.
图 3显示了监测期间风向(WD)、风速(WS)、温度(T)和湿度(RH)的时间变化序列.监测期间以西北和西南风向为主导, 平均风速1.56 m·s-1, 平均相对湿度63.68%, 平均温度21.9℃, 温度变化维持在10~30℃之间, 属于典型的春季气候特点.表 1是非污染日和污染日气象参数的统计数据.污染日期间温度高, 太阳辐射强, 光化学反应强度增大, 导致生成的O3浓度升高；高相对湿度有利于O3干沉降作用的发生, 而且紫外辐射作为光化学反应的重要条件之一, 在水汽的作用下会因为消光机制发生衰减, 所以污染日往往伴随着低湿条件；气压较低, 风速较小, 有利于污染物的积累聚集.这与奇奕轩[29]的研究结论一致.
|
图 3 风向、风速、温度和湿度的时间序列 Fig. 3 Time series of wind direction, speed, temperature, and relative humidity |
|
表 1 非污染日和污染日的气象参数1) Table 1 Meteorological parameters for non-pollution days and pollution days |
监测期间VOCs各组分浓度变化如表 2.非污染日郑州市的VOCs混合比例较低, 平均值为35.82×10-9, 各组分浓度水平依次为烷烃(21.42×10-9)(59.80%)、烯烃(7.16×10-9)(19.99%)、芳香烃(4.61×10-9)(12.87%)和炔烃(2.62×10-9)(7.31%)；污染日VOCs平均浓度为44.12×10-9, 较非污染日增加23.17%, 各组分浓度水平依次为烷烃(26.85×10-9)(60.86%)、烯烃(8.44×10-9)(19.13%)、芳香烃(5.72×10-9)(12.96%)和炔烃(3.11×10-9)(7.05%).由上可知, 非污染日和污染日VOCs各组分浓度水平均以烷烃>烯烃>芳香烃>炔烃, 说明非污染日和污染日的VOCs来源基本一致.不同点在于污染日的烷烃和芳香烃分别增长25.35%和24.08%.这可能是由于污染日机动车活动更为频繁, 使得大气中的烷烃类物种增多.且进入5月, 温度升高, 加快了芳香烃类物质的挥发.因此, 机动车源、LPG源可能是造成郑州市污染日O3浓度超标的主要原因.
|
|
表 2 污染日和非污染日VOCs化学组分浓度(体积分数) ×10-9 Table 2 Concentrations of VOCs chemical components on pollution days and non-pollution days×10-9 |
非污染日和污染日浓度排名前十的VOCs物种见表 3.非污染日依次是乙烷(21.47%)、丙烷(10.47%)、乙烯(9.20%)、乙炔(7.04%)、正丁烷(6.84%)、正戊烷(5.89%)、异戊烷(4.56%)、甲苯(3.74%)、异丁烷(2.95%)和环戊烷(2.75%), 累计占TVOCs的74.91%；污染日依次是乙烷(22.88%)、丙烷(11.08%)、乙炔(7.05%)、乙烯(6.98%)、正丁烷(6.84%)、环戊烷(4.91%)、异丁烷(4.52%)、甲苯(3.74%)、顺-2-丁烯(3.27%)和异戊二烯(2.92%), 累计占TVOCs的74.19%.不同污染阶段浓度排名前10的物种基本一致, 在污染日, 乙烷、丙烷、乙炔和异戊二烯的浓度分别增长26.13%、25.38%、18.70%和84.29%.浓度排名靠前的丙烷是LPG源的主要组分[30], 说明郑州市春季大气环境污染可能主要与LPG源有关；另外, 郑州市春季大气环境的优势物种主要是C4、C5的烷烃和烯烃；其次, 污染日异戊二烯浓度增长最大, 说明在污染日伴随着温度升高, 有利于植物排放异戊二烯, 这也可能是造成污染日O3超标的原因之一.
|
|
表 3 非污染日和污染日浓度最高的前10种VOCs组分 Table 3 Top 10 VOCs components with the highest concentration on non-pollution days and pollution days |
2.2 VOCs臭氧生成潜势及关键组分识别
图 4描述了非污染日和污染日VOCs各组分的浓度占比和O3生成潜势占比.非污染日VOCs浓度贡献水平依次是烷烃(59.81%)、芳香烃(12.87%)、烯烃(7.32%)和炔烃(7.32%).OFP贡献水平依次是烯烃(47.30%)、芳香烃(35.30%)、烷烃(16.45%)和炔烃(0.95%)；污染日对VOCs浓度贡献占比最高的是烷烃(60.86%), 其次是烯烃(19.13%)、芳香烃(12.9%)和炔烃(7.05%).在对OFP的分析中发现, 和非污染日相似, OFP贡献最高的是烯烃(48.76%), 其次是芳香烃(34.07%)和烷烃(16.29%), 最后是炔烃(0.87%).观测期间VOCs物种对OFP的贡献表现出烯烃＞芳香烃＞烷烃＞炔烃, 烷烃化合物VOCs浓度占比最高, 但化学反应活性低, 故对OFP的贡献较小；烯烃化合物浓度占比较高, 而且所含的碳碳双键化学反应活性强, 因此对OFP的贡献最大；芳香烃化合物浓度占比不高, 但化学反应活性强, 对OFP的贡献也非常明显.总之, 影响此次监测时段O3生成主要是烯烃和芳香烃, 对二者的削减能够有效控制郑州市春季O3污染.
|
图 4 非污染日和污染日大气VOCs各组分占比和臭氧生成潜势占比 Fig. 4 Percentage of ambient VOCs groups and its OFP during non-pollution days and pollution days |
表 4列举了非污染日和污染日对OFP贡献最大的前10种化学组分.非污染日排名前10的是乙烯、间/对-二甲苯、顺-2-丁烯、甲苯、异戊二烯、丙烯、反式-2-丁烯、邻-二甲苯、间-甲乙苯和异戊烷, 总贡献达67.18%；污染日排名前十的是顺-2-丁烯、异戊二烯、间, 对-二甲苯、乙烯、甲苯、丙烯、环戊烷、顺式-2-戊烯、间-甲乙苯和反式-2-丁烯, 总贡献达68.72%.与体积分数不同, VOCs物种对OFP贡献排名前十中占比最多是烯烃和芳香烃, 烯烃主要以C2~C5为主, 芳香烃以C6~C8为主.污染日和非污染日又有所不同, 污染日顺-2-丁烯、异戊二烯、间/对-二甲苯和甲苯分别增长40.72%、44.95%、15.54%和18.20%, 说明异戊二烯、顺-2-丁烯、间/对-二甲苯和甲苯这些物种对污染日OFP的贡献较大.总之, 郑州市春季大气污染可能与LPG源和机动车尾气以及植物源排放有关.
|
|
表 4 非污染日和污染日OFP最高的前10种VOCs组分 Table 4 Top 10 VOCs components with the highest OFP on non-pollution days and pollution days |
2.3 PMF模型来源解析
对输入到PMF模型的物种的选取通常遵循以下3个原则：①选取相关性较高的物种, 例如丙烷和丁烷；②排除具有较高光化学反应活性的单体化合物(植物排放源指示物异戊二烯除外, 用于辨别自然来源)；③选取典型的污染源的指示物, 比如汽车尾气排放的标识物乙炔.最终, 将决定系数R < 0.45的25种物质剔除, 余下22 320个样本输入PMF模型, 并依据信噪比、残差范围将剩余31种VOCs物种划分为“强”、“弱”和“差”.由于PMF模型未提供确定因子个数的方法, 本文选取方法参照文献[31].多次运行使解析结果的残差数值大部分在-3.0~3.0之间; 随着因子数的调整, 计算结果趋于稳定, 最终确定为5个因子.
|
图 5 各因子中VOCs物种浓度及对各因子的贡献 Fig. 5 Concentrations and contributions of VOCs species for each factor |
因子1贡献率较高的物种主要是C2~C3的低碳烷烃, 其中正丁烷和顺-2-丁烯, 以及一定量的乙烷、丙烷和丙烯含量较为丰富.低碳烷烃来自于未燃烧燃料的排放, 乙烷是天然气(NG)的重要组分, 丙烷是液化石油气(LPG)/NG最主要的组分[32].正丁烷是LPG挥发的典型示踪物[33].因此, 因子1被识别为LPG/NG挥发源.
因子2的特点是顺-2-丁烯、正戊烷、异戊烷、甲苯、乙苯、苯乙烯和正十一烷这些物种较为丰富.异戊烷的源贡献为98.76%, 异戊烷是用于提高汽油的辛烷值和质量, 是典型的汽油挥发的示踪剂[34, 35].甲苯的源贡献为43.90%, 甲苯是汽油溶剂和提高辛烷值的汽油添加剂[36], 烯烃类物种比例高也是我国油品的一个主要特点[37].这些芳烃与其他燃烧示踪剂(即乙炔)之间的相关性较差.因此, 因子2被识别为机动车尾气排放源.
因子3主要是由异戊二烯物种贡献率较高.源贡献达到92.32%.在采样点周围, 存在大量的居民区和商用住宅, 绿化面积较大, 随着进入5月, 气温和光照增强, 异戊二烯的排放显著增加, 是植物排放源的标志性物质[38].因此, 因子3被识别为植物排放源.
因子4的特征污染物主要是以乙炔、丙烯和苯为主.在因子4中, 乙炔和丙烯的贡献率分别是76.37%和13.26%, 乙炔和丙烯是燃烧源典型的示踪物质[39].与此同时, 苯的源贡献达到了35.53%, 河南作为农业大省, 苯可能来自农作物秸秆的燃烧.因此, 因子4被识别为燃烧源.
因子5贡献率较高的物种主要是苯、甲苯、乙苯、间-二甲苯、邻-二甲苯、2-甲基戊烷和3-甲基己烷.其中苯系物和2-甲基戊烷是有机溶剂的主要成分, 工业溶剂挥发的过程中会挥发出大量的芳香烃[40, 41].其次高链烷烃在第5个因子中占比都比较高, 说明此排放源与工业溶剂、化工合成相关.因此, 因子5被识别为工业溶剂源.
图 6是5个因子在非污染日和污染日的VOCs贡献百分占比.在非污染日, LPG(29.63%)＞机动车(26.02.%)＞工业溶剂(20.68%)＞燃烧(19.48%)＞植物排放(4.19%)；在污染日, LPG(36.42%)＞机动车(21.37%)＞燃烧(18.32%)＞工业溶剂(16.83%)＞植物排放(7.06%).污染日的LPG源较非污染日增长22.92%.因此, LPG源是郑州市春季大气环境中VOCs的主要来源, 春季温度升高, 光照充足, 液化石油气挥发量增多, 有利于光化学反应的进行, 使大气环境污染加重.
|
图 6 非污染日和污染日五类源对VOCs贡献 Fig. 6 Contributions of five factors to VOCs on non-pollution days and pollution days |
(1) 监测期间, 郑州市春季VOCs平均浓度为40.26×10-9, 污染日和非污染日VOCs平均浓度分别为44.12×10-9和35.82×10-9, 污染日相较非污染日增长23%.组分构成显示, 观测期间非污染日和污染日VOCs物种构成均表现出烷烃>烯烃>芳香烃>炔烃.
(2) 观测期间VOCs物种对OFP的贡献表现出烯烃＞芳香烃＞烷烃＞炔烃, 烯烃以C2~C4为主, 芳香烃以C6~C8为主.污染日的异戊二烯、顺-2-丁烯、间/对-二甲苯和甲苯对OFP的贡献分别增长81.60%、68.64%、18.41%、18.28%, 对烯烃和芳香烃的削减应该能够有效控制郑州市春季大气环境中O3生成.
(3) 监测期间, 郑州市VOCs主要来源依次为: LPG/NG挥发源、机动车源、工业溶剂源、燃烧源、植物排放源, 且污染日LPG源较非污染日增长22.92%, 郑州市在春季应加强对LPG使用和机动车的管控.
| [1] | 唐孝炎, 张远航, 邵敏. 大气环境化学[M]. 北京: 高等教育出版社, 2006: 75-721. |
| [2] |
古颖纲, 虞小芳, 杨闻达, 等. 广州市天河区2016年雨季挥发性有机物污染特征及来源解析[J]. 环境科学, 2018, 39(6): 2528-2537. Gu Y G, Yu X F, Yang W D, et al. Characteristics and source apportionment of volatile organic compounds in the rainy season of Guangzhou city[J]. Environmental Science, 2018, 39(6): 2528-2537. |
| [3] |
陆思华, 白郁华, 张广山, 等. 大气中挥发性有机化合物(VOCs)的人为来源研究[J]. 环境科学学报, 2006, 26(5): 757-763. Lu S H, Bai Y H, Zhang G S, et al. Source apportionment of anthropogenic emissions of volatile organic compounds[J]. Acta Scientiae Circumstantiae, 2006, 26(5): 757-763. DOI:10.3321/j.issn:0253-2468.2006.05.010 |
| [4] | Wu F K, Yu Y, Sun J, et al. Characteristics, source apportionment and reactivity of ambient volatile organic compounds at Dinghu Mountain in Guangdong Province, China[J]. Science of the Total Environment, 2016, 548-549: 347-359. DOI:10.1016/j.scitotenv.2015.11.069 |
| [5] |
王红丽. 上海市大气挥发性有机物化学消耗与臭氧生成的关系[J]. 环境科学, 2015, 36(9): 3159-3167. Wang H L. Chemical loss of volatile organic compounds and its impact on the formation of ozone in Shanghai[J]. Environmental Science, 2015, 36(9): 3159-3167. |
| [6] |
印红玲, 袁桦蔚, 叶芝祥, 等. 成都市大气中挥发性有机物的时空分布特征及臭氧生成潜势研究[J]. 环境科学学报, 2015, 35(2): 386-393. Yin H L, Yuan H W, Ye X Z, et al. Temporal and spatial distribution of VOCs and their OFP in the atmosphere of Chengdu[J]. Acta Scientiae Circumstantiae, 2015, 35(2): 386-393. |
| [7] | Zheng J Y, Zhong L J, Wang T, et al. Ground-level ozone in the Pearl River Delta region:Analysis of data from a recently established regional air quality monitoring network[J]. Atmospheric Environment, 2010, 44(6): 814-823. |
| [8] | Shao P, An J L, Xin J Y, et al. Source apportionment of VOCs and the contribution to photochemical ozone formation during summer in the typical industrial area in the Yangtze River Delta, China[J]. Atmospheric Research, 2016, 176-177: 64-74. DOI:10.1016/j.atmosres.2016.02.015 |
| [9] | Wang Q L, Li S J, Dong M L, et al. VOCs emission characteristics and priority control analysis based on VOCs emission inventories and ozone formation potentials in Zhoushan[J]. Atmospheric Environment, 2018, 182: 234-241. DOI:10.1016/j.atmosenv.2018.03.034 |
| [10] |
李斌, 张鑫, 李娜, 等. 北京市春夏挥发性有机物的污染特征及源解析[J]. 环境化学, 2018, 37(11): 2410-2418. Li B, Zhang X, Li N, et al. Pollution characteristics and source analysis of volatile organic compounds in spring and summer in Beijing[J]. Environmental Chemistry, 2018, 37(11): 2410-2418. DOI:10.7524/j.issn.0254-6108.2018011706 |
| [11] |
蔡长杰, 耿福海, 俞琼, 等. 上海中心城区夏季挥发性有机物(VOCs)的源解析[J]. 环境科学学报, 2010, 30(5): 926-934. Cai C J, Geng F H, Yu Q, et al. Source apportionment of VOCs at city centre of Shanghai in summer[J]. Acta Scientiae Circumstantiae, 2010, 30(5): 926-934. |
| [12] |
徐慧, 张晗, 邢振雨, 等. 厦门冬春季大气VOCs的污染特征及臭氧生成潜势[J]. 环境科学, 2015, 36(1): 11-17. Xu H, Zhang H, Xing Z Y, et al. Pollution characteristics and ozone formation potential of ambient VOCs in winter and spring in Xiamen[J]. Environmental Science, 2015, 36(1): 11-17. DOI:10.3969/j.issn.1673-288X.2015.01.003 |
| [13] |
杨笑笑, 汤莉莉, 张运江, 等. 南京夏季市区VOCs特征及O3生成潜势的相关性分析[J]. 环境科学, 2016, 37(2): 443-451. Yang X X, Tang L L, Zhang Y J, et al. Correlation analysis between characteristics of VOCs and ozone formation potential in summer in Nanjing Urban District[J]. Environmental Science, 2016, 37(2): 443-451. DOI:10.3969/j.issn.1000-6923.2016.02.021 |
| [14] |
刘芮伶, 翟崇治, 李礼, 等. 重庆主城区夏秋季挥发性有机物(VOCs)浓度特征及来源研究[J]. 环境科学学报, 2017, 37(4): 1260-1267. Liu R L, Zhai C Z, Li L, et al. Concentration characteristics and source analysis of ambient VOCs in summer and autumn in the urban area of Chongqing[J]. Acta Scientiae Circumstantiae, 2017, 37(4): 1260-1267. |
| [15] |
崔虎雄, 吴迓名, 高松, 等. 上海城区典型污染过程VOCs特征及臭氧潜势分析[J]. 环境科学, 2011, 32(12): 3537-3542. Cui H X, Wu Y M, Gao S, et al. Characteristics of ambient VOCs and their role in O3 formation:a typical air pollution episode in Shanghai Urban Area[J]. Environmental Science, 2011, 32(12): 3537-3542. |
| [16] | Baudic A, Gros V, Sauvage S, et al. Seasonal variability and source apportionment of volatile organic compounds (VOCs) in the Paris megacity (France)[J]. Atmospheric Chemistry and Physics, 2016, 16(18): 11961-11989. DOI:10.5194/acp-16-11961-2016 |
| [17] | Bari M A, Kindzierski W B. Ambient volatile organic compounds (VOCs) in Calgary, Alberta:sources and screening health risk assessment[J]. Science of the Total Environment, 2018, 631-632: 627-640. DOI:10.1016/j.scitotenv.2018.03.023 |
| [18] | Lau A K H, Yuan Z B, Yu J Z, et al. Source apportionment of ambient volatile organic compounds in Hong Kong[J]. Science of the Total Environment, 2010, 408(19): 4138-4149. DOI:10.1016/j.scitotenv.2010.05.025 |
| [19] |
韩萌, 卢学强, 冉靓, 等. 天津市城区夏季VOCs来源解析[J]. 环境科学与技术, 2011, 34(10): 76-80. Han M, Lu X Q, Ran L, et al. Source apportionment of volatile organic compounds in urban Tianjin in the summer[J]. Environmental Science & Technology, 2011, 34(10): 76-80. DOI:10.3969/j.issn.1003-6504.2011.10.017 |
| [20] |
周炎, 岳玎利, 张涛. 春季广州城区空气中VOCs来源解析[J]. 环境监控与预警, 2017, 9(1): 42-47. Zhou Y, Yue D L, Zhang T. Source apportionment of spring ambient volatile organic compounds in Guangzhou[J]. Environmental Monitoring and Forewarning, 2017, 9(1): 42-47. DOI:10.3969/j.issn.1674-6732.2017.01.014 |
| [21] |
温彦平, 闫雨龙, 李丽娟, 等. 太原市夏季挥发性有机物污染特征及来源分析[J]. 太原理工大学学报, 2016, 47(3): 331-336. Wen Y P, Yan Y L, Li L J, et al. Pollution characteristic and source analysis of volatile organic compounds in summer in Taiyuan[J]. Journal of Taiyuan University of Technology, 2016, 47(3): 331-336. |
| [22] | An J L, Zhu B, Wang H L, et al. Characteristics and source apportionment of VOCs measured in an industrial area of Nanjing, Yangtze River Delta, China[J]. Atmospheric Environment, 2014, 97: 206-214. DOI:10.1016/j.atmosenv.2014.08.021 |
| [23] |
李月清, 朱彬, 安俊琳, 等. 长光程与传统点式污染气体监测技术对比[J]. 南京信息工程大学学报(自然科学版), 2011, 3(2): 128-136. Li Y Q, Zhu B, An J L, et al. A comparative of long-path and traditional point atmospheric pollutants monitoring techniques[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition), 2011, 3(2): 128-136. |
| [24] | Deng Y Y, Li J, Li Y Q, et al. Characteristics of volatile organic compounds, NO2, and effects on ozone formation at a site with high ozone level in Chengdu[J]. Journal of Environmental Sciences, 2019, 75: 334-345. DOI:10.1016/j.jes.2018.05.004 |
| [25] | Carter W P L. Development of ozone reactivity scales for volatile organic compounds[J]. Air & Waste, 1994, 44(7): 881-899. |
| [26] | Norris G, Duvall R, Brown S, et al. EPA positive matrix factorization (PMF)5.0 fundamentals and user guide[Z]. Washington, DC: U.S. Environmental Protection Agency, 2014. |
| [27] | Brown S G, Frankel A, Hafner H R. Source apportionment of VOCs in the Los Angeles area using positive matrix factorization[J]. Atmospheric Environment, 2007, 41(2): 227-237. |
| [28] | Yuan B, Shao M, de Gouw J, et al. Volatile organic compounds (VOCs) in urban air:how chemistry affects the interpretation of positive matrix factorization (PMF) analysis[J]. Journal of Geophysical Research, 2012, 117(D24): D24302. |
| [29] |
奇奕轩.北京北郊夏季臭氧及其前体物污染特征及影响因素研究[D].北京: 中国环境科学研究院, 2017. Qi Y X. Pollution characteristics and influence factors of ozone and its precursors in northern rural area of Beijing[D]. Beijing: Chinese Research Academy of Environmental Sciences, 2017. http://cdmd.cnki.com.cn/Article/CDMD-82405-1017111297.htm |
| [30] | Li J, Xie S D, Zeng L M, et al. Characterization of ambient volatile organic compounds and their sources in Beijing, before, during, and after Asia-Pacific Economic Cooperation China 2014[J]. Atmospheric Chemistry and Physics, 2015, 15(14): 7945-7959. DOI:10.5194/acp-15-7945-2015 |
| [31] | Yakovleva E, Hopke P K, Wallace L. Receptor modeling assessment of particle total exposure assessment methodology Data[J]. Environmental Science & Technology, 1999, 33(20): 3645-3652. |
| [32] |
张玉欣, 安俊琳, 王俊秀, 等. 南京工业区挥发性有机物来源解析及其对臭氧贡献评估[J]. 环境科学, 2018, 39(2): 502-510. Zhang Y X, An J L, Wang J X, et al. Source analysis of volatile organic compounds in the Nanjing industrial area and evaluation of their contribution to ozone[J]. Environmental Science, 2018, 39(2): 502-510. |
| [33] | Kim E, Hopke P K, Edgerton E S. Source identification of Atlanta aerosol by positive matrix factorization[J]. Journal of the Air & Waste Management Association, 2003, 53(6): 731-739. |
| [34] | Liu Y, Shao M, Fu L L, et al. Source profiles of volatile organic compounds (VOCs) measured in China:Part I[J]. Atmospheric Environment, 2008, 42(25): 6247-6260. DOI:10.1016/j.atmosenv.2008.01.070 |
| [35] | Zhu Y H, Yang L X, Kawamura K, et al. Contributions and source identification of biogenic and anthropogenic hydrocarbons to secondary organic aerosols at Mt. Tai in 2014[J]. Environmental Pollutio, 2017, 220: 863-872. DOI:10.1016/j.envpol.2016.10.070 |
| [36] | Ling Z H, Guo H. Contribution of VOC sources to photochemical ozone formation and its control policy implication in Hong Kong[J]. Environmental Science & Policy, 2014, 38: 180-191. |
| [37] | Jorquera H, Rappenglück B. Receptor modeling of ambient VOC at Santiago, Chile[J]. Atmospheric Environment, 2004, 38(25): 4243-4263. DOI:10.1016/j.atmosenv.2004.04.030 |
| [38] | Jobson B T, Parrish D D, Goldan P, et al. Spatial and temporal variability of nonmethane hydrocarbon mixing ratios and their relation to photochemical lifetime[J]. Journal of Geophysical Research, 1998, 103(D11): 13557-13567. DOI:10.1029/97JD01715 |
| [39] | Borbon A, Fontaine H, Veillerot M, et al. An investigation into the traffic-related fraction of isoprene at an urban location[J]. Atmospheric Environment, 2001, 35(22): 3749-3760. DOI:10.1016/S1352-2310(01)00170-4 |
| [40] | Zheng H, Kong S F, Xing X L, et al. Monitoring of volatile organic compounds (VOCs) from an oil and gas station in Northwest China for 1 year[J]. Atmospheric Chemistry and Physics, 2018, 18(7): 4567-4595. DOI:10.5194/acp-18-4567-2018 |
| [41] |
胡崑, 王鸣, 郑军, 等. 基于PMF量化工业排放对大气挥发性有机物(VOCs)的影响:以南京市江北工业区为例[J]. 环境科学, 2018, 39(2): 493-501. Hu K, Wang M, Zheng J, et al. Quantification of the influence of industrial emissions on volatile organic compounds (VOCs) using PMF model:a case study of Jiangbei industrial zone in Nanjing[J]. Environmental Science, 2018, 39(2): 493-501. |