2022, Vol. 43
2. 中国环境科学研究院, 北京 100012
2. Chinese Research Academy of Environmental Sciences, Beijing 100012, China
近年来, 随着我国大气污染防治工作的加强, PM2.5及其它常规污染物已取得明显改善, 而臭氧(O3)浓度却呈上升趋势[1, 2], 已成为不少地区的首要污染物[3, 4].近地面O3浓度高、持续时间长且危害性大, 威胁人类健康甚至生命[5~7], 同时O3还是光化学烟雾的主要成分, 可破坏空气质量, 对生态系统造成不利影响, 因此O3控制成为目前研究热点[8~10].
O3是重要的二次污染物, 具有强氧化性, 主要由其前体物VOCs、NOx和CO通过一系列复杂的光化学反应产生[11], O3与前体物之间呈高度的非线性关系, 因此, 控制前体物排放对降低O3浓度具有重要意义.其中, VOCs由于其不同物种的化学结构特征和光化学反应活性不同, 对O3形成的贡献也存在差异, 许多研究得到烯烃和芳香烃是O3形成潜势较高的物质[12, 13].
此外, 气象因素对O3的生成也有重要影响, 人们从O3与前体物VOCs和NOx的排放特征及相关性[14~16]、O3与其它大气污染物以及与气象要素的关系[17, 18]等方面做了许多研究.程念亮等[19]的研究认为北京地区O3浓度与气压、湿度和能见度成反比, 与风速和温度成正比; Wang等[20]的研究得到各影响因素之间存在相互作用, O3浓度受到风速和日照时长等气象因素的共同作用; 王玫等[21]的研究指出对于京津冀地区, 不同季节影响O3浓度的主导因素不同, 春、夏、秋季节气温是影响O3浓度变化的主要因素, 而冬季为相对湿度与风速; Liu等[22]对全国的O3浓度和影响因素进行了研究, 得到气象和前体物及其相互作用对O3浓度的影响具有较大的区域性差异.因此对不同地区O3污染特征及与气象因子和前体物关系的研究是非常有必要的.
本文通过淄博市环境自动监测系统, 获取全市18个监测站点连续1 a的污染物和气象数据, 分析了淄博市2019年O3污染情况; 分别选取城市和郊区两个代表性站点, 研究了O3与前体物的浓度水平和变化特征, 结合VOCs反应活性分析、O3及其影响因素的相关性分析和多元线性回归分析等方法, 分析了前体物和气象因素对O3生成的影响.本研究结果可用于识别不同地区大气O3形成的关键因素, 以期为减轻淄博O3污染提供技术支持.
1 材料与方法 1.1 研究区域淄博市位于山东省中部(35°55′20″~37°17′14″N, 117°32′15″~118°31′00″E), 属温带季风气候, 年平均气温13.9℃, 南部主要为山地, 北部为平原.淄博是一个典型的重化工城市, 工业是主要的经济支柱, 石化、陶瓷、医药和建材等行业成为山东省乃至全国重要的生产基地.经济的快速发展也引发了一系列的空气污染问题, 尤其是2017~2019年期间, O3浓度同比分别上升12.2%、4.1%和10.9%, 且超过环境空气质量二级标准, O3污染严重.
淄博市18个VOCs在线监测站点及其分布如图 1所示, 从北到南依次为高青县3个, 桓台县1个, 临淄区5个, 张店区2个, 周村区2个, 淄川区2个, 博山区2个以及沂源县1个, 同时获取各站点的常规气态污染物和气象数据.通过分析各站点的地理位置、经济和产业发展, 选取城区和郊区的代表站点进行研究.东孙站点(37°01′14″N, 117°56′57″E)位于张店区东孙路, 是主城区所在地, 附近有较多居民区, 同时东部临近高速公路, 交通便利; 常家站点(37°12′58″N, 117°49′50″E)位于高青县北部, 距县城5 km, 自然资源丰富, 主要发展生态农业及生态旅游.
|
红色五角星为所选代表性站点, 北侧常家为郊区站点, 中部东孙为城区站点 图 1 淄博市在线监测站点分布示意 Fig. 1 Distribution of monitoring stations in Zibo |
本文选取气温、相对湿度、风速和能见度作为气象因子[23, 24], NOx、CO、VOCs和O3作为污染物因子[25, 26].这些数据通过淄博市环境自动监测系统获取, 连续在线观测时间为2019年, 时间分辨率为1 h.
VOCs在线监测仪器分别为Synspec GC-955型(615/815系列)气相色谱仪及Thermos-5900型VOCs在线分析仪, 分析方法均为GC-FID.为了保证数据可比性, 本文所选城、郊站点的分析仪器均为Thermos-5900.检测物种为美国EPA光化学评价监测站规定的56种VOCs(PAMs), 其中烷烃类29种, 烯烃类10种, 炔烃类为乙炔, 芳香烃类16种.为了保证测量数据的准确性和可靠性, 对各站点的自动检测仪器进行定期检查和校准.每周进行单点校准, 每月进行5点校准定量VOCs浓度, 保证线性相关系数高于0.99, 线性响应关系明显.分析结束后, 根据各物质在标准谱图中的保留时间, 对得到的样品谱图的峰窗漂移情况进行人为检查和修正, 保证数据的准确性.同时, 在数据处理前剔除异常值, 保证数据的有效性.
1.3 数据分析 1.3.1 VOCs的O3生成潜势计算VOCs物种繁多、组成复杂, 不同种类的VOCs光化学反应活性差异较大, 对O3生成的贡献也不尽相同.基于每个单独化合物的浓度和最大增量反应活性(MIR)是计算O3形成潜势(OFP)的一种常用的方法, 通过估计在最佳条件下每个化合物的最大O3产量, 从而可以确定O3形成的最重要物种, 计算公式如下:
|
(1) |
式中, OFP为某物种的O3生成潜势, μg·m-3; ρ(VOCs)是该物种的实际检出浓度, μg·m-3; MIR为该物种的反应系数, 各物种的MIR值主要由Carter[27]实验模拟计算得到.
1.3.2 O3影响因素分析不同气象因子及前体物与O3之间存在密切的相互作用, 为避免各因素之间的相互影响而导致的分析结果偏差, 本研究采用偏相关分析检验各变量(前体物、气象参数)与O3生成之间的关系.首先对所有变量进行两两相关分析, 当两个变量都与第三个变量相关时, 可以将第三个变量作为控制变量, 从而分析前两个变量是否相关, 该方法可以在一定程度上消除多变量间相互干扰的影响, 进而分析各变量与O3生成的相关性.最后, 结合多元线性回归方法, 定量分析不同地区影响O3浓度的主导因子, 使结果更加合理可靠.
2 结果与讨论 2.1 淄博市O3总体污染特征统计分析表明, 根据我国《环境空气质量标准》(GB 3095-2012), 淄博市2019年18个监测站点O3日最大8 h滑动平均值(O3-8h)超过国家二级标准(160 μg·m-3)的平均超标天数为94 d, 占监测总天数的25.8%, 超标现象主要出现在5~9月.根据我国《环境空气质量评价技术(试行)》(HJ 663-2013)规定, 以第90百分位ρ(O3-8h)作为判定城市O3年度、季度和月度是否超标的指标, 计算结果表明, 全市18个站点全年90百分位的ρ(O3-8h)范围为183~227 μg·m-3, 年均评价结果均为超标, 整体污染情况严重.淄博市2019年ρ(O3-8h)与超标天数的月变化情况如图 2所示.
|
图 2 ρ(O3-8h)与超标天数月变化 Fig. 2 Monthly average of ρ(O3-8h)and excessive days |
图 2显示, 淄博市2019年ρ(O3-8h)月变化呈现“M”型分布特征, 全年出现两个峰值, 1~6月ρ(O3-8h)持续上升, 在6月达到全年最高值202.42 μg·m-3, 而后开始下降, 9月稍有反弹, ρ(O3-8h)比8月高29.60 μg·m-3, 这主要是由于气象条件的影响.经统计, 8月阴雨天气较多, 总降雨12 d, 其中连续降雨5 d, 8月平均相对湿度较高为77%, 高于7月和9月, 平均气温为25.5℃, 低于7月的气温, 同时降水通过冲刷降低O3前体物浓度而影响O3生成, 因此, 8月ρ(O3-8h)明显降低, 该变化趋势同样在京津冀[20]、江苏[28]和南京[29]等地被发现.同时ρ(O3-8h)也呈现出较明显的季节特征, 夏季最高为172.08 μg·m-3, 冬季最低为58.34 μg·m-3. O3-8h月均超标天数与浓度的变化特征相一致, 6月和7月的超标天数最多为25 d和20 d, 其次为9月超标16 d, 秋末和冬季时段(11、12、1和2月)未出现超标现象.
2.2 城、郊站点前体物及O3浓度变化特征 2.2.1 日变化特征如图 3所示, 城区和郊区两站点前体物与O3浓度的日变化特征较为相似, 但变化幅度与浓度水平均存在差异.两站点NOx、CO和VOCs浓度均表现为白天低, 夜间高, 而O3浓度变化特征相反.城区站点的NOx浓度和变化幅度明显高于郊区, VOCs和O3浓度低于郊区, 分析其原因一方面是由于城区NO/NOx的比值较高, 高浓度的NO会大量消耗O3, 使得O3浓度下降, 另一方面则是因为通常郊区的植被覆盖率较高, VOCs排放量高于城区, 通过光化学反应促进O3的生成[30].两站点VOCs和CO的浓度变化均呈现出较明显的双峰趋势, 分别在07:00~09:00和19:00之后出现峰值, 城区站点VOCs早高峰出现时间较郊区晚1~2 h, 且夜间和凌晨的NOx浓度较高, 这可能是由于NOx主要来源于汽车尾气, 其排放水平依赖于道路交通, 由于城区货车、柴油车交通管制, 夜间19:00之后及凌晨才可进入城区, 因此使得NOx排放较高.两站点的O3浓度变化均呈现出明显的单峰分布特征, 峰值出现在13:00~16:00, 总体表现出O3与前体物浓度变化趋势对应相反的特征.
|
图 3 城、郊站点前体物及O3日均浓度变化 Fig. 3 Daily average of precursors and O3 in urban and suburban areas |
O3作为一种典型的二次污染物, 主要是由其前体污染物在大气中的光化学反应产生的, 其单峰变化模式主要是由于太阳辐射和温度变化的影响.在O3生成积累阶段(07:00~14:00), 由于太阳辐射增强, VOCs与NOx发生光化学反应, VOCs与· OH反应生成RO2, RO2可将NO氧化成NO2, NO2通过光解生成NO和O原子, O原子与O2反应生成O3, 使得该时段内VOCs和NOx浓度降低, O3浓度升高, 14:00~15:00出现峰值; 随着午后太阳辐射降低, 光化学反应减弱, O3浓度下降, 前体物浓度上升; 傍晚起, 由于交通晚高峰的到来, VOCs和NOx排放增加, 消耗减少, NO经O3氧化生成NO2, 使得前体物浓度累积升高, 而O3浓度下降.
2.2.2 时变化特征为进一步研究不同季节O3及前体物浓度的小时变化特征, 使用小时浓度变化率进行定量分析, 即当前时刻的气体浓度相对前一时刻的相对变化比率, 计算公式如下:
|
(2) |
式中, [X]t和[X]t-1表示第t时刻和t-1时刻对应的O3及其前体物浓度.
城区与郊区站点各季节NOx、CO及VOCs浓度下降与O3浓度上升的小时变化速率见图 4和图 5.
|
图 4 城区前体物与O3浓度小时变化率 Fig. 4 Hourly change rate of precursors and O3 in urban areas |
|
图 5 郊区前体物与O3浓度小时变化率 Fig. 5 Hourly change rate of precursors and O3 in suburban areas |
图 5表明, 前体物与O3浓度的小时变化率表现出明显的季节特征.从变化速率上看, 不考虑输送的影响, O3浓度的正变化率(d[X]/dt>0)表明O3的光化学生成在浓度变化中起主要作用, 负变化率(d[X]/dt < 0)表明O3的反应消耗损失占主导.城区与郊区O3浓度上升的平均小时变化速率均为秋季最高, 春季最低, 城区全年O3上升速率整体高于郊区约5%, 上升时间低于郊区约1 h, 郊区O3浓度积累更高.对于前体物来说, 负小时变化率表明因光化学反应而消耗, 浓度降低, 正变化率表明浓度升高.对于城区站点, NOx浓度的平均小时变化速率始终高于VOCs和CO, 即光化学反应速率最快, 在O3上升最快的秋季, NOx与VOCs的消耗速率也最快, 平均小时变化率分别为19.0%和13.4%.对于郊区站点, 同样为秋季NOx与VOCs下降速率最快分别为18.4%和18.2%.CO浓度的平均小时变化率较低, 且负值出现时间较NOx和VOCs略晚, 主要原因可能是由于CO在大气化学反应中惰性相对较大, 对O3浓度变化影响不及其他前体物所导致.
从变化时间上看, 夏季从06:00~15:00期间, O3小时变化率为正值, O3持续产生并大量积累, 城区和郊区ρ(O3)分别升高了140.16 μg·m-3和147.13 μg·m-3, 而秋季累积时间缩短为07:00~14:00, 两站点ρ(O3)累积量分别为100.30 μg·m-3和105.67 μg·m-3.经统计分析, 秋季影响O3光化学反应的气象因素变化较夏季快, 两站点秋季气温和相对湿度等因素的变化率均较夏季高2% ~3%, O3产生时间较夏季短, 因此总体表现出秋季O3小时变化率较高但整体浓度水平不及夏季的现象.同时, VOCs组成及O3生成潜势变化也是影响O3生成的重要因素.下面就O3生成影响因素展开分析.
2.3 VOCs组成及O3生成潜势图 6表示了城区和郊区站点各季节不同种类VOCs的质量分数及依据公式(1)计算得到的OFP贡献情况.
|
图 6 城、郊站点不同季节各类VOCs质量分数与OFP贡献比 Fig. 6 Mass fractions of various VOCs and their OFP contributions in different seasons in urban and suburban areas |
由图 6(a)可知, 城区站点各季节的VOCs组成均以烷烃和芳香烃类为主; 烷烃从春季到冬季逐渐升高, 浓度为43.95~72.70 μg·m-3, 质量分数为50%以上; 其次是芳香烃, 夏季最低(25.18 μg·m-3), 质量分数为30.8%, 秋季最高(50.05 μg·m-3), 质量分数为39.4%; 烯烃浓度较低, 质量分数为10%左右.郊区站点的VOCs排放组成表现为夏季以烷烃和烯烃为主, 其他季节以烷烃和芳香烃为主; 烷烃明显高于其他组分, 质量分数达60% ~70%以上, 夏季浓度最高(110.51 μg·m-3), 春季最低(75.09 μg·m-3); 烯烃浓度夏季最高16.40 μg·m-3, 质量分数为11.1%; 芳香烃为冬季最高(36.07 μg·m-3), 质量分数为26.2%, 夏季最低(14.24 μg·m-3), 质量分数为9.6%.图 6(b)为两站点四季各类VOCs的OFP贡献比, 其中, 城区站点四季OFP贡献均以芳香烃为主, O3生成贡献比秋季最高为63.0%, 冬季最低为45.0%, 其次为烯烃, 贡献比夏季最高(36.2%), 秋季最低(19.4%); 郊区站点春、秋、冬三季的OFP以芳香烃贡献比最高, 分别为50.9%、42.0%和54.9%, 其次为烷烃, 夏季则表现为烯烃的O3生成贡献比最高为48.4%, 烷烃次之, 为34.8%.
两站点烷烃的排放浓度均远高于烯烃和芳香烃, 但其O3生成潜势却低于二者, 或略高于烯烃, 这主要是由于烯烃和芳香烃的高反应性, 在光化学反应中更易被消耗生成较高浓度的O3, 故而对O3生成的贡献更大.表 1分别列出了城、郊两站点VOCs质量分数及OFP贡献比较高的前10物种.
|
表 1 城、郊站点VOCs质量分数和OFP贡献比前10物种 Table 1 Top ten species of VOCs mass fraction and OFP contribution in urban and suburban areas |
表 1显示, 城区站点VOCs质量分数排放前10物种中包含6种烷烃, 3种芳香烃及乙烯, 其中甲苯质量分数最高11.7%, 其次为丙烷, 质量分数为8.4%; OFP贡献比前10物种中包含6种芳香烃, 3种烯烃及正丁烷, 其中间/对-二甲苯、甲苯和乙烯贡献比均大于10%.对于郊区站点, VOCs质量分数前10物种中包含8种烷烃, 2种芳香烃, 其中丙烷质量分数最高为13.3%, 芳香烃中以甲苯排放浓度最高, 质量分数为6.9%; OFP贡献前10物种中包含4种芳香烃, 3种烯烃及3种烷烃, 其中间/对-二甲苯贡献12.2%, 其次为甲苯(8.9%)和乙烯(7.2%)等.可以看出, 城区与郊区站点的VOCs主要活性物种具有一定相似性, 间/对-二甲苯和甲苯等苯系物对O3生成贡献较大, 这些物质多作为溶剂使用行业的原辅材料[31], 因此应加强该类行业的管控.同时, 异戊二烯的排放浓度虽然较低, 但OFP的贡献比超过6%, 因此, 也需要关注异戊二烯的排放.
2.4 气象因素对O3生成的影响气象条件在O3形成、沉降、传输和稀释中扮演着重要角色, 对于不同的情况和地区, 影响O3浓度的主导因素不同.本研究主要分析气温、相对湿度、风速和能见度要素对O3及前体物浓度的影响, 见图 7.
|
图 7 城、郊站点O3浓度与气象因素的变化 Fig. 7 Changes in O3 concentration and meteorological conditions in urban and suburban areas |
从图 7可以看出, 城、郊站点O3浓度与气温均表现为正相关, 即随着温度升高, O3浓度明显升高.城区站点O3浓度随气温的变化率较郊区略微平缓, 当气温大于15℃时, 两站点的O3浓度上升加快, 气温超过30℃时, 城区与郊区站点的ρ(O3)超过100 μg·m-3, 超标率分别高达88.9%和90%, 高温可以加快光化学反应速率从而促进O3的生成.同时, 高温通常与静稳、晴朗或高紫外线辐射的大气条件有关, 该条件利于前体物反应生成O3.
城区站点O3浓度与相对湿度整体呈负相关趋势, 当相对湿度为40% ~50%时, ρ(O3)最高为68.90 μg·m-3, 而后随着相对湿度增加, O3浓度逐渐下降, 且在大于70%后, 下降速率加快.对于郊区站点而言, O3浓度随相对湿度的增加整体表现为先升高后降低的趋势, 当相对湿度范围在60% ~70%时, ρ(O3)值最高为78.47 μg·m-3, 而后随着相对湿度增加O3浓度下降.
对于能见度而言, 城区站点O3浓度随着能见度的增加而增加, 能见度大于20 km时对应ρ(O3)最高为78.52 μg·m-3.郊区站点在0~12 km范围内O3浓度随着能见度的增加而明显上升, 8~12 km时ρ(O3)最高78.45 μg·m-3, 而后随着能见度的增加O3浓度逐渐降低, 这可能是受到与O3产生相关的其他因素的综合影响.总体结果表明, 能见度越高越有利于城区站点O3的生成, 而对于郊区站点, O3产生的最适宜能见度水平为8~12 km.
风速对O3污染的影响主要表现为迁移和稀释作用, 包括对流层顶端高浓度O3的垂直输送和水平方向的传输扩散.图 7表明, 城区与郊区两站点O3浓度随风速的变化趋势相同, 当风速为1.5~2.0 m·s-1时O3浓度出现一个较为明显的下降, 低于该风速区间时O3浓度随着风速增加而增加, 在风速为2~2.5 m·s-1范围时O3浓度最高, 而后随着风速增加O3浓度降低.这种现象主要是由O3垂直和水平扩散作用的相对强弱导致的, 当风速较小时, O3垂直向下的输送作用强于水平方向的扩散作用, 有利于O3积累, 此时随着风速增加输送作用增加, 使得O3浓度升高; 当风速显著增强时, 水平方向上的输送逐渐加强并成为主导, 该作用可对O3进行稀释, 使得浓度下降.
2.5 O3生成影响因素的相关性分析由于O3污染的季节性特征明显, 因此, 选取污染较为严重的夏季(6~8月), 通过讨论O3与气象条件及其他污染物的关系, 更好地了解O3生成的影响因素.考虑到各气象因素与前体物之间相互作用密切, 本文结合偏相关分析, 排除多个变量之间可能产生相互干扰的影响, 在对部分变量进行控制的条件下, 衡量其中某个变量与O3生成的相关程度, 使结果更加合理可靠.相关性和偏相关性分析结果见表 2和表 3.
|
|
表 2 城、郊站点O3生成影响因素相关性分析1) Table 2 Correlation analysis between O3 and influencing factors in urban and suburban areas |
|
|
表 3 城、郊站点O3生成影响因素的偏相关性分析 Table 3 Partial correlation analysis between O3 and influencing factors in urban and suburban areas |
表 2表明, 城区和郊区两站点的O3与其前体物及气象因素均呈显著相关(P < 0.05), O3与前体物呈显著负相关性, 与能见度、气温和风速呈正相关性, 与相对湿度呈负相关, 两站点前体物与O3的相关程度表现为: NOx>VOCs>CO.城区站点气象因素与O3浓度的相关程度由高到低依次为: 相对湿度(-0.761)>气温(0.705)>能见度(0.335)>风速(0.325), 郊区为: 相对湿度(-0.588)>气温(0.518)>风速(0.409)>能见度(0.342), 可见相对湿度和气温为影响O3生成的关键因素.气象因素对前体物的影响情况与O3相反, 能见度、气温和风速与前体物呈负相关, 相对湿度呈正相关, 其中气温对前体物的影响程度最高.
偏相关分析结果表明, 两站点O3与NOx表现为负相关, 但相关性系数有所降低, 城区的O3与CO相关性消失, 与VOCs表现出较弱的正相关; 郊区站点O3与VOCs的负相关性降低, 与CO呈正相关.气象条件中, 城区站点各气象因素均对O3生成的影响都具有独立性, 气温和相对湿度对O3生成的影响不变, 但相关系数降低, 而能见度和风速对O3浓度则表现为负相关, 郊区站点能见度对O3浓度的影响同样表现出负相关性, 与风速的相关性消失.可以看出, 控制变量后, 各因素对O3生成的影响发生一定变化, 比如相关程度减弱, 相关性改变, 这表明各因素间存在较为明显的相互影响现象.
2.6 O3生成影响因素的回归分析通过以上研究发现, 前体物和气象因素都会不同程度地影响O3浓度.为进一步探索不同站点O3浓度与各影响因子之间的定量关系, 分析影响O3浓度的主导因子, 采用多元线性回归法, 并得到线性拟合方程.
两站点O3回归方程拟合结果见表 4, 相关系数R2表示线性回归方程对于各站点的适用程度, R2大于0.4表示模型是较合理的, 两站点的拟合效果均较好.各因素的系数可以反映其对O3浓度的相对重要性, P < 0.05时表明该因素可以有效预测O3的变异.另外, 通过标准化系数, 可在一定程度上反映各个因素对O3影响程度的大小, 标化系数越大, 该因素的作用越强.表 4中, 城区O3生成的主控因子有相对湿度、NOx、能见度和VOCs等, 郊区为相对湿度、气温、NOx和VOCs等.由回归方程和2.5节的偏相关分析可以看出, 两站点VOCs对O3生成的作用情况相反, 说明两地区处于不同的O3生成控制区.因此, 在控制O3时, 可以根据不同区域影响较大的因素, 采取相应的控制对策.
|
|
表 4 O3与各要素拟合关系 Table 4 Fitting relationship between O3 and each factors in urban and suburban areas |
3 结论
(1) 淄博市2019年18个监测站点O3-8h平均超标天数为94 d, 超标率25.8%, 多出现在5~9月.从月变化看, 全年O3-8h浓度的月变化呈现“M”型分布特征, 分别在6月和9月出现峰值, 8月由于降水较多, 导致O3浓度明显降低.
(2) O3与前体物浓度日变化特征较为明显, NOx、CO和VOCs浓度均表现为白天低, 夜间高, 而O3浓度变化特征相反.城区站点的NOx浓度和变化幅度明显高于郊区, VOCs和O3浓度低于郊区.O3及前体物浓度的小时变化情况存在明显的季节特征, 两站点O3浓度的平均上升速率和前体物的平均下降速率均为秋季最高, 城区全年整体O3上升速率高于郊区约5个百分点.秋冬季节O3浓度上升和前体物浓度下降时间均较春夏季节晚1 h左右, 且O3生成累积的高峰时段缩短, 是秋季O3小时变化率较高但整体浓度水平不及夏季的原因.
(3) 通过VOCs反应活性分析, 得到间/对-二甲苯和甲苯等苯系物具有较高的O3生成潜势, 应重点监测, 同时, 对涉及这类物质的溶剂使用行业应加强管控, 以减少污染来源.其次为乙烯、异戊二烯及丙烯等烯烃, 也是活性较高的物种, 石化行业是其主要人为源.
(4) 城区和郊区两站点O3与前体物呈显著负相关性, 与能见度、气温和风速呈正相关性, 与相对湿度呈负相关.气象因素对前体物的影响情况与O3相反, 其中气温对前体物的影响程度最高.通过偏相关分析, 得到各因素与O3的相关程度发生改变, 表明不同因素间存在较为明显的相互影响.通过回归分析得到两站点的O3预测方程, 城区站点以相对湿度、NOx、能见度和VOCs为重要因素; 郊区站点影响O3浓度的主控因子有相对湿度、气温、NOx和VOCs.城区和郊区的VOCs对O3生成影响的差异, 说明两地区处于不同的O3生成控制区, 综合而言, 应减少VOCs、NOx的排放来控制O3浓度.
| [1] | Wang M, Chen W T, Zhang L, et al. Ozone pollution characteristics and sensitivity analysis using an observation-based model in Nanjing, Yangtze River Delta Region of China[J]. Journal of Environmental Sciences, 2020, 93: 13-22. DOI:10.1016/j.jes.2020.02.027 |
| [2] |
王旭东, 尹沙沙, 杨健, 等. 郑州市臭氧污染变化特征、气象影响及输送源分析[J]. 环境科学, 2021, 42(2): 604-615. Wang X D, Yin S S, Yang J, et al. Characteristics, meteorological influences, and transport source of ozone pollution in Zhengzhou city[J]. Environmental Science, 2021, 42(2): 604-615. |
| [3] |
李凯, 刘敏, 梅如波. 泰安市大气臭氧污染特征及敏感性分析[J]. 环境科学, 2020, 41(8): 3539-3546. Li K, Liu M, Mei R B. Pollution characteristics and sensitivity analysis of atmospheric ozone in Taian city[J]. Environmental Science, 2020, 41(8): 3539-3546. DOI:10.3969/j.issn.1000-6923.2020.08.034 |
| [4] |
刘营营, 王丽涛, 齐孟姚, 等. 邯郸大气VOCs污染特征及其在O3生成中的作用[J]. 环境化学, 2020, 39(11): 3101-3110. Liu Y Y, Wang L T, Qi M Y, et al. Characteristics of atmospheric VOCs and their role in O3 generation in Handan[J]. Environmental Chemistry, 2020, 39(11): 3101-3110. DOI:10.7524/j.issn.0254-6108.2019112301 |
| [5] | Jung S W, Lee K, Cho Y S, et al. Association by spatial interpolation between ozone levels and lung function of residents at an industrial complex in South Korea[J]. International Journal of Environmental Research and Public Health, 2016, 13(7). DOI:10.3390/ijerph13070728 |
| [6] | Lefohn A S, Malley C S, Simon H, et al. Responses of human health and vegetation exposure metrics to changes in ozone concentration distributions in the European Union, United States, and China[J]. Atmospheric Environment, 2017, 152: 123-145. DOI:10.1016/j.atmosenv.2016.12.025 |
| [7] | Liu H, Liu S, Xue B R, et al. Ground-level ozone pollution and its health impacts in China[J]. Atmospheric Environment, 2018, 173: 223-230. DOI:10.1016/j.atmosenv.2017.11.014 |
| [8] | Wang T, Xue L K, Brimblecombe P, et al. Ozone pollution in China: a review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2017, 575: 1582-1596. DOI:10.1016/j.scitotenv.2016.10.081 |
| [9] | Yu X, Unger N, Harper K, et al. Ozone and haze pollution weakens net primary productivity in China[J]. Atmospheric Chemistry and Physics, 2017, 17(9): 6073-6089. DOI:10.5194/acp-17-6073-2017 |
| [10] | Chen X, Situ H P, Zhang Q, et al. The synergetic control of NO2 and O3 concentrations in a manufacturing city of southern China[J]. Atmospheric Environment, 2019, 201: 402-416. DOI:10.1016/j.atmosenv.2018.12.021 |
| [11] |
胡子梅, 周国柱, 葛朝军, 等. 蚌埠市臭氧污染评价及一次持续性污染过程分析[J]. 环境科学学报, 2019, 39(5): 1402-1411. Hu Z M, Zhou G Z, Ge Z J, et al. Ozone pollution assessment and a continuous pollution process analysis in Bengbu[J]. Acta Scientiae Circumstantiae, 2019, 39(5): 1402-1411. |
| [12] | Yang Y C, Liu X G, Zheng J, et al. Characteristics of one-year observation of VOCs, NOx, and O3 at an urban site in Wuhan, China[J]. Journal of environmental sciences, 2019, 79: 297-310. DOI:10.1016/j.jes.2018.12.002 |
| [13] | Tan Z F, Lu K D, Jiang M Q, et al. Exploring ozone pollution in Chengdu, southwestern China: a case study from radical chemistry to O3-VOC-NOx sensitivity[J]. Science of the Total Environment, 2018, 636: 775-786. DOI:10.1016/j.scitotenv.2018.04.286 |
| [14] | Pu X, Wang T J, Huang X, et al. Enhanced surface ozone during the heat wave of 2013 in Yangtze River Delta region, China[J]. Science of the Total Environment, 2017, 603-604: 807-816. DOI:10.1016/j.scitotenv.2017.03.056 |
| [15] | Tong L, Zhang H L, Yu J, et al. Characteristics of surface ozone and nitrogen oxides at urban, suburban and rural sites in Ningbo, China[J]. Atmospheric Research, 2017, 187: 57-68. DOI:10.1016/j.atmosres.2016.12.006 |
| [16] |
齐艳杰, 于世杰, 杨健, 等. 河南省臭氧污染特征与气象因子影响分析[J]. 环境科学, 2020, 41(2): 587-599. Qi Y J, Yu S J, Yang J, et al. Analysis of characteristics and meteorological influence factors of ozone pollution in Henan province[J]. Environmental Science, 2020, 41(2): 587-599. |
| [17] | Li K, Jacob D J, Liao H, et al. Anthropogenic drivers of 2013-2017 trends in summer surface ozone in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(2): 422-427. DOI:10.1073/pnas.1812168116 |
| [18] | Jia M W, Zhao T L, Cheng X H, et al. Inverse relations of PM2.5 and O3 in air compound pollution between cold and hot seasons over an urban area of East China[J]. Atmosphere, 2017, 8(3). DOI:10.3390/atmos8030059 |
| [19] |
程念亮, 李云婷, 张大伟, 等. 2014年北京市城区臭氧超标日浓度特征及与气象条件的关系[J]. 环境科学, 2016, 37(6): 2041-2051. Cheng N L, Li Y T, Zhang D W, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing city in 2014[J]. Environmental Science, 2016, 37(6): 2041-2051. |
| [20] | Wang Z B, Li J X, Liang L W. Spatio-temporal evolution of ozone pollution and its influencing factors in the Beijing-Tianjin-Hebei urban agglomeration[J]. Environmental Pollution, 2020, 256. DOI:10.1016/j.envpol.2019.113419 |
| [21] |
王玫, 郑有飞, 柳艳菊, 等. 京津冀臭氧变化特征及与气象要素的关系[J]. 中国环境科学, 2019, 39(7): 2689-2698. Wang M, Zheng Y F, Liu Y J, et al. Characteristics of ozone and its relationship with meteorological factors in Beijing-Tianjin-Hebei Region[J]. China Environmental Science, 2019, 39(7): 2689-2698. DOI:10.3969/j.issn.1000-6923.2019.07.001 |
| [22] | Liu P F, Song H Q, Wang T H, et al. Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities[J]. Environmental Pollution, 2020, 262. DOI:10.1016/j.envpol.2020.114366 |
| [23] |
吴进, 李琛, 马志强, 等. 基于天气分型的上甸子大气本底站臭氧污染气象条件[J]. 环境科学, 2020, 41(11): 4864-4873. Wu J, Li C, Ma Z Q, et al. Influence of meteorological conditions on ozone pollution at Shangdianzi station based on weather classification[J]. Environmental Science, 2020, 41(11): 4864-4873. |
| [24] |
杨娜, 王春迎, 刘孟雄, 等. 洛阳市臭氧污染特征及其与气象因子的关系[J]. 气象与环境科学, 2019, 42(4): 90-95. Yang N, Wang C Y, Liu M X, et al. Characteristics of ozone pollution in Luoyang and its correlation with meteorological elements[J]. Meteorological and Environmental Sciences, 2019, 42(4): 90-95. |
| [25] |
严茹莎, 王红丽, 黄成, 等. 上海市夏季臭氧污染特征及削峰方案[J]. 环境科学, 2021, 42(8): 3577-3584. Yan R S, Wang H L, Huang C, et al. Characteristics and control strategies on summertime peak ozone concentration in Shanghai[J]. Environmental Sciences, 2021, 42(8): 3577-3584. |
| [26] |
丁博昊, 赖丽芳. 珠海市不同前体物削减比例对臭氧的影响[J]. 环境科学导刊, 2019, 38(S1): 51-53. Ding B H, Lai L F. Impact of different precursors reduction ratio on ozone in Zhuhai[J]. Environmental Science Survey, 2019, 38(S1): 51-53. |
| [27] | Carter W P L. Development of the SAPRC-07 chemical mechanism and updated ozone reactivity scales[R]. California: University of California, 2010. |
| [28] |
严文莲, 刘端阳, 康志明, 等. 江苏臭氧污染特征及其与气象因子的关系[J]. 气象科学, 2019, 39(4): 477-487. Yan W L, Liu D Y, Kang Z M, et al. The characteristics of ozone pollution and its relationship with meteorological factors in Jiangsu[J]. Journal of the Meteorological Sciences, 2019, 39(4): 477-487. |
| [29] | 陆晓波, 丁峰, 朱志锋, 等. 南京市臭氧污染现状及变化特征的研究[J]. 环境监测管理与技术, 2019, 31(2): 11-15. |
| [30] |
王占山, 李云婷, 陈添, 等. 北京市臭氧的时空分布特征[J]. 环境科学, 2014, 35(12): 4446-4453. Wang Z S, Li Y T, Chen T, et al. Temporal and spatial distribution characteristics of ozone in Beijing[J]. Environmental Science, 2014, 35(12): 4446-4453. |
| [31] |
王银海, 董莉, 刘景洋, 等. 典型溶剂使用行业O3和SOA生成潜势分析[J]. 现代化工, 2020, 40(11): 14-19. Wang Y H, Dong L, Liu J Y, et al. Analysis and research on generation potential of ozone and SOA in typical solvent use industries[J]. Modern Chemical Industry, 2020, 40(11): 14-19. |