2022, Vol. 43
2. 中国科学院深地科学卓越创新中心, 广州 510640;
3. 中国科学院大学, 北京 100049;
4. 广东省广州生态环境监测中心站, 广州 510060;
5. 暨南大学质谱仪器与大气环境研究所, 广东省大气污染在线源解析系统工程技术研究中心, 广州 510632;
6. 粤港澳环境质量协同创新联合实验室, 广州 510632;
7. 广州禾信仪器股份有限公司, 广州 510530;
8. 广东省生态环境监测中心, 广州 510308;
9. 暨南大学环境与气候研究院, 广州 510632;
10. 广东省科学院资源利用与稀土开发研究所, 广州 510650
, XIE Yu-tong5,6 , CHEN Xi5,7 , ZHANG Tao1,2,3,8 , QIU Xiao-nuan4 , WANG Yu9 , WANG Zai-hua10
, LI Mei5,6
2. Center for Excellence in Deep Earth Science, Chinese Academy of Sciences, Guangzhou 510640, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. Guangzhou Sub-branch of Guangdong Ecological and Environmental Monitoring Center, Guangzhou 510060, China;
5. Institute of Mass Spectrometry and Atmospheric Environment, Jinan University, Guangdong Provincial Engineering Research Center for On-line Source Apportionment System of Air Pollution, Guangzhou 510632, China;
6. Guangdong-Hongkong-Macau Joint Laboratory of Collaborative Innovation for Environmental Quality, Guangzhou 510632, China;
7. Guangzhou Hexin Instrument Co., Ltd., Guangzhou 510530, China;
8. Guangdong Ecological and Environmental Monitoring Center, Guangzhou 510308, China;
9. Jinan University Institute for Environmental and Climate Research, Guangzhou 510632, China;
10. Institute of Resources Utilization and Rare Earth Development, Guangdong Academy of Sciences, Guangzhou 510650, China
近年来, 随着大气污染防治的不断深入, 我国大部分地区的SO2、NOx、PM10和PM2.5的浓度逐年下降, 然而臭氧(O3)污染状况却未有明显改善[1], 尤其在城市群区域, 比如京津冀[2~4]、长三角[5~7]和珠三角[8]地区, 在夏秋季频现O3浓度超标现象, O3已成为影响环境空气质量的重要因素[9, 10].近地面高浓度的O3不仅造成农作物的减产和橡胶等材料的老化, 还会损害人体呼吸道和心肺功能, 导致哮喘、咳嗽甚至心血管疾病[11~13].据2016年统计, 全国有超过30%的人口生活在高于我国《环境空气质量标准》(GB 3095-2012)中O3二级标准(160 μg·m-3)的环境中; 如果根据世界卫生组织发布的全球空气质量准则(air quality guidelines, AQG 2021)中建议的标准(100 μg·m-3), 这一比例上升至约67.2%[14], 可见我国O3污染的严重性.
O3的生成与其前体物NOx和VOCs的光化学反应密切相关, 且三者之间存在复杂的非线性关系.经验动力学建模方法(empirical kinetic modeling approach, EKMA)已被广泛用于研究O3对NOx和VOCs排放的非线性响应[15~21]; 此外, O3的生成也易受到气象条件的影响[22~25].在不利扩散条件下, 除已生成O3的传输以外, 前体物在区域传输的过程中亦会生成O3, 两者均会导致下风向地区O3浓度上升, 从而形成区域O3污染事件[26].
为针对性地制定减排措施, 需明确各排放源对前体物的贡献.有研究表明, 珠三角地区的前体物排放中对O3生成贡献最大的是交通源和溶剂使用源[27~30], 周胜等[31]通过对珠三角城市群O3和VOCs的污染特征分析发现, 芳香烃是VOCs中对O3生成影响较大的组分, 并建议对机动车尾气、溶剂挥发和涂料使用排放的VOCs敏感组分进行控制.协同减排也存在地域差异, Xiang等[32]的研究中建议在京津冀地区削减~60%的VOCs以及~20%的NOx来达到O3污染的控制. Chen等[33]通过对佛山市关键污染源的削减试验发现, 同时削减25%的港口源与50%的有机溶剂源是实现NO2与O3协同控制的有效办法.
广州市处于珠三角地区的中心, 虽然PM2.5已经连续4 a达标, 但是O3污染依然存在, 且已经成为影响空气质量达标的首要因素[34], 环境空气质量形式严峻.另外, 污染的季节性特征明显, 冬春季以颗粒物污染为主, 夏秋季以O3污染为主[31, 35].不仅如此, 近年来O3超标出现的时间越发提前, 并在冬季也罕见地出现了O3超标, 这为广州市大气污染防治提出了新的挑战.本文针对广州市2020年冬季一次典型的O3污染过程进行了研究, 主要包括：污染过程的环境指标污染物及气象变化特征、VOCs变化特征及来源分布、O3生成对前体物的敏感性分析和冬季O3污染防控建议, 以期为我国冬季O3污染研究提供观测实例, 并为制定防控对策提供现实参考.
1 材料与方法 1.1 监测站点和采样时间采样点位于广州市中心城区的超级站(东经113°15′35″, 北纬23°07′59″), 如图 1所示.采样高度25 m, 采样口周围水平面具有270°以上的捕集空间的自由空间, 采样口周围至少50 m范围内无明显固定污染源.周围人口众多, 交通道路较为密集, 机动车尾气排放强度较大, 餐饮也较为发达, 能够代表广州市城市中心区域的环境特点.
|
图 1 监测站点广州市中心城区超级站位置示意 Fig. 1 Geographic information for the sampling site of Guangzhou downtown super station |
采样时间为2020年1月1日至2020年1月9日, 根据污染过程, 将监测时间分为3个阶段, 分别为污染前(1月1~3日)、污染中(1月4日)和污染后(1月5~9日).
1.2 数据监测和质控SO2、CO、NO2、NO、PM2.5、PM10、O3和VOCs浓度的监测数据来源于广东省广州生态环境监测中心站, 其中SO2、CO、NO2/NO、PM2.5、PM10和O3分别使用赛默飞世尔科技43i(紫外脉冲荧光法)、48i(气体滤波相关红外吸收法)、42i(化学发光法)、5030i(β射线加动态加热系统联用光散射法)、5014i(β射线法)和49i(紫外光度法)型分析仪分析; VOCs使用用法国Chromatotec公司的GC-866(Chromatotec Inc., Vilsack, France)分析系统, 该分析系统包括两套独立的分析仪和FID检测单元, 分别用来分析C2~C6和C6~C12的VOCs物种, 仪器采样流量为40 mL·min-1, 每个样品采集10 min, 之后样品经吸附剂低温吸附富集, 再经过220℃热解析后进入双FID检测系统, 分别分析低碳和高碳物种.
对于SO2、CO、NO2、NO、PM2.5、PM10和O3项目的监测按照国家运维和质控规范开展, 每周开展仪器运行状态、零点和跨度的检查, 每月进行气体分析仪流量检查、每季度进行精密度检查和臭氧量值传递, 每半年进行氮氧化物钼转换炉效率检查; 对于VOCs项目, 每月对分析系统进行多点校准, 使用PAMs物种混合标准气体(Spectra Gases Inc., New Jersey, USA)校准, 标准工作曲线浓度(体积分数)梯度1×10-9、2×10-9、4×10-9、6×10-9、8×10-9和10×10-9), 对每个化合物建立工作曲线, 线性相关系数R2均大于0.98.
本文站点气象数据的监测使用维萨拉公司WXT520, 此外部分气象数据使用了ERA-5数据集, 该数据集是基于数据同化系统的全球气象再分析资料, 来自欧洲天气预报中心(ECMWF), 数据集时间分辨率为1 h, 空间分辨率为0.5°×0.5°, 选取了地表温度、地表U/V、风矢量、地表辐射、边界层高度、垂直温度和垂直风场.
1.3 分析方法 1.3.1 大气稳定度(理查森数Ri)在大气上, 理查森数(Ri)表示大气静力稳定度与垂直风切变的比值, 利用模式的结果来计算理查森数, 分析大气的稳定度变化情况, 理查森数的计算方法如下所示[36]：
|
(1) |
式中, Z为距离地表的高度, g为重力加速度, θv为虚位温, u和v为水平风的两个分量, 下标z和s分别为指定高度及地表高度. bu*为摩擦速度, 可以忽略. Ri值较大时, 大气静力稳定度大或者垂直风切变小, 大气稳定, 有利于污染物的累积; 相反, 当Ri较小时, 大气静力稳定度小或者垂直风切变大, 大气不稳定, 有利于污染物的垂直扩散, 以及边界层附近的空气混合.
1.3.2 臭氧生成潜势臭氧生成潜势(ozone formation potential, OFP)为某VOCs化合物环境浓度与该VOCs的最大反应增量系数(maximum incremental reactivity, MIR)的乘积, 计算公式为：
|
(2) |
式中, [VOCs]i为观测到的某VOCs物种在大气中的质量浓度(μg·m-3); MIRi为该VOCs在臭氧最大增量反应中的臭氧生成系数(g·g-1, 以O3/VOCs计), 采用Carter研究的MIR系数[37].
1.3.3 经验动力学建模方法(EKMA)本研究中采用以光化学烟雾污染为主要研究对象的基于观测的光化学箱模型(observation-based model, OBM), 其采用CB05碳键机制的光化学箱模型绘制EKMA曲线, 模拟各种不同VOCs和NOx比例的情景, 从而量化O3与前体物之间的非线性关系[33].具体操作为, 污染事件日VOCs和NOx的平均浓度为模拟的实际情景, NOx和VOCs以外的参数保持不变, 以平均浓度的5%作为步长将VOCs和NOx从100%削减到0%来建立情景矩阵.最后, 用模型输出的臭氧生成速率绘制EKMA曲线, 并比较7种不同VOCs和NOx削减比例下臭氧生成速率的变化.
1.3.4 PMF受体模型运用PMF 5.0受体模型对大气VOCs数据开展来源解析.正交矩阵因子分解法(positive matrix factorization, PMF)是基于权重计算各化学组分的误差, 然后根据源的组成或指纹来量化源对样品及其贡献的数学方法[38].其分析原理是假设输入浓度为一个n×m的矩阵X, 其中n为样品数, m为化学组分种类数.根据最小加权平方的原理, 模型将矩阵X=G×F+E, 其中G为一个n×p的源贡献矩阵, F为一个p×m的源成分谱矩阵, p为主要污染源的数目, E为残差矩阵. PMF约束每个样品的源贡献为非负值, 然后依据样品的残差e和不确定性u使目标函数Q最小化, 可以同时确定污染源贡献值G(相对值)和污染源成分谱F(化学成分的相对浓度).残差e和目标函数Q定义为：
|
(3) |
|
(4) |
2020年1月4日在广州发生了一次O3污染过程, 污染前、中和后这3个阶段的温度、相对湿度、O3、NO2、NO、CO、SO2、NOx、PM10和PM2.5随时间的变化序列如图 2所示.本次O3污染过程除O3-8h (184.0 μg·m-3)超标外, NO2(104.0 μg·m-3)也同时出现了超标, 并且PM10(136.0 μg·m-3)和PM2.5(69.0 μg·m-3)的质量浓度也显著升高, 处于接近超标的高位, 这与夏秋季常见的O3单项指标超标, 其他指标均呈现较低浓度的情况不同.另外, 3个阶段15:00时广东省地表温度、辐射和风速分布如图 3所示, 大气稳定度和边界层高度如图 4所示.
|
图 2 监测期间(2020年1月1~9日)相对湿度、温度、O3、NO2、NO、CO、SO2、NOx、PM10和PM2.5时间变化 Fig. 2 Relative humidity, temperature, O3, NO2, NO, CO, SO2, NOx, PM10, and PM2.5 time change during the monitoring period (Jan. 1-9, 2020) |
|
(a)地表温度(色柱单位℃), (b)地表辐射(色柱单位106 J·m-2), (c)地表风速(色柱单位m·s-1); 1.污染前, 2.污染中, 3.污染后; 红点位置代表超级站点 图 3 污染前、中和后期气象参数变化 Fig. 3 Variation in meteorological parameters before, during, and after ozone pollution |
|
白色虚线为边界层高度; 红色方框为臭氧污染日(1月4日) 图 4 监测期间(2020年1月1~9日)大气稳定度的垂直变化 Fig. 4 Atmospheric stability change in Guangzhou during the monitoring period (Jan. 1-9, 2020) |
由图 4可以看出, 在污染前(1月1~3日)大气处于较为稳定的状态中, 边界层高度偏低(74.5 m, 1月1~3日夜间边界层平均高度), 1月3日夜间从近地面到高空大气持续静稳, 边界层高度降低至37.3 m(1月3日22:00~1月4日04:00平均值), 大气容量进一步降低; 此外, 污染前站点周边地表风速偏低[图 3(c)], 1月3日17:00~1月4日05:00, 站点测得风速均低于0.5 m·s-1, 大气扩散条件差, 因此有利于污染物积累.另一方面, 1月3日为周五, 周末外出车流与下班车流叠加导致NO排放增加, 大货车在20:00限行解除后, 进一步增强了NO排放.污染前, 由于太阳辐射的减弱以及NO的滴定作用, O3浓度迅速降低, 导致：① NO2自1月3日18:00开始迅速积累, 并在1月4日01:00达到峰值152.0 μg·m-3, 并始终保持110.0 μg·m-3的较高浓度; ② O3不断消耗, 在1月3日22:00降低至个位数, 并在1月4日01:00达到最低值4.0 μg·m-3; ③ NO自1月3日21:00开始在短时间内得以快速地积累, 并在1月4日04:00达到峰值232.0 μg·m-3, 此时的NOx也达到极大值466.0 μg·m-3.因此, 1月1~4日静稳的气象条件和较差的扩散条件, 加上周末前机动车的集中出行, 导致了1月4日凌晨积累了大量的NOx, NO2也持续维持在较高浓度, 为1月4日白天的臭氧污染提供了充足的前体物.污染中期, 广州市中部区域的地表温度要明显高于周边区域[图 3(a)], 并且地表辐射也较强[图 3(b)], 1月4日10:00开始, 站点温度保持20℃以上的高温长达16 h, 并在15:00和16:00时达到25.4℃的高温, 期间风速也基本保持在1.0 m·s-1以下, 相对湿度在14:00~20:00维持在50%以下.因此, 较强的辐射、高温和弱风, 有利于光化学反应, 从而导致1月4日的臭氧污染事件.污染后期, 站点风速逐渐增强, 地表辐射也显著降低, 边界层高度也有所增加, 整体大气扩散条件得以改善, 此外, 周末期间, 城市中心区域机动车的总体排放也有所降低, 臭氧污染过程结束.
2.2 VOCs组分和臭氧生成潜势污染前、中和后期前体物VOCs的质量浓度变化和OFP如表 1所示.质量浓度变化方面, 监测期间VOCs主要由烷烃和芳烃组成.烷烃、烯烃、炔烃和芳香烃在污染日的质量浓度均大于污染前和污染后, 污染日的ρ(总VOCs)为55.8 μg·m-3, 分别为污染前和后的2.1倍和2.3倍, 以烷烃质量浓度和芳香烃质量浓度增加尤为明显.OFP方面, O3污染前、中和后总OFP值分别为168.1、365.2和170.0 μg·m-3, 污染日OFP是污染前后的2.2倍左右.监测期间OFP贡献率最高的是芳香烃, 说明芳香烃是本次污染过程的主要贡献者, 其次是烷烃和烯烃, 炔烃对O3生成影响较小.
|
表 1 污染前、中和后期各类别VOCs质量浓度和OFP变化/μg·m-3 Table 1 Changes in the VOCs mass concentrations and OFP of each category before, during, and after pollution/μg·m-3 |
对比污染前、中和后, VOCs各组分OFP排名前10如图 5所示.整个监测期间OFP排名前10组分大部分一致, 前5组分始终是间/对-二甲苯、甲苯、邻-二甲苯、丙烯和正丁烷.其中, 间/对-二甲苯和甲苯在污染日的OFP超过60.0 μg·m-3, 邻-二甲苯的OFP超过30.0 μg·m-3, 这3个组分的增幅均超过100%, 其余组分OFP介于10.0~25.0 μg·m-3.综合来看, 本次广州市臭氧污染期间, 二甲苯、甲苯和丙烯是臭氧污染形成的主要贡献者.
|
VOCs组分：①间/对-二甲苯, ②甲苯, ③丙烯, ④邻-二甲苯, ⑤正丁烷, ⑥异丁烷, ⑦丙烷, ⑧乙苯, ⑨1, 2, 3-三甲基苯, ⑩1, 2, 4-三甲基苯, ⑪ 异戊烷 图 5 污染前、中和后的前10个高OFP组分的质量浓度和OFP Fig. 5 Mass concentrations and OFP contributions of the top ten high OFP components before, during and after pollution |
本研究与广州城区(包括越秀区、海珠区、荔湾区和天河区)其他季节[39~42]和郊区[43]夏季监测的大气非甲烷总烃(non-methane hydrocarbon, NMHCs)水平和特征进行对比, 如表 2所示.可以看到, 在本次冬季监测时段的NMHCs质量浓度为30.7 μg·m-3, 低于其他季节(34.7~44.1 μg·m-3).从NMHCs组成分布来看, 广州市NMHCs主要以烷烃和芳香烃为主, 监测期间的烷烃(68.2%)和炔烃(6.2%)占比高于其他季节(分别为58.5%~63.9%, 4.6%~6.0%); 烯烃占比(3.1%)明显比其他季节更低(8.8%~26.3%); 芳香烃的占比(22.5%)高于城区夏秋季(15.2%~21.9%), 低于春冬季节(24.0%~24.1%).总的来说, 相比其他季节, 冬季监测期间内烷烃和炔烃贡献更加突出, 从图 6中烷烃和炔烃主要分布的来源也可以看出, 这些物种主要来自于汽车尾气源和生物质燃烧源, 这些来源的占比比其他时期更大.
|
|
表 2 不同监测时间和地区大气NMHCs水平和特征比较 Table 2 Comparison of the NMHCs characteristics in different monitoring periods and regions |
|
VOCs组分：①乙烷, ②丙烷, ③异丁烷, ④正丁烷, ⑤异戊烷, ⑥正戊烷, ⑦2-甲基戊烷, ⑧3-甲基戊烷, ⑨正己烷, ⑩环己烷, ⑪ 2, 2, 4-三甲基戊烷, ⑫.甲基环己烷, ⑬ 2, 3, 4-三甲基戊烷, ⑭ 3-甲基庚烷, ⑮ 正辛烷, ⑯ 丙烯, ⑰ 异戊二烯, ⑱ 乙炔, ⑲ 苯, ⑳ 甲苯, ㉑ 乙苯, ㉒ 间/对-二甲苯, ㉓ 苯乙烯, ㉔ 邻-二甲苯, ㉕ 间-乙基甲苯 图 6 不同VOCs来源的识别分布 Fig. 6 Identification and apportionment of different VOCs sources |
从OFP贡献率来看, 冬季广州OFP贡献以芳香烃为主, 而夏秋季主要以芳香烃和烯烃为主.虞小芳等[40]的研究中, 夏季OFP最高的物种包括甲苯、反-2-戊烯、间/对-二甲苯、1, 3-丁二烯和邻-二甲苯等, 孟瑶[41]的研究中, 秋季OFP最高的物种包括间/对-二甲苯、甲苯、乙烯、乙苯和丙烯等, 罗炜等[42]的研究中, 秋季OFP最高的物种包括顺式-2-丁烯、丁烯、反式-2-丁烯、乙醛和甲苯等.在冬季芳香烃的OFP会更突出, 可能来自于溶剂使用源排放, 说明本次污染过程溶剂使用源对O3本地生成影响更大.
2.3 VOCs来源解析运用PMF受体模型对本次O3污染过程的VOCs进行来源解析.通过实际Q值与理论Q值、模拟值和观测值的对比, 数据残差的检验, 各个因子的代表性和之间的分离度、各因子的特征物种的确定等, 最终确定了6个不同的来源(图 6), 即工业排放源(17.9%)、油品挥发源(13.0%)、汽车尾气源(22.4%)、植物源(9.7%)、生物质燃烧源(16.5%)和溶剂使用源(20.5%), 其中以汽车尾气源和溶剂使用源为主, 与天津[44]、湖州[45]和上海[46]情况一致, 且与深圳[47]和淄博[48]情况也较为类似.其中溶剂使用源占比显著小于夏季(26.6%[49]和28.6%[41]), 也小于天津、湖州、上海和淄博地区(表 3), 这可能与季节性有关.但是显著高于临近的深圳市(12.7%), 这可能与深圳市对溶剂使用源的管控有关.从各来源的OFP贡献率可以看出(表 3), 对O3生成影响最大的是溶剂使用源, OFP贡献率为36.6%, 其中近50%的OFP来自间/对-二甲苯, 深圳、天津和湖州也表现出类似的特征.虽然在冬季溶剂使用源的贡献下降, 但仍然对广州冬季O3生成起到主导的作用.其次是机动车尾气源和工业排放源, 其OFP贡献率分别为15.5%和15.0%.Ou等[50]通过制定珠三角地区特定OVOCs和VOCs排放清单, 发现乙烯、间/对-二甲苯、甲苯和1, 2, 4-三甲基苯等24种高OFP物种在当地人为排放中占比52.0%且OFP贡献高达80.0%, 而工业溶剂、工业过程、汽油车和摩托车是这些关键反应物种的主要排放源, 这与本研究结果基本相符.
|
|
表 3 不同监测时间和地区来源和OFP贡献分布对比 Table 3 Comparison of source apportionments and OFP contributions in different monitoring periods and regions |
2.4 臭氧敏感性分析
根据污染日(1月4日)15:00时的观测结果绘制了EKMA曲线如图 7(a)所示.基于实际情况模拟的情景中削减VOCs时O3浓度降低, 而削减NOx时O3浓度反而升高, 由此判断当地处于VOCs控制区.图 7(b)基于EKMA曲线结果, 对实际情况下前体物的削减共设置了7种削减方案, 分别为：VOCs与NOx按比例3∶1、2∶1、1∶1、1∶2、1∶3削减、仅削减VOCs和仅削减NOx, 用来反映不同前体物削减方案导致的O3浓度变化百分比.仅削减VOCs时, O3随着VOCs削减而减少, 削减VOCs至30%, 将使得模拟O3浓度降低到200 μg·m-3, 即达到国家规定二级标准.类似地, 在VOCs/NOx削减比例为3∶1的情况下, VOCs和NOx的总削减百分比达到50% (VOCs削减37.5%, NOx削减12.5%)即可实现O3达标; 在VOCs/NOx削减比例为2∶1的情况下, VOCs和NOx的总削减百分比达到60%(VOCs削减40%, NOx削减20%)即可实现O3达标.其他削减方案(包括仅削减NOx和VOCs/NOx削减比例为1∶1、1∶2和1∶3)即使总削减百分比达到90%(VOCs和NOx均削减45%; VOCs削减30%, NOx削减60%; 或VOCs削减22.5%, NOx削减67.5%), 也无法实现O3达标.
|
(a)EKMA曲线; (b)不同比例的削减方案模拟 图 7 EKAM曲线和不同比例的前体物削减方案模拟 Fig. 7 EKMA curve and simulation of reduction plans |
考虑到VOCs来源广泛且复杂, 在大幅度减排方面存在困难, 因此不推荐VOCs和NOx总削减量超过90%的方案.通过上述内容总结了几种可供参考的O3前体物削减方案, 如表 4所示.可以看出, 3种削减方案中仅削减VOCs的削减量需求最低, 但是其合理性和可行性都存在一定问题, 一般选择VOCs和NOx结合削减治理方案, 且Wang等[51]的研究指出, 只有当VOCs/NOx削减比例大于2∶1, 珠三角的O3污染才能得到有效缓解.对比方案2和3的VOCs与NOx的削减需求, 很明显方案2, 即VOCs/NOx削减比例为3∶1(VOCs削减37.5%, NOx削减12.5%)更适用于实际O3的控制和治理中.
|
|
表 4 VOCs和NOx总削减量低于120%的臭氧达标方案汇总 Table 4 Summary of O3 compliance strategies with a total reduction of VOCs and NOx less than 120% |
3 结论
(1) 2020年1月上旬广州市冬季一次O3污染过程, 叠加了NO2超标, 并且PM10和PM2.5浓度也处于高位, 体现出和夏秋季不同的特征.气象条件是重要的外因, VOCs等前体物快速光化学反应是O3累积污染的内因.较强太阳辐射和较高气温, 促进了前体物快速光化学氧化二次生成O3, 而夜间稳定大气层和不利的水平扩散条件, 使得各种污染积累形成污染.
(2) VOCs变化特征方面, 冬季监测期间内VOCs以烷烃为主, 烷烃和炔烃占比比其他季节更高, 芳香烃对O3生成的贡献最为突出, 二甲苯、甲苯和丙烯是本次污染的关键前体物种.VOCs来源分布方面, 广州市冬季的VOCs来源主要为汽车尾气、溶剂使用和工业排放源, 但是溶剂使用源的OFP贡献最大.
(3) O3污染过程处于VOCs敏感区, 应优先控制VOCs排放, 以VOCs与NOx比例为3∶1进行削减时O3控制效果最佳.
(4) 总而言之, 气象条件与前体物快速光化学反应是本次冬季臭氧污染主要原因.建议广州冬季O3污染控制以VOCs与NOx为3∶1(即VOCs削减37.5%, NOx削减12.5%)比例进行削减, VOCs来源应主要以控制溶剂使用源的排放为主.
| [1] | 中华人民共和国生态环境部. 2020中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202105/P020210526572756184785.pdf, 2021-05-26. |
| [2] | 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 |
| [3] | Chen S Y, Wang H C, Lu K D, et al. The trend of surface ozone in Beijing from 2013 to 2019: indications of the persisting strong atmospheric oxidation capacity[J]. Atmospheric Environment, 2020, 242. DOI:10.1016/j.atmosenv.2020.117801 |
| [4] | Chen Z Y, Zhuang Y, Xie X M, et al. Understanding long-term variations of meteorological influences on ground ozone concentrations in Beijing During 2006-2016[J]. Environmental Pollution, 2019, 245: 29-37. DOI:10.1016/j.envpol.2018.10.117 |
| [5] | Shu L, Wang T J, Han H, et al. Summertime ozone pollution in the Yangtze River Delta of eastern China during 2013-2017: synoptic impacts and source apportionment[J]. Environmental Pollution, 2020, 257. DOI:10.1016/j.envpol.2019.113631 |
| [6] | Qin Y, Li J Y, Gong K J, et al. Double high pollution events in the Yangtze River Delta from 2015 to 2019: characteristics, trends, and meteorological situations[J]. Science of the Total Environment, 2021, 792. DOI:10.1016/j.scitotenv.2021.148349 |
| [7] | Gong K J, Li L, Li J Y, et al. Quantifying the impacts of inter-city transport on air quality in the Yangtze River Delta urban agglomeration, China: implications for regional cooperative controls of PM2.5 and O3[J]. Science of the Total Environment, 2021, 779. DOI:10.1016/j.scitotenv.2021.146619 |
| [8] |
赵伟, 高博, 卢清, 等. 2006~2019年珠三角地区臭氧污染趋势[J]. 环境科学, 2021, 42(1): 97-105. Zhao W, Gao B, Lu Q, et al. Ozone pollution trend in the Pearl River Delta region during 2006-2019[J]. Environmental Science, 2021, 42(1): 97-105. DOI:10.3969/j.issn.1006-4427.2021.01.017 |
| [9] | Yang L F, Xie D P, Yuan Z B, et al. Quantification of regional ozone pollution characteristics and its temporal evolution: insights from identification of the impacts of meteorological conditions and emissions[J]. Atmosphere, 2021, 12(2). DOI:10.3390/atmos12020279 |
| [10] |
严刚, 薛文博, 雷宇, 等. 我国臭氧污染形势分析及防控对策建议[J]. 环境保护, 2020, 48(15): 15-19. Yan G, Xue W B, Lei Y, et al. Situation and control measures of ozone pollution in China[J]. Environmental Protection, 2020, 48(15): 15-19. |
| [11] |
赵楠, 卢毅敏. 中国地表臭氧浓度估算及健康影响评估[J]. 环境科学, 2022, 43(3): 1235-1245. Zhao N, Lu Y M. Estimation of surface ozone concentration and health impact assessment in China[J]. Environmental Science, 2022, 43(3): 1235-1245. |
| [12] | Zhang W W, Feng Z Z, Wang X K, et al. Quantification of ozone exposure- and stomatal uptake-yield response relationships for soybean in Northeast China[J]. Science of the Total Environment, 2017, 599-600: 710-720. DOI:10.1016/j.scitotenv.2017.04.231 |
| [13] | Zhang J Y, Chen Q, Wang Q Q, et al. The acute health effects of ozone and PM2.5 on daily cardiovascular disease mortality: a multi-center time series study in China[J]. Ecotoxicology and Environmental Safety, 2019, 174: 218-223. DOI:10.1016/j.ecoenv.2019.02.085 |
| [14] | Maji K J, Ye W F, Arora M, et al. Ozone pollution in Chinese cities: assessment of seasonal variation, health effects and economic burden[J]. Environmental Pollution, 2019, 247: 792-801. DOI:10.1016/j.envpol.2019.01.049 |
| [15] | Fan M Y, Zhang Y L, Lin Y C, et al. Source apportionments of atmospheric volatile organic compounds in Nanjing, China during high ozone pollution season[J]. Chemosphere, 2021, 263. DOI:10.1016/j.chemosphere.2020.128025 |
| [16] | Santos F M, Gómez-Losada Á, Pires J C M. Empirical ozone isopleths at urban and suburban sites through evolutionary procedure-based models[J]. Journal of Hazardous Materials, 2021, 419. DOI:10.1016/j.jhazmat.2021.126386 |
| [17] | Su R, Lu K D, Yu J Y, et al. Exploration of the formation mechanism and source attribution of ambient ozone in Chongqing with an observation-based model[J]. Science China Earth Sciences, 2018, 61(1): 23-32. DOI:10.1007/s11430-017-9104-9 |
| [18] | Gao Y, Yan F F, Ma M C, et al. Unveiling the dipole synergic effect of biogenic and anthropogenic emissions on ozone concentrations[J]. Science of the Total Environment, 2022, 818. DOI:10.1016/j.scitotenv.2021.151722 |
| [19] | Shen H Z, Sun Z, Chen Y L, et al. Novel method for ozone isopleth construction and diagnosis for the ozone control strategy of Chinese cities[J]. Environmental Science & Technology, 2021, 55(23): 15625-15636. |
| [20] |
崔金梦, 王体健, 李秋潼, 等. 连云港市挥发性有机化合物的组分特征及来源解析[J]. 环境科学, 2020, 41(9): 3941-3950. Cui J M, Wang T J, Li Q T, et al. Component characteristics and source appointment of volatile organic compounds in Lianyungang city[J]. Environmental Science, 2020, 41(9): 3941-3950. |
| [21] |
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 |
| [22] | Yang J B, Liu J L, Han S Q, et al. Study of the meteorological influence on ozone in urban areas and their use in assessing ozone trends in all seasons from 2009 to 2015 in Tianjin, China[J]. Meteorology and Atmospheric Physics, 2019, 131(6): 1661-1675. DOI:10.1007/s00703-019-00664-x |
| [23] | Ding D, Xing J, Wang S X, et al. Impacts of emissions and meteorological changes on China's ozone pollution in the warm seasons of 2013 and 2017[J]. Frontiers of Environmental Science & Engineering, 2019, 13(5). DOI:10.1007/s11783-019-1160-1 |
| [24] |
何超, 慕航, 杨璐, 等. 中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素[J]. 环境科学, 2021, 42(9): 4168-4179. He C, Mu H, Yang L, et al. Spatial variation of surface ozone concentration during the warm season and its meteorological driving factors in China[J]. Environmental Science, 2021, 42(9): 4168-4179. |
| [25] |
赵恺辉, 包云轩, 黄建平, 等. 华南地区春季平流层入侵对对流层低层臭氧影响的模拟研究[J]. 大气科学, 2019, 43(1): 75-86. Zhao K H, Bao Y X, Huang J P, et al. A modeling study of the impact of stratospheric intrusion on ozone enhancement in the lower troposphere in South China[J]. Chinese Journal of Atmospheric Sciences, 2019, 43(1): 75-86. |
| [26] | Liu Y H, Wang H L, Jing S G, et al. Characteristics and sources of volatile organic compounds (VOCs) in Shanghai during summer: implications of regional transport[J]. Atmospheric Environment, 2019, 215. DOI:10.1016/j.atmosenv.2019.116902 |
| [27] |
魏巍, 王书肖, 郝吉明. 中国人为源VOC排放清单不确定性研究[J]. 环境科学, 2011, 32(2): 305-312. Wei W, Wang S X, Hao J M. Uncertainty analysis of emission inventory for volatile organic compounds from anthropogenic sources in China[J]. Environmental Science, 2011, 32(2): 305-312. |
| [28] | Yang W Y, Chen H S, Wang W D, et al. Modeling study of ozone source apportionment over the Pearl River Delta in 2015[J]. Environmental Pollution, 2019, 253: 393-402. DOI:10.1016/j.envpol.2019.06.091 |
| [29] |
黄丽滢. 深圳市某区域PM2.5与臭氧源解析及协同减排研究[D]. 深圳: 哈尔滨工业大学, 2019. Huang L Y. Study on the source apportionment and synergistic emission reduction of PM2.5 and ozone in a certain area of Shenzhen[D]. Shenzhen: Harbin Institute of Technology, 2019. |
| [30] |
陈皓, 王雪松, 沈劲, 等. 珠江三角洲秋季典型光化学污染过程中的臭氧来源分析[J]. 北京大学学报(自然科学版), 2015, 51(4): 620-630. Chen H, Wang X S, Shen J, et al. Ozone source apportionment of typical photochemical pollution episodes in the Pearl River Delta in autumn[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(4): 620-630. |
| [31] |
周胜, 黄报远, 陈慧英, 等. 珠三角城市群PM2.5和O3污染特征及VOCs组分敏感性分析[J]. 环境工程, 2020, 38(1): 42-47, 92. Zhou S, Huang B Y, Chen H Y, et al. Pollution characteristics of PM2.5 and O3 in the Pearl River Delta and the sensitivity analysis of VOCs components[J]. Environmental Engineering, 2020, 38(1): 42-47, 92. |
| [32] | Xiang S L, Liu J F, Tao W, et al. Control of both PM2.5 and O3 in Beijing-Tianjin-Hebei and the surrounding areas[J]. Atmospheric Environment, 2020, 224. DOI:10.1016/j.atmosenv.2020.117259 |
| [33] | Chen X, Situ S 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 |
| [34] | 广州市生态环境局. 2020年广州市环境质量状况公报[EB/OL]. http://sthjj.gz.gov.cn/attachment/6/6828/6828990/7386711.pdf, 2021-07-19. |
| [35] |
湛社霞. 粤港澳大湾区常规大气污染物变化趋势与影响因素研究[D]. 广州: 中国科学院大学, 2018. Zhan S X. Research on changing trend and influencing factors of conventional air pollutants in Guangdong-Hong Kong-Macao greater bay area[D]. Guangzhou: Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, 2018. |
| [36] | Guo J P, Miao Y C, Zhang Y, et al. The climatology of planetary boundary layer height in China derived from radiosonde and reanalysis data[J]. Atmospheric Chemistry and Physics, 2016, 16(20): 13309-13319. DOI:10.5194/acp-16-13309-2016 |
| [37] | Carter W P L. Updated maximum incremental reactivity scale and hydrocarbon bin reactivities for regulatory applications[R]. California Air Resources Board Contract 07-339, Riverside: University of California, 2009. |
| [38] | Paatero P, Tapper U. Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values[J]. Environmetrics, 1994, 5(2): 111-126. DOI:10.1002/env.3170050203 |
| [39] |
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. |
| [40] |
虞小芳, 程鹏, 古颖纲, 等. 广州市夏季VOCs对臭氧及SOA生成潜势的研究[J]. 中国环境科学, 2018, 38(3): 830-837. Yu X F, Cheng P, Gu Y G, et al. Formation potential of ozone and secondary organic aerosol from VOCs oxidation in summer in Guangzhou, China[J]. China Environmental Science, 2018, 38(3): 830-837. DOI:10.3969/j.issn.1000-6923.2018.03.004 |
| [41] |
孟瑶. 广州城市和郊区站点大气挥发性有机物特征研究[D]. 广州: 华南理工大学, 2020. Meng Y. Characteristics of volatile organic compounds (VOCs) at the urban and suburban sites in Guangzhou, China[D]. Guangzhou: South China University of Technology, 2020. |
| [42] |
罗玮, 王伯光, 刘舒乐, 等. 广州大气挥发性有机物的臭氧生成潜势及来源研究[J]. 环境科学与技术, 2011, 34(5): 80-86. Luo W, Wang B G, Liu S L, et al. VOC ozone formation potential and emission sources in the atmosphere of Guangzhou[J]. Environmental Science & Technology, 2011, 34(5): 80-86. |
| [43] | Zou Y, Deng X J, Zhu D, et al. Characteristics of 1 year of observational data of VOCs, NOx and O3 at a suburban site in Guangzhou, China[J]. Atmospheric Chemistry and Physics, 2015, 15(12): 6625-6636. DOI:10.5194/acp-15-6625-2015 |
| [44] |
罗瑞雪, 刘保双, 梁丹妮, 等. 天津市郊夏季的臭氧变化特征及其前体物VOCs的来源解析[J]. 环境科学, 2021, 42(1): 75-87. Luo R X, Liu B S, Liang D N, et al. Characteristics of ozone and source apportionment of the precursor VOCs in Tianjin suburbs in summer[J]. Environmental Science, 2021, 42(1): 75-87. |
| [45] |
常艳春, 魏莉, 杨晓红, 等. 2017年8-9月湖州市臭氧污染特征及其生成机制研究[J]. 南京信息工程大学学报(自然科学版), 2020, 12(6): 739-748. Chang Y C, Wei L, Yang X H, et al. Ozone pollution and its formation mechanism in Huzhou during 2017[J]. Journal of Nanjing University of Information Science and Technology (Natural Science Edition), 2020, 12(6): 739-748. |
| [46] |
林燕芬, 段玉森, 高宗江, 等. 基于VOCs加密监测的上海典型臭氧污染过程特征及成因分析[J]. 环境科学学报, 2019, 39(1): 126-133. Lin Y F, Duan Y S, Gao Z J, et al. Typical ozone pollution process and source identification in Shanghai based on VOCs intense measurement[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 126-133. |
| [47] |
林理量, 程勇, 曹礼明, 等. 深圳臭氧污染日的VOCs组成与来源特征[J]. 中国环境科学, 2021, 41(8): 3484-3492. Lin L L, Cheng Y, Cao L M, et al. The characterization and source apportionment of VOCs in Shenzhen during ozone polluted period[J]. China Environmental Science, 2021, 41(8): 3484-3492. |
| [48] |
王帅, 王秀艳, 杨文, 等. 淄博市城区臭氧超标期间的VOCs污染特征与来源解析[J]. 环境科学, 2022, 43(3): 1277-1285. Wang S, Wang X Y, Yang W, et al. Characteristics and source analysis of VOCs pollution during the period of ozone exceeding the standard in Zibo city[J]. Environmental Science, 2022, 43(3): 1277-1285. |
| [49] |
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. |
| [50] | Ou J M, Zheng J Y, Li R R, et al. Speciated OVOC and VOC emission inventories and their implications for reactivity-based ozone control strategy in the Pearl River Delta region, China[J]. Science of the Total Environment, 2015, 530-531: 393-402. |
| [51] | Wang N, Lyu X P, Deng X J, et al. Aggravating O3 pollution due to NOx emission control in eastern China[J]. Science of the Total Environment, 2019, 677: 732-744. |