环境科学  2023, Vol. 44 Issue (5): 2472-2480   PDF    
引用本文
侯墨, 蒋小梅, 赵文鹏, 马琳, 黄皓旻, 范丽雅, 叶代启. 2021年夏季新乡市城区臭氧超标日污染特征及敏感性[J]. 环境科学, 2023, 44(5): 2472-2480.
HOU Mo, JIANG Xiao-mei, ZHAO Wen-peng, MA Lin, HUANG Hao-min, FAN Li-ya, YE Dai-qi. Ozone Pollution Characteristics and Sensitivity During the Ozone Pollution Days in Summer 2021 of Xinxiang City[J]. Environmental Science, 2023, 44(5): 2472-2480.
2021年夏季新乡市城区臭氧超标日污染特征及敏感性
侯墨1, 蒋小梅1, 赵文鹏2, 马琳2, 黄皓旻1,3,4,5, 范丽雅1,3,4,5, 叶代启1,3,4,5     
1. 华南理工大学环境与能源学院, 广州 510006;
2. 河南省新乡生态环境监测中心, 新乡 453000;
3. 挥发性有机物污染治理技术与装备国家工程实验室, 广州 510006;
4. 广东省大气环境与污染控制重点实验室, 广州 510006;
5. 广东省环境风险防控与应急处置工程技术研究中心, 广州 510006
收稿日期: 2022-05-19; 修订日期: 2022-08-05
基金项目: 大气重污染成因与治理攻关项目（DQGG202133）
作者简介: 侯墨(1995~), 男, 硕士研究生, 主要研究方向为大气环境科学与污染控制, E-mail: 463512054@qq.com
通信作者: 马琳, E-mail: 2870177490@qq.com
摘要: 基于2021年6~8月新乡市市委党校站点观测的挥发性有机物（VOCs）、常规空气污染物和气象参数，采用基于观测的模型（OBM）对臭氧（O3）超标日的O3敏感性和前体物的管控策略进行了研究.结果发现，O3超标日呈现高温、低湿和低压的气象特征.在臭氧超标日，O3及其前体物的浓度均有上升.臭氧超标日的VOCs最高浓度组分为含氧挥发性有机物（OVOCs）和烷烃，臭氧生成潜势（OFP）和·OH反应性最大的VOCs组分为OVOCs.通过相对增量反应性（RIR）分析，新乡6月O3超标日臭氧生成处于VOCs控制区，7月和8月处于VOCs和氮氧化物（NOx）协同控制区，臭氧生成对烯烃和OVOCs最为敏感.6月各前体物的RIR值在一天中会发生变化，但始终保持为VOCs控制区；7月和8月在上午为VOCs控制区，中午为协同控制区，下午分别为协同控制区和NOx控制区.通过模拟不同前体物削减情景，结果表明削减VOCs始终有利于管控臭氧，而削减NOx对管控O3作用不大，还有导致O3升高的风险.
关键词: 臭氧(O3)      敏感性      相对增量反应性(RIR)      经验动力学方法(EKMA)      减排方案     
Ozone Pollution Characteristics and Sensitivity During the Ozone Pollution Days in Summer 2021 of Xinxiang City
HOU Mo1 , JIANG Xiao-mei1 , ZHAO Wen-peng2 , MA Lin2 , HUANG Hao-min1,3,4,5 , FAN Li-ya1,3,4,5 , YE Dai-qi1,3,4,5     
1. School of Environment and Energy, South China University of Technology, Guangzhou 510006, China;
2. Xinxiang Ecology and Environmental Monitoring Center of Henan, Xinxiang 453000, China;
3. National Engineering Laboratory for VOCs Pollution Control Technology and Equipment, Guangzhou 510006, China;
4. Guangdong Provincial Key Laboratory of Atmospheric Environment and Pollution Control, Guangzhou 510006, China;
5. Guangdong Provincial Engineering and Technology Research Centre for Environmental Risk Prevention and Emergency Disposal, Guangzhou 510006, China
Abstract: This study was based on the observation of volatile organic compounds (VOCs), conventional gaseous air pollutants, and meteorological parameters observed at the Xinxiang Municipal Party School site from June to August 2021. The ozone (O3) characteristics and sensitivity of O3 pollution days and the control strategy of its precursors were studied using an observation-based model (OBM). It was found that the meteorological conditions were characterized by high temperature, low humidity, and low pressure in O3-pollution days. The concentrations of O3 and its precursors all increased in the O3 pollution days. Oxygenated volatile organic compounds (OVOCs) and alkanes were the highest-concentration components of VOCs on O3 pollution days in Xinxiang, and OVOCs had the highest ozone formation potential (OFP) and hydroxyl (·OH) reactivity. According to the relative incremental reactivity (RIR) analysis, during the O3 pollution days in Xinxiang, O3sensitivity was in the VOCs-limited regime in June and in the transitional regime in July and August. Ozone production was more sensitive to alkenes and OVOCs. The RIR values of the precursors in June changed throughout the day, but O3 sensitivity remained the VOCs-limited regime. In July and August, O3 sensitivity was the VOCs-limited regime in the morning, transitional regime at noon, transitional and NOx-limited regime, respectively in the afternoon. By simulating different precursor-reduction scenarios, the results showed that the reduction of VOCs was always beneficial to the control of O3, whereas the reduction of NOx had little effect on the control of O3 and a risk of increasing O3.
Key words: ozone(O3)      ozone sensitivity      relative incremental reactivity (RIR)      empirical kinetic modeling approach (EKMA)      emission reduction strategy     

近年来, 随着社会经济的不断发展, 人们生活水平的不断提高, 人类生产和生活活动向大气排放了大量的污染物, 我国面临着细颗粒物(PM2.5)和臭氧(O3)复合污染的问题.随着我国对大气污染治理力度的不断加大, PM2.5污染状况得到了有效控制, 但是O3污染问题逐渐凸显[1~4].对流层中的O3是一种强氧化剂, 过高浓度的O3对农作物[5, 6]和人类健康[7, 8]会造成严重影响.除此之外, 对流层中的O3还是一种重要的温室气体, 会导致全球变暖[9].对流层中的O3由前体物在光照条件下发生复杂的光化学反应生成.然而, O3与其前体物之间的关系是非线性的[10, 11].根据O3对其前体物浓度的敏感性, 将O3生成分为挥发性有机物(VOCs)控制区、氮氧化物(NOx)控制区和VOCs-NOx协同控制区.不同的控制区所需要采取的管控策略不同, 错误的减排策略可能会导致O3浓度的上升.

目前对于臭氧敏感性的研究方法主要有3种, 第一种是利用与O3生成有关的特征物种比值的指示剂法, 比如VOCs/NOx[12], O3/NOz[13]和H2O2/HNO3[14]等; 第二种为利用源排放清单的模型方法(emission based model, EBM)[15]; 第三种为基于观测的模型方法(observation based model, OBM)[16].相比于指示剂法, EBM和OBM方法包含了一系列化学反应以研究臭氧敏感性.对于EBM方法, 其对O3敏感性分析的准确性主要受限于源排放清单的不确定性[17].OBM方法不受源排放清单的影响, 近年来被广泛应用于长三角、珠三角和京津等重点区域和城市的O3敏感性分析.例如Wang等[18]使用基于观测的模型模拟了长三角地区的O3污染特征及其敏感性, 发现在O3超标期间O3生成敏感性往往介于VOCs控制区和过渡区范围之间; 韩丽等[19]发现成都市城区O3超标日O3对人为源VOCs敏感性最强, 其次为天然源VOCs和CO, 而对NOx为负敏感; Liu等[20]分析了2018年8月中国五大城市的O3光化学污染, 研究结果表明上海和成都属于VOCs控制区, 北京和武汉属于协同控制区, 兰州属于NOx控制区.此外, 研究还显示O3对前体物的敏感性会随地理位置而变化, 如Mazzuca等[13]发现靠近城市的地区处于VOCs控制或过渡区, 远离城市的地区处于NOx控制.

新乡市位于河南省北部, 与省会城市郑州接壤, 是京津冀大气污染传输通道“2+26”城市的传播通道城市之一, 人口密集, 工业发达.近年来新乡市O3高值主要发生在夏季, 2019年和2020年夏季(6~8月)O3超标日分别为33 d和29 d, O3污染形势严峻.但是目前对河南省O3的研究主要集中在郑州等城市, 有关新乡O3的研究较少.如Wang等[21]报道了郑州市O3浓度与气温和风速呈正相关, 与相对湿度、气压和NOx呈负相关, 郑州市O3在秋季表现为远距离传输, 春夏季表现为近距离传输.李亚松[22]报道了郑州市3个站点O3主要处于VOCs控制区和协同控制区, 重污染期间O3敏感性会向过渡控制区转换.总体而言, 针对新乡市O3敏感性的研究十分缺乏, 而关于O3敏感性随时间变化特征的研究更是较少, 有关O3形成机制的研究十分薄弱.因此为深入了解新乡市O3污染形成机制, 本文基于地面观测数据, 分析了2021年夏季新乡市O3及其前体物的污染特征, 根据O3生成潜势(OFP)和·OH反应性确定了影响O3生成的关键VOCs组分, 并使用OBM对夏季O3超标日的O3敏感性的月变化和日变化特征进行了研究, 提出了O3前体物减排比例, 以期为新乡市O3前体物减排策略的制定提供科学依据和建议.

1 材料与方法 1.1 采样地点与方法

本研究使用的VOCs监测数据、常规污染物监测数据(NOx、O3等)和气象数据(温度、相对湿度、气压)的采样地点均为河南省新乡市市委党校站点(35.37°N, 113.90°E), 各项数据的时间分辨率均为1h.该站点为典型的城区站点, 代表新乡市生活、科教及工业混合区.采样点距离地面约25 m.采样时间为2021年6月1日至8月31日.

VOCs组分采用EXPEC 2000环境空气挥发性有机物自动监测系统进行采样.该系统是一款在线气相色谱-质谱联用分析仪(Online GC-MS), 主要由低温预浓缩装置、气相色谱-质谱联用仪组成.样品通过预浓缩系统富集和高温热解吸后经进样系统进入到色谱分离模块, 并在其中完成样品分离; 分离后的样品依次进入质谱模块进行质量分析, 最后经数据处理得到定性和定量分析结果.系统共检测出29种烷烃、11种烯烃、17种芳香烃、21种含氧挥发性有机物(OVOCs)和乙炔.常规污染物的监测仪器采用河北先河环保公司的XH2000B气体自动监测仪, 气象参数的监测仪器采用美国戴维斯公司的DAVIS Vantage Pro2自动气象站.

1.2 臭氧生成潜势(OFP)计算

OFP是指在理想状态下, VOCs物种生成O3的潜能.OFP的计算如公式(1)所示：

(1)

式中, [VOC]i为监测到的某个VOCs物种在大气中的体积分数, 单位为×10-9; MIRi为某个VOCs物种的最大增量反应活性, 单位(以[O3]/[VOC]i计)为g·g-1; Mi/MO3为某个VOCs物种与O3相对分子质量的比值; OFPi为某个VOCs物种的O3生成潜势, 单位为×10-9.本研究综合采用Carter研究所报告的MIR系数[23].

1.3 ·OH反应活性计算

·OH作为大气中重要的氧化剂, 可与VOCs在大气中反应生成过氧烷基(RO2), 此步骤是生成O3的重要环节.计算VOCs的·OH消耗速率, 在一定程度上可以反映VOCs在大气反应中的活性.·OH反应活性计算如公式(2)所示：

(2)

式中, K·OH, i为某个VOCs物种的·OH反应速率, 单位为m3·(mol·s)-1; [VOC]i为某个VOCs物种的量浓度, 单位为mol·m-3; L·OH, i为某个VOCs物种的·OH反应速率, 单位为s-1.本研究所使用的K·OH, i来自文献[24].

1.4 基于观测的模型(OBM)

基于观测的模型由Cardelino等[16]于1995年开发.OBM模型是利用观测数据作为约束条件的箱式模型, 可以有效模拟大气中O3的生成.本研究使用基于CB05化学机制的OBM模型模拟O3、自由基和中间产物.观测到的气象参数(温度、相对湿度和气压)、常规污染物(NO、NO2、O3和CO)和VOCs数据被输入到该模型中进行约束.

1.5 相对增量反应性(RIR)

相对增量反应性(relative incremental reactivity, RIR)是评价前体物对O3生成贡献的重要指标.RIR值是通过对前体物浓度进行削减, 通过模型模拟削减后情景的O3生成速率与初始情景的O3生成速率的差值计算而得.若RIR值为正, 则表明减少该前体物可以减少O3的生成.若RIR值为负, 则表明减少该前体物会增加O3的生成.该前体物RIR值越高, O3对该前体物越敏感.本研究以初始浓度的90%(削减10%)的情景输入到模型中计算RIR, 计算方法如公式(3)所示：

(3)

式中, X为某种前体物, 如人为源挥发性有机物(AVOC)、天然源挥发性有机物(BVOC)、NOx和CO; S(X)为前体物X的监测混合比; ΔS(X)为前体物X的变化量; PO3(X)为模型模拟得到的原始情景的O3净生成速率; PO3(X-ΔX)为模型模拟得到的改变前体物X后情景的O3净生成速率.

O3生成与消耗速率的计算在之前已有研究进行了详细的描述[3]. O3的生成速率GO3由HO2+NO和RO2+NO两个反应组成, O3的消耗速率DO3由OH+NO2、O3+VOC、O(1D)+H2O、O3+OH和O3+HO2这5个反应组成.O3的净生成速率PO3由GO3与DO3的差值所得. GO3、DO3和PO3的计算方法如公式(4)~(6)所示：

(4)
(5)
(6)

式中, GO3为O3生成速率, DO3为O3消耗速率, PO3为O3净生成速率.k值为各反应的反应速率常数.公式中各个自由基的混合比由OBM模型模拟得到.

1.6 经验动力学方法(EKMA)

经验动力学方法(empirical kinetic modeling approach, EKMA)是通过不同的前体物浓度情景对应不同O3的生成浓度或者生成速率表示O3与前体物非线性关系的方法.O3浓度或生成速率等值转折点的连接线为脊线.脊线上方为VOCs控制区, 即削减VOCs对控制O3有明显的效果; 脊线下方为NOx控制区, 即削减NOx对控制O3有明显的效果; 脊线附近为协同控制区, 削减VOCs和NOx对控制O3都具有明显的效果[25~27].

2 结果与讨论 2.1 O3及其前体物污染特征

2021年6~8月, 新乡市降雨天数占比为27.1%, 因仪器故障和维护等原因导致数据缺测或异常的天数占比28.3%, 剔除各项数据缺测、异常和降雨天数据后对监测数据进行分析得出, 2021年6~8月, 新乡市O3日最大8 h滑动平均值和90百分位浓度分别为138.89 μg·m-3和205.13 μg·m-3.根据我国《环境空气质量标准》(GB 3095-2012)中的规定, O3日最大8 h滑动平均值(MDA8)超过160 μg·m-3为O3超标日. 2021年6月O3污染最为严重, 共有20个O3超标日, 7月和8月O3污染相对较轻, 各有7个O3超标日.图 1显示了监测期间O3超标日和非超标日主要气象参数、常规污染物和挥发性有机物浓度的日变化.O3呈现白天高夜间低的日变化特征, 而O3前体物(NOx和VOCs)呈现与O3相反的日变化特征, 这是因为白天大气中的光化学反应不断消耗前体物, 导致前体物浓度在白天较低.表 1显示了观测期间O3超标日与非超标日的气象参数和污染物浓度平均值.与非超标日相比, 超标日的高温(30.39℃)、低湿(49.75%)和低压(992.41 hPa)的气象条件构成了光化学反应的良好条件.O3超标日各污染物浓度均有所上升.相对于非超标日, O3、NO2、SO2、CO和VOCs的浓度在O3超标日分别上升了50.85%、62.13%、47.08%、4.36%和25.92%.对于VOCs组分而言, O3超标日的OVOCs和烷烃浓度上升幅度较大, 分别为43.15%和17.47%; 芳香烃浓度上升了5.85%.与其他组分不同的是, 烯烃和炔烃在O3超标日的浓度小于非超标日, 下降比例分别为18.82%和10.00%.除此之外, 新乡市6~8月的VOCs最大浓度组分为OVOCs(57.69%), 其次为烷烃(21.43%)、芳香烃(8.61%)、烯烃(8.23%)和炔烃(4.04%).浓度前10的VOCs物种为: 乙醛、丙酮、乙烷、乙炔、丙烷、丙烯醛、甲苯、乙烯、正丁烷和反式-2-丁烯.

(a)O3超标日, (b)O3非超标日 图 1 O3超标日和非超标日气象参数和污染物浓度日变化 Fig. 1 Diurnal variation in meteorological parameters and pollutant concentrationsin O3-episodes and non-O3 episodes

表 1 观测期间气象参数和污染物浓度统计值 Table 1 Statistical values of meteorological parameters and pollutant concentrations during measurements

由于不同VOCs物种的反应活性不同, O3生成贡献也不同.VOCs与·OH的反应是光化学反应中的关键步骤, ·OH反应性大小决定了各VOCs物种参与光化学反应的程度.因此本研究计算了不同VOCs组分的OFP和·OH反应性评估大气中的VOCs活性组分, 结果如表 2所示.6~8月新乡市VOCs的OFP主要贡献物种为OVOCs(58.54%), 其次为芳香烃(17.13%)、烯烃(17.05%)、烷烃(6.86%)和炔烃(0.41%).此结果与其他城市研究结果相比有一定差异, 例如, 郑州市VOCs对O3生成贡献以芳香烃为主[21].6~8月新乡市各VOCs组分的·OH反应性主要贡献物种为OVOCs(56.63%)和烯烃(26.54%), 其次为芳香烃(8.60%)、烷烃(8.00%)和炔烃(0.23%).此结果与成渝地区的研究结果相似[28].相较于非超标日, O3超标日VOCs的OFP和·OH反应性均有升高, 上升幅度分别为34.23%和28.52%.VOCs在O3超标日较高的OFP和·OH反应性为O3生成提供了更多的活性基团, 导致O3本地生成增加.

表 2 各类别VOCs的OFP和·OH反应性大小 Table 2 OFP and ·OHreactivity of various types of VOCs

2.2 相对增量反应性(RIR)分析

选取2021年6~8月O3超标日进行分析, 将O3前体物分为AVOC、BVOC、NOx和CO, 将各前体物的浓度分别削减10%, 使用OBM模型模拟这4类前体物的RIR值.图 2显示了6~8月O3超标日各前体物的RIR值.可以看出, O3生成敏感性在6~8月发生了转变, 在6月为VOCs控制, 在7~8月为VOCs和NOx协同控制.除此之外, AVOC和NOx的RIR大小也有明显的变化特征.6~8月, AVOC的RIR值逐渐减小, 而NOx的RIR值在7月转为正值, 然后逐渐变大.这说明在6~8月AVOC对O3生成的影响逐渐减小, 而NOx对O3生成的影响先由负转正, 之后逐渐增大.总体来看, 对O3生成起主要作用的前体物是AVOC和NOx, 其次是BVOC和CO.BVOC在6月RIR值最高, 与该时段异戊二烯浓度较高有关[29]; 对CO来说, 虽然削减CO对控制O3有利, 但是由于CO的RIR值较低, 对O3生成影响较小, 所以控制CO并不能有效控制O3污染.

图 2 新乡市2021年6~8月O3超标日前体物相对增量反应性变化 Fig. 2 Variation in relative incremental reactivity of ozone precursors during ozone-episodes in Xinxiang City from June to August 2021

图 3显示了6~8月新乡市O3超标日不同VOCs组分的RIR值变化.各月份RIR值最大的VOCs组分为烯烃和OVOCs.说明削减烯烃和OVOCs对控制本地O3生成有较大的作用.相比于其他月份, 6月烯烃的RIR值较高, 这是因为6月监测到的烯烃浓度较高, 导致烯烃对光化学反应贡献更大.对比其他研究, 武汉地区的O3生成为VOCs控制, 对O3生成影响最大的物种也为烯烃[30]; 重庆在2015年8月和9月的城市站点为VOCs控制, 郊区站点为NOx控制, O3高值时段, 影响最大的VOCs物种为烯烃和芳香烃[31], 与本文研究结果相似.

图 3 新乡市2021年6~8月O3超标日不同VOCs组分相对增量反应性变化 Fig. 3 Variation in relative incremental reactivity of different VOCs components during ozone-episodes in Xinxiang City from June to August 2021

图 4显示了新乡市市委党校站点6~8月O3超标日前体物RIR值的日变化.可以看出, 6月的O3生成敏感性在1 d中保持不变, 始终为VOCs控制区, 但是不同前体物对O3生成的影响大小会发生变化.从07:00开始, AVOC的RIR值逐渐变小, BVOC的RIR值逐渐变大, 说明在早上控制人为源VOCs对控制O3有比较好的效果; NOx的RIR值始终为负并且在09:00达到最大值, 负值最大值的出现可能是因为早高峰期间车辆排放过多的NOx导致.7月和8月, 从07:00开始, AVOC的RIR值逐渐变小, 而NOx的RIR值在早上为负值, 在09:00~12:00转为正值, 在14:00之后, 8月NOx的RIR值远大于VOCs的RIR值.说明在7月和8月本地O3生成在早上处于VOCs控制区, 中午为协同控制区, 下午分别为协同控制区和NOx控制区.以上分析说明新乡市O3敏感性在1 d中会发生变化, 甚至会从VOCs控制区转变为协同控制区.虽然AVOC的RIR值大小会发生变化, 但是始终保持正值, 说明削减AVOC始终有助于减少O3生成, 而在7~8月上午削减NOx会促进O3生成, 下午削减NOx会减小O3生成.

图 4 新乡市2021年6~8月O3前体物相对增量反应性日变化 Fig. 4 Daily variation in relative incremental reactivity of ozone precursors in Xinxiang City from June to August 2021

2.3 EKMA曲线

将新乡市市委党校站点6~8月O3超标日的监测数据输入到OBM模型中模拟并绘制EKMA曲线, 模型模拟结果如图 5所示.从中可以看出, 新乡市O3生成在6月受VOCs控制, 在7月和8月受VOCs和NOx协同控制, 这与上一节RIR值的分析结果相同.

(a)6月, (b)7月, (c)8月; 黑色虚线为脊线, 红色五角星为监测站点的原始前体物浓度, x轴为各情景VOCs浓度与原始VOCs浓度的比例, y轴为各情景NOx浓度与原始NOx浓度的比例; 红色五角星表示各月的初始监测浓度, 五角星若在脊线上方, 说明本地O3生成受VOCs控制, 五角星若靠近脊线, 说明本地O3生成受VOCs和NOx协同控制, 五角星若在脊线下方, 说明本地O3生成受NOx控制 图 5 新乡市6~8月O3超标日EKMA曲线 Fig. 5 EKMA curve of the O3-episodes in Xinxiang City from June to August

从管控策略来看, 由于6月处于VOCs控制区, 如果持续削减NOx, 本地O3生成会由VOCs控制区转变为NOx控制区, O3会随着NOx的减少先上升后下降; 若只削减VOCs, O3浓度则会持续下降.O3浓度在短期内会先升高, 这是因为该时段处于VOCs控制区, NOx的过多削减对控制O3会起到反作用.若NOx的削减比例等于或者小于VOCs削减比例, O3浓度会直接明显下降.7月和8月处于协同控制区, 削减NOx或者VOCs都可以减少O3的生成.虽然新乡市在不同月份的O3生成敏感性不同, 但是削减VOCs始终有利于减少O3的本地生成.

2.4 前体物减排比例

新乡市6~8月各O3超标日MDA8平均值为198 μg·m3, 为国家O3质量标准160 μg·m3的124%.据此, 本文设定了2个削减目标, 即O3生成速率削减比例分别达到25%和35%, 以此来讨论可能的前体物减排方案, 并通过OBM模型模拟不同前体物削减比例对O3生成的影响, 结果如图 6所示.若6月的削减目标为25%, 削减方案有：①VOCs削减30%, NOx削减13%; ②VOCs削减40%, NOx削减35%; ③VOCs削减比例大于50%; ④NOx削减比例大于85%.其中方案③和④由于削减比例较高, 不适合实际操作, 而方案①是短期内控制O3最具成本效益的方法.若6月的削减目标定为35%, 削减方案有：①VOCs削减40%, NOx削减13%; ②VOCs削减50%, NOx削减30%; ③VOCs削减比例大于60%.由于7月和8月的O3敏感性与6月不同, 因此削减方案也有所不同.若在7月和8月实现O3生成速率削减25%, VOCs削减比例大于40%则基本可以实现目标, 如果VOCs削减比例为30%或者以下, NOx至少需要削减40%, 成本将大大增加.若7月和8月的削减目标为35%, 则VOCs削减比例需大于60%.

图 6 不同前体物削减比例对O3生成速率的变化影响 Fig. 6 Influence of different reduction ratios on the change in the baseline ozone concentration

若本地O3生成处于VOCs控制区, 想要在短期内取得较高的O3控制成效, 应尽量对VOCs进行削减; 若以长期控制O3为目标, 应对VOCs和NOx协同削减, 且VOCs的削减比例不能小于NOx, 即VOCs∶NOx削减比例应大于1∶1, 否则会有O3浓度升高的可能; 若本地O3生成处于协同控制区, 削减VOCs更有利于管控O3, 削减NOx作用较小, 反而会使成本大大增加.从以上分析来看, 虽然各月的O3敏感性不同, 但是削减VOCs始终有利于管控O3.由于本地O3生成的敏感性可能会因为前体物浓度的改变而改变, 因此对O3的管控策略应随本地O3生成的敏感性的改变及时调整.

3 结论

(1) 2021年6~8月, 新乡市市委党校站点的O3超标日共27 d.相比于非超标日, 超标日呈现高温、低压和低湿的气象特征, O3及其前体物也都有一定程度的升高.VOCs浓度贡献最大的组分为OVOCs和烷烃, OFP和·OH反应性贡献最大的组分为OVOCs.

(2) 通过相对增量反应性和EKMA曲线分析表明, 新乡市6月O3超标日的敏感性以VOCs控制为主, 7月和8月以VOCs和NOx协同控制为主.OVOCs和烯烃是RIR值最大的两种VOCs组分.6月各前体物的O3敏感性大小在1 d中会发生变化, 但始终为VOCs控制; 7月和8月的O3敏感性在1 d中会发生转变, 上午为VOCs控制, 中午为协同控制, 下午分别为协同控制区和NOx控制区.

(3) 通过模拟不同前体物削减情景下的O3生成速率显示, 无论本地O3生成处于VOCs控制区还是协同控制区, 削减VOCs始终有利于管控O3, 而削减NOx对管控O3作用不大, 还有导致O3升高的风险.本地对O3的管控策略应随本地O3生成的敏感性的改变及时调整.

参考文献
[1] Ding A J, Wang T, Thouret V, et al. Tropospheric ozone climatology over Beijing: analysis of aircraft data from the MOZAIC program[J]. Atmospheric Chemistry and Physics, 2008, 8(1): 1-13. DOI:10.5194/acp-8-1-2008
[2] Ma Z Q, Xu J, Quan W J, et al. Significant increase of surface ozone at a rural site, north of eastern China[J]. Atmospheric Chemistry and Physics, 2016, 16(6): 3969-3977. DOI:10.5194/acp-16-3969-2016
[3] Xue L K, Wang T, Gao J, et al. Ground-level ozone in four Chinese cities: precursors, regional transport and heterogeneous processes[J]. Atmospheric Chemistry and Physics, 2014, 14(23): 13175-13188. DOI:10.5194/acp-14-13175-2014
[4] Zong R H, Yang X, Wen L, et al. Strong ozone production at a rural site in the North China Plain: mixed effects of urban plumes and biogenic emissions[J]. Journal of Environmental Sciences, 2018, 71: 261-270. DOI:10.1016/j.jes.2018.05.003
[5] Wang X K, Zhang Q Q, Zheng F X, et al. Effects of elevated O3 concentration on winter wheat and rice yields in the Yangtze River Delta, China[J]. Environmental Pollution, 2012, 171: 118-125. DOI:10.1016/j.envpol.2012.07.028
[6] Feng Z Z, Sun J S, Wan W X, et al. Evidence of widespread ozone-induced visible injury on plants in Beijing, China[J]. Environmental Pollution, 2014, 193: 296-301. DOI:10.1016/j.envpol.2014.06.004
[7] Alexis N E, Carlsten C. Interplay of air pollution and asthma immunopathogenesis: a focused review of diesel exhaust and ozone[J]. International Immunopharmacology, 2014, 23(1): 347-355. DOI:10.1016/j.intimp.2014.08.009
[8] Goodman J E, Prueitt R L, Sax S N, et al. Ozone exposure and systemic biomarkers: evaluation of evidence for adverse cardiovascular health impacts[J]. Critical Reviews in Toxicology, 2015, 45(5): 412-452. DOI:10.3109/10408444.2015.1031371
[9] Worden H M, Bowman K W, Worden J R, et al. Satellite measurements of the clear-sky greenhouse effect from tropospheric ozone[J]. Nature Geoscience, 2008, 1(5): 305-308. DOI:10.1038/ngeo182
[10] 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
[11] Zhang Y H, Su H, Zhong L J, et al. Regional ozone pollution and observation-based approach for analyzing ozone-precursor relationship during the PRIDE-PRD2004 campaign[J]. Atmospheric Environment, 2008, 42(25): 6203-6218. DOI:10.1016/j.atmosenv.2008.05.002
[12] An J L, Zou J N, Wang J X, et al. Differences in ozone photochemical characteristics between the megacity Nanjing and its suburban surroundings, Yangtze River Delta, China[J]. Environmental Science and Pollution Research, 2015, 22(24): 19607-19617. DOI:10.1007/s11356-015-5177-0
[13] Mazzuca G M, Ren X R, Loughner C P, et al. Ozone production and its sensitivity to NOx and VOCs: results from the DISCOVER-AQ field experiment, Houston 2013[J]. Atmospheric Chemistry and Physics, 2016, 16(22): 14463-14474. DOI:10.5194/acp-16-14463-2016
[14] Elshorbany Y F, Kleffmann J, Kurtenbach R, et al. Summertime photochemical ozone formation in Santiago, Chile[J]. Atmospheric Environment, 2009, 43(40): 6398-6407. DOI:10.1016/j.atmosenv.2009.08.047
[15] Tang X, Wang Z F, Zhu J, et al. Sensitivity of ozone to precursor emissions in urban Beijing with a Monte Carlo scheme[J]. Atmospheric Environment, 2010, 44(31): 3833-3842. DOI:10.1016/j.atmosenv.2010.06.026
[16] Cardelino C A, Chameides W L. An observation-based model for analyzing ozone precursor relationships in the urban atmosphere[J]. Journal of the Air & Waste Management Association, 1995, 45(3): 161-180.
[17] Tang X, Zhu J, Wang Z F, et al. Improvement of ozone forecast over Beijing based on ensemble Kalman filter with simultaneous adjustment of initial conditions and emissions[J]. Atmospheric Chemistry and Physics, 2011, 11(24): 12901-12916. DOI:10.5194/acp-11-12901-2011
[18] 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
[19] 韩丽, 陈军辉, 姜涛, 等. 基于观测模型的成都市臭氧污染敏感性研究[J]. 环境科学学报, 2020, 40(11): 4092-4104.
Han L, Chen J H, Jiang T, et al. Sensitivity analysis of atmospheric ozone formation to its precursors in Chengdu with an observation based model[J]. Acta Scientiae Circumstantiae, 2020, 40(11): 4092-4104. DOI:10.13671/j.hjkxxb.2020.0240
[20] Liu X F, Guo H, Zeng L W, et al. Photochemical ozone pollution in five Chinese megacities in summer 2018[J]. Science of the Total Environment, 2021, 801. DOI:10.1016/j.scitotenv.2021.149603
[21] Wang X D, Yin S S, Zhang R Q, et al. Assessment of summertime O3 formation and the O3-NOX-VOC sensitivity in Zhengzhou, China using an observation-based model[J]. Science of the Total Environment, 2022, 813. DOI:10.1016/j.scitotenv.2021.152449
[22] 李亚松. 郑州市臭氧污染特征识别及其与前体物的敏感性研究[A]. 见: 第二十五届大气污染防治技术研讨会[C]. 西安: 中国环境科学学会, 2021.
[23] Carter W P L. Development of the SAPRC-07 chemical mechanism[J]. Atmospheric Environment, 2010, 44(40): 5324-5335. DOI:10.1016/j.atmosenv.2010.01.026
[24] Atkinson R, Arey J. Atmospheric degradation of volatile organic compounds[J]. Chemical Reviews, 2003, 103(12): 4605-4638. DOI:10.1021/cr0206420
[25] Wang H L, Chen C H, Wang Q, et al. Chemical loss of volatile organic compounds and its impact on the source analysis through a two-year continuous measurement[J]. Atmospheric Environment, 2013, 80: 488-498. DOI:10.1016/j.atmosenv.2013.08.040
[26] 李泱, 常莉敏, 吕沛诚, 等. 兰州市大气臭氧生成的敏感性分析及其前体物减排对策建议[J]. 环境科学学报, 2021, 41(5): 1628-1639.
Li Y, Chang L M, Lü P C, et al. Sensitivity analysis of atmospheric ozone formation and its precursors emission reduction countermeasures in Lanzhou city[J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1628-1639.
[27] 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
[28] Li L Y, Chen Y, Zeng L M, et al. Biomass burning contribution to ambient volatile organic compounds (VOCs) in the Chengdu-Chongqing Region (CCR), China[J]. Atmospheric Environment, 2014, 99: 403-410. DOI:10.1016/j.atmosenv.2014.09.067
[29] 陆克定, 张远航, 苏杭, 等. 珠江三角洲夏季臭氧区域污染及其控制因素分析[J]. 中国科学: 化学, 2010, 53(4): 407-420.
Lu K D, Zhang Y H, Su H, et al. Regional ozone pollution and key controlling factors of photochemical ozone production in Pearl River Delta during summer time[J]. Science China Chemistry, 2010, 53(3): 651-663.
[30] Hui L R, Liu X G, Tan Q W, et al. Characteristics, source apportionment and contribution of VOCs to ozone formation in Wuhan, Central China[J]. Atmospheric Environment, 2018, 192: 55-71. DOI:10.1016/j.atmosenv.2018.08.042
[31] Li J, Zhai C Z, Yu J Y, et al. Spatiotemporal variations of ambient volatile organic compounds and their sources in Chongqing, a mountainous megacity in China[J]. Science of the Total Environment, 2018, 627: 1442-1452. DOI:10.1016/j.scitotenv.2018.02.010