2024, Vol. 45
2. 成都市环境保护科学研究院, 成都市大气科研重点实验室, 成都 610072
2. Chengdu Key Laboratory of Atmospheric Research, Chengdu Academy of Environmental Sciences, Chengdu 610072, China
近年来, 我国大气PM2.5（空气动力学直径≤ 2.5 μm的颗粒物）浓度水平显著下降, 夏季O3污染在城市环境空气质量中受到了广泛的关注[1~3].对流层O3作为对人体健康有害的空气污染物[4], 在大气中由其关键前体物氮氧化物（NOx）和VOCs通过复杂的和非线性的光化学反应产生[5].成渝城市群位于四川盆地, 四面环山, 夏秋季发生高温干旱、降雨少、静风及弱风的天气概率较高[6], 大气边界层稳定度高于同纬度地区, 污染物不易扩散[7~9], 也是成渝地区O3污染高发季节, O3呈现区域性污染的态势[10~12], 因此成都和重庆是我国大气污染备受关注的地区之一.
影响O3浓度既有内因本地排放源, 也有外因不利的气象条件, 常利用物理-化学模型和监测数据研究O3污染成因.Li等[13]利用观测数据结合全球气候-化学传输模型（GEOS-Chem）模拟发现甲醛光解产生的自由基是驱动华北冬季2月O3快速上升的主要机制；Han等[14]利用气相-色谱质谱（GC-MS）和质子转移反应质谱仪（PTR-MS）监测发现珠三角地区含氧挥发性有机物（OVOCs）是VOCs中体积分数较高的物种, 对本地O3生成贡献最大, 甲醇为OVOCs中的主要成分；Huang等[15]利用后向轨迹模型（Hysplit）计算高空气团传输轨迹, 当存在高空干净气团且长距离传输时, 利于污染物的扩散, 当以短距离传输为主时, 加重O3污染程度；Tan等[16]为了解成都VOCs的来源, 利用苏玛罐采样和GC-MS离线分析28个不同类型的站点, 结果表明成都VOCs主要来源于机动车尾气和溶剂源, 而夏季生物源排放对O3的贡献也相对较高；徐锟等[17]利用长时间序列的气象监测数据发现, 成都夏季高温、低湿、强辐射气象条件下利于O3的生成；曹庭伟等[11]利用国控点监测数据对比分析川渝15个城市, 春末和夏季O3污染较严重, 呈区域性污染, 且边界层较低的区域极易产生O3污染；李陵等[18]发现在重庆O3污染期间OVOCs占比最高, 体积分数靠前物种是甲醛、乙烯和丙酮, 三者之和占比超过30%.
2022年8月成都和重庆呈现显著的O3污染差异, 8月成都超标20 d, 重庆未一天超标（https://air.cnemc.cn:18007/）.本文利用O3污染时空特征、前体物浓度水平、大气化学活性、O3生成潜势、近地面气象条件和高空气团传输轨迹及污染源潜在源区, 分析成都和重庆O3污染差异的特征及其关键驱动因素, 以期为O3污染科学防控提供决策参考.
1 材料与方法 1.1 采样地点重庆采样地点位于重庆渝北区龙山小学教学楼楼顶科研观测站（29.59°N, 104.05°E）, 采样口离地面约25 m；成都采样地点位于成都青羊区成都环科院楼顶超级监测站（30.65°N, 104.05°E）, 采样口离地面约25 m.两个站点周围无明显建筑遮挡物, 无规模以上企业等, 均位于集交通干道、商业和居民混合区, 是一个典型的城市站点.采样时间为2022年8月1日至8月31日.
1.2 仪器设备信息及数据分析在线VOCs数据获取：重庆利用杭州谱育公司生产的EXPEC 2000获得116种物质（本文仅使用其中52种物种和成都进行对比分析）[19, 20], 成都利用荷兰SYNSPRC公司生产的GC955-611/811获得52种物种[21, 22], 包含26种烷烃、16种芳香烃和10种烯烃.重庆仪器的检测原理为GC-FID/MS（气相色谱-火焰离子化检测器/质谱检测器）, 测量原理是样品气通过预处理浓缩富集, 进入GC分离后通过MS或FID进行测量, 低碳（C2 ~ C5）VOCs样品使用FID检测, 其余组分, 比如高碳（C6 ~ C12）和含氧VOCs使用MS检测.成都GC955-611/811仪器采用了双通道检测系统, 低碳烃（C2 ~ C5）使用FID检测, 高碳烃（C6 ~ C12）使用光电离检测器（PID）进行检测.
重庆和成都的空气质量数据包括NO2（二氧化氮）和O3分别由美国赛默飞热电公司i系列气体监测仪42i和49i测得.气象数据包括温度、湿度、风向和风速, 重庆由Lufft WS502-WTB100气象仪获得, 成都由WS600-UMB气象仪获得.边界层高度数据重庆由安徽蓝盾光电子公司生产的LG0-01获得[23, 24], 该仪器基于差分吸收原理, 根据气溶胶粒子浓度变化的快慢, 反映在激光雷达回波信号上, 即回波信号的快速衰减, 通过查找衰减最快的高度, 得出大气边界层高度；成都边界层数据由北京怡孚和融公司生产的EV-LIDAR-CAM获得.
1.3 质量控制与质量保证（QA/QC）为保证数据准确性、有效性, 观测期间采取严格的质量保证和质量控制措施, 参考HJ1010-2018（环境空气挥发性有机物气相色谱连续监测系统技术要求及检测方法）中质控单元执行, 利用Spectra/Linde标准气体进行PAMS标样每周一次的空白和单点校准, 80%以上的物质偏差在20%以内, 经AQMS-200动态气体校准仪, 利用高纯氮气将1 × 10-6标气稀释成摩尔分数依次为0.5、2、4、6、8和10 nmol·mol-1的标准气体进样, 每个浓度分析3次来校准仪器, 校准相关系数均大于0.99.热电仪器通过零气和标准气体校准, 采样期间零点漂移和跨度漂移测试结果范围均为±2%之间.O3激光雷达也是进行零点校准, 调整底噪和背景噪声平整度, 使拟合斜率≤ 10-5, 计算饱和度或线性度, 使得R2≥95%.
1.4 ·OH损耗速率和O3生成潜势利用·OH损耗速率（·OH loss rate, L·OH）量化污染物在大气中的化学反应活性[25, 26]：
|
式中, L·OH, i表示物种i的·OH损耗速率, s-1；k·OH, i表示物种i与·OH的反应速率常数[27], cm3·（molecule·s）-1；[VOC]i表示VOC物种i的环境浓度, molecule·cm-3.
利用VOCs最大增量反应活性（MIR）量化VOCs的O3生成潜势（OFP）[25, 26]：
|
式中, OFPi表示物种i的O3生成最大潜势, MIR表示物种i的最大增量反应活性[28], g·g-1（以O3/VOC计）, [VOCs]i单位为× 10-9.
1.5 后向气团轨迹模型（Hysplit）和潜在来源贡献因子法（PSCF）利用Hysplit[29]官网上（https://www.ready.noaa.gov/HYSPLIT.php）公布的气团轨迹数据, 基于Wang等[30, 31]开发MeteoinfoMap软件中的TrajStat工具, 采用角距离轨迹聚类方法, 模拟计算采样期间典型时刻（00：00、03：00、06：00、09：00、12：00、15：00、18：00和21：00）实时混合边界层中间高度的48 h气团后向轨迹.再利用PSCF模型[30, 32]计算O3潜在源贡献分析, 该模型已广泛应用于识别监测点位大气污染物高浓度时所对应的潜在来源区域[33~36]；PSCF值越大, 表明该网格区域对点位污染物浓度的影响越大.
2 结果与讨论 2.1 O3污染时空特征从空间分布上看, 成都超标20 d（1 d重度）, 重庆未一天超标.四川省O3污染以成都为辐射中心, 其中川南O3污染较重, 如眉山超标17 d（3 d中度）、乐山超标14 d（1 d中度）, 而紧挨重庆的川东北和川东南区县, 除达州和南充未一天超标, 其余区县均超标1 ~ 7 d（图 1）.从时间上看, 观测期间成都O3-8h（指连续8 h平均浓度算术平均值的日最大8 h平均, 也称8 h滑动平均）均值161 μg·m-3, 高于国家环境空气质量二级标准（160 μg·m-3）；重庆O3-8h均值118 μg·m-3, 低于国家环境空气质量二级标准, 但高于国家环境空气质量一级标准（100 μg·m-3, https://www.mee.gov.cn/, 图 2）.
|
括号中的数字表示超标天数 图 1 2022年8月成渝城市群超标天数空间分布 Fig. 1 Spatial distribution of days exceeding standard in Chengdu-Chongqing urban agglomeration (CCUA) in August 2022 |
|
数值单位为μg·m-3 图 2 2022年8月成渝城市群O3-8h污染特征 Fig. 2 Pollution characteristics of O3-8h in CCUA in August 2022 |
表 1总结了观测期间重庆和成都污染物的浓度水平, 成都52种VOCs的总体积分数（18.8 × 10-9）明显高于重庆（6.6 × 10-9）.烯烃和芳香烃是大气化学活性较高的物种[26], 而成都烯烃（2.6 × 10-9）和芳香烃（3.0 × 10-9）分别是重庆的1.9倍和2.7倍；烷烃来源复杂且大部分活性不高[37], 成都烷烃（13.2 × 10-9）是重庆的3.2倍.成都VOCs各组分从高到低排序为烷烃（70.3%）、芳香烃（15.9%）和烯烃（13.8%）, 体积分数排名前3为乙烷（4.4 × 10-9）、丙烷（2.8 × 10-9）和正丁烷（1.6 × 10-9）, 累计占比为39.4%；重庆和成都组分占比相似, 占比最大均为烷烃（61.8%）, 其次烯烃（21.2%）和芳香烃（17.0%）, 排名前3为乙烷（0.9 × 10-9）、异戊烷（0.7 × 10-9）和正丁烷（0.5 × 10-9）, 累计占比为49.3%.由此可见, 成都和重庆高体积分数组分主要以低碳数的VOCs为主, C2 ~ C5的烷烃主要来源于机动车尾气和汽油蒸发[37, 38], 且观测期间成渝总VOCs的时序趋势和峰值时间与NO2相似（图 3）, 机动车尾气影响显著.异戊二烯通常作为生物源示踪物[39], 8月1 ~ 13日重庆异戊二烯（0.6 × 10-9）较成都高（0.4 × 10-9）, 但8月14 ~ 24日重庆异戊二烯浓度较8月14日前显著下降, 约70.9%, 而成都异戊二烯浓度上升约31.5%, 8月14 ~ 24日成都异戊二烯是重庆的1.4倍（图 3）；生物源活性差异可能也是成渝两地O3污染差异成因之一.
|
表 1 观测期间重庆和成都O3和NO2浓度水平以及VOCs体积分数 Table 1 Concentration levels of O3 and NO2 and the mixing ratio of VOCs in Chongqing and Chengdu during the observation period |
|
图 3 观测期间重庆和成都的温湿度、风速风向、O3、NO2、TVOCs和异戊二烯时间序列变化 Fig. 3 Temperature and humidity, wind speed and direction, O3, NO2, TVOCs and isoprene time series in Chongqing and Chengdu during the observation period |
图 4比较了重庆和成都O3、NO2和VOCs各组分的日变化趋势, 成渝两地O3均呈现单峰态势, NO2呈双峰态势.从VOCs各组分上看, 成都呈现夜间高、日间低和双峰的特征, 表明夜间存在一次源, 而日间低是受到大气氧化反应的影响.而重庆VOCs在08：00 ~ 10：00有明显的峰值, 与NO2日变化时间同步, 是交通源所致；重庆夜间NO2浓度峰值较成都高, 也是日最大值, 这可能与夜间大货车运行有关.芳香烃作为主要的人为源非甲烷挥发性有机物（NMHCs）, 成都芳香烃在04：00 ~ 12：00维持在较高水平, 除早高峰交通源贡献外, 还受到了溶剂使用源的影响, 这与Tan等[16]的研究结果相似, 而在重庆主要是来源于机动车尾气[18].异戊二烯主要由生物源在日间排放, 在10：00 ~ 11：00排放速率达到最高, 迅速升高接近日最高值, 与O3的日变化趋势相似.
|
图 4 观测期间重庆和成都O3、NO2和VOCs日变化趋势对比 Fig. 4 Comparison of diurnal variation trends of O3, NO2 and VOCs between Chongqing and Chengdu during the observation period |
成都总OFP为51.2 × 10-9, 其中烷烃、烯烃和芳香烃的OFP分别为10.9 × 10-9、24.6 × 10-9和15.7 × 10-9；总L·OH为3.9 s-1, 烷烃、烯烃和芳香烃的L·OH分别为0.5、2.5和0.9 s-1.重庆总OFP为25.0 × 10-9, 烷烃、烯烃和芳香烃的OFP分别为4.4 × 10-9、15.2 × 10-9和5.4 × 10-9；总L·OH为2.3 s-1, 烷烃、烯烃和芳香烃的L·OH分别为0.2、1.8和0.3 s-1.对比结果显示成都的大气光化学活性更强, O3生成潜势也更高；OFP显示成都烯烃和苯系物的占比分别达48.1%和30.1%, 而重庆仅烯烃就占比60.7%.
从图 5可知, 成都L·OH、OFP和VOCs体积分数排放前10的物种都包括乙烯、甲苯、间/对-二甲苯和1-己烯, 而重庆都包括异戊二烯、乙烯、甲苯和间/对-二甲苯.成都和重庆L·OH排名第1均为异戊二烯, 成都异戊二烯（1.0 s-1）的L·OH占比为26.0%, 而重庆仅异戊二烯（1.2 s-1）的L·OH就占比50.9%.成都L·OH排名前10中, 7种烯烃累计占比为59.3%, 3种芳香烃累计占比为15.6%.重庆L·OH排名前10中, 6种烯烃累计占比为74.5%, 3种芳香烃累计占比为8.3%和1种烷烃占比为1.4%.成都OFP前3（乙烯、间/对-二甲苯和异戊二烯）累计占比为37.8%, 重庆OFP前3（异戊二烯、乙烯和丙烯）累计占比为44.5%.与L·OH形成对比的是, 成都OFP前10中, 6中烯烃累计占比为42.9%, 3种芳香烃累计占比为24.2%和1种烷烃占比为3.8%；重庆OFP前10种, 5种烯烃累计占比为56.0%, 3种芳香烃累计占比为16.1%和2种烷烃累计占比为6.5%, 表明烯烃在成渝两地L·OH和OFP占主导地位.综上, 成渝应重点管控烯烃排放源, 但芳香烃对成都O3生成的影响也不可忽略, 芳香烃不仅对O3生成潜势大, 也对二次气溶胶的生成有着较强的优势[40].
|
图 5 观测期间重庆和成都OFP、L·OH和VOCs体积分数排名前10位及其占比的物种 Fig. 5 Top 10 OFP, L·OH and mixing ratios of VOCs and their percentages in Chongqing and Chengdu during the observation period |
利用特征比值法初步分析成渝大气VOCs来源差异.成都C3 ~ C6烷烃之间的相关性较好（r2为0.6 ~ 0.9）, 丙烷和丁烷是液化石油气（LPG）的主要成分, 也是成都体积分数较高的物种, 成都丙烷/异丁烷（2.9）和丙烷/正丁烷（1.9）与LPG排放比（分别为3 ~ 7和2 ~ 4）相似[41], 而重庆分别为1.4和0.7, 表明成都液化石油气使用率高于重庆.当甲苯/苯（T/B）小于1时, 燃煤或生物质影响更大[41]；T/B小于2, 机动车尾气为主要贡献源；T/B大于5, 被认为受工业、溶剂源等影响明显.异戊烷/正戊烷（I/N）在0.56 ~ 0.80之间时, 燃煤贡献占主导[42]；I/N在2.2 ~ 3.8之间时机动车尾气占主导；I/N在1.8 ~ 4.6之间时溶剂源占主导[43, 44].重庆和成都T/B分别为1.7和2.7, 这表明重庆主要受机动车尾气的影响大；重庆I/N为2.5, 成都I/N为5.3, 表明成都受机动车尾气和溶剂源的共同影响.
2.3 近地面气象条件和高空气团传输表 2是观测期间成都和重庆的气象参数, 重庆温度高于成都, 湿度较成都低, 可能会影响生物源VOCs的排放[45].O3与温度呈非线性关系, 温度是影响对流层瞬时O3生成速率多重因素中的主要天气变量[46~48].因O3仅在白天光化学反应生成, 选取07：00 ~ 19：00的数据[15], 利用非线性拟合发现随温度上升、湿度下降（重庆r2 = 0.88, 成都r2 = 0.75, 图 6）, O3浓度明显呈先升后降的趋势.当重庆（r2 = 0.49）温度超过39.1℃和湿度低于39.3%时O3浓度开始下降；当成都（r2 = 0.70）温度超过37.3℃和湿度低于48.4%时O3浓度开始下降.8月14 ~ 24日成渝两地异戊二烯浓度存在差异, 期间成都异戊二烯呈上升趋势, 而重庆异戊二烯呈下降趋势（图 3）, 生物源排放活性与温湿度存在响应关系[45].对比此期间成渝两地的温湿度发现, 期间成都温度34.9℃, 湿度51.8%, 未达到成都O3浓度下降的温湿度环境；重庆温度38.3℃, 湿度33.1%, 接近重庆O3浓度下降的温湿度环境.因此, 8月成渝生物源活性存在差异可能是由不同的温湿度环境所造成, 温湿度也是影响成渝O3污染存在差异的成因之一.
|
|
表 2 观测期间成都和重庆的气象数据 Table 2 Meteorological data of Chengdu and Chongqing during the observation period |
|
图 6 重庆和成都O3与温湿度的非线性关系 Fig. 6 Nonlinear relationship between O3 and temperature and humidity in Chongqing and Chengdu |
重庆边界层高度（2.2 km）是成都（0.7 km）的3.1倍, 这表明重庆的垂直大气扩散条件较成都好（表 2）.利用HYSPLIT和PSCF计算高空气团传输轨迹和O3潜在源贡献水平（图 7）, 总体来看, 重庆水平大气扩散条件较成都好.观测期间重庆以中长距离传输为主, 来自贵州和云南的气团占比约57.0%, 上风向大气污染源分布较少, 大气扩散条件较好；PSCF显示O3高值点出现在綦江和巴南方向的轨迹上（24.4%）.成都以短距离传输为主（58.1%）, 轨迹较短, 且“回旋”轨迹占比8.9%, PSCF显示O3高值点主要出现在川南气团（42.0%）和德阳（16.7%）回旋气团上, 成都气团传输轨迹与川渝O3空间分布的结果相似（图 1）, 成都上风向的川南城市群和成都平原城市群大气污染源分布比较密集[33], 致使成都周边存在O3区域性污染的态势.因此, 重庆较成都垂直和水平大气扩散条件好, 是导致夏季成渝两地O3污染差异的成因之一.
|
图 7 观测期间重庆和成都O3污染主要传输轨迹及其潜在源贡献 Fig. 7 Main transmission trajectories and potential contributions of O3 pollution over Chongqing and Chengdu during the observation period |
（1）观测期间成都VOCs的总体积分数（18.8 × 10-9）明显高于重庆（6.6 × 10-9）, 成都和重庆高体积分数物种均以低碳数VOCs为主, 优势组分也均为烷烃；成都体积分数前3为乙烷、丙烷和正丁烷, 累计占比为39.4%；重庆体积分数排名前3为乙烷、异戊烷和正丁烷, 累计占比为49.3%.
（2）成都总OFP（51.2 × 10-9）是重庆（25.0 × 10-9）的2.0倍, L·OH（3.9 s-1）是重庆（2.3 s-1）的1.7倍, 表明成都的大气光化学活性更强, O3生成潜势也更高.成渝两地L·OH排名第1均为异戊二烯, 成都OFP前3是乙烯、间/对-二甲苯和异戊二烯, 重庆前3是异戊二烯、乙烯和丙烯, 表明夏季O3污染生物源贡献显著, 烯烃是两地O3污染主要贡献源, 但芳香烃对成都的影响也不可忽略.此外, 成都C3 ~ C6烷烃之间的相关性较好, 丙烷/丁烷的比值与LPG排放比相似, 且烷烃日变化峰值与NO2同步, 表明成都VOCs受机动车尾气的影响显著.T/B和I/N显示重庆主要受机动车的影响, 而成都受机动车和溶剂源的共同影响.
（3）气象条件的差异导致成渝两地生物源活性不同, 8月14 ~ 24日重庆平均温度38.3℃使得生物源排放活性有所下降.重庆边界层高度（2.2 km）是成都（0.7 km）的3.1倍；重庆高空气团以中长距离传输为主, 成都以短距离传输为主, 轨迹较短且有“回旋”, 总体上看, 重庆水平和垂直大气扩散条件均较成都好.
| [1] | 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 |
| [2] | Zhao S P, Yin D Y, Yu Y, et al. PM2.5 and O3 pollution during 2015-2019 over 367 Chinese cities: spatiotemporal variations, meteorological and topographical impacts[J]. Environmental Pollution, 2020, 264. DOI:10.1016/j.envpol.2020.114694 |
| [3] | Wu Z Y, Zhang Y Q, Zhang L M, et al. Trends of outdoor air pollution and the impact on premature mortality in the Pearl River Delta region of southern China during 2006-2015[J]. Science of the Total Environment, 2019, 690: 248-260. DOI:10.1016/j.scitotenv.2019.06.401 |
| [4] | Jerrett M, Burnett R T, Pope C A, et al. Long-term ozone exposure and mortality[J]. New England Journal of Medicine, 2009, 360(11): 1085-1095. DOI:10.1056/NEJMoa0803894 |
| [5] | Rasmussen D J, Hu J L, Mahmud A, et al. The ozone–climate penalty: past, present, and future[J]. Environmental Science & Technology, 2013, 47(24): 14258-14266. |
| [6] |
彭京备, 张庆云, 布和朝鲁. 2006年川渝地区高温干旱特征及其成因分析[J]. 气候与环境研究, 2007, 12(3): 464-474. Peng J B, Zhang Q Y, Bu H C L. On the characteristics and possible causes of a severe drought and heat wave in the Sichuan-Chongqing Region in 2006[J]. Climatic and Environmental Research, 2007, 12(3): 464-474. DOI:10.3969/j.issn.1006-9585.2007.03.026 |
| [7] | Che H Z, Zhang X Y, Li Y, et al. Horizontal visibility trends in China 1981-2005[J]. Geophysical Research Letters, 2007, 34(24). DOI:10.1029/2007GL031450 |
| [8] |
蒋美青, 陆克定, 苏榕, 等. 我国典型城市群O3污染成因和关键VOCs活性解析[J]. 科学通报, 2018, 63(12): 1130-1141. Jiang M L, Lu K D, Su R, et al. Ozone formation and key VOCs in typical Chinese city clusters[J]. Chinese Science Bulletin, 2018, 63(12): 1130-1141. |
| [9] | Yang X Y, Wu K, Lu Y Q, et al. Origin of regional springtime ozone episodes in the Sichuan Basin, China: role of synoptic forcing and regional transport[J]. Environmental Pollution, 2021, 278. DOI:10.1016/j.envpol.2021.116845 |
| [10] |
蒋婉婷, 谢汶静, 王碧菡, 等. 2014—2016年四川盆地重污染大气环流形势特征分析[J]. 环境科学学报, 2019, 39(1): 180-188. Jiang W T, Xie W J, Wang B H, et al. Analysis on the characteristics of heavy pollution atmospheric circulation in the Sichuan Basin from 2014 to 2016[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 180-188. |
| [11] |
曹庭伟, 吴锴, 康平, 等. 成渝城市群臭氧污染特征及影响因素分析[J]. 环境科学学报, 2018, 38(4): 1275-1284. Cao T W, Wu K, Kang P, et al. Study on ozone pollution characteristics and meteorological cause of Chengdu-Chongqing urban agglomeration[J]. Acta Scientiae Circumstantiae, 2018, 38(4): 1275-1284. |
| [12] |
张天岳, 沈楠驰, 赵雪, 等. 2015—2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价[J]. 环境科学学报, 2021, 41(10): 4188-4199. Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019[J]. Acta Scientiae Circumstantiae, 2021, 41(10): 4188-4199. |
| [13] | Li K, Jacob D J, Liao H, et al. Ozone pollution in the North China Plain spreading into the late-winter haze season[J]. Proceedings of the National Academy of Sciences of the United States of America, 2021, 118(10). DOI:10.1073/pnas.2015797118 |
| [14] | Han C, Liu R R, Luo H, et al. Pollution profiles of volatile organic compounds from different urban functional areas in Guangzhou China based on GC/MS and PTR-TOF-MS: atmospheric environmental implications[J]. Atmospheric Environment, 2019, 214. DOI:10.1016/j.atmosenv.2019.116843 |
| [15] | Huang X F, Zhang B, Xia S Y, et al. Sources of oxygenated volatile organic compounds (OVOCs) in urban atmospheres in North and South China[J]. Environmental Pollution, 2020, 261. DOI:10.1016/j.envpol.2020.114152 |
| [16] | Tan Q W, Liu H F, Xie S D, et al. Temporal and spatial distribution characteristics and source origins of volatile organic compounds in a megacity of Sichuan Basin, China[J]. Environmental Research, 2020, 185. DOI:10.1016/j.envres.2020.109478 |
| [17] |
徐锟, 刘志红, 何沐全, 等. 成都市夏季近地面臭氧污染气象特征[J]. 中国环境监测, 2018, 34(5): 36-45. Xu K, Liu Z H, He M Q, et al. Meteorological characteristics of O3 pollution near the ground in summer of Chengdu[J]. Environmental Monitoring in China, 2018, 34(5): 36-45. |
| [18] |
李陵, 李振亮, 张丹, 等. 重庆市主城区O3污染时期大气VOCs污染特征及来源解析[J]. 环境科学, 2021, 42(8): 3595-3603. Li L, Li Z L, Zhang D, et al. Pollution characteristics and source apportionment of atmospheric VOCs during ozone pollution period in the main urban area of Chongqing[J]. Environmental Science, 2021, 42(8): 3595-3603. |
| [19] |
张涛, 王新明, 周炎, 等. VOCs在线监测设备数据识别能力的评估方法及应用[J]. 环境工程学报, 2021, 15(1): 298-306. Zhang T, Wang X M, Zhou Y, et al. Evaluation method and application of data recognition capability of VOCs online monitoring equipment[J]. Chinese Journal of Environmental Engineering, 2021, 15(1): 298-306. |
| [20] |
梁思远, 王帅, 高松, 等. 北京市城区挥发性有机物污染特征及其对臭氧影响分析[J]. 中国环境监测, 2021, 37(6): 21-30. Liang S Y, Wang S, Gao S, et al. Characteristics of volatile organic compounds and its impact on O3 formation in Beijing Urban Area[J]. Environmental Monitoring in China, 2021, 37(6): 21-30. |
| [21] |
林旭, 严仁嫦, 金嘉佳, 等. 基于SOA和O3生成潜势的杭州市PM2.5和O3协同控制[J]. 环境科学, 2022, 43(4): 1799-1807. Lin X, Yan R C, Jin J J, et al. Coordinated control of PM2.5 and O3 in Hangzhou based on SOA and O3 formation potential[J]. Environmental Science, 2022, 43(4): 1799-1807. |
| [22] | 翟崇治, 刘芮伶, 余家燕, 等. 重庆城区大气VOCs的浓度变化特征与臭氧生成潜势[J]. 环境影响评价, 2013(6): 45-49, 53. DOI:10.3969/j.issn.1674-2842.2013.06.014 |
| [23] |
范广强, 张天舒, 付毅宾, 等. 差分吸收激光雷达监测北京灰霾天臭氧时空分布特征[J]. 中国激光, 2014, 41(10): 247-254. Fan G Q, Zhang T S, Fu Y B, et al. Temporal and spatial distribution characteristics of ozone based on differential absorption lidar in Beijing[J]. Chinese Journal of Lasers, 2014, 41(10): 247-254. |
| [24] |
王琳, 谢晨波, 韩永, 等. 测量大气边界层高度的激光雷达数据反演方法研究[J]. 大气与环境光学学报, 2012, 7(4): 241-247. Wang L, Xie C B, Han Y, et al. Comparison of retrieval methods of planetary boundary layer height from lidar Data[J]. Journal of Atmospheric and Environmental Optics, 2012, 7(4): 241-247. DOI:10.3969/j.issn.1673-6141.2012.04.001 |
| [25] | 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 |
| [26] | 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 |
| [27] | Atkinson R, Arey J. Atmospheric degradation of volatile organic compounds[J]. Chemical Reviews, 2003, 103(12): 4605-4638. DOI:10.1021/cr0206420 |
| [28] | Carter W P L. Development of ozone reactivity scales for volatile organic compounds[J]. Air & Waste, 1994, 44(7): 881-899. |
| [29] | Stein A F, Draxler R R, Rolph G D, et al. NOAA's HYSPLIT atmospheric transport and dispersion modeling System[J]. Bulletin of the American Meteorological Society, 2015, 96(12): 2059-2077. |
| [30] | Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J]. Environmental Modelling & Software, 2009, 24(8): 938-939. |
| [31] | Wang Y Q. MeteoInfo: GIS software for meteorological data visualization and analysis[J]. Meteorological Applications, 2014, 21(2): 360-368. |
| [32] | Liu B S, Liang D N, Yang J M, et al. Characterization and source apportionment of volatile organic compounds based on 1-year of observational data in Tianjin, China[J]. Environmental Pollution, 2016, 218: 757-769. |
| [33] |
蒲茜, 李振亮, 曹云擎, 等. 重庆市2015—2020年秋冬季PM2.5污染传输路径与潜在源贡献分析[J]. 环境科学学报, 2022, 42(5): 49-59. Pu X, Li Z L, Cao Y Q, et al. Transport pathways and potential source contribution of PM2.5 pollution in Chongqing from 2015 to 2020[J]. Acta Scientiae Circumstantiae, 2022, 42(5): 49-59. |
| [34] |
宋梦迪, 冯淼, 李歆, 等. 成都市臭氧重污染成因与来源解析[J]. 中国环境科学, 2022, 42(3): 1057-1065. Song M D, Feng M, Li X, et al. Causes and sources of heavy ozone pollution in Chengdu[J]. China Environmental Science, 2022, 42(3): 1057-1065. |
| [35] | Liao T T, Wang S, Ai J, et al. Heavy pollution episodes, transport pathways and potential sources of PM2.5 during the winter of 2013 in Chengdu (China)[J]. Science of the Total Environment, 2017, 584-585: 1056-1065. |
| [36] | Sen A, Abdelmaksoud A S, Nazeer Ahammed Y, et al. Variations in particulate matter over Indo-Gangetic Plains and Indo-Himalayan Range during four field campaigns in winter monsoon and summer monsoon: role of pollution pathways[J]. Atmospheric Environment, 2017, 154: 200-224. |
| [37] |
张敬巧, 吴亚君, 李慧, 等. 廊坊开发区秋季VOCs污染特征及来源解析[J]. 中国环境科学, 2019, 39(8): 3186-3192. Zhang J Q, Wu Y J, Li H, et al. Characteristics and source apportionment of ambient volatile organic compounds in autumn in Langfang development zones[J]. China Environmental Science, 2019, 39(8): 3186-3192. |
| [38] |
徐晨曦, 陈军辉, 姜涛, 等. 成都市区夏季大气挥发性有机物污染特征及来源解析[J]. 环境科学, 2020, 41(12): 5316-5324. Xu C X, Chen J H, Jiang T, et al. Characteristics and sources of atmospheric volatile organic compounds pollution in summer in Chengdu[J]. Environmental Science, 2020, 41(12): 5316-5324. |
| [39] | Guenther A B, Zimmerman P R, Harley P C, et al. Isoprene and monoterpene emission rate variability: Model evaluations and sensitivity analyses[J]. Journal of Geophysical Research: Atmospheres, 1993, 98(D7): 12609-12617. |
| [40] |
王倩, 陈长虹, 王红丽, 等. 上海市秋季大气VOCs对二次有机气溶胶的生成贡献及来源研究[J]. 环境科学, 2013, 34(2): 424-433. Wang Q, Chen C H, Wang H L, et al. Forming potential of secondary organic aerosols and sources apportionment of VOCs in autumn of Shanghai, China[J]. Environmental Science, 2013, 34(2): 424-433. |
| [41] | Barletta B, Meinardi S, Simpson I J, et al. Ambient mixing ratios of nonmethane hydrocarbons (NMHCs) in two major urban centers of the Pearl River Delta (PRD) region: Guangzhou and Dongguan[J]. Atmospheric Environment, 2008, 42(18): 4393-4408. |
| [42] | Li B W, Ho S S H, Gong S L, et al. Characterization of VOCs and their related atmospheric processes in a central Chinese city during severe ozone pollution periods[J]. Atmospheric Chemistry and Physics, 2019, 19(1): 617-638. |
| [43] | Russo R S, Zhou Y, White M L, et al. Multi-year (2004-2008) record of nonmethane hydrocarbons and halocarbons in New England: seasonal variations and regional sources[J]. Atmospheric Chemistry and Physics, 2010, 10(10): 4909-4929. |
| [44] | Velasco E, Lamb B, Westberg H, et al. Distribution, magnitudes, reactivities, ratios and diurnal patterns of volatile organic compounds in the Valley of Mexico during the MCMA 2002 & 2003 field campaigns[J]. Atmospheric Chemistry and Physics, 2007, 7(2): 329-353. |
| [45] | Seco R, Holst T, Davie-Martin C L, et al. Strong isoprene emission response to temperature in tundra vegetation[J]. Proceedings of the National Academy of Sciences of the United States of America, 2022, 119(38). DOI:10.1073/pnas.2118014119 |
| [46] | Mahmud A, Tyree M, Cayan D, et al. Statistical downscaling of climate change impacts on ozone concentrations in California[J]. Journal of Geophysical Research, 2008, 113(D21). DOI:10.1029/2007JD009534 |
| [47] | Pusede S E, Steiner A L, Cohen R C. Temperature and recent trends in the chemistry of continental surface ozone[J]. Chemical Reviews, 2015, 115(10): 3898-3918. |
| [48] | Steiner A L, Tonse S, Cohen R C, et al. Influence of future climate and emissions on regional air quality in California[J]. Journal of Geophysical Research, 2006, 111(D18). DOI:10.1029/2005JD006935 |