2025, Vol. 46
2. 南京大学大气科学学院, 南京 210023;
3. CERC环境科技（北京）有限公司, 北京 100012;
4. 英国剑桥环境研究公司, 英国;
5. 江苏博识环境产业研究院有限公司, 南京 211111
2. School of Atmosphere Science, Nanjing University, Nanjing 210023, China;
3. CERC Environmental Technology (Beijing) Limited Company, Beijing 100012, China;
4. Cambridge Environmental Research Consultants Ltd., England;
5. Jiangsu Boshi Environmental Industry Research Institute Limited Company, Nanjing 211111, China
臭氧（O3）污染是中国目前非常重要的环境问题, 对人类健康、生态系统和气候等造成了不利影响[1 ~ 3].而对流层中的臭氧主要由挥发性有机化合物（volatile organic compounds, VOCs）和氮氧化物（NO x）等前体的光化学反应形成[4 ~ 6].自2013年以来, 我国针对空气污染问题出台了一系列严格的控制措施, 如《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》.随着PM2.5、SO2与NO x 等关键污染物的减排, VOCs在中国空气质量恶化中的作用愈加重要[7, 8]. VOCs的种类多、来源复杂, 并且对人体健康有着直接或间接的影响[9 ~ 12]. 2010~2017年间, 由于工业排放的大量增加, 中国人为源的VOCs排放量增加了11%, 导致过去十几年中国许多城市和地区的臭氧浓度逐渐增高, 对环境空气质量和人类健康造成了威胁, 严重制约着社会经济的可持续发展[13 ~ 15]. 2023年11月国务院印发了《空气质量持续改善行动计划》, 对VOCs减排提出了更为具体的管控要求, 提出要加快挥发性有机物排放综合整治, 到2025年全国地级及以上城市挥发性有机物排放总量下降10%以上[16].
随着工业化与城镇化的快速推进, 我国工业园区的数量近年来持续增长, 工业园区已成为现代产业发展的重要枢纽[17 ~ 19].由于排放企业较为聚集, 且涉VOCs排放环节多, 工业园区已经成为大气VOCs排放的主要来源地[20, 21], 2019年中国VOCs的工业排放达15.72Tg[22].由于企业集中、排放组分复杂, 当监测到污染超标时往往难以定位到具体企业, 给监管环节带来了不便.因此, 针对工业园区开展VOCs溯源的研究十分必要.
为提高工业园区VOCs监测的时间与空间分辨率, 目前大部分研究采取了走航监测技术, 即在车辆行驶途中同步开展VOCs监测[23, 24].李小宇等[25]为对泸州市VOCs污染进行科学防控, 围绕泸州主城区进行了走航观测, 其中82.6%的VOCs浓度异常点位均集中在工业园区附近, 对异常点位所在的工业园区、行业类型等进行了统计分析, 发现异常点位主要出现在城区南部的某工业园区（47.8%）, 并以包装印刷行业的贡献为主（50.0%）.李艳卉等[26]通过在沈阳某化工园区进行走航监测, 对不同功能区VOCs的浓度水平及组成进行了对比分析, 得到该工业园区的VOCs空间变化特征. Healy等[27]使用走航监测车在加拿大安大略省西南部的工业区开展了走航监测, 得到了高时空分辨率的VOCs来源解析结果, 发现挥发性苯的贡献在研究区域西北部占主导地位, 而化学废气源则在研究区域东南部贡献较大.
目前污染物排放源强的核算方法较多, 包括物料衡算法、类比法、现场监测反推法等.其中依据现场监测的浓度贡献来反推得到排放源强的方法相对可靠且实用性强[28 ~ 30], 在监测到污染物浓度后, 需建立相应的浓度反推公式来对排放源强进行反推. 如, 陆秋琴等[31]基于高斯扩散模型建立了工业园区无组织VOCs溯源模型, 可以通过下风向监测点的VOCs浓度、上风向监测点的VOCs背景值、高斯扩散模型以及最小二乘法反算VOCs的源强；王斌等[32]通过大气污染物高斯扩散模式来反推某加油站的VOCs排放强度, 得到该加油站VOCs瞬时排放源强为1.8~3.8 g·s-1.
但利用高斯扩散模型手工建立的VOCs浓度反推模型往往较为复杂, 且计算量大, 当发生VOCs污染时难以快速对污染来源进行定量计算, 目前已有许多学者采用空气质量模式代替手工建立的浓度反推公式, 以快速、精准地利用现场监测浓度对污染物进行溯源.吕兆丰等[33]结合VOCs在线监测浓度数据, 利用ISCST-3空气质量模型反推出北方某石油炼制企业的VOCs排放源强, 但ISCST-3为老一代空气质量模型, 目前已被替代[34].目前我国最新发布的《环境影响评价导则大气环境》（HJ 2.2-2018）[35]推荐的新一代空气质量模型为AERMOD、ADMS和CALPUFF.已有部分研究使用AERMOD与CALPUFF模型进行了源强反演的研究, 如许晴等[36]基于AERMOD模型, 结合气象站与WRF模拟的气象数据, 对张家港某钢铁厂2020年11月颗粒物的源强进行了反演.危浩等[37]结合CALPUFF模型、WRF气象预报结果和HYSPLIT模型建立了背景浓度较低的特种污染物源强反演方法, 使用GIS平台制作了可视化分析工具, 并对李坑垃圾焚烧厂的Hg2+进行了源强反演.
ADMS模型是由英国剑桥环境研究公司（CERC）开发的新一代稳态大气扩散模式, 属于三维高斯模型, 广泛应用国内外于气态污染物的模拟[38 ~ 40].ADMS中的模式体系包括气象模块、浓度预测模块、干湿沉降和化学反应模式等, 可以快速在源-受体间建立关系, 进行多次迭代, 并且分辨率较高, 可模拟中小范围（区域或城市）所有类型的污染物, 并且可以计算大气中NO、NO2、O3和VOCs之间的化学反应[28].因此适用于在中小尺度上进行污染物溯源研究.
目前大部分的污染物排放源强溯源研究仅针对单一点源或面源, 无法在工业园区尺度上快速定位多个未知污染源.本文基于ADMS模型效率高、分辨率高且考虑了二次污染等优点, 结合气象条件与VOCs走航观测资料, 建立了适用于园区尺度的VOCs排放溯源模型, 从而定位多个未知污染源并反推企业排放.以沈阳市经济技术开发区部分走航观测资料为例进行排放溯源, 将溯源结果正向输入ADMS中以模拟污染分布, 利用走航观测结果进行验证.本方法为工业园区污染物排放源强的量化提供了新的思路, 可以从源头上减轻工业园区污染排放精准管控的难度.
1 材料与方法 1.1 走航观测沈阳市经济技术开发区位于沈阳市西南部, 涉及排放企业近180家且类型多, 包括装备制造业、家具制造业、汽车制造业、医药化工产业、食品饮料包装产业、印染产业和有色金属产业等, VOCs排放高且种类复杂[41].
本研究于2021年7月28日至8月10日在沈阳市经济技术开发区内开展了为期两周的VOCs走航观测, 观测前依据实时风向数据规划走航路线, 在企业下风向区域进行走航观测, 部分走航观测路线如图 1所示.本试验所使用的走航观测仪器为质子转移反应质谱仪PTR-MS（proton transfer reaction-mass sectrometry）, 可以对大气中VOCs的多种组分（如醇类、醛酮类、醚类、酯类等OVOCs以及芳香烃、烯烃等NMHCs）进行高时间分辨率的在线监测, 监测频率为16~17s·次-1.其基本原理见式（1）, 首先由离子源产生H3O+来作为供体, 与空气中的VOC组分（
|
(1) |
|
图 1 走航观测路线 Fig. 1 Mobile monitoring route |
ADMS模型中模块较多, 不同模块对应于不同的污染物扩散过程.本研究主要使用了ADMS-环评模块.ADMS-环评是一个可综合处理多种类型污染源的系统, 可同时模拟单个或者多个工业源（包括点源、面源、线源、体源）和交通源.ADMS的模拟范围设置为6 km×6 km, 网格大小15 m×15 m.
ADMS模式主要基于高斯模型进行污染物的扩散模拟, 表达式见式（2）[39]：
|
(2) |
式中, C（x, y, z, zs）为污染源下风向点（x, y, z）的污染物浓度, g⋅m-3；h为大气边界层高度, m；Qs为源强, g⋅s-1；U为平均风速, m⋅s-1；σy 和σz 为水平和垂直方向的扩散参数, m；zs为烟羽轴线距地面高度, m.
1.3 VOC溯源方法本研究所建立的工业园区企业VOCs排放溯源技术路线如图 2所示.某时刻在工业园区进行走航观测, 得到下风向的监测浓度.假设监测点的VOCs浓度只受到上风向企业的影响, 通过逐小时风向确定上风向企业, 赋予所有上风向企业n一个假定的初始排放源强Qn = 1.1 g·s-1, 利用ADMS空气质量模式叠加计算上风向企业排放的影响, 得到企业n下风向监测点的模拟值（
|
图 2 工业园区企业VOCs排放溯源技术路线 Fig. 2 Technology roadmap for traceability of VOCs emissions from enterprises in industrial parks |
一致性指数（IOA）代表模式模拟值与观测值间的相对偏差, 变化在0~1之间, 越趋近于1代表模式模拟的准确性越高[44].反演系数Rn 反映了单一监测点模拟值与观测值间的偏差.这些参数的计算公式如下：
|
(3) |
|
(4) |
|
(5) |
|
(6) |
|
(7) |
式中, 
本次走航观测中, 出现两次VOCs日间超高排放, 分别为7月28日10：00~11：00[ρ（VOCs）为489.5 μg·m-3]与7月29日11：00~12：00[ρ（VOCs）为794.5 μg·m-3], 具体走航监测的结果见燕鸥等[41]的文章.其中日间VOCs走航观测浓度相对较高, 因此本研究分别选取两次日间正常排放时段、两次日间超高排放时段以及两次夜间排放时段作为典型个例, VOCs走航观测时段具体信息见表 1.由于所使用的VOCs监测仪的监测频率为16~17 s·次-1, 且同步输出监测点的具体坐标, 而本研究的ADMS模型使用网格坐标, 为提高模型模拟的精准度, 开始反演前需将走航监测点的坐标转换为网格坐标, 将同一网格内的监测点的VOCs浓度取平均值.
|
表 1 VOCs走航观测现场详细情况与IOA值 Table 1 Details of VOCs mobile observations and IOA values |
由于本模型假设下风向监测点只受到上风向企业排放的影响, 需要综合考虑企业与监测点的方位角与风向间的偏差（角度偏差）与企业、监测点间的距离.即监测点与企业间的距离越小, 两者间的角度偏差则可以越大（图 3）, 以此建立了角度偏差（range）与距离（distance）的函数[式（8）].筛选思路如下：当监测点与企业间的距离（distance）大于2 500 m时, 视为企业对该监测点几乎没有影响；当distance小于2 500 m时, 企业与监测点间的角度偏差应小于range, 才视为企业对该监测点有影响, 当存在多个符合条件的监测点时, 选择对应的distance最小的监测点, 以此在模拟范围内选择每个企业下风向受其排放影响相对较大的监测点, 并将两者一一对应, 本过程在MATLAB中进行处理, 表 2和图 4为筛选结果示意.
|
(8) |
|
图 3 距离与角度偏差间的关系 Fig. 3 Relationship between distance and angular deviation |
|
|
表 2 7月28日10：00~11：00部分涉排企业和监测点1） Table 2 Part of discharge-related enterprises and monitoring points from July 28, 10:00 am to 11:00 am |
|
图 4 所选个例涉排企业和监测点 Fig. 4 Enterprises involved in emissions and monitoring points for the selected time period |
图 5为基于溯源模型得到的部分走航时段的VOCs排放反演结果, 在溯源的迭代过程中, 每个企业的源强在循环多次后均达到稳定（每次迭代后源强的变化值很小）, 其中仅列出了各时段排放量前10位的企业.图 5（a）反演结果显示该时段内企业115存在异常排放.图 5（b）显示8月10号16：00~17：00时段内, 电缆制造企业54与橡胶制造企业49排放较高.图 5（c）中7月28日10：00~11：00排放前4名企业均为家具相关行业, 第5名为广告设计公司, 涉溶剂使用类VOCs排放较多.图 5（d）中7月29日11：00~12：00排放前5名企业为家具相关和橡胶生产企业, 这与燕鸥等[41]对该工业园区该时段VOCs的来源解析结果相符.两个日间时段超高排放企业较多, 有3家企业的VOCs排放量超过100 g·s-1, 其中企业115在3个时段均存在较高排放, 需加强对该企业的管控.图 5（e）与图 5（f）为傍晚和凌晨时段的反演结果, 各企业排放浓度较低, 均小于10 g·s-1, 这可能与夜晚工厂停工有关.
|
图 5 VOCs排放反演结果 Fig. 5 Results of the VOCs emission strength |
在7月28日和7月29日两个异常排放时段中, 甲醇为主要的贡献物种, 浓度平均值分别为127.5 μg·m-3和274.0 μg·m-3, 分别占TVOC的25.9%和31.2%.进一步对这两个异常时段中的甲醇进行源强反演, 结果如图 6所示, 主要以木制家具相关的企业为主, 由于木制家具涉及较多涂装工序, 常使用醇类做稀释剂与助溶剂[45].反演结果表明, 企业104和115等木业相关的企业存在异常排放行为, 为精准管控提供了依据.
|
图 6 异常排放时段高贡献物种源强反演结果 Fig. 6 Results of high contributing species emission strength in anomalous emission periods |
将反演得到的企业VOCs排放源强结果输入到ADMS模型中, 正向计算企业排放对周边区域的影响, 可以得到企业周边区域的VOCs浓度, 将每个监测点所对应的模拟值提取出来, 并利用走航监测的观测值与模拟值进行对比, 从而验证模型准确性, 结果如图 7与表 3所示.从表 3的结果来看, 观测与模拟的平均VOCs浓度较为接近, 一致性指数IOA在0.91~0.98之间, 模拟值与观测值呈现较好的相关性（平均IOA=0.95）, RMSE的范围为12.56~157.5 μg·m-3, 并且从图 7中可以看出, 模型的拟合线与y =x的偏差较小, 表明运用本方法得到的源强反演结果是可靠的, 但由于每个时段存在气象因素与其他VOCs排放源等的影响, 各监测点位的模拟效果存在一定的误差.
|
图 7 监测点的VOCs模拟值与观测值对比 Fig. 7 Comparison of simulated and monitored VOCs at monitoring points |
|
|
表 3 VOCs源强反演结果误差系数 Table 3 Error index of VOCs emission intensity inversion |
3 结论
（1）本研究结合ADMS模型与MATLAB软件构建了适用于园区尺度的VOCs排放溯源方法, 基于沈阳市经开区VOCs的走航监测数据对该区域的VOCs排放源强进行了反演.
（2）反演结果表明, 沈阳市经开区木业、家具相关企业存在超高VOCs排放, 需重点关注.将反演得到的源强结果输入到ADMS模型中, 得到的模拟值与实际监测值有较好的相关性, 证明本方法的可行性.
（3）本研究所建立的溯源方法可以在实际应用中快速定位未知企业排放源, 反演企业的VOCs排放源强, 为工业园区VOCs排放源强的量化提供了新的思路, 可以为工业园区VOCs的精准管控提供科学依据.
| [1] | Gao C, Xiu A, Zhang X L, et al. Spatiotemporal characteristics of ozone pollution and policy implications in Northeast China[J]. Atmospheric Pollution Research, 2020, 11(2): 357-369. DOI:10.1016/j.apr.2019.11.008 |
| [2] | Lu X, Hong J Y, Zhang L, et al. Severe surface ozone pollution in China: a global perspective[J]. Environmental Science & Technology Letters, 2018, 5(8): 487-494. |
| [3] | Lu X, Zhang L, Wang X L, et al. Rapid increases in warm-season surface ozone and resulting health impact in China since 2013[J]. Environmental Science & Technology Letters, 2020, 7(4): 240-247. |
| [4] | Atkinson R. Atmospheric chemistry of VOCs and NOx [J]. Atmospheric Environment, 2000, 34(12-14): 2063-2101. DOI:10.1016/S1352-2310(99)00460-4 |
| [5] | Carter W P L, Atkinson C. Computer modeling study of incremental hydrocarbon reactivity[J]. Environmental Science & Technology, 1989, 23(7): 864-880. |
| [6] | 秦瑜, 赵春生. 大气化学基础[M]. 北京: 气象出版社, 2003. |
| [7] | He J L, Shen H Z, Lei T Y, et al. Investigation of plant-level volatile organic compound emissions from chemical industry highlights the importance of differentiated control in China[J]. Environmental Science & Technology, 2023, 57(50): 21295-21305. |
| [8] | Gao Z Q, Hu G J, Wang H, et al. Characterization and assessment of volatile organic compounds (VOCs) emissions from the typical food manufactures in Jiangsu province, China[J]. Atmospheric Pollution Research, 2019, 10(2): 571-579. DOI:10.1016/j.apr.2018.10.010 |
| [9] | 中华人民共和国生态环境部. 大气挥发性有机物源排放清单编制技术指南(试行)[R]. 北京: 中华人民共和国生态环境部, 2014. 1-49. |
| [10] | Zhou X, Li Z Q, Zhang T J, et al. Volatile organic compounds in a typical petrochemical industrialized valley city of northwest China based on high-resolution PTR-MS measurements: characterization, sources and chemical effects[J]. Science of the Total Environment, 2019, 671: 883-896. DOI:10.1016/j.scitotenv.2019.03.283 |
| [11] | Rumchev K, Brown H, Spickett J. Volatile organic compounds: do they present a risk to our health?[J]. Reviews on Environmental Health, 2007, 22(1): 39-55. |
| [12] | Sha Q E, Zhu M N, Huang H W, et al. A newly integrated dataset of volatile organic compounds (VOCs) source profiles and implications for the future development of VOCs profiles in China[J]. Science of the Total Environment, 2021, 793. DOI:10.1016/j.scitotenv.2021.148348 |
| [13] | Huang D S, Li Q, Han Y, et al. Biogenic volatile organic compounds dominated the near-surface ozone generation in Sichuan Basin, China, during fall and wintertime[J]. Journal of Environmental Sciences, 2024, 141: 215-224. DOI:10.1016/j.jes.2023.04.004 |
| [14] | Li L, Zhang D, Hu W, et al. Improving VOC control strategies in industrial parks based on emission behavior, environmental effects, and health risks: a case study through atmospheric measurement and emission inventory[J]. Science of the Total Environment, 2023, 865. DOI:10.2139/ssrn.4220832 |
| [15] | Xie H, Gao W X, Zhao W T, et al. Source profile study of VOCs unorganized emissions from typical aromatic devices in petrochemical industry[J]. Science of the Total Environment, 2023, 889. DOI:10.1016/j.scitotenv.2023.164098 |
| [16] | 寇江泽. 改善空气质量推进绿色低碳转型[N]. 人民日报, 2023-12-19(15). |
| [17] | He L, Duan Y S, Zhang Y, et al. Effects of VOC emissions from chemical industrial parks on regional O3-PM2.5 compound pollution in the Yangtze River Delta[J]. Science of the Total Environment, 2024, 906. DOI:10.1016/j.scitotenv.2023.167503 |
| [18] | 国家发展改革委, 科技部, 国土资源部, 等. 中国开发区审核公告目录(2018年版)[EB/OL]. https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5434045.htm, 2018-02-26. |
| [19] | 工业和信息化部规划司. 工业转型升级规划系列解读材料(十六)[EB/OL]. https://www.miit.gov.cn/jgsj/ghs/gzdt/art/2020/art_e1d7e4cc20394c98b79471b0ae26e7bb.html, 2012-02-12. |
| [20] |
惠宇, 刘岩, 李一倬, 等. 基于飞行时间质谱对工业园区挥发性有机物的走航监测[J]. 环境保护科学, 2021, 47(4): 97-100. Hui Y, Liu Y, Li Y Z, et al. Navigation monitoring of volatile organic compounds in industrial parks based on time of flight mass spectrometry[J]. Environmental Protection Science, 2021, 47(4): 97-100. |
| [21] |
王洁, 姚震, 王敏燕, 等. 北京市工业园区VOCs污染特征及健康风险评估案例: 高新技术产业的环境影响[J]. 环境科学, 2024, 45(4): 2019-2027. Wang J, Yao Z, Wang M Y, et al. VOCs Pollution characteristics and health risk assessment in typical industrial parks in Beijing: environmental impact of high and new technology industries[J]. Environmental Science, 2024, 45(4): 2019-2027. |
| [22] | Simayi M, Shi Y Q, Xi Z Y, et al. Emission trends of industrial VOCs in China since the clean air action and future reduction perspectives[J]. Science of the Total Environment, 2022, 826. DOI:10.1016/j.scitotenv.2022.153994 |
| [23] |
王红丽, 高雅琴, 景盛翱, 等. 基于走航监测的长三角工业园区周边大气挥发性有机物污染特征[J]. 环境科学, 2021, 42(3): 1298-1305. Wang H L, Gao Y Q, Jing S A, et al. Characterization of volatile organic compounds (VOCs) using mobile monitoring around the industrial parks in the Yangzte River Delta Region of China[J]. Environmental Science, 2021, 42(3): 1298-1305. |
| [24] |
梁渠. 车载PTR-MS研制与走航观测大气VOCs应用[D]. 合肥: 中国科学技术大学, 2023. Liang Q. Development of vehicle-mounted PTR-MS and application of navigation observation of atmospheric VOCs[D]. Hefei: University of Science and Technology of China, 2023. |
| [25] | 李小宇, 谭捷, 闫海全, 等. 基于走航监测的泸州市VOCs污染特征分析及应用[A]. 见: 中国环境科学学会2022年科学技术年会——环境工程技术创新与应用分会场论文集(一)[C]. 南昌: 《工业建筑》杂志社有限公司, 2022. 6. |
| [26] |
李艳卉, 林静雯, 孙继宸, 等. 沈阳某化学工业园区大气挥发性有机物污染特征分析[J]. 环境污染与防治, 2022, 44(9): 1175-1181. Li Y H, Lin J W, Sun J C, et al. Analysis of atmospheric VOCs pollution characteristics in a chemical industrial park in Shenyang[J]. Environmental Pollution and Control, 2022, 44(9): 1175-1181. |
| [27] | Healy R M, Sofowote U M, Wang J M, et al. Spatially resolved source apportionment of industrial VOCs using a mobile monitoring platform[J]. Atmosphere, 2022, 13(10). DOI:10.3390/atmos13101722 |
| [28] | 王栋成, 林国栋, 徐宗波. 大气环境影响评价实用技术[M]. 北京: 中国标准出版社, 2010. |
| [29] |
舒永, 张强, 徐丛燕, 等. 物料衡算法在化工项目环评中的应用[J]. 山东化工, 2013, 42(7): 125-129. Shu Y, Zhang Q, Xu C Y, et al. The application of material balance algorithm in chemical projects environmental impact assessment[J]. Shandong Chemical Industry, 2013, 42(7): 125-129. |
| [30] | 王呈莉. 环境影响评价中污染源强核算的重要性及核算技术应用要点[J]. 化学工程与装备, 2023(9): 273-275. |
| [31] |
陆秋琴, 杨帅, 黄光球. 工业园区无组织VOCs溯源方法研究[J]. 安全与环境学报, 2023, 23(2): 584-594. Lu Q Q, Yang S, Huang G Q. Research on tracing method of unorganized VOCs in industrial parks[J]. Journal of Safety and Environment, 2023, 23(2): 584-594. |
| [32] |
王斌, 陈耀, 胡秋萍, 等. 某加油站VOCs排放溯源及源强反演研究[J]. 安全与环境学报, 2023, 23(10): 3769-3774. Wang B, Chen Y, Hu Q P, et al. Research on VOCs source inversion and emission intensity of a gas station[J]. Journal of Safety and Environment, 2023, 23(10): 3769-3774. |
| [33] |
吕兆丰, 魏巍, 杨干, 等. 某石油炼制企业VOCs排放源强反演研究[J]. 中国环境科学, 2015, 35(10): 2958-2963. Lv Z F, Wei W, Yang G, et al. Inversion research in VOCs source emission of a petroleum refinery[J]. China Environmental Science, 2015, 35(10): 2958-2963. |
| [34] | Chen W K, Sheng X Y, Carruthers D. Comparison of the model performance evaluation results of ADMS and ISCST3 in Taiwan[A]. 见: 第五届海峡两岸气溶胶技术研讨会论文集[C]. 乌鲁木齐: 中国颗粒学会气溶胶专业委员会, 中国科学院地球环境研究所, 2008. 9. |
| [35] | HJ 2.2-2018, 环境影响评价技术导则 大气环境[S]. |
| [36] | 许晴, 周刚, 段慧玲, 等. 基于AERMOD模型推算钢铁厂颗粒物的无组织源强研究[A]. 见: 中国环境科学学会2022年科学技术年会——环境工程技术创新与应用分会场论文集(一)[C]. 南昌: 《工业建筑》杂志社有限公司, 2022. 6. |
| [37] |
危浩, 朱云, 许嘉钰, 等. 特种污染物排放源强反演及可视化分析工具研发及Hg2+分析示例[J]. 环境科学学报, 2017, 37(2): 512-519. Wei H, Zhu Y, Xu J Y, et al. Development of a GIS-based visualization tool for inverse computation of pollutant emission rates and a pilot study case of Hg2+ [J]. Acta Scientiae Circumstantiae, 2017, 37(2): 512-519. |
| [38] |
文金科, 王体健, 马根慧, 等. WRF-Chem与ADMS对城区尺度大气污染精细化模拟的比较[J]. 环境科学学报, 2022, 42(4): 276-292. Wen J K, Wang T J, Ma G H, et al. Comparison between WRF-Chem and ADMS in the refined simulation of urban scale air pollution[J]. Acta Scientiae Circumstantiae, 2022, 42(4): 276-292. |
| [39] |
裴旭倩. 基于ADMS的火电厂高架源排放二氧化硫浓度分布特征研究[D]. 太原: 太原理工大学, 2015. Pei X Q. Research on concentration distribution characteristics of SO2 discharged from coal-fired power plant elevated source based on ADMS[D]. Taiyuan: Taiyuan University of Technology, 2015. |
| [40] |
史梦雪, 伯鑫, 田飞, 等. 基于不同空气质量模型的二噁英沉降效果研究[J]. 中国环境科学, 2020, 40(1): 24-30. Shi M X, Bo X, Tian F, et al. Study on deposition effects of dioxins based on different air quality models[J]. China Environmental Science, 2020, 40(1): 24-30. |
| [41] |
燕鸥, 阮兆元, 王体健, 等. 沈阳市经济技术开发区大气挥发性有机物污染特征及来源解析[J]. 环境科学学报, 2023, 43(6): 119-130. Yan O, Ruan Z Y, Wang T J, et al. Characteristics and sources apportionment of volatile organic compounds (VOCs) in Shenyang Economic and Technological Development Zone[J]. Acta Scientiae Circumstantiae, 2023, 43(6): 119-130. |
| [42] | Hansel A, Jordan A, Holzinger R, et al. Proton transfer reaction mass spectrometry: on-line trace gas analysis at the ppb level[J]. International journal of mass spectrometry and ion processes, 1995, 149-150: 609-619. |
| [43] | De Gouw J, Warneke C. Measurements of volatile organic compounds in the earth's atmosphere using proton-transfer-reaction mass spectrometry[J]. Mass Spectrometry Reviews, 2007, 26(2): 223-257. |
| [44] |
杨豪. 气溶胶-辐射相互作用对中国东部臭氧浓度影响的数值模拟研究[D]. 南京: 南京信息工程大学, 2022. Yang H. Numerical modeling of the effects of aerosol-radiation interactions on concentrations of ozone over the eastern China[D]. Nanjing: Nanjing University of Information Science and Technology, 2022. |
| [45] |
刘文文, 邵霞, 滕巍. 我国木质家具制造行业VOCs排放特征及环境影响[J]. 环境科学, 2024, 45(8): 4470-4483. Liu W W, Shao X, Teng W. Emission characteristics and environmental impact of VOCs from wooden furniture-manufacturing industry in China[J]. Environmental Science, 2024, 45(8): 4470-4483. |