南京市南部地区O_(3)污染特征、生成敏感性及传输影响分析

作为中国最重要的城市群之一,近年来长江三角洲(YRD)地区大气臭氧(O_(3))污染问题突出.于2020年7~9月和2021年4~5月在南京市南部地区溧水站点开展了大气O_(3)、氮氧化物(NO_(x))和挥发性有机物(VOCs)等污染物的在线观测.在此基础上分析了溧水站点O_(3)的污染特征并与城区站点进行比较,发现溧水站点O_(3)污染较城区站点更加严重.在观测期间选择了3次典型的O_(3)污染过程,分别为2020年8月16~27日、2020年9月3~11日和2021年5月17~25日.利用基于观测的模型(OBM)分析了这3次污染过程的O_(3)-VOCs-NO_(x)敏感性.基于OBM所模拟的O_(3)前体物相对增量反应性(RIR)和NO_(x)和VOCs削减情景下O_(3)生成等值线(EKMA曲线)结果显示,3次污染过程中O_(3)-VOCs-NO_(x)敏感性分别处于NO_(x)控制区、协同控制区和VOCs控制区.这一差异可能与传输影响有关,因此进一步利用潜在源贡献函数(PSCF)和浓度权重轨迹(CWT)分析了3次污染过程中NO_(x)、VOCs和O_(3)的潜在源区.结果显示不同污染过程的NO_(x)、VOCs和O_(3)和潜在源区位置存在差异,分别受到了溧水点东部、南京市城区和安徽省东部、南京城区和长三角中部的影响.传输对O_(3)及其前体物的影响也表明了区域联防联控在长三角O_(3)污染防控中的必要性.

基于随机森林的北京城区臭氧敏感性分析

明确臭氧(O_(3))与前体物的非线性关系是O_(3)防控措施制定的基础和关键.基于北京城区站点2020年4~9月O_(3)、挥发性有机物(VOCs)、氮氧化物(NO_(x))和气象要素在线观测,分析了O_(3)及其前体物污染特征,利用随机森林(RF)模型结合SHAP值探究了影响O_(3)的关键因素,并通过多情景分析探讨了O_(3)-VOCs-NO_(x)敏感性.相关性分析结果显示O_(3)小时浓度与温度(T)呈显著正相关,与TVOCs和NO_(x)呈显著负相关;但从每日结果来看,O_(3)与T、TVOCs和NO_(x)均呈显著正相关.RF模型模拟的O_(3)浓度与实测值吻合较好,进一步计算了各个特征变量的SHAP值,结果显示T和NO_(x)对O_(3)影响最高,但前者是正向影响,而后者是负向影响.以观测期间O_(3)污染天的NO_(x)和VOCs平均值为基础情景,设置了对应不同NO_(x)和VOCs的多种情景,并利用RF模型计算不同情景下的O_(3),得到O_(3)等值线(EKMA曲线),结果显示北京城区O_(3)-VOCs-NO_(x)敏感性处于VOCs控制区,与基于观测的盒子模型(OBM)得到的结果一致,这说明RF模型可以用作O_(3)-VOCs-NO_(x)敏感性分析的一种补充方法.

2016~2020年上海臭氧高发季光化学污染特征及敏感性分析

重点臭氧污染区域和城市的臭氧生成敏感性分析是近地面臭氧(O_(3))污染防控的重要依据.基于上海市淀山湖站(郊区)、浦东站(城区)和新联站(工业区站)这3个典型站点2016~2020年5年间O_(3)、VOCs和NO_(x)数据,利用观测模型定量分析5年间臭氧高发季O_(3)与前体物(VOCs和NO_(x))之间的非线性关系.结果表明,2016~2020年间,上海市近地面O_(3)高发月份为4~9月,其中,高峰值出现在6~8月;VOCs体积分数和NO_(2)浓度对浦东站的O_(3)浓度具备较强的指示意义,淀山湖站的O_(3)浓度主要是受区域性环境、气象因素和跨区域传输影响,新联站O_(3)浓度为环境背景浓度与工业区光化学污染的叠加效应.浦东站和淀山湖站处于VOCs控制区,新联站2016~2019年整体处于NO_(x)控制区附近,2020年开始逐步向VOCs控制区转变;浦东站、淀山湖站和新联站的L_(·OH)均为:NO_(x)控制区>协同控制区>VOCs控制区.

2020年和2021年南京城区臭氧生成敏感性和VOCs来源变化分析

PM_(2.5)和臭氧(O_(3))协同防控是“十四五”期间空气质量提升的重点.O_(3)生成与其前体物挥发性有机物(VOCs)和氮氧化物(NO_(x))呈高度非线性关系.基于南京市城区站点2020年和2021年的4~9月O_(3)、 VOCs和NO_(x)的连续在线监测数据,比较了两年间O_(3)及其前体物浓度的变化,进一步利用基于观测的盒子模型(OBM)和正定矩阵因子分解(PMF)模型分析了O_(3)-VOCs-NO_(x)敏感性和VOCs来源.结果表明,2021年的4~9月O_(3)日最大浓度、 VOCs和NO_(x)浓度的平均值相较于2020年同期约下降7%(P=0.031)、 17.6%(P<0.001)和14.0%(P=0.004).2020年和2021年的O_(3)超标天NO_(x)和人为源VOCs的平均相对增量反应活性(RIR)分别为0.17和0.14, 0.21和0.14,说明O_(3)生成处于VOCs和NO_(x)协同控制区.基于人为源VOCs和NO_(x)削减情景所模拟的O_(3)生成潜势等值线(EKMA曲线)也支撑这一结论.PMF解析结果显示工业和交通排放是VOCs的主要来源,其中与工业排放相关有5个因子,包括工业液化石油气(LPG)使用、苯化工、石化、甲苯相关的工业和溶剂涂料使用,对总VOCs浓度的贡献率为55%~57%.机动车尾气和汽油挥发因子的贡献率之和为43%~45%.进一步计算各因子的RIR值,结果显示石化和溶剂涂料使用的RIR值最高,说明从臭氧防控的角度,需要优先削减这两类源的VOCs排放.随着VOCs和NO_(x)减排措施的实施,O_(3)敏感性和VOCs来源会改变,因此在“十四五”期间仍需持续关注,以及时调整O_(3)防控策略.

2020年成都市典型臭氧污染过程特征及敏感性

2020年4月24日至5月6日成都市臭氧(O_(3))和细颗粒物(PM_(2.5))复合污染过程期间,在成都市城区开展大气臭氧及其前体物(NOx、VOCs)和气象参数观测实验,基于观测数据采用OBM模型对市区臭氧敏感性和主控因子进行识别,并采用PMF模型对关键VOCs物种进行来源解析.结果表明,臭氧超标日各污染物浓度均有所上升,VOCs物种中芳香烃和含氧(氮)化合物上升幅度较大;成都市城区O_(3)超标天对应的臭氧处于显著VOCs控制区,芳香烃和烯烃对O_(3)生成最为敏感,且存在削减NOx的不利效应;结合VOCs来源解析,城区VOCs主要来源:移动源(22.4%)、餐饮及生物质燃烧源(21.8%)、工业源(15.1%)和溶剂使用源(9.3%),臭氧超标天溶剂使用源、餐饮及生物质类燃烧源贡献率明显上升.成都市城区春季应以VOCs减排为重点,并加大芳香烃和烯烃相关源控制力度.

苏州市初夏臭氧污染成因及年际变化

以2017~2021年的5~6月苏州市城区站点的大气污染物浓度为研究对象,分析了臭氧(O_(3))、氮氧化物(NO_(x))、总氧化剂(O_(x))、一氧化碳(CO)和挥发性有机物(VOCs)等污染物的变化特征,利用基于观测的模型(OBM)研究了O_(3)污染成因及其年际变化,解析了环境空气VOCs的主要来源及其变化趋势.结果表明:(1)近年来苏州O_(x)平均体积分数以及NO_(x)和CO平均浓度整体呈下降趋势,但VOCs的体积分数整体呈上升趋势;O_(3)污染天光化学反应前体物浓度水平仍较高,且显著高于优良天.(2)近年来苏州O_(3)生成处于VOCs控制区;苏州市VOCs和NO_(x)长期减排比例应不低于5∶1,在VOCs控制方面应注重对芳香烃和烯烃的减排.(3)源解析结果显示,工业排放、汽油车尾气和柴油机尾气是苏州市VOCs的主要排放源;近年来工业排放源和溶剂使用源有所下降,但汽油车尾气源和油气挥发源贡献率上升明显,且上述两类污染源排放VOCs的O_(3)生成潜势较高.(4)综合分析各排放源对O_(3)生成潜势的贡献发现,溶剂使用源和汽油车尾气源的VOCs排放是影响苏州市O_(3)生成的关键因素.

华北工业城市夏季大气臭氧生成机制及减排策略

为了分析工业城市臭氧(O_(3))污染的特征及形成机制,2021年6月在华北平原淄博市开展了综合观测,利用盒子模型(基于MCMv3.3.1化学机制)探究O_(3)前体物削减优化方案.结果表明:(1)O_(3)污染时期伴随静稳、高温低湿和强辐射等气象条件,含氧挥发性有机物(OVOC)和烯烃等人为源挥发性有机物(AVOC)组分对O_(3)生成潜势(OFP)和_(·OH)反应速率(k_(·OH))贡献率最大;(2)模型研究发现O_(3)主要受本地光化学生成和以输出性为主的区域传输影响,本地污染管控对降低O_(3)污染更为重要;(3)污染时期高浓度的_(·OH)(10×10^(6)cm^(-3))和HO_(2)·(14×10^(8)cm^(-3))引发局地瞬时O_(3)生成速率高值(峰值36×10^(-9)h^(-1)),HO_(2)·+NO和_(·OH)+NO_(2)反应途径分别对本地Ox光化学生成(63%)和去除(50%)收支贡献最大;(4)相比于非污染时期,污染时期O_(3)生成控制分区更倾向于氮氧化物(NO_(x))控制区,基于不同排放情景的模拟结果进一步说明以NO_(x)减排为重点的协同减排策略能够有效控制当地O_(3)污染,该方法也可为我国其他城市O_(3)精准防控提供借鉴.