济南市典型区夏季VOCs分布特征及臭氧生成机制

基于2020年6—8月济南市石化区、市区和南部山区VOCs以及臭氧和气态污染物等在线监测数据,结合气象因素分析了各典型区夏季VOCs污染特征,并通过计算臭氧生成潜势(OFP)和MCM模型模拟分析了不同区域不同污染等级VOCs对臭氧生成的影响,采用PMF模型对市区夏季VOCs进行了来源解析研究.结果表明,石化区VOCs浓度(158.29μg·m^(-3))明显高于市区(47.71μg·m^(-3))和南部山区(24.65μg·m^(-3)),VOCs中均以烷烃占比最大,其次为芳香烃,3个区域VOCs浓度均随污染等级升高而升高;不同污染等级下均为石化区OFP(743.7—1474.9μg·m^(-3))大于市区(156.9—378.1μg·m^(-3))和南部山区(113.4—168.7μg·m^(-3)),3个区域均是芳香烃OFP占比最大,其次为烯烃,说明芳香烃和烯烃类VOCs对臭氧生成的贡献最大,其中OFP贡献最大的单体为间/对-二甲苯;MCM模拟结果表明石化区O_(3)净生成速率(33.51×10^(-9)·h^(-1))最高,其次为市区(22.97×10^(-9)·h^(-1))和南部山区(3.91×10^(-9)·h^(-1));石化区的1-戊烯、甲苯、异戊二烯、间-乙基甲苯和邻二甲苯,市区的1-丁烯、间/对-二甲苯和顺式-2-丁烯,南部山区的顺式-2-丁烯、异戊二烯、反式-2-丁烯相对增量反应活性(RIR)较大,对臭氧生成的影响较为明显.PMF模型解析结果表明济南市区夏季燃烧源、移动源和餐饮油烟源对VOCs贡献较大.

结合大气污染特征的VOCs聚集区识别方法

为实现VOCs聚集区的精准感知识别,提出一种结合大气污染特征的VOCs聚集区识别方法。首先,划分区域网格,利用IDW空间插值方法得到VOCs网格数据集;其次,利用HYSPLIT计算后向气团运动轨迹并引入VGG提取轨迹特征,同数据集输入TCN-BiLSTM模型,预测各网格VOCs浓度;最后,根据预测结果进行聚集区识别。以西安市碑林区为例,对VOCs浓度值进行预测,并将聚集区识别结果可视化。结果表明:该组合预测模型能够有效提高识别精度,VOCs浓度预测结果的MAE、MSE、RMSE、R2分别为6.657、103.657、10.181、0.976,预测效果优于对比模型。消融实验证明考虑气团污染特征能提高VOCs预测准确性,实现VOCs聚集区的精准感知识别。

外浮顶储油罐静储过程VOCs排放影响因素研究

为解决原油罐储过程中VOCs排放问题,从理论计算油田现场储罐进VOCs损耗量出发,定性分析大气温度、太阳辐射以及风速对储罐排放VOCs的影响,并基于不同影响因素对VOCs排放的影响方式给出解决办法。在原油外浮顶储罐静储过程VOCs排放的主要影响因素定性分析过程中,发现随着太阳辐射强度的增大、大气温度的升高和风速的增快,储罐VOCs损耗量也随之增加。考虑到太阳辐射、大气温度对储罐VOCs排放的影响,建议采用隔热涂层和加装反光条措施进行减排;在应对风速影响方面,采取消除液面上的气体空间和设置呼吸阀挡板进行减排。

VOCs监测技术及BP神经网络预测模型在船舶涂装车间的应用

VOCs污染问题是我国环境保护遇到的最大问题之一。控制和减少VOCs的排放,既是日趋严格的环保标准的要求,也是建设船舶行业绿色生产体系的内在需求。不同环境下的VOCs监测,其内涵、监测项目、监测方法等存在差异又极易混淆。梳理了VOCs监测和浓度分布的有关概念,结合某船厂涂装车间的具体工况,给出了船舶涂装车间排放VOCs的监测方案以及VOCs监测场景下的PID检测器技术应用和在线监测系统的构成,采用神经网络方法构建了监测点VOCs数据与涂装车间空间中任一点VOCs数据之间的关系模型,为实现互联互通绿色制造车间提供了数据支撑。

添加剂对堆肥过程中挥发性有机物(VOCs)的减排效果

为明确添加剂对堆肥挥发性有机物(Volatile organic compounds,VOCs)排放的减排效果和影响因素,通过文献筛选出吸附类添加剂(活性炭和沸石)与有机酸类添加剂(柠檬酸和草酸)开展实验研究。在鸡粪-玉米秸秆堆肥实验中,设置5个处理,分别为对照(CK)、添加活性炭、添加沸石、添加柠檬酸和添加草酸处理。研究对象包括115种VOCs、三甲胺和6种含硫有机挥发气体(二甲硫醚、二甲基二硫醚、二甲基三硫醚、甲硫醇、乙硫醇、乙硫醚)。结果表明:在28 d的好氧发酵中,所有处理均达到50℃并维持7 d,满足无害化标准。检出110种VOCs、三甲胺和3种含硫有机挥发气体(二甲硫醚、二甲基二硫醚,二甲基三硫醚)。VOCs的排放集中在前9 d,在第3天时VOCs达到峰值。5个处理在堆肥第3天检测到的VOCs浓度范围为169.22~548.26 mg·m^(-3)。4种添加剂对各类VOCs均有减排效果。在第3天,活性炭、沸石、柠檬酸和草酸对烷烃类的减排效率分别为79%、26%、77%和46%,对卤烃类的减排效率分别为96%、38%、93%和97%,对芳香烃类的减排效率分别为28%、11%、24%和53%。从堆肥第6天开始只有沸石对各类VOCs有减排效果,最高减排效率为30%。针对含硫有机挥发气体减排,减排效果依次是草酸>柠檬酸>沸石>活性炭。4种添加剂对含硫有机挥发气体均有减排效果,但是对三甲胺没有减排效果。综合堆肥前9 d VOCs的减排情况,4种添加剂中沸石对各类VOCs减排效果最好。堆肥过程中添加沸石有利于VOCs和其他气体的协同减排,并且对土壤和农作物不存在风险,所以沸石在堆肥工程中有广阔的应用前景。

京津冀包装印刷行业VOCs深度综合减排治理技术研究

通过深入研究京津冀地区包装印刷企业的分布情况和VOCs排放现状,分析了各种措施的有效性及技术的先进性,提出了适合国内包装印刷行业中小企业的既满足达标排放又经济适用的技术路线,制定了京津冀包装印刷行业VOCs深度综合减排治理技术方案。

基于走航监测的某医化园区VOCs排放特征研究

现在工业化发展进程越快,对空气污染的影响就越大,其中挥发性有机物(volatile organic compounds,VOCs)的排放就是重要的污染源之一。医化园区作为重要的生产和制药基地,其VOCs的排放管理亟待加强。本研究通过广州禾信仪器有限公司的SPIMS-2000联机设备在2021年7月—2021年12月期间对T市主城区及H医化园区进行走航监测,对比分析不同区域、不同时段VOCs浓度的变化。结果表明,H医化园区路段TVOCs浓度显著高于主城区,主城区相对清洁,VOCs污染集中于H医化园区。对异常高值点进行了统计,并对其中的重要物质进行了鉴定。结果表明,Q化工园区南部区域整体洁净,TVOCs浓度为3349μg/m^(3),主要成分为甲苯,来自Q化工厂区排放。J制药南岸主要污染物为二甲苯,污染物主要来源是因为J医药厂房装修油漆喷涂过程中溶剂挥发的影响,属于无组织排放。总体来看,H医化园区的VOCs排放对T市主城区影响较小。

石化储运VOCs收集与治理系统问题探讨

文章主要介绍了VOCs气体排放特点,气体排放量估算方法的规定及其估算方法;VOCs处理设施设计气量估算原则、收集与处理系统的规模规定;分析在役储罐密闭改造的技术要求及注意事项,油气收集系统设计要点。为石化储运VOCs收集与治理有关设计方面提供一定的参考价值。

碱处理改性ZSM-5分子筛孔结构对VOCs吸附性能的影响

采用氢氧化钠和四丙基氢氧化铵混合碱溶液处理制备一系列改性ZSM-5分子筛,通过X射线衍射(XRD)、扫描电子显微镜(SEM)、N_(2)吸附、水接触角测定等手段对改性样品进行了分析表征,采用固定床吸附器对比评价5A、NaY和不同碱改性ZSM-5分子筛吸附剂对正己烷和乙酸乙酯的动态吸附性能。结果表明:氢氧化钠和四丙基氢氧化铵摩尔浓度均为0.2 mol/L的碱改性ZSM-5-G-3样品的比表面积及总孔体积分别为425 m^(2)/g和0.585 cm^(3)/g,比改性前高硅ZSM-5-G-1样品分别提高了17.7%和174.6%,介孔比表面积增加8.6倍,达到317 m^(2)/g,介孔体积增加12.3倍,达到0.531 cm^(3)/g;随着碱溶液浓度的增加,改性分子筛材料水接触角减小;25℃时,正己烷和乙酸乙酯在ZSM-5-G-3吸附剂床层上的穿透吸附量分别为76.99和101.08 mg/g,比改性前ZSM-5-G-1吸附剂床层分别提高了40.3%和17.4%。改性ZSM-5-G-3样品对挥发性有机化合物(VOCs)吸附性能的显著提高主要归因于碱改性提供了更多的吸附位和介孔结构。

加油站及周边空气中VOCs物种构成与示踪特征

选择典型城市区域加油站,在汽柴油加油口及周边开展VOCs样品采集与物种构成分析,探究加油站排放VOCs的标识性物种,根据加油站周边区域VOCs物种浓度与比值在空间梯度上的变化评估关键物种的示踪作用与转化规律.结果表明:加注汽油排放VOCs主要组分为烷烃(70%~72%)、烯烃(13%~14%)和含氧有机物(11%~12%),主要物种为异戊烷(20%~24%),其它C4~C6类烷烃也是高占比物种;加注柴油排放VOCs中烷烃是主要成分,占VOCs总量的70%~72%,其次是烯烃和含氧有机物,分别贡献13%~14%和11%~12%,芳香烃占比为2%~3%,异戊烷(17%~21%)和正丁烷(15%~17%)含量较高,低碳C2~C4类烷烯烃和较重高碳C7~C12烷烃的比例高于汽油.加油站下风向受体区域受加油站排放影响明显,与单一物理扩散模型的结果对比,发现烯烃类物种在实际传输过程中已发生明显光化学反应,特征物种比值在距离加油站大于70m的区域外开始接近机动车尾气的比值范围并趋于稳定,超出此范围加油站排放贡献影响可能较小.

杭州市大气VOCs组成特征及二次污染生成贡献

利用2021年1~12月杭州市城区大气VOCs的观测数据,分析了VOCs化学组成及其污染特征,运用正交矩阵因子分解法(PMF)进行VOCs来源解析,并利用最大增量反应活性(MIR)和气溶胶生成系数(FAC)估算VOCs的臭氧生成潜势(OFP)和二次有机气溶胶生成潜势(AFP),量化评估其二次污染生成贡献.结果显示,观测期间杭州市大气VOCs体积分数均值为30.65×10^(-9),烷烃和卤代烃是其主要组分,分别占49.23%和24.47%,浓度排名前10的VOCs物种主要为C_(2)~C_(4)的烷烃、C_(7)~C_(8)的芳香烃和乙烯.源解析结果显示杭州市VOCs主要来源为燃烧源、溶剂使用源、工业排放源、油气挥发源和机动车尾气排放源.杭州市大气VOCs的总OFP为50.56×10^(-9),其中乙烯、1-乙基-3-甲基苯和甲苯是其主要贡献组分.芳香烃对AFP的贡献达到91.52%,是最重要的SOA前体物.因此,控制机动车尾气排放和溶剂使用过程中产生的VOCs对防控O_(3)污染以及SOA污染具有重要意义.

大气环境的VOCs监测与治理技术研究

VOCs(挥发性有机物)是污染大气环境的主要物质之一。基于新时期环保与可持续发展理念的贯彻落实,本文以VOCs为主要研究对象,结合大气环境中VOCs的污染情况,举例分析当前常用于VOCs的监测和治理技术,依据VOCs监测与治理的技术原理,探讨能够有效加强大气环境污染防治的有效方法,旨在为提升VOCs治理效果,减轻大气环境污染提供借鉴的思路和经验。

南京市2021年人为源VOCs组分清单

通过收集各类VOCs排放源的活动水平数据,选择合适的排放因子,利用排放因子法建立了2021年南京市VOCs人为源排放清单.并通过筛选合适的VOCs源成分谱,建立了南京市VOCs物种排放清单,分析了南京市各排放源以及不同VOCs组分的排放特征.结果表明,2021年南京市排放VOCs约302.85kt,其中工艺过程源的排放量最高(182.94kt),占比可达60.41%,其次为道路移动源(19.46%),非道路移动源占比最少(0.40%).在VOCs物种清单中,排放量最多的为烷烃(109.06kt),其次是卤代烃(75.08kt)和芳香烃(50.72kt).排放量贡献前10的物种分别为:氯乙烯、乙烷、丙烷、三氯乙烯、1,2-二氯乙烷、对二甲苯、正丁烷、乙苯、其他烷烃和乙烯,占总量的63.96%,主要来自合成纤维单体制造和原油加工行业.

成都市餐饮源VOCs排放特征

为研究成都市餐饮源VOCs排放特征,建立成都市餐饮源114种VOCs成分谱,本研究选择11个监测对象进行VOCs组分分析,并探索餐饮源VOCs全组分特征.结果表明,餐饮源VOCs中烷烃占比为23.12%—30.29%,烯烃占比为8.61%—25.78%,芳香烃占比为0.16%—5.86%,卤代烃占比为0.86%—13.82%,OVOCs占比为28.02%—63.77%,其他占比为2.02%—8.26%.OVOCs、烷烃和烯烃3类占比最高,3类污染物累计质量浓度百分比在75%以上,是餐饮源重要的污染物类型.餐饮源排名前10的VOCs分别是丙烯醛(11.12%)、乙烷(9.87%)、乙醛(9.51%)、丙酮(9.34%)、乙烯(7.86%)、正戊烷(5.74%)、乙炔(5.01%)、丁二烯(4.64%)、顺式-1,3-二氯-1-丙烯(3.40%)和乙酸乙酯(3.04%),是餐饮源的特征污染物.餐饮源全组分分析得到OVOCs的代表性物质为反式茴香脑和芳樟醇等,烯烃代表性物质为长叶烯和柠檬烯等,烷烃代表性物质为正十五烷和正庚烷等,为完善餐饮源成分谱物种、探寻餐饮源特征污染物的研究提供参考.采用FAC法计算餐饮源VOCs二次有机气溶胶生成潜势.餐饮源SOA生成潜势为1220.7μg·m^(-3),芳香烃SOA生成潜势贡献率为93.1%,烷烃SOA生成潜势贡献率为6.9%.

漯河市城区秋季VOCs污染特征及来源解析

该文利用2021年11月5-11日漯河市3个市区点位环境挥发性有机物(VOCs)手工采样数据,开展VOCs污染特征和来源解析,识别臭氧生成潜势(OFP)和二次有机气溶胶生成潜势(SOAFP)的关键物种及污染源。结果表明,监测期间漯河市TVOC平均体积分数为51×10^(-9),以OVOCs(36.1%)和烷烃(30.7%)贡献为主,空间变化为三五一五工厂>水利局>卫健委。OFP均值为348.8μg/m^(3),各点位贡献前10物种以芳香烃和OVOCs为主,移动源是贡献最高的排放源;SOAFP均值为1.8μg/m^(3),各点位均为芳香烃贡献最大,移动源是主要贡献源类。正定矩阵因子模型解析结果显示,移动源(25.4%)、油气挥发源(18.9%)、溶剂使用源(18.6%)、工业排放源(17.5%)和燃烧源(15.1%)是市区大气VOCs主要排放源。

VOCs催化燃烧整体式催化剂及涂层材料研究进展

催化燃烧法是当前处理VOCs最具有发展前景的技术之一,其技术的关键在于催化剂.整体式催化剂具有优异的传质、良好的热稳定性、高比表面积、床层压降低、催化效率高、机械性能好、易于装卸和维修等特点,是目前实现工业VOCs治理最理想的催化剂.我们概述了用于VOCs催化燃烧反应的整体式催化剂及其涂层材料的研究现状,并展望了未来的发展趋势.

PM_(2.5)与O_(3)协同控制下VOCs的时空污染特征研究进展

近年来,臭氧(O3)和PM_(2.5)已成为影响空气质量的首要污染物,而挥发性有机物(VOCs)作为二者的重要前体物质,是PM_(2.5)和臭氧协同控制的关键。因此研究VOCs的时空污染特征已成为环境污染控制和生态环境风险评估中的研究热点。本文探讨了VOCs排放与PM_(2.5)和O3的相关性,以及不同排放源下VOCs浓度的时空变化规律,以期为碳中和远景下的VOCs治理工作提供重要的参考。

2D和3D培养肺细胞释放VOCs的质谱检测比较研究

挥发性有机物(volatile organic compounds,VOCs)作为一种潜在的癌细胞标志物被广泛研究。目前,体外细胞多采用二维(two-dimensional,2D)贴壁培养方式,这与体内肿瘤细胞呈三维结构存在差别。本实验分别以肺癌细胞A549和肺上皮细胞BEAS-2B为例,构建三维(three-dimensional,3D)培养模型,并以2D模型和培养基作为对照,利用固相微萃取气相色谱-质谱(solid phase microextraction-gas chromatography-mass spectrometry,SPME-GC-MS)法检测细胞释放的VOCs。通过非靶向统计分析细胞在2D和3D培养中释放的差异性VOCs,其中A549细胞有4种(乙酸、1-吡咯啉、4-甲基庚烷、2,4-二甲基-1-庚烯),BEAS-2B细胞也有4种(乙醇、1-吡咯啉、4-甲基庚烷、2,4-二甲基-1-庚烯)。与2D模型相比,这些VOCs在3D模型中的释放量增加了2.11~12.81倍。此外,还讨论了差异性VOCs可能的生化来源以及在2D/3D模型中释放量差异的可能原因。本工作证明了3D培养在体外细胞VOCs检测方面具有广阔的应用前景,有望成为癌症标志物筛查有价值的研究平台。

柔性高比表静电纺碳纳米纤维制备及其吸附VOCs性能研究

碳纳米纤维的直径小,比表面积大,是一种高效的气体吸附材料。但是,碳纳米纤维通常需要经过过程复杂、成本较高并且环境影响大的活化热处理工艺来提高其多孔特性。本研究以聚酰胺酸(PAA)和聚甲基丙烯酸甲酯(PMMA)为原料,通过共混静电纺丝和热亚胺化获得聚酰亚胺(PI)纳米纤维,再经一步炭化法制备高比表面积的柔性碳纳米纤维,并系统分析碳化条件对柔性PI/PMMA基碳纳米纤维的形貌特征、物理化学性质和VOCs吸附性能的影响规律。结果表明:1000℃碳化条件下制备的PI/PMMA基碳纳米纤维具有最大的比表面积(1047.5 m^(2)·g^(-1))和孔容(0.61 cm^(3)·g^(-1))。吸/脱附动力学实验表明,PI/PMMA基碳纳米纤维比表面积和微孔体积的增大显著加快了吸/脱附过程中甲苯的传质速率。静态吸附实验表明,PI/PMMA基碳纳米纤维在25℃下对甲苯的吸附容量高达6.25 mmol·g^(-1),吸附等温线较符合Langmuir模型,对苯、丙酮、三氯甲烷和甲醇等典型挥发性有机化合物(VOCs)同样具有良好的吸附性能,表明其是一种潜在的优异的VOCs吸附材料。动态吸附实验显示,PI/PMMA基碳纳米纤维对1137 mg·m^(-3)的甲苯气体的吸附容量高达2.97 mmol·g^(-1),经过五次吸脱附循环,其吸附量仍保持在初始值的91%,表现出优异的循环稳定性。本研究制备的柔性PI/PMMA基碳纳米纤维是一种性能优异的VOCs吸附材料,在低浓度VOCs去除方面具有很大的应用潜力。

咸宁市臭氧污染日VOCs组成及来源

该研究利用在线监测仪器获取了咸宁市2021年6-8月环境大气中107种挥发性有机化合物(VOCs)小时浓度数据,对比研究了咸宁市臭氧污染日与非污染日VOCs组成及来源。观测期间,VOCs臭氧污染日平均浓度为16.6×10^(-9),非污染日平均浓度为13.9×10^(-9)。臭氧污染日各类VOCs浓度占比大小为烷烃(31.3%)>丙酮(25.6%)>卤代烃(13.6%)>OVOCs(8.8%)>烯烃(7.6%)>乙炔(6.9%)>芳香烃(6.2%)。利用最大反应增量估算了各类VOCs对臭氧生成潜势贡献大小,具体为烯烃(49.4%)>芳香烃(16.2%)>OVOCs(13.9%)>烷烃(11.6%)>乙炔(4.3%)。将监测数据输入PMF模型,结果显示,污染日VOCs最主要来源为机动车排放源及工业排放源,非污染日VOCs最主要排放源为机动车排放源。