任俊宇,朱寬廣,謝 旻*,劉 巍,高 達(dá),陳嘉勝,金宇寧,趙潤琪,張林濤

咸寧市大氣臭氧敏感性和污染來源解析

任俊宇1,朱寬廣2,謝 旻1*,劉 巍2,高 達(dá)1,陳嘉勝1,金宇寧1,趙潤琪1,張林濤1

(1.南京大學(xué)大氣科學(xué)學(xué)院,江蘇 南京 210023；2.湖北省環(huán)境科學(xué)研究院,湖北 武漢 430072)

為掌握咸寧市臭氧(O3)污染狀況,基于統(tǒng)計分析方法研究咸寧市2018年O3地面觀測數(shù)據(jù),發(fā)現(xiàn)該年3～10月均有O3濃度超標(biāo)日發(fā)生,其中6、8、9、10月有濃度較高且持續(xù)時間較長的嚴(yán)重污染,高濃度時段集中于4～7月的每日12:00～20:00,濃度峰值出現(xiàn)時間約為16:00前后.使用OBM模型模擬,借助EKMA曲線、RIR分析等識別O3敏感性,發(fā)現(xiàn)咸寧屬于VOCs控制區(qū), O3生成對人為源VOCs中的二甲苯類芳香烴和烯烴類較敏感,這兩類物種濃度均削減10%后分別得到RIR值為0.271和0.238.開展離線VOCs監(jiān)測,經(jīng)PMF方法解析得到5類源,其中工業(yè)排放為O3污染主要貢獻(xiàn)源,二甲苯類芳香烴絕大部分來自溶劑使用,烯烴類主要來自燃燒源.當(dāng)O3超標(biāo)時,相比于非超標(biāo)日,植物源、溶劑使用和燃燒源的貢獻(xiàn)率均有增加,其中植物源的貢獻(xiàn)增量較大,而機(jī)動車尾氣和工業(yè)排放的貢獻(xiàn)率卻有一定程度的降低.

臭氧；臭氧前體物；臭氧敏感性；揮發(fā)性有機(jī)物；OBM；PMF

隨著我國城市化進(jìn)程與工業(yè)發(fā)展的不斷加快,臭氧(O3)污染日益嚴(yán)峻.近地面O3是典型的二次污染物,對地表生態(tài)和人體健康均會造成一系列損害[1].對流層的O3主要經(jīng)光化學(xué)反應(yīng)產(chǎn)生,即在適當(dāng)?shù)臏囟扰c太陽輻射作用下,氮氧化物(NO)和揮發(fā)性有機(jī)物(VOCs)等O3前體物在大氣環(huán)境中經(jīng)過一系列復(fù)雜的光化學(xué)反應(yīng)生成[2].對于O3污染控制,主要是通過研究O3與其前體物(NO和VOCs)的非線性關(guān)系,進(jìn)而對O3前體物NO和VOCs進(jìn)行控制.其中,VOCs的種類繁多、成分復(fù)雜、實際監(jiān)測難度較大,在理論研究和減排控污應(yīng)用方面均有待發(fā)展[3].

目前對O3及其前體物的反應(yīng)機(jī)理探究和污染防治已有大量工作,包括O3光化學(xué)反應(yīng)機(jī)理[4-5]、局地和區(qū)域的輸送貢獻(xiàn)[6-7]、O3前體物排放[8]、O3敏感性[9]、對人類壽命和生活質(zhì)量的影響[10-11]、氣象條件與O3污染的關(guān)聯(lián)[12]、天氣系統(tǒng)的作用[13]、土壤植被覆蓋度和土地利用[14-15]、典型污染過程分析[16-17]等.對北京[18]、上海[19]、深圳[20]、成都[21]、南京[22]等城市的相關(guān)研究顯示,中國大型城市的O3生成均屬VOCs控制,且O3生成潛勢最大的VOCs組分多為芳香烴和烯炔烴.

咸寧市位于湖北省東南部,與湖南省、江西省接壤,地跨東經(jīng)113°32′～114°58′,北緯29°02′～30°19′.其毗鄰中國中部經(jīng)濟(jì)中心城市武漢,關(guān)于武漢市的O3污染特征成因相關(guān)工作較為豐富,高壓等天氣系統(tǒng)控制有利于武漢大氣VOCs的積累,進(jìn)而易導(dǎo)致O3污染[23];而控制機(jī)動車VOCs排放是削減武漢大氣中VOCs活性、降低O3濃度的關(guān)鍵因素[24].研究發(fā)現(xiàn),隨著武漢都市圈的不斷發(fā)展,咸寧也逐漸出現(xiàn)了較為嚴(yán)重的O3污染,但是目前對于該地的相關(guān)研究較為缺乏,VOCs排放現(xiàn)狀尚未完全明晰,O3污染成因及控制的理論研究工作也相對滯后.本文針對咸寧市O3污染成因進(jìn)行分析,利用O3、NO和VOCs的監(jiān)測采樣數(shù)據(jù),運用多種分析方法,結(jié)合PMF(正矩陣因子分解)工具進(jìn)行VOCs源解析研究,并基于以上結(jié)論給出控污減排建議.

1 數(shù)據(jù)與方法

1.1 O3及其前體物數(shù)據(jù)

表1給出咸寧市污染物監(jiān)測點的具體信息,以及O3及其前體物監(jiān)測所用儀器設(shè)備.其中,O3與NO的濃度數(shù)據(jù)來自咸寧市4個環(huán)境空氣質(zhì)量自動監(jiān)測站,分別為咸安區(qū)政府、森林公園、長江產(chǎn)業(yè)園、市發(fā)改委.研究時間為2018年全年,分辨率為1h.數(shù)據(jù)中超出3倍標(biāo)準(zhǔn)差的離散點已剔除,除9月外的各月份有效數(shù)據(jù)比例均超過90%.

VOCs觀測采取在線與離線結(jié)合方式.在線監(jiān)測時間為2018年9月21日～10月15日,分辨率為1h,點位選取在緊鄰咸安區(qū)政府的咸安區(qū)生態(tài)環(huán)境局(可視為同一站點).監(jiān)測采用TH-300B大氣環(huán)境VOCs在線監(jiān)測系統(tǒng),利用低溫預(yù)濃縮技術(shù)實時采集在線點位周邊環(huán)境空氣并輸入分析設(shè)備.設(shè)備放置在咸安區(qū)生態(tài)環(huán)境局大樓7樓,監(jiān)測期間室內(nèi)溫度保持在20～30℃.離線采樣時間為2018年8月25、27、30日和9月21、27、28日,每天于9:00和15:00使用內(nèi)壁惰性化處理的硅烷化不銹鋼SUMMA罐采樣兩次.點位選取綜合考慮了與環(huán)境監(jiān)測點的一致性以及全市產(chǎn)業(yè)結(jié)構(gòu)空間分布情況,確定為咸安區(qū)政府、森林公園、長江產(chǎn)業(yè)園、鳳凰產(chǎn)業(yè)園共4個站點.共采集樣品48個.VOCs分析參考HJ 759- 2015[25]以及EPA的TO-15[26]方法,利用GC-FID/MS氣相色譜-質(zhì)譜聯(lián)用儀對各類組分進(jìn)行檢測分析.數(shù)據(jù)審核(每日對環(huán)境樣品數(shù)據(jù)進(jìn)行有效性和準(zhǔn)確性審核)、日校準(zhǔn)(每日零點通入配制的標(biāo)準(zhǔn)氣體對設(shè)備進(jìn)行檢查)、設(shè)備維護(hù)等環(huán)節(jié)遵照HJ/T 193- 2005[27]執(zhí)行,確保分析結(jié)果的準(zhǔn)確性.

表1 咸寧市各監(jiān)測點位信息

1.2 基于觀測的模型

基于觀測的模型(OBM)是一種以觀測數(shù)據(jù)為基礎(chǔ)分析光化學(xué)污染過程的方法.與空氣質(zhì)量模型相比,OBM模型不依賴源清單,也不受源清單誤差的影響,可以快速、批量地進(jìn)行分析,從而判斷O3形成機(jī)制.但其不足之處在于,結(jié)果很大程度上依賴于觀測數(shù)據(jù)在時空上的代表性,并且不能區(qū)別本地生成和區(qū)域輸送的O3.將觀測數(shù)據(jù)導(dǎo)入OBM模型并計算,即可得到污染物在時空場內(nèi)的分布狀況,為經(jīng)驗動力學(xué)模擬法與相對增量反應(yīng)活性法提供數(shù)據(jù)基礎(chǔ)[28].

1.3 經(jīng)驗動力學(xué)模擬法判斷O3敏感性

O3的生成與NO和VOCs的活性均高度相關(guān).為判定這一非線性關(guān)系,利用OBM模型,設(shè)定不同初始濃度的NO和VOCs組合進(jìn)行計算,得到O3濃度.根據(jù)不同初始濃度的NO和VOCs所對應(yīng)的O3生成最大值,將其繪制為O3峰值的等濃度曲線,就能夠反映O3生成與前體物的非線性關(guān)系.該方法被稱為經(jīng)驗動力學(xué)模擬法(EKMA),繪制出的曲線稱為EKMA曲線,可通過下式定量研究城市O3濃度與其前體物敏感性關(guān)系:

NO-VOCs敏感性定義如下:(1)將EKMA曲線上的拐點連接成線,并將線上方的區(qū)域定義成VOCs控制區(qū),此區(qū)域內(nèi)削減VOCs能顯著降低O3濃度,且削減同比例的VOCs排放引起的O3濃度降幅顯著大于削減同比例NO導(dǎo)致的O3降幅;(2)將上述連接線下方的區(qū)域定義為NO控制區(qū),此區(qū)域內(nèi)削減NO能顯著降低O3濃度,且削減同比例的NO排放引起的O3濃度降幅顯著大于削減同比例VOCs導(dǎo)致的O3降幅;(3)介于NO控制區(qū)與VOCs控制區(qū)之間的區(qū)域被稱為過渡區(qū),此時削減NO排放和人為源VOCs排放均能有效控制O3濃度.O3濃度與 NO和VOCs排放的響應(yīng)關(guān)系具有高度的非線性.根據(jù)O3產(chǎn)生對 NO和VOCs的敏感性不同,可將O3生成分為NO控制區(qū)、VOCs控制區(qū)和過渡區(qū),針對O3污染控制區(qū)開展分區(qū)防控是目前O3污染防控的主要政策手段.我國典型城市群區(qū)域VOCs控制區(qū)和NO控制區(qū)分界線對應(yīng)的VOCs反應(yīng)活性與NO反應(yīng)活性的比值約為3:1～4:1[29].

1.4 相對增量反應(yīng)活性法

相對增量反應(yīng)活性(RIR)是評價O3前體物削減對O3生成效果影響的一個指標(biāo),通過估算各O3前體物的RIR來判定O3生成敏感性.假設(shè)大氣內(nèi)污染物充分混合.在部分物種(如O3,CO,NO,VOCs)實測逐時濃度數(shù)據(jù)的約束下,模擬大氣污染過程,計算未觀測物種(如自由基)的濃度隨時間的變化,反推NO和VOCs的源效應(yīng).在此基礎(chǔ)上,對源效應(yīng)進(jìn)行一定比例的削減,重新計算物種濃度隨時間的變化,比較O3生成潛勢(OPF)結(jié)果有何差異,再計算不同O3前體物的相對增量反應(yīng)活性[30]:

1.5 正矩陣因子分解受體模型

正矩陣因子分解(PMF)模型是一種基于因子分析的方法,其基本思路是把許多相關(guān)的因子經(jīng)過處理和簡化,用幾個相對較少的獨立因子綜合反映原來因子所包含的信息.PMF模型具有不需要測量源成分譜、分解矩陣中元素非負(fù)、可以利用數(shù)據(jù)標(biāo)準(zhǔn)偏差來進(jìn)行優(yōu)化等優(yōu)點.

于是定義:

式中:u為的標(biāo)準(zhǔn)偏差,約束條件和中的元素均為非負(fù)值,最優(yōu)化目標(biāo)是使值趨于自由度值,從而確定和.一般認(rèn)為為源的載荷,為主要污染源的源廓線[31].

2 結(jié)果與討論

2.1 咸寧市2018年O3污染狀況

圖為2018年各月咸寧市O3日最大8h滑動平均值的第90百分位數(shù),以及作為首要污染物的天數(shù)和超標(biāo)的天數(shù),該結(jié)果由4個監(jiān)測站點所測數(shù)據(jù)經(jīng)算數(shù)平均得到.咸寧市2018年各月中,除1月和12月外,O3均為當(dāng)月首要污染物,其中在6、8、9、10月,O3作為首要污染物的天數(shù)較多,分別達(dá)到22、26、24、21d.O3超標(biāo)日在3 ～ 10月各月均出現(xiàn),涉及春、夏、秋三季,其中超標(biāo)日數(shù)較多的8、9、6月分別有11、9、8d;7月雖然處于光化學(xué)反應(yīng)活躍的夏季,但由于降水較多,清除效應(yīng)使得O3超標(biāo)日數(shù)較少,僅有2d.6月的O3日最大8h滑動平均值的第90百分位數(shù)最大,達(dá)到205μg/m3,而12月最低,為78μg/m3;5～6月、8～10月的O3日最大8h滑動平均值的第90百分位數(shù)均--超過160μg/m3的標(biāo)準(zhǔn)限值,而3 ～ 4月也十分接近限值(均為156μg/m3).

如圖2可以看出,O3濃度較高(小時濃度3200μg/m3)時段主要集中在4～10月(7月除外)--------的12:00～20:00這一區(qū)間,部分污染日O3高值可持續(xù)到20:00以后.日峰值出現(xiàn)時間約為16:00前后.文獻(xiàn)[32]證明北京O3日峰值有逐漸提前趨勢,并推測與VOCs/NO比值減小有關(guān).O3的生成同NO、VOCs的光化學(xué)反應(yīng)及相關(guān)熱化學(xué)反應(yīng)有關(guān),輻射和氣溫這些氣象條件會影響日峰值出現(xiàn)的時間.咸寧市通常在12:00左右太陽輻射達(dá)到最強(qiáng),最高溫度出現(xiàn)在14:00左右,考慮化學(xué)反應(yīng)所需的時間,因此日峰值大多出現(xiàn)在16:00左右.

圖1 2018年O3污染月變化趨勢

圖2 2018年O3濃度時間分布特征

2.2 O3生成敏感性EKMA曲線分析

考慮到2018年9月21日～10月15日之間較嚴(yán)重的O3污染,本文使用OBM模型計算了此段時間內(nèi)O3生成與前體物VOCs和NO之間的關(guān)系,繪制EKMA曲線圖,識別O3生成的主控因子.在整個在線監(jiān)測期間,咸寧市O3日最大8h滑動平均值與VOCs和NO之間的非線性關(guān)系如圖3(a)所示.經(jīng)過該圖右上角頂點(VOCs和NO削減百分比均為0%時)的曲線,表示當(dāng)前環(huán)境大氣的O3日最大8h滑動平均值約為140μg/m3;當(dāng)僅令VOCs削減20%時,該值由原先的140μg/m3下降至120μg/m3;僅令NO削減20%時,該值由140μg/m3增加至約155μg/m3;令VOCs和NO同時削減20%時,該值基本不變.本文定義在線監(jiān)測期間咸寧市O3日最大8h滑動平均值超過160μg/m3為超標(biāo)日,低于160μg/m3為非超標(biāo)日,分別計算得到圖3(b)和(c)所示的超標(biāo)日與非超標(biāo)日的O3與前體物非線性關(guān)系.超標(biāo)日、非超標(biāo)日的O3日最大8h滑動平均值相差較大,濃度分別約為97、158μg/m3.從控制類型上看,超標(biāo)日和非超標(biāo)日的O3均處于VOCs控制區(qū),僅削減VOCs時,隨著削減比例的增大,O3濃度逐漸降低;僅削減NO時,O3濃度逐漸升高,但當(dāng)超標(biāo)日與非超標(biāo)日的削減比例分別升至40%和60%以上時,O3日最大8h滑動平均值又會隨削減比例增加而出現(xiàn)降低趨勢.

以上分析說明咸寧市O3生成處于VOCs控制區(qū),削減VOCs可以抑制O3生成;同時削減VOCs和NO,O3日最大8h滑動平均值基本持平,說明兩種前體物削減效果相抵消;而若僅削減NO,此值則會不降反升,且增幅較大.這一結(jié)果較為符合典型城市區(qū)域的特點,即城區(qū)為VOCs敏感區(qū)和O3主要貢獻(xiàn)區(qū)[33].

圖3 在線觀測期間整體、超標(biāo)日與非超標(biāo)日的O3與其前體物EKMA曲線

2.3 RIR分析

根據(jù)OBM模型計算結(jié)果,對咸寧市在線監(jiān)測期間進(jìn)行相對增量反應(yīng)活性的分析.預(yù)設(shè)對各類前體物的源效應(yīng)進(jìn)行10%比例的削減,然后計算對O3生成有重要貢獻(xiàn)的各類前體物的相對增量反應(yīng)活性(RIR),包括NO、天然源VOCs(NHC)、人為源VOCs (AHC)以及一氧化碳(CO),其計算結(jié)果如圖4(a)所示,反映了咸寧市O3光化學(xué)生成控制因素的總體特征.當(dāng)分別對O3前體物NHC、AHC和CO進(jìn)行削減時,RIR值分別為0.1、0.88和0.12,說明3種成分均能抑制O3生成,其中人為源VOCs作用最顯著;僅削減NO時,RIR值為-0.93,顯示出NO對O3生成具有較強(qiáng)促進(jìn)作用.這再次說明咸寧市處于典型的VOCs控制區(qū),且對人為源VOCs較為敏感.在此基礎(chǔ)上,分別定量計算了5種不同種類的人為源VOCs對O3的相對增量反應(yīng)活性,主要包括烷烴類(PARP)、烯烴類(OLEP)、乙烯(ETHP)、甲苯類(TOL)、二甲苯類(XYL),如圖4(b).由圖可見,對每一物種單獨削減10%,削減效應(yīng)由小到大分別為甲苯類(TOL)、乙烯(ETHP)、烷烴類(PARP)、烯烴類(OLEP)、二甲苯類(XYL),所對應(yīng)的RIR值分別為0.026、0.104、0.115、0.238、0.271,表明二甲苯類芳香烴和烯烴對O3生成潛勢的貢獻(xiàn)較大.

圖4 各類前體物與主要人為VOCs物種濃度削減10%后的RIR

2.4 VOCs的PMF源解析

鑒于咸寧市O3主要對VOCs敏感,本文進(jìn)一步綜合考慮了濃度水平、測量精度、示蹤意義等指標(biāo),篩選出25種擬合物種以解析各類排放源對咸寧市環(huán)境大氣VOCs濃度的相對貢獻(xiàn),包括8種烷烴、4種烯炔烴、5種芳香烴、4種鹵代烴以及4種OVOCs.共解析出5大類源,分別為工業(yè)排放、燃燒源、機(jī)動車排放、溶劑使用和植物源,結(jié)果見圖5.因子1中二氯甲烷、1,2-二氯乙烷和1,2-二氯丙烷等鹵代烴為優(yōu)勢物種,同時丙酮和2-丁酮也有較高的因子解釋度,這些組分在工業(yè)上均有較為廣泛的運用,因此將因子1識別為工業(yè)排放源.因子2中對一些與燃燒排放相關(guān)的組分(乙烷、丙烷、乙烯、乙炔和苯)濃度變化的解釋率均在20%以上,其中乙烷、丙烷及乙炔、苯的解釋率在50%以上,因此將因子2識別為燃燒源.因子3中既有C2 ～ C6烷烴,也有乙烯、丙烯、1-丁烯和順、反-2-丁烯等C4烯烴、乙炔、MTBE、苯和甲苯,MTBE是一種高辛烷值汽油添加劑,異戊烷是汽油揮發(fā)的示蹤物種,正戊烷、異丁烷等同時存在于汽油揮發(fā)和機(jī)動車尾氣中,乙烯、丙烯、乙炔、1-丁烯等是汽油燃燒的產(chǎn)物,因而因子3具有明顯的機(jī)動車尾氣排放特征.因子4中主要組分為C7 ～ C8芳香烴(甲苯、乙苯、間/對二甲苯和鄰二甲苯)主要來自涂料和溶劑使用,因而將因子4識別為與溶劑使用相關(guān)的排放源.因子5主要物種為異戊二烯,在夏季主要來自植被排放,冬季可能來自交通和工業(yè)排放,由于監(jiān)測時間為夏秋季,因此將因子5歸為植物源.除各類源中都占比較高的丙酮類外,含量較少但影響顯著的物種需要重點關(guān)注.結(jié)合RIR分析可知兩種OFP較高的人為成分的來源:二甲苯類芳香烴絕大部分來自溶劑使用;烯烴類主要來自燃燒源,另有少部分來自機(jī)動車尾氣和溶劑使用.

圖5 污染源成分譜

經(jīng)PMF模型解析,對咸寧市主要的5類VOCs排放源的分擔(dān)率進(jìn)行量化,給出各站點總和與單獨的離線VOCs數(shù)據(jù)PMF解析結(jié)果分擔(dān)率(圖6).分擔(dān)率是描述排放源對O3濃度貢獻(xiàn)的定量比值率,對控制污染排放具有較強(qiáng)的指示意義.對于咸寧市而言,工業(yè)排放是最主要的排放源,總VOCs分擔(dān)率達(dá)57.3%,各站點也均過半.由于森林公園站植被茂盛,且受夏秋季氣溫影響,植物源排放影響較大[34],造成總體植物源分擔(dān)率15.7%,居第二位.鳳凰產(chǎn)業(yè)園站點溶劑使用分擔(dān)率為20.5%,明顯較高,與當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)密切相關(guān).機(jī)動車尾氣和燃燒源分擔(dān)率總體相當(dāng),交通稠密的咸安區(qū)政府站機(jī)動車尾氣分擔(dān)率較高,工業(yè)需求旺盛的長江產(chǎn)業(yè)園站點燃燒源分擔(dān)率較高.結(jié)合以上分析可知,今后對咸寧市VOCs減排措施應(yīng)以工業(yè)排放控制為主,并采取因地制宜措施治理其他排放源,如對工業(yè)園區(qū)重點控制燃燒源和溶劑使用,對人口稠密區(qū)重點控制烯烴類排放.

圖6 污染源分擔(dān)率

表2 O3超標(biāo)和非超標(biāo)情況下污染源分擔(dān)率的變化

此外,將O3超標(biāo)日和非超標(biāo)日區(qū)分,討論兩種情況下植物源、溶劑使用、機(jī)動車排放、燃燒源以及工業(yè)排放對O3濃度貢獻(xiàn)的定量比值率變化,結(jié)果如表2所示.可見,當(dāng)O3污染加重時,植物源的貢獻(xiàn)率將大幅度增加,從11.2%增至21.0%,增加值為9.8%;溶劑使用和燃燒源的貢獻(xiàn)率也有小幅度的增加,分別增加1.8%和1.9%;機(jī)動車尾氣和工業(yè)排放的貢獻(xiàn)率卻有一定程度的降低,分別降低2.4%和10.9%.從此結(jié)果來看,當(dāng)前咸寧市的O3控制較為合理,并未存在因大量工業(yè)源排放造成的大面積O3污染情況;然而目前O3超標(biāo)時植物源排放的貢獻(xiàn)較為顯著,對此可以綜合統(tǒng)籌咸寧市的綠植分布,選取VOCs排放率低的物種,優(yōu)化植被布局,從而減輕O3污染.

3 結(jié)論

3.1 2018年咸寧市O3污染超標(biāo)發(fā)生的月份覆蓋3月至10月,其中6、8、9、10月O3污染濃度較高且持續(xù)時間較長,超標(biāo)天數(shù)分別達(dá)到22、26、24、21d;高濃度時段集中于4月至10月每日12:00 ～ 20:00,峰值出現(xiàn)時間約為16:00前后.

3.2 基于在線監(jiān)測期間的經(jīng)驗動力學(xué)模擬法(EKMA)分析O3敏感性,分別對VOCs、NO以及二者同時削減20%,咸寧O3日最大8h滑動平均值分別由140μg/m3下降至120μg/m3、由140μg/m3增加至約155μg/m3、基本不變.超標(biāo)日、非超標(biāo)日的O3日最大8h滑動平均值相差較大,濃度分別約為97、158μg/m3.據(jù)此得出,咸寧市處在VOCs控制區(qū),削減VOCs排放能有效減少O3生成,削減NO排放反而會促進(jìn)O3濃度上升.

3.3 為分析相對增量反應(yīng)活性(RIR),分別對O3前體物NHC、AHC和CO進(jìn)行削減, 得到RIR值分別為0.1、0.88和0.12,判定咸寧市的O3生成對人為源VOCs最為敏感;對人為源VOCs中的5類物種分別單獨削減10%,削減效應(yīng)由小到大分別為TOL、ETHP、PARP、OLEP、XYL,所對應(yīng)的RIR值分別為0.026、0.104、0.115、0.238、0.271,說明二甲苯類芳香烴對O3生成潛勢貢獻(xiàn)最顯著,其次是烯烴類.

3.4 PMF解析結(jié)果顯示咸寧市工業(yè)排放是最為主要的排放源(總VOCs分擔(dān)率達(dá)57.3%),各離線監(jiān)測點工業(yè)排放貢獻(xiàn)均較高,森林公園站點植物源高于其他站點,咸安區(qū)政府站點機(jī)動車排放明顯高于其他站點,鳳凰工業(yè)園和長江工業(yè)園分別有較高的溶劑使用和燃燒源貢獻(xiàn).當(dāng)O3超標(biāo)情況出現(xiàn)時,植物源的貢獻(xiàn)增加明顯,因此在治理咸寧市O3污染時應(yīng)適當(dāng)考慮植被的優(yōu)化.

[1]Lippmann M. Health effects of ozone: A critical review [J]. Journal of Air Pollution Control Association, 1989,39(5):672-695.

[2]Seinfeld J H, Pandis S N. Atmospheric chemistry and physics: From air pollution to climate change Edition No. 3 [M]. Malden, USA: Wiley, 2016:1152.

[3]邵 敏,董 東.我國大氣揮發(fā)性有機(jī)物污染與控制 [J]. 環(huán)境保護(hù), 2013,41(5):29-32.

Shao M, Dong D. Atmospheric VOCs pollution and its control in China [J]. Environmental Protection, 2013,41(5):29-32.

[4]Derwent R G, Jenkin M E, Saunders S M. Photochemical ozone creation potentials for a large number of reactive hydrocarbons under European conditions [J]. Atmospheric Environment, 1996,30(2):181- 199.

[5]賈 龍,葛茂發(fā),徐永福,等.大氣臭氧化學(xué)研究進(jìn)展 [J]. 化學(xué)進(jìn)展, 2006,18(11):1565-1574.

Jia L, Ge M F, Xu Y F, et al. Advances in atmospheric ozone chemistry [J]. Progress in Chemistry, 2006,18(11):1565-1574.

[6]Clarke J F, Ching J K S. Aircraft observations of regional transport of ozone in the northeastern United States [J]. Atmospheric Environment (1967), 1983,17(9):1703-1712.

[7]安俊琳,王躍思,李 昕,等.北京大氣中NO, NO2和O3濃度變化的相關(guān)性分析 [J]. 環(huán)境科學(xué), 2007,28(4):706-711.

An J L, Wang Y S, Li X, et al. Analysis of the relationship between NO, NO2and O3concentrations in Beijing [J]. Environmental Science, 2007,28(4):706-711.

[8]Wang T, Ding A J, Gao J, et al. Strong ozone production in urban plumes from Beijing, China [J]. Geophysical Research Letters, 2006, 33(21):L21806.

[9]武衛(wèi)玲,薛文博,雷 宇,等.基于OMI數(shù)據(jù)的京津冀及周邊地區(qū)O3生成敏感性 [J]. 中國環(huán)境科學(xué), 2018,38(4):1201-1208.

Wu W L, Xue W B, Lei Y, et al. Sensitivity analysis of ozone in Beijing-Tianjin-Hebei (BTH) and its surrounding area using OMI satellite remote sensing data [J]. China Environmental Science, 2018, 38(4):1201-1208.

[10]Wang, X K, Lu W Z, Wang W J, et al. A study of ozone variation trend within area of affecting human health in Hong Kong [J]. Chemosphere, 2003,52(9):1405-1410.

[11]Matus K, Nam K M, Selin N E, et al. Health damages from air pollution in China [J]. Global Environmental Change, 2012,22(1):55- 66.

[12]劉 建,吳 兌,范紹佳,等.前體物與氣象因子對珠江三角洲臭氧污染的影響 [J]. 中國環(huán)境科學(xué), 2017,37(3):813-820.

Liu J, Wu D, Fan S J, et al. Impacts of precursors and meteorological factors on ozone pollution in Pearl River Delta [J]. China Environmental Science, 2017,37(3):813-820.

[13]郝吉明,王麗濤,李 林,等.北京市能源相關(guān)大氣污染源的貢獻(xiàn)率和調(diào)控對策分析 [J]. 中國科學(xué):地球科學(xué), 2005,35(增刊I):115-122.

Hao J M, Wang L T, Li L, et al. Analysis of the contribution rate and control countermeasures of energy-related air pollution sources in Beijing [J]. Science in China (Series D), 2005,35(Supplement I):115- 122.

[14]Wolf K, Cyrys J, Harciníková T, et al. Land use regression modeling of ultrafine particles, ozone, nitrogen oxides and markers of particulate matter pollution in Augsburg, Germany [J]. Science of the Total Environment, 2016,579(1):1531-1540.

[15]Silva S J, Heald C L. Investigating dry deposition of ozone to vegetation [J]. Journal of Geophysical Research: Atmospheres, 2018, 123(1):559-573.

[16]沈利娟,李 莉,呂 升,等.2013年夏季嘉興市一次光化學(xué)事件的觀測分析 [J]. 環(huán)境科學(xué), 2014,35(5):1662-1670.

Shen L J, Li L, Lyu S, et al. Observation of a photochemical event in Jiaxing during summer 2013 [J]. Environmental Science, 2014,35(5): 1662-1670.

[17]吳 鍇,王浩霖,王式功,等.2015～2016年中國城市臭氧濃度時空變化規(guī)律研究 [J]. 環(huán)境科學(xué)學(xué)報, 2018,38(6):2179-2190.

Wu K, Wang H L, Wang S G, et al. Pollution status and spatio- temporal variations of ozone in China during 2015～2016 [J]. Acta Scientiae Circumstantiae, 2018,38(6):2179-2190.

[18]王雪松,李金龍,張遠(yuǎn)航,等.北京地區(qū)臭氧污染的來源分析 [J]. 中國科學(xué):化學(xué), 2009,39(6):548-559.

Wang X S, Li J L, Zhang Y H, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China [J]. Science in China (Series B), 2009,39(6):548-559.

[19]林燕芬,黃 侃,黃蕊珠,等.基于VOCs加密監(jiān)測的上海典型臭氧污染過程特征及成因分析 [J]. 環(huán)境科學(xué)學(xué)報, 2019,39(1):126-133.

Lin Y F, Huang K, Huang R Z, et al. Typical ozone pollution process and source identification in Shanghai based on VOCs intense measurement [J]. Acta Scientiae Circumstantiae, 2019,39(1):126-133.

[20]梁永賢,尹魁浩,胡泳濤,等.深圳地區(qū)臭氧污染來源的敏感性分析 [J]. 中國環(huán)境科學(xué), 2014,34(6):1390-1396.

Liang Y X, Yin K H, Hu Y T, et al. Sensitivity analysis of ozone precursor emission in Shenzhen, China [J]. China Environmental Science, 2014,34(6):1390-1396.

[21]郝偉華,王文勇,張迎春,等.成都市臭氧生成敏感性分析及控制策略的制定 [J]. 環(huán)境科學(xué)學(xué)報, 38(10):3894-3899.

Hao W H, Wang W Y, Zhang Y C, et al. Analysis of ozone generation sensitivity in Chengdu and establishment of control strategy [J]. Acta Scientiae Circumstantiae, 38(10):3894-3899.

[22]楊笑笑,湯莉莉,張運江,等.南京夏季市區(qū)VOCs特征及O3生成潛勢的相關(guān)性分析 [J]. 環(huán)境科學(xué), 2016,37(2):443-451.

Yang X X, Tang L L, Zhang Y J, et al. Correlation analysis between characteristics of VOCs and ozone formation potential in summer in Nanjing Urban District [J]. Environmental Science, 2016,37(2):443- 451.

[23]沈龍嬌,胡 柯,項 萍,等.武漢市一次典型臭氧污染過程特征,成因及VOCs來源分析 [C]//第二屆環(huán)境監(jiān)測與預(yù)警技術(shù)交流會暨中國環(huán)境科學(xué)學(xué)會環(huán)境監(jiān)測專業(yè)委員會2018年學(xué)術(shù)年會, 2018.

Shen L J, Hu K, Xiang P, et al. Analysis of characteristics, causes and sources of VOCs in a typical ozone pollution process in Wuhan [C]// The 2nd environmental monitoring and early warning technology exchange conference and the 2018 academic annual meeting of the Environmental Monitoring Professional Committee of the Chinese Society of Environmental Sciences, 2018.

[24]曾 沛,郭 海,梁勝文,等.武漢市大氣VOCs污染特征及其對臭氧生成的影響 [J]. 環(huán)境科學(xué)與技術(shù), 2018,41(7):117-124.

Zeng P, Guo H, Liang S W, et al. Ambient volatile organic compounds and their contributions to ozone formation in Wuhan [J]. Environmental Science & Technology, 2018,41(7):117-124.

[25]HJ 759-2015 環(huán)境空氣揮發(fā)性有機(jī)物的測定罐采樣/氣相色譜-質(zhì)譜法 [S].

HJ 759-2015 Ambient air - Determination of volatile organic compounds - Collected by specially-prepared canistersand analyzed by gas chromatography/mass spectrometry [S].

[26]Toxic Organics - 15 (TO-15), Compendium of methods for the determination of toxic organic compounds in ambient air [S].

[27]HJ/T 193-2005 環(huán)境空氣質(zhì)量自動監(jiān)測技術(shù)規(guī)范 [S].

HJ/T 193-2005 Automated methods for ambient air quality monitoring [S].

[28]高東峰,張遠(yuǎn)航,曹永強(qiáng).應(yīng)用OBM模型研究廣州臭氧的生成過程 [J]. 環(huán)境科學(xué)研究, 2007,20(1):47-51.

Gao D F, Zhang Y H, Cao Y Q. Process analysis of ozone formation in Guangzhou: Application of observation based model [J]. Research of Environmental Sciences, 2007,20(1):47-51.

[29]蔣美青,陸克定,蘇 榕,等.我國典型城市群O3污染成因和關(guān)鍵VOCs活性解析 [J]. 科學(xué)通報, 2018,63(12):1130-1141.

Jiang M Q, 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.

[30]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.

[31]Paatero P, Tapper U. Positive matrix factorization: A non-negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 1994,5(2):111-126.

[32]朱 彬,安俊琳,王自發(fā),等.光化學(xué)臭氧日變化特征與其前體物關(guān)系的探討 [J]. 南京氣象學(xué)院學(xué)報, 2006,29(6):744-749.

Zhu B, An J L, Wang Z F, et al. Relations of diurnal variations of photochemical ozone to its precursors [J]. Journal of Nanjing Institute of Meteorology, 2006,29(6):744-749.

[33]唐孝炎,張遠(yuǎn)航,邵 敏.大氣環(huán)境化學(xué)[M]. 2版.北京:高等教育出版社, 2006:739.

Tang X Y, Zhang Y H, Shao M. Atmospheric environmental chemistry [M]. 2nd edition. Beijing: Higher Education Press, 2006:739.

[34]肖 龍,王 帥,周 穎,等.中國典型背景站夏季VOCs污染特征及來源解析 [J]. 中國環(huán)境科學(xué), 2021,41(5):2014-2027.

Xiao L, Wang S, Zhou Y, et al. The characteristics and source apportionments of VOCs at typical background sites during summer in China [J]. China Environmental Science, 2021,41(5):2014-2027.

Analysis of the ozone sensitivity and source appointment in Xianning, Hubei Province.

REN Jun-yu1, ZHU Kuan-guang2, XIE Min1*, LIU Wei2, GAO Da1, CHEN Jia-sheng1, JIN Yu-ning1, ZHAO Run-qi1, ZHANG Lin-tao1

(1.School of Atmospheric Sciences, Nanjing University, Nanjing 210023, China；2.Hubei Provincial Academy of Environmental Science, Wuhan 430072, China)., 2021,41(9)：4060～4068

This research introduced statistical analysis methods and surface ozone data in 2018 to gain the knowledge about the ozone pollution characteristics in Xianning, Hubei Province. The ozone concentrations exceeded the national standards at days from March to October, especially in June, August, September and October when persistent heavy ozone pollution occurred. From April to July, the daily ozone high concentrations occurred between 12:00 and 20:00, and usually achieved the daily peak around 16:00. The Observation-Based Model (OBM) is designed and tools such as Empirical Kinetic Modeling Approach (EKMA) and Relative Incremental Reactivity (RIR) were included to calculate the ozone chemical sensitivity. It was found that the ozone formation in Xianning was VOCs-limited and seemed to be more sensible to two important anthropogenic VOCs species—xylene (XYL) and alkene (OLEP). After 10% cut of the emissions of xylene and alkene VOC species, the RIR values produced 0.271 and 0.238, respectively. Offline VOCs monitoring data was used in the PMF method and 5types of sources are appointed. It is found that industrial emissions contributed most to ozone pollution. xylene and alkene mainly came from solvent usage and combustion sources, respectively, which were the main VOC pollutants that should be controlled. During the ozone exceeding days, there were 9.8%, 1.8% and 1.9% more contributions from vegetation, solvent and biomass burning, while 2.4% and 10.9% less contributions from vehicles and industrial sections.

ozone；ozone precursor；ozone sensitivity；VOCs；OBM；PMF

X511

A

1000-6923(2021)09-4060-09

任俊宇(1996-),男,陜西西安人,南京大學(xué)大氣科學(xué)學(xué)院碩士研究生,主要從事城市臭氧與顆粒物污染研究.

2021-01-26

國家重點研發(fā)計劃項目(2018YFC0213502,2018YFC1506404);國家自然科學(xué)基金資助面上項目(41475122);重慶市氣象局開放式研究基金資助項目(KFJJ-201607)

* 責(zé)任作者, 副教授, minxie@nju.edu.cn