卞錦婷，黃 凌*，李紅麗，李 瑞，姜 森，廖加強，王楊君*，李 莉

1.上海大學(xué)環(huán)境與化學(xué)工程學(xué)院，上海 200444

2.上海大學(xué)，有機復(fù)合污染控制工程教育部重點實驗室，上海 200444

近年來，隨著我國細(xì)顆粒物(PM2.5)污染狀況的顯著改善，臭氧(O3)逐漸成為影響城市和區(qū)域優(yōu)良天的主要因子[1-2].我國大氣污染類型逐步從高濃度的單一污染物污染轉(zhuǎn)變?yōu)橐訮M2.5和O3為特征的復(fù)合污染[3]，目前是我國許多城市面臨的大氣環(huán)境問題之一[4-6].PM2.5和O3之間存在復(fù)雜的耦合作用[7]，主要表現(xiàn)為以下幾點：①二者存在共同的前體物—氮氧化物(NOx)和VOCs (volatile organic compounds，揮發(fā)性有機化合物)[8-10].②PM2.5中的化學(xué)組分(如硫酸鹽、硝酸鹽和元素碳等)具有很強的消光能力[11]，可通過影響光輻射通量改變光解速率進(jìn)而影響O3生成[12-17].③PM2.5表面的非均相反應(yīng)，會通過NOx、N2O5、·OH、HO2·、O3的生成和消耗以及鹵素自由基的生成影響O3濃度[17].④O3濃度的升高導(dǎo)致大氣氧化性增強，從而促進(jìn)二次顆粒物的生成[8].因此，PM2.5和O3的協(xié)同控制存在一定的困難[7].

空氣質(zhì)量模型是研究大氣物理化學(xué)的重要手段之一，可以模擬大氣污染物的時空分布和不同污染物之間的物理化學(xué)過程.現(xiàn)有的研究基于空氣質(zhì)量模型對不同地區(qū)[18-19]、不同排放源[20-22]及未來排放情景[23-24]開展空氣質(zhì)量模擬，為環(huán)境影響和政策評估提供評價依據(jù)[25].例如，Kang等[26]使用區(qū)域多尺度空氣質(zhì)量模型(CMAQ模型)模擬了我國2017年1月和7月VOCs和NOx的減排效果，發(fā)現(xiàn)NOx的減少可降低夏季但增加冬季的MDA8 O3濃度，而VOCs的減排對二次無機氣溶膠無效.Wang等[19]結(jié)合2020年1月1日—2月17日新冠肺炎疫情前后時間段的觀測數(shù)據(jù)和WRF-Chem模擬結(jié)果發(fā)現(xiàn)，由于人為活動的大幅下降，長三角地區(qū)NOx排放的減少導(dǎo)致O3的升高并進(jìn)一步促進(jìn)二次氣溶膠的生成，而同樣的減排在珠三角地區(qū)表現(xiàn)為O3濃度的下降.

上海市位于地勢平坦的長三角地區(qū)，截至2020年常住人口達(dá)2 488.36萬[27]，是中國經(jīng)濟(jì)最發(fā)達(dá)、人口最密集的地區(qū)之一[28-29].近年來隨著《大氣污染防治行動計劃》《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》等一系列政策的出臺與實施，長三角地區(qū)PM2.5濃度呈現(xiàn)逐年改善的趨勢，但仍然高于世界衛(wèi)生組織的建議值 (5 μg/m3).同時，長三角地區(qū) O3問題日益嚴(yán)重[30]，PM2.5和O3復(fù)合污染時有發(fā)生.如何有效削減復(fù)合污染時段PM2.5和O3的峰值濃度，制定科學(xué)的前體物減排路徑是亟需解決的問題.以上海市2018年4月27—30日的PM2.5和O3復(fù)合污染案例為研究對象，研究NOx和VOCs排放變化對污染案例時段PM2.5和O3的削峰效果，并設(shè)置多個減排情景(包括本地減排、提前減排和區(qū)域減排)，評估最優(yōu)削峰路徑，以期為上海市PM2.5和O3協(xié)同控制提供依據(jù).

1 材料與方法

1.1 模型的設(shè)置和輸入

該研究使用氣象模式WRF v4.0和空氣質(zhì)量模型CMAQ v5.3.2進(jìn)行空氣質(zhì)量模擬.設(shè)置三層嵌套域(d01、d02和d03)，其網(wǎng)格分辨率分別為36 km×36 km、12 km×12 km和4 km×4 km，其中d03覆蓋了長三角地區(qū)三省一市及周邊部分地區(qū)(見圖1)，由192×216個水平網(wǎng)格單元和14個垂直層組成.d01和d02均采用清華大學(xué)2017年的MEIC清單(http://www.meicmodel.org)，d03層人為源排放清單數(shù)據(jù)來自2017年長三角地區(qū)41個城市的統(tǒng)計年鑒及相關(guān)生態(tài)環(huán)境統(tǒng)計數(shù)據(jù)，包括工藝過程、工業(yè)鍋爐爐窯、電廠、機動車、民用源、溶劑使用、溶劑儲存、揚塵源、農(nóng)業(yè)和生物質(zhì)燃燒10個排放源，通過SMOKE v3.7進(jìn)行網(wǎng)格化分配[31-32].天然源VOCs排放基于MEGAN 3.1得到.CMAQ v5.3.2采用CB6化學(xué)機制和AERO7氣溶膠機制.本研究選取上海市徐匯上師大站點、寶山廟行站點、金山新城站點、青浦淀山湖站點和浦東惠南站點等5個國控站點(見圖1)作為上海市代表性站點進(jìn)行分析.

通過統(tǒng)計2017—2021年上海市PM2.5日均濃度和MDA8 O3濃度發(fā)現(xiàn)，2018年4月是2017—2021年發(fā)生復(fù)合污染天數(shù)最多的月份，其中2018年4月27—30日連續(xù)4 d發(fā)生復(fù)合污染(PM2.5日均濃度和MDA8 O3濃度均超過GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級標(biāo)準(zhǔn)限值).因此，該研究選取2018年4月24—30日包含復(fù)合污染日的時段為模擬時段，并提前模擬5 d用于穩(wěn)定模型.

該研究在基準(zhǔn)情景的基礎(chǔ)上設(shè)計4種減排方案(見表1).方案Ⅰ (SⅠ)對上海市增設(shè)24組(S1～S24)減排情景，NOx和VOCs排放比例分別為20%、40%、60% 、80% 和100%.方案Ⅱ (SⅡ)對4 種人為源VOCs〔烷烴、烯烴、含氧VOCs (OVOCs)和芳香烴〕分別實施減排，共設(shè)置16組減排情景(S25～S40)，研究O3對不同VOCs物種減排的敏感性.方案Ⅲ (SⅢ)在復(fù)合污染日的前3 d(即4月24日起)對VOCs減排(排放比例為20%、40%、60%和80%)，減排情景為S41～S44，研究提前減排對復(fù)合污染日PM2.5和MDA8 O3峰值濃度的影響.方案Ⅳ (SⅣ)設(shè)計上海市及其周邊區(qū)域(包括南通市、蘇州市、嘉興市、紹興市、杭州市和寧波市)的聯(lián)合減排方案，設(shè)置4組減排情景(S45～S48)，分析區(qū)域減排對上海市及其周邊區(qū)域O3和PM2.5濃度的影響.

1.2 觀測數(shù)據(jù)及模式驗證

氣象監(jiān)測數(shù)據(jù)來自國家氣象信息中心(http://data.cma.cn)，包括風(fēng)速(WS，m/s)、溫度 (T，℃)和相對濕度(RH，%)等小時數(shù)據(jù).該研究使用的PM2.5和O3的小時濃度監(jiān)測數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站的全國城市空氣質(zhì)量實時發(fā)布平臺(http://106.37.208.233:20035).

該研究提取2018年4月24—30日上海市、杭州市、嘉興市、南通市、紹興市、蘇州市和寧波市的WRF氣象參數(shù)(溫度、相對濕度和風(fēng)速)與監(jiān)測數(shù)據(jù)進(jìn)行對比.同時對7個城市CMAQ模擬的污染物濃度與地面監(jiān)測數(shù)據(jù)進(jìn)行對比檢驗，以驗證模型模擬的準(zhǔn)確性.主要統(tǒng)計指標(biāo)包括平均偏差(MB)、標(biāo)準(zhǔn)平均偏差(NMB)、均方根誤差(RMSE)和相關(guān)系數(shù)(r)，其計算公式如式(1)～(4)所示.

式中，N為參與評估的T、RH、WS、PM2.5或O3模擬值與監(jiān)測值的匹配對個數(shù)，Mi和Oi分別為i時刻T、RH、WS、PM2.5濃度或O3濃度的模型模擬值和對應(yīng)監(jiān)測值，M和O分別為N個T、RH、WS、PM2.5濃度或O3濃度模擬值和監(jiān)測值的平均值，均使用小時值參與計算.

1.3 VOCs/NOx減排比例的確定

基于基礎(chǔ)情景與方案Ⅰ情景的模擬結(jié)果，建立PM2.5和 MDA8 O3濃度與前體物(NOx和VOCs)排放量變化之間的響應(yīng)關(guān)系，獲取EKMA曲線，實現(xiàn)目標(biāo)污染物的敏感性分析.基于EKMA曲線構(gòu)建目標(biāo)污染物對NOx和VOCs排放比例的擬合方程，當(dāng)?[O3]/?[NOx]=0時，獲得目標(biāo)污染物的PR值(峰值率).PR值表示當(dāng)VOCs保持不變、只改變NOx排放比例時，PM2.5或MDA8 O3濃度取到最大值所對應(yīng)的NOx排放比例[33].若PR＜1，則判定為VOCs控制，說明該區(qū)域在當(dāng)前情況下，單獨削減NOx會引起O3或PM2.5濃度的上升；反之，當(dāng)PR＞1時表示該區(qū)域為NOx敏感區(qū)，削減NOx有利于污染物濃度的下降.使用VNr[34](VOCs與NOx減排比的最小值)作為基礎(chǔ)情景下控制MDA8 O3濃度不上升的最小VOCs與NOx減排比，VNr值為MDA8 O3濃度等值線在基準(zhǔn)排放原點處(VOCs和NOx排放比例均為100%)的切線斜率.

2 結(jié)果與討論

2.1 模擬結(jié)果校驗

上海市、杭州市、嘉興市、南通市、紹興市、蘇州市和寧波市的氣象因子(T、RH和WS)驗證統(tǒng)計參數(shù)如表2所示.由表2可知，模擬期間，除上海市、杭州市和紹興市WS的模擬值與監(jiān)測值的相關(guān)性系數(shù)(r)(分別為0.66、0.73和0.66)略低外，其余氣象因子的模擬結(jié)果與監(jiān)測數(shù)據(jù)的r值均在0.8以上，這說明氣象模擬具有較高的準(zhǔn)確性.

表2 WRF氣象因子準(zhǔn)確性檢驗Table 2 Validation of meteorological parameters for WRF simulation

選取上海市4個國控站點(分別為虹口站點、靜安監(jiān)測站站點、青浦淀山湖站點和徐匯上師大站點)進(jìn)行污染物濃度驗證(見圖2)，結(jié)果表明，CMAQ模型可以較好地重現(xiàn)2018年4月24—30日上海市PM2.5和O3濃度的變化趨勢.O3和PM2.5濃度模擬值與監(jiān)測值的相關(guān)性系數(shù)(r)分別為0.72～0.84和0.61～0.73.杭州市、紹興市、嘉興市、寧波市、蘇州市和南通市的污染物模擬驗證中，南通市O3和PM2.5的模擬濃度在一定程度上被低估(NMB分別為—36.6%和—34.4%)(見表3)，其余5個城市PM2.5和O3的NMB均在±30%以內(nèi).整體來看，CMAQ模型模擬效果較好，可用于后續(xù)情景分析.

表3 不同城市CMAQ基準(zhǔn)情景中PM2.5和O3濃度校驗結(jié)果Table 3 Validation of PM2.5 and O3 concentrations in CMAQ base case results in different cities

圖2 上海市不同站點PM2.5和O3濃度監(jiān)測值和模擬值的相關(guān)性Fig.2 Correlation between monitoring values and simulated values of PM2.5 and O3 concentrations at different stations in Shanghai

2.2 O3和PM2.5敏感性分析

選取上海市寶山廟行站點、徐匯上師大站點、浦東惠南站點、金山新城站點和青浦淀山湖站點5個代表性站點(見圖1)，討論PM2.5與MDA8 O3對前體物排放的敏感性.其中寶山廟行站點附近的工業(yè)源NOx排放量較大；徐匯上師大站點位于城區(qū)，機動車排放較為突出；浦東惠南站點位于郊區(qū)且沿海；金山新城站點位于化工園區(qū)附近，VOCs排放量大；青浦淀山湖站點位于郊區(qū)，且在江浙滬交界處.上海市5個站點的PR值如表4所示.浦東惠南站點MDA8 O3的PR＞1，即處于NOx控制區(qū)，VOCs與NOx的減排對污染控制均有利，且削減NOx更有利于污染物濃度的下降.其余4個站點的MDA8 O3PR值均小于1，即處于VOCs控制區(qū).與城區(qū)站點(徐匯上師大站點)相比，金山新城站點和青浦淀山湖站點的PR值更大，意味著當(dāng)VOCs排放不變，減少NOx排放可更快從VOCs敏感區(qū)轉(zhuǎn)變?yōu)镹Ox敏感區(qū).VOCs排放不變，若要將MDA8 O3濃度控制在當(dāng)前水平以下，青浦淀山湖站點、徐匯上師大站點和金山新城站點NOx排放需控制在當(dāng)前的40%～50%以下，寶山廟行站點需控制在30%以下(見圖3).對于PM2.5，各站點的PR值均大于1，表明減少NOx或VOCs均能降低PM2.5濃度.

表4 上海市不同站點MDA8 O3和PM2.5的PR值Table 4 The PR values for MDA8 O3 and PM2.5 at different stations in Shanghai

2.3 本地減排對污染物濃度削峰的影響

2.3.1 本地減排對MDA8 O3濃度的影響

前體物排放變化導(dǎo)致MDA8 O3濃度變化范圍為—17.0～9.3 μg/m3(見圖3).當(dāng) VOCs 減排 80%、NOx不減排時，MDA8 O3濃度降幅最大，平均下降7.6 μg/m3(降幅為4.4%)，其中寶山廟行站點降幅最大.青浦淀山湖站點MDA8 O3濃度對上海市NOx和VOCs排放變化的響應(yīng)較小 (變化范圍為—0.8～2.0 μg/m3)，由于該站點位于江浙滬的交界地帶，受上海市本地排放的影響相對較小.除浦東惠南站點外，其余4個站點均處在VOCs敏感區(qū)，單獨減排NOx會引起O3濃度反彈，其中寶山廟行站點的反彈幅度最大.因此，協(xié)同控制VOCs和NOx對降低MDA8 O3濃度至關(guān)重要.表5為5個站點MDA8 O3的VNr值，即避免MDA8 O3反彈所需要的最小VOCs與NOx減排比.整體來看，上海市北部區(qū)域最小VOCs與NOx的減排比大于南部區(qū)域，寶山廟行站點的VNr值(1.9)最大，金山新城站點的VNr值(0.9)最小.因此，上海市北部區(qū)域需要更大比例的VOCs減排，才能實現(xiàn)MDA8 O3濃度的削峰.

表5 上海市不同站點MDA8 O3的VNr值Table 5 VNr values for MDA8 O3 at different stations in Shanghai

圖3 上海市不同站點NOx和VOCs排放變化與MDA8 O3濃度的響應(yīng)關(guān)系Fig.3 Response of MDA8 O3 concentration to emission variations of NOx and VOCs at different stations in Shanghai

為進(jìn)一步識別VOCs優(yōu)控物種，對不同種類VOCs減排進(jìn)行模擬(SⅡ)，得到MDA8 O3對VOCs物種的減排響應(yīng)(見圖4).由圖4可見，在同等減排比例下，烯烴的減排使MDA8 O3濃度下降最明顯，其次為烷烴、芳香烴和OVOCs.當(dāng)排放比例為20%，烯烴、烷烴、芳香烴和OVOCs的減排使MDA8 O3濃度分別下降 3.8、1.5、1.2 和 0.5 μg/m3.基于上海市本地排放源清單，烯烴類(如乙烯)的主要來源為工業(yè)以及溶劑儲存和使用，因此降低O3濃度應(yīng)優(yōu)先控制涉烯烴類的工業(yè)以及溶劑儲存和使用等排放.

圖4 上海市5個站點MDA8 O3平均濃度對不同VOCs物種的排放變化響應(yīng)Fig.4 Response of average MDA8 O3 concentration to emission changes of different VOCs species at five stations in Shanghai

2.3.2 本地減排對PM2.5濃度的影響

NOx和VOCs的減排(SⅠ)均能降低PM2.5濃度，但下降量 (—1.2～0 μg/m3)有限.NOx的深度減排 (即NOx減排80%，VOCs不減排)能帶來最大的PM2.5降幅(—3.2%～—0.32%).與其他針對區(qū)域減排的研究相比，PM2.5對本地前體物減排的響應(yīng)較小[26,34-35]，主要原因是：①基于CMAQ-ISAM源解析的結(jié)果表明，上海市本地排放對PM2.5二次無機組分濃度的貢獻(xiàn)率僅為15.5%～34.8%(見圖5)，其中青浦淀山湖站點、金山新城站點和浦東惠南站點的本地貢獻(xiàn)率均小于20%，本地減排帶來的效果有限.②在同樣的VOCs排放比例下，NOx的減排對PM2.5中不同組分的影響不同.例如，在VOCs排放比例為40%時，NOx的減排導(dǎo)致部分站點(寶山廟行站點、徐匯上師大站點)·OH濃度上升(見圖6)，二次組分中硫酸鹽(SO42—)和二次有機氣溶膠(SOA)濃度出現(xiàn)反彈(幅度為0.04%～6.5%)[36-37]，部分抵消了由于NOx減排帶來的硝酸鹽濃度下降.

圖5 上海市本地排放對5個站點的PM2.5二次無機組分濃度的貢獻(xiàn)率Fig.5 Contribution of local emissions to secondary inorganic PM2.5 at five stations in Shanghai

圖6 上海市5個站點不同NOx排放比例下SO42-、SOA和·OH 的變化率(VOCs排放比例為40%)Fig.6 Changes of SO42—, SOA and ·OH concentrations under different NOx emission ratios at five stations in Shanghai(VOCs emissions set to 40%)

2.4 不同減排方案對復(fù)合污染時段削峰的影響

2.4.1 提前減排

在此次PM2.5和O3復(fù)合污染案例中，控制VOCs排放均能使二者濃度降低，因此進(jìn)一步探究提前3 d減排和區(qū)域減排VOCs情景下的污染物削峰效果.圖7為SⅢ(提前3 d減排)與SⅠ方案中相對應(yīng)排放比例下復(fù)合污染時段MDA8 O3和PM2.5濃度差值的空間分布，正值表示污染物濃度反彈，負(fù)值表示濃度進(jìn)一步下降.總體來看，提前減排VOCs更加有利于降低MDA8 O3濃度，并隨減排強度的增加降幅增大.從空間分布來看，提前減排帶來的MDA8 O3下降主要集中在東部海域，最大下降濃度超過15 μg/m3.由圖8可見，提前減排使上海市MDA8 O3濃度進(jìn)一步下降0.6%～3.1%，各站點MDA8 O3濃度的降幅表現(xiàn)為浦東惠南站點＞金山新城站點＞徐匯上師大站點＞寶山廟行站點＞青浦淀山湖站點，其中浦東惠南站點的MDA8 O3濃度降低最明顯，降幅為1%～6%，而位于江浙滬交界的青浦淀山湖站點由于受到傳輸影響較大，降幅(0.1%～0.5%)最小.從O3的小時濃度看，上海市 O3濃度的變化范圍為—76.2～0 μg/m3，降幅較大的時段主要是4月27日白天.

圖7 減排方案SⅢ與SⅠ下MDA8 O3和PM2.5濃度差值的空間分布Fig.7 Spatial distributions of differences in MDA8 O3 and PM2.5 concentrations between emission control scenarios SⅢ and SⅠ

圖8 減排方案SⅢ與SⅠ下上海市不同站點MDA8 O3和PM2.5濃度的變化情況Fig.8 Changes in MDA8 O3 and PM2.5 concentrations at different stations in Shanghai between emission control scenarios SⅢ and SⅠ

對于PM2.5，降幅變化的空間分布與MDA8 O3相似，提前減排對海上PM2.5濃度的降低更有效，但對上海市PM2.5濃度的降低影響較小.VOCs排放比例為20%、40%、60%和80%時，提前減排導(dǎo)致PM2.5濃度分別降低0.7%、0.5%、0.3%和0.1%.上海市5個站點的小時 PM2.5濃度變化在—8.3～0.1 μg/m3之間，沿海的浦東惠南站點降幅最大.

2.4.2 區(qū)域減排

為了探究區(qū)域減排對PM2.5和O3削峰的影響，在本地減排的基礎(chǔ)上，聯(lián)合周邊6個城市(見圖1)進(jìn)行區(qū)域減排.圖9和圖10為區(qū)域減排相較于相同VOCs排放比例的本地減排的PM2.5和MDA8 O3濃度差異.隨著VOCs排放量的降低，區(qū)域減排帶來的降幅增大，上海市平均降幅在0.6%～3.0%范圍內(nèi)，其中位于整個減排區(qū)域相對中心的青浦淀山湖站點MDA8 O3濃度降幅最大，其次為金山新城站點，浦東惠南站點的變化相對較小.對于小時濃度，O3濃度的變化范圍為—67.2～0.6 μg/m3.從其他城市來看，蘇州市和嘉興市的MDA8 O3濃度下降最顯著，主要是由于此次復(fù)合污染時期這2個城市位于南部減排城市(杭州市、紹興市和寧波市)主導(dǎo)風(fēng)向的下風(fēng)向.提前減排和區(qū)域減排均能使上海市MDA8 O3濃度進(jìn)一步下降3%左右，擴大減排區(qū)域和提前減排對上海市O3控制效果相似.

圖9 減排方案SⅣ與SⅠ下MDA8 O3和PM2.5濃度差值的空間分布Fig.9 Spatial distributions of differences in MDA8 O3 and PM2.5 concentrations between emission control scenarios SⅣ and SⅠ

圖10 減排方案SⅣ與SⅠ下上海市不同站點MDA8 O3和PM2.5濃度變化Fig.10 Changes in MDA8 O3 and PM2.5 concentrations at different stations in Shanghai between emission control scenarios SⅣ and SⅠ

對PM2.5而言，區(qū)域減排對上海市PM2.5的削峰效果不明顯 (PM2.5濃度變化在±0.1 μg/m3以內(nèi))，小時濃度變化量 (—5.1～1.7 μg/m3)也有限，但可促進(jìn)減排區(qū)域內(nèi)其他城市(如南通市)和非減排區(qū)域(江蘇省的泰州市、揚州市、常州市和鎮(zhèn)江市)PM2.5濃度進(jìn)一步下降.這主要是因為復(fù)合污染日的主導(dǎo)風(fēng)向為偏東南風(fēng)，區(qū)域減排更有益于下風(fēng)向城市PM2.5濃度降低.同時，部分區(qū)域(如浙江省湖州市和紹興市、江蘇省連云港市和鹽城市交界處)的PM2.5濃度出現(xiàn)升高，其原因可能是VOCs濃度減少導(dǎo)致浙江省北部和江蘇省南部區(qū)域出現(xiàn)·OH濃度升高，PM2.5中的二次無機組分濃度升高[26]，抵消了由于VOCs減排導(dǎo)致的SOA濃度下降.

綜上，針對此次復(fù)合污染案例，相較于本地減排，區(qū)域減排與提前減排均能進(jìn)一步降低上海市MDA8 O3濃度(降幅為0.6%～3.1%)，區(qū)域減排的受益范圍更廣.對于PM2.5濃度削峰，僅僅依靠控制VOCs排放無法實現(xiàn)目標(biāo)城市PM2.5的有效降低，應(yīng)實施多污染物的聯(lián)合減排(一次顆粒物、SO2和NH3等)[34].

3 結(jié)論

a) 2018年4月27—30日上海市連續(xù)出現(xiàn)PM2.5和O3復(fù)合污染，基于WRF-CMAQ模型模擬建立的EKMA曲線表明，上海市5個典型站點MDA8 O3的峰值率(PR)范圍為0.6～1.1，除浦東惠南站點外，其余站點均處在VOCs控制區(qū).

b) 對于 MDA8 O3，本地 NOx和 VOCs 減排使復(fù)合污染時段的濃度變化范圍為—17.0～9.3 μg/m3.削減VOCs更有利于MDA8 O3濃度下降，VOCs減排80%時，可降低 1.9～17.0 μg/m3.為避免 MDA8 O3濃度反彈，VOCs與NOx的減排比需控制在1.9∶1以上.在同比例減排情景下，減少烯烴類的排放能帶來更大的O3濃度降幅，可優(yōu)先控制涉烯烴類的工業(yè)以及溶劑儲存和使用源排放.

c) 對于PM2.5，本地NOx和VOCs排放控制的削峰程度有限 (變化范圍為—1.2～0 μg/m3)，可能是本地污染物排放量較少、受區(qū)域傳輸影響較大，且PM2.5不同組分對前體物減排表現(xiàn)出非線性響應(yīng)的關(guān)系.

d) 提前3 d控制和多城市聯(lián)合控制VOCs可使上海市MDA8 O3濃度進(jìn)一步降低(最大降幅達(dá)3.1%)，但對于PM2.5濃度的進(jìn)一步下降影響較小.