广西柳城县VOCs组分特征、来源及其对臭氧生成的敏感性

来源 :环境科学 | 被引量 : 0次 | 上传用户:jingjong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
位于广西柳州市郊区的柳城县存在突出的臭氧(O3)污染问题,但目前尚未有当地O3污染成因分析的相关报道。为探究其O3污染成因,在2021年10月1—15日开展了116种挥发性有机物(VOCs)的在线连续观测,并对O3敏感性进行分析。结果表明,观测期间φ[总挥发性有机物(TVOCs)]平均值为27.52×10-9,其中污染过程(10月1~6日)φ(TVOCs)的平均值为32.15×10-9,比非污染过程(10月8—15日)高32.79%。从物种浓度来说,含氧挥发性有机物(OVOCs)贡献最高,贡献率为43.70%,其次是烷烃(23.00%)、芳香烃(11.75%)和卤代烃(7.35%)。从臭氧生成潜势(OFP)来说,OVOCs对OFP的贡献率最高(41.96%),其次是芳香烃(32.60%)和烯烃(17.92%)。观测期间VOCs主要来自机动车排放(32.44%)、生物质燃烧源(29.31%)、溶剂使用源(16.43%)、植物源(11.34%)和化工企业排放(10.49%),溶剂使用源和植物源在污染过程贡献比例分别增加28.58%和28.53%。EKMA曲线结果显示柳城县在观测期间整体处于VOCs和氮氧化物(NOx)的协同控制区,因此,柳城县O3高发的秋季应以VOCs和NOx协同减排为重点。
其他文献
自2013年“大气污染防治计划”政策实施后,长三角地区人为源氮氧化物(NOx)排放量大幅下降,而地表臭氧浓度呈现不断增长的趋势,很大程度上取决于臭氧和其前体物(NOx和挥发性有机物(VOCs))的非线性关系。由于臭氧对其前体物的敏感性在时间和空间上存在很大的差异,本文使用GEOS-Chem模式系统分析了2015年和2017年5-10月期间长三角地区(特别是南京、上海和杭州地区)地表臭氧浓度对人为源
对流层臭氧耗损事件(ODEs),是一种发生在极地地区的自然现象。在臭氧耗损过程中,地面的臭氧会在几天甚至几小时内从背景浓度40-60 ppbv迅速下降到几ppbv。本研究利用三维多尺度空气质量模型CMAQ,对2019年3月28日至4月5日期间发生在Barrow及其周边地区的臭氧耗损事件进行了三维模拟。在本段时间内,CMAQ模拟出了Barrow地区观测到的两次臭氧耗损现象,并使用过程分析模块进行了全
针对传统的大气臭氧浓度预测存在预测精度低、计算效率低等问题,将模糊聚类与神经网络相结合,提出一种使用区间二型模糊神经网络进行臭氧浓度预测的方法。用模糊C均值的方法筛选出适应性最高的有效规则,并进行区间二型模糊神经网络的结构设计;使用LM算法(Levenberg-Marquardt)进行模糊神经网络的参数及权重调整。使用2018年石家庄气象臭氧数据集验证系统进行验证,并与使用梯度下降算法(Gradi
基于2015—2019年三亚市空气质量自动监测数据和气象观测资料,结合后向轨迹聚类与潜在源区分析等方法,分析了三亚市O3污染特征。结果表明:2015—2019年三亚市O3浓度总体优良,优良天数比例为97.9%(标准状态),超标天均为轻度污染,多发生在秋冬季。O3浓度与平均相对湿度、气温和降水量呈负相关关系,与平均风速呈正相关关系,同时与风向密切相关。6—8月气温较高,主导风向为偏南风,O3及其前体
准确而实时的交通流量预测对成功的交通管理与控制变得越来越重要。然而,传统的基于流量数据的预测仿真方法缺乏对复杂道路网络拓扑关系、交通情况随时间的不稳定变换、天气条件变化等时空依赖关系的考虑。为了获取这些时空关系对于交通流量的影响,基于图卷积模型(GCN)与长短期记忆模型(LSTM),搭建一种基于神经网络的交通流量预测方法,即时空图卷积模型。图卷积模型用于学习道路的复杂拓扑结构,来获取空间依赖关系;
为揭示中国自然背景地区臭氧浓度变化特征,并以其为自然背景值指导人为活动导致的臭氧污染控制工作,该研究通过汇总统计中国15个典型自然背景地区与337个城市2016—2020年环境空气臭氧自动监测数据,比较分析中国自然背景地区臭氧浓度年度、季节、日内变化规律与空间分布规律. 结果表明:①2016—2020年,中国自然背景地区臭氧年均浓度明显高于城市,但年90百分位浓度明显低于城市,自然背景地区和城市臭
近些年,我国已采取了系列严格的减排措施,旨在治理大气细颗粒物(PM2.5)和臭氧(O3)污染.本文基于国家空气环境监测网络地面观测数据,侧重分析了我国主要城市PM2.5和O3时空变化趋势以及影响因素.2015~2020年PM2.5整体呈逐步下降趋势,而O3在2015~2019年呈整体上升趋势,但在2020年部分地区有下降趋势.结合气象要素数据,利用KZ(Kolmogorov-Zurbenko)滤波
明确当地臭氧生成敏感性变化的主控因子是制定有效臭氧污染控制策略的前提。采用卫星观测OMI FNR (Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide,HCHO/NO2)指示剂将河南省夏季臭氧生成敏感性OFS (Ozone Formation Sensitivity)划分为VOCs控制区、协同控制区和NOx控制