肖 龙,王 帅,周 颖,柴文轩,杜 丽,唐桂刚,李健军

中国典型背景站夏季VOCs污染特征及来源解析

肖 龙1, 2,王 帅2*,周 颖1**,柴文轩2,杜 丽2,唐桂刚2,李健军2

(1.北京工业大学环境与能源工程学院,北京 100022；2.中国环境监测总站,北京 100012)

选取庞泉沟、神农架、武夷山和长岛4个代表性大气背景站,使用SUMMA罐采样及GC-FID/MS方法分析了4个背景站夏季环境空气中57种挥发性有机污染物浓度水平、物种组成以及日变化特征,并利用PMF模型对背景站VOCs进行来源解析和臭氧生成潜势(OFP)分析.结果表明,采样期间庞泉沟、神农架、武夷山和长岛的VOCs平均浓度分别为(23.06±8.14)×10-9, (8.25±4.27)×10-9, (7.95±11.31) ×10-9和(11.98±8.80) ×10-9.除庞泉沟外,背景点烷烃、芳香烃、烯烃和炔烃浓度均明显低于城市地区.背景点烷烃、芳香烃、烯烃占比与城市地区差异不显著,但背景点炔烃占比显著小于城市地区.烷烃和芳香烃的日变化呈现出白天消减,夜间累积的特点,烯烃浓度则在09:00～15:00点出现峰值.PMF源解析及成分分析结果表明, 人为排放源对背景站VOCs构成和臭氧生成潜势有重要贡献.汽油挥发、溶剂及涂料使用、机动车尾气等排放源对4个背景站点的VOCs浓度贡献占比在39%～58%之间,对OFP贡献占比在35%～58%之间.燃烧源对4个背景站点的VOCs浓度贡献占比在18%～21%之间,对OFP贡献占比在约为13%..植物源对4个背景站点的VOCs浓度贡献占比在7%～17%之间,对OFP贡献占比在8%～33%之间,植物源贡献占比高于城市地区.

VOCs；组分特征；来源解析；PMF；背景站

近年来,我国实施了一系列大气污染控制措施[1-2],全国地级及以上城市及重点区域细颗粒物年均浓度显著下降[3-4],但臭氧污染问题突出且集中,部分地区出现高浓度臭氧污染[5].大气中的挥发性有机物(VOCs)是二次有机气溶胶(SOA)与臭氧(O3)的前体物[6-7],其来源可分为植物排放源和人为排放源,其组分可划分为烷烃、烯烃、炔烃、芳香烃,醛酮类等,这些物质在光照下与大气中的自由基发生反应[8-9],促进SOA和O3的生成和积累,对环境和人体健康造成负面影响[10-11].加强VOCs污染减排,有助于促进我国PM2.5与臭氧的协同控制,已成为当前我国重要的大气污染防治策略.

当前,国内外学者对VOCs的光化学反应特征、污染浓度水平、污染源谱及污染来源解析等方面进行了广泛研究[12-14].这些研究大多集中在城市地区,而对背景地区的研究仍较少.开展背景地区VOCs的浓度水平、污染特征和来源分析不仅能够了解和掌握区域尺度VOCs污染传输特点,同时能够为城市地区VOCs污染防控、来源分析等提供重要的对比和参考,因而具有重要的研究价值.本研究选取庞泉沟、神农架、武夷山和长岛4个代表性背景站点,开展了夏季57种活性VOCs手工加强观测,分析了背景站VOCs的污染浓度水平、时间变化特征、污染来源等,以期为相关研究提供参考,促进我国VOCs和O3污染防治工作.

1 材料与方法

1.1 采样地点及采样时间

4个背景站均为生态环境部建设的国家级大气环境监测背景站,地理位置分别位于山西省庞泉沟、湖北省神农架、福建省武夷山和山东省长岛,除长岛位于海岛,海拔较低外,其余3个背景站均位于扩散条件较好的高海拔地区,海拔高度在1km以上,采样点周边无显著污染源,可反映所在区域大尺度空间范围的空气污染总体状况.采样时间集中在2019年7～8月份,使用SUMMA罐和VOCs自动采样器采样,每个样品采样时长为3h,每天8个样品,每个站点采集5d,雨天不进行采样.总计采集了158个有效样品.具体信息见表1.

表1 四个背景站位置及采样时间

1.2 样品分析方法

通过GC-FID/MS分析环境空气中挥发性有机污染物,参照挥发性有机物检测标准方法[15],通过ENTECH 7200大气预浓缩系统进样,结合气相冷柱箱与中心切割技术,将C2与C3组分切割至PLot AL2O3柱,在FID检测器进行分析,其余组分通过DB-1柱子分离后进入质谱部分进行分析.观测期间,共检测光化学评估监测站(PAMs)公布的57种VOCs,包括29种烷烃、11种烯烃、16种芳香烃和乙炔.

1.3 PMF方法

PMF(正定矩阵因子分解)方法是美国环保署(EPA)推荐的用于解析颗粒物和VOCs等污染物来源的受体模型,当前被广泛应用于VOCs的来源解析[16-18].受体模型是利用数学方法,基于采样数据矩阵(),通过质量平衡公式(1),得出每个污染源对样品的贡献矩阵()、源成分谱矩阵()以及残差矩阵():

式中:x是样品中污染物的浓度;是污染源个数;代表源对样品的贡献率;代表污染物在源中的含量;是样品中污染物的残差.

PMF方法通过最小化目标函数(式2)得到源贡献矩阵和源成分谱矩阵:

式中:和分别代表样品数量和污染物数量,是样品中污染物的不确定度.

值是决定污染源数的重要参数.在PMF中,计算了(true)和(robust)值.(true)是包括所有数据点计算得来的拟合优度参数,(robust)是剔除拟合较差的数据点所计算的拟合优度参数.(robust)/(true)的值小于1.5,说明PMF的解析结果是可接受的[19].

本研究中,每个样品中物种的不确定度Unc使用式(3)计算:

式中:Error Fraction 是测量的污染物浓度的误差比例,本研究中取10%[20-21].MLD是污染物的检测限,单位为10-9,Conc.是污染物浓度,单位为10-9.

本研究采用EPA PMF 5.0 对4个背景站VOCs进行来源解析.PMF输入数据处理遵循以下几个原则:(1)超过55%的浓度数据低于检测限的污染物不纳入计算[22];(2)与羟基自由基反应速率常数大于1,2,3-三甲苯的羟基自由基反应速率常数(OH=33× 10−12cm3/(molecule×s)[23]的物种不纳入计算.所有物种的残差分布在-3～+3之间,表明模拟结果较好[19].本研究中,浓度低于0.10×10-9的污染物不纳入计算.庞泉沟、神农架、武夷山和长岛站点参与模型计算的物种数分别为33, 34, 30和32.

1.4 O3生成潜势计算方法

VOCs增量反应性(IR)定义为单位VOCs变化所引起的臭氧浓度的变化[24],通过调节VOCs/NO值,使IR达到最大值,即最大增量反应活性(MIR),用于衡量VOCs生成O3的能力.由PMF得到的源成分谱矩阵和贡献率,本研究按照公式(4)计算了不同污染源的平均臭氧生成潜势:

式中:OFP污染源的平均臭氧生成潜势, µg O3/m3; MIR是源中污染物的最大增量反应活性, g O3/g VOC; VOC是来自第个污染源的污染物的平均浓度, g VOCs/m3.

2 结果与讨论

2.1 4个背景站VOCs总体浓度水平及物种组成

如表2所示,采样期间,庞泉沟、神农架、武夷山和长岛的VOCs平均体积浓度分别为(23.06±8.14)×10-9, (8.25±4.27) ×10-9, (7.95±11.31)×10-9和(11.98±8.80) ×10-9.其中庞泉沟、长岛代表京津冀周边区域背景值,其VOCs浓度最高,神农架和武夷山分别代表华中、华东地区背景值,其VOCs浓度最低.庞泉沟VOCs体积浓度是神农架VOCs浓度的2.79倍,是华东地区武夷山VOCs浓度的2.9倍.其中烷烃浓度差异最大,庞泉沟的烷烃浓度是神农架的3.42倍,是武夷山的3.18倍.

表2 背景点和城市点VOCs分类别浓度(×10-9)

注:“-”表示文献中未给出标准差.

从背景点与城市点浓度的对比来看,庞泉沟站点VOCs浓度与其他文献中城市点的VOCs浓度基本处于同一污染水平,浓度总体较高[25-28].武夷山、神农架、长岛背景点的VOCs组分浓度均显著低于城市点,烷烃浓度是城市点的0.23～ 0.36倍,芳香烃浓度是对应城市点浓度的0.16～ 0.55倍,烯烃浓度是对应城市点浓度的0.18～0.54倍,炔烃浓度是对应城市点浓度的0.12～0.20倍,反映出背景地区由于远离区域内主要VOCs排放源因而浓度较低,同时也反映出城市地区VOCs减排仍有较大潜力.

如表3所示,从占比情况来看,4个背景点均以烷烃占比最高,其次是芳香烃或烯烃,炔烃占比最低.不同站点芳香烃和烯烃的占比略有差异,神农架芳香烃占比可达到23.5%,为4个站点中最高,武夷山则表现出烯烃占比超过芳香烃的特征.

背景点烷烃、烯烃和芳香烃的浓度占比与城市点的占比并没有显著差别.其中,背景点烷烃占比在60.1%～73.6%之间,在4类VOCs中占比最大,与城市点无显著差异.芳香烃占比在12.7%～23.5%之间,烯烃占比在8.4%～17.7%之间,与城市点差异也较小.但背景点炔烃占比在2.0%～3.4%之间,小于城市地区的炔烃占比(4.2%～6.6%).炔烃类只包含乙炔1种污染物,且其主要来源于燃烧源,背景地区乙炔的占比较低与背景地区受燃烧源的影响程度小于城市地区有关.

表3 城市与背景地区VOCs分类别占比(%)

注:“-”表示所列文献中未给出炔烃具体数据.

2.2 4个背景站各VOCs组分浓度特征

如表4所示,4个背景点烷烃中浓度较高的物种主要包括异戊烷、丙烷、乙烷、异丁烷、正丁烷、环戊烷、正戊烷等C2～C5类烷烃,在烷烃类物种中的占比为54.4%～85.5%.另外庞泉沟站点其他烷烃物种的浓度也较高,包括正己烷、甲基环戊烷、2-甲基戊烷、3-甲基戊烷、环己烷等;上述烷烃均为典型人为源排放物种,如异戊烷与汽油挥发密切相关,正己烷主要来自工业涂料和化工生产,乙/丙烷、正/异丁烷可能与天然气和液化石油气泄漏有关.说明背景地区VOCs已经受到了来自区域传输及周边地区人为源排放的显著影响,庞泉沟、长岛、武夷山站点分别有7种、4种、1种烷烃的体积浓度超过1×10-9,神农架烷烃物种最高浓度仅0.8×10-9,即华北地区受人为源的影响程度比华中、华东地区要大.

表4 2019年夏季4个背景站57种VOCs体积浓度(×10-9)

续表4

4个背景点芳香烃中浓度较高的物种分别为甲苯,苯,间/对二甲苯,乙苯和邻二甲苯,在芳香烃类物种中的占比为64.4%～90.4%.其中庞泉沟站点甲苯、苯和间/对二甲苯浓度分别为1.3×10-9, 0.97×10-9, 0.48×10-9,其他组分浓度在0.01×10-9～0.27×10-9范围;长岛甲苯浓度为0.58×10-9,其他组分浓度在0.01× 10-9～0.40×10-9范围;神农架芳香烃类物质浓度在0.03×10-9～0.42×10-9范围;武夷山芳香烃类物质浓度在0.01×10-9～0.39×10-9范围;庞泉沟站点较高的苯系物浓度可能受到了溶剂和涂料使用等人为来源的影响.

4个背景点烯烃浓度较高的物种为异戊二烯、乙烯、苯乙烯、丙烯和正丁烯, 在烯烃类物种中的占比为80.0%～94.3%;异戊二烯是植物源排放标记物,在烯烃中平均占比最大,是主导烯烃浓度变化的主要物种之一.庞泉沟站点异戊二烯浓度与其他站点基本相当,但乙烯浓度高达0.70×10-9,另外苯乙烯浓度为0.23×10-9,其中乙烯来源广泛,包括燃烧源、汽车尾气、工业源、石化等,苯乙烯主要来源工业加工.

2.3 VOCs组分日变化特征

VOCs的日变化趋势主要受排放源和气象条件变化的影响.由图1可知,4个背景站烷烃和芳香烃的日变化趋势较为一致,烷烃、芳香烃与总VOCs的相关系数均在0.80以上,三者浓度均在夜晚(18:00～次日06:00)出现最高值,在白天(06:00～18:00)浓度递减.不同城市有所区别,庞泉沟站点烷烃和芳香烃的浓度高峰出现在清晨04:00～10:00,随后浓度下降,到下午13:00～16:00左右出现浓度低峰,在晚10:00以后至次日04:00时浓度开始回升.神农架站点烷烃和芳香烃的浓度高峰出现在夜间21:00～次日03:00点之间,低峰出现在傍晚15:00～18:00时,在整个白天浓度呈现递减的趋势.武夷山站点烷烃和芳香烃的高值出现在夜间18:00～21:00,低峰出现在15:00～18:00时左右;长岛站点烷烃和芳香烃高峰出现在清晨03:00～06:00点左右,低峰出现在15:00～ 18:00点.可以看出,4个背景站烷烃和芳香烃的低峰均出现在下午16:00～18:00,期间光照强烈,温度相对较高,有利于两者发生光化学反应消耗,同时边界层高度较高,垂直扩散条件有利,从而导致两者浓度下降;反之,有助于其浓度的累积.因此,背景站烷烃和芳香烃日变化呈现出白天消减,夜间积累的特征.这与Chen等[29]对VOCs日变化得出的规律一致.庞泉沟、神农架、武夷山和长岛的烯烃浓度白天峰值分别出现在10:00～13:00、09:00～12:00、12:00～15:00和12:00～15:00.异戊二烯是烯烃中占比较大的物质,09:00～15:00之间光照逐渐增强且气温升高,导致此时段植物源异戊二烯的排放量较大,从而导致烯烃在该时段出现浓度高峰[30].乙炔是光化学反应活性较低的物质,因此在大气中的浓度日变化不大.

图1 采样期间VOCs物种平均浓度日变化

2.4 背景站VOCs来源解析

2.4.1 VOCs物种比值分析 物种浓度比值法常用于判断VOCs污染物的来源.已有源谱表明[31-32],生物质、煤炭等燃烧源中甲苯/苯平均浓度的比值(/)通常低于1,机动车尾气中通常在1.42左右,不同文献结果略有不同,一般认为不超过2,工业过程/溶剂使用源中比值可能超过10.本研究中庞泉沟、神农架、武夷山和长岛站点/分别为1.35±0.75, 1.80± 0.70, 3.15±5.38和1.82±2.68,其中武夷山站点甲苯/苯的比值较高,表明其芳香烃受到工业过程或溶剂使用的贡献更大些[33].从图2中可以清晰看出,4个背景点/在不同站点间差异明显,其中庞泉沟以/接近1:1的样品数量最多,表明受到了燃烧源的显著影响,部分样品/接近2:1,与机动车尾气排放有关,这与Song等[34]的研究一致.长岛样品中/与庞泉沟较为相似,受到燃烧源和机动车源显著影响,但有极个别样品/接近10:1.神农架和武夷山站点样品更符合汽车尾气排放的特征.

已有的汽油挥发实验以及燃煤源中的异戊烷/正戊烷(/)值分别为3.80、0.56～0.80[35-36].本研究中庞泉沟、神农架、武夷山和长岛的/值分别为14.07±2.74、9.86±7.57、1.27±1.06和2.43±1.40.由图3可以看出,庞泉沟和神农架站点较高的/值表明受到汽油挥发源的影响较大,长岛站点也受到了一定程度的汽油挥发源影响,而武夷山站点则推测受到燃烧源和汽油挥发源的双重影响.

图2 四个背景点环境空气中甲苯和苯比值(T/B)

图中散点比值(纵坐标/横坐标)小于1:1的样品表明受生物质、煤炭等燃烧源影响;介于1:1～2:1的样品表明受机动车尾气排放的影响;高于10:1的样品受工业过程/溶剂使用源的影响

图3 四个背景点环境空气中异戊烷和正戊烷比值(i/n)

图中散点比值(纵坐标/横坐标)在1:1附近的样品受燃煤源影响较大,比值在4:1附近的样品受汽油挥发源影响较大,样品最大比值为30:1

2.4.2 PMF受体模型解析结果 PMF受体模型法是当前开展环境空气中VOCs污染来源的有效方法之一,该方法能够识别出主要的排放源类型及其贡献,已被广泛应用于VOCs来源分析中,识别出的来源类型主要包括溶剂涂料、机动车尾气、汽油挥发、石化化工、植物排放、柴油车尾气、生物质燃烧源、燃煤源、LPG/NPG使用源等.

由图4可知,庞泉沟站点因子1对12个物种的贡献率都在80%左右,包括甲基环戊烷,2-甲基戊烷,3-甲基戊烷,2,3-二甲基丁烷,正己烷,环己烷等C6物种以及2-甲基己烷、3-甲基己烷、2,3-二甲基戊烷、正庚烷、甲基环己烷等C7物种,苯、甲苯、正辛烷占比也相对较高.因此判别因子1为溶剂和涂料使用、汽车尾气排放源的混合源[37],对VOCs总贡献为43%.因子2的特点是乙烷、乙烯、乙炔和丙烷等C2～C3物种含量较高,占比均在30%以上,这些占比是典型的燃料燃烧排放物种[32],因此判定因子2为燃烧源,对VOCs总贡献为18%.因子3中异戊二烯占比为72%,远大于其他物种,因此因子3为植物排放源[26],对VOCs总贡献为10%.因子4中异戊烷和正戊烷占比最大,分别为66%和38%.异戊烷和正戊烷均为典型的汽油挥发源排放物种[38],因此,判别因子4为汽油挥发源,对VOCs总贡献为15%.因子5中癸烷和十一烷占比最大,分别为80%和25%,癸烷和十一烷是典型的柴油车排放物种[32],因此因子5判别为柴油车排放源,对VOCs总贡献为8%.

图4 庞泉沟VOCs源解析物种谱和贡献

由图5可知,神农架站点因子1的主要特点是间/对-二甲苯、甲苯、乙苯、邻二甲苯、苯的浓度较高,且贡献均明显超过其他因子,这些污染物均是溶剂涂料使用源排放的特征物种[32],因此,判别因子1为溶剂涂料使用源,对VOCs总贡献为17%.因子2中异戊二烯占比达73%,远高于其他物种的占比,因此,判别因子2为植物排放源,对VOCs总贡献为7%.因子3中丙烯、甲基环己烷占比最高,分别达64%和62%,这2个物种是典型的工业源排放[34,39],如炼油厂和化工产业源.因此,判别因子3为工业过程源,对VOCs总贡献为17%.因子4中,异戊烷占比较高(58%),甲基环戊烷、2-甲基戊烷、3-甲基戊烷等其他与汽油挥发排放源相关物种占比也较高(56%～ 59%),因此,判别因子4为汽车尾气及汽油挥发源,对VOCs总贡献为27%;因子5中乙炔、乙烷、丙烷、乙烯等典型的燃烧源排放物种占比最高,在44%～ 59%之间,因此判别因子5为燃烧源,对VOCs总贡献为21%.

图5 神农架VOCs源解析物种谱和贡献

图6 武夷山VOCs源解析物种谱和贡献

由图6可知,武夷山站点因子1中,2-甲基戊烷、3-甲基戊烷、正己烷等烷烃占比最高,均超过60%,另外间/对-二甲苯、乙苯、癸烷的贡献占比超过40%,因此判别因子1为汽油车尾气排放源、涂料使用及柴油车排放源,对VOCs总贡献为15%.因子2中异戊烷和正戊烷的占比远高于其他物种(83%,74%).上述污染物均为汽油挥发相关物种,因此判别因子2为汽油挥发源,对VOCs总贡献为29%.因子3中乙炔、乙烯、苯等燃烧源排放的典型物种占比最高,在46%～55%之间,另外丙烯、环己烷的贡献也明显超过其他因子,因此判别因子3为燃烧源和工业源,对VOCs总贡献为17%.因子4中异戊二烯占比为83%,远高于其他物种,故判别因子4为植物源,对VOCs总贡献为17%.因子5中,正庚烷、正辛烷、十二烷等柴油燃烧排放的典型物种占比最大,在43%～52%之间,因此判别因子5为柴油机械排放源,对VOCs总贡献为14%.

由图7可知,长岛站点因子1中癸烷、十二烷、正壬烷和正辛烷的占比高,均在40%以上;此外,乙烯、丙烯和正丁烯也是柴油机械源排放的典型物种,因此判别因子1为船舶等柴油排放源,对VOCs总贡献为15%.因子2中间/对-二甲苯、邻二甲苯、乙苯和甲苯的占比很高,在35%～56%之间,是溶剂涂料使用源的典型物种[32];同时2-甲基戊烷、3-甲基戊烷、正己烷贡献超过其他因子,因此判别因子2为溶剂涂料使用及机动车尾气源,对VOCs总贡献为13%;因子3中异戊烷和正戊烷等汽油挥发源相关物种的占比分别为79%,54%,远高于其他物种的占比,因此判别因子3为汽油挥发源,对VOCs总贡献为26%.因子4中异戊二烯占比高达93%,因此因子4为植物排放源,对VOCs总贡献为11%.因子5中丙烷、乙炔和乙烷的占比最高,61%、61%、50%,远高于其他物种的占比,同时C7类烷烃同分异构体贡献也很高,因此判别因子5为燃烧源和工业源,对VOCs总贡献为11%.

图7 长岛VOCs源解析物种谱和贡献

图8为不同污染源对各背景站点VOCs浓度的贡献量和贡献率,其中庞泉沟站点解析出的汽车尾气、溶剂涂料使用、汽油挥发源、燃烧源的合计贡献达到19.84×10-9,浓度显著高于其他背景站点,受到人为污染影响较大,植物源的贡献约2.33×10-9;长岛站点燃烧源、工业源、汽油挥发源、汽油车尾气、溶剂涂料使用、船舶排放以及其他人为源的合计贡献约9.95×10-9,植物源的贡献约1.27×10-9;神农架和武夷山主要人为源的贡献约6.44×10-9, 6.16×10-9,植物源贡献约0.49×10-9, 1.28×10-9.汽油挥发、溶剂及涂料使用、机动车尾气等排放源对4个背景站点的VOCs浓度贡献较大,占比在39%～58%之间. Zhang等[40]利用PMF模型对我国背景地区贡嘎山大气VOCs做了来源解析,确定了汽油挥发、燃烧源、溶剂涂料使用、植物排放和其他源(工业、商业、居民源)等5个因子,这5个因子对VOCs的贡献分别为35.10%、29.10%、21.80%、5.20%和8.70%.本研究中,汽油挥发相关源的贡献在15%～29%之间,燃烧源及相关源的贡献在17%～31%之间,溶剂涂料使用源的贡献在13%～17%,均略低于贡嘎山,植物源排放的贡献在7%～17%之间,高于贡嘎山.

与石家庄、武汉、杭州和廊坊等城市点的解析结果[25-28]相比,背景地区燃烧源对VOCs的贡献通常小于城市地区,但植物源贡献通常大于背景地区,与背景地区人类活动相对较弱、植被覆盖率较高有关.

图8 各类源对背景站VOCs浓度的贡献

图中数字分别代表各源贡献的VOCs体积比浓度(×10-9)和占比

2.5 不同VOCs来源的臭氧生成潜势

根据PMF的解析结果,得到了各个污染源对VOCs浓度的绝对贡献矩阵,按照公式(4)计算不同污染来源的臭氧生成潜势.

图9 各类源对背景站臭氧生成潜势(µg /m3)的贡献

Fig.9 Contributions of the sources to the ozone generation potential (µg/m3)at four background sites

图中数字分别代表各源的OFP(µg/m3)和占比

由图9可知,庞泉沟站点汽车尾气、溶剂及涂料使用、汽油挥发源合计的OFP贡献86.96µg/m3,占比约55%,是最大的2个贡献源,植物源贡献16%.神农架站点汽车尾气、汽油挥发和溶剂涂料使用源的OFP贡献占58%,植物源贡献仅占8%.武夷山、长岛植物源的OFP贡献分别为33%、26%,汽油挥发源贡献分别为21%、23%,汽油尾气和溶剂涂料使用的贡献14%、19%.综上,汽油挥发、溶剂涂料使用和汽车尾气源对于背景站点臭氧生成潜势贡献较为显著,占比在35%～58%之间,燃烧源和植物排放源贡献较小.

3 结论

3.1 采样期间庞泉沟、神农架、武夷山和长岛VOCs平均浓度分别为(23.06±8.14)×10-9, (8.25± 4.27)×10-9, (7.95±11.31)×10-9和(11.98±8.80)×10-9.除庞泉沟站点外,其他站点VOCs及其组分均显著低于城市地区.背景点烷烃、烯烃和芳香烃的占比与城市无显著差异,但炔烃占比明显低于城市地区.庞泉沟站点多项烷烃和芳香烃浓度超过1.0×10-9,受人为源影响显著.

3.2 4个背景站总VOCs、烷烃和芳香烃的日变化规律较为一致,均在夜晚至凌晨出现最高值,在下午浓度达到最低,与光化学反应消耗和垂直扩散条件较好有关.背景站烯烃白天在09:00～15:00出现峰值,与植物源异戊二烯排放量较大有关,背景站炔烃日变化特征不显著.

3.3 基于PMF模型的VOCs来源解析结果表明,4个背景站VOCs均受到了来自人为源的显著影响,识别出的主要污染源类型包括机动车尾气源、涂料和溶剂使用源、汽油挥发源和燃烧源,其中汽油挥发、溶剂及涂料使用、机动车尾气源对VOCs浓度贡献占比在39%～58%之间,对OFP贡献占比在35%～58%之间,燃烧源对VOCs浓度贡献占比在18%～21%之间,对OFP贡献占比约为13%.植物源对VOCs浓度贡献占比在7%～17%之间,对OFP贡献占比在8%～33%之间.背景点VOCs中植物源贡献占比大于城市地区.

[1] 国务院.大气污染防治行动计划. [EB/OL] (2013-9-10). http: //wenku.baidu.com/link?url=rXJBsbm39KykHfEfUupJlpmG75eWuR1WrMKlWWaeNfgPzwZW329a9E1zmiSj5wgkacu1RswqjRGDxlqj2ZSNQOTgPwRvIrvO7-N2n5K. State Council. Action Plan for Air Pollution Prevention and Control. [EB/OL] (2013-9-10). http://wenku.baidu.com/link?url=rXJBsbm 39KykHfEfUupJlpmG75eWuR1WrMKlWWaeNfgPzwZW329a9E1zmiSj5wgkacu1RswqjRGDxlqj2ZSNQOTgPwRvIrvO7-N2n5K.

[2] 环境保护部,国家发展和改革委员会,财政部.重点区域大气污染防治“十二五”规划 [Z]. http://www.zhb.gov.cn/gkml/hbb/gwy/201212/ t20121205_243271.htm. Ministry of Ecology and Environment of the People's Republic of China, National Development and Reform Commission, Ministry of Finance. The 12th Five-Year Plan for air pollution prevention and control in key areas [Z]. http://www.zhb.gov.cn/gkml/hbb/gwy/ 201212/t20121205_243271.htm.

[3] 武卫玲,薛文博,王燕丽,等.《大气污染防治行动计划》实施的环境健康效果评估 [J]. 环境科学,2019,40(7):2961-2966. Wu W L, Xue W B, Wang Y L, et al. Health benefit evaluation for air pollution prevention and control action plan in China [J]. Environmental Science, 2019,40(7):2961-2966.

[4] Lang J L, Zhang Y Y, Zhou Y, et al. Trends of PM2.5and chemical composition in Beijing, 2000–2015 [J]. Aerosol and Air Quality Research, 2017,17(2):412–425.

[5] 余益军,孟晓艳,王 振,等.京津冀地区城市臭氧污染趋势及原因探讨 [J]. 环境科学, 2020,41(1):106-114. Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei region, China, During 2013-2018 [J]. China Environmental Science, 2020,41(1): 106-114.

[6] Guo S, Hu M, Guo Q F, et al. Primary sources and secondary formation of organic aerosols in Beijing, China [J]. Environmental Science and Technology, 2012,46(18):9846-9853.

[7] Zhang Y H, Su H, Zhong L J, et al. Regional ozone pollution and observation-based approach for analyzing ozone–precursor relationship during the PRIDE-PRD 2004 campaign [J]. Atmospheric Environment, 2008,42(25):6203-6218.

[8] Pusede S E, Gentner D R, Wooldridge P J, et al. On the temperature dependence of organic reactivity, nitrogen oxides, ozone production, and the impact of emission controls in San Joaquin Valley, California [J]. Atmospheric Chemistry and Physics, 2014,14(7):3373-3395.

[9] Peter K K, Josephine W K, Roy C W, et al. VOCs and OVOCs distribution and control policy implications in Pearl River Delta region, China [J]. Atmospheric Environment, 2013,76(81):125-135.

[10] Sicard P, Anav A, De Marco A, et al. Projected global tropospheric ozone impacts on vegetation under different emission and climate scenarios [J]. Atmospheric Chemistry and Physics, 2017,17(19): 12177-12196.

[11] Hou X, Strickland M J, Liao K J. Contributions of regional air pollutant emissions to ozone and fine particulate matter-related mortalities in eastern US urban areas [J]. Environmental Reserch, 2015,137:475-484.

[12] Guo H, Ling Z H, Cheng H R, et al. Tropospheric volatile organic compounds in China [J]. Science of the Total Environment, 2017,574:1021-1043.

[13] Wang G, Cheng S Y, Wei W, et al. Characteristics and source apportionment of VOCs in the suburban area of Beijing, China [J]. Atmospheric Pollution Research, 2016,7(4):711-724.

[14] 莫梓伟,邵 敏,陆思华,等.石油化工行业基于工艺过程的排放源成分谱特征 [A].//莫梓伟,邵敏,陆思华,等.2015年中国环境科学学会学术年会论文集[C]. 中国环境科学学会, 2015:1041-1049. Mo Z W, Shao M, Lu S H, et al. The characteristics of Source Profiles based on production process in petrochemical industry [A]. // Mo Z W, Shao M, Lu S H, et al. Proceedings of the 2015 Annual Conference of the Chinese Society for Environmental Sciences [C]. Chinese Society for Environmental Sciences, 2015:1041-1049.

[15] HJ759-2015 环境空气挥发性有机物的测定罐采样气相色谱-质谱法 [S].HJ759-2015 Ambient air-Determination of volatile organic compounds-Collected by specially-prepared canistersand analyzed by gas chromatography/ mass spectrometry [S].

[16] Liu Y H, Wang L H, Jing S G, et al. Characteristics and sources of volatile organic compounds (VOCs) in Shanghai during summer: Implications of regional transport [J]. Atmospheric Environment, 2019, 215,116902.

[17] Gao J, Zhang J, Li H, et al. Comparative study of volatile organic compounds in ambient air using observed mixing ratios and initial mixing ratios taking chemical loss into account – A case study in a typical urban area in Beijing [J]. Science of the Total Environment, 2018,628–629:791-804.

[18] Zheng H, Kong S F, Yan Y Y, et al. Compositions, sources and health risks of ambient volatile organic compounds (VOCs) at a petrochemical industrial park along the Yangtze River [J]. Science of the Total Environment, 2020,703,135505.

[19] Norris G, Duvall R, Brown S, et al. EPA positive matrix factorization (PMF) 5.0 fundamentals and user guide [R]. Washington: Environmental Protection Agency, Office of Research and Development, 2014.

[20] Yuan B, Shao M, de Gouw J, et al. Volatile organic compounds (VOCs) in urban air: how chemistry affects the interpretation of positive matrix factorization (PMF) analysis [J]. Journal of Geophysical Research, 2012,117,D24302.

[21] Liu B, Yang J, Yuan J, et al. Source apportionment of atmospheric pollutants based on the online data by using pmf and me2 models at a megacity, China [J]. Atmospheric Research, 2017,185:22–31.

[22] Huang Y S, Hsieh C C. Ambient volatile organic compound presence in the highly urbanized city: Source apportionment and emission position [J]. Atmospheric Environment, 2019,206:45-59.

[23] Atkinson R, Arey J. Atmospheric degradation of volatile organic compounds [J]. Chemical Reviews, 2003,103(12):4605–4638.

[24] Carter W P L. Development of ozone reactivity scales for volatile organic compounds [J]. Air & Waste, 1994,44(7):881-899.

[25] 王 蕾.石家庄市VOCs污染特征及来源解析研究 [D]. 石家庄:河北科技大学, 2019. Wang L. Study on pollution characteristics and sources analysis of VOCs in Shijiazhuang [D]. Shijiazhuang: School of Environmental Science and Engineering, 2019.

[26] 彭 瑾,成海容,王祖武,等.武汉城区大气挥发性有机物的污染特征及来源解析 [J]. 武汉大学学报(理学版), 2020,66(4):369-376. Peng J, Cheng H R, Wang Z W, et al. Pollution characteristics and sources apportionment of atmospheric volatile organic compounds in Wuhan urban area [J], Journal of Wuhan University (Natural Science Edition), 2020,66(4):369-376.

[27] 景盛翱,高雅琴,沈建东,等.杭州市城区挥发性有机物污染特征及反应活性 [J]. 环境科学, 2020,41(12):5306-5315. Jing S A, Gao Y Q, Shen J D, et al. Characteristics and reactivity of ambient VOCs in urban Hangzhou, China [J]. Environmental Science, 2020,41(12):5306-5315.

[28] 张敬巧,吴亚君,李 慧,等.廊坊开发区秋季VOCs污染特征及来源解析 [J]. 中国环境科学, 2019,39(8):3186-3192. Zhang J Q, Wu Y J, Li H, et al. Characteristics and source apportionment of ambient volatile organic compounds in autumn in Langfang development zones [J]. China Environmental Science, 2019, 39(8):3186-3192.

[29] Chen C H, Chuang Y C, Hsieh C C, et al. VOC characteristics and source apportionment at a PAMS site near an industrial complex in central Taiwan [J]. Atmospheric Pollution Research, 2019,10(4): 1060-1074

[30] 司雷霆,王 浩,李 洋,等.太原市夏季大气VOCs污染特征及臭氧生成潜势 [J]. 中国环境科学, 2019,39(9):3655-3662. Si L T, Wang H, Li Y, et al. Pollution characteristics and ozone formation potential of ambient VOCs in summer in Taiyuan [J]. China Environmental Science, 2019,39(9):3655-3662.

[31] Zhang Z, Zhang Y L, Wang X M, et al. Spatiotemporal patterns and source implications of aromatic hydrocarbons at six rural sites across China's developed coastal regions [J]. Journal of Geophysical Research, 2016,121(11):6669-6687.

[32] Liu Y, Shao M, Fu L L, et al. Source profiles of volatile organic compounds (VOCs) measured in China: Part I [J]. Atmospheric Environment, 2008,42(25):6247-6260.

[33] 李如梅,闫雨龙,段小琳,等.基于聚类分析的长治市夏季VOCs来源及活性[J].中国环境科学, 2020,40(8):3249-3259. Li R M, Yan Y L, Duan X L, et al. Source apportionment and chemical reactivity of VOCs based on clustering during summertime in Changzhi [J]. China Environmental Science, 2020,40(8):3249-3259.

[34] Song C B, Liu B S, Dai Q L, et al. Temperature dependence and source apportionment of volatile organic compounds (VOCs) at an urban site on the north China plain [J]. Atmospheric Environment, 2019,207:167-181.

[35] Wang M, Shao M, Lu S H, et al. Evidence of coal combustion contribution to ambient VOCs during winter in Beijing [J]. Chinese Chemical Letters, 2013,24(9):67-70.

[36] Zheng H, Kong S F, Xing X L, et al. Monitoring of volatile organic compounds (VOCs) from an oil and gas station in northwest China for 1year [J]. Atmospheric Chemistry and Physics, 2018,18(7):4567- 4595.

[37] Mo Z W, Shao M, Lu S H. Compilation of a source profile database for hydrocarbon and OVOC emissions in China [J]. Atmospheric Environment, 2016,143:209-217.

[38] Song Y, Shao M, Liu Y, et al. Source apportionment of ambient volatile organic compounds in Beijing [J]. Environmental Science & Technology, 2007,41(12):4348-4353.

[39] 李勤勤,张志娟,李 杨,等.石油炼化无组织VOCs的排放特征及臭氧生成潜力分析 [J]. 中国环境科学, 2016,36(5):1323-1331. Li Q Q, Zhang Z J,Li Y, et al. Characteristics and ozone formation potential of fugitive volatile organic compounds(VOCs) emitted from petrochemical industry in Pearl River Delta [J]. China Environmental Science, 2016,36(5):1323-1331.

[40] Zhang J, Wu F, Sun J, et al. The characteristics, seasonal variation and source apportionment of VOCs at Gongga Mountain, China [J]. Atmospheric Environment, 2014, 88:297–305.

The characteristics and source apportionments of VOCs at typical background sites during summer in China.

XIAO Long1,2, WANG Shuai2*, ZHOU Ying1**, CHAI Wen-xuan2, DU Li2, TANG Gui-gang2, LI Jian-jun2

(1.College of Environmental and Energy Engineering, Beijing University of Technology, Beijing 100022, China；2.China National Environmental Monitoring Centre, Beijing 100012, China)., 2021,41(5)：2014～2027

57 volatile organic pollutants at four representative background stations, namely, Pangquangou, Shennongjia, Wuyishan and Changdao in China, were collected using SUMMA Canisters and analyzed by GC-FID/MS methods during summer of 2019.Concentration, composition and diurnal variation characteristics of VOCs were discussed and the PMF model was used to identify the source of VOCs and its ozone formation potential (OFP).The results showed that the averaged VOCs concentration at Pangquangou, Shennongjia, Wuyishan and Changdao background sites were (23.06±8.14)×10-9, (8.25±4.27)×10-9, (7.95±11.31) ×10-9and (11.98±8.80) ×10-9, respectively. The concentrations of alkane, aromatics, alkenes and alkynes at all background sites but Pangquangou were significantly lower than that in urban sites. The respective proportions of alkane, aromatics, alkenes in background sites were similar with that in urban sites, while the proportions of alkynes at background sites were significantly lower than that in urban sites.The diurnal variations ofalkane and aromatics at background sites showed a pattern of declining in the day and accumulating at night, whilealkenes reach its peak concentration at 09:00～15:00. Source apportionments by PMF model and components analysis showed that the VOCs concentrations and OFP at four background sites were affected significantly by anthropogenic sources. The contribution from sources of gasoline and organic solvents evaporation, usage of coating material and automobile exhaust at four background sites ranged from 39% to 58% of VOCs and 35% to 58% of OFP. Besides, the sources related to fuel combustions contributed 18% to 21% of VOCs and 13% of OFP, respectively. Sources from plant emission processes contributed 7% to 17% of VOCs and 8% to 33% of OFP at 4 background sites, which were higher than that at urban sites.

VOCs；characteristics of component；source apportionments；PMF；background sites

X511

A

1000-6923(2021)05-2014-14

肖 龙(1995-),男,山东济南人,北京工业大学硕士研究生,主要研究方向为区域大气复合污染成因与防治.

2020-09-24

国家重点研发计划(2018YFC0213203,2018YFC0213201)

* 责任作者, 王帅, 正高级工程师, wangshuai@cnemc.cn; 周颖, 副教授, y.zhou@bjut.edu.cn