2019, Vol. 39
[PDF全文]
2. 广东环境保护工程职业学院, 佛山 528216;
3. 暨南大学环境与气候研究院, 广州 511486
2. Guangdong Polytechnic of Environmental Protection Engineering, Foshan 528216;
3. Institute for Environmental and Climate Research, Jinan University, Guangzhou 511486
挥发性有机物(VOC)作为臭氧(O3)、二次有机气溶胶等二次污染物的重要前体物, 是近年来区域性大气复合污染的主要贡献物之一(Duan et al., 2008; Ou et al., 2015; 王红丽, 2015).作为国家重点经济区域, 广东省大气污染物总量整体呈波浪式下降趋势, 但在局部地方还有反弹, 臭氧污染已成为影响珠江三角洲地区(PRD)空气质量达标的首要污染物(Li et al., 2014).为了持续改善区域空气质量, 打赢“蓝天保卫战”, 《广东省打赢蓝天保卫战行动方案》(2018—2020年)要求2020年广东省VOC总量相对于2015年减排18%.因此, 建立准确的人为源VOC排放清单, 降低模型模拟不确定性显得尤为重要.
工业VOC是人为源VOC排放的主要贡献源(刘金凤等, 2008; 李璇等, 2014).已有研究表明, 全国工业源VOC排放约占人为源VOC排放总量的39%(Wu et al., 2016), 其中, 广东省的工业VOC排放占其人为源VOC排放总量的50%左右, 且在近年来保持着上升的趋势(Zhong et al., 2018).然而, 现有工业VOC排放清单编制过程仍然以统计数据(面源)为主(潘月云等, 2015), 此类活动水平数据主要通过统计年鉴、环境统计信息等获取, 针对工业VOC排放的实地调查获取的活动水平数据较少; 部分行业活动水平数据来自统计年鉴的行业产值和产量(余宇帆等, 2011), 难以获取VOC污染控制措施实施情况等信息, 导致清单估算过程的不确定性, 这些不确定性会随着计算过程传递给排放清单, 最终造成清单估算结果的不确定性(钟流举等, 2007; Pouliot et al., 2012).魏巍等(2011)计算得到我国人为源VOC排放的相对标准差为±52%, 工业过程源与有机溶剂使用源的排放水平不确定度分别为±80%、±82%;Zhong等(2018)计算得到广东省工业VOC排放结果的不确定性范围是-10%~98%.
对于区域空气质量模型及大气环境管理工作而言, 仅对排放源的大气污染物排放量进行统计分析, 但缺乏高精度的时空分布特征的信息数据, 是无法满足其需求的(Bo et al., 2008).现阶段工业园VOC分配主要采用基于空间地理信息数据的面源分配(Huang et al., 2011; Fu et al., 2013).Zheng等(2009)利用GIS提取珠三角地区的人口栅格分布, 采用人口密度作为工业面源的空间分配因子.但根据实际情况而言, 工业企业一般分布在人口相对稀少的地方, 按照人口密度会导致排放分配到居民区或者市中心而工业园被分配较少的排放源, 导致工业VOC排放源清单空间分布的不确定性.为了弥补这个缺点, Yin等(2015)利用基于工业园区及Google Earth的方法研究了珠三角工业源VOC空间分布情况.但受到Google Earth数据库容量和时间尺度的限制, 以及人工搜索工作精确性的影响, 数据样本代表性和全面性尚有欠缺, 同时, 考虑各个行业之间的发展差异, 此分配方法仍存在不足之处.
本研究基于统计年鉴数据建立的2014年广东省工业VOC排放清单(简称“改进前清单”), 通过问卷调研, 从活动水平数据角度开展清单估算方法和空间分配方法两方面的改进工作, 建立基于实地调研和统计年鉴数据相结合的广东省高分辨率工业VOC排放清单(简称“改进后清单”), 并利用CAMx模式模拟评估改进后清单对大气臭氧模拟效果的影响.以期为我国VOC源排放清单研究提供第一手活动水平数据, 提供清单改进方法参考, 并为广东省VOC污染防治提供精准基础数据支撑和科学依据.
2 材料与方法(Materials and methods) 2.1 研究区域与对象研究区域为广东省下辖21个省辖市, 其中包括广州、深圳2个副省级城市和佛山、东莞等19个地级城市.研究基准年为2014年.
本研究涉及的VOC排放行业是根据《广东省大气污染防治行动方案(2014—2017)》、《广东省挥发性有机物(VOC)整治与减排工作方案(2018—2020)》、中国生态环境部2014年发布的《大气挥发性有机物源排放清单编制技术指南(试行)》中提出的VOC排放量较高的行业.结合广东省实际情况, 关注的VOC排放行业包括炼油与石化行业、金属表面涂装行业、橡胶和塑料制品业、电子元件制造业、涂料、油墨、颜料及类似产品制造业、医药制造业、化学原料和化学制品制造业、印刷业、制鞋业、家具制造业、食品加工业、洗染服务、纸制品、办公用品及其他行业等16个重点行业.
2.2 关键数据及来源改进前清单的活动水平数据主要来源于环境调研数据中广东省2014年企业填报的产品产量数据, 以及资料调研中广东省及各市统计年鉴数据.其中, 金属表面涂装行业、电子元件制造业、制鞋业、办公用品、家具制造业、洗染服务及其他行业活动水平数据来自广东省统计年鉴和城市统计年鉴中产品产量或原辅材料消耗量; 印刷业和橡胶及塑料制品业活动水平数据结合了统计年鉴和环统调研数据中产品产量、原辅材料消耗量; 炼油与石化行业、化学原料和化学制品业等行业活动水平数据为环统调研数据中广东省2014年企业填报的产品产量数据.具体信息详见表 1.
| 表 1 改进前广东省工业VOC排放清单分类 Table 1 Classification of pre-optimized industrial VOC emission inventory in Guangdong Province |
 |
用于本次清单改进的活动水平数据为调研的更为精细化的点源企业信息, 通过调研掌握污染源的位置、产量、原辅料和末端治理设施等信息以提高活动水平数据的精度.点源行业VOC清单数据主要依靠自下而上的问卷调查方式获取, 采取的方式包括现场培训填表、企业网上填表、专人实地调查等, 汇总整理出广东省VOC排放企业12119家.本次调研中印刷业(2283家单位)、橡胶与塑料制造业(2245家单位)、家具制造业(1809家单位)及金属表面涂装行业(1465家单位)占比最大, 主要分布在中山、深圳、东莞及佛山.根据图 1中调研行业VOC治理设施情况调查结果, 此次调研的企业中未安装VOC治理设施的比例在60%左右(35%~75%), 从治理技术来看, 现有设施大量采用吸附法(如活性炭吸附等)、吸收法(如水喷淋、碱吸收等)、联用技术等.
 |
| 图 1 调研行业VOC治理设施情况调查结果 Fig. 1 After-treatment equipment information of industrial VOC based on field research |
文中采用的行业VOC排放清单空间分配因子为基于广东省各城市工业园区和人口密度建立的分辨率为3 km×3 km的空间分配因子; 点源企业经纬度是基于谷歌地图人工搜索企业所在地详细信息及企业名称定位得到.
2.3 研究方法 2.3.1 清单估算改进方法为了降低清单估算过程中的不确定性, 进而提高清单估算量的精确度, 本研究将活动水平数据作为改进参数, 采取问卷调研的方式获取包含详细企业信息的活动水平数据, 对工业VOC清单估算过程进行改进.此次工业VOC排放清单改进仅从活动水平数据中工业企业的产品产量及末端控制措施治理效率对清单估算过程进行改进.相对于统计年鉴的方法, 调研过程中可以获得工业企业污染物末端治理设施的安装情况及治理效率, 由此提高清单估算过程的精确度.改进前清单估算多采取年鉴中某一行业的产量作为活动水平数据, 用于清单改进的数据则采取实地调研的具体企业产量, 相对于统计数据更为精细化, 且末端控制措施的安装及治理效率也落实到具体的工业企业, 减少了估算过程中的不确定性.在确保调研的活动水平数据(简称“调研数据”)准确可信的情况下, 对每种行业活动水平数据做城市尺度的改进, 促使清单最大程度点源化.改进原则如下：由于问卷调研的局限性, 调研数据无法覆盖所有排放源, 对比调研数据与改进前由统计信息获得的活动水平数据(简称“统计数据”), 如果城市尺度的行业调研数据超过改进前的统计数据则对活动水平数据进行改进, 采取调研数据估算VOC排放量; 反之, 则认为改进前的统计数据涵盖了此次调研数据, 仍延用统计数据估算VOC排放量.最终得到基于实地调研的2014年广东省高分辨率工业VOC排放清单, 从而提高广东省工业VOC排放清单的精确度.
本文中清单估算采用的计算公式如下：
|
(1) |
|
(2) |
式中, E1、E2分别为统计数据估算的行业VOC排放量、估算的调研企业的VOC排放量; A1、A2分别为统计数据中行业产量或原辅材料使用量、调研企业产量或原辅材料使用量; EF为污染物排放系数; η为调研企业实施的污染控制技术对污染物的去除效率, 当无去除设施时, η为0.
改进前清单运用公式(1)估算城市尺度的行业VOC排放量.对于环境统计调研数据, A1为行业对应的产品产量, EF为污染物的产生系数.年鉴中获取的活动水平数据分为两种类型：金属表面涂装业和印刷业(A1为油漆或油墨的使用量, EF为单位质量油墨或油漆的VOC排放系数); 家具制造业、制鞋业等其他行业(A1为行业的产品量, EF为单位产品产生的VOC排放系数).
用于改进清单估算的活动水平数据为精细化的点源工业企业数据, 通过每家企业的原辅材料消耗量或产品产量(A2)、污染控制措施实施情况及去除效率(η), 结合排放因子(EF), 运用公式(2)估算调研的工业VOC排放量, 从而提高清单估算过程的准确性.其中, 改进前金属表面涂装、家具制造、印刷业、橡胶与塑料制品业、电子元件制造业、制鞋业、办公用品等行业活动水平数据多来自统计年鉴的面源数据, 清单估算过程中未涉及详细的企业VOC排放量及末端污染物控制措施.用于改进这些行业的调研数据为精细化的点源数据, 在对工业企业产量改进的同时, 在估算过程中增加了污染控制措施的考量, 由此降低清单估算过程中的不确定性.
2.3.2 空间分配改进方法鉴于本次清单估算改进是利用调研数据的大量点源信息替代改进前清单中的活动水平数据, 为了提高广东省工业VOC排放清单空间分配的精确性, 根据改进后每个城市清单行业类型的不同, 对改进后清单的空间分配采用点源分配与面源分配相结合的方式.点源清单优先采用直接分配且精确度更高的点源空间分配方法; 面源清单则借助GIS软件, 利用广东省各城市工业园区和人口密度等空间地理信息作为分配依据, 空间分辨率为3 km×3 km.
改进前清单中炼油及石化行业、化学原料和化学制品业等行业活动水平数据为环境调研数据中含有详细地址的企业, 利用谷歌地图人工搜索的具体经纬度信息, 其空间分配采用点源分配方式.金属表面涂装行业、电子元件制造业、制鞋业等活动水平数据来自广东省统计年鉴、城市统计年鉴中产品产量或原辅材料消耗量, 由于无明确的企业点源信息, 则采用基于广东省各城市工业园区分布和人口密度的面源分配方式.
改进后清单由于融入了大量企业点源信息, 则按照每个城市行业类型的不同采取合适的空间分配方式.对于含有大量点源信息的行业, 优先采用点源分配模式; 面源空间分配依旧按照改进前清单采用的空间分配因子.此种分配方式不再限制某种行业的单一化空间分配模式, 而是根据每个城市中行业清单类型的实际情况, 采取最优的空间分配模式, 从而提高广东省工业VOC排放清单空间分配的精确度.
2.3.3 改进清单评估方法本研究基于CAMx模式来评估改进后清单对大气臭氧模拟效果的影响.考虑区域传输的影响因素, 选定7月15日—8月15日作为模拟时段(沈劲等, 2017), 评估改进后清单对本地臭氧模拟效果的影响.模拟所采用的清单分别为包含改进前清单、改进后清单的2014年广东省高时空分辨率大气污染源排放清单.以新一代空气质量模型CAMx为核心, 中尺度气象模型WRFv3.3为驱动力, 耦合本地化的广东省大气排放源清单处理模型SMOKE以提供排放源清单支持, 搭建区域空气质量模拟平台WRF/SMOKE/CAMx, 以支撑本次清单改进合理性的模拟评估.模拟研究采用嵌套网格作为大气化学传输模型和气象模型的模拟区域.内层区域水平分辨率高于外层区域, 内层网格分辨率与外层网格分辨率的比值为1：3.两层网格分辨率分别设置为D1：27 km×27 km和D2：9 km×9 km, 其中, 大气化学传输模型网格数分别为D1：182(Nx)×138(Ny)和D2：98(Nx)×74(Ny); 气象模型网格数分别为D1：282(Nx)×183(Ny)和D2：222(Nx)×162(Ny).模拟区域均采用兰伯特投影坐标系统(LAMBERT)对模拟区域各个参数进行设置, 第一平行纬度(Alpha)、第二平行纬度(Beta)分别为北纬15°和北纬40°, 中心经度(x)和中心纬度(y)为东经114°、北纬28.5°.气象模拟采用50 mb等压面以下分为26层等气压层, 上宽下密的结构, 而空气质量模拟分层则选取其中的18层.
3 结果与讨论(Results and discussion) 3.1 清单改进结果表 2为改进前后2014年广东省各行业VOC排放清单结果.从排放总量上看, 改进前后广东省工业VOC排放量分别为500927 t、716470 t, 改进后排放量上升约40%.图 2中改进前后广东省VOC排放行业贡献率存在轻微差异, 改进前广东省VOC主要贡献行业为金属表面涂装行业(21%)、印刷业(13%)和家具制造业(12%), 而改进后主要贡献行业转变为炼油与石化行业(21%)、金属表面涂装行业(17%)和印刷业(10%).分析可知, 改进前清单行业活动水平数据是来自于行业公布信息、政府公布信息或者统计年鉴的数据, 而统计年鉴数据一般是只对规模以上企业进行统计, 这些统计信息不能反映该地区重点VOC排放行业中的中小规模企业的排放量, 由此会造成清单估算量的低估.
 |
| 图 2 广东省VOC排放分行业所占比例(A.金属表面涂装; B.印刷业; C.橡胶和塑料制品业; D.食品加工行业; E.办公用品; F.涂料、油墨及类似产品制造业; G.炼油与石化行业; H.家具制造业; I.制鞋业; J.电子元件制造业; K.医药制造业; L.洗染服务; M.化学原料和化学制品制造业; N.纸制品; O.其他行业) Fig. 2 Contributions of VOC emissions from industrial sources in Guangdong Province |
| 表 2 2014年广东省工业VOC排放清单 Table 2 2014-based industrial VOC emission inventories in Guangdong Province |
|
改进前后2014年广东省各行业VOC排放清单结果中超过半数行业在本次改进后VOC排放量呈增加现象.其中, 炼油与石化行业贡献率上升最为明显, 主要原因是改进后企业数目增加较多：改进前企业中茂名(25家)占比最大, 其次为东莞(5家), 佛山次之(4家); 改进后企业中, 茂名有33家, 广州由改进前的2家增至12家.此外, 由于炼油及石化行业VOC排放来自工艺排气、生产设备与管线组件密封点泄漏、储罐和装卸过程挥发损失、污水系统逸散等多个工业环节(钱伟等, 2015), 改进前清单利用企业年产品产量统一估算会造成VOC排放量的低估.此外, 涂料、油墨及类似产品制造业改进后VOC年排放量增加约83%, 活动水平数据由288家排污企业增至592家, 类似的有医药制造业、其他行业.说明从环统中获取的活动水平数据涵盖企业数目较少, 导致清单排放量的低估; 将环统数据与调研数据结合可以获取更为详细的活动水平数据, 降低清单估算量的不确定性.橡胶和塑料制品业VOC排放量增加约50%, 这主要是由于改进前活动水平数据主要来自广东省统计年鉴及各城市统计年鉴, 为行业的年产量或产值, 数据相对粗糙, 覆盖范围有限; 改进后数据为更加精细化的企业调研数据, 弥补了统计数据的缺失问题.
由图 2可以看出, 改进前广东省整体行业VOC排放占比中金属表面涂装行业VOC排放量最大, 约占总排放量的21%.印刷业和家具制造业次之, 合计排放量占总排放量的25%左右.改进后炼油与石化行业排放量最大为148244 t, 在总排放量中的占比从改进前的9%升至21%.金属表面涂装行业及印刷行业次之, 分别占行业VOC排放量的17%和10%.值得注意的是, 化学原料和化学制品制造业虽然贡献很少, 但改进后排放量由1716 t增至20559 t, 在总排放量中的占比由改进前的1%不到增至3%.改进前的PRD地区行业VOC排放贡献与广东省基本保持一致, 贡献最大的行业为金属表面涂装行业(24%).改进后贡献最大的仍为金属表面涂装行业(21%), 除炼油与石化行业(由9%增至14%)之外, 其余行业贡献率均为轻微浮动.非珠三角(NPRD)地区各行业VOC排放贡献率与广东省行业贡献占比明显不同, 改进前行业贡献最大的为食品加工行业(18%), 其次为印刷业(15%)和办公用品业(12%).改进后炼油及石化行业贡献率最大由9%增至39%, 其次为食品加工业和印刷业, 合计排放量占总排放量的19%左右.
图 3a为改进前后广东省城市工业VOC排放量, 改进后排放量变化明显的城市集中在NPRD地区.PRD地区仅广州、珠海、中山变化比较明显, 分别增加了约1.0、0.7、0.5倍; NPRD地区超过半数城市的行业VOC排放量增加0.5倍以上, 其中, 茂名(3.6倍)、云浮(2.7倍)、清远(1.9倍)3个城市变化最大.图 3b为改进前后广东省典型城市工业VOC排放量.就PRD地区而言, 广州各个行业均有低估现象, 珠海和中山的VOC排放行业中仅金属表面涂装行业、化学原料和化学制品制造业有轻微低估现象.NPRD城市中以茂名市行业VOC排放量变化最大, 这与炼油及石化行业VOC排放量增加较多有关, 湛江作为石化基地, 炼油及石化行业同样被低估; 清远行业VOC排放量整体被低估, 电子元件制造业低估最为明显; 而云浮、梅州、河源、韶关改进后的清单中各行业VOC排放量有不同程度的增加.主要原因是改进前不同城市的活动水平统计口径不一致：城市间的统计口径各异, 导致对于同一排放源而言, 其活动数据来源可能存在差异性, 造成最后结果的不确定性; 此外, 不同城市发布的统计信息数据质量存在差异, 也会造成清单估算的不确定性.
 |
| 图 3 广东省城市工业VOC排放清单(a.改进前后广东省城市工业VOC排放量, b.改进前后典型城市工业VOC排放量) Fig. 3 Industrial VOC emissions in each city of Guangdong |
细化到城市层面上, 改进后PRD地区仅个别城市工业VOC排放清单变化明显, NPRD地区城市清单整体被低估, 且大多数行业VOC排放量存在被低估现象.说明此前PRD地区工业VOC活动水平数据及清单估算相对成熟, NPRD地区工业VOC排放清单存在较大的不确定性, 主要与城市之间统计数据、城市年鉴及污染普查等活动水平数据的完善程度及数据质量有很大关系, 今后的清单研究工作应更加注重NPRD地区.
3.2 空间改进结果图 4a为改进前后广东省工业VOC排放空间分配图, 由图可知, 改进前的空间分配多以低排放量的网格为主, 改进后则更加集中且呈现密集的点源化分布.图 4b为改进前后广东省工业VOC总排放空间差值图, 图中NPRD城市空间排放量呈增加现象(茂名、云浮等), 与改进后NPRD地区工业VOC清单排放量的增加保持一致, 而清远、韶关等部分区域空间排放量减少, 整体空间分配效果保持不变.PRD地区空间差值变化相对明显, 主要体现在广州、中山、深圳等工业发达的城市.主要原因是改进前的工业清单多为面源, 面源清单空间分配借助地理信息数据会导致污染源分配到无排放的地区, 而改进后依靠经纬度的点源分配定位相对精准.
 |
| 图 4 工业VOC排放清单空间分配图 Fig. 4 Spatial distribution of VOC emissions from industrial sources in Guangdong City |
改进后的工业VOC排放空间分配更加合理, 弱化了人口密度大的中心城区VOC的排放量, 强化了各个城市产业块的工业VOC排放, 提高了改进前分配因子不合理城市的空间分配精度.图 4b中东莞、江门改进前后空间分配基本保持一致, 说明此前依据工业园区表征的空间分配因子比较合理; 部分城市改进后污染物排放高值发生了空间位移, 如广州、中山及深圳.分析广州市工业VOC空间差值图, 改进后VOC空间分配减弱了越秀区、天河区、海珠区中心城区的空间排放量, 同时, 重要产业区块VOC空间排放量有不同程度的提高, 如番禺区、南沙区、黄埔区等; 改进后的深圳、中山工业VOC空间分配同样弱化了中心区的排放量, 重要产业区块VOC空间排放量有不同程度的提高, 空间结构上更加体现了中山市与广州、深圳的一体化发展; 中山市西北部的工业区空间排放量减少, 由于实地调研的局限性, 导致调研的活动水平数据不全面, 导致部分城市工业区分配减弱的现象, 有待以后进一步完善补充.
通过广州各行业VOC排放空间分配差值图(图 4c), 分析各行业空间分配改进效果：炼油及石化作为清单排放量增加最大的行业, 行业VOC空间排放量有所提高; 涂料、油墨及类似产品制造业改进前后空间分配无明显差别, 说明改进前基于工业园区空间地理信息分配较为合理, 改进后补充点源信息空间分配更加精确; 印刷行业改进后减弱了大面积的低排放量的网格分布, 调研点源数据的补充使得空间分配更加集中合理; 橡胶制造业排放高值发生了空间位移, 改进后行业VOC排放空间分配从中心城区转移至周边产业区, 今后研究工作需要对此行业空间分配因子进行改进.
3.3 改进清单对臭氧模拟的影响图 5为本次模拟时段改进前后广东省臭氧模拟浓度空间差值图, 重点选取臭氧浓度较高的时段进行对比, 分别为9：00、11：00、13：00和15：00.由图 5可知, 工业VOC清单改进总体上提高了广东省臭氧的模拟浓度.其中, 臭氧浓度上升较为明显的区域主要集中在PRD工业发达地区, 包括广州、东莞、深圳、惠州和周边区域, 这与VOC改进前后空间分配变化明显的区域保持一致; 相比之下, NPRD地区工业VOC排放变化在空间方面相对较为分散, 因此, 其对臭氧模拟浓度的影响也较小, 主要集中在茂名、湛江及清远等VOC排放变化较为明显的城市.此外, NPRD臭氧模拟浓度变化较小还可能与广东省不同区域臭氧形成对人为排放的敏感性差异有关：PRD工业发达的地区处于VOC控制区, 臭氧生成对VOC浓度变化比较敏感(叶绿萌等, 2016); 而NPRD大部分地区植被茂盛, 天然源VOC占比较重, 导致臭氧形成对人为VOC排放的敏感性较低.从图 5中可以看出, 臭氧变化最明显的区域集中在广州与东莞相邻处, 这是因为改进后部分广州工业VOC排放转移至与东莞相邻处的南部工业区, 而部分东莞工业源转移至与广州相邻处, 这表明工业VOC排放空间分配改进将影响城市间臭氧传输的模拟量化, 进而有可能改变城市间的臭氧污染控制对策.
 |
| 图 5 改进前后广东省臭氧模拟浓度空间差值图 Fig. 5 Spatial difference of simulated O3 concentrations between before and after improvement |
根据图 5中臭氧污染浓度变化较大的地区, 本文继续选取广州市番禺中学监测站点和东莞市莞城二水厂监测站点作为典型站点, 通过对比改进前后臭氧浓度的模拟效果, 验证本文提出的工业VOC排放清单改进方法是否可靠.表 3和图 6分别是典型站点改进前后臭氧模拟结果与实际监测值的对比、臭氧浓度时间序列图.结果表明, 采用改进前的工业VOC排放驱动模型时, 广州和东莞的臭氧污染峰值存在一定程度的低估, 其低估的比例分别为6.0%和13.3%.而在工业VOC排放改进后, 广州和东莞的臭氧峰值的模拟偏差有所减小, 其O3模拟的标准平均偏差(Normalized Mean Bias, NMB)分别降低了0.8%和1.5%, 标准平均误差(Normalized Mean Error, NME)分别降低了0.6%和0.8%.对于东莞市莞城二水厂监测站点的污染时段(7月15—18日), 改进后O3-8 h的模拟浓度提高了1~7 μg·m-3, 小时臭氧最大值(O3-MAX)提高了1~9 μg·m-3, 其中, 7月18日由207 μg·m-3增至214 μg·m-3, 模拟结果更接近监测值(224 μg·m-3); 对于广州市番禺中学监测站点的污染时段(7月28—31日), 改进后O3-8 h的模拟浓度提高了3~7 μg·m-3, O3-MAX则提高了1~8 μg·m-3, 同样也更为接近监测值.以上分析表明, 本文提出的工业源VOC改进方法能有效提高臭氧的模拟效果.需要说明的是, 工业源VOC排放仅仅是导致臭氧模拟偏差的来源之一.除了工业源VOC排放清单, 天然源VOC排放、其他人为源排放、气象输入、边界条件及化学反应模块也是臭氧模拟的不确定性来源, 这也是改进工业源VOC排放后臭氧模拟效果提升有限且仍然存在偏差的原因.
 |
| 图 6 臭氧浓度时间序列图 Fig. 6 Time-series graph of O3 concentration |
| 表 3 改进前后臭氧模拟效果对比 Table 3 Comparison of ozone simulation results before and after improvement |
|
1) 本次改进通过实地调研获取详细的活动水平数据, 从而降低了清单估算过程中的不确定性, 提高了广东省工业VOC清单排放量的准确度.改进后广东省工业VOC清单排放量由500927 t增至716470 t; PRD地区以广州、珠海、中山行业VOC排放量变化比较明显, 分别增加了1.0、0.7和0.5倍, 主要集中在炼油及石化行业、金属表面涂装行业及化学原料和化学制品制造业; NPRD地区超过半数的城市行业VOC排放量增加0.5倍以上, 改进前多数行业VOC排放量均存在低估现象, 茂名(3.6倍)、云浮(2.3倍)、清远(1.9倍)3个城市变化最大.
2) 根据各行业在不同城市的清单类型采取点源与面源相结合的分配方法, 代替改进前同一种行业单一的空间分配方法, 提高了广东省工业VOC排放清单的空间精度.改进前的污染源呈大面积块状分布, VOC被分配到工业源较少的人类活动区; 调研的点源数据使得改进后的空间分布趋于点源化, 污染源转移至工业园区, 这种变化主要体现在PRD工业发达的地区.
3) VOC工业源排放清单改进总体上提高了广东省臭氧的模拟浓度, 其中, PRD工业发达地区(广州、东莞、惠州等)的臭氧模拟浓度提高最为明显, 在污染时段臭氧模拟峰值甚至能够提高6~9 μg·m-3, 这在一定程度上能够弥补模式对臭氧污染峰值低估的不足.NPRD地区天然源排放强度较高, 臭氧模拟浓度变化相对不明显.
Bo Y, Cai H, Xie S D. 2008. Spatial and temporal variation of historical anthropogenic NMVOCs emission inventories in China[J]. Atmospheric Chemistry & Physics, 8(23): 11519–11566.
|
Duan J, Tan J, Yang L, et al. 2008. Concentration, sources and ozone formation potential of volatile organic compounds (VOCs) during ozone episode in Beijing[J]. Atmospheric Research, 88(1): 25–35.
DOI:10.1016/j.atmosres.2007.09.004
|
Fu X, Wang S, Zhao B, et al. 2013. Emission inventory of primary pollutants and chemical speciation in 2010 for the Yangtze River Delta region, China[J]. Atmospheric Environment, 70(70): 39–50.
|
Huang C, Chen C H, Li L, et al. 2011. Emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region, China[J]. Atmospheric Chemistry and Physics, 11(9): 4105–4120.
DOI:10.5194/acp-11-4105-2011
|
Li J, Lu K, Lv W, et al. 2014. Fast increasing of surface ozone concentrations in Pearl River Delta characterized by a regional air quality monitoring network during 2006-2011[J]. Journal of Environmental and Science (China), 26(1): 23–36.
DOI:10.1016/S1001-0742(13)60377-0
|
李璇, 王雪松, 刘中, 等. 2014. 宁波人为源VOC清单及重点工业行业贡献分析[J]. 环境科学, 2014, 35(7): 2497–2502.
|
刘金凤, 赵静, 李湉湉, 等. 2008. 我国人为源挥发性有机物排放清单的建立[J]. 中国环境科学, 2008, 28(6): 496–500.
DOI:10.3321/j.issn:1000-6923.2008.06.004 |
Ou J, Zheng J, Li R, et al. 2015. Speciated OVOC and VOC emission inventories and their implications for reactivity-based ozone control strategy in the Pearl River Delta region, China[J]. Science of the Total Environment, 530-531: 393–402.
DOI:10.1016/j.scitotenv.2015.05.062
|
潘月云, 李楠, 郑君瑜, 等. 2015. 广东省人为源大气污染物排放清单及特征研究[J]. 环境科学学报, 2015, 35(9): 2655–2669.
|
Pouliot G, Wisner E, Mobley D, et al. 2012. Quantification of emission factor uncertainty[J]. Journal of the Air & Waste Management Association, 62(3): 287–298.
|
钱伟, 蔡慧华, 余宇帆, 等. 2015. 广东省石化行业挥发性有机化合物排放污染及治理现状[J]. 广东化工, 2015, 42(8): 37–39.
DOI:10.3969/j.issn.1007-1865.2015.08.019 |
沈劲, 黄晓波, 汪宇, 等. 2017. 广东省臭氧污染特征及其来源解析研究[J]. 环境科学学报, 2017, 37(12): 4449–4457.
|
王红丽. 2015. 上海市大气挥发性有机物化学消耗与臭氧生成的关系[J]. 环境科学, 2015, 36(9): 3159–3167.
|
魏巍, 王书肖, 郝吉明. 2011. 中国人为源VOC排放清单不确定性研究[J]. 环境科学, 2011, 32(2): 305–312.
|
Wu R, Bo Y, Li J, et al. 2016. Method to establish the emission inventory of anthropogenic volatile organic compounds in China and its application in the period 2008-2012[J]. Atmospheric Environment, 127: 244–254.
DOI:10.1016/j.atmosenv.2015.12.015
|
叶绿萌, 樊少芬, 常鸣, 等. 2016. 珠三角地区秋季臭氧生成敏感性时空变化模拟研究[J]. 南京大学学报(自然科学), 2016, 52(6): 977–988.
|
余宇帆, 卢清, 郑君瑜, 等. 2011. 珠江三角洲地区重点VOC排放行业的排放清单[J]. 中国环境科学, 2011, 31(2): 195–201.
|
Yin S, Zheng J, Lu Q, et al. 2015. A refined 2010-based VOC emission inventory and its improvement on modeling regional ozone in the Pearl River Delta Region, China[J]. Science of the Total Environment, 514: 426–438.
DOI:10.1016/j.scitotenv.2015.01.088
|
Zheng J, Shao M, Che W, et al. 2009. Speciated VOC Emission Inventory and Spatial Patterns of Ozone Formation Potential in the Pearl River Delta, China[J]. Environmental Science & Technology, 43(22): 8580–8586.
|
Zhong Z, Zheng J, Zhu M, et al. 2018. Recent developments of anthropogenic air pollutant emission inventories in Guangdong province, China[J]. Science of the Total Environment, 627: 1080–1092.
DOI:10.1016/j.scitotenv.2018.01.268
|
钟流举, 郑君瑜, 雷国强, 等. 2007. 大气污染物排放源清单不确定性定量分析方法及案例研究[J]. 环境科学研究, 2007, 20(4): 15–20.
DOI:10.3321/j.issn:1001-6929.2007.04.003 |