工業園區典型VOCs污染過程精細化溯源

王東方

工業園區典型VOCs污染過程精細化溯源

王東方*

(上海建科環境技術有限公司,上海 201108)

以上海某化工工業園區為目標區域,針對典型的大氣VOCs污染過程,通過耦合高時間分辨率GC-MS在線監測、拉格朗日大氣擴散模型、VOCs源譜及相似度分析等技術手段,開展了小尺度大氣VOCs的精細化溯源.結果表明,針對敏感點監測到的VOCs高值時刻,拉格朗日大氣擴散模型能夠追蹤主要的氣團來向及企業潛在貢獻,空間分辨率達到110m′110m;進一步結合受體-源譜之間的相似度分析,可以對潛在來源對象進行二次識別,高相似度企業余弦相似系數可以達到0.8以上(最高為1),溯源結果具有較高的精準度和可信度.

工業園區；揮發性有機物；大氣擴散模型；源譜；相似系數

VOCs是當前制約我國空氣質量持續改善的主要污染物之一[1-3].工業排放是人為源VOCs的主要來源,長三角區域工業源VOCs的排放可占人為源VOCs排放總量的30%～50%[4-5].隨著產業不斷向園區集中,工業園區特別是石化化工園區已成為涉VOCs企業最為密集、VOCs排放最為集中的區域.

工業園區內企業分布密集、產業類型相近、污染組分復雜,當污染物出現超標報警或者存在異味惡臭投訴時,企業間存在相互推諉扯皮的現象,給環境管理部門開展執法檢查和整改措施的實施造成困擾.以往針對工業園區的VOCs溯源,通常依托走航監測、受體模型解析等技術手段,但溯源解析的結果大多存在指向性不明、不確定性高等問題.VOCs走航監測的應用已較為廣泛,國內諸多工業園區已開展了類似的監測研究工作[6-9].現階段VOCs走航監測主要停留在高值點獲取及VOCs的初步表征.但通常情況下,走航高值點周邊企業密集且離企業生產區域仍有一定距離,在無法精準掌握局地氣象條件以及周邊所有企業源譜信息的情況下,仍難以準確定位污染來源.基于受體模型的VOCs源解析也是當前較為成熟的VOCs溯源技術,但其解析結果一般只能分配到行業類型,無法給出具體的企業排放來源[10-13].適用于中小尺度的大氣擴散模型,其中高斯煙羽模型主要應用于污染物擴散的環境影響評估[14-15],受限于本身理論,難以直接應用于敏感點溯源;拉格朗日大氣擴散模型近年來被廣泛應用于城市尺度的污染溯源[16-19],隨著模型技術的發展及精細化氣象信息的獲取,該模型逐漸被應用于中小尺度的污染溯源,但相關研究應用仍非常有限[20].

本研究結合環境管理實際需求,通過耦合高時間分辨率GC-MS在線監測、拉格朗日大氣擴散模型、VOCs源譜及相似度分析等技術手段,開展了園區尺度大氣VOCs的精細化溯源研究,并對上海某工業園區周邊VOCs高污染案例進行了深入剖析,以期為工業園區大氣VOCs的精細化管控工作提供技術支持.

1 材料與方法

1.1 研究區域

研究區位于上海某工業園區及周邊區域,其中工業園區主要產業類型包括精細化工、專用化學品生產、涂料生產、合成樹脂、固廢焚燒等.工業園區總占地面積約5.6km2.

環境敏感點位于工業園區下風向約1km處,主要為居民區(如圖1).因此,在不利氣象條件下,敏感點區域時常受到工業園區排放影響,廠群矛盾較為突出.

圖1 工業區及敏感點監測點位(移動監測車)分布

1.2 數據的采集

1.2.1 源譜的采集和建立 為保證源譜采集的代表性,同時考慮源譜采集的可行性,共開展了工業園區內19家企業的源譜采集,主要行業類型包括化學品制造、涂料生產、固廢焚燒處理、金屬加工等.

VOCs源譜樣品采集依據HJ 732-2014《固定污染源廢氣揮發性有機物的采樣氣袋法》[21]和HJ/T 397-2007《固定源廢氣監測技術規范》[22]要求進行,共采集到19家企業有組織/無組織樣品數48個,其中有組織樣品37個,無組織樣品11個.樣品分析參照HJ 759-2015《環境空氣揮發性有機物的測定罐采樣/氣相色譜-質譜法》[23]、HJ 683-2014《環境空氣醛、酮類化合物的測定高效液相色譜法》[24]進行,檢測物種共117種,包括PAMS、TO15以及13種醛酮類物質.

1.2.2 敏感點監測 為有效監測工業區VOCs排放對周邊環境敏感點的影響,本研究在工業區下風向敏感點處放置了一部大氣移動監測車,其中配置了在線GC-MS儀器(Agilent 7890B GC; MARKS TOF-MS).監測時段為2021年4月下旬～2021年5月下旬,其中監測期間由于儀器出現故障,需要返廠維修,因此造成中間數據缺失.為保證儀器監測數據準確性,期間每天會對儀器基線、出峰情況進行檢查,每周會進行通標校準測試.校準所用標氣為LINDE USEPA PAMS以及LINDE TO15,濃度均為1′10-6.校準濃度點為5′10-9.

1.3 拉格朗日粒子擴散模型(LPDM)

模型采用的氣象場由WRF V3.0提供,為提高計算分辨率,采用四層嵌套網格(D01、D02、D03和D04),中心經緯度為118°E、32°N(如圖2).D01的水平格距分辨率為27km×27km(覆蓋中國東部地區以及周邊的日本和韓國等亞洲地區),D02的水平格距分辨率為9km×9km(覆蓋整個長三角三省一市范圍,周邊地區和部分海域),D03水平格距分辨率為3km×3km(覆蓋上海市及周邊地區),D04水平格距分辨率為1km×1km(覆蓋研究區域及周邊).模式垂直方向設為27層,模式頂層為100hPa.氣象初始場和側邊界資料選用NCEP/NCAR的1°′1°全球再分析場資料.模擬區域內采用的是Global Land Cover(GLC) 30m分辨率的資料[25-27].

圖2 WRF模式嵌套網格設置

為提高氣象模擬精準度,本次模擬中利用地面實測數據對模式數據進行了同化.地面氣象實測數據來自于中國氣象數據網(http://data.cma.cn)的中國地面氣象站逐小時觀測資料,選用的數據變量包括:風速、風向、溫度、濕度、降水和海平面氣壓.每個省份的每個區縣都至少選擇一個實測氣象站點位,其中上海地區選取了11個地面氣象站點位.

WRF氣象模式的背景場以美國國家環境預報中心的FNL資料為基礎.數據同化時,將地面氣象站逐小時觀測數據,替換WRF模式中下墊面的對應網格點的數據,作為WRF模式的初始場,在模擬時刻將過去24h的氣象觀測數據進行下墊面氣象場同化,形成提供給WRF模擬的分析場.

利用小尺度溯源模型拉格朗日粒子擴散模型(LPDM),結合高分辨率氣象場,對目標點位大氣氣團來源進行溯源模擬[18-19,28-29].企業貢獻的定量評估主要依據氣團粒子在企業所在區域網格的停留時間計算得到:假設氣團粒子在A企業網格區域內停留時間為T,在所有企業的網格區域內總停留時間為,那么A企業對于受體點的氣象貢獻即為T/.

1.4 相似性比較

余弦距離、歐氏距離 研究采樣夾角余弦、歐式距離計算不同樣本間的相似度,為消除量綱的影響,采用零-均值標準化處理源譜數據.設定兩個樣本,樣本(1,2,...,X)和樣本(1,2,...,Y),X、Y分別為、樣本經標準化后第n個物種的指紋信息.余弦相似性系數和歐式距離計算公式如下:

2 結果與討論

2.1 污染過程基本特征

圖3為2021年4月24日～5月23日觀測期間環境敏感點總VOCs(112種)濃度的時序變化及組分構成,有效觀測時段為4月24日10:00～26日4:00(時段1)以及5月18日17:00～23日23:00(時段2).時段1、時段2VOCs平均濃度分別為92.51, 62.99μg/m3,期間OVOCs(含氧揮發性有機物)(時段1濃度35.21μg/m3、占比38.1%;時段2濃度22.53μg/m3,占比35.8%)、鹵代烴(時段1 23.06μg/m3, 24.9%;時段2 16.22μg/m3,25.8%)、烷烴(時段1 22.32μg/m3,24.1%;時段2 13.80μg/m3,21.9%)均為VOCs的主要貢獻組分,累積占比均超過80%.2次觀測期間均在敏感點位監測到明顯的VOCs高值過程,分別為4月25日19:00～26日4:00(高值時段1, EP1)、5月20日22:00～21日6:00(高值時段2,EP2).

EP1期間上海市近地面受均壓場控制,水平氣壓梯度力減小,弱偏東風,風速僅約1.2m/s.不利氣象條件下,VOCs逐漸累積.期間VOCs平均濃度204.77μg/m3,較時段1平均濃度升高約121.3%; VOCs主要組分為OVOCs、烷烴及鹵代烴,濃度分別為86.38, 53.58和46.17μg/m3,占比分別為42.2%、26.2%和22.5%;高值物種主要包括乙醇、二氯甲烷、丙酮、2-甲基戊烷、正己烷等(表1).4月26日0:00出現VOCs濃度異常峰值(318.7μg/m3),二氯甲烷、丙酮、乙酸乙酯等為關鍵污染物種,濃度峰值分別可達127.99, 71.18,47.77μg/m3.

EP2期間上海市近地面處于高壓中心,弱偏東風、風速僅約0.8m/s,VOCs再次出現明顯的累積過程.期間VOCs平均濃度194.14μg/m3,較時段2平均濃度升高約208.2%;組分仍以OVOCs(濃度81.34μg/m3、占比41.9%)、鹵代烴(濃度56.05μg/m3、占比28.9%)、烷烴(濃度31.37μg/m3、占比16.2%)為主,二氯甲烷、丙酮、乙酸乙酯、甲苯、乙醇等為主要污染物種(表1).時段內VOCs濃度峰值出現于5月21日4:00,為370.66μg/m3,二氯甲烷(92.44μg/m3)、乙醇(42.06μg/m3)、甲苯(34.87μg/m3)、乙酸乙酯(33.39μg/m3)、丙酮(30.73μg/m3)等為關鍵污染物種.

2次高值過程均是受弱氣壓場控制下,風速減小,擴散條件轉差,局地污染物累積的影響.高值期間,二氯甲烷、乙醇、丙酮、乙酸乙酯、甲苯等及部分低鏈烷烴為關鍵污染物種(表1),具有一定相似性.上述物種均為工業源排放的特征物種,在醫藥制造、涂料制造、專用化學品制造等行業中作為溶劑等主要原輔料被廣泛使用[30-32],也為固廢處置企業的優勢VOCs物種[33-34].基于敏感點所處位置及當時近地面風向條件,初步判斷兩次VOCs高值過程均是由于點位東側化工集中區企業排放導致,結合園區內產業結構特征、企業生產工藝及原輔料信息等分析,初步鎖定為某些醫藥制造、固廢處置或涂料制造企業.

表1 高值時段1、高值時段2期間VOCs濃度前10物種

2.2 高值點的氣象溯源分析

由于觀測點所處地理環境的復雜性,一方面實際的氣象條件可能存在一定誤差,且即使在掌握局地風向的條件下,污染源指向性也相對模糊.因此,結合拉格朗日反向溯源模型,通過WRF氣象驅動,計算氣塊群的運動軌跡,給出EP1、EP2期間觀測點10m高度處VOCs峰值時刻后推1h的氣團來向,輸出水平分辨率為110m′110m的足跡,結合所掌握的東側化工集中區50余家涉VOCs排放企業的地理坐標信息,計算污染氣團來源企業的概率分布.

圖4(a)結果顯示,2021年4月26日0:00(VOCs峰值318.7μg/m3)觀測點近地面氣團來自偏東方向,受東側化工集中區的影響較大,定量評估結果顯示,高氣象貢獻的企業(排名前5)為固廢處置企業A(占比13.19%)、醫藥制造企業A(占比13.11%)、醫藥制造企業B(占比13.11%)、涂料制造企業A(占比9.50 %)及其它日用品制造企業A(占比9.50%),總貢獻占比近60%(表2).圖4(b)顯示,2021年5月21日4:00(VOCs峰值370.66μg/m3)觀測點近地面氣團同樣來自偏東方向,定量評估結果顯示,東側化工集中區高氣象貢獻企業(排名前5)為固廢處置企業A(占比16.55%)、其它通用零部件制造企業A(占比10.82%)、有機化學原料制造企業A(占比10.65%)、醫藥制造企業B(占比10.14%)、醫藥制造企業A(占比10.14%),總貢獻占比近60%.

EP1、EP2期間2次VOCs峰值時刻觀測點氣團來向一致,均來自偏東方向,受點位東側化工區企業排放的影響較大.兩次過程中氣象貢獻均位列前5的企業包括3家,分別為固廢處置企業A、醫藥制造企業A以及醫藥制造企業B,為潛在高貢獻來源企業.

圖4 2021年4月26日0:00(a)和5月21日4:00(b)敏感點10m高度處后1h氣流軌跡

色柱(對數坐標軸)代表單位氣團在所在網格內停留的時間(h/m3)

表2 2021年4月26日0:00、5月21日4:00東側化工集中區企業的定量氣象貢獻(前5)

2.3 排放源相似性分析

在氣象溯源的基礎上,進一步結合余弦相似性和歐式距離2種方法對潛在高貢獻來源企業進行指紋譜的相似性判斷,縮小污染源范圍,鎖定目標企業.

表3 受體譜與重點企業源譜相似性系數

注:黑體為高相似性企業排口與受體譜的相似性系數.

表4 受體點與重點企業主要排口VOCs特征物種

注:黑體為高相似性企業排口VOCs特征物種.

2021年4月26日0:00和5月21日4:00 2個VOCs峰值時刻的受體譜之間的余弦相似性為0.86,接近于1,相似性較高,再次表明兩次污染過程的企業來源具有一致性.因此,將2個峰值時刻的受體譜與兩次高值過程中均涉及的3家潛在高貢獻來源企業不同排口(固廢處置企業A的3個排口,醫藥制造企業A的1個排口,醫藥制造企業B的6個排口)監測的有組織源譜進行相似性比較(源譜計數物種共105個),計算結果見表3.

2021年4月26日0:00受體譜與固廢處置企業A-1#排口源譜相似性最高,為0.92,其次為醫藥制造企業B-3#排口(0.83)、醫藥制造企業B-4#排口(0.79),歐式距離(代表兩組向量在多維度向量空間中的直線距離,距離越近相似度越高)分別為4.05、5.94和6.65;該受體譜與醫藥制造企業A相似性偏低(余弦相似性0.13,歐式距離13.55),故該企業的影響相對較小.結合受體譜特征VOCs物種(濃度前10)、兩家高貢獻企業源譜的特征VOCs物種(濃度前10)及企業主要原輔料信息(表4、圖5),可知受體譜與源譜高度對應,也與企業原輔料使用情況較為一致,表明溯源結果合理可靠.2021年5月21日4:00受體譜同樣與固廢處置企業A-1#排口源譜相似性最高,為0.92,其次為醫藥制造企業B-4#排口(0.89)、醫藥制造企業B-3#排口(0.84),歐式距離則分別為4.07、4.90和5.76;同樣,該受體譜與醫藥制造企業A相似性極低(余弦相似性0.19,歐式距離13.03),故該企業的影響相對較小.

因此,綜合上文分析,對于EP1、EP2期間環境敏感點的VOCs高值過程,最終鎖定目標排污企業為固廢處置企業A及醫藥制造企業B.

3 結論

3.1 基于高分辨率在線GC-MS的上海市某化工區下風向敏感點VOCs監測結果表明,觀測期間捕捉到的高值過程中,OVOCs、鹵代烴、烷烴為VOCs的主要組分,累積占比在85%以上,其中乙醇、二氯甲烷、丙酮、乙酸乙酯、甲苯及部分低鏈烷烴等工業源特征物種為關鍵污染組分,與上風向工業園區醫藥制造、固廢處置、涂料制造等行業的VOCs排放特征較為吻合.

3.2 利用拉格朗日粒子擴散模型對兩次典型的VOCs污染過程進行后1h溯源模擬,空間分辨率達到110m,初步篩選出的潛在高貢獻來源企業為固廢處置企業A、醫藥制造企業A以及醫藥制造企業B.

3.3 結合夾角余弦和歐式距離兩種相似性方法對潛在高貢獻來源企業進行二次識別,結果顯示固廢處置企業A、醫藥制造企業B排放特征與受體譜相似性較高,余弦相似性達0.8以上,故最終鎖定目標排污企業為固廢處置企業A及醫藥制造企業B.

[1] 鄧思欣,劉永林,司徒淑娉,等.珠三角產業重鎮大氣VOCs污染特征及來源解析[J]. 中國環境科學, 2021,41(7):2993-3003.

Deng S X, Liu Y L, Situ S P, et al. Characteristics and source apportionment of volatile organic compounds in an industrial town of Pearl River Delta [J]. China Environmental Science, 2021,41(7): 2993-3003.

[2] Yan Y L, Peng L , Li R M , et al. Concentration, ozone formation potential and source analysis of volatile organic compounds (VOCs) in a thermal power station centralized area: A study in Shuozhou, China [J]. Environmental Pollution, 2017,223(4):295-304.

[3] 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.

[4] Wei W, Wang S X, Hao J M, et al. Projection of anthropogenic volatile organic compounds (VOCs) emissions in China for the period 2010～2020 [J]. Atmospheric Environment, 2011,45(38):6863-6871.

[5] 盧 濱,黃 成,盧 清,等.杭州市工業源VOCs排放清單及排放特征[J]. 環境科學, 2018,39(2):533-542.

Lu B, Huang C, Lu Q, et al. Emission inventory and pollution characteristics of industrial VOCs in Hangzhou, China [J]. Environmental Science, 2018,39(2):533-542.

[6] 楊丹丹,王體健,李 樹,等.基于走航觀測的長江三角洲地區大氣污染特征及來源追蹤 [J]. 中國環境科學, 2019,39(9):3595-3603.

Yang D D, Wang T J, Li S, et al. Air pollution characteristics and source tracking in the Yangtze River Delta based on cruise observation [J]. China Environmental Science, 2019,39(9):3595-3603.

[7] Liang Q, Bao X, Sun Q, et al. Imaging VOC distribution in cities and tracing VOC emission sources with a novel mobile proton transfer reaction mass spectrometer [J]. Environmental Pollution, 2020,265(Pt B):114628.

[8] Wang X, Cai Y, Wang J, et al. Concentration monitoring of volatile organic compounds and ozone in Xi'an based on PTR-TOF-MS and differential absorption lidar [J]. Atmospheric Environment, 2021,245: 118045.

[9] Zhao Y, Zhang Y, Gao J, et al. VOC Monitoring and ozone generation potential analysis based on a single-photon ionization time-of-flight mass spectrometer [J]. Photonics, 2020,7(3):61.

[10] 任俊宇,朱寬廣,謝 旻,等.咸寧市大氣臭氧敏感性和污染來源解析 [J]. 中國環境科學, 2021,41(9):4060-4068.

Ren J Y, Zhu K G, Xie M, et al. Analysis of the ozone sensitivity and source appointment in Xianning, Hubei Province [J]. China Environmental Science, 2021,41(9):4060-4068.

[11] 林 旭,朱 彬,安俊琳,等.南京北郊VOCs對臭氧和二次有機氣溶膠潛在貢獻的研究 [J]. 中國環境科學, 2015,35(4):976-986.

Lin X, Zhu B, An J L, et al. Potential contribution of secondary organic aerosols and ozone of VOCs in the Northern Suburb of Nanjing [J]. China Environmental Science, 2015,35(4):976-986.

[12] 高 松,崔虎雄,伏晴艷,等.某化工區典型高污染過程VOCs污染特征及來源解析[J]. 環境科學, 2016,37(11):4094-4102.

Gao S, Cui H X, Fu Q Y, et al. Characteristics and source apportionment of VOCs of high pollution process at chemical industrial area in winter of China [J]. Environmental Science, 2016,37(11):4094-4102.

[13] 李如梅,閆雨龍,段小琳,等.基于聚類分析的長治市夏季VOCs來源及活性 [J]. 中國環境科學, 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.

[14] 史夢雪,伯 鑫,田 飛,等.基于不同空氣質量模型的二噁英沉降效果研究 [J]. 中國環境科學, 2020,40(1):24-30.

Shi M X, Bo X, Tian F, et al. Study on deposition effects of dioxins based on different air quality models [J]. China Environmental Science, 2020,40(1):24-30.

[15] 彭王敏子,溫新龍,吳麗芳.醫藥化工園長期氣象條件下惡臭大氣環境影響綜合評價方法探究[J]. 環境科學與管理, 2021,46(2):164-168.

Peng W M Z, Wen X L, Wu L F. Research on comprehensive evaluation method of malodorous atmospheric environmental impact on pharmaceutical and chemical industry zone [J]. Environmental Science and Management, 2021,46(2):164-168.

[16] 劉湘雪,蒲維維,馬志強,等.北京地區大氣氨時空變化特征 [J]. 中國環境科學, 2021,41(8):3473-3483.

Liu X X, Pu W W, Ma Z Q, et al. Study on the temporal and spatial variation of atmospheric ammonia in Beijing [J]. China Environmental Science, 2021,41(8):3473-3483.

[17] 郭曉寧,王 鈺,馬秀梅,等.半干旱區一次典型沙塵重污染天氣過程分析——以青海東部為例[J]. 環境科學學報, 2021,41(2):343-353.

Guo X N, Wang Y, Ma X M, et al. Analysis of a typical heavy dust pollution weather in semi-arid region: A case study in eastern Qinghai [J]. Acta Scientiae Circumstantiae, 2021,41(2):343-353.

[18] Wang D, Huo J, Duan Y, et al. Vertical distribution and transport of air pollutants during a regional haze event in eastern China: A tethered mega-balloon observation study [J]. Atmospheric Environment, 2021, 246:118039.

[19] 周德榮,蔡 哲,田旭東,等.G20峰會期間杭州市大氣區域輸送特征研究[J]. 中國環境監測, 2020,36(5):19-26.

Zhou D R, Cai Z, Tian X D, et al. Study on the regional air transport characteristics of Hangzhou during the G20 summit [J]. Environmental Monitoring in China, 2020,36(5):19-26.

[20] 吳 劍,張玲玲,章許云,等.化工園區大氣監控預警溯源排查一體化監管體系的探索與實踐[J]. 環境科技, 2021,34(1):46-50.

Wu J, Zhang L L, Zhang X Y, et al. Exploration and practice of integrated supervision system of atmospheric monitoring, early warning, traceability and investigation in chemical parks [J]. Environmental Science and Technology, 2021,34(1):46-50.

[21] HJ 732-2014 固定污染源廢氣揮發性有機物的采樣氣袋法 [S].

HJ 732-2014 Emission from stationary sources-Sampling of volatile organic compounds-Bags method [S].

[22] HJ/T 397-2007 固定源廢氣監測技術規范 [S].

HJ/T 397-2007 Technical specifications for emission monitoring of stationary source [S].

[23] HJ 759-2015 環境空氣揮發性有機物的測定罐采樣/氣相色譜-質譜法 [S].

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

[24] HJ 683-2014 環境空氣醛、酮類化合物的測定高效液相色譜法 [S].

HJ 683-2014 Ambient air-determination of aldehyde and ketone compounds-high performance liquid chromatography [S].

[25] 周廣強,謝 英,吳劍斌,等.基于WRF-Chem模式的華東區域PM2.5預報及偏差原因 [J]. 中國環境科學, 2016,36(8):2251-2259.

Zhou G Q, Xie Y, Wu J B, et al. Based on WRF-Chem model, the PM2.5forecast and deviation reason in East China region [J]. Chinese Environmental Science, 2016,36(8):2251-2259.

[26] 黃 乾,錢 悅.單雙參云微物理方案對強降水過程中云宏微觀特征模擬的對比分析 [J]. 大氣科學學報, 2021,44(4):615-625.

Huang Q, Qian Y. Comparative analysis of single-moment and double-moment microphysics schemes in WRF on the heavy precipitation process of the macroscale and microscale characteristics of the cloud [J]. Transactions of Atmospheric Sciences, 2021,44(4):615-625.

[27] 關攀博,周 穎,程水源,等.典型重工業城市空氣重污染過程特征與來源解析 [J]. 中國環境科學, 2020,40(1):31-40.

Guan P B, Zhou Y, Cheng S Y, et al. Characteristics of heavy pollution process and source appointment in typical heavy industry cities [J]. China Environmental Science, 2020,40(1):31-40.

[28] Ding A, Wang T, Fu C. Transport characteristics and origins of carbon monoxide and ozone in Hong Kong, South China [J]. Journal of Geophysical Research: Atmospheres, 2013,118(16):9475-9488.

[29] Ding A J, Fu C B, Yang X Q , et al. Ozone and fine particle in the western Yangtze River Delta: an overview of 1yr data at the SORPES station [J]. Atmospheric Chemistry and Physics, 2013,13(11):5813-5830.

[30] 盛 濤,高宗江,高 松,等.上海市專項化學品制造行業VOCs排放特征及臭氧生成潛勢研究[J]. 環境科學研究, 2019,32(5):112-120.

Shen T, Gao Z J, Gao S, et al. Emission characteristics and ozone formation potential of VOCs of special chemical manufacturing industry in Shanghai city [J]. Research of Environmental Sciences, 2019,2019,32(5):112-120.

[31] 周子航,鄧 也,吳柯穎,等.成都市典型工藝過程源揮發性有機物源成分譜[J]. 環境科學, 2019,40(9):103-115.

Zhou Z H, Deng Y, Wu K Y, et al. Source profiles of VOCs associated with typical industrial processes in Chengdu [J]. Environmental Science, 2019,40(9):103-115.

[32] 周 陽,姚立英,張麗娜,等.基于大氣化學機制的天津市重點行業VOCs化學物種譜研究[J]. 中國環境科學, 2018, 38(7):2451-2460.

Zhou Y, Yao L Y, Zhang L N, et al. Research on VOCs chemical species profile of major industries based on chemical mechanisms in Tianjin [J]. China Environmental Science, 2018,38(7):2451-2460.

[33] 邰 俊.面向惡臭污染控制的城市固廢處置基地環境管理研究:以上海老港為例[D]. 上海:華東師范大學, 2017.

Tai J. Study on environmental management of municipal solid waste disposal base for odor pollution control: a case study of Shanghai Laogang [D]. Shanghai: East China Normal University, 2017.

[34] 王俏麗.浙江省沿海地區PM2.5和VOCs源成分譜構建及大氣復合污染來源解析[D]. 杭州:浙江大學, 2019.

Wang Q L. Source Profile of PM2.5and VOCs and source apportionment of combined air pollution in typical coastal area in Zhejiang province [D]. Hangzhou: Zhejiang University, 2019.

致謝：感謝上海市環境監測中心高松、吳詩劍老師給予的技術支持和幫助！

Fine source tracing of typical VOCs pollution episodes around industrial park.

WANG Dong-fang*

(Shanghai Jianke Environmental Technology Co. Ltd, Shanghai 201108, China)., 2022,42(2)：585～592

A chemical industrial park in Shanghai was selected as the target area. Aiming at the typical process of atmospheric VOCs pollution, sources of small-scale atmospheric VOCs were traced by coupling high-time resolution GC-MS measurement, Lagrange atmospheric dispersion model, VOCs source profiles and similarity analysis. The Lagrange atmospheric dispersion model can track the direction of the main air masses and the potential contribution of the enterprise with a spatial resolution of 110m×110m; Based on the similarity analysis between the receptor and source profiles, the potential sources can be furtherly identified. The cosine similarity coefficient of high similarity enterprises can reach more than 0.8 (maximum of 1), indicating high accuracy and credibility of the source apportionment results.

industrial park；volatile organic compounds；atmospheric diffusion model；source composition spectrum；similarity coefficient

X511

A

1000-6923(2022)02-0585-08

王東方(1983-),男,山東兗州人,高級工程師,博士,主要從事大氣環境監測及污染管控等方面研究.發表論文30多篇.

2021-07-15

上海市科技攻關項目(20dz1204009);上海市生態環境局科研項目(滬環科2020-39)

* 責任作者, 高級工程師, wangdongfang@sribs.com