某精細(xì)化工園區(qū)VOCs污染特征及來源解析

封豆豆, 吳成志, 陳必新, 王俏麗, 張士漢, 陳建孟, 李 偉

某精細(xì)化工園區(qū)VOCs污染特征及來源解析

封豆豆1, 吳成志2, 陳必新2, 王俏麗3, 張士漢1, 陳建孟1, 李 偉3

1. 浙江工業(yè)大學(xué) 環(huán)境學(xué)院,浙江 杭州 310014; 2. 三捷環(huán)境工程咨詢(杭州)有限公司, 浙江 杭州 310012;3. 浙江大學(xué) 化學(xué)工程與生物工程學(xué)院 工業(yè)生態(tài)與環(huán)境研究所, 浙江 杭州 310027)

為實(shí)現(xiàn)精細(xì)化工園區(qū)精準(zhǔn)溯源，基于某園區(qū)2018年3～12月?lián)]發(fā)性有機(jī)物(VOCs)在線監(jiān)測(cè)數(shù)據(jù)及氣象監(jiān)測(cè)數(shù)據(jù)，分析整體污染水平和組分特征，利用正定矩陣因子分解(PMF)模型開展源解析研究，并結(jié)合條件雙變量概率函數(shù)(CBPF)對(duì)主要排放源進(jìn)行精準(zhǔn)定位。結(jié)果表明，園區(qū)VOCs平均體積分?jǐn)?shù)為(381.92±183.62)×10-9，優(yōu)勢(shì)組分為鹵代烴，優(yōu)勢(shì)物種依次為二氯甲烷、甲苯、1,2-二氯甲烷等，體現(xiàn)了精細(xì)化工園區(qū)的高VOCs污染特性；PMF分析表明精細(xì)化工排放源貢獻(xiàn)為59.18%，道路移動(dòng)源貢獻(xiàn)為27.48%，是園區(qū)制定管控措施需要重點(diǎn)考慮的2個(gè)方面；CBPF分析表明園區(qū)東南部和東北部重污染企業(yè)分布較多，園區(qū)周邊敏感區(qū)域易受園區(qū)高濃度VOCs排放的影響。

精細(xì)化工園區(qū)；揮發(fā)性有機(jī)物；正定矩陣因子分解(PMF)模型；條件雙變量概率函數(shù)(CBPF)；源解析

1 前 言

近年來，我國(guó)化工園區(qū)數(shù)量迅速增長(zhǎng)，企業(yè)集約化程度和聚集規(guī)模也在不斷擴(kuò)大[1]，其中精細(xì)化工園區(qū)數(shù)量約占全國(guó)化工園區(qū)總數(shù)的一半。精細(xì)化工園區(qū)具有污染源數(shù)量多、排放量大、揮發(fā)性有機(jī)物(volatile organic compounds，VOCs)含量高、化學(xué)成分復(fù)雜等特征，精準(zhǔn)管控難度較大。研究表明VOCs是臭氧的重要前驅(qū)物，是驅(qū)動(dòng)臭氧污染形成的重要污染物[2-4]，因此，深入研究精細(xì)化工園區(qū)VOCs污染特征、排放來源及行業(yè)空間分布情況對(duì)園區(qū)開展污染整治行動(dòng)和制定綠色發(fā)展規(guī)劃具有重要意義。目前，國(guó)內(nèi)外學(xué)者在城市和工業(yè)區(qū)開展VOCs源解析的研究中，應(yīng)用較多的是正定矩陣因子分解(positive matrix factorization，PMF)模型，例如：南京江北工業(yè)區(qū)[5]、寶雞市區(qū)和工業(yè)區(qū)[6]、土耳其阿利亞加工業(yè)區(qū)[7]和美國(guó)休斯頓石化基地[8]等。由于氣態(tài)污染物在空氣中的擴(kuò)散很大程度受風(fēng)向、風(fēng)速的影響，而PMF模型未能考慮氣象因素對(duì)大氣污染物擴(kuò)散過程的影響，因此有學(xué)者將源解析模型與條件雙變量概率函數(shù)(conditional bivariate probability function，CBPF)相結(jié)合，分析源貢獻(xiàn)與風(fēng)場(chǎng)因素的關(guān)系。Bari等[9]、Zheng等[10]分別對(duì)卡爾加里市和長(zhǎng)江某石化園區(qū)的污染來源方向成功地進(jìn)行了確定，但極少有將PMF模型與CBPF結(jié)合用于精細(xì)化工園區(qū)的來源解析。

本研究基于某精細(xì)化工園區(qū)VOCs在線監(jiān)測(cè)數(shù)據(jù)，開展VOCs污染特征及來源解析研究，并結(jié)合氣象數(shù)據(jù)對(duì)主要排放源方向進(jìn)行定位，建立了將PMF與CBPF相結(jié)合的精細(xì)化工園區(qū)VOCs精準(zhǔn)溯源的技術(shù)路線，可以直觀分析風(fēng)向、風(fēng)速與源貢獻(xiàn)的關(guān)系，進(jìn)而識(shí)別不同方向、不同距離上的主要污染源及源分布情況，以期為園區(qū)制定污控措施和優(yōu)化行業(yè)結(jié)構(gòu)提供科學(xué)依據(jù)。

2 材料與方法

2.1 觀測(cè)時(shí)間與地點(diǎn)

本研究的地點(diǎn)位于長(zhǎng)三角地區(qū)某精細(xì)化工園區(qū)，園區(qū)重點(diǎn)發(fā)展醫(yī)藥、染料制造、印染及化學(xué)品制造等行業(yè)，共百余家企業(yè)，其中醫(yī)藥、染料及農(nóng)藥制造行業(yè)為VOCs主要排放源，合計(jì)排放量達(dá)園區(qū)VOCs總排放量的90% 以上，各企業(yè)位置分布如圖1所示。所選的環(huán)境監(jiān)測(cè)站點(diǎn)位于園區(qū)內(nèi)靠中心位置，氣象監(jiān)測(cè)站為距園區(qū)最近、且地形地貌與園區(qū)較為相似的站點(diǎn)，能夠充分反映園區(qū)氣象特征。監(jiān)測(cè)數(shù)據(jù)時(shí)間段為2018年3～12月，其中8月18日20:00～9月5日10:00因儀器故障缺失監(jiān)測(cè)數(shù)據(jù)，但數(shù)據(jù)總量滿足PMF模型樣本需求，因此不影響解析結(jié)果的準(zhǔn)確性。

圖1 園區(qū)監(jiān)測(cè)點(diǎn)位及企業(yè)分布示意(以色塊大小表示排放量情況)

2.2 監(jiān)測(cè)儀器與原理

監(jiān)測(cè)儀器為國(guó)內(nèi)開發(fā)的TH-PKU 300BVOCs快速在線監(jiān)測(cè)系統(tǒng)，該系統(tǒng)采用超低溫冷阱補(bǔ)集與氣相色譜-氫離子火焰檢測(cè)器/質(zhì)譜(GC-FID/MS)聯(lián)用的檢測(cè)技術(shù)，儀器自動(dòng)采樣時(shí)間間隔為1 h，監(jiān)測(cè)98種VOCs組分。其中，C2～C5低碳化合物由FID檢測(cè)器測(cè)定，C5～C12高碳化合物、含氧揮發(fā)性有機(jī)物(oxygenated volatile organic compounds，OVOCs)以及鹵代烴由MS檢測(cè)器測(cè)定。

2.3 PMF源解析模型

PMF模型是一種多元因子分析工具，可將樣本即受體矩陣分解為因子貢獻(xiàn)和因子分布2個(gè)矩陣，模型在矩陣和非負(fù)狀態(tài)下不斷調(diào)整矩陣，從而達(dá)到目標(biāo)函數(shù)值最小目的，模型運(yùn)算如式(1)、(2)所示：

式中：表示第個(gè)樣本第個(gè)物種的體積分?jǐn)?shù)，表示排放源對(duì)第個(gè)因子的貢獻(xiàn)體積分?jǐn)?shù)；f表示排放源中第個(gè)物種的占比；e表示第個(gè)樣本第個(gè)物種的殘差；表示因字總數(shù)。

式中：表示物種總數(shù)，表示樣本總數(shù)，u表示第個(gè)樣本第個(gè)物種的不確定性。

本研究應(yīng)用的是EPA PMF5.0模型版本，儀器不確定度設(shè)置為10%。

2.4 CBPF函數(shù)

CBPF是條件概率函數(shù)(conditional probability function，CPF)和二元極性圖的耦合衍生函數(shù)，該函數(shù)將CPF函數(shù)擴(kuò)展到雙變量情況下，以風(fēng)速作為徑向軸上的第三變量，將污染物監(jiān)測(cè)濃度分配給由風(fēng)向和風(fēng)速范圍定義的單元，計(jì)算式如下：

本研究應(yīng)用R語(yǔ)言openair模塊生成CBPF圖，為反映重污染企業(yè)位置分布情況，閾值設(shè)置為第75百分位數(shù)。

3 VOCs濃度水平及組分特征

3.1 園區(qū)VOCs濃度水平及組分特征

本研究獲得98種VOCs組分的在線監(jiān)測(cè)數(shù)據(jù)，包括烷烴30種、烯烴12種、炔烴1種、芳香烴17種、OVOCs 14種及鹵代烴29種。圖2為各組分體積分?jǐn)?shù)逐日變化情況，VOCs總體積分?jǐn)?shù)平均值為(381.92±183.62)×10-9，高于上海[11]((119.24±48.05)×10-9)、成都[12](106.80×10-9)、天津[13](110.43×10-9)、德里[14]((110.0～137.4)×10-9)、埃德蒙頓[15](65×10-9)等城市，同樣高于南京工業(yè)區(qū)[16]((64.3±45.6)×10-9)、長(zhǎng)江流域某石化區(qū)[17](260.71×10-9)、阿利亞加某工業(yè)區(qū)[7]((67±193)×10-9)等工業(yè)聚集區(qū)，體現(xiàn)了園區(qū)的高污染特性，與該地以精細(xì)化工為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)有關(guān)。

圖2 VOCs組分體積分?jǐn)?shù)逐日變化序列

圖3為各組分體積分?jǐn)?shù)箱體圖，炔烴、烯烴、芳香烴、OVOCs、烷烴及鹵代烴體積分?jǐn)?shù)均值按升序排列依次為(3.53±2.64)×10-9、(7.16±4.28)×10-9、(67.91±36.06)×10-9、(74.46±50.49)×10-9、(82.89±58.64)×10-9、(146.05±80.81)×10-9。結(jié)合圖2可知，各組分日變化濃度峰值波動(dòng)較為明顯且數(shù)據(jù)離散程度較高，主組分體積分?jǐn)?shù)也高于其他城市，初步證實(shí)該監(jiān)測(cè)點(diǎn)主要受當(dāng)?shù)毓I(yè)生產(chǎn)活動(dòng)的影響。鹵代烴體積分?jǐn)?shù)相對(duì)其他組分較高，組分體積分?jǐn)?shù)水平的差異性進(jìn)一步體現(xiàn)了工業(yè)區(qū)生產(chǎn)工藝的復(fù)雜性。

圖3 各VOCs組分體積分?jǐn)?shù)箱體圖

3.2 優(yōu)勢(shì)VOCs物種及占比情況

圖4為各VOCs組分的體積分?jǐn)?shù)，鹵代烴的體積分?jǐn)?shù)最大，為38.23%，為園區(qū)優(yōu)勢(shì)物種；其次為烷烴、OVOCs、芳香烴、烯烴、炔烴，依次為21.70%、19.49%、17.78%、1.88%、0.92%。如圖5所示為體積分?jǐn)?shù)及貢獻(xiàn)率前10的優(yōu)勢(shì)物種，貢獻(xiàn)度合計(jì)為71.98%。氯化工藝在園區(qū)內(nèi)使用較為普遍，主要來源為醫(yī)藥制造、農(nóng)藥制造及塑膠制品等企業(yè)，因此可初步判斷鹵代烴主要來源為工業(yè)排放。一般認(rèn)為芳香烴的主要來源為機(jī)動(dòng)車尾氣和工業(yè)排放，有學(xué)者[9,18]利用表示甲苯和苯體積分?jǐn)?shù)的比值來判斷物種來源，當(dāng)(甲苯)/(苯)小于2表明主要污染源為機(jī)動(dòng)車尾氣，大于2則表明主要污染源為工業(yè)排放。本研究中(甲苯)/(苯)特征值遠(yuǎn)大于2，說明苯和甲苯的主要來源為工業(yè)排放。本園區(qū)丙酮被當(dāng)作溶劑大量使用，因此具有較高的濃度水平。C6～C7烷烴主要作為道路移動(dòng)源的示蹤物種，在本研究中濃度水平較高，說明道路移動(dòng)源為園區(qū)VOCs主要貢獻(xiàn)源之一。乙腈主要來源為制藥行業(yè)，且其生命周期較長(zhǎng)，易在大氣中累計(jì)達(dá)到高濃度。優(yōu)勢(shì)物種占比情況初步證實(shí)精細(xì)化工源和道路移動(dòng)源為園區(qū)VOCs主要來源。

圖4 各VOCs組分體積分?jǐn)?shù)

圖5 體積分?jǐn)?shù)及貢獻(xiàn)率前10的VOCs物種

4 園區(qū)VOCs來源解析

4.1 PMF源解析結(jié)果

PMF模型是基于非反應(yīng)性和質(zhì)量守恒的假設(shè)，因此不必引入所有物種，本研究對(duì)物種的選取標(biāo)準(zhǔn)為：

(1) 選取具有典型工藝特征的物種；

(2) 排除具有高反應(yīng)活性的物種(特征物種除外)，如丁烯、戊烯等，這些物種易受二次反應(yīng)的影響，解析不確定性較高；本研究重點(diǎn)關(guān)注精細(xì)化工源的貢獻(xiàn)，因此對(duì)生物源的影響不做研究；

(3) 排除體積分?jǐn)?shù)較低的物種。

結(jié)合園區(qū)生產(chǎn)工藝源譜共篩選出29種VOCs。因子數(shù)設(shè)定范圍為3～9，經(jīng)過多次模型試驗(yàn)，當(dāng)因子數(shù)設(shè)置為6時(shí)，結(jié)果可解釋性更高。圖6為PMF解析因子的VOCs物種組成特征，最終確定的排放源有：汽油車排放源、柴油車排放源、染料及顏料制造業(yè)排放源、農(nóng)藥制造和塑膠制品業(yè)排放源、醫(yī)藥制造業(yè)排放源、其他源。

圖6 PMF解析因子的VOCs物種組成特征

因子1中2-甲基戊烷和丙酮的貢獻(xiàn)率較高，依次為94.50%、68.15%。2-甲基戊烷是汽油車排放的典型示蹤劑[19-20]，丙酮與汽油車尾氣中的不完全燃燒產(chǎn)物有關(guān)，因此判定因子1為“汽油車排放源”。

因子2中貢獻(xiàn)度較高的物種為C6～C7烷烴，分別為正庚烷、甲基環(huán)己烷、甲基環(huán)戊烷以及正己烷，貢獻(xiàn)率依次為97.84%、89.29%、86.77%、62.89%，甲苯也有一定的貢獻(xiàn)率，為42.71%；有研究證實(shí)正庚烷、甲基環(huán)己烷和甲基環(huán)戊烷是柴油車的揮發(fā)的典型示蹤劑[20]，機(jī)動(dòng)車尾氣也是甲苯的重要來源，因此判定因子2為“柴油車排放源”。

因子3中貢獻(xiàn)率較高的物種為間/對(duì)二甲苯、鄰二甲苯和乙苯，貢獻(xiàn)率依次為76.80%、76.40% 和70.94%，這些物種均普遍作為有機(jī)溶劑使用[21-23]，本園區(qū)中主要使用有機(jī)溶劑的行業(yè)為染料及顏料制造業(yè)，考慮行業(yè)代表性將因子3定義為“染料及顏料制造業(yè)排放源”。

因子4中氯乙烯、1,2-二氯乙烷、甲苯貢獻(xiàn)率較高，貢獻(xiàn)率分別為97.05%、96.18%、41.47%，二氯乙烷通常在制備氯乙烯的工藝流程中排放較多[7]，均是園區(qū)農(nóng)藥和塑膠制品制造過程中排放的特征污染物[24]，甲苯是有機(jī)合成的重要原料，故因子4命名為“農(nóng)藥制造和塑膠制品業(yè)排放源”。

因子5中二氯甲烷貢獻(xiàn)率最高，為94.58%。結(jié)合園區(qū)工藝源譜發(fā)現(xiàn)二氯甲烷主要來源于醫(yī)藥制造，乙腈、丙酮等也是醫(yī)藥制造過程中的典型污染物，故稱因子5為“醫(yī)藥制造業(yè)排放源”。

因子6中特征物種繁多且貢獻(xiàn)率較大，其中乙烷、丙烷分別是天然氣和液化石油氣的重要組分，正丁烷、異丁烷主要來源于液化石油氣揮發(fā)，正戊烷、異戊烷是汽油蒸發(fā)的典型示蹤劑，烯烴類物種比例高也是我國(guó)油品的一個(gè)主要特點(diǎn)[20-21,25-26]。為滿足供電、供熱需求，園區(qū)內(nèi)建有燃煤熱電廠，乙烯、乙炔、丙烯及一些芳香烴化合物會(huì)在生物質(zhì)燃燒及燃煤過程中排放[26]。且因子6中芳香烴、鹵代烴、OVOCs也占有一定比例，與園區(qū)的特征工藝排放背景及外源傳輸有關(guān)，因此定義該因子為“其他源”。

從圖7各排放源對(duì)所選VOCs組分的貢獻(xiàn)占比情況看，醫(yī)藥制造業(yè)是園區(qū)的主要排放源，占比為27.32%，其余依次為農(nóng)藥制造和塑膠制品業(yè)、汽油車排放、柴油車排放、染料及顏料制造業(yè)、其他，占比依次為23.26%、17.45%、10.03%、8.6%、13.34%。其中，醫(yī)藥制造、農(nóng)藥制造和塑膠制品業(yè)、染料及顏料制造業(yè)可統(tǒng)歸為精細(xì)化工排放源，合計(jì)占比為59.18%。此外，道路移動(dòng)源占比合計(jì)為27.48%，也是需要重視的一個(gè)方面。

圖7 各排放源對(duì)園區(qū)VOCs貢獻(xiàn)率

4.2 CBPF模型分析結(jié)果

PMF解析結(jié)果表明道路移動(dòng)和精細(xì)化工企業(yè)是園區(qū)VOCs的重要排放源，為進(jìn)一步探究主要污染源分布位置對(duì)園區(qū)監(jiān)測(cè)站點(diǎn)VOCs濃度的影響，本節(jié)借助CBPF與源解析結(jié)果確定不同風(fēng)向、風(fēng)速條件下排放源對(duì)VOCs貢獻(xiàn)度較大的方位。選取各排放源中貢獻(xiàn)率較大的物種作為特征因子，將特征因子和氣象監(jiān)測(cè)數(shù)據(jù)引入CBPF函數(shù)模型，分析得到各源的CPF值分布情況，見圖8(a)～(f)，最后結(jié)合圖1確定排放源的具體位置。

圖8 各排放源CBPF圖

由圖8(a)可知，汽油車排放源貢獻(xiàn)較大出現(xiàn)在監(jiān)測(cè)點(diǎn)的東北、東到偏南區(qū)間方向，東北方向值出現(xiàn)的原因與該方向1.5 km處主干路分布有關(guān)，東南方向CPF值較大，主要受該方向約2.5、3和5 km處城鎮(zhèn)道路移動(dòng)源的影響，園區(qū)北部為海灣，因此整體北部地區(qū)對(duì)監(jiān)測(cè)點(diǎn)無較大影響。圖8(b)中，柴油車排放源貢獻(xiàn)較大為偏北、偏西及偏南方向，低風(fēng)速(0～4 m×s-1)下貢獻(xiàn)值較高方向有道路分布，風(fēng)速為4～6 m×s-1時(shí)偏北方向CPF值較大處為主干路分布位置。圖8(c)中，CPF值較大主要在偏東方向，原因是該方向上不同位置處均分布了排放量較大的染料和顏料制造類企業(yè)。圖8(d)中，CPF值較大分布在偏西和偏南方向，主要與該方向幾家農(nóng)藥制造和塑膠制品類企業(yè)的分布相關(guān)。圖8(e)中，排放源貢獻(xiàn)較大的為東北和東偏南方向，主要受該方向上特征物種排放量較大的醫(yī)藥制造類企業(yè)的影響。圖8(f)為所選排放源的VOCs濃度總和的CPF值分布情況，與圖8(e)對(duì)比發(fā)現(xiàn)，其分布情況與醫(yī)藥制造業(yè)排放源較為相似，體現(xiàn)了醫(yī)藥制造業(yè)排放源在污染貢獻(xiàn)中的主導(dǎo)地位。該研究結(jié)果體現(xiàn)了園區(qū)整體產(chǎn)業(yè)布局狀況：西南部與西北部以輕污染企業(yè)為主，東南和東北部以重污染企業(yè)為主。園區(qū)東南角及距離約2～6 km方向均有城鎮(zhèn)，西北方向約6 km處有校園。當(dāng)盛行偏南風(fēng)時(shí)，校園環(huán)境易受到園區(qū)污染排放的影響，當(dāng)盛行偏北風(fēng)時(shí)，距離園區(qū)東南方向較近的城鎮(zhèn)受污染影響較大，風(fēng)速較大時(shí)距離較遠(yuǎn)的城鎮(zhèn)也會(huì)受到影響。

4.3 不確定性分析

本研究中存在的不確定性主要有：(1) 在線監(jiān)測(cè)數(shù)據(jù)、氣象監(jiān)測(cè)數(shù)據(jù)的不確定性：在線監(jiān)測(cè)儀器檢測(cè)方法、異常數(shù)值及儀器故障等原因均會(huì)對(duì)數(shù)據(jù)的準(zhǔn)確性產(chǎn)生影響，氣象站地形地貌條件雖與園區(qū)基本一致，但仍有細(xì)微差別。(2) 模型本身的不確定性：PMF無法識(shí)別共線性源、運(yùn)行結(jié)果受主觀判斷影響較大，CBPF計(jì)算結(jié)果與實(shí)際數(shù)據(jù)可能存在一定偏差。

5 結(jié) 論

(1) 研究期間園區(qū)VOCs總體積分?jǐn)?shù)平均值為(381.92±183.62)×10-9，體現(xiàn)了精細(xì)化工園區(qū)的高VOCs污染特性。優(yōu)勢(shì)組分為鹵代烴，優(yōu)勢(shì)物種依次為二氯甲烷、甲苯、1,2-二氯甲烷、丙酮、2-甲基戊烷、乙腈、環(huán)己烷、2,3-二甲基戊烷、間/對(duì)-二甲苯和氯乙烷，體現(xiàn)了精細(xì)化工園區(qū)的產(chǎn)業(yè)結(jié)構(gòu)特色和生產(chǎn)工藝的復(fù)雜性。

(2) PMF模型解析共得6種VOCs排放源，依次為醫(yī)藥制造業(yè)、農(nóng)藥制造和塑膠制品業(yè)、汽油車排放、柴油車排放、染料及顏料制造業(yè)以及其他，占比依次為27.32%、23.26%、17.45%、10.03%、8.6%、13.34%。其中，與精細(xì)化工相關(guān)的源占比合計(jì)為59.18%，與交通相關(guān)的源占比為27.48%。表明醫(yī)藥制造業(yè)、農(nóng)藥制造和塑膠制品業(yè)及道路移動(dòng)源是今后園區(qū)制定污染管控措施需要重點(diǎn)考慮的方向。

(3) CBPF分析結(jié)果表明：汽油車和柴油車排放源貢獻(xiàn)率較高位置分別為東南方向市政區(qū)和東北方向主干路，染料及顏料制造業(yè)排放源主要來自偏東方向，農(nóng)藥制造和塑膠制品業(yè)排放源主要來自偏西和偏南方向，醫(yī)藥制造業(yè)排放源主要來自東南方向?？傮w來看，監(jiān)測(cè)點(diǎn)東南和東北方向重污染企業(yè)分布較多，園區(qū)周邊敏感區(qū)域大氣環(huán)境易受園區(qū)高濃度VOCs排放的影響。

[1] 田金平, 劉巍, 臧娜, 等. 中國(guó)生態(tài)工業(yè)園區(qū)發(fā)展現(xiàn)狀與展望 [J]. 生態(tài)學(xué)報(bào), 2016, 36(22): 7323-7334.

TIAN J P, LIU W, ZANG N,. Review of eco-industrial park development in China [J]. Acta Ecologica Sinica, 2016, 36(22): 7323-7334.

[2] HUANG R J, ZHANG Y L, BOZZETTI C,. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 2014, 514(7521): 218-222.

[3] LI L, AN J Y, SHI Y Y,. Source apportionment of surface ozone in the Yangtze River Delta, China in the summer of 2013 [J]. Atmospheric Environment, 2016, 144: 194-207.

[4] 王俏麗, 董敏麗, 李素靜, 等. 舟山市臭氧污染分布特征及來源解析 [J]. 環(huán)境科學(xué), 2019, 40(3): 1143-1151.

WANG Q L, DONG M L, LI S J,. Characteristics of ozone pollution distribution and source apportionment in Zhoushan [J]. Environmental Science, 2019, 40(3): 1143-1151.

[5] 胡崑, 王鳴, 鄭軍, 等. 基于PMF量化工業(yè)排放對(duì)大氣揮發(fā)性有機(jī)物(VOCs)的影響: 以南京市江北工業(yè)區(qū)為例 [J]. 環(huán)境科學(xué), 2018, 39(2): 493-501.

HU K, WANG M, ZHENG J,. Quantification of the influence of industrial emissions on volatile organic compounds(VOCs) using PMF model: A case study of Jiangbei industrial zone in Nanjing [J]. Environmental Science, 2018, 39(2): 493-501.

[6] XUE Y G, HO S S H, HUANG Y Y,. 2017. Source apportionment of VOCs and their impacts on surface ozone in an industry city of Baoji, northwestern China [J]. Scientific Reports. 2017, 7(1): 9979.

[7] DUMANOGLU Y, KARA M, ALTIOK H,. Spatial and seasonal variation and source apportionment of volatile organic compounds(VOCs) in a heavily industrialized region [J]. Atmospheric Environment, 2014, 98: 168-178.

[8] BUZCU-GUVEN B, FRASER M P. Comparison of VOC emissions inventory data with source apportionment results for Houston, TX [J]. Atmospheric Environment, 2008, 42(20): 5032-5043.

[9] BARI M A, KINDZIERSKI W B. Ambient volatile organic compounds(VOCs) in Calgary, Alberta: Sources and screening health risk assessment [J]. Science of the Total Environment, 2018, 631/632: 627-640.

[10] ZHENG H, KONG S, YAN Y,. 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, 2019, 703: 135505.

[11] 蔡長(zhǎng)杰, 耿福海, 俞瓊, 等. 上海中心城區(qū)夏季揮發(fā)性有機(jī)物(VOCs)的源解析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2010, 30(5): 926-934.

CAI C J, GENG F H, YU Q,. Source apportionment of VOCs at city centre of Shanghai in summer [J]. Acta Scientiae Circumstantiae, 2010, 30(5): 926-934.

[12] 徐晨曦, 陳軍輝, 姜濤, 等. 成都市區(qū)夏季大氣揮發(fā)性有機(jī)物污染特征及來源解析 [J]. 環(huán)境科學(xué), 2020, 41(12): 5316-5324.

XU C X, CHEN J H, JIANG T,. Characteristics and sources atmospheric of volatile organic compounds pollution in summer of Chengdu [J]. Environmental Science, 2020, 41(12): 5316-5324.

[13] 翟增秀, 鄒克華, 李偉芳, 等. 天津中心城區(qū)環(huán)境空氣揮發(fā)性有機(jī)物污染特征分析 [J]. 環(huán)境科學(xué), 2013, 34(12): 4513-4518.

ZHAI Z X, ZOU K H, LI W F,. Pollution characterization of volatile organic compounds in ambient air of Tianjin downtown [J]. Environmental Science, 2013, 34(12): 4513-4518.

[14] KUMAR A, SINGH D, KUMAR K,. Distribution of VOCs in urban and rural atmospheres of subtropical India: Temporal variation, source attribution, ratios, OFP and risk assessment [J]. Science of the Total Environment, 2018, 613: 492-501.

[15] MCCARTHY M C, AKLILU Y A, BROWN S G,. Source apportionment of volatile organic compounds measured in Edmonton, Alberta [J]. Atmospheric Environment, 2013, 81: 504-516.

[16] 曹夢(mèng)瑤, 林煜棋, 章炎麟, 等. 南京工業(yè)區(qū)秋季大氣揮發(fā)性有機(jī)物污染特征及來源解析 [J]. 環(huán)境科學(xué), 2020, 41(6): 2565-2576.

CAO M Y, LIN Y Q, ZHANG Y L,. Characteristics and source apportionment of atmospheric VOCs in the Nanjing industrial area in autumn [J]. Environmental Science, 2020, 41(6): 2565-2576.

[17] 高松, 崔虎雄, 伏晴艷, 等. 某化工區(qū)典型高污染過程VOCs污染特征及來源解析 [J]. 環(huán)境科學(xué), 2016, 37(11): 4094-4102.

GAO S, CUI H X, FU Q Y,. 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.

[18] BARBARA B, MEINARDI S, SHERWOOD R F,. Volatile organic compounds in 43 Chinese cities [J]. Atmospheric Environment, 2005, 39(32): 5979-5990.

[19] TSAI J H, CHIANG H L, HSU Y C,. The speciation of volatile organic compounds (VOCs) from motorcycle engine exhaust at different driving modes [J]. Atmospheric Environment, 2003, 37(18): 2485-2496.

[20] LIU Y, SHAO M, FU L,. Source profiles of volatile organic compounds (VOCs) measured in China: Part I [J]. Atmospheric Environment, 2008, 42(25): 6247-6260.

[21] LIU Y, SHAO M, LU S,. Source apportionment of ambient volatile organic compounds in the Pearl River Delta, China: Part II [J]. Atmospheric Environment, 2008, 42(25): 6261-6274.

[22] YUAN B, SHAO M, LU S,. Source profiles of volatile organic compounds associated with solvent use in Beijing, China [J]. Atmospheric Environment, 2010, 44(15): 1919-1926.

[23] WANG H L, QIAO Y Z ,CHEN C H ,. Source profiles and chemical reactivity of volatile organic compounds from solvent use in Shanghai, China [J]. Aerosol and Air Quality Research, 2014, 14(1): 301-310.

[24] 閆磊, 黃銀芝, 高松, 等. 杭州灣北岸36種揮發(fā)性有機(jī)物污染特征及來源解析 [J]. 環(huán)境科學(xué)研究, 2020, 33(3): 536-546.

YAN L, HUANG Y Z, GAO S,. Pollution characteristics and source analysis of 36 volatile organic compounds on the North Coast of Hangzhou Bay [J]. Research of Environmental Science, 2020, 33(3): 536-546.

[25] ZHANG Y L, WANG X M, ZHANG Z,. Species profiles and normalized reactivity of volatile organic compounds from gasoline evaporation in China [J]. Atmospheric Environment, 2013, 79(7): 110-118.

[26] 莫梓偉, 邵敏, 陸思華, 等. 中國(guó)揮發(fā)性有機(jī)物(VOCs)排放源成分譜研究進(jìn)展 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2014, 34(9): 2179-2189.

MO Z W, SHAO M, LU S H,. Review on volatile organic compounds (VOCs) source profiles measured in China [J]. Acta Scientiae Circumstantiae, 2014, 34(9): 2179-2189.

Characteristics and source analysis of VOCs in a fine chemical industrial park

FENG Dou-dou1, WU Cheng-zhi2, CHEN Bi-xin2, WANG Qiao-li3, ZHANG Shi-han1,CHEN Jian-meng1, LI Wei3

(1. College of Environment, Zhejiang University of Technology, Hangzhou 310014, China;2. Trinity Consultants, Inc. (China Office), Hangzhou 310012, China;3. College of Chemical and Biological Engineering, Institute of Industrial Ecology and Environment,Zhejiang University, Hangzhou 310027, China)

In order to precisely trace pollution sources in fine chemical parks, overall pollution level and component characteristics were analyzed based on VOCs online monitoring data and meteorological monitoring data of a fine chemical park from March to December 2018. Positive matrix factorization (PMF) model was used for source appointment analysis, and the main emission sources were accurately traced with the conditional bivariate probability function (CBPF). The results show that the average volume fraction of VOCs in the park is (381.92±183.62)′10-9. The dominant component is halogenated hydrocarbon, and the dominant species are dichloromethane, toluene, and 1,2-dichloromethane etc., which reflects high VOCs pollution characteristics of the fine chemical industrial park. PMF analysis shows that the fine chemical emission sources accounts for 59.18% of the total VOCs, and the road mobile sources account for 27.48%. These two emission sources need to be focused on when planning control measures. CBPF analysis shows that many heavy polluting sources are in the southeast and northeast of the park, and sensitive areas around the park are easily affected by high-concentration VOCs emissions.

fine chemical industrial park; volatile organic compounds (VOCs); positive matrix factorization (PMF) model; conditional bivariate probability function (CBPF); source apportionment

1003-9015(2021)05-0935-08

X511

A

10.3969/j.issn.1003-9015.2021.05.022

2020-11-05；

2021-02-01。

國(guó)家自然科學(xué)基金 (21876157); 國(guó)家重點(diǎn)研發(fā)計(jì)劃 (2018YFC0214100)。

封豆豆(1995-)，女，河北石家莊人，浙江工業(yè)大學(xué)碩士生。通信聯(lián)系人：吳成志，E-mail：cwu@trinityconsultants.com