黄河三角洲典型城市夏季臭氧污染特征与敏感性分析

赵 敏，申恒青，陈天舒，李吉东，孙忠泉，纪元元，薛丽坤*，李 红*，王文兴,，尚凡一

1. 山东大学环境研究院，山东 青岛 266237

2. 东营市生态环境监控中心，山东 东营 257000

3. 中国环境科学研究院，环境基准与风险评估国家重点实验室，北京 100012

4. 东营市生态环境局，山东 东营 257091

自《大气污染防治行动计划》颁布以来，我国城市地区环境空气质量明显改善，二氧化硫(SO2)、二氧化氮(NO2)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)等污染物的大气浓度均显著降低[1-3]. 与此同时，我国城市地区环境空气臭氧(O3)污染问题凸显，O3污染问题已成为我国继灰霾污染后又一亟待解决的大气环境问题[4-9].

O3来源于氮氧化物(NOx)与挥发性有机物(VOCs)等前体物在高温、强光辐射下的光化学反应二次生成[10]，其与前体物之间呈现复杂的非线性关系[11]. 区域O3生成控制机制复杂多变，在高NOx浓度区域，O3生成对VOCs 浓度更敏感，处在VOCs 控制区，此时减少VOCs 浓度能有效降低O3浓度，而降低NOx浓度则会导致O3浓度增加；在高VOCs 浓度区域，O3生成对NOx浓度更为敏感，处在NOx控制区，此时减少NOx浓度可显著降低O3浓度[12]. 基于观测的化学盒子模型(Observation Based Model, OBM)是诊断O3生成机制的重要手段之一，被广泛应用于探究区域O3生成及其与前体物VOCs 和NOx之间的关系.Tan 等[13]利用OBM 模拟发现，华北平原农村地区O3生成处在NOx控制区. Shao 等[14]基于OBM 计算了相对增量反应活性值，发现珠江三角洲地区城区地面O3生成一般受VOCs 浓度的限制. 目前，O3生成潜势(OFP)被广泛应用于量化VOCs 对O3生成的贡献. Carter[15]基于美国实际排放情景(高NOx浓度，即VOCs 控制区)开发的最大增量反应活性(MIR)值已成为应用最广的量化OFP 的标准. 实际上，在不同排放情景或低NOx浓度条件下，使用该MIR 值量化OFP 是受限的. Zhang 等[16]根据我国排放清单〔MEIC(2016 年)和MERR-2 (2017 年)〕对MIR 值进行本地化更新，在本地特征排放情景下能更好地反映VOCs对O3生成的贡献水平. 除此之外，O3-NOx-VOCs 关系也受到区域排放源特征及气象条件等影响，呈现明显的区域差异性. Liu 等[17-18]研究发现：在北京NOx及颗粒物的减少是O3升高的主要原因，而在上海NOx排放的减少及VOCs 排放的增加是O3升高的主要原因；同时，气象条件可以通过直接作用(较高温度下增加反应速率)和间接作用(较高温度下增加生物源排放)影响O3水平.

东营市位于山东省东北部黄河入海口三角洲地区，该市全境位于黄河三角洲内，是黄河三角洲的中心城市和典型的油气资源型城市. 油气相关产业活动能排放大量NOx和VOCs 等环境空气污染物[19]. 近年来，东营市机动车拥有量快速增长，根据《2021 年东营统计年鉴》，2020 年东营市民用汽车拥有量达79.5×104辆，相比2010 年增长106%，机动车尾气排放也已成为东营市空气污染物排放的重要来源. 近年来，东营市PM2.5和SO2浓度均呈下降趋势[20]，但O3浓度却不断升高，2019 年O3浓度较2015 年上升15.8%[21]. 2019 年东营市以O3为首要污染物的超标天数占全年超标天数的56.1%，成为影响东营市环境空气质量的最主要因素[22]. 目前，针对东营市O3污染成因的研究较少，对东营市O3生成机制缺乏科学认识. 深入了解东营市O3的生成机制及其前体物的污染特征是科学防控O3污染的重要前提.

该研究基于2021 年6 月东营市大气超级站环境空气质量及气象参数监测数据，分析了东营市夏季O3及其前体物在污染天和非污染天的污染特征及气象因子的影响；基于不同种类VOCs 的OFP，识别了对O3生成有显著贡献的关键VOCs 物种；利用OBM 模拟探究了东营市O3生成敏感性机制，评估了东营市前体物减排对O3生成的影响，以期为O3前体物精准减排及O3污染防控提供科学的理论支撑.

1 材料与方法

1.1 观测站点与观测时间

该研究中使用的数据来自东营市大气超级站(118.59°E、37.45°N). 该站点位于东营市生态环境局东营区分局. 站点周围以居民住宅区及商业办公区为主，周围交通发达，无明显工业污染源，属于典型的城区站点，能较好地反映东营市城区环境空气污染状况. 观测时间为2021 年6 月1—30 日，能较好地反映东营市城区夏季环境空气污染特征.

1.2 观测项目

观测项目包括常规监测参数(O3、CO、SO2、NO、NO2和PM2.5)、美国环境保护局(US EPA)光化学评估监测网(photochemical assessment monitoring stations, PAMs)规定的57 种VOCs 以及气象参数(温度、相对湿度、大气压、风向及风速). 数据时间分辨率 均为1 h. 2021 年6 月9—14 日及6 月17—18 日由于VOCs 测量仪器进行停机检修数据存在缺失. 数据的质保和质控(quality assurance and quality control,QA/QC)按照《环境空气质量自动检测技术规范》(HJ/T 193—2005)执行.

1.3 数据处理方法

1.3.1 O3生成潜势

OFP 定义为大气环境中某个VOCs 物种的浓度值与最大增量反应活性值(maximum incremental reactivity, MIR)的乘积，计算公式：

式中：OFPi表示VOCs 物种i可生成的最大O3浓度，μg/m3；[VOCs]i表示VOCs 物种i的大气环境浓度，μg/m3；MIRi为VOCs 物种i的最大增量反应活性值.该文同时使用了Carter[15]基于美国排放情景计算的MIR 系数及Zhang 等[16]基于中国本地化排放情景计算的MIR 系数，并对二者进行了对比.

1.3.2 基于观测的化学盒子模型

利用基于观测的化学盒子模型(Observation Based Model, OBM)模拟了东营市O3净生成速率及O3生成的敏感性机制. 该模型使用RACM (Regional Atmospheric Chemistry Mechanism, v2.0)机理(描述了50 多个模式归纳物种的363 个化学反应)，其已被广泛应用于大气化学观测与模拟研究[23-25].

使用IOA (index of agreement)值定量评价了该模型的模拟性能. IOA 值已被广泛用于模型预测误差程度的标准化度量[26-27]，范围在0～1 之间. IOA 值为1 时，表示模型结果与实际观测值完全匹配；IOA 值为0 时，表示模型结果与实际观测值完全不匹配.IOA 的计算公式：

式中：j表示观测/模拟O3浓度的个数；Oj表示实际观测的O3浓度，μg/m3；Pj表示模型模拟的O3浓度，μg/m3；表示O3浓度观测值的平均值，μg/m3. 该研究中O3浓度的IOA 计算值为0.82，认为该模型模拟结果与实际观测情况相吻合，可用于进一步分析.

相对增量反应活性值 (relative incremental reactivity, RIR)定义为O3净生成速率(或生成量)变化的百分比与特定物种浓度(排放量)变化百分比的比率[28]，用于评估特定前体物减排对O3净生成速率(浓度)的影响. 该研究基于各前体物类别，如NOx、人为源VOCs (AVOCs)和植物源VOCs (BVOCs)分别减排20%的情景假设运行敏感性试验，RIR 计算公式：

式中：Pnet-O3(X)和Pnet-O3[X-S(X)]分别为目标前体物未减排和减排后的O3净生成速率，10—9h—1；S(X)为未减排的目标前体物浓度，μg/m3；ΔS(X)为减排后的目标前体物浓度，μg/m3. RIR 为正值时，表示削减该目标前体物排放可有效降低O3生成，其值越大表明O3生成对该目标前体物越敏感；RIR 为负值时则相反.

EKMA (empirical kinetics modeling approach)曲线被广泛应用于量化O3和前体物减排的非线性响应关系[29-31]. 该研究对前体物(AVOCs 与NOx)设置不同的减排比例获得减排情景矩阵，运行矩阵中各减排情景获得对应的O3最大生成浓度，以不同减排情景下AVOCs、NOx的减排比例及O3最大生成浓度绘制O3生成等浓度曲线. 各等浓度线转折点的连接线为脊线. 在脊线左侧，固定NOx浓度不变，降低VOCs浓度可显著降低O3浓度，即O3生成处于VOCs 控制区；在脊线右侧，当NOx浓度固定时，VOCs 浓度改变对O3浓度影响不大，但当固定VOCs 浓度不变时，NOx浓度减少会导致O3浓度减少，即O3生成处于NOx控制区；在脊线附近，减少VOCs 和NOx浓度均可有效减少O3浓度，O3生成处于VOCs-NOx协同控制区[32-33].

模型使用O3、CO、SO2、NO、NO2、VOCs 浓度及气象参数(温度、相对湿度和大气压)的实际观测数据作为输入进行实时约束. 敏感性试验模拟每日00:00 开始，24:00 结束，每日正式模拟前模型预运行3 d (使未观测物种达到稳定状态)，得到每日O3净生成速率的时间序列. 情景减排试验使用2021 年6 月污染天的观测平均值对模型进行约束，不输入O3观测数据对模型进行约束，只给定初始O3浓度. 模型模拟从06:00 开始，预运行3 d，获得不同减排情景下的O3最大生成浓度.

2 结果与讨论

2.1 O3 及前体物污染特征

2.1.1 总体污染状况

根据《环境空气质量标准》(GB 3095—2012)中规定的日最大8 h 平均O3浓度值 (MDA8-O3)二级标准限值，将东营市2021 年6 月MDA8-O3浓度大于等于160 μg/m3的日期定义为污染天，其余为非污染天.东营市6 月污染天数占比达50.0%(15 d)，其中，轻度污染天9 d，6 月26—30 日出现连续轻度污染，中度污染天4 d，重度污染天2 d. 污染天MDA8-O3平均值和最大值分别为215 和297 μg/m3，非污染天MDA8-O3平均值和最大值分别为127 和159 μg/m3，污染天较非污染天MDA8-O3浓度升高了70.0%(见表1). 整体而言，东营市2021 年6 月O3浓度超标情况较为严重.

表 1 2021 年6 月东营市污染天及非污染天MDA8-O3 浓度Table 1 Maximum daily averaged 8 h O3 values during the polluted days and the clean days in June, 2021 in Dongying

东营市2021 年6 月环境空气污染物及气象参数的时间序列如图1 所示. 监测期间O3小时浓度平均值为(121±61) μg/m3，高于北京市[34]、上海市[35]、成都市[36]等城市地区夏季同期O3浓度. NO 及NO2浓度平均值分别为(2±2) 和(25±15) μg/m3. VOCs 浓度平均值为(59.6±43.5) μg/m3，其中，烷烃浓度平均值为(43.2±37.2) μg/m3，占比为72.4%；芳香烃浓度平均值为(10.2±5.9) μg/m3，占比为17.1%；烯烃浓度平均值为(4.2±2.6) μg/m3，占比为7.0%；异戊二烯浓度平均值为(1.2±1.4) μg/m3，占比为2.1%；炔烃浓度平均值为(0.8±0.7) μg/m3，占比为1.4%. 监测期间CO 浓度平均值为(0.5±0.2) mg/m3，SO2浓度平均值为(6±5)μg/m3. 监测期间气象参数变化较大，污染天气象因素整体呈高温〔平均值为(27.3±4.7) ℃〕和低湿(平均值为59.0%±19.7%)的特点，以晴朗天为主；而非污染天气温〔平均值为(24.7±3.4) ℃〕较低，相对湿度(平均值为66.8%±20.8%)较高，部分天为阴雨天. 监测期间整体风力较小〔平均值为(1.0±0.4) m/s〕，风向以东北风和西南风为主.

2.1.2 O3及相关参数的日变化情况

东营市污染天及非污染天O3及其前体物浓度的日变化情况如图2 所示. 由图2 可见：O3浓度日变化呈单峰分布，07:00 起O3浓度逐渐升高，于15:00 达到峰值，之后随太阳辐射的减弱O3浓度逐渐降低；NO2浓度与O3浓度呈相反的日变化趋势，夜间NO2浓度较高而白天较低，NO2的光解是对流层O3唯一的二次来源[37]，日间较强的光解导致NO2浓度降低，夜间则由于一次排放导致了NO2的累积；NO 浓度在08:00 存在明显的峰值，与早高峰时段机动车的排放密切相关；VOCs 浓度也呈夜间高、白天低的特点，与NO2浓度日变化趋势相同，这与夜间光化学损耗较少及污染物的一次排放累积有关，同时VOCs 物种中烷烃类物质也存在早高峰浓度峰值，因此机动车尾气排放可能是东营市夏季VOCs 的重要来源.

图 1 2021 年6 月东营市环境空气污染物及气象参数时间序列Fig.1 Time series of air pollutants and meteorological parameters in June, 2021 in Dongying

图 2 2021 年6 月东营市O3 及其主要前体物浓度、PM2.5 浓度和气象参数的日变化情况Fig.2 Averaged diurnal variations of O3 and its precursors, PM2.5, and meteorological parameters in June, 2021 in Dongying

2.1.3 O3与前体物

东营市环境空气污染物浓度水平在污染天显著升高. 由表2 可见：污染天O3、NOx和VOCs 浓度平均值分别为(143±73) (30±19)和(63.3±31.4) μg/m3，在非污染天分别为(99±34) (28±16)和(56.1±54.2)μg/m3，污染天较非污染天浓度分别升高了44.1%、7.6%和10.4%. 其中，AVOC 中烷烃、烯烃、炔烃和芳香烃的浓度在污染天较非污染天分别高10.0%、18.4%、42.9%和11.1%；异戊二烯浓度在污染天升高尤为明显，较非污染天高112.5%，污染天和非污染天浓度平均值分别为(1.7±1.7) (0.8±0.8) μg/m3，这与污染天更高的温度导致植物源排放的增强有关. NOx浓度在污染天的夜间及早高峰较非污染天明显升高，污染天早高峰(07:00) NOx浓度峰值达46 μg/m3，较非污染天高36.6%. 污染天PM2.5浓度显著上升，较非污染天高50%，污染天和非污染天浓度平均值分别为(30±13) (20±12) μg/m3. 由于污染天前体物浓度更高、大气氧化性更强，可能导致更多PM2.5二次组分的生成，因此污染天O3与PM2.5浓度呈同步上升趋势[38-39].整体来看，东营市O3及其前体物浓度在污染天和非污染天浓度变化趋势相同，但在污染天VOCs 日间排放明显增强，NOx夜间积累及早高峰排放明显增强.污染天更高浓度的前体物以及高温、低湿等更有利的气象条件在一定程度上导致了更高浓度的O3生成，加剧了O3污染的恶化.

表 2 2021 年6 月东营市污染天及非污染天环境空气污染物浓度和气象参数平均值及变化范围Table 2 Average values and variation ranges of air pollutants and meteorological parameters during the polluted days and the clean days in June, 2021 in Dongying

2.1.4 O3与气象因子

东营市污染天与非污染天O3浓度与温度、相对湿度的拟合散点图及其与风向、风速的极坐标散点图如图3 所示. 由图3 可见：O3浓度与温度呈正相关，温度一定程度上可以反映太阳辐射强度，更高的温度及太阳辐射强度能导致更高浓度的O3生成；O3浓度与相对湿度呈负相关，高湿条件下通过湿清除作用降低O3浓度，并且较高的相对湿度会消耗氧原子从而抑制O3的生成[40]. 对比污染天与非污染天O3浓度和温度的拟合曲线发现，污染天O3浓度与温度的相关性更强，O3浓度随温度变化的增长率更高. 总体上看，当污染天气温超过32.4 ℃时，出现O3浓度超标. 风向和风速在污染天及非污染天并未表现出明显的差异，且整体风速〔平均值(1.0±0.4) m/s〕较小，因此东营市2021 年6 月O3污染过程中长距离的区域传输对本地O3污染贡献较小.

2.2 O3 生成潜势

东营市基于本地化MIR 值及基于美国MIR 值计算的污染天和非污染天OFP 贡献前10 位的VOCs物种如图4 所示. 由图4 可见，基于本地化MIR 值计算的OFP 值显著低于基于美国MIR 值计算的OFP值. 根据本地化MIR 值计算的OFP 值，污染天和非污 染天VOCs 总OFP 值 分 别 为103.8 和90.6 μg/m3，污染天较非污染天高14.6%. 其中，芳香烃对O3生成贡献最大，在污染天和非污染天的贡献率分别为37.5%和41.4%；其次是烯烃，在污染天和非污染天的贡献率分别为27.3%和29.1%；烷烃在污染天和非污染天的贡献率分别为22.0%和22.5%；异戊二烯在污染天和非污染天的贡献率分别为13.0%和6.9%；炔烃在污染天和非污染天的贡献率均为0.2%. 虽然烷烃浓度占比最高，但其化学反应活性较低，因此对OFP 的贡献较小. 相反地，芳香烃和烯烃由于化学反应活性较强，因此对OFP 的贡献较高.

由图4 可见，东营市污染天OFP 贡献前10 位的VOCs 物种分别为异戊二烯(13.5 μg/m3)、乙烯(8.5 μg/m3)、间/对-二甲苯(7.5 μg/m3)、丙烯(7.3 μg/m3)、甲苯(4.7 μg/m3)、正丁烷(4.6 μg/m3)、1,2,4-三甲苯(4.6 μg/m3)、异戊烷(4.5 μg/m3)、邻-二甲苯(4.3 μg/m3)和异丁烷(4.1 μg/m3)，总贡献率为61.3%. 其中，OFP贡献前10 位的VOCs 物种中芳香烃类贡献最大，OFP 值为21.1 μg/m3，贡献率为33.2%；其次为烯烃类，OFP 值 为15.8 μg/m3，贡 献 率 为24.8%；BVOCs 的OFP 值为13.5 μg/m3，贡献率为21.2%；最后为烷烃类，OFP 值为13.2 μg/m3，贡献率为20.8%. 非污染天OFP贡献前10 位的VOCs 物种分别为丙烯(9.2 μg/m3)、间/对-二甲苯(7.7 μg/m3)、异戊二烯(6.3 μg/m3)、乙烯(5.1 μg/m3)、1,2,4-三甲苯(4.7 μg/m3)、正丁烷(4.4 μg/m3)、1,3,5-三甲苯(4.1 μg/m3)、异戊烷(3.8 μg/m3)、邻-二甲苯(3.5 μg/m3)和甲苯(3.4 μg/m3)，总贡献率为57.6%. 非污染天OFP 贡献前10 位的VOCs 物种中芳香烃类贡献最大，OFP 值为23.4 μg/m3，贡献率为44.8%；其次为烯烃类，OFP 值为14.3 μg/m3，贡献率为27.4%；烷烃类OFP 值为8.2 μg/m3，贡献率为15.7%；最后为BVOCs，其OFP 值为6.3 μg/m3，贡献率为12.1%. 与非污染天相比，污染天对OFP 贡献前10 位的VOCs 物种的OFP 贡献率升高，烯烃类和BVOCs 对OFP 的贡献率升高，其中，异戊二烯、乙烯及甲苯的OFP 值显著升高，分别增加了114.3%、68.6%和38.2%，说明东营市污染天植物源排放[41]和机动车尾气排放[42]对O3生成的贡献明显增强.

2.3 O3 敏感性分析

使用OBM 模拟了东营市污染天及非污染天的O3生成. 研究期间，东营市日间O3净生成速率平均值为15.5×10—9h—1，与2017 年夏季O3生成速率[19]相当，高于北京市[43]、上海市[44]、成都市[44]及深圳市[45]等地区. 夜间(18:00—翌日06:00) O3通过NO 滴定作用[46]等途径而损耗，在污染天及非污染天夜间O3净生成速率分别为—4.3×10—9和—3.8×10-9h—1，未表现出明显差异. 日间(06:00—18:00) O3通过前体物VOCs与NOx参与的光化学反应生成，O3净生成速率于12:00 达到峰值，在污染天和非污染天O3净生成速率峰值分别为26.0×10—9和22.2×10—9h—1. 污染天O3日间平均净生成速率(17.2×10—9h—1)较非污染天(13.0×10—9h—1)显著升高了32.3%，O3污染过程中O3局地光化学生成对O3浓度水平的贡献明显增强. 需要指出的是，此次观测未对HONO 进行测量，HONO 作为大气自由基的重要来源，对O3的生成有一定影响.

基于OBM，将O3前体物NOx、AVOCs 和BVOCs分别减排20%进行敏感性模拟，计算了东营市各前体物的RIR 值. 由图5 可见，东营市在污染天和非污染天O3生成控制机制未发生明显转变，均受到VOCs 和NOx协同控制. 非污染天O3生成对AVOCs更为敏感，RIR 为0.41；污染天O3生成对NOx的敏感性增强，RIR 为0.37，同时对AVOCs 仍表现出较高的敏感性(RIR=0.34). 因此，污染天实施NOx及AVOCs协同减排有利于控制O3污染. 值得注意的是，O3污染过程中BVOCs 浓度削减20%时RIR 值(0.12)比非污染天相同情景下RIR 值(0.08)更大，因此不可忽视植物源VOCs 对污染天O3浓度水平的贡献.

图 5 2021 年6 月东营市O3 前体物NOx、AVOCs 和BVOCs 的RIR 值Fig.5 RIR values of O3 precursors, NOx, AVOCs and BVOCs in June, 2021 in Dongying

2.4 前体物减排效果评估

为进一步评估前体物减排对东营市O3生成的影响，基于6 月污染天平均情景模拟绘制了EKMA 曲线，并量化了不同VOCs 与NOx减排比例下O3生成的变化. 由图6(a)可见，东营市O3污染过程中O3生成处于VOCs-NOx协同控制区，减排VOCs 或减排NOx均可有效降低O3生成，与RIR 结果一致. 若要实现污染天O3达标(1 h-O3浓度平均值＜ 200 μg/m3)，VOCs 浓度需单独削减23.7%或NOx浓度单独削减50.4%，或按1∶1 的比例VOCs 浓度和NOx浓度均同时削减20.2%. 由图6(b)可见，为实现O3达标，当VOCs 与NOx协同减排比例大于或等于1∶1 时，VOCs 与NOx协同减排所引起的O3生成变化差异较小，即不同VOCs 与NOx协同减排比例下VOCs 浓度削减20%左右均可实现O3达标. 而当VOCs 与NOx协同减排比例小于1∶1 时，尽管实现O3达标需要削减的VOCs 比例更小，但NOx需要削减的比例更大.例如，当VOCs 与NOx协同减排比例为1∶2 时，为实现O3达标，VOCs 浓度需削减17.3%，而同时NOx浓度需削减34.6%. 综上，现阶段为实现东营市O3达标，应实施VOCs 与NOx协同减排比例大于或等于1∶1的减排策略，在该减排比例下要加大污染天(尤其是夜间)NOx与VOCs 减排力度，以减轻污染天温度升高及植物源排放增强等不可控因素引起的O3恶化.但长期O3防控需要持续减排NOx，使O3生成敏感机制从VOCs-NOx协同控制区转变到NOx控制区是实现O3长期达标的有效途径.

图 6 2021 年6 月东营市污染情景下O3 生成等浓度曲线图以及不同VOCs 与NOx 协同减排比例下O3 浓度的变化情况Fig.6 O3 isopleth diagram based on the polluted scenario and variations of O3 concentrations under different VOCs/NOx reduction ratios in June, 2021 in Dongying

3 结论

a) 2021 年6 月黄河三角洲代表性城市东营市O3污染严重，O3超标天数占比为50.0%，共计15 d.污染天MDA8-O3、VOCs 和NOx浓度较非污染天分别升高了70.0%、10.4%和7.6%. 污染天夜间及早高峰NOx浓度均显著升高. 污染天温度升高导致植物源排放的异戊二烯浓度显著升高.

b)污染天气象条件呈高温、低湿的特点，O3与温度相关性显著增强. 2021 年6 月东营市O3污染过程中由于更有利的气象条件(高温、低湿)及更高的前体物浓度，导致O3光化学生成作用增强，O3净生成速率较非污染天升高了32.3%.

c)东营市基于本地化MIR 值计算的OFP 显著低于基于美国MIR 值计算的OFP，使用美国MIR 值可能忽略区域排放特征的差异，造成OFP 值的高估或低估. VOCs 对东营市OFP 的贡献大小依次为芳香烃＞烯烃＞烷烃＞异戊二烯＞炔烃. 与非污染天相比，污染天异戊二烯、乙烯及甲苯的OFP 值分别增加了114.3%、68.6%和38.2%，O3污染天植物源排放及机动车排放对O3生成的贡献增强.

d)东营市O3生成处于VOCs-NOx协同控制区，O3污染过程中协同减排VOCs 与NOx是控制O3污染的有效途径. 现阶段应实施VOCs 与NOx协同减排比例大于或等于1∶1 的减排策略，污染天(尤其是夜间)应加大NOx与VOCs 减排力度，减轻污染天温度升高及植物源排放增加等不可控因素对O3污染的影响；同时应持续减排NOx，使O3生成敏感机制从VOCs-NOx协同控制区向NOx控制区转变，以实现O3长期达标.

致谢：感谢WENDY S G、WILLIAM R S 和CHARLENE V L 提供的RACM2 化学机制.