基于总OH反应性和总RO浓度的预算分析——以日本郊区为例
《Atmospheric Environment》:RO
x budget analysis based on total OH reactivity and total RO
x concentration measurements in Suburban Japan
【字体:
大
中
小
】
时间:2026年07月23日
来源:Atmospheric Environment 3.8
编辑推荐:
摘要:ROx循环在对流层氧化过程中起着核心作用。本研究提出了一种基于过氧自由基化学放大技术的方法,用于研究大气中的ROx自由基收支状况。通过结合总OH反应性测量值与总ROx浓度数据,无需分别测定OH、HO2和RO2自由基的浓度,即可依据光化学稳态框架估算出ROx损失率D(ROx)
摘要:ROx循环在对流层氧化过程中起着核心作用。本研究提出了一种基于过氧自由基化学放大技术的方法,用于研究大气中的ROx自由基收支状况。通过结合总OH反应性测量值与总ROx浓度数据,无需分别测定OH、HO2和RO2自由基的浓度,即可依据光化学稳态框架估算出ROx损失率D(ROx)。首先利用WRF–CMAQ模型模拟对该方法的理论一致性进行了验证,结果显示基于光化学稳态框架计算出的D(ROx)与模型输出值高度吻合(相关系数为0.95)。随后将该方法应用于2022年8月在日本筑波郊区进行的实地观测。在低NO浓度条件下,P(ROx)与D(ROx)数值基本一致,但当NO浓度升高至1 ppmb以上时,两者出现显著失衡,D(ROx)的值可高达P(ROx)的一倍。若空气来自东京都市圈,这种差异还会进一步加剧,且仅靠XO2NO2相互作用无法完全解释这一现象。尽管PERCA技术存在测量干扰的可能性,但它仍是一种有效的诊断工具,可用于识别ROx收支中的异常情况。所观察到的差异也可能与高NOx条件下的臭氧生成不足现象有关。由于该方法的实施门槛较低,有望推动更广泛地开展自由基收支分析。
引言:对流层臭氧是一种重要的二次大气污染物及气候污染物,由光化学反应生成。白天,臭氧的生成始于ROx前体物质如臭氧、甲醛、亚硝酸以及含氧化学键的挥发性有机化合物的光解反应。这一过程会产生活性氧自由基,包括羟基自由基、过氧化氢自由基和有机过氧自由基。这些自由基随后与挥发性有机化合物和氮氧化物发生反应,引发被称为ROx循环的连锁反应,从而有效提升大气中的臭氧浓度。氧化剂生成率P(Ox)是衡量臭氧生成潜力的指标,其表达式为HO2和RO2自由基氧化NO生成NO2的速率(Tan等人,2017):P(Ox)=kHO2+NO[HO2][NO]+∑ifikRO2i+NO[RO2]i[NO],其中fi表示发生RO2 + NO反应时生成HO2和NO2的比例。随着ROx测量技术的进步,人们已能够对这类自由基进行全面监测(Hu等人,2025;Slater等人,2020;Tan等人,2017、2018;Whalley等人,2018、2021)。人们利用上述公式根据观测数据计算出臭氧生成率P(Ox),并将其与采用主化学机制和第二版区域大气化学机制的箱式模型计算结果进行对比。然而,在高NO浓度条件下,这类模型计算出的P(Ox)值往往明显低于观测值。例如,2012年夏季伦敦的观测数据显示,模型计算值最多低至观测值的1/10(Whalley等人,2018);2014年夏季中国望都的观测结果也是如此(Tan等人,2017)。2017年夏季北京则出现了更大的差异,模型计算的P(O3)值最多低至观测值的两个数量级(Whalley等人,2021)。找出导致这一低估现象的原因仍是当前面临的重大挑战。P(Ox)可分解为两个因素:ROx生成率P(ROx)与ROx循环效率Φ,即每个ROx分子所能生成的臭氧分子的平均数量(Wang等人,2024):P(Ox)=P(ROx)×Φ。关于Φ,有研究认为可能是由于缺乏OH反应性所致(如Li等人,2020及其引用文献)。此外,基于最新的综合观测结果,还有研究提出了OH、HO2和RO2之间存在的未知转化路径(Slater等人,2020;Tan等人,2017、2018;Whalley等人,2018、2021),这些路径也可能导致模型对P(O3)的估算偏低。相比之下,针对P(ROx)缺失来源的研究则相对较少。通常认为,P(ROx)主要来源于HONO、臭氧和甲醛的光解反应,同时烯烃臭氧分解反应以及氯原子引发的氧化反应也会对P(ROx)产生贡献(Cho等人,2023;Tan等人,2019;Whalley等人,2021):P(ROx)=jHONO[HONO]+φOHjO1D[O3]+2jHCHO[HCHO]+∑φROxki[alkene]i[O3]+PCl。其中j为特定物质的光解速率常数,φ为每次光解或反应产生的自由基比例,k为双分子反应速率常数,PCl则表示由氯原子反应产生的额外ROx。由于ROx自由基的生成与消耗速度极快,通常认为白天处于稳态状态,此时ROx生成率P(ROx)与总ROx损失率D(ROx)保持平衡。D(ROx)=kOH+NOx[NOx][OH]+∑ikRO2i+NO[RO2]i[NO]+2∑ikRO2i+HO2[RO2]i[HO2]+2kHO2+HO2[HO2]2+2kHO2+OH[HO2][OH]。因此,只要能够准确测定OH、HO2和RO2的浓度,就可以计算出D(ROx),再将其与各ROx生成源的贡献值相加,从而判断是否存在未被纳入ROx生成与损耗预算中的过程(Cho等人,2023;Tan等人,2019;Whalley等人,2021)。Tan等人曾在2014年中国京津冀地区的污染监测中对比了D(ROx)与P(ROx)的值,发现两者差异小于0.5 ppb·h?1,吻合度较高。随后Whalley等人于2017年在北京进行的观测也显示二者基本一致,但在日出后到10点左右期间,出现了显著失衡,D(ROx)的值比P(ROx)高出约4 ppb·h?1(Whalley等人,2021)。Cho等人则在德国于利希研究中心的SAPHIR实验室内研究了ROx收支情况,发现在NO浓度为3.5 ppmb时,D(ROx)平均比P(ROx)高出0.5 ppbv·h?1。在温度较高的日子里,这一差异更为明显,最高可达1.4 ppbv·h?1,甚至有某一天测得的差异值达到了3 ppbv·h?1。研究者们认为,造成这一ROx收支失衡的最可能原因是存在尚未被发现的RO2初级生成源(Cho等人,2023)。Hu等人在长江三角洲地区进行了全面的自由基观测,虽然他们没有专门分析ROx收支情况,但发现严重臭氧污染期间,观测到的自由基浓度与模型计算值之间存在较大差异,这说明在高NOx条件下,人们对自由基的来源与消耗机制的理解还不够完善。他们还提出,更高阶的醛类反应机制等额外的氧化途径也可能导致了这种差异(Hu等人,2025)。正如上文所述,最近的全面ROx观测结果揭示了ROx生成与损耗之间的失衡现象,这为解释P(Ox)计算值中的差异提供了重要线索。因此,有必要进一步研究那些尚未被识别的ROx生成与损耗过程,但目前只有少数研究团队具备开展此类全面测量的能力。为此,本研究提出了一种基于光化学稳态框架的方法,该方法仅需测定总OH反应性及总ROx浓度,即可用于分析ROx收支状况。具体而言,我们采用泵浦-探测激光诱导荧光技术测定OH浓度(Li等人,2020、2021、2022;Nakashima等人,2014;Ramasamy等人,2016、2018;Sadanaga等人,2005;Yoshino等人,2006、2012),而总过氧自由基浓度则是通过过氧自由基化学放大技术测定的(Miyazaki等人,2010;Sadanaga等人,2004)。首先,我们利用区域化学传输模型对该框架的理论一致性及潜在的系统误差来源进行了评估。之后,我们将PERCA-OHR方法应用于实际观测数据,以此估算D(ROx),并判断该方法是否能帮助识别那些此前未被发现的、导致ROx收支失衡的过程。传统的ROx直接测量方法大多依赖激光技术,不仅成本高昂,还需要操作人员具备先进的激光操作技能。而PERCA方法则可以利用市售的非激光型NOx分析仪来实现,因此其应用门槛要低得多。预计这一方法将有助于推动ROx收支分析的进一步发展。
PSS框架在D(ROx)计算中的应用:在光化学稳态近似下,观测得到的总OH反应性和总ROx浓度可以转换为D(ROx)值。用于计算D(ROx)的一系列反应如下图1所示:OH + VOCs + O? → RO? + H?O;OH + CO和HCHO + O? → HO? + 其他产物;OH + NO? → HNO?和HONO;RO? + NO + O? → HO? + NO? + OVOCs;RO? + NO → Org-NO?;RO? + HO? → ROOH + O?;HO? + NO → OH + NO?;HO? + HO? → H?O? + O?;HO? + OH → H?O + O?。在此假设中,RO?自由基的自反应对ROx的损失影响可以忽略不计。
通过CMAQ模拟验证PSS框架的合理性:我们利用与2022年观测同期的大气模拟结果,对用于计算D(ROx)的PSS框架的合理性进行了验证。首先分析了稳态近似的适用性。如图1所示,该图对比了D(ROx)与P(ROx)的值。此处D(ROx)是根据CMAQ模型计算得到的[OH]、[HO?]以及各种RO?i浓度值,仅考虑了R3、R5、R6、R8和R9五种自由基损失过程后计算得出的。其计算公式为:D(ROx)=kR3[NO?][OH]+∑ikR5_i[NO][RO?]i+2∑ikR6_i[HO?][RO?]+2kR8[HO?]2+2kR9[HO?][OH]
关于本稿件准备过程中生成式AI及AI辅助技术的声明:在撰写本稿件时,作者们使用了ChatGPT(OpenAI)、Gemini(Google)、Claude(Anthropic)以及GitHub Copilot(Microsoft)等工具来辅助语言润色和优化英文表达。作者们对相关输出内容进行了必要的修改,并对最终发表文章的内容负全责。
资金支持:本研究得到了日本学术振兴会(JSPS)的KAKENHI项目资助(项目编号分别为JP16H06305、JP19H04255、JP21H04926),以及日本环境恢复与保护机构的环境研究和技术开发基金(项目编号JPMEERF20215002)和2021财年日本国立环境研究所的研究经费支持(项目编号2526AN001)。
作者贡献说明:坂本佳辅:概念设计、数据整理、资金获取、研究实施、项目管理、结果验证、初稿撰写、论文修订;江上浩一:数据整理、研究实施;李嘉如:数据整理、研究实施;森野裕:数据整理、定量分析、软件应用;中岛嘉广:数据整理、研究实施;加藤顺吾:数据整理、研究实施;佐藤圭:数据整理、研究实施;吉野步:数据整理、研究实施。
利益冲突声明:作者们声明自己不存在任何可能影响本研究结果的已知财务利益或个人关系。
致谢:作者们还要感谢日本国立环境研究所的空气质量研究站,他们为这项研究付出了巨大努力。同时,作者们也对Enago(www.enago.jp)提供的英文语言润色服务表示感谢。
坂本佳辅|江上浩一|李嘉如|森野裕|中岛嘉广|加藤顺吾|佐藤圭|吉野步|高见明纪|小野七濑|贞永康弘|梶井良纯
日本国立环境研究所,日本茨城县筑波市小野川16-2,邮编305-8506
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号