《Atmospheric Environment》：Advancing VOC management: A mobile and drone-based approach for industrial emission monitoring
编辑推荐：
工业密集区挥发性有机物（VOCs）排放源精准识别方法研究。通过移动SIFT-MS结合无人机多阶段监测，运用空间统计定位热点后进行高分辨率采样，成功区分化工厂、涂料厂等不同源的VOCs特征谱（如二甲苯/乙苯、MEK、苯系物等），验证无人机采样与地面监测高度一致性，为复杂工业环境空气质量管理提供新工具。
Cheonwoong Kang | Hyunjun Shin | Hyunjeong Seo | Hanjin Yoo | Ki-Joon Jeon
环境工程系，仁荷大学，仁川，22212，韩国
摘要
在大型、密集的工业综合体中有效管理挥发性有机化合物（VOCs）仍然是一个关键挑战，因为传统的监测方法通常速度太慢、空间覆盖范围有限，且分辨率不足，无法在数千个设施中确定具体的排放源。本研究介绍并验证了一种新颖的多阶段方法框架，该框架将移动式选择离子流管质谱法（SIFT-MS）与基于无人机的系统相结合，以实现快速和精确的源识别。该方法首先进行广域移动SIFT-MS调查，利用空间统计方法（Getis-Ord Gi?）识别热点区域，然后通过无人机进行高分辨率的空中筛查。这种多阶段方法成功区分了仅通过地面监测无法区分的相邻源的化学特征。例如，该框架区分了化学制造设施附近的二甲苯和乙苯富集区、油漆生产附近的甲基乙基酮（MEK）富集区以及来自油漆设施的甲苯和丙烯醛富集区。通过同时进行的地面测量验证了基于无人机的采样的定量可靠性，显示出在每个地点捕获独特化学特征的高度一致性。本研究表明，集成移动-无人机框架为表征工业VOC排放提供了一种科学可靠且高效的方法。通过从广泛的空间筛查过渡到精确的、基于证据的源识别，该方法为有针对性的空气质量管理提供了强大的工具，并在全球高度复杂的工业环境中具有广泛应用潜力。
引言
空气污染已成为一个紧迫的环境问题，对人类健康、生态系统和气候系统构成了严重威胁（Ma等人，2021；Post等人，2012；Lovett等人，2009；Cohen等人，2005；Kumar等人，2004；Knowlton等人，2004）。在快速工业化过程中形成的工业综合体是各种空气污染物（包括挥发性有机化合物（VOCs）的主要排放源，这对有效的空气质量管理提出了重大挑战（Huboyo等人，2025；Al Okla等人，2024；Zhang等人，2024；Kim等人，2020；Picot等人，1992）。这些地区的特点是成千上万的小型和中型企业（SMEs）在有限的区域内密集聚集。这种高密度、多行业的配置导致了众多具有不同工艺的排放源，形成了空间和时间上异质的污染格局。因此，识别具体的污染源并进行可靠的源分配具有根本性的挑战。本研究考察的工业综合体是代表这些结构挑战的一个典型案例。
这些结构特征凸显了传统空气污染管理的局限性。例如，固定站点监测缺乏捕捉局部高浓度事件的空间代表性，而为大型点源优化的监管框架（如连续排放监测系统（CEMS），在韩国称为遥测监测系统（TMS），或资源密集型的现场检查，对于SMEs多样且不规则的排放模式往往无效。这些局限性在VOCs方面尤为明显，因为VOCs包括苯和1,3-丁二烯等有害致癌物（Huy等人，2018；Massolo等人，2010），并且是臭氧和细颗粒物（PM2.5）等二次污染物的关键前体（Duan等人，2008；Gao等人，2021；Nault等人，2021）。其管理中的最大挑战主要来自“逃逸排放”——即来自管道、阀门和储罐等设备组件的无意释放——这些排放通常超过直接从烟囱排放的量（图S1）。尽管引入了围栏监测以提供更全面的排放评估（Gary Daves，2017），但它仍然难以在密集的工业区域确定具体来源，在韩国的应用仍处于基础研究阶段（Kang等人，2024）。此外，许多工业综合体与居民区的紧密邻近直接将工业空气污染与不良健康影响联系起来（Marquès等人，2020），这突显了需要创新的测量和归因方法来应对工业综合体中的具体来源。
为了克服这些局限性，引入了下一代技术，如移动监测（Langford等人，2023b；Kousis等人，2022；Zhao等人，2021）和无人机（J?rvi等人，2023；Rohi等人，2020）。特别是配备高性能分析仪（如SIFT-MS）的移动监测，可以快速筛查大型工业区域并识别排放热点。然而，移动性受限于道路网络，限制了物理接近排放点的能力，这意味着源识别通常需要使用气象数据或扩散模型进行额外分析。另一方面，无人机具有三维移动性，可以直接接近排放源，但受到飞行时间和载荷能力的限制，不适合大面积筛查。
本研究建立并验证了一个系统框架，旨在克服基于地面的监测的空间分辨率限制，从而能够在密集的工业综合体中定量、高分辨率地区分相邻的排放源。整个过程已在复杂的高密度工业环境中成功应用并经过现场验证。
移动SIFT-MS系统
移动SIFT-MS系统是通过将SIFT-MS（Voice200ultra；Syft Technologies，新西兰）安装在车辆上建立的（图S2-a）。该系统包括GPS、笔记本电脑以及电源和空调系统等实用组件，支持移动和固定位置的空气质量监测。
SIFT-MS仪器可以覆盖广泛的气态污染物，而无需针对特定化合物进行校准（Yu等人，2019）。与GC-MS的比较显示了结果的一致性。
使用SIFT-MS系统快速监测和识别空气污染热点
由于存在众多排放源，所有目标化合物的浓度通常都高于非工业区域的典型背景水平（表2）。在这些VOCs中，甲基乙基酮（MEK）、甲苯和二甲苯+乙苯的平均浓度最高，这些物质都被归类为有气味的物质。
为了评估潜在的气味影响，将测量浓度与气味检测阈值进行了比较。
结论
本研究展示了一种新颖的集成方法框架，该框架将移动SIFT-MS和基于无人机的系统相结合，实现了前所未有的高分辨率源区分和工业排放的精确表征。这种多步骤方法成功应用于识别和表征大型、异质工业综合体中的VOCs和有气味化合物的来源，克服了传统方法逐个设施监测的关键局限性。
CRediT作者贡献声明
Cheonwoong Kang：撰写——原始草稿、可视化、验证、软件、数据整理。Hyunjun Shin：验证、资源、调查。Hyunjeong Seo：资源、调查。Hanjin Yoo：监督。Ki-Joon Jeon：验证、监督、方法论、概念化。
注释
作者声明没有利益冲突。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
致谢
本工作得到了韩国国家环境研究院（NIER）的资助，该研究院由气候、能源和环境部（MCEE）资助（NIER-2024-03-03-002）。作者还衷心感谢气候、能源和环境部都市空气质量管理办公室在整个现场测量活动中的宝贵合作和技术支持，包括协助进入现场和联合数据收集。
