2013—2018年海口市区臭氧浓度变化特征

利用海口市区4个站点2013—2018年臭氧（O₃）逐时观测资料，分析了O₃不同时间尺度变化特征、超标情况及其与前体物NO₂和气象因子的关系。结果表明：海口市区O₃浓度总体偏低，但2013—2018年各站点均有明显的上升趋势，海大站、海师站、龙华站和秀英站的气候倾向率分别为1.26、3.84、3.02、2.93 μg/（m³·a），其中海师站、龙华站和秀英站分别通过了95%、98%、90%的信度检验。秋、冬季海口市O₃浓度最高，其中10月O₃浓度月平均最大值出现的概率最大，最小值主要出现在8月。O₃浓度日变化表现为单峰型，早晨08：00前后O₃浓度最低，午后15：00最高。海大站超标率最高（2.82%），海师站和龙华站次之，秀英站最小。4个站点的超标日O₃浓度均逐年上升，表明海口市O₃超标现象在恶化。O₃浓度与日照时间成正相关关系，与相对湿度成负相关关系。当相对湿度为60%~85%、日最高气温为20~30℃时，海口市发生O₃浓度超标的概率较高。     

嘉善前体物与气象因子对臭氧生成的影响及臭氧潜在源区分析

利用2017年嘉善善西超级站臭氧（O₃）及其前体物（NO_x和VOCs）以及气象因子（温度、湿度、风速）逐小时数据，分析了2017年全年NO_x和O₃的变化特征以及春季（4—5月）、夏季（7—8月）NO_x和气象因子对O₃生成的影响，利用O₃生成潜势（OFP）评估了VOCs大气化学反应活性，并通过潜在源区贡献（PSCF）和浓度权重轨迹（CWT）方法分析了嘉善春、夏季O₃潜在源区贡献特征。研究发现：O₃日变化特征为单峰结构，NO_x为弱双峰结构。O₃浓度在3—9月较高，春、夏季O₃浓度峰值分别出现在15：00和14：00，春、夏季的NO_x、O₃日变化与2017年全年日变化趋势基本一致。NO_x对O₃存在滴定作用，且低湿高温有利于O₃浓度的升高。春、夏季O₃生成潜势贡献均表现为烯烃 > 芳香烃 > 烷烃，由于烯烃光化学活性较高，夏季烯烃浓度升高导致其贡献较春季增长约18.1个百分点，且夏季VOCs平均最大O₃增量反应活性高于春季。PSCF和CWT分析结果表明，嘉善春季的潜在源区主要为本地、西南方向和东南方向，夏季的潜在源区主要为本地、西北方向、西南方向以及东南方向。     

典型生态功能区臭氧生成敏感性及气象驱动力解析——以千岛湖地区为例

千岛湖地区是我国重要的自然保护区,属于典型生态功能区。当前,臭氧(O₃)正频繁成为影响千岛湖地区空气质量的首要污染物,但对于与此相关的千岛湖地区O₃生成敏感性,研究人员目前仍未了解清楚。利用2019—2021年TROPOMI卫星观测数据,运用O₃生成敏感性指示剂方法,即甲醛对流层垂直柱浓度和二氧化氮对流层垂直柱浓度的比值(FNR),量化解析了千岛湖地区O₃生成敏感区的时空演化特征。结果表明,千岛湖地区FNR呈现逐年升高趋势,且显著高于杭州市主城区。千岛湖地区氮氧化物(NO_x)控制区逐年扩张,自2019年开始,由西南向东北逐步蔓延。截至2021年,NO_x控制区已基本覆盖整个千岛湖地区。千岛湖地区O₃生成敏感区在夏季基本属于NO_x控制区,在其他季节属于NO_x控制区或协同控制区。结合气象再分析数据发现,FNR与温度呈强正相关(r=0.8),与相对湿度呈较弱正相关,与风速和云液态水含量呈较弱负相关。当温度大于7.0 ℃、风速小于6.2 m/s、云液态水含量小于5.5×10^-5 g/m³、相对湿度大于57.5%时,O₃生成趋向于受NO_x控制。此外,与杭州市相比,千岛湖地区O₃生成对气象参数变化更为敏感。研究成果对我国典型生态功能区O₃污染防控具有重要的启示作用。     

长沙地区O3污染潜势广义可加模型的季节分异性

基于长沙市2016—2019年臭氧（O₃）浓度的逐时监测资料以及该时段同时次的气象观测数据,首先利用相关性分析和方差膨胀因子相结合的方法排除了相对湿度、太阳辐射、气温、风速、气压之间存在多重共线性问题,进而构建了春、夏、秋、冬四季O₃日最大8 h滑动平均质量浓度（O₃-8 h）与上述气象因子的广义可加模型（GAMs）,分析了O₃污染潜势GAMs模型的季节分异特征。结果表明：①春、夏、秋、冬四季O₃与相对湿度、太阳辐射、气温、风速、气压各变量之间多呈现出非线性关系（自由度大于1）。②春、夏、秋、冬四季多变量GAMs模型方差解释率（IRV）分别为80.7%、60.2%、83.0%、81.4%,调整判定系数R²分别为0.795、0.564、0.819、0.795,即不同季节气象因子在GAMs模型中对O₃的解释能力存在显著差异,秋季最好,冬春季次之,夏季最差。③相对湿度、太阳辐射、气温是决定春、夏、秋、冬四季O₃浓度变化最重要的气象要素,但其重要性排序随季节有所变化,对应的太阳辐射的F统计值分别为140.841、36.606、14.16、46.377,相对湿度的F统计值分别为3.291、4.158、15.82、8.105,气温的F统计值分别为7.030、2.113、15.79、3.340。该结论揭示了气象因子对O₃演化影响的复杂性,并为后续O₃污染潜势的预报奠定了基础。     

宜都市PM2.5与O3季节性分布特征及潜在源区分析

为了解宜都市PM_2.5与O₃的污染特征及潜在来源,利用宜都市2020年3月至2022年2月在线监测数据及气象数据,对宜都市PM_2.5与O₃质量浓度变化特征、气象影响因素及潜在源区进行了分析,结果表明:宜都市PM_2.5质量浓度冬高夏低,日变化呈双峰特征,O₃质量浓度夏高冬低,日变化呈单峰特征。高湿、静稳的气象条件以及较强偏北风作用下的区域污染传输对PM_2.5污染有重要影响,高温以及中湿度对O₃污染过程有重要作用。春、夏、秋季偏南方向气流轨迹占主导,且携带较高的污染物浓度,冬季来自湖北东北及西南方向的气流占比较高且携带的PM_2.5浓度较高;宜都市PM_2.5、O₃的潜在源区具有季节性差异,总体来看,主要分布在河南南部、湖北东部及湖南的北部区域。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。     

2001—2020年合肥市空气质量变化趋势研究

为系统分析合肥市长时间序列空气质量变化特征,对合肥市2001—2020年SO₂、NO₂和PM₁₀,以及2013—2020年CO、O₃和PM_2.5的浓度特征开展研究。采用Mann-Kendall(M-K)时间趋势检验法分析了6项污染物的时间变化规律,同时考虑了人为活动对污染物小时浓度的影响。结果表明,PM_2.5和O₃是目前影响合肥市空气质量的首要污染物。2014年以来,合肥市PM₁₀、PM_2.5、CO和SO₂年均浓度均呈逐年下降趋势,但NO₂和O₃污染有加剧趋势。合肥市SO₂和颗粒物浓度表现为冬春季节高、夏秋季节低;O₃浓度变化趋势与之相反;NO₂和CO浓度呈秋冬季节高、春夏季节低。     

基于转置EKMA曲线的湖南省臭氧生成敏感性分析

基于湖南省2015—2020年夏秋季的污染物及气象观测数据，分析了臭氧（O₃）污染的时空特征和生成敏感性。湖南省中部和北部的O₃污染较为严重，且主要发生在9月，午后O₃峰值常与早高峰的NO₂浓度有较高的相关性。采用转置EKMA曲线方法探究了O₃在NO₂维度和VOCs反应活性维度下的生成敏感性。在 NO₂维度下，NO₂控制区和NO₂-VOCs过渡区的NO₂质量浓度为7 ~ 13 μg/m³，NO₂-VOCs过渡区和VOCs控制区的NO₂质量浓度为15~17 μg/m³。在VOCs反应活性维度下，当NO₂质量浓度大于10 μg/m³时，VOCs反应活性越高，O₃浓度越高。在高VOCs反应活性（30 ℃或以上）时，NO₂浓度每降低1 μg/m³，各区域的O₃质量浓度能降低约8 ~ 9 μg/m³。结合NO₂ 和VOCs反应活性2个维度，得出湖南省午后O₃生成以 NO₂控制区和NO₂-VOCs 过渡区为主，在晴天干燥和高温条件下，减排NO₂可有效降低O₃浓度。转置EKMA曲线方法为缺少长期VOCs观测的区域提供了研究O₃生成敏感性的新思路。     

珠三角典型城市COVID-19疫情封闭期间臭氧污染的放大效应研究

珠三角地区臭氧(O₃)已经逐步取代颗粒物成为主要大气污染物。对新型冠状病毒肺炎(COVID-19)疫情封闭期间珠三角城市背景污染效应(特别是对O₃的放大效应)进行了量化研究,发现PM_2.5和NO₂质量浓度均为工作日高于节假日,非疫情期高于疫情期。O₃质量浓度节假日高于工作日,其中疫情期节假日浓度最高。减排会增加低温高湿背景下O₃质量浓度,但会降低其极大值,并导致 O₃随温度和相对湿度的变化梯度减弱。疫情封闭期间异地输送对于局地O₃质量浓度的变化贡献突出。叠加疫情封闭影响的春节假期O₃质量浓度比节前工作日增加20.4%~41.7%,与一般年份特征相反,而NO₂降低65.3%~75.6%,降低程度强于一般年份。疫情封闭期春节期间O₃质量浓度比一般年份上升14.0%~25.9%,而NO₂质量浓度降低37.0%~54.5%。低湿晴好的天气为光化学反应提供有利条件,并且疫情封闭扩大了假期人为源减排规模,导致NO_x质量浓度进一步下降,使其对O₃的滴定效应减弱,同时静稳天气有利于O₃浓度的累积,导致局地O₃污染被逐步放大。     

衡水夏季典型时段VOCs污染特征及O3污染过程分析

选取臭氧（O₃）污染高发的7月为夏季典型月，采用自动观测设备，从前体物VOCs的浓度水平及O₃生成潜势（OFP），前体物、气象因素与O₃相关性等多方面研究了衡水市O₃污染影响因素，并剖析了一次典型的O₃污染过程，以期为衡水市夏季O₃污染防治提供科学参考。研究结果表明：衡水市VOCs主要组分浓度占比为烷烃 > 烯烃 > 芳香烃 > 乙炔，主要组分对总OFP的贡献为烯烃 > 芳香烃 > 烷烃 > 乙炔；O₃与前体物VOCs、NO₂存在负相关性，与温度存在正相关性；相对湿度低于48%时，O₃和相对湿度呈负相关性，相对湿度高于48%时，O₃和相对湿度呈正相关性；气团中VOCs化学组成稳定性较低，平均VOCs最大增量反应活性（MIR）较低，为4.855gO₃/gVOCs；衡水市7月2—4日重度污染过程受本地生成和区域传输叠加影响。     

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

利用2013年1月—2014年12月北京地区PM_(2.5)和PM_(10)监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM_(2.5)和PM_(10)的浓度对不同季节地面气象因素的响应。结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻。不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素。PM_(2.5)和PM_(10)质量浓度对气象因素变化的响应程度也有较大区别,PM_(2.5)/PM_(10)比值冬季最高,PM_(2.5)影响最大,春季最低,PM_(10)影响最大。这些结论可对制订科学有效的大气污染控制策略提供参考。     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

上海臭氧及前体物变化特征与相关性研究

于2010年1~12月期间,在上海城区内采用在线连续观测,分析该地区近地臭氧与其前体物的季节变化规律及相关性,探讨了臭氧浓度与OX和NO₂光解速率之间的关系。结果表明,观测期间,上海地区O₃总超标天数为13天,超标率为3.56%。O₃浓度变化呈现明显的秋冬低、春夏高的季节变化。O₃浓度日变化规律呈典型单峰变化,O₃各前体物呈双峰形分布,冬季O₃与NO_X的相关性最强。对OX的贡献中,秋冬以NO₂为主,春夏以O₃为主;夜间以NO₂为主,白天以O₃为主。臭氧浓度与OX和NO₂光解速率变化规律基本一致。     

成都市夏季近地面臭氧污染气象特征

利用2016年7月成都市8个环境监测站点的臭氧、NO_2的监测资料以及成都市国家基准气象站和基本气象站的观测资料,对成都市夏季臭氧、NO_2浓度和气象要素的日变化特征和臭氧污染过程进行了分析。研究结果表明:成都市臭氧污染受综合气象条件和NO_2浓度的影响,高温、低湿、强辐射有利于臭氧大量生成,NO_2浓度高低决定了臭氧浓度的峰值大小;在污染期间,大气边界层高度远高于本地平均水平,数值约为平均水平的2～3倍;成都市臭氧污染的主要影响因子存在地区差异,成都市区的臭氧主要来自于自身的光化学反应,而灵岩寺地区的臭氧来自于VOCs和大气水平输送。     

灰霾期间武汉城市区域大气污染物的理化特征

利用湖北省大气复合污染自动监测站2013年的全年监测数据,分析了灰霾期间武汉城市区域大气污染物的理化特征。霾日主要出现在春季、秋季和冬季。霾日与非霾日大气污染物质量浓度和气象参数的对比分析结果显示:高湿度、静风是武汉城市区域霾日的重要气象特征;PM1、PM_(2.5)、PM_(10)、NO_2、CO、NH3的质量浓度,SOR、NOR值以及PM_(2.5)中的二次无机离子(SO2-4、NO-3、NH+4)和部分元素(Pb、Se、Cd、Zn、K)的质量浓度均在霾日明显高于非霾日,而霾日SO2质量浓度仅在冬季略高于非霾日。选取2013年1月的连续灰霾日进行相关性分析,结果表明:污染组分主要来自当地排放(包括直接排放和二次形成),并受当地气象条件影响。此次灰霾过程中PM_(2.5)中的硫酸盐和硝酸盐主要来自气相反应,气态NO_2主要生成了气态HNO_3,而不是HNO_2。     

我国典型南方城市臭氧污染特征

分析了我国典型南方城市的臭氧污染特征,选取我国4个有代表性的南方重点城市武汉、宁波、中山和南宁的2013—2015年监测数据,使用EXCEL、ORIGIN和MATLAB等统计软件开展研究,结果表明:我国南方典型城市的臭氧质量浓度分布有明显时间变化特征,超标时间跨度大,部分南方城市与氮氧化物存在较明显负相关性,相关系数高于-0.6;受城市所在不同地理位置、气象因素、大气扩散条件及可能的不同本地排放污染源构成等因素影响,4个城市的近3年臭氧浓度月均值、超标情况和年内峰值均存在一定差异和分组相似性;与部分气象因素也表现出显著相关性。     

喀什市2022年环境空气质量特征分析

为摸清喀什市环境空气质量变化特征,为管理部门进行污染精准管控提供科学参考,基于喀什市2022年环境空气自动监测数据开展分析研究。结果表明:2022年喀什市二氧化硫、二氧化氮、臭氧、一氧化碳年均质量浓度均优于国家二级标准。超标污染物主要为可吸入颗粒物和细颗粒物。喀什市细颗粒物、可吸入颗粒物浓度呈春、秋、冬季高,夏季低的季节特征。     

Influence of Meteorological Parameters on Particulates and Atmospheric Pollutants at Taichung Harbor Sampling Site

Atmospheric aerosol particles and metallic concentrations, ionic species were monitored at the Experimental harbor of Taichung sampling site in this study. This work attempted to characterize metallic elements and ionic species associated with meteorological conditions variation on atmospheric particulate matter in TSP, PM_2.5, PM_2.5–10. The concentration distribution trend between TSP, PM_2.5, PM_2.5–10 particle concentration at the TH (Taichung harbor) sampling site were also displayed in this study. Besides, the meteorological conditions variation of metallic elements (Fe, Mg, Cr, Cu, Zn, Mn and Pb) and ions species (Cl⁻, NO₃ ⁻, SO₄ ²⁻, NH₄ ⁺, Mg²⁺, Ca²⁺ and Na⁺) concentrations attached with those particulate were also analyzed in this study. On non-parametric (Spearman) correlation analysis, the results indicated that the meteorological conditions have high correlation at largest particulate concentrations for TSP at TH sampling site in this study. In addition, the temperature and relative humidity of meteorological conditions that played a key role to affect particulate matter (PM) and have higher correlations then other meteorological conditions such as wind speed and atmospheric pressure. The parameter temperature and relative humidity also have high correlations with atmospheric pollutants compared with those of the other meteorological variables (wind speed, atmospheric pressure and prevalent wind direction). In addition, relative statistical equations between pollutants and meteorological variables were also characterized in this study.