北京气象塔夏季大气臭氧观测研究

2000年夏季7～8月,以北京325m气象塔为观测平台,分别在8,120,280m高度上进行了大气污染物臭氧(O₃)及其前体物氮氧化物(NO_x)和气象要素加强期的同步观测.对观测资料的分析表明,边界层内存在明显的臭氧浓度垂直差异;低层臭氧浓度呈明显的日变化,且昼夜振幅较大;对O₃浓度与NO₂/NO的比值作线性拟合分析发现,白天(10:00～16:00)O₃浓度与[NO₂/NO]的比值成线性关系,即达到光化学稳定态,但受气象背景场影响较大.     

泰山顶臭氧及其前体物一氧化碳浓度变化规律

监测泰山顶O₃及其前体物CO的浓度,分析O₃和CO浓度的变化规律及其相关性.结果表明,泰山顶O₃小时平均浓度超过国家一级标准的频率为15.81%,CO小时平均浓度均达标;O₃浓度的日变化幅度较小,说明该地区受周围工业污染影响较小;O₃和CO浓度的日变化均呈一高一低的双峰型变化规律,二者具有很好的相关性,O₃浓度峰值一般滞后于CO,该区域O₃及其前体物CO浓度的变化主要受局地光化学过程控制;O₃浓度与CO浓度的日际变化的相关性也较好.     

北京气象塔夏季大气O3,NOx和CO浓度变化的观测实验

以北京325m气象塔为观测平台,于2002年夏季进行了大气污染物臭氧(O₃)及其前体物氮氧化物(NO_x)和气象要素加强期的同步观测.对观测资料做了详尽的分析,结果表明:边界层内存在明显的臭氧浓度(用体积分数表示)垂直差异;中午120m高度层存在O₃浓度最大值;低层O₃浓度呈明显的日变化,且昼夜振幅较大;夜间高层(280m)O₃的湍流混合和化学消耗较弱,可维持较高的浓度;局地光化学生成是白天边界层O₃的主要来源;降水天气过程可造成O₃及其前体物浓度的显著变化.     

安徽省O3浓度时空分异及其驱动因素研究

基于2017—2018年安徽省132个空气质量监测站点的O₃浓度观测数据及各月份的气象与前体物排放数据, 采用空间自相关分析、地理探测器等方法分析安徽O₃浓度的时空分异及其驱动因素. 结果表明:安徽O₃浓度的峰值出现在5月和6月, 超标率分别为31.4%和42.8%. O₃浓度整体呈空间集聚特征, 高值区主要出现在安徽东北部的蚌埠、宿州、淮南和滁州4市, 低值主要分布在皖南山区. 气象要素是安徽省O₃浓度格局形成的主控因素, 其中6月的边界层高度(q=0.644)、近地面太阳辐射(q=0.597)和风速(q=0.571)的影响最大, 且呈正向影响, 风速的增大和边界层高度的增加可能使得输入性污染增加. 降雨量(q=-0.532)和相对湿度(q=-0.559)呈负向影响, 且降雨带的移动是影响安徽夏季O₃分布格局的一项关键因素. 本地前体物排放对安徽O₃浓度的影响受到气象要素的驱动, 在夏季呈正向, 而冬季呈反向, 其中CO的影响相对较大. 6月气象要素与本地前体物排放的双因子交互驱动对O₃浓度的空间分异具有增强作用. 边界层高度和近地面太阳辐射与本地前体物的组合解释力均大于0.7, 在不利的气象条件下, 应进一步加强对本地前体物排放的管控.     

支持向量机回归在臭氧预报中的应用

采用南京工业区2016年5月20日~8月15日这一高臭氧（O₃）期的O₃、O₃前体物和常规气象资料数据,利用支持向量机回归（SVMr）方法分别预报O₃的小时值、日最大值和最大8 h滑动平均值.结果表明,O₃小时值预报的相关系数（R²）为0.84,平均绝对误差（MAE）和平均绝对百分误差（MAPE）分别为3.44×10^-9和24.48,O₃前期浓度、紫外B波段辐射（UVB）和NO₂浓度是关键因子.O₃日最大值预报的主要因子是NO_x在07：00的浓度和UVB.预报O₃ 8 h时UVB和气温起重要作用.加入前体物项能够使O₃的预报精度提升10%~28%.与多元线性回归方法相比,SVMr对O₃浓度的预报有明显优势.     

基于随机森林的北京城区臭氧敏感性分析

明确臭氧（O₃）与前体物的非线性关系是O₃防控措施制定的基础和关键.基于北京城区站点2020年4~9月O₃、挥发性有机物（VOCs）、氮氧化物（NO_x）和气象要素在线观测,分析了O₃及其前体物污染特征,利用随机森林（RF）模型结合SHAP值探究了影响O₃的关键因素,并通过多情景分析探讨了O₃-VOCs-NO_x敏感性.相关性分析结果显示O₃小时浓度与温度（T）呈显著正相关,与TVOCs和NO_x呈显著负相关;但从每日结果来看,O₃与T、TVOCs和NO_x均呈显著正相关.RF模型模拟的O₃浓度与实测值吻合较好,进一步计算了各个特征变量的SHAP值,结果显示T和NO_x对O₃影响最高,但前者是正向影响,而后者是负向影响.以观测期间O₃污染天的NO_x和VOCs平均值为基础情景,设置了对应不同NO_x和VOCs的多种情景,并利用RF模型计算不同情景下的O₃,得到O₃等值线（EKMA曲线）,结果显示北京城区O₃-VOCs-NO_x敏感性处于VOCs控制区,与基于观测的盒子模型（OBM）得到的结果一致,这说明RF模型可以用作O₃-VOCs-NO_x敏感性分析的一种补充方法.     

基于Brute-Force方法的京津冀区域夏季臭氧反应机制

近年来京津冀区域夏季臭氧（O₃）体积分数仍居高位,轻中度污染频繁发生,相关反应机制研究亟需开展.利用WRF-Chem模式对该区域2018年夏季代表月O₃浓度进行模拟,并基于Brute-Force方法探究了区域层面前体物减排的O₃变化.O₃在不同排放情景的变化表明,该区域O₃反应机制以VOCs控制区与非敏感区为主,VOCs控制区主要聚集京津冀中部,呈南北带状分布,面积占比15.60%~26.59%.区域各市城区的O₃浓度对前体物排放的相对响应强度（RRI）具有很大的空间差异性,对于VOCs,RRI_VOC在0.03~0.16范围内;而对于NO_x,RRI_NO_x在-0.40~0.03范围内.纬度越高的城区,RRI值越剧烈,表明了越为显著的区域输送影响.前体物排放强度高的城区,RRI_NO_x值越低,暗示RRI_NO_x对当地NO₂浓度的负向依赖;但RRI_VOC与NO₂水平无明显关联,更依赖于对前体物相对丰度（VOCs ：NO_x）.RRI_VOC与RRI_NO_x比值在多数城市表现为负值,VOCs协同减排以抑制O₃浓度恶化十分必要;该比值的绝对值在工业化和城市化高的城市远低于普通中小城市,意味着这些城市VOCs协同减排的要求将更高.然而,即使在前体物50%减排下,区域各城市O₃浓度改善仍然有限,毗邻省份的区域外联合治理也依然重要.     

海南省背景区域臭氧及其前体物污染特征

基于2019年五指山背景点、海口市和三亚市的环境空气自动监测数据和气象观测资料,分析了海南省背景区域和重点城市O₃及其前体物NO₂污染特征;结合挥发性有机物（VOCs）在线监测数据,分析了五指山背景点VOCs的时间变化规律、O₃浓度高值月份O₃及其前体物VOCs和NO_x的污染特征以及VOCs的臭氧生成潜势（OFP）.结果表明,O₃是影响五指山背景点空气质量的关键污染物,五指山背景点O₃日最大8 h浓度平均值与海口市和三亚市显著相关.背景点NO₂月均浓度水平显著低于城市点,然而背景点和城市点O₃月均浓度水平和变化趋势高度一致.背景点O₃变化与风向密切相关,春夏季偏南风频率较高,O₃浓度相对较低;秋冬季以东北风为主,易受内陆污染输送影响,O₃浓度较高.五指山背景点春夏季VOCs体积分数低于秋冬季,但对应的OFP高于秋冬季;其中异戊二烯夏季体积分数显著高于秋冬季,且其夏季体积分数占总挥发性有机物的比例最高,对应的OFP贡献率可达70%以上,O₃则表现出秋冬季显著高于夏季的特征.11月O₃高浓度时段乙炔和芳香烃的体积分数较清洁日出现较大上升,同时其对应的OFP显著上升.VOCs优势物种和OFP主要贡献物种的分析结果表明,O₃高浓度时段机动车尾气和油气挥发排放源对五指山背景点VOCs的化学组成和OFP有重要贡献.     

东北地区臭氧浓度空间格局演变规律及影响因素

采用重心模型、空间自相关分析、地理探测器,研究了2016年东北地区O₃浓度的空间分布格局及演变规律,揭示了气象因素和前体物对东北地区O₃浓度空间分布格局及演变的影响.结果表明：东北地区O₃-8 h-P90分布整体呈南高北低的态势,O₃浓度的高值区及超标天数比例较高的地区都集中分布在环渤海地区的沿海城市;气温是影响O₃年均浓度空间格局演变的主导因素,随着气温的变化,O₃年均浓度空间分布格局呈现空间分异不明显-南高北低-空间分异不明显的演变特征;前体物是核心城市形成局部O₃污染的主要原因,其影响力的大小受温度的影响,温度越高,光化学反应越强,前体物的正向影响力越大,温度越低,光化学反应越弱,化学性质活跃的前体物对O₃可能起消耗作用.     

基于观测模型的成都市臭氧污染敏感性研究

2019年4—8月，在成都市城区开展了O₃、NO_x、VOCs及气象参数的连续在线观测，基于观测数据OBM模拟的方式，对O₃超标日的敏感性及收支进行了分析.研究发现，成都市城区O₃超标日对应的绝大部分前体物的浓度均有所上升，基于VOCs的组分变化分析推断工业源排放在超标日可能存在较大幅度的增加.相对增量反应活性（RIR）值结果表明，成都市城区O₃超标日对人为源VOCs（AVOCs）敏感性最强，其次为天然源（BVOCs）和CO，而对NO_x为负敏感性，控制AVOCs对站点超标日的O₃浓度下降最为有利；逐月变化来看，O₃对AVOCs和NO_x的敏感性逐月差异较小，对BVOCs的敏感性在6—7月最强，对CO的敏感性在4—5月最强.观测点位处于典型的VOCs控制区，以O₃浓度为等值线的EKMA曲线显示4—5月脊线比例约为13，6—7月及8月的脊线比例约为8.建议在开展O₃防控时，VOCs的减排比例应远大于NO_x，且春季的减排比例应大于夏季.典型O₃污染日的日最大O₃小时生成速率为10×10^-9~18×10^-9· h^-1，上午存在O₃输入，下午O₃本地生成占主导，其余时段O₃输出影响较强.     

京津冀污染物跨界输送通量模拟

发展了关键影响因子加权人为源分配方法(WKIF),增添了依赖于气象条件和下垫面类型的生物源,动态更新了气象场和浓度场的边界条件.然后利用WRF-CAMx模式定量给出了四季北京、天津和河北大气边界层中PM2.5、O3、CO、SO2、NO2和NO跨界输送通量和北京净输入或输出通量.结果表明WKIF方法合理反映了中小城市人为源的空间分布特征,模式重要输入参量、初值与边界条件的改进显著改善了WRF-CAMx模式对京津冀地区6个观测站点近地面NOx、O3和PM2.5浓度的模拟.北京向天津冬、春季主要通过西北方向,夏、秋季主要经过偏西方向输入NO、NO2、SO2、CO、O3、PM2.5,输送通量夏季均最小,冬季均最大,且四季北京向天津输入的CO、O3、PM2.5通量显著高于NO、NO2、SO2通量.河北的污染物冬、春季主要通过西北方向,夏季主要经由偏南方向,秋季主要途径偏西方向进入北京;四季北京向河北输入NO和NO2,但跨界输送通量小于20t·d-1;四季河北向北京输入的CO、O3、PM2.5通量远高于北京向河北输送的NO、NO2通量,明显大于北京向河北输送的SO2通量,且河北向北京输入CO、O3、PM2.5通量夏季均最小,冬季均最大;四季北京大气边界层中NO、NO2、SO2最大净输出通量小于50t.d-1,CO、O3、PM2.5净输入或输出通量分别为111～2309、567～6244、715～1778t·d-1.这些定量结果为京津冀区域污染源调控对策的制定提供了科学依据.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

淄博市城郊臭氧污染特征及影响因素分析

本文基于淄博市2019年18个自动监测站连续1 a的O₃与前体物（NO_x、 VOCs和CO）,及常规气象监测数据（气温、相对湿度、风速和能见度）,选取城区和郊区代表性站点,研究了O₃与前体物的污染特征以及O₃生成的影响因素.结果表明,淄博市2019年O₃-8h浓度超标率为25.8%,超标天多出现在5～9月;城区NO_x浓度高于郊区,而O₃和VOCs浓度较低;各污染物的小时变化率具有明显的季节特征,秋冬季节O₃上升和前体物下降时间均较春夏季节晚1 h左右,且O₃生成累积的高峰时段缩短,城区O₃浓度的整体上升速率高于郊区;对O₃及各影响因素的相关性分析、偏相关分析及线性回归分析得到,O₃与前体物和相对湿度呈负相关,与能见度、气温和风速呈正相关,各因素间存在相互影响;城区站点O₃生成的主控因子有相对湿度、 NO<...     

中国典型城市O3与前体物变化特征及相关性研究

为了解我国不同气候背景城市O₃污染及其与前体物的关系,选取北京市、沈阳市、银川市、成都市、南京市和广州市作为典型代表城市,基于这6个城市2014-2016年ρ（O₃）、ρ（NO₂）和ρ（CO）资料对O₃与其前体物质量浓度变化特征及二者相关性进行研究.结果表明:①2014-2016年6个城市ρ（O₃）年均值大小顺序依次为南京市>沈阳市>北京市>银川市>成都市>广州市,ρ（NO₂）年均值大小顺序依次为北京市>成都市>南京市>沈阳市>广州市>银川市,ρ（CO）年均值大小顺序依次为北京市>银川市>成都市>沈阳市>南京市>广州市.2014-2016年除广州市ρ（O₃）下降、沈阳市变化不明显外,其他城市ρ（O₃）总体呈上升趋势;各城市ρ（NO₂）和ρ（CO）普遍呈下降趋势.②广州市ρ（O₃）夏季最高、春季最低,其他城市四季ρ（O₃）大小顺序依次为夏季>春季>秋季>冬季;北京市、沈阳市和银川市四季ρ（NO₂）和ρ（CO）大小顺序依次为冬季>秋季>春季>夏季,成都市、广州市和南京市为冬季>春季>秋季>夏季.各城市ρ（O₃）和ρ（O_x）日变化呈单峰型,ρ（NO₂）和ρ（CO）日变化呈双峰型.③6个城市城区ρ（O₃）均低于清洁对照点,城区ρ（NO₂）和ρ（CO）均高于清洁对照点,并且城区与清洁对照点O₃及其前体物质量浓度差值随城市和月份变化存在一定的差异.④各城市ρ（O₃）与ρ（NO₂）和ρ（CO）均呈负相关,与ρ（O_x）呈显著正相关;城区ρ（O₃）与ρ（NO₂）和ρ（CO）的相关性均好于清洁对照点,清洁对照点ρ（O₃）与ρ（O_x）的相关性则好于城区.⑤各城市ρ（O₃）超标率随ρ（NO₂）和ρ（CO）的增加均呈先迅速上升再快速减小,之后缓慢变化的特征,但ρ（O₃）超标率峰值对应的ρ（NO₂）和ρ（CO）有所差异.研究显示,日照条件较好的银川市、北京市和沈阳市O₃与其前体物相关性较成都市、南京市和广州市强.      

基于总过氧自由基观测研究合肥市西郊夏季O3生成特征

2020年8月利用化学放大法对合肥市西郊大气总过氧自由基RO^*₂·(RO₂·+HO₂·)体积分数进行监测,并结合O₃和其前体物,分析了过氧自由基体积分数、O₃生成速率和O₃生成对前体物的敏感性.结果表明,观测期间总过氧自由基体积分数的日均值呈典型的单峰型变化,12:00左右出现最高值,日间峰值体积分数为43.8×10^-12,日间RO^*₂·与太阳辐射强度、温度和O₃呈明显的相关性.利用实测RO^*₂·和NO,获得合肥市西郊夏季O₃生成速率,日间峰值为10.6×10^-9h^-1,O₃生成速率对NO变化更为敏感.基于大气自由基和NO_x(NO+NO₂)反应去除速率占比(Ln/Q),对合肥...     

2013年成都财富论坛期间空气质量状况分析研究

利用2013年5月20日-6月20日成都市区7个环境质量监测站点可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)、SO₂、NO₂、CO和臭氧的实测资料及地面气象观测资料,对成都举办财富全球论坛期间及前后的空气质量变化特征和成因进行分析.结果表明,由于市政府采取交通管制措施,使机动车尾气排放的NO₂浓度与财富论坛前后相比降幅达27.2%;财富论坛期间臭氧前体物质浓度的降低,使地面臭氧日均浓度在相同太阳日辐射值下与财富论坛前后相比较低;对城区扬尘控制和周边重污染企业限产停产,分别对PM₁₀和SO₂的排放起到了明显的削减作用;后向轨迹分析表明市区SO₂浓度累积与来自东南部低空的气团有关.当相对湿度小于60%时颗粒物容易吸湿增长,而当相对湿度大于60%时降雨概率增大,颗粒物容易被清除.综合分析,成都市区财富论坛期间空气质量改善是政府减排举措的有效实施和较好的气象条件共同作用的结果.     

泰安市大气臭氧污染特征及敏感性分析

2018年5～7月对泰安市城区站点的臭氧及前体物进行在线监测,并基于特征比值法和光化学模型分析了臭氧及前体物的污染特征及臭氧生成对前体物的敏感性.结果表明,观测期间泰安市正遭受较为严重的臭氧(O_3)污染,臭氧浓度的日变化呈典型的单峰型变化,15:00左右出现最高值,氮氧化物(NO_x)和VOCs的日变化趋势整体呈现夜间高白天低的变化特征.由O_3生成效率(OPE)、VOCs/NO_x和H_2O_2/NO_z特征比值法及基于EKMA曲线的方法均得出观测期间泰安市大气O_3光化学生成偏向于NO_x敏感区及过渡区,削减NO_x和VOCs均对O_3生成具有控制作用.同时基于EKMA曲线的方法还得出在O_3前体物浓度减排时按照丙烯等效浓度(PE)与NO_x浓度比值为8∶3进行VOCs(PE)和NO_x削减可以达到O_3浓度控制的最佳效果.     

济南大气臭氧浓度变化规律

利用近2a济南市区近地面大气O₃浓度的观测数据,分析了O₃浓度的分布特征及时间变化规律.结果表明,济南市区O₃浓度以1a为周期呈明显的波动变化特征,城市光化学污染较重;1d当中O₃浓度呈明显的单峰型变化,一般在午后达到最高值,而日出时分出现最低值;春季和夏季O₃浓度高于秋季和冬季,而夏季和秋季O₃浓度的日内变化幅度明显高于春季和冬季;受人们活动规律的影响,周末O₃浓度的日内变化规律与平日有所不同.     

北京大气中NO、NO2和O3浓度变化的相关性分析

臭氧（O₃）是城市污染大气中的首要光化学污染物,其变化规律与氮氧化物(NO_x=NO+NO₂)关系密切.采用49C臭氧分析仪和42CTL氮氧化物分析仪对北京城区O₃和NO_x浓度进行了连续观测,时间为2004-08～2005-07.结果显示,O₃和OX（O₃+NO₂）浓度在午后15:00左右出现峰值,NO_x呈双峰态日变化,在07:00和23:00左右出现峰值.不同季节污染物的浓度变化存在差异,O₃和NO_x浓度分别在夏季和冬季达到最大.NO_x浓度存在100×10^-9(体积分数)的“分界点”,NO_x低浓度时以NO₂为主,NO_x高浓度时NO占大部分.OX区域贡献和局地贡献存在明显的季节变化,前者主要受区域背景O₃的影响,在春季最大,后者主要受局地NO_x光化学反应的制约,在夏季最强,同时OX组分呈现显著的昼夜差异.     

Hydrogen peroxide levels in Los Angeles: A screening-level evaluation

The major factors affecting the diurnal variation of gaseous hydrogen peroxide were studied using a one-dimensional vertical gas-phase chemistry/transport screening model. The model which included diurnal variations of the inversion layer, surface emissions, dry deposition of air pollutants, and meteorological conditions such as solar radiation, temperature, relative humidity and wind speed, was used to evaluate the influence of the ratio of NMHC/NO_x, the emission rates of NO_x and NMHC, the deposition velocity of H₂O₂, and the height of inversion layer on the ground level gaseous H₂O₂ concentrations. The model was found to yield reasonable agreement with field data from the Carbonaceous Species Methods Comparison Study at Glendora, California, in 11–21 August 1986. Specifically, model predictions and field results all indicated that during clear skies, ambient H₂O₂ concentration was highest at about early afternoon when O₃ concentration was highest and NO_x was lowest. It was concluded that the predicted gaseous H₂O₂ concentration is most sensitive to the emission rate of NO_x and the ratio of NHMC/NO_x, but it is less sensitive to the deposition velocity, height of inversion layer, and the emission rate of NMHC.