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、2.93μg/(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...     

2008-2016年臭氧监测试点城市的臭氧污染特征

选取臭氧试点城市北京、沈阳、上海和重庆,通过对2008-2016年臭氧监测数据进行分析研究,可以看出4个试点城市中北京的臭氧污染最严重。4个城市的臭氧污染特征均为高浓度臭氧所占比例较大,高值比较高,低浓度臭氧所占比例较小。北京、沈阳和上海的年平均臭氧浓度总体呈上升趋势。北京、上海、重庆、沈阳4个城市9年的超标天数比例分别为15.9%、7.7%、3.9%、6.5%。上海的臭氧浓度在秋季非常高。2012年的臭氧变化趋势比较异常,可能是由于2012年发生的不寻常气候条件导致。4个城市的臭氧浓度变化和气象条件的变化显著相关。     

2016—2020年西安市近地面臭氧污染变化趋势及分布特征

利用2016—2020年陕西省环境空气质量自动站的臭氧监测数据,分析西安市大气环境中臭氧污染的时间变化趋势及空间分布特征。从时间分布来看,西安市臭氧年均质量浓度呈先上升后下降的波动变化趋势,且浓度值略高于全国平均水平;臭氧月均浓度具有明显的季节变化特征,月超标天数和月均质量浓度均在6月达到峰值;臭氧质量浓度日变化规律在全年和四季完全一致,均呈单峰型,日内小时平均质量浓度超标最多时段集中在15:00—16:00;臭氧与NO₂、CO均呈“此消彼长”的负相关关系。从空间分布来看,西安市12个国控评价点位的O₃-8 h浓度分布变化大致分为单峰型和持续递减型,浓度主要集中在40～80μg/m³;国控点和省控点的臭氧浓度时间分布趋势一致,空间分布存在区域性差异;全市20个区县(开发区)的臭氧污染呈现南北中心城区高、东西远郊区低的空间分布特征。总之,西安市臭氧污染的时空分布主要受到气象条件、污染物排放和城市布局差异的综合性影响。     

2013—2022年全国环境空气质量变化特征

基于2013—2022年全国339个地级及以上城市环境空气质量监测数据,分析了10年来环境空气质量变化特征。结果表明,2013—2022年全国环境空气质量持续改善,74个重点城市ρ（PM_2.5）从2013年的68μg/m³降至2022年的29μg/m³,降幅为57.4%;一次排放污染物ρ（SO₂）和ρ（NO₂）10年降幅分别为71.9%和27.6%,ρ（CO）自2015年以来下降42.1%;全国ρ（O₃）波动变化,受高温干旱影响,2019和2022年ρ（O₃）为148和145μg/m³,其他年份ρ（O₃）在137~139μg/m³波动。全国74个重点城市优良天数比例从2013年的65.7%上升至2022年的83.0%,相当于10年间每个城市优良天数增加65d;重污染天数比例从2013年的7.9%下降至2022年的0.6%,重污染天数减少90%。2020—2022年,90%以上的非沙尘重污染天出现在秋冬季（11—12月和1—2月）,夏秋季O₃超标问题对优良天数比例影响显著,建议进一步强化重点区域污染联防联控与重点城市大气污染防治,加强多污染物协同治理,推进空气质量持续改善。     

2016—2020年珠海市金湾区集中式饮用水水源地环境质量变化特征

根据2016-2020年珠海市金湾区集中式饮用水水源地的监测数据,采用单因子评价法、综合污染指数法和综合营养状态指数法对金湾区黄绿背水库、爱国水库和木头冲水库环境质量变化趋势及特征进行分析评价.结果表明,2016年3个水库的综合污染指数最高,水质最差,超标因子为总磷,除了 2016年黄绿背水库超出《地表水环境质量标准》...     

成都市2015—2019年臭氧浓度夜间变化及成因分析

利用2015—2019年成都市每日逐时地面O₃监测资料和同期气象数据,通过模拟和计算区域水平、铅直流场和大气静力稳定度支配参数(R_i),对成都市夜间O₃浓度第二峰值的反常现象进行统计分析和原因追踪。研究结果表明:成都市2015—2019年夜间O₃浓度第二峰值出现频率为17%,造成O₃浓度夜间反常现象的原因是雅安市山风将高空O₃输送至地面,而后平流至成都市,或本地高空湍流破坏夜间稳定层,将上层残留层储存的白天高浓度O₃送至近地面,加之夜晚绝大部分污染源停止排放,消耗O₃的物质大幅减少,造成地面O₃浓度的夜间反常变化。引起高空湍流的方式有2种:一是风向切变,且至少切变45°,风向切变角度越大,湍流强度越大,引起残留层向下增长的幅度越大;二是风速切变,且切变层风速要大于上、下层风速2 m/s,切变风速越大,湍流强度就越大,残留层向下增长的幅度就越大,低空急流是风速切变的极端表现。     

贵阳市臭氧浓度变化及与气象因子的关联性

运用2013—2016年贵阳市环境空气自动监测站臭氧(O_3)的监测数据以及气象观测资料,分析该地区近地面O_3浓度的时空变化特征及与气象因子的关联性。结果表明,近年来贵阳市近地面O_3小时浓度均值有逐年升高趋势,增速为1. 1～5. 0μg/(m~3·a)。O_3浓度昼间变化呈明显单峰形分布,08:00左右出现最低值,15:00—16:00达到最大峰值,浓度高值主要分布在12:00—18:00。日照时数每增加1 h,则近地面O_3日最大8 h平均浓度增加8μg/m~3左右,日照时数大于8 h,则近地面O_3日最大8 h平均浓度超过100μg/m~3; O_3小时浓度与温度呈正相关(r=0. 724,α=0. 01),与相对湿度呈负相关(r=-0. 531,α=0. 01)。当日照时数大于8 h、温度超过25℃、相对湿度小于60%时,贵阳市近地面O_3容易出现高浓度值。     

2015-2020年昌吉市臭氧污染特征浅析

基于全国空气质量监测网数据,分析2015—2020年昌吉市O3-8h污染状况.结果表明:2015—2020年昌吉市O3-8h和O3-8h-90％ 平均浓度为74、113μg/m3,整体呈上升趋势,相比2015年,2020年O3-8h和O3-8h-90％ 浓度升高了19、27μg/m3,近4 a来昌吉市O3-8h-90％...     

江苏省2013-2016年臭氧时空分布特征

利用2013-2016年江苏省国控空气自动站获得的臭氧（O₃）观测数据,探讨江苏省O₃时空变化特征。结果表明,自2013年以来江苏省大气氧化剂OX （O₃和NO₂）和O₃浓度呈逐年升高趋势,升高速率分别为0.98×10^-9a^-1和3.70 μg/（m³·a）,O₃增幅在我国处于较高水平。在O₃空间分布上,东部沿海O₃浓度相对高于西部内陆,O₃浓度高值由沿海地区逐渐向内陆辐散,呈现出区域性O₃污染。结合经验正交分解进行聚类统计检验,结果显示江苏省O₃分区主要分为苏南、苏中和苏北3类,与江苏省经济发展水平表现出一定的同步性。     

2018—2022年邢台市O3污染特征及敏感性分析

通过分析2018—2022年邢台市近地面臭氧（O₃） 逐时监测数据、同期气象观测数据和卫星遥感资料,对邢台市近地面O₃污染变化特征及其与气象因素的关系、O₃生成敏感性进行了研究。结果表明,2018—2022年邢台市O₃日最大8 h质量浓度第90百分位数值［ρ（O₃-8h-90 per）］呈波动下降趋势,年均下降4.24 μg/m³;ρ（O₃）季节均值变化表现为夏季＞春季＞秋季＞冬季,6月达到全年峰值,12月达到全年谷值。ρ（O₃）日变化呈明显的“单峰型”结构,最低值集中在 06：00—07：00,在15：00—16：00达到峰值。ρ（O₃）小时值与气温呈正相关,当气温＞20℃时,随着气温上升,O₃小时超标率呈迅速上升趋势;当相对湿度在40%～50%时,O₃小时超标率达到最大,为6.02%;东南风向时,O₃小时超标率最高,其次为东风、南风。卫星遥感监测数据显示,2019—2022年4—9月邢台市对流层NO₂柱浓度年均下降0.24×10^-5 mol/m²,城区、北部和南部传输通道县呈下降趋势,西部和中东部地区呈上升趋势;对流层甲醛（HCHO）柱浓度整体呈下降趋势,年均下降1.12×10^-5 mol/m²。邢台市挥发性有机物（VOCs）控制区主要集中在城区、南部的沙河市和北部的内丘县、临城县部分区域,其他地区为VOCs和氮氧化物（NO_X）协同控制区。     

全国及重点区域臭氧污染现状

分析2013—2016年中国开展臭氧(O_3)监测的338个城市(港、澳、台不在统计范围)O_3污染现状和时空变化特征,结果表明:中国城市O_3污染日益突出,2015年54个城市O_3超标,75.9%的O_3超标城市位于京津冀及周边、长三角、珠三角区域,O_3区域污染特征显著。74个城市O_3浓度整体呈上升趋势并向高值区集中,京津冀区域O_3污染最为严重。O_3污染季节变化特征明显,O_3污染主要集中于5—10月,京津冀、长三角和珠三角区域O_3最高超标天数分别出现在6、5、10月。建议加强O_3成因分析,建立O_3污染控制策略,有效应对O_3污染,实现科学减排。     

沈阳臭氧污染时空分布特征及变化趋势

以沈阳2013—2015年臭氧(O_3)监测数据为基础,从地域差异及时间变化上分析了沈阳O_3浓度变化特征。结果表明:沈阳城市外围O_3浓度高于城市中心;O_3浓度变化具有明显季节特征,夏季O_3浓度最高,冬季最低;O_3浓度日变化呈单峰分布,谷值出现在06:00,峰值出现在14:00;O_3浓度出现明显\"周末效应\",周末白天O_3浓度高于工作日O_3浓度,夜间差异不大。     

郑州市 PM2．5和 PM10质量浓度变化特征分析

根据郑州市2013年PM2．5和PM10颗粒物连续自动监测数据,对郑州市各国控站点的PM2．5和PM10的达标情况、变化趋势等进行探讨分析。结果表明：2013年郑州市PM10和PM2．5的年均质量浓度均超过了新标准规定的年均值二级标准限值。 PM10和PM2．5月均值峰值出现在1月和10月,谷值出现在8月,各月PM2．5的超标天数都大于PM10。PM10和PM2．5冬季的日均值浓度明显高于其他季节,呈双峰型,夜晚浓度整体高于白天;PM2．5春、夏、秋三季日变化呈单峰型,PM10夏季和秋季呈单峰型,春季呈双峰型。 PM2．5和PM10日均值有着非常显著的线性相关关系,PM2．5和PM10浓度的比值（p）10月最高。     

Meteorological normalisation and non-parametric smoothing for quality assessment and trend analysis of tropospheric ozone data

Despite extensive efforts to ensure that sampling and installation and maintenance of instruments are as efficient as possible when monitoring air pollution data, there is still an indisputable need for statistical post processing (quality assessment). We examined data on tropospheric ozone and found that meteorological normalisation can reveal (i) errors that have not been eliminated by established procedures for quality assurance and control of collected data, as well as (ii) inaccuracies that may have a detrimental effect on the results of statistical tests for temporal trends. Moreover, we observed that the quality assessment of collected data could be further strengthened by combining meteorological normalisation with non-parametric smoothing techniques for seasonal adjustment and detection of sudden shifts in level. Closer examination of apparent trends in tropospheric ozone records from EMEP (European Monitoring and Evaluation Programme) sites in Finland showed that, even if potential raw data errors were taken into account, there was strong evidence of upward trends during winter and early spring.     

工业园区和城区VOCs组成及化学活性的空间差异对清远大气臭氧污染分布的影响

工业化与城镇化交替演进使珠三角及其周边地区土地利用类型较为复杂。快速的城市化进程使城市建成区与大量村镇工业园区互相交错。这种变化势必会增加挥发性有机物(VOCs)在组分构成和空间分布上的复杂性,并对臭氧(O₃)污染的时空变化产生影响。为厘清这种排放的空间异质性特征及其对O₃污染分布的影响,分别选取可以代表清远市典型工业园区和城市建成区的站点开展观测研究。结果表明:工业园区和城市建成区VOCs浓度水平和污染特征有较大的空间差异,其中代表村镇工业园区的龙塘站VOCs日均浓度为30.42×10^-9,高于代表城市建成区的技师学院站(17.32×10^-9)。龙塘站二甲苯和甲苯的臭氧生成潜势(OFP)比技师学院站高57.6×10^-9,且该值相当于技师学院站排名前10位物种OFP的总和。气象分析表明:2个站点之间并非彼此的上、下风向,而是共同受到局地气团的影响。源解析结果表明:源排放是造成这种空间异质性的内因,其中交通源对技师学院的贡献更高,而工业相关排放源对龙塘的贡献更高。该研究进一步比较了周边站点O₃时间序列的一致性,并模拟2个站点的O₃生成速率。研究发现O₃在局地范围内变化较小,高VOCs排放的地点对局地O₃有较高的贡献,局地内不同地点的O₃生成过程也存在较大差异。据此,笔者提出O₃污染防控建议:短期内可通过技术手段和观测数据发现O₃污染的重要贡献点,并进行针对性的\"散乱污\"清理整治和涉VOCs行业综合整治,长期看应科学合理规划城市发展布局和产业布局,预留城市通风廊道,以有效减少O₃污染。     

气象因素对泉州臭氧的影响

利用泉州城区2017年全年连续观测的O_3和气象要素资料,统计了臭氧浓度的分布特征,分析了气象要素对O_3质量浓度的影响,对比了O_3超标日和非超标日的气象要素特征。结果表明:(1)泉州市O_3质量浓度月变化呈双峰形,春季最高,夏季最低;日变化呈单峰形,最大值出现在13:00—14:00,最小值出现在06:00—07:00,上下游站O_3浓度存在明显传输效应。(2)泉州O_3质量浓度与相对湿度呈负相关,其相关性最高;与风速呈正相关,其相关系数最低,且存在明显区位性差异;与气温的相关性比较复杂,既有正相关,也有负相关。(3)各站点O_3小时质量浓度超标时,均对应2个气象要素区间值。(4)对比污染日非污染日发现,污染日相对湿度较低(50%～60%),非污染日较高(70%～80%);污染日温度略低于非污染日;污染日风向总体为西南偏南,非污染日风向为西南-东南。     

2017—2019年中国337个城市及重点区域臭氧污染状况分析

分析了2017—2019年中国337城市O_3污染特征,结果表明:2017—2019年全国O_3第20～70百分位浓度逐年增幅相对稳定,第80～95百分位浓度逐年上升速率最快,平均每年升高5.5μg/m~3。全国O_3超标以轻度污染为主,主要集中在5—9月,占全年O_3超标天数的85.3%;\"2+26\"城市、汾渭平原交界、长三角、苏皖鲁豫交界O_3超标天数占全国63.9%,\"2+26\"城市O_3污染最为严重,平均每城市超标71 d。2017—2019年O_3单因子超标分别损失全国空气质量优良天数比例为4.5个百分点、4.9个百分点和7.4个百分点,2019年9月O_3单因子超标天数比例为18.8个百分点,单月使全年优良天数减少1.2个百分点。天津、河北、山东、北京、河南、山西、江苏的O_3污染相对较重,天津市发生O_3污染的关键温度为26～34℃,风速为2.0～2.5 m/s,相对湿度为40%～80%,降水明显减少和温度偏高是导致2019年O_3浓度升高的重要气象因素。     

基于OMI数据的中国臭氧总量时空分布特征

基于OMI数据产品OMITO3e,提取了中国2005—2011年臭氧总量信息,并对其空间分布和时间演变特征加以分析。研究结果表明:在空间上,中国臭氧总量呈现北高南低、东高西低的特征,峰值出现在东北地区,夏秋季节在青藏高原存在明显的臭氧低谷;在纬度上,中国东北部臭氧总量纬向偏差为正,在其他区域为负;在时间上,中国臭氧总量呈现明显的季节变化特征,冬春季节高,夏秋季节低,最大值多出现在3月,最低值多出现在10月。