基于Matlab小波分析的南京北郊大气O3浓度变化特征研究

以2008年南京北郊大气中O₃ 质量浓度观测资料和常规观测资料为基础,利用Matlab小波分析工具,对O₃浓度的年时间序列进行分析,得出该地区的O₃ 日均浓度的变化特征：春、夏季节O3浓度大于秋、冬季节,最高浓度出现在春末夏初,最低浓度出现在冬季;并且全年共有5个突变点;弱高压的天气系统、较高的温度、较低的湿度和晴朗少云的天气是造成南京北郊O₃浓度突变的主要气象因素。结合HYSPLIT气流后向轨迹模拟,对污染源来源进行追踪,结果表明：南京北郊O₃高浓度污染来源主要分为本地局地污染和外来污染物输送两类;垂直方向上,O₃的区域尺度或中尺度的输送主要稳定在混合层的底层。     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据,分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征,并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势,半岛地区的浓度最低,其他地区浓度均较高,年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化,冬季最高,夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同,半岛地区污染天数最少,其次为南部地区,中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异,具有明显的局地性特征。O₃质量浓度在春末夏初最高,超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现,虽然不同城市之间两者污染情况存在一定差异,但整体上看,山东省大气复合污染特征明显,全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上,并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时,O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63,相对湿度≤60%时,两者相关系数为0.69。此外,当在大陆气团的控制下发生O₃污染时,相对湿度的提高更有利于PM_2.5浓度的增加。     

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。     

邯郸地区2017—2021年PM2.5和O3污染特征

利用实时监测数据分析2017—2021年邯郸市及周边区县PM_2.5和O₃污染特征。研究发现:2017—2021年各地区PM_2.5年均质量浓度持续降低,轻度及轻度以上污染逐渐减少;2017—2019年O₃污染加剧,2020年起O₃年均质量浓度逐年下降,污染天不断减少。PM_2.5和O₃-8 h分别在1月(平均浓度为127.3 μg/m³,平均超标22d)和6月(平均浓度为233.4 μg/m³,平均超标22 d)污染最严重。结合气象参数分析来看,PM_2.5与温度、风速和降水量呈显著负相关,与相对湿度呈显著正相关;O₃-8h与温度呈显著正相关,而与风速、湿度和降水量的相关性较弱。后向轨迹和潜在源分析表明:邯郸地区PM_2.5典型污染月受山西省中部地区污染传输影响最大,O₃典型污染月受河南省东部污染传输影响最大。     

2018—2021年安徽省PM2.5和O3时空分布特征及其健康风险分析

利用2018—2021年安徽省空气质量监测数据分析了PM_2.5和O₃时空分布特征及其引发的健康风险。结果表明:从时间分布来看,2018—2021年安徽省PM_2.5年均值下降25.5%,而O₃-8 h年均值则保持持平;PM_2.5和O₃-8 h月均值具有明显的季节变化特征,PM_2.5月均质量浓度和超标天数均在冬季达到最大值,O₃-8 h月均值和超标天数则在夏季达到最大值。从空间分布来看,PM_2.5、O₃-8 h年均值和超标天数均为皖北最高,其次为皖中,最后为皖南。夏季O₃是主要的健康风险因子,冬季PM_2.5是主要的健康风险因子。当PM_2.5超标时,除2021年皖北地区外(PM₁₀是主要的健康风险因子),PM_2.5均是主要的健康风险因子;当O₃-8 h超标时,O₃是主要的健康风险因子。     

不同区域城市空气O3和PM2.5累积速率时序模型

利用2017—2018年全国7个区域10个典型城市环境空气O₃和PM_2.5浓度数据,统计污染物累积速率,进而采用回归方法拟合污染物浓度及其累积速率的时间序列模型,分析不同区域污染物时序变化特征差异。结果表明：不同区域O₃浓度时序曲线拟合程度总体高于PM_2.5,石家庄O₃拟合程度最高,西安PM_2.5拟合程度最高。以07：00、14：00分别作为O₃、PM_2.5模拟起点是24 h中的最优模型。不同城市夏季O₃小时浓度时序变化曲线均为单峰形态,O₃浓度及累积速率峰值出现时间可能由城市所处经度决定,太原O₃累积最快,西安O₃消解最快。各城市间冬季PM_2.5小时浓度及其累积速率时序变化曲线形态差异较大,沈阳PM_2.5累积和消解均最快。与浓度相比,城市环境空气O₃和PM_2.5累积速率与光照、扩散条件等有更好的时间相关性。     

江苏如东沿海经济开发区夏季O3污染特征及来源分析

为探究如东沿海经济开发区夏季大气中的O₃污染成因,基于2022年6月园区大气超级站的监测数据,较为全面地分析了O₃污染来源、水平及二次生成潜势等。结果表明:2022年6月园区O₃超标天数占比为34.5%,共计10 d,污染严重程度为2018—2022年同期最高水平(151 μg/m³);分析4个污染过程发现,高温低湿、静稳天气易诱发O₃污染事件,结合污染天气象条件发现,当温度＞25℃且相对湿度＜ 75%时极易发生O₃污染;污染天VOCs组分贡献率主要受芳香烃、烯烃及烷烃影响,其中邻二甲苯、甲苯、间-对二甲苯是O₃管控的关键活性物种;后向轨迹聚类分析显示,园区O₃污染主要受到上海、江西和苏南本地气团输送的影响,主导轨迹出现概率分别为30%、27%和24%,其余小部分时段可能受到来自中国北部和东部的下沉气流影响。为科学管控园区夏季O₃污染,应加强监测并协同管控本地关键VOCs物种。     

南京市O3污染时空演变特征及气象因素影响分析

利用南京市2016—2022年空气自动监测网数据,详细分析了南京市O₃时空分布特征及气象因素影响。结果表明:2016—2022年O₃日最大8 h滑动平均质量浓度(O₃-8 h)超标天数占总超标天数比例呈明显上升趋势,上升了32.3个百分点;O₃污染月份有所增加,由4—9月延长至3—11月。O₃-1 h日变化总体呈单峰型,峰值出现时间由15:00延后至16:00,O₃污染持续时间有所延长,2019—2022年各时段平均O₃小时质量浓度比2016—2018年高1~10 μg/m³,污染总体抬升。2016—2022年O₃-8 h北部郊区点位年均增长率约为8.7 μg/m³,南部郊区点位约为5.6 μg/m³,均高于全市的0.5 μg/m³;O₃超标时间北部郊区点位年均增长率约为7 d,南部郊区点位约为5 d,均高于全市的2 d。当气温超过27 ℃时O₃超标率增长迅速,气温区间为(30,35］℃时O₃超标率最高(超过50%)。当气温小于33 ℃、相对湿度小于40%时,O₃平均浓度和超标率随气温和相对湿度的升高而升高;气温大于35 ℃、相对湿度大于60%时,O₃平均浓度和超标率随气温和相对湿度的升高而降低。风速区间为(4,5］m/s、风向为SE和S时,O₃超标率和平均浓度最高。     

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。     

长沙市冬季人行道PM2.5污染特征及影响因素

了解不同气象条件下城市人行道细颗粒物(PM_2.5)时空分布特征对于指导城市环境评价及街道空间规划布局具有重要意义。选取长沙市车流量及人流量较大的4条道路旁0、5、10 m处的人行道,在冬季晴天、阴天和大风天开展PM_2.5质量浓度、风速、温度及相对湿度监测,探讨PM_2.5分布特征与气象因子的关系。结果表明:冬季晴天、阴天及大风天的人行道PM_2.5质量浓度变化呈现双峰双谷特征,峰值均出现在06:00—08:00,其次为18:00—20:00,谷值出现在14:00—16:00及22:00—24:00;距离机动车道10m处的人行道PM_2.5含量低于机动车道旁(即距离机动车道0 m)的人行道PM_2.5含量,这种差异在大风天气下更为显著;人行道PM_2.5质量浓度与温度、风速呈显著负相关关系,与空气湿度呈显著正相关关系,低温不利于PM_2.5扩散,但在大风天温度对PM_2.5的影响极小,风对PM_2.5含量的变化影响极大,在远离机动车道的人行道更为显著,而高湿度天气有利于PM_2.5的凝结。低温、高湿天气下06:00—08:00、18:00—20:00人行道PM_2.5质量浓度较高,大风对PM_2.5质量浓度具有一定削减作用,早晚高峰减少人行道洒水以降低空气湿度,有利于PM_2.5质量浓度的降低,减少PM_2.5积累。     

内蒙古近地面臭氧污染时空分布特征及气象条件分析

使用2018—2020年内蒙古臭氧(O₃)、气象要素观测资料和NCEP FNL资料,统计分析内蒙古近地面O₃质量浓度的时空分布特征和变化趋势,并针对全区O₃污染典型个例分析其天气形势和气象要素的影响作用。结果表明:内蒙古2018—2020年O₃质量浓度年评价值呈逐年下降趋势,2020年较2018年下降10.3%,各盟市O₃超标率也显著降低,仅赤峰市和通辽市略微上升。内蒙古O₃质量浓度高值分布在中西部偏南地区,尤其是乌海市和鄂尔多斯市;O₃超标率峰值主要出现在5—7月,周末效应存在东西部差异。O₃浓度变化和天气形势关系密切,南部暖平流和暖高压控制有利于O₃生成,西北部冷平流和冷涡发展使得O₃浓度下降;高温、低湿、微风和较高的能见度均为诱发O₃污染的重要气象条件,而西北大风通过降低温度、能见度和易于扩散的风向使得内蒙古O₃浓度降低,但同时可能会导致PM₁₀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。     

中国城市臭氧的形成机理及污染影响因素研究进展

中国城市臭氧(O3)污染问题日趋严重.O3主要来源于汽车尾气及工业排放氮氧化合物(NOx)和挥发性有机物(VOCs)光化学反应生成,少部分来自于平流层的向下传输.文章介绍了城市O3形成机理研究情况,概述了中国城市臭氧污染浓度特征及气象因子、气候变化、前体物等影响因素研究进展情况,并对未来研究方向进行了展望.     

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。     

京津冀区域臭氧污染趋势及时空分布特征

为研究京津冀区域的臭氧(O_3)污染情况及其时空分布特征,对2013—2015年京津冀区域13个城市80个国家环境空气监测点位的监测数据进行了统计分析。结果表明:2013—2015年,京津冀区域O_3污染状况整体呈加重趋势,其中2014年污染状况最为严重。13个城市中O_3污染最严重的城市为北京和衡水,连续3年均超标,且处于上升态势中。区域内不同城市O_3污染趋势并不相同。京津冀区域O_3浓度变化呈明显的季节变化特征,春末和夏季的O_3污染最严重。O_3-8 h(臭氧日最大8 h均值)年均值的高值区主要分布在北京中北部、承德和衡水等,2013—2015年第90百分位O_3-8 h的高值区均集中分布在北京。O_3的浓度峰值时间要晚于NOx2~5 h。O_3在春、夏季呈单峰分布,白天15:00左右出现最大值,在秋、冬季浓度较低,全天波动不大。     

云南省臭氧污染特征及气象影响分析

为研究云南省臭氧(O3)污染特征及其与气象因子的关系,基于统计学方法及Arc GIS空间差异分析、线性趋势分析、空间离散系数等方法,对全省16个市(州) 2015—2017年33个环境监测站点的监测数据进行了研究。结果表明:研究期间,O3逐渐取代其他大气常规污染物成为首要污染物,其浓度变化范围为19～138μg/m3。云南省各市(州) O3浓度年变化呈现周期性,月度峰值集中出现在春季(3—5月);日变化呈单峰形,峰值集中在14:00—17:00。O3浓度的空间格局由纵向集聚为主转变为横向集聚为主,各集聚区交错分布,低值区由西北部转移到西南部; O3浓度增长率为正的区域集中于东北部和中部,面积约为20.81万km2,占全省总面积的54.29%,其余半环状区域增长率为负。迪庆州O3污染情况与其他市(州)明显不同,且受其他市(州)传输的影响较小。气象因子对O3浓度的影响随时间和地域条件的变化而变化,对典型市(州)(迪庆州、丽江市、昭通市) O3浓度影响最大的为偏南风,影响的浓度区间为20～160μg/m3。     

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。     

海口市臭氧污染及气象条件特征

近年来,臭氧已成为许多城市环境空气的主要污染物之一。笔者分析了2020年海口市5个不同方位代表性监测站点逐小时空气质量监测数据及对应站点的气象要素监测数据。研究结果表明:海口市2020年环境空气污染程度为三级以上的天数有11d,其首要污染物均为臭氧。臭氧浓度高值时段主要出现在10-12月。浓度最大值主要出现在每日14:00-17:00,最小值出现在每日05:00-08:00。气象要素日均值与臭氧浓度相关性大小依次为最高温度＞平均温度＞相对湿度＞降水量＞日照时数＞风速。台风外围下沉气流和东北气流的共同影响是导致海口市臭氧浓度超标的主要因素,下沉气流更有利于低层大气中臭氧的堆积,同时在东北气流影响下,上游区域污染物的传输也会导致海口市臭氧浓度增加。     

杭州市臭氧污染特征及过程分析

利用2013—2016年杭州市国控点臭氧观测资料,讨论了杭州市臭氧时空变化特征,并对一次臭氧高浓度过程进行分析。结果显示,近年来杭州市臭氧浓度以10. 3%的升幅渐增,增幅大于北京、上海、广州等城市。千岛湖背景点及位于城区的朝晖五区、下沙、西溪站点臭氧浓度月变化存在2个峰值,第一峰值出现在5月,受降水、温度影响次峰值出现在8—10月;夜间臭氧浓度背景点高于城区点。杭州市10个国控站点臭氧浓度相对标准偏差逐年减小,臭氧污染已呈区域性,城东为重污染区域。2015年8月出现的一次臭氧重污染过程主要是受副热带高压控制下和台风外围的影响,导致杭州市朝晖五区站点臭氧浓度高达228μg/m~3,台风登陆后得以缓解。     

石家庄市空气颗粒物污染与气象条件的关系

利用2013—2014年石家庄市环境监测中心PM_(2.5)、PM_(10)逐时监测资料、同期的石家庄市地面气象观测站常规观测资料以及环境监测梯度站2013年1月各层PM_(2.5)和PM_(10)逐时观测资料,分析了PM_(2.5)、PM_(10)质量浓度的时空分布特征及与气象要素的相关关系。结果表明:石家庄市PM_(2.5)与PM_(10)的质量浓度及两者的比值均为冬季和秋季较高;在水平分布上,PM_(2.5)与PM_(10)的平均质量浓度为市区西部高于东部;在垂直分布上,随着高度的增加,PM_(2.5)和PM_(10)平均质量浓度先上升后下降;PM_(2.5)与PM_(10)的质量浓度与相对湿度呈正相关,其中PM_(2.5)的质量浓度与相对湿度相关性更高;PM_(2.5)与PM_(10)的质量浓度与风速呈负相关,随着风速的增大,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势,但当风速大于5 m/s时,PM_(10)的质量浓度随着风速增大而上升,出现扬尘污染,总体来讲,刮西北风时PM_(2.5)与PM_(10)的质量浓度较高,刮东南风时PM_(2.5)与PM_(10)的质量浓度较低,这与风向和风速的日变化有关;PM_(2.5)与PM_(10)的质量浓度与降水呈负相关,随着降水的增加,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势。