2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

2015—2021年四川盆地近地面O3时空演化及潜在源区分析

近地面O₃污染已经成为我国最严重的环境问题之一,特别是在地形相对闭塞的盆地区域更加突出,而盆地地形区域O₃的时空演化、潜在源区及驱动因素尚未被完全揭示.因此,以典型盆地地形区—四川盆地为研究区,基于长时间尺度(2015—2021年)的O₃浓度监测数据,采用后向轨迹、时空地理加权回归等模型探讨O₃的时空变化特征、传输路径、潜在源区以及驱动因素的空间分布特征.结果表明：(1)时间分布上,2015—2021年四川盆地O₃-8 h浓度第90百分位数为(143±7)μg/m³,夏季O₃-8 h浓度高于其他季节,O₃-8 h浓度存在明显的“周末效应”和昼夜差异.(2)空间格局上,四川盆地O₃-8 h浓度第90百分位数总体呈西高东低的分布特征,西部平原地带是核心污染区域.(3)2015—2021年影响成都市的气流轨迹中短距离输送轨迹占比为74.24%,长距离输送轨迹占比平均值为25.76%. 2015—2...     

京津冀臭氧变化特征及与气象要素的关系

基于2014~2017年京津冀13座城市的O₃-8h数据,分析O₃时间变化特征及污染状况.在此基础上,结合同期气象数据研究近地层O₃浓度与气象要素的关系.结果表明：2014~2017年京津冀区域O₃-8h整体呈上升趋势,增长率为4.50μg/m³.区域内O₃污染整体加重,北京、保定O₃污染较为严重;2014~2015年O₃浓度与超标情况的月变化主要呈单峰型变化,峰值出现在5月;而2016~2017年为不规则双峰型变化,峰值出现在5~6月和9月.与气象因子的相关性表明：气象要素对O₃的影响具有明显的季节差异,其中春、夏、秋季气温是影响O₃浓度变化的主要因素,而在冬季相对湿度与风速为影响O₃浓度变化的主要因素.此外,分析表明北京、天津、石家庄3大城市夏季形成高浓度O₃的阈值明显不同.     

保定市PM2.5和臭氧污染特征分析

为深入了解保定市空气质量状况,揭示PM_2.5与臭氧(O₃)的变化特征及相互关系,利用小波分析法对保定市2013—2020年每年4—9月AQI、PM_2.5、O₃-8 h (O₃日最大8 h滑动平均值)和NO₂浓度的逐日数据进行分析. 结果表明:①2013—2018年保定市O₃污染呈逐年加重趋势,最大日浓度达到347 μg/m3;随着治理措施的颁布与实施,PM_2.5超标天数由2013年的97 d减至2020年的1 d,PM_2.5超标情况逐年改善. ②O₃超标天数由2013年的3 d增至2018年的95 d,2020年减至61 d;O₃超标天数占PM_2.5和O₃超标总天数的比例从2013年的3%增至2020年的98%,说明O₃逐渐成为影响保定市空气质量的主要污染物. ③2013年保定市O₃-8 h浓度低于“2+26”城市均值,2014—2020年O₃-8 h浓度高于或接近“2+26”城市均值,说明近年来保定市O₃-8 h浓度的升幅已超过“2+26”城市的平均水平. ④小波分析发现,2013—2020年(除2015年和2018年外)AQI与PM_2.5污染序列的第1主周期相近,从2017年开始,AQI与O₃-8 h污染序列的第1主周期和第2主周期均一致,说明近年来保定市空气污染逐渐由PM_2.5污染转为PM_2.5与O₃复合污染. ⑤在同一时间尺度范围内,PM_2.5与O₃-8 h污染序列的震荡频率基本一致,说明二者存在较明显的正相关关系;2015—2019年,NO₂与O₃-8 h污染序列的震荡频率趋于一致,说明保定市O₃-8 h浓度受前体物NO₂影响较大,2020年震荡频率有较大差异,这可能与新冠肺炎疫情复工后生产规模尚未完全恢复,致使NO₂、PM_2.5等污染物排放强度同比降低有关. 因此,减少NO₂排放,协同控制多污染物是实现保定市空气质量改善的主要途径.      

大气环流型对珠三角2015～2020年臭氧变化的影响

基于2015～2020年的珠三角臭氧(O₃)日最大8 h浓度平均值[MDA8 O₃,ρ(O₃-8h)]的观测数据和气象再分析数据,运用Lamb-Jenkinson天气分型法(LWTs)分析不同大气环流型的特征并定量其对MDA8 O₃年际变化的贡献.结果表明,珠三角发生的18种天气型中ASW型更容易出现O₃污染现象,而NE型会导致更严重的O₃污染.根据850 hPa风场的风向变化及中心系统的不同位置将18种天气类型合并为5个天气类别来探讨不同天气型的O₃生成机制,发现ρ(O₃-8h)高的天气类别为N-E-S方向类别[(161±68)μg·m^-3]和A类别[(122±39)μg·m^-3],二者ρ(O₃-8h)与日最高气温和太阳净辐射量都呈显著正相关.N-E-S方向类别为秋季主导大气环流型,而A类别多发生在春季,其中春季珠三角发生的90%O_3<...     

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

北京市夏季近地层臭氧对气温的量化响应关系

为研究不同污染水平下,O₃浓度对气温升高的敏感程度,利用2018—2020年5—9月近地层O₃日最大8 h平均浓度(O₃-8 h浓度)和日最高地面气温(Tmax)数据,拟合O₃-8 h浓度对T_max变化的响应斜率(m O₃-T),据此对比分析不同类型站点m O₃-T的差异和O₃污染特征.结果表明：(1)各站点O₃-8 h浓度均随T_max升高而增加,在24～36℃气温范围内该趋势最明显.(2)城区点m O₃-T最高,高达10.6μg/(m3·℃);北部远郊区点和北部背景点m O₃-T较低,低至5.2μg/(m3·℃);近郊区点与城区点的m O₃-T相当.(3)总体看,北京市m O₃-T较高,与O₃污染高发地—美国加州南海岸地区20世纪90年代相当,说明目前北京市O...     

西藏自治区大气环境质量现状及其未来展望

通过采集2015—2021年西藏自治区共7个城市和地区的SO₂、NO₂、CO、O₃、PM₁₀、PM_2.5等浓度实时监测数据,对污染物的污染特征与现状进行了分析。结果表明：PM_2.5、PM₁₀、SO₂、NO₂、CO年均浓度的变化情况较为稳定,O₃和NO_X浓度呈上升趋势,O₃-8h平均浓度由2015年的105μg/m³上升到2021年的124μg/m³,O₃超标污染天数主要出现在5—8月份;PM_2.5月均浓度变化呈现显著的季节差异,每年夏季(7—9月)PM_2.5的含量较低,11月—次年3月含量较高;大气综合污染指数都<5,优良天数比率98.5%～99.7%。统计年份中,各年度O₃和2015年、2...     

汾渭平原城市大气污染演变及典型污染过程——以宝鸡市为例

为探究汾渭平原城市近5a(2017～2021年)大气污染演变及典型污染过程特征,以宝鸡市为例,综合利用空气质量监测数据(6参数)、气象数据及污染期间颗粒物化学组分数据进行分析.结果显示,宝鸡市2017～2021年空气质量改善较为显著,CO-95per (CO日均值第95%分位数)和SO₂浓度分别下降了47%和36%,表明宝鸡市近年来控煤效果明显;PM_2.5浓度下降了24%,O₃-8h-90per浓度(O₃日最大8h平均值第90%分位数)年际差异不大,2021年O₃-8h-90per浓度与2017年持平,且为近5a最高值,随着PM_2.5污染的逐步改善,O₃污染开始凸显.PM_2.5与O_x浓度的相关性在夏半年明显强于冬半年,归因于夏半年较高的O₃浓度增强了大气氧化性,促进了二次颗粒物的生成.结合气象要素对冬半年和夏半年污染天分析发现,冬半年低温、高湿、低风速静稳天气最容易导致...     

基于机器学习的郑州市大气PM2.5与O3浓度预测方法及气象因子的影响分析

近年来,我国面临着细颗粒物(PM_2.5)污染形势依然严峻以及臭氧(O₃)污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_2.5与O₃浓度并探明气象因子的影响,本研究使用2018-2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_2.5与O₃浓度预测及气象因子影响分析的综合分析方法.结果表明：(1)训练后的LightGBM模型能够较好地预测PM_2.5污染,准确率达80.8%;对O₃污染预测的准确率为52.5%.(2)郑州市大气PM_2.5浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O₃ 8 h滑动平均浓度(O₃-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.(3)有利的气象条件可能是2021年PM_2.5年均浓度得到显...     

河南省近地表O3污染特征及其与气象因素之间的关系

Meteorological factors have an important influence on ozone (O₃) concentration. In order to explore the characteristics and causes of near-surface O₃ pollution in Henan Province, based on the datasets of ambient air quality monitoring stations and national basic ground climate stations in Henan Province from 2014 to 2020, this study examined the spatiotemporal characteristics of O₃ pollution in Henan Province and the relationship between O₃ and precursors and meteorological factors, and the potential sources of O₃ in Henan Province were also explored. The results showed that: (1) In terms of temporal characteristics, the annual average O₃ concentration of the maximum daily 8 h average (O₃-8 h) in Henan Province generally decreased from 2014 to 2020, showing an ‘M’ type temporal evolution. For seasonality of O₃-8 h concentration, it was highest in summer and decreased sequentially in spring, autumn, and winter, while both O₃-8 h concentration and the number of days exceeding the standard peaked in June. In terms of spatial characteristics, the O₃ concentration was generally lower in northern than in southern China, and lower in western than in eastern China. The areas with high concentrations were concentrated in southern Henan Province. (2) The O₃-8 h concentration was significantly negatively correlated with the precursor NO₂ and CO concentrations. (3) From the perspective of meteorological factors, O₃-8 h concentration was positively correlated with air temperature and negatively correlated with relative humidity, indicating that high temperature (≥26 ℃) and low humidity (≤40%) were favorable for the increasing of O₃-8 h concentration. Affected by the prevailing northerly winds in autumn and winter, the O₃-8 h concentration in Henan Province showed a spatial pattern of low values in the north and high values in the south in autumn and winter, and the prevailing southerly wind in summer was conducive to the formation and maintenance of O₃ in Henan Province. (4) In the summer of 2019, the main source areas of O₃ and precursors increased gradually and changed from both inside and outside the province to mainly outside the province. Affected by the boundary cities and topographic conditions, O₃ in Henan Province accumulated locally in summer. The study shows that the near-surface O₃ pollution in Henan Province has significant spatial and temporal distribution characteristics, the pollution degree is generally reduced. The precursors of O₃ and meteorological factors (temperature, relative humidity, wind) have significant effects on O₃, and O₃ transport paths and potential sources change with time in summer.      

基于卫星和地面观测的中国典型城市群对流层内臭氧时空变化特征

为了探明近年来中国典型城市群(京津冀城市群、长三角城市群和珠三角城市群)臭氧(O₃)污染的发生规律,利用2005—2020年OMI-MLS (臭氧监测仪-微波临边探测器)对流层O₃柱总量探测数据以及2015—2020年地面O₃浓度监测数据分析我国三大城市群O₃的时空分布特征及其演变趋势,结果表明:①对流层O₃柱总量月峰值和年均值均呈京津冀城市群>长三角城市群>珠三角城市群的特征,京津冀和长三角城市群对流层O₃柱总量均在夏季〔分别为50.0和44.4 DU (dobson unit)〕最高,而珠三角城市群在春季(42.2 DU)最高. ②三大城市群对流层O₃柱总量在空间分布上具有不同的特征,京津冀城市群对流层O₃柱总量呈东南高于西北的特征,长三角城市群对流层O₃柱总量随纬度升高而增大,珠三角城市群对流层O₃柱总量南北局地差异较小;海拔对对流层O₃柱总量的空间分布有一定影响,海拔越高,对流层O₃柱总量越低. ③京津冀、长三角和珠三角城市群对流层O₃柱总量均呈逐年显著升高的趋势,年均增长量分别为0.25、0.28和0.27 DU,其中,京津冀城市群在对流层O₃柱总量较低的秋冬季年均增长(0.29 DU)最快,而长三角和珠三角城市群分别在对流层O₃柱总量最高的夏季和春季增长最快,均为0.39 DU. ④卫星探测的对流层O₃柱总量与地面监测的O₃日最大8 h滑动平均浓度(简称“O₃-8 h浓度”)在京津冀和长三角城市群相关性明显,而在珠三角城市群相关性较差. ⑤O₃-8 h浓度呈京津冀城市群>长三角城市群>珠三角城市群的特征,其中,京津冀城市群O₃-8 h浓度在2018年(110.9 μg/m3)最高,空间上由2016年之前的北高南低转变为南高北低,多数城市O₃污染较重且达标率较低;长三角城市群2017年O₃-8 h浓度(106.7 μg/m3)最高,2016年起O₃-8 h高浓度中心由东北逐渐向西部内陆迁移,沿海城市达标率增加;珠三角城市群O₃污染程度最轻,达标城市较多,但O₃-8 h浓度呈逐年上升趋势,并在2019年达最高值(100.4 μg/m3),且中心城市上升速率远大于外围城市. 研究显示,中国三大城市群对流层O₃柱总量和O₃-8 h浓度的时空分布特征存在显著差异,造成差异的因素也不同.      

2013—2018年中国近地面臭氧浓度空间分布特征及其与气象因子的关系

气象因子对近地面臭氧（O₃）浓度有重要影响.为探究O₃与气象因子的关联特征以及O₃的周期性特征,利用反距离权重插值、Kolmogorov-Zurbenko滤波和多元线性回归分析了2013—2018年我国O₃和气象因子数据.结果表明:①2013—2018年中国O₃日最大8 h滑动平均值〔ρ（O₃-max-8 h）〕第90百分位数呈上升趋势,增速为2.6 μg/（m3·a）;ρ（O₃-max-8 h）高值区（≥180 μg/m3）主要分布在华北平原和长江中下游平原一带,高值区范围在华北平原地区呈扩大趋势,在长三角和珠三角地区呈缩小趋势.②ρ（O₃-max-8 h）短期和季节分量的贡献在空间上呈“互补”的分布特征.短期分量的贡献（75%）在东南沿海地区最高,在内陆大部区域较低（< 30%）;季节分量的贡献（15%）在东南沿海地区最低,在内陆大部区域较高（>60%）.③在华北平原至长三角地区一带,长期气象因子变化是ρ（O₃-max-8 h）升高的重要原因;而在华南、西南和东北区域,气象因子变化对ρ（O₃-max-8 h）的影响并不显著.④ρ（O₃-max-8 h）与温度、太阳总辐射量的相关性（r>0.86）均在四川盆地至湖北省一带最高,ρ（O₃-max-8 h）与相对湿度在中部和西部区域呈正相关（r>0.64）,ρ（O₃-max-8 h）与风速在华北平原呈强正相关（r>0.89）.研究显示,中国近地面O₃具有显著的时空分布特征,气象因子与太阳总辐射量对O₃空间分布的影响具有较大的区域差异.      

山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势

山东省PM_2.5-O₃复合污染特征突出,空间差异性明显,本文基于2016—2020年国控和省控环境空气自动监测站监测数据以及同期各气象代表站气象监测数据,分析PM_2.5和O₃时空分布的变化特征,初步探究其与气象因子及前体物的关系. 结果表明:①2016—2020年山东省空气质量逐步改善,优良天数比例上升了7.1%,重污染天数比例下降了3.5%. 除O₃年评价值上升9.6%以外,SO₂、PM₁₀、PM_2.5、CO和NO₂的浓度均下降,降幅依次为61.3%、29.8%、28.6%、26.3%和11.4%. 各市PM_2.5年评价值均下降(范围为18.4%~34.9%);除德州市外,其他15市O₃年评价值均上升,滨州市的升幅(30.8%)最大. 1月PM_2.5平均浓度最高,呈现先下降后上升的年变化趋势,6月O₃平均浓度最高,且逐年上升. ②山东省PM_2.5和O₃均呈现内陆地区高于沿海地区的分布特征,PM_2.5浓度在西部内陆地区较高,O₃浓度在中北部内陆地区较高,PM_2.5-O₃复合污染特征在中西部地区较明显. 统计期间共计出现PM_2.5-O₃复合污染日224 d,分布在2—11月,出现天数逐年减少. ③为探究PM_2.5-O₃复合污染的影响因素及气象特征,进行相关性分析及气象因子阈值筛查,结果表明,PM_2.5日均浓度和O₃_8 h (臭氧日最大8小时滑动平均值)与其主要前体物和气象因子均呈现相反的相关关系,且对不同因子的响应有一定区域性差异. 当气温为14.9~24.1 ℃、相对湿度为55.5%~75.1%、风速为0.6~2.9 m/s、气压为992.8~1 018.8 hPa时PM_2.5-O₃复合污染易于发生,该条件下大部分城市的气温、相对湿度和气压平均值介于PM_2.5和O₃污染单独发生时的对应因子平均值,但平均风速小于PM_2.5和O₃污染单独发生的平均风速. 研究显示,“十三五”期间山东省PM_2.5浓度波动下降,O₃浓度波动上升,二者的协同关系日趋明显,气象因素对PM_2.5和O₃的生成和累积有一定影响.      

保定市2013~2019年秋冬季污染物浓度变化特征

为深入了解保定市空气质量状况,揭示保定市空气污染变化趋势、多尺度变化特征和突变特性,综合利用Morlet小波分析和Mann-Kendall非参数检验方法,对保定市2013~2019年秋冬季PM₁₀、PM_2.5、SO₂、NO₂、CO和O₃-8h 6种常规大气污染物年均浓度和秋冬季污染特征逐日数据进行分析.结果表明：除O₃-8h外保定市其它各污染物年均浓度逐年下降,全年重度污染天数占全年天数的比例从31%下降到6.6%,整体呈好转趋势,但2013~2019年秋冬季重度污染天数占全年重度污染天数的81%~97%,秋冬季污染依然需要重视;小波分析结果显示,保定市秋冬季各污染物浓度存在显著的周期性变化,周期震荡主要在20d准双周、50~90d左右的季节内震荡和90~110d的季节震荡3个时间尺度范围,污染物浓度存在的低频震荡与大气中存在的低频震荡密切相关;历年各污染物污染最严重的月份多集中在12月、1月和2月,主要与污染源排放强度和相对静稳的大气条件有关;各污染物污染序列突变点多集中于10月和3月;2019~2020年秋冬季NO₂呈极显著的下降趋势,且突变点较往年提前1个月,这与疫情期间车辆排放大幅降低有直接关系;SO₂和CO在2013~2014年和2015~2016年秋冬季的突变点时间相近,这可能与冬季居民取暖散煤的不完全燃烧有关,2015年后保定实施了煤改气、煤改电,劣质散煤专项治理等措施后,2种污染物突变点时间存在差异,说明清洁取暖措施对降低SO₂浓度,改善空气质量的效果明显.