沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013—2019年沈阳地区11个国控监测站近地层臭氧(O_3)浓度监测数据和地面气象观测资料,分析了沈阳地区O_3污染日的O_3浓度时空分布规律,并对造成O_3污染日的天气系统进行了主观分型。结果表明:自2013年以来,以O_3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018—2019年略有下降。O_3浓度的日变化趋势呈现明显的单峰形,O_3-1 h在10:00—20:00明显高于其他时间段,最大浓度值出现在15:00,而在01:00—07:00则相对较低。从季节变化上看,沈阳地区O_3污染主要发生在6—7月,两个月的O_3污染日之和占全年O_3总污染日的比例高达51%。从O_3浓度空间分布上看,沈阳地区三环外监测站测得的O_3浓度明显高于三环内监测站,高浓度区域主要集中在东部和东北部,城市中心存在明显的低浓度区,南部和北部差别不大,但也明显高于城市中心。造成沈阳地区O_3污染的主要天气类型有4种:暖脊型、均压场型、高空槽型和副热带高压型。其中:暖脊型出现的频次最高,占总样本的49.1%;副热带高压型出现的次数最少,占总样本的7.7%。     

成都市O3浓度的时间变化特征及相关因子分析

为深入认知成都市O_3浓度的时间变化规律及其影响因子,基于2013年1月1日—12月31日市区站点O_3、NO、NO_2、NO_x的逐时监测资料以及成都市气象站的气象数据逐时观测资料,据此对O3的季变化、日变化、"周末效应"、"节假日效应"进行了讨论,并对其浓度影响因子进行分析。结果表明:成都市O_3浓度季变化呈现明显夏高冬低的特征,浓度最大值出现在8月。O_3浓度日变化为单峰型,夏季峰值出现在15:00,冬季峰值出现在16:00。市区存在"周末效应",即周末O_3浓度总体比工作日高;"节假日效应"则表现出复杂多变性,受气象条件以及人为活动等多种随机因素的影响。O_3日平均浓度与NO、NO_2、NO_x、相对湿度呈明显负相关,与温度、风速呈明显正相关。     

郑州市近地面臭氧污染特征及气象因素分析

利用国控站点空气质量在线监测数据,识别郑州市2015年近地面臭氧(O_3)污染状况、特征及与颗粒物和氮氧化物水平关系,并以烟厂站为例分析郑州市O_3污染与气象要素的相关性。结果表明:郑州市O_3日最大8 h平均值具有明显季节变化,呈现出夏季春季秋季冬季的特征,夏季岗李水库站O_3月均质量浓度为155.5μg/m3,其余站点月均质量浓度为110~150μg/m3;夏季O_3每日最大8 h浓度具有显著"周末效应",其他季节较不明显;O_3小时浓度日变化呈单峰型分布,在15:00—16:00达到峰值,早晨07:00达到谷值;前体物NOx小时浓度日变化呈双峰型分布,与O_3具有显著负相关性;气象因素相关性分析结果表明,郑州市O_3污染日多出现于高温、低湿和微风等条件,这些气象因素有利于O_3生成和累积。     

银川市臭氧污染特征及其气象条件诊断分析

利用2017年银川市区O_3监测数据和同期气象资料,分析O_3污染时间变化特征,在对高浓度O_3污染发生时段典型气象特征诊断分析的基础上,初步总结银川市O_3污染气象要素预警指标和典型环流特征。结果表明:银川市近地面O_3浓度春夏季高、秋冬季低,其月浓度峰值一般出现在夏季6月或7月;O_3浓度白天高、夜间低,日O_3浓度峰值一般出现在14:00—18:00之间;当14:00地面紫外辐射30 W/m~2、气温高于28℃、相对湿度低于40%、风向为偏东或偏南风时发生高浓度O_3污染的概率较高;500 hPa大陆高压脊前西北气流型和地面热低压底部东南气流型是银川市发生O_3污染的典型环流特征。     

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。     

安徽省臭氧污染特征及气象影响因素分析

基于2016—2018年安徽省68个国控环境空气质量自动监测站点的臭氧(O_3)监测数据,研究分析了安徽省O_3污染特征及其与气象因子的相关性。结果表明:安徽省O_3污染程度呈现逐年加重趋势,并有显著的季节和月度变化特征。2016—2018年,各年度单月O_3日最大8小时滑动平均质量浓度第90百分位数的最大值分别出现在9月、5月、6月。O_3日变化趋势为典型的单峰形,各年度最低值出现在晨间07:00左右,最高值则是在15:00—16:00。全省O_3浓度总体上呈现出北高南低的空间特征。温度、相对湿度与O_3浓度分别呈现显著正相关、负相关,但在不同季节存在一定差异,其中,春秋季温度与O_3浓度的相关性好于夏冬季,夏季相对湿度与O_3浓度的相关性最为显著。O_3浓度在平均风速为2.1～2.2 m/s时更易出现超标。中部和北部城市在东南风的作用下易出现O_3超标并达到O_3浓度高值,而南部地区在风向为西风时更容易出现O_3超标。     

试点城市O3浓度特征分析

利用2009年O3试点城市的03监测数据,分析了北京、天津、上海、青岛、沈阳和广东的03浓度变化特征,统计了年超标情况,并结合气象要素数据分析了其对03浓度的影响.结果表明,不同城市各点位间03浓度变化趋势基本一致,但因点位类型不同,浓度存在差异；O3浓度呈单峰型日变化,在13:00-15:00出现最大值,6:00-7:00出现最小值；O3超标主要集中在4-8月份,广州和北京超标现象较多；O3浓度受温度、降水、风速和风向等气象要素影响较大.     

佛山市近地面臭氧污染特征及相关气象因子分析

利用2014年佛山市8个国控大气自动监测点位的O_3监测数据,分析了佛山市的O_3污染特征,结果表明,2014年O_3日最大8 h平均值的第90百分位数为167μg/m~3,O_3为首要污染物的超标天数为43d,占比46.7%;ρ(O_3)区域变化不大;ρ(O_3)月变化呈现"三峰型",全年高ρ(O_3)集中在6—10月份,其中7月份出现全年最高峰值;ρ(O_3)日变化呈单峰型分布,夜间浓度较低且变化平缓,14:00—16:00左右达到峰值,并存在一定的"周末效应",但并不明显;ρ(O_3)与气温呈显著正相关,与湿度、气压、雨量呈显著负相关,与风向、风速的相关性相对较弱;总体上看,高温、低湿、微风、偏南风、低压、无雨的天气条件下高ρ(O_3)更容易出现。     

苏州市黑碳气溶胶的污染特征分析

2012年1—12月,对苏州市区黑碳气溶胶浓度进行监测和分析。结果表明,苏州市区黑碳平均质量浓度为3.3μg/m3,且季节变化明显,即夏季的平均浓度最低,秋末、冬初、春末时段黑碳浓度易出现高值,其分布规律与春季秸秆焚烧、秋冬季逆温雾霾时期相吻合;与周围生物质燃烧和工业排放有关。日变化有明显的峰值、谷值,一般在每日的6:00—9:00、18:00—20:00出现高值,低值则出现在午后12:00—15:00;与国外城市相比,苏州黑碳浓度偏高,但与国内城市(北京、天津、沈阳、本溪)相比,则浓度相对较低。     

北京市交通环境监测点大气污染特征分析

研究分析了2013—2017年北京市交通环境点位大气污染物浓度分布特征,结果发现:交通监测点NO、NO_2与PM_(2.5)浓度时间变化特征与城区总体状况基本一致,与交通环境密切相关的NO_2浓度采暖季高于非采暖季,重污染日期间交通监测点峰值浓度也明显偏高;周末交通监测点NO浓度在5:00—23:00低于工作日4.9%～32.1%,周末NO_2浓度在7:00—23:00低于工作日0.7%～7.4%,NO_x浓度周末偏低与车流量降低密切相关;重大活动期间空气质量减排措施实施后,北京市作为区域NO_2浓度高值区中心明显消失,PM_(2.5)浓度分布梯度减小,本地减排效果明显。     

气象条件对沈阳市环境空气臭氧浓度影响研究

利用2013年沈阳市环境空气监测点位臭氧监测数据,分析沈阳臭氧浓度变化特征,结合气象资料分析了其对臭氧浓度的影响。结果表明,沈阳市不同区域臭氧浓度变化特征基本一致。臭氧浓度日变化呈单峰趋势,最大值出现在14:00左右,最小值出现在6:00左右;臭氧浓度变化具有明显的季节特征,夏季臭氧浓度最高,春秋次之,冬季最低;臭氧浓度受温度、风速、湿度、能见度、天气情况影响,臭氧浓度变化是多因素共同作用的结果。     

Spatial and temporal variation of surface ozone,NO and NO2 at urban,suburban, rural and industrial sites in the southwest of the Iberian Peninsula

Surface ozone is one of the most important photochemical pollutants in the low atmosphere, causing damage to human health, vegetation, materials and climate. The weather (high temperatures and high solar radiation), orography (presence of the Guadalquivir valley) and anthropogenic (the cities of Cádiz, Córdoba, Huelva and Seville and two important industrial complexes) characteristics of the southwestern Iberian Peninsula make this region ideal for the formation and accumulation of ozone. To increase the knowledge of ozone behaviour in this area, the monthly, daily and weekly variations of ozone and its precursors, nitrogen oxides (NO_x?=?NO?+?NO₂), were analysed over a 4-year period (2003 to 2006). Using the k-means cluster technique, 12 representative stations of five different areas with different ozone behaviour were selected from a total of 29 monitoring sites. This is the first time that the analysis of these atmospheric pollutants has been carried out for the whole area, allowing therefore a complete understanding of the dynamics and the relationships of these compounds in this region. The results showed an opposite behaviour among ozone and NO and NO₂ concentrations in urban and suburban zones, marked by maximums of ozone (minimums NO_x) in spring and summer and minimums (maximums) in autumn and winter. A seasonal behaviour, with lower amplitude, was also observed in rural and industrial areas for ozone concentrations, with the NO and NO₂ concentrations remaining at low and similar values during the year in rural zones due to the absence of emission sources in their surroundings. The daily cycles of ozone in urban, suburban and industrial sites registered a maximum value in the early afternoon (14:00–17:00 UTC) while for NO_x two peaks were observed, at 7:00–10:00 UTC and 20:00–22:00. In the case of rural stations, no hourly peak of ozone or NO_x was registered. The weekend effect was studied by using a statistical contrast tests (Student’s t). The results indicated that only areas influenced by important traffic emissions presented a weekend effect for NO and NO₂, whereas an ozone weekend effect was not detected in any case.     

天津市臭氧污染特征与影响因素分析

2013—2015年,天津市臭氧(O_3)浓度整体呈下降趋势,污染状况略低于京津冀区域的其他城市。O_3浓度春、夏季高,冬季低,高值主要集中在5—9月,浓度从早上06:00开始升高,至中午14:00达到峰值。污染主要集中在中心城区、西部和北部地区,东部、南部和西南部地区污染相对较轻。O_3浓度在温度303 K以上、相对湿度70%以下或西南风为主导时较高。VOCs/NOx比值低于8,O_3的生成处于VOCs控制区。芳香烃类和烯烃类对天津市O_3生成贡献最大,其中,乙烯和甲苯为O_3生成潜势贡献最大的物种,其次为间/对二甲苯、丙烯、邻二甲苯、异戊二烯、反-2-丁烯、乙苯等,通过控制汽车尾气、化工行业及溶剂使用等对O_3生成潜势贡献大的VOCs排放源可有效控制天津市O_3污染。     

Differences between weekend and weekday ozone levels over rural and urban sites in Southern Italy

Air quality data from a network of 11 monitoring stations in the Apulia region of southern Italy during the summer of 2005 reveal a high frequency of ozone law limit violations. Since ozone is a secondary pollutant, air quality control strategies aimed at reducing ozone concentration are not immediate. Herein, we analyse weekly changes in concentration levels of ozone (O(3)), nitrogen oxides (NO(x)), carbon monoxide (CO), and volatile organic compounds (VOCs), and evaluate how the differences in primary emissions cause changes in the production of ozone. The comparison between weekend and weekday levels of O(3) and its precursors are direct evidence for the existence of the "ozone weekend effect." This effect was observed at all stations with a considerable variation in the overall ozone magnitude, including both traffic stations and non-traffic stations. Data from VOC measurements at traffic stations primarily indicated elevated levels of benzene, toluene, and xylenes (BTX); all of these substances showed an overall decrease over the weekend. A single station indicated levels of non-methane hydrocarbon (NMHC) and PM10, both of which did not demonstrate any weekly cycle. Analysis of weekly and diurnal cycles of O(3), NO(x), CO, NMHC, and PM10 indicates that higher weekend ozone levels result from a reduction in the emission of nitrogen oxides on weekends in VOC-sensitive regimes. This indicates that a reduction in VOC and NO(x) levels would be more effective than NO(x) reduction alone. Our results underscore the need for improved and more efficient VOC measurements.     

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。     

广州市近地面臭氧时空变化及其与气象因子的关系

利用2012年1月至2016年2月广州市环境空气自动监测数据和气象观测数据,对广州市近地面臭氧的时空分布特征及其与气象因子的关系进行分析。结果表明:2012—2015年广州市臭氧日最大8 h滑动平均值的第90百分位数波动变化,年变化率依次为-14.3%、5.8%、-12.1%;广州市臭氧浓度呈现夏、秋季高,春、冬季低的显著季节变化特征;臭氧日最大8 h平均值的月均值和第90百分位数最高的月份一般分别出现在10月和7—8月;臭氧浓度的日变化曲线为单峰型,最大值一般出现在14:00或15:00;臭氧浓度随垂直高度的升高而增大,从低层(6 m点位或地面站)到中层(118 m和168 m点位)、中层到高层(488 m点位)臭氧日最大8 h滑动平均值的增长率分别为18.3%和39.1%;广州市中心城区臭氧浓度低于南北部城郊,夏、秋季高值区与夏、秋季主导风向相对应;臭氧浓度受降水、气温、相对湿度和风速等气象因子影响,臭氧浓度的超标是多种因素综合作用的结果。     

某市城区典型时段VOCs污染特征及其与O3的相关性

通过研究某市城区4—9月臭氧污染较严重时间段71种挥发性有机物的手工监测数据和臭氧浓度自动监测数据，分析了该市挥发性有机物在典型时段的污染特征及其与臭氧浓度变化的相关性。为该市通过控制挥发性有机物排放来精准防控臭氧污染提供参考。研究结果显示：该市挥发性有机物浓度水平与活性水平变化趋势总体一致，污染物种类在不同时间段的浓度和活性有差异，从浓度和活性角度分析得到的关键物种在不同时间段有差异，挥发性有机物的污染变化与臭氧浓度变化的相关性有时显著，有时不显著。