南京市典型臭氧污染过程的激光雷达垂直观测解析

利用臭氧激光雷达对南京市一次典型臭氧污染过程连续观测,分析该典型臭氧污染过程中近地面和高空臭氧的变化规律、污染的发生过程与成因。结果表明:在夏季高温、风速低、冷空气影响锋前的静稳天气下,近地面臭氧的循环生成和夜间高空残留的臭氧在湍流作用下混合并积累造成该污染过程;近地面和低层臭氧浓度具有明显的日变化趋势,单峰型特征,而高空臭氧浓度无明显日变化特征,夜间维持高值;边界层高度上下始终存在臭氧高值带,厚度达数百米;正午至午后时段,各垂直高度上臭氧浓度混合均匀,随高度基本无梯度变化,达到近地面至高空1.5 km的臭氧高污染层覆盖。     

基于天津臭氧污染特点的气象条件与天气分型研究

使用天津市2013—2019年连续污染物监测数据和气象观测数据探讨臭氧污染现状,分析气象条件对臭氧浓度的影响,对不同臭氧污染过程案例进行天气分型,统计出现臭氧污染时的污染气象特征。结果表明:天津市臭氧浓度不降反升,2017—2019年连续3年超过国家二级浓度限值,2019年以臭氧为首要污染物的重污染天约占全年的1/2。春季和秋季臭氧污染日益突出,4月臭氧浓度已明显升高。天津市臭氧日最大8 h滑动平均质量浓度(O₃-8 h)在日最高气温超过30℃、相对湿度20%~70%、西南风或东南风风速1~2.5 m/s、白天边界层高度1 400 m以下时较高。将臭氧污染天气形势分为春夏之交、盛夏高温和夏秋静稳3种类型。其中春夏之交天气型易出现臭氧与PM_2.5协同污染;盛夏高温天气型平均风速较大,日最高气温大于35℃;夏秋静稳天气型平均风速小、边界层低。     

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。     

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。     

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。     

平流层臭氧深度侵入对典型城区的影响过程分析

中纬度平流层臭氧深度侵入是造成对流层至近地面臭氧浓度突增的原因之一。筛选春夏季臭氧浓度升高时段的高分辨率大气再分析数据ERA5,以位涡值的下沉趋势分析了对流层顶折叠位置及变化过程;以AIRS数据反演了臭氧浓度、一氧化碳浓度和相对湿度的垂直廓线,并估计了其分布及相关性;以近地表污染物浓度变化、HYSPLIT模型后向轨迹分析结果证实了臭氧侵入气团的运移轨迹和局地效应;通过激光雷达监测结果观测臭氧垂直浓度分布,确定了臭氧浓度最大值所处高度,判定了受影响近地点的浓度升高时刻;以边界层高度变化、气象条件分析结果及当地与周边城市地面监测数据的逐小时变化情况等综合信息,进行了区域确认和近地面影响判定。通过以上数值综合分析,对城市地区受平流层臭氧深度侵入影响的过程和具体时间进行了详细再现,可为排除非人为排放因素导致的近地表臭氧浓度增加提供回溯分析,为臭氧污染防控决策提供依据。     

洛阳市老城区环境空气中臭氧污染特征及相关气象要素分析

本文利用洛阳市老城区豫西宾馆空气质量自动监测点的监测数据,对2012-01~12该区域大气中臭氧污染浓度的连续监测结果及同步气象资料进行了分析。结果表明,洛阳市老城区环境空气中臭氧污染主要表现为臭氧日最大8小时平均浓度污染,全年超过GB3095-2012《环境空气质量标准》中二级标准(0.160mg/m3)的频率为21%。臭氧浓度具有明显的日变化及季节变化特征;由于臭氧污染的季节特点,导致全年污染天数显著增加。通过分析发现气温、风速、降水、太阳紫外线辐射等气象因素对臭氧浓度变化均具有一定影响,臭氧污染气象特征表现为晴朗、高温、低风速的午后时段会出现臭氧的高浓度污染。     

青岛市环境空气臭氧污染特征分析

青岛市是国家环保部确定的臭氧试点监测城市之一。文章结合青岛市市南区东部和四方区空气子站2008—2011年的试点监测数据，从区域差异、时间变化等方面分析了青岛市的臭氧污染特征，结果表明：①二区域臭氧浓度的日分布均呈现“单峰型”，12：00～15：00是一天中臭氧污染最严重的时段；②每月监测累积值市南区东部呈现“双峰型”，四方区呈现“单峰型”；③二区域臭氧污染最突出的月份均为5月；④二区域臭氧平均浓度从高到低季节排序略有差异；⑤2009年二区域臭氧污染最严重，该年四季中春季臭氧污染最为突出。     

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40~80 μg/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。     

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。     

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。     

臭氧综合指数与臭氧潜势指数的构建与应用

随着社会经济的快速发展,我国臭氧污染日益严重,因此,研发出能定量评估气象条件对臭氧污染影响程度的诊断指数,成为提高和改善气象服务质量的重要任务之一。利用中国大陆地区2018年温度、总云量、风速、风向、相对湿度等气象场数据与臭氧浓度数据,研究臭氧污染敏感气象条件,统计各气象因子分布在不同数值区间时发生臭氧污染事件的相对频率(即分指数),按照分指数最大值和最小值的差值大小进行排序,筛选出10个与臭氧污染密切相关的气象因子,将10个气象因子的分指数进行累加,即得出臭氧综合指数。随后,对各地构建臭氧综合指数时采用的气象要素进行统计,得到出现频率最高的3个气象要素,并参考这些气象要素构建了臭氧潜势指数。分别以臭氧潜势指数和臭氧综合指数对北京市2019年臭氧日最大浓度建立拟合预报模型,结果表明:两类指数的拟合预报值与实测值有着相似的变化趋势;利用臭氧综合指数计算得到的预报值与实测值的相关系数为0.76,优于利用臭氧潜势指数计算得到的预报值与实测值的相关系数(0.64)。     

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。     

大连市夏季近地面臭氧污染数值模拟和控制对策研究

通过区域空气质量模型CAMx对大连市2015年8月近地面臭氧(O_3)污染进行模拟,探讨了O_3及其生成前体物(NOx和VOCs)的来源,O_3生成控制区,并根据敏感性分析结果对前体物排放的控制效果进行了定量评估。结果表明:本地NOx排放对大连地区的NOx浓度贡献占90%以上,本地VOCs排放对大连地区的VOCs浓度贡献占80%以上,而本地NOx和VOCs排放对大连地区O_3浓度贡献仅占29%;大连市整体上为VOCs控制区,控制VOCs能有效降低O_3污染,还能有效削减O_3的峰值浓度;通过敏感性分析结果计算得出,削减大连本地工业源VOCs和民用源VOCs能够有效降低大连地区O_3浓度,削减10%的工业源VOCs能使市区O_3平均浓度降低2%左右,削减10%的民用源VOCs能使大连市区平均O_3浓度降低1%左右。建议NOx与VOCs削减比例为1∶2,对大连市O_3和PM2.5污染进行协同控制。     

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。     

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。     

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。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

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。