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。     

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。     

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。     

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。     

2013—2016年74城市臭氧浓度变化特征

利用2013—2016年74城市臭氧（O₃）监测数据，综合探讨了全国74城市O₃浓度时空变化特征、变化趋势。结果表明：2013—2016年，74城市O₃-8 h各百分位浓度总体呈上升趋势，且百分位较高区间O₃浓度逐年上升速率越快，O₃-8 h第95百分位浓度年增长5.3 μg/m³，其次是第90百分位；O₃区域性污染特征明显，京津冀及周边、长三角、珠三角O₃污染问题突出；74城市O₃浓度超标天数年增长3 d/城市，O₃污染呈明显日、季节变化特征，午后14：00—17：00达到小时浓度峰值，超标日主要集中于5—10月；O₃对环境空气质量综合指数贡献率逐年增加，北京、上海和广州O₃贡献率年增长分别为1.9%、1.1%和0.8%。     

徐州市区臭氧浓度变化特征及与气象要素的关系

根据2016年徐州市区臭氧(O_3)自动监测数据以及气象观测数据,探讨了徐州市区O_3浓度的变化特征及其与气象要素的关系。结果表明:2016年徐州市区环境空气中O_3-8h浓度超过二级标准共有32天,超标日集中出现在4月~9月;O_3-8h浓度年均值为122μg/m~3,O_3-8h第90百分位浓度为153μg/m~3。O_3浓度呈现夏季﹥春季﹥秋季﹥冬季的季节性变化特征和"单峰型"的日变化特征。O_3浓度与温度呈正相关性,与湿度和气压呈负相关性;当气压﹤1010 hPa,气温﹥25℃,相对湿度﹤50%时,O_3-8h浓度容易出现超标的情况。     

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。     

南京市臭氧污染现状及变化特征的研究

利用2016年南京市臭氧(O_3)及前体物监测数据,对南京市O_3污染现状、变化特征及其与前体物的关系进行分析。结果表明,2016年南京市O_3超标56 d,超标率15.3%,O_3日最大8 h滑动平均值的第90百分位数为184μg/m~3,超标0.15倍。O_3超标主要集中在4—9月份,日变化呈现"单峰"型特征,峰值出现在14:00,而上午8:00—10:00时段O_3浓度升幅最显著,小时浓度升幅超过20%。前体物VOCs和NO_2浓度变化与O_3呈反相关,且VOCs和NO_2浓度冬季最高,夏季最低,秋季和春季基本相当。     

上海海陆风特征及其对臭氧浓度的影响

利用2013—2016年常规气象观测数据和再分析资料,提出上海地区海陆风判断标准,统计了该地区的海陆风发生规律。同时,结合地面空气质量监测数据,分析了海陆风环流对臭氧(O3)浓度的影响。结果表明:上海地区的海陆风发生频率在3—8月份较高,与海陆温差年变化之间存在显著相关性;海风通常开始于当地时间9:00前后,结束于20:00前后,最大风速出现在15:00前后,平均风速为3. 9 m/s;海陆风发生时O3质量浓度峰值被抬高(16μg/m3),且峰值出现时间延后;海陆风的影响可深入上海内陆青浦淀山湖地区,对污染物浓度的影响程度沿海大于内陆。     

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。     

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。     

上海市臭氧污染时空分布及影响因素

分析2006—2016年上海市的监测数据发现,臭氧(O_3)浓度存在逐年上升趋势,污染持续时间有所增加,但除水平风速有下降趋势外,其他相关气象因素的年际变化趋势并不显著。空间分析结果表明,上海市O_3超标主要集中在西南部郊区,但市区O_3超标潜势不容忽视。O_3污染高发季节的污染玫瑰图分析发现,上海市南部地区是影响上海市O_3污染的关键区域;对于NO_2减排的影响分析发现,尽管上海市O_3平均浓度总体处于上升趋势,但在NO_2下降幅度最为明显的内环市区和北部郊区,O_3上升幅度低于NO_2下降幅度较小的内外环区域和西部郊区,表明上海市的O_3污染控制仍需持续推进NOx的减排,并同步推进VOCs的减排。     

2022年春季南京臭氧污染特征及成因分析

2022年春季,受新一轮新冠疫情影响,长三角各城市采取了一系列管控措施,使得大气污染物排放水平降低。对2022年春季(3—5月)南京及长三角地区的六项污染物尤其是臭氧(O₃)的变化特征进行了分析,从气象因素和O₃前体物方面,同时利用基于观测的模型(OBM)对南京O₃污染变化原因进行了研究,并分析了南京挥发性有机物(VOCs)的关键活性组分和来源。结果表明:2022年春季,南京PM_2.5、PM₁₀、NO₂和CO均值浓度均同比下降,但O₃日最大8 h滑动平均质量浓度(O₃-8 h)同比上升19.8%,O₃-8 h超标时间同比增加9 d;长三角区域O₃-8 h同比上升17.9%,O₃-8 h超标天数为2021年同期的2.5倍。南京O₃浓度上升的原因:一方面是由于不利的气象条件,另一方面是由于南京O₃生成处于VOCs控制区,但氮氧化物(NO_x)降幅大于VOCs降幅,同时结合O₃前体物削减方案的分析结果发现,VOCs和NO_x不当的削减比例会导致O₃浓度不降反升。南京O₃生成的关键VOC活性物种依次为乙醛、丙烯、间/对二甲苯、丙烯醛和乙烯;正定矩阵因子分解(PMF)解析结果显示,机动车尾气是南京城区VOCs的主要来源,其次为液化石油气/天然气使用和石油化工。     

嘉善前体物与气象因子对臭氧生成的影响及臭氧潜在源区分析

利用2017年嘉善善西超级站臭氧（O₃）及其前体物（NO_x和VOCs）以及气象因子（温度、湿度、风速）逐小时数据，分析了2017年全年NO_x和O₃的变化特征以及春季（4—5月）、夏季（7—8月）NO_x和气象因子对O₃生成的影响，利用O₃生成潜势（OFP）评估了VOCs大气化学反应活性，并通过潜在源区贡献（PSCF）和浓度权重轨迹（CWT）方法分析了嘉善春、夏季O₃潜在源区贡献特征。研究发现：O₃日变化特征为单峰结构，NO_x为弱双峰结构。O₃浓度在3—9月较高，春、夏季O₃浓度峰值分别出现在15：00和14：00，春、夏季的NO_x、O₃日变化与2017年全年日变化趋势基本一致。NO_x对O₃存在滴定作用，且低湿高温有利于O₃浓度的升高。春、夏季O₃生成潜势贡献均表现为烯烃 > 芳香烃 > 烷烃，由于烯烃光化学活性较高，夏季烯烃浓度升高导致其贡献较春季增长约18.1个百分点，且夏季VOCs平均最大O₃增量反应活性高于春季。PSCF和CWT分析结果表明，嘉善春季的潜在源区主要为本地、西南方向和东南方向，夏季的潜在源区主要为本地、西北方向、西南方向以及东南方向。     

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。     

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。     

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。     

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%。     

Characterizing ozone pollution in a petrochemical industrial area in Beijing,China: a case study using a chemical reaction model

This study selected a petrochemical industrial complex in Beijing, China, to understand the characteristics of surface ozone (O₃) in this industrial area through the on-site measurement campaign during the July–August of 2010 and 2011, and to reveal the response of local O₃ to its precursors’ emissions through the NCAR-Master Mechanism model (NCAR-MM) simulation. Measurement results showed that the O₃ concentration in this industrial area was significantly higher, with the mean daily average of 124.6 μg/m³ and mean daily maximum of 236.8 μg/m³, which are, respectively, 90.9 and 50.6 % higher than those in Beijing urban area. Moreover, the diurnal O₃ peak generally started up early in 11:00–12:00 and usually remained for 5–6 h, greatly different with the normal diurnal pattern of urban O₃. Then, we used NCAR-MM to simulate the average diurnal variation of photochemical O₃ in sunny days of August 2010 in both industrial and urban areas. A good agreement in O₃ diurnal variation pattern and in O₃ relative level was obtained for both areas. For example of O₃ daily maximum, the calculated value in the industrial area was about 51 % higher than in the urban area, while measured value in the industrial area was approximately 60 % higher than in the urban area. Finally, the sensitivity analysis of photochemical O₃ to its precursors was conducted based on a set of VOCs/NOx emissions cases. Simulation results implied that in the industrial area, the response of O₃ to VOCs was negative and to NOx was positive under the current conditions, with the sensitivity coefficients of ?0.16~?0.43 and +0.04~+0.06, respectively. By contrast, the urban area was within the VOCs-limitation regime, where ozone enhancement in response to increasing VOCs emissions and to decreasing NOx emission. So, we think that the VOCs emissions control for this petrochemical industrial complex will increase the potential risk of local ozone pollution aggravation, but will be helpful to inhibit the ozone formation in Beijing urban area through reducing the VOCs transport from the industrial area to the urban area.