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。     

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。     

江西省臭氧污染特征及其与气象条件的关系

基于2017年1月至2020年6月的江西省国控点臭氧监测数据和同期气象观测数据,研究江西省臭氧污染特征及其与气象条件的关系。结果表明:2017—2019年,江西省臭氧超标时间和质量浓度呈现出逐年增加的趋势; 4—6月和8—10月是江西臭氧污染高发期,其中8—10月臭氧污染最严重;臭氧1 h浓度日变化呈现"单峰"分布特征,早晚浓度低,上午09:00浓度快速上升,15:00达到峰值。除景德镇外,2017—2019年江西省臭氧污染在空间上总体呈现出南高北低的特征,2019年臭氧污染在空间上呈现出总体平均分布的特征。大体上,江西省11个设区城市臭氧超标天数比例的峰值在(30,35]℃日最高气温区间。晴朗天气时的地面低压系统与臭氧污染关联性强,江西省11个设区城市在日均地面气压(990,1 013.25]hPa、日均地面湿度(50%,70%]和日均地面风速(1,2]m/s条件下臭氧容易超标,臭氧超标时地面主导风向主要为北风和东北风。     

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。     

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。     

沈阳环境空气臭氧浓度及累积速率时序曲线模拟研究

为了解环境空气臭氧累积规律,利用2017年沈阳市环境空气臭氧浓度数据,统计分析臭氧累积速率,并利用回归方法拟合并优化臭氧浓度及其累积速率的时间序列模型,同时结合气温、风力、臭氧前体物等时序变化情况分析臭氧浓度的影响因素。研究发现:沈阳市臭氧月均浓度年变化、日均浓度年变化以及小时浓度日变化时序曲线均呈现单峰形态;年变化中,6月的臭氧浓度最大,4月臭氧累积速率达到最大值;日变化中,14:00臭氧浓度达到最大值,09:00—11:00臭氧累积速率最大,19:00—20:00臭氧迅速消减。温度、风速同臭氧浓度之间均有较好的正相关性。臭氧前体物二氧化氮、挥发性有机物与臭氧浓度之间均呈明显的负相关性。     

贵阳市臭氧浓度变化及与气象因子的关联性

运用2013—2016年贵阳市环境空气自动监测站臭氧(O_3)的监测数据以及气象观测资料,分析该地区近地面O_3浓度的时空变化特征及与气象因子的关联性。结果表明,近年来贵阳市近地面O_3小时浓度均值有逐年升高趋势,增速为1. 1～5. 0μg/(m~3·a)。O_3浓度昼间变化呈明显单峰形分布,08:00左右出现最低值,15:00—16:00达到最大峰值,浓度高值主要分布在12:00—18:00。日照时数每增加1 h,则近地面O_3日最大8 h平均浓度增加8μg/m~3左右,日照时数大于8 h,则近地面O_3日最大8 h平均浓度超过100μg/m~3; O_3小时浓度与温度呈正相关(r=0. 724,α=0. 01),与相对湿度呈负相关(r=-0. 531,α=0. 01)。当日照时数大于8 h、温度超过25℃、相对湿度小于60%时,贵阳市近地面O_3容易出现高浓度值。     

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。     

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。     

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。     

襄阳市秋冬季PM2.5污染特征及潜在源区分析

为了解襄阳市秋冬季PM_2.5的污染特征及来源，基于2020年11月至2021年1月在线监测数据，对PM_2.5质量浓度、气象因素、化学组分、来源及潜在源区进行了分析。结果表明，襄阳市秋冬季污染天首要污染物均为PM_2.5,且随污染程度加重，PM_2.5与PM₁₀质量浓度比呈上升趋势，二次颗粒物的形成对PM_2.5的贡献更高。在PM_2.5化学组分中，水溶性离子占比最大，随着污染程度加重，二次离子(SNA)快速增长，二次离子的生成转化是污染的重要成因。轻度、中度污染时，湿度高、风速小、气温低，有利于污染的积累，重度污染时湿度大、风速回升，有利于上游污染的输送与二次转化。PMF模型解析出襄阳市PM_2.5主要来源及贡献率为二次源58.0%、工业企业源22.6%、机动车源10.7%、扬尘源8.7%。襄阳市潜在源区主要分布在河南省中北部、河北省南部、山东省西部、安徽省北部、江汉平原东部及南部区域，极少量分布在襄阳区域，长距离区域传输...     

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。     

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。     

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。     

Estimation of Ozone Trend in Central Greece, Based on Meteorologically Adjusted Time Series

Data referring to an approximately 8-year period (1999–2007) are analyzed in order to estimate the trend of the daily maximum hourly value of ozone concentration at the east coast of central Greece, where the summer background ozone concentration is high. A Kolmogorov–Zurbenko filter is applied to remove the short-term component from the raw time series of ozone and meteorological variables. Regression models are developed in order to produce meteorologically adjusted ozone time series, involving the noise-free temperature, relative humidity, and wind speed as independent variables. The analysis verifies that the meteorological adjustment provides better results on estimating ozone’s trend, which is found to be increasing (α?=?0.001) with an annual rate of 1.34?±?0.07?μg/m³. This trend could mainly be attributed to policy and changes in the emissions of ozone’s precursors. Additionally, the short-term component of ozone concentration is also meteorologically adjusted and its impact on the trend is examined. The analysis shows that its contribution is of minor importance when the ozone trend is adjusted by temperature, relative humidity, and wind speed. Moreover, the sea breeze circulation system that is frequently developed in the area influences the short-term and seasonal ozone variation, and therefore, it should be taken into account when producing meteorologically adjusted time series. The study’s conclusions could be exploited by environmental and agricultural authorities in order to develop their long-term strategies towards the air quality management.     

深圳大运会期间一次光化学污染事件成因分析

对深圳大运会期间8月20日发生的一次光化学污染过程进行分析。此次过程中,处于工业区的石岩大气成分站测得O3浓度小时平均最大值为213.4μɡ/m3,超过国家环境空气质量二级标准限值(200μɡ/m3),出现时间在当日13:00～14:00时。与处于城区的竹子林站和郊区的西涌站污染物浓度进行对比分析得知,此次光化学污染的主要特点是局地性较强,持续时间较短,影响范围小。同步的风速、风向、温度、相对湿度及紫外辐射等气象要素分析表明,此次光化学污染事件与气象条件关系非常紧密,当日天气晴朗、日照强烈、温度高、相对湿度适中,有利于光化学反应的发生,且不利的风向条件使得来自上风向城区的污染物易于累积。     

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。     

有机氯农药在湖北省菜地土壤中的污染研究

采集了湖北省武汉、宜昌、襄阳地区的45个菜地土壤样品,测定其中11种有机氯农药的残留量,并对其残留特征和污染来源进行了研究分析。结果表明,所有土壤样品中均检出有机氯农药,但大多数点位的污染物含量均低于相关标准限值,通过数据统计和因子分析法得出p,p’-DDT、p,p’-DDE为主要污染物。计算特征比值后发现,该地区滴滴涕污染可能源于传统工业滴滴涕和三氯杀螨醇的混合源,既有早期污染也有新污染的输入,六六六污染主要源于林丹,氯丹残留主要源于早期污染。     

Analysis and assessment of ground-level ozone measured at two stations in Tehran

In this study, variations of ambient ozone level are thoroughly analysed according to the monitored data in a mixed residential, commercial and industrial city, Tehran, based on considering the meteorological factors. Ozone as a pollutant shows typical annual, weekly and diurnal cycles. This analysis has shown that the ozone level concentrations were below the WHO guidelines in Tehran during 2000–2003. The relation between ozone level at two different stations (Aghdasieh and Fatemi) is found (r?=?0.51). The ozone level response to meteorological parameters is investigated. The results suggest that the ozone level is affected (positively or negatively) by meteorological conditions, e.g. relative humidity, solar radiation, air temperature, wind speed and wind direction.