气温与臭氧协同作用对COPD住院人数的影响

为评价气温与臭氧（O₃）协同作用对慢性阻塞性肺病（COPD）住院人数的影响,采用广义相加模型（GAM）、平滑曲线阈值效应和饱和效应方法,在控制了时间序列长期趋势、季节效应、节假日效应和相对湿度、污染物PM_2.5、SO₂、NO₂浓度混杂因素的影响后,分析了2013~2016年石家庄市气温与O₃协同作用对COPD住院人数影响的暴露-反应关系,并考虑了不同年龄、性别的分人群效应.结果表明,日平均气温的阈值为0.3,19℃,O₃的分层临界值100μg/m³;当O₃≥100μg/m³时,随着气温每上升1℃,COPD日均住院人数增加的相对危险度1.042（95%：1.020,1.065）,并且在T≥19℃时其效应值最大,为1.084（95%：1.048,1.121）.较高气温、高O₃污染环境对COPD疾病人群的影响存在协同加强效应,且对老年人影响更敏感,而男女性别上没有显著差异.     

全球PM2.5人口暴露风险时空格局

基于PM_2.5遥感数据和人口格网数据,利用污染物人口暴露风险模型、Theil-Sen Media和Mann-Kendall等方法,分析了2000~2016年全球PM_2.5人口暴露风险时空分布特征,并识别出暴露高风险区域.结果表明,PM_2.5遥感数据和人口格网数据可以客观地评价暴露风险程度.全球PM_2.5平均浓度在各大洲差异显著,PM_2.5污染的高值区域主要分布在东亚、南亚和东南亚.PM_2.5质量浓度的多年平均值从高到低分别是亚洲14.7μg/m³、非洲8.1μg/m³、欧洲8.03μg/m³、南美洲5.69μg/m³、北美洲4.41μg/m³和大洋洲1.27μg/m³.2000~2016年,全球PM_2.5人口暴露风险在宏观尺度上呈逐渐减少的趋势,而在区域内则呈现出差异性.空间上,全球PM_2.5人口暴露风险各大洲从高到低依次为亚洲5.94、非洲0.62、欧洲0.45、南美洲0.32、北美洲0.27和大洋洲0.01.时间上,2000~2016年,亚洲和非洲PM_2.5人口暴露风险呈增长趋势,欧洲和北美洲呈减少趋势,大洋洲和南美洲变化幅度较小.     

黄河金三角地区城市O3污染的时空格局演变特征

黄河金三角地区空气质量的改善是践行黄河流域生态保护和高质量发展的体现,科学认识O₃浓度时空演变和污染特征对于该地区大气污染联防联控具有重要意义.本研究融合地面观测和卫星遥感反演O₃浓度数据,采用统计分析、趋势分析及热点分析的方法揭示黄河金三角地区O₃浓度的年、季节和月尺度以及空间变化特征,探究O₃污染等级的变化特征.结果表明：(1)黄河金三角地区2015-2022年4个地级市大气中O₃浓度呈升高趋势,O₃年均浓度表现为运城市(105μg/m³)>临汾市(103μg/m³)>三门峡市(97μg/m³)>渭南市(95μg/m³).(2)O₃季均浓度总体表现为夏季(146μg/m³)>春季(113μg/m³)>秋季(83μg/m³)>冬季(59μg/m<...     

长三角地区2017～2020年臭氧浓度时空分布与人群健康效益评估

近年来,我国臭氧(O₃)浓度呈升高趋势,成为仅次于PM_2.5影响空气质量的重要因素.为掌握长三角地区蓝天保卫战实施期间O₃时空变化特征和人群健康影响,采用莫兰指数和冷热点空间统计方法分析了长三角地区2017～2020年210个监测站点O₃浓度时空特征,并利用健康风险和环境价值评价法评估了长三角区域人群O₃暴露水平变化的健康收益.结果表明,2017～2020年,长三角地区O₃年均值和暖季均值的四分位数范围(IQR)呈现从高浓度向低浓度位移的趋势.暖季和冷季O₃浓度均值均呈现北高南低的空间分布态势.暖季O₃浓度均值在长三角北部和中部腹地城市出现高浓度O₃集聚的特征.区域O₃年均暴露浓度超过160μg·m^-3及以上的人口比例由2017年的72.3%降低至2020年的34.8%.三省一市人口加权年均O₃暴露浓度总体呈现下降趋势,但长三...     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

2015～2020年济南市O3污染趋势及敏感性变化分析

基于环境空气质量站点监测数据及卫星遥感资料,研究了2015～2020年济南市近地面臭氧(O₃)污染的时空分布特征、变化趋势和前体物生成敏感性.结果表明,2015～2020年济南市O₃浓度呈上升趋势,全年O₃日最大8 h滑动平均值(MDA8)的第90百分位数(即年评价浓度)和4～9月MDA8 O₃浓度年均值分别以4.8μg·(m³·a)^-1和3.8μg·(m³·a)^-1的速率增长;各监测站点间O₃浓度水平差异逐渐缩小,且O₃浓度高值范围进一步扩大,济南市有16.1%和22.6%的监测点年评价值和4～9月MDA8 O₃出现了显著的正趋势(P<0.05),这些监测站点主要位于市区和靠近市区的郊区.卫星遥感监测数据显示2015～2020年4～9月济南市NO₂对流层柱浓度下降20.6%,年下降速率为0.3×10¹⁵     

气候变化对中国夏季臭氧影响

气象条件对近地层臭氧(O₃)的生成有重要影响.为了探讨未来气候变化如何影响中国不同地区的O₃浓度,本研究将全球耦合模式比较计划CMIP5提供的CESM地球系统模式的气候预测数据作为WRF区域气象模式的初始边界条件,降尺度模拟了3种代表情景(RCP4.5、 RCP6.0和RCP8.5)下的未来2046～2055年夏季气候变化情况,并驱动CMAQ区域空气质量模式模拟气候变化对O₃的影响.结果表明,气候变化使中国夏季边界层高度、温度均值和高温天数增加,相对湿度有所降低,近地面风速无明显变化.在气象要素的共同影响下,O₃浓度在京津冀、四川和华南等地区呈现增加趋势,O₃每日最大8 h滑动平均(MDA8)极值在不同情景下增幅为：RCP8.5(0.7μg·m^-3)>RCP6.0(0.3μg·m^-3)>RCP4.5(0.2μg·m^-3).夏季MDA8超标日变化与高温天数变化有较为相似的分布,MDA8超标的发生与高温天...     

江苏省大气复合污染特征与相关气象驱动

基于2014~2017年江苏省13个市的PM_2.5浓度和O₃_8h_max数据,探讨了其时空分布特征.在此基础上,研究了日益升高的近地层O₃浓度与气象因子的关系.结果表明：江苏省2014~2017年PM_2.5浓度整体上呈下降的趋势,年均浓度减少率为6.06μg/m³,而O₃_8h_max整体上呈上升趋势,年均浓度增长率为3.84μg/m³.总体上,PM_2.5浓度呈现冬春高、夏秋低的V型月变化特征,O₃_8h_max则基本呈现不规则的M型,在5月份达到峰值后逐渐降低,又在7~9月份保持平缓,而后又逐渐下降.空间上,江苏省PM_2.5浓度呈现"内陆高,沿海低"的状态,而O₃_8h_max却呈现"沿海高,内陆低"的状态.与气象因子的相关性表明,O₃浓度与气温和太阳辐射呈正相关关系,与相对湿度呈负相关关系,太阳辐射对O₃浓度的影响最大,其次是温度和相对湿度.当日平均气温在20~30℃、相对湿度在50%~70%、太阳辐射强度高于150w/m²时O₃浓度容易出现超标.     

湖南省臭氧污染基本特征分析及长期趋势变化主控因素识别

近些年来湖南省臭氧（O₃）污染程度呈现持续恶化态势,针对该区域O₃污染相关研究较为缺乏的现状,基于观测数据对2015～2020年期间湖南省14个地级市O₃污染浓度的时空演化特征进行了分析,并利用广义相加模型（GAM）对O₃污染长期趋势变化的主控因素进行了识别（气象校正）.结果表明,时间上,湖南省区域O₃具有明显的日际、月际和季节性变化特征,不同月份和季节中分别以5月、 9月和秋季浓度较高,在年际变化方面O₃年际90百分位数以4.7μg·（m³·a）^-1的速率升高,空间上,O₃浓度的高、低值分别集中在偏东北和偏西部区域.整体上,O₃污染长期趋势变化主导因素为前体物排放生成贡献,气象对O₃浓度的上升起促进作用,其平均影响的程度达到了1μg·（m³·a）^-1,其中对不同季节和区域影响状况有所差异,体现在对春、夏...     

中国地表臭氧浓度估算及健康影响评估

在PM_2.5浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升（XGBoost）臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度（O₃＿8h）,用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清单数据、数字高程模型（DEM）数据和人口数据,捕捉O₃＿8h的时空变化.本研究采用十折交叉验证的方式评估模型的估算性能(R²为0.871,RMSE为11.7μg·m^-3),与随机森林模型（RF）和核岭回归模型（KRR）相比,由于算法本身的提升和并行处理的推进,使得XGBoost模型估算结果表现出更高的准确性(RF:R²为0.864,RMSE为12.387μg·m^-3; KRR:R²为0.582, RMSE为23.1μg·m^-3)且模型运算效率明显提升.同时对中国各省市人口臭氧暴...     

四川盆地臭氧浓度空间分异及驱动因子研究

为揭示四川盆地臭氧（O₃）的空间分布格局及其驱动因子,通过对2015~2017年四川盆地18城市82个国控环境监测站的O₃浓度观测数据,使用空间自相关,空间热点探测及地理探测器等地统计方法分析研究.结果表明：2015~2017年四川盆地O₃浓度总体呈现上升趋势（由2015年的（79.95±18.82） μg/m³上升到2017年的（88.64±11.67）μg/m³）,污染态势逐年加重.盆地中西部成都,资阳,雅安等城市O₃浓度最高,且高值区范围逐年扩大.O₃浓度的空间分布呈现出显著的聚集性规律（空间正相关,Moran's I指数大于0）,且年聚集区（H-H聚集区或L-L聚集区）主要呈现为H-H聚集区分布在盆地中西部,L-L聚集区分布在盆地东南部.此外,年聚集区的年际变化与浓度变化态势基本一致,即O₃浓度上升（降低）的区域转变为H-H聚集区（L-L聚集区）.基于地理探测器定量分析了二十个社会经济及自然驱动因子对O₃浓度空间分异的影响,结果显示社会经济因子占主导作用,其中城建用地占区面积比重（驱动值,q=0.5734）,人口密度（q=0.5479）的驱动作用最为突出,自然因子中年降水量（q=0.4592）具有最显著的驱动作用;地理探测器双因子交互对O₃浓度空间分异的影响有明显的交互增强作用（每个单因子q值平均增大了1.5~2.1倍）,且交互均值（即各因子交互q值的均值）与最大交互值逐年增大.在使得交互值达到最大驱动值的双因子中,出现频率最高的是人口密度（7次）和工业烟粉尘排放量（7次）.     

基于相似集合预报技术的臭氧预报释用研究

利用相似集合预报技术（AnEn）,采用2a的睿图-化学子系统（RMAPS-CHEM）历史预报结果和观测资料,对2018年6月1日~9月30日模式在京津冀地区13个城市共70个国控站点逐小时预报的O₃浓度进行了释用订正研究,结果表明：随着集合成员数的增加,AnEn方法的预报效果呈现出先上升后下降的趋势,并且越过临界集合成员数后,预报效果逐渐降低,因此确定14为最优集合成员数.不同预报因子的权重敏感性不同,其中以RMAPS-CHEM本身预报的O₃权重最高,其它依次为2m温度、2m相对湿度、10m风速和边界层高度.经过AnEn方法的释用订正,有效降低了O₃浓度的预报误差.AnEn方法对O₃浓度的时空变化趋势以及浓度值大小都有很好的订正效果,从所有站点的检验结果来看,AnEn方法订正后的O₃浓度与观测值之间的相关系数较模式结果提升68.6%,均方根误差降低25%.AnEn方法对O₃预报释用订正的效果存在明显的区域特征和日变化特征,白天时段对预报的提升主要集中在京津冀东部地区和大城市地区,夜间主要是在城市地区更加显著;AnEn方法夜间的订正效果优于白天,部分站点夜间提升效果（相关系数）超过250%.AnEn方法订正后的O₃概率密度函数整体更接近实况,特别是在O₃的低值区（35μg/m³以下）和高值区（200μg/m³以上）订正效果更佳.针对典型O₃污染过程中北京、天津、石家庄3个城市的对比检验表明,AnEn方法在0~48h的预报时效内表现优于48~96h.不同城市体现出一定的区域差异,天津最优,北京和石家庄次之.AnEn方法对RMAPS-CHEM预报的O₃浓度订正效果整体改善明显,可以在区域光化学污染数值预报工作中进行更加广泛的应用.     

华北地区地表臭氧时空分布特征及驱动因子

利用趋势分析(TA)、地理时空加权回归模型(GTWR)和多因素广义相加模型(MGAM),研究了2015～2020年华北地区O3浓度的时空分布规律及驱动因素间的复杂非线性关系.结果表明,华北地区年均O3浓度>70μg/m3,整体呈持续增长趋势,平均增加速率为2.3μg/(m3·a)(P<0.01);季节上O3浓度呈春夏高...     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

2016年夏季南京大气污染特征观测分析

为研究南京夏季大气复合污染的特征,2016年8月15日~9月15日期间开展了强化观测实验,本文利用仙林、鼓楼80m楼顶2个站点的强化观测资料,结合草场门常规监测资料,统计分析了南京不同地区夏季O₃和颗粒物（PM_2.5、PM₁₀）的浓度特征和相关性,以及郊区水溶性离子与其气态前体物的转化率变化特征.研究表明：3个站点O₃平均小时浓度为100.3μg/m³.PM_2.5和PM₁₀浓度分别为41.1和67.8μg/m³,郊区夜间存在颗粒物浓度高值.SO₄^2-、NO₃^-、NH₄⁺浓度总和占PM_2.5浓度的比值达到61%,OC（有机碳）/EC（元素碳）比值范围为0.8~4.0,日均值超过2.0的天数占77%,城、郊均存在二次污染.白天O₃与颗粒物（PM_2.5）浓度呈显著正相关变化,硫转化率（SOR）、氮转化率（NOR）分别与O₃浓度、湿度显著正相关.HONO主要在夜间积累,HCl和HNO₃浓度峰值出现在下午.与其它无机盐相比,NH₄⁺在总氨中所占比例明显偏低,大气中的氨主要以气态NH₃存在.观测期间O₃污染较重,O₃与颗粒物的正相关关系显著,化学反应在颗粒物积累过程中具有重要贡献,此外还可能存在城区向郊区的污染输送.     

北京地区对流层低层臭氧及硫酸盐气溶胶的时空分布

基于OMI/Aura卫星资料,分析了北京地区2007~2016年近10a对流层O₃浓度（0~3km）、硫酸盐气溶胶光学厚度（0~2km）、SO₂（边界层以内）柱浓度时空演变特征.结果表明,近10a来北京地区O₃浓度总体呈现上升趋势,最低值在2007年,浓度为33.65 μg/m³;硫酸盐气溶胶污染总体变化呈现先下降后增长的趋势,2007年硫酸盐气溶胶污染最为严重,2011年污染最轻,对应的AOD值为0.252,但在2014年以后,硫酸盐气溶胶污染又出现增长趋势;SO₂浓度在2007~2016年总体呈现下降的变化趋势,且下降趋势明显,最高值为2007年,最低值出现在2016年,最低值比最高值降低了60.42%,但在2011年污染出现反弹.北京O₃季节变化明显,夏季高、春秋次之、冬季低;硫酸盐气溶胶污染季节特征与O₃相同;SO₂污染主要集中在冬季,采暖期污染程度高于非采暖期.     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

不同季节天津市PM2.5与O3潜在源区及传输路径分析

为探究天津市各季节PM_2.5与O₃污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function, PSCF)、浓度权重轨迹(concentration-weighted trajectory, CWT)对天津市PM_2.5与O₃污染的外来潜在源区以及可能的污染传输途径进行研究. 结果表明:①天津市PM_2.5和O₃污染均较为严重,且具有明显季节性特征. 天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主. ②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_2.5)和O₃浓度8 h滑动平均值〔简称“ρ(O₃-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O₃-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_2.5)最高. ③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_2.5与O₃污染的主要潜在源区. 此外,冬季张家口市和唐山市对天津市PM_2.5污染的潜在影响也较大. 冬季影响天津市PM_2.5污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响. 研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.