香港港口近地面O3与氮氧化物浓度变化的多重分形特征

以2012年3月-2014年2月香港葵涌港口大气ρ（O₃）、ρ（NO₂）和ρ（NO_x）的小时均值为研究对象,运用多重分形去趋势互相关分析法,对香港港口近地面ρ（O₃）与ρ（NO₂）和ρ（NO_x）相互作用的多重分形特征进行研究.结果表明:香港港口O₃ vs NO₂[ρ（O₃）vs ρ（NO₂）,下同]的h（2）（广义Hurst指数）为0.80,O₃ vs NO_x[ρ（O₃）vs ρ（NO_x）,下同]的h（2）为0.79,二者的h（2）均大于0.5,表明ρ（O₃）与ρ（NO₂）、ρ（NO_x）间均存在显著的长程交叉相关性.港口ρ（O₃）与ρ（NO₂）、ρ（NO_x）相互关系的多重分形特性在日际和季节上存在显著差异,其中夜晚的O₃ vs NO₂的Δα（分形强度指数）为0.92,O₃ vs NO_x的Δα为0.81,而白天二者的Δα分别为0.59和0.43,说明夜晚的多重分形特征明显强于白天;Δα为春季>夏季>秋冬,表明多重分形程度在春季最强,夏季次之,秋冬季最弱,可能与港口特殊的地理位置和气候条件有关.研究显示,在构建港口ρ（O₃）的预测模型时,需要考虑不同的时间尺度、不同气象条件下ρ（O₃）与ρ（NO₂）、ρ（NO_x）相关性的多重分形特征的差异性.      

淄博市2016-2019年近地面大气臭氧时空分布特征

为认识淄博市近年来大气臭氧（O₃）时空分布特征,基于山东省淄博市19个环境空气质量监测点2016-2019年近地面O₃的连续观测数据,运用Pearson相关性分析法、反距离权重法等方法开展研究.结果表明:①淄博市2016-2019年ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h浓度）第90百分位数范围为184~203 μg/m3,是GB 3095-2012《环境空气质量标准》二级标准限值（160 μg/m3）的1.15~1.27倍.②ρ（O_{3-8 h}）季节性变化呈夏季（155 μg/m3）>春季（129 μg/m3）>秋季（104 μg/m3）>冬季（60 μg/m3）的特征;ρ（O_{3-8 h}）月变化呈双峰型,峰值分别出现在6月（186 μg/m3）和9月（147 μg/m3）;ρ（O_{3-8 h}）日变化呈单峰型,峰值（117 μg/m3）出现在14:00左右.③ρ（O_{3-8 h}）空间分布呈南北低、中间高的特点,并具有区域均匀性发展趋势.④CO、NO、NO₂和NO_x等前体物浓度均与ρ（O_{3-8 h}）呈负相关,但在夏季相关性较差;冬季夜晚局地污染物对O_x的贡献大于白天.⑤ρ（O_{3-8 h}）与温度和风速均呈显著正相关,与相对湿度呈显著负相关,当风向为西南风时ρ（O_{3-8 h}）较高.研究显示,淄博市O₃表现为典型的光化学生成特征,2016-2019年O₃污染总体呈加重趋势.      

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

包头市大气污染特征及其影响因素

为了解包头市大气污染特征,利用包头市2014年ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）、ρ（CO）和ρ（O₃）环境空气自动监测数据,结合气象参数,分析了包头市大气污染特征及其影响因素.结果表明:① 包头市春季大气污染以PM₁₀为主,夏季以O₃为主,秋冬两季PM₁₀和PM_2.5均有不同程度污染. ② ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）的24 h平均值和ρ（O₃）日最大8 h平均值分别有153、76、10、6和3 d超出GB 3095-2012《环境空气质量标准》二级标准限值,ρ（CO）24 h平均值全年达标. ρ（PM₁₀）、ρ（PM_2.5）和ρ（NO₂）年均值分别为GB 3095-2012二级标准限值的2.2、1.6和1.2倍,ρ（SO₂）年均值达标. ③ PM_2.5/PM₁₀（质量浓度比）四季分布为冬季（0.45）>秋季（0.39）>夏季（0.36）>春季（0.27）,年均值为0.37,粗颗粒污染特征明显. ④ SO₂/NO₂（质量浓度比）四季分布为冬季（1.76）>春季（1.15）>秋季（0.82）>夏季（0.75）,年均值为1.12,并且取暖季明显高于非取暖季,说明冬季燃煤取暖对包头市空气质量有重要影响. ⑤ 包头市的严重污染主要有沙尘型和煤烟型2种. ⑥ 系统聚类分析表明,扬尘引起的PM₁₀对包头市环境空气质量有重要的影响,以SO₂和CO为排放特征的燃煤对PM_2.5有较大的贡献.      

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.      

西安市道路PM2.5 NO2 CO水平浓度分布特征

为获得西安市道路PM_2.5、NO₂和CO的水平浓度分布特征,选取小寨和秦岭环山路作为西安市城区道路和郊区道路的代表,采用水平分布的监测方法获得了每条道路距离道路边缘0、15和50 m处的ρ（PM_2.5）、ρ（NO₂）和ρ（CO）.结果表明:与秦岭环山路（下称秦岭）相比,城区观测点小寨的ρ（PM_2.5）、ρ（NO₂）和ρ（CO）分别为（88±50）（78.6±29.8）μg/m3和（1.5±0.3）mg/m3,均高于秦岭三者的质量浓度[分别为（55±23）（47.9±19.8）μg/m3和（1.4±0.1）mg/m3].在空间分布上,ρ（PM_2.5）、ρ（NO₂）、ρ（CO）水平梯度分布明显.与距离道路边缘0 m处相比,小寨ρ（PM_2.5）在距离道路边缘15和50 m处分别减少了6.48%、7.96%,秦岭减少了5.45%、9.09%;小寨ρ（NO₂）在15和50 m处分别减少了8.57%、14.29%,秦岭减少了15.45%、24.89%;在距离道路边缘50 m处小寨ρ（CO）减少了25.00%,而秦岭在距离道路边缘15和50 m处分别减少了25.00%、41.67%.研究显示,来自于机动车排放的PM_2.5、NO₂和CO在道路两侧有明显的距离效应,并且郊区观测点水平递减更明显.      

成都市降水对大气污染物的清除效果分析

成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日-2017年12月31日成都市逐小时ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）、ρ（SO₂）监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM_2.5、PM₁₀、NO₂、CO和SO₂的清除率随降水量的增加而逐渐增大,对O₃的清除效果相差不大且清除率均较大;小时最大降水量对PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO₂、PM_2.5和PM₁₀的清除效果较好,而对CO的清除效果较差.      

上海西南区域春季一次典型光化学污染过程分析

为研究上海西南区域O₃的污染形成机制,对该区域2020年4月10—20日近地面O₃、NO₂、VOCs和气象数据进行分析.结果表明:①研究期间,日最高温度仅18.3℃,但O₃日最大8 h滑动平均体积分数达91.6×10-9,φ（O₃）小时增长率最大为1 950%;东风风速较大时O₃污染频发,说明该区域φ（O₃）的高值主要受到来自东部输送的污染源驱动.②O_x主要组分为O₃,平均占比为74.6%;当φ（O₃）/φ（O_x）在0.65~0.85之间时,φ（O₃）增长速率较快.③烯烃类VOCs排放增多是导致φ（O₃）增大的主要原因.④PMF源解析得到5个排放源,分别为石化源与机动车尾气、LPG（液化石油气）和NG（天然气）燃烧源、制药排放源、精细化工排放源以及石化烯烃源,其中对OFP贡献较大的为烯烃和芳香烃类,二者占比分别为21.3%和34.6%,主要物种分别为乙烯和间/对-二甲苯.研究显示,春季低温下上海西南区域O₃污染频发,主因是污染源驱动,φ（O₃）高值受远距离前体物输送的影响较大.      

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

淄博市城郊臭氧污染特征及影响因素分析

本文基于淄博市2019年18个自动监测站连续1 a的O₃与前体物（NO_x、 VOCs和CO）,及常规气象监测数据（气温、相对湿度、风速和能见度）,选取城区和郊区代表性站点,研究了O₃与前体物的污染特征以及O₃生成的影响因素.结果表明,淄博市2019年O₃-8h浓度超标率为25.8%,超标天多出现在5～9月;城区NO_x浓度高于郊区,而O₃和VOCs浓度较低;各污染物的小时变化率具有明显的季节特征,秋冬季节O₃上升和前体物下降时间均较春夏季节晚1 h左右,且O₃生成累积的高峰时段缩短,城区O₃浓度的整体上升速率高于郊区;对O₃及各影响因素的相关性分析、偏相关分析及线性回归分析得到,O₃与前体物和相对湿度呈负相关,与能见度、气温和风速呈正相关,各因素间存在相互影响;城区站点O₃生成的主控因子有相对湿度、 NO<...     

2013年成都财富论坛期间空气质量状况分析研究

利用2013年5月20日-6月20日成都市区7个环境质量监测站点可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)、SO₂、NO₂、CO和臭氧的实测资料及地面气象观测资料,对成都举办财富全球论坛期间及前后的空气质量变化特征和成因进行分析.结果表明,由于市政府采取交通管制措施,使机动车尾气排放的NO₂浓度与财富论坛前后相比降幅达27.2%;财富论坛期间臭氧前体物质浓度的降低,使地面臭氧日均浓度在相同太阳日辐射值下与财富论坛前后相比较低;对城区扬尘控制和周边重污染企业限产停产,分别对PM₁₀和SO₂的排放起到了明显的削减作用;后向轨迹分析表明市区SO₂浓度累积与来自东南部低空的气团有关.当相对湿度小于60%时颗粒物容易吸湿增长,而当相对湿度大于60%时降雨概率增大,颗粒物容易被清除.综合分析,成都市区财富论坛期间空气质量改善是政府减排举措的有效实施和较好的气象条件共同作用的结果.     

2020年成都市典型臭氧污染过程特征及敏感性

2020年4月24日至5月6日成都市臭氧(O3)和细颗粒物(PM2.5)复合污染过程期间,在成都市城区开展大气臭氧及其前体物(NO,、VOCs)和气象参数观测实验,基于观测数据采用OBM模型对市区臭氧敏感性和主控因子进行识别,并采用PMF模型对关键VOCs物种进行来源解析.结果表明,臭氧超标日各污染物浓度均有所上升,VOCs物种中芳香烃和含氧(氮)化合物上升幅度较大;成都市城区O3超标天对应的臭氧处于显著VOCs控制区,芳香烃和烯烃对O3生成最为敏感,且存在削减NOx的不利效应;结合VOCs来源解析,城区VOCs主要来源:移动源(22.4％)、餐饮及生物质燃烧源(21.8％)、工业源(15.1％)和溶剂使用源(9.3％),臭氧超标天溶剂使用源、餐饮及生物质类燃烧源贡献率明显上升.成都市城区春季应以VOCs减排为重点,并加大芳香烃和烯烃相关源控制力度.     

2006~2009年我国超大城市霾天气特征及影响因子分析

收集了2006～2009年北京、上海、广州和成都能见度等气象因子以及SO2、NO2和PM10等环境空气质量资料,在此基础上统计分析上述4个超大城市霾天气频率季节和年际变化特征及其主要的影响因子.结果表明,北京、上海、广州和成都霾天气频率季节最高值分别为夏季、冬季、春季和秋季.北京和广州霾天气频率呈现逐渐下降趋势,而上海和成都呈现逐渐上升趋势.PM10和相对湿度是影响能见度或霾天气频率关键因子.北京能见度变化对相对湿度比较敏感,而上海和广州对PM10浓度变化比较敏感,成都对相对湿度和PM10浓度敏感程度相当.     

Ground-high altitude joint detection of ozone and nitrogen oxides in urban areas of Beijing

Based on observational data of ozone(O3) and nitrogen oxide(NOx) mixing ratios on the ground and at high altitude in urban areas of Beijing during a period of six days in November 2011,the temporal and spatial characteristics of mixing ratios were analyzed.The major findings include:urban O3 mixing ratios are low and NOx mixing ratios are always high near the road in November.Vertical variations of the gases are significantly different in and above the planetary boundary layer.The mixing ratio of O3 is negatively correlated with that of NOx and they are positively correlated with air temperature,which is the main factor directly causing vertical variation of O3 and NOx mixing ratios at 600-2100m altitude.The NOx mixing ratios elevated during the heating period,while the O3 mixing ratios decreased:these phenomena are more significant at high altitudes compared to lower altitudes.During November,air masses in the urban areas of Beijing are brought by northwesterly winds,which transport O3 and NOx at low mixing ratios.Due to Beijing’s natural geographical location,northwest air currents are beneficial to the dilution and dispersion of pollutants,which can result in lower O3 and NOx background values in the Beijing urban area.     

2019年7月石家庄市O3生成敏感性及控制策略解析

基于石家庄市2019年7月近地面污染物和气象观测数据,分析夏季O₃污染状况及其影响因素;结合WRF-CMAQ模式和O₃浓度等值线（EKMA曲线）,探究不同区域O₃-VOCs-NO_x的非线性响应关系,旨在探究最佳的前体物减排方案.结果表明,观测期间,石家庄市市区MDA8 O₃超标率高达70.9%.污染天期间,伴随着高温、低湿、小风,且以南风和东南风为主.石家庄市市区属于VOCs控制区,郊县为NO_x和VOCs协同控制区.在臭氧污染时段,市区在仅削减NO_x排放,且削减比例超过50%时,持续减排NO_x使得O₃浓度呈逐渐下降趋势.在非臭氧日时段,市区在VOCs和NO_x的削减比例大于1倍时,O₃浓度才不会出现反弹.对于市区应考虑以仅削减VOCs为先;对于郊县区域而言,不同的NO_x和VOCs削减比例下,O₃浓度均会下降...     

基于过程分析的京津冀区域典型城市臭氧成因

随着京津冀区域臭氧（O₃）污染问题日渐突出,探究和分析京津冀区域O₃变化特征和污染过程形成原因对区域大气污染防治工作具有重要意义.观测结果显示,春夏季京津冀区域较高的O₃浓度呈现南高北低的分布,北京、天津和石家庄这3座城市O₃高浓度往往伴随着偏南风的影响.基于WRF-Chem模式模拟和过程分析技术对2019年京津冀区域O₃变化特征和成因进行了深入分析,典型城市化学过程、垂直混合和输送的日变化有着鲜明的季节变化差异.其中在夏季午后化学过程是各城市O₃浓度增加的主要来源;垂直混合导致天津和石家庄O₃浓度增加,但使得北京O₃浓度减少;天津和石家庄存在净输出,而北京则为净流入.通过对比分析O₃污染和清洁过程结果表明,化学过程主导北京和石家庄污染过程午后O₃浓度增加,天津则为垂直混合,此外,北京和石家庄存在O₃净输入,天津则为净输出;而清洁过程中,垂直混合主...     

南京市南部地区O3污染特征、生成敏感性及传输影响分析

作为中国最重要的城市群之一,近年来长江三角洲(YRD)地区大气臭氧(O₃)污染问题突出.于2020年7～9月和2021年4～5月在南京市南部地区溧水站点开展了大气O₃、氮氧化物(NO_x)和挥发性有机物(VOCs)等污染物的在线观测.在此基础上分析了溧水站点O₃的污染特征并与城区站点进行比较,发现溧水站点O₃污染较城区站点更加严重.在观测期间选择了3次典型的O₃污染过程,分别为2020年8月16～27日、 2020年9月3～11日和2021年5月17～25日.利用基于观测的模型(OBM)分析了这3次污染过程的O₃-VOCs-NO_x敏感性.基于OBM所模拟的O₃前体物相对增量反应性(RIR)和NO_x和VOCs削减情景下O₃生成等值线(EKMA曲线)结果显示,3次污染过程中O₃-VOCs-NO_x敏感性分别处于N...     

泰安市大气臭氧污染特征及敏感性分析

2018年5～7月对泰安市城区站点的臭氧及前体物进行在线监测,并基于特征比值法和光化学模型分析了臭氧及前体物的污染特征及臭氧生成对前体物的敏感性.结果表明,观测期间泰安市正遭受较为严重的臭氧(O_3)污染,臭氧浓度的日变化呈典型的单峰型变化,15:00左右出现最高值,氮氧化物(NO_x)和VOCs的日变化趋势整体呈现夜间高白天低的变化特征.由O_3生成效率(OPE)、VOCs/NO_x和H_2O_2/NO_z特征比值法及基于EKMA曲线的方法均得出观测期间泰安市大气O_3光化学生成偏向于NO_x敏感区及过渡区,削减NO_x和VOCs均对O_3生成具有控制作用.同时基于EKMA曲线的方法还得出在O_3前体物浓度减排时按照丙烯等效浓度(PE)与NO_x浓度比值为8∶3进行VOCs(PE)和NO_x削减可以达到O_3浓度控制的最佳效果.     

北京城区PM_(2.5)及主要污染气体“周末效应”和“假日效应”研究

利用2009—2012年北京城区海淀宝联站6种污染物(PM2.5、NO、NO2、O3、CO和SO2)的连续监测数据,研究了污染物浓度的周循环变化规律,以及春节、国庆节假日期间和假日前后污染物浓度变化的差异.结果表明,北京城区O3浓度存在周末高于工作日的显著"周末效应"现象,其它污染物则表现出周末低于工作日的"周末效应"现象;国庆节较长假期存在与"周末效应"相类似的"假日效应",即假日期间污染物浓度明显低于非假日期间(O3相反).而春节期间PM2.5、CO、SO2出现"反常"浓度(污染物浓度在假日期间高于非假日期间),可能与春节期间烟花爆竹燃放有关.从污染物浓度日变化特征分析,污染物浓度高峰期与人类活动高峰期时间基本一致,而污染物在周末和工作日出现的浓度差异现象也与人类活动的周循环差异现象相吻合,NO、NO2和CO的小时平均浓度在周末和工作日的最大偏差出现在08:00,分别为-19.8%、-14.9%和-13.9%,说明北京城区出现污染物浓度的周循环变化特征和日变化特征与人类活动密切相关.     

夏季城市大气O3浓度影响因素及其相关关系

利用2003年夏季济南市区近地面大气O₃、相关前体物和气象因素等观测数据,研究了O₃浓度的分布特征及时间变化规律,分析了7月份O₃与NO、NO₂和CO等前体物及太阳辐射和气温气象条件的相关性.结果表明,济南市区夏季O₃污染比较严重,观测期间各污染物O₃、NO、NO₂、NO_x和CO浓度都相对较高,昼间O₃与各前体物的浓度呈较好的负相关关系,与太阳辐射具有非常明显的相关性,而与气温的相关性不明显.根据以上分析结果,利用回归分析方法,建立了昼间O₃浓度与前体物、气象因子之间的相关模式,结果表明O₃浓度的计算值与观测值符合性较好.