近地层O3污染对作物产量与经济损失的影响——以江苏省冬小麦和水稻为例

利用2015年冬小麦和水稻主要生长季期间江苏省各城市逐时O₃浓度观测资料,分析了O₃浓度和AOT40的变化特征,评估了O₃对冬小麦和水稻产量的影响,并估算了其造成的经济损失.结果表明：①冬小麦和水稻主要生长季期间,江苏省平均O₃浓度分别为80.1μg/m³和83.8μg/m³,呈单峰型的日变化规律.空间上,O₃呈现南低北高,东部沿海地区高于西部内陆地区的特征.②冬小麦主要生长季期间,江苏省各市AOT40指数范围为3.08~14.47μL/L·h.水稻主要生长季期间,江苏省各市AOT40指数范围为10.79~21.67μL/L·h.③在当前O₃浓度水平下,近地层O₃对江苏省冬小麦和水稻平均相对产量的损失率分别为23.9%和16.5%,产量总损失分别为368.7万t和385.8万t,经济总损失分别为87.01亿元和106.48亿元.因此,急需采取有效控制措施,降低O₃污染造成的农业损失.     

大气臭氧浓度升高对农作物产量的影响

大气O₃浓度升高对农作物产量的影响是评估大气O₃造成农作物减产及经济损失的基础. 分别在北京和广东东莞建立OTC(田间开顶式气室)系统,开展大气O₃对大田冬小麦和水稻的影响研究,在整个生长期对作物进行O₃熏蒸,计算O₃暴露量,获得冬小麦和水稻产量与O₃暴露量之间的响应关系. 结果表明:东莞水稻临界水平(以AOT40计,AOT40为大于40nL/L的小时平均φ(O₃)与40nL/L差值的累计值)为4.95μL/(L·h),而北京冬小麦为2.44μL/(L·h). 根据我国已有农作物O₃暴露量-产量响应关系计算可知,我国水稻和冬小麦的AOT40分别为4.950~9.506和2.280~3.858μL/(L·h),水稻对O₃的敏感性从我国北方到南方呈逐渐增加态势,但冬小麦对O₃敏感性并无明显的地域变化规律. 在大田环境大气φ(O₃)条件下,东莞水稻相对产量损失为2.70%〔AOT40=2.68μL/(L·h)〕,北京冬小麦的相对产量损失为12.85%〔AOT40=6.72μL/(L·h)〕. 我国农作物生长环境多样,作物种类繁多,需要继续开展试验研究来建立本地化O₃暴露量-产量响应关系,用于合理评估区域农作物产量损失.      

福建省沿海地区春季一次近地层O3超标成因分析

福建省沿海地区春季ρ（O₃）较高且超标天数较多,为研究春季ρ（O₃）超标的天气学成因,选取2017年4月26日-5月1日O₃污染过程,利用统计对比和聚类分析方法,将全过程分成污染前、污染维持和污染后3个阶段,再将污染维持阶段分为4个区,利用ρ（O₃）和ρ（PM_2.5）小时均值资料,结合天气形势和气象要素场变化,分析此次O₃污染的主要特点.结果表明:①此次O₃污染与天气形势关系密切,在冷高压（4月28-29日）控制下,光化学反应条件有利,太阳辐射强、日照时间超过11 h,08:00起ρ（O₃）上升速率为15~20 μg/（m3·h）,ρ（O₃）最大8 h滑动平均值[简称"ρ（O₃）-max-8 h"]超过GB 3095-2012《环境空气质量标准》二级标准限值,但大气扩散条件好,ρ（PM_2.5）日均值未超过一级标准限值,ρ（O₃）超标原因为光化学反应所致,并且ρ（O₃）分布有明显的日变化规律.②在锋前暖区（4月26日08:00-16:00）及变性冷高压（4月30日-5月1日）控制下,光化学反应剧烈,08:00起ρ（O₃）上升速率为25~35 μg/（m3·h）,天气静稳且大气扩散条件差,本地生成的O₃在近地层累积效应明显,4月30日ρ（O₃）小时均值和ρ（O₃）-max-8 h达到过程峰值,ρ（PM_2.5）日均值超过GB 3095-2012二级标准限值,ρ（O₃）-max-8 h超过三级标准限值,空气质量达中度污染,ρ（O₃）超标原因为光化学反应加本地累积所致,并且ρ（O₃）分布也有明显的日变化规律.③受强冷空气影响,4月26日20:00-24:00福建省沿海地区的6个城市ρ（O₃）不降反升,22:00-24:00 ρ（O₃）8 h滑动平均值陆续达到一天中的最高值;4月27日ρ（O₃）维持在70~140 μg/m3之间,ρ（O₃）分布没有明显的日变化规律.研究显示,导致福建省沿海地区春季O₃污染天气的成因是多种因素共同作用的结果.      

降低长三角地区O3暴露风险的前体物减排路径优化研究

O₃污染的防治需要在分析O₃人群暴露风险特征的基础上,对前体物的减排路径进行优化.长三角地区是我国O₃浓度高、暴露风险大、前体物排放集中的地区之一,其减排路径的优化分析对于全国而言具有借鉴意义.本文以GB 3095—2012《环境空气质量标准》中O₃浓度二级标准限值(160μg/m³)为目标,基于长三角地区的人群暴露风险探讨了不同减排路径下的O₃污染控制效果.首先,运用WRF-CAMx模型,依据不同的NO_x和VOCs减排率模拟了121种减排情景作为基础数据集,引入响应曲面模型(RSM)来划分长三角地区不同城市的控制区类型,并结合人口暴露风险指数来评价O₃暴露的风险程度,将中高暴露风险地区与控制区耦合,设置HN区(NO_x控制区中的O₃暴露中高风险城市)和HV区(VOCs控制区中的O₃暴露中高风险城市);其次,设置了7条不同的NO_x     

2013~2019年臭氧污染导致的江苏稻麦产量损失评估

基于2013~2019年江苏省115个监测站点的逐时臭氧观测数据和97个县级行政区的农作物年产量,利用AOT40的暴露响应关系,结合空间分析等方法,评估了臭氧污染导致的冬小麦和水稻两种农作物的产量损失.结果表明,2013~2019年,冬小麦和水稻的AOT40分别为（2.76~17.05）×10^-6h和（0.15~31.69）×10^-6,分别在2018年和2016年达到峰值.苏南地区水稻生长期的AOT40高值分布较多,苏北地区近3年两种农作物生长期的AOT40都有明显增势.2013~2019年,冬小麦年相对产量损失为17.7%~31.0%,年绝对产量损失达（1.94~3.75）×10⁶t.年产量损失最高的地级市是盐城和徐州,损失最低的是南京和无锡.2013~2019年,水稻年相对产量损失为8.6%~15.6%,绝对产量损失为（3.03~6.04）×10⁶t.年产量损失最高的地级市是盐城和淮安,损失最低的是无锡和常州.江苏省每年由于臭氧污染导致的农作物产量损失约相当于5000多万人一年的粮食消费量,臭氧污染对粮食生产安全造成了较为严重的威胁,应当采取有效的政策和措施控制臭氧污染,保证粮食生产稳定.     

气候变化情景下地表O3对水稻产量的潜在风险评估

利用2013~2015年水稻生长季期间气象因子、O₃浓度和气孔导度的实测数据,分析了O₃浓度与AOT40的变化,引入并修订了水稻气孔导度模型,模拟了水稻气孔O₃吸收通量的动态变化,评估了当前和未来气候变化情景下O₃污染所造成的水稻产量损失.结果表明：2013~2015年水稻生长季期间的白天时段,平均O₃浓度分别为35.8,42.0,47.9nL/L,AOT40值分别为5.33,9.03,11.25μL/（L·h）.修订后的模型可用于本地区水稻气孔导度的模拟,2013~2015年水稻气孔O₃通量AF_st02分别为2.02,6.42,7.79mmol/m².2013~2015年地表O₃造成水稻平均相对产量损失分别为4.9%、11.7%和14.3%.在未来气候变化情景下若不考虑O₃浓度的变化,O₃对水稻的胁迫效应将会降低,若考虑未来O₃浓度的变化,O₃造成水稻产量的损失将增加4.7~5.7%.     

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.      

中国典型城市O3与前体物变化特征及相关性研究

为了解我国不同气候背景城市O₃污染及其与前体物的关系,选取北京市、沈阳市、银川市、成都市、南京市和广州市作为典型代表城市,基于这6个城市2014-2016年ρ（O₃）、ρ（NO₂）和ρ（CO）资料对O₃与其前体物质量浓度变化特征及二者相关性进行研究.结果表明:①2014-2016年6个城市ρ（O₃）年均值大小顺序依次为南京市>沈阳市>北京市>银川市>成都市>广州市,ρ（NO₂）年均值大小顺序依次为北京市>成都市>南京市>沈阳市>广州市>银川市,ρ（CO）年均值大小顺序依次为北京市>银川市>成都市>沈阳市>南京市>广州市.2014-2016年除广州市ρ（O₃）下降、沈阳市变化不明显外,其他城市ρ（O₃）总体呈上升趋势;各城市ρ（NO₂）和ρ（CO）普遍呈下降趋势.②广州市ρ（O₃）夏季最高、春季最低,其他城市四季ρ（O₃）大小顺序依次为夏季>春季>秋季>冬季;北京市、沈阳市和银川市四季ρ（NO₂）和ρ（CO）大小顺序依次为冬季>秋季>春季>夏季,成都市、广州市和南京市为冬季>春季>秋季>夏季.各城市ρ（O₃）和ρ（O_x）日变化呈单峰型,ρ（NO₂）和ρ（CO）日变化呈双峰型.③6个城市城区ρ（O₃）均低于清洁对照点,城区ρ（NO₂）和ρ（CO）均高于清洁对照点,并且城区与清洁对照点O₃及其前体物质量浓度差值随城市和月份变化存在一定的差异.④各城市ρ（O₃）与ρ（NO₂）和ρ（CO）均呈负相关,与ρ（O_x）呈显著正相关;城区ρ（O₃）与ρ（NO₂）和ρ（CO）的相关性均好于清洁对照点,清洁对照点ρ（O₃）与ρ（O_x）的相关性则好于城区.⑤各城市ρ（O₃）超标率随ρ（NO₂）和ρ（CO）的增加均呈先迅速上升再快速减小,之后缓慢变化的特征,但ρ（O₃）超标率峰值对应的ρ（NO₂）和ρ（CO）有所差异.研究显示,日照条件较好的银川市、北京市和沈阳市O₃与其前体物相关性较成都市、南京市和广州市强.      

臭氧污染对我国粮食安全影响及其减缓应对措施

近年来不断扩大和加重的臭氧（O₃）污染,越来越受到社会各界的高度关注.基于国内外O₃对农作物产量影响的相关研究结果,本文综合分析了O₃对我国主要农作物产量的影响程度及其区域分布.结果表明：我国部分地区严重的空气O₃污染,已经造成主要粮食作物（如小麦、水稻、玉米和大豆等）产量损失,特别是小麦产量损失可达10%以上.O₃对我国粮食产量造成损失最大的地区集中在我国东部,尤其是黄淮海平原的小麦产量损失最为严重.因此,从保障我国粮食安全角度,应该加强O₃对农作物生产影响模拟实验和科学评估研究.在开展O₃污染防控的同时,应该积极推广减缓O₃对农作物危害的政策和技术措施.     

中国沿海地区大气污染特征及其聚类分析

为识别我国沿海地区的大气污染分布特征,基于2015—2016年我国沿海12个省（自治区、直辖市）的115个地级以上城市ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）和ρ（SO₂）监测数据,在分析其时空分布特征的基础上,结合主成分分析和AIC（改进赤池信息准则）开展我国沿海地区大气污染聚类分析研究.结果表明:我国沿海地区颗粒物污染严重,其中70%和54%的城市未达到GB 3095—2012《环境空气质量标准》中ρ（PM_2.5）和ρ（PM₁₀）二级标准,ρ（PM_2.5）在空间上以浙江省金华市为界呈“北高南低”、金华市以北地区“西高东低”的分布特征;环渤海带及长三角地区ρ（O₃）处于相对较高水平,山东省中部ρ（SO₂）突出,最高值达71.3 μg/m3.根据6种大气污染物监测值,可将115个地级以上城市聚为3类:类Ⅰ包括河北省南部和山东省西部在内的21个城市,空间分布连续且相对集中,受本地源和扩散条件的影响,各项大气污染物质量浓度均处于较高水平;类Ⅱ包括辽宁省、山东省东部和长三角等地区的42个城市,各项大气污染物质量浓度较类Ⅰ有所降低,ρ（PM_2.5）降低（比类Ⅰ低34.2%）明显,更多表现为受工业和散煤燃烧影响的SO₂污染,和受海运船舶和陆路交通源影响的NO₂污染;类Ⅲ包括福建省、广东省和广西壮族自治区沿海一带的52个城市,大气污染物质量浓度相对较低,空气质量较优,受季风和外来源影响的秋季O₃污染特征明显.3类城市ρ（O₃）平均值相近但季节性变化有所差异,类Ⅰ和类Ⅱ ρ（O₃）峰值均出现在6月,类Ⅰ ρ（O₃）季节性差异更为显著,类Ⅲ峰值出现在10月,全年变幅相对较小.研究显示,我国沿海地区山东省西部、江苏省北部与京津冀地区南部呈较为相似的污染特征,广西壮族自治区柳州市与周边城市呈不同聚类特征,ρ（PM）和ρ（SO₂）相对较高,为大气污染热点.      

河南省近地表O3污染特征及其与气象因素之间的关系

Meteorological factors have an important influence on ozone (O₃) concentration. In order to explore the characteristics and causes of near-surface O₃ pollution in Henan Province, based on the datasets of ambient air quality monitoring stations and national basic ground climate stations in Henan Province from 2014 to 2020, this study examined the spatiotemporal characteristics of O₃ pollution in Henan Province and the relationship between O₃ and precursors and meteorological factors, and the potential sources of O₃ in Henan Province were also explored. The results showed that: (1) In terms of temporal characteristics, the annual average O₃ concentration of the maximum daily 8 h average (O₃-8 h) in Henan Province generally decreased from 2014 to 2020, showing an ‘M’ type temporal evolution. For seasonality of O₃-8 h concentration, it was highest in summer and decreased sequentially in spring, autumn, and winter, while both O₃-8 h concentration and the number of days exceeding the standard peaked in June. In terms of spatial characteristics, the O₃ concentration was generally lower in northern than in southern China, and lower in western than in eastern China. The areas with high concentrations were concentrated in southern Henan Province. (2) The O₃-8 h concentration was significantly negatively correlated with the precursor NO₂ and CO concentrations. (3) From the perspective of meteorological factors, O₃-8 h concentration was positively correlated with air temperature and negatively correlated with relative humidity, indicating that high temperature (≥26 ℃) and low humidity (≤40%) were favorable for the increasing of O₃-8 h concentration. Affected by the prevailing northerly winds in autumn and winter, the O₃-8 h concentration in Henan Province showed a spatial pattern of low values in the north and high values in the south in autumn and winter, and the prevailing southerly wind in summer was conducive to the formation and maintenance of O₃ in Henan Province. (4) In the summer of 2019, the main source areas of O₃ and precursors increased gradually and changed from both inside and outside the province to mainly outside the province. Affected by the boundary cities and topographic conditions, O₃ in Henan Province accumulated locally in summer. The study shows that the near-surface O₃ pollution in Henan Province has significant spatial and temporal distribution characteristics, the pollution degree is generally reduced. The precursors of O₃ and meteorological factors (temperature, relative humidity, wind) have significant effects on O₃, and O₃ transport paths and potential sources change with time in summer.      

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.      

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

基于走航观测的长江三角洲地区大气污染特征及来源追踪

为了加强对长江三角洲地区大气污染分布特征和输送规律的认识,利用移动车载设备开展了不定期的走航观测,重点研究了2016-2018年冬季灰霾污染和春季光化学污染条件下长江三角洲地区的大气污染特征.结果表明,走航观测期间长江三角洲地区PM_2.5日均浓度为60~122 μg/m³,东部的常州、无锡一带,西部的合肥、芜湖地区,北部蚌埠、滁州一带,南部湖州、杭州地区的PM_2.5浓度较高,比其他地区高出20%~40%.O₃日均浓度水平为9~52 μg/m³,苏州、盐城、宣城与湖州地区浓度相对较高.运用FLEXPART_WRF模式,结合PM_2.5排放清单,分析了走航观测期间长江三角洲地区及沿线城市PM_2.5的潜在来源.结果发现,东风条件下,南通及上海地区为PM_2.5的潜在源区,北风条件下,连云港、盐城等地区贡献较大.运用FLEXPART前向轨迹计算模块,对一次污染个例过程进行了模拟,并利用走航观测结果进行了验证,发现模拟结果与走航观测结果的相关系数达到0.9.可见,长江三角洲地区存在区域性的PM_2.5和O₃污染,走航观测结合轨迹分析是追踪污染气团输送的有效手段.     

广东省夏秋季光化学反应活性空间分布表征

于夏末秋初在深圳市城市和郊区开展了大气OH自由基观测,结果显示OH自由基日间峰值平均浓度分别为6.0×10⁶cm^-3和5.9×10⁶cm^-3,与国内外其他地区相比处于中等水平.基于实测数据构建了拟合效果较好的本地化OH自由基参数化公式,应用于广东省OH自由基空间分布的表征,并进一步利用日间OH和NO₂浓度之积反映光化学反应活性(AP).结果发现,2018年夏秋季广东省大气光化学反应活性总体上呈现珠江三角洲较高,AP达10.1×10⁷μg/(m³·cm³),粤东、粤西、粤北地区较低的分布态势,AP分别为5.4×10⁷, 5.9×10⁷和7.7×10⁷μg/(m³·cm³);同期的PM_2.5和O₃高值区域也集中在珠江三角洲,说明了调控光化学反应活性对珠江三角洲协同控...     

2015—2020年湖北省PM2.5和臭氧复合污染特征演变分析

为揭示湖北省PM_2.5和臭氧(O₃)复合污染演变特征,基于湖北省17个地市的空气质量国控点和武汉市大气超级站组分监测数据,全面分析湖北省17个地市2015—2020年PM_2.5和O₃的时空变化特征及相关关系,探讨PM_2.5和O₃协同效应的成因机理. 结果表明:①2015—2020年,湖北省PM_2.5显著改善,平均降幅为4.7 μg/(m3·a),但冬季负荷仍较高,主要集中于中部地区;O₃污染凸显,平均增幅为3.8 μg/(m3·a),污染集中在4—10月的暖季,东部地区最严重,近两年超标天数已与PM_2.5相当. ②湖北省PM_2.5和O₃关联日趋密切,协同效应显著,日评价指标显示夏季二者呈显著正相关(相关系数为0.57),近两年当PM_2.5浓度≤50 μg/m3时,相关系数高达0.63;冬季PM_2.5浓度与O_x(O₃+NO₂)浓度呈正相关,尤其2020年东部城市二者相关性高达0.46,显示大气氧化性对PM_2.5二次污染的重要性. ③以武汉市为例,归纳PM_2.5和O₃复合污染的成因,暖季低PM_2.5背景下,高温、中等湿度和弱风速的气象条件以及VOCs和NO_x等前体物的高浓度排放,使得受VOCs主控的光化学反应加剧,易造成O₃污染,从而加强PM_2.5二次生成;冬季高的大气氧化性,叠加不利气象条件,促进颗粒物的二次生成,导致重污染时PM_2.5组分以硝酸盐等二次无机组分为主. 研究显示,湖北省PM_2.5和O₃协同控制重点为,在保持现有NO_x控制力度基础上强化VOCs控制,遏制暖季和东部区域O₃浓度上升,加强冬季和中部PM_2.5治理.      

基于微气象学方法的麦田CO2和O3通量的观测与模拟

利用涡度相关技术对长江三角洲地区冬小麦麦田白天时段CO₂和O₃通量进行连续观测,分析其变化特征.引入并参数化Jarvis乘法模型,预测冬小麦冠层尺度CO₂和O₃通量.结果表明：整个观测期间,麦田CO₂浓度和通量的范围分别为372.3~487.1μL/L和-0.4~-40.3μmol/（m²·s）,均值分别为402.6μL/L和-13.4μmol/（m²·s）.O₃浓度和通量的范围分别为4.6~116.6nL/L和-0.2~-20.7nmol/（m²·s）,均值分别为50.9nL/L和-6.8nmol/（m²·s）.CO₂和O₃通量最高值出现在冬小麦的孕穗期和开花期,该时期冬小麦光合能力最强,对CO₂与O₃的吸收最大.冬小麦CO₂和O₃通量总体上呈相似的日变化模式,上午CO₂通量明显高于下午,上午O₃通量却低于下午.温度、水汽压差、光合有效辐射、物候期等环境因子驱动下的冬小麦冠层通量与叶片气孔导度具有相似的限制机制,利用修订后的Jarvis乘法模型模拟了CO₂和O₃通量,并与实测值进行对比验证,表明修订后的模型分别解释了CO₂和O₃通量62%和60%的变异性,适用于本地冬小麦CO₂和O₃通量的模拟.