2015—2021年广州地区近地面O3浓度污染特征及其与气象因素关系

利用2015—2021年广州地区近地面逐时臭氧（O₃）观测资料及同期地面气象站常规观测数据,分析了广州地区近地面O₃浓度污染特征及其与气象因素的关系.结果表明：2015—2021年广州地区O₃浓度呈缓慢上升趋势,增速为1.9 μg?m^-3?a^-1,2015和2019年O₃浓度超标天数 最多;O₃平均浓度季节变化明显：秋季＞冬季＞夏季＞春季;O₃浓度空间分布不均匀,城郊地区高于中心城区;峰值中心位于城郊地区白云区,低值中心位于中心城区荔湾区.O₃浓度高峰期是7—10月,9月浓度最高,3月浓度最低;四季O₃浓度日变化均呈“单峰型”结构,最低值出现在7：00—8：00,14：00—16：00达到峰值.近地面O₃平均浓度和O₃超标率均与气温呈正比,当气温＞15 ℃开始出现臭氧超标现象.相对湿度＜50%时,O₃超标率与相对湿度呈正比;相对湿度为40%~50%时,O₃超标率达峰值为16.3%.当风速＜2 m?s^-1时,O₃超标率与风速呈正比;当风速＞ 2 m?s^-1时,O₃超标率与风速呈反比.高温、低湿、风小是广州地区产生高浓度O₃的主要气象因子.     

基于广州塔多层观测的城市臭氧污染垂直分布特征及成因分析

利用2019年11月1日—2020年4月30日广州主城区和广州塔121 m、454 m O₃浓度同步监测数据,分析了广州市O₃垂直污染分布特征及成因.结果表明：①近地面O₃浓度变化主要取决于人类活动如工业排放和机动车尾气排放等,而高空O₃浓度主要取决于天气过程,如辐射造成光学反应加剧和区域传输.②地面的O₃浓度高于垂直观测站点,其日变化均呈单峰型分布,表现为日出后太阳辐射增强O₃浓度升高,在午后14：00—15：00达到一日中的最高值.③广州塔454 m的O₃浓度日变化呈明显的双峰型特征,第1个峰值出现早上7：00后,O₃浓度随着日出后边界层混合抬升而升高,第2个峰值持续出现在午后,因高温、辐射导致的光化学反应剧烈生成.相对广州其他站点的第2峰值滞后的现象,可能是由于近地面臭氧生成后垂直传输到塔顶出现的垂直混合的时间差,受到边界层抬升强度不同的影响.④广州塔121 m站点,O₃浓度与风速的关系非常明显,广州南部地区臭氧贡献度达到了45%.在广州的冬季和春季,其中尤以冬季12—1月,广州臭氧污染贡献源广州塔中可能 来自于南部,广州塔顶454 m来自于东南部.     

气象条件和排放变化对江苏省2015—2019年臭氧浓度年际变化的影响研究

使用精细化江苏省大气污染物排放清单和化学传输模式（WRF-CMAQ）模拟2015—2019年全省臭氧（O₃）的时空分布和变化特征;基于不同模拟情景下O₃浓度年际变化指标（MAD、APDM和增长速率等）量化气象条件和排放变化对江苏省O₃浓度年际变化的贡献;采用空间相关性分析法初步确定影响O₃浓度变化的具体气象参数.结果表明：2015—2019年,江苏省O₃浓度逐年增高,呈春夏高、秋冬低,南部低、沿海高的时空分布特征.气象因素对江苏省O₃浓度变化的贡献为58%,排放贡献为36%;其中,苏南地区受排放的影响（35%）高于气象影响（30%）,而苏中、苏北地区主要受气象因素影响.江苏省在春季、夏季和秋季的O₃浓度年际变化主要受气象因素影响;冬季时,排放因素的影响略高于气象因素.温度和边界层高度是影响江苏省O₃浓度年际变化的重要气象参数.     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

基于卫星和地面监测的河西走廊O3浓度时空分布及潜在源区分析

基于2005~2020年OMI遥感卫星O₃柱浓度数据,结合河西走廊地区10个国控点环境自动监测站大气污染物数据和全球资料同化系统（GDAS）气象资料,利用克里金插值法、相关性分析和后向轨迹（HYSPLIT）模型,探讨河西走廊近地面O₃时空分布特征、气象因素、传输路径和潜在来源.结果表明：①从时间变化来看,O₃柱浓度在2005~2010年和2014~2020年呈上升趋势,2010~2014年呈下降趋势,2010年和2014年分别达到最大值和最小值,分别为332.31 DU和301.00 DU,季节变化表现为春季和冬季明显大于夏季和秋季.②在空间分布上,O₃柱浓度大体呈现由西南向东北递增的纬向带状分布特征,高值区主要分布在地势低平的城市区域,中值区呈纬向带状与祁连山山麓走向基本一致.③气象条件分析发现,温度、风速和日照时数与O₃呈现正相关,相对湿度与O₃呈现负相关.④通过对武威市模拟受点气流输送轨迹发现,O₃输送路径方向较为单一,各季节的主导气流均以西部和西北部为主,所占比例分别为71.62%、66.85%、61.22%和77.78%;O₃潜在贡献源区存在一定的季节差异：春季、夏季和秋季的O₃潜在源高值区域均分布于白银市和兰州市等地,为东南风源,冬季高值区分布于巴丹吉林沙漠和腾格里沙漠之间,为北风源.     

2015~2021年陕西关中城市群臭氧污染变化趋势

基于2015~2021年环境监测数据和气象再分析资料,利用Mann-Kendall检验法和Sen斜率法等统计手段揭示了陕西关中城市群臭氧（O₃）浓度时空变化特征和年际变化趋势,并从气象、排放源和区域传输等方面分析了趋势形成的原因.结果表明：①2015~2021年,关中城市群O₃浓度评价值（MDA8第90百分位数）最高的城市是咸阳市,浓度评价值多年平均值为162 μg·m^-3,O₃浓度平均值（MDA8年均值）和O₃浓度背景值（MDA8第5百分位数）最高的城市是铜川市.②关中城市群O₃浓度表现为单峰型日变化特征,并呈现夏季>春季>秋季>冬季的年变化特征.夏季咸阳O₃浓度平均值最高,其他季节铜川O₃浓度平均值最高.③2015~2021年,陕西关中城市群O₃浓度背景值呈现出上升趋势,区域浓度背景值平均上升速率为2.20 μg·（m³·a）^-1,但是O₃浓度评价值并未表现出有统计显著性的变化趋势.此外,关中城市群O₃浓度变化趋势与季节密切相关,其中冬季O₃浓度上升趋势显著,其他季节大部分城市O₃浓度无明显变化趋势.④关中城市群及周边地区挥发性有机物（VOCs）减排幅度普遍小于氮氧化物（NO_x）的不合理减排结构、滴定效应减弱以及区域传输等因素共同作用,导致关中城市群冬季O₃浓度升高.     

长三角地区近15年大气臭氧柱浓度时空变化及影响因素

基于OMI遥感数据,分析了2005-2019年长三角地区O₃柱浓度的时空分布特征及影响因素,同时采用后向轨迹（HYSPLIT）模型进行对流层O₃来源的解析.结果表明：1从时间分布来看,15年间O₃柱浓度年际变化呈先上升后下降的变化趋势,其中,2005-2010年呈上升趋势,2010-2019年呈下降趋势,2010年和2016年分别达到最大值和最小值,分别为327.79 DU和276.43 DU;季节方面,每年季均浓度值均为春季最大,冬季最小.2在空间分布上,O₃柱浓度高值区在长三角中部及以北地区,且由北向南逐渐降低;四季分布有明显变化,15年的平均季均浓度为春季>夏季>秋季>冬季,高值主要出现在春季,低值出现在冬季.3气象因子上,O₃柱浓度与气温、降水、风速、日照时间呈正相关（p<0.05）,与气压呈负相关（p<0.05）.人为因素上,O₃柱浓度与人口、第二产业及煤炭消费总量呈正相关.4通过不同高度模拟受点气流输送轨迹发现,上海市不同高度的气流轨迹与输送路径相差不大,均能反映O₃的来源与扩散方向.来自华北、黄海地区与西南方向及东海上空的气流汇聚是造成春季O₃柱浓度升高的主要原因,冬季O₃柱浓度低主要是因为来自华北地区高压气流对O₃的扩散作用.5O₃柱浓度与其他物质的空间对比分析显示,NO₂柱浓度、AOD指数、HCHO柱浓度均是影响O₃柱浓度空间分布的重要原因;该地区O₃前体物氮氧化物（NO_x）是引起O₃柱浓度增长的主要原因,两者之间呈显著正相关（p<0.01）;机动车尾气排放对O₃柱浓度水平的贡献不可忽视.长三角地区挥发性有机物（VOCs）是造成O₃柱浓度升高的又一重要原因,其中,人为源是主控原因,占总贡献量的96.9%,植物源占3.1%;人为源中,工业源和生活源贡献较大.     

2010—2016年上海城区臭氧长时间序列变化特征初探

基于2010—2016年上海城区近地面大气臭氧（O₃）的连续在线观测数据，研究了上海城区O₃长时间序列变化规律和污染特征.结果表明，近7年来上海城区O₃污染逐渐凸显，但总体以轻度污染为主，7—8月高温炎热季节以中度污染居多.城区O₃-8 h（臭氧日最大8 h滑动平均）年均增速为3.81 μg·m^-3·a^-1，99%和95%分位值增速较快，分别为6.65和4.94 μg·m^-3·a^-1；25%、50%和75%分位值的增速在3.06~4.45 μg·m^-3·a^-1之间.春季O₃浓度均值较高，年际变化小；夏季极值较高，且污染超标情况最为突出；秋季O₃浓度次于春、夏季，冬季最低；夏、秋和冬季O₃浓度总体呈上升态势.O₃日变化呈"单峰型"，最大值出现在13：00左右，且峰值逐年增加，污染持续时间变长，最小值出现在早晨7：00.城区O₃"周末效应"逐渐减弱.基于KZ过滤器方法的数据分析结果表明，上海城区O₃-8 h长期变化主要受O₃-BF（O₃-8 h的基准组分）影响；O₃-SF（O₃-8 h的天气影响组分）在5—9月对O₃-8 h影响较大，其范围为-98.85~139.60 μg·m^-3.     

河南省18个城市大气污染物分布特征、区域来源和传输路径

河南省大气污染严重且与周边区域污染传输及交互影响明显,以2017年1、4、7和10月为研究对象,将河南省内18个地市的排放源分别标记,并应用于WRF-CMAQ溯源模型进行模拟.污染物分布结果表明,由于排放和气象的共同影响,河南省PM_2.5、NO₂和SO₂浓度表现为冬季最高,夏季最低.O₃-8h浓度的季节变化则为夏季最高,春季次之,冬季最低.不同季节间污染物浓度差距较大,河南省PM_2.5、NO₂和SO₂冬季浓度平均值分别是夏季的4.17、4.12和6.24倍,而O₃-8h在夏季的浓度是冬季的2.24倍.由于PM_2.5、NO₂和SO₂与一次排放关系密切且具有一定的同源性,这3种污染物的高值分布为北高南低,季节趋势较为一致.而O₃-8h季节分布差异较大,夏季气象条件有助于O₃的生成,O₃-8h高值主要分布于河南省东北区域;冬春秋季由于气象条件的抑制和NO_x的消耗O₃-8h高值主要分布在河南省的南部.传输结果表明,冬季省外传输和天然源对河南省PM_2.5、O₃-8h、NO₂和SO₂浓度的贡献率都是最大的,分别为36.20%~72.32%、77.96%~96.08%、49.45%~78.80%和59.05%~88.85%.在仅考虑本地排放和省内传输时,夏季河南省内各市的排放对本地4种污染物浓度的贡献率均为最高;春季省内传输对各市PM_2.5和O₃-8h浓度的贡献率较大,分别为25.63%~74.69%和30.21%~80.01%,冬季省内传输对各市NO₂和SO₂浓度的贡献率较大,分别为26.02%~76.96%和20.30%~82.34%.河南省内PM_2.5、NO₂和SO₂的传输路径相似,冬季多由北向南传输,春季多由西向东,西南向东北传输,夏季多由西南向东北传输,秋季多由北向南传输,但PM_2.5的传输更加复杂.而O₃-8h传输路径与其他3种较为不同,特别是在秋季O₃-8h由西南向东北的传输路径明显.     

泰山顶臭氧及其前体物一氧化碳浓度变化规律

监测泰山顶O₃及其前体物CO的浓度,分析O₃和CO浓度的变化规律及其相关性.结果表明,泰山顶O₃小时平均浓度超过国家一级标准的频率为15.81%,CO小时平均浓度均达标;O₃浓度的日变化幅度较小,说明该地区受周围工业污染影响较小;O₃和CO浓度的日变化均呈一高一低的双峰型变化规律,二者具有很好的相关性,O₃浓度峰值一般滞后于CO,该区域O₃及其前体物CO浓度的变化主要受局地光化学过程控制;O₃浓度与CO浓度的日际变化的相关性也较好.     

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.      

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.     

海南省背景区域臭氧及其前体物污染特征

基于2019年五指山背景点、海口市和三亚市的环境空气自动监测数据和气象观测资料,分析了海南省背景区域和重点城市O₃及其前体物NO₂污染特征;结合挥发性有机物（VOCs）在线监测数据,分析了五指山背景点VOCs的时间变化规律、O₃浓度高值月份O₃及其前体物VOCs和NO_x的污染特征以及VOCs的臭氧生成潜势（OFP）.结果表明,O₃是影响五指山背景点空气质量的关键污染物,五指山背景点O₃日最大8 h浓度平均值与海口市和三亚市显著相关.背景点NO₂月均浓度水平显著低于城市点,然而背景点和城市点O₃月均浓度水平和变化趋势高度一致.背景点O₃变化与风向密切相关,春夏季偏南风频率较高,O₃浓度相对较低;秋冬季以东北风为主,易受内陆污染输送影响,O₃浓度较高.五指山背景点春夏季VOCs体积分数低于秋冬季,但对应的OFP高于秋冬季;其中异戊二烯夏季体积分数显著高于秋冬季,且其夏季体积分数占总挥发性有机物的比例最高,对应的OFP贡献率可达70%以上,O₃则表现出秋冬季显著高于夏季的特征.11月O₃高浓度时段乙炔和芳香烃的体积分数较清洁日出现较大上升,同时其对应的OFP显著上升.VOCs优势物种和OFP主要贡献物种的分析结果表明,O₃高浓度时段机动车尾气和油气挥发排放源对五指山背景点VOCs的化学组成和OFP有重要贡献.     

广州地区SO42-、NO3-、NH4+与相关气体污染特征研究

本文获得了2009年12月1日至2011年12月31日广州二次无机离子(SO2-4、NO-3、NH+4)及相关反应性气体(NOx/SO2/HNO2/HNO3等)的小时浓度数据,并分析了其污染特征.研究结果表明:PM2.5的浓度季节变化特征为冬秋春夏,SO2-4的浓度季节变化特征为秋冬春夏,NH+4的为冬秋春夏,NO-3则为冬春秋夏,SO2-4、NO-3和NH+4之和占PM2.5的比重大小为秋夏春冬;硫氧化率(SOR)均大于0.1,秋冬季节的值高于春夏季节,与SO2-4的浓度变化趋势一致;氮氧化率(NOR)日变化呈单峰形式,最大值出现在06时,最小值出现在14时,春冬季节的值高于夏秋季节,与NO-3的浓度变化趋势一致;广州地区NH3/NH+4除10—12月外,其月均值均大于1;在典型过程中,SO2-4、NO-3、NH+4、SOR、NOR和NH3/NH+4与能见度的变化都存在较好的对应关系,说明广州地区低能见度与二次离子(SO2-4、NO-3、NH+4)的生成有关.     

岗南水库沉积物间隙水有色溶解有机物的时空分布特征及差异分析

有色可溶性有机物(CDOM)作为溶解性有机物的重要组分,影响着水体中污染物质的形态特征和迁移转化过程.本研究运用紫外-可见光谱技术(UV-vis)以及三维荧光光谱(EEMs)技术结合平行因子分析法(PARAFAC),对岗南水库自入库河口到坝前主库区四季演变过程中沉积物间隙水CDOM的分布、光谱特征以及来源进行解析.结果表明,岗南水库沉积物间隙水CDOM的相对浓度a_(254)、a_(260)、a_(280)和a_(355)存在显著的季节差异,并且相对浓度大小为夏季春季秋季冬季;沉积物间隙水CDOM的E2/E3、E3/E4、E4/E6以及S_R存在显著的季节差异,呈现冬季高夏季低的特征;秋冬季的E2/E3以及E3/E4明显高于春夏季,并且秋冬季的E3/E4大部分均大于3.5,表明秋冬季沉积物间隙水CDOM具有更小的分子量和更低的腐殖化程度;三维荧光光谱通过PARAFAC解析出3种组分,分别为类酪氨酸(C1)、短波类富里酸(C2)和降解的腐殖类物质(C3),并且3种荧光组分间具有显著的正相关性(P0.001);岗南水库沉积物间隙水的CDOM总荧光强度和各荧光组分荧光强度呈现显著的季节差异,总荧光强度以及各组分的荧光强度呈现春季的最高、秋冬季次之、夏季最低的分布特征;秋冬季各个荧光组分占比不存在显著差异,春夏季各个荧光组分占比不存在显著差异,秋冬季与春夏季各个荧光组分占比存在显著差异;秋冬季沉积物间隙水CDOM生物源指数(BIX)和荧光指数(FI)均高于春夏季,表明秋冬季CDOM的自生源强于春夏季,与腐殖程度指标(HIX)的结果相吻合;PCA结合Adonis分析显示沉积物间隙水CDOM的光谱特征呈现显著的季节差异(P0.001);并且组分C1、C2、C3以及水质参数[氨氮、硝氮、亚硝氮、溶解性总氮以及溶解性总磷]均有很好的线性回归方程.综上,通过对岗南水库沉积物间隙水CDOM光谱特征进行研究,可以为分析岗南水库有机物污染特征和水质管理提供技术支持.     

海陆风对天津市PM2.5和O3质量浓度的影响

静稳天气下局地环流往往会对污染物的传输扩散起重要作用.根据天津市地处渤海西岸,常年受到海陆风影响的特点,综合气象、环境资料及HYSPLIT模型,针对沿海、市区、城郊、山区等代表性站点,研究了海陆风对天津市ρ（PM_2.5）和ρ（O₃）的影响.结果表明:①2015年天津市海陆风天数为78 d,占全年的22%;海陆风多集中于6-9月,其中,7月海陆风日最多、2月最少.②ρ（PM_2.5）和ρ（O₃）季节性变化和空间分布特征不同.春、夏两季ρ（PM_2.5）山区最高、城郊最低;秋、冬两季ρ（PM_2.5）市区最高、山区最低.春、秋两季ρ（O₃）沿海最高、市区最低;夏季ρ（O₃）山区最高、沿海最低.③海陆风对ρ（PM_2.5）有扩散作用,对ρ（O₃）有增加作用.海陆风对沿海ρ（PM_2.5）扩散作用最为明显,致使冬、秋两季ρ（PM_2.5）分别下降20.2%和7.9%;对城郊ρ（O₃）增加作用最为明显,致使秋、夏两季ρ（O₃）分别升高39.8%和16.2%.④个例研究表明,海风向内陆推进过程中垂直方向最高可达1 000 m,受海风影响天津市ρ（PM_2.5）下降,陆风使得ρ（PM_2.5）小幅上升,海陆风总体起扩散作用;海陆风使天津市ρ（O₃）日变化出现3个峰值,日均值明显增大,其中,城郊增幅（68.2%）最大.研究显示,海陆风对天津市ρ（PM_2.5）有扩散的作用,但会增高ρ（O₃）.      

Observations of atmospheric pollutants at Lhasa during 2014–2015: Pollution status and the influence of meteorological factors

Atmospheric pollutants including SO₂, NO₂, CO, O₃ and inhalable particulate matter (PM_2.5 and PM₁₀) were monitored continuously from March 2014 to February 2015 to investigate characteristics of air pollution at Lhasa, Tibetan Plateau. Species exhibited similar seasonal variations except O₃, with the peaks in winter but low valleys in summer. The maximum O₃ concentration was observed in spring, followed by summer, autumn, and winter. The positive correlation between O₃ and PM₁₀ in spring indicated similar sources of them, and was assumed to be turbulent transport. Temperature was the dominant meteorological factor for most species in spring. High temperature accelerates O₃ photochemistry, and favors air disturbance which is conductive to dust resuspension in spring. Relative humidity (RH) and atmospheric pressure were the main meteorological factors in summer. RH showed negative correlations with species, while atmospheric pressure posed opposite situation. Wind speed (WS) was the dominant meteorological factor in autumn, the negative correlations between WS and species indicated diffusion by wind. Most species showed non-significant correlations with meteorological factors in winter, indicating the dependence of pollution on source emission rather than restriction by meteorology. Pollution weather character indicated that emissions were from biomass burning and dust suspension, and meteorological factors also played an important role. Air stream injection from the stratosphere was observed during O₃ pollution period. Air parcels from Southwest Asia were observed during air pollution period in winter. An enhancement in air pollutants such as O₃ would be expected in the future, more attention should be given to countermeasures for prevention of air pollution in the future.     

辽宁省典型城市空气质量现状与污染原因分析

根据中国环保部大气环境公报数据显示,截至2013年,中国城市环境空气质量仍然不容乐观。为全面了解辽宁省环境空气质量变化及其影响因素,以沈阳、大连、鞍山、抚顺、锦州5个典型城市的颗粒物监测数据为基础进行分析,主要探讨TSP、PM10、PM2.5及臭氧8小时对城市大气污染的影响。结果表明,5城市TSP、PM10、PM2.5均超过国家环境空气质量二级浓度限值,分别超过0.14~0.44倍、0.57~0.91倍及0.96~1.53倍,臭氧8小时未超过。从季节变化来看,5城市TSP、PM10、PM2.5浓度大体上呈现冬、春季较夏、秋季高的趋势,臭氧8小时浓度值春、夏两季比秋、冬两季高。5个城市大气颗粒物中的Pb、Zn元素含量最高,金属元素主要富集在PM2.5中。除TSP、PM10、PM2.5对城市空气质量造成严重污染外,臭氧8小时浓度对于城市空气质量的影响将逐渐超过细颗粒物,可能成为污染城市空气质量的主要污染物。     

Seasonal and diurnal variations of atmospheric peroxyacetyl nitrate, peroxypropionyl nitrate, and carbon tetrachloride in Beijing

Atmospheric peroxyacetyl nitrate(PAN), peroxypropionyl nitrate(PPN), and carbon tetrachloride(CCl4) were measured from September 2010 to August 2011 in Beijing. PAN exhibited low values from mid-autumn to early spring(October to March) with monthly average concentrations ranging from 0.28 to 0.73 ppbV, and increased from early spring to summer(March to August), ranging from 1.37–3.79 ppbV. The monthly variation of PPN was similar to PAN, with low values(below detection limit to 0.18 ppbV) from mid-autumn to early spring, and a monthly maximum in September(1.14 ppbV). The monthly variation of CCl4was tightly related to the variation of temperature, exhibiting a minimum in winter(69.3 pptV) and a maximum of 180.6 pptV in summer. Due to weak solar intensity and short duration, PAN and O3showed no distinct diurnal patterns from morning to night during winter, whereas for other seasons, they both exhibited maximal values in the late afternoon(ca. 15:00 to 16:00 local time) and minimal values during early morning and midnight. Good linear correlations between PAN and PPN were found in autumn(R = 0.91), spring(R = 0.94), and summer(R = 0.81), with slopes of 0.130, 0.222, and 0.133, respectively, suggesting that anthropogenic hydrocarbons dominated the photochemical formation of PANs in Beijing. Positive correlation between PAN and O3 in summer with the low slopes( O3 / PAN) ranging from 9.92 to 18.0 indicated serious air pollution in Beijing, and strong negative correlation in winter reflected strong O3consumption by NO titration and less thermal decompositin of PAN.