芜湖市臭氧污染特征及气象成因分析

文章基于芜湖市2019年环境空气质量监测数据及同期气象观测资料分析了芜湖市臭氧污染时空分布特征及气象成因。结果表明,2019年芜湖市由O_3导致污染天数占比高达54.9%,O_3已成为影响芜湖市环境空气质量的首要污染因子,但以轻度污染(91.1%)和中度污染(8.7%)为主,极少发生重度及以上污染(0.2%)天气。2019年各县(市)区O_3第90百分位浓度范围为172～196μg/m~3,整体呈"周边高于中心"的空间分布规律,湾沚区、繁昌区和无为市的O_3浓度相对较高。季节上呈夏季(195μg/m~3)秋季(166μg/m~3)春季(159μg/m~3)冬季(85μg/m~3)的分布规律,逐月O_3浓度呈"倒U型"分布,5-9月为O_3污染的高发时段。日变化O_3浓度呈典型的"单峰分布",在16:00左右达到峰值;NO、NO_2和CO浓度则呈"双峰分布",在08:00和20:00达到峰值。气温、湿度、风速、风向均是影响芜湖市O_3浓度的重要气象因子,O_3浓度与气温呈"正相关"关系,与湿度呈"负相关"关系,Pearson系数分别为0.58和-0.56。高温低湿的气象条件更加有利于O_3的生成与积累,当气温为25～40℃,湿度为20%～60%时,易出现O_3超标现象,超标率为41.0%～71.8%。当风速为2～4 m/s,主导风向为东北、偏东及西南方向时,O_3浓度相对较高,各地O_3浓度高值所在风向与前体物高排放企业分布方向呈高度一致性,东北、东部及西南方向的污染源排放对芜湖市臭氧污染影响较大。     

葫芦岛近地面臭氧变化特征分析研究

为进一步了解葫芦岛地区臭氧污染,以该市2014年-2016年臭氧(O_3)监测数据为基础分析了O_3浓度变化特征。结果表明:葫芦岛市O_3污染有明显的加重趋势;O_3污染天气集中出现在4～10月;O_3浓度的日变化特征呈现单峰分布,峰值出现在15:00,谷值出现在06:00; O_3前体物(NO、NO_2、CO)浓度休息日低于工作日,O_3浓度休息日高于工作日。日间为环境监测和预报的关键时期。     

西安地区夏季臭氧的模拟研究

本文利用WRF-CHEM模式对关中地区2015年7月25日至30日的一次O_3污染事件进行了数值模拟。通过与地面观测数据对比发现,WRF-CHEM模式基本上可以合理模拟西安和咸阳城市群O_3和NO_2的质量浓度的时空分布。敏感性试验表明,在臭氧生成的峰值期(12:00—18:00 LT),交通源是城市重要的O_3源,无论在高浓度臭氧条件下还是低浓度臭氧条件下,贡献量都高于15μg?m~(-3),平均贡献量均高于24μg?m~(-3);工业源仅在臭氧峰值生成时期贡献明显;生物源无论在高浓度还是低浓度臭氧的条件下,平均贡献都在16μg?m~(-3)以上;居民源的贡献基本低于10μg?m~(-3);能源生产源有降低O_3质量浓度的作用,但在臭氧生成的峰值时期,能源生产源可以增加O_3质量浓度。随着交通源排放量的增加,O_3的质量浓度逐渐增加,尤其在臭氧的峰值期。在臭氧生成峰值期,当氮氧化物(NOx)减少50%时,除城市中心臭氧浓度略增加,其他地区臭氧质量浓度均在下降;当挥发性有机物(VOCs)减少50%时,城市群内臭氧质量浓度都在下降;当NO_x和VOCs同时减少50%时,臭氧质量浓度都呈现下降趋势,减少量可达20μg?m~(-3)以上。在整个研究区域内,H_2O_2/HNO_3比值均在0.6以上,这表明西安和咸阳城市群属于NO_x控制区。     

南京北郊大气臭氧周末效应特征分析

本研究根据2013-12-01~2014-11-30南京北郊臭氧(O_3)及其前体物(NO_x、CO、VOCs)的观测资料,分析了工作日与周末O_3、NO_x、CO和VOCs质量浓度变化的差异及成因.结果表明,南京北郊O_3具有明显的"周末效应":即工作日O_3质量浓度高于周末,前体物质量浓度的变化与之相反;O_3平均质量浓度分别为19.84μg·m~(-3)(冬季)、53.45μg·m~(-3)(春季)、57.17μg·m~(-3)(夏季)和40.43μg·m~(-3)(秋季),春季的周末效应较其它季节更为明显.NO_2/NO工作日与周末分别为3.63和3.46,工作日比周末高4.81%.工作日O_3累积时间更长,O_3累积速率更快,大气氧化性更强,是工作日O_3质量浓度高于周末的原因.VOCs、NO_x、NO和NO_2与O_3质量浓度的相关性均呈现出工作日大于周末的特点.     

潍坊市环境空气质量现状及变化特征研究

文章分析了潍坊市区大气环境空气质量时空分布特征,监测的污染物为PM_(10)、SO_2、NO_2、PM_(2.5)、O_3、CO共6项。2015～2017年SO_2和NO_2年均浓度基本呈下降趋势,均低于国家二级标准,SO_2/NO_2值呈逐年下降趋势;PM_(10)、PM_(2.5)浓度时间变化规律基本相同,呈现夏季浓度较低、冬季浓度较高;CO年均浓度呈小幅下降趋势;O_3-8 h年均浓度在109～119μg/m~3之间,臭氧的污染不容忽视。从空间分布来看,8个自动监测点位周边情况不同,均能反映其区域环境空气质量状况。     

兰州市区臭氧时空分布特征及气象和环境因子对臭氧的影响

s利用2014~2016年兰州市4个监测点O_3、NO_2和CO浓度实时监测数据和日平均气温、相对湿度、气压和风速气象观测数据,统计分析了近3年O_3的时空分布特征以及环境因子(NO_2和CO)和气象因子对兰州市区O_3浓度的影响。结果表明:兰州市区O_3浓度年变化特征呈倒U型结构,夏季最高,峰值出现在5月,为(65.6±16.9)μg/m~3。4个监测点中生物制品所的年平均浓度最高。O_3的日变化为单峰分布,午后浓度较高,兰炼宾馆监测点峰值出现时间比其他区域超前约2 h。NO_2和CO与O_3的年变化相反,均表现出U型结构的年变化特征,都在12月达到峰值,分别为(2.53±0.80)mg/m~3,(78.9±28.2)μg/m~3。而NO_2和CO浓度白天浓度高于夜间。O_3浓度都随着NO_2和CO浓度的增加呈现指数形式下降。兰州市高温低湿气象条件有利于O_3的前体物(NO_2和CO)转化形成O_3。兰州市区发生高浓度O_3的气象和环境条件主要为日均气温高于20℃,相对湿度位于40%~50%以及风速≤5 m/s;NO_2浓度低于20μg/m~3,CO浓度低于0.5 mg/m~3。     

乌鲁木齐市近地面O_3与前体物及颗粒物相关性分析

利用2016年10月~2018年2月乌鲁木齐市近地面O_3、PM_(2.5)、PM_(10)、NO_2、CO的连续观测资料,主要分析乌鲁木齐市O_3浓度的变化特征与部分前体物质、颗粒物之间的关系。结果表明:(1)2017年月分布:监测期间乌鲁木齐市O_3平均浓度为79.33μg/m~3,O_3浓度较高主要集中在6~9月份,其平均O_3浓度为121.14μg/m~3。O_3季平均浓度整体呈现出夏季春季秋季冬季。(2)时间分布上:O_3小时浓度的日变化分布呈现"单峰型"特点,且日间浓度明显高于夜间。一般在15∶00~16∶00左右达到峰值浓度;空间分布上:对照点浓度城区监测站点,城区外围站点浓度城区监测站点的特征。(3)在O_3与前体物CO、NO_2及与OX之间的关系中,O_3与CO、NO_2均呈显著的负相关关系,相关系数分别为-0.789(P0.01)、-0.871(P0.01),与OX呈显著正相关关系(r=0.985,P0.01)。(4)O_3与大气颗粒物PM_(2.5)、PM_(10)呈明显的负相关关系,其相关系数分别为-0.754(P0.01)、-0.718(P0.01)。     

中国中东部典型大城市近地面O_3浓度对比分析

利用2015年1月-2018年12月北京、广州、南京、武汉的O_3资料,分析对比了中国中东部城市O_3浓度变化特征。结果表明,各城市近地面O_3污染问题愈发严重,4年浓度均值南京(105.9μg/m~3)北京(100.7μg/m~3)武汉(92.7μg/m~3)广州(89.4μg/m~3);总超标率北京(19.5%)南京(15.8%)武汉(9.7%)广州(8.9%);O_3污染过程发生总次数北京(37)南京(29)广州(18)武汉(15),且北京、南京臭氧污染过程持续时间高于广州和武汉;北京O_3月均值变化呈单峰型,广州呈多峰型,南京、武汉呈双峰型。北京、南京、武汉春夏两季O_3浓度高于秋冬两季,广州为夏秋两季O_3浓度高于春冬两季;北京、广州、南京和武汉O_3日变化在4年内均呈单峰型,各城市O_3浓度在下午15-16时达到峰值,前体物浓度和光化学反应的差异是造成城市每年O_3浓度日变化不同的重要原因;随风速、相对湿度增加,4个城市O_3浓度均呈先增后降的特点,当风速4 m/s时,北京、南京O_3浓度仍处于较高水平;在低湿状态时,4个城市O_3浓度值偏高,当相对湿度70%时,O_3浓度均急剧下降;相比于广州,北京、南京和武汉O_3浓度对温度变化较敏感,其中以北京最为敏感。     

西安市主要大气污染物的观测分析研究

该文分析了西安地区的AQI指数以及PM_(2.5)、PM_(10)、CO、NO、O_3、SO_2 6种污染物浓度在2013年7月到2014年4月的每小时观测数据,利用统计方法研究了各污染物不同时间尺度(小时、日、周、月)的浓度变化特征,分析了各个污染物之间的相关系数,对各个污染物之间的相互关系和相互作用进行了探讨。结果表明,PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2的平均浓度和标准差分别为:(92.37±75.59)μg/m~3、(166.79±106.27)μg/m~3、(2.16±2.39)mg/m~3、(51.01±20.84)μg/m~3、(36.85±34.44)μg/m~3、(36.97±30.62)μg/m~3、(39.99±31.27)μg/m~3。PM_(2.5)、PM_(10)以及CO浓度都是在中午12时以及夜间12时左右达到峰值,在下午或傍晚达到低谷;O_3则是白天浓度高,夜间浓度低,清晨达到一天中的极小值;研究还发现,O_3浓度在周末要高于工作日,CO、SO_2却是周末浓度低于工作日浓度;PM_(2.5)和PM_(10)浓度都在冬季达到峰值,在夏季达到低谷,O_3浓度则是在夏季明显高于冬季。O_3与其他所有污染物之间都呈负相关,而其他污染物之间都是正相关。     

长沙市城区臭氧浓度特征研究

根据2014年4月至2015年3月湖南省长沙市城区10个监测点O_3小时浓度监测数据,综合分析了长沙市O_3的时空分布及其与前体物、气象要素相关关系。结果显示:监测期间长沙市城区O_3小时平均浓度为44.47μg/m~3,O_3高值浓度主要集中在5-9月份,季节分布上O_3平均浓度整体呈现出冬季春季秋季夏季的特征。日变化上O_3呈现倒U型分布,一般在15:00、16:00左右达到峰值浓度,日循环可分为4个阶段:即臭氧累积阶段、臭氧抑制阶段、臭氧光化学生成阶段、臭氧的消耗阶段。空间分布上整体呈现出对照点峰值浓度明显大于城市环境评价点,从城区外围站点浓度大于市中心点浓度特征。O_3的前体物CO、NO_2均呈现双峰型分布,其中O_3与CO、NO_2呈现显著的负相关关系;与气压、湿度呈负相关关系,与温度呈正明显相关关系。     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

河南省臭氧污染特征与气象因子影响分析

利用环境空气质量监测站和国家基准地面气候站数据,研究了2017年河南省臭氧(O_3)污染时空特征及其与颗粒物、前体物和气象因子关系.结果表明,河南省2017年O_3日最大8 h滑动平均值(MDA8)呈现夏季春季秋季冬季的特征,年均值为108μg·m~(-3);各地市均有不同程度O_3超标情况,其中,安阳超标天数高达88 d,信阳最少为17 d;春末夏初(5月和6月) O_3污染最为严重,O_3 MDA8月均浓度在140μg·m~(-3)以上,并在6月达到峰值;定性和定量分析显示O_3 MDA8月均浓度与颗粒物,O_3小时浓度与CO、NO_2呈负相关;不同季节、不同城市O_3MDA8与气象因子(日照时长、气温、降雨、能见度、相对湿度及风速)的相关性具有差异.     

安阳市近地面臭氧污染特征及气象影响因素分析

基于国控环境空气质量监测站数据分析了安阳市2014～2017年不同功能分区(城市、郊区和工业)点位的臭氧(O_3)污染特征和变化规律,并研究了O_3污染的气象影响因素和潜在源分布.结果表明,2014～2017年安阳市各站点O_3年均浓度上升明显,O_3超标日的出现从2015年开始不断提前,最早在2017年4月出现;工业区点位O_3第90百分位数和平均值增长最快,年均分别增长16. 0μg·m~(-3)和13. 0μg·m~(-3),郊区点位O_3第5百分位数增长最快,年均增长13. 2μg·m~(-3);安阳市O_3月变化呈"M"型,且具有明显的空间差异;温度对O_3浓度起主导作用;气温大于23℃、相对湿度小于58%和西南偏南方向5m·s-1风速与高浓度O_3污染密切相关;不同季节O_3潜在来源差异明显,夏季主要分布在河北南部、湖北北部和沈阳北部.2017年5月首次出现O_3重污染日,工业点位O_3小时平均浓度高达405μg·m~(-3),重污染事件与西部干热气团转移导致持续高温有关.     

交通源对西安夏季空气质量影响模拟研究

本文应用WRF-CHEM模式模拟分析了2016年6月西安市大气污染过程。模式准确地模拟了西安地区大气臭氧(O_3)、细颗粒物(PM_(2.5))以及二氧化氮(NO_2)的时空变化趋势,较好地再现了天气形势以及大气污染的演变过程。根据近年来西安市交通排放量的增加制定敏感性试验,结果表明:西安市20%交通排放量在研究时段内平均PM_(2.5)质量浓度贡献量为4.5μg?m~(-3),模拟时段内O_3平均贡献量为4.8μg?m~(-3),西安市20%交通排放量在研究时段内的平均NO_2贡献量为2.7μg?m~(-3),而且污染物浓度越高,交通源排放量的影响越显著。     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.     

江苏省臭氧时空分布及其前体物影响特征研究

为研究江苏省13市O_3污染时空分布特征,对江苏省72个国控站点2013-2015年监测数据进行了统计分析,并以南通为典型城市开展强化观测,研究其前体物对O_3的影响特征。结果表明:2013-2015年江苏省O_3日最大8 h平均值第90百分位数平均为139~167μg/m~3,是长三角O_3浓度最高、上升最快的区域。2015年O_3对空气质量不能达到优良的贡献为33%,比2013年上升23.5%。4-10月O_3污染最为严重,且近3 a出现高值的时间逐年拉长。南京市O_3浓度存在周末比工作日高的"周末效应",各点位周末O_3日最大1 h浓度比工作日平均高2.6~4.6μg/m~3,而周末NOx浓度相对较低。江苏省O_3最大8 h浓度呈现较为明显的片状分布特征,高值区分布在苏中、苏南内陆地区,低值出现在徐州、宿迁。O_3与NO_2、CO的日变化浓度呈显著的负相关,南通城区O_3的形成主要受VOCs控制,对O_3贡献最大的物种包括丙烯、二甲苯、乙炔、乙烷等。     

邯郸市大气PM_(2.5)成分空间分布研究

为研究邯郸市2015年PM_(2.5)的污染状况,采用河北工程大学监测站全年PM_(2.5)浓度和气象在线监测数据以及4个代表月4个站点离线采样成分数据,分析了PM_(2.5)的浓度水平与气象要素的关系以及其化学组分特征。结果表明:PM_(2.5)的年均浓度为91.14μg/m~3,最高达到706.56μg/m~3;不同相对湿度条件下,PM_(2.5)浓度对邯郸地区能见度有较大影响。此外,邯郸静风频率较大,全年东南风风速较小,PM_(2.5)污染相对更加严重;PM_(2.5)中主要化学成分为SO_4~(2-)、NO_3~-和NH_4~+、OC和EC,4个站点采样无显著差异性。     

典型时段西南地区PM_(2.5)及组分污染特征

选取西南地区为采样点,于2015年非重污染和重污染时期对环境PM_(2.5)进行采样,并对PM_(2.5)、水溶性离子和碳质组分的污染特征进行分析。结果显示:重污染与非重污染天PM_(2.5)质量浓度分别为(204.8±47.0)μg/m~3和(66.8±23.1)μg/m~3。重污染天气下SO_4~(2-)、NO_3~-和NH_4~+浓度分别是非重污染天气下的3.5,4.2,3.4倍,SIA浓度占PM_(2.5)的比例可高达42.2%。重污染期间OC和EC浓度分别是非重污染期间的4.8,2.7倍,SOC浓度在非重污染和重污染期间分别为(3.2±1.6),(25.6±15.2)μg/m~3,OC、EC较低的相关性也反映出重污染期间碳质组分来源的复杂性。     

重庆长寿区臭氧污染生成影响及潜源分析

文章基于2017-2020年长寿区及观测点位臭氧(O_3)及其前提物(NO_2和VOCs)以及气象因子(气温、相对湿度、风速、风向等)逐小时数据,分析了臭氧(O_3)及其前体物(NO_2和VOCs)污染物浓度年际及O_3污染典型期间的变化情况,讨论了O_3浓度与气象因子之间相关性,通过HYSPLIT后向轨迹和潜在源区贡献(PSCF)分析长寿区春、夏两季O_3潜在源区贡献特征。研究表明,O_3小时浓度160μg/m~3的超标小时浓度占比在2017-2019年呈逐年上升趋势,因新冠疫情影响2020年显著降低。全年O_3浓度高值区集中在4-9月,呈"夏高冬低"特征。O_3和NO_2的日变化特征反应了局地NO-NO_2转化与光化学生成的滴定作用。VOCs观测期内平均浓度为32.01×10~(-9)(体积浓度),较重庆市夏季VOCs偏高23.64%。O_3生成潜势贡献表现为含氧类VOCs芳香烃类烷烃烯烃卤代烃炔烃。O_3浓度与不同气象因子之间存在不同的相关性特征。该区域潜在源区具有明显季节性特征:春季主要位于涪陵、南川和巴南等区域;夏季主要集中在广安、江北、合川、渝北等一带。     

中国典型城市大气污染物浓度时空变化特征分析

利用2014年3月1日至2015年2月28日北京、广州和南京三市6种污染物浓度(PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3)的日平均数据,统计分析了三市各污染物浓度的变化特征及其与气象条件的关系。结果表明:(1)3个城市中,广州空气质量最好,南京次之,北京最差。广州优、良出现的天数最多,分别为98和222天,占全年的26.8%和60.8%,没有出现重度污染和严重污染的现象。北京优出现的天数为55天,高于南京的29天,但是中度污染、重度污染和严重污染天数要高于南京,分别为61、34和8天;南京则为30、14和0天,南京没有出现过严重污染。(2)整个1年间,北京PM_(2.5)、PM_(10)、SO_2、NO_2、O_3年平均浓度分别为80.5、112.9、16.8、53.4和57.3μg/m~3,广州平均浓度分别为45.9、67.2、16.6、45.7和47.9μg/m~3,南京平均浓度分别为70.6、120.1、21.5、50.3和54.9μg/m~3,北京、广州和南京CO年平均浓度分别为1.2、1.0和0.9mg/m~3。(3)上述三个城市PM_(2.5)日均值超标率分别为42.7%、7.9%和38.4%,而PM_(10)日均值超标率分别为23.0%、1.6%和25.2%,NO_2日均值超标率分别为14.0%、3.8%和7.1%,CO浓度仅北京超标,超标率为1.4%,3个城市SO_2无超标现象。(4)3个城市SO_2和NO_2均随风速的增大而减小。风速对广州CO浓度影响不大,而北京和南京CO浓度则随风速的增大而减小。风速越大,南京PM_(2.5)和PM_(10)浓度越小,但当风速≥4m/s时,北京PM_(10)和广州PM_(2.5)与PM_(10)浓度增加。此外,风向对污染物的传输也有影响。