京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、风（风速和风向）等气象要素的耦合关联关系.结果表明：京津唐地区近地面臭氧浓度每日7：00左右最低,午后达到最高;夏季臭氧浓度最高,且略有分区差异（北京呈现单峰型,6月臭氧浓度最高,天津和唐山呈双峰型,峰值分别出现在6月和9月）,冬季浓度最低,12月达到最低值.全区各季节浓度空间分布趋势较为一致,均呈现从西北向东南逐渐降低的趋势.影响京津唐地区近地面臭氧浓度的首要气象要素为温度,二者呈较大的正相关性,臭氧浓度与近地面压强存在一定的负相关性,而与蒸发量具有较小的正相关性,与风速、风向的相关性较为复杂,表现出明显的地区和风向差异性（在偏南风和强风条件下较易出现高浓度臭氧）,全年臭氧浓度与风速相关系数极低,呈不相关.全区分区（建成区与非建成区）近地面臭氧浓度与温度、压强、蒸发量、风速等的关联相关特性,虽然北京、天津和唐山各略有差异但基本一致.在不同气象要素分级组合协同条件下,臭氧浓度与温度、风速的相关性明显显著于其与蒸发量、压强的相关性,且存在在高压、较低蒸发量的气象条件下,臭氧浓度与温度的相关性随风速的增强（或减弱）而降低（或增强）,与风速的相关性随温度的升高（或降低）而减弱（或增强）的普遍现象;对于压强和蒸发量而言,臭氧浓度与二者的相关性普遍相对较低,且趋势特征不明显.     

北京地区边界层大气臭氧浓度变化特征分析

利用2001-03～2006-10的大气臭氧探空资料,分析了近6 a北京边界层（2 km以下）大气臭氧浓度的平均月变化和季节变化规律.结果表明,边界层大气臭氧浓度的月变化很明显,1月臭氧浓度最小,地面臭氧浓度不到10×10^-9(体积分数,下同),上层（即2 km）臭氧浓度也不到50×10^-9.而6月臭氧浓度最大,地面达到85×10^-9,上层大于90×10^-9.臭氧浓度具有明显的季节特征,从臭氧浓度值来看,冬季最小,夏季最大.从地面到上层的臭氧浓度的变化幅度来看,冬季变化最大,夏季变化最小.根据廓线变化方式,臭氧浓度廓线可分为3种类型,冬季型、夏季型、春秋季型.不同高度臭氧月平均浓度也明显不同.分析地面及上层臭氧浓度与气象因子如温度和湿度的相关关系,发现地面臭氧浓度与温度具有较好的线性关系,相关系数在0 .85以上.     

天水市环境空气中臭氧浓度特征分析

采用2015年天水市城区臭氧监测数据,分析了本辖区的臭氧浓度变化特征,结合气象数据分析了气象条件对臭氧浓度的影响。结果表明,臭氧浓度呈单峰形日变化特征,15时~16时值最大,6时~8时值最小,全年7月浓度最高;结合气象参数分析了温度、能见度、湿度对臭氧的影响,得出臭氧浓度与温度、能见度存在正相关性,与空气湿度存在负相关性的结论。     

天水市环境空气中臭氧浓度特征分析

采用2015年天水市城区臭氧监测数据,分析了本辖区的臭氧浓度变化特征,结合气象数据分析了气象条件对臭氧浓度的影响。结果表明,臭氧浓度呈单峰形日变化特征,15时~16时值最大,6时~8时值最小,全年7月浓度最高;结合气象参数分析了温度、能见度、湿度对臭氧的影响,得出臭氧浓度与温度、能见度存在正相关性,与空气湿度存在负相关性的结论。     

黄土高原典型城市臭氧特征及其影响因子分析

利用同期近地面臭氧、NO₂及气象数据,对比研究了黄土高原及周边不同背景环境城市(包括鄂尔多斯、榆林、银川、延安、西安、咸阳)臭氧浓度变化特征以及NO₂、气象要素对其的影响,发现2016—2020年各城市臭氧浓度年际变化均呈现先上升后下降的趋势,5 a平均浓度从高到低排序为咸阳>西安>榆林>银川>鄂尔多斯>延安;各城市2017年(鄂尔多斯2018年)臭氧浓度最高、超标倍数最大,超标污染日数也最多;西安、咸阳2016—2019年出现超标,榆林、银川2017年、2018年超标,鄂尔多斯2018年超标,延安未出现超标.臭氧浓度月变化、日变化呈“单峰”结构,延安月均峰值出现在5月或6月,其他城市出现在6月或者7月,各城市于12月出现波谷;高纬度地区比低纬度地区早1个月出现臭氧超标;臭氧浓度日最高值出现在15:00—16:00,最低值出现07:00—08:00,夏季日最高值、最低值出现的时间要比冬季早;日变化幅度夏季最大,冬季最小.NO₂日平均浓度及最大值从高到低排序：西安>咸阳>延安>...     

大连市近地面环境空气中臭氧浓度的变化特征及成因分析

本文采用大连市10个国控子站2013年全年臭氧自动监测数据进行分析,总结臭氧浓度的月变化规律。分析结果表明:大连市区环境空气中臭氧主要来自于光化学反应,其浓度变化受太阳辐射的影响,其月浓度值在5月份达到峰值;此外,大气对流、近地面环境及污染源排放等因素也会对大连市区近地面大气中的臭氧浓度造成影响,导致大连特殊地区的臭氧浓度值在不同月份达到年内的峰值。     

沧州近地面臭氧浓度与气象条件关系

利用2013—2018年沧州市臭氧监测数据和气象数据,运用相关和百分位阈值法,分析了沧州市臭氧污染特征及气象因子对臭氧污染的影响。结果表明:沧州市臭氧浓度呈现明显的季节变化特征,春季和夏季最高;臭氧超标日数也集中在春夏季,臭氧浓度和超标日数均呈逐年增加趋势;在所有气象因子中气温与臭氧相关性最强,较高的气温是沧州市臭氧发生的必要条件,气温越高越容易导致高浓度的臭氧污染;绝大多数情况下,臭氧浓度与相对湿度呈负相关关系;降水量级及降水性质都会对臭氧浓度造成明显影响;风向与风速影响臭氧污染物的水平传输和垂直扩散,冬春季影响明显;春季臭氧浓度的增加与风速增大导致的混合层高度增加有重要的关系;颗粒物通过影响到达近地面的气象要素间接影响臭氧浓度。沧州地区臭氧超标日的出现伴随着一系列气象条件的共同改变,包括晴天少雨、混合层高度增加、风速增大、相对湿度降低及气温升高等气象特征,污染结束则伴随着相反的气象变化。     

2015～2018年太原市臭氧污染特征分析

基于太原市2015年1月~2019年2月的空气质量监测数据,分析了太原市近地面臭氧浓度变化特征。结果表明:2015~2018年太原市臭氧年平均浓度为78.42、82.33、95.87、103.77μg/m 3,臭氧浓度存在加速上升趋势;臭氧浓度逐日变化范围为5~270μg/m 3,共有181 d超过GB 3095—2012《环境空气质量标准》二级标准限值(160μg/m 3),超标时段主要集中于5~8月份;臭氧浓度日变化呈单峰型分布,峰值与谷值时段分别为14∶00~16∶00和6∶00~7∶00;臭氧浓度有明显的月变化规律,峰值与谷值时段分别为6~7月和1月、12月;臭氧浓度还表现出显著的季节变化规律,按浓度高低依次排序为夏季、春季、秋季和冬季;臭氧浓度与NO 2、CO、PM 2.5浓度呈负相关性。     

河口湿地近地面大气 CO2浓度日变化和季节变化

2011年12月~2012年11月对闽江河口湿地近地面大气CO2浓度(摩尔分数)进行观测,研究CO2浓度的日变化和季节变化特征,结果表明,闽江河口湿地近地面大气CO2浓度的日变化和季节变化都呈典型的"单峰型",表现为"昼低夜高"和"夏低冬高"的规律,日变幅在16.96~38.30μmol·mol-1之间.春、夏、秋、冬这4个季节近地面大气CO2平均浓度分别为(353.74±18.35)、(327.28±8.58)、(354.78±14.76)和(392.82±9.71)μmol·mol-1,而年平均浓度为(357.16±26.89)μmol·mol-1.闽江河口湿地近地面大气CO2浓度的日变化与温度、风速、光合有效辐射、总辐射等主要气象因子呈负相关关系(P<0.05),而1月近地面大气CO2浓度日变化与潮汐水位呈负相关,7月与潮汐水位呈正相关.     

保定市臭氧污染时空变化特征分析研究

为了解保定臭氧污染状况,利用2013年各环境空气自动监测点位监测数据,对臭氧污染状况及其时空变化特征进行分析.研究结果表明:①臭氧浓度的日变化呈单峰型结构,最高值与最低值分别出现在14点和6点,臭氧呈现明显的"周末效应".②臭氧浓度的月和季度变化具有典型的季节特征,春、夏季高,秋、冬季低,与太阳辐射强度呈正相关性.③各监测点位的臭氧浓度值差异明显,最高值与最低值分别出现在游泳馆点位和华电二校点位.     

泰山春季臭氧污染特征

采用紫外光度法,使用美国热电子公司的TECO model49c型紫外吸收式臭氧分析仪,对2004年5月泰山站的地面臭氧进行监测,以获得更具华北区域代表性的臭氧春季污染特征.结果表明:2004年5月泰山站ψ(O₃)的月均值为64μL/m3,变化幅度达到53 μL/m3;其频率分布呈单峰性,主要集中于55～75μL/m3,与济南站的分散型和区域背景站Cape D'Aguilar的双峰型分布有明显的不同;泰山ψ(O₃)有明显的日变化特征,变化幅度(19 μL/m3)远大于中国西部的瓦里关站,这可能与泰山处于中国东部,尽管距地面较高,但不可避免地受到区域性的污染有关.      

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...     

长白山背景站大气VOCs浓度变化特征及来源分析

挥发性有机物(VOCs)是臭氧和二次有机气溶胶的重要前体物.为研究中国东北背景地区大气中VOCs浓度和变化特征,应用苏码罐采样技术、三步冷冻浓缩和GC/MS联用技术测定了长白山大气本底站中的VOCs组成、浓度及季节变化,并利用PCA(principal component analysis)受体模型初步解析了白山大气中VOCs来源.结果表明,长白山地区TVOCs年平均浓度(体积分数)为10.7×10~(-9)±6.2×10~(-9),其中卤代烃所占比例最高,占VOCs总浓度的37%,其次是烷烃33%、芳香烃15%、烯烃15%.长白山地区TVOCs呈现明显的季节变化,变化特征为春季﹥秋季﹥夏季﹥冬季,春季大气中的TVOCs浓度显著(P﹤0.05)高于其他季节.利用主成分分析VOCs物种,提取出5个因子,分别归纳为交通源、液化石油气(LPG)、生物源、燃烧源和区域工业输送.结合HYSPLIT-4.0后向轨迹模型,分析周边区域传输对VOCs物种浓度的影响,发现来自西南向气团传输是长白山VOCs物种浓度增加的主要原因.     

南京地区近地面臭氧浓度与气象条件关系研究

通过分析2013—2015年南京地区相关气象要素对近地面臭氧浓度的影响,建立了用于不同季节高浓度臭氧污染事件的预报预警模型,并归纳总结了南京地区高浓度臭氧出现的天气形势.结果表明,近地面臭氧浓度的变化与气象要素密切相关,气温、能见度、日照小时、总(净)辐射辐照度等要素与O_3浓度呈显著正相关,与相对湿度、总(低)云量呈负相关.高浓度臭氧污染是多因子综合作用的结果,典型气象条件表现为:太阳辐射强,低云量少,相对湿度适宜,地面小风速及特定的风向.通过定义高浓度臭氧潜势指数HOPI和风向指数WDI,并综合考虑14:00地面气温、相对湿度及8:00各标准层的相关气象要素,建立了逐季节多指标叠套的高浓度臭氧预报方程.采用2016年资料对其进行检验,发现预报值与观测值的相关系数分别达0.72(冬季)、0.76(春季)和0.73(夏季),说明方程具有较好的拟合效果和可预报性.通过普查历史天气图,归纳了伴随南京地区高浓度臭氧事件出现的8种主要天气形势,即高压类(高压中心G0、高压后部G1)、低压类(低压底部D0、低压前部D1、低压倒槽D2)、均压类(高压相关的均压JG、低压相关的均压JD、其它均压J).其中,以高压后部地面形势出现概率最大,低压前部均压场出现时对应臭氧平均浓度最高.     

广东省臭氧污染天气型及其变化特征

结合地面观测资料、再分析数据和客观天气分型方法SOM,分季节、分区域诊断和分析2015~2020年广东省O₃污染天气型及其变化特征.结果表明,2015~2019年广东省O₃污染逐年上升,其中2017~2019年上升较为明显,2020年则明显下降,气象条件和污染物排放的变化均对O₃污染的变化起到重要作用.2017~2020年广东省干季O₃浓度接近或超过湿季O₃浓度,干季污染城数亦接近湿季.弱冷高压脊天气型是影响广东省O₃污染的主导天气型,6a期间共造成526个污染城数.干季和湿季O₃污染的主导天气型分别为弱冷高压脊和台风外围,干季弱冷高压脊天气型污染天数占比呈明显上升趋势,2019~2020年超过湿季台风外围天气型成为影响O₃污染最主要的天气型.在弱冷高压脊天气型下,影响四大区域O₃污染的外来源输送路径主要有东北路和沿海路,湿季珠三角台风外围和粤北变性高压脊天气型下,区域O₃污染则受本地排放影响较大.     

黄、东海二甲基硫与环境因子的多元分析及建模

基于已发表的2005~2015年的文献数据,讨论了黄、东海表层二甲基硫（DMS）和叶绿素a （Chl-a）浓度的时空变化.结果表明：夏季DMS和Chl-a浓度高于冬季;由南至北,年均DMS和Chl-a浓度逐渐升高,且四季间的差异变大.黄、东海表层海水DMS和Chl-a、温度的统计分析表明,春、夏季Chl-a和DMS浓度存在指数关系,而冬季Chl-a和DMS浓度则存在线性关系;不同Chl-a水平下,温度对DMS浓度的影响存在差异.黄、东海表层DMS浓度与Chl-a浓度及温度的多元统计模型结果显示：DMS浓度随着Chl-a浓度增加而增加;在中心温度为21.31℃的温度区间内,DMS浓度较高,且Chl-a浓度越高,这个温度区间越窄.     

大气臭氧污染对冬小麦气孔吸收通量的影响机制及其时空格局

近地层臭氧作为一种二次污染物,其不断增加的浓度及其对作物的影响已经成为各国政府和公众关注的焦点.本文以冬小麦为研究对象,基于大田OTC试验,对OTC内气象因子和气孔导度进行连续观测.引进气孔导度模型,并进行本地参数化研究,结合通量模型,研究冬小麦气孔臭氧吸收通量的变化特征,并对江苏省各市冬小麦气孔导度和O_3吸收通量的时空分布进行模拟.结果表明,O_3浓度增加会限制其叶片气孔导度,浓度越高,限制作用越明显;利用修订后的气孔导度模型对冬小麦叶片气孔导度进行模拟,表明模型解释了实测气孔导度90%、77%和83%的变异性.结合通量模型对冬小麦气孔O_3通量进行模拟,则CK(约为53.67 n L·L~(-1))、100 n L·L~(-1)和150 n L·L~(-1)O_3浓度处理下冬小麦在整个O_3熏期的累积吸收通量分别为6.42、12.27和13.90 mmol·m-2;江苏地区冬小麦在其生长季期间O_3浓度呈逐渐增加的趋势,冬小麦平均气孔导度的大小表现为:中期后期前期的时间变化特点,在整个中期时段气孔O_3累积吸收通量最多.     

Spatial variations in daily average CO2 concentrations above wetland surface of Xianghai National Nature Reserve, China

Horizontal and vertical variations of daily average CO2 concentration above the wetland surface were studied in Xianghai National Nature Reserve of China in August, 2000. The primary purpose was to study spatial distribution characteristics of CO2 concentration on the four levels of height(0.1 m, 0.6 m, 1.2 m and 2 m) and compare the differences of CO2 concentration under different land covers. Results showed that daily average CO2 concentration above wetland surface in Xianghai National Natural Reserve was lower than that above other wetlands in northeast China as well as the worldwide average, suggesting that Xianghai wetland absorbed CO2 in August and acted as“sink” of CO2. The horizontal variations on the four levels of height along the latitude were distinct, and had the changing tendency of“decreasing after increasing” with the increase of height. The areas with obvious variations were consistent on different levels of height,and those with the highest variations appeared above surface of shore, sloping field, Typha wetland and Phragmites wetland; the vertical variations were greatly different, with the higher variations in Phragmites wetland and Typha wetland, and the lands near the shore and the sloping field with the lower variations. Spatial variations of daily average CO2 concentrations above wet!and surface were affected by surface qualities and land covers.     

气象因素和前体物对中国东部O3浓度分布的影响

采用重心模型、空间自相关分析和地理探测器,研究了2016年中国东部O₃浓度的时空变化规律,揭示了气象因素和前体物对中国东部O₃浓度空间分布格局及其演变的影响.结果表明：（1）O₃浓度变化可分为3个阶段：1~3月为低值上升阶段、4~9月为高值波动阶段、10~12月为低值下降阶段,O₃污染主要发生在高值波动阶段,超标天数占全年的96.0%.（2）气象因素是影响O₃年均浓度空间分布格局的主导因素,受降水、相对湿度南高北低和日照时数北高南低的影响,O₃年均浓度总体呈北高南低的态势;前体物对O₃年均浓度分布也有显著影响,是城市群核心城市形成局部O₃污染中心的原因.（3）O₃月均浓度分布格局经历了由北高南低到南高北低的演变过程,1~6月O₃浓度总体重心和高值重心向北迁移,6月达到最北,北高南低的特征最强,环渤海地区成为O₃污染最严重的区域;7~12月,O₃浓度总体重心和高值重心向南迁移,12月达到最南,O₃浓度分布格局演变为南高北低.3~9月雨季期间,O₃浓度分布主要受降水和相对湿度的影响,其余时间主要受气温的影响.（4）前体物对O₃浓度分布的影响主要通过气象条件实现,气温越高,光化学反应越强,前体物的正向影响力越大;气温越低,光化学反应越弱,NO_x、CO、SO₂等化学性质活跃的前体物对O₃可能起消耗作用.