上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

邯郸市PM2.5和O3污染特征及潜在源分析

通过对2013—2020年邯郸市的大气污染物浓度及气象参数进行统计分析,探究了大气污染物的浓度变化特征,运用轨迹聚类分析和潜在源贡献因子法(PSCF)研究了邯郸市复合污染日PM_2.5和O₃的传输路径及潜在源区.结果表明：邯郸市PM_2.5-O₃复合污染出现在3—10月,与单O₃污染相比,PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较高,当温度为19.1～25.7℃,湿度为32%～63%,风速较低时,最有利于PM_2.5-O₃复合污染发生;单O₃污染和复合污染期间的O₃主要来自邯郸周围的短距离传输,单PM_2.5污染主要来自西北气流的长距离运输和邯郸周围的短距离传输,而复合污染日期间的PM_2.5主要来自西北气流的长距离运输;相较于单O₃污染,2013、2014、2...     

2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析

为了解河南省PM_2.5-O₃复合污染特征及气象成因,本文基于2014—2020年河南省18个地级市的空气质量国控点数据及常规地面气象观测数据,对河南省PM_2.5-O₃的复合污染时空特征及关键气象因子影响进行分析.结果表明：(1)在空间分布上,PM_2.5-O₃复合污染天数呈由河南省中北部向周围逐渐减少的特点,而O₃单污染和PM_2.5单污染高发区均主要集中于豫北地区.(2)在时间特征上,2014—2020年PM_2.5-O₃复合污染天数呈先增加后减少的特征,最多为12 d (2014年),2016—2017年未出现复合污染;PM_2.5单污染和O₃单污染天数均呈“M”型变化趋势,PM_2.5单污染天数的2个峰值分别出现在2015年和2019年,分别为174和93 d,O₃单污染天数的2个峰值分...     

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...     

2015—2022年我国华北地区冬季PM2.5-O3复合污染及特征分析

以往关于大气PM_2.5-O₃复合污染的研究主要集中在夏季,尚较缺乏对严峻的冬季复合污染问题的关注,为了解冬季大气PM_2.5-O₃复合污染过程,该文基于2015—2022年冬季(1—2月)空气质量地面监测、气象数据等资料,结合统计方法分析了我国华北地区冬季大气PM_2.5-O₃复合污染的特征及驱动因素. 结果表明:2015—2022年冬季,我国南方主要城市复合污染天数呈显著下降趋势(?0.8~?0.2 d/a),这与我国采取一系列措施降低了PM_2.5浓度有关;但在我国北方地区,特别是华北地区冬季大气PM_2.5-O₃复合污染天数却呈现显著的上升趋势(0.2~0.7 d/a). 针对华北地区较为严峻的复合污染形势,挑选出19 d区域性的复合污染天进行重点分析. 在气象因素方面,复合污染发生时华北上空500 hPa高空存在反气旋环流异常、850 hPa高空存在偏南风异常,地面午后(10:00—18:00)平均温度(0.43~5.27 ℃)偏高、平均风速(?4.19~?0.22 m/s)偏小. 在化学过程方面,冬季华北地区发生复合污染的城市观测站点中PM_2.5与O₃浓度之间呈显著正相关(R=0.45,P<0.05),而在非复合污染的城市观测站点则表现为负相关(R=?0.68,P<0.05). 进一步对比华北地区复合污染城市观测站点与非复合污染城市观测站点O_x(O_x=NO₂+O₃)和NO₂浓度的拟合斜率(分别为0.62、0.55)、PM_2.5与CO浓度的比值(分别为0.07、0.06)以及O_x的浓度(平均值分别为124.40、113.47 μg/m3),定性地表明了华北地区冬季O₃浓度的升高与活跃的光化学反应有关,同时较高的O₃浓度也可能导致了更多的二次PM_2.5生成. 研究显示,我国华北地区复合污染呈现加剧的态势且往往伴随着活跃的光化学反应,亟需进一步深入研究厘清复合污染发生时的大气化学过程.      

江苏PM2.5-O3复合污染特征及气象条件分析

基于2013～2020年江苏13个城市的大气污染和气象观测数据,分析了江苏PM_2.5-O₃复合污染物的分布特征及其与气象条件的关系.结果表明:江苏复合污染物以轻度污染组合为主,南部多于北部,东南部最多,主要在4～10月,下午至傍晚最高,且该时段O₃平均浓度高于单一O₃污染;复合污染在O₃超标中平均占比15.7%,2014年高达65.8%,且在2015年后明显下降;PM_2.5和O₃二者在暖季O₃污染期正相关,PM_2.5污染期为弱相关或负相关;复合污染气象条件更为严格,气温、相对湿度、风速和逆温条件均介于单一O₃和单一PM_2.5污染之间,且多在4m/s以下和ENE—S区间,与单一O₃污染相比,气温和风速略低,相对湿度和逆温强度略高;出现复合污染的主要地面形势为均压场和低压(底)前部,其次是入海高压后部和高压底部;通过后向轨迹聚类分...     

2015～2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析

为了解京津冀及周边地区“2+26”城市PM_2.5和O₃复合污染时空分布特征,利用ArcGIS和SPSS软件对2015～2021年京津冀及周边地区“2+26”城市空气质量数据和气象数据进行关联性分析.结果表明：(1) 2015～2021年PM_2.5污染持续减缓,污染集中在区域中南部;O₃污染呈波动上升趋势,空间分布呈现“西南低,东北高”的格局.季节变化来看,PM_2.5浓度主要为：冬季>春季≈秋季>夏季,O₃-8h浓度为：夏季>春季>秋季>冬季.(2)“2+26”城市PM_2.5超标天数持续下降,O₃超标天数波动上升,复合污染日下降趋势显著;PM_2.5和O₃污染在夏季呈强正相关,相关系数最高达0.52,冬季呈强负相关.(3)对比典型城市臭氧污染时期与复合污染时期气象条件,复合污染发生的温度区间集中在23.7～26.5℃、湿度48%～65%和S～S...     

北京市PM2.5-O3复合污染数值响应解析

为分析PM_2.5-O₃复合污染数值响应关系,基于2015～2020年北京市空气质量数据、气象资料和新冠疫情数据,分析PM_2.5-O₃复合污染事件在多尺度下的变化趋势.同时提出一种复合污染指数,在广义相加模型下分析数值响应趋势,并进一步引入分布滞后非线性模型,分别解析复合污染指数、复合污染事件和影响因素间的滞后响应关系.结果表明,北京市PM_2.5-O₃复合污染事件逐年减少,具有明显的季节效应、星期效应和节假日效应.复合污染指数与降雨量无明显相关性,与O₃和空气温度呈线性正相关,与其余解释变量均为非线性相关.同时大气污染物和气象条件对复合污染指数有明显滞后效应,滞后影响主要集中在1～3 d.高值的PM_2.5、 PM₁₀、 O₃、 SO₂和空气温度明显增加复合污染风险,中值段的CO(1～6 mg·m^-3)、 NO₂     

2015～2020年中国城市PM2.5-O3复合污染时空演变特征

基于2015～2020年中国333个城市PM_2.5和O₃浓度监测数据,利用空间聚类、趋势分析和地理重力模型等方法,定量分析我国主要城市的PM_2.5-O₃复合污染特征和时空演变格局.结果表明：(1) PM_2.5和O₃浓度存在协同变化规律,当ρ(PM_2.5＿mean)≤85μg·m^-3时,ρ(PM_2.5＿mean)和ρ(O₃＿perc90)存在同步增长的现象;当ρ(PM_2.5＿mean)处于国家Ⅱ级限值(35±10)μg·m^-3时,ρ(O₃＿perc90)平均值的峰值增速最快;当ρ(PM_2.5＿mean)>85μg·m^-3时,ρ(O₃＿perc90)平均值出现显著下降趋势.(2)我国城市PM_2.5和O₃     

近年山东德州PM2.5和O3相互作用的季节变化及其机理分析

为全面认识减排过程中华北平原城市大气复合型污染变化特征,本文利用最近6年(2017—2022)山东省德州市环境-气象监测资料,分析关键大气复合污染物PM_2.5和O₃的季节特征及其相互作用,探究东亚季风气候背景下冬夏季PM_2.5和O₃的相互作用机理.德州市近6年城市环境PM_2.5和O₃超标率分别为20.22%和23.56%,O₃污染凸显.环境大气PM_2.5和O₃在夏季表现为显著正相关,相关系数高达0.53(p<0.01),而冬季则呈显著负相关,相关系数为-0.30 (p<0.01),两者具有明显“夏正冬负”的相反季节变化特征.环境气象机理分析表明,夏季高温及强太阳辐射的气象条件促进光化学反应生成O₃,加大大气氧化性的增强二次颗粒物生成,导致PM_2.5浓度升高;冬季低温及弱太阳辐射气象背景下,高浓度PM_2.5的局地累积...     

PM2.5和臭氧对前体物减排和气象变化的响应及其政策启示

《大气污染防治行动计划》实施以来,我国重点区域PM_2.5浓度快速下降,但臭氧(O₃)浓度逐步上升,大气污染控制形势已由单一的PM_2.5控制转变为PM_2.5和O₃的协同控制. 了解PM_2.5和O₃对前体物排放变化和气象条件变化的响应,对制定PM_2.5和O₃协同控制策略具有重要意义. 本文通过使用FNL全球再分析资料和自下而上的排放清单ABaCAS-EI,结合三维空气质量模式和响应曲面模型,评估前体物变化和气象条件变化后PM_2.5和O₃浓度的响应,并依据解析的响应关系提出了前体物减排、联防联控区域划分和目标设定等方面的政策建议. 结果表明:①VOCs减排对降低各省份PM_2.5和O₃浓度均有利,NO_x的减排量不足会导致京津冀、长三角地区的O₃浓度和京津冀地区的PM_2.5浓度增加,为避免PM_2.5和O₃年评价值反弹需要的VOCs与NO_x减排比分别为15%~25%(PM_2.5)和5%~90%(O₃). ②O₃污染防治需要更大范围的联防联控,对于京津冀地区,需要考虑引入河南省和山东省的联合控制,对于长三角和珠三角地区,还需要联合江西省、福建省进行控制. ③气象条件对PM_2.5和O₃背景值的影响较大,使用3年或5年滑动平均值可以有效降低气象条件年际变化对PM_2.5和O₃浓度的影响(对于PM_2.5,2008—2019年其背景值极差的降幅分别为35%~81%或60%~86%;对于O₃,极差的降幅分别为40%~67%或53%~87%). 采用多年滑动平均有助于科学设定和考核PM_2.5和O₃的控制目标. 研究显示:PM_2.5和O₃的协同控制依赖于NO_x和VOCs的协同减排,其减排比例在不同地区存在差异;此外,科学的PM_2.5和O₃的协同控制还需要更大范围的联防联控和评价指标的持续更新.      

山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

成都市气温与PM2.5和O3交互作用对疾病死亡人数的影响研究

利用成都市2014~2016年逐日呼吸系统疾病和心脑血管疾病死亡资料、同期气象资料和PM_2.5日均浓度和每日臭氧最大8h平均浓度（O₃）资料,采用分布滞后模型以及广义相加模型中的独立效应模型、非参数二元响应模型和温度分层模型探究了成都市气温、PM_2.5和O₃单效应,以及气温与PM_2.5（或O₃）交互作用对当地呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈反“J”型分布,最适温度在22.2℃,该温度对应的疾病死亡人数最少;累积滞后1d的PM_2.5（或O₃）对应的健康风险最大,此时,PM_2.5和O₃浓度每升高10μg/m³,呼吸系统疾病死亡风险分别增加0.58%和0.54%,心脑血管疾病死亡风险分别增加0.35%和0.66%.分季节研究结果表明,PM_2.5对两种疾病死亡影响的健康风险冬季最高,而O₃的健康风险在秋季最显著.交互作用的研究结果表明,高温与高浓度的PM_2.5（或O₃）对疾病死亡的影响存在协同放大效应,当气温高于22.2℃时,PM_2.5和O₃浓度每升高10μg/m³,对应的呼吸系统疾病死亡风险分别增加2.30%和1.14%,心脑血管疾病死亡风险分别增加1.09%和1.03%.研究结果提示O₃对人群健康的影响也不容忽视,应该引起足够的重视.     

河南省春节和疫情影响情景下PM2.5组分特征

2020年1月我国爆发了新型冠状病毒疫情,期间我国各地区大气污染源排放特征发生了显著改变.为研究该情景下PM_2.5组分特征,本研究于2020年1月1日~2月13日利用在线观测仪器对郑州、安阳和新乡市进行连续观测.根据春节假期和疫情爆发,将研究时期分为春节前（1月1~23日）、春节疫情期（1月24~31日）和节后疫情期（2月1~13日）.受疫情和有利的气象条件影响,节后疫情期间郑州、安阳和新乡市除O₃外其它污染物浓度较春节前均明显下降,其中NO₂和PM_2.5的降幅分别为65%、52%、72%和51%、55%、54%,但是污染物浓度仍较高,表明未来河南省冬季大气污染的较大幅度改善面临巨大挑战.从颗粒物组分来看,二次无机盐和有机物是观测期间PM_2.5的主要组分.春节疫情期3个城市受烟花爆竹的影响较小,并且硝酸根和扬尘的贡献相比春节前轻微下降.节后疫情期间郑州、安阳和新乡市PM_2.5中硝酸根浓度和占比显著下降,占比降幅为10.6%、4.1%和4%;硫酸根和有机物的占比上升,其中二次有机碳的贡献增大.以郑州市为例分析硝酸盐生成,相比春节前,节后疫情期间不同污染时段硝酸根的占比均下降,但硝酸根仍是污染时段PM_2.5中占比最高的组分.日变化特征表明节后疫情期间大气中O₃浓度和湿度的增高可能促进了NO₂的转化,因此下一步应采取PM_2.5和O₃的协同管控,重视NO₂和VOCs的协同减排.     

河南省春节和疫情影响情景下PM2.5组分特征

2020年1月我国爆发了新型冠状病毒疫情,期间我国各地区大气污染源排放特征发生了显著改变.为研究该情景下PM_2.5组分特征,本研究于2020年1月1日~2月13日利用在线观测仪器对郑州、安阳和新乡市进行连续观测.根据春节假期和疫情爆发,将研究时期分为春节前（1月1~23日）、春节疫情期（1月24~31日）和节后疫情期（2月1~13日）.受疫情和有利的气象条件影响,节后疫情期间郑州、安阳和新乡市除O₃外其它污染物浓度较春节前均明显下降,其中NO₂和PM_2.5的降幅分别为65%、52%、72%和51%、55%、54%,但是污染物浓度仍较高,表明未来河南省冬季大气污染的较大幅度改善面临巨大挑战.从颗粒物组分来看,二次无机盐和有机物是观测期间PM_2.5的主要组分.春节疫情期3个城市受烟花爆竹的影响较小,并且硝酸根和扬尘的贡献相比春节前轻微下降.节后疫情期间郑州、安阳和新乡市PM_2.5中硝酸根浓度和占比显著下降,占比降幅为10.6%、4.1%和4%;硫酸根和有机物的占比上升,其中二次有机碳的贡献增大.以郑州市为例分析硝酸盐生成,相比春节前,节后疫情期间不同污染时段硝酸根的占比均下降,但硝酸根仍是污染时段PM_2.5中占比最高的组分.日变化特征表明节后疫情期间大气中O₃浓度和湿度的增高可能促进了NO₂的转化,因此下一步应采取PM_2.5和O₃的协同管控,重视NO₂和VOCs的协同减排.     

华北平原和山区城市PM2.5和O3变化关系比较分析

利用2015~2019年环境监测数据,对比分析华北地区平原城市保定市和山区城市张家口市PM_2.5和O₃变化和相关关系.结果表明：保定市PM_2.5夏低冬高,O₃夏高冬低,日变化为午后单峰型,而张家口市PM_2.5浓度低,日变化幅度较弱,冬季O₃日变化为午后峰值和凌晨5：00左右弱峰值双峰型.张家口市冬季全天及春夏秋季夜间O₃浓度显著高于保定市,甚至夏季出现夜间O₃超标异常,最高浓度达到202μg/m³,反映了平原城市和清洁山区大气物理化学过程变化的影响.PM_2.5和O₃在4~9月为正相关,11~3月为负相关;保定市PM_2.5-O₃相关系数日变化呈单峰型,张家口市为双峰型变化,凌晨和午后各有一峰值,华北地区平原污染区和高山相对清洁区,大气复合污染物PM_2.5和O₃作用关系的日变化及季节特征具有明显差异.     

COVID-19期间区域大气高污染发生的非线性动力机制

以长株潭城市群3个城市（长沙、株洲和湘潭）疫情期间（2020年1月24日~2020年5月31日）大气PM_2.5和O₃小时平均浓度时间序列数据为研究对象,对污染物日变化规律、长期持续性、多重分形性及自组织演化动力学特性进行研究.以期阐释疫情期间高污染事件发生及演化的内在动力机制.首先,对3个城市PM_2.5和O₃质量浓度的日变化规律进行分析,发现O₃呈现出昼高夜低的单峰型,而PM_2.5日变化规律表现出昼低夜高单峰型,与非疫情期间的特征有所差异.进一步,应用消除趋势波动分析法（DFA）、多重分形消除趋势波动分析法（MFDFA）和概率统计分析,研究了大气复合系统中PM_2.5和O₃质量浓度序列的长期持续性和多重分形结构.结果发现3个城市PM_2.5和O₃浓度序列均具有显著的长期持续性特征和较强的多重分形结构,同时,应用去趋势互相关分析法（DCCA）方法和多重分形去趋势互相关分析法（MFDCCA）对PM_2.5和O₃两者之间的互相关性进行了分析,发现PM_2.5-O₃之间的互相关也存在显著的长期持续性特征以及在不同时间尺度存在多重分形特征.进一步将疫情期间得到的非线性分析结果与2018年和2019年同期非疫情期间的结果进行了对比分析.最后,基于自组织临界理论（SOC）探讨了大气PM_2.5和O₃浓度时空演化的内在动力规律,并结合典型区域气象特征,阐明了SOC内禀动力机制可能是COVID-19疫情期间大气高污染形成的主导机制之一.疫情期间大气PM_2.5和O₃浓度并非分别独自演化,而是依然保持复杂的相互作用.静稳气象条件下,大气复合污染内部的非线性耦合作用可能达到动力学临界状态,将导致长株潭城市群在疫情期间仍有发生大气高污染的风险.     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.