海口市臭氧污染及气象条件特征

近年来,臭氧已成为许多城市环境空气的主要污染物之一。笔者分析了2020年海口市5个不同方位代表性监测站点逐小时空气质量监测数据及对应站点的气象要素监测数据。研究结果表明:海口市2020年环境空气污染程度为三级以上的天数有11d,其首要污染物均为臭氧。臭氧浓度高值时段主要出现在10-12月。浓度最大值主要出现在每日14:00-17:00,最小值出现在每日05:00-08:00。气象要素日均值与臭氧浓度相关性大小依次为最高温度＞平均温度＞相对湿度＞降水量＞日照时数＞风速。台风外围下沉气流和东北气流的共同影响是导致海口市臭氧浓度超标的主要因素,下沉气流更有利于低层大气中臭氧的堆积,同时在东北气流影响下,上游区域污染物的传输也会导致海口市臭氧浓度增加。     

欧盟臭氧污染监测现状及我国开展臭氧污染监测的建议

综述了欧盟臭氧前体物排放及地面臭氧污染监测的现状,分析了欧盟重视地面臭氧污染监测的原因及存在的主要问题.根据欧盟在地面臭氧污染监测方面的经验和做法,提出了加强我国地面臭氧污染监测的必要性和具体建议.     

包头市大气臭氧污染特征分析

利用包头市2015年环境空气自动监测数据,分析包头市臭氧(O_3)时空分布特征。结果表明:2015年全市O_3日最大8 h均值有26 d超过《环境空气质量标准》(GB 3095—2012)二级标准限值,且主要出现在6—8月,夏季O_3污染问题突出。白天太阳辐射较强,O_3浓度明显高于夜间。夏季O_3浓度达到峰值的时间比冬季早1 h,这与夏季日出时间比冬季早有关。O_3前体物浓度采暖季高于非采暖季,O_3浓度呈相反规律。东河鸿龙湾离城区相对较远,颗粒物浓度低,太阳辐射较强,致使O_3浓度高于其他点位。     

南京市臭氧污染现状及变化特征的研究

利用2016年南京市臭氧(O_3)及前体物监测数据,对南京市O_3污染现状、变化特征及其与前体物的关系进行分析。结果表明,2016年南京市O_3超标56 d,超标率15.3%,O_3日最大8 h滑动平均值的第90百分位数为184μg/m~3,超标0.15倍。O_3超标主要集中在4—9月份,日变化呈现\"单峰\"型特征,峰值出现在14:00,而上午8:00—10:00时段O_3浓度升幅最显著,小时浓度升幅超过20%。前体物VOCs和NO_2浓度变化与O_3呈反相关,且VOCs和NO_2浓度冬季最高,夏季最低,秋季和春季基本相当。     

南通市臭氧污染特征及一次连续臭氧污染过程分析

利用2018—2022年南通市环境空气自动监测数据,分析了南通市臭氧（O₃）污染的基本特征,并着重分析了1次O₃ 连续污染过程。结果表明：（1）南通市环境空气污染类型由细颗粒物（PM_2.5）型向O₃ 转变,O₃ 污染呈逐年加重趋势,尤其是2021和2022年O₃ 污染呈现出现早、结束晚的特点,且超标时间跨度拉长;南通市夏季O₃ 污染最重、春季略低;从月变化趋势来看,除2020年呈双峰特征外,其余年份为单峰分布;O₃ 日变化为单峰型。（2）O₃ 连续污染时,一方面,O₃ 前体物二氧化氮（NO₂）和挥发性有机物（VOCs）出现累积,质量浓度较高;另一方面,污染天风力弱、气温高、紫外辐射强,有利于O₃的本地生成及累积,同时也受外来传输影响。（3）芳香烃、含氧挥发性有机物（OVOCs）和烯炔烃为南通市O₃生成的主要贡献组分,主要来源于涂料溶剂、二次生成和工业源。     

河源夏季臭氧污染特征及其成因

2015年9月至2016年8月,在广东河源城区内采用在线连续观测,分析该地区近地面臭氧(O_3)及其前体物的变化规律和相关性,重点探讨了夏季O_3污染特征及成因。结果表明,河源市城区O_3总超标天数为10 d,主要集中在7—9月。O_3浓度变化呈现明显的春、冬季低,夏、秋季高的季节变化。O_3浓度日变化呈典型单峰特征,前体物主要呈双峰变化。O_3小时浓度和CO无明显的相关性,与NO2浓度呈现较高的负相关关系;气象及HYSPLIT-4模型计算综合分析结果表明,夏季污染时段河源高空、低空气团大部来自西南方向,夏季O_3污染主要来源于珠三角区域传输和本地源排放。     

上海市奉贤区O3污染特征与影响分析

于2014-2019年,对上海市奉贤区4个环境空气自动监测站的臭氧(O3)污染特征及其影响因素监测数据进行了统计分析.结果表明,O3质量浓度年均值大体平稳且略呈下降趋势,O3日8 h质量浓度中位值和最大值呈现逐步上升趋势,O3质量浓度的最高点和次高点均出现在4-10月.气温与O3质量浓度呈显著正相关关系;随着风速和湿度...     

臭氧污染形成机制及影响因素的研究进展

臭氧(O3)污染形成机制复杂,其治理研究已成为热点。文章分别对光化学反应过程中氮氧化物(NOx)、一氧化碳(CO)、挥发性有机物(VOCs)、颗粒物及气象条件与O3形成之间的关系进行了综述,以期为臭氧污染防治提供参考依据。     

盐城市臭氧污染特征及影响因素

对2015—2016年盐城市城区4个空气质量自动监测国控站点的O_3监测数据进行分析,探讨盐城市O_3污染水平、时空分布特征及其与前体物、气象因子之间的关系。结果表明,各站点O_3污染水平较为接近,2016年各站点O_3-8h第90百分位数超标天数较2015年分别下降了43.5%,50.0%,8.7%和43.6%;全年O_3逐月值大致呈双峰分布,高ρ(O_3)主要集中在4—10月;O_3日变化曲线呈明显的单峰分布,一般在05:00—07:00最低,13:00—15:00达到峰值;不同季节的O_3日变化情况有所差异,午后O_3峰值与O_3日变化幅度均在春季最大,冬季最低;NO、NO_2和CO的日变化曲线均呈现出早晚双峰分布,受早高峰影响,一般在07:00左右达到一日中的最大值;O_3与NO_x等前体物均显著负相关,高ρ(O_3)往往出现在高ρ(CO)/ρ(NO_2)时;总体上各站点的ρ(O_3)随风速的增大而增大。     

上海市臭氧污染时空分布及影响因素

分析2006—2016年上海市的监测数据发现,臭氧(O_3)浓度存在逐年上升趋势,污染持续时间有所增加,但除水平风速有下降趋势外,其他相关气象因素的年际变化趋势并不显著。空间分析结果表明,上海市O_3超标主要集中在西南部郊区,但市区O_3超标潜势不容忽视。O_3污染高发季节的污染玫瑰图分析发现,上海市南部地区是影响上海市O_3污染的关键区域;对于NO_2减排的影响分析发现,尽管上海市O_3平均浓度总体处于上升趋势,但在NO_2下降幅度最为明显的内环市区和北部郊区,O_3上升幅度低于NO_2下降幅度较小的内外环区域和西部郊区,表明上海市的O_3污染控制仍需持续推进NOx的减排,并同步推进VOCs的减排。     

成都市O3浓度的时间变化特征及相关因子分析

为深入认知成都市O_3浓度的时间变化规律及其影响因子,基于2013年1月1日—12月31日市区站点O_3、NO、NO_2、NO_x的逐时监测资料以及成都市气象站的气象数据逐时观测资料,据此对O3的季变化、日变化、\"周末效应\"、\"节假日效应\"进行了讨论,并对其浓度影响因子进行分析。结果表明:成都市O_3浓度季变化呈现明显夏高冬低的特征,浓度最大值出现在8月。O_3浓度日变化为单峰型,夏季峰值出现在15:00,冬季峰值出现在16:00。市区存在\"周末效应\",即周末O_3浓度总体比工作日高;\"节假日效应\"则表现出复杂多变性,受气象条件以及人为活动等多种随机因素的影响。O_3日平均浓度与NO、NO_2、NO_x、相对湿度呈明显负相关,与温度、风速呈明显正相关。     

贵阳市臭氧浓度变化及与气象因子的关联性

运用2013—2016年贵阳市环境空气自动监测站臭氧(O_3)的监测数据以及气象观测资料,分析该地区近地面O_3浓度的时空变化特征及与气象因子的关联性。结果表明,近年来贵阳市近地面O_3小时浓度均值有逐年升高趋势,增速为1. 1～5. 0μg/(m~3·a)。O_3浓度昼间变化呈明显单峰形分布,08:00左右出现最低值,15:00—16:00达到最大峰值,浓度高值主要分布在12:00—18:00。日照时数每增加1 h,则近地面O_3日最大8 h平均浓度增加8μg/m~3左右,日照时数大于8 h,则近地面O_3日最大8 h平均浓度超过100μg/m~3; O_3小时浓度与温度呈正相关(r=0. 724,α=0. 01),与相对湿度呈负相关(r=-0. 531,α=0. 01)。当日照时数大于8 h、温度超过25℃、相对湿度小于60%时,贵阳市近地面O_3容易出现高浓度值。     

气象条件对沈阳市环境空气臭氧浓度影响研究

利用2013年沈阳市环境空气监测点位臭氧监测数据,分析沈阳臭氧浓度变化特征,结合气象资料分析了其对臭氧浓度的影响。结果表明,沈阳市不同区域臭氧浓度变化特征基本一致。臭氧浓度日变化呈单峰趋势,最大值出现在14:00左右,最小值出现在6:00左右;臭氧浓度变化具有明显的季节特征,夏季臭氧浓度最高,春秋次之,冬季最低;臭氧浓度受温度、风速、湿度、能见度、天气情况影响,臭氧浓度变化是多因素共同作用的结果。     

淮安地区臭氧浓度预报方程的建立与检验

通过分析2016—2019年淮安地区近地面臭氧浓度与相关气象因子的变化关系,建立臭氧浓度预报模型,并利用2020年数据对预报模型进行检验。结果表明:有利于高浓度臭氧形成的气象条件是适宜的地面气压和高层位势高度,较高的地面温度和高层温度,适宜的地面相对湿度和高层露点温度差,地面和高层有较小的风速和特定的风向,适宜的总辐射辐照度、较低的总云量和低云量以及长时间的日照。定义高浓度臭氧潜势指数(HOPI)和风向指数(WDI),并结合地面和高层气象因子,建立多指标叠套的臭氧浓度预报方程。利用2020年数据对臭氧浓度预报方程进行检验,发现其预报值与实况值的相关系数为0.83,说明预报方程具有较好的拟合效果和可预报性。     

热脱附进样-气相色谱法测定空气中的乙烯和丙烯

在常温条件下,用填充Carbosieve S-Ⅲ固体吸附剂的采样管,采集环境空气中的乙烯、丙烯,通过热脱附仪经二级脱附后,导入气相色谱仪,HP-PLOT Q毛细管色谱柱分离,氢火焰离子化检测器(FID)进行检测,以保留时间定性,峰面积外标法定量。当采样体积为2.25 L时,乙烯、丙烯的方法检出限均为0.2μg/m3,该方法的测试相对标准偏差小于5.5%,加标回收率为89.3%~105%。     

气象因子对臭氧的影响及其在空气质量预报中的应用

为提高重庆市臭氧(O_3)预报准确率,利用2013—2015年5—10月O_3监测数据和气象数据,通过主成分分析、逐步回归分析等方法,确定了影响重庆O_3浓度的主要气象因素为最高温度、温差、太阳辐射、降水量、相对湿度、水气压和压差;通过基于O_3污染水平相似的主要气象控制因子筛选和最优组合的预报结果优化方法,提高了O_3预报准确率,使2016年5—8月O_3的AQI类别预报准确率由57.7%增至72.4%,O_3超标的预报准确率由38%增至46%。     

2019—2022年济南市臭氧浓度变化特征及气象影响因素分析

基于2019—2022年济南市近地面臭氧(O₃)监测数据和同期气象资料,研究O₃-8 h变化特征及其气象影响因素,探讨与相关污染物、气象因素的相关性,结合KZ(Kolmogorov-Zurbenko)滤波法定量分析排放源与气象条件对O₃-8 h长期趋势的贡献。结果显示:①济南市O₃-8 h-90per年均值呈总体下降趋势,但背景值(O₃-8 h-5per)呈逐年上升趋势,年平均增速为2.5 μg/(m³·a);计算日均O₃质量浓度生产速率表明,污染日[14.6 μg/(m³·h)]＞夏季[11.5 μg(m³·h)]＞秋季[8.6 μg/(m³·h)]＞春季[8.2 μg/(m³·h)]＞冬季[4.8 μg/(m³·h)]。②O₃-8 h与NO₂、CO质量浓度均呈显著负相关,夏季PM_2.5质量浓度与O₃-8 h呈弱的正相关,其他季节与O₃-8 h呈负相关;与气温呈正相关,气温每增加一个单位,O₃-1 h增加3.4 μg/m³;与相对湿度(RH)呈负相关,RH每增加10%,O₃-1 h降低10.1 μg/m³;伴随风速增大,平均浓度出现先上升后下降的趋势。③济南市O₃有76.9%受相关污染物和气象因子影响,进一步研究气象因素对O₃-8 h影响,2019年1—9月及2022年5—12月属气象不利阶段,气象因素导致O₃-8 h抬升(最大幅度为6.3 μg/m³);其余时段属气象有利阶段,气象因素导致O₃-8 h降低(最大幅度为4.6 μg/m³)。     

臭氧综合指数与臭氧潜势指数的构建与应用

随着社会经济的快速发展,我国臭氧污染日益严重,因此,研发出能定量评估气象条件对臭氧污染影响程度的诊断指数,成为提高和改善气象服务质量的重要任务之一。利用中国大陆地区2018年温度、总云量、风速、风向、相对湿度等气象场数据与臭氧浓度数据,研究臭氧污染敏感气象条件,统计各气象因子分布在不同数值区间时发生臭氧污染事件的相对频率(即分指数),按照分指数最大值和最小值的差值大小进行排序,筛选出10个与臭氧污染密切相关的气象因子,将10个气象因子的分指数进行累加,即得出臭氧综合指数。随后,对各地构建臭氧综合指数时采用的气象要素进行统计,得到出现频率最高的3个气象要素,并参考这些气象要素构建了臭氧潜势指数。分别以臭氧潜势指数和臭氧综合指数对北京市2019年臭氧日最大浓度建立拟合预报模型,结果表明:两类指数的拟合预报值与实测值有着相似的变化趋势;利用臭氧综合指数计算得到的预报值与实测值的相关系数为0.76,优于利用臭氧潜势指数计算得到的预报值与实测值的相关系数(0.64)。