东北地区臭氧浓度空间格局演变规律及影响因素

采用重心模型、空间自相关分析、地理探测器,研究了2016年东北地区O₃浓度的空间分布格局及演变规律,揭示了气象因素和前体物对东北地区O₃浓度空间分布格局及演变的影响.结果表明:东北地区O₃-8 h-P90分布整体呈南高北低的态势,O₃浓度的高值区及超标天数比例较高的地区都集中分布在环渤海地区的沿海城市;气温是影响O₃年均浓度空间格局演变的主导因素,随着气温的变化,O₃年均浓度空间分布格局呈现空间分异不明显-南高北低-空间分异不明显的演变特征;前体物是核心城市形成局部O₃污染的主要原因,其影响力的大小受温度的影响,温度越高,光化学反应越强,前体物的正向影响力越大,温度越低,光化学反应越弱,化学性质活跃的前体物对O₃可能起消耗作用.     

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.      

安徽省O3浓度时空分异及其驱动因素研究

基于2017—2018年安徽省132个空气质量监测站点的O₃浓度观测数据及各月份的气象与前体物排放数据, 采用空间自相关分析、地理探测器等方法分析安徽O₃浓度的时空分异及其驱动因素. 结果表明:安徽O₃浓度的峰值出现在5月和6月, 超标率分别为31.4%和42.8%. O₃浓度整体呈空间集聚特征, 高值区主要出现在安徽东北部的蚌埠、宿州、淮南和滁州4市, 低值主要分布在皖南山区. 气象要素是安徽省O₃浓度格局形成的主控因素, 其中6月的边界层高度(q=0.644)、近地面太阳辐射(q=0.597)和风速(q=0.571)的影响最大, 且呈正向影响, 风速的增大和边界层高度的增加可能使得输入性污染增加. 降雨量(q=-0.532)和相对湿度(q=-0.559)呈负向影响, 且降雨带的移动是影响安徽夏季O₃分布格局的一项关键因素. 本地前体物排放对安徽O₃浓度的影响受到气象要素的驱动, 在夏季呈正向, 而冬季呈反向, 其中CO的影响相对较大. 6月气象要素与本地前体物排放的双因子交互驱动对O₃浓度的空间分异具有增强作用. 边界层高度和近地面太阳辐射与本地前体物的组合解释力均大于0.7, 在不利的气象条件下, 应进一步加强对本地前体物排放的管控.     

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.     

我国大气O3污染成因及影响因素综述

近年来我国O₃污染现象频发,制约着我国环境空气质量优良天数比例的提高,弄清O₃污染成因及影响因素对科学防治O₃污染具有重要意义. 本文在整理分析大量已有研究基础上,梳理关于对流层O₃污染形成机理方面的认识,将O₃污染成因按影响程度大小分为主要内在原因、关键外在因子和重要影响因素,其中,前体物排放处于高位及高反应活性前体物的化学转化是O₃污染形成的主要内在原因,环境因子及气候条件是关键外在因子,三维立体传输(平流层输入、垂直混合及水平传输)是重要影响因素. 未来我国需要从以下几个方面继续深入研究:① 加强PM_2.5与O₃复合污染成因机理和协同控制机制的科学研究;② 深化O₃污染成因与来源的科学研究及应对措施研究;③ 科学优化大气O₃评价指标;④ 持续推进O₃污染防控措施实施.      

成渝地区典型城市O3污染对人为源前体物排放敏感性模拟研究

以2019年3—4月臭氧（O₃）污染小高峰为例，应用空气质量模型CAMx-DDM法分析了成渝地区O₃浓度对人为源前体物排放敏感性，并用2020年"新冠"疫情防控及生产恢复导致的污染排放同比变化情景进行模拟验证.模拟结果表明成渝地区O₃对NO_x的敏感性为负、对VOCs的敏感性为正，其中，重庆市主城区、主城区以西地区、川南城市群和成都平原西部地区敏感性较高，与其自身污染排放源分布密集有关.以典型城市重庆市主城区为例，2019年3—4月O₃小时浓度对NO_x和VOCs的敏感性平均值分别为-19.14 μg·m^-3和7.25 μg·m^-3，两者表现出相反的日变化规律，且主要受到本地及周边区域的影响，模拟结果显示在所有区域VOCs排放均削减25%的情况下，3月和4月月均O₃日最大8 h浓度分别下降2.62 μg·m^-3和3.59 μg·m^-3.敏感性模拟得到2020年3月四川省和重庆市NO_x排放量同比下降8.00%和22.40%，VOCs同比下降1.00%和7.92%；4月NO_x排放量同比上升5.00%和9.50%，四川省VOCs同比持平，重庆市上升3.63%，与同期"新冠"疫情防控及生产恢复导致的实际排放情况非常一致.     

哈尔滨近地面O3浓度特征

伴随着经济发展和城镇化进程的加速,很多城市的臭氧浓度存在超标问题.本文选取2014—2017年哈尔滨城区污染数据及气象要素数据,对哈尔滨近地面层O_3时空分布特征及其与气象要素的关系进行了分析,结果表明:哈尔滨O_3日内单峰分布,最高值出现在下午14:00,最低值在清晨7:00.空间分布东南部最高,其次是南部,城中区较低.日间周末的近地面O_3浓度较高,而夜间工作日的O_3浓度较高.哈尔滨O_3浓度与平均气温正相关,与相对湿度负相关,与低于37 W·m~(-2)的紫外辐射正相关.     

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.     

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.     

河南省近地表O3污染特征及其与气象因素之间的关系

Meteorological factors have an important influence on ozone (O₃) concentration. In order to explore the characteristics and causes of near-surface O₃ pollution in Henan Province, based on the datasets of ambient air quality monitoring stations and national basic ground climate stations in Henan Province from 2014 to 2020, this study examined the spatiotemporal characteristics of O₃ pollution in Henan Province and the relationship between O₃ and precursors and meteorological factors, and the potential sources of O₃ in Henan Province were also explored. The results showed that: (1) In terms of temporal characteristics, the annual average O₃ concentration of the maximum daily 8 h average (O₃-8 h) in Henan Province generally decreased from 2014 to 2020, showing an ‘M’ type temporal evolution. For seasonality of O₃-8 h concentration, it was highest in summer and decreased sequentially in spring, autumn, and winter, while both O₃-8 h concentration and the number of days exceeding the standard peaked in June. In terms of spatial characteristics, the O₃ concentration was generally lower in northern than in southern China, and lower in western than in eastern China. The areas with high concentrations were concentrated in southern Henan Province. (2) The O₃-8 h concentration was significantly negatively correlated with the precursor NO₂ and CO concentrations. (3) From the perspective of meteorological factors, O₃-8 h concentration was positively correlated with air temperature and negatively correlated with relative humidity, indicating that high temperature (≥26 ℃) and low humidity (≤40%) were favorable for the increasing of O₃-8 h concentration. Affected by the prevailing northerly winds in autumn and winter, the O₃-8 h concentration in Henan Province showed a spatial pattern of low values in the north and high values in the south in autumn and winter, and the prevailing southerly wind in summer was conducive to the formation and maintenance of O₃ in Henan Province. (4) In the summer of 2019, the main source areas of O₃ and precursors increased gradually and changed from both inside and outside the province to mainly outside the province. Affected by the boundary cities and topographic conditions, O₃ in Henan Province accumulated locally in summer. The study shows that the near-surface O₃ pollution in Henan Province has significant spatial and temporal distribution characteristics, the pollution degree is generally reduced. The precursors of O₃ and meteorological factors (temperature, relative humidity, wind) have significant effects on O₃, and O₃ transport paths and potential sources change with time in summer.      

哈尔滨市臭氧时空分布特征及气象要素的关系

利用2015~2018年哈尔滨市臭氧（O₃）监测数据，与其他典型城市进行对比，详细分析了哈尔滨市O₃的时间和空间分布特征，及其与气象要素的关系。结果表明：哈尔滨市2015~2018年O₃污染程度比北上广及长春，沈阳，大连等城市轻；哈尔滨市O₃污染具有明显的季节特征，春夏季O₃超标率大于秋冬季；月变化趋势呈现倒“U”型，O₃高值集中在5~7月；日变化为单峰分布，在13：00~15：00时浓度维持在全天高值； O₃浓度表现为“周末效应”，工作日O₃浓度略高于周末；空间分布特征表明：哈尔滨市外围郊区O₃浓度普遍高于内围市区；在O₃污染高发的5~7月，太阳辐射强度在800~1200W/m²、气温越高、风速越大和相对湿度越小，O₃超标率越高。     

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

广州近地面臭氧浓度特征及气象影响分析

利用2015年广州市近地面逐时臭氧(O_3)观测资料及气象数据,分析了广州地区近地面的O_3浓度时空分布特征及其与气象因子的关系.结果表明:广州地区城郊的O_3浓度高于中心城区;广州地区近地面的O_3浓度超标时间主要出现在4—9月,8月O_3浓度最高,3月O_3浓度最低;O_3浓度日变化呈现"单峰型"分布,早上7:00—8:00出现最低值,15:00达到峰值;O_3浓度与气温呈正相关,当气温高于30℃时,O_3浓度随温度升高增加明显;与相对湿度呈负相关,当相对湿度大于60%时,O_3浓度显著降低;当气压小于1010 hpa时,与气压呈负相关,当气压大于1010 hpa时,与气压呈正相关;当风力为2~3级吹西北偏西至西南偏西风区间时,O_3浓度最高,说明广州偏西部可能存在O_3污染源区;O_3浓度在晴天最高,其次是少云和多云天气,最低是在雨天.总体而言,气温高、日照长、辐射强、气压低、湿度小及2~3级的风力是广州地区近地面产生高浓度O_3的主要气象因素.当广州O_3浓度出现超标时,气温变化范围为25.9~37.4℃,相对湿度变化范围为29%~83%,气压变化范围为989.4~1009.1 h Pa,风速变化范围为0.7~5.8 m·s~(-1),紫外辐射强度日最大1 h均值最小为32.6 W·m~(-2),10:00—14:00均值最小为27.3 W·m~(-2).     

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、...     

华北地区颗粒物浓度时空分布特征及其因素

利用2017年华北地区各地级及以上城市空气质量浓度等有关数据,对该区域内的颗粒物浓度时空分布特征进行研究,在此基础上进一步利用空间自相关分析方法对该区域内的颗粒物浓度的空间聚集特征进行定量描述,并利用空间计量模型分析了影响华北地区城市颗粒物浓度的因素。结果表明：整体上,华北地区PM_2.5和PM₁₀的污染日出现的平均频率分别为17.25%和14.23%,需重点关注细颗粒物造成的污染。在时间分布上,各省市的颗粒物月均浓度存在“U”型变化,呈现出冬季>秋季≈春季>夏季的规律。在空间分布上,各地级市颗粒物年均浓度具有明显的空间聚集特性,高聚集主要出现在河北南部,低聚集主要出现在内蒙古。空间计量模型表明,风速、降雨量和人均GDP对华北地区城市的PM_2.5和PM₁₀年均浓度均具有显著的负向影响,而第二产业占比、煤炭使用量和机动车保有量均对颗粒物浓度有正向影响,其中煤炭消耗量的影响最大,其次是机动车保有量。上述研究结果可为制定华北地区大气污染控制提供有效的措施和科学依据。     

近三年中国甲醛时空分布特征及影响因素分析

近年来,研究大气污染物的时空分布特征及影响因素分析已成为环境科学领域研究的热点问题.本文基于OMI甲醛垂直柱浓度数据产品,结合各省市气象、植被、人类活动等数据,对全国2015—2017年甲醛柱浓度时空分布特征及影响因素进行了研究.结果表明,全国甲醛柱浓度分布极不均衡,整体呈现自东南沿海向西北递减的趋势,此外在新疆与西藏的小部分地区存在高值区域.3年来全国甲醛柱浓度为整体上升,且变化率在-1.02～1.46之间,其中全国81%地区呈上升趋势,19%地区呈下降趋势.全国甲醛柱浓度季节性变化规律表现为夏季春季秋季冬季.甲醛柱浓度时空分布受气象因素影响,整体上与气温、降水呈正相关,但部分地区降水对甲醛有消减作用;甲醛柱浓度也与植被量呈正相关,如植被丰富的西藏地区及我国东南部,植被对甲醛柱浓度的影响显著.全国大多数省份甲醛柱量与地区生产总值、汽车保有量呈显著正相关,人类足迹分布模式与甲醛柱浓度空间分布的一致性较高,指示在城市发达地区,人类活动和经济发展、汽车尾气是导致甲醛柱浓度增高的主要原因.     

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.     

基于卫星观测的青海高原对流层臭氧时空分布特征研究

基于OMI-MLS对流层臭氧总量数据集对2005—2019年青海高原对流层大气臭氧总量进行提取分析,探讨其时空分布格局及气象因子的影响.结果表明：①OMI-MLS对流层臭氧总量数据在青海高原的适用性良好.③海高原的多年平均对流层臭氧总量分布整体呈东北高西南低的态势,受地形和大气环流形势影响较大.海东市的对流层臭氧总量最高,其次是西宁市、格尔木市、德令哈市,玉树市的对流层臭氧总量最低.对流层臭氧总量月变化在一定程度上表现为"倒V"型特点：峰值位于6—7月,谷值位于1月,与气温变化密切相关.对流层臭氧总量季节变化明显,空间异质性强,夏季最高,春季、秋季次之,冬季最低.③近15年青海高原对流层臭氧总量呈显著增加趋势,年平均增加速率为0.22 DU,4个季节的对流层臭氧总量均呈波动上升趋势,冬季的对流层臭氧总量增加速率最快,其次是春季、夏季,秋季增加速率较慢.④影响青海高原对流层大气臭氧总量的主要气象因子是气温和降水,而次要因子表现略有不同.