京津冀地区城市臭氧污染趋势及原因探讨

采用Kolmogorov-Zurbenko（KZ）滤波分析了2013~2018年京津冀地区13个城市的臭氧最大日8h滑动平均（O₃-8h）序列,评估污染趋势并探讨原因.KZ滤波分离出的O₃-8h短期、季节和长期等3个分量分别占原始序列总方差的32.7%、63.9%和3.4%,各分量之间相互独立;以滤除了中短期过程影响的长期分量进行比较,京津冀地区远高于柏林、巴黎和伦敦等欧洲城市,与美国洛杉矶20世纪90年代初和最近4年状况相当,普遍低于上海和南京等长三角主要城市.但是,2013~2018年京津冀地区各城市臭氧污染加剧显著,长期分量升高速率达2.31~7.12 μg·（m³·a）^-1,均值为4.97 μg·（m³·a）^-1,快于长三角地区.拟合结果提示,臭氧浓度升高受气象条件影响不大（贡献比均值约为9.6%）,主要由大气污染排放变化造成（90.4%）,将该排放变化拆分为PM_2.5下降和臭氧前体物排放变化两项,其贡献比均值分别是27.3%和63.1%,其中北京-廊坊-天津城市带PM_2.5下降对臭氧升高贡献较大,分别为50.8%、32.5%和36.7%,衡水则达到48.6%.PM_2.5浓度降低已成为北京、衡水等地臭氧升高的最关键因素,这意味着需进一步减少前体物排放,以抵消PM_2.5降低导致臭氧增加的反作用.需要指出,该结果尚待实验和模型模拟验证.     

Dry deposition velocity of total suspended particles and meteorological influence in four locations in Guangzhou, China

Dry deposition velocity of total suspended particles (TSP) is an effective parameter that describes the speed of atmospheric particulate matter deposit to the natural surface. It is also an important indicator to the capacity of atmosphere self-depuration. However, the spatial and temporal variations in dry deposition velocity of TSP at different urban landscapes and the relationship between dry deposition velocity and the meteorological parameters are subject to large uncertainties. We concurrently investigated this relationship at four different landscapes of Guangzhou, from October to December of 2009. The result of the average dry deposition velocity is (1.49 ± 0.77), (1.44 ± 0.77), (1.13 ± 0.53) and (1.82 ± 0.82) cm/sec for urban commercial landscape, urban forest landscape, urban residential landscape and country landscape, respectively. This spatial variation can be explained by the difference of both particle size composition of TSP and meteorological parameters of sampling sites. Dry deposition velocity of TSP has a positive correlation with wind speed, and a negative correlation with temperature and relative humidity. Wind speed is the strongest factor that affects the magnitude of TSP dry deposition velocity, and the temperature is another considerable strong meteorological factor.We also find out that the relative humidity brings less impact, especially during the dry season. It is thus implied that the current global warming and urban heat island effect may lead to correlative changes in TSP dry deposition velocity, especially in the urban areas.     

气象因素对香港地区臭氧污染的影响

基于2000~2015年香港地区的臭氧监测数据和气象数据,分析了香港的臭氧污染特征及气象因素对臭氧污染的影响.结果表明:(1)香港地区臭氧浓度呈现明显的季节变化特征,其中秋季春季冬季夏季,臭氧超标日集中在夏季和秋季,超标日发生在冬季和春季的情形极少.(2)2000~2015年香港臭氧日最大8h平均浓度(MDA8)年均浓度呈增长趋势,平均增长速率为0.77μg·(m3·a)-1,臭氧MDA8第90百分位数浓度同样呈增长趋势,增长速率为1.49μg·(m3·a)-1.(3)较高的气温是香港地区臭氧污染发生的必要条件,气温越高越容易导致更高浓度的臭氧污染.(4)绝大多数情况下,臭氧浓度与相对湿度间呈负相关关系,相对湿度越高,香港地区的臭氧MDA8平均浓度及第90百分位数浓度均会降低.(5)当香港发生臭氧污染时,盛行风往往从偏北风或偏东风转为偏西风.随着风速的增大,臭氧平均浓度变化不大,但是臭氧第90百分位数浓度会明显降低.(6)降水和云量是影响臭氧浓度的重要因素,连续多日的无雨或少雨天气是臭氧污染事件发生的必要条件,而随着云量的增加,臭氧平均浓度和第90百分位数浓度会持续降低.(7)在太阳总辐射量≤20 MJ·m-2或日照时长≤10 h的情况下,臭氧浓度与太阳辐射及日照时长呈正相关关系.然而,在太阳辐射强烈的情况下(太阳总辐射量 20 MJ·m-2或日照时长 10 h),随着太阳辐射增强或日照时长的增加地面臭氧浓度反而降低,这是因为太阳辐射强烈的情况常出现在雨后天晴的背景下,并盛行来自海洋的偏南风,使得臭氧污染不易形成.(8)香港臭氧超标日的出现往往伴随着一系列气象条件的共同改变,包括晴天少雨、辐射增强、边界层高度增加、相对湿度降低、风速变小以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.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

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).     

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.     

海北雷暴活动分析

利用海北6个气象站1978～2007年30a气象观测资料和2000～2007年雷灾资料,从气象要素变化分析了海北地区雷暴日数时空变化的原因,并从地理和土壤环境背景角度分析了雷暴多发和雷灾多发的原因.结果表明,海北地区雷暴次数总的趋势是减少的,各地雷暴日数不同,门源为多雷区,托勒为少雷区;雷暴出现最多方位为西北方和西南方;雷暴活动的强弱与近地层大气的不稳定有关,地气温差的高低和相对湿度的大小与海北雷暴活动关系密切;气候变化是导致海北雷暴减少的主要因素之一;雷暴日数和雷击灾害的发生与当地所处的地理位置、盛行风向、土壤背景有关.     

论重大突发事件应急决策气象服务

随着经济的快速增长和改革的逐渐深入,我国重大突发事件屡见不鲜,事件突发性强、社会关注度高,且部分事件受天气制约因素大,因此做好决策气象保障工作对重大突发事件管理起着非常关键的作用;同时,其服务产品领导阅读率较高,关注度和重要性不可小觑。因此立足于业务实践,对国家级气象部门的重大突发事件应急决策气象服务进行总结、分析和探讨,旨在不断提升决策气象服务产品的质量,展现气象行业的重要性,更好地服务政府和人民。     

气象激光雷达的城市边界层探测

为了研究城市边界层结构变化特征,2005年7月利用气象激光雷达在南京城区做了城市边界层探测试验,就此次观测试验作了简要叙述并选取部分观测资料为示例,着重对气象激光雷达确定城市边界层高度垂直分布及逐时变化以及地面气象环境对边界层的日变化影响进行了初步分析.结果表明,主要由近地层对流混合形成的城市边界层高度具有典型的日变化特点,早晚比较低,日间有一个从低到高再到低的变化过程.提出了一种由边界层混合状态确定边界层高度的方法.分析结果表明,由气溶胶消光系数确定城市边界层高度比较准确.将MSL探测结果与同步的低空无线电探测仪的温度探测结果进行比较,结果表明,两者获得的实际廓线分布相当吻合,线性良好.就地表温度、辐射、湿度及云等气象要素对边界层垂直分布及时间变化的影响做了分析.结果表明,这些气象要素的分布对城市边界层高度的垂直分布及其逐时变化有明显影响.