北京不同类型城市森林中PM_(2.5)与O_(3)的关联性分析

大气污染的协同治理是实现经济社会高质量发展,加快生态文明建设的重要途径.PM_(2.5)和臭氧的协同治理是我国“十四五”时期大气污染防治的要求,探究北京市城市森林不同类型林内PM_(2.5)与臭氧的相关性对北京市大气污染的防治具有重要意义.本文利用北京市3个城市森林生态环境监测站测得的PM_(2.5)、O_(3)浓度数据,系统分析不同类型城市森林PM_(2.5)与O_(3)浓度相关性的差异.结果表明:①春季,中心城区、近郊湿地区、近郊浅山区森林中PM_(2.5)与O_(3)浓度呈负相关,中心城区相关性最强(r=0.178,p<0.01);夏季各区域PM_(2.5)与O_(3)浓度均呈正相关,近郊湿地区相关性最强(r=0.095,p<0.01);秋季各区域PM_(2.5)与O_(3)浓度均呈负相关,近郊浅山林区负相关性最强(r=−0.428,p<0.01);冬季近郊湿地区PM_(2.5)与O_(3)浓度呈显著正相关(r=0.061,p<0.05),但中心城区和近郊浅山林区均呈负相关.②工作日期间夜间近郊浅山林区PM_(2.5)与O_(3)浓度相关性相对较强(r=−0.147,p=0.01),其余时间中心城区相关性相对较强,相关系数在−0.14上下波动,周末期间除夜间外,近郊湿地区相关程度相对较强,相关系数在−0.08上下波动.③当PM_(2.5)浓度≤50μg/m^(3)或O_(3)浓度>50μg/m^(3)时,PM_(2.5)与O_(3)浓度呈正相关;PM_(2.5)浓度处于50~200μg/m^(3)之间或O_(3)浓度≤50μg/m^(3)时,二者负相关性相对较强.研究显示,北京市城市森林中PM_(2.5)与O_(3)相关性在季节、不同区域昼夜尺度上有所差异,且林内各区域PM_(2.5)和O_(3)浓度总体呈负相关,表明PM_(2.5)与O_(3)的相互关系受环境背景浓度值、气象要素、人类活动等多因素共同影响.

2015-2021年鄱阳湖流域主要城市PM_(2.5)和O_(3)浓度分布特征及疾病负担评估

为研究鄱阳湖流域主要城市(南昌市、九江市和上饶市)PM_(2.5)和O_(3)污染对健康的影响,本文评估了“十四五”期间实现特定浓度目标可能带来的健康效益,分析了2015-2021年各污染物的浓度变化,并运用健康影响函数(HIF)及综合暴露-反应函数(IER)对这些城市的疾病负担进行了评估.结果表明:①2015-2021年,南昌市、九江市和上饶市的PM_(2.5)年均浓度分别下降了28.57%、32.65%和34.88%,而O_(3)浓度分别上升了11.53%、8.75%和7.06%;此外,PM_(2.5)和O_(3)浓度分布呈现出明显的季节性变化.鄱阳湖流域主要城市与PM_(2.5)相关的疾病负担下降了18.42%,而与O_(3)相关的疾病负担增加了81.11%.②预测显示,“十四五”期间若实现积极目标,南昌市、九江市和上饶市的PM_(2.5)疾病负担将分别减少55.45%、59.51%和51.44%,在一般目标下将分别减少31.76%、36.43%和33.80%;O_(3)方面,预期目标实现后南昌市、九江市和上饶市的疾病负担将分别下降50.92%、40.58%和36.80%.研究显示,相较于O_(3)浓度控制目标,更为严格的PM_(2.5)浓度控制目标能够产生更显著的健康效益.

基于机器学习的郑州市大气PM_(2.5)与O_(3)浓度预测方法及气象因子的影响分析

近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_(2.5)与O_(3)浓度预测及气象因子影响分析的综合分析方法.结果表明:①训练后的LightGBM模型能够较好地预测PM_(2.5)污染,准确率达80.8%;对O_(3)污染预测的准确率为52.5%.②郑州市大气PM_(2.5)浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O_(3)8 h滑动平均浓度(O_(3)-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.③有利的气象条件可能是2021年PM_(2.5)年均浓度得到显著改善的重要因素;同时,不利的气象条件也促使2021年和2022年6月O_(3)月评价值(O_(3)日最大8 h滑动平均90百分位浓度)有所上升.研究显示,这种基于长时间序列的综合分析方法适用于大气PM_(2.5)与O_(3)浓度的气象因子影响分析,也能有效预测PM_(2.5)与O_(3)的浓度.

汾渭平原PM_(2.5)和O_(3)污染导致的健康效应及情景预测

细颗粒物(PM_(2.5))和臭氧(O_(3))已成为主要大气污染物,对人体健康危害较大.本文选取大气污染防控重点区域汾渭平原作为研究区,分析2014-2021年PM_(2.5)和O_(3)浓度变化特征及其健康效应,并估算2030年实现不同减排标准的潜在健康效益.结果表明:①2014-2021年汾渭平原PM_(2.5)年均浓度呈下降趋势,而O_(3)年均浓度却呈波动上升趋势,PM_(2.5)和O_(3)复合污染天数下降趋势显著.②归因于PM_(2.5)污染的早逝人数和经济损失均呈下降趋势;而归因于O_(3)污染的早逝人数及经济损失均呈上升趋势,2021年归因于O_(3)污染的全因、呼吸系统疾病和心血管疾病早逝人数较2014分别增加了60.36%、11.94%和74.32%,经济损失增加了136.60%、65.18%和157.20%,其中西安市和洛阳市健康风险与经济损失问题相对突出.③若2030年PM_(2.5)和O_(3)年均浓度均达《环境空气质量标准》(GB 3095-2012)二级标准限值,汾渭平原归因于PM_(2.5)和O_(3)的早逝人数较2021年将分别下降15.99%和2.71%,而随着人均可支配收入的逐年增加,健康经济损失将分别增加6.39×10^(8)元(95%CI:5.20×10^(8)~7.56×10^(8)元)和30.05×10^(8)元(95%CI:16.17×10^(8)~43.26×10^(8)元);若进一步将PM_(2.5)和O_(3)浓度降至更低,可进一步避免早逝人数的增加,且带来显著的经济效益.研究显示,汾渭平原PM_(2.5)治理有所成效,但是O_(3)污染问题凸显,其导致的健康死亡人数及经济损失均呈上升趋势,应保证达到现有标准的基础上制定更高目标标准,才能有效改善居民健康状况,并带来显著的经济效益.

定州市O_(3)和VOCs污染特征分析

2022年10月16日至2023年7月31日在定州市开展了9个多月的挥发性有机污染物(VOCs)的小时数据在线监测,分别采用最大增量反应活性(MIR)系数法和气溶胶生成系数(FAC)法估算了定州市各VOCs组分的臭氧生成潜势(OFP)和二次有机气溶胶生成潜势(SOA),筛选出生成O_(3)与SOA活性最大的VOCs成分。结果表明,2020-2023年O_(3)月均浓度和超标天数均在6月最高,O_(3)首次超标日有波动提前的趋势。监测期定州市VOCs浓度为111μg/m^(3),其中含氧挥发性有机物(OVOCs)浓度最高,达38μg/m^(3),占比34%,其次是烷烃,浓度为29μg/m^(3),占比26%。臭氧生成潜势(OFP)为301μg/m^(3),OVOCs对OFP的贡献率最高,占比52%,烯烃占比23%。二次有机气溶胶生成潜势(SOA)之和为0.71μg/m^(3),芳香烃对SOA的贡献率最高,其SOA占比94%。丙醛、乙醛和乙烯是对OFP贡献最大的3个组分,甲苯、乙基苯和间/对-二甲苯是对SOA贡献最大的3个成分。优先减少OVOCs、烯烃和芳香烃的排放是定州市抑制O_(3)和SOA生成的有效途径。

臭氧过氧化氢(O_(3)/H_(2)O_(2))降解2,4,6-三氯酚的多因素影响

采用O_(3)/H_(2)O_(2)高级氧化工艺,对2,4,6-三氯酚(2,4,6-TCP)进行降解试验。结果表明:O_(3)/H_(2)O_(2)高级氧化工艺能有效降解2,4,6-TCP,去除率与时间的关系符合一级动力学模型;H_(2)O_(2)浓度、2,4,6-TCP初始浓度、pH及阴离子对2,4,6-TCP的降解均有影响;增加H_(2)O_(2)浓度对降解反应整体有利,但随H_(2)O_(2)浓度逐渐增大,其降解速率提高的程度越来越小;2,4,6-TCP初始浓度越低,其降解效果越好;随着pH的增加,降解速率也逐渐增加,且在酸性条件下对降解速率的影响明显比碱性条件影响大;Cl^(-)、SO_(4)^(2-)对降解反应起抑制作用,HCO_(3)^(-)、CO_(3)^(2-)、NO_(3)^(-)对降解反应起促进作用,促进反应速率常数的程度为:CO_(3)^(2-)>HCO_(3)^(-)>NO_(3)^(-)>无阴离子>SO_(4)^(2-)>Cl^(-)。

2015—2021年四川盆地近地面O_(3)时空演化及潜在源区分析

近地面O_(3)污染已经成为我国最严重的环境问题之一,特别是在地形相对闭塞的盆地区域更加突出,而盆地地形区域O_(3)的时空演化、潜在源区及驱动因素尚未被完全揭示.因此,以典型盆地地形区—四川盆地为研究区,基于长时间尺度(2015—2021年)的O_(3)浓度监测数据,采用后向轨迹、时空地理加权回归等模型探讨O_(3)的时空变化特征、传输路径、潜在源区以及驱动因素的空间分布特征.结果表明:①时间分布上,2015—2021年四川盆地O_(3)-8 h浓度第90百分位数为(143±7)μg/m^(3),夏季O_(3)-8 h浓度高于其他季节,O_(3)-8 h浓度存在明显的“周末效应”和昼夜差异.②空间格局上,四川盆地O_(3)-8 h浓度第90百分位数总体呈西高东低的分布特征,西部平原地带是核心污染区域.③2015—2021年影响成都市的气流轨迹中短距离输送轨迹占比为74.24%,长距离输送轨迹占比平均值为25.76%.2015—2021年成都市O_(3)的潜在源区由西向东迁移,并表现出以盆地为中心逐渐集聚的趋势.④时空地理加权回归结果显示,气温和日照时数的回归系数分别为0.738和0.289,是四川盆地O_(3)的主导自然因子,人口密度(0.412)和人均GDP(0.369)是导致O_(3)浓度升高的主要社会经济因素.研究显示,受盆地内部自然环境和人类活动的共同影响,2015—2021年四川盆地的O_(3)污染较为严重.

2017—2019年安庆市O_(3)污染特征及与气象参数的关系

本文利用2017—2019年安庆市4个国控环境空气质量自动监测站的臭氧(O_(3))监测数据,研究安庆市区O_(3)污染特征及其与气象参数的关系。结果表明:安庆市O_(3)污染程度逐年加重,O_(3)作为首要污染物其超标天数显著增多,2019年O_(3)-8 h第90百分位首次超出《环境空气质量标准》(GB 3095—2012)规定的二级标准浓度限值,年平均增长率为15.7%。2017—2019年O_(3)超标时具有持续性,持续时间2~9 d不等;O_(3)浓度季节差异较大,冬季最低,夏秋季最高,年际分析发现,O_(3)污染防控逐年向后延迟,秋季将成为防控重点;日变化呈现较为典型的单峰型特征,早8:00后快速升高,下午3:00左右出现峰值,而后逐渐下降。空间上,安庆大学、环科院点位浓度最高,马山宾馆浓度最低,整体呈现出城区中心低于郊区,近郊低于远郊的分布特征。气象因素与O_(3)浓度有一定的相关性,温度与O_(3)浓度呈正相关,相对湿度、风速与O_(3)浓度呈负相关,尤其在温度为25~30℃,相对湿度为60%~70%,风速低于2.0 m/s时,东北风时极易造成O_(3)浓度超标。

典型生态功能区臭氧生成敏感性及气象驱动力解析——以千岛湖地区为例

千岛湖地区是我国重要的自然保护区,属于典型生态功能区。当前,臭氧(O_(3))正频繁成为影响千岛湖地区空气质量的首要污染物,但对于与此相关的千岛湖地区O_(3)生成敏感性,研究人员目前仍未了解清楚。利用2019—2021年TROPOMI卫星观测数据,运用O_(3)生成敏感性指示剂方法,即甲醛对流层垂直柱浓度和二氧化氮对流层垂直柱浓度的比值(FNR),量化解析了千岛湖地区O_(3)生成敏感区的时空演化特征。结果表明,千岛湖地区FNR呈现逐年升高趋势,且显著高于杭州市主城区。千岛湖地区氮氧化物(NO_(x))控制区逐年扩张,自2019年开始,由西南向东北逐步蔓延。截至2021年,NO_(x)控制区已基本覆盖整个千岛湖地区。千岛湖地区O_(3)生成敏感区在夏季基本属于NO_(x)控制区,在其他季节属于NO_(x)控制区或协同控制区。结合气象再分析数据发现,FNR与温度呈强正相关(r=0.8),与相对湿度呈较弱正相关,与风速和云液态水含量呈较弱负相关。当温度大于7.0℃、风速小于6.2 m/s、云液态水含量小于5.5×10^(-5)g/m^(3)、相对湿度大于57.5%时,O_(3)生成趋向于受NO_(x)控制。此外,与杭州市相比,千岛湖地区O_(3)生成对气象参数变化更为敏感。研究成果对我国典型生态功能区O_(3)污染防控具有重要的启示作用。

郑州市一次连续臭氧污染过程的特征及源解析

为探究夏季臭氧(O_(3))连续污染时段挥发性有机化合物(VOCs)污染特征及来源贡献,对郑州市大气环境中VOCs进行监测,分析了O_(3)污染形势及其前体物与气象的关系,探究O_(3)和VOCs的污染特征,并对比分析了关键活性组分,重点利用比值法和正定矩阵因子分析(PMF)受体模型研究了其来源贡献。结果表明:①郑州市6月O_(3)污染具有浓度高、连续时间长及污染天数多等特点,在强辐射、高温、低湿和风速较小等不利气象条件下,高浓度VOCs与NO_(2)发生光化学反应,造成O_(3)持续生成及累积,导致O_(3)连续超标且高值频发。②郑州市VOCs浓度为(74.7±29.1)μg/m^(3),组分中以烷烃、卤代烃和含氧挥发性有机物(OVOCs)为主。臭氧生成潜势(OFP)和羟基消耗速率(LOH)分析显示,VOCs中关键活性组分呈烯烃>OVOCs>烷烃>芳香烃的特征,活性物种为异戊二烯、乙烯、丙醛、丙烯、2-己酮、1-己烯和异戊烷等。③郑州市VOCs光化学初始浓度为82.5μg/m^(3),较观测值高7.8μg/m^(3),且下午比上午VOCs的光化学反应消耗明显。④机动车尾气排放源、溶剂涂料使用源和油气挥发源是此次污染过程中VOCs排放的主要来源,贡献率分别为27.0%、26.6%和26.0%,其中溶剂涂料使用源和机动车尾气排放源是对O_(3)生成贡献最大的来源,贡献率分别为27.3%和22.2%。研究显示,郑州市6月O_(3)连续污染主要由于在不利气象条件下,促使较高浓度VOCs和NO_(2)发生光化学反应,造成O_(3)连续超标且高值频发,因此亟需重点加强VOCs中关键活性组分的污染源减排,尤其强化机动车尾气排放源和溶剂涂料使用源的管控力度,从而缓解O_(3)污染。

眉山市彭山区臭氧污染特征及其前体物分析

本文通过源排放清单、受体模型、空气质量模型联用的综合源解析方法,对四川省眉山市彭山区臭氧(O_(3))污染特征及其前体物来源等进行分析研究,得出彭山区O_(3)污染形势、浓度变化、影响因素及其前体物主要来源的相关结论,以期为成都平原地区O_(3)污染问题的研究提供重要的参考价值。

杭州市余杭临平臭氧时空污染特征及其生成潜势研究

观测浙江省杭州市余杭与临平2个区,夏季和冬季的挥发性有机物(VOCs),结合臭氧(O_(3))自动监测数据,研究O_(3)时空污染特征及其生成潜势,发现临平区O_(3)污染较余杭区更严重,具体表现在污染天数、O_(3)-8h年均值及超标率等,2个地区估算的O_(3)生成潜势典型组分均包括环己烷、甲苯、正戊烷、二甲苯、乙酸乙酯和丙烯等多种组分,其中临平区的天然源对O_(3)有一定贡献。

浙江省O_(3)浓度时空格局及驱动因子

气象因子对臭氧(O_(3))浓度有重要影响,为探索O_(3)浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O_(3)浓度和气象因子数据.结果表明:①浙江省O_(3)浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O_(3)浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O_(3)浓度最小值出现时间较其他季节晚1 h左右.高浓度O_(3)主要分布在浙江省东北部及北部区域.②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O_(3)浓度的贡献率均超过20%,夏季相对湿度对O_(3)浓度的贡献率超过40%,秋季日光照时长对O_(3)浓度的贡献率超过40%,秋、冬两季NO2浓度对O_(3)浓度的贡献率均超过35%.春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419.研究表明,浙江省O_(3)浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季.

暴露O_3和香烟烟雾对小鼠血清α_1-蛋白酶抑制物的影响

本文报告了O_3和香烟烟雾对小鼠血清中α_1-蛋白酶抑制物(以下简称α_1-P_1)活力的影响。研究结果表明:当O_3浓度为1.2±0.1ppm及暴露于香烟烟雾时,可使α_1-P_1活力显著降低。

上海市PM_(2.5)和臭氧复合污染期多路径减排效果评估

为探究大气PM_(2.5)和臭氧(O_(3))复合污染期间的污染物浓度削峰方案,以上海市2018年4月27—30日PM_(2.5)和O_(3)复合污染时段为研究对象,结合区域多尺度空气质量模型(CMAQ模型),建立上海市O_(3)日最大8小时滑动平均值(MDA8 O_(3))以及PM_(2.5)浓度与人为源排放的NO_(x)和VOCs之间的响应关系,获得了EKMA(empirical kinetics modeling approach,经验动力学建模方法)曲线.在此基础上,探讨上海市MDA8 O_(3)和PM_(2.5)对前体物排放的敏感性,并进一步量化了本地减排、提前减排和区域减排等不同情景下PM_(2.5)和MDA8 O_(3)的浓度变化.结果表明:(1)上海市PM_(2.5)和O_(3)复合污染期间MDA8 O_(3)的峰值率(PR)为0.6~1.1,除浦东惠南站点外,整体处于VOCs控制区.(2)上海市人为源NO_(x)和VOCs减排对PM_(2.5)的削峰效果有限(NO_(x)减少80%时,PM_(2.5)浓度下降1.2μg/m^(3)).本地VOCs减排对MDA8 O_(3)的削峰较为明显(最大下降量为17.0μg/m^(3)).VOCs与NO_(x)的减排比例需控制在1.9∶1以上才能使MDA8 O_(3)浓度不发生反弹,同时可优先控制烯烃类的排放.(3)上海市MDA8 O_(3)浓度在提前减排和区域减排VOCs情景下均能进一步降低,降幅为0.6%~3.1%,且区域减排带来的受益范围更广;提前减排和区域减排对上海市PM_(2.5)浓度降低的边际效益均甚微.研究显示,复合污染期间VOCs的排放控制可同时削减PM_(2.5)和MDA8 O_(3)浓度峰值,提前采取污染防控措施以及区域联合控制对上海市O_(3)浓度削峰有一定积极意义.

三亚市区臭氧污染变化特征及潜在源区分析

该文基于三亚市区2个环境监测数据,结合气象观测资料,采用后向轨迹、聚类分析、潜在源区贡献因子算法和权重轨迹方法研究了三亚市日最大8 h平均(O_(3)-8 h)质量浓度时空变化特征与气象因子的关系,以及O_(3)传输路径和潜在贡献源区。结果表明,2014-2020年2个站点O_(3)-8 h质量浓度变化趋势相反,河东站和河西站气候倾向率分别为0.303μg/(m^(3)·a)和-0.405μg/(m^(3)·a),趋势系数均没有通过信度检验。O_(3)-8 h质量浓度逐月变化呈“V”型分布,最高值出现在10月;日变化表现为单峰型,峰值出现在15:00左右。平均气温在15~25℃之间,相对湿度为65%~80%,太阳总辐射为14~24 MJ/m^(2),日照时数为6~10 h/d,受6~12 m/s之间的东北风影响时,三亚市O_(3)-8 h质量浓度会出现超标。多元回归分析表明,10 m平均风速、相对湿度、日照时数和平均气温是O_(3)-8 h质量浓度的主控因子。秋季的内陆东北气流和沿海东北气流,春季的沿海东北气流,冬季短距离气流和东北气流影响下会出现三亚市O_(3)-8 h质量浓度超标,超标率分别为13.61%、2.31%、1.44%、0.95%和2.76%;福建省、江西省和广东省是三亚市O_(3)污染的主要贡献源区。

2015—2020年中国臭氧污染时空演化及其与厄尔尼诺-南方涛动的关系研究

为研究2015—2020年我国近地面臭氧(O_(3))污染时空演化特征以及厄尔尼诺-南方涛动(ENSO)对我国O_(3)污染的影响,本文基于2015—2020年我国近1500个监测站点的O_(3)浓度数据(不包括港澳台地区数据),综合运用空间自相关、热点分析、异常值分析及回归分析,研究2015—2020年我国O_(3)污染的时空演化、浓度异常特征及其与ENSO事件和气象因素的关系.结果表明:(1)2015—2019年我国O_(3)污染集聚效应不断增强,但2020年显著降低.(2)我国O_(3)浓度呈先升高(2015—2018年)后下降(2018—2020年)的特征,2017年、2018年O_(3)年均浓度分别较上一年升高8.72%、1.76%,2019年、2020年O_(3)年均浓度分别较上一年下降3.60%、3.66%.除2019年、2020年外,O_(3)浓度高值聚集区站点的O_(3)浓度峰值和高值天数(日均值大于120μg/m^(3)的天数)均大于O_(3)浓度低值聚集区站点.(3)O_(3)高浓度时期为每年的4—10月.O_(3)高浓度区域春、夏两季以华北为核心,秋季向华南和东南地区转移.(4)回归分析表明,我国O_(3)浓度正异常与ENSO负相拉尼娜相关,O_(3)浓度负异常与ENSO正相厄尔尼诺相关.我国东南部O_(3)浓度异常主要受ENSO期间太阳辐射异常和降水异常的影响,而西部和北部地区O_(3)浓度异常主要受ENSO期间风速异常的影响.研究显示,2015—2020年我国O_(3)平均浓度呈先升高后降低的变化趋势,O_(3)高浓度时期以春、夏两季为主,O_(3)高浓度区域随季节而发生变化,且不同区域O_(3)污染变化特征不同,ENSO对我国不同区域O_(3)污染的影响机制不同.

河南省近地表O_(3)污染特征及其与气象因素之间的关系

气象因素对臭氧(O_(3))浓度有着重要影响,为探索近地面O_(3)污染特征及与气象因素的关系,利用2014—2020年河南省环境空气质量监测站数据和国家基本地面气象站数据,研究了河南省O_(3)污染时空特征、O_(3)与前体物以及与气象因素之间的关系,探究了夏季河南省O_(3)的潜在来源.结果表明:①时间特征上,2014—2020年河南省O_(3)污染程度总体减轻,O_(3)日最大8 h滑动平均值(简称“O_(3)-8 h浓度”)变化趋势呈现“M”型,O_(3)-8 h浓度在季节上呈夏季>春季>秋季>冬季的特征,且6月O_(3)-8 h浓度及超标天数均达到峰值;空间特征上,O_(3)-8 h浓度呈北低南高、西低东高的空间分布情况,高值区集中于豫南地区.②O_(3)-8 h浓度与前体物NO2、CO浓度均呈显著负相关.③从气象因素角度来看,O_(3)-8 h浓度与气温呈正相关,与相对湿度呈负相关,气温26℃或相对湿度40%有利于O_(3)-8 h浓度升高.受秋冬季盛行北风的影响,河南省O_(3)-8 h浓度在秋、冬两季呈北低南高的空间分布,夏季盛行的南风有利于河南省O_(3)污染的形成和维持.④2019年夏季O_(3)浓度最大,由内源性转向外源性.受周边城市以及地形条件影响,河南省夏季O_(3)会出现局部累积.研究显示,河南省近地表O_(3)污染具有显著的时空分布特征,污染程度总体减轻,O_(3)前体物与气象因素(气温、相对湿度、风)对O_(3)影响显著,夏季O_(3)传输路径及潜在源随时间发生变化.

南亚高压对四川盆地夏季区域持续性O_(3)污染的影响

基于2015~2020年四川盆地臭氧(O_(3))浓度监测数据,构建O_(3)区域性持续性污染过程个例库,并进一步时空匹配高低空气象资料,探究夏季南亚高压系统对四川盆地地面气象要素及O_(3)污染生成的影响机制.结果表明:(1)2015~2018年四川盆地O_(3)区域性持续性污染(ORPP)逐年加重,2018~2020年保持相对稳定的污染态势,且ORPP多集中于春、夏两季.盆地中南部成都、重庆、泸州等城市O_(3)污染形势最为严峻,且高值区逐渐向南北方向转移.(2)基于南亚高压(系统存在率、中心离散度与东西振荡量)对地面气象要素的影响阐释ORPP的生成机制:系统存在率均值偏低且位置偏东时,平均气温、气温日较差及日照时数偏高,相对湿度偏低,利于O_(3)生成;南亚高压东模态中心显著聚集时,气温日较差与日照时数激增,易造成O_(3)异常高值;西模态剧烈振荡时,气温日较差、日照时数及相对湿度改变,易使O_(3)浓度波动.(3)对比清洁期与污染期,南亚高压系统存在率、中心离散度与东西振荡量综合作用于清洁期,而污染期则主要受中心离散度与东西振荡量影响.当南亚高压西模态剧烈振荡与东模态显著聚集配合出现时,极易诱发四川盆地内ORPP二级过程.

济南市和青岛市2014—2021年臭氧浓度变化特征及其气象影响因素

为研究济南市和青岛市臭氧(O_(3))浓度长期变化特征及其气象影响因素,基于2014—2021年近地面O_(3)连续8年观测资料和同期气象资料,揭示O_(3)浓度长期变化特征,分析O_(3)浓度与气象因子关系,阐明O_(3)主要输送路径和潜在源区.结果表明:①整体上,济南市O_(3)污染程度高于青岛市,2个城市O_(3)污染均集中在4—10月.长期趋势上,2014—2021年济南市O_(3)日最大8 h平均浓度第90百分位数(简称“O_(3)-8 h 90th浓度”)总体呈先升后降的趋势,峰值出现在2019年;青岛市2019年和2017年O_(3)-8 h 90th浓度相对较高,其他年份O_(3)-8 h 90th浓度差异不大.月变化上,济南市O_(3)-8 h 90th浓度季节性变化较明显,呈单峰状;而青岛市受雨季和清洁海洋气流稀释作用,其O_(3)-8 h 90th浓度呈双峰状.②高温、低湿、小风等不利气象条件下更易发生O_(3)污染.相对于青岛市,济南市O_(3)日最大8 h平均浓度(简称“O_(3)-8 h浓度”)与气象因子的相关性更密切,尤其是与日间(08:00—17:00)平均气温(简称“T8-17”)的相关性最强,T8-17>15℃时,T8-17每升高1℃,O_(3)-8 h浓度升高6.1μg/m^(3);青岛市O_(3)-8 h浓度随T8-17的升高总体呈波动式升高趋势,但升幅有限,T8-17每升高1℃,O_(3)-8 h浓度仅升高1.5μg/m^(3).③济南市受来自西南、南偏东南方向的气流影响时,O_(3)浓度平均值较高,分别为(113±51)(109±57)μg/m^(3);青岛市受来自内陆方向的西南气流影响时,O_(3)浓度较高,平均值为(106±45)μg/m^(3).2个城市O_(3)外来主要潜在源区具有一定同源性,主要为苏皖鲁豫交界中东部和鲁中地区.研究显示,2个城市O_(3)污染均以本地污染为主,污染联防联控区域需要重点关注苏皖鲁豫交界中东部及鲁中地区.