• 关键词：臭氧  四川盆地  时空分布  气象因子  GAM模型  预测

• 基金项目：国家重点研发计划（No.2018YFC0214001）；国家自然科学基金重大研究计划（No.91644226）；国家自然科学基金（No.41405063，41505122）；四川省科技计划重大前沿项目（No.2018JY0011）；四川省教育厅理科重点项目（No.18ZA0086）；成都信息工程大学科研基金（No.KYTZ201725）

• 胡成媛
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 康平
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 吴锴
• 1. 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225;2. 清华大学环境学院, 北京 100084

• 张小玲
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 王式功
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 王紫潇
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 欧阳正午
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 曾胜兰
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 向卫国
• 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225

• 摘要：为研究四川盆地臭氧（O₃）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O₃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.O₃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O₃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O₃浓度影响较大，而风速、气压以及降水量对O₃浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O₃污染的主导气象因子进行识别，并对2017年O₃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O₃浓度的变化趋势.

• Abstract：In order to study the spatial and temporal distribution characteristics of O₃ and its meteorological cause over Sichuan Basin, the data of national control environment monitoring stations and meteorological stations located in 18 cities in Sichuan Basin from 2015 to 2016 were analyzed. The results showed that the O₃ pollution was becoming serious and the high-value area expanded significantly in Sichuan Basin from 2015 to 2016. The high-value area was mainly located in the western of the basin, including Chengdu, Deyang, Ziyang, Meishan, Neijiang and Guang'an. The concentration of O₃ had obvious seasonal variation characteristics:summer (110.70±41.52) μg·m^-3 > spring (95.24±41.23) μg·m^-3 > autumn (67.58±39.55) μg·m^-3 > winter (47.17±41.15) μg·m^-3. Based on the Generalized Additive Model (GAM), it was found that O₃ has a nonlinear relationship with air pressure, temperature, relative humidity, wind speed, sunshine duration and precipitation. The sunshine duration, relative humidity and temperature had a great influence on O₃ concentration in the Sichuan Basin. While, the effects of wind speed, pressure and precipitation on O₃ concentration are less significant. The GAM model was further used to identify the dominant meteorological factors in 18 cities in Sichuan Basin and to forecast the O₃ concentration in 2017. The results showed that GAM model could predict the trend of O₃ concentration in each city very well.

• Key words：ozone  Sichuan Basin  spatial and temporal distribution  meteorological factors  generalized additive model  prediction

• 
  摘要点击次数： 1394 全文下载次数： 1456