环境科学学报  2018, Vol. 38 Issue (6): 2179-2190
引用本文
吴锴, 康平, 于雷, 等. 2018. 2015—2016年中国城市臭氧浓度时空变化规律研究[J]. 环境科学学报, 38(6): 2179-2190.
Wu K, Kang P, Yu L, et al. 2018. Pollution status and spatio-temporal variations of ozone in China during 2015-2016[J]. Acta Scientiae Circumstantiae, 38(6): 2179-2190.
2015—2016年中国城市臭氧浓度时空变化规律研究    [PDF全文]
吴锴1 , 康平1 , 于雷2 , 古珊1 , 文小航1 , 王占山3 , 陈雨姿4 , 陈诗颖1 , 赵世奇1 , 王浩霖1 , 王式功1     
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. 保定市气象局, 保定 071000;
3. 北京市环境保护监测中心, 北京 100048;
4. 南京信息工程大学大气科学学院, 南京 210044
收稿日期: 2017-11-19; 修回日期: 2018-01-27; 录用日期: 2018-01-27
基金项目: 国家自然科学基金重大研究计划（No.91644226，91537214）；国家自然科学基金（No.41405063）；深圳市科技计划项目（No.JCYJ20150630153917252）；成都信息工程大学科研基金（No.KYTZ201725）
作者简介: 吴锴(1997—), 男, E-mail:wukaicuit@gmail.com
通讯作者（责任作者）: 康平(1988—), 男, 博士, 成都信息工程大学讲师, 主要从事大气环境化学研究. E-mail:kangping@cuit.edu.cn
摘要: 为探究中国大陆城市O3污染状况时空变化的总体特征，运用时空统计分析和GIS技术对2015—2016年全国开展O3常规监测的336个城市进行分析，揭示近两年O3浓度及不同等级污染天数的时空变化格局，并着重对比分析"三区十群"区域内外O3浓度的变化差异.结果表明：2015—2016年期间，全国336个城市中，有258个城市2016年年均O3浓度值较2015年升高，形成了新的O3污染空间格局；京津冀及周边地区、长三角地区、中部的河南、武汉污染较重，东南沿海和西南地区的云南、西藏污染相对较轻；长三角地区和山东城市群是中国O3核心污染区域，陕西、山西及安徽三省O3浓度较2015年有大幅升高.O3的空间分布与NOx排放量、生成控制型等因素密切相关.已有的研究区域中除华北平原和四川盆地等地区的郊区点位以外，我国大多数地区的O3生成控制型属于VOCs控制型.研究结果有利于从宏观上直接对比评估国家大气污染重点防控区内外O3污染特征变化的差异，从而针对性地开展环境污染防控.
关键词: O3污染     时空变化     重点区域防控     空气污染    
Pollution status and spatio-temporal variations of ozone in China during 2015-2016
WU Kai1, KANG Ping1 , YU Lei2, GU Shan1, WEN Xiaohang1, WANG Zhanshan3, CHEN Yuzi4, CHEN Shiying1, ZHAO Shiqi1, WANG Haolin1, WANG Shigong1    
1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225;
2. Baoding Meteorological Service, Baoding 071000;
3. Beijing Municipal Environmental Monitoring Center, Beijing 100048;
4. School of the Atmospheric Science, Nanjing University of Information Science and Technology, Nanjing 210044
Received 19 November 2017; received in revised from 27 January 2018; accepted 27 January 2018
Supported by the Major Research Plan of the National Natural Science Foundation of China(No.91644226, 91537214), the National Natural Science Foundation of China (No.41405063), the Science and Technology Program of Shenzhen(No.JCYJ20150630153917252) and the Scientific Research Foundation of Chengdu University of Information Technology (No.KYTZ201725)
Biography: WU Kai(1997—), male, E-mail:wukaicuit@gmail.com
*Corresponding author: KANG Ping, E-mail:kangping@cuit.edu.cn
Abstract: In order to further understand the general characteristics of temporal and spatial changes of O3 pollution in mainland China, the analysis of 336 cities in O3 routine monitoring during 2015 to 2016 was analyzed by means of time-space statistical analysis and GIS technology. The temporal and spatial distribution of O3 concentration and different pollution days were analyzed. And the differences of O3 concentration inside and outside the area of "three districts and ten groups" were especially compared. The results show that the annual mean O3 concentration of 258 cities in 2016 is higher than that in 2015, and formed a new O3 pollution spatial pattern. That is, O3 pollution in the Beijing-Tianjin-Hebei region, Shandong urban agglomeration, Yangtze River Delta region, Henan urban agglomeration, and Wuhan and surrounding urban agglomeration is obviously aggravated (especially, Yangtze River Delta region and Shandong urban agglomeration are China's O3 core pollution areas); the concentration of O3 in several rural areas such as Tibet Plateau, Yunnan-Guizhou Plateau and the west bank of the Straits is always low; but at the same time, Shaanxi Guanzhong city group, Shanxi city group and Anhui city group formed a new O3 heavily polluted space pattern. The spatial distribution of O3 shows strong correlation with the spatial distribution of NOx emission and O3\NOx-VOCs sensitivity. Previous studies showed that the O3 generation control of most areas in China belonged to the VOCs control type, while the suburban spots in the North China Plain and Sichuan basin were NOx control type. The results of the study are helpful to evaluate the differences of O3 pollution characteristics inside and outside the national air pollution prevention and control area directly from the macroscopic point of view, so as to carry out the prevention and control of environmental pollution.
Key words: ozone pollution     spatial-temporal variations     key regions control     air pollution    
1 引言(Introduction)

O3是O2的同素异形体, 是天然大气的重要微量成分, 也是大气复合型污染最重要的特征污染物, 与PM2.5一起被认为是影响当今环境质量最重要的两种大气污染物(张小曳等, 2013；李名升等, 2016).城市中的O3主要是由NOx、CO和VOCs等前体物在合适的气象条件下反应生成的(Monks et al., 2015), 近年来随着经济的发展、人口的激增及机动车保有量的增加, 我国城市O3污染问题愈发严重(Tang et al., 2009；Wang et al., 2016).为全面认识O3的污染规律, 国内外学者在O3的光化学反应(An et al., 2015)、来源敏感性分析(Zhang et al., 2014；李浩等, 2015)、人体健康效应、区域传输作用等方面开展了研究, 探讨气象因素(Mohd et al., 2016)、植被覆盖(Fu et al., 2015)、土地利用等(Kathrin et al., 2016)对O3的影响, 分析典型污染过程和重大历史事件的污染规律.

但受研究范围、数据的空间局限性和较短观测时长的双重约束及O3污染变化内在随机性与周期波动性特点的影响(史凯, 2014), 国内大尺度的研究大多针对PM2.5(李沈鑫等, 2017), 有关O3的研究相对较少.漏嗣佳等(2010)利用GEOS-Chem模式的数值试验结果, 研究了中国地区NOx和两类VOCs对O3质量浓度分布及其化学机理的影响, 结果表明, NOx的减少会使得中国西部O3质量浓度显著降低, 但在冬季NOx的减少会使得东北、华北地区O3质量浓度上升.程麟钧等(2017)基于旋转经验正交函数(REOF)法对中国臭氧时空分布特征进行了研究, 发现地形和地貌对臭氧空间相关性具有重要影响.已有研究大多基于几个观测站点或WRF-Chem、CMAQ等模式对O3及其影响因素进行分析, 多侧重于O3化学特征及较多地关注某次污染事件或个别污染日, 且研究区域多集中在京津冀、长三角、珠三角等城市群(易睿等, 2015；Tang et al., 2016；刘建等, 2017).尚未明确揭示我国城市O3污染变化的总体特征、识别O3污染加剧或缓解的空间范围, 更缺乏直接对比评估自国家发布《重点区域大气污染防治“十二五”规划》以来, 重点防控区内外O3污染特征变化的差异, 进而深入评价现有污染联防联控政策的合理性和科学性.

基于此, 本研究以2015—2016年全国近地面O3监测数据为基础, 综合运用时空描述性统计分析与空间插值制图手段, 分析近两年我国O3污染状况的空间分布格局与时空变化特征, 并着重对比分析国家2012年发布的《重点区域大气污染防治“十二五”规划》划分的“三区十群”区域内外O3浓度时空变化的差异, 为合理评价大气污染防治工作的成效和探讨有效的大气污染联防联控策略提供科学依据.

2 数据与方法(Materials and methods) 2.1 资料来源

选择中国大陆地区为研究区域, 重点关注“三区十群”区域(图 1).O3小时浓度监测数据来源于中国环境监测总站“全国城市空气质量实时发布平台”(http://106.37.208.233:20035/), 根据《环境空气质量标准(GB3095—2012)》和《环境空气质量评价技术规范(试行)(HJ663—2013)》的O3浓度数据规范与标准, 本研究对O3数据的有效性进行筛选：剔除原始数据中小时O3浓度≤0的值和缺失的值；在计算日均值时, 若监测点当天缺测数据超过4 h, 则当天数据无效, 进行剔除；计算月均值时, 若监测点当月数据少于27个O3日最大8 h平均值(2月份少于25个O3日最大8 h平均值), 则当月数据无效并剔除; 在计算年均值时, 若某监测点全年数据少于324个O3日最大8 h平均值, 则认为该监测点全年数据无效并将其剔除.通过上述处理, 本研究在2015、2016年最终选定的O3观测站点数分别为1397、1429个, 分布在全国366个城市.

图 1 中国空气质量监测站点和大气污染重点防控区 Fig. 1 Air quality monitoring sites and key region for air pollution prevention and control in China

气象资料使用中国气象科学数据共享网(http://cdc.cma.gov.cn)的中国地面气候资料日值数据集(V3.0)及地面累年值数据集, 包括气温、气压、相对湿度、风速等气象要素数据, 数据集原始数据文件已经过严格的质量控制和检查.

2.2 分析方法

结合国家《环境空气质量标准(GB3095—2012)》确定的O3时平均、日最大8 h滑动平均浓度限值(时均浓度限值一级限值160 μg·m-3、二级限值200 μg·m-3, 日最大8 h滑动平均浓度一级限值100 μg·m-3、二级限值160 μg·m-3)和《环境空气质量指数(AQI)技术规定(试行)(HJ633—2012)》, 对O3浓度进行污染等级划分.将轻度、中度、重度和严重污染情景下的O3日最大8 h滑动平均浓度分别定义在160~215、215 ~265、265~800 μg·m-3和800 μg·m-3以上.当城市一年内O3日最大8 h滑动平均值的第90百分位数浓度大于160 μg·m-3时, 该城市的年度评价结果为超标.与此同时, 为进一步了解区域内O3污染的完整空间分布状况, 本研究在分析过程中还借助普通克里金插值法(Ordinary Kriging Method, OKM), 基于2015—2016年各年所有监测站点O3年均浓度数据开展了空间分布制图与变化检测分析.

3 结果与讨论(Results and discussion) 3.1 O3浓度时空变化特征 3.1.1 年际变化特征

2015、2016年全国所有城市臭氧浓度年均值分别为134、138 μg·m-3, 且全国各城市年均O3浓度总体上呈现上升趋势, 这与环保部发布的《2016年中国环境状况公报》中的结果一致.全国366个开展常规监测的城市中, 有258个城市2016年年均O3浓度值较2015年升高；研究期间, 各城市年均O3浓度值集中分布区间由2015年的60~130 μg·m-3变化为2016年的80~140 μg·m-3, 整体增幅较为明显.年均O3浓度处于90~140 μg·m-3间的城市数量由2015年的218个(占总城市数的59.56%, 图 2a)上升至2016年的290个(占总城市数的79.23%, 图 2d).“三区十群”重点区域内各城市年均O3浓度值集中分布趋势加强且呈现由低值转向高值变化的特征, 由2015年的60~120 μg·m-3(图 2b)升高为2016年的80 ~140 μg·m-3(图 2e).相比之下, 非“三区十群”区域各城市年均O3浓度在2015—2016年间集中区域变化显著, 由2015年的70~110 μg·m-3(图 2c)变化到2016年的集中分布在80~120 μg·m-3(图 2f).

图 2 2015—2016年中国城市O3年均浓度值统计直方图 Fig. 2 Statistic histogram of annual O3 concentrations over the major cities of China during 2015 to 2016
3.1.2 季节变化特征

从季节变化角度分析, 2015—2016年春季和夏季O3污染均较为严重, 空间范围较大, 平均浓度高于130 μg·m-3以上的城市遍布华北地区、中部地区、西南地区, 其中, 成渝、京津冀和长江中游城市群是污染最严重的地区, 长三角和山东城市群次之, 广西和贵州省O3污染相对较轻(图 3).秋季O3污染程度和范围均小于春季, O3污染城市较春季南移, 范围向华南和长三角地区缩小, 其中, 平均浓度大于110 μg·m-3的17个城市主要集中在华东地区北部和珠三角地区, 其余地区城市O3污染状况则均有较大程度的改善；冬季期间, 全国各城市O3浓度均较低, O3污染分布范围持续缩小至珠三角地区.2016年春夏季全国O3污染状况较2015年春夏季有所加重, 主要体现在高浓度区域有所扩张且呈连片状分布, 秋冬季则变化不大(图 3).进一步结合表 1可以发现, 2015—2016年全国各城市年均O3浓度总体上呈现上升趋势主要是由于春季和冬季有较大幅度的浓度升高.此外, 成渝城市群同京津冀地区及长三角地区O3浓度季节分布规律相似, 呈现出夏季浓度较高, 冬季浓度较低的特点, 而珠三角地区则展现出O3浓度秋季高于夏季的特点.廖志恒等(2015)基于O3地基观测资料研究认为这是因为秋季广州和佛山地区的O3前体物一次排放量较高, 且秋季盛行北风带来了其他地区的高浓度O3 (沈劲等, 2015), 夏季则由于受来自南海的清洁气团及海陆风的影响较大所导致(赖鑫等, 2017).

图 3 2015—2016年中国城市O3浓度季节空间分布 Fig. 3 Seasonal variations of O3 over the major cities of China during 2015 to 2016

表 1 2015—2016年中国城市O3浓度季节变化 Table 1 Seasonal variations of O3 over the major cities of China during 2015 to 2016
3.1.3 空间变化特征

为分析2015—2016年中国城市年均O3浓度空间变化, 本研究基于ArcGIS软件采用克里金插值对全国城市年均O3浓度进行了空间插值, 得到的O3浓度空间分布图及年际浓度变化如图 4所示, 中国城市O3的重污染区域和污染相对较轻的区域基本呈集中连片分布态势, “三区十群”区域中的京津冀地区、长三角地区、山东城市群和武汉及周边城市群是污染最重的地区, 其年均O3浓度均值分别高达102、113、88和110 μg·m-3.其次, 中部地区的湖北、安徽, 西南地区的重庆、四川, 西北地区的陕西、甘肃和东北地区的辽宁等部分区域污染也相对较重.污染相对较轻的区域则集中分布在东南沿海的福建、广西和西南地区的云南、西藏.此外, 相比2015年, 2016年全国年均O3浓度高、低值区空间分布格局发生了较大变化, 呈现出明显的空间差异, 除黑龙江东部、西藏北部、新疆地区、广西南部及海峡西岸城市群年均O3浓度有所下降, 其他地区年均O3浓度均表现为不同程度的上升, 其中, 安徽省、山西南部及陕西东部地区O3浓度较2015年有大幅升高.

图 4 2015—2016年中国年均O3浓度空间分布及其变化 Fig. 4 Spatial distributions and associated variations of annual O3 concentrations of China during 2015 to 2016

区域污染天气的形成受人为排放和气象因素的共同影响, 前体物排放量较高是O3浓度偏高的内因, 大气输送扩散条件较差则是外因(张人禾等, 2014).2016年, 受超强厄尔尼诺现象的影响, 全国平均气温较2015年偏高0.81 ℃, 京津冀、长三角和珠三角地区大气环境容量均低于2015年, 不利于大气中污染物清除(2016年中国气候公报), 造成全国O3浓度高值区范围大面积增加.

2016年“三区十群”所有区域年均O3浓度较2015年均有一定幅度的升高.具体而言, 陕西关中城市群增幅最大, 2016年区内O3平均浓度较2015年升高了28.3 μg·m-3.成渝城市群O3浓度较2015年也有较大程度的上升, 这一方面是由于机动车保有量大幅增加所致.据公安部交管局统计, 2016年底成都市与重庆市机动车保有量由2015年底的366、279万辆分别增至412、328万辆, 数量位居全国第二、第三, 仅次于北京, 而已有研究表明, 汽车尾气排放的NOx和VOCs已成为近地层O3生成的主要前体物(Wang et al., 2012).另一方面, 分析同期气象资料发现, 2016年成渝城市群静小风频率较2015年升高16.9%, 加之四川盆地特殊的南高北低地形所形成的气旋式流场使污染物难以远距离扩散输送(何沐全等, 2017), 导致了成渝城市群2016年年均O3浓度较2015年有较大的升高.京津冀地区高O3浓度主要由两个原因所致:一方面是由于NOx的本地高排放量为O3生成提供了充足的前体物, 这与Mi等(2013)基于亚洲排放清单产品MIX的分析结果一致；另一方面则是因为京津冀地区呈现出西北高东南低的地形特点, 燕山与太行山系对该区域的主导风向产生了屏障作用, 使得京津冀东南平原区全年各季节都处在风速较小的区域, 不利于大气污染物的稀释和扩散, 远距离输送的NOx、VOCs、O3等污染物容易在此滞留积聚(王燕丽等, 2017).此外, 进一步分析气象资料发现, 2016年夏季京津冀地区平均气温高达25.7 ℃, 较2015年夏季升高1.6 ℃, 高温条件促使2016年京津冀地区O3污染愈发严重.对于长三角地区, 石油炼制、有机化工产业较为发达, 臭氧生成潜势高的VOCs排放量较大, 区内2010年仅江苏省人为源VOCs排放总量高达179.2万t, 位居全国前列(夏思佳等, 2014), 但由于2016年上海、江苏等地首次通过开展VOCs排污收费、推广低VOCs含量溶剂等措施严格控制VOCs排放总量, 区域臭氧浓度上升趋势较2015年有所减缓.对于其他区域, 2016年机动车保有量较2015年均有一定程度的增加, 其中, 青海、西藏和宁夏等省份增幅较小.

非“三区十群”区域中的河南、山西地区因受京津冀城市群、陕西关中城市群、山东半岛城市群等周边地区NOx和VOCs排放及近距离输送的影响(Jiang et al., 2010；Li et al., 2012), 加之地势较低不利于大气污染物的扩散, 且不临海不受海陆风影响, 容易导致污染物积聚, 故区域内年均O3浓度一直处于较高水平.其中河南省2016年夏季高温天气频发, 最长连续高温日数达11 d, 加之长时间的日照, 光化学反应活跃, 持续的本地贡献和不利的气象条件综合导致了2016年O3污染状况较2015年更为严重.

3.2 O3超标状况时空变化特征 3.2.1 年际变化特征

对比环境空气质量二级标准(O3日最大8 h滑动平均浓度160 μg·m-3)可以得出, 2016年全国大多数城市日均O3浓度超标率有所上升.2015年, 全国城市日均O3浓度超标率主要集中在4.11%~26.58%, 超标率在9%以上(表征污染较严重)的城市占总城市比例为18.85%, 超标率低于6%(表征污染较轻微)的城市占总城市的64.63%.2016年, 全国各城市日均O3浓度超标率集中在7.10%~28.42%, 超标率低于6%的城市仅占总城市的55.38%, 与此同时, 超标率高于9%的城市占比则提升至28.79%.对于“三区十群”重点区域而言, 其区内城市日均O3浓度超标率分布呈现逐年集中的趋势, 两年来集中区间分别为7.23%~19.70%、12.26%~24.69%, 呈现明显的由低值区间集中转为向高值区间集中的趋势.与此同时, 非“三区十群”区域城市日均O3浓度超标率变化特征与全国总体变化特征基本一致, 但受不利气象条件影响, 2015年非“三区十群”区域内出现多个城市日均O3浓度超标率高于“三区十群”区域.

对于小时浓度超标(O3小时平均浓度大于200 μg·m-3), 2016年全国共170个城市超标小时数较2015年有所升高.进一步分析发现, 2015年全国城市O3浓度超标小时数大多集中在60~120 h区间, 超标小时数大于80 h的城市占比为16.67%, 超标小时数小于30 h的城市则占58.19%.2016年, 全国城市O3浓度超标小时数集中区间升至75~145 h, 且超标小时数高于80 h的城市占比升至22.37%, 其中47个城市位于“三区十群”区域内.

3.2.2 空间变化特征

以环境空气质量二级标准为阈值, 分析2015—2016年全国各城市O3浓度超标小时数及日浓度最大8 h滑动平均浓度超标率的空间变化特征(图 5)可知, 相比于2015年, 2016年全国大部分地区超标小时数和日均O3浓度超标率均有不同程度的升高, 超标率高于9%的臭氧污染区域覆盖范围大幅度扩大.“三区十群”中京津冀地区、长三角地区、辽宁中部城市群及山东城市群超标率由2015年的9%左右升高至2016年的15%以上, 其中, 山东城市群超标率则由45%升至85%.此外, “三区十群”区域中接近75%的城市O3小时超标数有所增加, 京津冀地区、长三角地区、山东城市群多个城市小时超标数高达160 h以上；而对于非“三区十群”区域的河南及安徽部分地区超标率在2015年多在3%左右, 2016年河南及安徽大部分地区超标率升至12%左右.与此同时, 超标率15%以上的区域呈现新的空间分布格局, 辽宁中部城市群及山东城市群成为新的O3常超标地区, 这也与超标小时数的空间分布较为一致.

图 5 2015—2016年各年度O3日均浓度及小时浓度超标情况 Fig. 5 The over standard proportion of daily mean and hourly mean O3 concentrations during 2015 to 2016
3.3 影响因素的空间分布

前体物排放量、地形地貌、生成控制型等因素对O3污染具有重要影响.Tang等(2012)基于观测数据对华北平原的O3生成敏感型进行了研究, 结果表明, 华北平原和北部山区夏季O3的产生分别对VOCs和NOx敏感, 这与Jin等(2015)基于HCHO/NO2计算所得出的结果相一致.张强等(2012)基于卫星遥感反演的NOx排放数据对近年来我国的NOx排放时空格局进行了分析, 指出我国NOx排放量不断增加, 且中小城市的NOx排放增加迅速.为进一步研究影响中国城市O3浓度时空分布的因素, 本研究在此分析全国的NOx排放量分布与O3生成控制型.

3.3.1 NOx排放量

基于清华大学MEIC排放清单, 本研究绘制了2013年中国各城市高分辨率NOx排放量分布图(图 6).可见“三区十群”区域的京津冀地区、长三角地区、珠三角地区、成渝城市群、山东城市群及陕西关中城市群表现出了较高的人为NOx排放量.其中, 对于长三角地区和陕西关中城市群, 电厂和其他工业燃烧设施分别贡献了59.0%和78.6%左右的NOx排放(黄成等, 2011；王静晞等, 2015), 而对于珠三角地区固定燃烧源是NOx的最大排放贡献源(潘月云等, 2015), 这与Liu等(2015)基于卫星遥感数据反演估算的污染背景下中国NOx排放结果相近.同时, “非三区十群”区域的山西、河南、湖北等省份也具有较高的人为NOx排放量.这些地区NOx的大量排放为O3的光化学反应提供了充足的前体物, 这与前文中近年来京津冀地区、长三角地区、珠三角地区、山东城市群等地区始终为年度O3浓度高值中心的研究结果一致.

图 6 2013年中国各城市年度高分辨率(0.25°×0.25°) NOx排放量 Fig. 6 The high resolution(0.25°×0.25°) NOx emission map of China for 2013
3.3.2 生成敏感型分析

已有研究表明, O3与其前体物(VOCs与NOx)的敏感性关系决定了不同地区O3生成的控制型, 而不同地区的前体物排放特征与气象条件有所不同, 区域源贡献也有所差异.本研究对比了已有研究报道的国内主要城市O3生成控制类型, 结果汇总于表 2.结合表 2和图 6可知, 已有的研究区域中, 华北平原、长江三角洲和四川盆地等地区的郊区点位大多属于NOx控制型, 而其他地区的O3生成控制型大多属于VOCs控制型.京津冀地区的郊区站点属于NOx控制型, 城区点位对VOCs表现出很强的敏感性, 主要是因为城区排放源中工业源和交通源NOx的高排放量, 一方面, 源排放的大量NO可以直接还原O3, 以而抑制城市地区O3浓度的升高, 称为“滴定效应”；另一方面, 高浓度的NO2则可以通过与·OH反应生成HNO3, 终止·OH在大气中导致O3积累的链传递反应(王雪松等, 2009).Liu等(2010)采用CMAQ模型对京津冀地区臭氧生成过程的研究进一步验证了这一发现.

表 2 中国各大城市O3生成敏感型对比 Table 2 Comparation of the O3-NOx-VOCs sensitivity among the major cities of China

长三角地区各大城市臭氧生成控制型区域差别较大, 上海、南京、苏州等城区点位属于VOCs控制型, 这是由于城区机动车尾气、工业废气等大量的人为源导致NOx排放量较高, 对于这些区域, 如果削减NOx的排放, O3浓度会经历先增加后减小的震荡过程, 故应在短期内优先控制VOCs排放量, 中长期协同减排NOx和VOCs.而徐州、合肥等郊区点位属于NOx控制型, 这些区域由于受到人为源影响较弱, NOx排放量明显小于城区, 因此, 受强烈的NOx控制, 此时应在协同控制NOx和VOCs排放量的基础上, 加大NOx排放量的控制力度.这一减排情景对降低O3浓度具有明显作用, 这与严茹莎等(2016)基于CMAQ-RSM(Response Surface Modeling)模式对长三角地区O3生成敏感性的模拟结果相一致.

对于珠三角地区, 各城市的城郊站点均表现为VOCs控制型, 与长三角及京津冀地区具有较大差异.这是因为较高的气温及前体物的局地传输作用等因素共同导致.Li等(2012)基于空气质量模型CAMx的臭氧溯源技术(OSAT)对珠三角地区O3污染及传输规律进行了定量模拟, 认为NOx本地源的高排放量和区域源的传输作用使O3生成主要受VOCs控制.Shao等(2009)对珠三角地区8个地点的VOCs观测结果验证了这一结论, 并指出珠三角地区的高温使得光化反应更为复杂也是成因之一.此外, Zhang等(2016)基于WRF-Chem模式模拟了珠三角地区臭氧生成过程中NOx和亚硝酸(HONO)的来源, 结果表明, 机动车与船舶的直接排放及海洋表面NO2的潜在转化都是NOx的重要来源.尽管如此, 珠三角地区VOCs控制型的成因仍有待进一步研究.

4 结论(Conclusions)

1) 2015—2016年, 中国城市O3污染较为严重且呈现出夏季污染较重、冬季相对较轻的季节分异规律, 且各城市年均O3浓度值总体呈现上升趋势主要是因为冬春季节O3浓度有较大幅度升高所致.两年间开展常规监测的366个城市O3达标天数比例分别为88.6%、79.3%, 两年超标率集中分布区间分别为7.23%~19.70%和12.26%~24.69%.

2) 2015—2016年O3重污染区域和污染相对较轻的区域基本呈集中连片分布态势.国家《重点区域大气污染防治“十二五”规划》划分的“三区十群”中, 长三角地区和山东半岛城市群浓度变化不大, 但仍为全国O3核心污染区；污染相对较轻的区域则集中分布在“三区十群”外的西南地区的云南、西藏.

3) 已有的研究区域中, 华北平原、长江三角洲和四川盆地等地区的郊区点位大多属于NOx控制型, 而其他地区的O3生成控制型大多属于VOCs控制型.在协同控制NOx和VOCs排放量的基础上, 加大对区域O3生成敏感的前体物排放量的控制力度, 是有效控制我国O3污染的关键.

4) 气象条件和人为排放分别是导致O3污染的外因和内因.京津冀、长三角、珠三角、山东城市群、成渝城市群等地区具有较高的NOx排放量, 应在污染控制政策制定中重点关注.在不利气象条件下, 及时对排放进行控制是避免O3污染发生的重要举措.

致谢: 感谢中国科学院资源环境科学数据中心与青悦开放环境数据中心为本研究提供了部分数据, 同时感谢中国科学院地理科学与资源研究所徐新良副研究员的帮助.
参考文献
An J, Zou J, Wang J, et al. 2015. Differences in ozone photochemical characteristics between the megacity Nanjing and its suburban surroundings, Yangtze River Delta, China[J]. Environmental Science and Pollution Research, 22(24): 19607–19617. DOI:10.1007/s11356-015-5177-0
Cheng H, Guo H, Wang X, et al. 2010. On the relationship between ozone and its precursors in the Pearl River Delta: application of an observation-based model (OBM)[J]. Environmental Science and Pollution Research, 17(3): 547–560. DOI:10.1007/s11356-009-0247-9
程麟钧, 王帅, 宫正宇, 等. 2017. 中国臭氧浓度的时空变化特征及分区[J]. 中国环境科学, 2017, 37(11): 4003–4012. DOI:10.3969/j.issn.1000-6923.2017.11.001
Fu Y, Tai A P K. 2015. Impact of climate and land cover changes on tropospheric ozone air quality and public health in East Asia between 1980 and 2010[J]. Atmospheric Chemistry and Physics, 15(17): 10093. DOI:10.5194/acp-15-10093-2015
Geng F, Tie X, Xu J, et al. 2008. Characterizations of ozone, NOx, and VOCs measured in Shanghai, China[J]. Atmospheric Environment, 42(29): 6873–6883. DOI:10.1016/j.atmosenv.2008.05.045
Jin X, Holloway T. 2015. Spatial and temporal variability of ozone sensitivity over China observed from the ozone monitoring instrument[J]. Journal of Geophysical Research:Atmospheres, 120(14): 7229–7246. DOI:10.1002/2015JD023250
韩丽, 王幸锐, 何敏, 等. 2013. 四川省典型人为污染源VOCs排放清单及其对大气环境的影响[J]. 环境科学, 2013, 34(12): 4535–4542.
黄成, 陈长虹, 李莉, 等. 2011. 长江三角洲地区人为源大气污染物排放特征研究[J]. 环境科学学报, 2011, 31(9): 1858–1871.
Kavassalis S C, Murphy J G. 2017. Understanding ozone-meteorology correlations:A role for dry deposition[J]. Geophysical Research Letters, 44(6): 2922–2931. DOI:10.1002/2016GL071791
赖鑫, 江崟, 钟雪平. 2017. 2015年深圳气态污染物浓度的变化特征[J]. 广东气象, 2017, 39(2): 74–77+80.
李浩, 李莉, 黄成, 等. 2015. 2013年夏季典型光化学污染过程中长三角典型城市O3来源识别[J]. 环境科学, 2015, 36(1): 1–10. DOI:10.11654/jaes.2015.01.001
李磊, 赵玉梅, 王旭光, 等. 2017. 廊坊市夏季臭氧体积分数影响因素及生成敏感性[J]. 环境科学, 2017, 38(10): 4100–4107.
李名升, 任晓霞, 于洋, 等. 2016. 中国大陆城市PM2.5污染时空分布规律[J]. 中国环境科学, 2016, 36(3): 641–650.
李沈鑫, 邹滨, 刘兴权, 等. 2017. 2013—2015年中国PM2.5污染状况时空变化[J]. 环境科学研究, 2017, 30(5): 678–687.
廖志恒, 孙家仁, 范绍佳, 等. 2015. 2006—2012年珠三角地区空气污染变化特征及影响因素[J]. 中国环境科学, 2015, 35(2): 329–336.
刘建, 吴兑, 范绍佳, 等. 2017. 前体物与气象因子对珠江三角洲臭氧污染的影响[J]. 中国环境科学, 2017, 37(3): 813–820.
刘晶淼, 丁裕国, 黄永德, 等. 2003. 太阳紫外辐射强度与气象要素的相关分析[J]. 高原气象, 2003, 22(1): 45–50.
漏嗣佳, 朱彬, 廖宏. 2010. 中国地区臭氧前体物对地面臭氧的影响[J]. 大气科学学报, 2010, 33(4): 451–459.
Li L, Chen C H, Huang C F, et al. 2012. Process analysis of regional ozone formation over the Yangtze River Delta, China using the Community Multi-scale Air Quality modeling system[J]. Atmospheric Chemistry and Physics, 12(22): 10971–10987. DOI:10.5194/acp-12-10971-2012
Li Y, Lau A K H, Fung J C H, et al. 2012. Ozone source apportionment (OSAT) to differentiate local regional and super-regional source contributions in the Pearl River Delta region, China[J]. Journal of Geophysical Research Atmospheres, 117(D15). DOI:10.1029/2011JD017340
Ling Z H, Guo H, Lam S H M, et al. 2014. Atmospheric photochemical reactivity and ozone production at two sites in Hong Kong:Application of a Master Chemical Mechanism-photochemical box model[J]. Journal of Geophysical Research:Atmospheres, 119(17): 10567–10582. DOI:10.1002/2014JD021794
Liu F, Zhang Q, Tong D, et al. 2015. High-resolution inventory of technologies, activities, and emissions of coal-fired power plants in China from 1990 to 2010[J]. Atmospheric Chemistry and Physics, 15(13): 18787–18837.
Liu X H, Zhang Y, Xing J, et al. 2010. Understanding of regional air pollution over China using CMAQ, part Ⅱ.Process analysis and sensitivity of ozone and particulate matter to precursor emissions[J]. Atmospheric Environment, 44(30): 3719–3727. DOI:10.1016/j.atmosenv.2010.03.036
Liu Z, Wang Y, Gu D, et al. 2012. Summertime photochemistry during CAREBeijing-2007:ROx budgets and O3 formation[J]. Atmospheric Chemistry and Physics, 12(16): 7737–7752. DOI:10.5194/acp-12-7737-2012
Lyu X P, Chen N, Guo H, et al. 2016. Ambient volatile organic compounds and their effect on ozone production in Wuhan, central China[J]. Science of the Total Environment, 541: 200–209. DOI:10.1016/j.scitotenv.2015.09.093
Mi J B, van R J, Zhang Q, et al. 2013. Regional nitrogen oxides emission trends in East Asia observed from space[J]. Atmospheric Chemistry and Physics, 13(23): 12003–12012. DOI:10.5194/acp-13-12003-2013
毛红梅, 张凯山, 第宝锋. 2016. 四川省天然源VOCs排放量的估算和时空分布[J]. 中国环境科学, 2016, 36(5): 1289–1296.
潘月云, 李楠, 郑君瑜, 等. 2015. 广东省人为源大气污染物排放清单及特征研究[J]. 环境科学学报, 2015, 35(9): 2655–2669.
Qu W J, Wang J, Zhang X Y, et al. 2015. Influence of relative humidity on aerosol composition:Impacts on light extinction and visibility impairment at two sites in coastal area of China[J]. Atmospheric Research, 153: 500–511. DOI:10.1016/j.atmosres.2014.10.009
Ran L, Zhao C S, Xu W Y, et al. 2012. Ozone production in summer in the megacities of Tianjin and Shanghai, China:a comparative study[J]. Atmospheric Chemistry and Physics, 12(16): 7531–7542. DOI:10.5194/acp-12-7531-2012
Shao M, Zhang Y, Zeng L, et al. 2009. Ground-level ozone in the Pearl River Delta and the roles of VOC and NOx in its production[J]. Journal of Environmental Management, 90(1): 512–518. DOI:10.1016/j.jenvman.2007.12.008
Sousa S I V, Martins F G, Pereira M C, et al. 2009. Corrigendum to "Influence of atmospheric ozone, PM10, and meteorological factors on the concentration of airborne pollen and fungal spore"[J]. Atmospheric Environment, 43(13): 7452–7464.
沈劲, 陈皓, 钟流举. 2015. 珠三角秋季臭氧污染来源解析[J]. 环境污染与防治, 2015, 35(1): 25–30.
史凯. 2014. 成都市重度灰霾期间大气PM2.5的自组织临界特性[J]. 环境科学学报, 2014, 34(10): 2645–2653.
苏榕, 陆克定, 余家燕, 等. 2017. 基于观测模型的重庆大气臭氧污染成因与来源解析[J]. 中国科学:地球科学, 2017(1): 47.
Tang G, Li X, Wang Y, et al. 2009. Surface ozone trend details and interpretations in Beijing, 2001—2006[J]. Atmospheric Chemistry & Physics, 9(2): 8813–8823.
Tang G, Wang Y, Li X, et al. 2012. Spatial-temporal variations in surface ozone in Northern China as observed during 2009—2010 and possible implications for future air quality control strategies[J]. Atmospheric Chemistry & Physics, 12(5): 2757–2776.
Tang G, Zhu X, Xin J, et al. 2016. Modelling study of boundary-layer ozone over northern China - Part Ⅰ:Ozone budget in summer[J]. Atmospheric Research, 187: 128–137.
Wang H B, Tian M, Chen Y, et al. 2017. Seasonal characteristics, formation mechanisms and geographical origins of PM2.5 in two megacities in Sichuan Basin, China[J]. Atmospheric Chemistry and Physics, 18(2): 865–881.
Wang T, Wei X L, Ding A J, et al. 2009. Increasing surface ozone concentrations in the background atmosphere of Southern China, 1994—2007[J]. Atmospheric Chemistry & Physics, 9(16): 6217–6227.
Wang T, Xue L K, Peter B., et al. 2016. Ozone pollution in China:A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 575: 1582–1596.
Wang Y, Hopke P K, Xia X, et al. 2012. Source apportionment of airborne particulate matter using inorganic and organic species astracers[J]. Atmospheric Environment, 55: 525–532. DOI:10.1016/j.atmosenv.2012.03.073
Wei W, Cheng S, Wang L, et al. 2015. Characterizing ozone pollution in a petrochemical industrial area in Beijing, China:a case study using a chemical reaction model[J]. Environmental monitoring and assessment, 187(6): 377. DOI:10.1007/s10661-015-4620-5
Wolf K, Cyrys J, Harciníková T, et al. 2017. Land use regression modeling of ultrafine particles, ozone, nitrogen oxides and markers of particulate matter pollution in Augsburg, Germany[J]. Science of the Total Environment, 579: 1531–1540. DOI:10.1016/j.scitotenv.2016.11.160
王静晞, 曹国良, 韩蕾, 等. 2015. 关中地区人为源大气污染物排放清单研究[J]. 安全与环境学报, 2015, 15(5): 282–287.
王雪松, 李金龙, 张远航, 等. 2009. 北京地区臭氧污染的来源分析[J]. 中国科学:B辑化学, 2009, 39(6): 548–559.
吴兑. 2012. 近十年中国灰霾天气研究综述[J]. 环境科学学报, 2012, 32(2): 257–269.
吴锴, 康平, 王占山, 等. 2017. 成都市臭氧污染特征及气象成因研究[J]. 环境科学学报, 2017, 37(11): 1–23.
夏思佳, 赵秋月, 李冰, 等. 2014. 江苏省人为源挥发性有机物排放清单[J]. 环境科学研究, 2014, 27(2): 120–126.
徐少才, 薛莲, 薛传文, 等. 2016. 青岛市大气臭氧的生成敏感性及影响因素分析[J]. 环境监测管理与技术, 2016, 28(2): 19–22.
许文轩, 田永中, 肖悦, 等. 2017. 华北地区空气质量空间分布特征及成因研究[J]. 环境科学学报, 2017, 37(8): 3085–3096.
Xie Y, Wang Y, Zhang K, et al. 2015. Daily estimation of ground-level PM2.5 concentrations over Beijing using 3km resolution MODIS AOD[J]. Environmental Science & Technology, 49(20): 12280–12288.
Xue L K, Wang T, Gao J, et al. 2014. Ground-level ozone in four Chinese cities:precursors, regional transport and heterogeneous processes[J]. Atmospheric Chemistry and Physics, 14(23): 13175–13188. DOI:10.5194/acp-14-13175-2014
严茹莎, 李莉, 安静宇, 等. 2016. 夏季长三角地区臭氧非线性响应曲面模型的建立及应用[J]. 环境科学学报, 2016, 36(4): 1383–1392.
杨笑笑, 汤莉莉, 张运江, 等. 2016. 南京夏季市区VOCs特征及O3生成潜势的相关性分析[J]. 环境科学, 2016, 37(2): 443–451.
姚青, 孙玫玲, 刘爱霞, 等. 2009. 天津臭氧浓度与气象因素的相关性及其预测方法[J]. 生态环境学报, 2009, 18(6): 2206–2210.
易睿, 王亚林, 张殷俊, 等. 2015. 长江三角洲地区城市臭氧污染特征与影响因素分析[J]. 环境科学学报, 2015, 35(8): 2370–2377.
印红玲, 袁桦蔚, 叶芝祥, 等. 2015. 成都市大气中挥发性有机物的时空分布特征及臭氧生成潜势研究[J]. 环境科学学报, 2015, 35(2): 386–393.
Zhang L, Wang T, Zhang Q, et al. 2016. Potential sources of nitrous acid (HONO) and their impacts on ozone:A WRF-Chem study in a polluted subtropical region[J]. Journal of Geophysical Research Atmospheres, 121(7): 3645–3662. DOI:10.1002/2015JD024468
Zhang Y, Wang W, Wu S Y, et al. 2014. Impacts of updated emission inventories on source apportionment of fine particle and ozone over the southeastern US[J]. Atmospheric Environment, 88: 133–154. DOI:10.1016/j.atmosenv.2014.01.035
张强, 耿冠楠, 王斯文, 等. 2012. 卫星遥感观测中国1996—2010年氮氧化物排放变化[J]. 科学通报, 2012(16): 1446–1453.
张小曳, 孙俊英, 王亚强, 等. 2013. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013(13): 1178–1187.
郑晓霞, 李令军, 赵文吉, 等. 2014. 京津冀地区大气NO2污染特征研究[J]. 生态环境学报, 2014, 23(12): 1938–1945. DOI:10.3969/j.issn.1674-5906.2014.12.008
中国环境年鉴编辑委员会. 2013. 中国环境年鉴2013[M]. 北京: 中国环境年鉴社.
邹巧莉, 孙鑫, 田旭东, 等. 2017. 嘉善夏季典型时段大气VOCs的臭氧生成潜势及来源解析[J]. 环境科学, 2017, 33(4): 91–98.