2. 南京信息工程大学大气环境中心, 南京 210044;
3. 重庆市生态环境科学研究院, 城市大气环境综合观测与污染防控重庆市重点实验室, 重庆 401147
2. Yale-NUIST Center on Atmospheric Environment, Nanjing University of Information Science & Technology, Nanjing 210044;
3. Key Laboratory for Urban Atmospheric Environment Integrated Observation & Pollution Prevention and Control of Chongqing, Chongqing Research Academy of Eco-Environmental Sciences, Chongqing 401147
对流层中臭氧(O3), 主要由氮氧化物(NOx)和挥发性有机物(VOCs)经过一系列复杂的光化学反应生成, 是大气中重要的污染物之一, 影响着区域和城市的空气质量(Li et al., 2017).近地面O3浓度的升高对人体健康、建筑、农业、畜牧业等方面都会造成严重的危害(Paoletti et al., 2021; Sahu et al., 2021; Tai Amos et al., 2021; Xu et al., 2021).由2016—2019年《中国生态环境状况公报》得知, 在可吸入颗粒物(PM2.5)污染形势依然严峻的情况下, 我国城市的O3污染问题日渐突出.以O3为首要大气污染物的超标天数呈逐年上升趋势, 目前已成为仅次于PM2.5的影响空气质量优良天数的重要因素(董昊等, 2021).2020年, 随着COVID-19疫情防控措施的实施及全国范围的封锁, 我国各地空气质量明显改善, 但O3污染却普遍加剧(Fu et al., 2021), 在欧洲科学家的相关研究中也得到了类似结论(Grange et al., 2021).因此, 研究臭氧时空分布特征和污染成因对于空气污染的治理与管控具有重要价值.
重庆是我国四大直辖市之一, 地形地貌复杂, 其主城区坐落在南北方向的山脉之间, 两江(长江与嘉陵江)回绕.气候与其他城市显著不同, 常年高湿, 年平均相对湿度高达70%~80%, 且经济发达、人口密集, 其城市空气污染值得关注.《2020年重庆市生态环境状况公报》表明, 近年对于PM2.5的治理卓有成效.然而, 韩余等(2020)的研究指出, 重庆正在由一个以PM2.5为首要大气污染物的城市转变为以O3污染为主的城市.研究重庆臭氧的时空分布特征, 并初步探讨臭氧污染事件的基本成因, 有助于了解污染事件本身, 从而为政府的管控提供理论支持.
对于重庆臭氧时空分布特征影响因子的研究, 首先其复杂地形条件产生的局地环流值得关注.臭氧污染事件往往伴随着高温小风的天气条件, 当处于该天气条件时, 城市受到周边复杂地形地貌的影响较为强烈.此时, 山谷风、江陆风、城市热岛环流的特征往往会主导臭氧时空分布特征.已有的研究表明, 山谷风对于O3的输送扩散、混合程度、空间分布存在显著影响(金祺等, 2012;周晓鸥等, 2020).接近水体的地区, 海/江/湖陆风是影响O3空间分布的重要因子(Bei et al., 2018; 王凡等, 2019).此外, O3污染在城区多发, 城市热岛环流与区域复杂地形环流的相互作用导致污染物特征更加复杂(Li et al., 2018).重庆特殊的地理条件有可能对主城区O3浓度存在影响:梁山和铜锣山的存在有可能形成山谷风影响O3浓度空间分布;嘉陵江和长江提供的水汽会影响太阳紫外辐射, 从而间接影响光化学反应(安俊琳等, 2009).但有关复杂地形对于重庆O3浓度的影响, 目前开展的相关研究较少.
重庆O3前体物(NOx和VOCs)对O3浓度变化的影响也是值得研究人员关注的另一个重要点.O3与其前体物的关系十分复杂, 不同地区O3与前体物的关系各不相同.研究人员在对马来西亚近20年的O3浓度变化与NOx浓度变化关系分析中指出, NOx与O3呈显著负相关(Ahamad et al., 2020).针对南京市O3浓度特征的研究表明, VOCs与O3呈负相关关系(Fan et al., 2021).有关重庆市的现有研究指出, O3与前体物的关系在城郊有差异(刘姣姣等, 2020).对重庆O3污染潜在源的贡献分析表明, 其与全市NOx和VOCs污染源排放企业的空间分布情况一致(蒲茜等, 2021).对重庆臭氧污染事件中O3与NO2的时间变化序列展开研究, 有助于分析重庆地区光化学过程对O3生成的作用.
此外, O3浓度的变化与气象条件有密切联系.早先的研究结果认为高温、低湿、小风的气象条件下易发生臭氧污染(吴锴等, 2017;吕瑞鹤等, 2020;齐艳杰等, 2020).重庆现有的研究表明, O3浓度与温度呈正相关, 与湿度呈负相关(蒲茜等, 2021).近期, 有学者关注了低温条件下O3浓度的特征, 例如, 毛卓成等(2021)的研究指出, 低温条件下, 若有上游输送、本地静稳辐合等条件的存在, 同样会产生臭氧污染.湿度对于光化学反应的影响也是科研人员关注的方向.研究发现, 当地面相对湿度达到60%时, NOx与CO的光化学反应存在临界值(严文莲等, 2019).另外, 有研究表明一些地区风速与O3浓度呈现正相关的关系, 这与传统的认识不同(安俊琳等, 2009;谢祖欣等, 2020).同样, 有学者持有风速对重庆O3浓度影响并不显著的观点(张灿等, 2017).重庆复杂地形导致的气象条件变化多端, 近期臭氧污染事件频发, 臭氧污染事件发生时的气象条件及其与气象条件的关系, 值得进一步深入研究.
近期, 科研人员对PM2.5浓度变化与O3浓度变化的关系进行了探究.已有研究人员对京津冀地区O3污染问题提出了O3与PM2.5呈显著负相关的观点, 主要原因在于气溶胶效应降低了J (NO2)的光解频率, 导致了O3浓度的降低(Zhang et al., 2021).但也有学者发现, 在广州、保定-张家口区域, 不同时间段O3与PM2.5的相关性有所不同, 在暖季O3与PM2.5呈正相关关系, 在冷季则为负相关关系, 并且两者之间的相关性会受到当地地形及地理位置的影响(姚懿娟等, 2021;罗悦函等, 2021).对于重庆复杂地形条件下, PM2.5与O3浓度的关系尚不得而知.
基于以上的研究背景, 本文采用重庆主城区环境监测站点逐小时O3、PM2.5、NO2监测数据和国家气象站观测资料, 对重庆主城区污染时期的O3时空分布特征及污染成因进行初步研究, 着眼于复杂地形、前体物、气象条件等对O3浓度的影响及PM2.5与O3浓度的关系, 以期加深对重庆O3污染的了解, 为O3污染防治做出贡献.
2 资料与方法(Data and methods) 2.1 资料来源本文研究范围为重庆市主城区(图 1).自2013年以来, 重庆公布了区域范围内国家环境监测站点的空气质量监测数据.其中, 2013—2016年11月, 重庆共有17个站点, 包括:缙云山(JYS, 背景站)、高家花园(GJHY)、天生(TS)、两路(LL)、虎溪(HX)、南坪(NP)、唐家沱(TJT)、茶园(CY)、白市驿(BSY)、解放碑(JFB)、杨家坪(YJP)、空港(KG)、新山村(XSC)、礼嘉(LJ)、蔡家(CJ)、鱼新街(YXJ)、南泉(NQ).2016年11月后, GJHY、YJP、NQ、JFB 4个站停止运行.2017年2月1日后, 歇台子(XTZ)、龙井湾(LJW)、龙洲湾(LZW)、上清寺(SQS) 4个站增加运行.因此, 本研究计算仅使用当时处于运行状态站点的监测数据.
本文所使用的2013—2020年逐小时O3、PM2.5、NO2数据来自全国城市空气质量实时发布平台(http://106.37.208.233:20035/).2013—2020年气象数据为重庆沙坪坝国家气象站(106.5°E, 29.6°N)观测数据, 来源于中国空气质量历史数据-中国气象历史数据共享网站(https://quotsoft.net/), 包括气温、气压、相对湿度、风速、风向等气象要素.其中, 风向数据缺测率为13.34%, 其余数据无缺测.重庆市主城区范围及所使用的气象站点、空气质量监测站点分布和O3数据的缺测率具体见图 1.
总体而言, 本文所用的数据均为国家生态环境部或者国家气象局的标准站资料, 仪器维护具有较好的保障.在数据使用前, 对数据的质量进行了总体把控, 所有站点的缺测量较小, 异常值不多(对异常值进行了连续性检查并进行剔除).为了保证数据的真实客观, 在统计分析过程中, 所剔除的数据按缺测值处理, 并未进行插值.
2.2 计算方法根据《环境空气质量评价技术规范(试行)》(HJ 663—2013)(http://www.mee.gov.cn/ywgz/fgbz/bz/), 重庆主城区臭氧日最大8 h平均浓度(daily maximum 8-hour average O3 concentration, 以下简称MDA8 O3)值为各点位(JYS站除外)MDA8 O3浓度的算术平均值.重庆主城区O3小时浓度值为各点位(JYS除外)O3小时浓度的算术平均值.参照《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012), 根据重庆主城区MDA8 O3值, 将臭氧污染程度划分为5个级别:优(0~100 μg·m-3)、良(101~160 μg·m-3)、轻度污染(161~215 μg·m-3)、中度污染(216~265 μg·m-3)、重度污染(266~800 μg·m-3).其中, 中度和重度污染事件统称为中重度污染事件.
MDA8 O3的年评价方法见《环境空气质量评价技术规范(试行)》(HJ 663—2013)和《环境空气质量标准》(GB 3095—2012).月评价方法与年评价方法类似.统计各年份臭氧超标天数, 月评价及年评价中采用MDA8 O3浓度值.计算白天或者夜间臭氧浓度平均值时采用小时O3数据.本文中, O3浓度单位为μg·m-3.
文中使用的气温为日平均气温, 用于分析臭氧中重度污染发生时的气象条件.将日平均气温>30 ℃定义为高温, 其余视为非高温(毛卓成等, 2021).在O3与PM2.5浓度的相关性分析中, 采用Spearman相关性分析法.
3 结果与讨论(Results and discussion) 3.1 2013—2020年重庆市臭氧浓度时间变化特征2013—2020年重庆市主城区年MDA8 O3第90百分位值总体呈现先减后增的变化趋势(图 2).2013年的臭氧污染严重, 年MDA8 O3浓度第90百分位值为169.72 μg·m-3, 与其他年份相比显著偏高, 是2015年的1.2倍.2015—2017年O3污染加剧, 2017年的年MDA8 O3浓度第90百分位值达到163.28 μg·m-3, 其7月和9月的月MDA8 O3浓度第90百分位值显著偏高, 可能是由于2017年7月和9月重庆的平均气温为1951年以来同期最高(冯爱青等, 2018).天气气候条件、排放源、光化学反应等因素都可能对O3浓度的高低产生影响.2013年之后O3浓度降低, 本研究认为可能得益于重污染企业搬迁、排放治理等管控措施的实施.而近年来重庆市机动车数量增加迅猛, 由《重庆统计年鉴》得知, 民用私家车保有量从2013年的4076180辆增加至2019年的6539509辆, 从而为O3的生成提供了更多的前体物(苏榕等, 2018).此外, 国家气候中心发布的《中国气候变化蓝皮书(2021)》指出, 中国是全球气候变化的敏感区和影响显著区, 升温速率明显高于同期全球平均水平, 且极端高温事件频发(辛雨, 2021).本研究推测, 全球变暖、极端高温事件增多增强及前体物的增加是导致2015年之后重庆市O3浓度升高的部分原因.虽然“大气十条”对控制PM2.5、PM10具有良好成效, 但O3浓度却是逐渐升高.
从发生臭氧污染月份(月MDA8 O3第90百分位值>160 μg·m-3)数量变化可以看出, 臭氧污染月份数量从2013年的4个月减少到2015年的1个月, 而后又增加到2017—2018年的4个月和2019年的5个月.2020年由于COVID-19疫情的爆发使得重庆臭氧污染得到了一定的改善, 污染月数量减少.但发生臭氧污染月的开始时间由6月提前到4月, 结束时间变化却不大, 说明臭氧污染的形势严峻, 需要管控.
3.2 臭氧污染事件发生频率重庆主城区臭氧污染状况根据城市平均MDA8 O3值划分为5个级别:优(0~100 μg·m-3)、良(101~160 μg·m-3)、轻度污染(161~215 μg·m-3)、中度污染(216~265 μg·m-3)、重度污染(266~800 μg·m-3), 其中, 臭氧中重度污染对人类影响和危害巨大.
从表 1可知, 2013—2020年O3污染超标天数变化呈波动态势.2013年O3污染超标天数最多, 达33 d, 占全年的9.04%;2015年最低, 仅有7 d;但2017年O3污染超标天数增长到37 d, 是2015年超标天数的5.3倍;2018—2019年O3污染超标天数连续减少, 此次减少相对于2013—2015年的减少更加平缓;2020年由于疫情管控, 比2019年超标天数减少6天, 相对2018—2019年的减少幅度变大.总体而言, 2015—2019年期间, O3污染超标天数呈上升趋势.O3污染超标天数的增加反映出O3浓度的升高, 其受到气候、大气环流、排放源、光化学反应等因素的影响, 与前文所述的全球变暖、极端高温事件增多增强及前体物的增加同样是有关的(苏榕等, 2018; 辛雨, 2021).关于O3浓度升高及O3超标天数增加的更多原因, 还需要借助数值模拟及获取更多类型的数据进行探讨.
2013—2020年O3中重度污染天数有25 d, 其中, 中度污染有23 d, 重度污染有2 d.2013的中度污染天数为4 d, 无重度污染, 中重度污染频率(中度污染天数与重度污染天数之和占全年天数的比例)为1.09%.2014—2016年中度污染天数均为1 d, 同样无重度污染, 中重度污染频率下降至0.27%.2017年中度污染天数上升到4 d, 依旧没有重度污染, 中重度污染频率上升至1.09%.2018年中度污染天数相对2017年不变, 但重度污染天数相对2017年增长为1 d, 中重度污染频率上升至1.37%.2019年中度污染天数最高, 为5 d, 同时重度污染天数为1 d, 中重度污染频率最高为1.64%.2020年中重度污染频率下降至0.82%.总体来说, 近年来重庆市O3污染的形势不容乐观.
3.3 臭氧污染事件的空间分布特征2013—2020年重庆市O3中重度污染事件共出现25次, 但并非每次每个站点O3浓度都达到中重度污染标准, 这种现象的产生与站点地理位置有直接关系.为了研究重庆O3中重度污染的空间分布及成因, 根据这25次中重度污染事件的O3浓度数据和站点位置数据得到图 3.从图 3a中可以看出, JYS站、LJW站和LZW站O3浓度较高.不难发现这3个站点都属于地势较高的站点, 且位于山侧旁(图 1).同时, 从图 3b中可以看出, 位于山脉附近的JYS站和LZW站日间O3浓度低于重庆市中心渝中区附近站点的O3浓度.白天, 由于城区温度高于山区, 在城市热岛效应的影响下地面风从山区吹向城区, 这就使得山区的高O3浓度的气团向城市地区输送, 而重庆渝中区位于中梁山和铜锣山之间, 两侧的山风在城市地区汇合, 从而加剧了城市地区的O3污染.
而从图 3c可以看出, JYS站、LJW站和LZW站夜间O3浓度高于重庆市中心渝中区附近站点的O3浓度.虽然重庆市城区夜间城市热岛效应比日间强(孙永等, 2019), 但城市地区作为VOCs主控区, 晚高峰所排放的大量NOx与O3发生滴定反应, 加速了O3的损耗;而山区夜间的NOx滴定作用不明显, O3浓度居高不下(刘皎皎等, 2020).
根据以上分析, 推测O3中重度污染时期的日间, 在山谷风和城市热岛效应的共同影响下, 加剧了城市地区的O3污染, 是造成城区O3浓度略高于周边山脉区域的可能原因;夜间, 城区NOx滴定作用较山区明显, 可能导致城区O3浓度下降迅速, 低于山区附近的O3浓度.
为了验证以上推测, 对2019年8月15日一次O3中重度污染事件的O3浓度变化展开分析.图 4所示为2019年8月15日各环境监测站点O3浓度的日变化.可以看出, 0:00—7:00山脉附近JYS站、LJW站和LZW站O3浓度明显高于大部分城区站点.6:00—9:00 JYS站和LJW站与渝中区附近站点O3浓度差距缩小, 但山脉附近站点O3浓度仍高于城区站点.下午, JYS站、LZW站O3浓度低于大部分城区站点, 而LJW站的O3浓度甚至高于城区站点, 可能是由于LJW站处于铜锣山西侧, 靠近城区, 受到城市影响相对较大.19:00, 城区站点NOx滴定作用明显, O3浓度下降迅速, JYS站和LJW站O3浓度下降缓慢.
总体而言, 这个变化过程与上文推测的重庆臭氧重污染时期O3浓度空间分布受到山谷风环流及城市热岛效应双重作用影响的结论一致.事实上, O3浓度的时空变化与排放源的分布、光化学反应及大气的输送扩散条件都有一定的关系.其中, 局地输送有可能是导致O3聚集的原因, 但还需要更全面的资料或者基于模式模拟的数据结果来提供更多的证据, 从而进行全面合理的机理分析.
3.4 O3与前体物NO2的关系如同3.3节所分析, O3中重度污染事件的空间分布受到复杂地形下局地环流的影响.同样, 前体物也是一个重要影响因素.本文尝试通过分析不同站点的O3、NO2和Ox浓度的日变化来探究NO2与O3的关系, 以及其在光化学氧化中的贡献.光化学氧化剂(Ox)按照公式(1)使用逐小时数据进行计算(Wang et al., 2020).
(1) |
图 5给出了重庆O3中重度污染天各环境监测站点的O3、NO2和Ox (O3+NO2)平均浓度日变化.从图中可见, 大部分站点NO2日变化特征呈波动变化态势.NO2日间首个峰值出现的时间为8:00—10:00, 其中, LL、NP、CY、KG、XSC、CJ、YXJ站点的峰值出现在早上8:00, HX、TJT、JFB、YJP、LJ、LZW站点的峰值出现在早上9:00, 而JYS、GJHY、TS、BJY、LJW站点的峰值出现在10:00.NQ、XTZ、SQS站点的NO2日变化特征呈现两峰一谷的变化态势, 在8:00—10:00并未出现明显峰值, 这样峰值出现的时间可能是因为受到不同站点所在地的城市交通影响.NO2第2个峰值时间出现在20:00左右, 可能是由于气象扩散条件变差和排放源增加共同作用造成的(宋从波等, 2016).
O3、NO和NO2之间的光化学反应相互转换可以通过下面的化学反应描述(Leighton, 1961).
(2) |
(3) |
(4) |
结合O3与NO2浓度的日变化来看, 城区站点的O3与NO2浓度呈现显著负相关.在早上8:00—10:00达到第一个峰值以后, 按照反应(2)所示, NO2被光解生成NO与O原子, NO2呈现下降的趋势.光解后的产物通过反应(3)生成O3.反应(4)同样在进行, 但边界层内湍流混合加强会使得环境大气中NO浓度逐渐降低(宋从波等, 2016), 因此, 反应(4)对于O3浓度的消耗不大.16:00—18:00 O3浓度达到峰值, NO2浓度达到谷值.19:00—20:00之后, 太阳下山, O3浓度下降, 而反应(2)停止, 反应(4)消耗了O3, 生成NO2.而山区站点(图 5a中JYS站, 图 5s中LJW站, 图 5t中LZW站)O3与NO2浓度的相关系数为负数, 但相关性并不显著, 可能是由于山区植被茂密, 主要受生物排放源的影响.从Ox浓度变化可以看出, 在O3中重度污染事件中, O3的氧化性占主导地位, NO2的氧化性贡献并不是很突出.
综上所述, NO2的日变化特征受到气象条件、城市交通排放的影响.城区站点的O3与NO2浓度呈现显著负相关, 山区站点O3与NO2浓度的相关系数为负数, 但相关性不显著.此外, NOx与O3之间的时间变化受机动车排放尾气、燃烧及各种VOCs的排放、边界层高度等的影响, 本文进一步的研究中将尝试获取更多的数据, 更加全面严谨地分析前体物的光化学作用对于O3生成的贡献.
3.5 O3与气象条件的关系O3为大气光化学反应产物, 因此, O3浓度除了受到地理位置、前体物的影响, 同样受到气象条件的影响.例如, 太阳辐照度、气温、相对湿度等气象条件都会对大气光化学反应造成影响, 尤其是在O3中重度污染时期, 这些因素的影响值得探究.
根据3.3节所统计的O3中重度污染天, 结合对应日平均气象数据, 得到2013—2020年25次O3中重度污染天MDA8 O3值、日平均气温、日平均相对湿度与日平均风速图(图 6).在2013—2020年的25次O3中重度污染事件中, 属于非高温(26.2~29.5 ℃)的有11个, 高温(30.5~34.6 ℃)的有14个(图 7).在非高温中重度污染日中, 2015年4月29日的日均气温最低, 为26.2 ℃.在高温中重度污染日中, 日平均气温最高为34.6 ℃, 发生在2017年8月1日.属于高温的O3中重度污染日数和非高温的O3中重度污染日数相差不大, 这是因为虽然高温是对O3有利的一种气象条件, 但并不是控制性的影响因子.在相对湿度方面, 属于高湿(日平均相对湿度>60%)的O3中重度污染日有9个(图 7).在高湿中重度污染日中, 2014年6月17日的相对湿度最大, 为74.8%.其中4 d同样存在高温, 但其湿度不超过62%;有5 d处于偏低气温, 其湿度最高可达到74.8%(图 7).当相对湿度大于60%时, O3前体物NOx与CO的光化学反应就会受到影响, 并存在一个临界值(严文莲等, 2019).通过以上分析发现, 在非高温或高湿的气象条件下, 同样会产生O3中重度污染.
在风速方面, 最大的日平均风速仅为2.5 m·s-1, 这样的风速条件有利于O3在局部地区的不断积累从而产生O3污染.图 8为2013—2020年O3中重度污染时期风玫瑰图, 其中, 96.9%的小时风速 < 3.3 m·s-1.由此推测, 大部分O3中重度污染是由局地污染形成.在风向方面, 西-北风的占比为45.3%, 远大于其他方向的风, 其中, 西北风占比最大, 比率高达24.5%;北偏西风和西偏北风次之, 再次是正北风, 其余风向相对较少.说明O3中重度污染发生, 风向多为西-北风, 这或许可以作为O3中重度污染的预警指标之一.
表 2为2013—2020年O3中重度污染时期不同气温、相对湿度、风速区间范围对应O3浓度与气象要素的相关系数.从O3浓度与不同气象要素不同区间的相关系数来看, O3浓度与气温呈显著正相关, 与相对湿度呈显著负相关, 与风速呈正相关.
此外, 需要说明的是, 由于可获取数据的局限性, 本节中分析O3中重度污染事件的气象条件, 仅来源于一个重庆市区站点沙坪坝站.该站的分析结果对于城市区域有一定的代表性, 其处于城区中间, 且数据质量好.然而重庆地形地貌复杂, 对于山区区域的中重度污染的气象条件, 其与O3浓度的关系受到地理条件、大气环流、边界层等多方面因素的影响, 还需要在今后的工作中运用数值模型及其余更多的站点数据进行分析.
3.6 O3与PM2.5的关系变化除了以上因素会对O3浓度产生影响, 有学者发现PM2.5也会对O3浓度造成一定影响.本文尝试通过线性回归和相关性分析的方法对重庆市站点O3与PM2.5的相关性进行比较分析.本研究中, 选择了城市站点(NP站)与山区站点(JYS站)进行分析.从前面的分析中可以看出, 重庆城市和山区的站点具有一定的共同特征, 但位于不同区域的特征有所不同, 因此, 尝试选择城市和山区的代表站点来进行分析.JYS站作为背景站, 远离城区, 是山区典型站;NP站点代表城市, 与JYS站形成对比.其次, 这两个站点建站时间较长, 数据质量较好.
图 9给出了两站点的O3-PM2.5相关关系.从图中可以发现, JYS站不同O3浓度范围的O3-PM2.5均呈现正相关(图 9a, 相关系数r > 0).但在NP站, 在不同O3浓度范围, O3-PM2.5的相关性也有所不同, 在O3浓度≤100 μg·m-3时, O3与PM2.5呈负相关, 而在O3浓度>100 μg·m-3时, O3与PM2.5呈正相关(图 9b).在两站的O3-PM2.5相关性对比中, O3浓度≤100 μg·m-3时, JYS站点和NP站点呈现相反的O3-PM2.5相关性.影响O3-PM2.5相关性的因素包括复杂地形、气象、边界层特征等.在NP站O3浓度≤100 μg·m-3中有18.9%的点PM2.5浓度超标.推测这部分点的O3-PM2.5相关性为负可能是因为高浓度PM2.5会通过增加云凝结核数浓度、增大云光学厚度来减少太阳辐射, 会散射、吸收太阳辐射, 使到达地表的太阳辐射量减少, 进而在白天抑制O3生成;颗粒物表面积浓度随着颗粒物浓度的增加而增加, 颗粒物表面发生的非均相反应过程也会对O3浓度产生影响(易睿等, 2015).JYS站位于山中, 周边多为植被树木, PM2.5在此难以形成聚集, 只有4.4%的点PM2.5浓度超标, 因此, JYS站PM2.5对O3的抑制作用极小.NP站剩余点的O3-PM2.5相关性同样是负相关, 而JYS站剩余点的O3-PM2.5的相关性为正相关.这种现象究竟由哪种原因造成, 还需要进一步更深入的研究.
不同时间污染物排放情况和气候条件的不同, 导致不同位置的O3-PM2.5相关系数也会有差异.图 10为2013—2020年O3-PM2.5相关系数月变化图, JYS站和NP站O3-PM2.5相关系数的月变化特征大致相似, 呈现三峰两谷型.在图 10a中, JYS站的O3- PM2.5相关系数基本为正值, 即O3与PM2.5呈现正相关关系, 与图 9a表现一致.在7月、9月和10月时, JYS站O3-PM2.5平均相关系数在0.5以上, 这可能是因为暖季促进O3生成, 其对二次PM2.5的氧化生成作用较强(路佩瑶等, 2020).而在图 10b中, NP站在暖季的O3-PM2.5相关系数也基本为正值, 在1—3月、10—12月O3-PM2.5相关系数正负皆有.负相关关系主要出现在冷季, 可能与冬季气温较低及前文所说的NP站冬季PM2.5浓度高, 抑制O3的生成有关.正相关关系在冬季也有出现, 说明还有其他原因尚未发现, 需要进一步的研究.同时, JYS站O3-PM2.5平均相关系数在各个月份都高于NP站, 这可能与NP站位于城区受人为影响较多有关.
重庆市JYS站和NP站O3-PM2.5相关系数的差异, 进一步反映了我国大气复合污染变化的区域复杂性.正如前文所述, O3-PM2.5相关性受到复杂地形下的下垫面条件、边界层变化特征和气象条件等因素的影响.本文的分析尚比较初步, 进一步的研究中, 将借助数值模拟及获取更多数据去探究O3-PM2.5相关性的机理(Feng et al., 2016).
4 结论(Conclusions)1) 重庆2013—2020年MDA8 O3第90百分位值年际变化总体呈现先减后增的趋势.发生O3污染月份数量增加, O3污染开始月份从6月提前到4月, 形势严峻.
2) 重庆O3中重度污染发生频率总体呈先减后增趋势, 2019年重庆O3中重度污染天数最多, 为6 d.2013—2015年可能由于中重度污染企业搬迁、排放治理等管控措施的实施, O3中重度污染频率由1.09%减少至0.27%;2019年O3中重度污染频率增加至1.64%;2020年降至0.81%.
3) 2013—2020年, 重庆共发生了25次O3中重度污染事件.中重度污染期间, 日间城区O3浓度略高于周边山脉区域, 有可能是山谷风和城市热岛效应的共同影响下, 加剧了城市地区的O3污染.夜间, 山区O3浓度高于城区O3浓度.虽然热岛效应仍然存在, 但城市地区排放的大量NOx加速了O3的损耗, 而山区夜间的NOx滴定作用不明显, 可能导致夜间O3损耗不大.
4) 重庆O3中重度污染期间, 受到气象条件、城市交通排放的影响, NO2的日间首个峰值多出现在8:00—10:00, 19:00—20:00出现第2个峰值.城区站点的O3与NO2浓度呈现显著负相关;山区站点(JYS、LJW、LZW站)主要受生物排放源影响, O3与NO2浓度的相关系数为负数, 但相关性不显著.
5) 通过统计重庆O3中重度污染期间城市区域气象要素特征可知, 日均风速 < 3.0 m·s-1, 96.9%的小时风速 < 3.3 m·s-1, 由此推测重庆大部分O3中重度污染可能由局地污染主导.25次O3中重度污染事件中, 有11次属于非高温, 有9次属于高湿, 说明非高温、高湿的气象条件下, 同样会产生O3中重度污染.O3中重度污染发生时, 风向多为西-北风, 这或许可以作为O3中重度污染的预警指标之一.另外, 从O3浓度与不同气象要素不同区间的相关系数来看, O3浓度与气温、风速呈显著正相关, 与相对湿度呈显著负相关.
6) 分析山区代表站点(JYS站)及城区代表站点(NP站)O3-PM2.5的相互关系可知, JYS站不同O3浓度区间的O3与PM2.5呈正相关关系;NP站, O3浓度≤100 μg·m-3时, O3与PM2.5呈现负相关关系, 部分可能受到高浓度的PM2.5影响;O3浓度>100 μg·m-3时, O3与PM2.5呈正相关关系.JYS站暖季和冷季的月O3-PM2.5总体呈现正相关.NP站的月O3-PM2.5相关系数变化可能与冬季气温较低及高PM2.5浓度抑制了O3的生成有关, 其在暖季呈正相关关系, 在冷季相关性有正有负.
本研究关于中重度O3污染的成因研究还比较粗浅.造成O3浓度升高和O3超标天数增加的更多原因;复杂地形条件对于O3的影响;O3与前体物(NOx和VOCs)的光化学反应机理;城区山区或者不同区域之间的O3-PM2.5相关性为何呈现正(或负), 主要受到哪些因素的影响等问题还有待研究.下一步将借助数值模拟手段及获取更多的前体物、气象、气溶胶数据再进行深入研究, 给出更加全面清晰的机理分析.
致谢: 感谢南京信息工程大学高性能计算中心的计算支持和帮助.
Ahamad F, Griffiths P T, Latif M T, et al. 2020. Ozone trends from two decades of ground level observation in Malaysia[J]. Atmosphere, 11(7): 1-16. |
安俊琳, 王跃思, 孙扬. 2009. 气象因素对北京臭氧的影响[J]. 生态环境学报, 18(3): 944-951. DOI:10.3969/j.issn.1674-5906.2009.03.027 |
Bei N F, Zhao L N, Wu J R, et al. 2018. Impacts of sea-land and mountain-valley circulations on the air pollution in Beijing-Tianjin-Hebei (BTH): A case study[J]. Environmental Pollution, 234: 429-438. DOI:10.1016/j.envpol.2017.11.066 |
董昊, 程龙, 王含月, 等. 2021. 安徽省臭氧污染特征及气象影响因素分析[J]. 中国环境监测, 37(1): 58-68. |
Fan M Y, Zhang Y L, Lin Y C, et al. 2021. Source Apportionments of Atmospheric Volatile Organic Compounds in Nanjing, China during High Ozone Pollution Season[J]. Chemosphere, 263: 128025. DOI:10.1016/j.chemosphere.2020.128025 |
冯爱青, 曾红玲, 尹宜舟, 等. 2018. 2017年中国气候主要特征及主要天气气候事件[J]. 气象, 44(4): 548-555. |
Feng T, Bei N, Huang R J, et al. 2016. Summertime ozone formation in Xi'an and surrounding areas, China[J]. Atmospheric Chemistry and Physics, 16(7): 4323-4342. DOI:10.5194/acp-16-4323-2016 |
Fu S, Guo M X, Fan L P, et al. 2021. Ozone pollution mitigation in Guangxi (south China) driven by meteorology and anthropogenic emissions during the COVID-19 lockdown[J]. Environmental Pollution, 272(2): 115927. |
Grange S, Lee J, Drysdale W, et al. 2021. COVID-19 lockdowns highlight a risk of increasing ozone pollution in European urban areas[J]. Atmospheric Chemistry and Physics, 21(5): 1-25. |
韩余, 周国兵, 陈道劲, 等. 2020. 重庆市臭氧污染及其气象因子预报方法对比研究[J]. 气象与环境学报, 36(4): 59-66. DOI:10.3969/j.issn.1673-503X.2020.04.008 |
金祺, 银燕, 谭稳. 2012. 黄山地区复杂地形下污染气体输送过程的数值模拟[J]. 大气科学学报, 35(6): 680-688. DOI:10.3969/j.issn.1674-7097.2012.06.007 |
Leighton P. 1961. Photochemistry of Air Pollution[M]. New York: Academies Press.
|
Li H D, Meier F, Lee X H, et al. 2018. Interaction between urban heat island and urban pollution island during summer in Berlin[J]. Science of the Total Environment, 636: 818-828. DOI:10.1016/j.scitotenv.2018.04.254 |
Li X B, Wang D S, Lu Q C, et al. 2017. Three-dimensional investigation of ozone pollution in the lower troposphere using an unmanned aerial vehicle platform[J]. Environmental Pollution, 224: 107-116. DOI:10.1016/j.envpol.2017.01.064 |
刘姣姣, 叶堤, 刘芮伶. 2020. 重庆市臭氧污染特征研究[J]. 环境科学与管理, 45(9): 59-62. DOI:10.3969/j.issn.1673-1212.2020.09.014 |
路佩瑶, 赵天良, 牛涛, 等. 2020. 云南高原清洁大气环境背景下蒙自市PM2.5和O3相关性分析[J]. 生态环境学报, 29(7): 1387-1394. |
罗悦函, 赵天良, 孟凯, 等. 2021. 华北平原和山区城市PM2.5和O3变化关系比较分析[J]. 中国环境科学, 41(9): 3981-3989. DOI:10.3969/j.issn.1000-6923.2021.09.002 |
吕瑞鹤, 张进生, 薛艳龙, 等. 2020. 承德市臭氧污染特征及其与气象因子的相关性研究[J]. 南开大学学报(自然科学版), 53(6): 85-91. |
毛卓成, 许建明, 瞿元昊, 等. 2021. 偏低气温下的O3污染特征及其主要气象成因分析[J]. 中国环境科学, 41(10): 4507-4517. |
Paoletti E, Feng Z Z, Fares S, et al. 2021. Editorial: Interactions between ozone pollution and forest ecosystems elena[J]. Frontiers in Forests and Global Change, 3: 1-3. |
蒲茜, 李振亮, 张悦, 等. 2021. 重庆市O3污染日的大气环流分型与传输特征[J]. 中国环境科学, 41(1): 18-27. DOI:10.3969/j.issn.1000-6923.2021.01.003 |
齐艳杰, 于世杰, 杨健, 等. 2020. 河南省臭氧污染特征与气象因子影响分析[J]. 环境科学, 41(2): 587-599. |
Sahu S K, Liu S C, Liu S, et al. 2021. Ozone pollution in China: Background and transboundary contributions to ozone concentration & related health effects across the country[J]. Science of the Total Environment, 761: 144131. DOI:10.1016/j.scitotenv.2020.144131 |
宋从波, 李瑞芃, 何建军, 等. 2016. 河北廊坊市区大气中NO、NO2和O3污染特征研究[J]. 中国环境科学, 36(10): 2903-2912. DOI:10.3969/j.issn.1000-6923.2016.10.004 |
苏榕, 陆克定, 余家燕, 等. 2018. 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, 48(1): 102-112. |
孙永, 王咏薇, 高阳华, 等. 2019. 复杂地形条件下城市热岛及局地环流特征的数值模拟[J]. 大气科学学报, 42(2): 280-292. |
Tai A P K, Sadiq M, Pang J Y S, et al. 2021. Impacts of surface ozone pollution on global crop yields: Comparing different ozone exposure metrics and incorporating co-effects of CO2[J]. Frontiers in Sustainable Food Systems, 5: 1-18. |
王凡, 王咏薇, 高嵩, 等. 2019. 湖陆风环流对于臭氧高浓度事件影响的模拟分析[J]. 环境科学学报, 39(5): 1392-1401. |
Wang W J, Parrish D D, Li X, et al. 2020. Exploring the drivers of the increased ozone production in Beijing in summertime during 2005—2016[J]. Atmospheric Chemistry and Physics, 20(24): 15617-15633. DOI:10.5194/acp-20-15617-2020 |
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, 37(11): 4241-4252. |
谢祖欣, 冯宏芳, 林文, 等. 2020. 气象条件对福州市夏季臭氧(O3)浓度的影响研究[J]. 生态环境学报, 29(11): 2251-2261. |
辛雨. 2021. 《中国气候变化蓝皮书(2021)》发布[N]. 中国科学报
|
Xu M Q, Yao Q, Chen D L, et al. 2021. Estimating the impact of ground ozone concentrations on crop yields across China from 2014 to 2018:A multi-model comparison[J]. Environmental Pollution, 283: 117099. DOI:10.1016/j.envpol.2021.117099 |
严文莲, 刘端阳, 康志明, 等. 2019. 江苏臭氧污染特征及其与气象因子的关系[J]. 气象科学, 39(4): 477-487. |
姚懿娟, 王美圆, 曾春玲, 等. 2021. 广州不同站点类型PM2.5与O3污染特征及相互作用研究[J]. 中国环境科学, 41(10): 4495-4506. |
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, 35(8): 2370-2377. |
张灿, 蒋昌潭, 罗财红, 等. 2017. 气象因子对臭氧的影响及其在空气质量预报中的应用[J]. 中国环境监测, 33(4): 221-228. |
Zhang X, Li H, Wang X Z, et al. 2021. Heavy ozone pollution episodes in urban Beijing during the early summertime from 2014 to 2017:Implications for control strategy[J]. Environmental Pollution, 285: 117162. DOI:10.1016/j.envpol.2021.117162 |
周晓鸥. 2020. 复杂地形对风场及对流层臭氧浓度变化的影响研究[D]. 江苏: 南京信息工程大学
|