环境科学学报  2021, Vol. 41 Issue (3): 770-784
引用本文
于瑞新, 刘旻霞, 李亮, 等. 2021. 长三角地区近15年大气臭氧柱浓度时空变化及影响因素[J]. 环境科学学报, 41(3): 770-784.
Yu R X, Liu M X, Li L, et al. 2021. Spatial and temporal variation of atmospheric ozone column concentration and influencing factors in the Yangtze River Delta region in recent 15 years[J]. Acta Scientiae Circumstantiae, 41(3): 770-784.
长三角地区近15年大气臭氧柱浓度时空变化及影响因素    [PDF全文]
于瑞新, 刘旻霞, 李亮, 宋佳颖, 孙瑞弟, 张国娟, 徐璐, 穆若兰    
西北师范大学地理与环境科学学院, 兰州 730070
收稿日期: 2020-06-22; 修回日期: 2020-09-12; 录用日期: 2020-09-12
基金项目: 国家自然科学基金（No.31760135）
作者简介: 于瑞新(1995-), 男, E-mail: 2860886275@qq.com
通讯作者（责任作者）: 刘旻霞, E-mail: xiaminl@163.com
摘要：基于OMI遥感数据, 分析了2005—2019年长三角地区O3柱浓度的时空分布特征及影响因素, 同时采用后向轨迹(HYSPLIT)模型进行对流层O3来源的解析.结果表明：①从时间分布来看, 15年间O3柱浓度年际变化呈先上升后下降的变化趋势, 其中, 2005—2010年呈上升趋势, 2010—2019年呈下降趋势, 2010年和2016年分别达到最大值和最小值, 分别为327.79 DU和276.43 DU; 季节方面, 每年季均浓度值均为春季最大, 冬季最小.②在空间分布上, O3柱浓度高值区在长三角中部及以北地区, 且由北向南逐渐降低; 四季分布有明显变化, 15年的平均季均浓度为春季＞夏季＞秋季＞冬季, 高值主要出现在春季, 低值出现在冬季.③气象因子上, O3柱浓度与气温、降水、风速、日照时间呈正相关(p<0.05), 与气压呈负相关(p<0.05).人为因素上, O3柱浓度与人口、第二产业及煤炭消费总量呈正相关.④通过不同高度模拟受点气流输送轨迹发现, 上海市不同高度的气流轨迹与输送路径相差不大, 均能反映O3的来源与扩散方向.来自华北、黄海地区与西南方向及东海上空的气流汇聚是造成春季O3柱浓度升高的主要原因, 冬季O3柱浓度低主要是因为来自华北地区高压气流对O3的扩散作用.⑤O3柱浓度与其他物质的空间对比分析显示, NO2柱浓度、AOD指数、HCHO柱浓度均是影响O3柱浓度空间分布的重要原因; 该地区O3前体物氮氧化物(NOx)是引起O3柱浓度增长的主要原因, 两者之间呈显著正相关(p<0.01);机动车尾气排放对O3柱浓度水平的贡献不可忽视.长三角地区挥发性有机物(VOCs)是造成O3柱浓度升高的又一重要原因, 其中, 人为源是主控原因, 占总贡献量的96.9%, 植物源占3.1%;人为源中, 工业源和生活源贡献较大.
关键词：臭氧柱浓度    OMI    HYSPLIT模型    时空分布特征    长三角地区    
Spatial and temporal variation of atmospheric ozone column concentration and influencing factors in the Yangtze River Delta region in recent 15 years
YU Ruixin, LIU Minxia, LI Liang, SONG Jiaying, SUN Ruidi, ZHANG Guojuan, XU Lu, MU Ruolan    
College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070
Received 22 June 2020; received in revised from 12 September 2020; accepted 12 September 2020
Abstract: Based on OMI remote sensing data, the spatial and temporal distribution characteristics and influencing factors of O3 concentration were analyzed in the Yangtze River Delta from 2005 to 2019, and sources of tropospheric O3 was analyzed by using HYSPLIT model. The results showed that: ① In terms of time, the annual variation of O3 column concentration showed a trend of first increasing and then decreasing in the past 15 years, with an upward trend from 2005 to 2010 and a downward trend from 2010 to 2019. The maximum and minimum values were 327.79 DU and 276.43 DU in 2010 and 2016 respectively. In terms of seasons, the seasonal average concentration values were the largest in spring and the smallest in winter. ② In terms of space, the high value area of O3 column concentration was in the middle and north of Yangtze River Delta, and gradually decreased from north to South; the distribution of four seasons had obvious changes, the average seasonal concentration of 15 years was spring > summer > autumn > winter, the high value appeared in spring, and the low value appeared in winter. ③ In terms of meteorology, O3 column concentration was significantly positively correlated with temperature, precipitation, wind speed and illumination time (p<0.05), which was significantly positively correlated with illumination time(p<0.01), and negatively correlated with air pressure (p<0.05). In terms of human factors, O3 concentration was positively correlated with population, secondary industries and total coal consumption. ④ Through the simulation of air flow trajectory, it is found that there was little difference between the air flow trajectory and the transportation path at different heights in Shanghai, which could reflect the source and diffusion direction of O3. The main reason for the increase of O3 concentration in spring was the convergence of air flow from North China, Yellow Sea and southwest direction and over the East China Sea. The low concentration of O3 in winter was mainly due to the diffusion of high pressure air from North China. ⑤ Spatial Comparison of O3 concentration with other substances, NO2 concentration, AOD index and HCHO concentration were the important factors affecting the spatial distribution of O3 concentration; NOx was the main reason for the increase of O3 column concentration in this area, and there was a significant positive correlation between them (p<0.01); the contribution of vehicle exhaust to O3 concentration level could not be ignored. VOCs were another important reason for the increase of O3 column concentration in the Yangtze River Delta region. Anthropogenic sources were the main control factors, accounting for 96.9% of the total contribution, and plant sources account for 3.1%. Among the anthropogenic sources, industrial sources and domestic sources contribute more.
Keywords: ozone column concentration    OMI    HYSPLIT model    spatial and temporal distribution characteristics    Yangtze River Delta    
1 引言(Introduction)

臭氧(O3)作为一种大气气体, 具有很高的活性, 性质极不稳定, 但适当浓度的O3可以消菌杀毒, 而且可以阻挡太阳发出的强紫外线, 保护地球上的生命, 使得地球表面温度维持在一定区间, 并对大气环流产生重要影响(杜君平等, 2014); 但较高浓度的O3会对人类健康产生危害, 破坏生态系统的稳定性(盛裴轩等, 2008).近年来, 随着中国经济的高速发展和人为因素的影响, O3浓度持续增加, O3污染开始成为我国一种普遍而又难处理的大气污染类型, 其主要是由大气污染物NOx、CO、VOCs等物质在太阳辐射下经过复杂的光化学反应生成, 从而导致了新型的光化学烟雾污染, 造成生态环境恶化, 并损害人类身体健康(沈劲等, 2015).在中国经济较为发达的中东部地区及沿海地区, O3已经逐渐成为继细颗粒物(PM2.5)之后最重要的大气污染物(肖悦等, 2017).因此, 针对O3污染的分析研究在当前中国经济高速发展的时期显得尤为重要, 受到大气科学领域科研人员的高度关注.

目前, 国内对O3的研究局限于小区域单点监测或者是地面基站的监测, 近年来利用卫星遥感的研究有所增加, 大、中、小区域尺度均有涉及.肖钟湧等(2011)利用OMI和扫描成像大气吸收光谱仪(SCIAMACHY)数据与地面观测数据进行验证, 并分析了亚洲地区O3的时空分布特征, 结果显示, OMI反演结果比SCIAMACHY结果好.David等(2013)利用OMI卫星遥感数据分析了印度大陆和海洋对流层O3和二氧化氮(NO2)的时空分布特征, 结果表明, 对流层NO2、太阳辐射及季风性气团都是影响其时空变化的主要因素.张艳等(2015)研究了全球及关键地区的O3总量及变化情况, 得出了O3总量分布在中高纬地区具有很强的不均匀性, 以及青藏高原O3的形成机制很复杂等结论.段晓瞳等(2017)研究了中国近地面O3的分布特征, 表明O3浓度呈先增高后降低的趋势.陈雪萍等(2019)对宁夏地区11年间大气O3时空变化趋势和基本因素分析指出, 地理位置、气象因素和机动车、工业布局调整是影响O3浓度变化的主要原因.

长三角地区是我国经济发达、城市密度大、人口和产业活动密集的超大城市群区域, 城市分布也由过去的单点向面状分布发展, 区域性大气污染近年来比较严重, 同时也是复合型大气污染最严重的地区之一.由于长三角地区在我国具有极其重要的经济战略地位, 因此, 良好的生态环境对该地区的长远发展至关重要(李莉等, 2017).而目前长三角地区的O3前体物NOx和VOCs等大气污染物浓度不断增加, O3污染越来越严重, 针对该地区的O3污染研究已成为当务之急.自2016年5月国务院批准实施《长江三角洲城市群发展规划》以来, 以长三角城市群为整体利用OMI遥感数据探讨O3浓度时空变化的研究鲜有报道.基于此, 本文利用OMI遥感数据, 结合后向轨迹模式分析自然因素及人为因素对长三角地区O3所造成的影响, 揭示该区域O3浓度的时空变化规律, 以期为长三角地区环境保护和气象部门制定相关措施提供科学依据.

2 研究区概况(Study area)

长三角地区(20°13′~35°20′N, 109°39′~122°12′E)以上海为中心, 位于长江入海之前的冲积平原.长三角城市群包括26个地级市, 国土面积21.17万km2, 2019年地区生产总值20.4万亿元, 总人口1.54亿, 分别约占全国的2.2%、20.4%(全国GDP总值99.94万亿)、11.0%(2019年末全国总人口140005万).全区为亚热带季风气候, 年平均气温为14~18 ℃, 年降水量为1000~1500 mm; 区内以太湖平原为主体, 地形呈周高中低, 间有低丘, 河湖众多, 水网密布, 海拔为-143~1749 m(图 1).

图 1 长三角地区地形图 Fig. 1 Topographic map of the Yangtze River Delta
3 资料及方法(Materials and methods) 3.1 数据来源

O3柱浓度数据来自美国国家宇航局于2004年7月发射的Aura地球观测系统搭载的O3检测仪OMI, Aura卫星是一颗由荷兰和芬兰共同研制的极轨、太阳同步科学探测卫星.OMI是世界上首套采用紫外可见光波段的高光谱传感器(740个波段)、推扫式探测全球大气臭氧总量及垂直分布的臭氧监测仪器, 波长范围为270~500 nm, 空间分辨率为13 km×24 km, 轨道高度为705 km, 波谱分辨率为0.5 nm, 一天即可覆盖全球一次.其工作原理是通过观测地球大气和地球表面的后向散射辐射来获取信息, 数据包括Level-0、Level-1、Level-2、Level-3共4个处理等级, 可以测量O3、HCHO、NO2、SO2柱浓度和廓线及气溶胶、云、紫外辐射等多种数据.本文所采用的臭氧柱浓度数据来自NASA官网中GES DISC的level2-V003产品, 数据的平均精度优于1%;该数据结合差分吸收光谱技术(DOAS)根据O3在特定波段的吸收特性进行O3浓度总量反演.为进一步提高数据精度, 本研究对云量大于20%及误差大于15%的数据进行剔除以减小云量所带来的反演误差, 且仅当格点数据缺测率低于15%时视该格点数据有效; 此外, 计算月均值时, 若当月数据有7 d以上缺测, 则当月数据无效并剔除.分析O3柱浓度影响因素时所用到的NO2、AOD指数数据均来自NASA官网中GES DISC的由比利时太空高层大气研究所(BIRA-IASB)反演的level2-V003产品; HCHO数据来自NASA官网中GES DISC的OMHCHO数据产品.

后向轨迹模型使用的数据来自美国国家环境预报中心(NCEP)提供的2018年3月—2019年2月一年时间段的全球资料同化数据.

经济数据包括人口、GDP、三类产业生产总值、煤炭消费总量, 来源于国家统计局数据库(http://www.stats.gov.cn/)中各市2005—2019年的统计年鉴.氮氧化物排放量、汽车保有量数据来自中国统计信息网(http://data.stats.gov.cn/).气象数据包括气温、降水、气压、相对湿度、风速、日照时间, 均来源于国家气象信息中心(http://data.cma.cn/)的2005—2019年《中国地面累年值月值数据集》, 研究区内气象站点共计230个(江苏省67个、浙江省70个、安徽省82个、上海市11个).

3.2 数据处理方法

将获取的每日OMI level-2数据进行存储、编程等处理, 并导入ArcGIS软件中进行克里金插值、掩膜, 计算出月、季节、年度平均值.运用IBM SPSS statistics 25软件分析检验O3柱浓度与气象要素、人为因素的相关关系, 再用Origin 2017绘制变化趋势及散点拟合图.结合TrajStat软件与同化数据分析O3的输送来源, 绘制气流轨迹图.

为便于研究长三角地区2005—2019年O3柱浓度的分布和变化情况, 在时间序列上按照春季(3、4、5月), 夏季(6、7、8月)、秋季(9、10、11月)和冬季(12月及次年1、2月)的标准进行季度均值分析.本文使用的O3柱浓度单位为DU.

3.3 HYSPLIT模型

HYSPLIT模型是一种计算分析气流运动、沉降、大气污染物输送和扩散轨迹过程的综合模式系统(Stein et al. 2016), 具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散和沉降模式, 目前已被广泛用于空气污染物的输送扩散和来源解析研究中(王芳等, 2009; 张青新, 2013).本文利用TrajStat软件对长三角地区的中心城市上海市进行气流轨迹分析和研究, 解析上海市大气O3来源.以上海市(31°23′N, 121°47′E)为模拟受点, 选取的气流模拟高度为500 m, 这是因为500 m高度的气流场可以较准确地反映边界层平均气场特征(赵恒等, 2009), 但为更加地准确反映大气O3的气流来源, 本文又分别以1000、1500 m作为受点高度进行气流模拟.模拟出2018年3月—2019年2月逐日0：00、6：00、12：00及18：00(北京时间为8：00、14：00、20：00、前日2：00)4个时间段到达到受点的72 h后向轨迹, 再利用聚类分析方法以季节进行聚类, 将具有一定相似度的轨迹归为一类, 得到具有代表性特征的气团轨迹.

4 结果与讨论(Results and discussion) 4.1 臭氧柱浓度月均值变化

如图 2所示, 2005—2019年15年间长三角地区O3柱浓度月均值呈显著的周期性变化, 年内变化幅度较大, 每年月均值先增大后减小, 即O3柱浓度从1月开始不断上升, 每年4—6月出现最大值, 之后浓度值开始下降, 在11、12月到次年1月出现全年最低值.15年中, O3柱浓度最低月均值出现在2016年的11月, 为239.6 DU, 最高月均值出现在2013年3月, 为342.27 DU.总体来看, 在2010年以前O3柱浓度月均值呈缓慢上升趋势, 随后呈缓慢下降趋势, 2013年以后趋于平稳状态.从O3柱浓度月均值周期性变化可知, 自然因素对O3柱浓度变化影响较大.

图 2 2005—2019年长三角地区O3柱浓度月均值变化趋势 Fig. 2 Monthly mean variation trend of O3 concentration in Yangtze River Delta from 2005 to 2019

由于各年内O3柱浓度月均值具有一定的相似性, 则以2019年O3柱浓度月均值分布情况为代表进行分析(图 3), 分为8个浓度等级(1级：225~240 DU; 2级：240~255 DU：3级：255~270 DU; 4级：270~285 DU; 5级：285~300 DU; 6级：300~315 DU; 7级：315~330 DU; 8级：330~345 DU).从空间分布图可看出, O3柱浓度月均值从南向北随着纬度逐渐升高, 高值区主要集中在江苏和安徽部分城市北部, 上海、浙江北部、安徽中部在春、夏季也保持着较高的浓度; 低值区分布在浙江南部、西南部和安徽西南部的城市地区.从3月开始, O3柱浓度的高值区从北向南扩大, 区域内O3柱浓度大部分在5级以上, 8月后O3柱浓度开始降低, 绝大部分区域回落到3级和4级及以下, 分布比较均匀.全域的低值区从11月持续到次年1月, 其中, 11、12月及次年1月是一年中均值最低的月份; 从2月开始, 天气逐渐增暖, O3柱浓度随之增加, 这可能是由于温度的升高使O3前体物生成O3的光化学反应速率加快.

图 3 2019年长三角地区O3柱浓度月均值分布 Fig. 3 Monthly mean distribution of O3 concentration in Yangtze River Delta in 2019
4.2 臭氧柱浓度季节变化

图 4表明, 2005—2019年15年间, 春、夏季的O3柱浓度平均值明显高于秋、冬季, 春季最高值为325 DU, 夏季次之, 秋季和冬季的柱浓度平均值交替变化, 2010年以后冬季柱浓度值均高于秋季, 近两年又出现交替现象.4个季节O3柱浓度最大值均出现在2010年, 分别为325.9、318.68、296.4、293.69 DU, 2010年以前四季O3柱浓度值保持波动上升趋势, 2010年以后整体呈下降趋势, 但在2010年的前后两年, O3柱浓度值的增幅和减幅比较剧烈, 幅度均在20 DU左右.2013年冬季平均值比2012年升高了17 DU, 这可能是由于气候变化使平流层O3输入导致O3柱浓度升高.2019年夏季O3柱浓度平均值首次高于春季, 可能是由于夏季降水减少, 不利于对O3的冲刷和清除; 从降水原始统计数据发现, 2019年6、7、8月降水量较2018年同期有所下降, 由于云量减少太阳辐射强度增强, 日照时数增加, 光化学反应加强, O3前体物生成O3的速率和强度均升高, 其生成量大于降水所导致的消除量, 夏季降水多但同时温度也较高, 温度对O3的影响强于降水的影响; 少量适度的降水会促进植被生长, 使植被产生的有机物增加, 且有些有机物不会随降水消降净化.

图 4 2005—2019年长三角地区O3柱浓度季节平均值变化趋势 Fig. 4 Seasonal average variation trend of O3 column concentration in Yangtze River Delta from 2005 to 2019

O3柱浓度季节均值的空间分布如图 5所示, 图中O3分布分为9级, 每级为10 DU.从季节空间分布来看, 四季O3柱浓度均值呈现的趋势为：春季＞夏季＞秋季＞冬季, 这与月均值分布情况一致(图 3).春、夏季温度升高, O3柱浓度也随之升高, 这可能与季节性较强的太阳辐射导致O3前体物(NOx、CO等)发生光化学反应生成O3有关.春季, 整个长三角区域O3柱浓度值最高, 属于6~9级; 江苏北部出现了极高值区域, 整个江苏地区属于8级和9级; 安徽地区属于6~8级, 绝大部分区域为7级, 东北小部分地区属8级; 上海市全区为7级; 浙江北部属6级, 南部属7级.夏季, 长三角全区为5、6级, 长江以北为6级, 以南为5级.秋季, 江苏地区基本上为4级,只有盐城的北部为5级; 上海市属于4级; 浙江地区全区属于3级, O3柱浓度较低; 安徽地区属3、4级.冬季, 整个长三角地区自北向南O3柱浓度依次降低, 呈横片状分布, 属4~1级, 一年中全区O3柱浓度最低.

图 5 长三角地区O3柱浓度季节分布 Fig. 5 Seasonal distribution of O3 column concentration in Yangtze River Delta
4.3 臭氧柱浓度年际变化与空间分布特征

图 6显示, 2005—2019年长三角地区O3柱浓度呈先上升后下降再缓慢上升的变化趋势, 最大值、平均值、最小值的变化趋势也基本保持一致, 最高值出现在2010年, 为327.79 DU, 这与杜君平等(2014)在中国O3总量研究中的结论一致, 中国年均O3总量最大值也出现在2010年; Ziemke等(2014)认为其原因与反气旋循环和持续沉降有关, 气候变化异常是O3浓度增加的主要驱动力, 这也是导致2010年全国O3柱浓度高于其他年份的原因之一.研究区O3柱浓度最低年均值出现在2016年, 为276.43 DU.将这15年O3柱浓度值进行单因素检验, 多重比较发现, 2010年与2016、2017年O3柱浓度值存在显著差异(p<0.05).

图 6 2005—2019年长三角地区O3柱浓度年均值变化趋势 Fig. 6 Annual average variation trend of O3 column concentration in Yangtze River Delta from 2005 to 2019

图 7为2005—2019年长三角地区O3柱浓度年均值空间分布变化情况, 共分为7个浓度等级(260~270、270~280、280~290、290~300、300~310、310~320、320~330 DU, 分别为1~7级).15年间, 整个长三角区域的O3柱浓度呈南低北高趋势, 由南到北呈带状依次升高.2010年之前, 全域O3柱浓度处于增长趋势, 高值区域不断向南扩展, 2008、2009年增长趋势较大, 到2010年达到最高值, 这与O3柱浓度时间变化结果一致, 且整个区域都处于4级以上范围; 2010年之后, O3柱浓度开始降低, 整个区域都处于5级以下, 逐渐趋于平稳.从O3柱浓度值级数来看, 江苏盐城市及周边城市小部分地区常年处于4级及以上, 是研究区内O3柱浓度最高的地区, 原因可能在于长三角地区北部地形以平原为主, 山丘较少, 气流变化较小, O3趋于较稳定的状态, 不易扩散; 浙江金华市、台州市临近城市地区常年属于1、2级, 是全区O3柱浓度最低的地区.

图 7 2005—2019年长江三角洲地区O3柱浓度逐年分布图 Fig. 7 Annual distribution of O3 column concentration in the Yangtze River Delta from 2005 to 2019
5 臭氧柱浓度的影响因素(Influencing factors of ozone column concentration) 5.1 气象因子对臭氧柱浓度的影响

气象因子对大气污染物的形成、沉降、传输和稀释有较明显的作用.局部性地区气象条件如风速、风向、气温、气压和降水等对O3柱浓度变化及前体物的浓度变化具有重要的影响.

5.1.1 气温、降水、气压对臭氧柱浓度的影响

由图 8a可知, O3柱浓度月均值与月均温度的变化趋势双峰交错, 基本保持一致, 随着春季温度的升高, O3柱浓度也随之升高, 因为此时正是长三角地区日照时数和太阳辐射强度较大的时候, 有利于前体物发生光化学反应生成O3.而在长三角地区月均温度最高的夏季, O3柱浓度却开始下降, 这是因为亚热带季风气候降水主要集中在春末夏初, 此时大气中气温高、水汽含量高, 湿度大、云量多, 不利于O3的生成, 而且由于降水对污染物的冲刷作用, 湿沉降发生相对频繁.图 8b表明, 从变化趋势上, 4、5月降水量大幅增加使得O3柱浓度从峰值开始下降, 夏季6、7、8月降水量达到最大值, O3柱浓度大幅下降, 证明了降水对O3柱浓度的冲刷、清除作用.但相关分析表明, O3柱浓度与降水量呈显著正相关, 降水增多的季节, 也是O3柱浓度比较高的季节, 因此, O3柱浓度的升降不仅仅是某一气象因子单一决定的, 而是各个气象因子的协同效应.

图 8 2005—2019长三角地区O3柱浓度与月均温度(a)、月均降水量(b)变化趋势 Fig. 8 Variation trend of O3 column concentration, monthly mean temperature(a) and monthly precipitation(b) in Yangtze River Delta from 2005 to 2019

图 9显示, 气压对污染物的扩散有重要影响, 大气温度较高的区域, 空气密度小、气压低, 容易产生气旋式上升气流, 使得污染物容易扩散和迁移.从变化趋势上看, O3柱浓度与月均气压呈相反的季节变化趋势.春季气温逐渐升高, 大气压强逐渐降低, O3柱浓度达到最大值; 冬季压强达到最大值, O3柱浓度降到最低值, 因此, O3柱浓度与气压呈显著的负相关关系(p<0.05).

图 9 2005—2019长三角地区O3柱浓度与月均压强变化趋势及散点拟合图 Fig. 9 Variation trend of O3 column concentration and monthly average pressure in Yangtze River Delta from 2005 to 2019
5.1.2 风向及风速对臭氧柱浓度的影响

风力和风向直接影响污染物的扩散程度和方向.风速大小既能反映大气边界的稳定度, 又能影响大气污染物的输送; 大气污染物的传输和扩散方向主要由风向来决定.图 10为2019年长江三角洲地区平均风场季节分布图, 由基于NCEP-FNL资料的850 hPa(大气高度约1400 m)中国平均风场季节分布图裁剪所得, 平均风速为10 m·s-1, 方框内即为研究区.从长三角地区风向来源看, 春季, 来源于河南、山西等地区的西北风与华南地区的西南风在安徽省上空相遇交汇, 自西向东从大陆上空吹向海洋.春季长三角地区O3柱浓度较高, 可能是大气区域传输作用将华北地区上空较高浓度的O3输送于此, 且春季降水较少, 冲刷消除作用较弱.夏季, 除华南、华中地区西南风影响外, 由大陆上空产生的东南风自研究区北部吹向华北地区, 这对长三角北部高浓度O3产生扩散作用, 同时夏季降水增多, 这是夏季O3柱浓度低于春季的原因.秋、冬季, 风向主要为来自西北、华北内陆的强西北风和来自华南地区的西南风, 其对O3产生扩散作用; 同时气温较低、太阳辐射较弱, 光化学反应速率减小, 导致秋、冬季臭氧浓度降低.因此, 除其他气象因素影响外, 风向也是影响O3柱浓度变化不可忽略的重要因素.

图 10 2019年长三角地区(黑色方框内区域)850 hPa平均风场的季节分布 Fig. 10 Seasonal distribution of 850 hPa average wind field in Yangtze River Delta (black box) in 2019
5.1.3 臭氧浓度与气象因子的相关性分析

O3柱浓度月均值与气象因子的相关性分析结果表明(表 1), O3柱浓度与气温、降水、风速、日照时间呈显著正相关关系, 其中与日照时间的相关系数最高, 说明O3前体物发生光化学反应生成O3是影响O3柱浓度的重要因素, 也从另一方面佐证了温度对O3柱浓度变化的影响.O3柱浓度与气压呈显著负相关, 在气压较高、相对湿度增大的情况下有利于污染物的稀释, 不利于光化学反应生成O3.

表 1 长三角地区O3柱浓度与气象因子的相关系数 Table 1 Correlation between O3 column concentration and meteorological factors in Yangtze River Delta
5.1.4 后向轨迹与聚类分析

本文使用HYSPLIT模型, 以上海市为例分析2018年3月—2019年2月后向轨迹, 以季节进行聚类, 对O3的来源进行解析, 分别以500、1000、1500 m为模拟受点高度进行模拟.上海市作为长三角地区经济社会发展的龙头, 经济和人口规模最大的核心城市, 也是世界超大城市之一, GDP远远超于其他25市, 但在快速发展经济的同时, 造成的大气环境污染也越来越严重.图 11a~11c表明, 每条完整的路径代表每个季节的后向气流路径, 每个季节聚合了6条主要的路径, 以及每条路径占总路径的比例.模拟受点高度为500 m时：春季, 上海市O3输送路径方向较多, 30.17%的气流来自东海上空, 来自华北平原、黄海渤海湾及Korea Strait的高纬度春季高浓度O3气流分别占18.68%、12.36%、13.51%, 与来自福建、浙江的气流汇聚于上海上空, 这是导致春季上海市O3柱浓度升高的主要原因之一.夏季, 气流主要来自海洋, 近海气流占比达到72%;夏季海洋气流水汽含量大, 降水丰沛, 对O3进行冲刷、湿沉降, 是O3浓度开始较春季降低的重要原因.秋季, 气流主要来自黄海、渤海湾(62.96%), 路径方向也较为集中, 且秋季海洋上空O3浓度也较低, 对上海地区O3的贡献不大.冬季, 来自华北、西北的高压气流团占比为71.23%, 对上海地区的O3主要是扩散作用.通过对比分析发现, 受点高度为1000、1500与500 m的春、夏季气流轨迹来向和比例基本相似, 春季输送路径来向较多, 均属汇聚类气流, 夏季输送路径均来自东海上空及沿海地区, 呈扇形汇聚, 对上海O3浓度有重要的贡献作用; 秋季, 主体气流均来自黄海上空, 约30%来自华北和西北地区, 气流中所含O3浓度不高, 对上海市O3浓度贡献不大; 冬季, 气流输送主要来自华北地区(约60%)和华南地区(30%)的高压气团, 对O3浓度起到扩散作用.综上所述, 上海市不同高度的气流轨迹与输送路径相差不大, 均能反映O3的来源与扩散方向.

图 11 2018—2019年上海市受点高度500 m(a)、1000 m(b)及1500 m(c)大气污染物季节后向气流输送轨迹聚类 Fig. 11 Clustering of seasonal backward air transport trajectories of air pollutants at a height of 500 m(a)、1000 m(b) and 1500 m(c) in Shanghai from 2018 to 2019
5.2 臭氧柱浓度与相关物质空间分布对比

O3柱浓度的变化与其他物质密不可分, 如NO2、HCHO等物质会直接参与O3生成的光化学反应; 气溶胶(AOD)指数可以反映紫外波段辐射通量的吸收和散射作用, 容易形成逆温, 不利于O3等大气污染物的扩散.图 12为近10年O3、NO2、HCHO柱浓度及AOD指数的年均值空间分布图, 由图可知, NO2柱浓度高值区域分布变化较小, 整体分布同O3柱浓度一致, 由南向北依次呈带状升高, 高值区域主要分布在长三角中北部、长江中下游平原及入海口地区, 且NO2柱浓度高值区的分布与城市和人类活动的密集程度具有一致性, 汽车尾气及化石燃料燃烧是NO2的主要来源, 作为生成O3的重要前体物, 其贡献比例较大.从HCHO柱浓度分布情况来看, 高值区主要集中在长三角的中部, 低值区主要分布在沿海城市; HCHO主要来源于化石燃料和生物质燃料的不完全燃烧、汽车尾气和工业废气的排放, 以及室内建筑、装饰、装修材料的释放, 位于HCHO柱浓度高值区的许多城市经济发展较快、GDP增幅较大, 产业结构仍以第二产业为主, 作为O3前体物的HCHO对O3浓度也有很重要的贡献.气溶胶是指固体或液体微粒稳定地悬浮于气体介质中形成的分散体系, 是大气的重要组成部分, 也是形成雾霾等大气污染的主要原因.长三角地区气溶胶来源主要是化石燃料、生物质的燃烧; 从分布情况看, AOD从南向北依次呈带状递增, 与O3柱浓度分布基本吻合, 对生成O3的光化学反应具有重要影响, 从而影响O3柱浓度变化.

图 12 近10年长三角地区O3、NO2、HCHO柱浓度年均值及AOD指数年均值空间分布 Fig. 12 Spatial distribution of annual mean values of O3 column concentration, NO2, HCHO column concentration and AOD index in the Yangtze River Delta in recent ten years
5.3 人为因素的影响 5.3.1 经济发展水平

地区生产总值、产业结构配置可体现一个地区的经济发展水平, 而经济发展对大气环境会产生重要影响.对研究区2005—2019年O3柱浓度与人口数量、GDP、第一、二、三产业产值及煤炭消费总量进行相关性分析, 结果见表 2.由表 2可知, 人口数量(r=0.631)、第二产业总产值(r=0.646)及煤炭消费总量(r=0.603)与O3柱浓度呈正相关关系.长三角地区是我国四大工业基地之一, 轻、重工业都非常发达, 能源结构以煤炭为主.三类产业中, 第一和第三产业消耗能源、资源相对较少, 一般在农业生产(植物在生长发育时会释放VOCs)、服务旅游行业中(餐饮废气、机动车尾气)会产生较多的废气, 从而对环境产生较大影响, 导致O3浓度增加; 以石油、化工为支柱产业的第二产业能源消耗能力强, 大量的大气污染物(包括生成O3的前体物)也在工业生产过程中产生, 表明经济规模效应是增加O3柱浓度、产生其他类大气污染的主要原因.

表 2 2005—2019年长三角地区O3柱浓度与经济发展的相关性 Table 2 Correlation between O3 concentration and economic development in the Yangtze River Delta from 2005 to 2019
5.3.2 臭氧前体物的排放

人类活动排放的NOx、CO、VOCs等一次污染物经光化学反应可促进底层大气产生二次污染物O3, 并可进一步引发城市光化学烟雾污染, 同时也是O3的一个重要来源.

NOx主要由工业源和交通源排放产生, 都是在化石燃料使用过程中高温燃烧使空气中的氮气(N2)氧化活化形成的.图 13表明, 长三角地区O3柱浓度与NOx排放量呈显著正相关(p<0.01).NOx发生反应生成的O3对该地区O3柱浓度升高起到主要作用.

图 13 近10年长三角地区臭氧柱浓度与氮氧化物排放量的相关性分析 Fig. 13 Correlation analysis of ozone column concentration and nitrogen oxide emissions in Yangtze River Delta in recent 10 years

众多研究表明, 机动车排放逐渐成为发达城市大气污染的主要源, 机动车尾气是造成城市NO2、CO和PM2.5浓度升高的主要原因之一(郭宇宏等, 2014).长三角地区城市民用汽车保有量与各城市NO2年均浓度的相关系数为0.672, 与各城市O3超标天数的相关系数为0.564(易睿等, 2015).周春艳等(2016)对长三角地区汽车保有量与NO2柱浓度年均值进行相关性分析, 相关系数高达0.74, 说明机动车排放污染物是影响NOx浓度变化的重要因素, 而NOx又是影响O3柱浓度的一个重要因素.本研究发现, 长三角地区机动车数量呈现逐年上升的趋势, 而且上升幅度也在逐渐增大(图 14).由此可见, 虽然O3不是机动车直接排放的污染物, 但由于机动车尾气排放的NOx等污染物参与光化学反应, 从而影响O3浓度水平.

图 14 2005—2018年长三角地区汽车保有量变化趋势 Fig. 14 Change trend of automobile ownership in Yangtze River Delta from 2005 to 2018

挥发性有机物(VOCs)是一系列碳氢化合物的总称, 不仅是PM2.5的前体物, 也是O3的另一类前体物.王红英(2015)研究表明, VOCs光化学消耗程度与O3最大净增量呈显著正相关, 对O3浓度变化有重要影响.按来源不同, VOCs可分为人为源和植物源.

图 15为2010年长三角地区VOCs排放源及排放量占比图, 其中, 人为源数据来自由清华大学主持开发的2008和2010年MIX亚洲排放清单(Li et al., 2017), 植物源数据为宋媛媛等(2012)利用MEGAN模型对遥感数据估算得出, 长三角地区2010年的植被VOCs排放量为110万t, 区域单位面积排放量约为3.1 t·km-2·a-1. 从图 15可知, 长三角地区VOCs主要来源是人为源, 占总排放量的96.9%, 植物源占3.1%.虽然植物源只占3.1%, 但在光化学反应过程中, 植物源VOCs比人为源VOCs具有更强烈的化学反应活性(刘岩等, 2014), VOCs排放速率在一年中的变化主要表现为夏季>春季>秋季>冬季, 这与O3浓度变化基本一致(聂滕等, 2014).人为源中, 工业源和生活源是主要来源, 占到人为源排放量的87%, 说明在长三角地区经济发展水平是影响VOCs排放量的主控原因; 交通源占人为源排放量的8.7%, 长三角地区机动车数量连年增加, 产生的尾气也是导致VOCs排放量增加的原因.因此, 在长三角地区VOCs的排放是O3柱浓度增长的又一重要影响因素.

图 15 2010年长三角地区VOCs排放源及排放量占比 Fig. 15 Source and proportion of VOCs emission in Yangtze River Delta in 2010
6 结论(Conclusions)

1) 时间变化上, 长三角地区O3柱浓度在2005—2019年15年间的年际变化呈单峰变化, 2005—2010间呈增大趋势, 于2010年出现最大值, 2010—2016年呈下降趋势, 于2016年出现最小值, 近两年又有上升趋势.近15年来, 长三角地区春、夏季的O3柱浓度平均值明显高于秋、冬季, 春季最高且基本保持着春季高于夏季的规律, 柱浓度值基本都在300 DU左右, 夏季次之, 秋季和冬季在2010年以前低值交替出现, 2010年以后冬季O3柱浓度值均高于秋季, 近两年又出现交替; 冬季和春季、夏季和秋季的O3柱浓度变化趋势基本一致; 月均值的最高值出现在每年的4—6月, 最低值出现在每年的10—12月.

2) 空间分布上, O3柱浓度高值区在长三角地区中部及以北地区, 且由北向南逐渐降低; 从年际变化看, 2005—2010年整个区域O3柱浓度高值区逐渐向南扩大, 2010年之后O3柱浓度开始降低, 整个区域都处于5级以下, 回到平均水平, 逐渐趋于平稳.四季分布有明显变化, 2005—2019年15年间的平均季均浓度排序为：春季＞夏季＞秋季＞冬季, 春季整个区域O3柱浓度分类在6级以上, 为季均最高值, 最低值出现在冬季, 整个区域O3柱浓度分类在4级以下.月值空间分布上, 从3月开始, O3柱浓度的高值区从北向南扩大, 区域内O3柱浓度大部分在5级以上, 8月后O3柱浓度开始降低, 绝大部分区域回落到3级和4级及以下, 分布比较均匀.

3) 气象因子上, O3柱浓度与气温、降水、风速、日照时间呈正相关关系, 与气压呈负相关关系.人为因素上, O3柱浓度与人口、第二产业及煤炭消费总量表现为正相关.

4) 通过不同高度(500、1000、1500 m)模拟受点气流输送轨迹发现, 上海市不同高度的气流轨迹与输送路径相差不大, 均能反映O3的来源与扩散方向.来自华北、黄海地区与西南方向及东海上空的气流汇聚是造成春季O3柱浓度升高的主要原因, 冬季O3柱浓度低主要是因为来自华北地区的高压气流对O3的扩散作用.

5) O3柱浓度与前体物及其他物质的空间对比分析中, NO2柱浓度、AOD指数、HCHO柱浓度均是影响O3柱浓度空间分布的重要原因; 人为因素中NOx排放量作为影响O3柱浓度的一个主导因素, 长三角地区NOx排放量与O3柱浓度呈显著正相关; 机动车数量连年剧增, 尾气排放的NOx等污染物参与光化学反应, 对O3柱浓度水平的贡献不可忽视.长三角地区VOCs对O3柱浓度的影响中, 人为源是主控因素, 占VOCs总排放量的96.9%, 植物源占3.1%;人为源中, 工业源和生活源是主要来源, 占到人为源的87%, 是导致O3柱浓度升高的主要原因.

参考文献
陈雪萍, 咸龙, 巨天珍, 等. 2019. 基于OMI的宁夏臭氧时空分布特征及影响因素研究[J]. 生态与农村环境学报, 35(2): 167-173.
David L M, Nair P R. 2013. Tropospheric column O3 and NO2 over the Indian region observed by ozone monitoring instrument(OMI): Seasonal changes and long-term trends[J]. Atmospheric Environment, 65: 25-39. DOI:10.1016/j.atmosenv.2012.09.033
杜君平, 朱玉霞, 刘锐, 等. 2014. 基于OMI数据的中国臭氧总量时空分布特征[J]. 中国环境监测, 30(2): 191-196.
段晓瞳, 曹念文, 王潇, 等. 2017. 2015年中国近地面臭氧特征分析[J]. 环境科学, 38(2): 4976-4982.
郭宇宏, 王自发, 康宏, 等. 2014. 机动车尾气排放对城市空气质量的影响研究-以乌鲁木齐市春节前后对比分析[J]. 环境科学学报, 34(5): 1109-1117.
Levelt P F, Leppelmeier G, Van Den O, et al. 2006. Science objectives of the ozone monitoring instrument[J]. IEEE Transactionson Geoscience and Remote Sensing, 44(5): 1199-1208. DOI:10.1109/TGRS.2006.872336
Li M, Zhang Q, Kurokawa J I, et al. 2017. MIX: A mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP[J]. Atmospheric Chemistry and Physics, 17: 935-963. DOI:10.5194/acp-17-935-2017
李莉, 徐健, 安静宇, 等. 2017. 长三角经济能源约束下的大气污染问题及对区域协作的启示[J]. 中国环境管理, 9(5): 9-18.
刘岩, 李莉, 安静宇, 等. 2018. 长江三角洲2014年天然源VOCs排放、组成及时空分布[J]. 环境科学, 39(2): 608-617.
聂滕, 李漩, 王雪松, 等. 2014. 北京市夏季臭氧前体物控制区的分布特征[J]. 北京大学学报(自然科学版), 50(3): 557-564.
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, 37(1): 25-30.
盛裴轩, 毛节泰, 李建国, 等. 2008. 大气物理学[M]. 北京: 北京大学出版社.
宋媛媛. 2012. 基于遥感的中国地区BVOCs排放特征研究[D]. 南京: 南京大学
Stein A F, Draxler R R, Rolph G D, et al. 2016. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bulletin of the American Meteorological Society, 96(12): 2059-2077.
王芳, 陈东升, 程水源, 等. 2009. 基于气流轨迹聚类的大气污染输送影响[J]. 环境科学研究, 22(6): 637-642.
王红英. 2015. 上海市大气挥发性有机物化学消耗与臭氧生成的关系[J]. 环境科学, 36(9): 3159-3167.
肖悦, 田永中, 许文轩, 等. 2017. 近10年中国空气质量时空分布特征[J]. 生态环境学报, (2): 243-252.
肖钟湧, 江洪. 2011. 亚洲地区OMI和SCIAMACHY臭氧柱总量观测结果比较[J]. 中国环境科学, 31(4): 529-539.
严茹莎, 陈敏东, 高庆先, 等. 2013. 北京夏季典型臭氧污染分布特征及影响因子[J]. 环境科学研究, 26(1): 43-49.
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.
张金强, 王振会, 陈洪滨, 等. 2017. 地基与星载仪器观测大气臭氧总量分析[J]. 气候与环境研究, 22(2): 177-190.
张青新. 2013. 基于气流轨迹聚类的大气输送对丹东市酸雨形成影响[J]. 中国环境监测, 29(1): 52-57.
张艳, 王维和, 张兴赢. 2015. 卫星遥感监测大气臭氧总量分布和变化[J]. 科技导报, 33(17): 23-29.
赵恒, 王体健, 江飞, 等. 2009. 利用后向轨迹模式研究TRACE-P期间香港大气污染物的来源[J]. 热带气象学报, 25(2): 181-186.
周春艳, 王桥, 厉青, 等. 2016. 近10年长江三角洲对流层NO2柱浓度时空变化及影响因素[J]. 中国环境科学, 36(7): 1921-1930.
Ziemke Jr, Olsen M A, Witte J C, et al. 2014. Assessment and applications of NASA ozone data products derived from Aura OMI/MLS satellite measurements in context of the GMI chemical transport model[J]. Journal of Geophysical Research: Atmospheres, 119(9): 5671-5699. DOI:10.1002/2013JD020914