环境科学学报  2021, Vol. 41 Issue (7): 2569-2576
引用本文
林楠, 蒋荣复, 何宇晖, 等. 2021. 莆田地区一次臭氧污染过程分析[J]. 环境科学学报, 41(7): 2569-2576.
Lin N, Jiang R F, He Y H, et al. 2021. A case study of ozone pollution in Putian[J]. Acta Scientiae Circumstantiae, 41(7): 2569-2576.
莆田地区一次臭氧污染过程分析    [PDF全文]
林楠1,4, 蒋荣复2, 何宇晖3, 任赛赛2,4, 庄小阳1    
1. 秀屿区气象局, 莆田 351100;
2. 莆田市气象局, 莆田 351100;
3. 荔城区气象局, 莆田 351100;
4. 福建省灾害天气重点实验室, 福州 350001
收稿日期: 2020-10-29; 修回日期: 2021-01-14; 录用日期: 2021-01-14
基金项目: 国家自然科学基金(No.U1405235);华东区域气象科技协同创新基金项目(No.QYHZ201813);福建省气象局开放式研究基金(No.2019KX04)
作者简介: 林楠(1992-), 男, 工程师, E-mail: 651384014@qq.com
通讯作者（责任作者）: 蒋荣复, E-mail: jrfle@163.com
摘要：利用2018年7月28日—8月5日莆田地区4个环境监测站臭氧逐小时浓度观测资料、莆田国家气象站逐小时资料、莆田地区风廓线雷达站逐小时资料对7月29日—8月4日的臭氧污染过程进行分析.结果表明，除7月30日臭氧最大浓度为193 μg·m-3外，其余日期莆田市监测站的臭氧浓度小时最大值均超过200 μg·m-3.本次污染过程在气象条件上臭氧浓度与温度呈正相关，与湿度呈负相关，臭氧浓度与两者的相关系数绝对值均大于0.77.边界层上的偏西风和西南风在此次过程中表现出有利于本地区臭氧污染的形成和维持.结合污染物排放资料和后向轨迹分析表明，污染主要成因以外来源输送为主，后向轨迹经过漳州、泉州排放区，本地区排放对污染的贡献较少.莆田市监测站的NOx与O3浓度呈正相关的特殊现象是海陆风和山谷风配合地形造成的O3和NOx共同堆积和扩散所导致的.
关键词：莆田    O3    污染过程    气象条件    后向轨迹    NOx    
A case study of ozone pollution in Putian
LIN Nan1,4, JIANG Rongfu2, HE Yuhui3, REN Saisai2,4, ZHUANG Xiaoyang1    
1. Xiuyu Weather Bureau, Putian 351100;
2. Putian Weather Bureau, Putian 351100;
3. Licheng Weather Bureau, Putian 351100;
4. Fujian Key Laboratory of Severe Weather, Fuzhou 350001
Received 29 October 2020; received in revised from 14 January 2021; accepted 14 January 2021
Abstract: This paper analyzes the ozone pollution process between July 29th and August 4th by using the hourly ozone concentration observation data of four environmental monitoring stations in Putian, hourly data from the Putian National Meteorological Station, and hourly wind profiles of the Putian radar station from July 28 to August 5, 2018. Except for the maximum ozone concentration of 193 μg·m-3 on July 30th, the hourly maximum ozone concentration of the Putian monitoring station in the remaining days exceeded 200 μg·m-3. The ozone concentration is positively correlated with temperature and negatively correlated with humidity. The absolute value of the correlation coefficient between ozone concentration and temperature (humidity) is greater than 0.77 (0.77). Westerly and southwesterly winds in the planet boundary layer helped form and maintain ozone pollution in the region during this process. Combined with pollutant emission data and backward trajectory analysis, transmitted pollution from other areas is the main cause of pollution in this study; the backward trajectory of pollution passes through the Zhangzhou and Quanzhou emission areas; the local pollutant emissions contribute less to the pollution process. The special phenomenon of a positive correlation between NOx and O3 is forming by the co-accumulation and co-diffusion of O3 and NOx caused by Sea-land breeze, mountain-valley breeze, and topography.
Keywords: Putian    ozone    pollution process    meteorological conditions    backward trajectory    NOx    
1 引言(Introduction)

随着人类社会的不断发展, 大气中污染气体和温室气体的浓度也在不断增加, 对流层臭氧是其中一种重要的大气污染物(李洋, 2018).高浓度臭氧不仅对人体健康有较大影响(Ho et al., 2007; Karakatsani et al., 2010; Neidell et al., 2010; Mills et al., 2011; Huang et al., 2012; Fann et al., 2015), 而且也会对农作物和建筑物造成损伤(Goldsmith et al., 1969; Krupa et al., 1988; Ghude et al., 2014).臭氧是NOx和VOCs在大气中通过一系列光化学反应形成的二次污染物(赵芸程等, 2019), 反应机制如下：. 生成过程与NOx和VOCs中的活性组分呈高度的非线性关系(Xing et al., 2011), 因此, 在臭氧污染成因研究和防治措施制定方面较为困难.目前臭氧浓度在全国多个区域仍没得到有效控制(Willem et al., 2015), 个别地区甚至呈现上升趋势(Ma et al., 2016).已有研究表明, 气象条件会为光化学反应提供条件, 促进臭氧的生成, 生成的臭氧不仅会增强源地的污染程度, 还会通过区域传输使污染物扩散到更广的范围(胡玥明, 2019).

莆田地区近3年是福建省9个地市中臭氧污染最严重的区域, 近年来以臭氧为主要污染物的天数一直排在首位, 并且在多次臭氧污染时段, 莆田市监测站均出现O3和NOx呈正相关的特殊现象.虽然针对臭氧的形成机制和影响因素许多专家和学者开展了大量研究, 但对于莆田地区而言, 大气污染监测起步不久, 臭氧污染方面的研究较为欠缺, 特别是莆田地区本地NOx和VOCs排放本身较少而污染却居高不下, 并且对于O3和NOx呈正相关的特殊现象甚少有类似的研究和解释.

基于此, 本文通过对莆田地区近年来污染最严重、持续时间最长的2018年7月29日—8月4日臭氧污染过程进行深入探讨, 分析气象条件与臭氧污染的关系、污染来源及O3与NOx呈正相关的特殊现象, 以期为该地区的臭氧防治和空气质量改善提供理论依据, 同时也为其它同类沿海城市臭氧污染的防治提供参考和借鉴.

2 数据与方法(Data and methodology) 2.1 研究区概况

图 1所示为莆田及其周边地区的高程及测站分布.莆田市位于闽中沿岸, 地形西北高、东南低, 西面及北面环山, 东面及南面靠海, 形成“一半环山, 一半环水”的地貌特征.莆田属亚热带海洋性季风气候, 季风明显, 夏季盛行西南风, 平均风速为2.1 m·s-1, 平均气温为28.3 ℃, 平均相对湿度为79%.盛夏常见的天气有3类：①副热带高压控制的晴热少雨；②台风环流影响的降水；③受辐合区影响的区域性阵雨或雷雨.

图 1 莆田地区高程及测站分布 Fig. 1 Elevation and distribution of stations in Putian
2.2 使用资料及模式

本文所用的环境监测资料为莆田地区4个环境监测站2018年7月28日—8月5日逐小时整点的臭氧浓度数据, 4个监测站的位置已在图 1中标出, 其中, 莆田市监测站位于凤凰山山脚下, 荔城区仓后路站位于市中心, 涵江区六中站和秀屿区政府站位于各自区所属的城镇中心.监测臭氧浓度的仪器为热电TF49I, 基本原理为紫外光度法.数据的质量控制参照《环境空气气态污染物(SO2、NO2、O3、CO)连续自动监测系统技术要求及检测方法》和《国家环境监测网环境空气自动监测质量管理办法》(试行)的要求.

气象数据为莆田国家一般气象站(地面观测站)2018年7月28日—8月5日逐小时的整点资料和该时段莆田地区风廓线雷达站的逐小时的整点资料.莆田国家一般气象站位于莆田市环境监测站西南方向约1 km处, 风廓线雷达站位于莆田市环境监测站东南方向约20 km处.

排放源数据使用中国多尺度排放清单模型MEIC(Multi-resolution Emission Inventory for China)最新的V.1.3版本2016年8月的排放资料(含工业、农业、电力、居住、交通).福建省统计局在《福建统计年鉴2020年》和《福建统计年鉴2017年》给出的数据表明, 2018年和2016年的排放量及规模以上工业企业数据无较大差异, 福建地区主要排放区的位置也无变化.

后向轨迹的运算模式为Hysplit4, Hysplit4模型是由美国国家海洋和大气管理局(NOAA)空气资源实验室和澳大利亚气象局在过去20年间联合研发的一种用于计算和分析大气污染物输送、扩散轨迹的专业模型.该模型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, 已经被广泛应用于多种污染物在各个地区的传输和扩散研究中.Hysplit4运算所使用的数据为美国国家环境预测中心(NCEP)的GFS(Global Forecasting System)初始场资料(空间精度0.25°×0.25°, 时间精度3 h).

3 结果与分析(Results and analysis) 3.1 本次污染概况

本次污染过程时间为2018年7月29日—8月4日, 利用莆田市监测站逐小时数据进行分析.如图 2所示, 除7月30日臭氧最大浓度为193 μg·m-3外, 其余时段莆田市监测站的最大小时臭氧浓度均超出国家二级标准200 μg·m-3, 其中以8月2日14：00的臭氧浓度最大(258 μg·m-3).

图 2 7月28日—8月5日莆田市臭氧浓度与气象要素 Fig. 2 Ozone concentration and meteorological elements from July 28th to August 5th in Putian
3.2 本次污染过程地面自动站、风廓线资料分析 3.2.1 地面自动站温度、湿度与臭氧浓度相关性分析

利用2018年7月29日0：00—8月4日23：00的莆田市监测站的臭氧浓度逐小时资料和莆田市国家气象站逐小时资料进行对比分析, 结果如图 2所示, 在本次过程中随着气温的升高, 臭氧浓度也随之呈升高的趋势；而随着相对湿度的升高, 臭氧浓度则出现下降的趋势.表 1给出了臭氧浓度与气象要素的相关系数, 结果表明, 在本次臭氧污染过程中, 臭氧浓度与温度呈正相关, 与相对湿度呈负相关, 臭氧浓度与两者的相关系数绝对值均大于0.77.

表 1 臭氧浓度与气象要素的相关系数 Table 1 Correlation coefficients between ozone concentration and meteorological data
3.2.2 污染过程风廓线雷达资料分析

本文取距莆田雷达站海拔215~1535 m处的风资料进行分析, 图 3所示为本次污染过程风向、风速的6 h向量滑动平均随时间变化(取每天的02：00、08：00、14：00、20：00).由图可知, 2018年7月29日—8月4日整个污染过程575~1055 m高度以偏西风和西南风为主, 臭氧浓度未超标的7月28日海拔高度1535 m以下以东北风为主, 29日海拔高度335~935 m处以偏西风和西南风为主, 7月29日后半段起至7月30日, 在935~1535 m处均为东北风和偏东风；同时, 7月30日的臭氧污染有所缓解, 最高浓度未超国家二级标准.污染过程的其余时段, 均以西南风和偏西风为主, 8月5日起逐渐转为以东北风为主, 臭氧污染消退.对于本次污染过程而言, 边界层的西南风和偏西风有利于本地区臭氧污染的形成和维持, 东北风有利于臭氧污染的减弱和消退.

图 3 7月28日—8月5日莆田地区风廓线 Fig. 3 Wind profiles in Putian area from July 28th to August 5th
3.3 后向轨迹与污染源分析

综合考虑莆田地区周边的地形因素及臭氧前体物周边排放源资料, 本文运用MEIC排放源资料, NOx和VOCs在漳州、泉州、福州平原地区有较明显的排放区, 这些排放区对莆田地区有污染物输送的可能性, 在可能产生污染物输送的路径上, 周边丘陵海拔高于500 m的总面积较少, 综合考虑地形阻挡因素及高度越低对地面臭氧生成越直接的原因.本文取莆田市监测站距地高度500 m(海拔高度523 m)为起点, 进行48 h后向轨迹模拟分析.

图 4为MEIC的2016年8月NOx、VOCs排放量和2018年7月29日—8月4日莆田市监测站每日14：00(北京时)距地500 m高度为起点的48 h后向轨迹图.后向轨迹的结果为Hysplit4对GFS初始场资料(空间精度0.25°×0.25°, 时间精度3h)进行的模式运算.如图 4所示, 污染过程中唯一一天臭氧浓度小时值未超标的为7月30日, 后向轨迹显示由温州沿海地区大致沿海岸线走向先南下, 然后于泉州外海转向北上, 所经过的排放区NOx浓度较小, 2016年8月排放量为1000~2000 t·grid-1, 并且气团经过排放区时所停留的时间仅为6 h左右.如图 4b所示, 7月30日后向轨迹显示气团在对VOCs的输送作用上表现为, 仅经过秀屿港附近2×1010~4×1010 mol·grid-1的区域, 并且气团经过排放区时所停留的时间不足6 h.除7月30日以外, 其余日期小时臭氧浓度均超国家二级标准, 并且这些浓度超标日当天14：00(北京时)的后向轨迹均经过漳州、泉州在2016年8月期间NOx排放量在2000 t·grid-1以上的区域和VOCs排放量在2×1010 mol·grid-1以上的区域.臭氧浓度峰值最高的2天为7月31日和8月3日, 在本次污染过程中仅这两天的后向轨迹经过NOx排放量为2000~3000 t·grid-1的区域, 并且气团沿轨迹运行经过NOx排放量在10000 t·grid-1以上区域的时间在12 h左右, 这两天也都经过VOCs排放量在4×1010~6×1010 mol·grid-1以上的区域.

图 4 2018年7月29日—8月4日后向轨迹叠加2016年8月NOx(a)和VOCs(b)排放量 (轨迹上每点间的间隔为6 h) Fig. 4 The backward trajectory from July 29 to August 4, and NOx(a) and VOCs(b) emissions in August 2016 (The time interval of the trajectory is 6 h)

本次臭氧污染过程存在闽南地区NOx和VOCs外来源的区域性输送, 输送方式为污染源边界层中的NOx和VOCs随后向轨迹向莆田地区边界层输送.边界层中的NOx和VOCs可通过湍流扩散至地面, 同时在输送过程中NOx和VOCs光化学反应生成的O3也会同时向莆田地区的近地面输送.莆田地区排放的污染物也存在向市区输送的情况, 但综合后向轨迹和污染源的分析可得出, 污染成因以外来源输送为主, 本地区排放对污染的贡献较小.郑印等(2019)通过CAMx模型的OSAT方法对莆田市O3区域来源贡献解析得出, 莆田市2016年7—9月的本地排放对O3浓度的贡献率仅为21.0%, 同样得出污染来源以区域性输送为主的结论.

3.4 臭氧浓度和氮氧化合物浓度的相关性分析

图 5为本次污染过程中氮氧化合物和臭氧浓度随时间的变化, 所使用资料为莆田监测站逐小时污染物数据.随着氮氧化合物浓度升高, 臭氧浓度也随之升高, 经计算, 臭氧浓度与氮氧化合物浓度呈正相关, 相关系数为0.561(p < 0.01)(表 2).而在莆田地区其它3个环境监测站的臭氧浓度与氮氧化合物浓度呈负相关(表 2).

图 5 7月28日—8月5日莆田市监测站臭氧浓度与氮氧化合物浓度 Fig. 5 O3 and NOx at Putian environmental monitoring stations from July 28th to August 5th

表 2 各站O3与NOx浓度的相关系数 Table 2 Correlation coefficient of O3 and NOx concentration at each station

在光化学反应中, 氮氧化合物为臭氧生成的重要前体物.马志强等(2007)在分析北京市与香河县臭氧污染的情况时发现, NO2与臭氧存在明显的反向关系, 夜间NO2浓度较高, 午后出现谷值.Özlem(2018)在研究ESKİŞEHİR地区的臭氧工作日和周末效应时发现, O3和NO2也存在此消彼涨的情况. Galeil等(2016)在研究埃及基纳地区O3和NOx的变化时也指出, NOx是通过光化学反应生成O3的重要反应物, 两者的浓度呈负相关, 相关系数为-0.47.在国内其余绝大数地区的研究中, 臭氧与NO2或NOx之间的关系也呈负相关(白小娟, 2014; 徐锟等, 2018; 王成辉, 2018; 黄俊等, 2018; 张涛, 2019; 杨娜等, 2019).

莆田市区地形一半受山体环绕(图 1), 在地形作用下, 当天气系统所产生的主导风力较小时, 山体地形会阻挡主导风力, 而地面附近的风向风速则会受山谷和海陆的热力作用, 产生明显的日变化.图 6为本次臭氧污染过程期间莆田市国家气象站风向风速的平均日变化, 夜间为陆风叠加山风影响, 风向以偏西和西北为主, 白天日出后转为海风叠加谷风影响, 风向以偏南和东南为主, 日落后风向又逐渐顺时针转为偏西和西北.海风叠加谷风的强度明显大于陆风叠加山风.

图 6 莆田国家气象站地面风向风速日变化 Fig. 6 Hourly variation of surface wind direction and speed at Putian National Weather Station

图 1右上小图为莆田市监测站附近的地形图, 莆田市监测站位于凤凰山山脚下, 西面是凤凰山的主山体, 北面存在一个较小的山丘.受海风叠加谷风影响, 白天近地面附近的NOx在偏南及东南风作用下向偏北、西北方向输送, 在地形作用下NOx在监测站点附近形成堆积, 日出后出现O3和NOx浓度共同升高的现象；日落后NOx又随着陆风叠加山风向外扩散, 此时O3和NOx浓度共同减小；从而产生了NOx和O3浓度呈正相关的特殊现象, 这种现象的局地性强.图 7给出了7月29日—8月4日的风向风速变化.结合图 7和图 5分析, 海风叠加谷风较为明显的为7月29日、7月30日、8月1日、8月3日, 这4天海风叠加谷风的持续时间都在4 h以上.7月29日13：00—17：00、7月30日12：00—18：00、8月1日11：00—16：00为海风叠加谷风控制, 这些时间段的NOx浓度处于当天的高值或白天高值.最为典型的为8月3日, 9：00开始转为海风叠加谷风控制, 一直持续到夜间21：00, 风力也相对较强, 因此, 这天的NOx浓度从9：00开始至21：00维持在高值, 当天峰值也在此区间内.

图 7 7月29日—8月4日莆田地面气象站风向风速变化 Fig. 7 Wind variation at Putian ground weather station from July 29 to August 4

综上所述, 特殊的地貌特征、站点位置、海陆和山谷的大气环流是导致NOx和O3浓度呈正相关的主要原因.

4 结论(Conclusions)

1) 莆田地区2018年7月29日—8月4日的臭氧污染过程中, 臭氧浓度与温度呈正相关, 与相对湿度呈负相关, 臭氧浓度与两者的相关系数绝对值均大于0.77.

2) 本次臭氧污染过程, 边界层的偏西风和西南风有利于本地区臭氧污染的形成和维持, 东北风有利于臭氧污染的减弱和消退.

3) 结合MEIC的2016年8月污染物排放资料和后向轨迹分析可判断, 污染主要成因以外来源输送为主, 本地区排放对污染的贡献较小.对于本地区的臭氧污染治理, 区域性的联防联控十分重要.

4) 本次臭氧污染过程, 臭氧浓度与氮氧化合物浓度呈正相关, 相关系数为0.561, 白天近地面附近的NOx在偏南及东南风作用下向偏北、西北方向输送, 在地形作用下NOx在监测站点附近形成堆积, 日出后出现O3和NOx浓度共同升高的现象；日落后NOx又随着陆风叠加山风向外扩散, 此时O3和NOx浓度共同减小；从而产生了NOx和O3浓度呈正相关的特殊现象.

参考文献
白小娟. 2014. 西安市南二环夏季臭氧与氮氧化物浓度变化研究[D]. 西安: 陕西师范大学
Fann N, Nolte C G, Dolwick P, et al. 2015. The geographic distribution and economic value of climate change-related ozone health impacts in the United States in 2030[J]. Journal of the Air & Waste Management Association, 65(5): 570-580.
Galeil A, Hassan A. 2016. Variations in surface ozone and NOx at qena a subtropical site in upper egypt[J]. World Environment, 6(3): 84-92.
Ghude S D, Jena C, Chate D M, et al. 2014. Reductions in India's crop yield due to ozone[J]. Geophysical research Letters, 41(15): 5685-5691. DOI:10.1002/2014GL060930
Goldsmith J R, Nadel J A. 1969. Experimental exposure of human subjects to zone[J]. Journal of the Air Pollution Control Association Assoc, 19: 329-330. DOI:10.1080/00022470.1969.10466494
Ho W C, Hartley W R, Myers L, et al. 2007. Air pollution, weather, and associated risk factors related to asthma prevalence and attack rate[J]. Environment Research, 104: 402-409. DOI:10.1016/j.envres.2007.01.007
Huang H L, Lee M G, Tai J H. 2012. Controlling indoor bioaerosols using a hybrid system of ozone and catalysts[J]. Aerosol Air Quality Research, 12: 73-82. DOI:10.4209/aaqr.2011.07.0098
黄俊, 廖碧婷, 吴兑, 等. 2018. 广州近地面臭氧浓度特征及气象影响分析[J]. 环境科学学报, 38(1): 23-31.
胡玥明. 2019. 中国地区对流层臭氧总量的卫星反演与验证研究[D]. 北京: 中国气象科学研究院
Karakatsani A, Kapitsimadis F, Pipikou M, et al. 2010. Ambient air pollution and respiratory health in mail carriers[J]. Environmental Research, 110: 278-285. DOI:10.1016/j.envres.2009.11.002
Krupa S V, Manning W J. 1988. Atmospheric ozone: formation and effects on vegetation[J]. Environment Pollution, 50: 101-137. DOI:10.1016/0269-7491(88)90187-X
李洋. 2018. 对流层臭氧的时空变化及影响因子研究[D]. 兰州: 兰州大学
马志强, 王跃思, 孙扬, 等. 2007. 北京市与香河县大气臭氧及氮氧化合物的变化特征[J]. 环境化学, 26(6): 832-837. DOI:10.3321/j.issn:0254-6108.2007.06.024
Mills G, Hayes F, Simpson D, et al. 2011. Evidence of widespread effects of ozone on crops and (semi-) natural vegetation in Europe (1990-2006) in relation to AOT40-and flux-based risk maps[J]. Global Change Biology, 17: 592-613. DOI:10.1111/j.1365-2486.2010.02217.x
Ma Z Q, Xu J, Quan W J, et al. 2016. Significant increase of surface ozone at a rural site, north of eastern China[J]. Atmospheric Chemistry and Physics, 16(6): 3969-3977. DOI:10.5194/acp-16-3969-2016
Neidell M, Kinney P L. 2010. Estimates of the Association between ozone and asthma hospitalizations that account for behavioral responses to air quality information[J]. Environment Science Policy, 13: 97-103. DOI:10.1016/j.envsci.2009.12.006
Özlem Ö V. 2018. Atmospheric concentrations of inorganic pollutants (NO2, SO2 and ozone) in Eskişehir: Spatial and vertical variations, weekday-weekend differences[J]. Technical University Journal of Science and Technology A-Applied Sciences and Engineering, 19(2): 523-535.
王成辉. 2018. 云南省典型城市近地面臭氧成因研究[D]. 昆明: 昆明理工大学
Willem W, Verstraeten Jessica L, Neu Jason E, et al. 2015. Rapid increases in tropospheric ozone production and export from China[J]. Nature Geoscience, 8(9): 1-8.
Xing J, Wang S X, Jiang C, et al. 2011. Nonlinear response of ozone to precursor emission changes in China: a modeling study using response surface methodology[J]. Atmospheric Chemistry and Physics, 11: 5027-5044. DOI:10.5194/acp-11-5027-2011
徐锟, 刘志红, 何沐全, 等. 2018. 成都市夏季近地面臭氧污染气象特征[J]. 中国环境监测, 34(5): 36-45.
杨娜, 王春迎, 刘孟雄, 等. 2019. 洛阳市臭氧污染特征及其与气象因子的关系[J]. 气象与环境科学, 42(4): 90-95.
张涛, 张振华. 2019. 日照市环境空气中氮氧化物及气象因子对臭氧污染的影响[J]. 节能与环保, (2): 80-81. DOI:10.3969/j.issn.1009-539X.2019.02.038
赵芸程, 李杰, 杜惠云, 等. 2019. 北京夏季近地面臭氧及其来源的数值模拟研究[J]. 环境科学学报, 39(7): 2315-2328.
郑印, 周广柱, 李洋, 等. 2019. 莆田市O3污染来源解析模拟研究[J]. 环境科学研究, 32(8): 1340-1347.