王磊¹, 刘端阳¹, 韩桂荣¹, 王易¹, 庆涛², 姜麟¹
1. 江苏省气象台, 南京 210008;
2. 江苏省南京市江宁区气象局, 南京 211100
收稿日期: 2017-09-16; 修回日期: 2017-10-09; 录用日期: 2017-10-09
基金项目: 国家重点研发计划（No.JFYS2016YFC0203303，JFYS2016YFC0201900）；江苏省气象局预报员专项（No.JSYBY201603）
作者简介: 王磊(1988-), 女, E-mail:29184751@qq.com
通讯作者（责任作者）: 王磊, E-mail:29184751@qq.com

摘要: 通过分析2013-2015年南京地区相关气象要素对近地面臭氧浓度的影响，建立了用于不同季节高浓度臭氧污染事件的预报预警模型，并归纳总结了南京地区高浓度臭氧出现的天气形势.结果表明，近地面臭氧浓度的变化与气象要素密切相关，气温、能见度、日照小时、总（净）辐射辐照度等要素与O₃浓度呈显著正相关，与相对湿度、总（低）云量呈负相关.高浓度臭氧污染是多因子综合作用的结果，典型气象条件表现为：太阳辐射强，低云量少，相对湿度适宜，地面小风速及特定的风向.通过定义高浓度臭氧潜势指数HOPI和风向指数WDI，并综合考虑14：00地面气温、相对湿度及8：00各标准层的相关气象要素，建立了逐季节多指标叠套的高浓度臭氧预报方程.采用2016年资料对其进行检验，发现预报值与观测值的相关系数分别达0.72（冬季）、0.76（春季）和0.73（夏季），说明方程具有较好的拟合效果和可预报性.通过普查历史天气图，归纳了伴随南京地区高浓度臭氧事件出现的8种主要天气形势，即高压类（高压中心G0、高压后部G1）、低压类（低压底部D0、低压前部D1、低压倒槽D2）、均压类（高压相关的均压JG、低压相关的均压JD、其它均压J）.其中，以高压后部地面形势出现概率最大，低压前部均压场出现时对应臭氧平均浓度最高.
关键词:高浓度臭氧气象条件天气形势南京
Study on the relationship between surface ozone concentrations and meteorological conditions in Nanjing, China
WANG Lei¹ , LIU Duanyang¹, HAN Guirong¹, WANG Yi¹, QING Tao², JIANG Lin¹
1. Jiangsu Meteorological Observatory, Nanjing 210008;
2. Jiangning Meteorological Bureau in Nanjing City of Jiangsu Province, Nanjing 211100
Received 16 September 2017; received in revised from 9 October 2017; accepted 9 October 2017
Supported by the National Key R&D Program (No.JFYS2016YFC0203303, JFYS2016YFC0201900) and the Forecaster Project of Jiangsu Meteorological Bureau (No.JSYBY201603)
Biography: WANG Lei (1988—), female, E-mail: 29184751@qq.com
^*Corresponding author: WANG Lei, E-mail:29184751@qq.com
Abstract: The seasonal high-concentration ozone events forecasting models are established, by the analyzing of meteorological factors impacts on the surface ozone concentrations during 2013-2015 in Nanjing, China, and the related high-concentration ozone synoptic situations are also summarized. The results showed that the variation of surface ozone concentration is closely related to meteorological conditions. The temperature, visibility, sunshine hours, and total (net) irradiance had significant positive correlation with O₃ concentration. Relative humidity (RH), and the total (low) cloud amount was negatively related to O₃ concentrations. High concentration ozone pollution is influenced by comprehensive factors and results of typical meteorological conditions such as strong solar radiation, low cloud amount, suitable RH and low-wind speed with specific directions. Through the definition of high concentration ozone potential index (HOPI) and wind direction index (WDI), and considering the surface temperature, and RH at 14:00 with weather factors from the standard layers at 8:00, a multi-index-nested prediction equation for seasonal high-concentration ozone is established. The prediction equation was tested using the related data of 2016, the results showed that the correlation coefficients between the predicted value and the observed value was 0.72 (winter), 0.76 (spring) and 0.73 (summer), and the prediction equation has good fitting effects and accurate predictability. By analyzing the historical weather situations, 8 types main synoptic situations with high-concentration O₃ in Nanjing are summed up, namely high pressure (high pressure center G0, rear of high pressure G1), low pressure (bottom of low pressure D0, front of low pressure D1, inverted trough with low pressure D2), equalized pressure (equalized pressure field related to high pressure JG, equalized pressure field related to low pressure JD and other equalized pressure field J). The G1 situation is most common, and the JD situation appears with highest average ozone concentration.
Key words: high concentration ozone pollutionweather conditionssynoptic situationsNanjing
1 引言(Introduction)近年来, 随着经济的发展、人口的激增及能源结构的不断转型, 大气污染逐渐由气溶胶污染向光化学污染过渡, 高浓度臭氧(O₃)污染问题日益凸显, 因而受到政府和公众的广泛关注.近地面臭氧除少量由平流层输入外, 主要来自于汽车尾气、石油化工等排放的氮氧化物(NO_x)和挥发性有机化合物(VOCs)的大气光化学反应(任阵海等, 2004；Zhang et al., 2014).国内外****就臭氧的形成和变化开展了许多研究：单文坡等(2006)研究了O₃与NO、NO₂和CO等前体物的相关性, 发现济南市区夏季O₃污染严重, 白天O₃与各前体物浓度呈负相关关系；王占山等(2014)通过大气氧化剂OX和NO_x的拟合方程发现, 冬季北京城区OX白天受局地O₃影响较大, 臭氧高浓度时段城区O₃、NO和NO₂呈现近似光化学平衡态特征；Geng等(2008；2009)研究表明, 上海地区的O₃处于VOCs控制区且上海地面臭氧浓度的区域差异非常显著, 呈现中心城区低、郊区高的特点.
除了与光化学反应有关, 臭氧浓度的高低也与气象条件有着密切联系, 后者在臭氧的形成及转化过程中作用显著, 是造成臭氧浓度日际、季节、年际变化的重要原因(谈建国等, 2007；马井会等, 2011).例如, Gaza等(1998)研究认为, 臭氧浓度与天气系统配置有关, 晴天高温低湿是形成高浓度臭氧的重要条件.陈世俭等(2005)和张爱东等(2006)分析发现, 近地面臭氧浓度日变化和季节变化趋势一致, 与气温呈正相关关系, 与降水、湿度呈负相关, 大风或雾也会成为部分时段近地面臭氧浓度增高的因素, 与大风对臭氧前体物的搬运及雾内湍流输送高层臭氧有关.
为了有效地应对近地面臭氧污染, 全球已有超过300个城市开始发布臭氧预报, 常利用统计回归(Cobourn et al., 2000)、最小二乘支持向量机方法(Hubbard et al., 1997)、人工神经网络(Kolehmainen et al., 2001)、天气分型(Schwarzhoff et al., 2000)和数值模式(王勤耕等, 2002；刘明花等, 2009；周光强等, 2015)等手段来模拟和预测近地面臭氧的时空分布, 并发布高浓度臭氧预警, 已取得了一定的效果.我国臭氧相关研究起步较晚, 且主要集中在京津冀(王雪松等, 2009；徐敬等, 2009)、珠三角、上海等地(朱李华等, 2010；王红丽等, 2015；黄俊等, 2018；林燕芬等, 2017), 有关江苏地区近地面臭氧浓度变化特征和预报的研究较缺乏.
因此, 本文对南京地区2013—2015年近地面大气臭氧和气象因素的观测数据进行整理分析, 揭示相关气象要素对近地面臭氧浓度的影响, 归纳伴随臭氧高浓度事件出现的天气形势, 并建立分季节的臭氧预报模型尝试对近地面臭氧浓度进行预报, 以期为控制臭氧浓度, 预报、防治城市光化学污染提供参考.
2 资料和方法(Data and methods)2.1 资料来源臭氧观测数据为来自环保部中国环境监测总站发布的全国城市空气质量逐小时观测数据.南京市有来自于城市建成区内玄武湖、瑞金路、中华门、草场门、山西路、迈皋桥、仙林大学城、奥体中心和浦口的9个站点, 站点分布相对均匀, 每个站点均可对臭氧进行24 h连续实时监测.研究使用的臭氧观测资料时段为2013年1月1日—2016年7月31日, 其中, 2016年1月1日—7月31日的资料没有参与分析和建模而是用于模型的检验.
气象资料主要来自于南京国家基准气象站(32.0°N, 118.8°E), 包括：①同步地面观测气象资料(气温、气压、相对湿度、云量、风速风向等)；②南京站8：00高空探测资料；③南京站地面辐射观测资料, 包括总辐射辐照度(W·m^-2)、净辐射辐照度(W·m^-2)、总辐射曝辐量(MJ·m^-2)、净辐射曝辐量(MJ·m^-2)；④由南京站微脉冲激光雷达资料获得的产品—混合边界层高度(km).
2.2 分析方法数据有效性、计算及评价方法按照《环境空气质量指数(AQI)技术规定》(HJ633—2012)和《环境空气质量标准》(GB3095—2012)严格执行, 本文分别以一级、二级标准判定是否超标.《环境空气质量标准(GB 3095—2012)》将环境空气功能区分为两类：一类区为自然保护区、风景名胜区和其他需要特殊保护区域；二类区为居住区、商业交通居民混合区、文化区、工业区和农村地区.二者分别适用于一级浓度限值和二级浓度限值.环境保护部《环境空气质量指数(AQI)技术规定》(HJ633—2012)分级方法规定, 100＜AQI即160 μg·m^-3＜O₃_8 (O₃日8 h滑动平均最大浓度)或200 μg·m^-3＜O₃_1 (O₃日小时平均最大浓度)为二级超标日；50＜AQI即100 μg·m^-3＜O_{3_}8或160 μg·m^-3＜O_{3_}1为一级超标日.
3 结果和讨论(Results and discussion)3.1 臭氧浓度与气象要素的关系3.1.1 表征臭氧日最大浓度指标的确立为了引进高影响因子, 建立用于南京地区臭氧浓度预报和高浓度预警的模型, 首先需明晰不同气象要素对臭氧浓度的影响大小.表 1分别显示了臭氧浓度(日小时平均浓度O₃、日小时平均最大浓度O₃_1、日8 h滑动平均最大浓度O₃_8)与气象要素如气温、相对湿度、气压、云天状况(日照、云量)等的相关关系.
表 1(Table 1)

表 1 南京市地面气象要素与O3浓度的相关系数 Table 1 Correlation coefficients between O3 and surface meteorological elements in Nanjing

表 1 南京市地面气象要素与O3浓度的相关系数 Table 1 Correlation coefficients between O3 and surface meteorological elements in Nanjing 气温 相对湿度RH 云天状况 日平均 2:00 8:00 14:00 20:00 日平均 2:00 8:00 14:00 20:00 总云量 低云量 日照小时数 14:00能见度 10—14：00净辐照度 O3 0.492 0.425 0.468 0.533 0.504 -0.215 -0.019 -0.230 -0.235 -0.228 -0.109 -0.217 0.422 0.180 0.592 O3_1 0.525 0.422 0.500 0.610 0.546 -0.295 -0.033 -0.230 -0.369 -0.310 -0.249 -0.344 0.542 0.190 0.668 O3_8 0.536 0.448 0.500 0.599 0.555 -0.248 -0.035 -0.230 -0.288 -0.261 -0.182 -0.286 0.478 0.158 0.619

由表 1可知, O₃日小时平均最大浓度(O₃_1)与气温呈显著正相关且与14：00气温相关系数最大(n=1095, r=0.610, p < 0.001)；臭氧日小时平均最大浓度值与相对湿度呈负相关且与14：00相对湿度负相关系数最大(r=-0.369).类似地, 可以发现总云量、低云量、日照小时数也均与逐日臭氧最大浓度(O₃_1)显著相关, 相关系数分别达到-0.249、-0.344、0.542.
综合各项来看, 臭氧日小时平均最大浓度值(O₃_1)与各气象要素的相关关系明显要好于其它两项, 说明气象条件对该浓度值的影响更显著.前人研究发现, 臭氧浓度的日变化呈现“单峰型”变化特征, 于午后(约15：00)达到峰值(Lal et al., 2000; Mikkelsen et al., 2004).因此, 本研究以日小时平均最大浓度(O₃_1)作为表征臭氧日最大浓度的指标, 来考察臭氧日最大浓度与相关气象要素的关系, 并重点关注当日14：00(或14：00以前)的气象要素条件以突出对日最大臭氧浓度的预报意义.
3.1.2 臭氧浓度与温湿度的关系臭氧是在太阳辐射下通过光化学反应由前体物经反应生成的, 而气温也是受太阳辐射影响而逐渐升高, 因此, 气温和O₃浓度的日变化规律大致相似, 二者同样在午后达到峰值, 故存在显著的正相关关系.从2013—2015年不同等级的逐日O₃浓度与14：00气温的点聚图(图 1a)上也可以看出, 不同等级的臭氧浓度对于气温变化的敏感性明显不同：随着气温每升高1 ℃, 二级超标日O₃1 h最大浓度上升3.46 μg·m^-3；一级超标日和正常浓度日O₃ 1 h最大浓度则分别上升1.49和1.14 μg·m^-3, 浓度增幅明显低于前者.从显著性上来看, 3种标准下均通过显著性检验, O₃正常浓度值由于样本多其相关系数稍好于超标情况(0.16).O₃浓度正常日对应气温由低温到高温变化, 范围跨度较大；O₃浓度超标日多出现在气温大于20 ℃时, 尤其二级超标日主要出现在25~35 ℃区间, 小时浓度在275 μg·m^-3以上的高浓度臭氧日对应的14：00气温全部高于30 ℃, 即大致呈现“高气温高浓度”的线性特征.查看超标日O₃前体物NO和CO浓度可以发现, 氮氧化物同样在低温时浓度较大, 而高温时浓度较小, 这与安俊琳等(2009)、程念亮等(2016)的结论一致.O₃浓度受气温影响较大的可能原因是气温往往伴随着太阳辐射的增强而升高, 强辐射下的二次光化学反应相应增强, 二次生成的O₃浓度也随之增高.
图 1(Fig. 1)

图 1 臭氧日小时平均最大浓度与14：00气温(a)和14：00相对湿度(b)的点聚图 Fig. 1Scatter diagrams of daily maximum O3 concentration and the temperature(a)/relative humidity(b) at 14:00

表 2给出了不同季节臭氧平均质量浓度与日平均气温的相关系数.从表中可以看出, 臭氧浓度与气温的相关系数在春季最高, 秋季和夏季次之, 冬季相关系数较低, 说明气温并非冬季臭氧浓度的主要影响因子.前三季与气温相关性显著, 其可能原因是春、夏、秋三季南京地区O₃主要由局地光化学反应生成.而冬季太阳辐射减弱, 局地光化学反应相应减弱, 表现为臭氧浓度均值与冬季气温相关关系不显著.
表 2(Table 2)

表 2 南京市日平均气温和相对湿度与O3浓度的相关系数 Table 2 Correlation coefficients between daily mean temperature/relative humidity and O3 concentration in Nanjing

表 2 南京市日平均气温和相对湿度与O3浓度的相关系数 Table 2 Correlation coefficients between daily mean temperature/relative humidity and O3 concentration in Nanjing 气温 相对湿度RH 春季 夏季 秋季 冬季 春季 夏季 秋季 冬季 O3 0.509 0.051 0.535 0.005 -0.422 -0.438 -0.186 -0.086 O3_1 0.590 0.194 0.495 0.093 -0.480 -0.518 -0.305 -0.160 O3_8 0.623 0.110 0.522 0.082 -0.439 -0.459 -0.259 -0.134

图 1b是逐日O₃浓度与14：00相对湿度的点聚图.可以看出, 随着相对湿度增加, O₃浓度呈弱的下降趋势.由南京市2013—2015年的统计结果可得, 相对湿度每增加1%, O₃日1 h最大浓度下降0.136 μg·m^-3.与气温相比(图 1a), 相对湿度与O₃质量浓度的点聚图分布更离散, 臭氧浓度正常日和一级超标日对应的14：00相对湿度从低湿度变化到高湿度.而二级超标日对应的相对湿度更为集中, 主要在20%~70%, 小时浓度在275 μg·m^-3以上的高浓度臭氧日对应的14：00相对湿度更集中在30%~50%的较小区间里, 即适宜的相对湿度值, 不能过高或过低, 更有利于高浓度臭氧事件出现.
相对湿度是空气中绝对湿度与同气温和气压下饱和绝对湿度的比值, 表征水汽的饱和程度.相对湿度与臭氧浓度的负相关关系由多方面原因造成：一是大气中的水汽通过消光机制影响太阳辐射而使紫外辐射衰减, 紫外辐射是光化学反应发生的重要条件之一；二是湿度较高情况下, 空气中水汽所含的自由基·H、·OH等迅速将臭氧分解为氧分子, 直接消耗O₃降低O₃浓度；三是相对湿度增加有利于O₃的湿清除, 高相对湿度也是形成湿清除的重要指标(姚青等, 2009；王男, 2015).因此, 相对湿度在O₃的生成、消除过程中扮演着重要的角色, 可以在一定程度上解释本文臭氧浓度与相对湿度的负相关关系.
表 2也给出了不同季节臭氧平均质量浓度与日平均相对湿度的相关系数.可以发现, 臭氧浓度与4个季节的相对湿度均呈明显负相关, 相关系数在夏季最高, 春季次之, 秋冬季最低, 说明春夏季水汽充沛, 相对湿度对O₃质量浓度的影响更显著.
3.1.3 臭氧浓度与云天状况由于近地面O₃的形成与太阳辐射所引起的光化学反应关系密切, 云天状况、辐射条件对O₃浓度均有影响.由表 1可知, 总(低)云量与O₃小时浓度呈显著负相关, 而能见度、日照小时数、总辐射辐照度和净辐射辐照度与近地面O₃浓度呈显著正相关.说明O₃浓度随能见度升高而增大, 能见度较高时, 对应天气晴朗、总(低)云量较少, 太阳辐射强或日照时间长, 有利于促进光化学反应生成O₃, O₃浓度相应随之增加；反之, 能见度降低时, 常对应降水或多云(阴)天气, 总(低)云量较多, 太阳辐射弱或日照时间短, 光化学反应速率降低, O₃浓度随之降低.
从14：00总云量和低云量与O₃日小时平均最大浓度的变化曲线(图 2)可见, 全样本平均O₃日最大浓度随总云量的变化不大, 但在总云量为10成时O₃浓度有谷值.低云量对平均O₃日最大浓度的影响更为明显, O₃浓度在低云量0~4成时较高, 而在5成以上时浓度较低, 低云量为9~10成时平均O₃日最大浓度最低, 低云量为10^-成时O₃浓度有个小峰值, 低云量同样在0~5成时全样本平均O₃日最大小时浓度大于100 μg·m^-3.可见, 云量较少的日子里(0~4成)容易造成地面高浓度臭氧.
图 2(Fig. 2)

图 2 日小时平均最大浓度随总云量、低云量的变化特征 Fig. 2Variation characteristics of average daily maximum O3 concentration with total cloud amount, low cloud amount

辐照度是表征单位时间内单位面积上所接受的辐射能量的特征物理量, 也称为辐射通量密度(flux density).图 3a显示了总辐射辐照度、净辐射辐照度的日变化规律, 地表面吸收的太阳总辐射和大气逆辐射与本身放射辐射之差即为净辐射, 即将地面的短波辐射和长波辐射的收入与支出相抵所得.可以发现, 地面接收总辐射和净辐射的日变化规律基本一致, 呈“倒V型”分布并在12：00前后(太高高度角最高时)达到日峰值, 说明引起地面净辐射日变化的直接原因是太阳高度角的变化.而臭氧浓度日变化也呈单峰型, 峰值出现在15：00前后, 滞后于地表净辐射最大值3 h, 其原因可能与生成O₃光化学反应的反应时间有关.10：00—14：00是地表净辐射辐照度最大的几个时次, 也是O₃浓度迅速累积的关键时刻, 因此, 选取10：00—14：00的净辐射辐照度考察太阳辐射对O₃浓度的影响.表 1中云天状况的各类物理参数与O₃逐日最大小时浓度的相关系数以10：00—14：00净辐射辐照度最大.
图 3(Fig. 3)

图 3 O3年平均逐小时浓度、总辐射辐照度、净辐射辐照度的日变化特征(a)及O3日小时平均最大浓度随10：00—14:00净辐射辐照度的变化特征(b) Fig. 3Daily variation of average O3 concentration, the total irradiance and net irradiance(a) and variation characteristics of daily maximum O3 concentration with net irradiance of 10:00—14:00(b)

10：00—14:00净辐射辐照度与O₃日小时平均最大浓度的变化曲线(图 3b)显示, 全样本平均O₃日最大浓度随净辐射辐照度的增加先增大后减小, 在净辐射辐照度达到600~700 W·m^-2时O₃浓度最高, 500~600 W·m^-2时稍低于前者, 同样维持显著的高O₃浓度水平, 700 W·m^-2以后开始随着净辐射辐照度的增大而降低.综上可知, 太阳辐射及云量是产生近地面高浓度臭氧的两个重要气象因素.
3.1.4 臭氧浓度与风风速在一定程度上反映了大气边界层湍流的强度, 然而由于边界层摩擦、不同季节风向、风速差异大等因素对近地面风速求平均的影响(表 3), 14：00地面风速与日最大O₃浓度的相关关系较温湿条件、云天状况等稍差.通过表 3可以发现, 夏季O₃日最大浓度与地面到高层500 hPa以下各层风速有显著的负相关关系；春、秋季类似, 但相关性不显著.
表 3(Table 3)

表 3 不同风速与O3逐日最大浓度相关系数 Table 3 Correlation coefficients between daily wind speed and daily O3 maximum concentration

表 3 不同风速与O3逐日最大浓度相关系数 Table 3 Correlation coefficients between daily wind speed and daily O3 maximum concentration 季节 地面风速 925 hPa风速 850 hPa风速 700 hPa风速 500 hPa风速 O3_1 春季 -0.030 -0.070 -0.148 -0.265 -0.237 夏季 -0.168 -0.431 -0.351 -0.348 -0.145 秋季 -0.018 -0.184 -0.184 -0.358 -0.390 冬季 0.360 0.045 -0.049 -0.050 -0.046 ??注：地面风速为14：00风速, 其余均为8：00风速.

实际上, 近地面风速大小对O₃浓度的影响是复杂的, 图 4a给出了不同臭氧浓度等级与14：00地面平均风速的变化关系：正常浓度日里伴随风速增大1.0 m·s^-1, O₃1 h最大浓度可以上升3.00 μg·m^-3；而随着臭氧的不断累积, 近地面风速与臭氧呈现出负的相关关系, 满足风速增大1.0 m·s^-1, 二级超标日和一级超标日O₃ 1 h最大浓度分别下降4.76和1.58 μg·m^-2的简化定量关系.由图 4a还可发现, 虽然O₃浓度在不同风速范围间变化较大, 但多数高浓度O₃仍集中出现于较为稳定小风的情况下.这是因为当风速较小时, 垂直输送和混合作用占主导地位, O₃和其前体物在近地面不断的累积；当风速较大时, 水平扩散作用逐渐占主导, 对局地升高的O₃有扩散作用, 从而O₃质量浓度将出现下降趋势(严茹莎等, 2013).
图 4(Fig. 4)

图 4 臭氧日小时平均最大浓度与14：00地面风速(a)和8：00 925 hPa风速(b)的点聚图 Fig. 4Scatter diagrams of daily maximum O3 concentration and the surface wind speed at 14:00(a) and wind speed of 925 hPa at 8:00(b)

本研究同时选取了8：00的探空资料获得了南京站逐日高空风速并与臭氧日最大小时浓度进行相关分析.与近地面平均风速不同, 臭氧日最大小时浓度与8：00的925、850、700、500 hPa风速的相关系数均为负值, 可见高空小风速条件下, 容易造成O₃的局地累积.以8：00 925 hPa风速与逐日臭氧最大浓度点聚图为例(图 4b), 正常O₃浓度日与925 hPa风速相关系数为正值, 而无论二级或一级O₃浓度超标日, 对应的925 hPa高空风速多集中在小于10 m·s^-1的变化区间里.
为了探求臭氧浓度与风向的关系, 分别统计了从地面到中低层(925、850、700 hPa)4个季节出现不同风向(16个方位)所对应的臭氧小时浓度的均值(图 5).可以发现, 臭氧浓度与不同季节不同高度的风向具有不同的对应关系.春季(3—5月), 地面吹偏南风时臭氧浓度较高, 包括西南风和东南风；700 hPa高空吹偏东、偏北风时臭氧浓度水平较高, 其中偏东风时浓度最高.夏季(6—8月), 地面和925 hPa高空对应关系类似, 在风向为东到南这一风向区间里, 容易产生地面高浓度臭氧, 尤其以东南风对应于平均臭氧浓度的峰值, 次峰值对应于地面和925 hPa高空的偏西风；850 hPa高空的高浓度臭氧对应区域更为集中, 多出现在偏北风或东南到偏东风向范围.秋季(9—11月), 地面风向为偏南风或者东南风时, 易产生高浓度臭氧.冬季(12—2月), 臭氧平均浓度较其它季节偏低, 地面风向为偏南风或者偏东风时, 容易造成臭氧浓度值升高.
图 5(Fig. 5)

图 5 O3小时浓度均值与14：00地面风向、8：00 925、850、700 hPa风向的关系(a.春季, b.夏季, c.秋季, d.冬季) Fig. 5Variations of average O3 concentrations in different directions of surface wind at 14:00 and wind directions of 925, 500, 700 hPa at 8:00

为了表征不同风向对于臭氧浓度的影响, 定义了风向影响指数(Wind Direction Index, WDI), 采用分段线性拟合的方法分别寻找不同季节臭氧浓度与地面风向的关系, 并得到如下关系(图 6), 其中, WD代表风向度数(°), 春季、夏季、秋季、冬季的风向影响指数分别用WDI_sp、WDI_su、WDI_fa、WDI_wi来表示：
图 6(Fig. 6)

图 6 臭氧日小时平均最大浓度与14：00地面风向分段线性拟合(a.春季, b.夏季, c.秋季, d.冬季) Fig. 6Linear fittings of average daily maximum O3 concentration and surface wind directions at 14:00

(1)

(2)

(3)

(4)

由图 6可以发现, 利用地面风向对臭氧浓度进行线性拟合, 在偏北到偏东风向(或东南风向)的效果要普遍好于偏西风向.
3.2 臭氧浓度预报方程3.2.1 高浓度臭氧预报方程的建立高浓度臭氧污染事件的产生与气象条件有紧密关联, 表 4列出了2013年1月1日—2015年12月31日臭氧浓度最大的几次个例及相应的气象条件.通过此表及前文的分析可以对高浓度臭氧日相应的气象条件有更为直观的了解.
表 4(Table 4)

表 4 高浓度臭氧日及其相应气象要素统计 Table 4 Statistics of high-concentration O3 days and corresponding meteorological conditions

表 4 高浓度臭氧日及其相应气象要素统计 Table 4 Statistics of high-concentration O3 days and corresponding meteorological conditions 日期(年-月-日) 日最大浓度/(μg·m-3) 总/低云量/成 10：00—14：00净辐射辐照度/(W·m-2) 14：00能见度/km 14：00气温/℃ 14：00相对湿度 海平面气压/hPa 混合层高度/m 14：00地面风向 14：00地面风速/(m·s-1) 8：00 925 hPa风向 8：00 925 hPa风速/(m·s-1) 8：00 850 hPa风向 8：00 850 hPa风速/(m·s-1) 2014-05-28 357.13 8/0 539.6 6.2 34.0 37% 1002.2 180.0 NNW 0.9 NNW 10 NW 5 2014-06-08 318.3 8/1 484.6 5.9 30.9 49% 999.6 / ESE 3.5 E 5 NNW 3 2014-06-07 300.4 7/2 412.6 5.7 31.1 47% 998.1 422.5 ENE 1.1 ENE 3 NNE 7 2014-06-17 291.3 9/3 518.4 6.2 34.1 37% 1002.5 471.0 SE 3.6 NNE 1 NNE 3 2015-06-14 288.0 10/0 508.6 11.7 32.9 36% 1002.3 / NE 3.2 NNW 4 NNW 7 2015-10-16 269.0 2/0 424.6 3.6 26.6 43% 1013.7 917.2 NNE 2.0 NNW 4 NNW 5 2014-06-13 268.3 2/1 580.6 8.7 33.2 34% 1002.0 398.7 WNW 2.5 NNW 2 NNE 5 2014-06-06 267.8 8/0 353.2 3.5 29.6 51% 999.7 357.1 ESE 2.8 ENE 3 ENE 3 2014-06-05 259.3 4/3 394.2 4.2 28.8 52% 1001.0 481.8 E 3.2 WNW 4 NNW 7 2015-08-28 258.3 7/2 566.8 8.3 29.8 52% 1004.0 / ENE 1.4 NNE 3 NNW 4 2015-08-30 250.3 8/2 299.4 8.1 28.9 53% 1005.0 513.6 S 1.7 NNW 3 NNW 3

高浓度臭氧出现的气象条件主要表现为较少的低云量(小于4成)、适宜的相对湿度(30%~70%)、较强的太阳辐射(10:00—14：00净辐射辐照度大于300 W·m^-2)、较小的风速(14：00地面风速小于5 m·s^-1)及特定的风向(如夏季850 hPa风向集中在偏北到偏东风区间).由此, 本研究抓主要特征, 兼顾不同季节, 考虑资料的可获取性和操作性, 定义了高浓度臭氧潜势指数(High-concentration ozone potential index, HOPI).
为了解各项气象因子与臭氧浓度的定量关系, 考虑采用多指标叠套的方法, 运用多元逐步回归方程, 以臭氧日最大浓度为因变量, 引入的自变量包括：高浓度臭氧潜势指数HOPI(表 5)、风向指数WDI(WDI_sp、WDI_su、WDI_fa、WDI_wi)、14：00地面气温T₁₄、相对湿度RH₁₄及8：00各标准层(925、850、700和500 hPa)上的位势高度H、气温T、温度露点差(t-t_d)和风速V等气象要素, 分别得到了春、夏、秋、冬4个季节高浓度臭氧预报方程如下：
表 5(Table 5)

表 5 高浓度臭氧潜势指数的计算 Table 5 Calculation of high-concentration ozone potential index

表 5 高浓度臭氧潜势指数的计算 Table 5 Calculation of high-concentration ozone potential index 高浓度臭氧潜势指数 是 否 晴到少云天气(14：00低云量≤4成) 1 0 10：00—14：00净辐射辐照度(≥300 W·m-2) 1 0 小风速(14：00地面风速≤5 m·s-1) 1 0 风向(春、秋、冬季地面风向偏南SW-S-SE, 夏季850 hPa风向偏北到偏东风区间NW-N-ESE) 1 0 适宜的湿度(14：00相对湿度30%~70%) 1 0 累计指标值(HOPI) 0~5

(5)

(6)

(7)

(8)

3.2.2 高浓度臭氧预报方程的检验本研究收集了没有参与回归统计的2016年1月1日—7月31日相关实况资料进行拟合效果的检验, 图 7为分别利用1—2月、3—5月、6—7月的实况值检验高浓度臭氧预报模型对冬季、春季、夏季的可预报性.可以看到, 3个季节的预报曲线基本能反映出臭氧日最大浓度的变化趋势, 尤其以春季和夏季模拟效果较好, 这与春、夏两季臭氧平均浓度高于秋、冬季, 多个指标反映效果更好不无关系.3—7月初, 拟合方程预报曲线与实况曲线变化趋势基本一致, 部分时间段甚至近似重合, 说明预报模型的可预报性很好.同时, 发现预报值偏低的情况要更多于预报值偏高的情况, 且实况资料个别极值明显高于预报值, 出现时间也有稍超前或滞后的差别.说明高浓度臭氧预报方程对极值出现时间及极值强度的反映有待继续改进.
图 7(Fig. 7)

图 7 2016年1月1日—7月31日逐日臭氧小时平均最大浓度实况与拟合值的比较(a.1—2月, b.3—5月, c.6—7月) Fig. 7Comparisons of observed daily maximum O3 concentration and fitted O3 concentration from Jan 1st to Jul 31st, 2016

为了进一步反映上述预报模型与观测实况相关性的大小, 比较了臭氧观测值与拟合方程计算值的相关性, 图 8给出了二者的对比结果.冬季(1—2月)、春季(3—5月)、夏季(6—8月), 拟合值与观测值的相关系数分别达到0.72、0.76和0.73, 远超过0.001的信度水平.图中离散点主要集中在y=x曲线附近, 也说明了计算值和观测值的一致性, 因此可以认为, 本研究建立在多指标叠套基础上的高浓度臭氧预报方程具有一定的预报意义, 对于实际业务和应用中高浓度臭氧污染事件的预警不失为一种简便、实用的方法.但也发现, 臭氧浓度偏低时(冬季), 计算值较观测值偏小；对于部分严重超标的极值预报也亟须进一步改进.
图 8(Fig. 8)

图 8 逐日最大臭氧小时浓度观测值与方程预报值的比较 Fig. 8Correlations between observed daily maximum O3 concentration and estimated values from forecasting-model

3.3 臭氧浓度与天气形势的关系本课题组普查了2013—2015年高空(500、700、850 hPa)和地面的历史天气图, 归纳出8种影响南京地区臭氧浓度的主要天气形势.由于天气系统是移动及演变的, 本研究在划分天气系统时以一个自然日里大部分时间受某种系统控制就定义为该日的系统类型.分析臭氧二级超标日地面和高空天气形势发现, 南京地区臭氧超标日500 hPa高空多为纬向型环流控制(平直西风环流、弱的高压脊或是槽后弱西北气流等), 中低层以偏南风为主, 地面多处于弱的气压梯度场或低压辐合区中, 地面日均相对湿度在40%~50%, 平均气温较高, 天气多为晴间多云(低云量1~2成), 风力较小以偏东到东南风为主.本研究将影响南京的臭氧超标日地面天气形势分析归纳为3类8种天气类型, 分别是高压类(高压中心G0、高压后部G1)、低压类(低压底部D0、低压前部D1、低压倒槽D2)、均压类(高压相关的均压JG、低压相关的均压JD、其它一些均压情形J).
为了对上述天气形势有更加直观的认识, 本文给出了几类天气形势的简明示意图(图 9), 图中阴影区为南京地区所在位置.比较发现, 当地面受低压辐合或均压场控制时, 天气系统一般较弱, 近地面大气非常稳定, 风速小, 以弱的偏南风向为主, 严重阻碍了空气的水平流通, 空气污染扩散条件较差, NO、NO₂、CO等增加了O₃前体物的质量浓度, 造成O₃质量浓度的间接升高, 导致了局地和区域臭氧污染物的迅速积累, 造成臭氧超标；当地面受高压控制时, 晴热高温有利于光化学反应加强, 导致本地臭氧污染物的生成和累积, 同时高压系统产生的下沉运动也有利于上层高质量浓度的臭氧向下输送；当地面处于高压后部时, 盛行偏南或东南风, 除了本地污染源还需进一步考虑来自长三角地区的臭氧水平输送, 有个例的模拟研究(易睿等, 2015；朱帅等, 2016)指出, 适当风场作用下, 沪浙地区的污染源可以对其周边甚至整个长江三角洲地区的臭氧浓度造成很大影响.
图 9(Fig. 9)

图 9 影响南京的高浓度臭氧日地面天气形势简明示意图 Fig. 9Schematic diagrams of surface synoptic situations with high-concentration O3 in Nanjing

分别对这几种天气形势下出现高浓度臭氧超标事件的天数进行统计(表 6).超标日地面气压形势场高压类、低压类、均压类这3种类型各占40%、21%、39%, 各种地面天气形势中以高压后部(33 d)、低压前部的均压场(17 d)、高压控制或高压中心附近(16 d)和其它一些均压场(16 d)为主.
表 6(Table 6)

表 6 影响南京的高浓度臭氧日地面天气类型的统计 Table 6 Statistical analysis of high-concentration O3 related surface synoptic situations in Nanjing

表 6 影响南京的高浓度臭氧日地面天气类型的统计 Table 6 Statistical analysis of high-concentration O3 related surface synoptic situations in Nanjing 分类 臭氧超标天数/d 总计/d 高压类 高压中心G0 16 49 高压后部G1 33 低压类 低压底部D0 5 26 低压前部D1 9 低压倒槽D2 12 均压类 高压内均压JG 14 47 低压外均压JD 17 其它均压类J 16

图 10显示了8种天气形势出现的概率及其对应形势下的平均臭氧浓度.从中可以看出, 高压后部天气形势产生高浓度臭氧的概率最大, 为27.0%；低压底部的偏西风环流里发生高浓度臭氧事件的概率最低, 仅为4.1%.这8种地面形势对应的平均臭氧浓度均在100 μg·m^-3以上, 以低压前部的均压场里平均浓度最高, 为113.6 μg·m^-3, 而高压环流内的均压场臭氧平均浓度最低, 为101.3 μg·m^-3.
图 10(Fig. 10)

图 10 不同天气形势下高浓度臭氧发生概率及臭氧平均浓度 Fig. 10Probabilities and average O3 concentrations of high-concentration O3 related weather conditions

4 结论(Conclusions)1) 近地面臭氧浓度的变化与气象要素密切相关, 气温、能见度、日照小时数、总辐射辐照度和净辐射辐照度等要素与O₃浓度呈显著正相关, 而与相对湿度、总(低)云量则呈负相关.
2) 产生高浓度臭氧污染是多项因子的综合结果, 高浓度臭氧出现的气象条件主要表现为较少的低云量、适宜的相对湿度、较强的太阳辐射、地面小风速及特定的风向.建立的风向指数WDI和高浓度臭氧潜势指数HOPI两个指标可以较好地衡量形成高浓度臭氧污染的气象条件的好坏.
3) 综合考虑高浓度臭氧潜势指数HOPI、风向指数WDI、14：00地面气温、相对湿度及8：00各标准层(925、850、700和500 hPa)上的位势高度、气温、温度露点差和风速等气象要素, 建立了4个季节的高浓度臭氧预报模型.利用2016年资料对预报方程进行检验, 发现预报值与观测值的相关系数分别达0.72(冬季)、0.76(春季)和0.73(夏季), 说明利用多指标叠套的高浓度臭氧预报方程具有较好的拟合效果和可预报性.
4) 通过普查历史天气图, 归纳出高浓度臭氧事件出现的3类8种主要天气形势, 分别是高压类(高压中心G0、高压后部G1)、低压类(低压底部D0、低压前部D1、低压倒槽D2)、均压类(高压相关的均压JG、低压相关的均压JD、其它均压J).其中以高压后部地面形势出现概率最大, 低压前部的均压场里臭氧平均浓度最高.

参考文献

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, 2009, 18(3): 944–949.

陈世俭, 童俊超, Kazuhiko, 等. 2005. 气象因子对近地面层臭氧浓度的影响[J]. 华中师范大学学报(自科版), 2005, 39(2): 273–277.

程念亮, 李云婷, 张大伟, 等. 2016. 2014年北京市城区臭氧超标日浓度特征及与气象条件的关系[J]. 环境科学, 2016, 37(6): 2042–2051.

Cobourn G W, Dolcine L, French M, et al. 2000. A comparison of non linear regression and neural network models for ground-level ozone forecasting[J]. Journal of the Air & Waste Management Association, 50(11): 1999–2009.

单文坡, 殷永泉, 杜世勇, 等. 2006. 夏季城市大气臭氧浓度影响因素及其相关关系[J]. 环境科学, 2006, 27(7): 1276–1281.

Gaza R S. 1998. Mesoscale meteorology and high ozone in the northeast United States[J]. Journal of Applied Meteorology, 37(9): 961–977.DOI:10.1175/1520-0450(1998)037<0961:MMAHOI>2.0.CO;2

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

Geng F, Zhang Q, Tie X, et al. 2009. Aircraft measurements of O3, NOx, CO, VOCs, and SO2 the Yangtze River Delta region[J]. Atmospheric Environment, 43(3): 584–593.DOI:10.1016/j.atmosenv.2008.10.021

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, 2018, 38(1): 23–31.

Hubbard M C, Cobourn W C. 1997. Development of a regression model to forecast ground-level ozone concentrations in Louisville, Kentucky[J]. Atmos Environ, 32(14/15): 2637–2647.

Kolehmainen M, Martikainen H, Ruuskanen J. 2001. Neural networks and periodic components used in air quality forecasting[J]. Atmospheric Environment, 35(5): 815–825.DOI:10.1016/S1352-2310(00)00385-X

Lal S, Naja M, Subbaraya B H. 2000. Seasonal variations in surface ozone and its precursors over an urban site in India[J]. Atmospheric Environment, 34: 2713–2724.DOI:10.1016/S1352-2310(99)00510-5

Mikkelsen T N, Ro-Poulsen H, Hovmand M F, et al. 2004. Five year measurements of ozone fluxes to a Danish Norway spruce canopy[J]. Atmospheric Environment, 38: 2361–2371.DOI:10.1016/j.atmosenv.2003.12.036

林燕芬, 王茜, 伏晴艳, 等. 2017. 上海市臭氧污染时空分布及影响因素[J]. 中国环境监测, 2017, 33(4): 60–67.

刘明花. 2009. 上海市地面臭氧浓度分析及多元非线性预报模式研究[D]. 上海: 华东师范大学

马井会. 2011. 上海近地面臭氧浓度与气象因子关系与预报研究[C]. 中国气象学会年会. 厦门http://industry.wanfangdata.com.cn/dl/Detail/Conference?id=Conference_7570359

任阵海, 万本太, 苏福庆, 等. 2004. 当前我国大气环境质量的几个特征[J]. 环境科学研究, 2004, 17(1): 1–6.

谈建国, 陆国良, 耿福海, 等. 2007. 上海夏季近地面臭氧浓度及其相关气象因子的分析和预报[J]. 热带气象学报, 2007, 23(5): 515–520.

Schwarzhoff P J, Reid P D. 2000. Classification of meteorological patterns associated with the ozone categories in Kelowna, British Columbia[J]. Journal of Applied Meteorology, 39(3): 463–470.DOI:10.1175/1520-0450(2000)039<0463:COMPAW>2.0.CO;2

王红丽. 2015. 上海市光化学污染期间挥发性有机物的组成特征及其对臭氧生成的影响研究[J]. 环境科学学报, 2015, 35(6): 1603–1611.

王男. 2015. 气象因素对沈阳市大气中臭氧的影响[J]. 环境科学与技术, 2015(s1): 61–65.

王勤耕, 韩志伟, 雷孝恩. 2002. 当前对流层臭氧数值模式研究中的若干问题[J]. 气候与环境研究, 2002, 7(1): 42–48.

王雪松, 李金龙, 张远航. 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.

王占山, 李云婷, 陈添, 等. 2014. 北京市臭氧的时空分布特征[J]. 环境科学, 2014, 35(12): 4446–4453.

徐敬, 张小玲, 赵秀娟, 等. 2009. 夏季局地环流对北京下风向地区O3输送的影响[J]. 中国环境科学, 2009, 29(11): 1140–1146.DOI:10.3321/j.issn:1000-6923.2009.11.004

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, 2013, 26(1): 43–49.

姚青, 孙玫玲, 刘爱霞. 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.

张爱东, 王晓燕, 修光利. 2006. 上海市中心城区低空大气臭氧污染特征和变化状况[J]. 环境科学与管理, 2006, 31(6): 62–66.

周广强, 耿福海, 许建明, 等. 2015. 上海地区臭氧数值预报[J]. 中国环境科学, 2015, 35(6): 1601–1609.

朱李华, 陶俊, 张仁健, 等. 2010. 冬夏季广州城区碳气溶胶特征及其与O3和气象条件的关联[J]. 环境科学学报, 2010, 30(10): 1942–1949.

朱帅, 马建中, 王堰, 等. 2016. 长江三角洲地区春季臭氧异常高值的数值模拟研究[J]. 环境科学研究, 2016, 16(6): 1–8.

Zhang Q, Yuan B, Shao M, et al. 2014. Variations of ground-level O3 and its precursors in Beijing in summertime between 2005 and 2011[J]. Atmospheric Chemistry and Physics, 14(1): 6089–6101.