, 吴锴1, 康平1
, 文小航1, 李涵1, 王莹1, 吕欣远1, 李安琪1, 潘伟豪1, 范武波2, 易睿3, 包鑫斌1, 何沐全41. 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. 四川省环境保护科学研究院, 成都 610041;
3. 扬州市环境监测中心站, 扬州 225009;
4. 成都信息工程大学资源环境学院, 成都 610225
收稿日期: 2017-08-23; 修回日期: 2017-11-17; 录用日期: 2017-11-17
基金项目: 国家自然科学基金重大研究计划（No.91644226）；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: 曹庭伟(1996-), 男, E-mail:2015011036@cuit.edu.cn
通讯作者（责任作者）: 康平(1988—), 男, 博士, 讲师, 主要从事大气环境化学研究.E-mail：kangping@cuit.edu.cn
摘要: 为研究成渝城市群O3污染特征及其影响因素，对成渝城市群15个城市2015-2016年国控环境监测站点和国家气象台站数据进行了研究.结果表明，研究区域15个城市均存在不同程度的O3超标现象.2015-2016年成渝城市群O3污染形势愈发严峻，春末及夏季污染最为严重，且在7月达到O3浓度峰值（118 μg·m-3），O3污染空间分布呈片状，以资阳为中心的遂宁、眉山、成都等城市为O3污染较为严重的区域.颗粒物、NO2及CO均与O3有显著相关性，其中，颗粒物与O3浓度在冬季呈负相关，在夏季则表现为正相关.太阳辐射、气温、相对湿度及流场均是影响O3浓度的重要因子，强辐射、高温及低湿易形成较高浓度的O3，相对湿度对O3浓度的影响呈先升后降的关系.
关键词:臭氧成渝城市群影响因素气象因素
Study on ozone pollution characteristics and meteorological cause of Chengdu-Chongqing urban agglomeration
CAO Tingwei1
, WU Kai1, KANG Ping1 , WEN Xiaohang1, LI Han1, WANG Ying1, Lü Xinyuan1, LI Anqi1, PAN Weihao1, FAN Wubo2, YI Rui3, BAO Xinbin1, HE Muquan4 1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225;
2. Sichuan Academy of Environmental Sciences, Chengdu 610041;
3. Yangzhou Environmental Monitoring Center, Yangzhou 225009;
4. School of Resources and Environment, Chengdu University of Information Technology, Chengdu 610225
Received 23 August 2017; received in revised from 17 November 2017; accepted 17 November 2017
Supported by the Major Research Plan of the National Natural Science Foundation of China(No.91644226), 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: CAO Tingwei(1996—), male, E-mail:2015011036@cuit.edu.cn
*Corresponding author: KANG Ping, E-mail:kangping@cuit.edu.cn
Abstract: In order to study the characteristics of ozone (O3) pollution in Chengdu-Chongqing Urban Agglomeration (CCUA) and its influencing factors, the data of national control environment monitoring stations and national meteorological stations in 15 cities in CCUA from 2015 to 2016 were analyzed. The results showed that there were different levels of O3 in 15 cities. As for the temporal variation, it showed an increasing trend of O3 pollution from 2015 to 2016, and the O3 pollution of CCUA was most serious in the late spring and summer (reached a peak of 118 μg·m-3 in July). As for spatial distribution, the O3 pollution in CCUA showed a contiguous distribution Characteristics, that is, the O3 pollution in center of Ziyang, Suining, Meishan, and Chengdu area is more serious. Particulate matters, NO2 and CO were significantly correlated with O3, in which the winter particulate matter was negatively correlated with O3 concentration, and the summer was positively correlated. Solar radiation, temperature, relative humidity and flow field are important factors affecting the concentration of O3. Strong solar radiation, high temperature and low humidity is easy to form a higher concentration of O3. The effect of relative humidity on the concentration of O3 was first increases and after decreases.
Key words: ozoneChengdu-Chongqing urban agglomerationinfluencing factorsmeteorological factors
1 引言(Introduction)近年来, 随着经济快速发展, 城市化进程加快, 能源消耗量增加, 我国部分城市地区空气污染类型正在由单一传统的煤烟型污染向复合型污染转变, 以细粒子(PM2.5)、臭氧(O3)污染为主要特征的区域性、复合型大气污染问题日益突出, 以O3为特征产物的光化学烟雾污染愈发严重(张小曳等, 2013；Wang et al., 2016).为全面认识O3的污染规律, 目前在全国范围内开展了一系列O3观测研究以了解其形成机理和时空分布特征.Tang等(2009)对北京市2001—2006年近地面O3及其前体物进行了分析, 认为NOx排放量的减少和非甲烷碳氢化合物(NMHCs)排放量的增加可能是导致北京O3浓度增加的原因；张亮等(2015)基于WRF-Chem模式对长江三角洲夏季一次典型O3污染过程的时空分布特征和物理化学机制进行了数值模拟研究, 结果表明, 本地排放源对O3的时空分布具有较大影响；王燕丽等(2017)利用CAMx-OSAT技术对京津冀地区夏季O3污染进行来源解析, 研究表明, 京津冀13个城市O3污染受传输贡献显著(>80%), 而受本地源贡献相对较小.已有关于O3时空分布特征的研究主要集中在京津冀、长三角、珠三角等区域, 针对成渝城市群的研究主要聚焦于PM2.5, 而关于O3的研究相对缺乏, 且多是对成都、重庆等单个重点城市的O3污染特征进行分析, 缺乏区域尺度O3污染特征及时空分布的系统研究(吴锴等, 2017；苏榕等, 2017).
成渝城市群位于四川盆地, 是我国西南地区经济最为发达的城市群, 也是我国《重点区域大气污染防治“十二五”规划》的重点防治区域之一.成渝城市群工业发达, 污染物排放量较高, 加之盆地负地形不利于污染物的稀释扩散, 大气环境容量远小于平原城市, 区域性大气污染较为严重(Liao et al., 2017).本文利用成渝城市群2015年1月—2016年12月的近地面污染物观测资料和相应的气象资料, 分析讨论成渝城市群近地面O3浓度的变化特征及其影响因素, 以期为该城市群近地面O3污染防治提供科学依据, 也为进一步开展区域复合污染治理提供管理决策参考.
2 数据与方法(Materials and methods)2.1 资料来源本研究所使用的近地面污染物浓度数据来源于2015—2016年成渝城市群15个城市(成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、资阳及重庆)共85个监测点位的SO2、NO2、PM2.5、PM10、CO、O3日均值和小时浓度值, 以及O3日最大8 h滑动平均值, 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/), 严格参照《环境空气质量标准》(GB3095—2012)进行质量控制, 同时剔除部分时段由于停电、仪器校准等原因出现的缺测.
气象资料采用中国气象数据共享网(http://cdc.cma.gov.cn)的中国地面气象站逐小时观测资料, 在充分考虑数据完整性和代表性等因素后, 每个城市选取1个台站, 数据包括气温、气压、太阳辐射、相对湿度、风速、风向等气象要素, 数据集原始数据文件已经过严格的质量控制和检查.
2.2 分析方法城市环境评价标准严格采用《环境空气质量标准》(GB3095—2012)中关于O3的二级标准, 即O3小时算术平均浓度超标标准为200 μg·m-3, O3日最大8 h滑动平均浓度标准为160 μg·m-3.同时根据《环境空气质量指数(AQI)技术规定(试行)》和中国环境监测总站发布的《关于对“全国城市空气质量实时发布平台”发布内容进行调整的通知》有关要求, 将环境空气质量依照AQI数值大小分为6级：优(AQI≤50)、良(50＜AQI≤100)、轻度污染(100＜AQI≤150)、中度污染(150＜AQI≤200)、重度污染(200＜AQI≤300)及严重污染(AQI＞300).城市环境空气质量年评价则依据《环境空气质量评价技术规范(试行)》(HJ663—2013), 执行评价项目年平均和日平均百分位数同时达标的要求.
各气象因子与O3浓度的相关性均采用SPSS软件中Spearman相关性分析完成, 并采用ArcGIS软件对成渝城市群的臭氧浓度进行空间插值, 其余相关图表采用Originlab等软件绘制完成.各城市之间的O3浓度差异程度利用空间离散系数COD(coefficient of divergence)评估完成.COD值越趋近于0则表明两个站点差异越小, 越趋近于1则表明差异越大(Xie et al., 2012；郭家瑜等, 2017).COD计算公式为：
 | (1) |
3 结果与讨论(Results and discussion)3.1 O3污染时空特征3.1.1 总体概况成渝城市群位于四川盆地, 工业发达, 经济发展较快, 为我国四大城市群之一, 主要包括四川、重庆“一省一市”的15个城市, 除重庆市外, 四川省包括成都市、自贡市、泸州市、德阳市、绵阳市、遂宁市、内江市、乐山市、南充市、眉山市、宜宾市、广安市、达州市及资阳市(图 1).2015年1月—2016年12月, 成渝城市群15个城市O3日最大8 h滑动平均值超过《环境空气质量标准》(GB3095—2012)二级标准的天数为576 d, 占总监测天数(即15个城市监测天数的总和, 共10934 d, 下同)的5.3%.其中, 轻度污染543 d, 占94.3%, 中度污染及重度污染占5.7%, 无严重污染天气的出现.
图 1(Fig. 1)
 |
| 图 1 成渝城市群地区地理位置 Fig. 1The geographical location of Chengdu-Chongqing urban agglomeration (CCUA) |
从各个城市的O3浓度超标来看(图 2), 南充超标天数最少(2 d), 达州、宜宾及自贡超标天数均在10 d以内, 泸州、遂宁、乐山、重庆及绵阳超标天数在20~40 d, 眉山、成都、广安、德阳、资阳及内江超标天数大于50 d.此外, 成都超标天数最多, 高达110 d.
图 2(Fig. 2)
 |
| 图 2 成渝城市群2015—2016年臭氧超标天数及污染等级分布 Fig. 2Number of days with O3 concentration non-attainment and air quality non-attainment in CCUA during 2015 to 2016 |
2015—2016年, 成渝城市群15个城市环境空气质量超标天数共2575 d, 其中, O3超标天数占22.4%, 低于颗粒物的超标天数, 高于SO2、NO2和CO的超标天数.此外, 共有7个城市的O3超标天数占空气质量超标天数的比例高于22.4%, 其中, 成都、德阳、广安及资阳4个城市O3超标比例均在35%以上, 广安超标比例高达57.8%, 这4个城市的O3污染较其他城市更为严重.同时, 按照《环境空气质量评价技术规范(试行)》的规定, 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.据此评价, 成渝城市群15个城市中成都2015年及2016年O3年度评价结果均超标, 广安仅2015年O3年度评价结果超标, 眉山仅2016年O3年度评价结果超标, 其余12个城市两年O3年度评价结果均未超标.
3.1.2 时间变化特征成渝城市群O3月均浓度具有一定的月变化特征(图 3), 1—5月O3月均浓度逐渐升高, 5—8月为O3污染最为严重的时候, 即发生在春末和夏季, 此时O3浓度均大于100 μg·m-3, 并于7月达到峰值118 μg·m-3, 8月以后开始下降.在1月和12月维持在40 μg·m-3左右, 为该城市群最低O3浓度.另一方面, O3超标天数的月分布与月浓度均值也有相似的变化趋势, 在O3污染最为严重的时候, 超标天数也较多, 其中, 7月超标天数最多, 达到129 d, 9月O3月均浓度较高但超标天数并不多, 仅22 d, 其主要原因是该月O3浓度分布较为均匀.除此之外, 1、2、11及12月中15个城市均未出现O3超标.
图 3(Fig. 3)
 |
| 图 3 成渝城市群2015—2016年O3浓度与超标天数月均分布 Fig. 3Monthly variation of O3 concentration and number of days with O3 concentration non-attainment in CCUA during 2015 to 2016 |
3.1.3 空间分布特征为进一步对比分析2015—2016年成渝城市群15个城市的O3浓度空间变化特征, 本研究基于ArcGIS软件采用克里金插值法对15个城市年均O3浓度和超标天数进行了空间插值得到O3浓度空间分布图(图 4).由图 4可见, 2016年成渝城市群大部分城市O3年均浓度较2015年有明显上升, 2015年无O3超标天数的城市, 如自贡和宜宾, 却在2016年出现O3超标的情况；另一方面, 虽然成都、德阳和资阳等城市O3超标天数在2015—2016年有所减少, 但O3年均浓度出现上升, 表明成渝城市群O3浓度高值频繁出现.整体上, 2015—2016年成渝城市群O3年均浓度分别为79.64、84.23 μg·m-3, 较2014年的57.98 μg·m-3有了明显上升, 表明近年来该城市群O3污染愈发严重.O3污染空间分布呈片状, 高值区主要分布在成渝城市群西北部, 即以资阳为中心的遂宁、眉山、成都等城市, 同样以广安为中心的周边城市O3污染也较为严重.Zhang等(2016)基于WRF-Chem模式结合Hysplit后向轨迹对资阳地区的一次重污染过程的模拟结果表明, 这主要是由于资阳及周边城市的大气边界层高度较低, 污染物扩散能力较差, 大气环境容量有限所导致.而O3浓度的低值区则主要分布在成渝城市群的东部及南部, 重庆、南充、宜宾及乐山等城市均为臭氧污染较轻的地区.这是因为川东南城市群特殊的气旋式流场容易导致盆地内城市间逆时针方向的上下风关系相互影响, 导致在自贡、内江、泸州一带形成“污染物滞留区”, 从而削弱了城市间O3区域传输作用(何沐全等, 2017).
图 4(Fig. 4)
 |
| 图 4 成渝城市群2015—2016年臭氧年均浓度及超标天数空间分布 Fig. 4Spatial distribution of O3 concentration and number of days with O3 concentration non-attainment in CCUA during 2015 to 2016 |
为进一步定量描述成渝城市群地区O3污染空间分布状况, 本研究采用COD值评估两个城市之间O3污染差异程度, 分别取不同城市的O3年均浓度值为x数据组, 定量评估并对比城市间的差异(图 5).由图 5可知, 重庆市与四川省境内的14个城市COD值均较大, 这表明重庆市O3污染状况与其余14个城市存在较大差异, 且受其他城市的影响较小.梁丹等(2015)采用后向轨迹聚类与PSCF(潜在源贡献因子法)对重庆市O3来源分析发现, 重庆市O3浓度受南宁、贵阳及遵义等城市的局地传输作用较大.此外, 这也可能与重庆市常年盛行北风而重庆市位于成渝城市群的东南方向有关.而以资阳为中心的O3污染较重的片状区域, 城市之间COD值均较低, 表明该片状区域内各城市间O3污染差异较小.谢雨竹等(2015)研究发现该地区在偏北风的条件下, O3浓度显著高于静风环境, O3污染受外来影响较大, 这也在一定程度上表明了该区域O3污染存在较强的内部传输作用.
图 5(Fig. 5)
 |
| 图 5 成渝城市群2015—2016年臭氧COD值 Fig. 5Ozone COD values of CCUA during 2015 to 2016 |
3.2 与其他主要城市群O3污染状况的比较已有研究表明, 京津冀、长三角、珠三角和成渝城市群已成为我国区域性大气复合污染最严重的四大区域(吴兑, 2012).4个城市群的区域气候特征不同, O3污染特征也存在一定差异.以京津冀地区和成渝城市群为例, 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(郑晓霞等, 2014), 而成渝城市群地处四川盆地, 地势低矮, 受季风影响较小, 静风及小风天气频发, 污染物不易扩散(肖钟湧等, 2011).2015—2016年, 京津冀地区13个城市O3超标天数为1140 d, 占监测总天数(9477 d)的12.0%, 其中, 北京、保定、唐山、廊坊、张家口及承德等6个城市两年O3年度评价结果均超标.长三角地区26个城市O3超标天数为1637 d, 占总天数(18954 d)的8.6%, 其中, 杭州、嘉兴及湖州3个城市O3年度评价结果均超标.珠三角地区14个城市O3超标天数为1066 d, 占总天数(10191 d)的10.5%, 其中, 仅东莞市两年O3年度评价结果均超标.综合来看, 2015—2016年O3污染状况为：京津冀地区>珠三角地区>长三角地区>成渝城市群.
从四大城市群O3月均浓度分布曲线(图 6)来看, 成渝城市群同京津冀地区及长三角地区O3浓度月均分布规律相似, 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), 夏季则受来自南海的清洁气团及海陆风的影响较大(赖鑫等, 2017).长三角地区O3污染呈现较为明显的片状分布特征, 其中, 上海及周边城市污染最为严重(易睿等, 2015).京津冀地区则以北京市为O3核心污染区向外辐散.
图 6(Fig. 6)
 |
| 图 6 四大城市群2015—2016年O3月均浓度分布 Fig. 6Monthly variation of O3 concentration in the four urban agglomerations during 2015 to 2016 |
3.3 O3与其他污染物的关系3.3.1 O3与颗粒物2015—2016年成渝城市群的1—12月(除6、7月)均存在不同程度的颗粒物超标现象(图 7), 颗粒物超标总天数明显多于O3超标总天数, 但其超标天数的月变化趋势与O3变化趋势呈现出完全相反的情况, 冬季(12月、1月、2月, 下同)颗粒物浓度最高, 此时成渝城市群中颗粒物污染最为严重, 而O3浓度较低, 不存在O3超标的情况, 在夏季(6、7、8月, 下同)O3污染较重, 而颗粒物浓度较低, 但仍存在颗粒物浓度超标的情况.二者虽为不同类型的大气污染物, 贾海鹰等(2017)分析认为在一定条件下高浓度颗粒物会导致气溶胶光学厚度增大, 削弱O3光化学生成率, 此外, O3浓度同时也受颗粒物表面的非均相化学过程的影响(蔡彦枫等, 2012).
图 7(Fig. 7)
 |
| 图 7 成渝城市群2015—2016年PM2.5、PM10及O3超标天数月均分布 Fig. 7Monthly number of non-attainment days of PM10, PM2.5 and O3 in CCUA during 2015 to 2016 |
为进一步研究成渝城市群大气复合污染中颗粒物浓度和O3浓度的关系, 首先对各数据进行K-S统计检验, 发现数据之间均不服从正态分布, 因此, 可对各数据进行Spearman相关分析, 发现PM2.5及PM10与O3在夏季的相关系数分别为0.265和0.373, 而冬季的相关系数则变为-0.136及-0.076, 均通过双侧0.01水平的显著性检验.这可能是因为PM2.5和O3在大气复合污染类型中相互作用的基本机制分为两个过程：①大气中高浓度的O3可以促进细颗粒物二次生成以提高环境PM2.5水平；②PM2.5浓度的升高可以降低消光系数从而削弱大气辐射来抑制环境O3水平(Jia et al., 2017).在冬季和夏季, 不同的环境气象条件下, 过程①和②可能在PM2.5和O3的相互作用中分别发挥主导作用, 夏季强烈的大气氧化作用促进了二次颗粒物的形成, 过程①促进了PM2.5的生成, 而在PM2.5浓度较高的冬季, 过程②占据主导作用, 减弱了O3光化学反应, 因此, 导致冬季和夏季的PM2.5和O3之间负相关与正相关的出现.此外, 该现象还可能与夏季强辐射条件下VOCs活性较强, 光化反应较为复杂有关(王占山等, 2014).
3.3.2 O3与其前体物NO2和COO3主要由NOx、CO和VOCs等前体物在合适的气象条件下反应生成(Wang et al., 2012), 从CO、NO2及O3的月均浓度分布来看(图 8), 二者月均浓度变化趋势与O3相反, 冬季浓度较高, 夏季浓度较低, 同时CO和NO2均在7月出现浓度最低值, 而此时正为O3浓度的最高值, 主要原因在于成渝城市群地处四川盆地, 冬季逆温现象频发(Zeng et al., 2017), 大气层结较为稳定, 不利于污染物的局地传输及稀释扩散；另一方面, 冬季气温较低, 太阳辐射较弱, 不利于光化学反应进行, 进而导致NO2及CO等污染物积累.进一步计算Spearman相关系数可知, 成渝城市群2015—2016年O3逐小时浓度与NO2和CO逐小时浓度的相关系数分别为-0.495、-0.458, 均通过双侧0.01水平的显著性检验, 因为CO在大气化学反应中呈现出一定惰性, 因此, 同O3相关性较差.
图 8(Fig. 8)
 |
| 图 8 成渝城市群2015—2016年NO2、O3及CO月均浓度分布 Fig. 8Monthly variation of NO2, O3 and CO concentration in in CCUA during 2015 to 2016 |
3.4 气象因子和O3污染分析对于O3与气象因子的关系研究, 不同地区略有差异, 但国内外在对太阳辐射、气温、相对湿度、降水等对O3浓度的影响都有大致相同的结论(Toh et al., 2013；宋从波等, 2016).马文静(2014)对西安市O3污染特征分析表明, 太阳辐射是决定O3产生的关键因素；姜峰等(2016)进一步分析了太阳辐射强度同O3的关系, 认为O3浓度会滞后于太阳辐射强度的变化；Jasaitis等(2016)基于长时间监测, 对辐射强度和O3浓度的实验数据分析后认为, 太阳辐射强度同O3的生成有着密切的关系, 在统计学上具有显著的正相关性.程念亮等(2016)、王开燕等(2012)认为O3浓度与相对湿度、能见度呈负相关, 与气温、风速和日照时数呈正相关.气象因子通过影响光化学反应的发生, 从而引起近地面O3浓度的变化, 因此，研究气象因子对O3污染的影响, 将有助于揭示气象因子对O3污染的规律及其内在变化和联系.
3.4.1 太阳辐射如图 9a所示, 较高的O3浓度主要集中在太阳辐射(SR)较强的情况下.太阳辐射每增加3 MJ·m-2, O3平均浓度增加25 μg·m-3左右, O3浓度超标率也逐渐升高.当太阳辐射小于3 MJ·m-2时, O3平均浓度最低, 仅为(38.6±14.7) μg·m-3, 且没有出现O3超标情况.在太阳辐射高于9 MJ·m-2时, 开始出现O3浓度超标现象, 可见该范围是成渝城市群发生臭氧污染的关键太阳辐射范围.其中, 当太阳辐射大于15.0 MJ·m-2时, O3平均浓度大于100 μg·m-3且超标率为13.9%；当太阳辐射大于21 MJ·m-2时, O3超标率明显增加, 为31.9%.最大O3平均浓度出现在太阳辐射高于24 MJ·m-2时, 高达(149.2±29.4) μg·m-3.进一步研究发现, 太阳辐射大于24 MJ·m-2的情况多发生于春末和夏季, 此时为成渝城市群O3污染较为严重的时候, 这主要是由于春末和夏季气温较高, 太阳辐射强烈, 光化学反应活跃所造成(修天阳等, 2013).
图 9(Fig. 9)
 |
| 图 9 成渝城市群不同辐射总量(a)及气温(b)对应的O3超标率和浓度均值 Fig. 9O3 exceeded rate and average ozone concentration correspond to different solar radiation (SR) range(a) and temperature range(b) in CCUA |
3.4.2 气温由成渝城市群不同气温(T)下O3超标频率(图 9b)可以看出, 当气温高于18 ℃时, O3超标率大于0, 成渝城市群开始出现O3超标现象.当温度高于28 ℃时, O3超标率已经较高, 如当大气温度分别为28~30、32~34 ℃时, O3超标率分别为17.0%和23.7%.O3平均浓度的变化趋势与O3超标率的变化趋势相似, 温度较低时, O3的平均浓度变化较小, 当温度高于18 ℃时, 其增加趋势较为明显, 且当温度高于24 ℃时, O3平均浓度高于100.0 μg·m-3, 并在32~34 ℃时达到最大值135.5 μg·m-3.这是因为温度越高, 太阳辐射越强, 光化学反应的强度增大, 导致光化学反应的产物O3浓度也随之升高(陈漾等, 2017).进一步计算Spearman相关系数可知, O3逐小时浓度与气温的相关系数为0.67, 通过双侧0.01水平的显著性检验.
3.4.3 相对湿度从不同相对湿度(RH)下的O3超标频率(表 1)可以看出, 当相对湿度小于60%时, O3浓度随着相对湿度的增加而增加, 并在相对湿度为50%~60%时, O3浓度达到最大值119.3 μg·m-3.这与安俊琳等(2009)发现的当相对湿度在60%左右时, 光化学反应强度存在极限值这一结论相符.而在RH≥60%时, O3浓度随相对湿度的进一步增加呈现逐渐下降；另一方面, O3超标率同浓度的变化呈现相似的变化趋势, 在相对湿度为40%~60%时, O3超标率呈上升趋势, RH≥60%以后, O3超标率开始出现明显下降, 并RH≥90%以后, 仅有1 d出现O3超标的情况, 表明较高的相对湿度不利于O3的生成.这主要是因为大气中的水汽对O3浓度变化有以下3个方面的影响：一是太阳辐射作为光化学反应发生的重要条件之一, 在水汽的作用下会因消光机制而发生衰减(刘晶淼等, 2003)；二是高湿度有利于O3的干沉降, 从而达到清除O3的作用(Sarah et al., 2017)；三是在较高的湿度条件下, 光化学反应中消耗O3的反应过程占主导(式(1)~(5))(Gallimore et al., 2011).
表 1(Table 1)
| 表 1 2015—2016年成渝城市群不同相对湿度下O3超标频率和浓度均值 Table 1 O3 non-attainment rate and average concentration in different relative humidity in CCUA during 2015 to 2016 | ||||||||||||||||||||||||||||||||||||||||
表 1 2015—2016年成渝城市群不同相对湿度下O3超标频率和浓度均值 Table 1 O3 non-attainment rate and average concentration in different relative humidity in CCUA during 2015 to 2016
| ||||||||||||||||||||||||||||||||||||||||
 |
 | (1) |
 | (2) |
 | (3) |
 | (4) |
 | (5) |
 | (6) |
 | (7) |
 | (8) |
图 10是以NCEP FNL(6 h, 1°×1°)资料为基础数据, 利用WRF模式模拟得到的2015—2016年成渝城市群30 m高度的季节平均流场分布.从图 10可以看出, 成渝城市群特殊的南高北低地形导致北部地区形成了气旋式流场, 致使污染物难以远距离扩散输送并形成涡旋, 在自贡、内江、泸州等城市范围内形成了“污染物滞留区”.春季, 涡旋中心主要在泸州与宜宾交界处；夏季, 受青藏高原夏季风影响, 涡旋中心向西北移动到内江北部和资阳南部一带；秋冬季, 涡旋中心则处于泸州北部与宜宾北部.进一步结合近地面风速观测资料和图 10可以发现, 盆地内城市间逆时针方向的上下风关系, 内江和泸州平均风速较城市群其他区域高, 而内江及乐山盛行北风, 泸州盛行南风, 进而导致自贡和内江交界地带形成了辐合区, O3在风和流场的影响下在自贡和内江附近汇集, 从而导致内江和自贡的O3浓度普遍偏高, 这与图 5以资阳为中心的片状区域O3污染较重的结果相符.同时, 乐山、宜宾和泸州等与内江、自贡接壤的地区也会受到一定的O3局地传输影响.
图 10(Fig. 10)
 |
| 图 10 2015—2016年成渝城市群30 m高度各季节平均流场分布(a.春季, b.夏季, c.秋季, d.冬季) Fig. 10Distribution of mean seasonal flow field over 30 m in CCUA during 2015 to 2016 |
4 结论(Conclusions)1) 2015—2016年成渝城市群O3日最大8 h滑动平均值超过《环境空气质量标准》(GB3095—2012)二级标准限值的总天数为576 d, 15个城市均有不同程度的超标情况, 其中, 成都超标天数最多, 达110 d, 同时成都也是该城市群唯一一个两年O3年度评价均超标的城市.
2) 从时间变化来看, O3月均浓度及超标天数变化趋势相似, 即在5—8月(春末和夏季)O3污染最为严重, 其余月份污染较轻.而从空间分布来看, 成渝城市群O3污染呈片状分布, 由于以资阳为中心的周边区域大气边界层高度较低, 污染扩散能力较弱, 导致该区域O3污染较为严重.
3) O3与颗粒物虽为两种完全不同类型的大气污染物, 但二者存在因季节变化而不同的互相影响机制, 使得冬季O3与颗粒物呈显著负相关, 而在夏季呈显著正相关.另一方面，O3浓度和其前体物NO2和CO的时间变化趋势呈完全相反的情况.
4) 太阳辐射、气温、相对湿度和风速均对O3的浓度变化有一定的影响, 强辐射条件、高温及低湿易形成高浓度的O3, 此外，相对湿度对O3浓度的影响呈先升后降的结果.
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): 944–951. |
| 蔡彦枫. 2012. 长三角城市地区大气颗粒物与臭氧相互作用的观测和数值模拟研究[D]. 南京: 南京大学 |
| 曾胜兰, 王雅芳. 2016. 成都地区污染天气分型及其污染气象特征研究[J]. 长江流域资源与环境, 2016, 25(S1): 59–67. |
| 陈渤黎, 晶璐, 刘银峰, 等. 2017. 2012年-2014年常州市大气污染特征分析研究[J]. 环境科学与管理, 2017(1): 114–119. |
| 陈漾, 张金谱, 黄祖照. 2017. 广州市近地面臭氧时空变化及其与气象因子的关系[J]. 中国环境监测, 2017(4): 1–11. |
| 程念亮, 李云婷, 张大伟, 等. 2016. 2013~2014年北京市NO2时空分布研究[J]. 中国环境科学, 2016, 36(1): 18–26. |
| 郭家瑜, 张英杰, 郑海涛, 等. 2017. 北京2015年大气细颗粒物的空间分布特征及变化规律[J]. 环境科学学报, 2017, 37(7): 2409–2419. |
| Gallimore P J, Achakulwisut P, Pope F D, et al. 2011. Importance of relative humidity in the oxidative ageing of organic aerosols:case study of the ozonolysis of maleic acid aerosol[J]. Atmospheric Chemistry & Physics, 11: 12181–12195. |
| 何沐全, 刘志红, 张颖, 等. 2017. 川南城市群大气灰霾时空分布特征及成因分析[J]. 中国环境科学, 2017, 37(2): 432–442. |
| 贾海鹰, 李矛, 程兵芬, 等. 2017. 长沙市城区臭氧浓度特征研究[J]. 环境科学与技术, 2017, 40(2): 168–173, 199. |
| 姜峰, 王福伟. 2016. 夏季城市臭氧浓度变化规律分析[J]. 环境与可持续发展, 2016, 41(1): 62–64. |
| 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. |
| Jasaitis D, Vasiliauskien V, Chady?ien R, et al. 2016. Surface ozone concentration and its relationship with UV Radiation, meteorological parameters and radon on the eastern coast of the Baltic Sea[J]. Atmosphere, 7(2): 27.DOI:10.3390/atmos7020027 |
| Jia M, Zhao T, Cheng X, et al. 2017. Inverse relations of PM2.5 and O3 in air compound pollution between cold and hot seasons over an urban area of East China[J]. Atmosphere, 8(3): 59. |
| Liao T T, Wang S, Ai J, et al. 2017. Heavy pollution episodes, transport pathways and potential sources of PM2.5 during the winter of 2013 in Chengdu (China)[J]. Science of the Total Environment, 584-585: 1056.DOI:10.1016/j.scitotenv.2017.01.160 |
| 李用宇, 朱彬, 安俊琳, 等. 2013. 南京北郊秋季VOCs及其光化学特征观测研究[J]. 环境科学, 2013, 34(8): 2933–2942. |
| 梁丹, 王彬, 王云琦, 等. 2015. 重庆市冬季PM2.5及气态污染物的分布特征与来源[J]. 环境科学研究, 2015, 28(7): 1039–1046. |
| 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. |
| 马文静. 2014. 西安主城区近地面大气中臭氧浓度时空分布特征分析[D]. 西安: 西安建筑科技大学 |
| 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(1): 25–30. |
| 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, 2016, 36(10): 2903–2912.DOI:10.3969/j.issn.1000-6923.2016.10.004 |
| 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, 48(1): 102–112. |
| Kavassalis S C, Murphy J G. 2017. Understanding ozone-meteorology correlations:A role for dry deposition[J]. Geophysical Research Letters, 44: 2922–2931.DOI:10.1002/2016GL071791 |
| Tang G, Li X, Wang Y, et al. 2009. Surface ozone trend details and interpretations in Beijing, 2001-2006[J]. Atmospheric Chemistry & Physics, 9(22): 8813–8823. |
| 王开燕, 邓雪娇, 张剑, 等. 2012. 广州南沙区O3浓度变化及其与气象因子的关系[J]. 环境污染与防治, 2012, 34(6): 23–26. |
| 王燕丽, 薛文博, 雷宇, 等. 2017. 京津冀地区典型月O3污染输送特征[J]. 中国环境科学, 2017, 37(10): 3684–3691.DOI:10.3969/j.issn.1000-6923.2017.10.009 |
| 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): 4241–4252. |
| 王占山, 李云婷, 陈添, 等. 2014. 北京城区臭氧日变化特征及与前体物的相关性分析[J]. 中国环境科学, 2014, 34(12): 3001–3008. |
| 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. |
| 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, 10: 1582–1596. |
| Wang Y, Hopke P K, Xia X, et al. 2012. Source apportionment of airborne particulate matter using inorganic and organic species as tracers[J]. Atmospheric Environment, 55: 525–532.DOI:10.1016/j.atmosenv.2012.03.073 |
| Xie M, Coons T L, Dutton S J, et al. 2012. Intra-urban spatial variability of PM 2.5-bound carbonaceous components[J]. Atmospheric Environment, 60: 486–494.DOI:10.1016/j.atmosenv.2012.05.041 |
| 肖钟湧, 江洪. 2011. 四川盆地大气NO2特征研究[J]. 中国环境科学, 2011, 31(11): 1782–1788. |
| 谢雨竹, 潘月鹏, 倪长健, 等. 2015. 成都市区夏季大气污染物浓度时空变化特征分析[J]. 环境科学学报, 2015, 35(4): 975–983. |
| 修天阳, 孙扬, 宋涛, 等. 2013. 北京夏季灰霾天臭氧近地层垂直分布与边界层结构分析[J]. 环境科学学报, 2013, 33(2): 321–331. |
| 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. |
| Ying Y T, Lim S F, Glasow R V. 2013. The influence of meteorological factors and biomass burning on surface ozone concentrations at Tanah Rata, Malaysia[J]. Atmospheric Environment, 70(70): 435–446. |
| 张亮, 朱彬, 高晋徽, 等. 2015. 长江三角洲夏季一次典型臭氧污染过程的模拟[J]. 环境科学, 2015, 36(11): 3981–3988. |
| 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, 58(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 |
| 周勤迁, 张世春, 陈卫卫, 等. 2014. 长春市大气SO2、O3和NOx的变化特征及来源[J]. 环境科学研究, 2014, 27(7): 768–774. |
| Zeng S L, Zhang Y, et al. 2017. The effect of meteorological elements on continuing heavy air pollution:A case study in the Chengdu Area during the 2014 Spring Festival[J]. Atmosphere, 8(4): 71. |
| Zhang Y, Liu Z H, Lv X T, et al. 2016. Characteristics of the transport of a typical pollution event in the chengdu area based on remote sensing data and numerical simulations[J]. Atmosphere, 7(127): 1–16. |
