, 李思杰2, 刘鹏飞2, 孔云峰1,2, 宋宏权1,2,3,4
1. 黄河中下游数字地理技术教育部重点实验室, 开封 475004;
2. 河南大学环境与规划学院, 开封 475004;
3. 河南大学城市大数据研究所, 开封 475004;
4. 河南省大气污染综合防治与生态安全重点实验室, 开封 475004
收稿日期: 2017-08-23; 修回日期: 2017-10-06; 录用日期: 2017-10-06
基金项目: 国家自然科学基金（No.41401107）；河南大学科技成果转化项目（No.2015YBZH001）；河南省政府决策研究课题（No.2016B088）；河南省基础前沿与技术研究项目（No.162300410132）
作者简介: 李霄阳(1992-), 女, E-mail:xyli1027@gmail.com
通讯作者（责任作者）: 宋宏权(1986―), 男, 副教授, 主要从事地理信息科学、地表过程建模与模拟、视频GIS等研究, E-mail:hqsong@henu.edu.cn
摘要: 随着城市化进程的加快和机动车保有量的急剧增加，导致我国很多地区臭氧（O3）前体物（挥发性有机物和氮氧化物）排放量显著增加，臭氧污染现象日益突出.臭氧污染对人体健康、植被生长、生态环境等具有重要影响，已成为学术界研究的热点.为揭示全国尺度近地面臭氧的时空变化规律，本文基于2016年中国364个城市的监测数据分析了中国城市O3浓度的时空变化特征，并采用Global Moran's I和Getis-Ord Gi*指数，揭示了2016年中国城市O3污染的空间集聚和冷热点区域的时空特征.结果表明，在全国尺度上，2016年中国城市年均O3浓度为100.2 μg·m-3，北方城市和南方城市O3浓度分别具有显著的倒"V"和"M"型月变化规律，且呈现夏季高、春秋季居中、冬季最低的特征；中国城市O3浓度具有显著的空间分异规律，中部和东部是O3污染的高发区，西部地区和黑龙江省的O3污染处于较低水平；中国城市O3浓度具有显著的集聚性特征，且呈现1-5月由南向北而6-12月由北向南扩展的年周期循环特征，热点地区主要集中在华北、华中和华东地区.
关键词:中国城市大气污染空气质量臭氧浓度时空特征
Spatial and temporal variations of ozone concentrations in China in 2016
LI Xiaoyang1,2,3
, LI Sijie2, LIU Pengfei2, KONG Yunfeng1,2, SONG Hongquan1,2,3,4 1. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions, Ministry of Education, Kaifeng 475004;
2. College of Environment and Planning, Henan University, Kaifeng 475004;
3. Institute of Urban Big Data, Henan University, Kaifeng 475004;
4. Henan Key Laboratory of Integrated Air Pollution Control and Ecological Security, Kaifeng 475004
Received 23 August 2017; received in revised from 6 October 2017; accepted 6 October 2017
Supported by the National Natural Science Foundation of China (No.41401107), the Research Program of Henan University (No.2015YBZH001), the Research Program on Decision-making of Government in Henan Province (No.2016B088) and the Research Program on Basic Science and Technology of Henan Province (No.162300410132)
Biography: LI Xiaoyang(1992―), female, E-mail:xyli1027@gmail.com
*Corresponding author: SONG Hongquan, E-mail:hqsong@henu.edu.cn
Abstract: Near-ground ozone (O3) is one of the most hazardous air pollutants as it harms both human health and plant productivity. Ozone precursor emissions have increased significantly in most parts of China, following the acceleration of the urbanization process and the rapid increase in motor vehicle ownership. The ozone pollution has become increasingly prominent in China. In this study, we investigated spatial and temporal variations of O3 concentrations and its agglomeration in China using indexes of Moran's I and Getis-Ord Gi* based on observed ozone concentration datasets from 364 cities in 2016. China's O3 pollution was particularly serious and covered most parts of China in 2016.The average O3 concentration was 100.2 μg·m-3 at the regional scale. Monthly O3 concentrations in northern and southern China showed significant variations and with patterns of inverted "V" and "M", respectively. In regions of northern and southern China, the O3 concentration is high in summer and is low in winter. O3 concentration had large spatial differences in China. The O3 pollution was mainly distributed in central and eastern China. In regions of western China and Heilongjiang, however, the O3 concentration was at low levels. The O3 concentration has significant characteristics of agglomeration in China. Hot spots were mainly distributed in northern, central, and eastern China. Results of this study could provide scientific basis for air quality management in China.
Key words: Chinaair pollutionair qualityozone concentrationspatial-temporal variations
1 引言(Introduction)近地面臭氧(O3)是由少量天然源和大量人为源造成的氮氧化合物(NOx)和挥发性有机物(VOCs), 在一定光照条件下经过一系列复杂的光化学反应产生(唐孝炎等, 2016; 黄亮, 2014; 秦瑜等, 2004).随着经济的快速发展和城镇化进程的日益加快, 我国城市臭氧浓度急剧上升, 很多城市的臭氧浓度存在超标问题, 已成为继PM2.5后影响城市空气质量的一种重要二次污染物.近地面臭氧污染可危害人体健康与植被生长(潘光等, 2013; 张远航等, 1998), 同时可加速颗粒物等污染物的形成, 进而影响重污染天气发生的频率和强度(程麟钧等, 2017).
受排放源强度、位置及气象条件等诸多因素影响(朱毓秀等, 1994), 臭氧污染呈明显的区域化特点.研究近地面臭氧浓度的时空特征, 可进一步深入了解我国臭氧污染的特点与成因机制, 相关****利用观测(王雪梅等, 2003; Tang et al., 2012; 王占山等, 2014)、遥感(Chen et al., 2014; Jin et al., 2015; 单源源等, 2016)与模式模拟(Fu et al., 2012; Hu et al., 2016)等数据与方法, 研究了我国臭氧污染的时空格局及机理.以上研究主要集中在单个城市或污染较为严重的京津冀、珠三角、长三角等地区, 由于近地面观测数据的缺乏, 利用监测数据对区域性与全国尺度O3浓度时空特征的研究相对较少(段玉森等, 2011; Wang et al., 2017; 李礼等, 2017).
自2013年以来, 国家环境保护部在300多个城市布设了1497个国控监测站点, 开展包括SO2、NO2、PM10、PM2.5、CO和O3等6种空气污染物的常规监测, 为在区域与全国尺度利用近地面连续监测数据开展O3污染时空特征研究提供了条件.本文选取2016年具有完整O3浓度监测数据的364个城市, 建立空间数据统计模型对中国主要城市的O3污染进行评价, 以揭示中国城市O3浓度的时空变化与空间集聚特征.此研究对于从整体上了解近地面臭氧的时空特征与时空演化规律具有重要参考价值.
2 数据来源与方法(Materials and methods)2.1 数据来源及评价标准本文的研究区域为中国大陆(不包括台湾、香港和澳门), 数据为2016年中国环境监测总站发布的364个城市O3浓度监测日值.根据《GB3095—2012环境空气质量标准》(国家环境保护部, 2012), 本文的O3浓度日均值指日最大8 h平均值(连续8 h O3平均浓度的算术平均值), 月均值指一个日历月内各日最大8 h平均浓度的算术平均值, 季均值指一个日历季内各日最大8 h平均浓度的算术平均值, 年均值指一个日历年内各日最大8 h平均浓度的算术平均值.春季为3—5月(92 d), 夏季为6—8月(92 d), 秋季为9—11月(91 d), 冬季为12、1和2月(91 d).O3浓度限值根据功能区不同具有不同的标准, 一类环境功能区为自然保护区、风景名胜区和其他需要特殊保护的区域, O3浓度日最大8 h平均限值为100 μg·m-3；二类环境功能区为居住区、商业交通居民混合区、文化区、工业区和农村等地区, O3浓度日最大8 h平均限值为160 μg·m-3.我国新实施的《HJ663-2013环境空气质量评价技术规范(试行)》(国家环境保护部, 2013)要求, “日评价”以各城市O3日最大8 h平均浓度判定每日达标情况, “年评价”以各城市O3日最大8 h滑动平均值的第90百分位数判定年达标情况.
根据《GB3095-2012环境空气质量标准》和《HJ663-2013环境空气质量评价技术规范(试行)》的O3浓度数据规范与标准, 本文对O3数据的有效性进行筛选：在计算年均值时, 若某监测点全年数据少于324个O3日最大8 h平均值, 则认为该监测点全年数据无效并将其剔除；计算月均值时, 若监测点当月数据少于27个O3日最大8 h平均值(2月份少于25个O3日最大8 h平均值), 则认为当月数据无效并剔除(国家环境保护部, 2012；2013).本文讨论的超标率是指在一定时段内, O3浓度评价为超标的百分比.
为便于对结果的讨论与分析, 基于地理、气候、经济等多方面因素的考虑, 本文根据中国地理区域划分方法(孙继琼, 2009), 将全国划分为东北地区、华北地区、华中地区、华东地区、华南地区、西北地区、西南地区等七大区域.
2.2 O3浓度空间集聚分析方法地理学第一定律认为任何事物在空间上都是相关联的, 距离越近相关性越强(Tobler, 1970), 即空间自相关(Moran, 1948; Getis, 1991).O3的空间分布受污染源位置、光照、温度、湿度、风速、风向等因素影响, 其空间格局呈明显的相互依赖性, 本文利用空间自相关理论与方法, 分析和解释O3浓度的空间集聚和变化规律(周天墨等, 2013).
2.2.1 Global Moran′s I指数由于近地面O3在空间上连续分布, 同时全国各城市的光化学反应前体物在大气中相互影响, 利用Global Moran指数I来检验O3在全国尺度的空间自相关性(Michael et al., 1993).计算公式如下：
 | (1) |
 | (2) |
 | (3) |
 | (4) |
 | (5) |
2.2.2 基于Getis-Ord Gi*的O3浓度热点分析Global Moran′s I指数虽然从整体上可反映O3浓度的空间相关性, 但无法反映某城市与其他城市间的相关关系及相关程度.在局部区域选取Getis-Ord Gi*指数(Ord et al., 1995), 通过分析局部区域信息可判断区域内的空间异质性, 确定O3浓度的冷点与热点区域, 反映某区域与相邻区域的关联程度.计算公式如下:
 | (6) |
 | (7) |
 | (8) |
3 2016年中国城市O3浓度总体评价(Overall evaluation of O3 concentration in China in 2016)3.1 中国城市O3浓度年评价2016年中国364个城市O3日最大8 h第90百分位浓度空间分布如图 1所示, 年均浓度为82~259 μg·m-3, 所有城市年均浓度为158 μg·m-3.根据二类环境功能区统计(160 μg·m-3), 共有164个城市O3年均浓度超标, 占45.1%.超标城市主要集中在华东地区北部、华北地区、华中地区北部、东北地区南部、西北地区东部部分城市、川渝地区及珠江三角洲地区.若按一类环境功能区统计(100 μg·m-3), 共有354个城市超标, 占97.3%, 仅玉树州、六盘水、黑河、鸡西、大兴安岭地区、甘孜州、阿里地区、迪庆州、那曲地区、双鸭山等10个城市达标.
图 1(Fig. 1)
 |
| 图 1 2016年中国城市O3日最大8 h浓度第90百分位空间分布 Fig. 1Spatial distribution of Chinese cities′ 90th percentile of maximum daily 8-hour O3 concentrations in 2016 |
3.2 中国城市O3浓度日评价依据一级标准限值(100 μg·m-3), 中国城市O3浓度日超标率为2.19%~90.44%, 平均超标率为44.65%.超标率在50%以上的城市有157个, 其中, 超标率最高的10个城市为：海北州(90.44%)、果洛州(80.05%)、阿拉善盟(78.14%)、海南州(71.98%)、嘉峪关(70.49%)、菏泽(68.03%)、胶州(67.49%)、朔州(66.94%)、张掖(66.67%)、胶南(66.12%).若按二级标准限值(160 μg·m-3), 则中国城市O3浓度日超标率为0~36.61%, 主要集中在华北地区东南部、华东地区北部和东部、华中地区北部及西北地区东南部, 其中，泰安、章丘、宜兴、德州、东营、成都等27个城市的超标率较高, 达25%以上.
4 2016年中国城市O3浓度时空特征(Spatial and temporal variations of O3 concentration in China in 2016)4.1 时间变化趋势本文将全国城市视为二类环境功能区, 即按O3浓度日最大8 h限值160 μg·m-3进行讨论分析.2016年中国364个城市O3年均浓度为100.2 μg·m-3, 有196个城市的年均浓度值大于100.2 μg·m-3, 最高的10座城市为宜兴(140.87 μg·m-3)、章丘(136.73 μg·m-3)、海北州(133.15 μg·m-3)、泰安(132.80 μg·m-3)、胶州(132.59 μg·m-3)、菏泽(131.78 μg·m-3)、东营(131.10 μg·m-3)、湖州(130.5 μg·m-3)、胶南(130.04 μg·m-3)、平度(128.47 μg·m-3).高污染地区主要集中在华东与华北地区, O3浓度年均值分别为106.43和104.27 μg·m-3, 华中(103.78 μg·m-3)与西北地区(102.06 μg·m-3)次之, 华南、东北与西南地区O3浓度较小, 年均O3浓度分别为94.53、92.76和90.66 μg·m-3.
4.1.1 季节性变化规律我国城市O3污染具有明显的季节性特征(图 2a), 除冬季外, 其他3个季节均有O3污染现象.夏季全国气温较高, 受太阳辐射的影响, 氮氧化物和挥发性有机物的光化学反应加剧(陈世俭等, 2005; 徐家骝等, 1994), 导致夏季O3浓度较高(121.83 μg·m-3).东北(图 2b)、华北(图 2c)和西北(图 2d)地区O3浓度均呈现夏高冬低、春秋居中的季节性变化规律, 而华东(图 2e)、华中(图 2f)和西南(图 2h)地区O3浓度则呈现春秋高、夏季减弱、冬季最低的季节性规律.华南地区(图 2g)城市O3浓度超标时间跨度大, 全年均可能发生O3污染.
图 2(Fig. 2)
 |
| 图 2 2016年中国城市O3浓度时间变化规律 Fig. 2Trends in daily and monthly ozone concentrations of Chinese cities in 2016 |
4.1.2 月度变化规律气象条件和污染物排放强度具有明显的月际变化特征且可直接影响O3浓度.5—10月为中国城市O3污染高发时段, 且不同地区O3污染时间跨度和峰值出现时间具有明显差异.东北(图 2b)、华北(图 2c)和西北地区(图 2d)城市月均O3浓度呈倒“V”型变化特征.东北地区1—5月O3浓度呈逐渐上升趋势, 6—12月逐渐下降, 峰值出现在5月(192.15 μg·m-3).华北与西北地区1—6月O3浓度呈上升趋势, 7—12月呈下降趋势, 峰值出现在6月, 分别为204.00和153.58 μg·m-3.受南方梅雨季节的影响, 华东、华中、西南和华南地区城市O3浓度月变化基本呈“M”型规律.华东地区(图 2e)1—5月O3浓度呈稳定上升趋势, 5月出现第1个峰值(174.88 μg·m-3), 6—8月O3浓度略有降低但基本平稳, 9月出现第2个峰值(196.20 μg·m-3).华中地区(图 2f)1—6月O3浓度逐步上升, 6月出现第1个峰值(166.79 μg·m-3), 随后下降并上升至9月出现第2个峰值(199.37 μg·m-3), 10—12月快速下降.西南地区1—5月O3浓度呈逐渐上升趋势并于5月出现最大值(143.85 μg·m-3), 之后逐步下降, 在8月出现第2个峰值(139.81 μg·m-3).华南地区全年基本平稳, 月均O3浓度波动较小, 两个峰值分别出现在5月和9月.
4.2 空间分异特征4.2.1 2016年O3浓度空间分异规律按O3浓度全年日均值超标率统计, 全国364个城市O3浓度超标率为0~36.61%.其中, 华中地区中北部和华东地区的泰安、章丘、宜兴、德州、东营等14个城市日最大8 h O3浓度超标天数大于100 d.150个城市超标36~100 d, 主要集中在东北地区中南部、华北地区大部、华中地区中北部、华东地区中北部、华南地区东南部的珠三角地区和西北地区的中东部.西南地区的楚雄州、毕节、林芝等12个城市的O3浓度不超标(图 3).
图 3(Fig. 3)
 |
| 图 3 中国城市O3浓度日均值超标率空间分布 Fig. 3Spatial distribution of daily average exceeding rate of O3 concentrations in China |
4.2.2 O3浓度季节性空间变化规律按季节统计全国城市的O3日最大8 h平均值超标率, O3浓度具有明显的季节性特征(图 4).夏季364个城市日最大8 h O3浓度超标率范围为0~70.33%.超标率50%以上的27个城市主要集中在华北和山东半岛, 其中, 山东半岛占13个；超标率25%以上的140个城市主要分布在东北地区南部、华北地区大部、华中地区北部、华东地区北部、西北地区东部、珠三角及成渝地区；超标率10%以上的218个城市遍布整个中国的中部和东部(图 4b).春季O3浓度超标率(0~43.48%)小于夏季, 超标25%以上的67个城市主要集中在华北地区、华中地区北部、华东地区中北部及川渝地区(图 4a).秋季O3污染程度和范围均小于春季(0~36.26%), O3污染城市较春季南移, 其中, 超标率25%以上的17个城市主要集中在华东地区北部和珠三角地区(图 4c).冬季O3浓度超标率范围为0~7.69%, 仅珠三角地区的5个城市超标率大于5%, 全国大部分城市均无O3污染现象(图 4d).
图 4(Fig. 4)
 |
| 图 4 中国城市O3浓度日均值超标率季节性空间分布 Fig. 4Seasonal variations of daily average exceeding rates of O3 concentrations in China |
4.2.3 O3浓度月度空间变化规律通过分析2016年全国364个城市逐月O3浓度的空间分布(图 5), 可知1月和2月O3污染范围较小, O3浓度平均超标率分别为0.2%和0.5%.O3浓度超标率在3月、4月和5月逐步上升, 超标率分别为5.3%、12.3%和20.4%, 其中, 华北地区南部、华东地区中北部、华中地区北部、西南地区中南部、华南地区南部和西北地区北部的O3污染范围逐步扩大.O3污染在6月范围最广, O3浓度平均超标率达23.0%, 超标率在25%以上的城市有137个, 主要集中在东北地区南部、华北地区大部、华中地区北部、华东地区中北部、西南的川渝地区、西北地区东部和西部的阿克苏与吐鲁番地区.O3浓度平均超标率在7月、8月和9月分别为20.0%、18.9%和21.3%, O3污染范围开始逐步缩小并由北向南转移, 其中, 东北地区南部、华北地区北部、西北地区中东部、西南地区的污染范围持续缩小, 而华中地区、华东地区和华南地区南部污染范围不断扩大.O3浓度平均超标率在10月、11月和12月分别为4.1%、1.3%和0.8%, 污染范围较9月急剧缩小且主要集中在华南地区南部.
图 5(Fig. 5)
 |
| 图 5 中国城市O3浓度日均值超标率月度空间分布 Fig. 5Monthly spatial distributions of daily average exceeding rates of O3 concentrations in China |
5 2016年中国城市O3浓度空间集聚特征(Spatial agglomeration of China′s O3 concentrations in 2016)5.1 O3浓度空间自相关检验运用ArcGIS 10.3 Desktop的Spatial Autocorrelation Model工具, 分别对2016年中国364个城市O3浓度的年度、季度、月度数据进行空间自相关检验.通常情况下, 分析要素处于[-2.58, 2.58]的置信区间内, 反映置信度为99%的统计显著性；分析要素处于[-1.96, 1.96]的置信区间内, 反映置信度为95%的统计显著性；分析要素处于[-1.65, 1.65]的置信区间内, 反映置信度为90%的统计显著性.Z(I)>2.58表明O3浓度空间单元间具有正空间自相关性；-2.58 < Z(I) < 2.58表明O3浓度的空间自相关性不明显；Z(I) < -2.58则表示O3浓度空间单元存在负的空间自相关性.表 1与表 2结果显示, Moran′s I指数均为正值, 且Z(I)>2.58, 均通过1%水平的显著性检验, 表明中国城市O3浓度存在显著的空间正相关.
表 1(Table 1)
| 表 1 2016年中国城市O3浓度季度空间自相关指数 Table 1 Spatial autocorrelation index of seasonal average O3 concentrations of Chinese cities in 2016 | ||||||||||||||||||
表 1 2016年中国城市O3浓度季度空间自相关指数 Table 1 Spatial autocorrelation index of seasonal average O3 concentrations of Chinese cities in 2016
| ||||||||||||||||||
 |
表 2(Table 2)
| 表 2 2016年中国城市O3浓度月度空间自相关指数 Table 2 Spatial autocorrelation index of monthly average O3 concentrations of Chinese cities in 2016 | |||||||||||||||||||||||||||||||||||||||
表 2 2016年中国城市O3浓度月度空间自相关指数 Table 2 Spatial autocorrelation index of monthly average O3 concentrations of Chinese cities in 2016
| |||||||||||||||||||||||||||||||||||||||
|
5.2 2016年O3浓度空间集聚特征全年的Z(I)指数为25.68, 表明O3浓度在空间上呈集聚态势.图 6显示, 热点主要集中在华北地区、东北地区南部、西北地区东部、华中地区北部及华东地区的中部和北部；冷点主要集中在新疆北部、东北地区北部、西南地区中南部、华南地区；东北地区中部、西北地区中南部、华中地区中部、华东地区南部及西南地区北部的分散监测城市O3空间自相关性不明显.由此表明, O3浓度在华北地区、华中地区北部、东部沿海地区形成了较为稳定和持续的污染城市群.
图 6(Fig. 6)
 |
| 图 6 2016年中国城市O3浓度空间集聚 Fig. 6Spatial agglomeration of Chinese cities′ annual O3 concentrations in 2016 |
5.3 O3浓度季节性空间集聚特征气象条件尤其是气温对近地面O3浓度具有重要影响, 不同季节由于太阳辐射强度的变化导致O3浓度集聚性具有较大的季节性差异, 并呈现周期性变化.春季热点城市主要分布在东北地区南部、华北地区、西北地区东部、华中地区北部及华东地区北部(图 7a)；夏季热点城市分布范围进一步扩大, 且由东部沿海向内陆地区扩展, 表明夏季由于太阳辐射引起的O3前体物光化学反应增强(图 7b)；秋季热点城市范围急剧缩小且向东南沿海方向扩散, 主要集中在华北地区、华东地区、华中地区北部及华南地区南部(图 7c)；冬季热点城市范围进一步缩小并继续向南扩展, 主要集中在西南地区南部部分城市、华东地区南部和华南地区(图 7d).春季(图 7a)与夏季(图 7b)的冷点区域主要集中在西南与华南地区；秋季冷点城市集中在西南地区、东北地区及北疆地区(图 7c)；冬季冷点城市主要集中在东北地区、华北地区、新疆北部、华中地区北部及华东地区北部(图 7d).除西北地区北部和东北地区北部部分城市外, 全国没有稳定而持续的O3浓度优良区.
图 7(Fig. 7)
 |
| 图 7 2016年中国城市O3浓度季度空间集聚 Fig. 7Spatial agglomeration of Chinese cities′ seasonal O3 concentrations in 2016 |
图 8(Fig. 8)
 |
| 图 8 2016年中国城市O3浓度月度空间集聚 Fig. 8Spatial agglomeration of Chinese cities′ monthly O3 concentrations in 2016 |
5.4 O3浓度月度空间集聚特征从月份来看, 中国城市O3浓度的空间集聚性呈现更显著的周期性变化规律.1月热点城市主要集中分布在西南地区与西北地区中东部, 而在华北、华中及华南地区冷点占主导地位, 东部地区以无特征点居多.2月全国以无特征点为主, 热点城市主要集中在华东与华中地区, 冷点城市集中在东北地区.3—7月热点城市集中分布在我国中东部, 且其污染范围由东向西逐步扩大, 形成了稳定的O3污染区域；冷点城市主要集中在西南地区东部、华中地区南部与华南地区；西北地区和东北地区城市的O3浓度空间自相关不明显.8月与9月热点区域主要集中在华北地区、华中地区和华东地区, 且其范围逐步缩小并向南转移, 在9月华南地区城市O3浓度的空间自相关性不显著.随着全国气温降低, 太阳辐射强度减弱, 10—12月热点城市进一步向南转移, 全国城市O3浓度以冷点和无特征点为主, 由于华南地区为热带气候, 冬季太阳辐射仍旧强烈, 导致热点城市集中分布在华南地区.
6 结论(Conclusions)1) 2016年中国364个城市O3污染较为严重, 主要分布在华北地区、华中地区北部、华东地区北部、东北地区南部、西北地区东部、川渝地区及珠三角地区.
2) 中国北方和南方城市O3浓度分别具有显著的倒“V”形和“M”形月变化规律, 且南方地区超标时间跨度较大, 这与南方地区高温天气持续时间较久密不可分.全国城市平均超标天数为39 d, 夏季最多、春秋次之、冬季最少, 其中, 5、6、7和9月O3浓度超标率均在20%以上, 4月和8月在10%~20%之间, 而1、2、3、10、11和12月低于10%, 严重O3污染天气集中在6月.
3) 2016年中国城市O3浓度呈现显著的空间分异特征.华北地区、华中地区北部、华东地区北部是2016年的O3高污染区域, 年均超标天数均超过了50 d；东北、西北与华南地区次之, 超标天数在27 d左右；西南地区城市的O3污染水平较低, 年均超标天数为20 d.2016年中国O3污染具有季节性和月度空间变化规律, 其中, 夏季污染范围最广, 春秋次之, 冬季最小, 1月O3污染主要集中在西南地区与西北地区中东部, 从2月开始O3污染范围逐步扩大, 6月O3污染范围最大, 然后从东北地区南部、华北地区、西北地区东部、华中地区北部、华东地区北部逐渐由北向南转移至华南地区, 且范围不断缩小.
4) 2016年中国城市O3浓度具有显著的空间集聚特征, 东部沿海及中部内陆地区是O3污染的核心区域.中国城市O3浓度具有季节性和月度周期性变化特征, 春季O3污染主要集中在华北地区、华中地区北部及华中地区南部, 夏季由东部沿海向西部内陆扩大, 秋季由西北向东南沿海转移, 冬季主要集中在华南地区、华东地区及西南地区南部.1—7月O3污染区域由东部沿海逐步向北、向西扩张, 7—9月污染范围开始向长江以南缩小, 10—12月主要聚集在华南地区.
本文分析了2016年我国城市臭氧污染物的时空变化规律和空间集聚特征, 由于O3污染的形成机理复杂, 前体物浓度、排放强度及与气象条件等诸多因素均可影响臭氧浓度, 需进一步研究各影响因子间的相互作用关系.只有充分揭示不同地区O3的成因及来源, 量化O3污染的主导因子, 才能有效提高O3污染的防控途径.因此, 加强我国近地面臭氧的监测, 研究多时空尺度下不同区域臭氧污染的形成机理与主导因素, 是未来应对臭氧污染亟待解决的科学问题.
参考文献
| Chen L, Yu B, Chen Z, et al. 2014. Investigating the temporal and spatial variability of total ozone column in the Yangtze River Delta using satellite data:1978-2013[J]. Remote Sensing, 6(12): 12527–12543.DOI:10.3390/rs61212527 |
| 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. |
| 程麟钧, 王帅, 宫正宇. 2017. 2017, 京津冀区域臭氧污染趋势及时空分布特征[J]. 中国环境监测, 2017, 33(1): 14–21. |
| 段玉森, 张懿华, 王东方, 等. 2011. 我国部分城市臭氧污染时空分布特征分析[J]. 环境监测管理与技术, 2011, 23(S1): 34–39. |
| Fu Y, Liao H. 2012. Simulation of the interannual variations of biogenic emissions of volatile organic compounds in China:Impacts on tropospheric ozone and secondary organic aerosol[J]. Atmospheric Environment, 59(7): 170–185. |
| Getis A. 1991. Spatial interaction and spatial autocorrelation:Across-product approach[J]. Environment and Planning A, 23(9): 1269–1277.DOI:10.1068/a231269 |
| 国家环境保护部. 2012. 中华人民共和国国家环境保护标准(GB3095-2012)环境空气质量标准[EB/OL]. 2017-08-23. http://kjs.mep.gov.cn/hjbhbz/bzwb/dqhjbh/dqhjzlbz/201203/t20120302_224165.shtml |
| 国家环境保护部. 2013. 中华人民共和国国家环境保护标准(HJ 663-2013)环境空气质量评价及数规范(试行)[EB/OL]. 2017-08-23. http://kjs.mep.gov.cn/hjbhbz/bzwb/jcffbz/201309/t20130925_260809.shtml |
| Hu J, Chen J, Ying Q, et al. 2016. One-year simulation of ozone and particulate matter in China using WRF/CMAQ modeling system[J]. Atmospheric Chemistry & Physics, 16(16): 10333–10350. |
| 黄亮. 2014. 我国臭氧污染特征及现状分析[J]. 环境保护与循环经济, 2014, 34(5): 64–66. |
| Jin X, Holloway T. 2015. Spatial and temporal variability of ozone sensitivity over China observed from the ozone monitoring instrument[J]. Journal of Geophysical Research Atmospheres, 120(14): 7229–7246.DOI:10.1002/2015JD023250 |
| 李礼, 王帅, 宫正宇, 等. 2017. 我国城市空气臭氧监测与污染特征分析[J]. 环境科学导刊, 2017, 36(2): 121–126. |
| Michael G, Robert H, Stephen W, et al. 1993. Integrating GIS and spatial data analysis:problems and possibilities[J]. Geographical Information Systems, 6(6): 407–423. |
| Moran P A P. 1948. The interpretation of statistical maps[J]. Journal of the Royal Statistical Society, 10(2): 243–251. |
| Ord J K, Getis A. 1995. Local spatial autocorrelation statistics:distributional issues and an application[J]. Geographical Analysis, 27(4): 286–306. |
| 潘光, 潘齐, 张广卷. 2013. 臭氧污染的危害及开展臭氧监测的意义[C]. 中国环境科学学会2013年学术年会. 昆明: 6224-6228 |
| 秦瑜, 赵春生. 2004. 大气化学基础[J]. 气象, 2004, 30(4): 64–64. |
| 单源源, 李莉, 刘琼, 等. 2016. 基于OMI数据的中国中东部臭氧及前体物的时空分布[J]. 环境科学研究, 2016, 29(8): 1128–1136. |
| 孙继琼. 2009. 中国农业公共投资绩效的空间差异-基于7大区域的实证研究[J]. 中南财经政法大学学报, 2009(2): 57–61. |
| Tang G, Wang Y, Li X, et al. 2011. Spatial-temporal variations of surface ozone and ozone control strategy for northern China[J]. Atmospheric Chemistry & Physics, 11(9): 26057–26109. |
| 唐孝炎, 张远航, 邵敏. 2006. 大气环境化学(第2版)[M]. 北京: 高等教育出版社. |
| Tobler W R. 1970. A computer movie simulating urban growth in the detroit region[J]. Economic Geography, 46(Supp 1): 234–240. |
| Wang W N, Cheng T H, Gu X F, et al. 2017. Assessing spatial and temporal patterns of observed ground-level ozone in China[J]. Scientific Reports, 7(1): 3651.DOI:10.1038/s41598-017-03929-w |
| 王雪梅, 韩志伟, 雷孝恩. 2003. 广州地区臭氧浓度变化规律研究[J]. 中山大学学报(自然科学版), 2003, 42(4): 106–109. |
| 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分析[J]. 中国环境科学, 2014, 34(12): 3001–3008. |
| 徐家骝, 朱毓秀. 1994. 气象因子对近地面臭氧污染影响的研究[J]. 大气科学, 1994, 18(6): 751–757. |
| 张远航, 邵可声, 唐孝炎, 等. 1998. 中国城市光化学烟雾污染研究[J]. 北京大学学报:自然科学版, 1998, 34(2): 392–400. |
| 周天墨, 付强, 诸云强, 等. 2013. 空间自相关方法及其在环境污染领域的应用分析[J]. 测绘通报, 2013(1): 53–56. |
| 朱毓秀, 徐家骝. 1994. 近地面臭氧污染过程和相关气象因子的分析[J]. 环境科学研究, 1994, 7(6): 13–18. |
