删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

中国典型城市臭氧与二次气溶胶的协同增长作用分析

本站小编 Free考研考试/2021-12-31

李红丽1,2, 王杨君1,2, 黄凌1,2, 刘子义1,2, 汪午1,2, 冯加良1,2, 徐健1,2, 张坤1,2, 李莉1,2
1. 上海大学, 环境与化学工程学院, 上海 200444;
2. 上海大学, 有机复合污染控制工程教育部重点实验室, 上海 200444
收稿日期: 2020-04-20; 修回日期: 2020-06-09; 录用日期: 2020-06-09
基金项目: 国家科技部重点研发计划项目(No.2018YFC0213600);上海市科技创新行动计划支持项目(No.19DZ1205007);国家自然科学基金(No.41875161)
作者简介: 李红丽(1996-), 女, E-mail:1241278150@qq.com
通讯作者(责任作者): 王杨君, E-mail:yjwang326@shu.edu.cn

摘要:大气PM2.5和O3是中国城市大气中最受关注的大气污染物,它们之间存在着复杂的影响关系.本文将O3,max作为光化学活性指标,把CO作为一次排放源的示踪剂,对2017年4—10月期间北京、上海和广州的臭氧与二次气溶胶的协同增长关系进行深入分析.研究结果表明,不同光化学活性条件下,3个城市在协同增长时段PM2.5质量浓度增长量的均值与估算二次气溶胶质量浓度的变化趋势基本一致;北京和广州在春季、秋季出现协同增长的小时数较多,且北京在各光化学活性水平下的协同增长时段中PM2.5浓度增长量均最大;出现PM2.5和O3协同增长现象时段中上海市风速最大,广州市气温最高,北京市相对湿度范围最大;随着光化学活性的增强,上海和广州两市二次气溶胶的生成量呈倍数增加,其生成量范围分别为13.6~29.2 μg·m-3和9.1~28.7 μg·m-3,北京市二次气溶胶的生成量则变化不大(25.0~34.0 μg·m-3),但各光化学活性水平下的北京二次气溶胶生成量均高于上海和广州.这些研究结果表明北京、上海和广州3个城市的O3污染对二次气溶胶生成协同增长作用明显,而且北京尤其值得关注.
关键词:光化学活性PM2.5臭氧二次气溶胶协同作用
Analysis of synergistic growth effects between ozone and secondary aerosol in typical cities in China
LI Hongli1,2, WANG Yangjun1,2, HUANG Ling1,2, LIU Ziyi1,2, WANG Wu1,2, FENG Jialiang1,2, XU Jian1,2, ZHANG Kun1,2, LI Li1,2
1. School of Environmental and Chemical Engineering, Shanghai University, Shanghai 200444;
2. Key Laboratory of Organic Compound Pollution Control Engineering of Ministry of Education, Shanghai University, Shanghai 200444
Received 20 April 2020; received in revised from 9 June 2020; accepted 9 June 2020
Abstract: Fine particulate matters (PM2.5) and ozone have been the most concerned air pollutants in China and there is a complex relationship between them. In this study,daily ozone maximum concentrations (O3,max) was used as an indicator of photochemical activity,and CO was used as a tracer for primary emission. The synergetic relationship between ozone and secondary aerosols in Beijing,Shanghai,and Guangzhou during April-October 2017 was analyzed. The results indicate that under different photochemical activities,the pattern of average growth of PM2.5 mass concentration was consistent with the estimated secondary aerosol formation in these three cities during the synergistic growth period; There were the most hours of synergetic growth in spring and autumn for Beijing and Guangzhou,and Beijing had the largest increase in PM2.5 concentration during the synergistic growth period under various photochemical activity levels; Shanghai had the highest wind speed while Guangzhou and Beijing have the highest temperature and the largest range of change in relative humidity,respectively,during the period of synergistic growth. With the enhancement of photochemical activity,the average concentrations of secondary aerosols generated in Shanghai and Guangzhou increased exponentially,with the ranges of 13.6~29.2 μg·m-3 and 9.1~28.7 μg·m-3,respectively,but Beijing did not change much (25.0~34.0 μg·m-3). Under every photochemical activity level,the average concentration of secondary aerosols produced in Beijing was higher than those in Shanghai and Guangzhou. These results indicate that the synergistic growth effects of O3 on secondary aerosol formation in Beijing,Shanghai,and Guangzhou are significant,and the Beijing is of particular concern.
Keywords: photochemical activityPM2.5ozonesecondary aerosolsynergistic effects
1 引言(Introduction)自2013年严重灰霾事件发生后, 中国以细颗粒物(PM2.5)污染物为主要特征的区域性大气环境问题已引起了广泛的关注, 严重灰霾污染危害着人群身体健康(Chen et al., 2013; Xu et al., 2013; Zheng et al., 2017;Wu et al., 2019).为了缓解我国严峻的大气污染形势, 切实改善空气质量, 中国制定和出台了一系列的政策, 包括著名的《大气污染防治行动计划》.经过各城市和区域的联防联控和严格执行措施, 截至2017年, 重点区域的PM2.5浓度全部达到计划要求(Cai et al., 2017; Wang et al., 2018; Zhang et al., 2018).但是除了珠三角地区大气PM2.5年均浓度小于35 μg·m-3之外, 京津冀和长三角区域的PM2.5浓度仍处于较高水平.另外, 臭氧污染凸显, 已成为3个区域共同的环境问题.臭氧和PM2.5相互影响的大气复合污染问题已成为了我国大气污染的主要问题(Ding et al., 2013; Zhao et al., 2018;Chen et al., 2019; Li et al., 2019;李红, 2019).
很多****已经对我国PM2.5和O3的时空分布特征进行了详细的研究, 普遍规律是秋冬季PM2.5的污染重(胥密等, 2016; Ye et al., 2018; Zhang et al., 2018;陈辉等, 2019), 夏季臭氧污染突出(Wang et al., 2017;孟晓艳等, 2017; Cheng et al., 2018;李霄阳等, 2018).虽然二者的高污染事件通常发生在不同的季节, 但相互影响的效应一直存在, 且相互影响机理非常复杂.从PM2.5和O3的生成机理来看, VOC和NOx是它们共同的前体物, 再通过光化学反应和非均相反应的相互作用呈现出一种复杂的非线性关系(毛卓成等, 2019).近几年关于PM2.5和臭氧复合污染的作用和协同控制研究逐渐增多, 研究表明二者的关系主要体现在:一是基于颗粒物对太阳辐射的吸收及散射作用, 进而影响光化学反应, 抑制臭氧的生成(Yuan et al., 2012;Li et al., 2015), 二是颗粒物对自由基的总体猝灭作用, 降低自由基的浓度, 尤其是降低羟基自由基浓度, 直接抑制了臭氧的生成(Anger et al., 2016; Li et al., 2019), 三是大气中臭氧浓度的增加会增加大气的氧化性, 促进大气颗粒物中二次组分的氧化生成(Xin et al., 2010; Xing et al., 2015;Jia et al., 2017).由于受到排放源结构, 排放强度、地理位置和气象条件的综合作用, 二者之间复杂的关系在不同城市表现不一.
臭氧是一种光化学氧化剂, 大气中臭氧浓度越高, 大气的氧化性也就越强(Grosjean, 1989; Turpin et al., 1995; Na et al., 2004; Wang et al., 2015).PM2.5中的二次组分通常由前体物经过氧化生成, 因此光化学活性水平与二次气溶胶的形成密切相关.Chang等(2007)基于对台北市长时间空气质量观测数据的分析, 建立了一种对不同光化学活性下的颗粒物(PM10)中二次气溶胶估算的方法.然而, 在实际大气中, 粒径大于2.5 μm的粗颗粒主要由扬尘等一次排放贡献, 跟光化学活性关联性不强, 而且经过化学反应生成的二次气溶胶主要出现在细颗粒PM2.5中, 因此, PM2.5更适用于通过该方法来估算二次气溶胶生成.崔虎雄等(2013)Jia等(2017)利用该方法对上海市浦东城区和南京市的情况进行分析, 其研究均表明这是一种利用污染物浓度观测数据估算二次气溶胶形成的有效方法, 且能在一定程度上揭示臭氧与PM2.5中二次组分的协同作用关系.
上海市、北京市和广州市作为中国经济发展最快的代表性大城市, 它们的空气质量一直受到人们的重点关注.最近几年有研究者对北京市大气PM2.5和臭氧的复合污染进行了研究, 但对上海市和广州市的研究较少.例如, Zhang等(2015)对京津冀地区出现复合污染现象时的气象条件进行了总结.Li等(2019)对华北平原颗粒物和臭氧之间关系的研究中发现PM2.5下降会引起O3浓度升高.本文将采用日最大臭氧小时浓度(O3, max)作为光化学活性大小的评价指标, 把化学性质较稳定的CO作为一次排放源的示踪剂, 结合基于PM2.5/CO的二次气溶胶估算方法对2017年北京市、上海市和广州市的PM2.5和臭氧的协同增长关系进行分析.
2 材料和方法(Materials and methods)2.1 研究区域和数据来源本研究选取的中国典型城市为北京、上海和广州, 它们分别是中国重点区域京津冀, 长三角和珠三角区域的最大城市.北京市位于中国北部(115°25′~117°30′E, 39°26′~41°03′N), 属暖温带半湿润大陆性季风气候.上海市位于中国东部、且是长江入海口(120°52′~122°12′E, 30°40′~31°53′N), 属亚热带季风性气候.广州市位于中国南部、珠江下游(112°57′~114°3′E, 22°26′~23°56′N), 属海洋性亚热带季风气候.本研究所涉及到2017年1月—2018年2月期间的大气污染物(PM2.5、O3、NO2、SO2、CO)小时浓度数据来源于中国环境监测总站的全国城市空气质量实时发布平台(http://106.37.208.233:20035/ ).按照春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月)进行四季划分.污染物浓度数据有效性满足《环境空气质量标准》(GB 3095—2012)、《环境空气质量评价技术规范(试行)》(HJ 633—2013).气象数据来自美国国家气候数据中心(https://www.ncdc.noaa.gov/).
2.2 研究方法本研究的光化学活性水平的评价指标为日最大臭氧小时浓度(O3, max).根据环境空气质量标准(GB 3095-2012)的臭氧小时浓度的一级和二级限值规定, 本研究将大气光化学活性水平分成以下4类:① O3, max < 100 μg·m-3为低光化学活性水平;②100 μg·m-3≤O3, max < 160 μg·m-3为轻度光化学活性水平;③160 μg·m-3≤O3, max < 200 μg·m-3为中度光化学活动水平;④ O3, max≥200 μg·m-3为高度光化学活性水平.本文将CO作为一次排放源的示踪物, 且假设排放源结构基本保持稳定, 则PM2.5/CO质量浓度比值越大, PM2.5中二次组分占比就越大, 之前的研究(Chang et al., 2007; Zhang et al., 2015)已经对这一假设进行说明.考虑到沙尘暴是改变城市排放源结构的一个重要外来因素, 因此, 本文把北京和上海凡是涉及沙尘暴事件的数据都进行扣除处理.2017年北京市5月份剔除受沙尘影响4 d(5月4—5日、5月11—12日)、上海市剔除受沙尘影响3 d(5月6—8日).根据光化学活性水平估算PM2.5中二次气溶胶的方法如下:
(1)
(2)
(3)
(4)
(5)
(6)
式中, p代表一次污染物, sec代表二次污染物, obs代表观测PM2.5的浓度;t为一天中的任意小时;L代表低光化学活性水平, LH代表轻度光化学活性水平, M代表中度光化学活性水平, H代表高度光化学活性水平.其中(PM2.5/CO)p, L为低光化学活性水平下每小时PM2.5/CO值的第25%分位, 是计算轻、中、高度光化学活性水平下的一次气溶胶基准值.
根据O3浓度的日变化规律, O3高值一般出现在下午14:00—16:00, 故本研究将在不同光化学活性水平下, 选取每日11:00—19:00时段内PM2.5浓度连续增长2 h及以上的现象定义为PM2.5-O3的协同增长.
3 结果和讨论(Results and discussion)3.1 污染物浓度月变化图 1分别为北京市、上海市和广州市2017年常规污染物的月均和年均浓度变化.从图中可以看出, 北京市PM2.5年均浓度高于上海市, 广州市浓度最低.CO的年均值为北京市(0.97 mg·m-3)>广州市(0.89 mg·m-3)>上海市(0.76 mg·m-3).北京市1—2月份CO值异常高, 这主要可能是冬季取暖导致, 研究发现燃煤取暖特别是散煤取暖仍是我国北方冬季最主要的取暖方式(侯隆澍等, 2019).O3日最大8 h滑动平均值的第90百分位数北京市(193.4 μg·m-3)>上海市(181.9 μg·m-3)>广州市(160.42 μg·m-3), 说明北京市的光化学污染较为严重.PM2.5的月均值大致呈中间低两边高的U型震荡分布, 但北京的12月PM2.5浓度不算高.O3呈中间高两边低的倒U型分布, 但是广州市的臭氧倒U型分布不明显, 而是春秋两季臭氧浓度较高.在北京, 1月PM2.5浓度最高(114.9 μg·m-3), O3日最大8 h平均浓度的月均值在6月最高(188.7 μg·m-3).上海市12月PM2.5浓度最高(53.8 μg·m-3), O3日最大8 h平均浓度的月均值最高出现在7月(172.2 μg·m-3).广州市PM2.5浓度最高值出现在1月(54.2 μg·m-3), 最低值月份为6月(18.4 μg·m-3), O3日最大8 h平均浓度的月均值的最高值出现在9月(138.7 μg·m-3), 最低值出现在3月(29.2 μg·m-3).
图 1(Fig. 1)
图 1 北京市(a)、上海市(b)和广州市(c)常规污染物月均和年均浓度变化 Fig. 1Monthly and annual concentrations of pollutants in Beijing (a), Shanghai (b) and Guangzhou (c)

图 2为北京市、上海市和广州市的2017年不同月份PM2.5/CO比值变化情况.北京市春季3—5月PM2.5/CO比值出现明显上升, 其中一个重要影响因素是相比冬季, 北京的春季无供暖, 且可能受较小程度的沙尘影响(大沙尘暴事件已经被剔除).比较发现, 除了冬季之外, 北京的比值均比上海和广州高, 而且除了秋季之外, 上海的比值均比广州的高.
图 2(Fig. 2)
图 2 3个城市2017年不同月份的PM2.5/CO比值 Fig. 2Variations of PM2.5/CO with months in three cities in 2017

3.2 污染物浓度的日变化图 3为北京市、上海市和广州市各污染物的平均日变化曲线.可以发现NO2和CO均呈现出不同程度的双峰变化, 可能与机动车行驶的早晚高峰相关.PM2.5和SO2的日变化不显著.O3呈现日单峰变化, 3个城市出峰时间不一, 北京市为16:00, 上海市为14:00—15:00, 广州市为15:00.另外广州市峰值出现的过程相较于北京和上海市陡峭, 且夜间浓度低于北京和上海.可以发现白天CO与O3日变化呈现明显的负相关, 尤其在中午臭氧浓度高的时候, CO的浓度存在一个低值区间.但是根据文献(Seinfeld et al., 2006)可知, 在NOx高的浓度地区CO作为前体物生成O3的反应并不会进行, 而在NOx浓度低的地区该反应会进行.本研究的北京、上海和广州均为中国典型城市地区(NOx浓度高), 因此两者之间没有消耗和生成的关系.CO浓度的高低可以很好地反映出一次排放的强弱和气象条件(尤其是边界层高度)的变化.白天CO浓度降低主要由白天大气边界层升高, 扩散条件变好引起, O3浓度的升高则是由白天光化学反应生成.
图 3(Fig. 3)
图 3 3个城市常规污染物平均日变化 Fig. 3Diurnal variations of pollutants in three cities

3.3 不同季节PM2.5/CO变化分析图 4为2017年3月—2018年2月3个城市PM2.5/CO的季节平均日变化趋势.以北京市来看, 春季(0.071)>夏季(0.055)>秋季(0.053)>冬季(0.040), 春季最高, 夏秋两季几乎相同, 冬季最低.北京市冬季民用燃烧产生大量的CO, 且相比其它源的源谱, 民用燃烧源排放的PM2.5/CO比值更小, 这导致北京冬季的PM2.5/CO比值显著小.以上海市的PM2.5/CO比值来看, 春季(0.055)>冬季(0.052)>夏季(0.047)>秋季(0.037).与北京市、上海市不同的是, 广州市的冬季最高而夏季最低, 季节排序为:冬季(0.053)>春季(0.042)>秋季(0.038)>夏季(0.027).3个城市四季的比值峰值均在12:00—16:00时期间, 且3个城市PM2.5/CO的峰值均与日变化臭氧峰值存在一致性, 说明以臭氧为代表的光化学活性可促进颗粒物中二次组分的生成, 这与前人的研究结果(Wang et al., 2016)一致.另外3个城市的春季PM2.5/CO比值均处于高位, 春季的光化学反应对颗粒物中二次组分形成过程的影响不可忽视.
图 4(Fig. 4)
图 4 3个城市PM2.5/CO的季节平均日变化 Fig. 4Diurnal variations of PM2.5/CO in four seasons in three cities

3.4 不同光化学活性水平下PM2.5、O3和PM2.5/CO比值变化图 5为北京市、上海市和广州市在2017年4—10月期间不同的光化学反应活性下, PM2.5、O3和PM2.5/CO比值的日变化分布.白天3个城市的PM2.5/CO比值均随着光化学活性(即O3, max)的增强而变大.对于北京, 在中度和高度光化学活性水平下, PM2.5浓度明显比轻度和低光化学活性水平下高.低光化学活性水平下的北京PM2.5/CO比值显著低于其它活性水平下的比值, 中度和轻度光化学活性水平下午后的PM2.5/CO比值比较接近.对于上海和广州, 中度和高度光化学活性水平下白天的PM2.5/CO比值明显比轻度和低光化学活性水平下的大.上海和广州的PM2.5浓度随光化学活性水平的增强而提高, 而且高度活性水平下的PM2.5浓度远高于中度活性水平, 中度光化学活性水平的PM2.5又远高于轻度活性水平.各城市轻度活性水平下PM2.5浓度与低度光化学活性水平下均比较接近.图 5可以看出北京的大气PM2.5与臭氧之间的关系比上海和广州更复杂.各光化学活性水平下北京的PM2.5/CO比值均远高于上海和广州, 而且其它光化学活性水平下北京的PM2.5/CO比值明显高于低光化学水平下的比值.除了北京的轻度光化学活性水平下的PM2.5浓度和PM2.5/CO比值在16:00—22:00期间出现略高于中度光化学活性水平之外, 总体规律是光化学活性水平越高, PM2.5浓度越高且PM2.5/CO比值也越高的现象.一般情况下, 晴朗的天气易形成臭氧高浓度, 但是在此天气条件下通常大气边界层比较高, 污染扩散能力较强, 如果假设排放强度不变, 则除了臭氧之外的污染物浓度均会在午后显著降低.CO作为一次排放的示踪剂, 通常也会在晴朗的午后浓度也显著降低(图 3), 同时图 3还显示CO浓度的降低速度快于PM2.5浓度的降低, 这说明午后PM2.5中的二次气溶胶有显著地生成以减缓午后PM2.5浓度因边界层升高和扩散能力变好而引起的降低的程度.从图 5可看出北京的PM2.5浓度在午后有稍微降低的现象, 但是PM2.5/CO比值在对应时刻却出现了高值, 说明北京午后二次气溶胶生成现象明显.除了上海的中度光化学活性水平的PM2.5浓度在午后有略微的降低之外, 广州和上海的其它光化学活性水平下的PM2.5浓度在午后均没有表现出明显的降低, 而PM2.5/CO都有明显升高现象, 说明广州和上海的PM2.5中二次气溶胶生成量在中午及午后有显著的增加, 能明显地抵消掉因边界层升高和扩散能力变强而降低的PM2.5浓度.因此, 在3个城市光化臭氧对二次气溶胶的生成影响较为明显.
图 5(Fig. 5)
图 5 不同的光化学反应活性下3个城市PM2.5、O3和PM2.5/CO比值的平均日变化 Fig. 5Diurnal variations of PM2.5, O3 and PM2.5/ CO ratios under different photochemical reactivity in three cities

为了进一步考察3个城市不同光化学活性下的PM2.5的变化, 本文截取某个具体的时段进行分析, 如图 6所示, 其中不同背景色代表不同的光化学活性.在这些典型时段里可以发现每日午后臭氧峰值与PM2.5/CO峰值存在一致性, 尤其在广州市最为明显.说明臭氧浓度越高, 大气光化学氧化能力越强, 促进了二次气溶胶的形成.该过程不仅抵消一部分因中午和午后边界层升高和扩散能力变强而导致的大气PM2.5浓度的降低, 甚至还使得PM2.5的浓度增加, 表现出明显的PM2.5和臭氧协同增长的现象.
图 6(Fig. 6)
图 6 3个城市典型时段PM2.5、O3、PM2.5/CO的时间变化序列 Fig. 6Variations of PM2.5, O3 and PM2.5/CO in three cities in the typical period of time

3.5 PM2.5和O3协同增长分析3.5.1 协同增长时间统计分析对4—10月214 d按照不同的光化学活性进行统计如图 7所示, 其中因扣除沙尘影响北京市为210 d, 上海市为211 d.在图中可以看出, 在O3, max < 100 μg·m-3时, 广州市天数最多, 上海天数最少;在100 μg·m-3≤O3, max < 160 μg·m-3时, 上海的天数最多(45%);在160 μg·m-3≤O3, max < 200 μg·m-3时, 3个城市天数基本相同, 占17%左右;在O3, max ≥200 μg·m-3时, 北京市天数最多(24%).当O3, max >100 μg·m-3时, 只有广州随着光化学活性水平的加重, 天数逐渐减少.广州的轻度光化学活性水平天数占比最多, 北京市和上海市则高度光化学活性的的天数高于中度光化学活性的天数.总体来说, 北京市最易出现高度光化学污染, 其次是上海, 广州的光化学污染最轻.
图 7(Fig. 7)
图 7 3个城市不同光化学活性的天数分布 Fig. 7Number of days with different photochemical activities in three cities

从3个城市的臭氧日变化曲线可以发现, 臭氧单日峰值集中出现在15:00左右, 因此为了进一步探究臭氧产生的光化学反应对PM2.5中二次组分的促进作用, 选取4—10月中臭氧日最大小时浓度大于100 μg·m-3的天数, 将11:00—19:00时出现PM2.5至少连续2 h升高的时间进行统计, 如图 8所示.图 8a为不同月份中出现协同增加的小时数, 其中广州市最多, 为580 h, 在春季5月份(108 h)和秋季9月份(104 h)分布最多, 说明广州市在春、秋季时由光化学反应促进的PM2.5中二次组分的协同增长可能高于夏季, 不容忽视.上海市其次, 其协同增长为543 h, 在夏季7月份(92 h)和8月份(94 h)分布最多.北京市协同增长小时数最少, 共为458 h, 但是北京的夏季6月份的协同增长天数(89 h)和秋季9月份(80 h)和较多.说明对北京市和广州市来说, 春秋季时大气氧化性也是不容忽视的.图 8b为不同光化学活性下PM2.5连续增加小时数分布, 3个城市在轻度光化学活性下出现的小时数均占比最多, 分别为45.9%、53.8%, 54.8%.北京市和上海市在高度光化学活性下出现增长的小时数相比中度光化学活性下多, 而且在高度光化学活性水平下, 协同增长小时数是北京最多, 其次是上海, 广州最少.
图 8(Fig. 8)
图 8 3个城市的PM2.5浓度协同增长小时数的月分布(a)和不同光化学活性下分布(b) Fig. 8Monthly distribution (a) and distribution under different photochemical activities (b) of hours of synergistic growth of PM2.5 concentration in three cities

图 9a为3个城市2017年4—10月的11:00—19:00时段内所有协同增长的PM2.5浓度增长量的平均值(即为二次气溶胶平均协同增长量).北京市臭氧峰值处(16:00—17:00)的平均协同增长量为4.01 μg·m-3, 上海市臭氧峰值处(14:00—15:00)的平均协同增长量为3.07 μg·m-3, 广州市臭氧峰值处(15:00—16:00)的平均协同增长量为1.53 μg·m-3, 即北京市>上海市>广州市, 与城市污染状况以及PM2.5/CO趋势一致.右图可以看出, 在各光化学活性水平下北京的平均协同增长量均大于上海和广州, 说明北京的二次气溶胶在光化学影响下生成最多.
图 9(Fig. 9)
图 9 3个城市不同时段(a)、不同光化学活性下(b)PM2.5协同增长量的小时均值 Fig. 9The hourly average of the PM2.5 synergistic growth in three cities at different times (a) and under different photochemical activities (b)

3.5.2 气象条件分析对3个城市PM2.5协同增长的所有小时对应的气象条件统计如图 10所示.北京市、上海市、广州市的风速分别主要集中在1.5~3.0、2.5~4.5、1.5~2.5 m·s-1, 上海市的风速范围较大, 且均值高于另外两个城市, 广州市风速最小.3个城市的温度范围分别为19.0~25.5、18.0~29.0、25.5~29.1 ℃, 上海市和北京市温度均低于广州市, 但比广州市温度范围跨度大.从相对湿度来看, 北京市的湿度区间跨度最大, 主要集中在52.4%~87.6%, 上海市和广州市湿度范围较为相似, 分别主要集中在71.6%~80.0%、70.1%~83.9%, 广州市相对湿度均值最大, 上海次之, 北京市最低.北京的相对较低的风速, 较低的气温和较大的相对湿度均对北京市PM2.5协同增长起到一定的促进作用.PM2.5和臭氧的协同增长现象不仅受到前体物排放源结构和排放强度的影响, 气象条件也是一个不可忽视的因素.
图 10(Fig. 10)
图 10 PM2.5协同增长时段的气象条件 Fig. 10Meteorological conditions during the PM2.5 synergistic growth

一些文献(Zhang et al., 2015;毛卓成等, 2019;张小曳等, 2020;黄俊等, 2020)研究发现O3浓度与太阳紫外辐射、气温呈正相关关系, 与相对湿度呈负相关关系.PM2.5浓度与风速、气温、能见度呈负相关, 与相对湿度呈正相关.图 11给出了不同光化学活性水平下的协同增长时段的气象条件统计.可以发现, 北京市的平均风速随着光化学活性的增加, 呈现U型变化, 平均温度呈直线上升趋势, 相对湿度呈现倒U型变化.随着光化学活性增强, 上海市的平均风速在3个阶段相差不多, 平均温度也呈现出直线上升趋势, 相对湿度则呈现出缓慢下降趋势.广州市在3个阶段的平均风速和气温均变化不大, 但平均温度均显著高于北京和上海, 相对湿度与上海市类似, 呈现逐渐下降趋势.在中度光化学活性水平下, 北京的平均湿度均高于广州和上海.在各阶段的光化学活性水平下, 北京的平均气温均低于广州和上海.可见气象条件也是北京市PM2.5协同增长量高于其它两城市的一个因素. 3.6不同光化学活性水平下PM2.5中二次气溶胶浓度的估算图 12为北京市、上海市和广州市在不同光化学活性水平下PM2.5中二次气溶胶浓度的估算结果.随着光化学活性的增加, 3个城市的PM2.5浓度和一次组分和二次组分均随之增加.估算的一次气溶胶的浓度变化幅度均不大, 其中北京市、上海市、广州市一次气溶胶估算的质量浓度分别为23.7~33.8、14.3~16.7、4.0~16.9 μg·m-3.估算PM2.5中的二次气溶胶的占比在北京市各光化学活性水平间的变化幅度相对较小(55.1%~58.6%), 在上海和广州两市的变化幅度较大(分别为48.7%~63.6%和39.4%~63.0%), 但3个城市均呈现光化学活性水平越高则二次气溶胶在PM2.5中的占比越大的规律, 进一步证明臭氧和PM2.5存在着协同现象, 只是在不同的城市, 呈现出来的协同的趋势有差别.
图 11(Fig. 11)
图 11 3个城市在不同光化学活性下PM2.5协同增长时段的气象条件 Fig. 11Meteorological conditions of PM2.5 synergistic growth period under different photochemical activities in three cities


图 12(Fig. 12)
图 12 在不同光化学活性下3个城市PM2.5中一次和二次气溶胶的浓度及占比 Fig. 12The concentrations and proportions of primary and secondary aerosols in PM2.5 in three cities under different photochemical activities

图 13显示了3个城市在不同光化学活性下的二次气溶胶的质量浓度.高度光学活性水平下, 北京市二次气溶胶的生成量(34.0 μg·m-3), 大于上海(29.2 μg·m-3)和广州(28.7 μg·m-3), 其中上海和广州相差不大.在中度光化学活性水平下, 生成量仍是北京(30.3 μg·m-3)大于上海(24.0 μg·m-3)和广州(20.0 μg·m-3), 但3个城市之间的差距变大.在轻度光化学活性水平下, 北京的生成量(25.0 μg·m-3)远大于上海(13.6 μg·m-3)和广州(9.1 μg·m-3).而且轻度及以上光化学活性水平下北京二次气溶胶生成量(29.1 μg·m-3)明显大于上海(19.5 μg·m-3)和广州(15.9 μg·m-3).结果表明, 与上海和广州市相比, 北京虽地处北方, 属暖温带半湿润大陆性季风气候, 但二次气溶胶的生成量却最多, 其臭氧与PM2.5的协同增长现象尤其值得关注.
图 13(Fig. 13)
图 13 在不同光化学活性下3个城市的二次气溶胶浓度 Fig. 13Secondary aerosol concentrations in three cities under different photochemical activities

4 结论(Conclusions)1) 3个城市对比来看, PM2.5和臭氧浓度均是北京最高, 广州最低.广州夏季臭氧浓度低于春秋季.北京的PM2.5/CO比值基本上都高于上海, 尤其春季和秋季的比值高得更明显, 广州的比值在所有季节均低于北京和上海.
2) 广州市臭氧和PM2.5的协同增长小时数最多, 其次是上海.上海的协同增长的小时数出现在夏季最多, 广州则体现在春季和秋季.北京的协同增长小时数最多出现在春末夏初的6月和秋季9月, 说明春季和秋季时臭氧污染促进颗粒物中二次气溶胶的形成作用不容忽视.
3) 在不同臭氧污染水平下, 北京的PM2.5平均协同增长量均大于上海和广州.除了排放源结构和排放强度之外, 北京的相对较低的风速, 较低的气温和较大的相对湿度均对北京市PM2.5协同增长起到一定的促进作用.
4) 与上海和广州相比, 在基于臭氧污染水平所代表的各光化学活性水平下, 北京的二次气溶胶生成量均是最高的, 在轻度光化学活性水平下, 北京的二次气溶胶生成量更是远大于北京和上海.轻度及以上光化学活性水平下, 北京二次气溶胶平均生成量浓度(29.1 μg·m-3)明显大于上海(19.5 μg·m-3)和广州(15.9 μg·m-3).总体来说, 3个城市都存在显著的臭氧和PM2.5协同作用, 北京臭氧和PM2.5的协同增长现象尤其值得关注.

参考文献
Anger A, Dessens O, Xi F, et al. 2016. China's air pollution reduction efforts may result in an increase in surface ozone levels in highly polluted areas[J]. Ambio, 45(2): 254-265.
崔虎雄, 吴迓名, 段玉森, 等. 2013. 上海市浦东城区二次气溶胶生成的估算[J]. 环境科学, 34: 2003-2009.
Cai S, Wang Y, Zhao B, et al. 2017. The impact of the "Air Pollution Prevention and Control Action Plan" on PM2.5 concentrations in Jing-Jin-Ji region during 2012-2020[J]. Science of the Total Environment, 580: 197-209.
Chang S C, Lee C T. 2007. Secondary aerosol formation through photochemical reactions estimated by using air quality monitoring data in Taipei City from 1994 to 2003[J]. Atmospheric environment, 41(19): 4002-4017.
Chen J, Shen H, Li T, et al. 2019. Temporal and spatial features of the correlation between PM2.5 and O3 concentrations in China[J]. nternational Journal of Environmental Research and Public Health, 16: 4824.
Chen Z, Wang J N, Ma G, et al. 2013. China tackles the health effects of air pollution[J]. The Lancet, 382: 1959-1960.
Cheng L, Wang S, Gong Z, et al. 2018. Regionalization based on spatial and seasonal variation in ground-level ozone concentrations across China[J]. Journal of Environmental Sciences-China, 67: 179-190.
陈辉, 厉青, 李营, 等. 2019. 京津冀及周边地区PM2.5时空变化特征遥感监测分析[J]. 环境科学, 40: 33-43.
Ding A J, Fu C B, Yang X Q, et al. 2013. Ozone and fine particle in the western Yangtze River Delta:an overview of 1 yr data at the SORPES station[J]. Atmospheric Chemistry and Physics, 13(11): 5813-5830.
Grosjean D. 1989. Organic acids in Southern California air:ambient concentrations, mobile source emissions, in situ formation and removal processes[J]. Environmental Science & Technology, 23(12): 1506-1514.
侯隆澍, 刘幼农. 2019. 北京市冬季清洁取暖的演变与发展研究[J]. 建设科技, 376(2): 13-18.
黄俊, 王超群, 周宝琴, 等. 2020. 广州PM2.5污染特征及与气象因子的关系分析[J]. 环境污染与防治, 42: 176-181.
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(12): 59.
Li K, Jacob D J, Liao H, et al. 2019. A two-pollutant strategy for improving ozone and particulate air quality in China[J]. Nature Geoscience, 12(11): 906-910.
Li Y, An J, Kajino M, et al. 2015. Impacts of additional HONO sources on O3 and PM2.5 chemical coupling and control strategies in the Beijing-Tianjin-Hebei region of China[J]. Tellus B:Chemical and Physical Meteorology, 67(1): 23930.
李红. 2019. 我国PM2.5与臭氧污染协同控制策略研究[J]. 环境科学研究, 32: 1764-1778.
李霄阳, 李思杰, 刘鹏飞, 等. 2018. 2016年中国城市臭氧浓度的时空变化规律[J]. 环境科学学报, 38: 1263-1274.
孟晓艳, 宫正宇, 叶春霞, 等. 2017. 2013-2016年74城市臭氧浓度变化特征[J]. 中国环境监测, 33: 101-108.
毛卓成, 许建明, 杨丹丹, 等. 2019. 上海地区PM2.5-O3复合污染特征及气象成因分析[J]. 中国环境科学, 39: 2730-2738.
Na K, Sawant A A, Song C, et al. 2004. Primary and secondary carbonaceous species in the atmosphere of Western Riverside County, California[J]. Atmospheric Environment, 38(9): 1345-1355.
Seinfeld J H, Pandis S N. 2016. Atmospheric Chemistry and Physics: from Air Pollution to Climate Change[M]. John Wiley & Sons
Turpin B J, Huntzicker J J. 1995. Identification of secondary organic aerosol episodes and quantitation of primary and secondary organic aerosol concentrations during SCAQS[J]. Atmospheric Environment, 29(23): 3527-3544.
Wang D, Zhou B, Fu Q, et al. 2016. Intense secondary aerosol formation due to strong atmospheric photochemical reactions in summer:observations at a rural site in eastern Yangtze River Delta of China[J]. Science of the Total Environment, 571: 1454-1366.
Wang L, Zhang F, Pilot E, et al. 2018. Taking Action on Air Pollution Control in the Beijing-Tianjin-Hebei (BTH) Region:Progress, Challenges and Opportunities[J]. International Journal of Environmental Research and Public Health, 15(2): 306.
Wang S, Yu S, Li P, et al. 2017. A study of characteristics and origins of haze pollution in Zhengzhou, China, Based on observations and hybrid receptor models[J]. Aerosol Air Quality Reseach, 17(2): 513-528.
Wang T, Xue L, Brimblecombe P, et al. 2017. Ozone pollution in China:A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 575: 1582-1596.
Wang Z, Li Y, Chen T, et al. 2015. Ground-level ozone in urban Beijing over a 1-year period:Temporal variations and relationship to atmospheric oxidation[J]. Atmospheric Research, 164-165: 110-117.
Wu Z, Zhang Y, Zhang L, et al. 2019. Trends of outdoor air pollution and the impact on premature mortality in the Pearl River Delta region of southern China during 2006-2015[J]. The Science of the Total Environment, 690: 248-260.
Xin J, Wang Y S, Tang G, et al. 2010. Variability and reduction of atmospheric pollutants in Beijing and its surrounding area during the Beijing 2008 Olympic Games[J]. Chinese Science Bulletin, 55(18): 1937-1944.
Xing J, Mathur R, Pleim J, et al. 2015. Air pollution and climate response to aerosol direct radiative effects:A modeling study of decadal trends across the northern hemisphere[J]. Journal of Geophysical Research:Atmospheres, 120(23): 12221-12326.
Xu P, Chen Y, Ye X. 2013. Haze, air pollution, and health in China[J]. The Lancet, 382(9910): 2067.
胥密, 王广甫, 尚宏忠, 等. 2016. 北京市2014年PM2.5质量浓度变化特征[J]. 环境工程学报, 10: 4396-4402.
Ye W F, Ma Z Y, Ha X Z. 2018. Spatial-temporal patterns of PM2.5 concentrations for 338 Chinese cities[J]. Science of the Total Environment, 631-632: 524-533.
Yuan T, Remer L A, Bian H, et al. 2012. Aerosol indirect effect on tropospheric ozone via lightning[J]. Journal of Geophysical Research Atmospheres, 117: 1-16.
Zhang H, Wang Y, Hu J, et al. 2015. Relationships between meteorological parameters and criteria air pollutants in three megacities in China[J]. Environment Research, 140: 242-254.
Zhang N N, Ma F, Qin C B, et al. 2018. Spatiotemporal trends in PM2.5 levels from 2013 to 2017 and regional demarcations for joint prevention and control of atmospheric pollution in China[J]. Chemosphere, 210: 1176-1184.
Zhang Z, Zhang X, Gong D, et al. 2015. Evolution of surface O3 and PM2.5 concentrations and their relationships with meteorological conditions over the last decade in Beijing[J]. Atmospheric Environment, 108: 67-75.
Zhang Y L, Cao F. 2015. Fine particulate matter (PM2.5) in China at a city level[J]. Scientific Reports, 5: 14884.
Zhao H, Zheng Y, Li C. 2018. Spatiotemporal Distribution of PM2.5 and O3 and Their Interaction During the Summer and Winter Seasons in Beijing, China[J]. Sustainability, 10(12): 4519.
Zheng Y, Xue T, Zhang Q., et al. 2017. Air quality improvements and health benefits from China's clean air action since 2013[J]. Environmental Research Letters, 12(11): 114020.
张小曳, 徐祥德, 丁一汇, 等. 2020. 2013-2017年气象条件变化对中国重点地区PM2.5质量浓度下降的影响[J]. 中国科学:地球科学, 50: 483-500.




相关话题/城市 北京 上海 广州 大气