Search Advanced

Message Board

Dear readers, authors and reviewers,you can add a message on this page. We will reply to you as soon as possible!

2022 Volume 47 Issue 9
Article Contents
Previous Article Next Article

JI Li, LIU Xiaoran, ZHANG Xinke, et al. On Influence of Summer Meteorological Conditions on Ozone under Background of Mountain Climate in Chongqing[J]. Journal of Southwest China Normal University(Natural Science Edition), 2022, 47(9): 99-110. doi: 10.13718/j.cnki.xsxb.2022.09.015
Citation: JI Li, LIU Xiaoran, ZHANG Xinke, et al. On Influence of Summer Meteorological Conditions on Ozone under Background of Mountain Climate in Chongqing[J]. Journal of Southwest China Normal University(Natural Science Edition), 2022, 47(9): 99-110. doi: 10.13718/j.cnki.xsxb.2022.09.015
shu

On Influence of Summer Meteorological Conditions on Ozone under Background of Mountain Climate in Chongqing

  • 1.

    Weather Bureau in Beibei District of Chongqing City, Chongqing 400700, China

  • 2.

    Chongqing Institute of Meteorological Sciences, Chongqing 401147, China

  • 3.

    Weather Bureau in Rongchang District of Chongqing City, Chongqing 402460, China

More Information
  • Corresponding author: LIU Xiaoran ; 
  • Received Date: 13/07/2021
    Available Online: 20/09/2022

  • MSC: X16

  • In order to understand deeply the impact of summer meteorological conditions on ozone in mountain climate background, the characteristics of ozone concentration in Beibei and the impact of summer meteorological conditions on ozone in Beibei, Chongqing, have been analyzed in this paper by means of the daily data sets (2013—2017) and relevant meteorological elements data of three environmental monitoring stations in Beibei, Chongqing, The ozone transport path and potential source area have also been analyzed based on hysplit model. The results show that the high concentration of ozone in Beibei is mainly concentrated in late July to August, and the highest concentration of ozone is in Jinyun Mountain. Ozone is closely related to meteorological conditions in summer. When the daily average temperature reaches 30-35 ℃, and the daily extreme maximum temperature reaches 35-40 ℃, the ozone exceeding standard rate is the highest. Ozone concentration was positively correlated with sunshine hours, and negatively correlated with relative humidity and precipitation. In summer, the heavy ozone transport path in Beibei mainly comes from northeast and Southeast. The high concentration of ozone pollution in summer is mainly affected by the urban agglomeration around Chengdu in Sichuan Basin, Chongqing and Northern Guizhou.
  • 加载中
  • [1] 王旭东, 尹沙沙, 杨健, 等. 郑州市臭氧污染变化特征、气象影响及输送源分析[J]. 环境科学, 2021, 42(2): 604-615. doi: 10.13227/j.hjkx.202006197

    CrossRef Google Scholar

    [2] MOURA B B, ALVES E S, MARABESI M A, et al. Ozone Affects Leaf Physiology and Causes Injury to Foliage of Native Tree Species from the Tropical Atlantic Forest of Southern Brazil[J]. Science of the Total Environment, 2018, 610-611: 912-925. doi: 10.1016/j.scitotenv.2017.08.130

    CrossRef Google Scholar

    [3] 白建辉, 王明星, JOHN GRAHAM, 等. 鼎湖山臭氧、氮氧化物和太阳可见光辐射相互关系的研究[J]. 环境科学学报, 2000, 20(2): 173-178. doi: 10.3321/j.issn:0253-2468.2000.02.009

    CrossRef Google Scholar

    [4] 孔琴心, 刘广仁, 李桂忱. 近地面臭氧浓度变化及其对人体健康的可能影响[J]. 气候与环境研究, 1999, 4(1): 61-66. doi: 10.3878/j.issn.1006-9585.1999.01.14

    CrossRef Google Scholar

    [5] 肖辉, 沈志来, 黄美元, 等. 我国西南地区地面和低层大气臭氧的观测分析[J]. 大气科学, 1993, 7(5): 621-628. doi: 10.3878/j.issn.1006-9895.1993.05.14

    CrossRef Google Scholar

    [6] RAFIQ L, TAJBAR S, MANZOOR S. Long Term Temporal Trends and Spatial Distribution of Total Ozone Over Pakistan[J]. The Egyptian Journal of Remote Sensing & Space Science, 2017, 20(2): 295-301.

    Google Scholar

    [7] MICHAEL R, O'LENICK C R, MONAGHAN A, et al. Application of Geostatistical Approaches to Predict the Spatio-Temporal Distribution of Summer Ozone in Houston, Texas[J]. Journal of exposure science & environmental epidemiology, 2019, 29(6): 806-820.

    Google Scholar

    [8] 刘建, 吴兑, 范绍佳, 等. 前体物与气象因子对珠江三角洲臭氧污染的影响[J]. 中国环境科学, 2017, 37(3): 813-820.

    Google Scholar

    [9] 吴锴, 康平, 王占山, 等. 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. doi: 10.13671/j.hjkxxb.2017.0218

    CrossRef Google Scholar

    [10] 王磊, 刘端阳, 韩桂荣, 等. 南京地区近地面臭氧浓度与气象条件关系研究[J]. 环境科学学报, 2018, 38(4): 1285-1296. doi: 10.13671/j.hjkxxb.2017.0401

    CrossRef Google Scholar

    [11] JACOB D J, WINNER D A. Effect of Climate Change on Air Quality[J]. Atmospheric Environment, 2009, 43(1): 51-63. doi: 10.1016/j.atmosenv.2008.09.051

    CrossRef Google Scholar

    [12] SILLMAN S. The Relation Between Ozone, NOx and Hydrocarbons in Urban And Polluted Rural Environments[J]. Atmospheric Environment, 1999, 33(12): 1821-1845. doi: 10.1016/S1352-2310(98)00345-8

    CrossRef Google Scholar

    [13] ANTÓN M, BORTOLI D, COSTA M J, et al. Temporal and Spatial Variabilities of Total Ozone Column Over Portugal[J]. Remote Sensing of Environment, 2011, 115(3): 855-863. doi: 10.1016/j.rse.2010.11.013

    CrossRef Google Scholar

    [14] ZHANG G, XU H H, QI B, et al. Characterization of Atmospheric Trace Gases and Particulate Matter in Hangzhou, China[J]. Atmospheric Chemistry and Physics, 2018, 18(3): 1705-1728. doi: 10.5194/acp-18-1705-2018

    CrossRef Google Scholar

    [15] 王闯, 王帅, 杨碧波, 等. 气象条件对沈阳市环境空气臭氧浓度影响研究[J]. 中国环境监测, 2015, 31(3): 32-37. doi: 10.3969/j.issn.1002-6002.2015.03.007

    CrossRef Google Scholar

    [16] 高平, 庄立跃, 王龙, 等. 广州地区秋季不同站点类型地面臭氧变化特征与影响因子[J]. 环境科学, 2020, 41(8): 3527-3538.

    Google Scholar

    [17] 芦华, 吴钲, 刘伯骏, 等. 空气质量模式在重庆主城区预报效果检验订正[J]. 西南大学学报(自然科学版), 2021, 43(7): 176-184.

    Google Scholar

    [18] 王棚飞. 重庆市主城区大气污染现状评价及影响因素分析[D]. 重庆: 西南大学, 2018.

    Google Scholar

    [19] 黄伟, 刘芮伶, 李灵, 等. 重庆近地面臭氧污染与气象条件关系[J]. 资源节约与环保, 2020(9): 129-131. doi: 10.3969/j.issn.1673-2251.2020.09.077

    CrossRef Google Scholar

    [20] 刘姣姣, 叶堤, 刘芮伶. 重庆市臭氧污染特征研究[J]. 环境科学与管理, 2020, 45(9): 59-62. doi: 10.3969/j.issn.1673-1212.2020.09.014

    CrossRef Google Scholar

    [21] 肖艳平, 陈清莉, 郑森元, 等. 江津区城区大气臭氧分布特征与相关影响因素研究[J]. 绿色科技, 2020(16): 33-35. doi: 10.3969/j.issn.1674-9944.2020.16.010

    CrossRef Google Scholar

    [22] 刘美玲, 罗克菊, 陈诚, 等. 北碚区臭氧浓度与气象因素相关性分析研究[J]. 资源节约与环保, 2020(1): 34.

    Google Scholar

    [23] 蒲茜, 李振亮, 张悦, 等. 重庆市O3污染日的大气环流分型与传输特征[J]. 中国环境科学2021, 41(1): 18-27.

    Google Scholar

    [24] 韩余, 周国兵, 陈道劲, 等. 重庆市臭氧污染及其气象因子预报方法对比研究[J]. 气象与环境学报, 2020, 36(4): 59-66.

    Google Scholar

    [25] 高郯, 卢杰, 李江荣, 等. 林芝市主城区典型生态用地空气质量评价[J]. 西南师范大学学报(自然科学版), 2020, 45(1): 130-137.

    Google Scholar

    [26] DRAXLES R R, HESS G D. An Overview of the HYSPLIT-4 Modelling System for Trajectories Dispersion and Deposition[J]. Australian Meteorological Magazine, 1998, 47(4): 295-308.

    Google Scholar

    [27] 黄健, 颜鹏, DRAXLER R R. 利用HYSPLIT_4模式分析珠海地面SO2浓度的变化规律[J]. 热带气象学报, 2004, 18(4): 407-414.

    Google Scholar

    [28] 王芳, 陈东升, 程水源, 等. 基于气流轨迹聚类的大气污染输送影响[J]. 环境科学研究, 2009, 22(6): 637-642.

    Google Scholar

    [29] 王茜. 利用轨迹模式研究上海大气污染的输送来源[J]. 环境科学研究, 2013, 26(4): 357-363.

    Google Scholar

    [30] DIMITRIOU K, KASSOMENOS P. COMBINING AOT, Angstrom Exponent and PM Concentration Data, with PSCF Model, to Distinguish Fine and Coarse Aerosol Intrusions in Southern France[J]. Atmospheric Research, 2016, 172-173: 74-82.

    Google Scholar

    [31] 韩志伟, 张美根, 胡非. 生态NMHC对臭氧和PAN影响的数值模拟研究[J]. 环境科学学报, 2002, 22(3): 273-278.

    Google Scholar

    [32] 谈建国, 陆国良, 耿福海, 等. 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.

    Google Scholar

    [33] 钱悦, 许彬, 夏玲君, 等. 2016-2019年江西省臭氧污染特征与气象因子影响分析[J]. 环境科学, 2021, 42(5): 2190-2201.

    Google Scholar

    [34] 翁佳烽, 梁晓媛, 邓开强, 等. 不同季节肇庆市PM2.5和O3污染特征及潜在源区分析[J]. 环境科学研究, 2021, 34(6): 1306-1317.

    Google Scholar

    [35] 曹庭伟, 吴锴, 康平, 等. 成渝城市群臭氧污染特征及影响因素分析[J]. 环境科学学报, 2018, 38(4): 1275-1284.

    Google Scholar

    [36] 程念亮, 李云婷, 张大伟, 等. 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): 2041-2051.

    Google Scholar

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(9)  /  Tables(6)

Export Citation
PDF
XML

Article Metrics

Article views(3971) PDF downloads(394) Cited by(0)

Access History

Other Articles By Authors

On Influence of Summer Meteorological Conditions on Ozone under Background of Mountain Climate in Chongqing

    Corresponding author: LIU Xiaoran ; 
  • Received Date: 13/07/2021
  • Available Online: 20/09/2022

Abstract: In order to understand deeply the impact of summer meteorological conditions on ozone in mountain climate background, the characteristics of ozone concentration in Beibei and the impact of summer meteorological conditions on ozone in Beibei, Chongqing, have been analyzed in this paper by means of the daily data sets (2013—2017) and relevant meteorological elements data of three environmental monitoring stations in Beibei, Chongqing, The ozone transport path and potential source area have also been analyzed based on hysplit model. The results show that the high concentration of ozone in Beibei is mainly concentrated in late July to August, and the highest concentration of ozone is in Jinyun Mountain. Ozone is closely related to meteorological conditions in summer. When the daily average temperature reaches 30-35 ℃, and the daily extreme maximum temperature reaches 35-40 ℃, the ozone exceeding standard rate is the highest. Ozone concentration was positively correlated with sunshine hours, and negatively correlated with relative humidity and precipitation. In summer, the heavy ozone transport path in Beibei mainly comes from northeast and Southeast. The high concentration of ozone pollution in summer is mainly affected by the urban agglomeration around Chengdu in Sichuan Basin, Chongqing and Northern Guizhou.

    HTML

  • 近年来，在经济、社会的迅猛发展背景下，大量的能源被开发利用，城市空气污染越来越严重，对人们的生活和健康产生了较大的影响. 作为城市空气主要污染物之一的臭氧(O3)，是一种光化学反应的微量气体，它主要来自大气层中氮氧化物和碳氢化合物等. 近地面的O3主要来源于氮氧化物和挥发性有机化合物，在光照作用下发生的大气光化学反应以及平流层输入、前体物浓度水平、大气化学反应、气象条件和区域传输等对O3浓度都有一定的影响[1]. 高浓度O3将严重威胁人类健康，还会对植物和农作物等造成危害[2].

    目前针对O3污染，国内外学者进行了大量的研究[3-10]. 如：国外Jacob等[11]的研究显示，未来几十年气候变化将会使污染地区夏季O3浓度增加，其中受影响最大的是城市地区；Sillman[12]基于10年观测数据对O3与前体物VOCs和NOx的关系进行研究，结果表明，在某些区域要达到降低O3浓度的效果，单独减少VOCs或者NOx的排放浓度是不可行的，不同区域下有不同的影响机制；Antón等[13]利用1978-2000年的NASA O3总量的数据，对葡萄牙上空O3总量的时空结构进行研究得出，葡萄牙上空的O3总量与纬度有轻微的依赖关系，O3浓度存在季节性显著变化. 国内王旭东等[1]基于郑州环境和气象数据，分析O3传输路径和潜在源区；Zhang等[14]使用后向轨迹和PSCF手段研究了杭州O3污染传输影响；王闯等[15]利用2013年沈阳市O3数据和气象数据，分析气象条件对O3浓度的影响研究；高平等[16]基于2015年10月广州4个代表不同站点类型，结合WRF模拟的气象数据，研究了各站点O3的变化特征、影响因素及敏感性.

    重庆作为典型山地城市，受地形[17]、南亚高压和西太平洋副高的共同影响，属于亚热带季风性湿润气候[18]，风速小，夏季高温多. 目前关于重庆O3污染的研究取得了一些成果[19-22]，蒲茜等[23]通过研究重庆市O3污染日的大气环流分型与传输特征，总结出O3污染期间主要有8种天气类型，主要污染来源有一个明显的从北转南的趋势，O3污染的潜在源贡献分析结果与全市工业源NOx和VOCs排放量空间分布的一致性较高. 韩余等[24]通过重庆市O3污染，对气象因子预报方法进行了对比研究. 作为重庆市主城中心城区之一的北碚区，随着近年来的大气污染治理，空气质量持续改善，优良天数保持在主城区前列，但是空气质量受气象要素、环境污染等客观因素的影响，仍存在较大的环保压力，其中O3是严重影响空气质量的重要因素之一. 为了强化源头治理，为此，有必要对山地气候背景下夏季O3污染进行深入研究.

1.   资料与方法

    1.1.   资料来源

    1.1.1.   环境监测资料

  • 本文数据包括2013-2017年3个北碚环境监测站点逐时的O3质量浓度，对比北碚环境监测站点环境信息(表 1)，可知天生环境监测站点(本文简称天生站)相对其他2个监测站点海拔最低，人口密度略低于蔡家监测站点(本文简称蔡家站). 缙云山监测站点(本文简称缙云山站)海拔最高，周边的绿化覆盖率最高.

    • 1.1.2.   气象观测资料

  • 气象观测资料包括2013-2017年的北碚国家气象观测站平均气温(T)、最高气温(Tmax)、相对湿度(HR)、降水(R)、风向(WD)和风速(SW)等常规气象观测数据，蔡家和缙云山区域自动站的平均气温(T)、最高气温(Tmax)、降水(R)等常规气象观测数据. 由于天生站位于城区，在本文主要采用北碚国家气象观测站数据进行对比分析，蔡家气象数据则取蔡家站数据，缙云山气象数据则取缙云山山腰黛湖区域自动站数据.

    • 1.2.   研究区域

  • 重庆市北碚区地处川东平行岭谷区，地形由窄条状山脉和丘陵谷地组成. 由西向东分布有沥鼻山、缙云山、中梁山、龙王洞山4条山脉，其间为宽缓的丘陵谷地. 山脉两侧地势陡峻，多形成陡坡和峻坡，山脊高程700~1 000 m，最高峰为皮家山，高程为1 312.1 m. 山脉之间宽阔的丘陵谷地相对低缓，丘顶高程250~450 m，最低点为嘉陵江童家溪出境处175 m. 属于立体气候中亚热带气候，北碚辖区多年平均气温为14.9~18.1 ℃，日平均气温大于10 ℃的积温在6 000~6 500 ℃之间；年降水量为1 000~1 300 mm；年平均日照时数在1 100 h左右. 具有冬暖夏热，春早秋短无霜期长，雨量丰沛，地区分布季节分配不均，风力小，湿度大，云雾多，日照少，秋季多绵雨，夏季多伏旱等特点.

    • 1.3.   研究方法

    1.3.1.   O3污染物浓度限值

  • 环境空气质量与人类健康程度息息相关[25]，本研究依据《环境空气质量标准》2012年版对O3污染物质量浓度限值的定义(表 2)，O3质量浓度超标均以日最大8 h平均质量浓度大于160 μg/m3为标准计算.

    • 1.3.2.   后向轨迹

  • 美国国家海洋和大气管理局开发的HYSPLIT(hybrid single particle lagrangian integrated trajectory)专业模式，主要用于大气计算和分析大气污染输送与扩散轨迹[26]. 该模式主要应用于大气污染在各个地区的传输轨迹和扩散的研究[27-29]，是一个集输送、扩散和沉降的完整模式，可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. 本研究将重庆市北碚区缙云山监测点(29.83°N，106.38°E)作为起始点，模拟计算监测点2013-2017年夏季(6月，7月，8月)2时、8时、14时到20时(北京时间)48 h后向轨迹，模拟起始高度设置为距离地面500 m高度[14]. 然后使用TrajStat软件的Angle Distance算法对气团后向轨迹做聚类分析，研究气团输送路径.

    • 1.3.3.   潜在来源PSCF分析

  • 潜在来源PSCF分析(potential source contribution function)方法是计算和描述可能潜在源区的空间地理位置的概率密度函数，可以识别对研究区域污染物影响大的区域. 浓度权重轨迹分析法(concentration-weighted trajectory，CWT)可以估算每个网格上污染物浓度. 结合两种方法可以较为准确地确定某地的污染物潜在源区.

    PSCFij值定义为经过第ij网格的污染轨迹数mij和总轨迹数nij的比值，PSCFij值高的网格被解释为潜在源区，计算公式为：

    为减少当某一网格中nij小于研究区域内每个网格内平均端点数nave在3倍时所导致PSCFij值较高的不确定性，将PSCFij值乘以权重函数W(nij)，即WPSCF=W(nij)×PSCFij，权重函数Wij值[30]定义为：

2.   O3质量浓度特征分析

    2.1.   O3年际变化特征

  • 图 1为北碚区3个环境监测站点2013-2017年间O3日质量浓度最大值的年际变化箱线图. 从图 1中整体来看，缙云山站的值最高，其次是蔡家站，天生站值最低；天生站与蔡家站的箱线下限(最低值)、下四分位、中位数线、上四分位都基本一致，明显低于缙云山站，天生站、蔡家站的中位数基本维持在40~60 μg/m3，而缙云山中位数维持在80~100 μg/m3；从箱线上限(最大值)来看，3个站点，天生站近5年均是最低，而蔡家站与缙云山站则大致相同，两站之间的最大值差距较小.

    图 2是2013-2017年北碚区3个监测站点O3日质量浓度最大值污染级别时间序列分布图. 从图 2中可见2013-2017年北碚区3个监测站点，除2015年O3高质量浓度时间跨度较大，3月-4月开始出现高质量浓度天数外，其余年份的O3高质量浓度天数基本集中在7月下旬至8月. 3个站点O3质量浓度从高到低依次为缙云山站、蔡家站、天生站，蔡家站和天生站两地相差不大，缙云山站监测点O3质量浓度远高于其他两地. 对比表 1环境监测站点环境信息分析可知，主要是缙云山监测站点在海拔和绿化覆盖率明显高于其余2个站点，有研究表明[31]植被排放的VOCs亦可增加大气光化学系统的活性，自由基的增加容易加快O3的生存，因此缙云山站的O3质量浓度明显高于其余2个站点.

    • 2.2.   O3质量浓度逐月变化特征

  • 由绘制的北碚区2013-2017年的O3质量浓度平均逐月变化图(图 3a)可知，北碚区3个大气污染监测站点的逐月O3质量浓度变化呈单峰型，峰值基本出现在7月，低值基本出现在12月，每年的11月次年2月O3质量浓度非常低. 在稳步上升的大趋势中，各监测点在4-6月增幅较小. 北碚缙云山O3质量浓度远高于其他两地，蔡家和天生两地趋势一致，O3质量浓度相差不大.

    从北碚区3个监测站日最大8 h O3质量浓度月极端最大值变化图(图 3b)可以看出，3个监测站日最大8 h O3质量浓度月极端最大值的变化趋势与月平均值(图 3a)基本一致，11月-2月最低，7月O3质量浓度最高；除蔡家站4月O3质量浓度最高外，其余月份极端最大值均出现在缙云山监测点，且蔡家站5~8月的极端最大值与缙云山站基本一致.

    图 4是2013-2017年北碚区O3日最大8 h浓度超标平均天数逐月分布图，从图 4中可见除缙云山站2月开始有平均1d的浓度超标日数外，天生站和蔡家站均最早开始于4月；3个站质量浓度超标日数一般结束于10月；秋末冬季均未出现超标现象；7月、8月是O3质量浓度超标日数最多的月份，其中缙云山站7月平均超标日数为18.8 d，8月为14.4 d，7-8月天生站和蔡家站超标日数均在10 d左右.

    • 2.3.   O3质量浓度逐日变化特征

  • 图 5是2013-2017年北碚地区O3质量浓度日变化图，从图 5a可见北碚区总体平均O3质量浓度日变化呈现上午质量浓度低，1 d的最大值出现时间在20：00时左右，之后逐渐回落. 各监测点呈现一致的变化趋势，天生站和蔡家站在19：00-20：00时达到1 d的最大值，缙云山站在22：00时达到最大值. 缙云山站平均O3质量浓度最大，蔡家站和天生站每天平均O3质量浓度相差不大，较缙云山站相差40 μg/m3左右.

    图 5b是2013-2017年夏季6-8月平均北碚区O3质量浓度日变化图. 从图 5b中可见，夏季O3质量浓度逐时变化与年平均变化基本一致，1小时O3质量浓度从高到低依次为缙云山站、蔡家站、天生站，日最高峰值与年平均变化也基本一致，随着太阳辐射的增加，在11：00时左右，O3质量浓度也随之逐渐增大，大约在19：00-21：00时，达到日最大值；但是夏季蔡家站1小时O3质量浓度从14：00时起增长速度较快，在18：00时与天生站的O3质量浓度差值达到23.2 μg/m3，只低于缙云山站6.4 μg/m3.

3.   夏季O3与气象条件的关系

  • 国内外大量学者对O3的研究结论表明[32-34]，近地面O3浓度变化受气象条件的影响较大，在O3的形成、传输、沉降和消散的过程中气象条件都有重要的作用. 由于北碚区O3污染最严重的季节主要出现在夏季，为更好地研究气象条件对O3发展的影响，本研究主要选取2013-2017年夏季(6-8月)的O3数据及同期气象数据进行分析.

    • 3.1.   气温

  • 统计对比3个环境监测站点不同气温范围(平均气温、日极端最大气温)对应O3质量浓度及其超标率的情况(表 3)可见，天生站位于城区，在平均气温＞35 ℃的情况下，无O3超标日数，3个站O3超标主要集中在25~35 ℃之间，其中30 ℃＜T≤35 ℃超标率最高，分别达到61.6%，51.5%，50.3%，O3日最大质量浓度也是在日平均气温4级范围中最高的；日极端最高气温4个范围，3个站均有超标日数，O3超标主要集中在35 ℃＜Tmax≤38 ℃和38 ℃＜Tmax≤40℃之间，除天生站超标率最高出现在38 ℃＜Tmax≤40 ℃之间外，其余2个站超标率最高的范围在35 ℃＜Tmax≤38 ℃之间，在日极端最高气温超过40 ℃的情况下，O3超标率从高到低依次为蔡家站、缙云山站、天生站.

    • 3.2.   日照和相对湿度

  • 日照时数是指一天内太阳直射光线照射地面的时间，在一定程度反应了太阳辐射对O3质量浓度的影响，日照时数越长，越有利于提高光反应速度，从而加快O3的生成[33]. 从表 4可见，天生无日照时，相应地也无O3超标日数. 但随着日照时数的增加，O3超标天数也在逐渐增加，当日照达到8~10 h之间时，O3超标率达到36.6%. 因此，近地面的O3质量浓度与日照时数有明显的正相关性.

    大气中水汽通过影响太阳辐射从而影响O3发生光化学反应，大气中的水汽在一定的条件下通过反应消耗O3[35]. 由绘制的2013-2017年相对湿度及O3质量浓度散点图(图 6)可知，随着相对湿度的增加，O3质量浓度逐渐减少. 结合北碚区不同湿度区间下的O3质量浓度及超标率(表 4)可知，在O3质量浓度超标日数里的相对湿度主要集中在50%~80%之间，其中相对湿度在70%~80%之间，超标率最高，相对湿度≤50的超标率最低.

    • 3.3.   降水

  • 统计2013-2017年3个监测站点不同降水范围对应O3质量浓度及其超标率情况(表 5)可知，O3超标日主要是在无降水日出现，超标率达89%左右，在中雨和大雨量级时，天生站无O3超标日，蔡家站和缙云山站的超标率1%左右，小雨量级则3个站都有O3超标情况出现，超标率从大到小排列依次是蔡家站、天生站、缙云山站.

    • 3.4.   风向和风速

  • 结合天生站夏季不同风向风速变化及日最大O3质量浓度的风玫瑰图(图 7)，可以看出，天生站2013-2017年间夏季主要以北风、东北风为主，平均风速1.3 m/s，最小风速0.1 m/s，最大风速4.5 m/s，O3质量浓度受风向的影响，中心城区O3质量浓度较高，O3质量浓度向西北方扩散的面积较大.

4.   O3来源模拟分析

    4.1.   夏季O348 h气团后向轨迹的变化轨迹

  • 受气象和前体物等因素的影响的同时，O3质量浓度也受污染物区域传输以及传输过程中前体物的光化学反应的重要影响[36]. 本研究将重庆市北碚区缙云山监测点(29.83°N，106.38°E)作为起始点，模拟计算监测点2013-2017年夏季(6月，7月，8月)02：00时、08：00时、14：00时到20：00时(北京时间)48 h后向轨迹，模拟起始高度设置为距离地面500 m高度. 然后使用TrajStat软件对气团后向轨迹做聚类分析(表 6)，绘制气团输送路径(图 8). 结果显示，北碚区缙云山夏季O3气团传输路径聚类后有6条轨迹，平均O3质量浓度是104.8 μg/m3，其中轨迹1(19%)主要来自西方，途经四川内江附近，气团长度最短；轨迹2(19%)相比轨迹1传输路径较长，主要来自南方，途经广西、贵州；轨迹3(5%)气团长度最长，主要来自西北方，途经青海、四川，同时此条轨迹的O3质量浓度最高，平均浓度达128.9 μg/m3；轨迹4(24%)，O3质量浓度位居全部轨迹线路的第2，达到110.97 μg/m3，主要来源于重庆东南部影响；轨迹占比最高的是轨迹5(28%)，平均O3质量100.9 μg/m3，主要来源于东北方，与北碚区主要风向一致，途经四川盆地东北部；轨迹6(5%)O3质量浓度最低，平均O3质量浓度87.13 μg/m3，主要来源于西南方，途经云南、贵州.

    • 4.2.   O3污染潜在源区分析

  • 本研究将后向轨迹所覆盖的空间区域(20°~40°N，90°~120°E)网格化为0.25°×0.25°的网格，设定轨迹对应的O3质量浓度大于160μg/m3(国家二级标准)作为污染轨迹，计算每个网格内的PSCF值以及CWT值. 由北碚缙云山夏季O3潜在源区分布概率(WPSCF)分析结果(图 9a)，可知夏季O3潜在源区分布广泛，重庆东南部，贵州东北部、中部等地区是WPSCF高值区(＞0.24)，湖南、广西等地部分网格也存在较高的WPSCF值，可能是O3潜在源区.

    基于CWT对研究区的WPSCF和加权浓度权重轨迹值(WCWT)进行进一步分析发现，两者结果较为相似，WPSCF的大值区和WCWT大值区基本重合，潜在污染源较为可靠. 从北碚缙云山夏季O3质量浓度的WCWT分析结果(图 9b)可知，夏季O3污染潜在源高值区主要位于四川盆地成都周边城市群、重庆本地(除东北的城口—巫溪—巫山外的城市)、贵州北部，对北碚缙云山O3质量浓度48 h贡献超过了100 μg/m3.

5.   小结

  • 1) 北碚区O3质量浓度从高到低依次为：缙云山站、蔡家站、天生站，高O3质量浓度主要集中在7月下旬到8月，11月到次年2月浓度最低，天生站和蔡家站小时O3质量浓度在19：00-20：00时达到最大，缙云山站则在22：00时达到最大值.

    2) 气象条件对夏季O3有密切的影响，当日平均气温在30~35 ℃区间时、日极端最高气温达到35~40 ℃时，O3超标率最高；O3质量浓度与日照时数呈正相关性，O3质量浓度随着日照时数的增加而增加；与相对湿度、降水呈负相关性，随着湿度及降水的增加，O3质量浓度逐渐减少；夏季主要以北风、东北风为主，受风向的影响，中心城区浓度较高，O3质量浓度向西北方扩散的面积较大.

    3) 对北碚区夏季O3污染输送较重的气团路径主要来自东北方以及东南方. 夏季O3污染潜在源高值区主要位于四川盆地成都周边城市群、重庆本地(除东北的城口—巫溪—巫山外的城市)、贵州北部.

    综上所述，O3是二次生成的光化学污染物，O3生成和积累的时间主要集中在白天，而重庆夏季典型的O3污染日大气环流就是高空处于青藏高压前部，低层大气稳定，850 hPa处于低压西北侧[23]，天气多为晴朗少云，辐射强，日照时间长，非常有利于O3光化学反应. 因此，北碚夏季气象条件对O3的影响较为明显.

Figure (9)  Table (6) Reference (36)

Catalog

    Copyright Journal of Southwest China Normal University(Natural Science Edition)

    Address： Tel：023-68252540，68254576，68254478 E-mail：xbbjb@swu.edu.cn

    Supported by:Beijing Renhe Information Technology Co. Ltd

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return