莆田市一次夜间O3污染的气象特征及潜在源分析

基于莆田市环境监测站的逐小时臭氧(O₃)数据和气象常规资料、EC和NCEP再分析资料,结合气流轨迹模型(HYSPLIT)对莆田市2020年11月8日夜间近地层O₃污染过程的气象特征和潜在源进行分析。结果表明,2020年11月8日,O₃日最大8小时滑动平均值[ρ(O₃-8h)]超过国家二级浓度限值(160μg·m^-3)。夜间O₃污染期间,本站气压较高(1022.5 h Pa左右),地面受冷空气影响,主导风向为偏北风,风速在4.5～5.0m/s之间。大气边界层高度从8日14时(1035m)逐渐下降,与O₃的变化趋势相反,当ρ(O₃-1h)于23时达到最大值,此时大气边界层高度大致稳定(800m左右),不利于O₃扩散。潜在源的分析结果显示,潜在源贡献因子(WPSCF)高值区(>0.4)主要出现在浙江北部,浓度权重轨迹分析(WCWT)高值区(>100μg·m^-3)主...     

莆田市臭氧天气指数构建及其影响因素研究

建立快速诊断气象条件和天气形势的综合性指标是臭氧(O³)污染预警预报、影响评估等工作的基础。该文以福建省莆田市为例,利用2015—2020年近地面O³监测和气象要素小时值资料,采用多元回归和标准化归一方法,构建臭氧天气指数(Ozone Weather Index, OWI)并检验匹配各季节臭氧污染事件的能力及指标阈值。结果表明,气象要素与OWI相关系数排名前三的是太阳总辐射、日照时数和日最高气温;年均ρ(O^3-8h)与OWI呈现显著正相关关系(r=0.515),春季ρ(O^3-8h)与OWI的相关系数r为0.631,且OWI>1.0时达到O³预警指标的概率为53.9%;秋季ρ(O^3-8h)与OWI的相关系数r为0.586,且OWI>2.0时达到O³预警指标的概率为46.7%;OWI对预测福建污染高发季节O³是否达到污染水平有很好的指示作用,对O³-IAQI等级预测也有很好的效果。     

山地气候背景下重庆地区夏季气象条件对臭氧的影响

为探讨山地气候背景夏季气象条件对臭氧(O₃)的影响,利用2013-2017年重庆市北碚区3个环境监测站点日值数据集和相关气象要素资料,运用综合数理统计方法,对北碚区O₃浓度的特征变化以及夏季气象条件对重庆北碚区O₃的影响进行分析,并通过HYSPLIT模型方法查找O₃传输路径,分析其潜在源区.结果表明,北碚区O₃高浓度主要集中在7月下旬至8月,且缙云山站点O₃浓度最高.夏季气象条件对O₃污染有着密切的联系,当日平均气温达到30～35℃,日极端最高气温在35～40℃时,O₃超标率达到最高.日照时数对O₃浓度呈正相关性,相对湿度、降水对O₃浓度呈负相关性.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污染高浓度主要受四川盆地成都周边城市群、重庆本地和贵州北部的影响.     

大气臭氧浓度升高对樱桃萝卜生长和生物量的影响

【目的】近地层臭氧(O₃)是具有强氧化性的二次污染物,可损伤植物内部结构和生理功能,造成作物生长量和品质下降。了解不同大气O₃浓度下樱桃萝卜各生长时期的叶片受害和生物量状况,分析其受害症状、生物量与O₃暴露剂量之间的相关关系,为探讨O₃浓度升高对农作物产量的影响及作物大气O₃标准的制定提供参考。【方法】利用12个生长室设置了4个大气臭氧(O₃)浓度(30、50、70和90 nmol/mol),对樱桃萝卜叶片的受害症状和第7、14、21和28天的生长和生物量变化进行了研究,并拟合计算了O₃暴露剂量AOT40和叶片受害症状、生物量变化间的相关关系。【结果】① 70和90 nmol/mol O₃处理下,第7天观测发现樱桃萝卜子叶上部出现褪绿斑点, 整叶局部薄厚不均,叶片受害症状随着O₃熏蒸时间的增加而加重,出现O₃受害症状的叶片比例和O₃暴露剂量AOT40极显著相关 (P<0.01)。②处理第21天时观测发现,O₃熏蒸均对樱桃萝卜整体干质量产生影响;与30 nmol/mol处理的相比,第28天时观察发现,50、70和90 nmol/mol O₃处理后的樱桃萝卜肉质根干质量分别下降了45.1%、57.3% 和79.9%。干质量下降的幅度大于体积的,肉质根体积和干物质量都与O₃暴露剂量AOT40线性相关。【结论】樱桃萝卜的生长和生物量受到O₃浓度和累积时间两个因素共同影响,O₃浓度升高显著抑制了樱桃萝卜生长,造成叶片受损,可食用肉质根体积和总干物质量显著下降。     

基于HYSPLIT模型的2017年西安市首要大气污染物变化特征及潜在源区分析

利用2017年西安市13个空气质量监测站点实测数据,分析了大气污染物CO、NO₂、O₃、PM₁₀、PM_2.5、SO₂的变化规律及特点,用空气质量分指数计算了不同季节的大气首要污染物,基于混合单粒子拉格朗日综合轨迹模型分析了2017年西安市污染物的后向轨迹和聚类轨迹,采用潜在源贡献因子法和浓度权重轨迹分析法计算了各个季节首要污染物的潜在源区分布.结果表明, 2017年西安市逐日ρ(NO₂)、ρ(PM₁₀)、ρ(PM_2.5)、ρ(SO₂)和ρ(CO)夏季低、冬季高,逐日ρ(O₃)值夏季高、冬季低,反映了西安市春季首要污染物是PM₁₀,夏季首要污染物是O₃,秋冬季首要污染物是PM2.5.冬春季西安市气流轨迹方向以西北向为主,携带了大量的颗粒物和气体污染物.西安夏季污染主要以本地污染源为主.秋季,来自内蒙古南部、陕西延安、铜川的北向气...     

大气臭氧:天然分布、人为影响及其健康损害

 从大气臭氧（O₃）天然分布、人为活动对O₃变化的影响（臭氧层空洞和O₃生成潜势）O₃污染对人类健康的危害（O₃污染对人体呼吸系统和心血管系统的影响）3个方面综述了近年来有关大气O₃的研究进展,其中在O₃生成潜势方面重点介绍了O₃生成效率、光化学O₃生成潜势和增量O₃活性3种主要模型。通过了解本区域O₃污染形成的主要来源和变化过程,引起人们对于O₃污染的重视,并据此制定合理的控制政策和措施。     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

上海及附近海域对流层低层臭氧质量浓度时空分布特征与海陆风的关联性研究

利用2010—2019年臭氧监测仪(ozone monitoring instrument, OMI)卫星数据产品OMO3PR和ERA5再分析资料，分别研究了上海及附近海域近10年对流层低层(海拔≤3 000 m)的臭氧(O₃)质量浓度和风的时空分布特征，并以浦东地区为例研究了该地区海陆风的特征、相对污染系数及其对O₃质量浓度的影响。结果表明：10年间O₃质量浓度整体呈增大趋势，具有明显的季节性变化特征，夏季最高，冬季最低；空间分布上，陆地O₃质量浓度较海面高，最大可达129.3μg/m³。夏、冬季的风速较春、秋季高，陆地区域风速小于5.4 m/s的频率高达82.4%,海面和近海岸区春、夏季时的风易使O₃向内陆扩散。海陆风在春、夏两季发生频率较高，夏、秋季海风期间西南西和西南方向的相对污染系数高于其他方位，表明此时浦东机场附近的O₃向西北方的陆地区域扩散概率更高，而使O₃质量浓度升高。夏、秋季时海陆风可加剧内陆O...     

珠三角城市群臭氧浓度时空变化特征分析

通过空间数据统计方法,揭示珠三角14座城市的O₃浓度时空变化特征.结果表明,2016—2019年珠三角城市群O₃质量浓度呈先升高后降低的趋势,江门、中山、东莞、佛山为污染较重的4个城市;季分布大体呈现出夏、秋季浓度较高,春季居中,冬季较低的规律;具有不规则"M"形逐月变化规律和典型的单峰型逐日变化规律.对2016—2017年珠三角城市群O₃浓度增长时期进行空间分析,核密度估计表明,珠三角城市群O₃浓度有部分由中低值流向高值区,两极分化现象减弱,O₃浓度分布差距减小.空间统计分析表明,珠三角城市群O₃浓度分布呈逐渐减弱的负向空间相关,表现在南北高,由内陆中部向西部和东北向外递减,逐渐降低的离散型空间格局分布.广州、佛山、中山、清远城市处于O₃浓度增长的扩散效应区,对周边城市存在"积极"影响.不同时间下,珠三角城市群O₃与PM_2.5、PM₁₀、SO₂、...     

北京市夏季臭氧前体物控制区的分布特征

利用Models-3/CMAQ模式系统, 对北京市2010年6-8月逐日的臭氧前体物控制区进行5种类型的划分, 使用各类控制区在研究期间出现的频率表征北京夏季臭氧控制区空间分布的总体特征。结果表明, 从北京市城近郊区到远郊区县, O₃生成由主要受VOCs控制逐渐转变为VOCs和NO_x共同控制, 进而过渡到主要受NO_x控制。在北京城近郊区, 人为源VOCs减排能够有效控制当地O₃的天数占夏季总天数的一半左右, 而在昌平、延庆和怀柔等西北远郊区县, 人为源NO_x减排能够有效控制其O₃的天数约占40%~50%。北京市前体物减排对O₃控制效果不明显的情况在各区县普遍存在, 其中东部和南部区县出现这种情况的天数比例可达70%以上。对于臭氧的最大1小时浓度和最大8小时浓度, 二者的前体物控制区在北京市有相似的分布特征。     

天津WRF-Chem模式空气污染浓度预报误差时空分析

分析2019—2021年天津WRF-Chem模式日预报结果与实况对比的误差时空特征，得出以下结论：(1)模式预报结果与O₃浓度的相关性最好(0.90)，与PM₁₀(0.59)的最差；(2)模式预报结果对污染物浓度的高估现象更显著，PM₁₀、PM_2.5和O₃浓度的预报绝对误差明显高于其他3种污染物；(3)模式预报的相对误差大小排序为O₃22102.5，且夏季最高，秋冬近似，春季最小，夏秋冬三季相对误差都为PM_2.5最大，春季则为PM₁₀最大；(4)从2种主要污染物浓度预报相对误差的空间分布特征来看，PM_2.5为蓟州、中心城区、大港偏大，PM₁₀为中部地区西青、武清、塘沽、宝坻偏大；(5)经综合衡量，模式预报效果最差的是PM     

济南市主城区空气污染物特征分析

为了深入探寻济南市主城区空气污染物特征,研究基于2019年济南市主城区7个国控自动监测点位的空气质量监测数据,分析PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃共6项空气污染物时空特征,并对相关性进行研究。结果表明：浓度季变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈正“U”型曲线,O₃呈倒“U”型曲线;浓度月变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈开口向上波动性抛物线,O₃呈开口向下波动性抛物线;浓度日变化,PM_2.5、PM₁₀、SO₂、NO₂和CO呈“双峰双谷”周期性波动趋势,O₃呈“单峰单谷”周期性波动趋势;空间特征,主城区西部和北...     

淮南市O3污染期间VOCs污染特征及来源分析

基于近地面观测的O₃、气象和在线大气挥发性有机物(volatile organic compounds, VOCs)数据,文章通过2020年9月1—9日淮南市1次O₃污染天气过程,对O₃生成关键前体物VOCs的污染特征和来源解析开展研究。为识别VOCs关键活性物种,采用最大增量反应活性(maximum incremental reactivity, MIR)法对各物种的臭氧生成潜势(ozone formation potential, OFP)进行计算分析,利用后向轨迹聚类以及潜在源区(potential source contribution function, PSCF)模型对淮南市大气VOCs进行大气污染输送分析,利用正定矩阵因子分解(Positive Matrix Factorization, PMF)模型与特征值法对淮南市大气VOCs物种进行排放源解析。结果表明：淮南市O₃污染时段VOCs(88种)平均质量浓度为(145.7±58.1)μg/m³,烷烃、烯炔烃、芳香烃...     

人为排放对信阳市细颗粒物和臭氧的影响评估

基于信阳市2017—2020年细颗粒物(PM_2.5)和臭氧(O₃)浓度数据及同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波法将原始浓度序列分解为短期分量、季节分量和长期分量,采用逐步回归方法建立污染物基线分量和短期分量与相应尺度气象要素的线性回归模型,通过对残差进行滤波和序列重建,得到去除气象影响的污染物长期变化趋势,该浓度仅与污染物的排放量有关。结果表明,PM_2.5和O₃浓度的波动主要由污染源排放及气象条件的短期变化和季节变化引起,气象条件对PM_2.5季节分量和O₃长期分量影响较大。信阳市PM_2.5污染排放减弱,O₃污染排放先升高,在2018年10月后降低。由于污染排放导致的2017—2020年PM_2.5和O₃长期分量分别降低3.5、1.5μg/(m³·a)。     

基于属性识别模型的铜仁市空气质量评价

为行政部门有效治理城市环境和生态保护,科学客观评价空气质量极为重要。本研究以铜仁市为对象,统计分析了2015—2020年铜仁市空气污染物变化动态特征,同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明：1)铜仁市主要污染物是PM_2.5、PM₁₀和O₃,其污染程度为PM_2.5>PM₁₀≈O₃,PM_2.5和PM₁₀浓度水平处于Ⅱ级标准,PM_2.5在冬季处于不达标水平,PM₁₀于2020年达Ⅰ级以下标准,有显著好转,O₃浓度2016年以来显著增加,存在污染风险。2)铜仁市近几年空气综合质量均为Ⅰ级标准,但空气质量综合水平呈下降趋势,主要原因在于PM_2.5作为首要的空气污染物,污染水平一直没有得到有效控制。此外,O₃污染程度风险增加。因此,PM_2.5和O₃     

北京市空气污染与气象条件的关系及其预报

利用北京市2015-2017年逐日、逐小时w(PM_2.5)、w(SO₂)和w(O₃)资料,及同期NCEP/NCAR的高分辨率全球预报系统数值预报产品,计算了相关空气污染气象参数,研究了北京市空气污染物质量浓度与气象条件的关系.采用逐步回归方法,建立了北京市空气污染物w(PM_2.5)、w(SO₂)和w(O₃)的预报方程,并对预报结果进行了检验.结果表明,稳定能量和涡度与w(PM_2.5)、w(SO₂)以正相关为主,与w(O₃)以负相关为主.低层平均风速和边界层厚度与w(PM_2.5)、w(SO₂)以负相关为主,与w(O₃)以正相关为主.地面露点温度与w(PM_2.5)、w(SO₂)和w(O₃)以正相关为主;在优选空气污染气象参数的基础上,利用逐小时空气污染物质量浓度资料...     

成都市夏季臭氧污染的环流分型与来源分析

为探究大尺度环流对成都市O₃污染的影响, 基于四川盆地700 hPa位势高度场, 采用T-PCA方法, 将2015—2019年夏季(6—8月)各日的大气环流归纳为5类环流型, 并对不同环流型下的成都市O₃污染特征与污染来源进行分析。5类环流型中, 东北高压型(NEH)和高压底部型(UNF)条件下, 四川盆地气温较高, 湿度和云量相对较低; 对比过去24小时的变温, UNF下四川盆地增温显著, NEH 下变化不明显, 另外三类环流型(即东南高压型、西北低压型和西北高压型)下则出现不同程度的降温。NEH和UNF下的气象条件更有利于四川盆地O₃的光化学生成。研究时段内, NEH和UNF下成都市O₃浓度水平和O₃超标日比例明显高于另外三类环流型, 是夏季发生O₃污染的主要环流型。成都市O₃污染较重的月份具有较高的NEH和UNF环流型占比。通过对成都市夏季O₃来源的模拟分析, 发现O₃污染主要来自四川盆地内的污染源排放(占55.0%), 以成都本地贡献为主(31.6%), 其他重要贡献城市包括德阳(5.4%)、重庆(4.0%)、资阳(3.9%)和眉山(2.2%)。然而, 不同环流型下成都市的O₃来源具有不同特点, NEH下成都平原内部污染传输影响较强, 德阳市O₃贡献显著增加(占14.9%); UNF 下成都市O₃污染呈现很强的局地性污染特征, 成都市排放的O₃贡献占比接近一半(46.8%)。     

甘肃省臭氧浓度时空变化特征分析及治理方向的思考

近年来，甘肃省臭氧（O₃）污染问题逐渐浮现，而国家省级层面目前尚未制定提出相关指导意见，O₃污染防治仍处于探索阶段。本研究通过对2015—2018年甘肃省主要大气污染物工况监测数据进行分析，找出各污染物特别是O₃的时空变化特征，并从时间、地区、行业3个角度提出了甘肃省O₃污染防治的相关措施及建议。     

基于夜间灯光影像的能源消费与PM2.5时空关系研究

利用能源消费统计数据与夜间灯光影像对陕西省能源消费进行空间化处理,结合PM_2.5遥感数据,基于双变量空间相关性分析等方法,研究了陕西省能源消费与PM_2.5的时空关系,并利用随机森林回归模型探讨了影响ρ(PM_2.5)变化的能源消费因素．结果表明:1）2001—2013年陕西省ρ(PM_2.5)先增大后减小,最高值达到28.5 μg·m?3,省内PM_2.5分布的空间异质性较强,其中关中地区的ρ(PM_2.5)最高;2）陕西省能源消费量逐年上升,在空间上的分布与ρ(PM_2.5)类似,关中地区的能源消费量最多;3）陕西省能源消费量与ρ(PM_2.5)的Moran’s I达到了0.289,表明二者之间有着明显的空间正相关性,即高能源消费的区域有着高质量浓度的PM_2.5分布;4）人口密度、路网密度与能源消费总量是陕西省ρ(PM_2.5)变化的重要驱动因素．      

正交试验法优化O3/Fenton工艺对制药废水的可生化预处理

高浓度制药废水组成复杂、色度深、成分差异大、B/C比值低、有机污染物种类多且浓度波动大。臭氧-芬顿法处理废水具有操作简单、处理效率高的优势。本文采用该方法对制药废水处理工艺进行L₂₅(5⁴) 正交优化实验,分析pH,O₃流量 q、COD 与 H₂O₂质量比 m,Fe²⁺与 H₂O₂摩尔比 n 等 4 种影响因素对废水 COD 去除率和可生化比 B/C 的影响。研究发现,当p H = 3.00,q (O₃) = 9.0 g/h,m (COD/ H₂O₂) = 1/2,n (Fe²⁺/ H₂O₂) = 1/8 时,废水可生化性指标 B/C 由 0.075 提升至0.533,极大地改善了废水可生化性,为后续的生化处理降低了难度,为企业废水处理提供了参考。