快速城市化和工业化带来的一系列以细颗粒物PM2.5和臭氧O3为主的空气污染问题一直是社会关注的热点.有研究表明, 臭氧污染对人体和植被均有危害.人体暴露在高浓度臭氧中会诱发呼吸道与心血管疾病, 长期接触相对低浓度的臭氧也会增加过早死亡的风险[1, 2], 另外臭氧污染也会损害植物的气孔功能并造成农作物减产[3, 4].同时, 臭氧也是重要的温室气体.IPCC报告中指出[5], 臭氧的辐射强迫效应仅次于二氧化碳CO2和甲烷CH4, 其温室效应不可忽视.在过去20年间, 政府一直致力于治理空气污染问题, 一次排放污染物和以PM2.5为主的二次生成污染物已经呈现持平甚至下降趋势[6~9], 然而臭氧浓度不减反增.在2014~2018年间, 中国地区的臭氧平均日最大8 h浓度(MDA8)保持平均每年4.6%的速度增长[10], 京津翼、长三角和珠三角城市群的高浓度臭氧污染事件仍然时有发生, 并且频率远大于世界其他工业化程度高的国家(日本、韩国、欧洲和美国)[11~14].这表明, 臭氧仍然是当下防控重点.
近地面的臭氧主要由光化学反应生成, 受前体物挥发性有机化合物VOCs和氮氧化物NOx共同控制, 并且与前体物呈非线性关系[15].单一削减某一方前体物并不能够实现有效降低臭氧浓度的目的, 甚至有可能导致臭氧浓度上升.例如, 当臭氧生成对VOCs敏感时, 削减VOCs能使臭氧浓度降低, 而削减NOx却会起反效果. 2019年新冠肺炎暴发, 各国采取封城措施, 人为活动大幅减少, 一次污染物排放也降至最低, 然而臭氧浓度却不降反升[16~18].有研究指出, 在疫情期间, 东亚区域平均NO2浓度比相同气象条件下的正常水平还要低7×10-9, 但臭氧浓度却增加了4×10-9[19].而在美国的一项研究表明, 美国在疫情期间各区域臭氧变化不一, 臭氧浓度上升现象多出现在VOCs敏感的城市区域, 而臭氧下降多在NOx敏感的城郊与乡镇[20].因此, 辨别区域臭氧生成的敏感性, 研究臭氧对前体物的非线性响应关系对制定有效的臭氧污染控制策略有重要意义.
目前, 在珠三角已有较多的区域臭氧敏感性研究工作.过去多数研究表明[21~26], 珠三角城市地区的臭氧通常表现为VOCs敏感, 而植被覆盖率较高的郊区乡镇则多表现为NOx敏感.然而臭氧敏感区并非一成不变, 在不同的季节和时段, 区域的臭氧敏感性也会有所不同[27, 28].在广州郊区站点的观测研究表明, 在夏季和秋季的中午时段, 广州郊区的臭氧表现为NOx敏感, 而在早上和傍晚则表现为VOCs敏感[29].另有研究表明, 区域的敏感性还会受到传输因素的影响[30, 31].在南海万山群岛上的一项现场观测研究指出[32], 南海在非臭氧污染时段表现为NOx敏感区, 污染时段由于大陆的污染气团传输影响, 南海转变为VOCs敏感区.以上臭氧敏感区研究多集中在特定臭氧污染时段, 并未考虑区域传输因素, 因此本研究将综合探究不同传输通道下珠三角臭氧敏感性分布差异, 并评估前体物的非线性响应.
本文将以珠三角城市群为研究对象, 以2017年9~10月为研究时段, 利用空气质量模式CAMx耦合臭氧源解析技术OSAT, 探究在不同传输通道下珠三角区域的臭氧敏感性分布差异与臭氧的城际相互传输贡献, 并设置前体物减排的敏感性试验, 分析珠三角地区臭氧对前体物的非线性响应关系, 以期为制定科学有效的臭氧控制策略提供科学基础.
1 材料与方法 1.1 WRF-CAMx模式本次研究采用中尺度气象模式WRF(3.9.1版本)联合三维多尺度空气质量模式CAMx系统, 对珠三角区域的臭氧污染进行模拟再现.WRF模式中采用两层嵌套, 分辨率分别为27 km和3 km, 投影中心点设置为(25.4°N, 113.7°E), 使用Lambert投影, 外层网格覆盖中国南部地区, 内层网格覆盖珠三角地区(如图 1).模式中所需的初始气象边界场条件采用的是美国国家环境预报中心NECP提供的FNL再分析数据集.WRF模拟具体的物理化学参数化方案设置如表 1所示.
![]() |
图 1 模拟区域及观测站点 Fig. 1 Model domains and location of monitoring stations |
![]() |
表 1 物理和化学参数化方案设置 Table 1 Physical and chemical parameterization schemes |
空气质量模式CAMx是基于三维欧拉方程开发的化学传输模式, 它能够在城市或区域尺度上, 通过计算求解空气污染物在每个模拟网格中由排放、扩散、沉降和化学过程导致的浓度变化, 实现模拟再现空气污染过程的目的.在本研究中, 模式使用与WRF相同的嵌套方案, 分辨率分别为27 km和3 km, 采用SAPRC07化学机制[33], 最外层所需的边界条件和初始条件由全球模式MOZART4提供, 网格化排放清单采用清华大学发布的中国多尺度排放清单MEIC[34, 35], 分辨率0.25°×0.25°, 基准年为2016年.内层网格的边界和初始条件由外层网格提供, 网格化排放清单使用珠三角地区的高分辨排放清单[36], 分辨率为3km, 基准年为2017年, 包括农业源、固定燃烧源、工业过程源、道路移动源、非道路移动源、燃油储运源、扬尘源、溶剂使用源、生物质燃烧源和其他源共10个排放部门, 生物排放源使用气体和气溶胶排放模式MEGAN在线计算, 并经过珠三角本地化处理[37].
CAMx中耦合的臭氧源解析工具OSAT[38]主要用于在化学传输模块运行过程中, 通过追踪O3及其前体物在经过一系列的大气物理传输和化学反应后的来源与去向, 达到归因区域臭氧的目的.具体而言, OSAT采用物种标记法标记, 以N和V标记特定排放源区和排放源部门所排放的前体物NOx和VOCs, 同时利用指示因子ΔH2 O2/ΔHNO3辨别臭氧敏感区, 分别标记在不同敏感区下生成的臭氧O3N和O3V.在物种标记后, OSAT通过持续跟踪传输模块运行过程中的臭氧生成(+ΔO3)和消耗(-ΔO3), 并根据指示因子归因到不同排放源区和排放部门的O3N和O3V中, 前体示踪物N和V则在化学反应过程中被消除, 最终实现臭氧的来源解析[39].使用源解析功能前需要对模拟区域进行标识划分和数字化处理, 在本研究中, 主要对第二层嵌套进行排放源区域标记, 标记区域包括珠三角9个城市(广州、东莞、惠州、江门、佛山、中山、珠海、肇庆和深圳)及9个城市外、模拟区域内的其他区域(图 1).
本研究中以2017年9~10月为模拟时段, 重点分析该时段内出现的两次臭氧连续污染, 污染时段为2017年的9月13~20日和10月18~30日, 利用前文所述的珠三角区域气象和污染物观测数据, 对本次的模拟结果进行验证.为达到理想的模拟效果, 模拟前多预留3 d模拟时间, 以降低模型初始条件的影响.
1.2 观测数据本研究中使用的气象观测数据为2017年9~10月珠三角区域内的国家基本气象观测站的逐日逐时气象观测资料, 站点主要包括广州、东莞、惠阳、台山、顺德、中山、珠海、高要和深圳, 分别代表珠三角9个城市的气象条件; 污染物观测数据则选用粤港澳珠三角区域空气质量监测网的污染物观测数据, 该监测网由23个站点组成, 在本研究中, 选取麓湖、荔园、金桔咀、唐家、东湖、下埔、紫马岭和南城元岭等9个观测站代表珠三角污染状况, 数据包含NO2、SO2、CO、PM2.5、PM10和O3等6种污染物的逐时观测资料.本次研究具体的模拟区域及观测站点分布情况如图 1所示.
1.3 模式验证本次评价采用的评价标准包括平均绝对偏差(MAE)、相关系数(R)、均方根误差(RMSE)和符合指数(IOA)等4个指标, 具体验证结果如表 2所示.图 2和图 3分别为各个站点气象要素和臭氧的观测值与模拟值时序对比.图 4为污染时段的风向频率玫瑰图.在本次模拟结果中, 温度和相对湿度的模拟值与观测值较为吻合, 各站点模拟效果均表现良好, 相关系数均在0.7以上.风速模拟存在高估, 大部分站点偏差范围在1~2 m ·s-1之间; 风向模拟同样存在偏差, 但模拟和观测值的主导风向一致, 模拟结果较好地再现了风向的变化, 各站点的IOA均在0.8以上.臭氧的模拟结果较好, 偏差处于较低水平, 相关系数均在0.6以上.综上, 本次的模拟结果能够很好地再现珠三角地区的气象条件和臭氧污染情况.
![]() |
表 2 模拟结果验证 Table 2 Verification of the simulation results |
![]() |
阴影为各站点的偏差范围, 实线分别代表模拟和观测的平均值, 下同 图 2 温度、相对湿度和风速的模拟值与观测值时序对比 Fig. 2 Comparison of observed and simulated temperature, relative humidity and wind speed |
![]() |
图 3 臭氧模拟值和观测值时序对比 Fig. 3 Comparison of observed and simulated O3 |
![]() |
图 4 模拟与观测风玫瑰图 Fig. 4 Wind rose diagram for simulation and observation |
由臭氧污染时段的风向频率玫瑰图可以看到(图 4), 东北方向的NE、ENE和东南方向的ESE、SE和SSE为出现较为频繁的风向, 频率均在10%以上.因此, 本研究以东北风和东南风为主要传输通道.对臭氧污染时段(2017年的9月13~20日和10月18~30日)进行风向筛选, 并将风速小于2 m ·s-1的污染时段定义为静风时段, 从而划分在东北风、东南风和静风条件下的臭氧污染案例(东北风: 10月18~23日、10月27~30日; 东南风: 9月18~20日; 静风: 9月13~17日、10月24~26日), 后续分析将基于这3种传输通道影响下的臭氧污染案例进行展开.不同传输通道影响下珠三角地区叠加风场的MDA8臭氧浓度空间分布如图 5所示.从中可以看到, 静风条件下, 臭氧污染集中在珠三角中部城市群区域, 而东北风条件下, 高浓度的臭氧主要分布在下风向, 覆盖江门、中山、珠海和佛山等城市, 东南风条件下则是分布在西北方, 覆盖广州、东莞、佛山、肇庆和江门北部的部分区域.
![]() |
(a) 静风, (b) 东北风, (c) 东南风 图 5 不同传输通道下, 珠三角MDA8臭氧浓度空间分布 Fig. 5 Spatial distribution of O3 MDA8 in the PRD in different transmission channels |
对上述分类的不同传输通道下臭氧污染案例进行分析, 探究在不同传输通道下的臭氧敏感区分布差异, 图 6为分别在静风、东北风和东南风条件下的臭氧敏感区空间分布格局.结果表明, 在静风条件下, VOCs控制区集中分布在珠三角中心区域(广州南部、东莞西部、深圳、佛山和中山), 外围为NOx控制区.这与珠三角城市与郊区的分布有关: 前体物NOx排放相对较高的城市群和工业区集中分布在珠三角中部地区, 外围为乡村郊区, 这导致在静风条件下, VOCs控制区集中分布在珠三角中心区域, 外围为NOx控制区.
![]() |
(a)静风, (b)东北风, (c)东南风 图 6 不同传输通道下臭氧敏感区分布 Fig. 6 Spatial distribution of ozone formation regimes in different transmission channels |
由于佛山顺德区、东莞和深圳宝安区为珠三角主要的工业区, 广州中下部为交通繁忙的市区, 均存在大量以NOx为主的前体物排放, 在东北风条件下, 前体物向下风向传输, 导致VOCs控制区以佛山顺德、广州荔湾和深圳宝安为上边界, 向西南方向蔓延, 江门、中山和珠海等下风向城市从NOx敏感区转变为VOCs敏感区, 而珠三角上风向的乡镇郊区仍然表现为NOx敏感区.在东南风条件下, 珠三角工业区和城市群排放的污染物气团向左上方传输, VOCs控制区以城市区域为中心、沿东南至西北方向呈带状分布, 两边为NOx控制区.
在珠三角过往研究中, Wang等[22]和庄立跃等[26]的研究利用OMI卫星数据划分珠三角臭氧敏感区, 发现珠三角中部为VOCs敏感区, 外围为NOx敏感区, 与本研究中静风下的敏感区分布一致; Wang等[30]的研究利用CMAQ模型分析珠三角10月的一次臭氧污染, 发现中部城市群及其下风向区域为VOCs敏感.叶绿萌等[24]利用WRF-Chem探究秋季臭氧敏感区分布, 结果显示珠三角西南部为VOCs敏感区, 东北部为NOx敏感区, 与本研究东北风下的敏感性分布结果相近; Ou等[25]的研究表明, 广州南沙区的敏感性在8月和10月均表现为VOCs敏感, 江门在8月为NOx敏感, 10月转变为VOCs和NOx协同控制.两个站点的敏感性变化与本研究东北风和东南风下的敏感性变化吻合.
基于以上分析, 在3种传输通道的影响下, 江门地区臭氧敏感性变化较大.在静风条件下, 江门西南部的大部分区域为NOx敏感区, 而与珠三角中部城市群接壤的小部分区域为VOCs敏感区和协同控制的过渡区.当受到东北方向的传输通道影响时, 江门受上风向城市群污染气团传输影响严重, 江门区域转变为VOCs敏感, 而在东南传输通道影响下, 江门处于上风向, 受传输影响较小, 臭氧生成受本地控制, 从而再次转变为NOx敏感.由此表明, 江门地区的臭氧敏感性受传输通道影响严重, 可作为典型城市进行深入分析.
2.3 珠三角城际相互传输影响分析进一步探究在不同传输通道下的珠三角9城市臭氧城际相互传输贡献情况, 结果如图 7所示.在不同传输通道下, 臭氧的传输贡献模式有所差异, 在静风条件下, 臭氧的区域传输特性较弱, 各个城市的臭氧污染均以本地贡献为主.上部城市广州、肇庆和惠州本地贡献82% ~87%; 中部城市佛山、东莞和深圳本地贡献60% ~70%, 其中, 佛山受广州影响较大, 占比30%, 东莞受广州贡献19%, 深圳受惠州贡献20%; 下部城市江门、中山和珠海的本地贡献占比64% ~72%, 周边城市传输贡献为28% ~37%.
![]() |
(a)静风, (b)东北风, (c)东南风; 横坐标为受体城市, 纵坐标为排放源区, 颜色和数值表示贡献率 图 7 不同传输通道下珠三角地区臭氧城际传输矩阵 Fig. 7 Intercity transmission matrix of ozone in different transmission channels |
在东北风条件下, 珠三角臭氧表现出明显的区域污染特征, 上、下风向城市的臭氧传输贡献有较大差异.对于处在上风向的广州、肇庆和惠州而言, 臭氧污染以本地贡献为主, 外来传输贡献占比小于20%; 位于中部的佛山、东莞和深圳受到上风向城市的臭氧传输影响, 本地贡献相对减小, 贡献占比分别为29%、59%和48%, 其中, 东莞和深圳均受到上风向城市惠州的传输贡献, 占比分别为26%和44%, 而佛山则受广州影响严重, 传输贡献大于本地贡献, 占比达56%, 并受到东莞14%的贡献; 下风向城市受外来传输影响最为严重, 江门、中山和珠海相比上、中部城市的本地贡献最小, 外来传输贡献均大于本地贡献并占主导地位, 其中, 广州对江门贡献为60%, 深圳对珠海贡献占比62%, 中山则受到东莞(41%)、广州(27%)共同影响.
在东南风条件下, 由于风向不同, 城市间相互传输贡献也与东北风情况相去甚远, 但仍表现出臭氧区域传输特性.上风向城市(江门、中山、珠海、深圳和惠州)以本地贡献为主, 其中深圳还受到惠州影响, 占比26%; 中部城市佛山由于临近广州, 且广州城区位于佛山上风向, 因此佛山受广州影响, 占比49%, 东莞则以本地贡献为主, 并受深圳影响(33%); 下风向城市广州以本地贡献为主(55%), 并受到上风向东莞(25%)和深圳(11%)影响, 肇庆则受佛山传输影响严重, 占比39%, 本地贡献36%.
对于典型城市江门而言, 在静风和东南风条件下, 江门受臭氧区域传输影响不大, 污染主要为本地贡献(64%和62%), 而在东北风条件下, 江门处于珠三角中部城市群的下风向, 受上风向污染气团传输影响严重, 传输贡献占比在90%以上.这与上述江门地区的敏感性分析中, 静风和东南风条件下臭氧生成受本地控制, 东北风条件下受上风向传输影响的推断一致.
2.4 珠三角臭氧生成对前体物敏感性的响应分析为探究珠三角地区臭氧生成对前体物的响应关系, 结合上述不同传输通道下的臭氧敏感区分布结果, 设计了3组臭氧前体物减排的敏感性实验.图 8为在不同传输通道下, 分别削减珠三角全区域30%人为源NOx排放、全区域30%人为源VOCs排放以及对应削减该传输通道下NOx敏感区的30%人为源NOx排放和VOCs敏感区的30%人为源VOCs排放后, 珠三角区域MDA8臭氧浓度变化百分比.
![]() |
(a)珠三角人为源削减30%NOx排放, (b)珠三角人为源削减30%VOCs排放, (c)NOx敏感区(红线区)削减30%NOx; (a1)、(b1)和(c1)静风, (a2)、(b2)和(c2)东北风, (a3)、(b3)和(c3)东南风; VOCs敏感区(黑线区)削减30%VOCs排放; 不同色块表示MDA8臭氧下降比例 图 8 不同传输通道下, 不同减排方案的MDA8臭氧下降比例 Fig. 8 Under different transmission channels, the O3 MDA8 reduction ratio with different emission reduction schemes |
结果表明, 当全区域削减30%的人为源NOx排放后, 在3种传输条件下均出现对应的NOx敏感区臭氧浓度下降、VOCs敏感区臭氧浓度上升的现象.这主要是由于在VOCs敏感区中, VOCs/NOx的比值相对较小, 臭氧的生成受到过氧自由基的限制, 削减VOCs能够减少HO2 ·和RO2 ·, 截断NO转换成NO2的通道, 导致臭氧无法通过NO2光解反应生成, 使臭氧的生成和积累受到抑制, 从而达到降低臭氧浓度的效果; 相反, 由于在VOCs敏感区中, NOx浓度并不是臭氧生成的限制条件, 削减NOx反而影响NO滴定效应消耗臭氧, 导致臭氧浓度不降反升.
对比在实施3种减排策略后珠三角地区的MDA8臭氧浓度变化百分比(表 3), 可以看到, 当全区域削减NOx时, 出现臭氧下降的区域多在NOx敏感区内, 臭氧浓度下降8% ~14%, 而VOCs敏感区臭氧浓度上升11% ~16%, 臭氧达标面积无明显增加, 甚至在东北风条件下达标面积占比下降2%; 当全区域削减VOCs时, 下降面积集中在臭氧高污染区域, 浓度下降9% ~18%, 降幅为3种减排方案中最高, 臭氧达标面积增加4% ~9%; 当对应敏感区削减VOCs和NOx时, 臭氧浓度降幅为9% ~15%, 下降区域面积占比20% ~36%, 明显大于单独削减VOCs或NOx时的下降面积, 达标面积增加5% ~7%, 除东北风条件, 达标面积大于另外两种减排方案.
![]() |
表 3 不同减排方案下, 珠三角MDA8臭氧浓度变化率和面积变化率1)/% Table 3 PRD O3 MDA8 concentration and area change percentage in different emission reduction plans/% |
由于不同城市实际减排能力存在差异, 减排策略需要根据城市的实际情况进行调整.根据珠三角污染源研究[36, 40, 41], 珠三角人为源VOCs排放占总VOCs排放的70.8%, 其中工业溶剂使用源、工业过程源和道路移动源为主要贡献源, 占人为VOCs排放的84.9%, 而珠三角NOx排放由电力源、工业燃烧源、道路移动源和非道路移动源主导, 占比在80%以上.人为源VOCs和NOx排放均集中在广州、东莞、深圳和佛山, 另外各个城市有点源分布.因此在控制VOCs和NOx排放时可优先考虑控制广州、东莞、深圳和佛山的污染物排放, 其他城市则根据本地情况, 重点控制排放较高的点源.
总体而言, 在出现臭氧严重超标事件时, 可削减VOCs使重点污染区域的臭氧更大幅度下降, 当臭氧超标不严重或是存在超标危险时, 两个敏感区共同削减NOx和VOCs能更大范围预防臭氧污染事件发生.
以江门为例, 进一步探讨臭氧区域污染背景下, 城市间臭氧与前体物的敏感性关系.表 4与表 3类似, 但为江门地区在不同减排方案下的臭氧浓度变化情况.结合图 5、图 8和表 4综合分析, 在静风条件下, 臭氧超标区域集中在江门北部, 污染范围较小, 超标程度较轻.当全区域削减NOx时, 江门北部臭氧变化较小, 臭氧下降多在江门北部以外区域, 降幅7%, 而全区域削减VOCs时, 江门只有北部区域臭氧下降, 降幅11%, 当在对应敏感区分别削减NOx和VOCs时, 江门大部分区域均下降, 虽然降幅比单独削减VOCs时小2%, 但是达标面积增加最多, 为11%.东南风条件与静风条件类似.因此, 在静风和东南风条件时, 对应敏感区削减NOx和VOCs能更大范围控制江门臭氧污染.
![]() |
表 4 不同减排方案下, 江门地区臭氧浓度变化率和面积变化率/% Table 4 Jiangmen O3 MDA8 concentration and area change percentage in different emission reduction plans/% |
在东北风条件下, 江门大部分地区臭氧浓度超过160μg ·m-3, 小部分在180μg ·m-3以上, 属于臭氧严重超标.当全区域削减NOx时, 22%的江门区域臭氧上升, 增幅14%, 而削减VOCs时江门91%的区域臭氧浓度下降, 降幅13%, 达标区域增加最大, 为140%, 当对应敏感区削减NOx和VOCs时, 江门出现臭氧下降的面积最大, 为96%, 达标面积增加71%.因此, 在东北风条件下, 重点削减VOCs更能有效控制江门臭氧污染.
3 结论(1) 珠三角地区臭氧敏感区分布受传输通道影响较大, 不同传输通道下臭氧敏感区分布差异明显.静风时, 珠三角中部城市群(广州南部、东莞西部、深圳、佛山和中山)表现为VOCs敏感, 外围郊区为NOx敏感; 当盛行东北风时, VOCs控制区以佛山顺德、广州荔湾和深圳宝安为上边界, 覆盖珠三角西南部, 东北部为NOx敏感区; 当东南风盛行时, VOCs敏感区以中部城市群为中心, 沿东南至西北方向呈带状分布, 两边为NOx控制区.
(2) 不同传输通道下, 珠三角9城市臭氧城际传输贡献不同.静风条件下, 各城市臭氧污染以本地贡献为主, 占比在60%以上, 区域传输贡献较弱.在东北和东南方向的传输通道影响下, 上风向城市仍以本地贡献为主, 中部城市本地贡献开始降低, 占比在29% ~59%之间, 下风向城市降至最低(2% ~13%), 受传输影响严重, 其中广州、深圳、东莞和佛山是重要的臭氧排放源区, 对下风向城市的传输贡献达20%以上.
(3) 在不同传输通道下, 对应臭氧敏感区共同削减VOCs和NOx能够最大范围降低臭氧, 下降面积占比20% ~36%, 达标面积增加5% ~7%, 适合作为轻度超标或是存在超标危险时的区域防控手段, 而单独削减VOCs能使VOCs敏感区的臭氧最大幅度下降, 降幅9% ~18%, 达标面积增加4% ~9%, 适合于严重超标时控制臭氧.
(4) 以江门为例分析臭氧对前体物的响应关系, 在静风和东南风条件下, 江门地区臭氧污染程度较轻, 对应臭氧敏感区削减VOCs和NOx能使臭氧达标面积增加最大, 分别增加11%和8%.而在东北风条件下, 江门臭氧污染严重, 单独削减VOCs能更有效控制臭氧污染, 江门臭氧达标面积增加140%.
[1] | Fleming Z L, Doherty R M, Von Schneidemesser E, et al. Tropospheric ozone assessment report: present-day ozone distribution and trends relevant to human health[J]. Elementa: Science of the Anthropocene, 2018, 6. DOI:10.1525/elementa.273 |
[2] | Turner M C, Jerrett M, Pope C A, et al. Long-term ozone exposure and mortality in a large prospective study[J]. American Journal of Respiratory and Critical Care Medicine, 2016, 193(10): 1134-1142. DOI:10.1164/rccm.201508-1633OC |
[3] | Mills G, Hayes F, Wilkinson S, et al. Chronic exposure to increasing background ozone impairs stomatal functioning in grassland species[J]. Global Change Biology, 2009, 15(6): 1522-1533. DOI:10.1111/j.1365-2486.2008.01798.x |
[4] | Ghude S D, Jena C, Chate D M, et al. Reductions in India's crop yield due to ozone[J]. Geophysical Research Letters, 2014, 41(15): 5685-5691. DOI:10.1002/2014GL060930 |
[5] | Stocker T F, Qin D, Plattner G K, et al. Climate change 2013:the physical science basis. Contribution of working group Ⅰ to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: University Press, 2013. |
[6] | Zhong L J, Louie P K K, Zheng J Y, et al. Science-policy interplay: air quality management in the Pearl River Delta region and Hong Kong[J]. Atmospheric Environment, 2013, 76: 3-10. DOI:10.1016/j.atmosenv.2013.03.012 |
[7] | Song C B, Wu L, Xie Y C, et al. Air pollution in China: Status and spatiotemporal variations[J]. Environmental Pollution, 2017, 227: 334-347. DOI:10.1016/j.envpol.2017.04.075 |
[8] | Li S S, Williams G, Guo Y M. Health benefits from improved outdoor air quality and intervention in China[J]. Environmental Pollution, 2016, 214: 17-25. DOI:10.1016/j.envpol.2016.03.066 |
[9] | Yan F H, Chen W H, Jia S G, et al. Stabilization for the secondary species contribution to PM2.5 in the Pearl River Delta (PRD) over the past decade, China: a meta-analysis[J]. Atmospheric Environment, 2020, 242. DOI:10.1016/j.atmosenv.2020.117817 |
[10] | Fan H, Zhao C F, Yang Y K. A comprehensive analysis of the spatio-temporal variation of urban air pollution in China during 2014-2018[J]. Atmospheric Environment, 2020, 220. DOI:10.1016/j.atmosenv.2019.117066 |
[11] | Wang T, Xue L K, Brimblecombe P, et al. Ozone pollution in China: a review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2017, 575: 1582-1596. DOI:10.1016/j.scitotenv.2016.10.081 |
[12] | Lu X, Hong J Y, Zhang L, et al. Severe surface ozone pollution in China: a global perspective[J]. Environmental Science & Technology Letters, 2018, 5(8): 487-494. |
[13] | Li K, Jacob D J, Shen L, et al. Increases in surface ozone pollution in China from 2013 to 2019:anthropogenic and meteorological influences[J]. Atmospheric Chemistry and Physics, 2020, 20(19): 11423-11433. DOI:10.5194/acp-20-11423-2020 |
[14] |
颜丰华, 陈伟华, 常鸣, 等. 珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素[J]. 环境科学, 2021, 42(4): 1600-1614. Yan F H, Chen W H, Chang M, et al. Characteristics and meteorological factors of complex nonattainment pollution of atmospheric photochemical oxidant (Ox) and PM2.5 in the Pearl River Delta region, China[J]. Environmental Science, 2021, 42(4): 1600-1614. |
[15] | 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 |
[16] | Huang X, Ding A J, Gao J, et al. Enhanced secondary pollution offset reduction of primary emissions during COVID-19 lockdown in China[J]. National Science Review, 2021, 8(2). DOI:10.1093/nsr/nwaa137 |
[17] | Le T H, Wang Y, Liu L, et al. Unexpected air pollution with marked emission reductions during the COVID-19 outbreak in China[J]. Science, 2020, 369(6504): 702-706. DOI:10.1126/science.abb7431 |
[18] | Zhao Y B, Zhang K, Xu X T, et al. Substantial changes in nitrogen dioxide and ozone after excluding meteorological impacts during the COVID-19 outbreak in mainland China[J]. Environmental Science & Technology Letters, 2020, 7(6): 402-408. |
[19] | Tang R, Huang X, Zhou D R, et al. Global air quality change during the COVID-19 pandemic: regionally different ozone pollution responses COVID-19[J]. Atmospheric and Oceanic Science Letters, 2021, 14. DOI:10.1016/j.aosl.2020.100015 |
[20] | Chen L W A, Chien L C, Li Y, et al. Nonuniform impacts of COVID-19 lockdown on air quality over the United States[J]. Science of the Total Environment, 2020, 745. DOI:10.1016/j.scitotenv.2020.141105 |
[21] | Shao M, Zhang Y H, Zeng L M, et al. Ground-level ozone in the Pearl River Delta and the roles of VOC and NOx in its production[J]. Journal of Environmental Management, 2009, 90(1): 512-518. DOI:10.1016/j.jenvman.2007.12.008 |
[22] | Wang N, Lyu X, Deng X J, et al. Aggravating O3 pollution due to NOx emission control in eastern China[J]. Science of the Total Environment, 2019, 677: 732-744. DOI:10.1016/j.scitotenv.2019.04.388 |
[23] | Xing J, Wang S X, Jang C, et al. Nonlinear response of ozone to precursor emission changes in China: a modeling study using response surface methodology[J]. Atmospheric Chemistry and Physics, 2011, 11(10): 5027-5044. DOI:10.5194/acp-11-5027-2011 |
[24] |
叶绿萌, 樊少芬, 常鸣, 等. 珠三角地区秋季臭氧生成敏感性时空变化模拟研究[J]. 南京大学学报(自然科学), 2016, 52(6): 977-988. Ye L M, Fan S F, Chang M, et al. Spatial and temporal distribution of ozone sensitive district in Pearl River Delta region during autumn[J]. Journal of Nanjing University (Natural Sciences), 2016, 52(6): 977-988. |
[25] | Ou J M, Yuan Z B, Zheng J Y, et al. Ambient ozone control in a photochemically active region: short-term despiking or long-term attainment?[J]. Environmental Science & Technology, 2016, 50(11): 5720-5728. |
[26] |
庄立跃, 陈瑜萍, 范丽雅, 等. 基于OMI卫星数据和MODIS土地覆盖类型数据研究珠江三角洲臭氧敏感性[J]. 环境科学学报, 2019, 39(11): 3581-3592. Zhuang L Y, Chen Y P, Fan L Y, et al. Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products[J]. Acta Scientiae Circumstantiae, 2019, 39(11): 3581-3592. |
[27] | Li Y, Lau A K H, Fung J C H, et al. Importance of NOx control for peak ozone reduction in the Pearl River Delta region[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(16): 9428-9443. DOI:10.1002/jgrd.50659 |
[28] | Wang X S, Zhang Y H, Hu Y T, et al. Decoupled direct sensitivity analysis of regional ozone pollution over the Pearl River Delta during the PRIDE-PRD2004 campaign[J]. Atmospheric Environment, 2011, 45(28): 4941-4949. DOI:10.1016/j.atmosenv.2011.06.006 |
[29] | Zou Y, Deng X J, Zhu D, et al. Characteristics of 1 year of observational data of VOCs, NOx and O3 at a suburban site in Guangzhou, China[J]. Atmospheric Chemistry and Physics, 2015, 15(12): 6625-6636. DOI:10.5194/acp-15-6625-2015 |
[30] | Wang X, Zhang Y, Hu Y, et al. Process analysis and sensitivity study of regional ozone formation over the Pearl River Delta, China, during the PRIDE-PRD2004 campaign using the Community Multiscale Air Quality modeling system[J]. Atmospheric Chemistry and Physics, 2010, 10(9): 4423-4437. DOI:10.5194/acp-10-4423-2010 |
[31] | Guo H, Jiang F, Cheng H R, et al. Concurrent observations of air pollutants at two sites in the Pearl River Delta and the implication of regional transport[J]. Atmospheric Chemistry and Physics, 2009, 9(19): 7343-7360. DOI:10.5194/acp-9-7343-2009 |
[32] | Wang Y, Guo H, Zou S C, et al. Surface O3 photochemistry over the South China Sea: application of a near-explicit chemical mechanism box model[J]. Environmental Pollution, 2018, 234: 155-166. DOI:10.1016/j.envpol.2017.11.001 |
[33] | Carter W P L. Development of the SAPRC-07 chemical mechanism[J]. Atmospheric Environment, 2010, 44(40): 5324-5335. DOI:10.1016/j.atmosenv.2010.01.026 |
[34] | Li M, Liu H, Geng G N, et al. Anthropogenic emission inventories in China: a review[J]. National Science Review, 2017, 4(6): 834-866. |
[35] | Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010 as the consequence of clean air actions[J]. Atmospheric Chemistry and Physics, 2018, 18(19): 14095-14111. DOI:10.5194/acp-18-14095-2018 |
[36] | Zhong Z M, Zheng J Y, Zhu M N, et al. Recent developments of anthropogenic air pollutant emission inventories in Guangdong province, China[J]. Science of the Total Environment, 2018, 627: 1080-1092. DOI:10.1016/j.scitotenv.2018.01.268 |
[37] | Wang X M, Situ S P, Guenther A, et al. Spatiotemporal variability of biogenic terpenoid emissions in Pearl River Delta, China, with high-resolution land-cover and meteorological data[J]. Tellus B: Chemical and Physical Meteorology, 2011, 63(2): 241-254. DOI:10.1111/j.1600-0889.2010.00523.x |
[38] | Environ R. User's Guide Comprehensive air quality model with extensions version 6.30[EB/OL]. https://www.camx.com, 2016-04-08. |
[39] | Dunker A M, Yarwood G, Ortmann J P, et al. Comparison of source apportionment and source sensitivity of ozone in a three-dimensional air quality model[J]. Environmental Science & Technology, 2002, 36(13): 2953-2964. |
[40] | Zheng J Y, Zhang L J, Che W W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment[J]. Atmospheric Environment, 2009, 43(32): 5112-5122. DOI:10.1016/j.atmosenv.2009.04.060 |
[41] | Ou J M, Zheng J Y, Li R R, et al. Speciated OVOC and VOC emission inventories and their implications for reactivity-based ozone control strategy in the Pearl River Delta region, China[J]. Science of the Total Environment, 2015, 530-531: 393-402. DOI:10.1016/j.scitotenv.2015.05.062 |