2022, Vol. 43
2. 中山大学大气科学学院, 广州 510275
, WANG Shuo1 , PANG Xiao-die1 , GAO Bo1 , LU Qing1 , LIU Ming1 , CHEN Lai-guo1 , FAN Shao-jia2
2. School of Atmospheric Sciences, Sun Yat-sen University, Guangzhou 510275, China
2013年以来, 随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》的出台, 全国337个地级及以上城市的二氧化硫(SO2)、二氧化氮(NO2)、可吸入颗粒物(PM10)和细颗粒物(PM2.5)等污染物浓度普遍呈现下降的态势, 但是臭氧(O3)浓度却表现出相反的上升趋势, 特别是在京津冀、长三角、珠三角和成渝等城市群及其周边地区, O3已成为造成当地空气质量超标的关键污染物[1~8].有研究表明, 2013~2019年, 中国夏季O3日最大8 h浓度平均值(MDA8)的年增长速率为1.9×10-9 a-1 (P < 0.01), 华北平原为3.3×10-9 a-1 (P < 0.01)[9]; 2006~2015年期间上海日最大O3浓度同样呈上升趋势, 年上升速率为0.8~1.3×10-9 a-1[10]; 2006~2019年珠三角平均O3浓度上升趋势显著(P < 0.05), 平均上升速率为0.80 μg·(m3·a)-1[11].欧美等国O3治理历程表明, 与其他大气污染物相比, O3污染问题更加复杂, 其治理难度更大、周期更长[12~17].
陕西关中城市群位于陕西省中部, 包括西安、宝鸡、咸阳、渭南、铜川和杨凌五市一区, 属于汾渭平原陕西部分.监测数据表明, 关中城市群是我国大气O3污染比较严重的地区之一[4~8], 关中城市群的O3污染问题吸引了许多学者的关注.其中, 刘松等[18]研究了2013~2016年西安市O3时空变化特性与影响因素, 发现西安市高浓度O3主要出现在高温度、低湿度且实时风向为东南风或南风的天气背景下; Yan等[19]研究了关中地区夏季O3与天气型之间的关系, 发现关中地区夏季严重的O3污染往往与东南方向的高压天气型有关; 胡琳等[20]发现当温度高于30℃、相对湿度低于60%时, 西安容易出现高浓度O3现象; 梁佳艺等[21]研究了天气形势对2014~2018年关中地区各季节空气质量的影响, 发现夏季“北部低压型”和“过渡型”对MDA8减小的影响幅度最大.除了气象条件对关中地区O3影响方面的研究, 还有许多研究重点关注了排放和大气化学方面的影响.比如, 贝耐芳等[22]对2015年关中地区一次O3污染事件开展了数值模拟研究, 发现交通源是当地O3重要的来源, 而工业源仅在O3峰值生成时期贡献明显.同时发现, 在O3生成峰值期, 当氮氧化物(NOx)减少50%时, 城市中心O3浓度略上升, 其他地区O3浓度均在下降; 当挥发性有机物(VOCs)减少50%时, 城市群内O3浓度均在下降; Li等[23]研究了天然源和人为源排放对关中地区O3污染的影响, 认为自然源和人为源的协同贡献对O3污染有较大的贡献; Bei等[24]通过数值模拟研究发现, 2014~2018年的减排策略使得关中地区的MDA8平均上升了19.2%, 约占观察到的MDA8上升趋势的54%, MDA8上升趋势的其余部分则归因于不利天气条件的年际变化; 关茜妍等[25]基于观测模型(OBM)研究了2019年夏季西安市一次O3污染过程的光化学特征, 并分析了3个观测站点的O3敏感性, 发现西安浐灞站点处于过渡区, 中国科学院地球环境研究所站点处于VOCs控制区, 秦岭站点处于NOx控制区.以上研究为关中城市群O3污染防治工作提供了部分依据.
为进一步摸清近年来关中城市群O3变化趋势特征及成因, 指导当地O3污染防治工作, 本文基于2015~2021年环境监测数据, 利用多种统计方法, 定量诊断了关中城市群O3浓度的年际变化趋势及其时空分布特征, 同时结合气象和源排放资料, 分析了关中城市群O3趋势变化产生的原因, 以期为关中城市群O3污染防治工作提供更多支持.
1 材料与方法 1.1 地面监测数据本研究收集了2015~2021年西安、咸阳、宝鸡、铜川和渭南等陕西关中城市群5个城市30个国控站点逐日、逐时的O3和NO2监测数据(数据统一转换为参比状态).2015~2021年, 关中各市国控站点小时数据多年平均获取率在93.87%~98.85%, 日数据的多年平均获取率在91.27%~99.77%.国控站环境空气监测数据由中国环境监测总站直接管理, 中国环境监测总站通过全过程质量控制, 保证监测数据可靠有效.监测数据来源于中国环境监测总站(https://air.cnemc.cn:18007/), 图 1为监测站空间分布.
|
图 1 关中城市群环境监测站分布示意 Fig. 1 Distribution of air quality monitoring stations |
本研究收集了2015~2021年关中城市群(34°~35°N, 107°~110°E)范围内的欧洲中期天气预报中心(ECMWF)第五代大气再分析资料(ERA5)[26], 选取了气温、相对湿度、边界层高度、紫外辐射量、总云量、降水量和10 m风速(含U-10和V-10)等要素的逐日逐时数据.ERA5再分析数据格点空间分辨率为31 km, 数据源于哥白尼气候变化服务中心数据库(https://cds.climate.copernicus.eu).
1.3 统计分析方法本研究选取在环境、气象等领域广泛使用的Mann-Kendall检验、Theil-Sen斜率等统计方法, 定量诊断关中城市群2015~2021年O3年际变化速率, 具体计算过程由统计学软件R完成.
1.3.1 Mann-Kendall趋势检验法Mann-Kendall趋势检验法是一种非参数统计方法, 能有效区分O3年际变化是处于自然波动中还是存在确定的变化趋势[27~29].对于非正态分布的数据, Mann-Kendall检验具有更加突出的适用性.设一平稳序列为Xt=x1, x2, …, xn, Mann-Kendall检验统计量S的计算公式如下：
|
(1) |
式中, n为数据序列长度, sgn(xj-xi)为符号函数, 其计算公式如下：
|
(2) |
根据样本数量的不同, 显著性检验有所不同, 当n>10时, 计算标准正态分布统计量ZS, 其计算公式如下：
|
(3) |
其中Var(S)计算公式如下：
|
(4) |
式中, n为序列中数据个数, m为序列中结(重复出现的数据组)的个数, t为结的宽度(即第i组重复数组中的重复个数).采用双侧检验, 在α显著水平下, 如果|Z|>Z(1-α/2), 拒绝无趋势的假设, 即认为在显著水平α下, 序列Xt中存在有向上或向下的趋势; 否则接受序列Xt无趋势的假设. Z(1-α/2)是概率超过α/2时标准正态分布的值.
1.3.2 Theil-Sen斜率估算法Theil-Sen斜率估算法[30]用以估算污染物浓度年际变化的速率.一般的线性回归方法受极端值的影响容易产生高估或低估的斜率, 而Theil-Sen斜率估算法取时间序列在任两点斜率中的中位数为真实斜率, 故不受极端值所影响.时间序列斜率β的公式如下：
|
(5) |
式中, xj和xk为时间序列中和时间点(j>k)所对应的数据.
2 结果与分析目前我国评价城市O3污染水平采用的是MDA8第90百分位数指标.本研究除选取该指标外, 还选用了MDA8年均值和MDA8第5百分位指标, 这两个指标可以代表城市O3浓度的平均水平和背景水平[31, 32].通过分析O3浓度评价值(即MDA8第90百分位数, 下同)、O3浓度平均值(即MDA8年均值, 下同)和O3浓度背景值(即MDA8第5百分位数, 下同)等3个指标的情况, 可以较全面地揭示陕西关中城市群的O3污染状况.
2.1 关中城市群O3污染基本状况关中城市群O3浓度水平如图 2所示.从浓度评价值来看, 关中城市群各国控站2015~2021年O3浓度评价值多年平均值为135~164 μg·m-3, 区域平均值为151 μg·m-3.其中, 咸阳O3浓度评价值最高, 多年平均值为162 μg·m-3, 其次是西安、渭南和铜川, 宝鸡最低(138 μg·m-3).从浓度平均值来看, 关中城市群各国控站2015~2021年MDA8多年平均值在74~101 μg·m-3之间, 区域平均值为85 μg·m-3.其中, 铜川MDA8多年平均值最高(95 μg·m-3), 其次是渭南、咸阳和西安, 宝鸡最低(82 μg·m-3).从浓度背景值来看, 各国控站2015~2021年O3背景值多年平均值为12~38 μg·m-3, 区域平均值为22 μg·m-3.其中, 铜川O3背景值最高(37 μg·m-3), 其次是宝鸡、渭南和咸阳, 西安最低(19 μg·m-3).总的来说, 2015~2021年, 关中地区O3浓度评价值最高的城市是咸阳市, MDA8平均值和O3背景值最高的城市是铜川市.
|
图 2 2015~2021年关中城市群O3浓度 Fig. 2 O3 concentration in the Guanzhong urban agglomeration from 2015 to 2021 |
关中城市群各城市监测站点O3小时浓度日变化特征比较一致, 均表现为午后浓度高、夜间浓度低的单峰型日变化特征.受太阳辐射和气温影响, O3最大小时浓度出现在16:00左右.部分站点(宝鸡庙沟村、铜川新区管委会)夜间O3浓度较高, 表明这些站点夜间可能受到区域传输影响(图 3).
|
图 3 2015~2021年关中城市群O3浓度日变化 Fig. 3 Daily change in O3 concentration in the Guanzhong urban agglomeration from 2015 to 2021 |
关中各市O3浓度年变化特征比较一致(图 4), 均呈现夏季>春季>秋季>冬季的特点.春季关中城市群MDA8区域平均值为93 μg·m-3, 其中, 铜川浓度最高, 西安最低.夏季太阳辐射强烈、气温升高, O3浓度明显升高, MDA8夏季平均值为128 μg·m-3, 其中, 咸阳浓度最高, 宝鸡最低.秋季太阳辐射减弱, 气温下降, 区域O3浓度明显下降, MDA8秋季平均值为65 μg·m-3, 其中, 铜川浓度最高, 西安最低.冬季太阳辐射最弱, 气温最低, 冬季MDA8区域平均值降至51 μg·m-3, 其中, 铜川浓度最高, 西安最低.
|
图 4 2015~2021年关中城市群MDA8季平均 Fig. 4 Quarterly averages of MDA8 in the Guanzhong urban agglomeration from 2015 to 2021 |
利用Mann-Kendall检验和Theil-Sen斜率法对关中城市群O3浓度年际变化趋势进行诊断, 结果如表 1所示. 2015~2021年, 关中城市群O3浓度评价值区域平均值无明显趋势(P≥0.05, 下同), 各城市O3浓度评价值同样无明显趋势; 区域MDA8年均值平均上升趋势不显著, 但是分城市来看, 宝鸡和渭南两市的MDA8年均值呈现显著的上升趋势(P < 0.05, 下同), 年上升速率分别为1.00 μg·(m3·a)-1和1.50 μg·(m3·a)-1; 区域O3浓度背景值的平均上升趋势显著, 上升速率为2.20 μg·(m3·a)-1, 分城市来看, 宝鸡、咸阳和西安三市的O3浓度背景值增长显著, 上升速率[μg·(m3·a)-1]在1.50(西安市)~3.50 (宝鸡市)之间.以上结果表明, 在本研究采用的3个O3指标中, 2015~2021年关中城市群只有O3浓度背景值这一指标表现出具有统计显著性的增长趋势, 其他两个指标的趋势并不显著.
|
表 1 2015~2021年关中城市群O3浓度年际变化速率1)/μg·(m3·a)-1 Table 1 Interannual trends of O3 concentration in the Guanzhong urban agglomeration from 2015 to 2021/μg·(m3·a)-1 |
关中城市群O3浓度(以MDA8季均值为例)年际变化趋势存在明显的季节差异(表 2).从区域平均值来看, 关中城市群冬季O3浓度上升趋势显著, 上升速率为2.75 μg·(m3·a)-1, 其他季节上升趋势不显著.从各城市来看, 春季5个城市O3浓度上升趋势均不显著; 夏季渭南O3浓度上升趋势显著, 上升速率为1.00 μg·(m3·a)-1; 秋季宝鸡、西安O3浓度上升趋势显著, 上升速率均为2.00 μg·(m3·a)-1; 冬季宝鸡、咸阳、西安和渭南O3浓度上升趋势显著, 上升速率[μg·(m3·a)-1]在2.50(宝鸡市)~3.50(渭南市)之间.总的来说, 关中城市群冬季大部分城市O3浓度上升趋势显著, 夏季和秋季大部分城市上升趋势均不显著, 春季所有城市O3浓度上升趋势均不显著.由于冬季O3浓度最低, 接近于浓度背景值, 因此冬季O3浓度的变化趋势与O3浓度背景值的变化趋势比较类似, 均呈现显著的上升趋势.
|
|
表 2 2015~2021年关中城市群MDA8季均浓度年际变化趋势1)/μg·(m3·a)-1 Table 2 Trends of quarterly average MDA8 in the Guanzhong urban agglomeration from 2015 to 2021/μg·(m3·a)-1 |
2015~2021年, 关中城市群各国控站点O3浓度变化趋势情况如表 3所示.其中, 春季关中城市群所有国控站点O3浓度均无明显趋势; 夏季只有1个站点O3浓度下降趋势显著, 出现在宝鸡; 秋季O3浓度增长趋势显著的站点有11个, 分布在西安(6个)和宝鸡(5个); 冬季O3浓度增长趋势显著的站点最多, 达到13个, 分布在西安(5个)、宝鸡(3个)、渭南(3个)和咸阳市(2个).
|
|
表 3 2015~2021年关中城市群O3浓度不同变化趋势的国控站点数量 Table 3 Number of stations with different trends of O3 concentration in the Guanzhong urban agglomeration from 2015 to 2021 |
3 讨论
2015年以来, 关中城市群O3污染趋势的形成和冬季O3浓度升高的原因, 由于O3浓度变化主要与气象因素、前体物排放和区域输送有关, 以下从这3个方面予以讨论.
3.1 气象因素有研究指出, 晴天少雨、较强的太阳辐射、较低的相对湿度、较高的气温等气象特征有利于O3污染形成[33, 34].关中城市群冬季MDA8与主要气象要素之间的Spearman相关系数计算结果表明(表 4), 关中城市群MDA8与气温、边界层高度、紫外辐射和U-10呈正相关性, 其中与紫外辐射量、边界层高度和气温之间存在较强的正相关性, 即随着紫外辐射增强、边界层高度抬升和气温升高, MDA8随之上升; 其中紫外辐射增强和气温升高均有利于光化学生成反应, 加快O3生成速度, 边界层高度抬升主要是将高空高浓度O3扩散至地面, 同样有利于地面O3浓度上升[35].另一方面, 关中城市群MDA8与相对湿度、总云量和降水量呈负相关性, 其中与相对湿度的负相关性较强, 即随着相对湿度的上升, MDA8随之降低.影响关中地区主要的气象条件与国内其他城市比较类似[34~37], 但是关中地区O3浓度与U-10之间的正相关性较为特殊, 这与关中城市群特殊的簸箕形地形有关, 当地区盛行较弱的东风时, 上风向汾渭平原等地输送的O3及其前体物污染气团在关中地区累积, 容易造成地区O3污染.
|
|
表 4 2015~2021年冬季关中城市群主要气象要素与MDA8的Spearman相关系数及其变化速率1) Table 4 Spearman's correlation between meteorological factors and MDA8 and its change rate from 2015 to 2021 |
根据以上分析, 紫外辐射量、边界层高度、气温和相对湿度是影响关中城市群O3浓度的主要因素, 然而2015~2021年仅有边界层高度存在降低趋势(P < 0.05), 其他气象要素并没有显示出有统计显著性的变化趋势(P≥0.05).由于边界层高度与MDA8之间呈正相关性, 因此, 2015~2021年随着关中地区边界层高度的降低, 会促进MDA8的减少.然而, 冬季关中城市群O3浓度却呈现上升趋势.以上分析表明, 气象因素不是2015~2021年关中城市群冬季O3浓度上升的主导因素, 关中城市群冬季O3浓度上升另有原因.这个结果与珠三角、京津冀等地的研究一致[11, 38].
3.2 前体物排放与区域输送影响VOCs和NOx作为O3的前体物, 两者的排放量和排放结构变化均会影响O3生成及其浓度[39].张鸿宇等[40]研究发现, 关中城市群及周边汾渭平原其他城市, 甚至京津冀及其周边地区均属于VOCs控制区.在这些地区, O3生成速率与VOCs浓度成正比, 与NOx浓度成反比[33].从周边城市大气氧化性指标Ox(Ox=O3+NO2)浓度来看, 2015~2021年该区域冬季Ox与O3类似, 大部分城市Ox有所升高, 虽然趋势并不显著, 这个现象说明可能存在光化学生成增加现象(表 5).
|
|
表 5 2015~2021年冬季关中城市群及周边主要城市MDA8、NO2和Ox浓度变化趋势1)/μg·(m3·a)-1 Table 5 Trends of winter MDA8, NO2, and Ox concentrations in and around the Guanzhong urban agglomeration from 2015 to 2021/μg·(m3·a)-1 |
清华大学中国多尺度排放清单模型(MEIC)研究的结果表明[41~43], 2015~2020年关中城市群所在的陕西省、周边的山西省和河南省的VOCs和NOx排放量均呈现下降趋势(图 5).2020年陕西、山西和河南三省冬季NOx排放量相比2015年同期减少了30%, VOCs排放量减少了25%.2020年受疫情严重影响, 排放量下降幅度较大.若不考虑疫情影响, 2015~2017年三省NOx和VOCs分别削减了7%和1%.总的来说, 近些年关中城市群及周边地区VOCs的减排幅度要小于NOx的减排幅度.京津冀、长三角和珠三角等国内其他地区的研究成果表明[44~47], NOx相对VOCs更大的减排幅度, 促进了近年来我国京津冀、长三角和珠三角等东部城市O3的上升趋势.此外, 2020年疫情管控期间中国东部地区也存在类似O3浓度上升现象[48].由于关中城市群及周边区域属于VOCs敏感区, 为了控制O3浓度应相对VOCs更多地削减NOx排放.但源清单结果显示, 近年来区域NOx排放削减幅度更大, VOCs减排幅度较小.这种VOCs和NOx减排结构不合理情况可能是关中城市群及周边区域冬季O3浓度上升的重要原因.
|
图 5 2015~2020年的冬季陕西、山西和河南的VOCs和NOx排放量变化 Fig. 5 Changes in VOCs and NOx emissions in Shaanxi, Shanxi, and Henan during the winter from 2015 to 2021 |
另一方面, 冬季天气寒冷, 光化学反应弱, O3滴定效应较明显[49, 50].2015~2021年, 关中城市群及周边大部分城市冬季NO2浓度有所下降(表 5), 这可能与冬季京津冀及周边地区、汾渭平原等区域NOx排放量减少有关.受此影响, 城市一氧化氮(NO)滴定效应也会有所减弱, 这可能是城市站点O3升高的另一个原因.此外, 由于地形和气象原因, 关中城市群空气质量受汾渭平原其他城市、京津冀及周边区域影响较大.监测数据表明, 2015~2021年, 汾渭平原其他城市、京津冀及周边区域主要城市冬季O3浓度同样存在显著升高现象(表 5).因此, 区域O3浓度升高及其传输影响是造成关中城市群O3升高的另一个因素.
综上所述, 前体物减排结构不合理、滴定效应减弱以及区域传输影响等三方面因素共同导致了关中城市群冬季O3浓度升高的结果.
4 结论(1) 2015~2021年, 关中地区O3浓度评价值最高的城市为关中城市群中部的咸阳市, 浓度评价值多年均值高达162 μg·m-3, 但是MDA8平均值和O3浓度背景值最高的城市是城市群北部的铜川市.
(2) 关中城市群O3浓度表现为单峰型日变化特征, 小时浓度峰值出现在16:00左右, 部分站点夜间受区域输送影响, 夜间浓度有所升高.关中城市群MDA8季均值呈现夏季>春季>秋季>冬季的年变化特征, 夏季咸阳MDA8季均值最高, 其他季节铜川MDA8季均值最高.
(3) 2015~2021年, 关中城市群O3浓度背景值呈上升趋势, 区域浓度背景值平均上升速率为2.20 μg·(m3·a)-1, 但是浓度评价值并没有表现出有统计显著性的趋势.关中城市群O3浓度年际变化趋势与季节密切相关, 冬季O3浓度上升趋势显著, 其他季节大部分城市O3浓度无明显变化趋势.
(4) 2015~2021年, 关中城市群冬季O3浓度升高现象主要与区域减排结构不合理、滴定效应减弱及区域传输有关.近年来, 汾渭平原、京津冀及周边地区冬季NOx减排幅度高于VOCs减排幅度, 区域滴定效应减弱, 导致关中城市群及周边区域冬季O3浓度升高.
总的来说, 目前关中城市群O3浓度仍处于高位, 需要与汾渭平原其他城市、京津冀及周边区域密切配合, 加强区域联防联控, 做好VOCs与NOx的协同控制, 特别要加大VOCs减排力度, 提高O3污染防治的科学性和有效性.
| [1] | Ma Z Q, Xu J, Quan W J, et al. Significant increase of surface ozone at a rural site, north of eastern China[J]. Atmospheric Chemistry and Physics, 2016, 16(6): 3969-3977. DOI:10.5194/acp-16-3969-2016 |
| [2] | Xu X B. Recent advances in studies of ozone pollution and impacts in China: a short review[J]. Current Opinion in Environmental Science & Health, 2021, 19. DOI:10.1016/j.coesh.2020.100225 |
| [3] | Deng C X, Tian S, Li Z W, et al. Spatiotemporal characteristics of PM2.5 and ozone concentrations in Chinese urban clusters[J]. Chemosphere, 2022, 295. DOI:10.1016/j.chemosphere.2022.133813 |
| [4] | 生态环境部. 2017年中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201805/P020180531534645032372.pdf, 2022-05-08. |
| [5] | 生态环境部. 2018年中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201905/P020190619587632630618.pdf, 2022-05-08. |
| [6] | 生态环境部. 2019年中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202006/P020200602509464172096.pdf, 2022-05-08. |
| [7] | 生态环境部. 2020年中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202105/P020210526572756184785.pdf, 2022-05-08. |
| [8] | 生态环境部. 2021年中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202205/P020220608338202870777.pdf, 2022-06-25. |
| [9] | 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 |
| [10] | Xu J M, Tie X X, Gao W, et al. Measurement and model analyses of the ozone variation during 2006 to 2015 and its response to emission change in megacity Shanghai, China[J]. Atmospheric Chemistry and Physics, 2019, 19(14): 9017-9035. DOI:10.5194/acp-19-9017-2019 |
| [11] |
赵伟, 高博, 卢清, 等. 2006~2019年珠三角地区臭氧污染趋势[J]. 环境科学, 2021, 42(1): 97-105. Zhao W, Gao B, Lu Q, et al. Ozone pollution trend in the Pearl River Delta region during 2006-2019[J]. Environmental Science, 2021, 42(1): 97-105. DOI:10.3969/j.issn.1006-4427.2021.01.017 |
| [12] | Cooper O R, Gao R S, Tarasick D, et al. Long-term ozone trends at rural ozone monitoring sites across the United States, 1990-2010[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D22). DOI:10.1029/2012JD018261 |
| [13] | Logan J A, Staehelin J, Megretskaia I A, et al. Changes in ozone over Europe: analysis of ozone measurements from sondes, regular aircraft (MOZAIC) and alpine surface sites[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D9). DOI:10.1029/2011JD016952 |
| [14] | Parrish D D, Law K S, Staehelin J, et al. Long-term changes in lower tropospheric baseline ozone concentrations at northern mid-latitudes[J]. Atmospheric Chemistry and Physics, 2012, 12(23): 11485-11504. DOI:10.5194/acp-12-11485-2012 |
| [15] | Cristofanelli P, Scheel H E, Steinbacher M, et al. Long-term surface ozone variability at Mt. Cimone WMO/GAW global station (2165 m a.s.l., Italy)[J]. Atmospheric Environment, 2015, 101: 23-33. DOI:10.1016/j.atmosenv.2014.11.012 |
| [16] | Simon H, Reff A, Wells B, et al. Ozone trends across the United States over a period of decreasing NOx and VOC emissions[J]. Environmental Science & Technology, 2015, 49(1): 186-195. |
| [17] |
鲍捷萌, 曹娟, 高锐, 等. 欧洲环境空气臭氧污染防治历程、经验及对我国的启示[J]. 环境科学研究, 2021, 34(4): 890-901. Bao J M, Cao J, Gao R, et al. Process and experience of ozone pollution prevention and control in Europe and enlightenment to China[J]. Research of Environmental Sciences, 2021, 34(4): 890-901. |
| [18] |
刘松, 程燕, 李博伟, 等. 2013—2016年西安市臭氧时空变化特性与影响因素[J]. 地球环境学报, 2017, 8(6): 541-551. Liu S, Cheng Y, Li B W, et al. Characteristics of temporal and spatial variations of ozone and it's influencing factor over Xi'an during 2013—2016[J]. Journal of Earth Environment, 2017, 8(6): 541-551. |
| [19] | Yan Y, Wang X S, Qu K, et al. Impacts of synoptic circulations on summertime ozone pollution in Guanzhong Basin, northwestern China[J]. Atmospheric Environment, 2021, 262. DOI:10.1016/j.atmosenv.2021.118660 |
| [20] |
胡琳, 程路, 王琦, 等. 西安近地面臭氧浓度特征及关键气象因子分析[J]. 干旱区资源与环境, 2021, 35(6): 102-109. Hu L, Cheng L, Wang Q, et al. Analysis of ozone concentration characteristics and key meteorological factors in Xi'an[J]. Journal of Arid Land Resources and Environment, 2021, 35(6): 102-109. |
| [21] |
梁佳艺, 刘浪, 贝耐芳. 天气形势对2014—2018年关中地区各季节空气质量的影响[J]. 地球环境学报, 2022, 13(1): 61-72. Liang J Y, Liu L, Bei N F. Influence of synoptic situations on the air quality of different seasons in the Guanzhong basin from 2014 to 2018[J]. Journal of Earth Environment, 2022, 13(1): 61-72. |
| [22] |
贝耐芳, 冯添, 吴佳睿, 等. 西安地区夏季臭氧的模拟研究[J]. 地球环境学报, 2017, 8(6): 552-567. Bei N F, Feng T, Wu J R, et al. Simulations of summertime ozone in Xi'an and surrounding areas[J]. Journal of Earth Environment, 2017, 8(6): 552-567. |
| [23] | Li N, He Q Y, Greenberg J, et al. Impacts of biogenic and anthropogenic emissions on summertime ozone formation in the Guanzhong Basin, China[J]. Atmospheric Chemistry and Physics, 2018, 18(10): 7489-7507. DOI:10.5194/acp-18-7489-2018 |
| [24] | Bei N F, Liang J Y, Li X, et al. Worsening summertime ozone pollution in the Guanzhong Basin, China from 2014 to 2018: impacts of synoptic conditions and anthropogenic emissions[J]. Atmospheric Environment, 2022, 274. DOI:10.1016/j.atmosenv.2022.118974 |
| [25] |
关茜妍, 陆克定, 张宁宁, 等. 西安市大气臭氧污染光化学特征与敏感性分析[J]. 科学通报, 2021, 66(35): 4561-4573. Guan X Y, Lu K D, Zhang N N, et al. Analysis of the photochemical characteristics and sensitivity of ozone pollution in Xi'an[J]. Chinese Science Bulletin, 2021, 66(35): 4561-4573. |
| [26] | Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146(730): 1999-2049. |
| [27] | Hipel K W, McLeod A I. Time series modelling of water resources and environmental systems[M]. Amsterdam: Elsevier, 1994. |
| [28] | Libiseller C, Grimvall A. Performance of partial Mann-Kendall tests for trend detection in the presence of covariates[J]. Environmetrics, 2002, 13(1): 71-84. |
| [29] |
刘亚龙, 王庆, 毕景芝, 等. 基于Mann-Kendall方法的胶东半岛海岸带归一化植被指数趋势分析[J]. 海洋学报, 2010, 32(3): 79-87. Liu Y L, Wang Q, Bi J Z, et al. The analysis of NDVI trends in the coastal zone based on Mann-Kendall test: a case in the Jiaodong Peninsula[J]. Acta Oceanologica Sinica, 2010, 32(3): 79-87. |
| [30] | Sen P K. Estimates of the regression coefficient based on Kendall's tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1379-1389. |
| [31] | Yan Q Y, Wang Y H, Cheng Y, et al. Summertime clean-background ozone concentrations derived from ozone precursor relationships are lower than previous estimates in the southeast United States[J]. Environmental Science & Technology, 2021, 55(19): 12852-12861. |
| [32] | Wilson R C, Fleming Z L, Monks P S, et al. Have primary emission reduction measures reduced ozone across Europe? An analysis of European rural background ozone trends 1996-2005[J]. Atmospheric Chemistry and Physics, 2012, 12(1): 437-454. |
| [33] | 唐孝炎, 张远航, 邵敏. 大气环境化学[M]. ((第二版)). 北京: 高等教育出版社, 1992. |
| [34] |
赵伟, 高博, 刘明, 等. 气象因素对香港地区臭氧污染的影响[J]. 环境科学, 2019, 40(1): 55-66. Zhao W, Gao B, Liu M, et al. Impact of meteorological factors on the ozone pollution in Hong Kong[J]. Environmental Science, 2019, 40(1): 55-66. |
| [35] | Zhao W, Fan S J, Guo H, et al. Assessing the impact of local meteorological variables on surface ozone in Hong Kong during 2000-2015 using quantile and multiple line regression models[J]. Atmospheric Environment, 2016, 144: 182-193. |
| [36] |
王玫, 郑有飞, 柳艳菊, 等. 京津冀臭氧变化特征及与气象要素的关系[J]. 中国环境科学, 2019, 39(7): 2689-2698. Wang M, Zheng Y F, Liu Y J, et al. Characteristics of ozone and its relationship with meteorological factors in Beijing-Tianjin-Hebei Region[J]. China Environmental Science, 2019, 39(7): 2689-2698. |
| [37] | 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. |
| [38] |
余益军, 孟晓艳, 王振, 等. 京津冀地区城市臭氧污染趋势及原因探讨[J]. 环境科学, 2020, 41(1): 106-114. Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei Region, China, during 2013-2018[J]. Environmental Science, 2020, 41(1): 106-114. |
| [39] | 中国环境科学学会臭氧污染控制专业委员会. 中国大气臭氧污染防治蓝皮书[R]. 北京: 中国环境科学学会臭氧污染控制专业委员会, 2020. |
| [40] |
张鸿宇, 王媛, 卢亚灵, 等. 我国臭氧污染控制分区及其控制类型识别[J]. 中国环境科学, 2021, 41(9): 4051-4059. Zhang H Y, Wang Y, Lu Y L, et al. Identification of ozone pollution control zones and types in China[J]. China Environmental Science, 2021, 41(9): 4051-4059. |
| [41] | 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. |
| [42] | 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. |
| [43] | Zheng B, Zhang Q, Geng G N, et al. Changes in China's anthropogenic emissions and air quality during the COVID-19 pandemic in 2020[J]. Earth System Science Data, 2021, 13(6): 2895-2907. |
| [44] | Li K, Jacob D J, Liao H, et al. Ozone pollution in the North China Plain spreading into the late-winter haze season[J]. Proceedings of the National Academy of Sciences of the United States of America, 2021, 118(10). DOI:10.1073/pnas.2015797118 |
| [45] | Wang N, Lyu X P, 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. |
| [46] | Huang D, Li Q L, Wang X X, et al. Characteristics and trends of ambient ozone and nitrogen oxides at urban, suburban, and rural sites from 2011 to 2017 in Shenzhen, China[J]. Sustainability, 2018, 10(12). DOI:10.3390/su10124530 |
| [47] | Li X B, Yuan B, Parrish D D, et al. Long-term trend of ozone in southern China reveals future mitigation strategy for air pollution[J]. Atmospheric Environment, 2022, 269. DOI:10.1016/j.atmosenv.2021.118869 |
| [48] | 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 |
| [49] | Wang W N, van der A R, Ding J Y, et al. Spatial and temporal changes of the ozone sensitivity in China based on satellite and ground-based observations[J]. Atmospheric Chemistry and Physics, 2021, 21(9): 7253-7269. |
| [50] | Sillman S. The relation between ozone, NOx and hydrocarbons in urban and polluted rural environments[J]. Atmospheric Environment, 1999, 33(12): 1821-1845. |