2024, Vol. 45
, AN Xin-xin , LIU Bao-xian
, LI Yun-ting , LI Qian , SUN Feng , ZHANG Zhang , QIU Qi-hong , CHEN Yang
随着我国工业化和城市化进程的加快, PM2.5和O3成为对城市大气环境和人类健康影响最大的2类污染物[1 ~ 3].自2013年《大气污染防治行动计划》颁布实施以来, 北京市大气污染防治工作取得显著成效, 城市PM2.5浓度持续下降[4, 5], 2021年北京市ρ（PM2.5）年均值下降至33 µg·m-3, 较2013年下降了63.1%, 这一改善效果被联合国环保署称为”北京奇迹” [6].但近年来随着经济的发展、人口的增长以及机动车保量的增加, O3污染的问题日益突出, 已经成为影响北京市环境空气质量的又一大因素[7].近地面O3除少量来自平流层传输外, 主要由挥发性有机化合物（VOCs）和氮氧化物（NOx）等前体物在太阳光作用下发生光化学反应生成[8, 9], 对人体健康[10]和生态系统[11]具有不利影响.据统计2015~2019年中国O3污染导致过早死亡人数正缓慢增加, 空间分布特征与O3浓度相似[12].
我国不同区域秋冬季部分大气重污染过程中, 会出现PM2.5暴发式增长现象[13 ~ 15], 国内外研究者已对PM2.5暴发式增长的形成机制展开了多项研究[16 ~ 18].京津冀区域夏季O3污染过程频发[19, 20], 在研究该区域夏季O3污染时, 发现一些污染过程中会出现O3跳变的特征.统计北京市长期的O3最大8 h滑动平均（O3-8h）浓度发现, O3-8h浓度由前一日的优良水平, 跳变两个或以上空气质量级别第二日上升至轻度、中度甚至重度污染现象常有发生.O3作为光化学反应的产物, 其与前体物NOx和VOCs存在复杂的非线性关系[21 ~ 23], 加之夏半年天气系统切换较快, 容易出现温度快速升高、气压快速下降、南风频率明显增加的特征, 大大地增加了空气质量预报的难度, 使得发生跳变的O3污染的预防与控制十分困难.现阶段已有研究针对O3区域持续性污染过程研究较多, 主要有不利气象条件下本地光化学产生与区域传输两个方面原因.持续性O3污染过程期间, 京津冀区域典型天气形势为高温、低湿、异常南风、下沉气流和异常反气旋气团作用[24, 25], 以来自于北京市以南的短距离传输为主, 主要潜在源区是河北省南部、山西省东北部、河南省东北部以及山东省北部[26, 27], 但针对O3污染的跳变型特征及成因仍缺乏系统性的认知.
因此本研究分析北京市O3污染跳变型特征、气象影响及潜在源区, 通过更好地揭示O3跳变的原因, 以期为空气质量预报及区域联防联控决策提供参考, 并为我国的O3污染防治工作提供参考.
1 材料与方法 1.1 数据来源本研究选取了2016~2022年北京市O3-8h、O3小时（O3-1h）和NO2小时的环境监测数据和气象观测数据进行分析, 环境监测数据来自于北京市生态环境监测中心, 京津冀区域O3-8h数据来自中国环境监测总站.气象数据来自中国气象局（http://data.cma.cn/）, 要素包括日及小时降水量、相对湿度、气温、气压、风速风向.后向轨迹模型中使用的气象资料为美国国家环境预报中心（NCEP）提供的全球资料同化系统（GDAS）数据, 空间分辨率为1°×1°, 时间分辨率为6 h, 分别为00：00、06：00、12：00和18：00（UTC, 世界时）, 变量包括气温、气压、湿度、风场和压力垂直速率等.GDAS资料从公开网址（ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1）下载得到.
O3污染分析是按照《环境空气质量指数（AQI）技术规定（试行）》（HJ 633-2012）, 根据O3-8h的划分为5个级别：优（0~100 µg·m-3）、良（101~160 µg·m-3）、轻度污染（161~215 µg·m-3）、中度污染（216~265 µg·m-3）和重度污染（266~800 µg·m-3）.本研究以O3-8h浓度前后两日变化两个或以上空气质量级别作为O3发生跳变的判定依据, 具有该类跳变特征的O3污染过程记为一次跳变型O3污染过程, 其中, 跳变前一日记为OJD1, 跳变当日记为OJD2.在研究O3污染跳变型特征与气象要素的关系用到O3-1h, 当其浓度超过国家二级标准200 µg·m-3时, 即为超标.
1.2 后向轨迹聚类与潜在源区贡献分析与CAMx和CMAQ等复杂空气质量模型相比, 后向轨迹分析具有不依赖污染物排放信息且容易掌握等优点, 被广泛应用于污染输送与来源分析[28 ~ 30].有研究后向轨迹模型、潜在源区贡献（potential source contribution function, PSCF）模型, 将观测到大气污染物信息与气象信息相结合, 从而确定大气污染物的迁移路径及潜在源区[31 ~ 33].
本研究基于Meteoinfo软件以及GDAS资料对北京市2016~2022年发生跳变的O3污染过程的OJD1和OJD2分别进行后向轨迹聚类及PSCF分析.以北京市（40°N, 116°E）为后向轨迹起点, 气团高度设置为10 m, 模拟时间分辨率为1 h, 向后追溯24 h气团轨迹, 反演OJD1和OJD2均得到984条后向轨迹, 在此基础上采用欧氏距离法, 对到达起点的所有轨迹进行聚类分组, 采用总空间方差（total spatial variance, TSV）方法确定聚类数目为6类.受体高度取10 m主要考虑到目前大气国控点高度一般在3~15 m的近地面, 计算24 h后向轨迹主要基于O3明显的日变化特征.
潜在源区贡献分析是一种基于气流轨迹分析来识别污染源区的方法[34], 该方法基于后向轨迹模拟的结果, 首先将研究区域划分为i × j个网格, 利用污染轨迹Mij与所有轨迹Nij在途经网格时的停留时间比值来表征每个格网格对受体点的污染贡献[35 ~ 37], 即第i行第j列格点的污染源贡献值可定义为PSCFij= Mij/Nij.其次, 为减少PSCF作为一种条件概率分析的不确定性, 引入权重函数Wij来尽可能降低不确定性以减少误差, WPSCFij值（Wij × PSCFij）越大表示经过该网格污染轨迹比例越高, 高值所在区就是影响O3的潜在源区.权重函数Wij具体定义为：
|
式中, Navg为所有格点轨迹数的平均值.
本研究将OJD1和OJD2到达北京的轨迹ρ（O3-1h）超过120 µg·m-3（OJD2 O3-1h平均值）认为该轨迹为污染轨迹, 反之则为清洁轨迹.
2 结果与分析 2.1 跳变型O3污染过程概况 2.1.1 总体特征表 1给出2016~2022年北京市发生跳变的O3污染过程跳变前后两日O3-8h浓度差及空气质量级别差统计结果.北京市2016~2022年共发生41次跳变型O3污染过程, 不同年份发生次数处于2~10次范围内, 平均为5.9次·a-1, 其中2016年、2018~2020年发生频次较高, 平均为6.3次·a-1, 2017年、2021~2022年发生频次相对较低, 平均为3.3次·a-1.跳变型O3污染过程主要发生在5~7月, 占统计案例的80%, 而5~7月案例中又以6、7月居多.41个案例中OJD2较OJD1空气质量等级跳变2级案例36个, 占统计案例的88%, 前后两日ρ（O3-8h）差处于71~140 µg·m-3范围内, 其中空气质量由OJD1的1级优跳变为OJD2的3级轻度污染案例18个, 由2级良跳变为4级中度污染案例16个, 由3级轻度污染跳变为5级重度污染案例2个.OJD2较OJD1空气质量等级跳变3级案例5个, 占统计案例的12%, 前后两日ρ（O3-8h）差处于118~168 µg·m-3范围内, 其中空气质量由OJD1的1级优跳变为OJD2的4级中度污染案例2个, 由2级良跳变为5级重度污染案例3个.
|
表 1 2016~2022年北京市跳变型O3污染过程O3-8h浓度及气象要素统计 Table 1 Statistical results of O3-8h and meteorological elements at region of jumping ozone pollution in Beijing from 2016 to 2022 |
为了研究跳变型O3污染的气象条件变化, 表 1还对跳变前后两日最高气温差（℃）、最低气压差（hPa）、平均湿度差（%）、日累计降水量差（mm）和风向进行了统计.结果表明, 跳变型O3污染案例中OJD2与OJD1相比：①偏南风频率增多.跳变型O3污染过程发生时OJD1风向多为东北风或偏东转西南风作用, 全天都受南风作用案例较少, OJD2南风作用概率较大, 南风有利于O3及其前体物汇聚.②最高气温存在增温现象.OJD1最高气温处于19.0~37.8℃之间, 平均最高温度为30.2℃, 而OJD2最高气温处于23.9~38.4℃之间, 平均最高温度为32.6℃, 较OJD1平均高2.4℃, 高温度有利于促进光化学反应生成O3.③地面气压存在减压现象.地面变压相对比较平稳, 平均为负变压（-0.9hPa）, 负变压有利于O3及其前体物汇聚.④降水过程少.OJD1受午后雷阵雨作用较频繁, 31.7%的案例出现降水过程, 平均日累计降水量为12.3 mm, 而OJD2出现降水的案例为12.2%, 平均日累计降水量为3.9 mm, 降水发生频次及降水量均低于OJD1.降水发生时, 一方面太阳辐射减弱, 抑制O3生成, 另一方面, 已经生成的O3也会得到一定程度的清除.⑤地面相对湿度一般偏高.OJD1受降水影响, 日均相对湿度处于30%~90%之间, OJD2受暖湿气流影响, 处于30%~79%之间, 平均相对湿度相当, 均为57%.
跳变3级O3污染过程与所有跳变案例平均状态（简称“平均状态”）相比, OJD1和OJD2均具有更高的最高温度, 其范围分别为27~37.8℃和31~38.4℃之间；负变压程度更大（-1.2 hPa）；空气较平均水平干燥, 相对湿度较“平均状态”降低7个百分点；无降水现象发生.综合而言, 跳变3级的案例中, OJD1上午时段在东北风下, 传输至京的前体物浓度水平较低, 即使温度较高、空气干燥, O3浓度仍能维持优良水平, 而OJD2风向以偏东风转南风作用, 利于区域东部和中南部高浓度O3及其前体物传输, 叠加各气象要素的大幅变化均向着利于O3生成的方向发展, 使得空气质量较前一日跳变3级.因此, 当夏季预报出地面气压场持续减弱, 风向由东北风转偏南风作用向南风作用为主转变, 气温出现大幅上升时出现O3跳变的可能性较大, 在预报时还应特别注意午后降水对当日O3生成抑制、清除作用, 及降水过程后一日的O3预报.
2.1.2 区域特征如图 1所示为跳变前后两日京津冀区域O3-8h浓度平均值空间分布情况, OJD1区域呈现“南高北低”的空间分布特点[图 1（a）], 区域中南部城市的ρ（O3-8h）较高, 为140~160 µg·m-3, 区域北部的较低, 为120~130 µg·m-3.OJD2区域各城市O3-8h浓度平均值普遍有所上升, 高浓度带明显向西北方向延伸, 呈现“山前高平原地区相对较低”的分布态势[图 1（b）], 北京发展成为ρ（O3-8h）区域最高值, 为213 µg·m-3, 其次为保定和廊坊, 其浓度均大于200 µg·m-3, 区域中南部城市处于170~190 µg·m-3之间.就跳变前后两日O3-8h浓度差而言, 北京OJD2较OJD1高93 µg·m-3, 其次为北京近周边的廊坊、天津、唐山和保定, OJD2较OJD1高50~70 µg·m-3, 而区域中南部城市OJD2仅较OJD1高20~30 µg·m-3, 这主要可能是在偏南风作用下, 区域中南部高浓度O3及前体物向北传输, 叠加本地排放发生光化学反应生成的污染物在山前堆积, 使得OJD2山前城市O3浓度较前一日发生跳变, 体现了O3区域传输的特征.
|
图 1 OJD1和OJD2 O3-8h浓度空间分布 Fig. 1 Spatial distribution of O3-8h concentration in OJD1 and OJD2 |
从跳变前后的O3日变化情况分析[如图 2（a）], 跳变前后ρ（O3-1h）平均值为79 µg·m-3和120 µg·m-3, 跳变后O3浓度有较为明显的上升, 升幅为52%.总体而言, 跳变前后两日O3浓度峰值出现在17：00, 谷值出现在06：00, 但明显不同的是, OJD2的ρ（O3-1h）平均峰值为229 µg·m-3, 远远大于OJD1的峰值（128 µg·m-3）, ρ（O3-1h）谷值则表现为OJD1较OJD2高4 µg·m-3, 该特征与韩丽等[38]研究的成都地区O3超标天变化特征较一致.其主要原因从时次的分布上分析, 00：00~08：00时, OJD2的ρ（O3-1h）较OJD1的平均低3~14 µg·m-3, 这是由于OJD2该时段是在OJD1夜间高浓度氮氧化物背景浓度的基础上叠加大气较稳定, 氮氧化物在近地面累积, 高于OJD1同时间段浓度水平, 导致在午夜-清晨时段氮氧化物对O3的滴定消耗作用加强, 从而使得O3浓度下降幅度大于OJD1. 09：00开始受太阳辐射影响气温上升, 光化学反应活跃消耗NO2生成O3, 午后太阳辐射最强, 在光化学反应作用下O3于17：00左右达到最大浓度, 从时次的分布上分析, 该时段OJD2受传输影响及本地生成影响, O3小时浓度水平快速上升, 迅速超过OJD1同时间段浓度水平, 浓度差在7~105 µg·m-3范围内.17：00到午夜是O3消耗阶段, 主要是17：00后紫外辐射强度迅速减弱以及新的O3前体物排放高峰对O3浓度起到消耗作用, 使得O3快速下降, 从时次的分布上分析, 该时段由于OJD2起点较高, ρ（O3）水平较OJD1高52~102 µg·m-3.
|
图 2 OJD1和OJD2 O3和NO2浓度日变化 Fig. 2 Daily variation of O3 and NO2 concentrations in OJD1 and OJD2 |
NO2的日变化规律与O3呈相反变化趋势[如图 2（b）], 跳变前后ρ（NO2）小时平均值为30 µg·m-3和33 µg·m-3, 升幅为10%.从时次的分布上分析, 凌晨时段光解反应停滞, 同时NO和O3反应生成NO2, 造成夜间NO2高值, 导致OJD2 00：00~08：00时段ρ（NO2）较OJD1平均高8~11 µg·m-3.09：00~17：00随着太阳辐射增强, OJD2与OJD1 NO2浓度差缩小, 在O3浓度达到峰值浓度时, 浓度差达到0.17：00到午夜, OJD2较OJD1低0~6 µg·m-3, 一方面可能与区域传输及化学反应有关, 另一方面可能与该时段OJD2地面温度较高, 边界层高度更高, 更有利于NO2消散有关.
跳变3级的O3污染过程O3和NO2的日变化规律与“平均状态”较一致, 在凌晨时段OJD2的ρ（O3）低于OJD1的, 浓度差在该时段较“平均状态”有所缩小；在白天-夜间时段OJD2的ρ（O3）高于OJD1的, 且浓度差在该时段较“平均状态”扩大.跳变3级案例O3日变化与“平均状态”相比, OJD1在03：00~06：00时段ρ（O3）低于“平均状态”3~6 µg·m-3, 对应的ρ（NO2）较“平均状态”高0~8 µg·m-3, 说明在跳变3级的案例中OJD1该时段氮氧化物对O3滴定作用强于“平均状态”；而OJD2在03：00~06：00表现为ρ（O3）高于“平均状态”3~9 µg·m-3, 对应的ρ（NO2）高于“平均状态”1~5 µg·m-3, 说明跳变3级的污染过程OJD2该时段氮氧化物对O3滴定作用强度弱于“平均状态”, 造成O3在凌晨时段累积, 为白天高浓度O3提供了较高的起点.
2.2 跳变型O3污染与气象要素的关系气象要素的变化影响O3的生成速率及扩散.安俊琳[39]和程念亮等[40]研究表明, 超标日O3浓度与气压、湿度和能见度呈负相关关系, 与风速和温度呈正相关关系.崔梦瑞等[41]认为气象要素对北京建成区O3浓度的影响依次为：温度 > 压强 > 风速, 王占山等[42]研究表明, 当气温达于30℃时, 相对湿度介于30%~70%之间时, 北京市O3浓度达到轻度、中度污染水平的概率较高.张莹等[43]研究表明夏季相对湿度和降水量对O3浓度变化的影响较全年更加显著.
2.2.1 风速和风向从风向频率可以大致了解不同方向的气流对O3的相对影响程度, 图 3是跳变前后两日不同风向风速和O3-1h浓度的风玫瑰图, 可以看出, OJD1频率最高风向为东北风[图 3（a）], 达到21.8%, 北风和西北风频率和为14.4%, 南风和西南风频率分别为12.9%和20.4%, 而OJD2西南风频率最大[图 3（b）], 达到25.4%, 其次为南风23.1%, 偏南风（东南、南风和西南风）频率和较OJD1增加15.5%, 偏北风（北风、东北风和西北风）频率和较OJD1减少10%.当风向以偏南风为主时, 有利于上游的O3及其前体物向北京输送, 继而在高温作用下快速生成O3达到污染水平, 偏南风频率增加是跳变型O3污染发生的主要原因.就不同风向平均ρ（O3-1h）而言, 除东北和西北风, 其他风向OJD2的ρ（O3-1h）平均值水平基本较OJD1高3~72 µg·m-3, 当风向为东南、南风和西南风时ρ（O3-1h）较高, OJD1的分别为78、95和97 µg·m-3, OJD2的分别为148、167和153 µg·m-3.就不同风速下ρ（O3-1h）平均值而言, 跳变前后两日风速基本集中在1~3 m·s-1, 频率达到70%左右, 随着风速的增大频率减小.如表 2所示, O3浓度从静风状态（≤1.0m·s-1）开始随风速增加而增加, 当风速高于4 m·s-1后出现O3浓度随风速增加而降低现象.综合而言, 当风速为3~4 m·s-1和4~5 m·s-1的偏南风时O3处于高浓度水平, OJD2的ρ（O3-1h）较OJD1的分别高111 µg·m-3和101 µg·m-3.
|
黑色实线为风向频率, 颜色表示不同风速风向下O3浓度 图 3 OJD1和OJD2不同风向风速及O3浓度分布 Fig. 3 O3 concentrations distribution under different wind directions and wind speeds of OJD1and OJD2 |
|
|
表 2 OJD1和OJD2不同风向风速范围内频率及O3浓度水平 Table 2 O3 concentrations under the different ranges of wind speeds and wind direction of OJD1 and OJD2 |
2.2.2 气温和气压
图 4为跳变前后两日O3-1h浓度与温度、气压、相对湿度和降水量散点图.OJD1的ρ（O3-1h）大于200 µg·m-3的散点个数较少[图 4（a）], 仅有8个, 超标平均温度为32.2℃, 最低超标气温为27.8℃；OJD2的ρ（O3-1h）大于200 µg·m-3散点数明显较多, 为187个, 超标平均温度为32.6℃, 最低超标气温为22.6℃, 大量超标散点集中在28~38℃之间, ρ（O3-1h）最大值较OJD1高42%.O3浓度与温度呈正相关关系, OJD2的O3浓度与温度相关性更好, R2等于0.58明显大于OJD1的0.38, 表明OJD2的O3浓度对温度更为敏感.
|
（a）气温, （b）气压, （c）相对湿度, （d）降水 图 4 O3浓度与气象要素的散点图和拟合直线 Fig. 4 Scatter plots and best fit lines of O3 concentrations with meteorological elements |
京津冀地面气压场东高西低会导致来自高纬度的北风减弱[44, 45], 同时京津冀区域地面异常南风则加剧了污染物向京津冀区域的传输.O3浓度与地面气压为负相关关系[图 4（b）], OJD2地面气压较OJD1相比低3~5 hPa, 低气压控制下京津冀区域通常为高温、晴空、偏南风和高日照时数天气, 利于O3光化学反应生成及传输.跳变前后两日地面气压分别处于990~1 018 hPa和987~1 013 hPa.OJD1在993 hPa和1 000 hPa附近时出现O3高值, OJD2在988 hPa和995 hPa附近出现高值.
2.2.3 湿度和降水湿度和降水也是影响O3浓度水平的重要的气象要素, OJD1出现O3-1h超标时湿度处于35%左右[图 4（c）], 超标现象发生的时间集中于15：00~18：00.OJD2出现O3-1h浓度超标时, 湿度处于16%~70%范围内, 时间范围较OJD1明显扩大, 在11：00~20：00均有O3-1h浓度超标现象发生.OJD1和OJD2在湿度为38%和46%左右存在光化学反应强度临界值, 分别在38%和46%之前, 随湿度的增加而增大, 而在这之后随湿度的增加而减小, 当湿度大于70%, 跳变前后两日均未有超标现象发生.
跳变型O3污染过程降水主要发生在OJD1[图 4（d）], 统计的984 h中有79 h出现降水, 其发生时间主要在夜间-凌晨和午后-傍晚时段, 小时降水量在0.1~16.4 mm内, 有降水发生时, ρ（O3-1h）均低于150 µg·m-3, 特别是发生在午后-傍晚时段的降水过程对O3的生成和清除起到明显作用, 这也是OJD1的O3浓度较低的一个重要原因；而OJD2降水过程明显较少, 统计的984 h中仅13 h出现降水, 降水量较小在0.2~4.7 mm内, 出现时间主要在夜间-凌晨时段, 对午后高浓度O3生成和清除未起到明显作用.
2.3 跳变型O3污染传输路径及潜在源区聚类轨迹和潜在源区空间分布显示（图 5和表 3）, 就OJD1而言, 来自北京偏东和偏北的气团概率较大.聚类1、2、3和6都来自北京西北方向, 其中聚类2（9.3%）为长距离输送气团, 起源于蒙古国, 途经我国内蒙地区和京津冀区域北部, 气团较清洁传输距离远, 传输速度快, 有利于污染物的扩散, 导致对应的ρ（O3-1h）最低为69 µg·m-3, 其中污染轨迹占该类轨迹总数的17.6%, 贡献率为8.5%, 污染轨迹的ρ（O3-1h）平均值为157 µg·m-3, 从潜在源区可以看出, 聚类2的WPSCF在0.2~0.3之间.聚类1（12.2%）、3（8.1%）和6（12.1%）均来自内蒙古中部地区的短距离输送, 途经京津冀区域北部, 对应的ρ（O3-1h）平均值在OJD1中处于较高浓度水平, 分别为91、83和84 µg·m-3, 这3类轨迹分别贡献了19.1%、12.8%和18.6%的污染轨迹, 污染轨迹ρ（O3-1h）平均值为141、157和147 µg·m-3.聚类4（17.2%）和聚类5（41.2%）分别为起源于京津冀区域中南部和东部短距离传输气团, 其WPSCF值在0.1~0.2和0.2~0.6, 分别贡献了12.2%和28.7%的污染轨迹, 污染轨迹ρ（O3-1h）平均值分别为147 µg·m-3和160 µg·m-3.
|
图 5 OJD1和OJD2气流后向轨迹聚类及O3潜在源区 Fig. 5 Clustering of backward trajectories of OJD1 and OJD2 and potential source regions of O3 |
|
|
表 3 OJD1和OJD2各聚类轨迹参数统计 Table 3 Parameter statistics of each cluster trajectory of OJD1 and OJD2 |
与OJD1相比, OJD2来自偏北方向的气团减少11.2%, 而来自偏南和偏东方向气团增加6.7%和4.4%, 以短距离传输为主, 且受气象条件影响, 潜在源区WPSCF值增加, 范围扩大, 各类轨迹携带的O3-1h浓度均较OJD1增加.聚类1（19.8%）和2（10.7%）都来自北京西北方向, 气团相对清洁, 对应的ρ（O3-1h）平均值在OJD2中较低, 分别为74 µg·m-3和101 µg·m-3, 从潜在源区可以看出, 其WPSCF值在0.4以下, 聚类1和2贡献污染轨迹的概率低于其他类型, 分别为9.6%和7.8%, 污染轨迹ρ（O3-1h）平均值为183 µg·m-3和196 µg·m-3, 其中聚类2的污染轨迹ρ（O3-1h）浓度较高与其途经京津冀区域中部的气团中携带较高的O3浓度有关.聚类3（16.1%）和4（7.8%）来自京津冀区域中部和南部重工业较发达区域的短距离输送, 移动速度较慢, 气团途经这些地区时携带并传输大量的O3及其前体物到北京, 其对应的ρ（O3-1h）平均值在OJD2的6类轨迹中处于较高浓度水平, 分别为166 µg·m-3和145 µg·m-3, 这2类轨迹分别贡献了24.2%和11.3%的污染轨迹, 污染轨迹ρ（O3-1h）分别为211 µg·m-3和206 µg·m-3.从潜在源区也可以看出, WPSCF高值区域主要在京津冀区域中部和南部地区, 其WPSCF值在0.6~0.9之间, 表明这些地区是影响北京市OJD2高浓度O3最大的潜在源区.聚类6（30.5%）和聚类5（15.1%）分别为起源于京津冀区域东部和海上气团的短距离传输, 对应的ρ（O3-1h）分别为125 µg·m-3和114 µg·m-3, 其WPSCF值在0.4~0.5, 表明该地区对北京市OJD2高浓度O3贡献的低于区域中南部, 这2类轨迹贡献污染轨迹的比例最高, 分别贡献了34.0%和13.1%, 污染轨迹ρ（O3-1h）平均值低于聚类3和4, 分别为195 µg·m-3和188 µg·m-3.结合后向轨迹和潜在源区分析可以进一步证实北京市跳变型O3污染过程OJD2的O3最大的潜在源区为京津冀中南部和东部地区, 高浓度的O3及前体物随着气团的移动传输至京, 叠加北京本地光化学反应生成的O3, 使得OJD2北京市O3浓度大幅上升发生跳变.
3 结论（1）2016~2022年北京市共发生41次跳变型O3污染过程, 主要集中在5~7月, 其中空气质量跳变2级的案例占88%, 跳变3级的案例占12%, 跳变前后两日ρ（O3-8h）差分别为71~114 µg·m-3和118~168 µg·m-3.从O3浓度日变化看, OJD2的O3浓度在09：00~23：00明显高于OJD1同时间段浓度平均, 峰值浓度OJD2较OJD1偏高78.9%.
（2）OJD2偏南风频率增多是跳变型O3污染过程发生的主要原因, 当风速处于3~4 m·s-1和4~5 m·s-1的偏南风作用时, ρ（O3-1h）较OJD1高100 µg·m-3以上.OJD2的O3浓度对温度更为敏感, 其相关性高于OJD1, O3超标的温度范围扩大, OJD1和OJD2最低超标温度分别为27.8℃和22.6℃.降水频率和降水量的减少也是OJD2跳变的原因之一.
（3）后向轨迹聚类和潜在源区分析表明, 跳变型O3污染过程OJD2各类轨迹携带的O3浓度均较OJD1增加, 并表现为更多偏南和偏东方向近距离传输影响.OJD1和OJD2主要潜在源区是京津冀区域中南部及东部, 对污染轨迹的贡献率分别为40.9%和82.6%.
| [1] | Zheng J J, Jiang P, Qiao W, et al. Analysis of air pollution reduction and climate change mitigation in the industry sector of Yangtze River Delta in China[J]. Journal of Cleaner Production, 2016, 114: 314-322. DOI:10.1016/j.jclepro.2015.07.011 |
| [2] | Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China[J]. Science China Earth Sciences, 2014, 57(1): 14-25. DOI:10.1007/s11430-013-4773-4 |
| [3] |
王文兴, 柴发合, 任阵海, 等. 新中国成立70年来我国大气污染防治历程、成就与经验[J]. 环境科学研究, 2019, 32(10): 1621-1635. Wang W X, Chai F H, Ren Z H, et al. Process, achievements and experience of air pollution control in China since the founding of the People's Republic of China 70 years ago[J]. Research of Environmental Sciences, 2019, 32(10): 1621-1635. |
| [4] |
薛文博, 许艳玲, 史旭荣, 等. 我国大气环境管理历程与展望[J]. 中国环境管理, 2021, 13(5): 52-60. Xue W B, Xu Y L, Shi X R, et al. Atmospheric environment management in China: progress and outlook[J]. Chinese Journal of Environmental Management, 2021, 13(5): 52-60. |
| [5] | 北京市生态环境局. 十年接续奋斗实现蓝天常驻30!2022年北京市PM2.5年均浓度再创新低[EB/OL]. http://sthjj.beijing.gov.cn/bjhrb/index/xxgk69/zfxxgk43/fdzdgknr2/ywdt28/xwfb/326013559/index.html, 2023-01-06. |
| [6] | 朱法华. 推动绿色发展促进人与自然和谐共生[J]. 中国环保产业, 2022(11): 8. |
| [7] |
陈菁, 彭金龙, 徐彦森. 北京市2014~2020年PM2.5和O3时空分布与健康效应评估[J]. 环境科学, 2021, 42(9): 4071-4082. Chen J, Peng J L, Xu Y S. Spatiotemporal distribution and health impacts of PM2.5 and O3 in Beijing, from 2014 to 2020[J]. Environmental Science, 2021, 42(9): 4071-4082. |
| [8] | Stevenson D S, Dentener F J, Schultz M G, et al. Multimodel ensemble simulations of present-day and near-future tropospheric ozone[J]. Journal of Geophysical Research: Atmospheres, 2006, 111(D8). DOI:10.1029/2005JD006338 |
| [9] | Fowler D. Ground-level ozone in the 21st century: future trends, impacts and policy implications[EB/OL]. https://royalsociety.org/~/media/Royal_Society_Content/policy/publications/2008/7925.pdf, 2021-02-22. |
| [10] | Lippmann M. Health effects of ozone a critical review[J]. Journal of the Air & Waste Management Association, 1989, 39(5): 672-695. |
| [11] | Arneth A, Harrison S P, Zaehle S, et al. Terrestrial biogeochemical feedbacks in the climate system[J]. Nature Geoscience, 2010, 3(8): 525-532. DOI:10.1038/ngeo905 |
| [12] | Zheng D Y, Huang X J, Guo Y H. Spatiotemporal variation of ozone pollution and health effects in China[J]. Environmental Science and Pollution Research, 2022, 29(38): 57808-57822. DOI:10.1007/s11356-022-19935-z |
| [13] |
胡京南, 柴发合, 段菁春, 等. 京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策[J]. 环境科学研究, 2019, 32(10): 1704-1712. Hu J N, Chai F H, Duan J C, et al. Explosive growth of PM2.5 during the autumn and winter seasons in the Jing-Jin-Ji and surrounding area and its control measures with emergency response[J]. Research of Environmental Sciences, 2019, 32(10): 1704-1712. |
| [14] | Zhong J T, Zhang X Y, Dong Y S, et al. Feedback effects of boundary-layer meteorological factors on cumulative explosive growth of PM2.5 during winter heavy pollution episodes in Beijing from 2013 to 2016[J]. Atmospheric Chemistry and Physics, 2018, 18(1): 247-258. DOI:10.5194/acp-18-247-2018 |
| [15] | Sun W W, Wang D F, Yao L, et al. Chemistry-triggered events of PM2.5 explosive growth during late autumn and winter in Shanghai, China[J]. Environmental Pollution, 2019, 254. DOI:10.1016/j.envpol.2019.07.032 |
| [16] |
郑海涛, 刘建国, 李杰, 等. 河南省一次PM2.5污染过程区域性影响数值模拟[J]. 环境科学研究, 2016, 29(5): 617-626. Zheng H T, Liu J G, LI J, et al. Modeling impacts of regional transport on PM2.5 air pollution: case study in Henan Province[J]. Research of Environmental Sciences, 2016, 29(5): 617-626. |
| [17] |
谭吉华, 赵金平, 段菁春, 等. 广州秋季灰霾污染过程大气颗粒物有机酸的污染特征[J]. 环境科学, 2013, 34(5): 1982-1987. Tan J H, Zhao J P, Duan J C, et al. Pollution characteristics of organic acids in atmospheric particles during haze periods in autumn in Guangzhou[J]. Environmental Science, 2013, 34(5): 1982-1987. |
| [18] |
程念亮, 李云婷, 张大伟, 等. 2014年10月北京市4次典型空气重污染过程成因分析[J]. 环境科学研究, 2015, 28(2): 163-170. Cheng N L, Li Y T, Zhang D W, et al. Analysis about the characteristics and formation mechanisms of serious pollution events in October 2014 in Beijing[J]. Research of Environmental Sciences, 2015, 28(2): 163-170. |
| [19] |
花丛, 江琪, 迟茜元, 等. 我国中东部地区2015—2020年夏半年PM2.5和臭氧复合污染气象特征分析[J]. 环境科学研究, 2022, 35(3): 650-658. Hua C, Jiang Q, Chi X Y, et al. Meteorological characteristics of PM2.5 and O3 air combined pollution in central and Eastern China in the summer half years of 2015-2020[J]. Research of Environmental Sciences, 2022, 35(3): 650-658. |
| [20] |
姜华, 常宏咪. 我国臭氧污染形势分析及成因初探[J]. 环境科学研究, 2021, 34(7): 1576-1582. Jiang H, Chang H M. Analysis of China's ozone pollution situation, preliminary investigation of causes and prevention and control recommendations[J]. Research of Environmental Sciences, 2021, 34(7): 1576-1582. |
| [21] | Haagen-Smit A J. Chemistry and physiology of Los Angeles smog[J]. Industrial & Engineering Chemistry, 1952, 44(6): 1342-1346. |
| [22] | Shao M, Wang W J, Yuan B, et al. Quantifying the role of PM2.5 dropping in variations of ground-level ozone: inter-comparison between Beijing and Los Angeles[J]. Science of the Total Environment, 2021, 788. DOI:10.1016/j.scitotenv.2021.147712 |
| [23] |
韩婷婷, 李颖若, 邱雨露, 等. 上甸子区域背景站VOCs污染特征及其对臭氧生成贡献[J]. 环境科学, 2020, 41(6): 2586-2595. Han T T, Li Y R, Qiu Y L, et al. Characteristics of VOCs and their roles in ozone formation at a regional background site in Beijing, China[J]. Environmental Science, 2020, 41(6): 2586-2595. |
| [24] |
唐贵谦, 李昕, 王效科, 等. 天气型对北京地区近地面臭氧的影响[J]. 环境科学, 2010, 31(3): 573-578. Tang G Q, Li X, Wang X K, et al. Effects of synoptic type on surface ozone pollution in Beijing[J]. Environmental Science, 2010, 31(3): 573-578. |
| [25] |
朱媛媛, 刘冰, 桂海林, 等. 京津冀臭氧污染特征、气象影响及基于神经网络的预报效果评估[J]. 环境科学, 2022, 43(8): 3966-3976. Zhu Y Y, Liu B, Gui H L, et al. Characteristics of ozone pollution, meteorological impact, and evaluation of forecasting results based on a neural network model in Beijing-Tianjin-Hebei Region[J]. Environmental Science, 2022, 43(8): 3966-3976. |
| [26] |
张莹, 许建敏, 汪瑶, 等. 京津冀区域2015~2020年臭氧持续污染事件特征、气象影响及潜在源区分析[J]. 中国环境科学, 2023, 43(6): 2714-2721. Zhang Y, Xu J M, Wang Y, et al. Analysis of Characteristics, Impact of meteorologic conditions and potential sources for persistent ozone pollution events in the Beijing-Tianjin-Hebei Region during 2015~2020[J]. China Environmental Science, 2023, 43(6): 2714-2721. DOI:10.3969/j.issn.1000-6923.2023.06.005 |
| [27] |
王雪松, 李金龙, 张远航, 等. 北京地区臭氧污染的来源分析[J]. 中国科学B辑: 化学, 2009, 39(6): 548-559. Wang X S, Li J L, Zhang Y H, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China[J]. Science in China Series B: Chemistry, 2009, 39(6): 548-559. |
| [28] |
谢放尖, 陆晓波, 杨峰, 等. 2017年春夏期间南京地区臭氧污染输送影响及潜在源区[J]. 环境科学, 2021, 42(1): 88-96. Xie F J, Lu X B, Yang F, et al. Transport influence and potential sources of ozone pollution for Nanjing during spring and summer in 2017[J]. Environmental Science, 2021, 42(1): 88-96. |
| [29] | Draxler 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. |
| [30] |
王世强, 黎伟标, 邓雪娇, 等. 广州地区大气污染物输送通道的特征[J]. 中国环境科学, 2015, 35(10): 2883-2890. Wang S Q, Li W B, Deng X J, et al. Characteristics of air pollutant transport channels in Guangzhou region[J]. China Environmental Science, 2015, 35(10): 2883-2890. DOI:10.3969/j.issn.1000-6923.2015.10.001 |
| [31] |
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. Wang X D, Yin S S, Yang J, et al. Characteristics, meteorological influences, and transport source of ozone pollution in Zhengzhou city[J]. Environmental Science, 2021, 42(2): 604-615. |
| [32] |
张树宪, 李洋, 张众志, 等. 基于CMAQ/ISAM空气质量模型的北京市夏季臭氧来源解析研究[J]. 环境科学研究, 2022, 35(5): 1183-1192. Zhang S X, Li Y, Zhang Z Z, et al. Source apportionment of ozone in summer in Beijing based on CMAQ/ISAM air quality model[J]. Research of Environmental Sciences, 2022, 35(5): 1183-1192. |
| [33] |
何涛, 乔利平, 徐圃青, 等. 常州市臭氧污染传输路径和潜在源区[J]. 中国环境监测, 2017, 33(4): 77-83. He T, Qiao L P, Xu P Q, et al. Study of transport pathways and potential sources of ozone pollution in Changzhou[J]. Environmental Monitoring in China, 2017, 33(4): 77-83. |
| [34] | Ashbaugh L L, Malm W C, Sadeh W Z. A residence time probability analysis of sulfur concentrations at Grand Canyon National Park[J]. Atmospheric Environment (1967), 1985, 19(8): 1263-1270. DOI:10.1016/0004-6981(85)90256-2 |
| [35] |
符传博, 陈红, 丹利, 等. 2019年秋季海南省4次臭氧污染过程特征及潜在源区分析[J]. 环境科学, 2022, 11(43): 5000-5008. Fu C B, Chen H, Dan L, et al. Characteristics and potential sources of four ozone pollution processes in Hainan province in autumn of 2019[J]. Environmental Science, 2022, 11(43): 5000-5008. |
| [36] |
李颜君, 安兴琴, 范广洲. 北京地区大气颗粒物输送路径及潜在源分析[J]. 中国环境科学, 2019, 39(3): 915-927. Li Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing[J]. China Environmental Science, 2019, 39(3): 915-927. |
| [37] |
王琰玮, 王媛, 张增凯, 等. 不同季节天津市PM2.5与O3潜在源区及传输路径分析[J]. 环境科学研究, 2022, 35(3): 673-682. Wang Y W, Wang Y, Zhang Z K, et al. Analysis of potential source areas and transport pathways of PM2.5 and O3 in Tianjin by season[J]. Research of Environmental Sciences, 2022, 35(3): 673-682. |
| [38] |
韩丽, 陈军辉, 姜涛, 等. 成都市春季O3污染特征及关键前体物识别[J]. 环境科学, 2021, 42(10): 4611-4620. Han L, Chen J H, Jiang T, et al. Characteristics of O3 pollution and key precursors in Chengdu during spring[J]. Environmental Science, 2021, 42(10): 4611-4620. |
| [39] |
安俊琳, 王跃思, 李昕, 等. 北京大气中NO、NO2和O3浓度变化的相关性分析[J]. 环境科学, 2007, 28(4): 706-711. An J L, Wang Y S, Li X, et al. Analysis of the relationship between NO, NO2 and O3 concentrations in Beijing[J]. Environmental Science, 2007, 28(4): 706-711. |
| [40] |
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. Cheng N L, Li Y T, Zhang D W, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing city in 2014[J]. Environmental Science, 2016, 37(6): 2041-2051. |
| [41] |
崔梦瑞, 白林燕, 冯建中, 等. 京津唐地区臭氧时空分布特征与气象因子的关联性研究[J]. 环境科学学报, 2021, 41(2): 373-385. Cui M R, Bai L Y, Feng J Z, et al. Analysis of temporal and spatial variations of ozone coupling with dynamics of meteorological factors in the Beijing-Tianjin-Tangshan region[J]. Acta Scientiae Circumstantiae, 2021, 41(2): 373-385. |
| [42] |
王占山, 李云婷, 安欣欣, 等. 2006~2015年北京市不同地区O3浓度变化[J]. 环境科学, 2018, 39(1): 1-8. Wang Z S, Li Y T, An X X, et al. Variation of O3 concentration in different regions of Beijing from 2006-2015[J]. Environmental Science, 2018, 39(1): 1-8. |
| [43] |
张莹, 倪长健, 冯鑫媛, 等. 基于GAMs模型分析成都市气象因子交互作用对O3浓度变化的影响[J]. 环境科学, 2021, 42(11): 5228-5238. Zhang Y, Ni C J, Feng X Y, et al. Interactive effects of the influencing factors on the changes of O3 concentrations based on GAMs model in Chengdu[J]. Environmental Science, 2021, 42(11): 5228-5238. |
| [44] | Chen H P, Wang H J. Haze days in North China and the associated atmospheric circulations based on daily visibility data from 1960 to 2012[J]. Journal of Geophysical Research: Atmospheres, 2015, 120(12): 5895-5909. |
| [45] | Qian W H, Huang J. Applying the anomaly-based weather analysis on Beijing severe haze episodes[J]. Science of the Total Environment, 2019, 647: 878-887. |