2025, Vol. 46
2. 中国气象局五台山云物理野外科学试验基地, 忻州 035515
2. Wutaishan Cloud Physics Field Experiment Base, China Meteorological Administration, Xinzhou 035515, China
O3污染是近年来我国面临的主要环境问题之一, 在颗粒物浓度显著下降的背景下, O3浓度下降不明显[1~3], 甚至在部分地区呈加重趋势[4~6], 高浓度的O3不仅危害人体健康[7~9], 还会对生态环境和农业生产造成不良影响[10~12], 已引起社会的高度关注.
O3是一种典型的二次污染物, 主要由NOx和VOCs等前体物通过光化学反应生成[13, 14], 其形成机制已基本清晰. 针对O3污染的特点, 进行前体物的协同治理、开展区域联防联控是缓解O3污染的主要手段[15~17], 因此, 了解区域O3污染基本特征, 厘清其时空变化及驱动因素是污染物减排措施制定的前提和基础. 许多学者针对不同地区O3时空分布及影响因素进行了深入分析, 程麟钧等[18]采用旋转经验正交函数法（rotated empirical orthogonal function, REOF）分析了中国338城市O3浓度的时空变化特征, 确定出10个O3浓度独立变化区域, 指出地形和地貌是区域浓度差异的主要驱动因素. 王浩琪等[19]使用经验正交函数分解（EOF）和KZ滤波进一步分析了2019~2021年我国O3-8h浓度的主要空间分布形态, 指出气象要素和前体物排放是影响O3浓度长期变化的主因. Zhan等[20]对2015~2019年长三角地区O3空间分布模态分析显示, 第一模态与区域辐射变化有关, 第二模态与盛行西风的区域输送有关. 符传博等[21]和陈楠等[22]采用EOF方法分别探讨了海南省O3-8h时空分布主要模态、湖北省O3-8h浓度的主要空间分布型, 为不同省份O3污染防治工作提供了支持. 以上研究主要针对全国、地区、全省等较大尺度O3的时空分布开展研究, 但对于中等尺度区域O3空间分析的研究较少, 同时这种尺度下O3主要空间模态的气象驱动因素也有待进一步探索.
2023年12月, 国务院印发《空气质量持续改善行动计划》, 汾渭平原仍为我国大气污染治理的重点区域之一. 本文采用REOF分析并结合区域环流、后向轨迹分析方法, 以汾渭平原北部的太原盆地为研究对象, 基于2020~2023年太原盆地区县级大气污染物资料, 开展O3空间分布特征及主要气象驱动因素分析, 本研究结果有助于完善太原盆地大气环境管理体系, 提升区域精准和科学治污能力.
1 材料与方法 1.1 研究区域太原盆地位于山西省中部、汾渭平原北部, 为北东-南西向分布的狭长型封闭盆地（图 1）, 面积达5 000 km2, 盆地平均海拔800~900 m, 盆地西侧为吕梁山, 东侧为太行山[23, 24], 盆地内分布有太原、晋中等地级市, 还有交城、文水、汾阳、孝义、太谷、祁县、平遥和介休等区县, 是山西省人口的主要密集区域, 以重工业为主的工业结构导致区域大气污染频发.
|
图 1 太原盆地地理位置及地形特征 Fig. 1 Geographical location and topographic characteristics of the Taiyuan Basin |
我国北方地区O3污染主要发生在气温较高的5~9月[6], 收集了盆地11个区县2020~2023年该时段逐日最大O3-8h浓度资料, 吕梁各市县（交城县、文水县、汾阳市、孝义市）和晋中各市县（榆次区、太谷区、祁县、平遥县、介休市）O3-8h浓度资料分别来源于吕梁市空气质量日报和晋中市空气质量日报. 太原市尖草坪区、小店区O3-8h浓度由小时数据作8h滚动平均计算而来, 小时数据来自中国环境监测总站的全国城市空气质量实时发布平台. 研究同期地面气象资料来自山西省气象信息中心.
1.3 旋转经验正交函数分析法（REOF）EOF是分析气象要素场、环境要素场等时空变化特征的常用的统计方法[25, 26], 能将随时空变化的要素分解为分别仅随空间和时间变化的空间模态和时间系数的线性组合[27~29]. REOF是在EOF的基础上发展起来的, REOF通过对载荷特征向量场再作方差极大旋转变换, 使旋转空间向量场上每一个空间点只与一个或少数几个旋转时间系数有高度相关, 从而使高载荷值区集中在某较小局域, REOF的优势是更能突出要素异常分布的局域特征[25]. REOF的求解方程参见文献[18, 25].
1.4 山谷风分析方法由于山谷风比较弱难以直接观测得到, 分析山谷风时需去除天气尺度背景风场[30~32]. 首先将地面气象站的逐时风向风速分解为u、v分量, 分别代表东西方向和南北方向的风, 视为实际风；然后计算各站逐时的u、v分量平均值, 视为背景风. 用背景风减去实际风, 得到逐时的局地风, 用于分析和定义山谷风. 参考李青春等[31]的方法, 一天中若局地风风向发生南北转变、且同一风向持续4 h以上、实际风不大（风力小于3级）, 则该日为某地山谷风日. 本研究进一步定义, 若盆地内有5个以上地区为山谷风日, 则定义当天为太原盆地的山谷风日.
1.5 后向轨迹模式采用HYSPLIT模式来分析太原盆地大气污染物的输送轨迹及影响特征[33]. 本研究的后向轨迹计算起始高度选取为300 m, 该高度能较好反映气流的区域性流动特征, 又可减小下垫面摩擦力的影响, 能够更好地代表边界层底层的情况[34~36], 轨迹运行时间选择为48 h, 聚类分析基于轨迹风向角度的二分K均值法[34]. 用于后向轨迹模式计算的气象场资料为NCEP提供的全球资料同化系统（global data assimilation system, GDAS）数据, 每日4个时次, 即00：00、06：00、12：00和18：00 UTC, 水平分辨率为1°×1°.
2 结果与讨论 2.1 太原盆地O3污染特征图 2给出了2020~2023年太原盆地5~9月日最大O3-8h浓度第90百分位数年际变化, 可以看出, 太原盆地O3百分位浓度呈波动变化特征, 2021年最高, 2023年次之, 2020和2022年稍低. 从具体区县来看, 尖草坪、小店、交城、文水、祁县和汾阳年变化均表现为先增加（2021年）后逐年下降的特征（2021~2023年）, 太谷和祁县主要表现为2021年偏高其余年份基本持平的特征, 介休2021年后逐年增加但变幅较小, 孝义2020年和2021年偏高之后明显下降, 榆次呈逐年递增的变化趋势. 总的来看, 太原盆地各区县O3百分位浓度年际变化差异明显, 2020~2022年受疫情影响, 盆地内不同地区、不同时间段采取的防疫措施对O3前体物的局地排放产生不同影响[37], 而不同地方气象要素的差异也进一步影响了O3浓度的年际变化.
|
图 2 太原盆地2020~2023年5~9月O3-8h浓度第90百分位数年际变化 Fig. 2 Interannual variation in the 90th percentile of May-September O3-8h concentration in the Taiyuan Basin from 2020 to 2023 |
图 3为2020~2023年太原盆地5~9月日最大O3-8h浓度平均值的空间分布, 可以看出, O3空间分布主要表现为北部和南部同高, 中部偏低. 2020~2022年北部高值区均出现在太原市（尖草坪和小店）[图 3（a）~3（c）], 2023年出现在尖草坪和榆次[图 3（d）]；2020~2023年南部高值中心分别为孝义、汾阳、介休和平遥；盆地低值中心总体较为一致, 除2021年外, 均出现在交城. 图 3（e）为2020~2023年O3-8h浓度多年平均值, 可以看出, 太原盆地O3-8h浓度多年平均值分布特征为北部最高, 南部次之, 中部最低.
|
图 3 2020~2023年5~9月太原盆地O3-8h浓度空间分布特征 Fig. 3 Spatial distribution characteristics of the O3-8h in the Taiyuan Basin during May to September from 2020 to 2023 |
为提取太原盆地更加细致的空间相关性特征, 对太原盆地11区县日最大O3-8h浓度进行REOF分解, 其中前3模态的累积贡献率达到75.9%, 可以表征太原盆地O3空间分布的主要特征[图 4（a1）~4（c1）]；同时给出各模态的时间系数随时间的演变特征[图 4（a2）~4（c2）], 时间系数的绝对值越大, 表明这一时刻的这种分布结构越典型, 极大值中心亦越明显[28]. 为更好展示其变化特征, 参考程麟钧等[18]给出每个模态时间系数六阶多项式拟合曲线.
|
图 4 太原盆地O3-8h浓度的空间分布模态和时间系数 Fig. 4 Spatial distribution modes and time coefficients of O3-8h concentrations in the Taiyuan Basin |
O3浓度的空间分布第一模态（方差贡献率为33.1%）显示盆地内各地区载荷均为正值（反映了区内O3浓度的整体偏高或偏低）, 呈由东北向西南逐步下降的分布特征, 高载荷区集中于盆地北部的太原市, 主要表征盆地O3整体向北积累或输送形成“北高南低”的空间分布特征[图 4（a1）]. 其时间系数变化特征为先上升后下降[图 4（a2）], 2020~2023年均从5月中下旬开始转为正并迅速上升, 而峰值时间分别为7月下旬、6月中旬、7月上旬和6月下旬, 转负时间分别为8月下旬、7月下旬、8月中旬和8月中旬. 2021年时间系数的峰值明显高于其他年份, 表明2021年6月中旬该模态特征最为明显.
第二模态（方差贡献率为26.3%）显示盆地内各地区载荷也都为正值, 但空间分布是第一模态的反向型, 呈由西南向东北逐步下降的分布特征, 高载荷区位于盆地西南部孝义、汾阳地区, 主要表征太原盆地O3整体向西南积累或输送形成“南高北低”的空间分布特征[图 4（b1）]. 时间系数也为先上升后下降的趋势[图 4（b2）], 但各年时间系数转正时间有所不同, 2022年为7月初, 其余时段均为6月中下旬；峰值时间也有较大差异, 2020~2023年分别为7月下旬、6月下旬、8月中旬和8月上旬.
第三模态（方差贡献率为16.5%）显示盆地各地区载荷均为负值[图 4（c1）], 区域O3浓度整体呈南北低中间高的分布特征, 浓度高值中心位于盆地西部的文水、交城等地, 从时间系数来看[图 4（c2）], 2020和2021年呈下降-上升-下降的特征, 2022年呈缓慢上升特征, 2023年呈先上升后下降的特征, 前两年峰值在6月初, 后两年峰值不明显.
总的来看, 太原盆地前两种模态特征更显著, 其最典型结构出现时间有一定的重合, 第二模态高值出现略晚, 而以文水、交城为O3高浓度中心的第三模态典型结构存在明显年际差异. 根据日最大O3-8h浓度的空间分布模态, 大体可以将太原盆地分为3个部分, 北区（太原和榆次）、南区（汾阳、孝义、介休）和中区.
为了解析不同模态的主要气象驱动因素, 计算各区县O3-8h空间距平（各县与太原盆地O3-8h浓度平均值之差）以表示O3空间差异特征. 表 1给出了各区县O3-8h空间距平同气温、风速、横向风（u分量）和纵向风（v分量）的相关关系, 可以看出, O3-8h空间距平与气温的相关关系较弱, 仅晋中存在显著负相关关系, 表明气温对于空间分布的影响较小；与风速相关关系较为显著, 盆地南部的汾阳、孝义和介休为显著负相关关系, 即大风天气有利于盆地南部污染物扩散, 与小店、交城为显著正相关关系, 原因可能是扩散的同时伴随着O3输送[38]. 从风向来看, 分别有8个区县与风的u、v分量呈显著相关关系, 盆地南部地区（汾阳、孝义、介休、平遥）与u、v分量呈负相关关系, 即西南风越大盆地南部O3-8h空间负距平越显著, 而中北部地区与u、v分量呈正相关关系, 表明风向对O3浓度的影响存在显著南北差异.
|
表 1 各区县O3-8h的空间距平与气象因素的相关系数1） Table 1 Correlation coefficients between spatial distance level of O3-8h and meteorological factors in each county |
为了更直观展示不同模态下的气象特征, 结合载荷和时间系数特征, 收集了前3种模态典型过程, 给出不同模态气温、风速和风向特征. 图 5（a）~5（c）显示, 3种模态下气温均呈由南至北逐渐递减的分布特征, 各模态区域最大温差分别为1.1、1.2和1.2℃, 区域平均气温分别为23.4、24.0和23.3℃, 可以看出气温空间分布的模态差异较小. 图 5（d）~5（f）显示, 3种模态风速的区域分布也较为相似, 盆地北部以榆次风速最高尖草坪风速最低, 盆地南部介休和汾阳风速偏大, 平遥和孝义风速稍小.
|
图 5 3种模态下太原盆地气温和风速空间分布特征 Fig. 5 Spatial distributions of temperature and wind speed in the top three modes extracted from REOF |
图 6给出了太原盆地4个方位的城市小店、祁县、文水和孝义的风玫瑰图, 图 6（a）~6（d）显示, 第一模态小店、祁县、文水和孝义均以SW或SSW风频率最高, 各地连续3个偏南风风向角频率和都超过30%, 表明第一模态太原盆地主导风向为偏南风, 利于污染物向盆地北部输送和积累. 图 6（e）~6（h）显示, 第二模态小店、祁县和文水以N或NE风频率最高, 偏南风频率明显下降, 而孝义仍以WSW和SSW风频率最高, 但偏北风频率明显上升；小店、祁县和文水连续3个偏北风风向角频率分别为29%、37%和35%；孝义连续3个偏南风风向角频率和为32%, 连续3个偏北风风向角频率和为23%, 即第二模态下盆地大部地区以偏北风为主, 南部局地为偏南风, 从风速来看, 偏北风风速高于偏南风, 因此第二模态为偏北风主导污染物向盆地南部的输送积累天气. 第三模态各地风玫瑰图显示[图 6（i）~6（l）], 小店、祁县和文水偏北风和偏南风风速特征和风向频率都很接近, 而孝义仍以偏南风频率最高, 即盆地大部地区南北风频率总体相当, 较有利于污染物向盆地中部输送和积累, 同时文水东南风频率较高[图 6（k）], 因此污染物进一步向盆地西侧集中, 形成第三模态的空间分布.
|
图 6 3种模态下太原盆地不同区县风玫瑰图 Fig. 6 Wind rose maps of different counties in the Taiyuan Basin in the top three modes extracted from REOF |
综上, 对比不同空间模态下的各类气象要素可以看出, 气温和风速对太原盆地O3空间分布的影响较小, 太原盆地REOF空间模态差异的主要气象驱动因素为风向引起的局地输送. 该结果与程麟钧等对中国O3空间分布主要驱动因素的结果不同[18], 更接近Zhan等[20]对于长三角地区O3空间分布第二模态的主要驱动因素, 因此, 在太原盆地不同城市O3污染治理中, 要关注盆地两端O3浓度特征, 严密监测盆地内风速风向特征, 适时开展局地减排等应急措施.
2.4 山谷风对臭氧空间分布的影响对于盆地地形, 区域环流最显著的特征是山谷风[39]. 太原盆地两侧太行山和吕梁山对冷空气活动有阻挡和削弱作用, 导致山前暖区的空气流动性减小, 在非天气尺度系统过境期, 由于山谷与坡面之间升温速度的差异, 盆地内白天吹谷风, 夜间吹山风, 山谷风风向及转变时间主要受地形影响[40, 41]. 经过筛选, 5~9月太原盆地山谷风出现的比例为34.5%.
图 7为盆地不同方位9个地区风向日变化, 白天谷风期间, 盆地北中部地区（尖草坪、小店、平遥、文水、太谷和祁县）均以西南风频率最高, 盆地南部汾阳、介休和孝义最高风频分别为东南风、西北风和东北风；夜间山风期间, 盆地北中部地区均以东北风或西北风频率最高, 盆地南部3个城市则为西南风；从风向转变时间来看, 夏天09：00~10：00转为谷风, 18：00前后开始转为山风. 由此可见, 太原盆地内谷风的主要特征为西南风与东北风或西北风的相互转变, 风向特征与山谷的走向一致；盆地南侧地区受南部山脉影响, 山谷风特征呈反相位变化. 以山谷风为标准, 可将盆地分为北中部地区和南部局部两部分.
|
图 7 太原盆地山谷风日不同区县风向日变化特征 Fig. 7 Diurnal variation characteristics of wind direction in different counties of the valley wind day in the Taiyuan Basin |
山谷风期间, 白天盆地北中部地区污染物向北输送, 南部局部污染物在本地积累, 夜间盆地两端的污染物同时向盆地中部输送, 由于谷风风速较大而山风风速较小, 因此, 白天对污染物的输送积累明显大于夜间的山风过程. 图 8（a）给出了太原盆地山谷风日O3-8h分布特征, 可以看出, 山谷风期间夏季太原盆地O3呈南北同高中部稍低的分布特征, 高值区位置与REOF前两模态相同. 山谷风对O3区域分布的影响可能更接近REOF第一模态, 但山谷风期间偏南风的持续时间和强度总体偏弱, 而且难以影响盆地南部区域, 因此出现盆地两端同高的现象. 图 8（b）显示, 非山谷风期间ρ（O3-8h）平均值偏低约20 μg·m-3, 空间分布呈北部高、南部次之、中部低的特征, 这可能与太原盆地夏季盛行偏南风有关[42]. 吴进等研究显示山谷风期间污染物浓度明显高于非山谷风期间[32], 针对北京地区的研究显示山谷风比例增加会导致北京地区O3污染水平升高[43]. 因此, 在持续性局地环流控制期间, 盆地南北两端城市的应更注重本地排放管控[44].
|
图 8 太原盆地山谷风日和非山谷风日O3-8h浓度分布特征 Fig. 8 Distribution characteristics of O3-8h concentration on valley and non-valley wind days in the Taiyuan Basin |
除盆地内的生成和积累外, O3及其前体物也会跨区域和大地形等进行输送[45, 46]. 结合前述分析, 区域输送污染物进入太原盆地后, 受盆地内局地环流影响, 污染物会进行新的空间分配, 因此将太原盆地作为整体, 即以盆地内11区县O3-8h浓度平均值表示整个区域O3浓度特征, 并将后向轨迹起始点选为盆地地理中心, 给出外源性输送对太原盆地的整体影响. 图 9（a）显示, 2020~2023年O3污染季太原盆地后向轨迹可以分为5类, 东南轨迹、偏南轨迹和偏西轨迹影响期间太原盆地ρ（O3-8h）平均值均超过160 μg·m-3为污染轨迹, 偏北和偏东轨迹输送下盆地内O3-8h浓度较低, 为清洁轨迹. 图 9（b）进一步给出了O3污染最严重的6月区域输送影响, 可以看出, 6月两条偏北轨迹影响期间太原盆地O3-8h浓度也非常高, 说明6月O3的本地光化学生成积累也同样显著, 而占比19.8%的偏南轨迹（第4类）影响期间太原盆地ρ（O3-8h）平均值超过200 μg·m-3, 对比最清洁的西北轨迹（第2类）, 偏南轨迹输送对太原盆地ρ（O3）贡献可能超过40 μg·m-3, 因此, 太原盆地在开展本地减排的同时, 与南部城市的同步联防联控对于减少O3污染将起到很大的作用.
|
图 9 区域传输对太原盆地O3-8h浓度影响 Fig. 9 Impact of regional transmission on O3-8h concentration in the Taiyuan Basin |
（1）太原盆地2020~2023年的5~9月日最大O3-8h第90百分位浓度呈波动变化特征, 2021年最高, 2023年次之, 2020和2022年稍低；盆地各区县之间O3百分位浓度年际变化有明显差异.
（2）根据太原盆地O3 浓度REOF分解, 第一模态方差贡献率为33.1%, 表征区域O3浓度“北高南低”的空间分布特征；第二模态方差贡献率为26.3%, 表征区域O3浓度“南高北低”的空间分布特征；第三模态方差贡献率为16.5%, 表征区域O3浓度“南北低中间高”的分布特征. 太原盆地前两种模态时间系数高值主要集中在6月中旬至7月底, 其中第二模态时间系数高值分布有所偏后；第三模态时间系数高值出现时间年际差异较大. 根据日最大O3-8h浓度的空间分布模态, 大体可以将太原盆地分为3个部分, 北区（太原和榆次）、南区（汾阳、孝义、介休）和中区. 气温和风速对太原盆地O3空间分布的影响较小, 不同风向引起的局地输送差异是导致太原盆地O3空间分布变化的主要原因.
（3）太原盆地北中部地区山谷风特征为白天的西南风与夜间的偏北风相互转变, 风向转变时间为09：00~10：00和18：00；盆地南侧局地的山谷风特征呈反向变化. 山谷风期间ρ（O3-8h）平均值较非山谷风期间偏高20 μg·m-3, 总体呈南北同高、中部稍低的分布特征. 不同输送轨迹对太原盆地O3影响不同, 东南轨迹、偏南轨迹和偏西轨迹影响期间太原盆地ρ（O3-8h）平均值超过160 μg·m-3, 为污染轨迹.
| [1] | Xiang S L, Liu J F, Tao W, et al. Control of both PM2.5 and O3 in Beijing-Tianjin-Hebei and the surrounding areas[J]. Atmospheric Environment, 2020, 224. DOI:10.1016/j.atmosenv.2020.117259 |
| [2] | Shao T, Wang P, Yu W X, et al. Drivers of alleviated PM2.5 and O3 concentrations in China from 2013 to 2020[J]. Resources, Conservation and Recycling, 2023, 197. DOI:10.1016/j.resconrec.2023.107110 |
| [3] | Xu T Y, Zhang C X, Liu C, et al. Variability of PM2.5 and O3 concentrations and their driving forces over Chinese megacities during 2018-2020[J]. Journal of Environmental Sciences, 2023, 124: 1-10. |
| [4] | 生态环境部. 2022中国生态环境状况公报[R]. 北京: 生态环境部, 2023. |
| [5] |
郑庆锋, 梁萍, 段玉森, 等. 2006~2021年夏半年上海臭氧浓度特征及其大气环流背景分析[J]. 环境科学, 2024, 45(2): 645-654. Zheng Q F, Liang P, Duan Y S, et al. Characteristics of ozone concentration in Shanghai and its associated atmospheric circulation background during summer half-years from 2006 to 2021[J]. Environmental Science, 2024, 45(2): 645-654. |
| [6] |
胡安琪, 谢晓栋, 龚康佳, 等. 气候变化对中国夏季臭氧影响[J]. 环境科学, 2023, 44(4): 1801-1810. Hu A Q, Xie X D, Gong K J, et al. Impact of climate change on summer ozone in China[J]. Environmental Science, 2023, 44(4): 1801-1810. |
| [7] | Yin P, Brauer M, Cohen A J, et al. The effect of air pollution on deaths, disease burden, and life expectancy across China and its provinces, 1990-2017: An analysis for the Global Burden of Disease Study 2017[J]. The Lancet Planetary Health, 2020, 4(9): E386-E398. |
| [8] | Wang Y L, Wild O, Chen X S, et al. Health impacts of long-term ozone exposure in China over 2013-2017[J]. Environment International, 2020, 144. DOI:10.1016/j.envint.2020.106030 |
| [9] | Xiao Q Y, Geng G N, Xue T, et al. Tracking PM2.5 and O3 pollution and the related health burden in China 2013-2020[J]. Environmental Science & Technology, 2021, 56(11): 6922-6932. |
| [10] | Xu X B, Lin W L, Xu W Y, et al. Long-term changes of regional ozone in China: implications for human health and ecosystem impacts[J]. Elementa: Science of the Anthropocene, 2020, 8. DOI:10.1525/elementa.409 |
| [11] | Feng Z Z, Agathokleous E, Yue X, et al. Emerging challenges of ozone impacts on asian plants: actions are needed to protect ecosystem health[J]. Ecosystem Health and Sustainability, 2021, 7(1). DOI:10.1080/20964129.2021.1911602 |
| [12] | Emberson L. Effects of ozone on agriculture, forests and grasslands[J]. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2020, 378(2183). DOI:10.1098/rsta.2019.0327 |
| [13] | Liu Y F, Qiu P P, Li C L, et al. Evolution and variations of atmospheric VOCs and O3 photochemistry during a summer O3 event in a county-level city, Southern China[J]. Atmospheric Environment, 2022, 272. DOI:10.1016/j.atmosenv.2022.118942 |
| [14] | Li A, Zhou Q, Xu Q. Prospects for ozone pollution control in China: An epidemiological perspective[J]. Environmental Pollution, 2021, 285. DOI:10.1016/j.envpol.2021.117670 |
| [15] | Wang X D, Yin S S, Zhang R Q, et al. Assessment of summertime O3 formation and the O3-NOX-VOC sensitivity in Zhengzhou, China using an observation-based model[J]. Science of the Total Environment, 2022, 813. DOI:10.1016/j.scitotenv.2021.152449 |
| [16] | Wang Z Y, Tian X, Li J, et al. Quantitative evidence from VOCs source apportionment reveals O3 control strategies in northern and southern China[J]. Environment International, 2023, 172. DOI:10.1016/j.envint.2023.107786 |
| [17] | Wang J Y, Gao A F, Li S R, et al. Regional joint PM2.5-O3 control policy benefits further air quality improvement and human health protection in Beijing-Tianjin-Hebei and its surrounding areas[J]. Journal of Environmental Sciences, 2023, 130: 75-84. |
| [18] |
程麟钧, 王帅, 宫正宇, 等. 中国臭氧浓度的时空变化特征及分区[J]. 中国环境科学, 2017, 37(11): 4003-4012. Cheng L J, Wang S, Gong Z Y, et al. Spatial and seasonal variation and regionalization of ozone concentrations in China[J]. China Environmental Science, 2017, 37(11): 4003-4012. DOI:10.3969/j.issn.1000-6923.2017.11.001 |
| [19] |
王浩琪, 张裕芬, 罗忠伟, 等. 基于EOF分解和KZ滤波的2019~2021年中国臭氧时空变化及驱动因素分析[J]. 环境科学, 2023, 44(4): 1811-1820. Wang H Q, Zhang Y F, Luo Z W, et al. Spatial-temporal variation and driving factors of ozone in China from 2019 to 2021 based on EOF technique and KZ Filter[J]. Environmental Science, 2023, 44(4): 1811-1820. |
| [20] | Zhan C C, Xie M, Liu J, et al. Surface ozone in the Yangtze river delta, China: a synthesis of basic features, meteorological driving factors, and health impacts[J]. Journal of Geophysical Research: Atmospheres, 2021, 126(6). DOI:10.1029/2020JD033600 |
| [21] |
符传博, 徐文帅, 丹利, 等. 2015~2020年海南省臭氧时空变化及其成因分析[J]. 环境科学, 2022, 43(2): 675-685. Fu C B, Xu W S, Dan L, et al. Temporal and spatial variations in ozone and its causes over Hainan Province from 2015 to 2020[J]. Environmental Science, 2022, 43(2): 675-685. |
| [22] |
陈楠, 刘长焕, 许可, 等. 基于EOF/SVD的2018年湖北省臭氧特征及其高值与气象要素关系研究[J]. 中国环境监测, 2020, 36(2): 88-95. Chen N, Liu C H, Xu K, et al. EOF/SVD based characteristics of ozone in Hubei Province in 2018 and the relationship between its high values and meteorological factors[J]. Environmental Monitoring in China, 2020, 36(2): 88-95. |
| [23] | Zhang M, Li Z P, Xu M, et al. Pollution characteristics, source apportionment and health risks assessment of fine particulate matter during a typical winter and summer time period in urban Taiyuan, China[J]. Human and Ecological Risk Assessment: an International Journal, 2020, 26(10): 2737-2750. DOI:10.1080/10807039.2019.1684184 |
| [24] | Ren X, Wen Y P, He Q S, et al. Higher contribution of coking sources to ozone formation potential from volatile organic compounds in summer in Taiyuan, China[J]. Atmospheric Pollution Research, 2021, 12(6). DOI:10.1016/j.apr.2021.101083 |
| [25] | Bai K X, Li K, Guo J P, et al. Filling the gaps of in situ hourly PM2.5 concentration data with the aid of empirical orthogonal function analysis constrained by diurnal cycles[J]. Atmospheric Measurement Techniques, 2020, 13(3): 1213-1226. |
| [26] | North G R, Bell T L, Cahalan R F, et al. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review, 1982, 110(7): 699-706. |
| [27] | Bi S B, Qiu X K, Wang G J, et al. Spatial distribution characteristics of drought disasters in Hunan Province of China from 1644 to 1911 based on EOF and REOF methods[J]. Environmental Earth Sciences, 2021, 80(16). DOI:10.1007/s12665-021-09867-1 |
| [28] | Qiu P P, Zhang L, Wang X S, et al. A new approach of air pollution regionalization based on geographically weighted variations for multi-pollutants in China[J]. Science of the Total Environment, 2023, 873. DOI:10.1016/j.scitotenv.2023.162431 |
| [29] | Yang H Y, Yang F, Sun L G, et al. Relationship between the North Atlantic Sea surface temperature and the summer extreme high temperature in the Beijing-Tianjin-Hebei region, China[J]. Urban Climate, 2023, 52. DOI:10.1016/j.uclim.2023.101683 |
| [30] |
曹渐华, 刘熙明, 李国平, 等. 鄱阳湖地区湖陆风特征及成因分析[J]. 高原气象, 2015, 34(2): 426-435. Cao J H, Liu X M, Li G P, et al. Analysis of the phenomenon of lake-land breeze in Poyang Lake area[J]. Plateau Meteorology, 2015, 34(2): 426-435. |
| [31] |
李青春, 李炬, 郑祚芳, 等. 冬季山谷风和海陆风对京津冀地区大气污染分布的影响[J]. 环境科学, 2019, 40(2): 513-524. Li Q C, Li J, Zheng Z F, et al. Influence of mountain valley breeze and sea land breeze in winter on distribution of air pollutants in Beijing-Tianjin-Hebei region[J]. Environmental Science, 2019, 40(2): 513-524. |
| [32] |
吴进, 李琛, 马志强, 等. 北京平原和延庆地区山谷风异同及对污染的影响[J]. 环境科学, 2021, 42(10): 4660-4668. Wu J, Li C, Ma Z Q, et al. Similarities and differences of valley winds in the Beijing Plain and Yanqing areas and its impact on pollution[J]. Environmental Science, 2021, 42(10): 4660-4668. |
| [33] | Draxler R R, Stunder B, Rolph G, et al. HYSPLIT4 users's guide[R]. US Department of Commerce, National Oceanic and Atmospheric Administration, Environmental Research Laboratories, Air Resources Laboratory, 1999. |
| [34] |
闫世明, 王雁, 郭伟, 等. 太原市秋冬季大气污染特征和输送路径及潜在源区分析[J]. 环境科学, 2019, 40(11): 4801-4809. Yan S M, Wang Y, Guo W, et al. Characteristics, transportation, pathways, and potential sources of air pollution during autumn and winter in Taiyuan[J]. Environmental Science, 2019, 40(11): 4801-4809. |
| [35] |
王小兰, 王雁, 闫世明, 等. 晋中盆地主要城市冬季PM2.5传输特征分析[J]. 环境科学, 2022, 43(7): 3423-3438. Wang X L, Wang Y, Yan S M, et al. Analysis of PM2.5 transmission characteristics in main cities of Jinzhong Basin in winter[J]. Environmental Science, 2022, 43(7): 3423-3438. |
| [36] |
姬艺珍, 郭伟, 胡正华, 等. 太原市PM2.5积累特征及重污染天气成因分析[J]. 环境科学学报, 2021, 41(3): 853-862. Ji Y Z, Guo W, Hu Z H, et al. Accumulation characteristics of PM2.5 and the causes of serious pollution weather in Taiyuan City, China[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 853-862. |
| [37] | Pei C L, Yang W Q, Zhang Y L, et al. Decrease in ambient volatile organic compounds during the COVID-19 lockdown period in the Pearl River Delta region, south China[J]. Science of the Total Environment, 2022, 823. DOI:10.1016/j.scitotenv.2022.153720 |
| [38] |
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, 43(11): 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, 43(11): 5000-5008. |
| [39] | 寿绍文, 励申申, 姚秀萍. 中尺度气象学[M]. 北京: 气象出版社, 2003. |
| [40] | Stull R B. An introduction to boundary layer meteorology[M]. Dordrecht: Kluwer Academic Publishers, 1988. |
| [41] | Mikkola J, Sinclair V A, Bister M, et al. Daytime along-valley winds in the Himalayas as simulated by the Weather Research and Forecasting (WRF) model[J]. Atmospheric Chemistry and Physics, 2023, 23(2): 821-842. |
| [42] |
施能, 朱乾根, 吴彬贵. 近40年东亚夏季风及我国夏季大尺度天气气候异常[J]. 大气科学, 1996, 20(5): 575-583. Shi N, Zhu Q G, Wu B G. The East Asian summer monsoon in relation to summer large scale weather-climate anomaly in China for last 40 years[J]. Scientia Atmospherica Sinica, 1996, 20(5): 575-583. |
| [43] | Zhang L, Wang L L, Tang G Q, et al. Comprehensively exploring the characteristics and meteorological causes of ozone pollution events in Beijing during 2013-2020[J]. Atmospheric Research, 2023, 294. DOI:10.1016/j.atmosres.2023.106978 |
| [44] | Xu J, Li J, Zhao X J, et al. Effectiveness of emission control in sensitive emission regions associated with local atmospheric circulation in O3 pollution reduction: A case study in the Beijing-Tianjin-Hebei region[J]. Atmospheric Environment, 2022, 269. DOI:10.1016/j.atmosenv.2021.118840 |
| [45] | Xue Y G, Wang L Q, Jing Y, et al. Asian monsoon and local valley wind caused transport of volatile organic compounds episode across Qinling Mountain in China[J]. Journal of Geophysical Research: Atmospheres, 2023, 128(24). DOI:10.1029/2022JD038256 |
| [46] | Wu Y K, Chen W H, You Y C, et al. Quantitative impacts of vertical transport on the long-term trend of nocturnal ozone increase over the Pearl River Delta region during 2006-2019[J]. Atmospheric Chemistry and Physics, 2023, 23(1): 453-469. |