2023, Vol. 44
自2013年以来, 我国在大气污染防治和空气质量改善方面实施了一系列举措并取得了显著成效, 二氧化硫(SO2)、一氧化碳(CO)、二氧化氮(NO2)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)等污染物质量浓度持续下降, 然而臭氧(O3)浓度及O3超标率逐年上升. 2013~2019年暖季(4~9月)的臭氧日最大8 h滑动平均浓度(MDA8 O3)以每年2.4×10-9速率增加, O3已经成为当前影响我国空气质量的首要污染物[1~3].高浓度O3会对心血管疾病和呼吸系统产生不良作用, 进而影响人体健康[4~7], 有研究表明, 2013~2019年由MDA8 O3引起的我国长期全因死亡率和短期全因死亡率分别增加了52.5%和19.6%[8]; 此外, O3减弱植物的光合作用, 降低植被的初级生产力和陆地碳汇, 并使农作物减产, 影响植被生长[9~11].
地表O3主要由挥发性有机化合物(VOCs)和氮氧化物(NOx=NO+NO2)在太阳辐射条件下通过光化学反应产生, 其中温度是影响O3光化学生成过程的重要因素.有研究表明, 温度升高可促进O3生成[12, 13].此外, 温度升高可增加生物源NOx(如土壤微生物排放[14])及生物源VOCs排放[15~17], 加剧O3污染.全球气候变化背景下, 当前和未来温度呈现逐年上升趋势, 对O3污染具有不可忽视的作用[18~20].Xiao等[21]研究发现, 2013~2020年暖季, 中国平均温度上升了0.3℃, 这使得O3污染形势越发严峻.Nolte等[22]预测美国日最高温度到2050年和2095年分别增加1~4℃和2~7℃, 其对O3将分别贡献1×10-9~5×10-9和1×10-8以上.
然而, O3与温度并不总是呈现正相关关系, 过高的温度不一定会带来预期中更加严重的O3污染; 当温度超过某个阈值时, O3浓度呈下降趋势, 称为臭氧抑制事件.Steiner等[23]研究发现, 在极端高温下(>312K), 随着温度持续升高, 美国加州地区的O3形成将受到抑制, 这是因为过氧乙酰硝酸盐(PAN)的热分解减弱和异戊二烯排放减少, 导致O3生成减弱.Shen等[24]研究发现, 美国有20%左右的站点存在臭氧抑制事件, 其认为这可能是由伴随高温的气象过程(太阳辐射、大气环流、停滞等)发生改变引起.Munir等[25]研究发现沙特阿拉伯麦加地区, 极端高温期间(>42℃)臭氧-温度呈负相关关系, 并指出总碳氢化合物(THC)和二氧化氮(NO2)等O3前体物水平的降低和风速风向的改变是主要原因.Ning等[26]研究也发现2015~2019年暖季(4~9月)期间, 中国约19%的城市存在臭氧抑制事件, 并预测在不同气候情景下, 未来臭氧抑制事件将更加显著.
在人为污染活动没有变化的情况下, 气候变暖将导致未来空气质量进一步恶化, 加剧地面O3污染, 可能抵消一系列减排措施所带来的收益[27, 28].但在极端高温下形成的臭氧抑制事件可能会产生相反的效果, 这对未来的空气质量预测提出了挑战.针对以上问题, 本研究将结合地面观测数据及再分析资料, 通过Z检验统计方法, 评估2013~2020年暖季(4~9月)中国臭氧抑制事件发生频次的时空分布特征, 探究发生臭氧抑制事件时的临界温度(Tx)特征, 最后选择代表性站点进一步讨论分析引起臭氧抑制事件的可能原因.本研究有助于进一步明晰臭氧-温度关系, 深入了解温度变化对O3浓度的影响, 对探索极端高温下O3浓度的响应具有重要意义.
1 材料与方法 1.1 数据来源本研究时段为2013~2020年, 其中2015~2020年的O3及NO2逐小时浓度数据来自中国环境监测总站(http://www.cnemc.cn/), 监测站点数为1 438个.由于该数据集2013~2014年数据缺值较多, 有效观测站点相对较少(493~940个).为了使得研究结果具有代表性和统计意义, 2013~2014年O3及NO2逐小时浓度数据来自中国高分辨率空气质量再分析数据集(版本3, CAQRA-V3)[29, 30], 空间分辨率为15 km×15 km.地面气象数据来自中国气象数据网(http://data.cma.cn/)编制的中国地面气候资料日值数据集(V3.0), 其中包括气温、气压、相对湿度、降水、风速和风向等气象要素, 时间跨度为2013~2020年, 包含699个气象站点.本研究在月尺度上的研究时段为2013~2020年的4~9月, 属于暖季且O3污染严重的时段[31, 32], 所使用的臭氧浓度均指臭氧日最大8 h滑动平均浓度(MDA8 O3), 气温均指日最高气温(Tmax).
本研究依据《环境空气质量评价技术规范(试行)》[33]对逐小时污染物数据进行质量控制, 同时筛选出距离污染物监测站最近的气象站点, 并进一步去除逐日数据(Tmax和MDA8 O3)缺失值数量大于5%的站点, 最终筛选1 088个污染物监测站点和距离其最近的气象站点, 如图 1所示(所有地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2020)4630号的标准地图制作, 底图无修改).本研究重点分析五大城市群, 具体包括京津冀、汾渭平原、长三角、成渝地区和珠三角城市群, 各城市群包含城市依据《中国大气臭氧污染防治蓝皮书(2020年)》[32]进行划分.
|
图 1 污染物监测站和气象观测站点分布示意 Fig. 1 Distribution of pollutant monitoring stations and meteorological observation stations |
基于CAQRA-V3数据集, 通过最邻近插值法得到筛选出的1 088个有效污染物监测站网格, 将其与中国环境监测总站提供的2015~2019年暖季污染物数据进行对比验证, 两者验证结果较好, 皮尔逊相关系数(R)达到0.77以上(P < 0.05), CAQRA-V3数据集对污染物浓度低估在5 μg ·m-3以内, 均方根误差较低(表 1), 各项评价指标均达到我国《环境空气质量模型遴选工作指南(试行)(征求意见稿)》的评价标准, 因此, 本研究使用CAQRA-V3数据集中2013~2014年暖季1 088个网格的数据代替同期的监测站点数据.
|
表 1 CAQRA-V3数据集验证结果 1) Table 1 CAQRA-V3 dataset validation results |
1.2 臭氧抑制事件的识别
根据已有的研究[23~26], 臭氧抑制事件定义为在Tx以上臭氧与温度呈现负相关关系, 臭氧-温度斜率为负, Tx为发生臭氧抑制事件时的临界温度.利用Z检验计算臭氧-温度斜率的平稳性, 即检验高温下(高于Tx)的臭氧-温度斜率是否显著低于常温状态(低于Tx), 以此来确定臭氧抑制事件的发生, Z检验公式如下:
|
式中, mH和mN分别为高温和常温两种状态下的臭氧-温度斜率, SEH和SEN是两种状态下臭氧-温度斜率的标准误差.当|Z|>1.96且P < 0.05表明臭氧-温度斜率显著降低, 在第90.0~97.5百分位范围内可能产生的一系列符合Z检验的Tmax中, 选择P值最小的Tmax作为对应站点的Tx, 将其视为该站点发生臭氧抑制的临界温度[26].如果未统计到满足Z检验的Tmax, 则认为该站点未出现臭氧抑制现象.本研究识别出的具有臭氧抑制事件站点的地理位置以污染物监测站点进行定位, 另外, 基于2013~2020年暖季共8 a的数据和各年暖季的数据分别使用Z检验, 以识别总体和年际的臭氧抑制事件.
2 结果与讨论 2.1 临界温度Tx总体特征图 2(a)展示了2013~2020年暖季臭氧抑制事件的临界温度(Tx)的概率分布情况, 可以看出Tx高于34.0℃的频率约为75%, 其中Tx介于34.0~37.0℃之间的概率最大, 占了62%, 在该温度范围内的轴须分布更密, 反映着Tx的连续分布情况.图 2(b)为发生臭氧抑制事件的临界温度(Tx)空间分布情况, Tx在全国不同地区的分布具有差异性, 通常在高原地区的Tx值较低(26℃以下), 而平原地区的Tx值相对较高, 其范围在19.2~39.3℃之间, 这一结果与Ning等[26]研究的结果类似.其中, Tx最低值在四川雅安, 为19.2℃; 而在四川泸州Tx最高, 达到39.3℃, 两者相差了20.1℃.距离四川雅安和四川泸州最临近气象站点分别为四川峨眉山站和四川叙永站, 两个气象站点在2013~2020年暖季平均日最高气温分别为13.0℃和30.1℃, 两者温度差值达到17.1℃, 因此对应的Tx差异显著.从五大城市群层面来看, Tx平均值由低到高分别为汾渭平原(34.6℃)、京津冀(35℃)、长三角(35.5℃)、珠三角(36.4℃)和成渝地区(37.5℃).
|
图 2 2013~2020年臭氧抑制事件临界温度(Tx)的分布特征 Fig. 2 Distribution characteristics of Tx of ozone suppression events from 2013 to 2020 |
图 3(a)显示临界温度Tx的逐年概率密度分布, Tx的概率可反映站点数量.2013~2016年暖季, 脊线峰值主要分布在33~36℃; 2017~2020年暖季, 臭氧抑制事件的Tx分布在35~37℃之间的概率更大.随着时间的推移, 脊线最高点处的Tx有右移的趋势, 表明从2013~2020年, 大多数站点发生臭氧抑制事件的Tx在逐渐升高, 脊线最高点处的Tx逐年变化趋势如图 3(b)所示, 脊线最高点处的Tx从2013年的34.61℃升高到2020年的36.12℃, 表明上升速率为0.23℃ ·a-1, 在P < 0.05水平上显著.该结果表明过去几年内臭氧抑制事件的Tx逐渐升高, 使得中国范围内发生该事件的临界温度条件变得更为严苛.而Ning等[26]研究指出, 在全球变暖的背景下, 中国未来迅速增加的高温日数和高温强度将使得臭氧抑制事件变得更为频繁且显著.
|
(a)Tx的脊线图, 分布曲线表示相应Tx的概率密度; (b)中散点为(a)中分布曲线最高点处对应的Tx, k为拟合直线的斜率 图 3 2013~2020年臭氧抑制事件临界温度(Tx)的脊线变化 Fig. 3 Ridge line change of Tx of ozone suppression events from 2013 to 2020 |
图 4展示了中国主要城市群发生臭氧抑制事件的Tx逐年变化趋势.其中, 京津冀城市群Tx均值总体上以每年0.29℃的速率升高, 且通过了显著性检验(P < 0.05), 其增幅主要体现在2016年暖季之后.汾渭平原Tx均值在2015年暖季前后有明显下降和升高, 而在2018~2020年期间维持在36.3℃左右.与汾渭平原类似, 长三角城市群的Tx在2013~2017年暖季同样经历了先降低后升高的变化趋势, 并在之后再次下降.2013~2020年暖季, 成渝地区的Tx呈“M”型变化.对于珠三角城市群, 其Tx以波动的形式逐渐升高, 上升速率约为0.17℃ ·a-1.
|
k为线性拟合直线的斜率 图 4 2013~2020年中国五大城市群Tx年际变化趋势 Fig. 4 Inter-annual variation trend of Tx in five major Chinese urban agglomerations from 2013 to 2020 |
臭氧抑制事件年平均频率的概率分布如图 5(a)所示, 呈现两边高、中间低的特征.低频率的臭氧抑制事件发生概率更高, 约59%的站点年均频率在5次·a-1以下; 而臭氧抑制事件年平均频率高于10次·a-1的站点占比达到17%, 特别是频率高于12次·a-1的臭氧抑制事件, 占比达到13%左右.2013~2020年暖季各站点发生臭氧抑制事件的总次数分布情况如图 5(b)所示, 发生臭氧抑制事件次数较多的站点主要分布在四川、新疆、陕西、河南和湖北等中国中西部地区; 累计发生超过69次臭氧抑制事件的站点有48个, 其中仅有33%的站点位于五大城市群, 城市群的高臭氧污染由人为排放主导[34], 由于受到高排放的影响, 使得经济发达并且人口稠密的城市群发生臭氧抑制事件相对较少.
|
(a)臭氧抑制事件年均频率的概率密度分布; (b)8年间各站点臭氧抑制事件总次数的空间分布 图 5 2013~2020年臭氧抑制事件的分布特征 Fig. 5 Distribution characteristics of ozone suppression events from 2013 to 2020 |
中国五大城市群出现臭氧抑制事件的站点信息统计于表 2中.结果显示, 2013~2020年暖季, 在全国共计1 088个有效站点中, 有201个站点(约18%)通过Z检验, 确定出现了极端高温抑制MDA8 O3形成的现象, 这一结果与国内外的研究结果基本相似[24, 26].Ning等[26]研究表明2015~2019年中国大陆有62个城市(占全国城市的19%)在高温下发生了臭氧抑制事件; Shen等[24]使用美国的两种数据集表明, 分别有约20%的站点和约23%的站点均显示出了显著的臭氧抑制事件.此外, 不同城市群发生臭氧抑制事件的站点数有所差异, 在成渝地区出现臭氧抑制事件的站点占比最高, 达到了41%; 长三角发生臭氧抑制事件的站点比例则相对较小.这可能与高温日数有关, 全国高温日数分布图[35]显示出与图 2(b)和表 2类似的结果, 在高温日数较多的地区, 发生臭氧抑制的站点占比也相对较高.
|
|
表 2 中国及主要城市群发生臭氧抑制事件的情况 Table 2 Ozone suppression events in China and major Chinese urban agglomerations |
2.4 臭氧抑制事件的时间变化特征 2.4.1 臭氧抑制事件的年际变化趋势
图 6展现了2013~2020年暖季5个城市群臭氧抑制事件发生频率的逐年变化情况.相较于其他城市群, 汾渭平原的臭氧抑制事件频率相对较高, 频率均值基本上超过5次·a-1. 2013~2020年暖季, 京津冀城市群的臭氧抑制事件频率以0.57次·a-1的速率逐年下降(P < 0.05).汾渭平原的臭氧抑制事件在2013~2016年暖季期间明显增加, 在2018年暖季后显著减少.长三角城市群的臭氧抑制事件频率高值出现在2014年和2019年, 频率均值达到4次·a-1以上.成渝地区的臭氧抑制事件频率在2014~2017年暖季起逐年下降, 而后开始增多, 在2014、2015和2020年暖季, 频率均值均超过5次·a-1.对于珠三角城市群, 发生臭氧抑制事件的频率则基本上维持在3次·a-1左右.结合图 4和图 6, 五大城市群发生臭氧抑制的临界温度(Tx)和频率的年变化趋势相反, 表明临界温度降低促使臭氧抑制事件频繁发生, 而更严苛的临界温度条件将减少臭氧抑制事件的发生.
|
k为线性拟合直线的斜率 图 6 2013~2020年臭氧抑制事件年均频率的变化趋势 Fig. 6 Trend of annual average frequency of ozone suppression events from 2013 to 2020 |
从月尺度上来看(图 7), 在4、5和9月, 臭氧抑制在全国范围内同时发生的次数较少, 但在夏季, 尤其是7月和8月, 臭氧抑制事件激增, 表现为范围上更广和频次上更多, 达到了臭氧抑制的高峰期.夏季气温升高, 太阳辐射增强, 极端高温下, 生成异戊二烯所需的酶发生变性可减少异戊二烯排放, 并且高温导致过氧乙酰硝酸酯(PAN)的作用减弱, 使臭氧浓度趋于平稳甚至出现下降趋势[24], 这可能是夏季臭氧抑制事件频发的原因.不同地区臭氧抑制事件的月变化趋势有所不同, 其中汾渭平原和京津冀地区自6月起开始频繁地发生臭氧抑制事件, 在7月达到最高频; 其他3个城市群区域在6月则较少出现臭氧抑制事件; 在7月和8月, 尽管长三角和珠三角地区的臭氧抑制事件有所增多, 但其平均频率并未超过10次·月-1.
|
图 7 2013~2020年暖季臭氧抑制频率的月度变化趋势 Fig. 7 Monthly trend of ozone suppression frequency in warm season from 2013 to 2020 |
图 8展示了2013~2020年暖季中国五大城市群发生臭氧抑制事件的臭氧-温度关系, 为尽可能保证线性回归模型斜率的可靠性, 先对城市群内有效站点的观测值, 计算平均代表该城市群的整体MDA8 O3和Tmax状况, 而后使用Z检验检查该城市群是否发生臭氧抑制事件, 因此, 得到的结果与前文单个站点的结果存在不同, 例如2013~2020年暖季, 长三角均有站点出现臭氧抑制, 但经过平均处理后, 则出现没有臭氧抑制事件的情况.
|
(a)低于Tx时的臭氧-温度斜率(mN), (b)Tx以上的臭氧-温度斜率(mH); *表示在P < 0.05水平上显著, **表示在P < 0.01水平上显著; 1~9分别对应2013、2014、2015、2016、2017、2018、2019、2020和2013~2020年; “—”表示空值, 无臭氧抑制事件 图 8 2013~2020年中国城市群臭氧-温度斜率变化趋势 Fig. 8 Variation trend of ozone-temperature slope in major urban agglomerations in China from 2013 to 2020 |
由图 8(a)可见, 在Tmax低于Tx时, 五大城市群的臭氧-温度斜率均为正值, 表明MDA8 O3和Tmax之间良好的正相关关系.从2013~2020年暖季的整体结果来看, 臭氧-温度斜率从高到低分别为京津冀、珠三角、成渝地区、汾渭平原; 分年来看, 京津冀、汾渭平原、成渝地区和珠三角等城市群的mN较高, 基本上超过3.5, 表明这些区域的MDA8 O3对Tmax更敏感; 长三角的臭氧-温度斜率则普遍低于3.5, 说明MDA8 O3随Tmax升高而增加的幅度相对较小.图 8(a)的结果显示出在长期趋势下, 京津冀的臭氧-温度斜率介于3.41~7.47之间; 而在短期持续10余天的高臭氧污染事件中, 京津冀的臭氧-温度斜率会进一步增大至8.51, 中国东部的臭氧-温度斜率高达12.58[36, 37], 说明在高臭氧污染事件中, O3浓度受温度的影响更显著.年际上, 京津冀和成渝地区的mN在8年间呈波动变化趋势, 并且京津冀mN较高的年份在成渝地区相对较低, 反之亦然; 而汾渭平原的mN在2013~2016年暖季通常小于4, 2017年暖季之后则普遍增大, 说明Tmax对MDA8 O3的影响程度有所增强.
如图 8(b), 在Tmax高于Tx也即发生臭氧抑制事件时, 由2013~2020年暖季的整体结果可见, 京津冀、汾渭平原和成渝地区的mH在-3.54~-1.60范围内; 而珠三角的mH低至-14.97, 说明珠三角城市群MDA8 O3随Tmax升高而下降的程度更为显著. mH的年变化趋势表明, 京津冀的mH呈现下降趋势, 说明极端高温抑制臭氧浓度的作用有所减弱.汾渭平原在除2017年外, 其mH均保持-10.00以下.相对其他年份, 成渝地区的mH在2014年暖季为-7.38, 说明臭氧抑制的程度较弱.珠三角的mH普遍低于-20.00, 表明珠三角高温对MDA8 O3的抑制作用十分显著.珠三角在夏季气温普遍高于35℃, 且高温日数偏多[35], 并具有丰富的植被[16], 当Tmax高于36.85℃时可能因异戊二烯排放减少导致O3浓度下降[23], 在这种影响下可能促使珠三角臭氧抑制事件期间mH值偏低.
2.5 臭氧抑制事件的影响因素 2.5.1 NO2对臭氧抑制事件的影响以MDA8 O3污染的相对严重程度作为筛选规则, 从2016年暖季发生的一次显著臭氧抑制事件的站点中筛选出3个代表性站点, 分别位于京津冀、成渝地区和珠三角城市群.从前体物(NO2)和相关气象因素(风速、风向)展开分析, 以了解高温下前体物浓度及伴随的气象条件变化对MDA8 O3的影响.图 9展示了3个代表性站点在不同Tx下(分别为34.3、33.6和36.5℃) MDA8 O3和NO2浓度的分布情况, 当Tmax较低时, MDA8 O3均随Tmax升高而升高, 直至超过临界温度Tx后, MDA8 O3对Tmax的响应出现变化, 3个代表性站点的臭氧浓度均出现显著下降.在此次臭氧抑制事件中, 高温对位于北京和四川成都两个站点造成了相似程度的臭氧抑制, 两个站点在Tx以上的臭氧-温度斜率分别为-25.91和-25.54; 而位于广东广州站点的mH=-39.78, 说明其臭氧抑制程度较之前两个代表性站点更为显著(表 3).
|
数据点以0.5℃间隔分档, 即Tmax=n℃时的数据表示在Tmax=[n, n+0.5)范围内的所有MDA8 O3平均值, 其中n为整数; 虚线表示对应站点O3抑制事件的Tx 图 9 2013~2020年代表站点的MDA8 O3和NO2与Tmax关系 Fig. 9 Relationship between MDA8 O3, NO2, and Tmax at representative sites from 2013 to 2020 |
|
|
表 3 3个代表性站点臭氧抑制临界温度(Tx)以上的皮尔逊相关系数和斜率统计 1) Table 3 Statistics of Pearson correlation coefficient and slope above the ozone suppression critical temperature(Tx) at three representative sites |
O3与NO2之间联系密切, 有研究表明[38~40], O3浓度与NO2浓度之间的相关性在不同时段和地区存在不同的结果.表 3统计了3个代表性站点在Tmax高于Tx时, MDA8 O3与其他变量的相关性结果, 在高温条件下, 位于北京、四川成都和广东广州等3个站点的MDA8 O3与NO2均呈正相关.如图 9和表 3中NO2与Tmax的相关性所示, 当Tmax高于临界温度Tx时, 位于北京和广东广州的站点监测到的NO2浓度均为升高趋势, 同时由于MDA8 O3与NO2的正相关, 随着Tmax升高, NO2浓度应促使MDA8 O3增加, 但图 9中MDA8 O3的下降表明NO2浓度的升高并非导致臭氧抑制事件的原因, 此外, 虽然北京和珠三角中部属于VOCs控制区[41, 42], 但MDA8 O3与NO2的正相关表明不太可能出现NOx滴定作用导致MDA8 O3下降.筛选的四川成都的代表性站点位于成都郊区, 而成都郊区属于NOx限制区[43], MDA8 O3对NOx敏感; 同时, 当Tmax高于Tx时, NO2与Tmax呈负相关, 表明NO2随Tmax升高而下降, 而MDA8 O3与NO2呈正相关, 说明极端高温下NO2浓度减少可能使得MDA8 O3生成受到抑制.
前文结果表明, 从空间上看, 在中国中西部的站点通常发生较多的臭氧抑制事件, 而中国中西部大部分地区属于NOx限制区[44], 且NO2浓度相对较低[45, 46]; NO2浓度的月变化特征表明, 其值在7月和8月较低, 而夏季正是臭氧抑制事件频发的季节, 并且, 不同城市群NO2浓度呈不一致的年际变化[45].由于较低的NO2浓度, 可能促使臭氧抑制事件的发生, 并形成一定的时空特征.
2.5.2 风速、风向对臭氧抑制事件的影响利用风速和风向数据分析其对3个代表性站点的MDA8 O3和Tmax的影响, 以探讨高温下发生臭氧抑制事件的原因.如图 10所示, 展示了上述3个代表性站点的风速和风向与Tmax和MDA8 O3的关系, 使用3个站点2016年暖季的完整数据来表示Tmax、MDA8 O3和风速、风向之间的平均关系, 以及仅考虑Tmax大于Tx即发生臭氧抑制事件时的数据.如图 10(a1)和图 10(a2)所示, 当从北方吹来2~4 m ·s-1的风, 以及0~4 m ·s-1的东南风和西南偏南风时, 既可以观察到高温, 也可以观察到高MDA8 O3水平, 体现出高温和高MDA8 O3的一致性分布, 表明MDA8 O3与Tmax之间存在的正相关关系.但当只考虑臭氧抑制事件期间时, 在风速和风向的影响下, 臭氧-温度关系发生了变化, 如图 10(a3)和图 10(a4), 此时, 高温主要与北风、东北偏北风、南风和西南偏西风有关, 而对应风向的MDA8 O3则普遍较低, 说明在风速和风向的支持下, 极端高温对MDA8 O3具有显著的抑制作用, 而在1.5~3m ·s-1的西南风下, 则同时出现相对低温和高MDA8 O3, 说明在西南方位的臭氧抑制程度相对较小, 图 10(a3)和图 10(a4)的Tmax和MDA8 O3分布进一步表明仅当Tmax≥Tx即发生臭氧抑制事件时, 臭氧-温度关系为负相关.此外, MDA8 O3和风速的负相关说明风速增大利于MDA8 O3下降.因此, 臭氧-温度关系由正转负的变化是因风向和风速导致, 表明在高温下MDA8 O3的输送条件发生了变化, 从而引起臭氧抑制事件的形成.
|
(a1)~(a4)为北京(京津冀), (b1)~(b4)为成都(成渝地区), (c1)~(c4)为广州(珠三角); a、b和c分别为3个代表性站点; 图片编号中1和2表示所有数据, 图片编号中3和4表示仅Tx以上的数据 图 10 2013~2020年暖季3个代表性站点MDA8 O3和Tmax与风速风向的关系 Fig. 10 Relationship between ozone and temperature and wind speed and direction at representative sites from 2013 to 2020 |
对位于成都的站点来说, 图 10(b1)和(b2)显示出高温和高臭氧浓度风玫瑰分布的良好一致性, 图 10(b1)中东北风、东风和东南风下的Tmax分布在图 10(b3)中发生了相反的变化, 说明Tmax≥Tx时伴随的风速风向条件使得Tmax分布产生转变; 与此同时, 在图 10(b3)中, 尽管高温主要发生在西北风、西南风、南风和东南偏南风的情况下, 且对应着图 10(b4)中的MDA8 O3低值, 但此时的风速较小(< 1.6 m ·s-1).当风速≤1.5 m ·s-1时的水平扩散能力较弱[47, 48], 且由于MDA8 O3和风速的正相关(表 3), 说明风速不太可能是使MDA8 O3降低的原因; 此外, 当风速>1.5 m ·s-1时, 水平输送作用逐渐占据主导地位[47, 48], 由于1.5~1.9 m ·s-1的西风和0.8 m ·s-1以上的东北风、东风存在, 可能通过水平气流带来污染气团, 导致图 10(b4)中存在MDA8 O3高值.因此, 对位于成都的代表性站点, 高温下的风速风向条件不太可能引起臭氧抑制事件.
而对位于广州的站点来说, 相比于前两个代表性站点, 其所有数据下的Tmax和MDA8 O3风玫瑰分布的一致性相对较差; 但图 10(c1)中南风下的相对高温转变为图 10(c3)中南风下的相对低温, 体现了风速风向影响下Tmax的变化, 并且, 由于图 10(c3)中南风下的Tmax低于东北偏北风下的Tmax, 可能导致对MDA8 O3的抑制程度较小, 从而表现为图 10(c4)中Tmax对MDA8 O3的抑制在东北偏北风的情况下更显著.而MDA8 O3和风速的负相关表明极端高温下风速对MDA8 O3下降的正贡献作用.
因此, 高温下伴随的风速和风向条件对位于北京和广州的两个站点发生的臭氧抑制事件具有积极作用, 而不太可能导致位于成都的站点发生臭氧抑制事件.此外, 高温可以增加边界层高度, 促进O3的对流交换, 有利于稀释并降低地表O3浓度[49], 这可能会造成高温下发生臭氧抑制事件.
3 结论(1) 2013~2020年暖季, 发生臭氧抑制的临界温度(Tx)的范围介于19.2~39.3℃之间, 且大多数站点的Tx在34.0~37.0℃. Tx高值区主要分布在平原地区, 而青藏高原等地的Tx则相对较低.2013年暖季以来, 京津冀的Tx呈显著上升趋势; 汾渭平原、长三角和成渝地区的Tx呈现“降低-升高-降低”变化; 珠三角的Tx在8年间轻微波动上升.
(2) 2013~2020年暖季, 中国约18%的站点观测到了显著的臭氧抑制事件, 其中约13%的站点发生臭氧抑制事件的年平均频率在10次·a-1以上, 臭氧抑制事件次数较多的站点主要分布在四川、新疆和陕西等中国中西部地区.与Tx年变化趋势相反, 京津冀的臭氧抑制事件频率显著下降, 汾渭平原、长三角和成渝地区的臭氧抑制事件频率呈“升高-降低-升高”变化.月度上来看, 夏季是臭氧抑制事件的频发期, 成渝地区、长三角和珠三角主要集中在7月和8月, 汾渭平原和京津冀于6月开始频繁出现臭氧抑制事件.珠三角极端高温抑制臭氧形成的效果显著, 其臭氧-温度斜率普遍低于-10.00.
(3) 前体物的敏感性和气象条件的变化可能是导致臭氧抑制的原因, 主要表现为临界温度Tx以上NO2浓度的变化和风速、风向的影响.对位于北京和广州的两个代表性站点, 高温伴随的风向和风速条件可能是引起以上两个站点发生臭氧抑制事件的原因, 而位于成都的站点发生臭氧抑制事件则归因于高温下NO2浓度的下降.
| [1] |
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. DOI:10.13198/j.issn.1001-6929.2019.09.15 |
| [2] |
柴发合. 我国大气污染治理历程回顾与展望[J]. 环境与可持续发展, 2020, 45(3): 5-15. Cai F H. Review and prospect on the atmospheric pollution control in China[J]. Environment and Sustainable Development, 2020, 45(3): 5-15. |
| [3] | Lu X, Zhang L, Wang X L, et al. Rapid Increases in warm-season surface ozone and resulting health impact in China since 2013[J]. Environmental Science & Technology Letters, 2020, 7(4): 240-247. |
| [4] | Sahu S K, Liu S C, Liu S, et al. Ozone pollution in China: Background and transboundary contributions to ozone concentration & related health effects across the country[J]. Science of the Total Environment, 2021, 761. DOI:10.1016/j.scitotenv.2020.144131 |
| [5] | Liu H, Liu S, Xue B R, et al. Ground-level ozone pollution and its health impacts in China[J]. Atmospheric Environment, 2018, 173: 223-230. DOI:10.1016/j.atmosenv.2017.11.014 |
| [6] | Li H Y, Wu S W, Pan L, et al. Short-term effects of various ozone metrics on cardiopulmonary function in chronic obstructive pulmonary disease patients: Results from a panel study in Beijing, China[J]. Environmental Pollution, 2018, 232: 358-366. DOI:10.1016/j.envpol.2017.09.030 |
| [7] | Huang J, Li G X, Xu G Z, et al. The burden of ozone pollution on years of life lost from chronic obstructive pulmonary disease in a city of Yangtze River Delta, China[J]. Environmental Pollution, 2018, 242: 1266-1273. DOI:10.1016/j.envpol.2018.08.021 |
| [8] | Maji K J, Namdeo A. Continuous increases of surface ozone and associated premature mortality growth in China during 2015-2019[J]. Environmental Pollution, 2021, 269. DOI:10.1016/j.envpol.2020.116183 |
| [9] | Grulke N E, Heath R L. Ozone effects on plants in natural ecosystems[J]. Plant Biology, 2020, 22(S1): 12-37. DOI:10.1111/plb.12971 |
| [10] | Xie X D, Wang T J, Yue X, et al. Numerical modeling of ozone damage to plants and its effects on atmospheric CO2 in China[J]. Atmospheric Environment, 2019, 217. DOI:10.1016/j.atmosenv.2019.116970 |
| [11] | Feng Z Z, Kobayashi K, Li P, et al. Impacts of current ozone pollution on wheat yield in China as estimated with observed ozone, meteorology and day of flowering[J]. Atmospheric Environment, 2019, 217. DOI:10.1016/j.atmosenv.2019.116945 |
| [12] | Pusede S E, Gentner D R, Wooldridge P J, et al. On the temperature dependence of organic reactivity, nitrogen oxides, ozone production, and the impact of emission controls in San Joaquin Valley, California[J]. Atmospheric Chemistry and Physics, 2014, 14(7): 3373-3395. DOI:10.5194/acp-14-3373-2014 |
| [13] | Narumi D, Kondo A, Shimoda Y. The effect of the increase in urban temperature on the concentration of photochemical oxidants[J]. Atmospheric Environment, 2009, 43(14): 2348-2359. DOI:10.1016/j.atmosenv.2009.01.028 |
| [14] | Romer P S, Duffey K C, Wooldridge P J, et al. Effects of temperature-dependent NOx emissions on continental ozone production[J]. Atmospheric Chemistry and Physics, 2018, 18(4): 2601-2614. DOI:10.5194/acp-18-2601-2018 |
| [15] | Zhang S B, Lyu Y, Yang X Y, et al. Modeling biogenic volatile organic compounds emissions and subsequent impacts on ozone air quality in the Sichuan basin, Southwestern China[J]. Frontiers in Ecology and Evolution, 2022, 10. DOI:10.3389/FEVO.2022.924944 |
| [16] | Wang H L, Wu K, Liu Y M, et al. Role of heat wave-induced biogenic VOC enhancements in persistent ozone episodes formation in Pearl River delta[J]. Journal of Geophysical Research: Atmospheres, 2021, 126(12). DOI:10.1029/2020JD034317 |
| [17] | Tagaris E, Sotiropoulou R E P, Gounaris N, et al. Impact of biogenic emissions on ozone and fine particles over Europe: Comparing effects of temperature increase and a potential anthropogenic NOx emissions abatement strategy[J]. Atmospheric Environment, 2014, 98: 214-223. DOI:10.1016/j.atmosenv.2014.08.056 |
| [18] | IPCC. 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: Cambridge University Press, 2014. |
| [19] | Archer C L, Brodie J F, Rauscher S A. Global warming will aggravate ozone pollution in the U.S. mid-atlantic[J]. Journal of Applied Meteorology and Climatology, 2019, 58(6): 1267-1278. DOI:10.1175/JAMC-D-18-0263.1 |
| [20] | Nussbaumer C M, Cohen R C. The role of temperature and NOx in ozone Trends in the Los Angeles basin[J]. Environmental Science & Technology, 2020, 54(24): 15652-15659. |
| [21] | Xiao X, Xu Y Y, Zhang X R, et al. Amplified upward trend of the joint occurrences of heat and ozone extremes in China over 2013-20[J]. Bulletin of the American Meteorological Society, 2022, 103(5): E1330-E1342. DOI:10.1175/BAMS-D-21-0222.1 |
| [22] | Nolte C G, Spero T L, Bowden J H, et al. Regional temperature-ozone relationships across the U.S. under multiple climate and emissions scenarios[J]. Journal of the Air & Waste Management Association, 2021, 71(10): 1251-1264. |
| [23] | Steiner A L, Davis A J, Sillman S, et al. Observed suppression of ozone formation at extremely high temperatures due to chemical and biophysical feedbacks[J]. Proceedings of the National Academy of Sciences, 2010, 107(46): 19685-19690. DOI:10.1073/pnas.1008336107 |
| [24] | Shen L, Mickley L J, Gilleland E. Impact of increasing heat waves on U.S. ozone episodes in the 2050s: results from a multimodel analysis using extreme value theory[J]. Geophysical Research Letters, 2016, 43(8): 4017-4025. DOI:10.1002/2016GL068432 |
| [25] | Munir S, Habeebullah T M, Ropkins K, et al. Modelling ozone-temperature slope under atypically high temperature in arid climatic conditions of Makkah, Saudi Arabia[J]. Aerosol and Air Quality Research, 2015, 15(4): 1281-1290. DOI:10.4209/aaqr.2014.12.0318 |
| [26] | Ning G C, Wardle D A, Yim S H L. Suppression of ozone formation at high temperature in China: from historical observations to future projections[J]. Geophysical Research Letters, 2022, 49(4). DOI:10.1029/2021GL097090 |
| [27] | Fiore A M, Naik V, Leibensperger E M. Air quality and climate connections[J]. Journal of the Air & Waste Management Association, 2015, 65(6): 645-685. |
| [28] | Fu T M, Tian H. Climate change penalty to ozone air quality: review of current understandings and knowledge gaps[J]. Current Pollution Reports, 2019, 5(3): 159-171. DOI:10.1007/s40726-019-00115-6 |
| [29] | Kong L, Tang X, Zhu J, et al. A 6-year-long(2013-2018) high-resolution air quality reanalysis dataset in China based on the assimilation of surface observations from CNEMC[J]. Earth System Science Data, 2021, 13(2): 529-570. DOI:10.5194/essd-13-529-2021 |
| [30] | Tang X, Kong L, Zhu J, et al. A high-resolution air quality reanalysis dataset over China(CAQRA)[EB/OL]. https://www.scidb.cn/en/detail?dataSetId=696756084735475712, 2020-04-21. |
| [31] |
何超, 慕航, 杨璐, 等. 中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素[J]. 环境科学, 2021, 42(9): 4168-4179. He C, Mu H, Yang L, et al. Spatial variation of surface ozone concentration during the warm season and its meteorological driving factors in China[J]. Environmental Science, 2021, 42(9): 4168-4179. |
| [32] | 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(2020年)[R]. 南京: 科学出版社, 2020. |
| [33] | HJ 633-2012, 环境空气质量评价技术规范(试行)[S]. |
| [34] | 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 |
| [35] | 中国气象局国家气候中心. 中国气候公报(2021年)[R]. 北京: 中国气象报社, 2021. |
| [36] | Mao J, Wang L L, Lu C H, et al. Meteorological mechanism for a large-scale persistent severe ozone pollution event over eastern China in 2017[J]. Journal of Environmental Sciences, 2020, 92: 187-199. DOI:10.1016/j.jes.2020.02.019 |
| [37] | Lu C H, Mao J, Wang L L, et al. An unusual high ozone event over the North and Northeast China during the record-breaking summer in 2018[J]. Journal of Environmental Sciences, 2021, 104: 264-276. DOI:10.1016/j.jes.2020.11.030 |
| [38] | He Z H, He Y, Fan G F, et al. Ozone pollution and its response to nitrogen dioxide change from a dense ground-based network in the Yangtze River Delta: implications for ozone abatement in urban agglomeration[J]. Atmosphere, 2022, 13(9). DOI:10.3390/atmos13091450 |
| [39] | 段晓瞳. 2017年北上广及周边地区近地面O3及其前体物研究[D]. 南京: 南京信息工程大学, 2018. |
| [40] | Ge Q, Zhang X S, Cai K, et al. Ozone pollution in Chinese cities: spatiotemporal variations and their relationships with meteorological and other pollution factors(2016-2020)[J]. Atmosphere, 2022, 13(6). DOI:10.3390/atmos13060908 |
| [41] |
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. DOI:10.3969/j.issn.1000-6923.2021.09.010 |
| [42] |
伍永康, 陈伟华, 颜丰华, 等. 不同传输通道下珠江三角洲臭氧与前体物非线性响应关系[J]. 环境科学, 2022, 43(1): 160-169. Wu Y K, Chen W H, Yan F H, et al. Nonlinear response relationship between ozone and precursor emissions in the Pearl River Delta region under different transmission channels[J]. Environmental Science, 2022, 43(1): 160-169. |
| [43] | Wang Y R, Yang X Y, Wu K, et al. Long-term trends of ozone and precursors from 2013 to 2020 in a megacity(Chengdu), China: Evidence of changing emissions and chemistry[J]. Atmospheric Research, 2022, 278. DOI:10.1016/j.atmosres.2022.106309 |
| [44] | Liu X H, Zhang Y, Xing J, et al. Understanding of regional air pollution over China using CMAQ, part Ⅱ. Process analysis and sensitivity of ozone and particulate matter to precursor emissions[J]. Atmospheric Environment, 2010, 44(30): 3719-3727. DOI:10.1016/j.atmosenv.2010.03.036 |
| [45] | Shen Y, Jiang F, Feng S Z, et al. Impact of weather and emission changes on NO2 concentrations in China during 2014-2019[J]. Environmental Pollution, 2021, 269. DOI:10.1016/j.envpol.2020.116163 |
| [46] | 龙水菊. 基于机器学习的中国近地面NO2浓度估算[D]. 南京: 南京信息工程大学, 2022. |
| [47] |
雷雨, 欧奕含, 张小玲, 等. 2019年8月世警会期间成都平原臭氧污染及其气象成因分析[J]. 环境科学学报, 2021, 41(3): 747-760. Lei Y, Ou Y H, Zhang X L, et al. Analysis of ozone pollution and meteorological causes over Chengdu Plain during the World Police Conference in August 2019[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 747-760. |
| [48] |
吴锴, 康平, 王占山, 等. 成都市臭氧污染特征及气象成因研究[J]. 环境科学学报, 2017, 37(11): 4241-4252. Wu K, Kang P, Wang Z S, et al. Ozone temporal variation and its meteorological factors over Chengdu City[J]. Acta Scientiae Circumstantiae, 2017, 37(11): 4241-4252. |
| [49] | Zhao K H, Bao Y X, Huang J P, et al. A high-resolution modeling study of a heat wave-driven ozone exceedance event in New York City and surrounding regions[J]. Atmospheric Environment, 2019, 199: 368-379. |