2024, Vol. 45
2. 吉林大学地球科学学院, 长春 130061;
3. 山东大学环境研究院, 青岛 266237;
4. 东营市生态环境局, 东营 257091
, JI Yuan-yuan1 , CHU Wang-hui1 , YAN Xiao-yu1,2 , BI Fang1 , GAO Rui1 , XUE Li-kun3 , SHANG Fan-yi4 , LI Ji-dong4 , LI Hong1
2. College of Earth Sciences, Jilin University, Changchun 130061, China;
3. Environment Research Institute, Shandong University, Qingdao 266237, China;
4. Dongying Ecological and Environmental Bureau, Dongying 257091, China
臭氧（O3）是环境空气中的一种微量气体, 具有强氧化性, 其浓度升高会对人体健康和植物生长产生不利影响[1~9]. 近年来, 随着《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》的实施, 我国华北平原、四川盆地、长江三角洲和珠江三角洲等地细颗粒物（PM2.5）浓度显著下降, O3污染形势日益严峻[10~17].
环境空气中的O3是由挥发性有机物（VOCs）和氮氧化物（NOx）等前体物在光照条件下生成, 其浓度主要受本地光化学反应与外来传输的影响, 并且与局地气象条件密切相关[18~22], 气象条件不仅对O3的光化学反应生成具有一定影响, 同时风向风速等气象要素也会影响O3的传输过程. 有研究发现, 太阳辐射, 温度以及海平面气压是我国2015~2019年长江三角洲地区O3浓度增加的主要影响因素[23]. Wu等[15]研究发现四川盆地2019年O3浓度增加不仅受前体物排放的影响, 而且还受到不利气象条件的影响. 刘静达等[24]研究认为在气象条件中, 温度和湿度对O3影响较大. 除此之外, 在大尺度气象条件较弱时, 与地形有关的局地环流也会影响O3浓度[25~29]. 例如Xu等[30]研究发现海陆风环流能够显著影响长江三角洲地区夏季O3污染. Zhao等[31]研究认为沿海地区的海岸特征会使该地区O3污染成因更为复杂, 海湾地区能够充当O3“池”, 在某些气象条件下, 通过大气动力学和强烈的光化学反应, 导致空气污染物积聚[21].
东营市地处山东省西北部, 北临渤海湾, 东临莱州湾, 空气质量易受海上传输影响, 是环渤海地区代表性城市之一[32]. 环渤海地区作为我国重要的经济区之一, 近年来光化学污染较为严重[21, 33]. 刘义等[34]发现2013~2020年东营市O3浓度年均值位于山东省第二高位, 且在夏季鲁西北地区O3浓度也为高值. 2019年5~9月东营市大气首要污染物均为O3, 高温、60%~70%的相对湿度和长时间日照有利于东营市O3浓度上升[35]. 此外, 有研究发现, 渤海湾海陆风特征较为明显[36]. 在一次污染过程中, 离岸陆风能够将山东省形成的污染物输送至渤海, 导致渤海上空生成高浓度O3. 向岸海风能够形成辐合带诱导上升气流, 使污染物在海湾上空循环, 进一步恶化沿海地区空气质量[25]. 目前关于环渤海地区城市O3时空分布特征的长期趋势研究较少, 尤其是该地区气象条件, 包括气象因素以及海陆风环流对O3浓度的影响研究较为缺乏.
本研究基于2017~2022年环渤海地区代表性城市东营市国控站点与省控站点大气污染物数据, 分析东营市O3浓度时空分布特征, 利用气象综合指数法量化气象因素对O3浓度的影响, 并进一步分析海陆风环流对O3浓度的影响, 以期为环渤海地区O3污染防治提供理论依据.
1 材料与方法 1.1 研究区域和数据来源本研究以环渤海地区代表性城市东营市为例开展相关研究. 东营市位于渤海西南部、山东省西北部, 东、北临渤海, 西与滨州市毗邻, 南与淄博市和潍坊市接壤, 空气质量易受到渤海上空气团输送的影响（图 1）. 东营市下辖5个县区, 分别为：东营区、河口区、垦利区、利津县、广饶县. 自2017年以来, 全市共有8个国控站点和4个省控站点, 其地理位置分布见图 1.
|
理想之城站点于2020年11月开始运行, 胜利站于2020年1月开始运行, 垦利区民丰路站点于2018年6月开始运行, 垦利区民丰湖站点于2018年7月开始运行, 其余站点均为2017年1月开始运行 图 1 东营市地理位置及观测站点示意 Fig. 1 Geographical location and observation station in Dongying |
本研究在分析O3对空气质量的影响时, 使用的是东营市国控站点O3浓度数据；在研究O3浓度时空分布特征时, 使用的是东营市国控站点和省控站点O3浓度数据, 数据来自山东省环境空气质量数据监测管理系统（http://123.232.114.95:8001/）, 研究时间范围为2017年1月1日至2022年12月31日（各站点由于运行时间不同, 研究数据时间范围略有不同）.
本研究在分析气象因素及海陆风环流对O3浓度的影响时, 所使用的O3浓度、温度、湿度、风速、风向和辐射等气象要素数据均来自东营市大气监测超级站（“大气超站”, 图 1）. 研究时间范围为2021年6月1日至2022年12月31日（大气超站自2021年6月开始稳定运行）.
为保证研究数据的可靠性, 本研究依据《环境空气质量标准》（GB 3095-2012）、《环境空气质量评价技术规范（试行）》（HJ 663-2013）、《环境空气质量指数（AQI）技术规定（试行）》（HJ 663-2012）对使用数据进行质量控制, 剔除缺失值和异常值.
1.2 研究方法 1.2.1 相关定义O3评价标准：依据《环境空气质量标准》（GB 3095-2012）与《环境空气质量评价技术规范（试行）》（HJ 663-2013）规定：O3日评价值为当日24 h内O3浓度8 h滑动平均的最大值（MDA8 O3）. O3年评价值是将日历年内有效MDA8 O3按数值从小到大排序, 第90百分位数的MDA8 O3作为年评价值. 国家环境空气质量二级标准的O3浓度日评价限值为160 μg·m-3.
不同百分位数MDA8 O3含义：使用MDA8 O3的第99、95、75、50、25和5百分位数对O3浓度的年变化特征进行分析. 一般来说, MDA8 O3低百分位（第5百分位数）代表O3背景浓度, 高百分位（第99和95百分位数）代表O3污染较重时的浓度, 而中间百分位（第75、50和25百分位数）代表东营市大部分时段时出现的O3浓度, 可视为“典型情况”下的O3浓度[37, 38].
昼间与夜间时段定义：依据东营市太阳辐射特征, 将昼间时间定义为当日07：00~19：00, 夜间时间定义为前一日20：00至当日06：00.
1.2.2 气象因素影响分析方法本研究参照Chen等提出的方法[39], 使用气象综合指数（MSI）来量化气象因素对近地面O3浓度的贡献率. MSI计算方式如公式（1）所示, 所使用的参数有温度、紫外辐射和风速. MSI值越高, 表示形成O3的气象条件越有利, 地面O3浓度就越高. 通过建立O3与MSI之间的线性回归模型量化气象因子对东营市地面O3浓度变化的贡献率.
|
(1) |
式中, PRC为光化学反应条件（PRC = T × UV）；PDC为物理扩散能力（PDC = WS）. T、UV和WS分别表示温度、紫外辐射和风速, 计算时对其进行均一化处理, 得到无量纲的MSI指数. 在Chen等的方法中, 所使用的辐射数据为太阳辐射, 温度为近地面2 m处的温度. 在本研究中, 由于数据获取存在困难, 使用东营市大气超站监测的紫外辐射（UV = UV_A + UV_B）和温度（距离地面约10 m）数据代替太阳辐射和地面2 m温度.
本研究对东营市大气超站2021年6月1日至2022年12月31日不同季节的气象要素与O3浓度的相关性进行分析, 总结了O3小时浓度 > 160 μg·m-3时温度和湿度的分布特征. 此外, 利用MSI量化不同阶段气象因素对O3浓度的贡献率.
1.2.3 海陆风判别依据海陆风环流是指发生在沿海地区海岸附近, 由海陆热力性质差异引起的中尺度环流, 会影响沿海地区与海洋大气之间污染物的输送, 进而对沿海地区的环境空气质量产生重要影响. 根据国内外对海陆风划分标准的相关研究[28, 31, 40~42], 结合东营市海岸线轮廓等自然地理特征, 给出东营市海陆风的判别依据：根据海岸线的走向, 将SSE至NW范围内（即157.5°~315°的风向）的气流定义为陆风, 将NNW至SE范围内（即0°~135°和337.5°~360°的风向）的气流定义为海风, 如图 1所示. 若一个自然天内同时满足下列条件则判定为海陆风日：①24 h平均地面风速低于10 m·s-1, ②陆风期间（01：00~08：00）, 陆风的发生时间≥ 4 h, 而海风的发生时间≤ 2 h, 和③海风期间（13：00~20：00）, 海风的发生时间≥ 4 h, 而陆风的发生时间≤ 2 h.
本研究依据海陆风判别标准筛选出东营市大气超站2021年6月1日至2022年12月31日的海陆风日, 总结海陆风分布特征并研究其对东营市O3浓度日变化的影响.
2 结果与讨论 2.1 O3对空气质量的影响及其变化特征 2.1.1 O3对空气质量的影响分析2017~2022年, 东营市SO2、NO2、PM10、CO和PM2.5年评价值呈现下降趋势, O3年评价值呈现波动上升趋势（图 2）. 2019年O3年评价值最高（205 μg·m-3）, 其次为2022年（185 μg·m-3）. 从首要污染物来看（图 3）, 近6年来东营市以PM2.5和PM10为首要污染物的污染天数呈现波动下降的趋势, 且PM2.5重染天数逐渐减少, 表明东营市近年来颗粒物污染治理卓有成效. 以O3为首要污染物的污染天数共计375 d, 其中轻度污染天数占比高达79.2%, 中度污染和重度污染天数占比分别为20.0%和0.8%. 2017~2022年, 以O3为首要污染物的污染天数波动上升, 其中2019年O3污染天数最多, 其次是2022年. 同样, 张淼等[43]也发现近年来山东省（环渤海地区南部）O3污染日益突出. 以上分析结果可初步表明, 东营市近年来O3浓度变化特征复杂, 污染形势较为严峻.
|
红色箭头表示污染物浓度上升, 黑色箭头表示污染物浓度下降 图 2 2017~2022年东营市常规污染物浓度年评价值变化趋势 Fig. 2 Change trend of annual assessment value of normal pollutants in Dongying from 2017 to 2022 |
|
图 3 2017~2022年东营市首要污染物污染天数分布 Fig. 3 Trend of pollution days of primary pollutants in Dongying from 2017 to 2022 |
从MDA8 O3不同百分位数变化特征来看（图 4）, 2017~2022年东营市MDA8 O3第5百分位数和第25百分位数呈现较为明显的增加趋势, 年增长速率分别为1.49 μg·（m3·a）-1和1.45 μg·（m3·a）-1. MDA8 O3第50、75、95和99百分位数整体上呈现“增加-减少-增加”的波动变化趋势, 并且均在2019年达峰值. 可见东营市MDA8 O3不同百分位数变化趋势不同, 第5和25百分位数呈增加趋势, 而第50、75、95和99百分位数在2017~2022年波动变化.
|
图 4 2017~2022年东营市MDA8 O3的不同百分位数变化趋势 Fig. 4 Change trend of different percentiles MDA8 O3 in Dongying from 2017 to 2022 |
由以上分析可知, 近年来东营市O3浓度低百分位数明显增加, 高百分位数O3浓度较高. 张小娟等[38]研究发现2010~2016年期间, 上海市的MDA8 O3第99百分位数不超过240 μg·m-3, 明显低于东营市. 这可能与山东省整体O3污染较为严重有关. 林文鹏等[44]研究发现, 2019年山东半岛除青岛市之外, 几乎所有城市O3年评价值均超标, 山东半岛城市群呈现出O3污染一体化态势. 东营市2019年O3污染情况较为严重, 2019年高百分位和中间百分位MDA8 O3高于其他年份, 但MDA8 O3第5百分位数却明显低于其他年份, 这说明2019年O3污染严重可能是高百分位数MDA8 O3增加引起. 2021年MDA8 O3相对较低, 高百分位MDA8 O3明显低于其他年份, 低百分位和中间百分位MDA8 O3与其他年份相差不大. 2019年与2021年不同百分位数MDA8 O3的变化情况表明, 控制东营市的O3污染的关键途径是控制O3高值, 降低O3高值可有效缓解东营市的O3污染. 此外, 2022年MDA8 O3不同百分位数较2021年均增加, 表明2022年O3污染反弹较为明显.
从东营市2017~2022年MDA8 O3变化来看（图 5）, 2017年MDA8 O3超过国家环境空气质量二级标准出现在4月初至9月末. 2018年MDA8 O3超标出现在3月初至10月初, 相较2017年, 3~5月高MDA8 O3天数增多且愈加集中. 2019年9~10月O3中度污染天数较2018年有所增加, 秋季高浓度O3污染频发. 2020年O3污染程度较2019年明显下降. 2021年MDA8 O3整体上处于较低水平, 仅6月出现了O3中度污染天. 2022年6月出现O3重度污染天. 东营市MDA8 O3月际变化呈现出双峰分布的特征（图 6）, 双峰分别位于6月和9月, 这与李飞等[45]的研究结果一致. 东营市6月MDA8 O3平均值最高, 其次为5月、7月和9月. 9~12月, MDA8 O3快速下降, 12月下降至最低值. 总体而言, 东营市O3污染主要出现在春夏秋三季, 其中5~6月O3污染最为严重. 东营市O3污染最早出现在3月初, 最晚出现在10月中旬, O3污染季持续时间变长, 这与Li等[46]的研究结果类似, 其发现2013~2019年华北平原冬春季O3浓度逐渐增加, O3污染有从夏季向冬春季蔓延的态势.
|
图 5 2017~2022年东营市MDA8 O3日历 Fig. 5 Calendar of MDA8 O3 in Dongying from 2017 to 2022 |
|
图 6 2017~2022年东营市MDA8 O3月际变化 Fig. 6 Monthly variation characteristics of MDA8 O3 in Dongying from 2017 to 2022 |
2017~2022年, 东营市O3污染季（4~9月）与非污染季O3浓度日变化呈单峰分布, 峰值出现在15：00左右（图 7）. O3污染季O3浓度较非污染季明显增加. 此外, 2017~2022年, O3污染季夜间O3浓度也表现出上升趋势. 为形象化展示夜间和昼间O3浓度日变化对比情况, 将昼间时间定义为当日07：00~19：00, 夜间时间定义为前一日20：00至当日06：00. 进一步分析O3污染季昼间与夜间O3浓度的变化特征可知（图 8）, O3污染季夜间O3浓度整体呈现出逐年增加趋势, 昼间O3浓度呈现波动变化趋势. 相较于2017年, 2022年O3污染季昼间O3浓度平均值增加了8 μg·m-3, 而夜间O3浓度平均值增加了12 μg·m-3, 夜间O3浓度平均值增加的幅度大于昼间. 有研究发现中国[47]、广东[48]和北京[49]等地夜间O3浓度也表现出上升趋势, 这与本研究的发现一致. 近年来东营市夜间O3浓度的增加可能会提高大气氧化能力, 促进二次污染物的生成. 该现象值得进一步深入研究.
|
“年份-N”表示某年非O3污染季的O3浓度, “年份-Y”表示某年O3污染季的O3浓度, “年份-A”表示某年的O3浓度年平均值 图 7 2017~2022年东营市O3浓度日变化趋势 Fig. 7 Diurnal variation trend of O3 concentration in Dongying from 2017 to 2022 |
|
“年份-Y”表示某年O3污染季的O3浓度 图 8 2017~2022年东营市O3污染季期间O3浓度日变化的年度对比 Fig. 8 Annual comparison of diurnal variation in O3 concentration in O3 pollution season in Dongying from 2017 to 2022 |
2017~2022年东营市国控与省控站点O3污染季O3浓度明显高于非污染季. 由于东营市南部地区站点分布较为集中, O3浓度差异不大（图 9）. 因此本研究将东营市12个站点依据地理位置划分为北部、中部和南部这3个地区来进行O3浓度空间分布特征研究.
|
“年份-N”表示某年非O3污染季的MDA8 O3, “年份-Y”表示某年O3污染季的MDA8 O3, “年份-A”表示某年的MDA8 O3年平均值；空白部分表示站点未运行, 数据缺失 图 9 2017~2022年东营市不同区域MDA8 O3年际变化 Fig. 9 Annual variation in MDA8 O3 in different regions of Dongying from 2017 to 2022 |
从不同站点来看, 在非O3污染季北部河口开发区站点MDA8 O3平均值最高；在O3污染季阶段, 开发区管委会站点MDA8 O3平均值最高, 其次是河口开发区. 从不同站点年度变化来看, 东营市垦利区民丰湖和伊犁河路站点MDA8 O3平均值均处于较低水平, 河口开发区站点MDA8 O3平均值处于较高水平. 从不同区域来看, 在非O3污染季中部地区MDA8 O3平均值最低, 北部地区和南部地区MDA8 O3平均值相当, 分别为79 μg·m-3和77 μg·m-3. 在O3污染季阶段, 中部地区MDA8 O3平均值依然最低, 北部地区和南部地区MDA8 O3平均值相同, 均为144 μg·m-3. 这可能是由于东营市北部和南部地区工业企业较为密集, NOx和VOCs排放浓度较高, 从而导致较高的O3浓度. 2017~2022年, 北部地区MDA8 O3平均值最高, 为112 μg·m-3, 其次分别是南部地区（110 μg·m-3）和中部地区（103 μg·m-3）. 总体而言, 东营市O3浓度空间分布特征较为明显, 北部和南部地区O3浓度较高, 而中部地区O3浓度较低.
2.2 气象因素对O3浓度的影响分析 2.2.1 气象要素和O3浓度的相关性分析张淼等[50]利用多元线性回归方法研究了气象因素对东营市O3浓度的影响, 其中包括风速, 相对湿度, 气压与日最高温度等参数, 且回归方程的相关性系数R2 = 0.49, 相关性较好. 因此本研究选择了东营市的风速、相对湿度、气压与温度这4个气象参数来进行研究. 相关性分析结果表明（表 1）, 东营市春季和夏季MDA8 O3与温度呈显著正相关, 与湿度和大气压呈显著负相关, 且MDA8 O3与湿度的相关性在夏季更为明显, 与温度和大气压的相关性在春季更为明显. 秋季MDA8 O3与温度呈显著正相关, 相关性系数高达0.74；与大气压呈显著负相关. 冬季MDA8 O3与湿度呈显著负相关. 总之, 东营市温度和大气压在春夏秋季对MDA8 O3影响较大；湿度在春夏冬季对MDA8 O3浓度影响明显.
|
表 1 研究期间东营市不同季节MDA8 O3与气象要素的相关性分析1） Table 1 Correlation analysis between MDA8 O3 and meteorological factors in different seasons in Dongying during the study period |
本研究进一步分析了东营市O3高值（O3小时浓度 > 160 μg·m-3）时期气象因素与O3浓度的相关性, 发现相较于风速和大气压, O3小时浓度与温度和湿度相关性更为显著, 且具有统计学意义. 在O3小时浓度 > 160 μg·m-3时, O3浓度与温度和湿度相关性分别为0.30（P < 0.01）和-0.28（P < 0.01）. 在O3小时浓度 > 200 μg·m-3时, O3浓度与温度和湿度相关性分别为0.28（P < 0.01）和-0.22（P < 0.01）. 表明在东营市O3高值时期, 相较于风速和大气压, 温度和湿度与O3浓度的相关性更大.
2.2.2 O3高值时期的污染气象条件特征东营市O3高值主要发生在3月和5~10月, 温度和湿度的分布范围分别为20~42℃和17%~83%（图 10）. 其中温度出现在30~36℃之间频次最多, 占比达63.6%；湿度在50%以下出现频次为472次, 占比达60.1%. 相对应的, 在温度 > 30℃, 湿度 < 50%时, 易出现O3浓度极端高值. 可见高温低湿是东营市O3高值发生的主要气象条件特征. 值得注意的是, O3浓度与温度、湿度之间并没有表现出较好的线性关系, 这可能是因为O3浓度还受其他的因素如太阳辐射、前体物排放和区域传输等影响.
|
（a）不同温度下ρ（O3）的变化特征, （b）不同相对湿度下ρ（O3）的变化特征, （c）O3高值时期温度分布频数直方图, （d）O3高值时期湿度分布频数直方图 图 10 研究期间东营市O3高值时期气象要素分布 Fig. 10 Distribution characteristics of meteorological factors in Dongying during the period of high O3 value |
东营市O3高值时期, 风向发生频率从高到低依次为WSW、ENE、W、E和NE等（图 11）. 其中, 风速以1~2 m·s-1居多, 其次是0~1 m·s-1. 结合东营市特殊的地理位置（图 1）, 在ENE、NE和E的风向上, 容易受到渤海上空较高O3浓度输送的影响, 发生O3高值. 而当主导风向为WSW和W时, 东营市又处于华北平原、山东省内陆城市的下风向, 在发生区域O3污染时, 易受到区域传输的影响.
|
图 11 研究期间东营市O3高值时期风速风向玫瑰图 Fig. 11 Rose diagram of wind speed and direction in O3 high value period in Dongying |
2021年6月至2022年12月光化学反应条件（PRC）、大气物理扩散能力（PDC）和气象综合指数（MSI）的逐日变化情况如图 12所示. 归一化后的PRC和PDC范围分别为0~0.92和0~1. MSI范围为1.28~10.72, 表明在MSI中, 相较于大气物理扩散能力, 东营市光化学反应条件对O3浓度起着更为重要的作用.
|
图 12 研究期间东营市光化学反应条件（PRC）、物理扩散能力（PDC）和气象综合指数（MSI）日变化 Fig. 12 Daily variation characteristics of photochemical reaction conditions (PRC), physical diffusion capacity (PDC), and meteorology synthetic index (MSI) in Dongying during the study period |
本研究期间东营市MSI指数与MDA8 O3之间能够观察到较好的一致性. 将研究期间逐日MSI和中度与重度污染天的日均MSI分别与对应的MDA8 O3进行拟合（图 13）, 拟合方程见表 2. 拟合系数R2表示由拟合方程解释的观测数据中方差的百分比. 两种情况下R2分别为0.30和0.40, 说明本研究选择的气象变量可以解释O3浓度变化的30%和40%的方差. 从日变化情况来看, 东营市气象因素贡献了MDA8 O3变化的30%；在O3中度污染与重度污染的情况下, 气象因素对MDA8 O3变化的贡献率增加, 可高达40%. 可见相对于O3浓度的每日变化情况, 东营市在发生O3中度与重度污染的情况下, 气象因素的贡献率更大.
|
（a）2021年6月1日至2022年12月31日逐日MSI与MDA8 O3拟合情况, （b）2021年6月1日至2022年12月31日期间中度与重度污染天的日均MSI与MDA8 O3拟合情况 图 13 研究期间气象综合指数（MSI）与MDA8 O3拟合情况 Fig. 13 Fitting of meteorology synthetic index (MSI) and MDA8 O3 during the study period |
|
|
表 2 研究期间东营市MSI与MDA8 O3的拟合结果1） Table 2 Fitting results of MSI and MDA8 O3 in Dongying during the study period |
2.3 海陆风环流对O3浓度的影响分析 2.3.1 海陆风环流分布特征及对O3浓度日评价值的影响
2021年6~12月期间, 东营市9月海陆风日天数最多, 其次是8月和10月, 6~7月和12月天数相当, 11月天数最少[图 14（a）]. 2022年, 东营市同样是9月海陆风日天数最多, 其次是11月, 3月、6~7月和10月天数相当, 1~2月、4~5月、8月和12月天数较少. 整体上, 东营市海陆风日主要发生在夏季和秋季, 9月海陆风日发生天数最多. 这与处在渤海西岸的天津市具有相似的海陆风日月分布特征[51]. 从O3超标情况来看[图 14（b）], 海陆风日中的O3超标日发生在5~9月, 且海陆风日中O3超标日占比最高可达75%（出现在2021年7月）, 可见海陆风对O3超标日的发生具有一定贡献.
|
（a）研究期间海陆风日天数月际变化, （b）研究期间海陆风日中O3超标日占比 图 14 研究期间东营市海陆风日天数及对应的O3超标日的月度对比 Fig. 14 Monthly comparison of the sea-land breeze days and the corresponding days of O3 exceeding standard in Dongying during the study period |
2021年6~9月, 东营市海陆风日的MDA8 O3总体高于非海陆风日, 10~12月海陆风日与非海陆风日MDA8 O3基本持平（图 15）. 2022年4~5月、7月和10月, 东营市海陆风日的MDA8 O3高于非海陆风日, 1~3月、6月、8月和11~12月海陆风日与非海陆风日MDA8 O3基本持平, 9月海陆风日MDA8 O3小于非海陆风日. 由于2021年1~5月数据缺失, 因此仅对2021年和2022年的6~12月海陆风日对O3浓度的影响进行对比分析, 发现东营市这两年的7月受海陆风影响, MDA8 O3均有所增加, 11~12月海陆风对MDA8 O3影响不明显, 其他月份海陆风对MDA8 O3的影响略有区别. 这与毛卓成等[28]、刘玉等[52]和周士茹等[53]研究的结论类似, 夏季海陆风环流能够促进O3浓度抬升. 值得注意的是2021年和2022年9月海陆风对O3浓度的影响不同, 推断这可能与多种因素相关. 东营市2021年9月MDA8 O3平均值为119 μg·m-3, 而2022年9月MDA8 O3平均值增加至149 μg·m-3, 即相较于2021年, 2022年9月MDA8 O3整体上升较为明显. 非海陆风日的MDA8 O3在2022年9月（平均值为153 μg·m-3）明显高于2021年9月（平均值为112 μg·m-3）；而海陆风日的MDA8 O3在2022年9月（平均值为138 μg·m-3）与2021年9月（平均值为138 μg·m-3）相当. 但是, 2022年9月海陆风日O3超标日占比在2022年9月（44.4%）明显高于2021年9月（12.5%）[图 14（b）]. 因此, 推测2021年和2022年9月海陆风对MDA8 O3影响的不同也与前体物排放、区域O3污染及传输等因素有关, 具体原因有待进一步开展深入分析.
|
图 15 2021年6月至2022年12月东营市海陆风日与非海陆风日的MDA8 O3分布 Fig. 15 Distribution characteristics of MDA8 O3 on sea-land breeze days and non-sea-land breeze days in Dongying from June 2021 to December 2022 |
为进一步了解海陆风环流对O3浓度日变化的影响, 本研究分析了海陆风日和非海陆风日O3浓度的逐小时变化特征（图 16）. 01：00~08：00海陆风日的O3浓度与非海陆风日基本持平；09：00后海陆风日的O3浓度与非海陆风日的差异逐渐增大；12：00二者浓度差异达最大（23.6 μg·m-3）；此后, 二者浓度差异保持在14~19 μg·m-3之间. 该现象可能的原因为：在01：00~08：00大陆上的污染物输送至渤海上空, 导致渤海上空O3前体物浓度较高；同时, 有研究发现渤海湾具有较高的O3背景浓度[21]；13：00~20：00海风将渤海上空较高浓度的O3污染气团输送回东营市, 使得O3在海湾上空再循环, 在不利的扩散条件下, O3浓度高于非海陆风日, 海陆风日的空气质量恶化[25, 54, 55]. 因此整体上看, 海陆风日O3浓度在午后明显高于非海陆风日, 可相差20 μg·m-3左右, 这与上海的一项研究类似, 上海地区海陆风日O3浓度可上升20~26 μg·m-3[28].
|
（a）海陆风日与非海陆风日的O3浓度日变化, （b）O3中度及重度污染天海陆风日与非海陆风日的O3浓度日变化 图 16 研究期间东营市O3浓度日变化 Fig. 16 Diurnal variations in O3 concentration in Dongying from June 2021 to December 2022 |
在发生O3中度及重度污染的情况下, 海陆风日与非海陆风日O3浓度差异更为明显, 可见海陆风环流对O3污染的发生起着较为关键的作用. 01：00~08：00海陆风日O3浓度明显低于非海陆风日, 差异最高可达33 μg·m-3. 10：00~16：00, 海陆风日的O3浓度高于非海陆风日. 17：00~20：00海陆风日的O3浓度低于非海陆风日, 这可能是由于海风锋面与O3的时空关系不同. 当O3位于海风锋面之前, 则会被海风锋面带至高空, 使得近地面O3浓度降低；当O3位于海风锋面之后, 则O3被海风推至内陆, 造成地表较高浓度的O3污染[27]. 此外, 值得注意的是, 21：00~23：00海陆风日O3浓度显著高于非海陆风日, 这也说明夜间海上高浓度O3气团输送会使得沿海地区夜间O3浓度增加.
3 结论（1）2017~2022年, 东营市O3年评价值呈现出波动上升的趋势, 2019年O3年评价值最高, 其次为2022年. 近年来东营市以O3为首要污染物的污染天数也表现出波动上升趋势, 尤其是在2019年与2022年O3超标天数陡增. O3污染主要出现在春夏秋三季, 且O3污染季持续时间有变长的趋势. MDA8 O3月际变化呈双峰分布, 第5和25百分位数增加明显, 空间分布呈现“南北高, 中部低”的特征. 此外, 近年来东营市O3污染季夜间O3浓度明显增加.
（2）气象因素对东营市O3浓度变化有较大影响. 东营市温度和大气压在春夏秋季对MDA8 O3影响较大；湿度在春夏冬季对MDA8 O3影响明显. 在温度 > 30℃、相对湿度 < 50%、风向为西南偏南或东北偏东时易出现O3高值. 东营市气象因素贡献了MDA8 O3变化的30%；在O3中度污染与重度污染的情况下, 气象因素对MDA8 O3变化的贡献率可高达40%.
（3）东营市海陆风对O3浓度超标日的发生具有一定贡献. 海陆风日午后O3浓度比非海陆风日高20 μg·m-3左右. 在O3中度及重度污染日, 海陆风日10：00~16：00 O3浓度比非海陆风日O3浓度高, 且20：00~23：00 O3浓度也处于较高水平. 因此, 海陆风环流会为沿海城市的O3污染防控带来极大的挑战. 建议未来环渤海地区城市进一步加强区域O3污染联防联控联治, 加大NOx和VOCs的减排力度, 降低海风气团对环渤海地区城市空气质量的影响.
| [1] | Li M M, Dong H, Wang B G, et al. Association between ambient ozone pollution and mortality from a spectrum of causes in Guangzhou, China[J]. Science of the Total Environment, 2021, 754. DOI:10.1016/j.scitotenv.2020.142110 |
| [2] | 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 |
| [3] | Zhang J Y, Chen Q, Wang Q Q, et al. The acute health effects of ozone and PM2.5 on daily cardiovascular disease mortality: a multi-center time series study in China[J]. Ecotoxicology and Environmental Safety, 2019, 174: 218-223. DOI:10.1016/j.ecoenv.2019.02.085 |
| [4] | Yao M Y, Niu Y, Liu S C, et al. Mortality burden of cardiovascular disease attributable to ozone in China: 2019 vs 2050[J]. Environmental Science & Technology, 2023, 57(30): 10985-10997. |
| [5] | Tian Y H, Xiang X, Juan J, et al. Short-term effect of ambient ozone on daily emergency room visits in Beijing, China[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-21154-x |
| [6] |
冯兆忠, 袁相洋. 臭氧浓度升高对植物源挥发性有机化合物(BVOCs)影响的研究进展[J]. 环境科学, 2018, 39(11): 5257-5265. Feng Z Z, Yuan X Y. Effects of elevated ozone on biogenic volatile organic compounds (BVOCs) emission: a review[J]. Environmental Science, 2018, 39(11): 5257-5265. |
| [7] | Malashock D A, Delang M N, Becker J S, et al. Global trends in ozone concentration and attributable mortality for urban, peri-urban, and rural areas between 2000 and 2019: a modelling study[J]. The Lancet Planetary Health, 2022, 6(12): e958-e967. DOI:10.1016/S2542-5196(22)00260-1 |
| [8] |
程育恺, 戴海夏, 张蕴晖, 等. 长三角地区2017~2020年臭氧浓度时空分布与人群健康效益评估[J]. 环境科学, 2023, 44(2): 719-729. Cheng Y K, Dai H X, Zhang Y H, et al. Spatial and temporal distribution characteristics of ozone concentration and population health benefit assessment in the Yangtze River Delta region from 2017 to 2020[J]. Environmental Science, 2023, 44(2): 719-729. |
| [9] | Feng Z Z, De Marco A, Anav A, et al. Economic losses due to ozone impacts on human health, forest productivity and crop yield across China[J]. Environment International, 2019, 131. DOI:10.1016/j.envint.2019.104966 |
| [10] | 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. |
| [11] | Dai H B, Zhu J, Liao H, et al. Co-occurrence of ozone and PM2.5 pollution in the Yangtze River Delta over 2013-2019: spatiotemporal distribution and meteorological conditions[J]. Atmospheric Research, 2021, 249. DOI:10.1016/j.atmosres.2020.105363 |
| [12] | Ma X D, Huang J P, Zhao T L, et al. Rapid increase in summer surface ozone over the North China Plain during 2013-2019: a side effect of particulate matter reduction control?[J]. Atmospheric Chemistry and Physics, 2021, 21(1): 1-16. DOI:10.5194/acp-21-1-2021 |
| [13] | Cao T H, Wang H C, Li L, et al. Fast spreading of surface ozone in both temporal and spatial scale in Pearl River Delta[J]. Journal of Environmental Sciences, 2024, 137: 540-552. DOI:10.1016/j.jes.2023.02.025 |
| [14] | Zhu S Q, Ma J L, Wang S Y, et al. Shifts of formation regimes and increases of atmospheric oxidation led to ozone increase in North China Plain and Yangtze River Delta from 2016 to 2019[J]. Journal of Geophysical Research: Atmospheres, 2023, 128(13). DOI:10.1029/2022jd038373 |
| [15] | Wu K, Wang Y R, Qiao Y H, et al. Drivers of 2013-2020 ozone trends in the Sichuan Basin, China: impacts of meteorology and precursor emission changes[J]. Environmental Pollution, 2022, 300. DOI:10.1016/j.envpol.2022.118914 |
| [16] | Wang W J, Parrish D D, Wang S W, et al. Long-term trend of ozone pollution in China during 2014-2020: distinct seasonal and spatial characteristics and ozone sensitivity[J]. Atmospheric Chemistry and Physics, 2022, 22(13): 8935-8949. DOI:10.5194/acp-22-8935-2022 |
| [17] | Tang K Q, Zhang H R, Feng W H, et al. Increasing but variable trend of surface ozone in the Yangtze River Delta region of China[J]. Frontiers in Environmental Science, 2022, 10. DOI:10.3389/fenvs.2022.836191 |
| [18] | Meng X, Jiang J K, Chen T S, et al. Chemical drivers of ozone change in extreme temperatures in eastern China[J]. Science of the Total Environment, 2023, 874. DOI:10.1016/j.scitotenv.2023.162424 |
| [19] | Gao M, Wang F, Ding Y H, et al. Large-scale climate patterns offer preseasonal hints on the co-occurrence of heat wave and O3 pollution in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2023, 120(26). DOI:10.1073/pnas.2218274120 |
| [20] | Zhang X D, Jian X H, Zhao Y, et al. Tropospheric ozone perturbations induced by urban land expansion in China from 1980 to 2017[J]. Environmental Science & Technology, 2022, 56(11): 6978-6987. |
| [21] | Zeren Y Z, Zhou B N, Zheng Y H, et al. Does ozone pollution share the same formation mechanisms in the bay areas of China?[J]. Environmental Science & Technology, 2022, 56(20): 14326-14337. |
| [22] | Weng X, Forster G L, Nowack P. A machine learning approach to quantify meteorological drivers of ozone pollution in China from 2015 to 2019[J]. Atmospheric Chemistry and Physics, 2022, 22(12): 8385-8402. DOI:10.5194/acp-22-8385-2022 |
| [23] | Mousavinezhad S, Choi Y, Pouyaei A, et al. A comprehensive investigation of surface ozone pollution in China, 2015-2019: separating the contributions from meteorology and precursor emissions[J]. Atmospheric Research, 2021, 257. DOI:10.1016/j.atmosres.2021.105599 |
| [24] |
刘静达, 何超, 赵舒曼, 等. 七大区域不同温湿条件下臭氧浓度变化[J]. 环境科学, 2023, 44(10): 5392-5399. Liu J D, He C, Zhao S M, et al. Variations in ozone concentration in seven regions under different temperature and humidity conditions[J]. Environmental Science, 2023, 44(10): 5392-5399. |
| [25] | Bei N F, Zhao L N, Wu J R, et al. Impacts of sea-land and mountain-valley circulations on the air pollution in Beijing-Tianjin-Hebei (BTH): a case study[J]. Environmental Pollution, 2018, 234: 429-438. DOI:10.1016/j.envpol.2017.11.066 |
| [26] |
张吉, 黄柳斌, 赵敏, 等. 海陆交换对崂山臭氧和二次气溶胶的影响[J]. 中国环境科学, 2023, 43(6): 2683-2693. Zhang J, Huang L B, Zhao M, et al. Effects of sea-land exchange on ozone and secondary aerosols in Mount Lao[J]. China Environmental Science, 2023, 43(6): 2683-2693. DOI:10.3969/j.issn.1000-6923.2023.06.002 |
| [27] |
肖犇, 贾洪伟, 徐佳佳, 等. 上海北侧区域海陆风对污染物扩散的影响[J]. 中国环境科学, 2022, 42(4): 1552-1561. Xiao B, Jia H W, Xu J J, et al. Effects of land and sea breeze on pollutant diffusion in northern Shanghai[J]. China Environmental Science, 2022, 42(4): 1552-1561. DOI:10.3969/j.issn.1000-6923.2022.04.008 |
| [28] |
毛卓成, 许建明, 瞿元昊, 等. 上海海陆风分类特征、环流背景及对O3的影响[J]. 中国环境科学, 2023, 43(3): 1002-1013. Mao Z C, Xu J M, Qu Y H, et al. Classification characteristics, circulation background and its effect on O3 of land and sea breeze in Shanghai[J]. China Environmental Science, 2023, 43(3): 1002-1013. |
| [29] | Hu J, Zhao T L, Liu J, et al. Exploring the ozone pollution over the western Sichuan Basin, Southwest China: the impact of diurnal change in mountain-plains solenoid[J]. Science of the Total Environment, 2022, 839. DOI:10.1016/j.scitotenv.2022.156264 |
| [30] | Xu J W, Huang X, Wang N, et al. Understanding ozone pollution in the Yangtze River Delta of eastern China from the perspective of diurnal cycles[J]. Science of the Total Environment, 2021, 752. DOI:10.1016/j.scitotenv.2020.141928 |
| [31] | Zhao D D, Xin J Y, Wang W F, et al. Effects of the sea-land breeze on coastal ozone pollution in the Yangtze River Delta, China[J]. Science of the Total Environment, 2022, 807. DOI:10.1016/j.scitotenv.2021.150306 |
| [32] | 黄秉杰, 黄英, 包思桐. 黄河三角洲崛起视角下中心城市战略功能新探[J]. 求实, 2013(S2): 151-153. |
| [33] |
樊欣怡, 廉丽姝, 王猛. 环渤海城市群空气污染特征及其与气象要素的关系[J]. 大气与环境光学学报, 2022, 17(5): 506-520. Fan X Y, Lian L S, Wang M. Characteristics of air pollution and its relationship with meteorological factors in Bohai Rim urban agglomerations[J]. Journal of Atmospheric and Environmental Optics, 2022, 17(5): 506-520. |
| [34] | 刘义, 陈乐奇, 高飞, 等. 基于空间自相关的山东省臭氧浓度时空特征分析[J]. 中南农业科技, 2023, 44(7): 112-117. |
| [35] |
李吉东, 张雪兰, 吴诗剑. 后藏地区与黄河三角洲典型城市臭氧浓度比较分析[J]. 中国环境监测, 2020, 36(4): 36-44. Li J D, Zhang X L, Wu S J. Comparative analysis of ozone concentration in typical cities of the Tsang region and the Yellow River Delta[J]. Environmental Monitoring in China, 2020, 36(4): 36-44. |
| [36] |
龙强, 王锋, 王畅, 等. 渤海湾北岸海陆风及湍流强度特征分析[J]. 应用海洋学学报, 2020, 39(3): 303-311. Long Q, Wang F, Wang C, et al. Characteristics of sea-land breeze and turbulence intensity on the North shore of Bohai Bay[J]. Journal of Applied Oceanography, 2020, 39(3): 303-311. |
| [37] | Li J F, Lu K D, Lv W, et al. Fast increasing of surface ozone concentrations in Pearl River Delta characterized by a regional air quality monitoring network during 2006-2011[J]. Journal of Environmental Sciences, 2014, 26(1): 23-36. |
| [38] |
张小娟, 李莉, 王红丽, 等. 2010—2016年上海城区臭氧长时间序列变化特征初探[J]. 环境科学学报, 2019, 39(1): 86-94. Zhang X J, Li L, Wang H L, et al. Preliminary study on the long-term trends of ozone in urban Shanghai from 2010 to 2016[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 86-94. |
| [39] | Chen W H, Wang W W, Jia S G, et al. A new index developed for fast diagnosis of meteorological roles in ground-level ozone variations[J]. Advances in Atmospheric Sciences, 2022, 39(3): 403-414. |
| [40] |
孙璐, 田文寿, 张文煜, 等. 上海周边地区海陆风特征及其对PM2.5和O3浓度的影响研究[J]. 环境科学学报, 2022, 42(9): 339-350. Sun L, Tian W S, Zhang W Y, et al. Characteristics of sea-land breezes and their impact on PM2.5 and O3 in Shanghai and adjacent areas[J]. Acta Scientiae Circumstantiae, 2022, 42(9): 339-350. |
| [41] |
何礼, 束炯, 钟方潜, 等. 上海海陆风特征及其对臭氧浓度的影响[J]. 环境监测管理与技术, 2019, 31(3): 17-21. He L, Shu J, Zhong F Q, et al. Characteristics of sea-land breeze and its impact on ozone concentrations in Shanghai[J]. The Administration and Technique of Environmental Monitoring, 2019, 31(3): 17-21. |
| [42] | Chen Y P, Yang C, Xu L L, et al. Variations of chemical composition of NR-PM1 under the influence of sea land breeze in a coastal city of Southeast China[J]. Atmospheric Research, 2023, 285. DOI:10.1016/j.atmosres.2023.106626 |
| [43] |
张淼, 丁椿, 孟赫, 等. 山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势[J]. 环境科学研究, 2023, 36(2): 246-259. Zhang M, Ding C, Meng H, et al. Characteristics and spatiotemporal variation of PM2.5 and O3 in Shandong Province[J]. Research of Environmental Sciences, 2023, 36(2): 246-259. |
| [44] |
林文鹏, 郭欣瞳. 中国城市群臭氧时空分布特征分析[J]. 中国环境科学, 2022, 42(6): 2481-2494. Lin W P, Guo X T. Spatial and temporal distribution characteristics of ozone in Urban agglomerations in China[J]. China Environmental Science, 2022, 42(6): 2481-2494. |
| [45] |
李飞, 孔少杰, 屈志光, 等. 中国臭氧时空分异及热点城市群气象关联特征[J]. 中国环境科学, 2023, 43(4): 1539-1549. Li F, Kong S J, Qu Z G, et al. Spatiotemporal differentiation of ozone pollution in Chinese cities and meteorological correlation among the identified hot urban agglomeration during 2018 to 2020[J]. China Environmental Science, 2023, 43(4): 1539-1549. |
| [46] | 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 |
| [47] | He C, Lu X, Wang H L, et al. The unexpected high frequency of nocturnal surface ozone enhancement events over China: characteristics and mechanisms[J]. Atmospheric Chemistry and Physics, 2022, 22(23): 15243-15261. |
| [48] | He Y P, Wang H L, Wang H C, et al. Meteorology and topographic influences on nocturnal ozone increase during the summertime over Shaoguan, China[J]. Atmospheric Environment, 2021, 256. DOI:10.1016/j.atmosenv.2021.118459 |
| [49] | Zhu X W, Ma Z Q, Li Z M, et al. Impacts of meteorological conditions on nocturnal surface ozone enhancement during the summertime in Beijing[J]. Atmospheric Environment, 2020, 225. DOI:10.1016/j.atmosenv.2020.117368 |
| [50] |
张淼, 丁椿, 李彦, 等. 山东省O3时空分布及影响因素分析[J]. 环境科学, 2021, 42(12): 5723-5735. Zhang M, Ding C, Li Y, et al. Spatial and temporal distribution of ozone and influencing factors in Shandong Province[J]. Environmental Science, 2021, 42(12): 5723-5735. |
| [51] |
孟丽红, 李英华, 韩素芹, 等. 海陆风对天津市PM2.5和O3质量浓度的影响[J]. 环境科学研究, 2019, 32(3): 390-398. Meng L H, Li Y H, Han S Q, et al. Influence of sea-Land breeze on the concentrations of PM2.5 and O3 in Tianjin city[J]. Research of Environmental Sciences, 2019, 32(3): 390-398. |
| [52] |
刘玉, 蔡秋亮, 佟磊, 等. 海陆风对宁波东南滨海郊区大气臭氧变化特征及预测的影响[J]. 环境科学学报, 2023, 43(4): 27-39. Liu Y, Cai Q L, Tong L, et al. Influence of sea-land breeze on the variation characteristics and prediction of ozone in the suburban coastal atmosphere of Southeast Ningbo[J]. Acta Scientiae Circumstantiae, 2023, 43(4): 27-39. |
| [53] |
周士茹, 宋金妹, 陆倩, 等. 气象因子和海风对秦皇岛市臭氧污染的影响[J]. 气象与环境学报, 2021, 37(2): 64-70. Zhou S R, Song J M, Lu Q, et al. The influences of meteorological factors and sea breeze on ozone pollution in Qinhuangdao[J]. Journal of Meteorology and Environment, 2021, 37(2): 64-70. |
| [54] | Wang H, Lyu X, Guo H, et al. Ozone pollution around a coastal region of South China Sea: interaction between marine and continental air[J]. Atmospheric Chemistry and Physics, 2018, 18(6): 4277-4295. |
| [55] |
钟天昊, 吕梦瑶, 张宁, 等. 海风环流对上海一次臭氧污染过程影响的数值模拟研究[J]. 环境科学学报, 2020, 40(12): 4390-4399. Zhong T H, Lü M Y, Zhang N, et al. The impact of urbanization and sea breeze on an ozone pollution process in Shanghai[J]. Acta Scientiae Circumstantiae, 2020, 40(12): 4390-4399. |