趙 輝,鄭有飛,*,吳曉云,魏 莉,關 清,王占山

?

江蘇省大氣復合污染特征與相關氣象驅動

趙 輝1,2,鄭有飛1,2,3*,吳曉云1,2,魏 莉3,關 清3,王占山4

(1.南京信息工程大學中國氣象局氣溶膠與云降水重點開放實驗室,江蘇 南京 210044；2.南京信息工程大學大氣物理學院,江蘇 南京 210044；3.南京信息工程大學江蘇省大氣環(huán)境與裝備技術協(xié)同創(chuàng)新中心,江蘇 南京 210044；4.北京市環(huán)境保護監(jiān)測中心,北京 100048)

基于2014~2017年江蘇省13個市的PM2.5濃度和O3_8h_max數(shù)據(jù),探討了其時空分布特征.在此基礎上,研究了日益升高的近地層O3濃度與氣象因子的關系.結果表明:江蘇省2014~2017年PM2.5濃度整體上呈下降的趨勢,年均濃度減少率為6.06μg/m3,而O3_8h_max整體上呈上升趨勢,年均濃度增長率為3.84μg/m3.總體上,PM2.5濃度呈現(xiàn)冬春高、夏秋低的V型月變化特征,O3_8h_max則基本呈現(xiàn)不規(guī)則的M型,在5月份達到峰值后逐漸降低,又在7~9月份保持平緩,而后又逐漸下降.空間上,江蘇省PM2.5濃度呈現(xiàn)“內(nèi)陸高,沿海低”的狀態(tài),而O3_8h_max卻呈現(xiàn)“沿海高,內(nèi)陸低”的狀態(tài).與氣象因子的相關性表明,O3濃度與氣溫和太陽輻射呈正相關關系,與相對濕度呈負相關關系,太陽輻射對O3濃度的影響最大,其次是溫度和相對濕度.當日平均氣溫在20~30℃、相對濕度在50%~70%、太陽輻射強度高于150w/m2時O3濃度容易出現(xiàn)超標.

江蘇；PM2.5；O3；大氣復合污染；氣象因子

近幾十年來,伴隨著我國國民經(jīng)濟的飛速發(fā)展以及工業(yè)化、城市化和區(qū)域經(jīng)濟一體化進程的加快,我國的大氣污染狀況和特征也發(fā)生了顯著的變化.從煤煙型、石油化工污染等單一的大氣污染類型逐漸轉變?yōu)閺秃闲痛髿馕廴?其中,傳統(tǒng)的污染物SO2和TSP得到了較好的控制,但機動車保有量的急劇增加使得NO的排放量不斷上升,以高濃度PM2.5和O3為主要特征的區(qū)域性大氣復合污染日益嚴重[1],尤其在我國的京津冀、長三角和珠三角等經(jīng)濟發(fā)達地區(qū)尤為突出[2].

研究表明[4-5],長江三角洲地區(qū)同時存在高濃度的細顆粒物和氣態(tài)污染物,尤其是氧化劑,并呈現(xiàn)出典型的大氣復合污染特征[6].在多種污染物中,細顆粒物PM2.5和O3是大氣復合污染的兩種核心污染物[7-8].地表O3是一種二次污染物,它主要是NO、CO和VOC等前體物在太陽紫外線的照射下經(jīng)過復雜的光化學反應所形成,是溫室氣體和光化學煙霧的主要成分[9].全球氣候變化背景下,大氣中的PM2.5和O3危害人體健康、惡化空氣質量、影響生態(tài)系統(tǒng),因而引起了各國學者的廣泛關注[10-12].氣溶膠粒子復雜的理化特性會對大氣O3的生成和消耗產(chǎn)生影響,一方面,氣溶膠粒子可以改變大氣非均相反應過程[13],另一方面,氣溶膠粒子對太陽輻射的吸收和散射作用也能影響O3前體物的光化學過程,氣溶膠粒子通過這兩方面的綜合作用從而影響了近地層O3濃度的變化.此外,有研究表明[6,14],夏季隨著大氣氧化性的增強,二次氣溶膠貢獻顯著增加,高濃度的O3對二次氣溶膠的生成有顯著的促進作用,造成PM2.5和O3變化的正相關.值得注意的是,研究者們發(fā)現(xiàn)在APEC會議與G20峰會期間實施的大氣污染減排措施有利于PM2.5等其他污染物的降低,然而O3濃度卻呈現(xiàn)出異常明顯的上升趨勢[15-16].與此不同的是,2014年南京青奧會期間南京及其周邊地區(qū)大氣O3濃度并沒有顯現(xiàn)出升高的趨勢,這可能受益于氣象條件的作用[17].針對APEC會議與G20峰會期間兩次出現(xiàn)O3高值的現(xiàn)象,筆者認為可能是由于減排措施的實施使得大氣顆粒物得到了較好的控制,但是由此卻導致了地表太陽輻射增強,促進了O3的生成.也有研究表明[18],在我國長三角、珠三角和京津冀地區(qū),O3已經(jīng)取代了PM2.5成為了夏秋季的首要污染物.綜上所述,大氣PM2.5與O3污染成為了當前和未來大氣環(huán)境研究領域的熱點問題,值得我們?nèi)ミM一步的深究.

本文利用2014~2017年江蘇省13個市的PM2.5濃度和O3_8h_max數(shù)據(jù),分析了其濃度層次、時空變化趨勢.此外,以南京市2015~2016年O3濃度逐時觀測資料結合氣象數(shù)據(jù)為例,探討了氣象因子對O3的影響,旨在為今后制定大氣污染防治對策提供依據(jù).

1 材料與方法

1.1 數(shù)據(jù)來源與處理

本研究使用的數(shù)據(jù)來自中國空氣質量在線監(jiān)測分析平臺(https://www.aqistudy.cn/).目前,生態(tài)環(huán)境部中國環(huán)境監(jiān)測總站對外實時發(fā)布江蘇省97個監(jiān)測站點的空氣質量數(shù)據(jù),包括蘇州20個,無錫13個,常州10個,南京9個,鎮(zhèn)江6個,南通7個,揚州4個,泰州4個,徐州7個,淮安5個,鹽城4個,連云港4個,宿遷4個,各監(jiān)測站點的分布如圖1所示.由于多種原因,平臺公布的數(shù)據(jù)存在部分時次的缺漏,對于數(shù)據(jù)中少量的缺失值,采用線性插值法補齊,即X= X+ (-)(X-)/(-) (<<) (1).式中:X為第個時刻的缺失值;X與X分別為缺失前后(即與時刻)的濃度值.對于當天連續(xù)缺測數(shù)據(jù)較多時,則當天數(shù)據(jù)視為無效,并用其相鄰日期的數(shù)據(jù)進行替換.此外,對于當天個別異常數(shù)據(jù)將進行剔除后重新補插.

本文計算日均PM2.5濃度是根據(jù)每天24h的小時濃度算術平均值求得的.由于2013年新修訂的《環(huán)境空氣質量標準》[19](GB 3095-2012)增加了O3日最大8h滑動平均濃度(O3_8h_max)限值,因此,文中利用O3_8h_max來研究每天的O3污染狀況.PM2.5和O3_8h_max的月平均值是指一個日歷月內(nèi)各日平均PM2.5濃度和各O3_8h_max的算術平均值.PM2.5和O3_8h_max的年平均值是指一個日歷年內(nèi)各日平均PM2.5濃度和各O3_8h_max的算術平均值.

圖1 江蘇省各監(jiān)測站點分布

1.2 南京市O3濃度與氣象數(shù)據(jù)

本文以南京市2015年3月1日~2016年2月29日為期1a的O3濃度與氣象要素實地監(jiān)測數(shù)據(jù)為例,探究氣象條件對O3的影響.其中,O3濃度和氣象要素的觀測是在南京市浦口區(qū)寧六路219號南京信息工程大學中國氣象局綜合觀測培訓實習基地(32°12′N,118°42′E)進行的.該觀測點距市中心約15km,東面為寧六路,南面為龍王山風景區(qū),西面和北面分別為居民區(qū)與農(nóng)田.該地地勢開闊平緩,周圍無高大建筑物阻擋.

O3濃度的觀測所使用的儀器為澳大利亞Ecotech公司生產(chǎn)的EC9810O3分析儀,該儀器符合世界氣象組織(WMO)大氣本底監(jiān)測標準要求,精度為1×10-9,每5min獲取一個數(shù)據(jù),為了方便計算,取整點時O3濃度的瞬時值代表該小時的O3濃度.儀器的檢測原理為紫外吸收法,測量時使用單個玻璃測量池體,根據(jù)朗伯比爾定律精確地計算出O3的濃度.觀測期間,由于監(jiān)測儀器設備需要進行檢查、維護和校準,以及觀測產(chǎn)地偶爾斷電等造成的數(shù)據(jù)缺失情況,利用浦口國控監(jiān)測站點的數(shù)據(jù)進行補插.氣象要素的觀測所采用的儀器為美國Spectrum公司生產(chǎn)的WatchDog 2000系列小型氣象站,該儀器能測量氣溫、相對濕度、太陽輻射等,儀器設置為1h記錄一個數(shù)據(jù).此外,本文也收集到了南京市每日的溫度、相對濕度和降水量數(shù)據(jù)(https://www.wunderground. com/).

為了驗證數(shù)據(jù)的可靠性,利用2015年3月1日~ 2016年2月29日在南京市浦口區(qū)觀測的O3日最大8h滑動平均濃度數(shù)據(jù)與臨近的浦口國控監(jiān)測站點的數(shù)據(jù)進行對比分析可知(圖2),兩者的相關系數(shù)=0.95,表明國控站點O3濃度數(shù)據(jù)穩(wěn)定可靠.

圖2 觀測站點與國控站點O3日最大8h滑動平均濃度相關性

1.3 O3超標日的界定

根據(jù)環(huán)境保護部《環(huán)境空氣質量指數(shù)(AQI)技術規(guī)定》[20](HJ 633-2012)分級方法,當O38h> 160μg/m3(即O3最大8h滑動平均)或O31h>200μg/ m3(即O3最大1h平均)時定為超標日.

1.4 統(tǒng)計模型

作為一種傳統(tǒng)的統(tǒng)計模型,多元線性回歸模型是指有多個自變量的回歸模型,它被用于分析多個自變量與一個因變量之間的線性關系,其表達式如下:

=+11+22+…+BX(2)

式中:1,…,X為自變量,參數(shù)1,…,B為模型中的偏回歸系數(shù).在本研究中,為O3濃度(日平均O3濃度、O3_1h_max與O3_8h_max),1,…,X為氣象因子(氣溫、相對濕度和太陽輻射).

2 結果與分析

2.1 江蘇省PM2.5與O3_8h_max的時間變化

由圖3可以看出,江蘇省PM2.5濃度整體上呈下降的趨勢,根據(jù)擬合出的方程來看,江蘇省PM2.5年均濃度減少率為6.06μg/m3.而江蘇省O3_8h_max整體上則呈上升的趨勢,從擬合的直線上看,江蘇省O3_8h_max年均濃度增長率為3.84μg/m3.

近年來,學者們基于衛(wèi)星遙感、數(shù)值模式和地面觀測等手段對我國PM2.5與O3的年變化幅度進行了一些研究.例如,郁珍艷等[21]利用衛(wèi)星反演的PM2.5全球高精度產(chǎn)品數(shù)據(jù)集(分辨率10km×10km)研究了華東地區(qū)PM2.5的時空分布,結果表明1998~2009年PM2.5濃度以每年2.58μg/m3的速率在增長,此后以每年1.75μg/m3的速度在下降.王浩等[22]觀測了2008~2013年北京市單個監(jiān)測站點的PM2.5濃度變化,結果顯示PM2.5整體上呈逐年下降的趨勢,下降速率為每年6.5μg/m3.此外,張祥志等[23]利用72個站點的O3小時觀測數(shù)據(jù),探討了江蘇省O3的時空變化特征,發(fā)現(xiàn)江蘇省O3濃度呈逐年升高的趨勢,升高速率為3.7μg/m3.Zhang等[24]分析了2005~2011年北京市單個城區(qū)監(jiān)測站點O3濃度的變化,發(fā)現(xiàn)O3濃度以每年5.57μg/m3在增加.而程念亮等[25]探討了北京市清潔點定陵站O3濃度的變化特征,認為北京市O3年均濃度增長率4.40μg/m3.Zhang等的研究是根據(jù)8月份白天時段統(tǒng)計的,可能高估了O3的漲幅.綜合這些研究可以看出,近年來近地層O3濃度逐年不斷升高,這種上升趨勢不僅僅是單個地點與單個城市的增長,而是呈現(xiàn)區(qū)域性的增長.

從圖4中可以看出,不同年份中各月份的PM2.5濃度有著小幅的起起落落,但從整體上來看,江蘇省PM2.5的月均濃度呈現(xiàn)冬春高、夏秋低的V型變化特征.4a中,11、12和1月份的濃度較高,可能受采暖季燃煤、生物質燃燒和不利的氣象條件的影響[26].江蘇省冬季氣溫較低、光照偏弱、日照時間較短,大氣層結穩(wěn)定容易形成較強較厚的逆溫層,且維持時間較長,不利于PM2.5的擴散和稀釋,致使PM2.5在空氣中不斷的積累而導致冬季空氣重污染的頻繁發(fā)生.從1月開始呈現(xiàn)下降趨勢,并在8月份達到一年中的最低值.夏季PM2.5濃度普遍較低,這主要是因為夏季太陽輻射較強,大氣對流活動旺盛,逆溫層較薄,存在時間較短,此類氣象條件對PM2.5的清除作用明顯,使空氣污染程度相對減輕.另一方面,夏季降雨天氣居多,顆粒物的大量濕沉降以及海洋季候風帶來的較為潔凈的空氣對PM2.5有著較強的清除作用[27].

研究表明[23],我國南方城市O3濃度顯著高于北方城市.北方城市O3濃度的月變化特征呈倒V字型,并在6月份左右達到一年中的最高值.而南方城市則基本呈現(xiàn)M型,在5~6月份達到峰值后逐漸降低,在9~10月份左右出現(xiàn)第二個高峰值,本研究結果與之相比略有差異.大氣O3主要通過前體物的光化學反應所生成,主要包括自由基的生成、傳遞、終止反應等[28],反應速率受氣溫、太陽輻射、相對濕度、降水量等氣象條件的影響.由于數(shù)據(jù)的限制,本研究僅僅只收集到了南京市2014~2017年溫度、相對濕度與降水量的氣象數(shù)據(jù),如圖5所示.整體上來看,從1月份開始,O3_8h_max逐漸上升,并在5月份達到峰值,這與齊冰等[29]的觀測結果一致,之后逐漸降低,在7~9月份時濃度雖然也在降低,但降低的幅度較小,趨于平緩.從9月份之后呈現(xiàn)快速降低的狀態(tài).值得注意的是,最高O3_8h_max出現(xiàn)在5月份而并非夏季的6~8月份,其原因可能與夏季頻繁的降水有關,尤其是7月份江蘇處于梅汛期,降水量是一年中最高的月份之一,此類氣象條件會抑制O3的生成.雖然夏季降水多且頻繁,但是相比于其他季節(jié),夏季氣溫高、日照時數(shù)長、太陽輻射高,導致濃度仍然處于較高水平.秋季的9月份太陽輻射仍然充足,日照時數(shù)也較長,O3_8h_max仍然處于高值濃度.從10月份開始,隨著氣溫、太陽輻射的迅速降低,濃度也迅速隨之下降.

2.2 PM2.5與O3_8h_max的空間分布

由圖6可見,13個城市PM2.5濃度均呈現(xiàn)逐年下降的特征,2014年、2015年、2016年和2017年PM2.5濃度在空間上的范圍分別為58.4~73.8μg/m3、49.1~ 61.1μg/m3、43.1~60.4μg/m3和39.1~66.6μg/m3.其中,東部沿海城市連云港、鹽城與南通是江蘇省PM2.5濃度比較低的幾個城市,這與沿海地區(qū)特殊的地理位置以及氣象條件有利于污染物的擴散和稀釋有關[30].而相對偏大陸性的城市如徐州、宿遷、淮安、揚州、泰州、南京、蘇州、鎮(zhèn)江、常州和無錫等PM2.5濃度相對較高,這與城市的結構、機動車尾氣排放和人為的影響因素密切相關[31-32].同時,徐州是整個江蘇省PM2.5濃度最高的城市,該城市地域廣、工業(yè)企業(yè)多、人口密度大,導致PM2.5污染處于較高水平.

除2016年以外,13個城市的O3_8h_max均呈現(xiàn)逐年上升的趨勢,2014年、2015年、2016年和2017年O3_8h_max在空間上的范圍分別為75.8~111.8, 92.4~113.5,94.9~106.4,103.2~116.4μg/m3.總體而言, O3_8h_max呈現(xiàn)出與PM2.5相反的空間分布特點,蘇北城市高于蘇南城市,東部沿海城市高于西部內(nèi)陸城市.造成這種空間分布差異的原因一方面是由于江蘇南部經(jīng)濟較為發(fā)達,工業(yè)企業(yè)產(chǎn)生的NO和VOCs等O3前體物大量排放,圖7對江蘇省各市NO2濃度進行了比較,可以看出,蘇州、南京、無錫和常州等經(jīng)濟發(fā)達城市NO2濃度明顯高于鹽城、淮安和泰州等城市,根據(jù)O3的生成過程可知[33],充足的NO等將會與已經(jīng)產(chǎn)生的O3發(fā)生反應,從而消耗前期所生成的O3.另一方面,東部沿海城市因海陸熱力性質差異,容易出現(xiàn)海陸風,海陸風也是影響沿海城市高濃度O3的原因之一,其他學者也發(fā)現(xiàn)了類似情況[23,34-35].本文盡管使用了覆蓋江蘇省的近100個國控監(jiān)測站點的PM2.5和O3_8h_max觀測數(shù)據(jù)來研究其時空分布特征,但研究結果仍然存在一定的限制性.由于國控監(jiān)測站點多分布在城區(qū),城區(qū)和郊區(qū)排放源與氣象因子的不同等原因將會導致PM2.5和O3污染水平存在差異.有研究表明[36],郊區(qū)O3污染水平明顯大于城區(qū),這可能與城區(qū)排放的大量NO會消耗O3有關[37].因此,本文用城區(qū)有限的幾個站點代表整個城市范圍的PM2.5和O3污染水平會存在一定的誤差.隨著長三角地區(qū)經(jīng)濟的高速發(fā)展以及工業(yè)化、城市化、現(xiàn)代化進程的不斷加快,未來O3污染仍可能進一步加重,為了更好地研究O3的污染水平及其影響,未來應該考慮建立更多的空氣質量監(jiān)測站點,尤其在郊區(qū).

2.3 氣象條件對O3濃度的影響

近幾年,長三角地區(qū)PM2.5得到了有效的控制,但O3污染問題日益突出,將是未來大氣污染防治所面臨的重點環(huán)境問題之一[38].近地層高濃度O3與氣象條件密切相關[39],以南京市2015~2016年O3濃度實地監(jiān)測數(shù)據(jù)結合相應氣象資料為例,以此來分析氣象因子對O3的影響.有關O3污染與氣象因子的關系國內(nèi)外的學者已經(jīng)進行了大量的研究,綜合一些研究表明[40-42],氣溫、相對濕度和太陽輻射是決定近地面O3濃度的關鍵影響因子.由表1可以看出,O3濃度與溫度和太陽輻射呈正相關關系,與相對濕度呈負相關關系,其中太陽輻射對O3濃度的影響最大,其次是溫度和相對濕度.

表1 O3濃度與各氣象因子的相關系數(shù)

注:**為0.01水平呈顯著相關.

根據(jù)統(tǒng)計的數(shù)據(jù)可知,超標日氣溫高于達標日近10℃,而超標日相對濕度明顯低于達標日,此外,超標日的太陽輻射強度是達標日的兩倍左右.從圖8可見,隨著溫度的上升,O3濃度逐漸上升,當溫度在25~30℃時,O3濃度達到最高為93.0μg/m3,之后隨著溫度的上升,O3濃度有所下降.溫度低于10℃時,O3濃度在50μg/m3以下,且沒有出現(xiàn)超標的現(xiàn)象.溫度達到10~15℃時,O3濃度開始出現(xiàn)超標,超標率為0.55%.當溫度在20~25℃和25~30℃時,超標率分別高達 6.85%和7.67%.在相對濕度大于80%時,O3濃度為44.8μg/m3,此時未出現(xiàn)超標情況,之后隨著相對濕度的降低,O3濃度不斷上升,于相對濕度在60%~ 70%和50%~60%時,O3超標率處在較高水平分別為7.12%和6.30%.太陽輻射強度越高,O3濃度越高,O3超標率也逐漸升高,當太陽輻射強度低于50W/m2時,O3濃度最低僅為42.8μg/m3,且未出現(xiàn)超標,當太陽輻射強度大于200W/m2時,O3濃度大于100μg/m3,超標率為10.68%.

圖8 不同氣象條件下平均O3濃度變化和超標率

2.4 多元線性回歸模型的建立與評估

為了研究氣溫()、相對濕度(RH)和太陽輻射(SR)對O3濃度的影響,選取2015年3、4、6、7、9、10、12月份與2016年1月份日平均O3濃度、O3_1h_max與O3_8h_max和相關氣象因子數(shù)據(jù),分別建立基于氣象因子的日平均O3濃度、O3_ 1h_max與O3_8h_max的多元線性回歸模型,國內(nèi)外已有較多的研究利用此方法進行氣象要素對污染物濃度影響的評估[37,43].得出的多元線性回歸模型如下:

日平均O3= 1.31- 0.09RH+ 0.19SR28.69,

2=0.49 (3)

O3_1h_max = 2.88- 0.32RH+ 0.33SR+ 55.44,

2=0.58 (4)

O3_8h_max = 2.88- 0.46RH+ 0.24SR+ 61.32,

2=0.58 (5)

擬合優(yōu)度2代表回歸平方和與總平方和的比值,它是用來描述回歸模型的擬合程度.日平均O3濃度、O3_1h_max與O3_8h_max的擬合度分別為0.49,0.58和0.58,擬合效果較好.此外,為了評估模型的準確性,將未參與多元線性回歸模型建立的相關氣象因子數(shù)據(jù)(2015年5、8、11月和2016年2月)帶入到已經(jīng)建立的模型中,從而可以得到模擬出的O3濃度,將其與實測值進行對比,如圖9所示,可以看出,不同月份日平均O3濃度、O3_1h_max與O3_8h_max的觀測值與模擬值的變化趨勢總體上基本保持一致.但本文的不足之處在于僅僅利用了有限的O3濃度和氣象要素的觀測資料進行分析,所得到的結果和模型在今后的研究中均有待于進一步的驗證和完善.

3 結論

3.1 2014~2017年江蘇省PM2.5濃度呈下降的趨勢,年均濃度減少率約為6.06μg/m3,而O3_8h_max卻呈上升的趨勢,年均濃度增長率約為3.84μg/m3.PM2.5濃度呈現(xiàn)冬春高、夏秋低的V型月變化特征, O3_8h_max則基本呈現(xiàn)不規(guī)則的M型,在5月份達到峰值后逐漸降低,又在7~9月份保持平緩,而后又逐漸下降.

3.2 江蘇省PM2.5濃度呈現(xiàn)“內(nèi)陸高,沿海低”的狀態(tài),而O3_8h_max卻呈現(xiàn)“沿海高,內(nèi)陸低”的狀態(tài).2014年、2015年、2016年和2017年PM2.5濃度在空間上的范圍分別為58.4~73.8,49.1~61.1,43.1~ 60.4和39.1~66.6 μg/m3,O3_8h_max在空間上的范圍分別為75.8~111.8,92.4~113.5,94.9~106.4和103.2~ 116.4μg/m3.

3.3 O3濃度與氣溫和太陽輻射呈正相關關系,與相對濕度呈負相關關系,太陽輻射對O3濃度的影響最大,其次是溫度和相對濕度.當日平均氣溫在20~ 30 ℃,相對濕度在50%~70%,太陽輻射強度高于150w/m2時O3濃度容易出現(xiàn)超標.

[1] 舒卓智,趙天良,鄭小波,等.清潔大氣背景下貴陽空氣質量變化及氣象作用[J]. 中國環(huán)境科學, 2017,37(12):4460–4468.

[2] 曹軍驥. PM2.5與環(huán)境[M]. 北京:科學出版社, 2014:256-306.

[3] 賀克斌,楊復沫,段風魁,等.大氣顆粒物與區(qū)域復合污染[M]. 北京:科學出版社, 2011:254-421.

[4] Shu L, Xie M, Gao Da, et al. Regional severe particle pollution and its association with synoptic weather patterns in the Yangtze River Delta region, China [J]. Atmospheric Chemistry and Physics, 2017,17(21): 1-31.

[5] 邵 平,辛金元,安俊琳,等.長三角工業(yè)區(qū)夏季近地層臭氧和顆粒物污染相互關系研究 [J]. 大氣科學, 2017, 41(3):618-628.

[6] Jia M W, Zhao T L, Chen X H, et al. Inverse Relations of PM2.5and O3in Air Compound Pollution between Cold and Hot Seasons over an Urban Area of East China [J]. Atmosphere, 2017,8(3):doi:10.3390/ atmos8030059.

[7] 王占山,張大偉,李云婷,等.北京市夏季不同O3和PM2.5污染狀況研究[J]. 環(huán)境科學, 2016,37(3):807-815.

[8] Pausata F S R, Gaetani M, Messori G, et al. The role of aerosol in altering North Atlantic atmospheric circulation in winter and its impact on air quality [J]. Atmospheric Chemistry and Physics, 2015,65(15): 1725-1743.

[9] Vingarzan R. A review of surface ozone background levels and trends [J]. Atmospheric Environment, 2004,38(21):3431-3442.

[10] Zhu Z L, Sun X M, Zhao F H, et al. Ozone concentrations, flux and potential effect on yield during wheat growth in the Northwest- Shandong Plain of China [J]. Journal of Environmental Sciences, 2015,34(8):1-9.

[11] Hu J L, Wang Y G, Ying Q, et al. Spatial and temporal variability of PM2.5and PM10over the North China Plain and the Yangtze River Delta, China [J]. Atmospheric Environment, 2014,95(1):598-609.

[12] 趙 輝,鄭有飛,李 碩,等.麥田O3濃度的長期變化及其對冬小麥干物質和產(chǎn)量損失的估算[J]. 環(huán)境科學, 2017,38(12):5315-5325.

[13] Lou S J, Liao H, Zhu B, et al. Impacts of aerosols on surface-layer ozone concentrations in China through heterogeneous reactions and changes in photolysis rates [J]. Atmospheric Environment, 2014,85(2): 123-138.

[14] Xiao Z M, Zhang Y F, Hong S M, et al. Estimation of the main factors influencing haze, based on a long-term monitoring campaign in Hangzhou, China [J]. Aerosol & Air Quality Research, 2011,11(7): 873-882.

[15] Wang Z S, Li Y T, Chen T, et al. Changes in atmospheric composition during the 2014 APEC conference in Beijing [J]. Journal of Geophysical Research Atmospheres, 2015,120(24):12695–12707.

[16] 趙 輝,鄭有飛,魏 莉,等.G20峰會期間杭州及周邊地區(qū)空氣質量的演變與評估[J]. 中國環(huán)境科學, 2017,37(6):2016–2024.

[17] Huang Q, Wang T J, Chen P L, et al. Impacts of emission reduction and meteorological conditions on air quality improvement during the 2014 Youth Olympic Games in Nanjing, China [J]. Atmospheric Chemistry and Physics, 2017,17:13457–13471.

[18] 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.

[19] GB3095-2012 環(huán)境空氣質量標準 [S].

[20] HJ 633-2012 環(huán)境空氣質量指數(shù)(AQI)技術規(guī)定 [S].

[21] 郁珍艷,高大偉,李正泉,等.華東區(qū)域PM2.5變化背景下浙江省人口經(jīng)濟暴露水平評估[J]. 環(huán)境科學, 2017,38(12):4924–4931.

[22] 王 浩,高 健,李 慧,等.2007~2014年北京地區(qū)PM2.5質量濃度變化特征 [J]. 環(huán)境科學研究, 2016,29(6):783–790.

[23] 張祥志,陳文泰,黃 櫻,等.江蘇省2013~2016年臭氧時空分布特征[J]. 中國環(huán)境監(jiān)測, 2017,33(4):61–70.

[24] Zhang Q, Yuan B, Shao M, et al. Variations of ground-level O3and its precursors in Beijing in summertime between 2005 and 2011 [J]. Atmospheric Chemistry and Physics, 2014,14(12):6089-6101.

[25] 程念亮,李云婷,張大偉,等.2004~2015年北京市清潔點臭氧濃度變化特征[J]. 環(huán)境科學, 2016,37(8):2847–2854.

[26] Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at a city level [J]. Scientific Reports, 2015,5:14884.DOI:10.1038/srep14884.

[27] Huang F F, Li X, Wang C, et al. PM2.5spatiotemporal variations and the relationship with meteorological factors during 2013~2014 in Beijing, China [J]. Plos One, 2015,10(11):e0141642.

[28] 王占山,李云婷,安欣欣,等.2006~2015年北京市不同地區(qū)O3濃度變化[J]. 環(huán)境科學, 2018,39(1):1–8.

[29] 齊 冰,牛彧文,杜榮光,等.杭州市近地面大氣臭氧濃度變化特征分析[J]. 中國環(huán)境科學, 2017,37(2):443-451.

[30] 王振波,方創(chuàng)琳,許 光,等.2014年中國城市PM2.5濃度的時空變化規(guī)律[J]. 地理學報, 2015,70(11):1720–1734.

[31] Huang R J, Zhang Y L, Bozzetti c, et al. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 2014,514(7521):doi:10.1038/nature13774.

[32] Zhang Y L, Huang R J, Haddad I E, et al. Fossil vs. non-fossil sources of fine carbonaceous aerosols in four Chinese cities during the extreme winter haze episode of 2013 [J]. Atmospheric Chemistry and Physics, 2015,15(3):1299-1312.

[33] Lu K D, Zhang Y H, Su H, et al. Regional ozone pollution and key controlling factors of photochemical ozone production in Pearl River Delta during summer time [J]. Science China Chemistry, 2010,53(3): 651-663.

[34] Shan W P, Yang P, Lu H X, et al. Influence of coastal wind on surface ozone and nitrogen oxides in suburban Shanghai [J]. Asia-Pacific Journal of Atmospheric Sciences, 2016,52(5):451-458.

[35] Wentworth G R, Murphy J G, Sills D M L, et al. Impact of lake breezes on ozone and nitrogen oxides in the Greater Toronto Area [J]. Atmospheric Environment, 2015,109:52-60.

[36] Cheng N L, Li Y T, Zhang D W, et al. Characteristics of Ground Ozone Concentration over Beijing from 2004 to 2015: Trends, Transport, and Effects of Reductions [J]. Atmospheric Chemistry and Physics, DOI:10.5194/acp-2016-508.

[37] Sicard P, Serra R, Rossello P. Spatiotemporal trends in ground-level ozone concentrations and metrics in France over the time period 1999~2012 [J]. Environmental Research, 2016,149:122-144.

[38] 程麟鈞,王 帥,宮正宇,等.中國臭氧濃度的時空變化特征及分區(qū)[J]. 中國環(huán)境科學, 2017,37(11):4003-4012.

[39] Latif M T, Huey L S, Juneng L. Variations of surface ozone concentration across the Klang Valley, Malaysia [J]. Atmospheric Environment, 2012,61:434-445.

[40] Wang Z S, Li Y T, Chen T,et al. Ground-level ozone in urban Beijing over a 1-year period: Temporal variations and relationship to atmospheric oxidation [J]. Atmospheric Research, 2015,S(164-165): 110-117.

[41] Liu H, Wang X M, Pang J M, et al. Feasibility and difficulties of China's new air quality standard compliance: PRD case of PM2.5and ozone from 2010 to 2025 [J]. Atmospheric Chemistry and Physics, 2013,13(23):12013-12027.

[42] Chen L J, Wang S, Gong Z Y, et al. Regionalization based on spatial and seasonal variation in ground-level ozone concentrations across China [J]. Journal of Environmental Sciences, 2017,doi.org/10.1016/ j.jes.2017.08.011.

[43] 賈夢唯,趙天良,張祥志,等.南京主要大氣污染物季節(jié)變化及相關氣象分析 [J]. 中國環(huán)境科學, 2016,36(9):2567-2577.

Atmospheric compound pollution characteristics and the effects of meteorological factors in Jiangsu Province.

ZHAO Hui1,2, ZHENG You-fei1,2,3*, WU Xiao-yun1,2, WEI Li3, GUAN Qing3, WANG Zhan-shan4

(1.Key Laboratory for Aerosol-Cloud- Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.School of Atmospheric Physics, Nanjing University of Information Science＆Technology, Nanjing 210044, China；3.Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology, Nanjing University of Information Science & Technology, Nanjing 210044, China；4.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China)., 2018,38(8)：2830~2839

In this study,we analyzed thetemporal and spatial distribution characteristics of PM2.5and O3_8h_max in 13cities of Jiangsu province based on the PM2.5and O3_8h_max data. In addition, we also analyzed the influence of meteorological conditions on O3concentration. The annual average concentration of PM2.5in Jiangsu Province showed a decreasing trend from 2014 to 2017, with an average annual reduction of 6.06μg/m3, while O3_8h_max showed an upward trend, with an average annual increase of 3.84μg/m3. On the whole, the monthly variations of PM2.5showed a "V" pattern, with high concentration appearing in winter and spring and low concentration in summer and autumn. The monthly variations of O3_8h_max showed an irregular "M" pattern, with the maximum concentration in May and then gradually decreased, and it remained steady from July to September, and then gradually decreased. Spatially, the concentration of PM2.5was higher in western inland cities than in in the eastern coastal cities, whereas O3_8h_max was opposite. The concentration of O3showed positive correlations with temperature and solar radiation and negative correlation with humidity. Solar radiation was the greatest influence on O3concentration, followed by temperature and humidity. The concentration of O3was very probable to exceed the new NAAQS in China while daily average temperature was between 20℃ to 30℃, the relative humidity was between 50% to 70%, and the solar radiation was higher than 150w/m2.

Jiangsu；PM2.5；O3；atmospheric compound pollution；meteorological factors

X511

A

1000-6923(2018)08-2830-10

趙 輝(1990-),男,江蘇南京人,南京信息工程大學博士研究生,主要從事大氣環(huán)境研究.發(fā)表論文10余篇.

2018-01-15

國家自然科學基金資助項目(41475108);2017年度江蘇省研究生科研創(chuàng)新項目(KYCX_0878);國家公派聯(lián)合培養(yǎng)博士研究生項目(201708320313)

* 責任作者, 教授, zhengyf@nuist.edu.cn