姚 青,馬志強(qiáng),郝天依,樊文雁,楊 旭,唐穎瀟,蔡子穎,韓素芹

京津冀區(qū)域臭氧時(shí)空分布特征及其背景濃度估算

姚 青1,2*,馬志強(qiáng)1,3,郝天依2,樊文雁2,楊 旭2,唐穎瀟2,蔡子穎2,韓素芹2

(1.上甸子國家大氣本底站,北京 101507；2.天津市環(huán)境氣象中心,中國氣象局-南開大學(xué)大氣環(huán)境與健康研究聯(lián)合實(shí)驗(yàn)室,天津 300074；3.京津冀環(huán)境氣象預(yù)報(bào)預(yù)警中心, 北京 100089)

為研究京津冀區(qū)域臭氧時(shí)空分布特征,并估算區(qū)域傳輸貢獻(xiàn),對(duì)2017～2019年京津冀區(qū)域68個(gè)國控站點(diǎn)資料進(jìn)行主成分分析,并采用TCEQ法估算京津冀區(qū)域及細(xì)分的次區(qū)域內(nèi)O3背景濃度.結(jié)果表明,京津冀區(qū)域O3濃度整體上呈現(xiàn)南高北低態(tài)勢(shì),地理位置的差異及其距離對(duì)于各城市臭氧濃度的均勻性分布影響較大.經(jīng)最大方差法旋轉(zhuǎn)后,主成分分析結(jié)果可將京津冀區(qū)域劃分為河北省中南部、京津冀北部以及渤海西岸地區(qū)等3個(gè)穩(wěn)定的次區(qū)域.對(duì)3個(gè)次區(qū)域分別采用TCEQ法估算O3背景濃度,計(jì)算得到3個(gè)次區(qū)域本地生成O3濃度依次為71, 60, 59μg/m3,區(qū)域背景濃度占O3日最大8h濃度的比值依次為34.3%, 39.4%, 42.2%.京津冀區(qū)域O3本地生成占主導(dǎo),區(qū)域傳輸也不容忽視.

臭氧；背景濃度；京津冀；主成分分析；TCEQ方法

近年來京津冀區(qū)域O3濃度呈逐年增高趨勢(shì)[1-2], 2019年京津冀及周邊地區(qū)(“2+26”城市)以O(shè)3為首要污染物的天數(shù)占比為48.2%[3],超過以PM2.5為首要污染物的天數(shù)占比.區(qū)域內(nèi)各城市臭氧濃度空間分布[4-5]和控制類型[6-7]存在差異,Wang等[5]研究表明,2014～2017年京津冀區(qū)域O3濃度在空間上呈顯著正相關(guān),其中夏秋季相關(guān)性最好,而保定、邢臺(tái)濃度較高,北京、承德濃度較低.閆慧等[6]基于TCEQ方法對(duì)我國地級(jí)市控制區(qū)進(jìn)行了區(qū)劃,京津冀區(qū)域被劃分為本地源為主的O3超標(biāo)區(qū)域.

特定地點(diǎn)的O3濃度可以視作區(qū)域O3背景濃度和本地光化學(xué)生成的O3濃度之和[8],區(qū)域背景濃度通常可通過在空氣質(zhì)量模式中關(guān)閉目標(biāo)區(qū)域的O3前體物排放模擬獲得[9],但該方法受限于O3前體物排放源精度和反應(yīng)機(jī)制的不確定性,無法獲得較為準(zhǔn)確的結(jié)果.背景點(diǎn)測(cè)量法、TCEQ區(qū)域背景估算法和主成分分析等基于大數(shù)據(jù)的方法具有不確定性小、相對(duì)可靠等優(yōu)點(diǎn),廣泛應(yīng)用于國外區(qū)域臭氧背景濃度估算等方面[10-14].梁昱等[10]基于主成分分析了上海春季近地面臭氧污染區(qū)域性特征,并給出長三角地區(qū)2016年5月臭氧背景濃度在68.8～154.7μg/m3,臭氧污染與海上東南風(fēng)有關(guān).Xue等[11]發(fā)現(xiàn)區(qū)域背景臭氧約占香港地區(qū)臭氧濃度的70%左右,在香港政府的長期控制下,香港本地生成的臭氧在2002～2013年已經(jīng)呈現(xiàn)顯著下降趨勢(shì)(?0.25ppb/a),但同期區(qū)域背景臭氧濃度增加更快(0.52ppb/a),是導(dǎo)致香港地區(qū)臭氧濃度上升的主要原因.

本研究基于2017～2019年京津冀區(qū)域68個(gè)國控站臭氧日最大8h平均濃度資料,分析了京津冀區(qū)域地面臭氧時(shí)空分布特征,采用主成分分析和TCEQ區(qū)域背景估算法分季節(jié)初步量化該區(qū)域的臭氧區(qū)域背景濃度,為評(píng)估不同區(qū)域間O3的相互貢獻(xiàn),明確O3防控路徑提供技術(shù)支撐.

1 材料與方法

1.1 研究區(qū)域與資料來源

圖1 京津冀區(qū)域站點(diǎn)示意

基于數(shù)據(jù)的連續(xù)性和完整性考慮,選取了京津冀區(qū)域內(nèi)的68個(gè)國控站,如圖1所示,這些站分布在北京、天津和河北省11個(gè)地級(jí)市,其中北京市12個(gè)站,天津市9個(gè)站,河北省47個(gè)站.本研究以北京、天津和河北省11個(gè)地級(jí)市作為該區(qū)域主要城市,各城市O3濃度為該城市內(nèi)各站點(diǎn)O3濃度的算術(shù)平均值.除北京和天津站點(diǎn)分布較為均勻外,河北省各城市站點(diǎn)多集中在城區(qū),因而所選站點(diǎn)的臭氧濃度更多反映了城市及小區(qū)域臭氧濃度.本研究中區(qū)域背景濃度與所選區(qū)域面積、區(qū)域均一特征等有關(guān).所有O3濃度均為日最大8h臭氧均值(Daily maximum 8-h average O3, DMA8-O3),或基于該值進(jìn)行的二次計(jì)算,如區(qū)域內(nèi)的DMA8-O3最小值、最大值、差值等.

1.2 主成分分析法

主成分分析法(Principal component analysis, PCA)是一種基于空氣質(zhì)量監(jiān)測(cè)網(wǎng)絡(luò)數(shù)據(jù)分析的區(qū)域背景臭氧評(píng)估方法,廣泛應(yīng)用于氣象學(xué)和空氣污染來源解析研究中[15-19].其核心思想在于假設(shè)研究區(qū)域中的任一站點(diǎn)都受到了區(qū)域性輸入氣團(tuán)的影響,因此可以將區(qū)域背景臭氧作為一個(gè)因子提取出來.對(duì)多個(gè)站點(diǎn)的臭氧監(jiān)測(cè)數(shù)據(jù)進(jìn)行主成分分析,即可把代表區(qū)域背景臭氧的因子提取出來,一般而言“區(qū)域背景”通常是最主要的因子,其后可以根據(jù)因子載荷和因子得分等計(jì)算獲得區(qū)域背景臭氧濃度,具體計(jì)算方法詳見文獻(xiàn)[6,19].

1.3 改進(jìn)的TCEQ 法

TCEQ 法是美國德克薩斯州環(huán)境質(zhì)量委員會(huì)(Texas Commission on Environmental Quality,TCEQ)在背景點(diǎn)測(cè)量法的基礎(chǔ)上提出的[8].它基于發(fā)展成熟的空氣質(zhì)量監(jiān)測(cè)網(wǎng)絡(luò),通過對(duì)所有站點(diǎn)的空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析來估算區(qū)域背景臭氧濃度.Nielsen-Gammon等[14]改進(jìn)了TCEQ方法,將所有監(jiān)測(cè)站點(diǎn)的DMA8-O3最小值作為區(qū)域背景臭氧, DMA8-O3最大值作為該區(qū)域的最大臭氧濃度,而DMA8-O3最大與最小值之差則可以反映本地前體物排放的臭氧生成能力.閆慧等[6]以本地生成O3量與DMA8-O3相關(guān)性分析得到的決定系數(shù)(R2),用來評(píng)定本地光化學(xué)反應(yīng)生成O3的貢獻(xiàn),R2值越大,代表該區(qū)域O3污染受本地生成O3的影響越大.具體計(jì)算方法見文獻(xiàn)[6,14].

2 結(jié)果與分析

2.1 臭氧濃度時(shí)空分布特征

京津冀區(qū)域主要城市2017～2019年DMA8-O3年均值依次為102μg/m3、106μg/m3和102μg/m3.余益軍等[2]認(rèn)為京津冀地區(qū)城市O3污染加劇主要由顆粒物濃度下降和前體物變化造成,其貢獻(xiàn)比均值分別是27.3%和63.1%.本研究觀測(cè)到的京津冀區(qū)域2019年DMA8-O3年均值較2018年有所下降,可能與區(qū)域內(nèi)聯(lián)防聯(lián)控,O3主要前體物(NO和VOCs)濃度下降[20]有關(guān).如圖2可見,各城市O3濃度存在一定差別,但大部分城市的季節(jié)變化趨勢(shì)較為一致,均呈現(xiàn)6月DMA8-O3最高,12月最低的特征.夏季DMA8-O3最高,春季次之,秋季較低,冬季最低,這種季節(jié)差異表明光化學(xué)生成是造成O3高濃度的主要原因.京津冀區(qū)域夏季強(qiáng)烈的太陽輻射和高溫天氣都有利于臭氧生成,尤其在前體物強(qiáng)度排放較高的河北南部地區(qū),其支柱產(chǎn)業(yè)多為鋼鐵、煉油、化工和煤炭等高排放行業(yè)[21],造成夏季O3濃度高于河北北部和北京、天津等城市.京津冀區(qū)域春季盡管氣溫低于夏季,但干燥少雨、太陽輻射強(qiáng),氣象條件有利于臭氧生成[22],同時(shí)大風(fēng)天氣多,也有利于臭氧遠(yuǎn)距離輸送,是造成該區(qū)域春季臭氧濃度快速增高的重要原因.

圖2 京津冀區(qū)域主要城市DMA8-O3濃度的逐月分布

由圖3可見,京津冀區(qū)域主要城市的DMA8-O3年平均值空間分布整體上呈現(xiàn)南高北低態(tài)勢(shì),高值中心位于河北省南部地區(qū),低值中心位于承德、秦皇島等地,與Wang等[5]基于站點(diǎn)的研究結(jié)果一致.京津冀區(qū)域3a DMA8-O3平均值濃度最高的3座城市依次為保定、滄州和邯鄲,集中在河北中南部,濃度最低的3座城市依次為承德、北京和秦皇島,集中在京津冀區(qū)域北部.春、夏、秋季高濃度城市的分布趨勢(shì)一致,與全年平均值接近.冬季濃度最高的3座城市依次為張家口、承德和滄州,濃度最低的3座城市依次是石家莊、唐山和邢臺(tái).京津冀區(qū)域DMA8-O3的時(shí)空分布季節(jié)與區(qū)域內(nèi)各城市O3前體物分布[7],以及本地生成與區(qū)域傳輸?shù)年P(guān)系[6]有關(guān).

圖3 京津冀區(qū)域DMA8-O3濃度年均值的空間分布

2.2 臭氧污染區(qū)域性特征

基于空間尺度,某一監(jiān)測(cè)點(diǎn)的臭氧濃度由全球背景濃度、區(qū)域傳輸濃度、局地生成濃度等組成,全球背景濃度和區(qū)域傳輸濃度可視作臭氧背景濃度,在主成分分析中表現(xiàn)為第一主成分(PC1),并且選擇區(qū)域越小,PC1所能解釋的臭氧濃度比例越高[10].如表1所示,全體樣本中PC1可以解釋本區(qū)域83.9%的臭氧觀測(cè)結(jié)果,這一比例低于上海市,高于長三角地區(qū),與所選區(qū)域的面積大小有關(guān).圖4給出了京津冀區(qū)域各站點(diǎn)主成分系數(shù)的空間載荷系數(shù),空間載荷系數(shù)的變化在-1～1,代表了該成分在研究期內(nèi)對(duì)每個(gè)有效站點(diǎn)的平均貢獻(xiàn)(紅色點(diǎn)代表貢獻(xiàn)為正,藍(lán)色點(diǎn)代表貢獻(xiàn)為負(fù)),PC1對(duì)所有站點(diǎn)的空間載荷系數(shù)為0.79～0.97,顯著高于PC2和PC3,且PC2和PC3僅能解釋4.16%和2.81%的臭氧觀測(cè)結(jié)果,表明就全體樣本而言PC1占據(jù)絕對(duì)優(yōu)勢(shì),京津冀區(qū)域臭氧污染具有顯著的區(qū)域特征.分季節(jié)進(jìn)行主成分分析,春、夏、秋和冬季PC1依次可以解釋本區(qū)域78.8%、66.4%、81.4%和71.0%的臭氧觀測(cè)結(jié)果,其它主成分的貢獻(xiàn)較小.夏季除張家口、北京和承德等個(gè)別站點(diǎn)外,PC2對(duì)應(yīng)的其他站點(diǎn)空間載荷系數(shù)均低于0.6,表明京津冀區(qū)域不同季節(jié)下PC1均能夠解釋大部分的臭氧濃度,臭氧區(qū)域性分布在各季節(jié)都得到較好的體現(xiàn).

表1 京津冀區(qū)域各站點(diǎn)的主成分分析結(jié)果

通過最大方差法旋轉(zhuǎn)得到的空間因子載荷可以代表每個(gè)主成分在空間上的貢獻(xiàn),采用具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法對(duì)全體成分進(jìn)行了旋轉(zhuǎn)平方和載入.由表2可見,經(jīng)旋轉(zhuǎn)后全體樣本共有3個(gè)主成分,三者之間較為接近,PC1,PC2和PC3可以解釋32.49%、32.35%和26.07%的臭氧觀測(cè)結(jié)果.各季節(jié)樣本經(jīng)旋轉(zhuǎn)后,特征值>1的主成分?jǐn)?shù)量不一,春季為4個(gè),夏季和冬季為6個(gè),秋季為5個(gè),但前3個(gè)主成分的特征值明顯大于其后的主成分,其加和可以解釋65.75%～88.27%的臭氧觀測(cè)結(jié)果,因此本研究將不討論前3個(gè)主成分以外的主成分.

表2 京津冀區(qū)域各站點(diǎn)經(jīng)旋轉(zhuǎn)后的主成分分析結(jié)果

由圖5可見,全樣本統(tǒng)計(jì)中PC1高空間載荷(30.6)的站點(diǎn)集中在河北省中南部地區(qū)(石家莊、邯鄲、邢臺(tái)、衡水、滄州和保定),PC2高載荷站點(diǎn)則集中在河北省北部山區(qū)(張家口、承德)和北京市,PC3則集中在河北省沿海(秦皇島、唐山)和天津市,廊坊在3個(gè)主成分中的空間載荷相對(duì)均勻.京津冀區(qū)域可以視作3個(gè)相對(duì)固定的次區(qū)域,春、夏和秋季PC1高載荷站點(diǎn)集中在河北省中南部,春季PC2高載荷站點(diǎn)則集中在東部沿海地區(qū),PC3高載荷站點(diǎn)則集中在北部山區(qū),夏秋季的PC2和PC3與之相反,冬季PC1集中在北部山區(qū).

圖4 京津冀區(qū)域各站點(diǎn)主成分系數(shù)的空間載荷系數(shù)

紅色點(diǎn)代表該成分在研究期內(nèi)對(duì)站點(diǎn)貢獻(xiàn)為正,藍(lán)色則代表貢獻(xiàn)為負(fù)

圖5 京津冀區(qū)域各站點(diǎn)旋轉(zhuǎn)成分系數(shù)的空間載荷系數(shù)

注同圖4

京津冀區(qū)域的3個(gè)次區(qū)域相對(duì)固定,因而進(jìn)一步對(duì)3個(gè)次區(qū)域進(jìn)行主成分分析,結(jié)果表明3個(gè)次區(qū)域均只存在1個(gè)主成分,河北省南部地區(qū)PC1可以解釋本區(qū)域89.16%的臭氧觀測(cè)結(jié)果,北部山區(qū)為90.27%,東部沿海則為90.67%,這些比值高于京津冀區(qū)域整體值(83.94%).所劃分的3個(gè)次區(qū)域第一主成分均能解釋接近90%的O3濃度,表明所劃分的次區(qū)域能夠合理反映O3分布規(guī)律.Wang等[5]研究也顯示,京津冀城市群存在明顯的臭氧濃度高值區(qū),且不同季節(jié)各城市臭氧濃度變化較大,這表明京津冀區(qū)域臭氧存在顯著的地區(qū)差異.因而本研究將河北省中南部石家莊、保定、邯鄲、滄州、衡水和邢臺(tái)的27個(gè)站點(diǎn),記做Region 1,京津冀北部北京、張家口和承德的21個(gè)站點(diǎn),記做Region 2,渤海西岸地區(qū)天津、唐山和秦皇島的18個(gè)站點(diǎn),記做Region 3.另有位于河北省廊坊市的2個(gè)站點(diǎn),處于3個(gè)次區(qū)域交界處,不存在明顯的主成分,在本文后續(xù)的次區(qū)域研究中將不作討論.

2.3 京津冀區(qū)域臭氧背景濃度估算

由圖6可見,京津冀區(qū)域春、夏和秋季本地生成臭氧量和DMA8-O3的相關(guān)系數(shù)介于0.569～0.708,均通過0.01的顯著性檢驗(yàn),秋季最高,冬季僅為0.097,未能通過0.05的顯著性檢驗(yàn).計(jì)算得到春夏秋冬各季節(jié)本地生成O3濃度依次為94,140,85, 62μg/m3,分別占各季節(jié)O3濃度的77.0%、88.6%、106.2%和117.0%,夏季本地生成比例高于春季,具有其合理性,秋冬季這一比例高于100%,表明O3區(qū)域輸送部分存在負(fù)值,即京津冀區(qū)域內(nèi)生成的臭氧往外輸送,可能與目標(biāo)區(qū)域排放的臭氧前體物經(jīng)大尺度氣象條件影響再次回到該區(qū)域,以及局地環(huán)流(如海陸風(fēng)或山谷風(fēng)等)等因素有關(guān)[23].春、夏和秋季本地生成臭氧量和DMA8-O3的擬合曲線斜率介于0.55～0.59,冬季斜率(0.09)顯著低于其他季節(jié),表明冬季區(qū)域內(nèi)DMA8-O3最大值和最小值的差值相對(duì)穩(wěn)定,這可能與冬季本地生成較弱,區(qū)域傳輸影響較大,而不同站點(diǎn)間的濃度差異相對(duì)固定有關(guān).

圖6 不同季節(jié)本地生成O3與DMA8-O3濃度的相關(guān)性

如圖7所示,對(duì)這3個(gè)次區(qū)域采用TCEQ方法評(píng)估其本地光化學(xué)反應(yīng)生成O3的貢獻(xiàn),3個(gè)次區(qū)域本地生成臭氧量和DMA8-O3的相關(guān)系數(shù)介于0.599～ 0.679,均通過0.01的顯著性檢驗(yàn),其中河北省中南部最高,北部最低.以2>0.3作為判斷城市或區(qū)域O3是否受本地生成影響較大的依據(jù)[9],經(jīng)計(jì)算京津冀3個(gè)次區(qū)域的2依次為0.46,0.36和0.44,表明區(qū)域內(nèi)O3均以本地生成為主,其中Region 1受影響最大,Region 2最小.計(jì)算得到3個(gè)次區(qū)域本地生成O3濃度依次為71、60和59μg/m3,分別占各次區(qū)域DMA8-O3的65.7%、60.6%和57.8%,則區(qū)域傳輸占比為34.3%、39.4%和42.2%.河北省中南部和渤海沿岸地區(qū)O3受本地生成影響較大,這與閆慧等[6]的研究結(jié)果并不一致,可能與研究方法以及站點(diǎn)選取數(shù)量不同有關(guān).

進(jìn)一步對(duì)3個(gè)次區(qū)域分季節(jié)進(jìn)行評(píng)估,表3給出了京津冀不同次區(qū)域O3本地生成量及其與DMA8- O3的可決系數(shù).各季節(jié)Region 1的O3本地生成量為47.8～109.9μg/m3,Region 2為43.9～89.4μg/m3,Region 3為35.7～96.7μg/m3,Region 1的本地生成量高于其他2個(gè)次區(qū)域,與河北省中南部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)和O3前體物排放量較大,光化學(xué)反應(yīng)強(qiáng)度較高有關(guān)[5].各次區(qū)域O3本地生成量均呈夏季最高,春季略高于秋季,冬季最低的季節(jié)分布特征.與全年數(shù)據(jù)分析相比,分季節(jié)后各次區(qū)域的2均明顯下降,春夏秋3個(gè)季節(jié)2在0.3左右或不足0.3,冬季未能通過0.05的顯著性檢驗(yàn).閆慧等[6]研究表明2018年北京、天津和唐山市以本地生成為主,京津冀區(qū)域其他城市以區(qū)域傳輸為主,本研究獲得的分季節(jié)臭氧本地生成/區(qū)域傳輸關(guān)系更加復(fù)雜,這可能與京津冀區(qū)域受地形、前體物和氣象條件影響,O3來源和影響因素更加復(fù)雜有關(guān),這需要進(jìn)一步利用氣象和前體物資料,并結(jié)合數(shù)值模式做詳細(xì)研究.

圖7 不同次區(qū)域本地生成O3與DMA8-O3濃度的相關(guān)性

本研究利用旋轉(zhuǎn)成分將京津冀區(qū)域劃分為3個(gè)子區(qū)域,采用改進(jìn)的TCEQ方法討論本地生成和區(qū)域傳輸對(duì)O3濃度的影響,獲得的結(jié)果更為合理,同時(shí)降低了現(xiàn)有區(qū)域臭氧背景濃度定量評(píng)估方法的不確定性,分區(qū)域分析也為京津冀區(qū)域的O3分區(qū)預(yù)報(bào)提供思路.盡管如此,本研究仍存在以下不確定性:①3個(gè)次區(qū)域的大地形、氣象條件和前體物排放強(qiáng)度存在差異,如何厘清這些因素對(duì)O3背景濃度的影響需要進(jìn)一步定量評(píng)估;②O3污染階段的區(qū)域輸送和本地生成量,可能與基于長期觀測(cè)資料的分析結(jié)果存在較大差異,本研究尚未涉及;③冬季次區(qū)域本地生成O3與DMA8-O3濃度的可決系數(shù)偏低,且不具備顯著性,表明本方法可能并不適用于估算冬季區(qū)域傳輸?shù)呢暙I(xiàn).對(duì)于京津冀次區(qū)域的地理因素、氣象條件和前體物排放量對(duì)O3背景濃度的影響,還需要采用更多數(shù)據(jù),并結(jié)合模式做進(jìn)一步分析,同時(shí)深入研究不同污染程度下區(qū)域輸送對(duì)O3濃度的貢獻(xiàn).

表3 京津冀不同次區(qū)域O3本地生成量及其與DMA8-O3的可決系數(shù)

注: *通過0.01的顯著性檢驗(yàn), **未能通過0.05的顯著性檢驗(yàn).

3 結(jié)論

3.1 2017～2019年京津冀區(qū)域O3濃度整體上呈現(xiàn)南高北低態(tài)勢(shì), DMA8-O3平均值濃度最高的3座城市依次為保定、滄州和邯鄲,濃度最低的3座城市依次為承德、北京和秦皇島.地理位置的差異及其距離對(duì)于京津冀區(qū)域臭氧濃度的均勻性分布影響較大.

3.2 主成分分析顯示,京津冀區(qū)域PC1可以解釋83.9%的臭氧觀測(cè)結(jié)果,整體呈現(xiàn)區(qū)域性特征.通過最大方差法旋轉(zhuǎn)后,得到的3個(gè)主成分合計(jì)可以解釋90.91%的臭氧觀測(cè)結(jié)果, PC1, PC2和PC3對(duì)應(yīng)的空間載荷系數(shù)可將京津冀區(qū)域劃分為3個(gè)次區(qū)域,分別為河北省中南部、京津冀北部以及渤海西岸地區(qū).

3.3 改進(jìn)后的TCEQ方法評(píng)估京津冀各次區(qū)域內(nèi)本地光化學(xué)反應(yīng)生成O3的貢獻(xiàn),計(jì)算得到3個(gè)次區(qū)域本地生成O3濃度依次為71、60和59μg/m3,分別占各次區(qū)域DMA8-O3的65.7%、60.6%和57.8%, 3個(gè)次區(qū)域的2依次為0.46, 0.36和0.44,表明區(qū)域內(nèi)O3均以本地生成為主,區(qū)域傳輸也不容忽視.

[1] 王 玫,鄭有飛,柳艷菊,等.京津冀臭氧變化特征及與氣象要素的關(guān)系[J]. 中國環(huán)境科學(xué), 2019,39(7):2689-2698.

Wang M, Zheng Y F, Liu Y J, et al. Characteristics of ozone and its relationship with meteorological factors in Beijing-Tianjin-Hebei Region [J]. China Environmental Science, 2019,39(7):2689-2698.

[2] 余益軍,孟曉艷,王 振,等.京津冀地區(qū)城市臭氧污染趨勢(shì)及原因探討[J]. 環(huán)境科學(xué), 2020,41(1):106-114.

Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei region, China, during 2013～2018 [J]. Environmental Science, 2020,41(1):106-114.

[3] 中華人民共和國生態(tài)環(huán)境部.2019中國生態(tài)環(huán)境狀況公報(bào)[EB/OL]. http://111.32.16.60:6510/www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202006/P020200602509464172096.pdf.

Ministry of Ecology and Environment, the People's Republic of China. 2019 Report on the State of the Ecology and Environment in China [EB/OL]. http://english.mee.gov.cn/Resources/Reports/soe/SOEE2019/ 202012/P020201215587453898053.pdf.

[4] 胡諾銘,李奕璇,施念邡,等.京津冀地區(qū)臭氧濃度時(shí)空變化特征[J]. 環(huán)境科學(xué)與技術(shù), 2019,42(11):1-7.

Hu L M, Li Y X, Shi N F, et al. Spatio-temporal change characteristics of ozone concentration in Beijing-Tianjin-Hebei region [J]. Environmental Science & Technology, 2019,42(11):1-7.

[5] Wang Z B, Li J X, Liang L W. Spatio-temporal evolution of ozonoe pollution and its influencing factors in the Beijing-Tianjin-Hebei urban agglomeration [J]. Environmental Pollution, 2020,256:113419.

[6] 閆 慧,張 維,候 墨,等.我國地級(jí)及以上城市臭氧污染來源及控制區(qū)劃分[J]. 環(huán)境科學(xué), 2020,41(12):5215-5224.

Yan H, Zhang W, Hou M, et al. Sources and control area division of ozone pollution in cities at prefacture level and above in China [J]. Environmental Science, 2020,41(12):5215-5224.

[7] 張鴻宇,王 媛,盧亞靈,等.我國臭氧污染控制分區(qū)及其控制類型識(shí)別[J]. 中國環(huán)境科學(xué). https://doi.org/10.19674/j.cnki.issn1000- 6923.20210630.001.

Zhang H Y, Wang Y, Lu Y L, et al. Identification of ozone pollution control zones and types in China [J]. China Environmental Science, https://doi.org/10.19674/j.cnki. issn1000-6923.20210630.001.

[8] 吳 琳,薛麗坤,王文興.基于觀測(cè)的臭氧污染研究方法[J]. 地球環(huán)境學(xué)報(bào), 2017,8(6):479-491.

Wu L, Xue L K, Wang W X. Review on the observation-based methods for ozone air pollution research [J]. Journal of Earth Environment, 2017,8(6):479-491.

[9] Zhang L, Jacob D J, Downey N V, et al. Improved estimate of the policy-relevant background ozone in the United States using the GEOS-Chem global model with 1/2degrees x 2/3degrees horizontal resolution over North America [J]. Atmospheric Environment, 2011, 45:6769-6776.

[10] 梁 昱,劉禹含,王紅麗,等.基于主成分分析的上海春季近地面臭氧污染區(qū)域性特征研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(10):3807-3815.

Liang Y, Liu Y H, Wang H L, et al. Regional characteristics of ground-level ozone in Shanghai based on PCA analysis [J]. Acta Scinetiae Circumatantiae, 2018,38(10):3807-3815.

[11] Xue L, Wang T, Louie P K K, et al. Increasing external effects negate local efforts to control ozone air pollution: a case study of Hong Kong and implications for other Chinese cities [J]. Environmental Science & Technology, 2014,48:10769–10775.

[12] Suciu L G, Griffin R J, Masiello C A. Regional background O3and NOin the Houston-Galveston-Brazoria (TX) region: a decadal-scale perspective [J]. Atmospheric Chemistry and Physics, 2017,17:6565– 6581.

[13] Langford A O, Senff C J, Banta R M, et al. Regional and local background ozone in Houston during Texas air quality study 2006 [J]. Journal of Geophysical Research-Atmospheres, 2009,114.DOI:10. 1029/2008JD011687.

[14] Nielson-Gammon J, Tobin J, Mcneel A, et al. 2005. A conceptual model for eight-hour ozone exceedances in Houston, Texas PartⅠ: background ozone levels in Eastern Texas [M]. College Station: Texas A & M University.

[15] Buhr M P, Trainer M, Parrish D D, et al. Assessment of pollutant emission inventories by principal component analysis of ambient air measurements [J]. Geophysical Research Letters, 1992,19:1009–1012.

[16] Guo H, Wang T, Louie P K K. Source apportionment of ambient non-methane hydrocarbons in Hong Kong: Application of a principal component analysis/absolute principal component scores (PCA/APCS) receptor model [J]. Environmental Pollution, 2004,129:489–498.

[17] Sindosi O A, Katsoulis B D, Bartzokas A. An objective definition of air mass types affecting Athens, Greece: The corresponding atmospheric pressure patterns and air pollution levels [J]. Environmental Technology, 2003,24:947–962.

[18] Vaidya O C, Howell G D, Leger D A. Evaluation of the distribution of mercury in lakes in Nova Scotia and Newfoundland (Canada) [J]. Water Air and Soil Pollution, 2000,117:353–369.

[19] Pires J C M, Sousa S I V, Pereira M C, et al. Management of air quality monitoring using principal component and cluster analysis- Part Ⅱ:CO, NO2and O3[J]. Atmospheric Environment, 2008,42(6): 1261-1274.

[20] 李 慧,王淑蘭,張文杰,等.京津冀及周邊地區(qū)“2+26”城市空氣質(zhì)量特征及其影響因素[J]. 環(huán)境科學(xué)研究, 2021,34(1):172-184.

Li H, Wang S L, Zhang W J, et al. Characteristics and influencing factors of urban air quality in Beijing-Tianjin-Hebei and its surrounding areas (‘2+26’ Cities) [J]. Research of Environmental Sciences, 2021,34(1):172-184.

[21] 王 帥,馮亞平,崔建升,等.石家莊市臭氧污染的時(shí)空演變格局和潛在源區(qū)[J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(9):3081-3092.

Wang S, Feng Y P, Cui J S, et al. Spatio-temporal evolution patterns and potential source areas of ozone pollution in Shijiazhuang [J]. 2020,40(9):3081-3092.

[22] 姚 青,孫玫玲,蔡子穎,等.2009年天津城區(qū)地面O3和NO的季節(jié)變化與相關(guān)性分析[J]. 環(huán)境化學(xué), 2011,30(9):1650-1656.

Yao Q, Sun M L, Cai Z Y, et al. Seasonal variation and analysis of the relationship between NO, NO2and O3concentrations in Tianjin in 2009 [J]. Environmental Chemistry, 2011,30(9):1650-1656.

[23] Berlin S R, Langford A O, Estes M, et al. Magnitude, decadal changes, and impact of regional background ozone transported into the Greater Houston, Texas, Area [J]. Environmental Science & Technology, 2013,47:13985–13992.

Temporal and spatial distribution characteristics and background concentration estimation of ozone in Beijing-Tianjin-Hebei region.

YAO Qing1,2*, MA Zhi-qiang1,3, HAO Tian-yi2, FAN Wen-yan2, YANG Xu2, TANG Ying-xiao2, CAI Zi-ying2, HAN Su-qin2

(1.Beijing Shangdianzi Regional Atmosphere Watch Station, Beijing 101507, China；2.CMA-NKU Cooperative Laboratory for Atmospheric Environment-Health Research, Tianjin Environmental Meteorology Center, Tianjin 300074, China；3.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, China Meteorological Administration, Beijing 100089, China)., 2021,41(11)：4999～5008

In order to study the temporal and spatial distribution characteristics of ozone in Beijing-Tianjin-Hebei region and estimate the regional transport contribution, the principal component analysis was carried out on the data of 68 national control stations in Beijing-Tianjin-Hebei region from 2017 to 2019, and the TCEQ method was used to estimate the background concentration of ozone in Beijing-Tianjin-Hebei region and subdivided sub-regions. The results showed that the ozone concentration in Beijing-Tianjin-Hebei region was high in the south and low in the north as a whole, and the difference of geographical location and its distance had great influence on the uniform distribution of ozone concentration in different cities. After the rotation of the maximum variance method, the Beijing-Tianjin-Hebei region could be divided into three subregions: the central and southern part of Hebei Province, the north of Beijing-Tianjin-Hebei region and the west coast of the Bohai Sea. Using the TCEQ method to estimate the ozone background concentration in the three subregions could reduce the influence of geographical factors. The calculated results showed that the locally generated ozone concentrations in the three subregions are 71, 60 and 59μg/m3, respectively, and the ratio of the regional background concentration to the maximum 8-hour concentration in ozone days was 34.3%, 39.4% and 42.2%, respectively. The local generation of ozone in Beijing-Tianjin-Hebei region was dominant, and regional transmission could not be ignored.

ozone；background concentration；Beijing-Tianjin-Hebei region；principal component analysis；TCEQ

X511

A

1000-6923(2021)11-4999-10

姚 青(1980-),男,湖北宜昌人,正高級(jí)工程師,碩士,主要從事大氣環(huán)境與健康氣象方面的科研工作.發(fā)表論文80余篇.

2021-03-29

天津市自然科學(xué)基金資助項(xiàng)目(19JCQNJC08000);上甸子國家大氣本底站開放研究課題(SDZ2020612)

* 責(zé)任作者, 正高級(jí)工程師, yao.qing@163.com