基于OMI數據的新疆地區臭氧柱濃度研究

劉旻霞,孫瑞弟,宋佳穎,張婭婭,李博文,于瑞新,李 亮

基于OMI數據的新疆地區臭氧柱濃度研究

劉旻霞*,孫瑞弟,宋佳穎,張婭婭,李博文,于瑞新,李 亮

(西北師范大學地理與環境科學學院,甘肅 蘭州 730070)

利用臭氧監測儀(OMI)衛星反演數據,對2005~2018年新疆地區大氣臭氧柱濃度數據進行提取及分析,探討其時空分布格局及影響因素.結果表明:在時間變化上,2005~2018年,新疆地區大氣臭氧柱濃度整體呈現逐漸上升趨勢.在空間分布上,臭氧柱濃度自北向南逐漸降低,高值區集中分布在阿爾泰、塔城北部以及昌吉北部等區域;低值區集中于和田、巴音郭楞蒙古自治州和喀什的南部大部分地區.在季節變化上,大體呈現出春夏季高于秋冬季,高值區在春夏季交替出現,冬季略高于秋季,但四季的臭氧柱濃度值呈現逐漸上升的趨勢.穩定性分析表明:研究區域臭氧柱濃度整體呈現中部及南北部分散、東西部集聚的分布格局.自然因素中,氣候因素、風場以及海拔均呈現顯著正相關(<0.01);通過后向軌跡追蹤發現,該區域西北和西部氣流是臭氧外來的最主要輸送路徑,分別占總氣流軌跡的78.59%、57.29%.人為因素中,臭氧柱濃度值與地區生產總值、煤炭消耗量、工業廢氣排放量及機動車保有量均表現出顯著的正相關關系(<0.05).其中,揮發性有機物(VOCs)主要來源于工業源,其次是交通源和居民源.總體來看,臭氧濃度的變化受到了諸多因素的綜合影響,但氣溫、VOCs的排放及吸收性氣溶膠是大氣臭氧濃度變化的主導因素.

OMI；新疆；臭氧柱濃度；時空分布；穩定性分析

隨著城市化、機動化、工業化的快速發展以及大氣活性物質的大量排放,新疆地區臭氧濃度急劇上升,臭氧已經成為繼顆粒物污染之后影響城市空氣質量的一種重要的二次污染物,是光化學煙霧的重要指示物[1-2].臭氧是由氮氧化物(NO)、一氧化碳(CO)、揮發性有機物(VOCs)等物質在太陽輻射下經過復雜的光化學反應產生的二次污染物[3-5].NO主要來源于化石燃料燃燒、生物質燃燒等人為源,以及土壤微生物過程及閃電活動等自然源,是光化學污染的重要前體物之一[6-7].高濃度的臭氧不僅對人體健康造成傷害,增加心肺疾病的發生[8-9],也會影響植被生長,造成植物葉片干枯老化[10],甚至造成農作物減產[11],因此臭氧污染的研究受到大氣科學界的廣泛關注.

利用衛星搭載的傳感器對大氣臭氧進行大區域及長時間的觀測,是研究臭氧重要且有效的研究方法.搭載于EOS Aura衛星上的臭氧監測儀(OMI),不僅可以監測臭氧濃度,還可以監測其他影響空氣質量的主要成分,如NO2、SO2、BrO、OC1O(二氧化氯)和氣溶膠等.大多數學者采用Fishman提出的對流層臭氧剩余(TOR)方法來計算對流層臭氧總量[12],即通過臭氧總譜儀(TOMS)觀測到的大氣臭氧柱總量和衛星太陽反向散射紫外線(SBUV)提供的平流層臭氧廓線估算對流層臭氧總量.還有學者利用全球臭氧監測儀(GOME)提供的數據反演對流層臭氧濃度,研究其時空演變規律[13].李瑩等[14]從全球尺度研究表明,中高緯度地區對流層臭氧濃度存在規律的年內變化,對流層臭氧高濃度值的分布及變化與人類活動有密切關系.杜君平等[15]分析了中國地區臭氧總量的時間演變和空間分布規律.蒲茜等[16]研究發現重慶主城區臭氧超標日數、超標日臭氧中位值和90百分位濃度值均呈逐年升高趨勢.楊芳園等[17]的研究表明青藏高原周邊對流層低層臭氧分布呈明顯的季節變化,且低層大氣臭氧分布有南北差異,南部臭氧含量高于北部.宋佳穎等[18]研究了東南沿海臭氧濃度受人為因素影響比較嚴重.Vasilkov等[19]利用Aura/OMI觀測資料開展了夏季近地層臭氧對其前體物(NO和VOC)的敏感性分析,表明夏季近地層的臭氧濃度受下墊面和氣溫影響比較明顯.

新疆自然資源在全國經濟發展中具有非常重要的生態安全地位和資源戰略地位.近年來,新疆社會經濟正迅猛發展,正努力打造為中南亞經濟國中心地位的戰略目標,但經濟的快速發展勢必會引起一些環境的污染,尤其是臭氧污染問題,這嚴重制約了該地區經濟的進一步發展和人居環境的改善.基于此,本文將利用2005~2018年OMI臭氧遙感數據,結合NCEP FNL風場資料、社會經濟統計數據、氣象數據及后向軌跡分析模式,研究新疆臭氧濃度的時空變化并探討其影響因素,以期為環保部門在治理大氣污染、制定環保政策方面提供參考.

1 材料與方法

1.1 研究區域概況

新疆維吾爾族自治區地處亞歐大陸腹地,位于34°25′~48°10′N,73°40′~96°18′E之間.該地區面積覆蓋166萬km2,邊界線長度約5000km.新疆的最低點吐魯番艾丁湖低于海平面155m (也是中國的陸地最低點),最高點喬戈里峰位于克什米爾邊境上,海拔8611m,平均海拔為8766m,山脈與盆地相間排列,盆地與高山環抱,喻稱“三山夾兩盆”.新疆屬于溫帶大陸性氣候,年均溫為32℃;年均降水量為150mm左右,氣候干燥.新疆常駐人口約2444.67萬,城鎮人口占49.38%,2018年全自治區實現生產總值(GDP) 12199.08億元.

1.2 數據來源

O3濃度數據來自美國國家宇航局Aura地球觀測系統搭載的O3檢測儀OMI,Aura衛星是一顆由荷蘭和芬蘭共同研制的極軌、太陽同步科學探測衛星[20].OMI采用紫外可見光波段的高光譜傳感器、是推掃式探測全球大氣臭氧總量及垂直分布的臭氧監測儀器,波長范圍為270~500nm,空間分辨率為13km×24km,軌道高度為705km,波譜分辨率為0.5nm,1d即可覆蓋全球一次[21].工作原理是通過觀測地球大氣和地球表面的后向散射輻射來獲取信息,可以測量O3、HCHO、NO2、SO2柱濃度和廓線以及氣溶膠、云、紫外輻射等多種數據.本文所采用的臭氧柱濃度數據來自NASA官網中GES DISC的level2－V003產品,該數據結合差分吸收光譜技術(DOAS)根據O3在特定波段的吸收特性進行O3濃度總量反演.為進一步提高數據精度,本研究對云量大于20%及誤差大于15%的數據進行剔除以減少云量所帶來的反演誤差,且僅當格點數據缺測率低于15%時視該格點數據有效,此外,計算月均值時,若當月數據有7d以上缺測,則當月數據無效并剔除.

經濟數據(地區生產總值及各產業產值)來源于國家統計局數據(http://www.stats.gov.cn/)中新疆維吾爾族自治區2005~2018年的統計年鑒,風場來源于NCEP FNL(National Center for Environmental Prediction,美國國家環境預報中心)資料,氣溫及降水量等數據來源于國家氣象信息中心(http://data. cma.cn/)的《中國地面累年值月值數據集》,研究區內氣象站點共計62個;后向軌跡模式使用的資料也為NCEP提供的2015~2017年全球資料同化系統(GDAS)數據.

污染物排放數據來自MIX亞洲排放清單(http://www.meicmodel.org/),該清單是由清華大學主持開發的2008年和2010年亞洲人為源排放清單,采用多尺度數據耦合方法,通過耦合同化亞洲各地人為源排放清單,提供5個排放部門(電力、工業、民用、交通、農業)0.25度空間分辨率的逐月網格化排放數據,可服務于多尺度的大氣化學傳輸模式.

1.3 研究方法

臭氧數據來自2005~2018年每日OMI數據,按過境時間(約7:00)進行篩選,用HDF-EOSS條帶格式進行存儲,將研究區的經緯度與臭氧柱濃度對應,為了保證研究區全部覆蓋,提高插值的精度,將經緯度分別擴大2個經緯度,然后以軟件Matlab為工具用Vb、python編程語言運行提取,處理得到的數據以excel表存儲.隨即在ArcGIS10.4中進行空間插值及掩膜處理,利用處理得到的結果,對研究區大氣臭氧柱濃度進行時空分析.

標準偏差分析是一種重要的度量數據離散程度的方法,一般用來評估污染物在時間序列上的穩定程度.計算公式如下:

空間相關性計算方法是一種基于像元的空間分析方法,可以通過選取各種影響因子(氣溫、降水、植被覆蓋率等)分析其與臭氧柱濃度的相關關系[23].計算公式如下:

2 結果與討論

2.1 新疆地區大氣臭氧柱濃度的月變化

為了研究臭氧柱濃度的年際變化特征,根據時間序列繪制了新疆維吾爾族自治區2005年1月至2018年12月,共計168個月的臭氧柱濃度的月均值變化趨勢.由圖1看出,臭氧柱濃度的月均值變化呈周期性變化規律.各年的高值出現在1~3月,低值出現在7~10月份,這可能與新疆地區春季太陽輻射增強,為NO和VOCs等臭氧前體物提供發生條件,以及與冬季采暖期煤炭燃燒過程中排放的NO、有機化合物和煙塵有關.14a中臭氧柱濃度最高值和最低值分別出現在2018年2月、2007年8月份,這與黃秋霞[25]等的研究結果一致:為1~7月臭氧濃度逐漸上升,8~12月呈明顯的降低趨勢.

圖1 2005~2018年新疆大氣月份臭柱濃度月均值變化趨勢

依據ArcGIS軟件中的自然間斷點分級法(Jenks)的分級標準將臭氧濃度分為9個等級:一級(<275)、二級(275~291)、三級(291~307)、四級(307~323)、五級(323~339)、六級(339~355)、七級(355~371)、八級(371~387)、九級(>387).由圖2可見,1~3月新疆臭氧柱濃度值達到了九級狀態,且研究區內濃度值依舊按緯向分布,其中低值區域(一、二、三等級)只出現在和田、喀什南部以及哈密西部等地區,中值區(四、五、六等級)出現在新疆的中、西部地區,高值區(七、八、九等級)出現在巴音郭楞蒙古自治州中部、阿勒泰地區、塔城以及昌吉、烏魯木齊市等地區,這與冬季采暖期常發生的霾天氣與春季沙塵性天氣對臭氧柱濃度貢獻較大有關[26].從4月和5月開始,臭氧柱濃度值開始降低,整個研究區處于中值濃度控制范圍,且自北向南濃度逐漸降低.6月和7月屬于中值區與低值區的過渡時間段,研究區有一級到四級臭氧柱濃度值,并且四級范圍面積急劇減小.8月、10月,全區臭氧柱濃度值處于低值區,這可能由于研究區氣溫回落,光化學反應速率減緩有關[27].而9月臭氧柱濃度值略有回升,這可能與新疆地區的風向與地形有關.11月和12月,在巴音郭楞蒙古自治州中部、和田以及阿爾泰等地區,臭氧柱濃度中值區面積擴大,但總體濃度低于1~3月份.總體來看,新疆地區臭氧柱濃度月均空間分布特征一致,均呈緯向性分布,隨著緯度逐漸升高,臭氧濃度值逐漸增大.

圖2 2005~2018年新疆大氣臭氧柱濃度月均值空間分布

圖中不同顏色表示由高到低的不同等級,一級(<275)、二級(275~291)、三級(291~307)、四級(307~323)、五級(323~339)、六級(339~355)、七級(355~371)、八級(371~387)、九級(>387)

2.2 新疆大氣臭氧柱濃度的季節變化

圖3 2005~2018年新疆大氣臭氧柱濃度季節變化趨勢

12、1、2月為冬季,3、4、5月為春季,6、7、8月為夏季,9、10、11月為秋季

由圖3可知,2005~2018年新疆4個季節中春季(3~5月)臭氧柱濃度值最高,夏季(6~8月)、冬季(12月~次年2月)次之,秋季(9~11月)最低.其中春季臭氧柱濃度最大值出現在2012年,為350.34DU;夏、冬兩個季節的臭氧柱濃度最大值分別出現在2013和2018年,為316.53DU、325.87DU;秋季一直處于波動上升的狀態,總體來看,新疆地區臭氧柱濃度4個季節呈波動上升的趨勢.2009年前,新疆臭氧柱濃度處于下降趨勢,且四季變化規律與14a變化趨勢相一致.2009年~2011年,臭氧柱濃度出現先上升后下降的變化趨勢,且2009年臭氧柱濃度冬季高于夏季,這可能是對流層具有縫隙導致對流層臭氧的擴散,在一定的大氣條件下臭氧輸送到對流層導致的[28].2012年研究區臭氧柱濃度夏、秋和冬季都處于下降的趨勢,但春季達到了14a當中的最高值,這可能與新疆地區春季沙塵性天氣造成的二次氣溶膠,以及太陽輻射增強對光化學反應速率加快有關.2012年后,新疆地區4個季節臭氧柱濃度總體處于下降后緩慢上升的狀態,這可能與我國2012年實施的《重點區域大氣污染防治“十二五”規劃》[29]以及國家“藍天保衛戰”[30]等環境治理政策的實施密不可分.2016~2018年臭氧柱濃度冬季急速升高,這與新疆地區冬季采暖期燃煤等化石燃料產生的大量的NO與VOC等前體物相關,加速了臭氧的產生.

圖4 2005~2018年新疆大氣臭氧柱濃度季節變化空間分布

圖中不同顏色表示由高到低的不同等級,一級(<268)、二級(268~280)、三級(280~292)、四級(292~304)、五級(304~316)、六級(316~328)、七級(328~340)、八級(340~352)、九級(352~365)

臭氧柱濃度季節的空間分布表明(圖4),2005~ 2018年新疆春季臭氧柱濃度值普遍較高,除喀什、和田以及巴音郭楞蒙古自治州等地區南部處于一、四等級外,其余地區均處于五級及以上等級,這與春季氣溫開始回升,臭氧作為光化學污染的產物,太陽輻射逐漸增強,臭氧前體物可以進行轉化的原因有關.另一方面,新疆地區有我國最大的沙漠-塔克拉瑪干沙漠,春季沙塵性氣溶膠在-OH自由基的作用下,通過氣溶膠顆粒物表面的非均相化學反應逐漸轉化成硫酸鹽和硝酸鹽粒子[31],導致臭氧濃度的升高.夏季時,臭氧柱濃度值高值區(七、八、九等級)面積較小,中值區域面積增大,其中六級區域面積增大尤為明顯.秋季臭氧柱濃度值達到四季中的最小值,全境只有低值區(一、二、三和四等級)分布,此時氣溫回落,太陽輻射對臭氧前體物生成的速率減緩.冬季時,臭氧柱濃度值最高達到了第六等級,且高值區分布在新疆北部,這與新疆地區冬季太陽輻射弱,光化學反應速率慢相關,但北疆地區相比南疆地區來說臭氧柱濃度值高的原因主要是,人口數量多,冬季所需燃煤需求大.

2.3 新疆地區大氣臭氧柱濃度的空間及年際變化

由圖5可知:新疆2005~2018年臭氧柱濃度空間格局為自南向北逐步遞增的緯向分布特征.其中臭氧柱濃度值低區(一、二等級)主要分布在喀什、和田以及巴音郭楞蒙古自治州等地區的南部.中值區(三、四等級)主要分布在阿克蘇、巴音郭楞蒙古自治州、吐魯番和哈密南部等地區.高值區(五等級)主要分布在博爾塔拉蒙古自治州、烏魯木齊市、昌吉以及塔城、哈密北部等地區.而極高值區(六等級)集中分布在阿爾泰、克拉瑪依市北部區域.

如圖6所示,2005~2008年,臭氧柱濃度值在逐年升高,低值區域(一、二、三等級)面積也逐年擴大,這與各項大氣污染防治政策的有效實施密不可分. 2008~2009年增幅最大,增長率為20.6%.2009~2013年臭氧柱濃度值呈現先下降后上升的波動趨勢,區域內濃度分布不均,有3個數值等級,三、四和五級區域占據了研究區的大部分面積.總體來看,由于高值區都處于烏魯木齊市、昌吉州、塔城以及阿勒泰地區,這可能與臭氧受太陽輻射和光化學反應速率密切相關,緯度越高太陽輻射越強,光化學反應速率越快.2014年出現了次高峰,一、二和三級區域減少甚至消失,高值區面積擴大,這與新疆近年來經濟發展水平加快,國民經濟綜合實力變強,機動車需求量的增加有關.2015~2017年,研究區內臭氧柱濃度值略有回升,且高值區面積變化較小,且高值區一直徘徊在烏魯木齊和吐魯番盆地等人口密集城市,人類活動過程中所產生的臭氧比重較大.2018年全區臭氧柱濃度值大幅度上升,研究區內出現八級區域,且中值和高值區域面積擴大,這與近2a來,全球臭氧背景濃度年均上升1μg/m3左右,以及全球氣候變暖、人為污染排放和區域大范圍傳輸等因素有關[32].

圖5 2005~2018年新疆大氣臭柱濃度整體變化空間分布

圖中不同顏色表示由高到低的不同等級,一級(286~294)、二級(294~ 303)、三級(303~311)、四級(311~319)、五級(319~327)、六級(327~336)

圖中不同顏色表示由高到低的不同等級,一級(<290)、二級(290~302)、三級(302~314)、四級(314~326)、五級(326~338)、六級(338~350)、七級(350~362)、八級(>362)

2.4 新疆大氣臭氧柱濃度標準偏差分析

根據公式(1)進行研究區大氣臭氧柱標準偏差分析,將14a柵格圖在柵格計算器中進行計算,得到圖7.結果表明:14a中,新疆臭氧柱濃度整體呈現中部、南北部條帶狀分散、東西部集聚,差異較顯著的分布格局.在空間分布上,高波動區域分布在北部地形比較特殊(新疆北部分布著“三山夾兩盆”)的地區,該區域內地勢落差較大,盆地山地相夾分布,特殊的地形地貌導致臭氧濃度穩定程度較差;中等波動區分布在高、低波動區的過渡地帶,主要分布在阿克蘇、和田以及喀什南部地區,這些地區接近沙漠,人類活動較少,大氣環境受到人類的影響較少.低波動區包括哈密大部分地區以及昌吉東南部、吐魯番東部和巴音郭楞蒙古自治州的東北部,相比研究區中西部,此區域地形較單一,受自然因素影響較小,臭氧柱濃度變化不明顯,穩定性較強.

圖7 2005~2018年新疆大氣臭氧柱濃度標準偏差分布

3 影響因素分析

臭氧的來源包括自然源和人為源.自然源包括平流層臭氧的湍流及擴散、對流層頂裂縫、光化學反應、以及微生物對有機物的降解;人為源包括機動車尾氣的排放、內燃機的使用、工業廢氣等[31].雖然這些排放源主要集中于城市,但是可以借助風力運送到郊區及數百公里之外,對大氣環境造成了極大的危害.參照已有的對臭氧濃度影響因素的研究,本文從自然和人為兩方面分析臭氧濃度變化的影響因素.

3.1 自然因素

3.1.1 風場和地形對臭氧柱濃度的影響 圖8為基于NCEP FNL資料2005~2018年新疆850hPa的季節平均流場分布圖.NCEP FNL資料分辨率較高且融合了大量的觀測資料及衛星反演資料,被廣泛用于數值模式及天氣、氣候的診斷分析研究中[33],由圖8可知,一方面阿爾泰地區、哈密北部、烏魯木齊市和克拉瑪依市位于準格爾盆地腹地,與北部阿爾泰山及南部的天山的垂直梯度跨度大,擴散條件相對東北部地區更差;另一方面則可能是由于盆地地形導致盆地內形成了氣旋式流場,在該區域范圍內形成了“滯留區”.風作為大氣污染的主要動力之一,其強度和方向直接影響著污染物擴散速度與方向[34].新疆常年盛行西南風,在天山以北地區,東部高于西部,山脈阻擋了臭氧水平擴散,進而導致了北疆區域臭氧匯集,從而導致阿勒泰地區、吐魯番盆地、哈密以及烏魯木齊等地區臭氧柱濃度較高.

圖8 2005~2018年新疆季節風場與渦度圖

3.1.2 氣溫對臭氧柱濃度的影響 溫度升高會加速臭氧光化學反應速率,進而導致大氣中大量的NO與VOCs等前體物快速轉化為臭氧,致使臭氧柱濃度值的升高[35].臭氧柱濃度的升高具有明顯的季節性特點,而新疆地區一般4~8月份溫度較高,臭氧的強氧化作用使臭氧在溫度較高時發生氧化反應.新疆地區遠離海洋深居內陸,氣候干旱,晴天多云層少,不僅有利于氮氧化物等前體物的生成,而且較強的太陽輻射也有利于氧分子的分解和臭氧分子的合成[36].另外,新疆地區的下墊面多以荒漠、戈壁為主,比熱容小,地面輻射量大,導致臭氧光化學反應速率加快.圖9a顯示,新疆月均溫與臭氧濃度存在著極顯著相關關系(<0.01),說明氣溫較高,臭氧柱濃度也處于較高水平.氣溫所對應的線性擬合線離散程度低,說明臭氧柱濃度受氣溫影響較為明顯.

降水對臭氧前體物有清除作用,水汽含量越高、濕度越大,臭氧的損耗越大.新疆地區屬溫帶大陸性氣候,全年降水集中在夏季且降水較少,降水對臭氧具有消除作用,但臭氧在高溫高熱所主導的光化學反應中的生成量高于降水所導致的消除量.圖9b顯示,新疆月均降水量與臭氧濃度存在著顯著相關關系(<0.05),說明降水對臭氧濃度起到了一定的消除作用,但降水所對應的線性擬合線離散程度高,因此臭氧柱濃度的升降不僅僅是某一氣象因子單一決定的,而是各個氣象因子的協同效應.

3.2 人為因素

對流層臭氧的人為主要來源為煤炭、石油、以及生物質燃料的不完全燃燒以及光化學反應,此外機動車的尾氣排放也會影響大氣中的對流層臭氧柱濃度.從圖10a中可以看出新疆煤炭消耗量與臭氧柱濃度值呈顯著的正相關關系(<0.01),且相關系數2=0.782,表明煤炭消耗量的增多對于新疆大氣中的臭氧柱濃度的升高具有極大的影響,這與新疆地區的能源消費結構有關,新疆地區每年煤炭需求量大,尤其冬季采暖期,燃煤對大氣臭氧濃度的貢獻較大.

根據新疆污染物排放統計的結果,新疆地區機動車NO排放量占NO總排放量的29%以上,且占比逐年增加[37].首先,機動車排放的氣態污染物包括VOCs和NO等,是PM2.5中二次有機物和硝酸鹽的“原材料”,同時也是造成大氣氧化性增強的重要“催化劑”;其次,機動車行駛還對道路揚塵排放起到“攪拌器”的作用[38].近年來新疆各市州的機動車保有量呈不斷增長趨勢,截止2018年12月,新疆機動車數量高達412萬輛.新疆汽車保有量與臭氧柱濃度值呈顯著的正相關關系(<0.01),且相關系數2=0.72,表明汽車保有量的增多對于新疆大氣中的臭氧柱濃度的升高也具有重要貢獻 (圖10b).

GDP是一個地區經濟水平最直接的體現,產業產值的高低影響著當地臭氧柱濃度的狀況[39].研究區工業廢氣排放量主要來自烏魯木齊、北疆的伊寧、南疆的庫爾勒、東部的哈密等新疆主要的工業化城市.圖10c和圖10d分別分析了新疆地區生產總值和工業廢氣排放量與臭氧柱濃度的關系,結果顯示生產總值與臭氧柱濃度值呈極顯著的正相關關系(<0.01),且相關系數2達0.5以上,這表明生產總值的增加會影響大氣中的臭氧柱濃度值的升高;工業廢氣排放量與臭氧柱濃度值呈顯著正相關(< 0.05),且相關系數2達0.756,說明工業廢氣排放量的增多會直接導致大氣中的臭氧柱濃度的升高.

3.3 VOCs對臭氧柱濃度的影響

近年來,揮發性有機物VOCs逐漸成為了主控臭氧濃度變化的前體物,為了分析不同類型的排放源對新疆臭氧柱濃度的影響,本文結合清華大學給出的MIX排放清單對2008及2010年研究區各區VOCS排放量進行研究[40].由表1可知,各地區的經濟發展水平的差異影響著不同行業VOCS排放量,經濟較為發達的烏魯木齊市和阿爾泰地區工業源排放貢獻極為顯著,這兩地區VOCS排放貢獻率占整個研究區的63%.除了工業源外,居民源和交通源是另外兩個主要來源.新疆屬于邊疆,政府支持大量的勞動力及人口流入,外來人口集聚,使得居民源產生的VOCS大幅上升,加之機動車的連年增長,導致交通源的VOCs排放量增加.相較于其他排放源,新疆各市的電廠源對VOCs排放量的貢獻率均較低.總體來看,工業源是VOCs增加的主要因素,交通源和居民源次之,電廠源影響最弱.

表1 2008及2010年新疆各地區不同來源的VOCs排放量[t/(月×km2)]

3.4 后向軌跡與聚類分析

本文使用HYSPLIT模型,以烏魯木齊市為例分析2018年3月~2019年2月后向軌跡,以季節進行聚類,對O3的來源進行解析,結果如圖11所示:春季,西北氣流移動速度最快,輸送距離最長,其次是西部氣流,東部氣流最慢.從氣流占比及混合垂直運動看,氣流占比最多的西北氣流,共占總軌跡數的78.59%,而東部氣流僅占21.43%.夏秋季,氣流均來自西北和西部,分別占總軌跡數86.79%、74.29%.冬季,氣流軌跡大致分為3種:西北氣流、北部氣流和東部氣流,西北路徑輸送高度最高(占57.29%),其次輸送高度最低東部氣流(占34.38%),對新疆地區貢獻也較多.

表2表明,不同季節軌跡氣團中臭氧濃度差異較大.春季,軌跡2中臭氧柱濃度最大,這與西北氣流最遠來自哈薩克斯坦,途徑克拉瑪依進入新疆腹地,遠距離輸送使其成為影響新疆臭氧柱濃度最主要的輸送路徑;近距離主要來自北疆和伊犁河谷等人口密集地區,此地人類活動頻繁人為污染源較多.夏季,5條聚類軌跡臭氧柱濃度相差不大,且均來自西北氣流.秋季聚類2對應氣流的輸送路徑最長,但相比軌跡1、2、5氣流攜帶的臭氧柱濃度較低,這與軌跡2、5氣流途經庫木塔格沙漠、柴達木盆地等沙漠戈壁地帶,氣溶膠中的揮發性有機物為光化學反應提供了大量前體物,導致臭氧柱濃度較高,進而靠氣流輸送到北疆地區.冬季來自北部氣流對應的臭氧柱濃度最大,一方面與臭氧柱濃度按緯向分布有關;另一方面冬季新疆北部氣流強,對臭氧輸送加快.而西南氣流(軌跡2)輸送距離也較長,但其對應的臭氧柱濃度最小.

圖11 2018年新疆后向軌跡氣團聚類

表2 不同季節各類軌跡污染物濃度統計結果

4 結論

4.1 2005~2018年間新疆臭氧柱濃度年均值整體呈現波動上升趨勢,最大增長率處于2008~2009年間(為20.06%),年均最低值和年均最高值分別出現于2007年和2018年;臭氧柱濃度的季節變化表現為:春季>夏季>冬季>秋季;月際間的變化幅度比較大,但具有顯著的季節性變化周期.

4.2 2005~2018年新疆臭氧柱濃度空間分布上整體表現為自北向南遞減的分布格局,高值區主要分布在人為源排放較高的阿爾泰、昌吉以及以烏魯木齊市為城市群的新疆北部,低值區大多處于人為源排放較低的喀什、和田以及巴音郭楞蒙古自治州等地區南部.季節空間分布表現出春季高值區的范圍及臭氧柱濃度均遠大于其它季節,夏季除和田、喀什以及巴音郭楞蒙古自治州等地區的南部處于中值區外,其它區域均為高值區;月均值空間分布變化較為復雜,6~10月研究區內絕大多數區域為低值區,而1~5、11~12月則研究區內絕大多數區域又成為高值區.

4.3 新疆臭氧柱濃度的時空變化受氣候、地形和風場等自然因素以及產業結構、機動車保有量、VOC及氣流軌跡等因素的共同影響.煤炭消耗量、經濟生產總值、工業廢氣排放量、VOCs以及機動車保有量的增加對臭氧柱濃度的年際變化具有一定貢獻.新疆“三山夾兩盆”的地形與氣旋式流場也對臭氧的空間分布有一定的關系.此外,工業源排放的增加是導致新疆臭氧柱濃度升高的主要因素,居民源和交通源的貢獻也不容忽視.

4.4 從后向軌跡聚類分析來看,新疆氣流軌跡均來自西北路徑和西部路徑,四季氣流軌跡分別占總軌跡數的78.59%、96.79%、74.29%、95.83%.

[1] 唐孝炎,李金龍,栗 欣,等.大氣環境化學 [M]. 北京:高等教育出版社, 1990:232-233. Tang X Y, Li J L, Li X, et al. Atmospheric environmental chemistry [M]. Beijing: Higher Education Press, 1990:232-233.

[2] 盛裴軒,毛節泰,李建國,等.大氣物理學 [M]. 北京:北京大學出版社, 2003:82-98. Sheng P X, Mao J T, Li J G, et al. Atmospheric physics [M]. Beijing: Peking University Press, 2003:82-98.

[3] Nuvolone D, Balzi D, Pepe P, et al. Ozone short-term exposure and acute coronary events: A multicity study in Tuscany (Italy) [J]. Environmental Research, 2013,126(oct.):17-23.

[4] 列淦文,葉龍華,薛 立.臭氧脅迫對植物主要生理功能的影響 [J]. 生態學報, 2014,34(2):294-306. Lie G W, Ye L H, Xue L. Effects of ozone stress on major plant physiological functions [J]. Journal of Ecology, 2014,34(2):294-306.

[5] 耿春梅,王宗爽,任麗紅,等.大氣臭氧濃度升高對農作物產量的影響 [J]. 環境科學研究, 2014,27(3):239-245. Geng C M, Wang Z S, Ren L H, et al. Study on the impact of elevated atmospheric ozone on crop yield [J]. Environmental Science Research, 2014,27(3):239-245.

[6] Liu J, Tarasick D W, Fioletov V E, et al. A global ozone climatology from ozone soundings via trajectory mapping: a stratospheric perspective [J]. Atmospheric Chemistry and Physics, 2013,13(22): 11441-11464.

[7] Huang C, Lou D M, Hu Z Y, et al. A PEMS study of the emissions of gaseous pollutants and ultrafine particles from gasoline and diesel-fueled vehicles [J]. Atmospheric Environment, 2013,77(3):703- 710.

[8] Zhang F W, Zhao J P, Chen J, et al. Pollution characteristics of organic and elemental carbon in PM2.5in Xiamen, China [J]. Journal of Environmental Sciences, 2011,23(8):1342-1349.

[9] Geiger H, Kleffmann J, Wiesen P. Smog chamber studies once influence of diesel exhaust on photo smog formation [J]. Atmospheric Environment, 2002,36(11):1737-1747.

[10] Fu T M, Daniel J, Jacob, et al.Space-based formaldehyde measurements as constraints on volatile organic compound emissions in east and south Asia and implications for ozone [J]. Journal of Geophysical Research, 2007,112(D6):382-388.

[11] Fishman J, Watson C E, Larsen J C, et al. Distribution of tropospheric ozone determined from satellite data [J]. Journal of Geophysical Research Atmospheres, 1990,95(D4):3599-3617.

[12] Fishman J, Balok A E. Calculation of daily tropospheric ozone residuals using TOMS and empirically improved SBUV measurements: application to an ozone pollution episode over the eastern United States [J]. Journal of Geophysical Research Atmospheres, 1999, 104(D23):30319-30340.

[13] 李 陽,巨天珍,馬 成,等.長江三角洲近10年甲醛柱濃度變化及影響因素 [J]. 中國環境科學, 2019,39(3):897-907.Li Y, Ju T Z, Ma C, et al. The temporal, spatial variation and influencing factor of formaldehyde column concentration in the Yangtze River Delta in the past 10years [J].China Environmental Science, 2019,39(3):897-907.

[14] 李 瑩,趙春生,方圓圓,等.利用衛星資料分析對流層臭氧柱總量分布特征及其可能的原因 [C]. 中國氣象學會2005年年會論文集, 2005.Li Ying, Zhao Chunsheng, Fang Yuanyuan, et al. Using satellite data to analyze the distribution characteristics and possible causes of total tropospheric ozone column [C]. Proceedings of the 2005Annual Meeting of the Chinese Meteorological Society, 2005.

[15] 杜君平,朱玉霞,劉 銳,等.基于OMI數據的中國臭氧總量時空分布特征 [J]. 中國環境監測, 2014,30(2):191-196.Du J P, Zhu Y X, Liu R, et al. Temporal and spatial distribution characteristics of total ozone in China based on OMI data [J].China Environmental Monitoring, 2014,30(2):191-196.

[16] 蒲 茜,李振亮,張 悅,等.重慶市O3污染日的大氣環流分型與傳輸特征[J]. 中國環境科學, 2021,41(1):18-27. Pu Q, Li Z L, Zhang Y, et al. Characterization of atmospheric circulation and transmission in Chongqing City during ozone polluted days [J]. China Environmental Science, 2021,41(1):18-27.

[17] 楊芳園,卞建春,王顥樾,等.基于OMI數據分析青藏高原周邊對流層低層臭氧的分布特征 [J]. 云南大學學報:自然科學版, 2013,35(2): 183-192.Yang F Y, Bian J C, Wang H Y, et al. Seasonal variation of atmospheric ozone in the lower troposphere surrounding the Tibetan Plateau based on OMI satellite date [J]. Journal of Yunnan University: Natural Science Edition, 2013,35(2):183-192.

[18] 宋佳穎,劉旻霞,孫瑞弟,等.基于OMI數據的東南沿海大氣臭氧濃度時空分布特征研究 [J]. 環境科學學報, 2020,40(2):438-449.Song J Y, Liu M X, Sun R D, et al. Temporal and spatial characteristics of atmospheric ozone concentration in Southeast Coast based on OMI data [J]. Acta Scientiae Circumstantiae, 2020,40(2):438-449.

[19] Vasilkov A, Joiner J, Seftor C. First results from a rotational Ra man scattering cloud algorithm applied to the Suomi National Pol ar-orbiting Partnership (NPP) Ozone Mapping and Profiler Suite (OMPS) Nadir Mapper [J]. Atmospheric Measurement Techniques, 2014,7(9):2897–2906

[20] Akinyemi M L. Comparative analysis of total ozone data from satellite EPTOMS and ground-based Dobson instrument at Lagos-Nigeria [J]. Journal of Innovative Research in Engineering and Science, 2011,2: 162–172.

[21] Borderer G E, Scott J C, Kreher K, et al. Global ozone trends in potential vorticity coordinates using TOMS and GOME intercom pared against the Dobson network:1978~1998 [J]. Journal of Geophysical Research, 2001,106:23029–23042.

[22] Rahman M M, Rahman M S, Hai-bing W U. Time series analysis of causal relationship among gdp, agricultural, industrial and service sector growth in Bangladesh [J]. China-USA Business Review, 2011, 10(1):P9-15.

[23] 張亮林,潘竟虎,張大弘.基于MODIS數據的中國氣溶膠光學厚度時空分布特征 [J]. 環境科學學報, 2018,38(11):4431-4439.Zhang L L, Pan J H, Zhang D H. Spatio-temporal distribution characteristics of aerosol optical depths in China based on MODIS data [J]. Acta Scientiae Circumstantiae, 2018,38(11):4431-4439.

[24] 穆少杰,李建龍,陳奕兆,等.2001~2010年內蒙古植被覆蓋度時空變化特征 [J]. 地理學報, 2012,67(9):1255-1268.Mu S J, Li J L, Chen Y Z, et al. Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001~2010 [J]. Acta Geographica Sinica, 2012,67(9):1255-1268.

[25] 黃秋霞.新疆典型區域近地面臭氧濃度特征分析 [D]. 烏魯木齊,新疆大學, 2014.Huang Q X. Analysis of characteristics of near-ground ozone concentration in typical areas of Xinjiang [D]. Xinjiang University, 2014.

[26] 張倩倩,張興嘉.基于衛星和地面觀測的2013年以來我國臭氧時空分布及變化特征 [J]. 環境科學, 2019,40(3):1133-1141.Zhang Q Q, Zhang X J. Ozone spatial-temporal distribution and trend over China since 2013: Insight from satellite and surface observation [J]. Environmental Science, 2019,40(3):1133-1141.

[27] 梅世玉,麻金繼,張 鑫.APEC期間京津冀地區NO2濃度的時空變化特征研究[J]. 大氣與環境光學學報, 2016,11(4):281-287.Mei S Y, Ma J J, Zhang X. Research on the spatio-temporal changes of NO2concentration in the Beijing-Tianjin-Hebei region during APEC [J]. Journal of Atmospheric and Environmental Optics, 2016, 11(4):281-287.

[28] 張遠航,李金龍.中國城市光化學煙霧污染研究 [J]. 北京大學學報(自然科學版), 1998,34(2):392-400.Zhang Y H, Li J L. 1998. Study on photochemical smog pollution in Chinese cities [J]. Journal of Peking University (Natural Science Edition), 1998,34(2):392-400.

[29] 賀克斌.打贏藍天保衛戰需要加快鋼鐵行業超低排放改造 [N]. 中國環境報, 2019-05-06(3).He K B. Winning the blue sky defense battle requires accelerating the ultra-low emission transformation of the steel industry [N]. China Environment News, 2019-05-06(3).

[30] 生態環境部大氣環境司.全國大氣污染防治工作進展及建議 [J]. 環境保護, 2018,46(19):11-15. Ministry of Ecology and Environment. Progress and suggestions on air pollution control in China [J].Environmental Protection, 2018,46(19): 11-15.

[31] 周春艷,王 橋,厲 青,等.近10年長江三角洲對流層NO2柱濃度時空變化及影響因素 [J]. 中國環境科學, 2016,36(7):1921-1930.Zhou C Y, Wang Q, Li Q, et al. Spatio-temporal change and influencing factors of tropospheric NO2column density of Yangtze River Delta in the decade [J]. Chinese Environmental Science, 2016, 36(7):1921-1930.

[32] 黃 鑫,李亞麗,王靖中,等.1980~2016年陜西省冬季霾日數時空變化及增多成因初探[J]. 中國環境科學, 2019,39(9):3671-3681.Huang X, Li Y L, Wang J Z, et al. The spatial-temporal variations of haze in Shaanxi Province from 1980 to 2016 and the initial exploration of the increase [J]. Chinese Environmental Science, 2019,39(9):3671- 3681.

[33] 古 珊,楊顯玉,呂世華,等.基于OMI數據的四川盆地對流層甲醛時空分布特征 [J]. 環境科學學報, 2019,39(9):2860-2872.Gu S, Yang X Y, Lü S H, et al. Spatiotemporal variations in OMI satellite-based tropospheric formaldehyde in Sichuan Basin [J]. Acta Scientiae Circumstantiae, 2019,39(9):2860-2872.

[34] 劉樹華,繆育聰,李 婧,等.京津冀地區大氣邊界層結構與多尺度大氣環流對大氣污染擴散影響研究與展望 [C]. 2017中國環境科學學會科學與技術年會論文集(第1卷), 2017.Liu S H, Miao Y C, Li J, et al. Research and prospect on the influence of atmospheric boundary layer structure and multiscale atmospheric circulation on air pollution diffusion in Beijing-Tianjin-Hebei region [C]. 2017 Proceedings of the Annual Conference of Science and Technology of Chinese Society of Environmental Sciences (Volume 1), 2017.

[35] 奇奕軒.北京北郊夏季臭氧及其前體物污染特征及影響因素研究 [D]. 北京:中國環境科學研究院, 2017.Qi Y X. Research on pollution characteristics and influencing factors of ozone and its precursors in the northern suburbs of Beijing in summer [D]. Beijing: Chinese Academy of Environmental Sciences, 2017.

[36] 周牡丹.氣候變化情景下新疆地區干旱指數及作物需水量預測[D]. 西北農林科技大學, 2014.Zhou M D. Drought Index and Crop Water Demand Forecast in Xinjiang under Climate Change Scenario [D]. Yangling: Northwest A&F University, 2014.

[37] 王金相.西北地區典型能源工業基地排放對局地環境空氣質量的影響 [D]. 蘭州:蘭州大學, 2018.Wang J X. Impact of emissions from typical energy industrial bases in Northwest China on local ambient air quality [D]. Lanzhou: Lanzhou University, 2018.

[38] 李俊華,常化振,陳 亮,等.大氣臭氧前體物NO和VOCs排放控制關鍵技術[C]. 中國大氣環境科學與技術大會暨中國環境科學學會大氣環境分會學術年會, 2012.Li J H, Chang H Z, Chen L, et al. Key technologies for NOand VOCs emission control of atmospheric ozone precursors [C]. China Conference on Atmospheric Environmental Science and Technology and the Annual Conference of the Atmospheric Environment Branch of the Chinese Society of Environmental Sciences, 2012.

[39] 徐建華.中國上空臭氧柱濃度和地面紫外輻射強度的預測 [D]. 北京:北京大學, 2003.Xu J H. Prediction of ozone column concentration and ground ultraviolet radiation intensity over China [D]. Beijing: Beijing University, 2003.

[40] Li M, Zhang Q, Kurokawa J I, et al. MIX: A mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP [J]. Atmospheric Chemistry And Physics, 2017,17:935-963.

Research on ozone column concentration in Xinjiang based on OMI data.

LIU Min-xia*, SUN Rui-di, SONG Jia-ying, ZHANG Ya-ya, LI Bo-wen, YU Rui-xin, LI liang

(College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China)., 2021,41(4)：1498~1510

Using Ozone Monitor (OMI) satellite inversion data, the atmospheric ozone column concentration data in Xinjiang from 2005 to 2018 were extracted and analyzed, and its temporal and spatial distribution pattern and influencing factors were discussed. The results showed that: In terms of time changes, in the past 14years, the atmospheric ozone column concentration in Xinjiang had shown a gradual upward trend. In spatial distribution, the concentration of ozone column gradually decreases from north to south, and the high value areas were concentrated in Altai, northern Tacheng and northern Changji. The low-value areas were concentrated in Hotan, Bayinguoleng Mongolia Autonomous Prefecture and most of the southern parts of Kashgar. In seasonal variation, the ozone column concentration in spring and summer was higher than that in autumn and winter, the high value area appeared alternately in spring and summer, and the winter was slightly higher than that in autumn, but the ozone column concentration in the four seasons showed a gradual upward trend. Stability analysis showed that the concentration of ozone column in the study area showed a distribution pattern of dispersion in the middle, south and north, and concentration in the east and west. Among the natural factors, climatic factors, wind field and altitude all showed significant positive correlation (<0.01); Through backward trajectory tracking, it was found that the northwest and west air flows in the region were the most important transportation routes for ozone, and they accounted for the total airflow trajectories 78.59%, 57.29%. In human factors, the concentration of ozone column had a significant positive correlation with regional GDP, coal consumption, industrial waste gas emission and vehicle ownership (<0.05). Among them, volatile organic compounds (VOCs) mainly comed from industrial sources, followed by traffic sources and residential sources. Generally speaking, the change of ozone concentration was affected by many factors, but air temperature, VOCs emission and absorbing aerosol were the dominant factors.

OMI；Xinjiang Uygur Autonomous Region；ozone column concentration；temporal and spatial distribution characteristics；stability analysis

X515

A

1000-6923(2021)04-1498-13

劉旻霞(1972-),女,甘肅鎮原人,教授,博士,主要從事大氣污染及生態恢復方面的教學科研工作.發表論文50多篇.

2020-08-03

國家自然科學基金資助項目(31360114,31760135)

* 責任作者, 教授, xiaminl@163.com