COVID- 19疫情期間城郊森林公園O3變化對NO2減排響應的多重分形模式

張 嬌, 劉春瓊, 吳 波,杜 娟, 史 凱,*

1 吉首大學數學與統計學院, 吉首 416000 2 吉首大學生物資源與環境科學學院, 吉首 416000

2020年始,新型冠狀病毒肺炎(COVID- 19)疫情在全世界蔓延[1- 2],中國各地區廣泛實施了包括封閉城市在內的嚴格防控措施,以遏制疫情的蔓延[3- 4]。人類生產生活的急劇減少導致大氣污染物人為排放大大降低[5- 6]。因此對生態環境來說,疫情的發生相當于進行了一場代價極為昂貴的污染減排實驗,這也為探究自然生態系統中大氣污染的本征演化規律提供了極為難得的機會[7]。

張家界國家森林公園擁有獨特的原始自然生態系統和地貌景觀,是世界自然遺產地和國家5A級風景名勝區,成為中外著名的旅游勝地,旅游產業已成為張家界主要的經濟支柱產業[8- 9]。旅游旺季期間,隨著旅游人數猛增,機動車使用量和餐飲油煙排放都將大大增加,導致二氧化氮(NO2)污染排放急劇增加。而淡季期間,人類旅游活動的減少使得NO2的排放大大降低。因此張家界大氣NO2濃度波動的多尺度變異性特征,尤其是局部極端波動過程,蘊含著人類旅游活動的印跡和信息。同時,NO2是臭氧(O3)的重要前體物之一[10- 11]。直接排入大氣中的氮氧化物NOx(NO和NO2)和揮發性有機物(VOCs)等在光照及高溫條件下經過一系列復雜光化學反應生成二次污染物O3[12- 15]。2020年,由于疫情原因導致春季旅游旺季期間張家界游客銳減,城區與森林公園內NO2濃度也隨之降低。因而疫情期間NO2銳減有可能直接影響著城區和森林公園大氣O3的污染演變特征。對比分析疫情期間與過去同期大氣觀測數據,研究張家界不同生態功能區O3濃度變化對疫情期間NO2污染急劇減排的響應特征及演變動力機制,有助于進一步理解張家界不同生態功能區的O3生成機制差異,這將為森林生態系統功能維護及張家界景區污染排放控制策略的制定提供科學依據。

然而,O3生成是一個復雜的非線性光化學過程[16-17]。不僅與其前體物NOx和VOCs的排放有關,還受到氣象條件、地形等下墊面復雜特征的影響,各種影響要素之間相互作用和關聯[18- 19],使得O3濃度變化與NO2排放在不同時間尺度下存在高度非線性關系[20-23]。傳統的統計學方法難以精準刻畫O3及其前體物之間相互作用的復雜非線性特征。分形方法能從宏觀、整體的角度表征和分析大氣污染物隨時間演化的內在標度規律及其復雜非線性特征[24- 25]。多重分形去趨勢互相關分析(MFDCCA)[26]是多重分形中重要的分析方法之一,可為研究不同濃度波動下O3與其前體物之間互相關性的復雜非線性演化特征提供新的研究手段。目前,該方法已被應用到大氣環境領域中。例如,Zhang等[27]基于MFDCCA方法研究發現北京和香港細顆粒物濃度與4個氣象因子的互相關關系具有多重分形和反長期持續性特征。Shen等[28]基于MFDCCA方法研究發現南京市空氣污染指數與不同氣象因素之間的互相關關系具有不同的長期持續性特征。目前尚未將MFDCCA方法應用于研究森林生態系統內NO2與O3之間復雜非線性相關關系,應用該方法能有效的提取二者互相關的長期持續性等非線性特征。Bak等[29]創建自組織臨界態(SOC)理論為闡釋大氣系統中污染物濃度演化的長期持續性主導機制提供可靠的工具。因此引入MFDCCA和SOC理論研究張家界不同生態功能區大氣O3濃度演變對NO2減排響應特征具有重要意義。

為揭示張家界不同生態功能區O3濃度變化對疫情期間NO2污染急劇減排的響應機制,本文以疫情發生期間與過去同期張家界各監測點NO2、O3小時平均濃度數據為基礎資料,應用MFDCCA方法對比分析不同時期O3和NO2之間相互作用的多重分形特征,并基于SOC理論闡明不同生態功能區NO2污染急劇減排對O3生成的非線性動力學影響。以期揭示自然生態系統大氣環境質量隨人類旅游活動變化響應機制,并科學評估人類旅游活動對自然景區的影響。

1 材料與方法

1.1 研究區域與對象

COVID- 19爆發之后,張家界采取了相對嚴格的交通管制措施,使得2020年3—5月旅游旺季期間旅游人數銳減。本文選取2020年3月1日—5月31日疫情期間與2019年3月1日—5月31日非疫情期間張家界不同生態功能區NO2、O3小時平均濃度數據為研究資料。數據來源于全國城市空氣質量實時發布平臺。由于停電、設備故障等非人為原因,研究時段內NO2、O3濃度數據有所缺失,故選取數據缺失較少的未央路、永定新區和袁家界站點進行研究,其缺失率均低于2.25%。其中,未央路監測點位于森林公園景區入口處,車流量較大,私家車和旅游客運汽車尾氣排放是主要大氣污染源；永定新區位于張家界市區內,交通排放和生活餐飲油煙排放是其主要大氣污染源；袁家界監測點位于張家界國家森林公園內,森林覆蓋率高達98%以上,天然植被類型多樣化[9],主要反映了張家界自然植被生態系統大氣成分背景特征。此外對于缺失數據,采用缺失數據前一時刻和后一時刻監測濃度值的算術平均值進行填補,如果前后時刻的數據也缺失,使用缺失數據前一天和后一天同時刻的數據取算術平均值代替。3個站點各年NO2和O3研究數據均為2208個。

1.2 NO2和O3時間序列基本統計量

NO2和O3濃度序列基本統計量如表1所示。受疫情影響,2020年未央路、永定新區和袁家界站點NO2平均濃度較2019年分別下降47.70%、2.21%、25.10%。這顯示出疫情的發生造成了NO2的急劇減排。未央路站點NO2的平均濃度減幅遠大于其他兩個站點,這主要是未央路站點位于森林公園景區入口處,疫情期間旅游人數銳減,使得私家車和旅游客運汽車等尾氣排放顯著減少。此外,2020年未央路、永定新區站點O3平均濃度較2019年分別降低2.79%和3.40%,而袁家界站點O3濃度卻升高了9.70%。COVID- 19期間前所未有的氮氧化物減排反而促進了自然森林生態系統中O3的生成。從峰度和偏度值來看,NO2和O3濃度時間演化并不服從正態分布,這暗示著NO2和O3濃度波動變化可能源于非線性動力系統。

表1 各監測站點2019—2020年3至5月NO2、O3濃度的基本統計量

各站點NO2、O3小時平均濃度的日變化規律如圖1所示,2019年所有站點NO2日變化均呈現出明顯的雙峰狀“M”型,這是典型人類旅游活動日變化規律造成的。永定新區NO2濃度最高,因為城區內機動車流量大使得交通尾氣排放量高于其他站點。袁家界站點NO2濃度總體最低,這是由于張家界國家森林公園內主要采用電動車輛出行,受交通污染影響最小,其NO2主要可能來源于景區外排放源的污染輸送。2020年袁家界站點NO2日變化規律幾乎表現為一條直線,基本上不展示出人類旅游活動的影響。

各年各站點O3的日變化均呈現類似的單峰狀特征。其中,未央路和永定新區站點O3日變化具有一致性,而袁家界站點O3日變化較為平緩,且濃度值明顯高于其他站點。這可能與森林公園內NO2濃度日變化規律較為平緩以及森林系統中天然VOCs排放量較大有關。2020年袁家界站點O3濃度值較高,這是由于疫情期間氮氧化物的減排使得NO排放大幅減少,降低了對O3的滴定消耗作用。

由于疫情防控措施的實施,大氣污染濃度發生了一定的變化,這說明污染物的排放和空氣質量明顯受到人類生產生活活動的變化影響。春季旅游旺季期間,張家界平均氣溫為11.8—12.2℃,平均降水量在18.1—22.1 mm之間,平均風力3級左右。在這兩個研究時段內,張家界氣象條件變化不大。因此通過對比2019年和2020年3—5月期間張家界3個站點O3和NO2的多尺度非線性相關作用的變化,可以突出反映疫情導致的人為旅游活動減少對不同生態系統功能區造成的影響。

圖1 三個監測點2019—2020年春季期間NO2、O3濃度日變化規律Fig.1 Diurnal variation of NO2 and O3 concentrations in three monitoring stations in spring from 2019 to 2020

1.3 研究方法

1.3.1多重分形去趨勢互相關分析(MFDCCA)方法

多重分形去趨勢互相關分析(MFDCCA)由Zhou等在DCCA方法基礎上建立的一種新的統計方法,用以識別兩組非平穩時間序列之間在不同時間尺度上互相關性的多重分形特征[27,30]。

首先,通過兩組非平穩序列x(i),y(i)重構序列X(i)和Y(i)：

(1)

其次,將新序列X(i)和Y(i)劃分為互不重疊的等長區間Ns

(2)

其中s是時間尺度。

(3)

此時v=1,2,…,Ns,和

(4)

此時v=Ns+1,Ns+2,…,2Ns。

然后計算序列q(q≠0)階互相關波動函數Fq(s),即

(5)

(6)

若x(i)=y(i),則MFDCCA等同于多重分形去趨勢波動分析(MFDFA)。當q=2時,該算法等效于去趨勢互相關分析(DCCA)方法。最后,若x(i)和y(i)具有長期冪律互相關性,那么s、Fq(s)及廣義互相關指數h(q)應滿足以下冪律關系：

Fq(s)∝sh(q)

(7)

當q=2時,DCCA標度指數h(2)與Hurst指數具有相似的性質。h(2)=0.5表示兩序列之間沒有互相關關系。h(2)>0.5代表兩序列之間呈現出長期冪律互相關性,即一個變量極大值可能會在未來一定時間尺度內導致另一個變量極大值的產生,兩變量之間的相關性具有長期持續性特征。h(2)<0.5則相反。

如果h(q)隨著q的增加而單調遞減,則表明兩序列之間互相關性具有多重分形特征。多重分形的強度可通過h(q)的范圍來計算,

Δh=Maxh(q)-Minh(q)

(8)

當Δh越大,多重分形性越強。即不同波動程度下,序列之間互相關性的長期持續性特征具有更強的多時間尺度變異性。與單一分形的長期持續性特征相比,多重分形結構賦予了多時間尺度上兩個序列之間長期互相關作用子集的復雜變異性特征。不同時間尺度上,兩個變量長期互相關作用子集相互嵌套和集聚,反映著復雜相互作用模式在多時間尺度演化的高度非線性和自相似特征。因此,h(2)和Δh參量為更準確和精細的刻畫兩個變量相互作用的非線性關系提供了一種異于傳統隨機過程中正態分布統計量的有效途徑。

1.3.2自組織臨界理論(SOC)

Bak等[29]于1987年創建自組織臨界(SOC)理論,用于解釋復雜系統中長期持續性特征的產生動力學機制。SOC系統包含許多發生非線性和短程近鄰相互作用的組元,在外界物質及能量的輸入驅動下,系統將自發地向臨界狀態演化。當一個系統達到臨界狀態時,系統內各組元相對穩定,整個系統表現出滿足冪律分布的時空關聯。外界發生一個微小的局部擾動可能會引發連鎖反應,使該復雜系統發生各種規模的“雪崩”,從而導致大規模事件的發生,影響整個系統。這種臨界狀態下各組元間的非線性動態行為,服從具有長期持續性及標度不變性的冪律統計分布[31-32]。因此,長期持續性特征和冪律統計分布可以作為系統具有 SOC 特性的表征。如果O3濃度波動演化具有SOC特性,則意味著O3濃度波動滿足冪律統計規律,

P(Δc)=A×Δc-λ, 即ln(P(Δc))∝-λln(Δc)

(9)

其中Δc(Δc=cn+1-cn)是O3濃度波動值,cn為n時刻O3濃度,A為無綱量參量,P(Δc)為Δc0所出現的概率,λ是衡量標度不變性結構的冪律指數。此時,O3濃度波動大小的發生頻率隨波動大小呈現冪指數下降,這種情況下O3濃度波動沒有典型的特征濃度,具有標度不變性特征。這種特征與隨機變量的正態分布結構完全不同,在具有正態分布的特征變量中,都存在典型特征值(即平均值)。

如果O3濃度波動還未達到自組織臨界狀態,而處于亞臨界狀態時,則不滿足冪律統計分布規律。有研究認為,拉伸指數分布是系統處于亞臨界狀態的特征,O3濃度波動分布滿足

P(Δc)=D×exp(-BΔcσ), 即ln(ln(P(Δc))∝σln(Δc)

(10)

其中B、D為無綱量參數,σ為拉伸指數。O3濃度波動的拉伸指數概率分布表明O3濃度演化尚未具有標度不變性結構,類似于正態分布,其某些典型特征濃度值出現的概率相對較大。

2 結果和討論

2.1 NO2和O3互相關的長期持續性特征

首先應用MFDCCA方法對2019和2020年3個站點O3和NO2濃度互相關的長期持續性特征進行研究,計算結果如圖2所示。q=2時,各站點lnFq(s)-ln(s)均滿足線性關系。其斜率擬合結果見表2所示。各年各站點NO2和O3互相關性的h(2)值均大于0.5。這意味著NO2和O3互相關性存在較強的長期持續性特征。該特征表現為,在一定時間尺度內NO2和O3之間的互相關函數隨時間的衰減不遵循經典的馬爾可夫函數(Markov Function),即隨時間變化的互相關函數不呈現指數形式的快速衰減模式,而是以一種緩慢衰減的冪律形式進行。這也意味著過去某一時段內NO2濃度的變化模式將在未來一定尺度內持續性的影響著O3的變化趨勢。

圖2 各站點2019—2020年NO2和O3波動MFDCCA分析的雙對數波動曲線圖Fig.2 The lnFq(s)- ln(s) between O3 and NO2 at different stations in 2019 and 2020, Zhangjiajie

從表2還可發現,2020年3個站點的h(2)值顯著高于2019年。3個站點增高幅度分別為33.3%,17.1%和7.7%,這一現象可以結合疫情期間人類活動排放劇減進行理解。

疫情期間交通尾氣排放的NO也大大減低,造成O3的滴定消耗隨之大大減弱。同時,O3生成前體物NOx的急劇減少勢必減弱了大氣光化學反應的程度,這樣O3及NO2在大氣中將更加持久性的累積存在,從而造成過去某一時刻NO2將更加持續性的影響未來O3濃度變化趨勢。這也是2020年NO2和O3之間互相關性的長期持續性增強的主要原因。同時,袁家界站點h(2)增值明顯小于其他兩個站點。這是因為和城區相比,森林公園內豐富的植被會排放大量的高活性生物質VOCs。即使在疫情期間人為源大幅度削減的情況下也可提供豐富的O3生成前體物質以繼續維持相對活躍的大氣光化學反應,削弱了O3及NO2在大氣中的累積效應,導致袁家界站點h(2)增值不大。

表2 各站點2019年—2020年MFDCCA計算h(2)和Δh值

2.2 NO2和O3之間互相關性的多重分形特征

根據圖2,各年各站點lnFq(s)-ln(s)擬合直線在不同的q值下斜率不同,這種不同波動程度下的長期持續性變異性需要進一步利用多重分形方法進行定量刻畫。計算結果見圖3。當q從-20到20變化時,h(q)隨著q的增大呈單調遞減趨勢,這表明NO2和O3之間存在不同的非線性依賴關系,具有明顯的多重分形性特征。

各站點NO2和O3互相關性的Δh計算結果見表2。各年Δh值均大于0,表明NO2和O3互相關性演化特征具有多重分形本質。從表2中可以看出兩個顯著性的規律。首先,從整體來看,2019和2020年袁家界站點Δh值比其他兩個站點高。主要原因在于：袁家界站點植被覆蓋率遠高于未央路和永定新區站點。豐富的植物排放的植物源揮發性有機化合物(BVOCs)遠超過人為源揮發性有機化合物 (AVOCs),占總揮發物的90%以上[33-34]。因此,袁家界站點BVOCs總量往往處于飽和狀態,使得其NO2和O3之間的相互作用程度增強。另一方面,由于樹種、樹齡、氣溫等因素影響,不同樹種BVOCs的化學成分、排放速率和排放量也有所不同[35-37],這將導致NO2和O3互相關性的變異性增強,從而袁家界站點Δh值比其他站點高。

其次,2020年3個站點的Δh值均低于2019年,下降幅度分別為2.6%,2.5%和12.1%。主要原因在于：疫情期間,NO2和VOCs等前體物濃度的大大減少,減弱了大氣光化學反應的程度。這使得NO2和O3濃度波動在時間尺度上相對均勻,不同波動程度下二者相互作用的時間變異性減弱,從而2020年各站點Δh值相對于2019年有所下降。

為說明NO2和O3互相關的長期持續性在多重分形結構產生過程中的作用,本文進一步對原始NO2和O3序列進行隨機重排處理,破壞序列內所有互相關性性質,保留其尖峰胖尾概率分布特征,產生NO2和O3波動的隨機重排序列,并用MFDCCA方法對其進行分析,計算結果如圖3所示。當q=2時,2019和2020年各站點隨機序列的h(2)值接近0.5,表現出完全隨機的特征,序列之間不存在內在的相關性。同時,隨機和原始序列的多重分形結構差異巨大,這說明NO2與O3之間互相關的長期持續性是導致其多重分形結構形成的重要因素。

圖3 各站點2019—2020年NO2和O3波動q階廣義Hurst指數圖Fig.3 The generalized Hurst index between O3 and NO2 at different stations in Zhangjiajie

2.3 O3生成的自組織臨界機制

上述討論發現NO2與O3互相關的多時間尺度長期持續性特征對O3的生成發揮重要作用。然而究竟是什么宏觀動力機制控制著長期持續性的形成？為了說明該宏觀動力機制,本文首先對2019和2020年各站點O3濃度波動進行了頻度統計分析。圖4給出了各年各站點O3小時平均濃度波動的累積頻率統計分布,具體分布函數關系見表3。袁家界站點O3的累積頻率統計分布服從類似方程(9)的負冪律分布,O3演化處于自組織臨界狀態。此時高濃度O3波動和低濃度O3波動的出現概率相等。而未央路和永定新區站點的O3累積頻率統計分布服從類似公式(10)的拉伸指數分布,O3濃度波動還處于亞臨界狀態,某些典型特征濃度值出現的概率相對較大。

圖4 2019和2020年各站點O3小時平均濃度波動的累積統計分布Fig.4 Cumulative distribution of O3 pollution at different stations in 2019 and 2020

表3 張家界未央路、永定新區、袁家界站點O3波動累積統計分布擬合函數關系

袁家界站點O3濃度波動是開放、耗散大氣巨系統,在前體物質作用下的復雜動力現象,其冪律統計分布的形成與演化既受到微觀的大氣光化學機制作用,同時也是多尺度宏觀系統動力學長期相關作用的結果。

為進一步說明張家界國家森林公園森林生態系統中O3濃度波動涌現出負冪律統計分布的SOC 機制,將O3演化與自組織臨界的沙堆系統進行類比分析。真實物理沙堆系統是SOC的典型范例[38]。在圓盤上通過逐粒加沙構造沙堆,當沙堆的傾角達到臨界狀態時,系統中加入的沙粒數量與沙堆崩塌掉落在圓盤之外的沙粒數量總體平衡。新添加的沙粒(系統的輸入)可能停留在沙堆上,也有可能引起沙堆表面的小范圍滑動,甚至造成更大規模的崩塌。宏觀上,沙粒崩塌規模與其出現頻率呈現負冪律統計分布[39- 40]。對于森林生態系統中的O3濃度演化來說,其前體物VOCs主要來自于植物排放的BVOCs, NO2主要來自于景區外人類活動中機動車排放。前體物之間的復雜光化學作用造成O3生成,這個過程類似于一個平板,持續投入沙粒,這些輸入的物質或能量是森林生態系統中O3演化的直接驅動力。同時,森林大氣系統中局域光化學作用導致的O3濃度上升將增強大氣氧化能力,加劇光化學反應生成其他光化學產物(如二次氣溶膠),該過程使得O3迅速消耗。二次氣溶膠也可通過碰并凝結、降水洗刷等作用脫離大氣系統。這正如沙堆達到臨界傾斜角后,以崩塌方式清除多余沙粒,維持傾斜角的穩定臨界狀態。這過程中,O3與前體物相互作用的長期持續性可視為沙堆系統中局域沙粒之間相互擠壓的短程相互作用擴散影響到整個系統的作用機制。最終,森林生態系統中,前體物之間非線性光化學作用持續累積生成的O3在一定時間尺度上并不產生持續穩定的O3濃度波動。相反,卻產生類似于沙堆系統的規模大小遵循負冪律分布的非線性濃度波動演化。這樣張家界森林生態系統中O3濃度波動演化過程與真實SOC沙堆系統在物理原型上非常相似。

對于景區以外的未央路和永定新區站點來說,由于城區森林植被覆蓋遠低于森林生態系統,再加上樹種、樹齡、氣溫等因素的影響,大氣系統中VOCs的化學成分、排放速率和排放量將遠低于森林生態系統,使得城區大氣系統中O3前體物難以通過包含更多化學組分的復雜非線性光化學反應讓O3濃度波動快速達到臨界狀態。同時,相對于森林生態系統來說,城區大氣環境更容易受到人類活動的干擾。由于SOC機制是系統內稟機制,當外界力的干擾達到一定程度時,可能破壞系統內在的SOC特征。上述因素導致城市生態系統內的未央路和永定新區站點O3演化尚未達到自組織臨界狀態,而僅處于亞臨界狀態。

從復雜性理論來看,森林生態系統中O3濃度波動的長期動態可表征為多因素局部相互作用、相互影響所導致的宏觀動力學效應。一方面,O3濃度波動表現為城市特定污染排放(包括人類旅游活動過程中交通、餐飲等污染排放)和自然環境要素(包括地形、氣象、太陽輻射等)的綜合影響,這些影響要素具有一定程度的確定性。另一方面,在開放的、耗散的大氣光化學系統中,影響O3生成的因素之間相互作用非常復雜,在不同時間尺度上具有長期持續的非線性相關影響,因而導致O3生成在一定時間尺度上表現為不規則、非線性的變化。這些都是復雜系統的基本特性。長時間尺度宏觀來看,各種確定性和不確定性的影響因素對森林生態系統中O3的生成產生了宏觀“有序”的統計結構,即前述O3演化的冪律指數λ及其與前體物相互作用的DCCA標度指數h(2)和多重分形強度Δh。這些有序性的統計結構越穩定說明自組織演化的動力作用越強。根據2.1節的討論,2020年袁家界站點NO2和O3之間互相關性的長期持續性較2019年顯著增強,這就使得2020年森林生態系統中O3演化的自組織臨界動力機制增強,從而導致高濃度O3的涌現,這是造成2020年袁家界站點O3濃度上升的主要動力原因。而其余站點由于僅達到亞臨界狀態,就無法通過SOC機制涌現形成高濃度O3。因此利用SOC動力機制可以更清晰的闡明2020年疫情期間張家界國家森林公園內O3濃度增高而城區站點O3濃度減低的動力學原因。

高濃度的O3具有很強的氧化性,會對森林生態系統中各種野生動植物造成生理傷害[41- 43]。眾多學者已在野外觀測到森林生態系統受到高濃度O3危害的癥狀[44- 46]。疫情期間張家界城郊型森林公園中O3濃度對NO2集中減排響應的SOC機制的準確識別,這對于高濃度O3的風險評估,有助于科學評估人類旅游活動對森林生態系統造成的影響。

3 結論

本研究基于2020年3月1日—5月31日疫情期間與2019年3月1日—5月31日非疫情期間張家界不同生態功能區NO2、O3小時平均濃度觀測數據,探究了O3濃度變化對疫情期間NO2污染急劇減排的響應機制,結果表明：

(1)張家界森林及城區O3和NO2濃度波動的多時間尺度互相關性均存在較強的長期持續性特征,相對于2019年,2020年各站點NO2和O3之間互相關性的長期持續性分別增強33.3%,17.1%和7.7%,說明NO2在大氣中將更加持久性的影響未來O3的濃度演化。

(2)張家界各站點NO2和O3之間互相關性存在顯著的多重分形特征,其多重分形性的產生根源主要來自二者之間互相關性演化的長期持續性動力機制。2020年各站點NO2和O3之間互相關性的多重分形強度分別下降了2.6%,2.5%和12.1%,說明疫情期間NO2和O3之間互相關性的時間變異性減弱。

(3)袁家界站點O3濃度波動具有負冪律統計分布結構,未央路和永定新區站點O3頻率統計分布服從拉伸指數分布。這表明森林生態系統中O3演化處于自組織臨界狀態,而城區生態系統內O3演化還處于亞臨界狀態。在NO2急劇減排的情況下,該內稟機制使得張家界國家森林公園內O3濃度增高,而城區站點O3濃度減低。準確識別NO2減排下O3演化的自組織臨界特征,將有助于科學評估未來高濃度O3的發生風險。