廣東省臭氧污染天氣型及其變化特征

李婷苑,陳靖揚,翁佳烽,沈 勁,龔 宇

廣東省臭氧污染天氣型及其變化特征

李婷苑1,陳靖揚1,翁佳烽2*,沈 勁3,龔 宇1

(1.廣東省生態氣象中心(珠三角環境氣象預報預警中心),廣東 廣州 510640；2.肇慶市氣象局,廣東 肇慶 526060；3.廣東省生態環境監測中心,廣東 廣州 510308)

結合地面觀測資料、再分析數據和客觀天氣分型方法SOM,分季節、分區域診斷和分析2015～2020年廣東省O3污染天氣型及其變化特征.結果表明,2015～2019年廣東省O3污染逐年上升,其中2017～2019年上升較為明顯,2020年則明顯下降,氣象條件和污染物排放的變化均對O3污染的變化起到重要作用.2017～2020年廣東省干季O3濃度接近或超過濕季O3濃度,干季污染城數亦接近濕季.弱冷高壓脊天氣型是影響廣東省O3污染的主導天氣型,6a期間共造成526個污染城數.干季和濕季O3污染的主導天氣型分別為弱冷高壓脊和臺風外圍,干季弱冷高壓脊天氣型污染天數占比呈明顯上升趨勢,2019～2020年超過濕季臺風外圍天氣型成為影響O3污染最主要的天氣型.在弱冷高壓脊天氣型下,影響四大區域O3污染的外來源輸送路徑主要有東北路和沿海路,濕季珠三角臺風外圍和粵北變性高壓脊天氣型下,區域O3污染則受本地排放影響較大.

廣東省；臭氧；天氣型；變化特征

近地面高濃度的臭氧不僅對人體健康和農作物造成危害[1-3],同時作為溫室氣體,對全球變暖具有一定影響[4-5].廣東省經濟快速發展的同時,大氣污染也較為嚴重[6-8].隨著大氣污染減排工作的不斷推進,廣東省PM2.5濃度呈逐年下降的趨勢,2020年PM2.5年均濃度首次邁入世衛組織第二階段標準[9].然而,近年臭氧濃度卻持續較高且呈上升趨勢[10],于2015年超過PM2.5成為廣東省的首要污染物,且占比逐年升高,成為影響全省AQI達標率的首要因素[11].

地面臭氧是由NO、VOCs等臭氧前體物在一定的氣象條件下通過復雜的光化學反應生成的二次污染物[12-16],其濃度的變化受前體物的排放和氣象條件共同影響[17-19].氣象條件影響地面臭氧的生成、累積和輸送[20],臭氧污染往往發生在高溫、低濕、強輻射的氣象條件下[21-24],廣東省地區因其特殊的地理位置使得該地天氣異常復雜,日照長、氣壓低、2～3級風力亦是造成臭氧污染的重要氣象條件[25],當珠三角受偏西風控制時,下風向地區臭氧濃度最高[26].不同的天氣型影響下氣象要素存在明顯差異[27],天氣型的變化決定了氣象要素周-日尺度的變化,因此天氣型對臭氧濃度的變化起著重要的作用.國際上關于天氣型對臭氧濃度的影響研究開始得較早,在20世紀80年代已有不少相關研究[28-29].我國目前也在易污染天氣方面開展了不少研究[30-32],不同地區天氣型對臭氧濃度的影響不同,暖性、且不利于污染物擴散的天氣型(如鋒前暖區、副熱帶高壓控制等)易造成臭氧污染[33-36].對于珠三角地區,臺風外圍下沉氣流影響下易出現臭氧污染過程[37-39],在臺風外圍影響下一方面易形成逆溫不利于污染物擴散,另一方面可使平流層中的臭氧通過下沉氣流進入對流層,導致臭氧的形成[40],此外,臺風外圍天氣亦可加劇華南地區的生物源BVOCs排放,與人為源協同作用加劇珠三角臭氧污染[41];副熱帶高壓控制下日照強、云量少、風力弱等氣象條件有利于光化學反應生成較高濃度的臭氧而不利于其擴散,臭氧平均值較高[17];在冷暖氣團強度相當或交匯時,大氣擴散能力差,易形成嚴重的空氣污染事件[42].在偏北風和強海陸風環流的作用下,鄉村地區排放的BVOC和氧化產物輸送至下風向的VOC控制區加劇光化學反應和臭氧前體物累積,從而造成嚴重的臭氧污染[43].

前人的研究提高了人們對臭氧污染天氣型的認識,研究方法也漸趨成熟,但目前對廣東省臭氧污染天氣型的研究尚不具系統性,缺乏易污染天氣型的對比分析.本文使用廣東省臭氧濃度觀測數據和ERA5再分析資料,在分析廣東省臭氧濃度變化特征的基礎上,分季節、分區域診斷和分析臭氧污染天氣型及其變化特征,以期為區域臭氧污染聯防聯控提供決策參考.

1 數據與方法

1.1 數據來源

本研究2015～2020年O3質量濃度監測數據來源于廣東省102個國家環境空氣質量監測站,氣象要素監測數據來源于廣東省86個國家氣象站,氣象再分析資料采用歐洲中心ERA5和美國NCEP資料,其中ERA5再分析資料分辨率為0.25°′0.25°,NCEP再分析資料分辨率為1°′1°.

1.2 數據處理方法

(1)根據《環境空氣質量指數(AQI)技術規定(試行)》[44],使用城市內所有國家環境空氣質量監測站小時觀測數據計算臭氧濃度日評價值(最大8h滑動平均),并判別城市臭氧污染等級.

(2)定義某區域一段時間內每日污染城市個數總和為污染城數.

(3)采用歐洲中心ERA5再分析資料,選擇500hPa位勢高度場、海平面氣壓、10m水平風,研究范圍為100°～130°E,10°～40°N,是直接影響廣東省的天氣系統出現的主要區域.本研究基于歐盟COST (歐洲科技合作) 733行動計劃開發的專門的天氣分型軟件COST 733[45],使用自組織神經網絡分析方法(SOM)實現廣東省大氣環流系統分型工作.應用神經網絡非線性機器學習算法對逐日代表環流形勢的多層次多要素數據作為一個整體進行訓練分型,根據分型數量對應的總解釋方差拐點確定為具體天氣型種數.SOM最大的優點是自動尋找樣本中的內在規律和本質屬性,自組織、自適應地改變網絡參數與結構,極大方便尋找最優解.具體步驟為:1)對輸入數據矩陣和競爭層中各神經元對應的權重向量(數量即對應分型結果,算法最后輸出結果為權重向量)全部進行歸一化;2)將輸入模式向量與競爭層的權重向量進行相似性比較(采用歐式距離),并將最相似的權重向量判為競爭獲勝神經元;3)輸出獲勝神經元,調整訓練權重,同時更新學習率和鄰域函數,并重新回到第一步驟繼續訓練,直至學習率衰減至零,神經元權重向量也就趨于聚類中心.為了保證神經元(權重)趨于聚類中心,進行多次上述3個步驟的迭代,項目設置10000次以上迭代運算以保證分型結果的穩定性.

(4)將廣東省劃分為珠江三角洲(以下簡稱珠三角)、粵東、粵西和粵北四大區域,如圖1,其中珠三角包含廣州、深圳、珠海、佛山、惠州、東莞、中山、江門和肇慶9個地市;粵東包含汕頭、潮州、揭陽和汕尾4個地市;粵西包含云浮、陽江、茂名和湛江3個地市;粵北包含梅州、河源、韶關和清遠5個地市.

(4)根據廣東省氣候分析結果,本文使用連平站(114.48°E,24.37°N)、番禺站(113.32°E,22.93°N)、高州站(110.85°E,21.93°N)和惠來站(116.30°E,23.03°N)作為廣東省粵北、珠三角、粵西和粵東區域綜合氣象因子代表站(圖1五角星).

圖1 廣東省區域劃分

后向軌跡模式(HYSPLIT)使用NCEP的全球資料同化系統GDAS的FNL全球分析資料,模擬2015～2020年抵達連平、惠來、高州和番禺10m高度的每日12:00～19:00對應的72h后向軌跡數據.

潛在源區貢獻函數PSCF為經過某一區域的氣團到達觀測點時對應的某要素值超過設定閾值的條件概率,PSCF的值越大代表經過此網格的氣團對接受點的空氣質量影響的概率越大[46].具體公式如下:

式中:m表示當區域內出現某一個或以上城市污染時,軌跡經過網格的軌跡點數;n為經過網格的所有軌跡點數.

PSCF的誤差會隨著網格與采樣點距離增加而增加,當n較小時,會有很大的不確定性.為了減小這種不確定性,引入權重函數W[47]:

WPSCF即為引入權重函數后的概率分布場:

2 結果與討論

2.1 臭氧污染概況

表1統計了2015～2020年廣東省O3-8h濃度和污染城數,2015～2020年O3-8h平均濃度為85μg/m3,平均每年出現O3污染城數為365個,其中輕度污染319個,中度污染42個,重度污染4個.2015～2019年O3污染呈逐年上升的趨勢,O3-8h平均濃度由76μg/m3上升至95μg/m3,污染城數由196個上升至683個,輕度污染城數同樣呈逐年上升的趨勢,中度和重度污染城數則呈波動上升的趨勢,在2018年略有回落.相較于2019年,2020年O3-8h平均濃度及污染城數均明顯下降,O3-8h平均濃度下降了7μg/m3,污染城數由683個下降至325個,下降了52%,其中輕度污染城數下降了295個(51%),中度污染城數下降了52個(56%),重度污染下降了11個(85%).2020年受疫情影響,國家采取了嚴格的管控措施,例如居家建議、限制公共交通、關閉非必要的工廠等,疫情期間NO排放減少了20%～50%[48],加上藍天保衛戰的大力減排措施[49],使得主要受交通和工業源影響的CO濃度在2020年亦顯著低于2019年(圖2),由0.78mg/m3下降至0.67mg/m3,下降了14%,因此2020年O3-8h平均濃度及污染城數的顯著下降可能與污染排放顯著減少有關.

表1 2015～2020年廣東省O3-8h濃度及污染城數年變化

廣東省地處熱帶和亞熱帶季風氣候區,在溫帶和熱帶各類天氣影響下,干濕季明顯是廣東省氣候的基本特征之一.為了解廣東省干濕季O3污染特征,本研究將統計的O3污染分成干季(10月～次年3月)和濕季(4～9月)[50]來對比分析(圖3).廣東省干濕季均可出現O3污染,2015～2019年干濕季O3-8h濃度和污染城數整體上呈現上升的趨勢,2020年均明顯下降.2015～2016年濕季O3-8h濃度明顯高于干季,自2017年起,干濕季O3-8h濃度差異不明顯,甚至在2020年干季O3-8h濃度超過了濕季(高3μg/m3),這與京津冀、長三角等地區的夏季峰值存在明顯差異[51].干季污染城數低于濕季,2016～2017年濕季污染城數顯著高于干季,干濕季平均污染城數分別為225和66個,2018～2020年干濕季污染城數則差異較小.

圖2 2015～2020年廣東省CO濃度逐年變化

圖3 2015～2020年不同季節廣東省O3-8h濃度及污染城數

圖4 2015～2020年廣東省21地市O3污染天數

廣東省O3污染主要分布在珠三角區域內(圖4),2015～2020年珠三角、粵東、粵西和粵北平均污染天數為166,58,64和53d.珠三角各市污染天數介于59～240d之間,珠三角中部和西南部污染天數較大,共有4個地市超過200d,分別為江門、東莞、中山和佛山(污染天數分別為240,231,214和210d);珠三角各市O3污染差異大,珠三角區域內惠州污染天數最低,為59d.粵東各市O3污染較為接近,污染天數介于48～72d之間.粵西各市污染天數介于34～103d之間.粵北各市O3污染差異也較大,各市污染天數介于8～106d之間,其中梅州僅出現8d O3污染,為全省最低.

2.2 臭氧污染天氣型

利用SOM法將2015～2020年影響廣東省的天氣型分為12種環流形勢,分別為臺風外圍(TP)、臺風外圍+冷高壓脊(TPR)、副熱帶高壓(以下簡稱副高, SH)、副高脊+偏南風(SRS)、低壓槽(TR)、東路冷空氣(EC)、西路冷空氣(MC)、中路冷空氣(WC)、弱冷高壓脊(HR)、冷鋒前(FC)、變性高壓脊(DR)和反氣旋環流(AC),以上分型結果幾乎涵蓋日常預報業務中所見的廣東省影響系統,對比分型結果與主觀天氣系統識別結論大體一致,說明SOM分型技術的適用性.

分別計算每種天氣型下廣東省O3污染城數(圖5),可見,造成廣東省污染的天氣型主要為弱冷高壓脊(HR)、臺風外圍(TP)、副高(SH)和臺風外圍+冷高壓脊(TPR)天氣型,污染城數均超過200個.弱冷高壓脊(HR)天氣型是影響廣東O3污染最主要的天氣型,在該天氣型下2015～2020年期間污染城數共為526個,其中輕度污染城數為454個,中度污染城數為66個,重度污染城數為6個.臺風外圍(TP)天氣型造成的重度污染城數最多(7個),該天氣型下共出現364個O3污染城數.

圖5 2015～2020年廣東省不同天氣型下O3污染城數

根據統計結果,按臭氧超標城數由高到低分為3類天氣型(圖6),Ⅰ類高污染天氣型為弱冷高壓脊(HR)天氣型,Ⅱ類中污染天氣型包括臺風外圍(TP)、副高(SH) 2種天氣型,Ⅲ類低污染天氣型為臺風外圍+冷高壓脊(TPR)天氣型.3類天氣型對應的平均污染城數分別為526,345和248個,其中輕度污染城數分別為454,290和223個,中度污染城數分別為66,45和22個,重度污染城數分別為6,6和3個.

圖6 3類O3污染天氣環流形勢

圖中等值線為500hPa高度場,填色為海平面氣壓,箭頭表示10m風矢

為更好地了解3類污染天氣型下氣象條件情況,圖7給出2015～2020年不同天氣型下氣象要素特征,其中ALL為所有天氣型下的氣象要素平均值.

弱冷高壓脊(HR)天氣型下,大陸氣團南下影響廣東,大氣較為干燥,在這種天氣型影響下往往天氣較為晴好(平均日雨量僅1.9mm),濕度較低(76.1%),日照時間較長(5.0h),有利于臭氧的生成.同時,因冷空氣強度較弱,廣東省近地面以弱偏北風為主,這有利于臭氧及其前體物在區域內聚集或向區域內下風向城市輸送,從而容易造成O3污染現象.2015～ 2020年弱冷高壓脊(HR)天氣型共出現222d,占比10.1%,主要出現在冷暖交替的時期,4、10和11月分別出現26,83和84d.

臺風外圍(TP)天氣型、副高(SH)天氣型常常對應高溫、晴熱天氣,使得O3在近地面快速生成,另外,這兩種天氣型均對應大范圍下沉運動,下沉氣流一方面有利于高空O3向近地面輸送,另一方面形成”鍋蓋”使得污染物在近地面累積.2015～2020年臺風外圍(TP)和副高(SH)天氣型共出現176和189d,分別占比8.0%和8.9%,臺風外圍(TP)天氣型主要出現在7～8月(共143d),副高(SH)天氣型則主要出現在9～10月(共150d).

臺風外圍+冷高壓脊(TPR)天氣型為低污染天氣型,臺風屬于低壓系統,而冷高壓脊為高壓系統,當這兩種天氣型共同影響時容易形成較大的氣壓梯度力,加大地面風力(日平均風速達2.3m/s),水平擴散條件好于弱冷高壓脊(HR)和臺風外圍(TP)天氣型,但在該天氣形勢下濕度更低、日照更長,氣象條件更有利于臭氧的生成.臺風外圍+冷高壓脊(TPR)天氣型出現頻率較低,2015～2020年共出現72d,占比3.3%,該類天氣型僅出現在9,10和11月,分別出現24,41和7d.

2.3 不同季節臭氧污染主導天氣型

不同季節的主要影響天氣型往往不同,同一種天氣型在不同季節造成的污染也可能存在差異[52],為研究不同季節的主要污染天氣型,統計廣東省干濕季不同天氣型下O3污染情況,如圖8所示,干季、濕季廣東省區域O3污染的主導天氣型分別為弱冷高壓脊(HR)和臺風外圍(TP).

干季,廣東省區域受東北季風影響較大,影響O3污染過程的主要天氣型為弱冷高壓脊(HR)、臺風外圍和冷高壓脊結合(TPR).2015～2020年弱冷高壓脊(HR)天氣型造成O3輕度污染城數351個、中度污染城數45個、重度污染城數1個,居首位.臺風外圍和冷高壓脊結合(TPR)天氣型造成的污染總城數為155,明顯低于弱冷高壓脊(HR)天氣型.

濕季,影響廣東省區域O3污染過程的主要天氣型為臺風外圍(TP)和副高(SH).在臺風外圍(TP)天氣型下,6a期間共出現輕度污染城數299個、中度污染城數58個、重度污染城數7個,居首位.副高(SH)天氣型亦造成較高污染城數,輕、中、重度污染城數分別為226,33和4個,居第二位.弱冷高壓脊(HR)天氣型下O3污染程度也相對較重,中度污染城數為21個,重度污染城數為4個.

由圖9可以看到,濕季臺風外圍(TP)天氣型污染天數占比呈波動下降趨勢,干季弱冷高壓脊(HR)天氣型污染天數占比呈明顯上升趨勢,干季臺風外圍和冷高壓脊結合(TPR)、濕季副高(SH)無明顯趨勢.2015～2020年干濕季O3污染主要天氣型污染天數平均值分別為:干季弱冷高壓脊(HR) 13d/a,干季臺風外圍和冷高壓脊結合(TPR) 5d/a,濕季臺風外圍(TP) 17d/a和濕季副高(SH) 12d/a.濕季臺風外圍(TP)天氣型污染天數占比在近6a呈波動下降趨勢,其中2016年最高(58%),2020年最低(20%).近6a秋季弱冷高壓脊(HR)天氣型污染天數占比分別是12%、12%、21%、28%、42%和52%,呈明顯上升趨勢,且2019～2020年已超過濕季臺風外圍(TP)天氣型.

圖9 2015～2020年不同季節廣東省O3污染主導天氣型污染天數占比變化趨勢

2015～2020年干季弱冷高壓脊(HR)天氣型出現天數分別為31,21,20,48,37,32d,濕季臺風外圍(TP)天氣型出現天數分別為26,35,17,57,35,6d,即2018～ 2019年干季弱冷高壓脊(HR)天氣型和濕季臺風外圍(TP)天氣型天數明顯較高,加劇臭氧污染的有利氣象條件明顯增加,值得注意的是2017年O3污染干濕季主導天氣型出現天數均較低,2019年干濕季主導天氣型出現天數較2018年也明顯下降,但臭氧濃度卻上升明顯,因此2017和2019年臭氧濃度的上升可能與前體物排放變化密切相關,2018年臭氧濃度上升受氣象條件影響較大.2020年干季弱冷高壓脊(HR)天氣型和濕季臺風外圍(TP)天氣型天數均下降,2020年氣象條件明顯轉好,結合圖2分析,2020年臭氧濃度的下降可能是由于較好的氣象條件與污染物排放減少共同影響.

2.4 不同區域臭氧污染主導天氣型

同種天氣型下不同區域間氣象條件存在差異,因此污染物濃度也往往存在明顯差異[7,39],為了解廣東省不同區域O3污染主導天氣型,表2給出2015～ 2020年不同季節下廣東省四大區域臭氧污染主導天氣型,圖10給出2015～2020年不同季節廣東省四大區域臭氧污染主導天氣型污染天數變化趨勢.

表2 2015～2020年不同季節下廣東省四大區域O3污染主導天氣型

干季,廣東省四大區域主導天氣型均為弱冷高壓脊(HR),在該天氣型下2015～2020年干季各區域污染城數為:珠三角255個、粵西87個、粵東44個、粵北12個.濕季,各區域主導天氣型完全不同,珠三角、粵東、粵西和粵北地區主導天氣型分別為臺風外圍(TP)、反氣旋環流(AC)、副高(SH)和變性高壓脊(DR),污染城數分別為:307,29,23和31個.在主導天氣型下,粵東、粵西和粵北的O3污染城數明顯少于珠三角地區.

干季主導天氣型污染天數在2016～2019年呈逐年上升,濕季主導天氣型污染天數在2018和2019年較高(圖10).結合表1廣東省O3污染逐年變化以及2.3節分析可以發現,2017年干季珠三角和粵西弱冷高壓脊(HR)天氣型污染天數增加與污染物排放變化密切相關.2018年干季珠三角和粵東弱冷高壓脊(HR)以及濕季珠三角臺風外圍(TP)、粵東反氣旋環流(AC)和粵北變性高壓脊(DR)天氣型污染天數均有所增加:2018年干季弱冷高壓脊(HR)、濕季臺風外圍(TP)和變性高壓脊(DR)天氣型出現天數明顯上升,提示加劇臭氧污染的有利氣象條件明顯增加;2018年濕季反氣旋環流(AC)天氣型出現天數為近6a最低,較2017年減少8d(減少29%),但該天氣型下粵東污染天數卻明顯增加,因此2018年污染物排放變化也可能對污染天數增加有一定影響.2019年干季珠三角和粵西弱冷高壓脊(HR)天氣型污染天數明顯增加,分別增加了16d和12d,但該天氣型出現天數較2018年卻明顯下降(11d),因此2019年O3污染上升受污染物排放變化影響較大;2020年干季弱冷高壓脊(HR)天氣型出現天數僅下降5d,但在該天氣型下各區域污染天數下降均超過5d,珠三角地區污染天數下降最為明顯,由29d下降至13d,粵東、粵西和粵北分別下降了6,8和6d,因此除了氣象條件轉好以外,污染物排放減少也是2020年O3污染下降的重要原因.

為了解外來輸送潛在源區對四大區域O3污染的影響,圖11給出四大區域主導污染天氣型下WPSCF分布和軌跡聚類分析,可以看到,在干季弱冷高壓脊(HR)天氣型下,珠三角除了本地周邊存在高WPSCF值(>0.45)外,受東北路和沿海路輸送影響也較為明顯,東北路較高WPSCF值分布于韶關、河源和江西,沿海路較高WPSCF值分布于珠三角東南部到汕尾一帶;粵東主要受福建沿海輸送影響;粵北主要受東北路江西遠距離輸送影響;粵西則主要受東北路的珠三角、粵北和湖南輸送影響.在濕季臺風外圍(TP)天氣型下,珠三角區域O3污染最主要為珠三角區域內城市群輸送,WPSCF大值區覆蓋珠三角全區域,同時,粵北清遠、韶關和粵西陽江也存在WPSCF大值區,說明這些地區對珠三角區域O3污染也可能有一定影響.濕季反氣旋環流(AC)天氣型下,粵東O3污染主要受本區域沿海排放影響.濕季副高(SH)天氣型下,粵西主要受本地排放和廣西東南部排放共同影響.與干季弱冷高壓脊(HR)天氣型相比,濕季變性高壓脊(DR)天氣型粵北受本地影響更大一些,江西南部和珠三角北部僅少量格點存在較高WPSCF值.

圖11 2015～2020年廣東省四大區域主要污染天氣型下軌跡聚類及WPSCF分布特征

3 結論

3.1 2015～2019年O3污染呈逐年上升的趨勢,其中2017～2019年上升較為明顯;2020年O3-8h平均濃度及污染城數均明顯下降,O3-8h平均濃度下降了7μg/m3,污染城數由683個下降至325個,下降了52%.2017和2019年O3污染上升主要受排放變化影響,2018年則主要受不利氣象條件影響,氣象條件轉好和污染物排放減少的共同作用使得2020年O3污染顯著下降.廣東省干濕季均可出現O3污染,2017～ 2020年干季O3濃度接近或超過濕季O3濃度,干濕季污染城數也非常接近.

3.2 造成廣東省污染的天氣型主要為弱冷高壓脊(HR)、臺風外圍(TP)、副高(SH)和臺風外圍+冷高壓脊(TPR)天氣型,其中弱冷高壓脊(HR)天氣型是影響廣東O3污染最主要的天氣形勢,在該天氣型下2015～2020年期間共出現526個污染城數,臺風外圍(TP)天氣型造成的重度污染城數最多(為7個).

3.3 廣東省干季和濕季O3污染的主導天氣型分別為弱冷高壓脊(HR)和臺風外圍(TP),O3污染平均天數分別為13d/a和17d/a.濕季臺風外圍(TP)天氣型污染天數占比在近6a呈波動下降趨勢,干季弱冷高壓脊(HR)天氣型污染天數占比則逐年上升,且2019～ 2020年超過濕季臺風外圍(TP)天氣型成為影響廣東省O3污染最主要的天氣型.

3.4 干季,廣東省四大區域主導天氣型均為弱冷高壓脊(HR);濕季廣東省四大區域主導天氣型完全不同:珠三角為臺風外圍(TP),粵東為反氣旋環流(AC),粵西為副高(SH),粵北為變性高壓脊(DR).在弱冷高壓脊(HR)天氣型下,影響四大區域O3污染的外來源輸送路徑主要有東北路和沿海路,濕季珠三角臺風外圍(TP)和粵北變性高壓脊(DR)天氣型下,區域O3污染受本地排放影響較大.

[1] Pleijel H, Broberg M C, Uddling J. Ozone impact on wheat in Europe, Asia and North America – A comparison [J]. Science of The Total Environment, 2019,664:908-914.

[2] Maji K J, Namdeo A. Continuous increases of surface ozone and associated premature mortality growth in China during 2015～2019 [J]. Environmental Pollution, 2021,269C:116183.

[3] Sharps K, Vieno M, Beck R, et al. Quantifying the impact of ozone on crops in Sub-Saharan Africa demonstrates regional and local hotspots of production loss [J]. Environmental Science and Pollution Research, 2021,28(44):62338-62352.

[4] Wang W C, Liang X Z, Dudek M P, et al. Atmospheric ozone as a climate gas [J]. Atmospheric Research, 1995,37:247-256.

[5] Beaney G, Gough W A. The influence of tropospheric ozone on the air temperature of the city of Toronto, Ontario, Canada [J]. Atmospheric Environment, 2002,36:2319–2325.

[6] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導致能見度下降問題研究 [J]. 氣象學報, 2006,64(4):510-517.

Wu D, Bi X Y, Deng X J, et al. Effect of atmospheric haze on the deterioration of visibility over the Pear River Delta [J]. Acta Meteorologica Sinica, 2006,64(4):510-517.

[7] Li T Y, Deng X J, Li Y, et al. Transport paths and vertical exchange characteristics of haze pollution in Southern China [J]. Science of the Total Environment, 2018,625:1074-1087.

[8] 沈 勁,何 靈,程 鵬,等.珠三角北部背景站臭氧濃度變化特征 [J]. 生態環境學報, 2019,28(10):2006-2011.

Shen J, He L, Cheng P, et al. Characteristics of ozone concentration variation in the northern background site of the Pearl River Delta [J]. Ecology and Environmental Sciences, 2019,28(10):2006-2011.

[9] 廣東省生態環境廳.2020廣東省生態環境狀況公報 [Z]. 廣州:廣東省生態環境廳, 2021.

Guangdong Provincial Department of ecology and environment. 2020Report on the state of Guangdong provincial ecology and environment [Z]. Guangzhou: Guangdong Provincial Department of ecology and environment, 2021.

[10] 沈 勁,楊土士,晏平仲,等.廣東省臭氧污染特征及其成因分析 [J]. 環境科學與技術, 2020,43(12):90-95.

Shen J, Yang T S, Yan P Z, et al. Characteristics and causes of ozone pollution in Guangdong Province [J]. Environmental Science & Technology, 2020,43(12):90-95.

[11] 鄧玉嬌,向昆侖,洪瑩瑩,等.廣東省生態氣象監測公報 [Z]. 廣州:廣東省氣象局, 2021.

Deng Y J, Xiang K L, Hong Y Y, et al. Guangdong Eco-meteorology monitoring bulletin [Z]. Guangzhou: Guangdong Meteorological Service, 2021.

[12] QX/T 240-2014 光化學煙霧判識 [S].

QX/T 240-2014 Identification of photochemical smog [S].

[13] 王紅麗.上海市光化學污染期間揮發性有機物的組成特征及其對臭氧生成的影響研究 [J]. 環境科學學報, 2015,35(6):1603-1611.

Wang H L. Characterization of volatile organic compounds (VOCs) and the impact on ozone formation during the photochemical smog episode in Shanghai, China [J]. Acta Scientiae Circumstantiae, 2015, 35(6):1603-1611.

[14] 陸克定,張遠航,蘇 杭,等.珠江三角洲夏季臭氧區域污染及其控制因素分析 [J]. 中國科學:化學, 2010,40(4):407-420.

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]. Scientia sinica Chimica, 2010,40(4):407-420.

[15] 沈 勁,陳多宏,汪 宇,等.基于情景分析的珠三角臭氧與前體物排放關系研究 [J]. 生態環境學報, 2018,27(10):1925-1932.

Shen J, Chen D H, Wang Y, et al. Study on the relationship between ozone and precursors emission in the Pearl River Delta based on scenario analysis [J]. Ecology and Environmental Sciences, 2018, 27(10):1925-1932.

[16] 鄧思欣,劉永林,司徒淑聘,等.珠三角產業重鎮大氣VOCs污染特征及來源解析 [J]. 中國環境科學, 2021,41(7):2993-3003.

Deng S X, Liu Y L, Situ S P, et al. Characteristics and source apportionment of volatile organic compounds in an industrial town of Pearl River Delta [J]. China Environmental Science, 2021,41(7):2993-3003.

[17] Shen J, Zhang Y H, Wang X S, et al. An ozone episode over the Pearl River Delta in October 2008 [J]. Atmospheric Environment, 2015, 122:852-863.

[18] Yin C Q, Deng X J, Zou Y, et al. Trend analysis of surface ozone at suburban Guangzhou, China [J]. Science of the Total Environment, 2019,695:133880.

[19] 洪瑩瑩,翁佳烽,譚浩波,等.珠江三角洲秋季典型O3污染的氣象條件及貢獻量化 [J]. 中國環境科學, 2021,41(1):1-10..

Hong Y Y, Weng J F, Tan H B, et al. 2021. Meteorological conditions and contribution quantification of typical ozone pollution during autumn in Pearl River Delta [J]. China Environmental Science, 2021,41(1):1-10.

[20] Solomon P, Cowling E, Hidy G, et al. Comparison of scientificfindings from major ozone field studies in North America and Europe [J]. Atmospheric Environment, 2000,34:1885–1920.

[21] Colette A, Andersson C, Baklanov A, et al. Is the ozone climate penalty robust in Europe? [J]. Environmental Research Letters, 2015,10:084015.

[22] Ejimofor C S, Okoro E C, Sivla W T. Effects of elevated humidity on stratospheric ozone content in the tropics [J]. International Journal of Physical Sciences, 2021,15(4):182-193.

[23] 鄧雪嬌,周秀驥,吳 兌,等.珠江三角洲大氣氣溶膠對地面臭氧變化的影響 [J]. 中國科學:地球科學, 2011,41(1):93-102.

Deng X J, Zhou X J, Wu D, et al. Effect of atmospheric aerosol on surface ozone variation over the Pearl River Delta region [J]. Scientia Sinica Terrae, 2011,41(1):93-102.

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

Qi Bing, Niu Y W, Du R G, et al. Characteristics of surface ozone concentration in urban site of Hangzhou [J]. China Environmental Science, 2017,37(2):443-451.

[25] 黃 俊,廖碧婷,吳 兌,等.廣州近地面臭氧濃度特征及氣象影響分析 [J]. 環境科學學報, 2018,38(1):23-31.

Huang J, Liao B T, Wu D, et al. Guangzhou ground level ozone concentration characteristics and associated meteorological factors [J]. Acta Scientiae Circumstantiae, 2018,38(1):23-31.

[26] 劉 建,吳 兌,范紹佳,等.前體物與氣象因子對珠江三角洲臭氧污染的影響 [J]. 中國環境科學, 2017,37(3):813-820.

Liu J, Wu D, Fan S J, et al. Impacts of precursors and meteorological factors on ozone pollution in Pearl River Delta [J]. China Environmental Science, 2017,37(3):813-820.

[27] 許建明,常爐予,馬井會,等.上海秋冬季PM2.5污染天氣形勢的客觀分型研究 [J]. 環境科學學報, 2016,36(12):4303-4314.

Xu J M, Chang L Y, Ma J H, et al. Objective synoptic weather classification on PM2.5pollution autumn and winter seasons in Shanghai [J]. Acta Scientiae Circumstantiae, 2016,36(12):4303-4314.

[28] Wolff G T, Lioy P J. Development of an ozone river associated with synoptic scale episodes in the eastern United States [J]. Environmental Science and Technology, 1980,14(10):1257-1260.

[29] Heidorn K C, Yap D. A synoptic climatology for surface ozone concentrations in southern Ontario, 1976～1981 [J]. Atmospheric Environment, 1986,20:695-703

[30] Zhang Y, Mao H, Ding A, et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3levels in Hong Kong during 1999～2011 [J]. Atmospheric Environment, 2013,73:41-50.

[31] Wang N, Ling Z H, Deng X J, et al. Source contributions to PM2.5under unfavorable weather conditions in Guangzhou city, China [J]. Advances in atmospheric sciences, 2018,35:1145-1159.

[32] 尹曉梅,朱 彬,熊亞軍,等.2007～2016年北京天氣分型與霾日的關聯 [J]. 中國環境科學, 2020,40(1):123-134.

Yin X M, Zhu B, Xiong Y J, et al. Objective analysis on circulation types and its links to haze days over Beijing during 2007～2016 [J]. China Environmental Science, 2020,40(1):123-134.

[33] 唐貴謙,李 昕,王效科,等.天氣型對北京地區近地面臭氧的影響 [J]. 環境科學, 2010,31(3):573-578.

Tang G Q, Li X, Wang X K, et al. Effects of synoptic type on surface ozone pollution in Beijing [J]. Environmental Science, 2010,31(3):573-578.

[34] 王 宏,林長城,陳曉秋,等.天氣條件對福州近地層臭氧分布的影響 [J]. 生態環境學報, 2011,20(8/9):1320-1325.

Wang H, Lin C C, Chen X Q, et al. Effects of weather condition on surface ozone distribution in Fuzhou [J]. 2011,20(8/9):1320-1325.

[35] 常爐予,許建明,瞿元昊,等.上海市臭氧污染的大氣環流客觀分型研究 [J]. 環境科學學報, 2019,39(1):169-179.

Chang L Y, Xu J M, Qu Y H, et al. Study on objective synoptic classification on ozone pollution in Shanghai [J]. Acta Scientiae Circumstantiae, 2019,39(1):169-179.

[36] 任萬輝.沈陽地區臭氧污染日時空變化特征及天氣分型研究 [J]. 中國環境監測, 2021,37(4):75-82.

Ren W H. Study on spatial and temporal variation characteristics of ozone pollution and weather classification in Shenyang [J]. Environmental Monitoring in China, 2021,37(4):75-82.

[37] 岳海燕,顧桃峰,王春林,等.臺風“妮妲”過程對廣州臭氧濃度的影響分析 [J]. 環境科學學報, 2018,38(12):4565-4572.

Yue H Y, Gu T F, Wang C L, et al. Influence of typhoon Nida process on ozone concentration in Guangzhou [J]. Acta Scientiae Circumstantiae, 2018,38(12):4565-4572.

[38] Deng T, Wang T J, Wang S Q, et al. Impact of typhoon periphery on high ozone and high aerosol pollution in the Pearl River Delta region [J]. Science of the Total Environment, 2019,668:617-630.

[39] 高曉榮,鄧雪嬌,譚浩波,等.廣東四大區域污染過程特征與影響天氣型分析 [J]. 環境科學學報, 2018,38(5):1708-1716.

Gao X R, Deng X J, Tan H B, et al. Characteristics and analysis on regional pollution process and circulation weather types over Guangdong Province [J]. Acta Scientiae Circumstantiae, 2018,38(5):1708-1716.

[40] Jiang Y C, Zhao T L, Liu J, et al. Why does surface ozone peak before a typhoon landing in Southeast China? [J]. Atmospheric Chemistry & Physics, 2015,15:13331-13338.

[41] Wang N, Huang X, Xu J W, et al. Typhoon-boosted biogenic emission aggravates cross-regional ozone pollution in China [J]. Science Advances, 2022,8:eabl6166.

[42] 范紹佳,王安宇,樊 琦,等.珠江三角洲大氣邊界層特征及其概念模型 [J]. 中國環境科學, 2006,26(Suppl.):4-6.

Fan S J, Wang A Y, Fan Q, et al. Atmospheric boundary layer features of Pearl River Delta and irs conception model [J]. China Environmental Science, 2006,26(Suppl.):4-6.

[43] Wang H L, Wu K, Liu Y M, et al. Role of heat wave-induced biogenic VOC enhancements in persistent ozone episodes formation in Pearl River Delta [J]. Journal of Geophysical Research: Atmospheres, 2021, 126(12):1-19.

[44] HJ 633-2012 環境空氣質量指數(AQI)技術規定(試行) [S].

HJ 633-2012 Technical regulation on ambient air quality index (on trial) [S].

[45] Philipp A, Bartholy J, Beck C, et al. Cost733 cat-A database of weather and circulation type classifications [J]. Physics and Chemistry of the Earth, 2010,35:360-373.

[46] Begum B A, Kim E, Jeong C H, et al. Evaluation of the potential source contribution function using the 2002 Quebee forest fire episode [J]. Atmospheric Environment, 2005,39(20):3719-3724.

[47] Polissar A V, Hopke P K, Paatero P, et al. The aerosol at Barrow, Alaska: long-term trends and source locations [J]. Atmospheric Environment, 1999,33(16):2441-2458.

[48] Ding J, van der A R J, Eskes H J, et al. NOx emissions reduction and rebound in China due to the COVID-19crisis [J]. Geophysical Research Letters, 2020,47:e2020GL089912.

[49] 廣東生態環境.廣東省啟動2020年藍天保衛戰百日沖刺行動 [Z]. https://www.mee.gov.cn/ywdt/dfnews/202010/t20201008_801985.shtml, 2020.

Guangdong Ecological Environment. Guangdong province has launched a 100-day sprint for Blue Sky Protection Campaign in 2020 [Z]. https: //www.mee.gov.cn/ywdt/dfnews/202010/t20201008_801985.shtml, 2020.

[50] 陳創買,鄭德娟,趙仲輝.廣東干濕氣候的特征 [J]. 熱帶氣象學報, 1997,13(3):193-200.

Chen C M, Zheng D J, Zhao Z H. Features of climate of dryness and wetness in Guangdong [J]. Journal of Tropical Meteorology, 1997, 13(3):193-200.

[51] 張遠航,鄭君瑜,陳長虹,等.中國大氣臭氧污染防治藍皮書(2020年) [Z]. 北京:中國環境科學學會臭氧污染控制專業委員會, 2020.

Zhang Y H, Zheng J Y, Chen C H, et al. China blue book ofatmospheric ozone pollution prevention and control (2020) [Z]. Beijing: Professional Committee of Ozone Pollution Control, Chinese Society of Environmental Sciences, 2020.

[52] 翁佳烽,梁曉媛,譚浩波,等.基于K-means聚類分析法的肇慶市干季PM2.5污染天氣分型研究 [J]. 環境科學學報, 2020,40(2):15-29.

Weng J F, Liang X Y, Tan H B, et al. Objective synoptic classification on PM2.5pollution during dry season based on K-means in Zhaoqing [J]. Acta Scientiae Circumstantiae, 2020,40(2):373-387.

Ozone pollution synoptic patterns and their variation characteristics in Guangdong Province.

LI Ting-yuan1, CHEN Jing-yang1, WENG Jia-feng2*, SHEN Jin3, GONG Yu1

(1. Guangdong Ecological Meteorological Center (Pearl River Delta Center for Environmental Meteorology Prediction and Warning), Guangzhou 510640, China；2.Zhaoqing Meteorology Bureau, Zhaoqing 526060, China；3.Guangdong Environment Monitoring Center, Guangzhou 510308, China)., 2022,42(5)：2015～2024

Based on the surface observation data, reanalysis data as well as the SOM objective classification method, ozone pollution synoptic patterns and their variation characteristics in Guangdong (GD) during 2015～2020 were diagnosed and analyzed by different seasons and regions. The ozone pollution kept an upward tendency year by year from 2015 to 2019, with an impressive increase from 2017 to 2019 but a dramatic decrease in 2020. Changes in meteorological conditions and pollutant emissions played an important role in the variation of O3pollution. The ozone concentration in dry season was close to or higher than that in wet season, and the number of polluted cities during dry season was also close to wet season. Weak cold high ridge (HR) was the dominant synoptic pattern affecting the ozone pollution, which caused 526cities over standard during 6years. The dominant synoptic patterns of ozone pollution in GD were HR and typhoon periphery (TP) in dry and wet season, respectively. The proportion of pollution days under the control of HR in dry season raised obviously, which surpassed TP in wet season and became the most important weather type affecting ozone pollution. Under the control of HR, the transport paths of ozone in four regions mainly included northeast path and coastal path. Regional ozone pollution in PRD and North-GD were greatly affected by local emissions under the control of TP and DR in wet season, respectively.

Guangdong；ozone；synoptic patterns；variation

X511

A

1000-6923(2022)05-2015-10

李婷苑(1988-),女,廣東興寧人,高級工程師,碩士,主要從事環境氣象研究.發表論文10余篇.

2021-10-13

廣東省重點研發計劃項目(2020B1111360003);國家重點研發計劃項目(2019YFC0214605,2018YFC0213902);廣東省氣象局科技創新團隊項目(GRMCTD202003);廣東省氣象局科學技術研究項目(GRMC2020M12);肇慶市科技計劃項目(2021040302007)

* 責任作者, 工程師, wengjiaf@mail2.sysu.edu.cn