成都平原夏季臭氧浓度特征分析

Analysis on the Characteristics of Summer Ozone Concentration in Chengdu Plain

摘要: 为了定量分析成都平原地面臭氧浓度特征及其气象成因，利用多个国控监测站点污染物浓度实时数据和中国气象地面观测数据，对2017~2019年夏季成都平原六市的臭氧浓度进行分析。结果表明：1) 夏季成都平原各的市臭氧浓度分布有明显差异，成都市部分地区呈重度污染，雅安市臭氧水平为良。2) 根据月份分析可知，7月臭氧浓度逐年下降，8月臭氧浓度逐年上升。3) O₃浓度日变化呈“单峰型”，8:00左右处于一天中的最低值，16:00左右达峰值。4) O₃为成都平原夏季首要污染物。5) 臭氧浓度与温度呈明显正相关性，与相对湿度呈明显负相关性，与能见度有较好正相关性，与3小时变压有较好负相关性；温度大于25℃、相对湿度小于70%、风速为0~2 m/s时，出现臭氧污染的概率增加。

Abstract: In order to quantitatively analyze the characteristics and meteorological causes of the ground ozone concentration in the Chengdu Plain, and the real-time data of pollutant concentration at multiple national control monitoring sites and the observation data of the Chinese meteorological ground were used to analyze the ozone concentration in 6 cities in the Chengdu Plain in the summer of 2017-2019. The results show that: 1) There are significant differences in the distribution of ozone concentration in the cities of Chengdu Plain in summer. Some areas in Chengdu are heavily polluted, and the ozone level in Ya’an is good. 2) According to monthly analysis, the ozone concentration decreased year by year in July, and the ozone concentration increased year by year in August. 3) O₃ concentration is “single peak”, which is at the lowest value of the day around 8:00, reaching around 16:00 Peak; 4) O₃ is the main pollutant in the Chengdu Plain in summer; 5) The ozone concentration is significantly positively correlated with temperature and negatively correlated with relative humidity. It has a good positive correlation with visibility and a good negative correlation with the 3-hour pressure change; when the temperature is greater than 25˚C, the relative humidity is less than 70%, and the wind speed is 0 - 2 m∙s−1, the probability of ozone pollution increases.

1. 引言

臭氧(O₃)是大气中的重要微量成分，氧气的同素异形体，是一种具有特殊气味的淡蓝色气体。约90%的臭氧分布于平流层中，约10%分布在对流层中 [1]。平流层大气中的臭氧具有阻碍紫外线的作用，具有保护人类与环境免遭伤害的作用。分布在对流层中的臭氧浓度升高将对人类、动植物以及周遭环境会造成巨大影响 [2]。大气臭氧污染会加重呼吸道疾病、损害肺功能、甚至引发心脑血管疾病等危害 [3]，加强臭氧防治具有重要的现实意义 [4]。臭氧也是带起复合型污染最重要的特征污染物 [5]，其污染的形成受到前体物和气象条件的影响 [6] [7] [8] [9]，城市低层臭氧主要是由人类活动排放的挥发性有机物(VOCs)、氮氧化物(NO_x)经过光化学反应生成的 [10]。

自从20世纪50年代，国际上时有光化学烟雾事件发生以来 [11] [12] [13] [14]，我国O₃污染范围不断扩大，也已经形成区域性污染 [15]。目前已知，臭氧对温度变化敏感性较大，且风速对臭氧的扩散和稀释也存在很重要的作用 [16]；臭氧浓度随地形变化明显 [17]；臭氧柱浓度整体呈现中部分散、南北聚集、差异显著的分布格局 [18]；郊区臭氧浓度高于市区，夏季臭氧污染最为严重 [19] [20] [21]。总之，臭氧浓度受多种因素影响，学者普遍认为在温度高、辐射强、相对湿度小的气象条件下更易出现臭氧污染 [22] [23]，且气象条件和NO_X、CO等污染物的浓度对臭氧浓度的影响具有季节特征和日变化特征 [24] [25]。

成都平原位于四川盆地西部，是中国最富饶的平原之一，同时也是四川省人口密度最高、发展最快的区域。近年来，由于经济发展持续加快，城市面积不断扩大，机动车保有量快速增长，由此产生的工业废气、机动车尾气和施工扬尘使得污染日趋严重，区域性大气复合污染严重，又由于地形因素不利于污染物的稀释扩散，成都平原成为四川省内污染最为严重的区域之一 [26]。颗粒物超标状况在四川省内得到有效控制，臭氧污染问题突出 [27]。

2. 数据与方法

2.1. 研究区域与数据来源

本研究所使用的地面污染物浓度来源于成都平原6个城市(成都、绵阳、德阳、乐山、眉山、雅安)共25个国控监测站点(图1)日O_3-8H (为臭氧最大8 h平均浓度)以及臭氧污染严重天数的逐小时臭氧浓度，每个城市的站点数为2~8之间不等，数据来源于中国环境监测总站，严格参照《环境空气质量标准》(GB3095-2012)进行质量控制，同时剔除部分时段由于停电、仪器校准等原因出现的缺测数据。

气象数据采用中国气象数据共享网的中国地面气象站逐日观测资料，在充分考虑数据完整性和代表性等因素后，选取6个台站(图1)数据包括总云量(层)、风向(˚)、风速(m/s)、海平面气压(hpa)、3小时变压(hpa)、6小时降水(mm)、露点(℃)、能见度(km)、温度(℃)、24小时变温(℃)、24小时变压(hpa)、相对湿度等气象要素，数据集原始文件已经经过严格的质量控制和检查。

Figure 1. Spatial distribution map of ozone and weather monitoring stations in the Chengdu Plain

图1. 成都平原臭氧与气象监测站点空间分布

2.2. 评价方法

臭氧的评价方法依据国家环保部颁发的《环境空气质量标准》(GB3095-2012)和《环境空气质量评价技术规范(试行)》(HJ663-2013)规定 [28] [29]，以日历年内城市O_3-8H-90 (臭氧浓度8 h滑动平均的第90百分位浓度)限值160 μg/m³，判定臭氧当天是否超标，以二级标准小时平均浓度限值200 μg/m³，判定臭氧小时是否超标，见表1。通常以日O_3-8H代表一天臭氧污染水平，又根据具体O_3-8H和空气质量指数判定污染强度，见表2。

根据四川省城市环境空气质量综合评价方法中的环境空气质量综合指数评价各城市空气质量。各污染物的环境空气质量指数的月评价方法：污染物i的单项指数I_i按(I_i = Ci/Si)计算，其中Ci为污染物i的月均浓度值；i为SO₂时Si为60、NO₂时Si为40、PM10时Si为70、PM2.5时Si为40 μg∙m⁻³、i为CO时Si为日均浓度的第95百分位数、i为O₃时Si为日最大8小时平均浓度的第90百分位数。计算每一项污染物的单项指数，然后将六项污染物的单项指数相加，即得到综合指数。

Table 1. The limit standard of Ozone concentration

表1. 臭氧的浓度限值

Table 2. O3-8H concentration and its corresponding air quality index and air quality index category

表2. O_3-8H浓度及其对应的空气质量指数和空气质量指数类别

2.3. 分析过程

1) ArcGIS中的反距离加权插值法(IDW)得出2017~2019年成都平原夏季臭氧浓度分布图。2) 以O_3-8H为标准统计2017~2019年夏季成都平原各市每月的超标天数。3) Origin折线图绘制各市2017~2019年夏季逐小时臭氧浓度的月平均值，气泡图绘制气象要素与臭氧浓度的。4) SPSS中的皮尔逊(N)相关性分析计算2017~2019年夏季各城市监测点其他污染物浓度和气象要素与臭氧浓度的相关系数。

3. 臭氧浓度的时空分布特征

3.1. 臭氧浓度的空间分布特征

如图2所示。可知2017年O₃浓度较2018年和2019年整体偏高，且位于成都市中部的高值区域相较于后两年更广泛。根据监测点资料显示成都平原2017年夏季只有成都市大石西路监测点为中度臭氧污染，O_3-8H-90为228.9 μg/m³；2018年夏季O_3-8H-90均未达到中度污染程度；2019年夏季只有成都市十里店监测点中度臭氧污染，O_3-8H-90为219 μg/m³。臭氧夏季轻度污染区域范围在2019年最大，2017年次之，2018年最小。雅安市三年间夏季臭氧浓度指数整体为良，仅有与成都市接壤的边界地带为轻度臭氧污染。乐山市夏季在2017年和2019年均呈现臭氧轻度污染现象。

Figure 2. Distribution map of ozone concentration in the Chengdu Plain in summer

图2. 成都平原夏季臭氧浓度分布图

3.2. 臭氧浓度的时间分布特征

3.2.1. 臭氧月季变化特征

Table 3. The number of days with ozone concentration exceeding the standard in Chengdu Plain

表3. 成都平原臭氧浓度超标天数

表3统计了2017~2019年成都平原各市夏季轻度污染、中度污染、重度污染的天数，综合来看臭氧污染程度：成都 > 眉山 > 德阳 > 乐山 > 绵阳 > 雅安。成都市和雅安市的月季变化趋势基本一致，夏季8月最易出现臭氧浓度高值。绵阳市、德阳市和眉山市相似，臭氧浓度在2017年7月为本年夏季最

Figure 3. Diurnal variation of hourly ozone concentration in summer in Chengdu Plain

图3. 成都平原夏季臭氧小时浓度日变化图

高值，但在2018年和2019年7月为本年夏季最低值；眉山市在2018年6月为本年夏季最高值，但德阳市和绵阳市在2018年8月为本年夏季最高值。雅安市在2017年夏季与2019年夏季趋势反向，2017年与其他市相同在7月达到本年夏季最高值，2018年呈逐渐上升趋势。

3.2.2. 臭氧的日变化特征

由图3可知，成都平原各市夏季O₃小时浓度日变化规律大致相同，均呈“单峰型”分布特征。峰值过后至第二日7:00~8:00臭氧浓度一直降低，主要原因为生成臭氧的光化学反应所需的光照和太阳辐射逐渐减弱，且NO [30] 不断消耗O₃，导致臭氧浓度不断降低，故而一天之内在8:00左右臭氧浓度最低。因9:00以后光照逐渐增强、太阳辐射随之增大以及温度的不断升高，光化学反应加强，臭氧浓度开始积累升高，又由于午后湍流旺盛，使得O₃向下输送，故臭氧浓度在16:00左右达到峰值。但2018年的8月在成都市、德阳市、乐山市、雅安市、眉山市6:00均出现异常升高，引起这种变化的原因可能是湿度、辐射以及风速对臭氧浓度产生一定的影响。观察一天中的峰值，看出在成都市、德阳市、乐山市、雅安市、眉山市，2017年7月的臭氧浓度明显高出其他年份夏季臭氧浓度，绵阳市则为2018年8月的臭氧浓度明显高于其他年份夏季臭氧浓度。

3.3. 臭氧污染特征

3.3.1. 臭氧作为首要污染物的特征

由图4可知，成都平原夏季2017~2019年间，6月各地主要污染物为臭氧的比例为60%，7月和8月各地主要污染物均为臭氧，即臭氧污染问题在成都平原整体呈加重的趋势。2017年6月成都市、绵阳市、雅安市的主要污染物为PM₁₀；2018年6月乐山市的主要污染物为PM₁₀；2019年6月成都市、眉山市的主要污染物为NO₂。

成都平原各市夏季空气质量在2017~2019年间的6月为明显逐年变好的趋势；7月空气质量只有成都市仍明显有变好的趋势，其余5市在2018年和2019年间虽明显较于2017年有明显改善，但未呈现明显的逐年变好态势，而是2019年较2018年略有变差的趋势；8月空气质量只有雅安市呈变好趋势，成都市、绵阳市、德阳市、乐山市、眉山市在2018~2019年间空气质量变化幅度不大，相较于2017年有一定幅度的改善。

Figure 4. The monthly air quality index composition map of summer pollutants in the Chengdu Plain

图4. 成都平原夏季污染物逐月空气质量综合指数组成图

3.3.2. 臭氧与其他污染物的关系

由表4可得，成都市和眉山市的NO₂、PM₁₀、PM_2.5和CO的逐小时浓度与O₃的逐小时浓度具有明

Table 4. Hourly correlation coefficients of other pollutants and ozone

表4. 其他污染物与臭氧的逐小时相关系数

注：^**为通过0.01相关性检验；^*为通过0.05相关性检验。

显的负相关性，且通过t检验的验证。绵阳市、德阳市和乐山市的各项污染物的逐小时浓度均与O₃的逐小时浓度具有明显的负相关性，且通过t检验的验证。雅安市的各污染物与O₃的相关性均不大，只SO₂浓度与O₃浓度的相关系数通过了t检验，出现这种不同于其他市污染物之间相关性的原因，可能是因为雅安市的地形地貌造成的多雨湿润的气候使得污染物利于沉降，不利于近地面污染物的积累。

由表5得，在2017~2019年夏季成都平原六市各污染物与臭氧浓度的季节相关性明显低于逐小时相关性。雅安市在2019年夏季与PM₁₀、PM_2.5、SO₂相关性较好，2017~2018年夏季各污染物与臭氧浓度的相关性均较差。成都市、绵阳市、德阳市、乐山市、眉山市在2017~2019年夏NO₂和CO浓度与臭氧浓度相关性较好。

Table 5. Correlation coefficients of other pollutants and ozone concentration

表5. 其他污染物与臭氧浓度的相关系数

注：^**为通过0.01相关性检验；^*为通过0.05相关性检验。

4. 臭氧的气象成因

4.1. 臭氧浓度与气象要素的相关性分析

Table 6. Correlation coefficient between meteorological factors and ozone concentration

表6. 气象因子与臭氧浓度的相关系数

注：^**为通过0.01相关性检验；^*为通过0.05相关性检验；a为由于变量为常量，因此无法进行计算。

O₃浓度受众多气象要素的影响，现选取总云量、风速、本站气压、3小时变压、6小时降水、露点、能见度、温度、24小时变压、24小时变温、相对湿度做相关分析。由表6可知，成都平原O₃浓度与总云量、本站气压、3 h变压、6 h降水、相对湿度呈负相关，与温度呈正相关，且O₃浓度与温度相关性最好，相对湿度次之。其中雅安市的相对湿度与臭氧浓度的相关系数相比于其他城市较小，可能与独特地形造成的“雅安天漏”有关，夏季降水量多 [31]，空气湿度大且变化变化幅度小，则表现为相对湿度与臭氧浓度相关性较弱。

4.2. 气象要素对的臭氧浓度的影响

风速对O₃浓度有水平扩散稀释作用和对流引起上层O₃向下层输送混合作用，两种作用可叠加 [32]。由图5可得，成都平原各市风向分布均匀，地面风速主要集中于0~2 m/s。当臭氧浓度大于等于200 μg/m³时，风速一般为小于等于3 m/s，且风速为0 m/s时臭氧浓度超标的概率小于风速为1~2 m/s时臭氧浓度超标的概率。成都市地面风速大于3 m/s时，主要起扩散作用。绵阳市地面风向为偏南风时出现臭氧污染的概率较大。德阳市地面风向为东南时，臭氧超标概率较高。乐山市地面风向为偏北时，臭氧浓度较小。眉山市较易出现地面风的第二种作用，使臭氧自上向下输送。雅安市地面风速为成都平原各市中最小。

Figure 5. The relationship between wind direction and speed and ozone concentration in each city in the Chengdu Plain

图5. 成都平原各市风向风速与臭氧浓度的关系

由图6可以出，成都平原各市臭氧浓度受温度影响最大，具有明显正相关性，当温度为20℃~25℃、相对湿度大于70%时，臭氧浓度偏低；当温度大于25℃，3小时变压小于1.5 hpa、相对湿度小于70%时，臭氧浓度偏高。绵阳市、乐山市、雅安市在相对湿度大于70%时，臭氧浓度均低于污染限值。成都市、眉山市臭氧浓度超标时，相对湿度小于70%的频率较高，即相对湿度小于70%时易出现臭氧污染。眉山市在2017~2019夏季中相对湿度达100%的天数最多，共128天。德阳市在温度为25℃~30℃、3小时变压时小于2 hpa、相对湿度高达70%以上时，出现臭氧污染的几率仍较高。

Figure 6. The relationship between 3-hour variable pressure, relative humidity, temperature and ozone concentration in Chengdu Plain

图6. 成都平原各市3小时变压、相对湿度、温度与臭氧浓度的关系

4.3. 臭氧与气象要素的回归分析

由上述分析相关分析可得，近地层O₃浓度受多个基本气象要素制约，又因各个基本参数对O₃浓度产生的相关影响的显著程度不同，现选取对成都平原各市相关性均较好(相关系数 > 0.3)的3小时变压、能见度、温度和相对湿度这4个参数对O₃浓度进行线性回归分析。

由于4参数对成都平原各城市O₃浓度线性回归分析时，虽回归模型通过α = 0.01的显著性检验，但某个参数显著性不明显，故需要对城市进一步分析敏感型参数，再逐个引入标准化回归方程。如表7所示，每个回归模型均需进行联合假设检验(F-test)，成都市O₃浓度Y的最优参数分别为温度X₁、相对湿

Table 7. Linear stepwise regression model optimal parameters

表7. 线性逐步回归模型最优参数

度X₂、能见度X₃，建立的最优回归方程为式1；绵阳市O₃浓度Y的最优参数分别为温度X₁、相对湿度X₂、3 h变压X₃、能见度X₄、，建立的最优回归方程为式2；德阳市O₃浓度Y的最优参数分别为温度X₁、相对湿度X₂、能见度X₃、，建立的最优回归方程为式3；乐山市O₃浓度Y的最优参数分别为温度X₁、相对湿度X₂、3 h变压X₃，建立的最优回归方程为式4；眉山市O₃浓度Y的最优参数分别为温度X₁、相对湿度X₂、3 h变压X₃、，建立的最优回归方程为式5；绵阳市O₃浓度Y的最优参数分别为温度X₁、相对湿度X₂、能见度X₃、，建立的最优回归方程为式6。

$\text{Y}=\text{73}.\text{149}+\text{7}.0{\text{3X}}_{\text{1}}-\text{193}.{\text{197X}}_{\text{2}}-0.{\text{871X}}_{\text{3}}$ (1)

$\text{Y}=\text{154}.\text{689}+\text{1}.{\text{549X}}_{\text{1}}-\text{154}.{\text{825X}}_{\text{2}}-0.{\text{416X}}_{\text{3}}-0.{\text{953X}}_{\text{4}}$ (2)

$\text{Y}=\text{214}.\text{912}+\text{2}.{\text{379X}}_{\text{1}}-\text{226}.{\text{934X}}_{\text{2}}-0.{\text{876X}}_{\text{3}}$ (3)

$\text{Y}=\text{82}.\text{123}+\text{3}.\text{6}0{\text{7X}}_{\text{1}}-\text{147}.{\text{976X}}_{\text{2}}-0.{\text{426X}}_{\text{3}}$ (4)

$\text{Y}=\text{4}0.\text{13}+\text{5}.{\text{657X}}_{\text{1}}-\text{127}.{\text{388X}}_{\text{2}}-0.{\text{519X}}_{\text{3}}$ (5)

$\text{Y}=-\text{1}.\text{392}+\text{5}.{\text{461X}}_{\text{1}}-\text{53}.{\text{784X}}_{\text{2}}-0.{\text{956X}}_{\text{3}}$ (6)

5. 结论

1) 成都平原夏季臭氧浓度从空间上来看，成都市最高、雅安市最低，成都市和雅安市臭氧浓度趋势不明显，绵阳市和眉山市臭氧浓度有逐年增加的趋势，德阳市和乐山市臭氧浓度有逐年递减的趋势。

2) 成都平原各市夏季7月的臭氧浓度有逐年下降的趋势，8月臭氧浓度呈逐年递增趋势，且成都市和眉山市中度污染加重。各市O₃小时浓度日变化均呈“单峰形”特征，白天浓度整体高于夜间，在8:00左右为一天中的最低值，16:00左右达峰值。

3) 成都平原夏季主要污染物为臭氧，其次为颗粒物。除雅安市外的5市臭氧浓度均NO₂浓度有很好的负相关性。雅安市空气质量最好，臭氧浓度最低，且与其他污染物相关性较差。

4) 成都平原各市臭氧浓度在温度超过25℃时，与臭氧浓度的正相关性更加显著；湿度低于70%时，呈现臭氧污染的概率较大；风速在0~2 m/s时，易出现臭氧污染，风速为0时呈臭氧污染的概率低于风速为1~2 m/s时的概率。

5) 构建回归方程时，除温度和相对湿度这两固定参数外，成都市、德阳市、雅安市还需加入能见度，眉山市和乐山市需加入3小时变压，绵阳市的最优回归方程需要4个参数。

致 谢

感谢成都信息工程大学提供的气象数据，并由衷感谢曾胜兰老师的细心指导。

基金项目

四川省重大科技专项(No. 2018SZDZX0023)；国家重点研发计划课题(No. 2018YFC0214002)。