盆地气候条件下成都城区O3与NO2相互作用的时间尺度分析

盆地气候条件下成都城区O3与NO2相互作用的时间尺度分析*

李思川1，吴生虎1，黄毅3，史凯1,2

(1.吉首大学生物资源与环境科学学院,湖南 吉首 416000;2.吉首大学

生态旅游湖南省重点实验室,湖南 吉首 416000;3.吉首大学

数学与统计学院，湖南 吉首 416000)

摘要：应用去趋势互相关分析法对比分析了成都市2013年7月1日至8月31日和2014年1月1日至2月28日等2个时间段4个大气环境监测站点近地面O3与前体物(NO2)小时平均浓度的相关性及其时空演化尺度特征.研究表明，成都市4个监测站点近地面O3与NO2小时平均浓度波动的相关性在一定时间尺度内具有长期持续特征.并对成都市夏季和冬季近地面O3与NO2相关性进行了对比分析，探讨了导致此种差异的原因.结果表明，不同的气象条件下成都市O3与NO2相互作用的时间尺度存在显著差异.其差异性可能与成都市独特的盆地气候特点以及当地夏季与冬季太阳光辐射、日照数、气温等气象因子有关.研究结果有助于进一步加深对盆地气候条件下成都市O3污染特征的认识.

关键词：O3；气象条件；NO2；去趋势互相关分析法

文章编号：1007-2985(2015)01-0061-06

中图分类号：X511文献标志码：A

DOI:10.3969/j.issn.1007-2985.2015.01.014

收稿日期：*2014-09-12

基金项目：湖南省教育厅科学研究青年资助项目(13B089);湖南省自然科学基金青年人才培养联合基金资助项目(13JJB012)

作者简介：李思川(1990—),男,湖南益阳人,吉首大学生物资源与环境科学学院硕士研究生,主要从事环境生态学研究 通信作者：史凯(1980—),男,四川凉山人,吉首大学生物资源与环境科学学院副教授，博士，从事主要从事环境系统的非线性和复杂性研究.

近地面O3主要是由人们日常生活排放和机动车尾气排放以及工业生产所产生的NOx等前体物经过复杂的大气光化学反应生成的.O3危害性很大，作为强氧化剂的气体之一，O3在大气中浓度的增加尤其是近地面高浓度O3的出现将会引发城市光化学烟雾，影响人类健康和植物生长甚至对生态环境造成严重危害[1-2].目前近地面O3浓度的增加以及高浓度O3的污染已越来越引起人们的重视，也引起了学者们的广泛关注[3-4].

近年来，随着成都市经济的高速发展所带来的大量污染物质排放到大气，导致了严重的空气污染，其中光化学烟雾是主要空气污染问题之一.盆地内，由于其独特的地理位置，静风频率较高，风速小，大气边界层物质输送能力相对较低；湿度大，飘浮在空气中的颗粒物有吸湿增长的条件，会加速污染物的聚集；盆地内逆温天气与热岛效应现象频繁出现，造成污染物的不断累积，导致臭氧演化具有一定的特殊性[5-6].不少科研人员对成都市的O3污染问题进行了大量研究，并取得了较好的进展.如，肖辉等对西南地区地面O3浓度的时空分布及变化规律进行的研究；钱骏等分析了成都市区大气中O3污染水平的变化，研究了O3与前体物之间的相互关系；袁野等分析了成都市大气环境中O3的时空分布规律和O3的浓度受天气状况的影响规律以及闫静等[10]探讨了盆地气候条件下成都市城区O3污染特性.但在成都地区，对近地面O3与前体物(NO2)相互作用的时间尺度特征方面的研究还鲜有报道.

然而，大气中O3的产生与消散涉及到一系列复杂的大气光化学机制以及各种要素(如太阳总辐射、温度、下垫面特征等)的综合影响，使得O3浓度演化呈现出非平稳性、非线性、复杂性等特征[11-12]，这些具有复杂的非平稳特征的O3浓度演化的时间序列难以通过传统的统计学方法准确刻画出其变化趋势.随着非线性科学方面研究的不断深入，2008年Podobnik和Stanley[13]首次提出一种去趋势互相关分析法(Detrended Cross-Correlation Analysis,简称DCCA).

文中以成都市2013年7月1日—8月31日(夏季研究时段)和2014年1月1日—2月28日(冬季研究时段)近地面O3和NO2小时平均浓度为研究数据，利用DCCA分析成都市O3和NO2浓度的相关性，并结合成都市独特的盆地气候，分析了二者相互作用及其时间尺度特征在夏季和冬季的差异，探讨了不同季节下其差异性的主要原因，以期为深入理解O3演化的复杂动力机制，为今后进一步研究盆地气候条件下成都市近地面O3污染特征及治理措施提供有利的依据.

1研究数据

本研究的环境监测数据来源于中国环境监测总站全国城市空气质量实时发布平台.成都市有8个空气质量监测站点，但由于监测期间仪器校准、设备故障、停电等原因，导致草堂寺、金泉两河、灵岩寺监测站点和三瓦窑监测站点数据缺失严重，所以本研究选择数据相对较全的4个环境空气监测站点的数据.其中梁家巷、沙河铺监测站点在环境功能区上属于交通、居民生活混合区；人民公园监测站点在环境功能区上属于商业、居民生活混合区；十里店监测站点在环境功能区上属于文教兼有居民生活混合区.具体研究数据选取2013年7月1日—8月31日(夏季研究时段)和2014年1月1日—2月28日(冬季研究时段) O3与NO2小时平均浓度时间序列数据.研究时段内各监测站点的数据缺失率不超过2%，缺失数据非常零散并不连续，且几乎均匀分布于整个研究时段.对于缺失的数据，根据前后2天的数据取算术平均值的方法补上.

根据成都市双流国际机场气象观测站(http://www.wunderground.com)观测数据，2013年7月1日—8月31日(夏季研究时段)，成都市平均气温为27.66 ℃，平均相对湿度为79%，平均气压1.003 82×105Pa，平均风速为3 m/s；2014年1月1日—2月28日(冬季研究时段)，成都市平均气温为8.28 ℃，平均相对湿度为71.15%，平均气压1.020 72×105Pa，平均风速为2.5 m/s.平均气温存在明显差异，适合作对比分析.从气象条件上看，成都市夏季和冬季研究时段内湿度、气压、风速方面相差不大，而在温度、总日照时数等方面差异性显著，因此通过比较这2个时段内NO2与O3相互作用的差异，可以突出反映某些对光化学反应具有重要影响的气象因子所起的作用.

2研究方法

去趋势互相关分析法是对去趋势波动分析法(Detrended Fluctuation Analysis，简称DFA)的一个延伸和扩展，与DFA具有相似的理论依据.该方法针对2组非平稳时间序列,可以有效避免由于数据非平稳性所导致的序列之间的伪相关现象,成为定量分析2组非平稳时间序列相关性及其相互作用时间尺度特征的最科学有效的方法,并可以直接从动力学特征上分析O3与NO2这2组非平稳序列之间的相互作用的时间尺度特征.目前该方法已成功应用于多个自然科学领域的相关性分析[14-16]，主要用于分析2个非平稳时间序列之间的相关性.该方法是一种基于去趋势协方差的分析方法，它可以系统地滤去各阶趋势成分，检测含有噪声且叠加有多项式趋势信号的长程相关性，适合于非平稳时序中长程相关性的研究.具体算法如下.

(1)把原始序列分成N-n段可重叠的区间部分，每个子区间含有n+1个数据，数据起始于i结束于i+n.

(3)消除每个子区间的局部趋势得到残差序列，并计算其残差序列的协方差:

(4)对所有子区间的协方差求均值并开方，获得标准DCCA耦合波动函数：

如果序列之间在某一时间尺度(n)上存在某种相互作用，则耦合波动函数F(n)与相应的时间尺度n之间存在如下幂律关系：F(n)∝nα.取不同的时间尺度n，重复的上述计算，可以得到不同时间尺度n下的波动函数F(n)和相应时间尺度n的关系曲线，log[F(n)]对log(n)的斜率决定标度指数α.在实际中标度指数可能不是一个恒定的值，随着时间尺度发生变换或者是由于背景趋势场的影响，往往在不同的时间尺度上会出现不同的标度指数，从而会出现折点.

3结果与讨论

3.1 O3与NO2浓度时间序列统计特征

成都市4个监测站点夏季与冬季研究时段内O3与NO2浓度受到污染源强度、光化学反应以及盆地气候的特殊气象条件等因素的综合作用，使得O3与NO2浓度呈现非稳定性、非线性和多时间尺度性的变化.成都地区4个监测站点夏季研究时段内O3与NO2数据列长度均为1 488个，冬季研究时段内O3、NO2数据列长度均为1 416个.各站点O3与NO2时间序列的基本统计量见表1.

表1　夏季与冬季各监测站点O 3与NO 2浓度时间序列的基本统计量

由表1可见，成都市夏季与冬季研究时段内O3和NO2浓度存在显著差异，这有可能是由于当地夏季与冬季气象条件以及人类生活规律不同导致的.

3.2 夏季O3与NO2相互作用的DCCA分析

运用DCCA方法对夏季研究时段内(2013年7月1日—8月31日)成都市梁家巷、人民公园、沙河浦、十里店4个监测站点的O3、NO2浓度相互作用进行分析，分析结果如图1所示.由图1分析结果可见，成都地区4个监测站点都表现出相同的变化特征，呈现了较好的一致性.其DCCA曲线均呈现明显的分段现象，“拐点”对应的时间尺度均为一天.其中当时间尺度小于一天时，其梁家巷、人民公园、沙河浦、十里店DCCA标度指数α1分别为1.474，1.423，1.495，1.536，而当时间尺度在一天以上时，其梁家巷、人民公园、沙河浦、十里店DCCA标度指数α2分别为0.604，0.732，0.553，0.520.成都市4个监测站点夏季研究时段内的分析结果表明，在一天的时间尺度内O3、NO2浓度的相关性表现出很强的长期持续特征，一天以后这种相关性很强的长期持续特征会有所降低，甚至接近于随机.

为了验证DCCA分析是否真实反映了O3、NO2浓度之间长期相关特征.本研究将O3和NO2原始序列分别进行随机重排(100次)，得到相应的随机重排序列，并应用DCCA方法对其进行分析,结果如图1所示.成都市4个监测站点夏季研究时段内的随机序列在整个时间尺度上表现出幂律关系，其梁家巷、人民公园、沙河浦、十里店DCCA标度指数αs分别为0.499，0.494，0.508，0.503，均接近0.5，表现出完全随机的特征.O3和NO2原始序列间不存在内在的相关性.因此，DCCA分析可以揭示O3和NO2原始序列间的相关性.

图1　夏季O 3与NO 2小时平均浓度的DCCA分析

3.3 冬季O3与NO2相互作用的DCCA分析

为了研究O3与NO2相互作用的时间尺度特征随季节的变化，文中进一步利用冬季研究时段内(2014年1月1日—2月28日)成都市4个监测站点O3与NO2的小时平均浓度的数据，应用DCCA方法进行分析，分析结果如图2所示.由图2分析结果同样可见，成都市4个监测站点冬季研究时段内O3与NO2浓度的相关性分析也都表现出相同的变化特征，呈现了较好的一致性.但在冬季研究时段内其DCCA曲线没有明显的分段现象，且在整个研究时段内其DCCA标度指数均较高.其中梁家巷、人民公园、沙河浦、十里店DCCA标度指数α3分别为0.951，0.917，0.977，0.983.成都市4个监测站点冬季研究时段内的分析结果表明，在冬季整个研究时段内O3与NO2浓度的相关性都表现出较强的长期持续特征.但夏季研究时段内的一天的特征时间尺度的长期持续特征相对冬季研究时段而言更为明显.

同样，将O3和NO2原始序列分别进行随机重排(100次)，得到相应的随机重排序列，并应用DCCA方法对其进行分析，结果如图2所示.其中梁家巷、人民公园、沙河浦、十里店DCCA标度指数αs分别为0.502，0.509，0.498，0.491，均接近0.5.结果表明，O3和NO2的随机重排序列展示出2个序列之间完全随机的特征，序列之间不存在内在的相关性.

图2　冬季O 3与NO 2小时平均浓度的DCCA分析

4结语

成都市4个监测站点尽管在地理位置以及环境功能区上都存在一定差异，但这4个监测站点在夏季和冬季研究时段内O3与NO2浓度相互作用的DCCA分析结果都呈现出较好的一致性.从统计意义上看，成都市4个监测站点的DCCA指数α没有显著差异，可以看作是来自同一站点的数据，具有一致性的特点.

对于成都市4个监测站点在夏季和冬季研究时段内O3与NO2浓度的相关性的长期持续特征的不同.成都市位于四川省中部，地势由西北向东南倾斜，由于地表海拔高度差异性显著使得成都市具有独特的气候资源(亚热带湿润季风气候)，风速小、静风频率高，年平均风速为1.3 m/s，大气边界层物质输送能力相对较低.且一年四季都有逆温和热岛效应现象，冬季逆温现象多，夏季热岛效益明显.在夏季研究时段内，虽然由于NOx等前体物扩散条件好而浓度低，但是由于成都地区夏季城市热岛效应明显，持续高温，伴随着强太阳辐射的影响加快大气中光化学反应的速率，使得人们日常生活排放和机动车尾气排放以及工业生产所产生的NOx等前体物大部分会被迅速反应生成O3，少部分未被迅速反应的污染物会继续参与一天以后的大气光化学反应.同时也会形成热岛环流，有利于污染在空气的积聚形成尘盖，使得近地面大气中O3浓度高.而在冬季研究时段内，虽然成都市受逆温影响较大，逆温层下的各种污染物都无法向外向上扩散，造成NOx等气体物浓度很高，但是由于冬天气温低、日照时间短、太阳辐射弱、静风频率高，大气光化学反应条件差，导致人们日常生活排放和机动车尾气排放以及工业生产所产生的NOx等前体物只能缓慢的转化成O3，所以在冬季研究时段内O3与NO2浓度一直存在较强的相关性.鉴于以上分析结果，推测其差异有可能与成都市独特盆地气候特点以及太阳光辐射、日照数、气温等气象因子有关.

文中研究结果有助于深入探讨成都市独特的盆地气候条件下大气环境中O3与NO2之间的长期相互作用机制，为今后进一步研究盆地气候条件下成都市O3污染特征及治理措施提供有利的依据.因此，以后在针对成都市大气中严重空气污染采取防治措施的过程中，应该考虑成都市独特盆地气候的特点以及不同气象条件下污染物长期演化的持续性特征的差异.

参考文献：

[1]孔琴心,刘广仁,李桂忱.近地面臭氧浓度变化及其对人体健康的可能影响.气候与环境研究,1999,4(1):61-66.

[2]金明红,黄益宗.臭氧污染胁迫对农作物生长与产量的影响.生态环境 2003,12(4):482-486.

[3]姚青,孙玫玲,蔡子颖,等.2009年天津城区地面O3和NOx的季节变化与相关性分析.环境化学,2011,30(9):1 650-1 656.

[4]刘彩霞,冯银厂,孙韧.天津市臭氧污染现状与污染特征分析.中国环境监测,2008,24(3):52-56.

[5]陈超,庞艳梅,张玉芳.近50年来四川盆地气候变化特征研究.西南大学学报:自然科学版,2010,32(9):115-120.

[6]张巍,陈建文,范文武.成都地区特定灰霾天气过程与成因分析.四川环境,2013,32(2):27-32.

[7]肖辉,沈志来,黄美元,等.我国西南地区地面和低层大气臭氧的观测分析.大气科学,1993,17(5):621-628.

[8]钱骏,廖瑞雪,邓利群,等.成都市大气中O3污染水平及来源分析.四川环境,2011，30(3):20-23.

[9]袁野,范莉,邹玉林,等.成都市大气中臭氧的分布及污染水平.城市环境与城市生态,2003,16(2):44-45.

[10] 闫静,王文川.盆地气候条件下成都市城区臭氧污染特性研究//2013中国环境科学学会学术年会论文集，北京,2013.

[11] PABLO P D,FRANCISCO J J H,EDUARDO G DE R.Multifractal Analysis of Ground-Level Ozone Concentrations at Urban,Suburban and Rural Background Monitoring Sites in Southwestern Iberian Peninsula.Atmospheric Pollution Research,2013,4(2):229-237.

[12] CHELANI A B.Nonlinear Dynamical Analysis of Ground Level Ozone Concentrations at Different Temporal Scales.Atmospheric Environment,2010,44(34):4 318-4 324.

[13] PODOBNIK B,STANLEY H E.Detrended Cross-Correlation Analysis:A New Method for Analyzing Two Nonstationary Time Series.Physical Review Letters,2008,100(8):084 102.

[14] LING Y H,SHU P C.A New Approach to Quantify Power-Law Cross-Correlation and Its Application to Commodity Markets.Physica A:Statistical Mechanics and its Applications,2011,390(21-22):3 806-3 814.

[15] VASSOLE R T,ZEBENDE G F.DCCA Cross-Correlation Coefficient Apply in Time Series of Air Temperature and Air Relative Humidity.Physica A:Statistical Mechanics and Its Applications,2012,391(7):2 438-2 443.

[16] ZEBENDE G F,DA SILVA M F,MACHADO FILHO A.DCCA Cross-Correlation Coefficient Differentiation:Theoretical and Practical Approaches.Physica A:Statistical Mechanics and Its Applications,2013,392(8):1 756-1 761.

Temporal Scaling Characteristics of Correlation of O3and NO2for

Urban Area of Chengdu in Basin Climate

LI Sichuan1,WU Shenghu1,HUANG Yi3,SHI Kai1,2

(1.College of Biology and Environmental Science,Jishou University,Jishou 416000,Hunan China;2.Key

Laboratory of Hunan Ecotourism,Jishou University,Jishou 416000,Hunan China;3.College of

Mathematics and Statistics,Jishou University,Jishou 416000,Hunan China)

Abstract:The correlations between ground-level NO2 and O3 concentration are analyzed by the method of detrended cross-correlation analysis,based on the observational data in the urban area of Chengdu (capital of Sichuan Provincial,China) from July 1 to August 31,2013 and from January 1 to February 28,2014.The results show that the correlation between NO2 and O3 concentration are characterized by long-term persistence.Furthermore,a comparative study of the correlation of NO2 and O3 in the summer and winter is made,and the reason for the differences are analyzed.It shows that there were significant differences in meteorological conditions on the different time scale of the interaction between NO2 and O3.It was found that the differences are due to solar radiation,sunshine hours and temperature.The results help to deepen the understanding the pollution characteristic of O3 in Chengdu.

Key words:O3;meteorological condition;NO2;detrended cross-correlation analysis

(责任编辑陈炳权)