我国典型南方城市臭氧污染特征

赵熠琳，原彩红，刘 峥，王 帅，丁俊男

1.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012 2.中国环境科学研究院，北京 100012 3.柏力行印刷有限责任公司，北京 102600

我国典型南方城市臭氧污染特征

赵熠琳1，原彩红2，刘 峥3，王 帅1，丁俊男1

1.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012 2.中国环境科学研究院，北京 100012 3.柏力行印刷有限责任公司，北京 102600

分析了我国典型南方城市的臭氧污染特征，选取我国4个有代表性的南方重点城市武汉、宁波、中山和南宁的2013—2015年监测数据，使用EXCEL、ORIGIN和MATLAB等统计软件开展研究，结果表明：我国南方典型城市的臭氧质量浓度分布有明显时间变化特征，超标时间跨度大，部分南方城市与氮氧化物存在较明显负相关性，相关系数高于-0.6；受城市所在不同地理位置、气象因素、大气扩散条件及可能的不同本地排放污染源构成等因素影响，4个城市的近3年臭氧浓度月均值、超标情况和年内峰值均存在一定差异和分组相似性；与部分气象因素也表现出显著相关性。

臭氧；时空分布；特征；气象因素；南方城市

随着我国南部工业化与城市化进程的高速推进，大气污染状况愈加严峻，在公众视野还聚焦在细颗粒物时，臭氧(O3)已经悄然成为我国南方城市的首要污染物。污染类型也从一次污染物为主的煤烟型污染转变为一次污染、二次污染并存的复合型污染；从城市的局地污染发展为城市群的区域污染；灰霾天气、光化学烟雾、酸沉降等多种问题并存，呈现出煤烟型与氧化型污染共存、局地污染与区域污染相叠加、污染物之间相互耦合的复合型大气污染[1-2]。开展针对我国南方城市O3污染物变化规律的监测和研究已成为南方大多数城市的重要工作之一。

20世纪50年代国外出现光化学烟雾事件后，美国加州环境健康影响评估分析表明，O3污染对人类身体健康存在很大影响，欧美随机开展了O3污染的监测和治理。“十一五”期间，我国虽实现了二氧化硫(SO2)排放总量减少10%的约束性指标，城市大气SO2和可吸入颗粒物(PM10)浓度明显下降，但以PM2.5和O3为代表的二次污染仍十分严重，年平均浓度超过发达国家3～5倍。我国的O3监测起步相对较晚，中国环境监测总站在2008年组织多个省市监测单位开展O3污染监测试点工作，部分城市也开展了单个城市的O3污染短时变化规律初步研究[3-7]。

为探索我国南部重点区域城市O3长时间序列的污染规律、变化特征及相关影响因素，本文选取武汉、宁波、中山和南宁4个典型南方城市作为代表，采用2013—2015年实时监测的6项污染物数据及11项气象数据展开研究，以期为我国南方城市O3污染规律及未来治理提供一些参考。

1 数据来源和分析评价方法

1.1数据来源

研究使用数据来自国家环境空气质量监测网2013—2015年例行监测数据，选取研究城市各项污染物日均浓度值，剔除无效数据后展开分析研究。气象数据来源于FNL气象网站历史数据，本文涉及使用数据约10.1万余条。

城市选取类型主要包括南方内陆城市(武汉)、长三角区域重点城市(宁波)、珠三角区域重点城市(中山)和我国大陆南部省会城市(南宁)。武汉地处江汉平原东部，地势东南高、西北低，主要被剥蚀丘陵区、剥蚀堆积垄岗区和堆积平原覆盖；宁波市地势西南高、东北低，全市主要被平原、丘陵和山地覆盖；中山市以平原为主，中部地势较高，四周平坦，西北高、东南低，大部分面积被平原和滩涂覆盖，小部分被低山、丘陵和台地覆盖；南宁市与以上3个城市地貌环境相似，主要被平地、丘陵覆盖。

1.2分析评价方法

使用EXCEL、ORIGIN和MATLAB等统计软件并依据国家《环境空气质量标准》(GB 3095—2012)对国家环境空气质量监测网2013—2015年例行监测数据进行分析，按照不同时间分布探索O3污染物变化规律，评价超标分布(表1)[1]，解析其他污染物对O3污染浓度变化的影响，及其受大气条件影响的分析。

表1 O3浓度限值

注：O3日最大8 h滑动平均值高于800 μg/m3时不再进行其空气质量分指数计算， O3空气质量分指数按1 h平均值计算。

2 结果与讨论

2.1主要时空分布特征

2.1.1 O3质量浓度近3年月均值浓度时间变化趋势

2013—2015年国家环境空气质量监测网数据统计结果表明，O3浓度存在一定规律性,武汉、宁波、中山和南宁市2013—2015年月均质量浓度见图1～图4。武汉和宁波2个城市O3浓度变化曲线为较明显的“M”型，中山和南宁2个城市曲线趋势则更倾向于波浪型。武汉和宁波较为一致，在4—10月高温期间均会呈现明显上升趋势，O3月均值武汉较宁波高，但是3年总体基本维持在同一水平，无明显升高或降低；中山和南宁2个城市月均浓度最高值均出现在每年10月，曲线整体趋势较为平缓，2013年中山市在10月出现一个较为突出的峰值，2014—2015年峰值降低较为明显，降低了28.8%～33.5%，其他时间段内2个城市O3浓度基本维持在同一水平，中山市2014、2015年曲线趋势更为相似，南宁市2013、2014年曲线趋势几乎一致。

2.1.2 O3质量浓度日变化趋势

夏、秋季是南方城市受O3污染最为严重的季节，采用武汉、宁波、中山和南宁4个城市2015年O3污染浓度峰值最高月份市区中心位置的点位监测数据，分析每天O3质量浓度的变化趋势。武汉市8月东湖梨园点位、宁波市9月市监测中心点位、中山市10月华柏园点位和南宁市4月市监测站点位的O3日浓度变化趋势见图5。

图1 2013—2015年武汉O3月均质量浓度Fig.1 O3 monthly average data of Wuhan in 2013-2015

图2 2013—2015年宁波O3月均质量浓度Fig.2 O3 monthly average data of Ningbo between 2013 and 2015

图3 2013—2015年中山O3月均质量浓度Fig.3 O3 monthly average data of Zhongshan in 2013-2015

由图5可见，武汉市东湖梨园、宁波市监测中心、中山市华柏园、南宁市监测站在O3污染最严重的月份中，每日的O3浓度变化趋势基本一致。从每日凌晨开始，O3小时浓度有小幅度降低，07：00—08:00降到一天当中O3小时值浓度最低值水平，随后O3小时值浓度开始迅速升高，15:00—16:00 O3小时浓度达全天最高，随后浓度开始下降并降至当日凌晨浓度值水平。

图4 2013—2015年南宁O3月均质量浓度Fig.4 O3 monthly average data of Nanning in 2013-2015

2.2O3质量浓度特征分析

2.2.1 O3质量浓度年超标情况

武汉、宁波、中山和南宁4个城市的O3污染超标天数如图6所示。从图6可见，武汉市超标天数柱状图呈“V”字型，2015年污染超标天数最高，达57 d；宁波市超标天数逐年有小幅度上升，2015年超标天数为28 d；中山市则呈逐年下降趋势，从2013年超标46 d降至2015年的23 d，降幅50%；南宁市则在2014年污染最重，呈倒“V”字型趋势，但是仍为4个典型南方城市中累计超标天数最少的城市，2015年仅超标3 d。

2013—2015年武汉市O3第90百分位日最大8 h滑动平均值为161.6～169 μg/m3，宁波市为139.2～154 μg/m3，中山市为145～167.6 μg/m3，南宁市为118～131.6 μg/m3；2013—2015年武汉、宁波、中山和南宁4个城市总超标率分别为13.2%、6.3%、10.0%、2.0%。

从统计结果看，2013—2015年武汉市O3污染超标天数最多，中山市其次，宁波市O3的月均质量浓度在大部分时间都高于中山市的月均质量浓度。宁波市共超标87 d，中山市共超标122 d，南宁市超标天数最少。分析原因认为：武汉市所处地理位置为中国大陆内陆高温地区，城市人口密集、周边工业污染较严重，内陆城市的污染物扩散条件在一定程度上受大气条件制约，因此武汉污染最严重；宁波市为非工业密集城市，地理位置临海，受特殊海边城市气象影响因素导致城市超标天数较中山市少；中山市位于珠三角经济开发区，虽地理位置相对临海，但较宁波市而言，周边工业发展污染源较多，区域性传输更为严重，受副热带高压影响城市年均温度更高，更有助于促进O3的二次污染物生成，提高城市O3日最大8 h滑动平均值；南宁市的地理位置为内陆和临海之间，在一定条件下受沿海特殊气象条件及副热带高压等影响，年均气温与中山市基本持平(中山市年均21.8 ℃，南宁市21.6 ℃)，但由于城市区域周边的工业发展较其他3个城市略为落后，城市本地及周边的工业污染源与前3个城市相比明显最少，使南宁市超标天数均为最少。

2.2.2 O3超标月情况

4个城市2013—2015年O3月超标天数变化情况见图7。从图7可见：中山市与南宁市的O3超标分布趋势一致，均从入夏逐步上升，在10月达到峰值；武汉市和宁波市的规律较相似，从4月开始逐步上升，5—6月达到峰值，随后均有一个月的下降期，而后快速上升并出现第二个最大值，武汉市的回升趋势较宁波市更明显。

图7 2013—2015年典型南方城市O3月超标天数变化情况Fig.7 Temporal distribution of ozone pollution exceeded days in typical southern cities in 2013-2015

4个典型南方城市在2013—2015年O3质量浓度超标累积天数共计342 d，4—10月出现的超标天数占总超标天数的94.74%。

2013—2015年4个城市累积O3质量浓度超标天数最多的月份见表2。

表2 2013—2015年O3质量浓度超标天数累积最高月份

2.2.3 O3质量浓度月峰值

4个城市每年O3峰值出现也有一定规律可循，部分城市每年出现O3浓度峰值的时间大多出现在固定的月份(见表3)。

表3 城市O3浓度峰值最高月份

武汉市O3浓度峰值均出现在夏季6—8月，且高温期几个月内的月均质量浓度相差不大；中山市O3浓度峰值均集中在10月。宁波市2013—2014年O3浓度峰值均出现在入夏初期(4—5月)，2015年虽然峰值出现在9月，但是5月均值仅比9月低2.3%；南宁市和宁波市较为相似，2013—2014年出现在10月，2015年10月月均值浓度比4月仅低3.9%。

分析原因认为，可能是由于城市所处地理位置不同，武汉市和宁波市的峰值出现趋势较相似，中山市和南宁市的峰值趋势更接近。

2013—2015年峰值变化趋势如图8所示。

图8 2013—2015年O3月均浓度峰值变化情况Fig.8 O3 monthly average concentration peak trend in 2013-2015

从图8可见：武汉市及宁波市峰值变化趋势一致，均在2014年有一定比例升高，随后2015年又有所下降，但降低后峰值仍高于2013年O3浓度水平；中山市和南宁市峰值变化大体相似，均是逐年降低，不同的是中山市2014年较2013年有非常明显的下降，南宁市2015年下降幅度相对更大。

结合数据分析结果整体看来，珠三角及南方近海城市的O3污染情况近年有所缓解。

2.2.4 O3与NO2的相关性分析

为研究典型南方城市的O3和NO2浓度质量变化特性，选取2013—2015年NO2和O3的月均质量浓度进行线性回归分析，结果见图9～图12。

图9 2013—2015年武汉市O3与NO2月均值相关性Fig.9 Correlation between O3 concentration and NO2 of Wuhan in 2013-2015

图10 2013—2015年宁波市O3与NO2日均值相关性Fig.10 Correlation between O3 concentration and NO2 of Ningbo in 2013-2015

图11 2013—2015年中山市O3与NO2日均值相关性Fig.11 Correlation between O3 concentration and NO2 of Zhongshan in 2013-2015

图12 2013—2015年南宁市O3与NO2日均值相关性Fig.12 Correlation between O3 concentration and NO2 of Nanning in 2013-2015

从图9～图12可见，4个典型南方城市中武汉市和宁波市2个城市的O3质量浓度变化与NO2质量浓度相关系数均大于-0.6，变化趋势呈明显负相关，表明这2个城市中O3的质量浓度与NO2质量浓度的变化关系密切；但中山市和南宁市O3质量浓度变化与NO2质量浓度相关系数为-0.1～0.1，虽然结果显示NO2和O3之间不存在线性相关关系，但并不说明这2种污染物之间没有任何相关性。

相关研究表明[8-9]，珠三角城市及周边地区削减人为源NOx排放时，O3浓度出现明显升高，原因为研究城市及工业较发达地区的VOCs/NOx相对较小，VOCs与NOx在与O3的反应中争夺自由基进行光化学反应，导致仅关注NOx的浓度降低会加剧O3的污染程度，相反关注VOCs浓度的降低对O3重污染反而有明显改善作用。

2.3O3与气象因素的相关性

气象因素与O3的质量浓度变化也有密不可分的联系，相关研究表明[9-10]，不同地理环境、气象条件的城市受各种气象因素影响的相关性也有所差异。使用FNL网站下载的气象资料数据，包括地面2 m温度、地面2 m相对湿度、10 m经向风(南向北)、10 m纬向风(西向东)、大气边界层高度，975、950 、925 、900、850 hPa高度逆温强度，结合O3日最大8 h滑动平均值探寻O3质量浓度与气象因素的关系，结果见图13。

图13 2013—2015年O3日均值与气象因素相关性Fig.13 Correlation between O3 concentration and meteorological factors during 2013 to 2015

地面温度和850 hPa高度逆温强度相关性最显著，O3质量浓度和地面2 m温度呈明显正相关，说明O3质量浓度随着温度的升高而增高；武汉市、中山市、南宁市和850 hPa高度逆温强度呈现一致且显著的负相关，逆温强度的降低反而致使O3浓度质量增高。值得注意的是，宁波市O3在地面2 m相对湿度、10 m纬向风(西向东)、大气边界层高度、950 hPa、925 hPa高度逆温强度等多项气象数据的相关性和其他3城市相反，这可能是由不同的本地排放污染源造成的。

3 结论

依据2013—2015年全国环境空气质量监测网的O3实时监测结果特征分析，我国典型南方城市O3质量浓度分布有明显的时间变化特征，尤其日变化特征明显，年浓度变化规律性较为相似，超标时间跨度大，武汉市和宁波市的O3与NOx浓度变化呈明显负相关，中山市和南宁市线性关系不明显。受本地及周边地区污染源构成等原因，内陆及珠三角工业发达地区城市的O3超标情况较长三角及南部沿海代表城市略显严重；另一方面，受城市所在不同地理位置、气象因素、大气扩散条件及可能不同的本地排放污染源组成等因素影响，武汉市和宁波市、中山市和南宁市在O3月均值质量浓度超标情况特征和O3月均值质量浓度年内峰值2个方面均存在较明显差异和分组相似性。

[1] 环境保护部科技标准司.环境空气质量标准: GB 3095—2012[S]. 北京:中国环境科学出版社,2012.

[2] 张远航,邵可声,唐孝炎,等. 中国城市光化学烟雾污染研究[J]．北京大学学报(自然科学版)，1998,34(2/3):392-400.

ZHANG Yuanhang, SHAO Kesheng, TANG Xiaoyan, et al. Study on photochemical smog pollution in China[J]．Acta Scientiarum Naturalism Universities Pekinensis (Natural Science Edition), 1998, 34(2/3): 392-400.

[3] 洪盛茂． 杭州主城区大气臭氧对空气污染指数API的影响[J]． 中国环境监测，2010，26(1): 46-52.

HONG Shengmao. The Influence of Ozone Concentration in Air Pollution Index (API) Hangzhou Urban[J]. Environment Monitoring in China, 2010, 26(1): 46-52.

[4] 殷永泉,李昌梅,马桂霞,等. 城市臭氧浓度分布特征[J]．环境科学，2004,25(6): 16-20.

YIN Yongquan, LI Changmei, MA Guixia, et al. Ozone Concentration Distribution of Urban[J]．Environmental Science, 2004,25(6): 16-20.

[5] 张世国,苑克娥,胡顺星,等. 北京地区大气臭氧与氮氧化物测量分析[J]．大气与环境光学学报, 2012,7(5):321-326.

ZHANG Shiguo, YUAN Kee, HU Shunxing, et al. Analysis for Atmospheric Ozone and Nitrogen Oxide in Beijing Area. Journal of Atmospheric and Environmental Optics, 2012,7(5):321-326.

[6] 胡正华，孙银银，李琪，等. 南京北郊春季地面臭氧与氮氧化物浓度特征[J]. 环境工程学报, 2016,6(6): 1 995-2 000.

HU Zhenghua, SUN Yinyin, LI Qi, et al. Concentration characteristics of surface ozone and nitrogen oxides in north suburb of Nanjing in spring[J]. Chinese Journal of Environmental Engineering, 2016,6(6): 1 995-2 000.

[7] 郭稳尚，刘焕武，王奕潇，等. 西安地区近地面臭氧与氮氧化物浓度特征集相关性研究[J]. 环境保护，2014(6):3-4.

GUO Shangwu, LIU Huanwu, WANG Yixiao, et al. Study on the near surface ozone and nitrogen oxides concentration correlation and characteristics of Xi′an, 2014(6):3-4.

[8] 吴鄂飞. 夏季环境空气中臭氧和氮氧化物变化关系[J]. 环境科学与技术,2006,8(29):56-58.

WU Efei. The Transformational Relation between Ozone and Nitrogen-Oxide in Ambient Air over Summer[J]. Environmental Science & Technology, 2006,8(29):56-58.

[9] 叶绿荫，樊少芬，常鸣，等. 珠三角地区秋季臭氧生成敏感性时空变化模拟研究[J]. 南靖大学学报(自然科学),2016，52(6): 977-988.

YE Lyuyin, FAN Shaofen, CHANG Ming, et al. Spatial and temporal distribution of ozone sensitive district in Pearl River Delta region during autumn[J]. Journal of Nanjing University (Natural Sciences), 2016，52(6): 977-988.

[10] 孙韧,刘伟,张赞,等. 城市典型气象条件与大气颗粒物污染之间的关系[J].中国环境监测, 2005,21(2): 80-83.

SUN Ren, LIU Wei, ZHANG Zan, et al. The relationship between the typical urban meteorological and the particulate matter pollution[J]. Environmental Monitoring in China, 2005,21(2): 80-83.

[11] 安俊琳，王跃思，孙扬. 气象因素对北京臭氧的影响[J]. 生态环境学报,2009,18(3): 944-951.

AN Junlin, WANG Yuesi, SUN Yang. Assessment of ozone variations and meteorological effects in Beijing[J]. Ecology and Environmental Sciences, 2009,18(3): 944-951.

AnalysisontheCharacteristicsofOzonePollutioninTypicalCitiesofSouthernChina

ZHAO Yilin1, YUAN Caihong2, LIU Zheng3, WANG Shuai1, DING Junnan1

1.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China 2.Chinese Research Academy of Environmental Sciences, Beijing 100012, China 3.Bo Lixing Print Limited Liability Company, Beijing 102600, China

This paper intend to explore the characteristics of ozone pollution in typical southern cities of China, including temporal and spatial variation, influencing factors, ozone exceed status and regulatory rules of concentration variation. 4 representative cities from southern China were selected, which are Wuhan, Ningbo, Zhongshan and Nanning, the monitoring data from 2013 to 2015 was used to carry out research on the use of EXCEL, ORIGIN and MATLAB statistical software. The results showed that the ozone concentrations distribution of study cities have obvious time variation, pollution covers a long time span, and some southern cities’ ozone have obvious negative correlation with NO2, the correlation coefficient is higher than -0.6; due to the 4 cities have different geographical location, weather, local emission source of pollution and other factors, in the past 3 years, there were some differences and similarities in the monthly concentration, the exceeding standard and the annual maximum month; and some meteorological factors also showed significant correlation.

ozone; spatiotemporal distribution; characteristics; meteorological factor; southern city

X84

：A

：1002-6002(2017)04- 0194- 07

10.19316/j.issn.1002-6002.2017.04.24

2017-04-22;

：2017-05-05

科技部2015年度环境保护公益性行业科研专项“多度尺度空气质量预报对接技术与业务示范研究”(201509014)

赵熠琳(1986-)，女，北京人，硕士，工程师。

丁俊男