南极考察航线大气微、痕量气体观测：数据质量评估/控制与分析*

邹炫宇 赵守栋 汤 洁 郑向东 张东启 卞林根

中国气象科学研究院，北京，100081

1 引言

大气微量（CO2）和痕量（CO、O3、CH4和N2O）气体全球分布并不均匀，浓度数据主要来自近地面站点的长期观测，而占地球近3/4 面积的海洋大气边界层观测资料很少。Keeling（1960）自20 世纪50 年代起开展表层海水和海洋大气边界层CO2观测。利用远洋航船开展CH4、N2O、CO 及O3观测起始于20 世纪70 年代，如1977—1978 年GAMETAG（Global Atmospheric Measurements Experiment on Tropospheric Aerosols and Gases）（Gidel，1983），1990 年SAGA3（Soviet-American Gases and Aerosols）（Johnson，et al，1993），1998—1999 年INDOEX（Indian Ocean Experiment）（Lelieveld，et al，2001）等。定期商船航线（Nakazawa，et al，1992）、极地考察船航线（Longinelli，et al，2012，2013；Kanaya，et al，2019）是重要观测的平台。中国在极地考察船航线上也开展了CO2（高众勇等，2001）、O3（陆龙骅 等，2001；Li，et al，2015）、CH4（刘雅淑等，2007）、N2O（朱仁斌等，2008）、CO（Li，et al，2015）等观测研究。

在航船上开展观测具有覆盖地理范围大的优点。海洋巨大热容量使得海洋大气边界层热力学日变化远低于陆地大气边界层。在海洋上航行时观测到的大气微、痕量气体浓度应是混合均匀处于浓度平衡状态的值。但航船（或航道上其他航船）发动机排放的CO2、NOx、SO2、CO 和颗粒物为显著污染源（Eyring，et al，2005）；全球尺度人为向大气排放的 CO2、NOx和SO2中，航船排放的贡献分别占2.2%、15%和5%—8%（Nunes，et al，2017）；NO 作为排放NOx中的主要成分可通过滴定效应消耗O3（Song，et al，2003）。因此，航船自身污染排放在合适的气流输送时会给大气微、痕量气体和气溶胶观测带来一定影响，且呈现“CO、CO2浓度上升而O3浓度下降”的基本特点。从“雪龙”号极地考察船上的观测资料中已发现黑碳测量值异常偏高（汤洁等，2011），而对化石燃料排放极为敏感的大气14CO2测量也有局地污染影响存在（Zheng，et al，2020）。

早期由于仪器在线完成一次样品测量时间较长，而用气袋或气瓶采样后在实验室离线分析的数据时间分辨率低，因此，对局地污染的处理简单，通常是统计滤波和异常值的舍弃。微、痕量气体在线观测现已进入到高精度连续秒或分钟级数据获取阶段，传统近地面固定站点观测数据质量评估与控制（Quality Assessment/Quality Control，QA/QC）常用的方法，如根据气流轨迹筛选或统计滤波过滤高频异常数据等均可应用。Longinelli 等（2013）分析新西兰至南极罗斯海考察船航线上CO2数据时利用了基于Mauna Loa 站观测资料发展的滤波方法（Thoning，et al，1989）。汤洁等（2011）处理北极考察黑碳连续观测数据则应用了滑动中值法+手动剔除异常值。传统方法在过滤高频或异常测值（局地污染显著特点之一）时很有效。但由于缺少多种痕量气体变化相互比较和验证环节，传统方法得到的一些观测结果也难以解析。如，近海面上异常O3低值（≤5×10-9）一般仅出现在极地海边春季（Barrie，et al，1988）或者热带辐合 带（ITCZ，Inter Tropical Convergence Zone）（Liu，et al，1980），但有研究（Li，et al，2015）发现夏、秋在中国北极航线无规律地出现过多次；南大洋与南极间CO2浓度随纬度分布理应十分平滑，而Longinelli 等（2012）则报道了南极与新西兰间气瓶采样的CO2浓度随纬度呈锯齿状分布。

对高时间分辨率大气微、痕量气体观测数据的质量评估与控制研究主要在陆地固定站点开展，其目的是提取微、痕量气体不同尺度的本底值。常用方法为统计滤波分析剔除异常值（Ruckstuhl，et al，2012；Yuan，et al，2018）。多种大气成分同步观测是提取微、痕量气体本底信号常用的方法，特别是CO 作为示踪物被广泛应用（Chandra，et al，2016；Liu，et al，2019），而在南大洋全球大气本底地区，如澳大利亚的Macquire 岛（54.48°S，158.97°E），结合氡-222 示踪观测则能非常有效地剔除来自大陆地区污染物输送的影响（Stavert，et al，2019）。但对移动站点（如航船）观测大气微、痕量气体数据的质量评估与控制研究比较少，且主要关注的是航船本身的污染排放特征（Nunes，et al，2017；Celik，et al，2020）。

文中基于2020 年1—4 月中山大学组织的“北京”号考察船在中国与南极罗斯海之间获得的CO、CO2、O3、CH4和N2O 数据资料，根据来自航船燃油发动机的局地污染造成“CO、CO2浓度上升而O3浓度下降”的认识，建立了航船数据质量评估与控制方法，以消除局地污染影响，还原观测数据的代表意义并对微、痕量气体浓度的分布进行了初步分析。

2 考察船航线和观测

2.1 考察船及考察航线

“北京”号原是一条极地补给救援和海洋石油勘探船，航速通常为6—9 节，低于中国南极考察船“雪龙”号通常的航速（15—16 节），船速低使得在“北京”号开展大气微、痕量气体观测比“雪龙”号更易受到燃油发动机的局地污染影响。“北京”号于2020 年1 月17 日从浙江舟山出发，往南经巴布亚新几内亚海域进入南太平洋，沿澳大利亚东部进入南大洋并于2 月20 日抵达南极罗斯海海域（75°S，164°E）。航船于2 月24 日沿原路返回，4 月14 日抵达天津港。航程按纬度可大致分为5 个区域：（1）北半球中低纬度地区（约10°—39°N）（简称北中低纬）；（2）热带辐合带（10°N—15°S）；（3）南半球中低纬度地区（15°—45°S）（简称南中低纬）；（4）南大洋（45°—66.5°S）和（5）南 极地区（66.5°—75.0°S）。

2.2 仪器与运行

CO2、CH4和CO、N2O 分别用Picarro G2301和LGR916 分析仪测量。Picarro G2301 采用光腔衰荡光谱技术，在光腔室内具备总光程长达20 km的快速准确测量能力（Crosson，2008）；LGR916 采用第4 代离轴腔室增强吸收技术实现直接快速的N2O、CO 测量。利用TE49i 仪（根据臭氧在254 nm波段紫外光强吸收原理）进行O3测量，仪器均安装在船艏三层甲板方舱里，主要技术参数见表1。

表1 微、痕量气体观测仪器主要参数Table 1 Major parameters of various trace gas observation instruments

航程初期，因仪器故障O3数据缺失；控制Picarro G2301 和LGR916 的进气阀箱漏气，巡视仪器人员呼出高浓度CO2驻留在仪器方舱里使得CO2呈大幅度日振荡。1 月22 日和2 月1 日LGR916 分析仪各有一次重启，造成持续数小时数据缺测。TE49i在3 月30—31 日出现近36 h 停机，造成数据缺测。

每天2 次利用已知浓度标准气对大气CO2、CH4、CO、N2O 测量值进行10 min 校准，由此得到标准浓度数值与测量值之差用于测量值订正。臭氧仪在航测前后离岸校准确保测值的准确。

3 数据质量评估与控制过程

3.1 原始分钟级数据

为了与O3浓度分钟级数据统一，文中首先按拉依达统计（3σ）准则（Kanaya，et al，2019），将CO2、CH4、CO、N2O 浓度原始秒数据处理成分钟平均值并对偏离分钟平均值3 倍标准差的秒级数据进行剔除，剩余数据再平均成分钟数据（图1）。从图1可见，虽然CO2（图1b）、CO（图1a）浓度在某些时段上有高频变化或极值，但浓度随时间变化低值基线仍很明显，这是未受到局地污染的浓度。CH4（图1d）浓度在极地地区有很小幅度上升（图中放大部分）。N2O（图1e）浓度最稳定但偶尔出现异常值。O3（图1c）浓度随时间变化则不同，在南大洋以南当CO2、CO 出现高值时O3则出现低值，呈现出受局地污染影响的典型特征。

图1 2020 年“北京”号考察船南极考察期间大气微、痕量气体分钟平均浓度时间序列（a.CO，b.CO2，c.O3，d.CH4，e.N2O）Fig.1 Time series of minute level concentrations（volume mixing ratio）of the five atmospheric trace gases of R/V Beijing cruise track between China and Antarctica in 2020（a.CO，b.CO2，c.O3，d.CH4，e.N2O）

3.2 微、痕量气体分钟级浓度序列建立及受污染时段示踪方法

航船燃油发动机造成的局地污染在极短时间内（数分钟）使大气CO2、CO 和O3浓度发生急剧变化。孙述蒙（2016）为此在分析第31 次（2014—2015 年）南极考察“雪龙”号航线观测数据时引入了微、痕量气体相邻1 min 浓度差的概念：若无局地污染影响或观测点受持续稳定局地污染影响时，任何一种气体浓度的连续相邻1 min 差应接近0 或仅存在仪器测量的随机误差。但是由于航船燃油发动机的局地污染排放受到船速、海浪、风等多因素影响，污染气体中CO、CO2和NOx从排放点扩散至观测点不可能完全是均匀稳定的过程，由此会造成相邻1 min 浓度发生显著变化从而可用于局地污染的识别。

图2 是各种气体相邻1 min 浓度差时间序列。多数时段相邻1 min 浓度差接近0，但有些时段CO、CO2和O3各自相邻1 min 浓度差有较大变化，且变化时段接近，表明它们都受到了局地污染影响。CH4和N2O 也受到局地污染但异常值变化幅度远低于CO、CO2和O3。CH4在8°S 附近变化频率显著，可能与航船经过巴布亚新几内亚与西新不列颠岛陆地之间的狭窄维蒂亚兹海峡有关。航程临近结束时5 种气体浓度均呈高频变化，表明船航速慢或航道其他船只造成了持续的局地污染。

图2 微、痕量气体相邻1 min 浓度差时间序列（a.CO，b.CO2，c.O3，d.CH4，e.N2O）Fig.2 Time series of adjacent one minute concentration differences of the atmospheric trace gases（a.CO，b.CO2，c.O3，d.CH4，e.N2O）

考虑到CO、CO2和O3相邻1 min 浓度差分布时段以及航程所处的纬度范围可能存在的陆地污染源情况，将考察航线分为3 个航段（表2）：①1 月19 日01 时—2 月10 日16 时（世界时，下同）；②2 月10 日17 时—3 月20 日20 时；③3 月20 日21 时—4 月16 日21 时。3 个航段分别对应：①对应南半球低纬度及以北区域，该航段污染较重，CO2最初测量仪器存在气阀漏气现象，澳大利亚发生大面积森林大火；②对应南半球低纬度以南地区，该区域无明显区域污染源；③与①航段一样，污染较重，特别是航船靠近港口时。各航段以气体相邻1 min 浓度差绝对值的平均及其标准差（σ）之和为阈值（表2）调查受局地污染的情况。①航段因污染重阈值较高，但在洁净的②航段CH4阈值最高的原因仍未知，O3阈值相对变化最高（因为大气中O3浓度低），N2O 阈值最低。

表2 各气体相邻1 min 浓度差阈值的绝对值设定Table 2 Absolute thresholds of differences in concentrations of various trace gases in adjacent one minutes

图3 是根据表2 阈值对图1 中数据筛选后各气体 1 min 浓度时间序列。CO2、CO 和O3序列中的断点是因为阈值的引入剔除了很多时段污染数据。但未能将CO、CO2和O3数据序列中所有受污染的数据全部筛选出来，因为持续稳定污染还可能使各种气体的相邻1 min 浓度差小于表2 阈值，也未能将CO2在最开始阶段的异常振荡高值剔除。CH4和N2O 筛选效果明显，因此，文中对CH4和N2O 数据处理止于相邻1 min 浓度差阈值方法的分钟数据做小时平均，而对CO、CO2和O3数据则做进一步处理。

图3 经相邻1 min 浓度差阈值筛选后的各种气体分钟浓度数据时间序列（a.CO，b.CO2，c.O3，d.CH4，e.N2O）Fig.3 Time series of trace gases screened by concentration difference thresholds in adjacent one minutes（a.CO，b.CO2，c.O3，d.CH4，e.N2O）

由于船燃油发动机废气中含有很高的CO 和CO2浓度，CO 或CO2浓度快速变化则可指示受到了局地污染的影响。因此，对图3 中CO、CO2和O3浓度分钟级数据序列分别采取以下示踪方法进行处理，以期确定最优方法将受持续稳定污染时段的数据筛选出来。示踪方法包括：（1）CO 示踪。CO 分钟浓度阈值确定CO 观测受污染时段（图3a）也被认为是CO2和O3观测受污染时段。（2）CO2示踪。CO2分钟浓度阈值确定的CO2观测受污染时段（图3b），也被认为是CO 和O3观测受污染时段。（3）CO+CO2示踪。凡是被CO 或CO2所示踪污染时段均被认为是 CO、CO2和O3受污染时段。（4）CO/CO2示踪。该方法引入是因为大气中CO2浓度远高于CO，局地污染导致 CO 相对变化幅度比CO2更大。在未被污染的本底地区，CO/CO2值为（0.1—0.2）×10-3，而由于燃料燃烧形成的污染气体中，这一值可达到（8.6—123.6）×10-3（Chandra，et al，2016）。

考虑到滑动中值法在处理黑炭数据中的效果（汤洁等，2011），下文分析比较中将这一方法处理结果与上述4 种示踪分析结果进行比较。

3.3 不同方法示踪后CO、CO2 和O3 测量值比较

3.3.1 CO 测量值比较

图3a 是根据CO 相邻1 min 浓度差阈值剔除局地污染异常值的结果。图4a 是滑动中值法处理得到的CO 分钟级数据，通过迭代统计滤掉了CO 异常值使得序列曲线平滑，但该方法未能筛出南大洋—南极洁净地区CO 受持续污染时段的数据（浓度峰值）。采用CO2示踪来筛选CO 受污染的时段（图4b）效果也有限；与图3a 相比，CO 浓度还是含有较多局地污染成分。

图4 不同方法剔除污染时段后CO 分钟浓度时间序列（a.中值法，b.CO2 示踪，c.CO+CO2 示踪，d.CO/CO2 示踪）Fig.4 Time series of CO concentration with removed contamination screened by multiple methods（a.median method，b.CO2 tracer，c.CO+CO2 tracer，d.CO/CO2 tracer）

图3a 和图4b 说明CO、CO2单独示踪出的污染时段均不能将CO 浓度时间序列异常高值全部标识出来，特别是浓度值应很稳定的南大洋和南极区域，表明CO 和CO2浓度在局地污染影响下而呈现的变化并不完全同步。这可能与局地污染源中CO 和CO2在大气中扩散混合过程存在差异有关，还可能与仪器的响应时间不同有关。

Celik 等（2020）研究表明，航船排放的CO2从烟羽中散开需要（75±15）min，完全与海洋大气边界层中的背景浓度达到混合平衡状态则需要（260±60）min。在分钟级别上，发动机排放的CO（或CO2）很难在短距离内与大气中原有的CO（或CO2）充分混合至浓度平衡被采集到，因此观测到的微、痕量气体浓度呈现高频变化特征。各气体的分压差、分子量和大气温度是决定各气体分子在大气中扩散快慢的因子。发动机排放废气温度相同但排放的CO、CO2浓度与大气中CO、CO2浓度所呈现的分压差不尽相同，这种局地污染影响下的CO 和CO2浓度变化并不完全同步。显然，在局地污染源与采样测量点间有限空间内CO（或CO2）扩散混合时间远低于测量点大气中CO（或CO2）浓度建立平衡态所需的预驰时间。因此，图3a 中CO 和图4b 中CO2所示踪的CO 浓度受局地污染时段并不完全一致，也就是说单独用CO 或CO2来标识CO 受局地污染影响的时段存在差别。对CO2示踪效果（图3b 和图5b）也存在这种情况。

图5 不同方法剔除污染时段后CO2 分钟浓度时间序列（a.中值法，b.CO2 示踪，c.CO+CO2 示踪，d.CO/CO2 示踪）Fig.5 Time series of CO2 concentration with removed contamination screened by multiple methods（a.median method，b.CO2 tracer，c.CO+CO2 tracer，d.CO/CO2 tracer）

如果合并CO 与CO2示踪（CO+CO2示踪）污染时段（有些时段重合）则可以把南大洋和南极地区CO 浓度分钟数据中出现的受局地污染影响数据有效剔除（图4c），但示踪后CO 数据样本数明显减少且仍留存难以剔除的个别受污染影响数据。CO/CO2示踪（图4d）在CO 浓度高值区域效果最好，明显优于CO 或CO2单独示踪的效果，但剔除了更多的CO 数据样本，且在南大洋和南极地区效果不及CO+CO2示踪。

3.3.2 CO2测量值比较

不同方法示踪CO2浓度分钟序列与CO 结果类似（图3b 和图5）。滑动中值法较好地保持了CO2的低频变化特点但不能将南大洋和南极地区明显受到污染的高值数据剔除。CO+CO2示踪在全球本底地区效果最好（图5c），但是以剔除CO2浓度数据样本数为代价，而CO/CO2的示踪略优于CO 和CO2单独示踪。船去程初始段由于进气阀漏气产生的高CO2值（严重偏离2019 年全球大气本底值）所有示踪方法均无能为力，这部分极不正常的CO2数据只能手动筛选而且仅作参考。

3.3.3 O3测量值比较

图6 给出不同方法O3浓度示踪结果。与CO，CO2浓度受局地污染源影响不同的是，文中影响O3浓度示踪结果的因素有3 个：（1）污染气体中O3浓度几乎为0，污染气体排放会稀释大气中原有O3；（2）污染气体中NO 通过滴定化学反应消耗大气中O3，但需要一定的时间；（3）O3采样频率低于CO和CO2。因此，图3c 中O3分钟浓度差阈值方法、图6 污染示踪方法均未能完全有效地剔除O3分钟数据序列中受污染时段，使得CO 或CO2示踪效果差别不明显，CO+CO2示踪效果略有改善（图6d），但仍有很多明显受局地污染的数据难以剔除。

图6 不同方法剔除污染时段后O3 分钟浓度时间序列（a.中值法，b.CO2 示踪，c.CO+CO2 示踪，d.CO/CO2 示踪）Fig.6 Time series of O3 concentration with removed contamination screened by multiple methods（a.median method，b.CO2 tracer，c.CO+CO2 tracer，d.CO/CO2 tracer）

3.4 小时平均数据

由于各方法示踪分钟数据污染时段总留有未筛除的数据（特别是O3），为此将分钟数据按拉依达统计准则（3σ）转换为小时平均数据。参考Yuan 等（2018）处理方法，对去程热带辐合带区域以北仅手动选取CO2浓度波动期间每日连续最低小时均值为可疑数据保留参考（不做数据分析用）。而对CO+CO2示踪后O3小时平均浓度数据再次筛分：即相邻1 h 内若CO 和CO2浓度同步上升而O3浓度下降则再次将该小时O3数据剔除，这一过程减少了一定量的O3样本。图7 是在CO+CO2示踪基础上对各种气体进行质量评估与控制后的最终结果，可见，即使在极其偏远的海洋航船观测数据也可能因局地污染而剔除，这种情形在航船以低速穿越冰区或临时停泊开展考察时更加明显。但航行回程靠近港口时，CO 和CO2浓度上升而O3浓度下降的局地污染特征数据仍难以剔除。

图7 数据质量控制后5 种气体小时平均浓度时间序列（a.CO，b.CO2，c.O3，d.CH4，e.N2O）Fig.7 Time series of hourly averaged concentrations of the five atmospheric trace gases with the data quality control process（a.CO，b.CO2，c.O3，d.CH4，e.N2O）

表3 给出了5 个纬度区域不同方法处理的3 种气体浓度结果。表中原始数据是根据相邻1 min分钟浓度差阈值过滤后的数据。可以看出，去程局地污染最显著的是北半球中低纬度带，各种方法对CO、CO2处理结果基本一样。CO/CO2方法对CO筛选显著，去程和回程在北半球中低纬度地区分别使得CO 小时平均浓度下降了75×10-9（约41%）及69×10-9（约30%），但这是以放弃85%（去程）和30%（回程）样本数为代价；而去程 CO 浓度（104.9×10-9）与表4 中同一纬度范围内的关岛和Maun Loa 值接近，具有本底特征。回程CO2下降了3.5×10-6（小于1%），样本数减少了 28%。显然 CO/CO2仍是污染地区筛选CO 和CO2本底数据最有效的方法。

表3 各示踪方法在不同区域对CO、CO2、O3 处理结果比较Table 3 Comparison of latitudinal CO，CO2，O3 concentrations processed by different QA/QC methods

表4 “北京”号航船测量大气微、痕量气体与陆地近地面站点观测比较（去程）Table 4 Comparison of concentrations of various trace gases along the outbound R/V Beijing cruise track with those measured at continental sites

表5 同表4，但为回程Table 5 Same as Table 4 but for inbound

CO+CO2共同示踪方法在南半球最有效，去程在南大洋、南极罗斯海区域的CO 和CO2浓度下降而O3浓度上升。回程效果最明显，CO 浓度平均下降（5—11）×10-9（约10%—18%），CO2浓度则下降了（3—7）×10-6（约1%—2%），O3浓度上升（3—5）×10-9（20%—25%）。

3.5 质量评估与控制后数据可比性

表4（去程）和5（回程）是质量评估与控制后结果与同纬度陆地站点相近时段测量结果比较。可以看出，CO、CO2和CH4由于是在邻近中国大陆的下风向西太平洋上观测的，浓度值均高于近同纬度的陆地站点，O3也基本如此。而在澳大利亚Cape Grim 站以南的全球大气本底地区，测量值则与陆地站点接近：CO、CO2、CH4和N2O 浓度差分别均在2×10-9、0.7×10-6、1.4×10-9和 0.5×10-9以 内。O3在南极罗斯海区域低于南极的 Arrival Height 和东南极的昭和站测量值，可能与站点在冰川风影响下呈现季节性高值有关（Legrand，et al，2009）。N2O与各站测量值接近，反映了N2O 在全球稳定分布（Assonov，et al，2013）。

3.6 大气微、痕量气体浓度分布

3.6.1 纬度分布特征

图8 是“北京”号观测期间5 种气体浓度随纬度的分布，总体上呈北高南低的分布特征，浓度在20°N 以北均比较高。在15°S 以南变化幅度减小且趋于稳定，特别是南大洋—南极变化非常小。1 月南半球的5°—14°S 是热带辐合带（蒋尚城，1988；Waliser，et al，1994），对微、痕量气体浓度随纬度变化影响明显，O3、CH4和N2O 在此均出现了明显随纬度的梯度变化。去程在赤道至10°S 的巴布亚新几内亚与西新不列颠岛陆地及狭窄维蒂亚兹海峡影响到气体观测，CH4、CO2和CO 在5°—6°S 出现小的峰值，N2O 浓度也有明显上升。

图8 “北京”号观测期间大气微、痕量气体浓度随纬度分布（a.CO，b.CO2，c.O3，d.CH4，e.N2O）Fig.8 Concentrations of atmospheric trace gases along the R/V Beijing between China and the Ross sea in Antarctica as a function of latitude（a.CO，b.CO2，c.O3，d.CH4，e.N2O）

3.6.2 O3浓度区域分布基本特征

O3是文中5 种气体中化学性质最活跃的。O3与相近纬度各站点观测结果的比较（表4、5）显示，回程时北半球差别明显。从O3浓度随航船路线的分布（图9）来看，除总体呈北高南低分布外，还有3 个区域需要关注。

图9 O3 浓度沿“北京”号考察航线的分布（a.去程，b.回程）Fig.9 O3 concentration along the R/V Beijing cruise track between China and Antarctica（a.outbound trip，b.inbound trip）

回程在30°N 附近浓度较高，可能是春季中国长江三角洲城市群下风向区域尺度污染造成的，此区域O3浓度几乎与CO、CO2、CH4和N2O 浓度上升同步，并且与CO 及CH4浓度呈显著正相关（图略），表明O3浓度上升主要是NOx参与下光化学反应生成的贡献。CO 是O3前体物，高浓度CO 与高浓度O3同时出现较好地反映了区域尺度污染输送影响，这种现象在陆地站点也被大量观测证实（Parrish，et al，1998；Tsutsumi，et al，2000）。

回程在6°—14°S 呈现连续的O3低值，是热带辐合带典型O3低值分布（Liu，et al，1983）：NO 浓度极低情形下按以下的化学反应消耗O3。

因此，这个区域的CO 浓度与O3浓度呈反相关（图略）。去程20°—40°S 的O3浓度上升明显，该区域高值与全球大气化学输送模式计算结果（Crutzen，et al，1999）、卫星反演对流层O3柱浓度的分布（Fishman，et al，2003）均一致，反映了南半球该纬度带夏季对流层O3高浓度分布特征。

4 结论与讨论

基于2020 年1—4 月“北京”号考察船南极考察航线观测到的气体（CO、CO2、O3、CH4和N2O）浓度数据，提出了数据质量评估与控制方法，并采用不同示踪方法对观测结果进行了比较分析。主要结论如下：

（1）远洋航船观测时CO、CO2和O3浓度（体积分数）变化受局地污染影响明显，CH4和N2O 受影响较小。相邻1 min 浓度差阈值方法能有效剔除CH4和N2O 数据序列中的异常值。

（2）CO 与CO2共同示踪（CO2+CO）是筛选CO2、CO 和O3受局地污染影响观测结果的最优组合，可在南大洋以南地区确保观测数据具有全球大气本底特征，筛选后CO、CO2平均浓度比原始数据分别降低（5—11）×10-9（10%—18%）和（3—7）×10-6（1%—2%），O3则上升（3—5）×10-6（20%—25%）。在高局地污染地区CO2+CO 示踪效果不佳；CO/CO2示踪是筛选CO 和CO2本底浓度最有效的方法。

（3）大气痕量气体呈北（南）半球高（低）基本特征，南大洋以南及南极地区分布稳定，大气O3浓度在不同纬度高值和低值分布特征及机制清晰。

文中用相邻1 min 浓度差阈值法对微、痕量气体数据进行了过滤，考虑到可能有持续数分钟或更长时间局地污染存在，还采用了相邻3、5 和10 min浓度差进行过滤，结果显示相邻1 min 浓度差方法过滤效果最佳，而且与O3测量时间分辨率一致，为CO+CO2示踪方法进一步过滤分钟级数据并应用3σ 准则得到小时平均结果保留了最多样本。

单独CO 或CO2示踪使得CO 或CO2数据中有些污染数据难以剔除，其根本原因与污染气体局地短时间内（秒至分钟级）扩散过程有关，这也使得对O3浓度数据的小时平均值最可能反映实际情况。CO+CO2示踪或CO/CO2示踪方法优于单独CO 或CO2示踪，前者的效果与观测区域和数据质量评估和控制后的应用有关。CO/CO2示踪在高污染地区是筛选CO 和CO2本底浓度最有效的方法，但本研究的目的是剔除受局地污染的数据而不是寻求本底数据，因此，文中选用CO+CO2示踪方法。CO+CO2示踪方法保留了O3在中国东海受区域污染影响的数据，也准确反映了各微、痕量气体测量值在南大洋和南极的全球本底特征。因为缺少连续的气象和航行数据，本研究未能依据传统方法过滤局地污染影响（汤洁等，2011；Gao，et al，2013），但滑动中值法与手工剔除相结合仍可能是数据质量评估与控制的途径之一。

质量控制后的数据为进一步研究气体在不同区域分布变化及其机制提供了可能。如，热带辐合带季节变换（蒋尚城，1988）、北半球经向往南输送（Ashfold，et al，2015）对大气污染的跨赤道输送、南大洋以南的O3和N2O 的变化可能涉及到南半球本底地区平流层-对流层交换的影响（朱仁斌等，2008；Škerlak，et al，2014；Zheng，et al，2020）、CO2随纬度分布反映海-气相互作用对大气CO2影响（Metzl，et al，1999；高众勇等，2001）等。

致 谢：观测过程中得到了“北京”号极地考察船的大力帮助，文中其他站点温室气体数据来自https://gaw.kishou.go.jp/，地面臭氧数据来自https://ebas.nilu.no/。