基于OMI數(shù)據(jù)的新冠疫情影響下福建省臭氧敏感性變化

但揚(yáng)彬,于瑞蓮,卞雅慧,陳進(jìn)生,胡恭任*

基于OMI數(shù)據(jù)的新冠疫情影響下福建省臭氧敏感性變化

但揚(yáng)彬1,2,于瑞蓮1*,卞雅慧2,陳進(jìn)生2,胡恭任1**

(1.華僑大學(xué)化工學(xué)院,福建 廈門(mén) 361021；2.中國(guó)科學(xué)院城市環(huán)境研究所,福建 廈門(mén) 361021)

基于OMI衛(wèi)星數(shù)據(jù),利用臭氧敏感性指示劑法研究了福建省及其九地市在COVID-19疫情影響下不同時(shí)間階段大氣臭氧敏感性特征以及不同情景下敏感性的變化規(guī)律.結(jié)果表明,在疫情前,福建省的大氣臭氧生成控制區(qū)面積占比情況為VOCS控制區(qū)占46.5%、協(xié)同控制區(qū)占25.0%、NO控制區(qū)占28.5%,以VOCs控制區(qū)為主,其中廈門(mén)市占比最高,南平市最低;在嚴(yán)控期,VOCS控制區(qū)占29.5%、協(xié)同控制區(qū)占21.1%、NO控制區(qū)面積占49.4%,以NO控制區(qū)為主,其中寧德市占比最高,莆田市最低;在平穩(wěn)期,VOCS控制區(qū)占23.1%、協(xié)同控制區(qū)占29.1%、NO控制區(qū)占47.8%,以NO控制區(qū)為主,其中南平市占比最高,廈門(mén)市最低.與疫情前相比,嚴(yán)控期廈門(mén)市VOCS控制區(qū)面積占比減少最多(38.1%)、最少的是三明市(7.9%);從轉(zhuǎn)化結(jié)果來(lái)看,第一類(lèi)城市包括莆田市、泉州市、廈門(mén)市,敏感區(qū)變化受前體物HCHO、NO2共同影響,而第二類(lèi)城市主要受NO2柱濃度變化影響.因此,第一類(lèi)城市臭氧調(diào)控更加復(fù)雜.

OMI衛(wèi)星數(shù)據(jù)；COVID-19；臭氧生成敏感性；福建省

近年來(lái)臭氧污染事件頻發(fā),且具有區(qū)域性特征[1-2].臭氧污染會(huì)對(duì)人體健康產(chǎn)生危害[3-4],對(duì)植物造成影響而導(dǎo)致農(nóng)作物減產(chǎn)[5-6].近地面臭氧是光化學(xué)反應(yīng)生成的二次污染物,主要是由前體物氮氧化物(NO)與揮發(fā)性有機(jī)物(VOCS)在太陽(yáng)輻射作用下生成[7].由于臭氧生成機(jī)制非常復(fù)雜,并與其前體物(NO、VOCs)呈現(xiàn)出非線性關(guān)系[8],因此控制單一前體物并不能有效控制臭氧污染.區(qū)域臭氧敏感性是通過(guò)分析臭氧與其前體物的敏感性關(guān)系來(lái)控制臭氧污染,因此,區(qū)域臭氧敏感性研究對(duì)當(dāng)?shù)爻粞跷廴痉揽鼐哂兄匾茖W(xué)意義.

目前,對(duì)于近地面臭氧敏感性的研究方法主要有敏感性測(cè)試法、源示蹤法和指示劑法[9].敏感性測(cè)試法通過(guò)調(diào)整模型輸入?yún)?shù),輸出不同排放場(chǎng)景下臭氧濃度變化,從而判定前體物的敏感性大小[10].王雪松等[11]利用空氣質(zhì)量模型與臭氧源識(shí)別技術(shù)結(jié)合的源示蹤法分析了北京地區(qū)O3污染的來(lái)源.指示劑法是根據(jù)觀測(cè)得到的光化學(xué)反應(yīng)中某些中間體或產(chǎn)物的比值,以特定閾值為判定標(biāo)準(zhǔn),來(lái)判斷區(qū)域所需控制前體物[12].Sillman等[13]首次提出將生成速率(H2O2)/(HNO3)作為指示劑判定O3生成敏感性.隨后,使用模型研究了眾多指示劑區(qū)別臭氧控制區(qū)的適用范圍,結(jié)果表明,(H2O2)/(HNO3)適用范圍最廣[14].然而,H2O2、HNO3不易監(jiān)測(cè),數(shù)據(jù)難于獲取.基于臭氧監(jiān)測(cè)儀(OMI)衛(wèi)星數(shù)據(jù)獲得的指示劑(NO2、HCHO)具有時(shí)間和空間連續(xù)性好、監(jiān)測(cè)范圍廣、人為干擾小的優(yōu)點(diǎn),已被廣泛應(yīng)用于臭氧敏感性分析研究中.武衛(wèi)玲等[15]利用OMI衛(wèi)星數(shù)據(jù)探究了2005～2016年6～9月京津冀及周邊地區(qū)夏季的臭氧敏感性.莊立躍等[16]利用OMI衛(wèi)星數(shù)據(jù)和MODIS土地覆蓋分類(lèi)產(chǎn)品,研究了珠江三角洲地區(qū)2005～ 2016年不同土地利用類(lèi)型臭氧敏感性的時(shí)空變化特征,發(fā)現(xiàn)VOCS控制區(qū)、NO控制區(qū)和協(xié)同控制區(qū)分別集中在珠江三角洲中部、珠江三角洲邊緣地帶與前兩者控制區(qū)之間;發(fā)達(dá)區(qū)主要為VOCS/協(xié)同控制區(qū),較發(fā)達(dá)區(qū)主要為協(xié)同控制區(qū),欠發(fā)達(dá)區(qū)為NO控制區(qū).單源源等[17]利用OMI衛(wèi)星數(shù)據(jù)分析了我國(guó)2005～2014年中東部地區(qū)O3控制區(qū)空間分布特征,發(fā)現(xiàn)魯豫晉、京津冀、長(zhǎng)江三角洲及珠江三角洲地區(qū)中心城市屬于VOCS控制區(qū),周?chē)鞘袑賲f(xié)同控制區(qū),其他地區(qū)屬于NO控制區(qū).目前,基于衛(wèi)星數(shù)據(jù)的近地面臭氧敏感性研究大多數(shù)以月甚至年為時(shí)間尺度單元,缺乏高時(shí)間分辨率的數(shù)據(jù)分析.然而,引起區(qū)域臭氧前體物(NO、VOCs)濃度變化的因素眾多,且具有突發(fā)性、持續(xù)時(shí)間短的特性,選用月,甚至年的平均數(shù)據(jù)并不能較好的展現(xiàn)臭氧敏感性的變化.同時(shí),對(duì)重大事件影響下的臭氧敏感性變化規(guī)律的研究較少.因此,本文基于OMI數(shù)據(jù)中的NO2與HCHO數(shù)據(jù)產(chǎn)品,以周尺度為時(shí)間分辨率,研究COVID-19疫情影響下福建省近地面臭氧敏感性變化規(guī)律,以期為重大事件影響下的區(qū)域大氣臭氧綜合防控提供參考.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

OMI是搭載在Aura衛(wèi)星上的一顆傳感器.該傳感器由荷蘭、芬蘭及NASA聯(lián)合研制.OMI是用于天地掃描的紫外-可見(jiàn)光波段成像光譜儀,其主要目的是對(duì)臭氧層、空氣質(zhì)量和氣候變化進(jìn)行觀測(cè)和研究.Aura過(guò)境時(shí)間一般在當(dāng)?shù)貢r(shí)間13:40～13:50,圍繞地球一圈約為100min左右,軌道高度約705km[18],波段范圍為270～500nm,光譜分辨率為0.5nm,星下點(diǎn)分辨率為13km′24km,地面掃描幅寬為2600km,掃描視場(chǎng)角度為114°[19],可測(cè)量包括O3、NO2、SO2、HCHO柱濃度和O3廓線及氣溶膠、云、表面紫外輻射等在內(nèi)的多種數(shù)據(jù)[20].

本文所使用的對(duì)流層NO2與HCHO柱濃度數(shù)據(jù)為2019年12月1日～2020年4月30日的每日數(shù)據(jù),數(shù)據(jù)由比利時(shí)太空高層大氣研究所(BIRA-IASB)反演,并發(fā)布在NASA官網(wǎng)上的GESDISC (https: //disc.gsfc.nasa.gov/).對(duì)流層NO2與HCHO柱濃度數(shù)據(jù)均采用DOAS技術(shù)反演,在一定程度上消除了系統(tǒng)誤差.社會(huì)經(jīng)濟(jì)數(shù)據(jù)與森林覆蓋面積數(shù)據(jù)從各地市統(tǒng)計(jì)公報(bào)獲得,來(lái)源于福建省統(tǒng)計(jì)局(http: //tjj.fujian.gov.cn/).氣象數(shù)據(jù)來(lái)源于福建省生態(tài)云(http://fjaqi.fjemc.org.cn/).

1.2 數(shù)據(jù)處理方法

對(duì)流層NO2與HCHO柱濃度數(shù)據(jù)為NASA官網(wǎng)的OMI Level-3數(shù)據(jù)產(chǎn)品,數(shù)據(jù)格式為氣象數(shù)據(jù)常用格式NetCDF.本文利用Python編寫(xiě)代碼處理數(shù)據(jù).本文基于經(jīng)度、緯度、云量提取研究區(qū)域數(shù)據(jù),考慮到邊界處插值的影響,本文選取以研究區(qū)域最大經(jīng)緯度為起始點(diǎn)構(gòu)造矩形范圍進(jìn)行研究處理.云量以小于0.3時(shí)為有效數(shù)據(jù)提取.由于衛(wèi)星在掃描監(jiān)測(cè)時(shí)會(huì)存在掃描帶間出現(xiàn)未掃描到的空白區(qū)域,即逐日數(shù)據(jù)可能存在缺失情況,因此本文以周為研究單位,利用7d平均柱濃度計(jì)算出周數(shù)據(jù).OMI NO2柱濃度數(shù)據(jù)空間分辨率為0.25°×0.25°,OMI HCHO空間分辨率為0.1°×0.1°.綜上,本文先利用Python進(jìn)行數(shù)據(jù)篩選,清洗異常值得到有效逐日文件,再將有效逐日數(shù)據(jù)文件插值成統(tǒng)一大小網(wǎng)格單元的數(shù)據(jù)文件,并計(jì)算出周文件數(shù)據(jù),最后利用指示劑法(FNR)計(jì)算臭氧敏感性[20].

指示劑法(FNR)計(jì)算公式如下:

式中:(HCHO)為行政區(qū)域內(nèi)網(wǎng)格的HCHO平均柱濃度,單位為1015molec/cm2;(NO2)為行政區(qū)域內(nèi)網(wǎng)格的NO2平均柱濃度,單位為1015molec/cm2;為兩者比值,當(dāng)<1時(shí),認(rèn)為臭氧生成處于VOCS控制區(qū),對(duì)VOCS濃度變化更為敏感;當(dāng)>2時(shí),認(rèn)為臭氧生成處于NO控制區(qū),對(duì)NO濃度變化更為敏感;當(dāng)1￡￡2時(shí),認(rèn)為臭氧生成處于協(xié)同控制區(qū)[21].

1.3 研究區(qū)域及疫情影響

福建省(23°～29°N,115°～120°E)位于我國(guó)東南沿海,共有9個(gè)地市,9個(gè)地市沿海岸線方向大體可以分為2類(lèi):沿海城市,包括寧德市、福州市、莆田市、泉州市、廈門(mén)市和漳州市;內(nèi)陸城市,包括南平市、三明市和龍巖市.

本文以經(jīng)濟(jì)較發(fā)達(dá)的福建省為例,劃分了新型冠狀病毒(COVID-19)疫情影響下的3個(gè)階段,共計(jì)20周:疫情前(12月1日～1月21日,共計(jì)7周)、嚴(yán)控期(1月22日～3月14日,共計(jì)7周)、平穩(wěn)期(3月15日～4月30日,共計(jì)6周),分析疫情前后不同階段近地面臭氧敏感性變化規(guī)律.

2 結(jié)果與討論

2.1 疫情影響下福建省O3敏感性時(shí)空變化

由圖1可以看出,在疫情前FNR曲線基本處于1～2之間,均值為1.70,即臭氧敏感性以協(xié)同控制區(qū)為主.在疫情嚴(yán)控期,FNR曲線變?yōu)榇蟛糠痔幱?以上,均值為3.10,且幅度較大,嚴(yán)控期臭氧敏感性轉(zhuǎn)變?yōu)橐訬O控制為主.從圖1中NO2與HCHO柱濃度周均值可以看出,在嚴(yán)控期NO2濃度明顯降低,其余階段并無(wú)明顯規(guī)律.在疫情前NO2柱濃度均值為4.31×1015molec/cm2,而嚴(yán)控期為2.26×1015molec/cm2,減少了47.6%.HCHO柱濃度在前兩個(gè)階段分別為5.54×1015, 4.84×1015molec/cm2,變化了12.6%.在整個(gè)研究期內(nèi),NO2柱濃度最大值出現(xiàn)在疫情前為5.29×1015molec/cm2,最小值出現(xiàn)在嚴(yán)控期為1.37× 1015molec/cm2;HCHO柱濃度最大值出現(xiàn)在平穩(wěn)期8.40×1015molec/cm2,最小值出現(xiàn)在嚴(yán)控期為2.99× 1015molec/cm2.同時(shí),由圖2可知,相比疫情前溫度、風(fēng)速基本不變,維持在較低的水平分別為14.67℃、1.08m/s,而濕度有所增加.綜上在嚴(yán)控期FNR值升高的原因:①由于疫情嚴(yán)格的限制措施,機(jī)動(dòng)車(chē)排放大量減少,導(dǎo)致NO2的排放大量減少.相比NO2,HCHO柱濃度下降幅度較小,因此整體上FNR值升高.②在靜穩(wěn)、低溫高濕的大氣條件下,NO2容易聚集,同時(shí)大氣中充足的水分能夠加快對(duì)NO2的消除凈化作用[22],致使NO2柱濃度降低.

圖1 福建省FNR變化特征及臭氧前體物柱濃度時(shí)間變化

甲醛的排放可分為人為排放與自然排放兩部分,其中在大城市以人為源為主,包括化工廠及建筑材料廠、化石燃料及生物質(zhì)的未完全燃燒等,在自然條件好的地區(qū)以自然排放為主[23-24].在疫情平穩(wěn)期, FNR曲線變化趨于平穩(wěn)且均值為2.33,仍大于疫情前的均值,以NO控制為主.從嚴(yán)控期過(guò)渡到平穩(wěn)期, NO2與HCHO柱濃度均有所上升(分別從2.26×1015, 4.84×1015molec/cm2增加為3.44×1015, 6.93× 1015molec/cm2,分別增加了52.2%和30.2%), NO2柱濃度的增加主要是由于限制措施解除,社會(huì)經(jīng)濟(jì)活動(dòng)逐漸回升,排放增加導(dǎo)致.對(duì)于HCHO柱濃度,可以發(fā)現(xiàn)平穩(wěn)期增加的幅度大于嚴(yán)控期降低的幅度.由圖2可知,較前兩階段,平穩(wěn)期的平均氣溫增幅最大達(dá)17.58℃.在高溫環(huán)境下,植被排放的異戊二烯能更快的轉(zhuǎn)化為HCHO[25],這可能是HCHO柱濃度在平穩(wěn)期增幅較大的原因.然而整體上來(lái)看,相比HCHO柱濃度,NO2柱濃度增加的幅度更大,因此在平穩(wěn)期FNR比值較嚴(yán)控期有所降低.

圖2 福建省各階段氣象因子水平及平均線

如圖3所示,在疫情前,福建省VOCS控制區(qū)主要分布在沿海城市,如寧德市南部、福州市南部、莆田市、泉州市、廈門(mén)市和漳州市東北部等地區(qū);協(xié)同控制區(qū)主要分布在福建省中部地區(qū),如三明市東部、南平市南部等地區(qū);NO控制區(qū)主要集中在福建省西部地區(qū)及北部,如南平市北部、三明市及龍巖市的西部.Witte等[26]研究中涉及福建省敏感區(qū)分布,可以發(fā)現(xiàn)VOCS控制區(qū)、協(xié)同控制區(qū)分布在福建省沿海,而NO控制區(qū)分布在福建省中西部,與本文結(jié)果相似.在嚴(yán)控期,VOCS控制區(qū)面積快速縮小,而NO控制區(qū)面積相比疫情前有所擴(kuò)大,主要分布在福建省中部及北部,如南平市及寧德市的大部分區(qū)域以及三明市、龍巖市的東部等地區(qū);協(xié)同控制區(qū)以沿海城市為主,如福州市、泉州市以及廈門(mén)市和漳州市的東部區(qū)域.在平穩(wěn)期,VOCS控制區(qū)面積急劇縮小,相比前兩個(gè)階段NO控制區(qū)面積達(dá)到最大;協(xié)同控制區(qū)主要集中在沿海城市.

2.2 福建省9個(gè)地市各階段臭氧敏感區(qū)面積占比

由圖4可知,在疫情前,福建省的大氣臭氧敏感區(qū)面積占比情況為VOCS控制區(qū)占46.5%、協(xié)同控制區(qū)面積占25.0%、NO控制區(qū)面積占28.5%,即VOCS控制區(qū)面積最大.在疫情前的9個(gè)地市中,3個(gè)控制區(qū)(VOCs控制區(qū)、協(xié)同控制區(qū)、NO控制區(qū))面積占比最大與最小的地市分別為廈門(mén)市(74.1%)與南平市(36.1%)、漳州市(30.0%)與泉州市(21.2%)以及南平市(39.3%)與廈門(mén)市(2.9%).人口密度是影響對(duì)流層NO2、HCHO排放的重要社會(huì)因素,植被覆蓋面積與甲醛自然源排放相關(guān)[27-28].由圖5可以看出,9個(gè)地市人口密度與森林覆蓋面積呈相反的規(guī)律,其中廈門(mén)市人口密度最大,達(dá)2522.62 人/km2,而廈門(mén)市的森林覆蓋面積是最小的,僅為0.08萬(wàn)km2,這將導(dǎo)致廈門(mén)市NO2排放大而HCHO排放小,從而導(dǎo)致(HCHO)/(NO2)比值始終較小,處于VOCS控制區(qū).相反地,南平市的人口密度為9個(gè)地市最小僅為102.28人/km2,森林覆蓋面積為9個(gè)地市最大達(dá)2.06萬(wàn)km2,這也導(dǎo)致了南平市以NO控制區(qū)為主,面積占比達(dá)39.3%.

在嚴(yán)控期,福建省的大氣臭氧敏感區(qū)面積占比情況為VOCS控制區(qū)占29.5%、協(xié)同控制區(qū)面積占21.1%、NO控制區(qū)面積占49.4%;在嚴(yán)控期的9個(gè)地市中, 3個(gè)控制區(qū)面積占比最大與最小的地市分別為莆田市(43.9%)與寧德市(22.4%)、莆田市(33.9%)與寧德市(17.7%)以及寧德市(59.9%)與莆田市(22.3%).在平穩(wěn)期的9個(gè)地市中, 3個(gè)控制區(qū)面積占比最大與最小的地市分別為廈門(mén)市(32.2%)與南平市(15.8%)、廈門(mén)市(65.3%)與南平市(23.1%)以及南平市(61.1%)與廈門(mén)市(2.5%).與疫情前類(lèi)似,平穩(wěn)期福建省的9個(gè)地市中,NO控制區(qū)面積占比最大的也為南平市,達(dá)61.1%,大于疫情前的南平市NO控制區(qū)面積,占比最小的是廈門(mén)市為0.3%.這主要是因?yàn)樯鐣?huì)生產(chǎn)活動(dòng)逐漸恢復(fù),但仍未達(dá)到疫情前的水平.福建省的臭氧敏感區(qū)面積占比情況為VOCS控制區(qū)占23.1%、協(xié)同控制區(qū)面積占29.1%、NO控制區(qū)面積占47.8%.

2.3 福建省9個(gè)地市臭氧敏感區(qū)變化特征

針對(duì)疫情影響下福建省大氣臭氧敏感區(qū)變化,本文從疫情前與嚴(yán)控期兩個(gè)階段,利用敏感區(qū)的面積占比變化情況來(lái)說(shuō)明敏感區(qū)的變化特征.

圖6 疫情前后臭氧敏感區(qū)面積占比變化量

從圖6中可以看出,嚴(yán)控期福建省9個(gè)地市VOCS控制區(qū)的面積較疫情前都在減少,其中廈門(mén)市面積占比減少最大為38.1%,減少最小的是三明市為7.9%;在協(xié)同控制區(qū)部分,莆田市、泉州市及廈門(mén)市面積占比增加,其余6個(gè)市的面積占比減少;在NO控制區(qū)部分,9個(gè)地市面積占比皆為增加,其中廈門(mén)市增幅最大為28.4%,三明市、南平市、莆田市增幅較小(12%左右).

從控制區(qū)間相互轉(zhuǎn)化結(jié)果來(lái)看,福建省9個(gè)地市可分為兩類(lèi).如圖6所示,第一類(lèi)為莆田、泉州、廈門(mén),可以看出這3個(gè)城市在疫情限制措施下, VOCS控制區(qū)既轉(zhuǎn)化為協(xié)同控制區(qū)又轉(zhuǎn)化為NO控制區(qū).第二類(lèi)為福州、寧德、漳州、南平、龍巖、三明,這6個(gè)城市的VOCS控制區(qū)并沒(méi)有轉(zhuǎn)化為協(xié)同控制區(qū)的部分,而是VOCS控制區(qū)與協(xié)同控制區(qū)共同轉(zhuǎn)化為NO控制區(qū).從FNR值上來(lái)看,造成上述差異的原因是由于第一類(lèi)的3個(gè)城市較小的FNR值,且增加幅度偏小,導(dǎo)致出現(xiàn)1

圖7 福建省九地市第二產(chǎn)業(yè)產(chǎn)值對(duì)比

3 結(jié)論

3.1 對(duì)流層NO2柱濃度在研究期的3個(gè)階段呈現(xiàn)先降低后增加的趨勢(shì),HCHO柱濃度呈現(xiàn)先降低后增加的趨勢(shì).NO2柱濃度在疫情前出現(xiàn)最大值5.29×1015molec/cm2,最小值出現(xiàn)在嚴(yán)控期為1.37× 1015molec/cm2,HCHO柱濃度最大值出現(xiàn)在平穩(wěn)期8.40×1015molec/cm2,最小值出現(xiàn)在嚴(yán)控期為2.99× 1015molec/cm2.

3.2 沿海城區(qū)與內(nèi)陸城區(qū)在研究期內(nèi)控制區(qū)變化存在差異.沿海城區(qū)(如寧德市南部、福州市南部、莆田市、泉州市、廈門(mén)市、和漳州市東北部)在疫情前主要為VOCs控制區(qū),在嚴(yán)控期與平穩(wěn)期主要為協(xié)同控制區(qū),而內(nèi)陸城區(qū)在疫情前主要為協(xié)同控制區(qū),在后兩階段都以NO控制區(qū)為主.

3.3 在9個(gè)地市中,VOCs控制區(qū)在研究期內(nèi)3個(gè)階段面積占比最大的依次是廈門(mén)市、莆田市、廈門(mén)市(分別為74.1%、43.9%、32.2%);協(xié)同控制區(qū)占比最大的分別是漳州市、莆田市、廈門(mén)市(分別為30.0%、43.8%、65.3%);NO控制區(qū)占比最大的依次是南平市、寧德市、南平市(39.3%、59.9%、61.1%).

3.4 在嚴(yán)控期-疫情前情景下,廈門(mén)市受疫情限制措施的影響最大,相比疫情前,嚴(yán)控期VOCS控制區(qū)面積占比減少38.1%.從控制區(qū)轉(zhuǎn)化結(jié)果來(lái)看,第一類(lèi)城市包括莆田市、泉州市、廈門(mén)市,敏感區(qū)變化受前體物HCHO、NO2共同影響,而第二類(lèi)城市主要受NO2柱濃度變化影響.因此,第一類(lèi)城市臭氧調(diào)控更加復(fù)雜.

[1] 梁永賢,尹魁浩,胡泳濤,等.深圳地區(qū)臭氧污染來(lái)源的敏感性分析 [J]. 中國(guó)環(huán)境科學(xué), 2014,34(6):1390-1396. Liang Y X, Yin K H, Hu Y, T. et al. Sensitivity analysis of ozone precursor emission in Shenzhen, China [J]. China Environmental Science, 2014,34(6):1390-1396.

[2] 程麟鈞,王 帥,宮正宇,等.中國(guó)臭氧濃度的時(shí)空變化特征及分區(qū) [J]. 中國(guó)環(huán)境科學(xué), 2017,37(11):4003-4012. Chen L J, Wang S, Gong Z N, et al. Spatial and seasonal variation and regionalization of ozone concentrations in China [J]. China Environmental Science, 2017,37(11):4003-4012.

[3] Lehman J, Swinton K, Bortnick S, et al. Spatio-temporal characterization of tropospheric ozone across the eastern United States [J]. Atmospheric Environment, 2004,38(26):4357-4369.

[4] 陳仁杰,陳秉衡,闞海東.上海市近地面臭氧污染的健康影響評(píng)價(jià) [J]. 中國(guó)環(huán)境科學(xué), 2010,30(5):603-608. Chen R J, Chen B H, Kan H D. Health impact assessment of surface ozone pollution in Shanghai [J]. China Environmental Science, 2017, 37(11):4003-4012.

[5] 列淦文,葉龍華,薛 立.臭氧脅迫對(duì)植物主要生理功能的影響 [J]. 生態(tài)學(xué)報(bào), 2014,34(2):294-306. Lie G W, Ye L H, Xue L. Effects of ozone stress on major plant physiological functions [J]. Acta Ecologica Sinica, 2014,34(2):294- 306.

[6] 耿春梅,王宗爽,任麗紅,等.大氣臭氧濃度升高對(duì)農(nóng)作物產(chǎn)量的影響 [J]. 環(huán)境科學(xué)研究, 2014,27(3):239-245. Geng C M, Wang Z S, Ren L H, et al. Study on the impact of elevated atmospheric ozone on crop yield [J]. Research of Environmental Sciences, 2014,27(3):239-245.

[7] Atkinson R. Atmospheric chemistry of VOCS and NOx [J]. Atmospheric Environment, 2000,34(12-14):2063-2101.

[8] Wang T, Xue L, Brimblecombe P, et al. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects [J]. Science of the Total Environment, 2017, 575:1582-1596.

[9] 莊立躍.中國(guó)三大城市群近地面臭氧污染特征及其敏感性研究 [D]. 廣州:華南理工大學(xué), 2019. Zhuang L Y. Ground level ozone concentration characteristics and formation sensitivity in China's Three Agglomerations [D]. Guangzhou: South China University of Technology, 2019.

[10] Ramboll US Corporation. User's guide comprehensive air quality model with extensions version 6.3. [EB/OL]. http://www.camx. com/files/camxusersguide_v6-50.pdf.

[11] 王雪松,李金龍,張遠(yuǎn)航,等.北京地區(qū)臭氧污染的來(lái)源分析 [J]. 中國(guó)科學(xué)(B輯:化學(xué)), 2009,39(6):548-559. Wang X S, Li J L, Zhang Y H, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China [J]. Scientia Sinica (Chimica), 2009,39(6):548-559.

[12] 吳 琳,薛麗坤,王文興.基于觀測(cè)的臭氧污染研究方法 [J]. 地球環(huán)境學(xué)報(bào), 2017,8(6):479-491. Wu L, Xue L K, Wang W X. Review on the observation-based methods for ozone air pollution research [J]. Journal of Earth Environmen, 2017,8(6):479-491.

[13] Sillman S. The use of NO, H2O2and HNO3as indicators for O3- NO-VOC sensitivity in urban locations [J]. Journal of Geophysical Research Atmospheres, 1995,100:175-188.

[14] 陳天賜,潘文斌.基于光化學(xué)模型的臭氧生成敏感性研究進(jìn)展 [J]. 環(huán)境科學(xué)與技術(shù), 2019,42(11):201-207. Chen T C, Pan W B. Research prog?ress of ozone formation sensitivity based on photochemical model [J]. Environmental Science & Technology, 2019,42(11):201-207.

[15] 武衛(wèi)玲,薛文博,雷 宇,等.基于OMI數(shù)據(jù)的京津冀及周邊地區(qū)O3生成敏感性 [J]. 中國(guó)環(huán)境科學(xué), 2018,38(4):1201-1208. Wu W L, Xue W B, Lei Y, et al. Sensitivity analysis of ozone in Beijing-Tianjin-Hebei (BTH) and its surrounding area using OMI satellite remote sensing data [J]. China Environmental Science, 2018, 38(4):1201-1208.

[16] 莊立躍,陳瑜萍,范麗雅,等.基于OMI衛(wèi)星數(shù)據(jù)和MODIS土地覆蓋類(lèi)型數(shù)據(jù)研究珠江三角洲臭氧敏感性 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2019, 39(11):3581-3592. Zhuang L Y, Chen Y P, Fan L Y, et al. Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products [J]. Acta Scientiae Circumstantiae, 2019,39(11):3581-3592.

[17] 單源源,李 莉,劉 瓊,等.基于OMI數(shù)據(jù)的中國(guó)中東部臭氧及前體物的時(shí)空分布 [J]. 環(huán)境科學(xué)研究, 2016,29(8):1128-1136. Shan Y Y, LI L, Liu Q, et al. Spatio-temporal distribution of ozone and its precursors over Central and Eastern China based on OMI data [J]. Research of Environmental Sciences, 2016,29(8):1128-1136.

[18] Smedt I D, Stavrakou T, Müller J F, et al. H2CO columns retrieved from GOME-2: first scientific results and progress towards the development of an operational product [A]//EUMETSAT Meteorological Satellite Conference [C]. Europe: EUMETSAT Meteorological Satellite Conference, 2009.

[19] Jie J, Yong Z, Gao J, et al. Monitoring of SO2column concentration change over China from Aura OMI data [J]. International Journal of Remote Sensing, 2012,33(6):1934-1942.

[20] 宋佳穎,劉旻霞,孫瑞弟,等.基于OMI數(shù)據(jù)的東南沿海大氣臭氧濃度時(shí)空分布特征研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(2):438-449. Song J Y, Liu M X, Sun R D, et al. Temporal and spatial distribution characteristics of atmospheric ozone concentration in Southeast Coast based on OMI data [J]. Acta Scientiae Circumstantiae, 2020,40(2): 438-449.

[21] Duncan B N, Yoshida Y, Olson J R, et al. Application of OMI observations to a space-based indicator of NOand VOC controls on surface ozone formation [J]. Atmospheric Environment, 2010,44(18): 2213-2223.

[22] 劉彩霞,邊瑋瓅.天津市空氣質(zhì)量與氣象因子相關(guān)分析 [J]. 中國(guó)環(huán)境監(jiān)測(cè), 2007,23(5):63-65,70. Liu C X, Bian W C. The correlation of air quality and meteorologic factors in Tianjin [J]. Environmental Monitoring in China, 2007, 23(5):63-65,70.

[23] 劉洋洋,劉宏慶,王振乾,等.遼寧省近12年對(duì)流層甲醛柱濃度時(shí)空變化及其影響因素 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(2):618-628. Liu Y Y, Liu H Q, Wang Z Q, et al. Spatial-temporal changes of tropospheric HCHO column density and its impact factors over Liaoning Province during 2005～2016 [J]. Acta Scientiae Circumstantiae, 2018,38(2):618-628.

[24] 王培玉,巨天珍,劉文君,等.甘肅省植被與對(duì)流層甲醛關(guān)系及影響因素分析 [J]. 環(huán)境科學(xué)研究, 2019,32(9):1556-1566. Wang P Y, Ju T Z, Liu W J, et al. Relationship between NDVI and Troposphere HCHO in Gansu Province and Its Influencing Factors [J]. Research of Environmental Sciences, 2019,32(9):1556-1566.

[25] 張玉潔,龐小兵,牟玉靜.北京市植物排放的異戊二烯對(duì)大氣中甲醛的貢獻(xiàn) [J]. 環(huán)境科學(xué), 2009,30(4):976-981. Zhang Y J, Pang X B, Mu Y J. Contribution of isoprene emitted from vegetable to atmospheric formaldehyde in the ambient air of Beijing City [J]. Environmental Science, 2009,30(4):976-981.

[26] Witte J C, Duncan B N, Douglass A R, et al. The unique OMI HCHO/NO2 feature during the 2008 Beijing Olympics: Implications for ozone production sensitivity [J]. Atmospheric Environment, 2011, 45(18):3103-3111.

[27] 陳智海,楊顯玉,古 珊,等.基于OMI數(shù)據(jù)研究中國(guó)對(duì)流層甲醛時(shí)空分布特征及變化趨勢(shì) [J]. 環(huán)境科學(xué)學(xué)報(bào), 2019,39(9):2852-2859. Chen Z H, Yang X Y, Gu S, et al. Spatiotemporal variations and trend analysis of OMI satellite-based tropospheric formaldehyde over China [J]. Acta Scientiae Circumstantiae, 2019,39(9):2852-2859.

[28] 馬 超,巨天珍,溫 飛,等.基于甘肅省衛(wèi)星遙感的對(duì)流層NO2時(shí)空變化 [J]. 中國(guó)環(huán)境科學(xué), 2020,40(3):956-966. Ma C, Ju T Z, Wen F, et al. Temporal and spatial variation of tropospheric NO2based on satellite remote sensing in Gansu Province [J]. China Environmental Science, 2020,40(3):956-966.

[29] 福建統(tǒng)計(jì)局.福建統(tǒng)計(jì)年鑒-2020 [M]. 北京:北京數(shù)通電子出版社, 2020. Fujian Provincial Bureau of Statistics. Fujian statistical yearbook- 2020 [M]. Beijing: Beijing Data Communication Press, 2020.

[30] 劉顯通,鄭騰飛,萬(wàn)齊林,等.OMI遙感珠三角城市群NO2的時(shí)空分布特征及人類(lèi)活動(dòng)影響分析 [J]. 熱帶氣象學(xué)報(bào), 2015,31(2):193-201. Liu X T, Zheng T F, Wan Q L, et al. Spatio-temporal characteristics of NO2in concentrated PRD urban districts and analysis of anthropogenic influences based on OMI remote sensing data [J]. Journal of Tropical Meteorology, 2015,31(2):193-201.

The change of atmospheric ozone formation sensitivity in Fujian Province based on OMI satellite data during the period of COVID-19.

DAN Yang-bin1,2, YU Rui-lian1*, BIAN Ya-hui2, CHEN Jin-sheng2, HU Gong-ren1**,

(1.College of Chemical Engineering, Huaqiao University, Xiamen 361021, China；2.Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China)., 2021,41(5)：2056～2063

Based on the OMI satellite data, the characteristics of atmospheric ozone sensitivity in Fujian province and its nice municipalities during the period of COVID-19 epidemic were assessed with HCHO and NO2vertical column densities as proxies for ozone sensitivity. The results showed that Fujian Province was dominated by VOCs-limited regime before the pandemic with the controlled area proportion of 46.5%. The other two regimes: NO-VOCs-limited regime and NO-limited regime, controlled 25.0% and 28.5% of the area, respectively. The area proportion controlled by VOXs-limited regime was highest in Xiamen and lowest in Nanping. During the period with strict pandemic control policies, VOXs-limited regime, NO-VOCs-limited regime and NO-limited regime controlled 29.5%, 21.1%, and 49.4% of the area, respectively. The area proportion controlled by NO-limited regime was highest in Ningde and lowest in Putian. During the stable period, VOXs-limited regime, NO-VOCs-limited regime and NO-limited regime controlled 23.1%, 29.1%, and 47.8% of the area, respectively. NO-limited regime was the dominant regime with highest area proportion controlled in Nanping and lowest area proportion in Xiamen. Compared with the before pandemic period, the area proportion of Xiamen controlled by VOCs-limited regime was obviously reduced (38.1% less) during the period with strict control policies, and the lowest reduction was in Sanming with a moderate decrease of 7.9%. According to the conversion results, Putian, Quanzhou, and Xiamen were categorized into the first city group where changes in ozone sensitivity were jointly influenced by its precursors including formaldehyde (HCHO) and nitrogen dioxide (NO2), while other cities could be categorized into the second group where ozone sensitivities were mainly affected by NO2column concentrations. Therefore, effective strategies for ozone reduction would be more complex in the first group of cities.

OMI satellite data；COVID-19；ozone formationsensitivity；Fujian Province

X513

A

1000-6923(2021)05-2056-08

但揚(yáng)彬(1993-),男,江西九江市人,華僑大學(xué)碩士研究生,主要研究方向?yàn)榇髿馕廴究刂萍皝?lái)源解析.發(fā)表論文1篇.

2020-09-30

國(guó)家自然科學(xué)基金資助項(xiàng)目(21477042);2015環(huán)境地球化學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金項(xiàng)目(SKLEG2015901);華僑大學(xué)研究生科研創(chuàng)新能力培育計(jì)劃資助項(xiàng)目

* 責(zé)任作者, 于瑞蓮, 教授, ruiliany@hqu.edu.cn; 胡恭任, 教授, grhu@hqu.edu.cn