成都夏季臭氧光化學(xué)反應(yīng)控制氣象因子的概率分布特征

任至涵，倪長?、伲ㄈ痍?，杜云松

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院，四川 成都 610225；2.高原大氣與環(huán)境四川省重點實驗室，四川 成都 610225；3.四川省生態(tài)環(huán)境監(jiān)測總站，四川 成都 610091)

自2013年相繼實施《大氣污染防治行動計劃》和《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》以來，我國整體環(huán)境空氣質(zhì)量得到明顯改善，全國及重點區(qū)域PM2.5濃度顯著下降，重污染天數(shù)大幅減少，但O3污染仍呈緩慢上升態(tài)勢，PM2.5和O3的協(xié)同治理已成為當(dāng)前大氣環(huán)境所面臨的焦點[1-5]。高濃度O3不僅對人體健康和植物生長產(chǎn)生危害，而且可通過改變大氣氧化性加劇大氣復(fù)合污染的復(fù)雜性[6-8]。

目前，我國高濃度O3主要分布在長江三角洲城市群、京津冀城市群及山東半島等人口密集和經(jīng)濟(jì)發(fā)達(dá)區(qū)域，并呈現(xiàn)出顯著的時空變化特征[9-10]。研究[11-12]表明，平流層輸入是對流層O3的天然源，但目前普遍認(rèn)為大氣邊界層O3主要由光化學(xué)反應(yīng)產(chǎn)生。氮氧化物(NOx)和揮發(fā)性有機(jī)物(VOCs)等前體物在光照等適宜氣象條件下發(fā)生一系列光化學(xué)反應(yīng)產(chǎn)生O3，前體物和氣象要素與O3濃度之間構(gòu)成了一個復(fù)雜的非線性動力系統(tǒng)[13]。

近地面O3濃度變化不僅取決于O3前體物的排放，也與O3光化學(xué)污染潛勢密切相關(guān)[14-15]。諸多研究[16-17]表明，太陽輻射和氣溫均與O3濃度之間存在顯著正相關(guān)關(guān)系，強(qiáng)太陽輻射和高溫能促進(jìn)光化學(xué)反應(yīng)速率，有利于O3濃度的升高。大量統(tǒng)計結(jié)果[18-21]也顯示，O3濃度存在顯著日變化和季節(jié)變化，日O3濃度最大值一般在中午至午后出現(xiàn)的頻率最大，春、夏季通常是O3污染的易發(fā)和頻發(fā)時段，這與太陽輻射和氣溫的時間變化特征是完全一致的。總云量、低云量和相對濕度則與O3濃度呈現(xiàn)負(fù)相關(guān)關(guān)系，一方面，水汽的增加會減弱太陽輻射強(qiáng)度并降低日最高氣溫；另一方面，水汽會與O3發(fā)生反應(yīng)進(jìn)而消耗近地面O3[22-23]。徐錕等[24]、楊云蕓等[25]和嚴(yán)曉瑜等[26]對中國典型城市O3濃度與多種氣象因子之間的復(fù)雜關(guān)系進(jìn)行了分析，均發(fā)現(xiàn)太陽輻射、氣溫和相對濕度是影響O3濃度變化最主要的氣象要素。任至涵等[27]針對成都地區(qū)的研究表明，11:00—19:00的氣象要素對逐日O3污染潛勢具有最優(yōu)的指示意義。雖然O3的光化學(xué)反應(yīng)是近地面的O3源，但實際上O3濃度分布還取決于大氣擴(kuò)散能力。HU等[28]采用WRF-Chem模式研究了長江三角洲1次典型O3污染過程，發(fā)現(xiàn)近地面盛行東風(fēng)和邊界層垂直輸送是影響此次O3污染過程的重要因子。由上述分析可見，O3光化學(xué)反應(yīng)非常復(fù)雜，具有高維、非線性和不確定性等特點。在眾多氣象因子中，太陽輻射、氣溫和相對濕度對O3光化學(xué)反應(yīng)的影響尤為突出，是O3光化學(xué)反應(yīng)的控制氣象因子，其數(shù)據(jù)分布形態(tài)在很大程度上決定了O3非線性演化進(jìn)程。

受特殊地理條件和環(huán)流系統(tǒng)共同影響，四川盆地是全國最為著名的靜小風(fēng)區(qū)。成都位于四川盆地西部，風(fēng)速風(fēng)向?qū)3濃度影響相對較小[29-30]。利用成都市2016—2019年6—8月O3逐時監(jiān)測數(shù)據(jù)及該時段同時次地面氣象觀測資料，深入探究不同O3濃度等級條件下太陽輻射、氣溫和相對濕度的概率分布特征，據(jù)此為O3光化學(xué)反應(yīng)氣象成因的深入認(rèn)知和O3光化學(xué)反應(yīng)污染潛勢模型構(gòu)建提供技術(shù)支持。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源及處理

(1)數(shù)據(jù)來源：所采用資料包括成都市溫江區(qū)氣象觀測站(30.70° N、103.83° E)所提供的2016—2019年6—8月逐時O3連續(xù)監(jiān)測數(shù)據(jù)和氣象觀測數(shù)據(jù)。氣象數(shù)據(jù)包括常規(guī)地面觀測氣象資料氣溫和相對濕度以及地面輻射觀測資料(太陽總輻射輻照度)。O3監(jiān)測儀器采用MODEL400E紫外吸收O3分析儀(美國)，監(jiān)測數(shù)據(jù)異常值按HJ 630—2011《環(huán)境監(jiān)測質(zhì)量管理技術(shù)導(dǎo)則》進(jìn)行判斷和處理，監(jiān)測數(shù)據(jù)統(tǒng)計有效性按GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》執(zhí)行。刪除異常值和缺測值較多的日期后，該研究有效監(jiān)測天數(shù)為359天。

(2)數(shù)據(jù)處理：根據(jù)HJ 633—2012《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》標(biāo)準(zhǔn)，對逐時O3數(shù)據(jù)進(jìn)行8小時滑動平均處理，以O(shè)3日最大8小時滑動平均濃度〔ρ(O3-8)〕構(gòu)建O3濃度日序列；研究[27]表明，11:00—19:00氣象要素對成都市逐日O3污染潛勢具有最優(yōu)指示意義，并以太陽輻射、相對濕度和氣溫的影響尤為突出。因此，在研究時段內(nèi)逐日求取11:00—19:00氣象要素平均值，據(jù)此得到O3光化學(xué)反應(yīng)控制氣象因子的日序列。

1.2 研究方法

太陽輻射、氣溫和相對濕度概率分布函數(shù)源于Python 2.7.18的SciPy包，且fitter 1.3.0包內(nèi)的Fitter函數(shù)可以遍歷SciPy包內(nèi)104種概率分布函數(shù)。基于極大似然估計法進(jìn)行參數(shù)估計，并采用Kolmogorov-Smirnov檢驗(K-S檢驗)、均方根誤差(RMSE值)、赤池信息準(zhǔn)則(AIC值)和貝葉斯信息量(BIC值)分析了多種概率分布函數(shù)對O3光化學(xué)反應(yīng)控制氣象因子的擬合優(yōu)度。K-S檢驗方法以及RMSE值、AIC值和BIC值的計算方法參見文獻(xiàn)[31-32]，RMSE值、AIC值和BIC值越小，表明概率分布函數(shù)對數(shù)據(jù)的擬合效果相對越好。

2 結(jié)果與分析

2.1 太陽輻射、氣溫和相對濕度概率分布函數(shù)的優(yōu)選

學(xué)者們采用GAM模型對O3濃度與氣象要素的關(guān)系進(jìn)行分析發(fā)現(xiàn)，太陽輻射、氣溫和相對濕度是O3光化學(xué)反應(yīng)的控制氣象因子，三者共同決定了O3光化學(xué)反應(yīng)的污染潛勢[27,33]?；诔啥际?016—2019年6—8月太陽輻射、氣溫和相對濕度日序列，分析了Python庫中104多種分布函數(shù)對3種O3光化學(xué)反應(yīng)控制氣象因子的適用性，針對每個因子列舉了擬合效果最好的5種概率分布函數(shù)(表1)。由表1可知：(1)就太陽輻射、相對濕度和氣溫而言，擬合效果最好的5種概率分布函數(shù)均通過了顯著性水平α=0.05的K-S檢驗；(2)Johnson SB分布函數(shù)為成都地區(qū)夏季太陽輻射和相對濕度概率分布的最優(yōu)擬合函數(shù)；(3)Johnson SU分布函數(shù)為氣溫概率分布的最優(yōu)擬合函數(shù)。Johnson SB分布函數(shù)和Johnson SU分布函數(shù)的概率密度函數(shù)分別為式(1)和式(2)[34-36]。由圖1可知，進(jìn)一步比較3種O3光化學(xué)反應(yīng)控制氣象因子的直方圖和最優(yōu)概率分布函數(shù)的累積概率分布圖，發(fā)現(xiàn)計算的理論累積頻率曲線與實測的累積頻率曲線基本重合。

a和b為形狀參數(shù)，δ為位置參數(shù)，γ為尺度參數(shù)。

表1 控制氣象因子概率分布函數(shù)擬合效果

Johnson SB分布函數(shù)：

(1)

Johnson SU分布函數(shù)：

(2)

2.2 不同O3濃度等級條件下的控制氣象因子概率分布函數(shù)

利用成都市2016—2019年6—8月O3逐時監(jiān)測數(shù)據(jù)，根據(jù)HJ 633—2012，按O3濃度空氣質(zhì)量分指數(shù)逐年統(tǒng)計優(yōu)、良、輕度污染、中度污染和重度污染日數(shù)(表2)。由表2可知，2016—2019年優(yōu)日數(shù)為61 d，良日數(shù)為140 d，輕度污染日數(shù)為118 d，中度污染日數(shù)為31 d，重度污染日數(shù)為9 d，分別占2016—2019年總天數(shù)的16.99%、39.00%、32.87%、8.64%和2.51%。根據(jù)成都市O3濃度的上述分級特征，將中度和重度污染日并稱為中度及以上污染日，共得到優(yōu)、良、輕度污染和中度及以上污染4個O3濃度等級。

2.2.1不同O3濃度等級條件下太陽輻射概率分布特征

針對不同O3污染等級污染天數(shù)統(tǒng)計結(jié)果(表2)，進(jìn)一步探討Johnson SB分布函數(shù)在不同O3濃度等級條件下對太陽輻射的適用性。如表3所示，其中R為實測累積概率值與理論累積概率值相關(guān)系數(shù)。由表3可知，4個O3濃度等級條件下的太陽輻射均服從Johnson SB分布(通過顯著性水平α=0.05的K-S檢驗)。圖2給出了該函數(shù)的累積分布，由圖2可見，實測累積概率值與理論累積概率值基本一致，R均在0.99以上。

表2 2016—2019不同O3污染等級污染天數(shù)

表3 4個O3濃度等級條件下太陽輻射Johnson SB分布擬合效果檢驗

圖2 4個O3濃度等級條件下太陽輻射累積概率分布

基于Johnson SB分布函數(shù)計算不同O3濃度等級條件下太陽輻射序列的平均值、偏差系數(shù)、偏度和峰度(表4)。

表4 基于Johnson SB分布函數(shù)的4個O3濃度等級太陽輻射序列特征統(tǒng)計量

由表4可知：(1)太陽輻射序列平均值隨著O3濃度等級升高而逐漸增大；(2)太陽輻射序列偏差系數(shù)隨著O3濃度等級升高而逐漸減小，即太陽輻射序列數(shù)據(jù)分布區(qū)域集中；(3)太陽輻射序列偏度隨著O3濃度等級升高而逐漸減小，優(yōu)和良等級條件下太陽輻射序列為右偏，輕度污染和中度及以上污染等級條件下太陽輻射序列為左偏；(4)太陽輻射序列峰度隨著O3濃度等級升高而總體呈現(xiàn)減小趨勢，即相對于正態(tài)分布而言，太陽輻射分布曲線由陡峭逐漸轉(zhuǎn)為平緩或尾部由厚變薄。

2.2.2不同O3濃度等級條件下相對濕度概率分布特征

Johnson SB分布函數(shù)在不同O3濃度等級條件下對相對濕度的適用性分析結(jié)果見表5。由表5可知，4個O3濃度等級條件下相對濕度均服從Johnson SB分布，且均通過了顯著性水平α=0.05的K-S檢驗。由圖3可知，相對濕度實測累積概率值與理論累積概率值基本一致，r均在0.98以上。

表5 4個O3濃度等級條件下相對濕度Johnson SB分布擬合效果檢驗

圖3 4個O3濃度等級條件下相對濕度累積概率分布

基于Johnson SB分布函數(shù)計算不同O3濃度等級條件下相對濕度序列的平均值、偏差系數(shù)、偏度和峰度(表6)。

表6 基于Johnson SB分布函數(shù)的4個O3濃度等級相對濕度序列特征統(tǒng)計量

由表6可知：(1)相對濕度序列平均值隨著O3濃度等級升高而逐漸減?。?2)相對濕度序列偏差系數(shù)隨著O3濃度等級升高而總體呈現(xiàn)增加趨勢，即相對濕度序列數(shù)據(jù)分布區(qū)域離散；(3)相對濕度序列偏度隨著O3濃度等級升高而逐漸增加，優(yōu)、良和輕度污染等級條件下相對濕度序列為左偏，中度及以上污染等級條件下相對濕度序列為右偏；(4)相對濕度序列峰度隨著O3濃度等級升高而總體呈現(xiàn)波動減小趨勢，且均為負(fù)值，即相對于正態(tài)分布而言，相對濕度分布曲線更平緩或尾部更薄。

2.2.3不同O3濃度等級條件下氣溫概率分布特征

Johnson SU分布函數(shù)在不同O3濃度等級條件下對氣溫的適用性分析結(jié)果見表7。由表7可知，4個O3濃度等級條件下氣溫均服從Johnson SU分布，且均通過顯著性水平α=0.05的K-S檢驗。由圖4可知，實測累積概率值與理論累積概率值基本一致，r均在0.97以上。

圖4 4個O3濃度等級條件下氣溫累積概率分布

表7 4個O3濃度等級條件下氣溫Johnson SU分布擬合效果檢驗

基于Johnson SU分布函數(shù)計算了不同O3濃度等級條件下氣溫序列的平均值、偏差系數(shù)、偏度和峰度(表8)。由表8可知：(1)氣溫序列平均值隨著O3濃度升高而逐漸增大；(2)氣溫序列偏差系數(shù)隨著O3濃度等級升高而總體呈現(xiàn)減小趨勢，即氣溫序列數(shù)據(jù)分布區(qū)域集中；(3)氣溫序列偏度隨著O3濃度等級升高而總體呈現(xiàn)減小趨勢，優(yōu)等級條件下氣溫序列為右偏，良、輕度污染和中度及以上污染等級條件下氣溫序列為左偏；(4)氣溫序列峰度隨著O3濃度等級升高而總體呈現(xiàn)波動增加趨勢，且均為正值，即相對于正態(tài)分布而言，氣溫分布曲線更陡峭或尾部更厚。

表8 基于Johnson SU分布函數(shù)的4個O3濃度等級氣溫序列統(tǒng)計特征量

綜上分析可知，太陽輻射、相對濕度和氣溫的概率分布特征隨O3濃度等級變化而呈現(xiàn)顯著規(guī)律性差異。主要表現(xiàn)為：(1)控制氣象因子序列的平均值隨著O3濃度等級升高呈規(guī)律性變化，太陽輻射序列和氣溫序列的平均值逐漸增大，相對濕度序列平均值逐漸減小。(2)控制氣象因子序列的偏差系數(shù)隨著O3濃度等級升高呈規(guī)律性變化，太陽輻射序列和氣溫序列的偏差系數(shù)總體呈現(xiàn)減小趨勢，相對濕度序列偏差系數(shù)總體呈現(xiàn)增加趨勢。(3)控制氣象因子序列的偏度隨著O3濃度等級升高呈規(guī)律性變化，太陽輻射序列和氣溫序列的偏度總體呈現(xiàn)減小趨勢，相對濕度序列偏度則逐漸增加。(4)控制氣象因子序列的峰度隨著O3濃度等級升高呈規(guī)律性變化，太陽輻射和相對濕度序列的峰度總體呈現(xiàn)減小趨勢，氣溫序列峰度總體呈現(xiàn)波動增加趨勢。即太陽輻射強(qiáng)度強(qiáng)、氣溫高和相對濕度小有利于O3濃度提高，太陽輻射強(qiáng)度弱、氣溫低和相對濕度大不利于O3光化學(xué)反應(yīng)生成。

3 結(jié)論

(1)Johnson SB分布函數(shù)為成都地區(qū)夏季太陽輻射和相對濕度概率分布的最優(yōu)擬合函數(shù)，Johnson SU分布函數(shù)為氣溫概率分布的最優(yōu)擬合函數(shù)。

(2)對應(yīng)不同O3濃度等級條件下太陽輻射和相對濕度均服從Johnson SB分布，氣溫均服從Johnson SU分布。

(3)不同O3濃度等級條件下太陽輻射、相對濕度和氣溫的概率分布特征呈現(xiàn)顯著規(guī)律性差異，這為研究區(qū)夏季O3光化學(xué)反應(yīng)污染潛勢模型的構(gòu)建提供了技術(shù)支持。