廣東省臭氧污染天氣型及其變化特征

李婷苑,陳靖揚(yáng),翁佳烽,沈 勁,龔 宇

廣東省臭氧污染天氣型及其變化特征

李婷苑1,陳靖揚(yáng)1,翁佳烽2*,沈 勁3,龔 宇1

(1.廣東省生態(tài)氣象中心(珠三角環(huán)境氣象預(yù)報(bào)預(yù)警中心),廣東 廣州 510640；2.肇慶市氣象局,廣東 肇慶 526060；3.廣東省生態(tài)環(huán)境監(jiān)測(cè)中心,廣東 廣州 510308)

結(jié)合地面觀測(cè)資料、再分析數(shù)據(jù)和客觀天氣分型方法SOM,分季節(jié)、分區(qū)域診斷和分析2015～2020年廣東省O3污染天氣型及其變化特征.結(jié)果表明,2015～2019年廣東省O3污染逐年上升,其中2017～2019年上升較為明顯,2020年則明顯下降,氣象條件和污染物排放的變化均對(duì)O3污染的變化起到重要作用.2017～2020年廣東省干季O3濃度接近或超過(guò)濕季O3濃度,干季污染城數(shù)亦接近濕季.弱冷高壓脊天氣型是影響廣東省O3污染的主導(dǎo)天氣型,6a期間共造成526個(gè)污染城數(shù).干季和濕季O3污染的主導(dǎo)天氣型分別為弱冷高壓脊和臺(tái)風(fēng)外圍,干季弱冷高壓脊天氣型污染天數(shù)占比呈明顯上升趨勢(shì),2019～2020年超過(guò)濕季臺(tái)風(fēng)外圍天氣型成為影響O3污染最主要的天氣型.在弱冷高壓脊天氣型下,影響四大區(qū)域O3污染的外來(lái)源輸送路徑主要有東北路和沿海路,濕季珠三角臺(tái)風(fēng)外圍和粵北變性高壓脊天氣型下,區(qū)域O3污染則受本地排放影響較大.

廣東??；臭氧；天氣型；變化特征

近地面高濃度的臭氧不僅對(duì)人體健康和農(nóng)作物造成危害[1-3],同時(shí)作為溫室氣體,對(duì)全球變暖具有一定影響[4-5].廣東省經(jīng)濟(jì)快速發(fā)展的同時(shí),大氣污染也較為嚴(yán)重[6-8].隨著大氣污染減排工作的不斷推進(jìn),廣東省PM2.5濃度呈逐年下降的趨勢(shì),2020年P(guān)M2.5年均濃度首次邁入世衛(wèi)組織第二階段標(biāo)準(zhǔn)[9].然而,近年臭氧濃度卻持續(xù)較高且呈上升趨勢(shì)[10],于2015年超過(guò)PM2.5成為廣東省的首要污染物,且占比逐年升高,成為影響全省AQI達(dá)標(biāo)率的首要因素[11].

地面臭氧是由NO、VOCs等臭氧前體物在一定的氣象條件下通過(guò)復(fù)雜的光化學(xué)反應(yīng)生成的二次污染物[12-16],其濃度的變化受前體物的排放和氣象條件共同影響[17-19].氣象條件影響地面臭氧的生成、累積和輸送[20],臭氧污染往往發(fā)生在高溫、低濕、強(qiáng)輻射的氣象條件下[21-24],廣東省地區(qū)因其特殊的地理位置使得該地天氣異常復(fù)雜,日照長(zhǎng)、氣壓低、2～3級(jí)風(fēng)力亦是造成臭氧污染的重要?dú)庀髼l件[25],當(dāng)珠三角受偏西風(fēng)控制時(shí),下風(fēng)向地區(qū)臭氧濃度最高[26].不同的天氣型影響下氣象要素存在明顯差異[27],天氣型的變化決定了氣象要素周-日尺度的變化,因此天氣型對(duì)臭氧濃度的變化起著重要的作用.國(guó)際上關(guān)于天氣型對(duì)臭氧濃度的影響研究開(kāi)始得較早,在20世紀(jì)80年代已有不少相關(guān)研究[28-29].我國(guó)目前也在易污染天氣方面開(kāi)展了不少研究[30-32],不同地區(qū)天氣型對(duì)臭氧濃度的影響不同,暖性、且不利于污染物擴(kuò)散的天氣型(如鋒前暖區(qū)、副熱帶高壓控制等)易造成臭氧污染[33-36].對(duì)于珠三角地區(qū),臺(tái)風(fēng)外圍下沉氣流影響下易出現(xiàn)臭氧污染過(guò)程[37-39],在臺(tái)風(fēng)外圍影響下一方面易形成逆溫不利于污染物擴(kuò)散,另一方面可使平流層中的臭氧通過(guò)下沉氣流進(jìn)入對(duì)流層,導(dǎo)致臭氧的形成[40],此外,臺(tái)風(fēng)外圍天氣亦可加劇華南地區(qū)的生物源BVOCs排放,與人為源協(xié)同作用加劇珠三角臭氧污染[41];副熱帶高壓控制下日照強(qiáng)、云量少、風(fēng)力弱等氣象條件有利于光化學(xué)反應(yīng)生成較高濃度的臭氧而不利于其擴(kuò)散,臭氧平均值較高[17];在冷暖氣團(tuán)強(qiáng)度相當(dāng)或交匯時(shí),大氣擴(kuò)散能力差,易形成嚴(yán)重的空氣污染事件[42].在偏北風(fēng)和強(qiáng)海陸風(fēng)環(huán)流的作用下,鄉(xiāng)村地區(qū)排放的BVOC和氧化產(chǎn)物輸送至下風(fēng)向的VOC控制區(qū)加劇光化學(xué)反應(yīng)和臭氧前體物累積,從而造成嚴(yán)重的臭氧污染[43].

前人的研究提高了人們對(duì)臭氧污染天氣型的認(rèn)識(shí),研究方法也漸趨成熟,但目前對(duì)廣東省臭氧污染天氣型的研究尚不具系統(tǒng)性,缺乏易污染天氣型的對(duì)比分析.本文使用廣東省臭氧濃度觀測(cè)數(shù)據(jù)和ERA5再分析資料,在分析廣東省臭氧濃度變化特征的基礎(chǔ)上,分季節(jié)、分區(qū)域診斷和分析臭氧污染天氣型及其變化特征,以期為區(qū)域臭氧污染聯(lián)防聯(lián)控提供決策參考.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

本研究2015～2020年O3質(zhì)量濃度監(jiān)測(cè)數(shù)據(jù)來(lái)源于廣東省102個(gè)國(guó)家環(huán)境空氣質(zhì)量監(jiān)測(cè)站,氣象要素監(jiān)測(cè)數(shù)據(jù)來(lái)源于廣東省86個(gè)國(guó)家氣象站,氣象再分析資料采用歐洲中心ERA5和美國(guó)NCEP資料,其中ERA5再分析資料分辨率為0.25°′0.25°,NCEP再分析資料分辨率為1°′1°.

1.2 數(shù)據(jù)處理方法

(1)根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》[44],使用城市內(nèi)所有國(guó)家環(huán)境空氣質(zhì)量監(jiān)測(cè)站小時(shí)觀測(cè)數(shù)據(jù)計(jì)算臭氧濃度日評(píng)價(jià)值(最大8h滑動(dòng)平均),并判別城市臭氧污染等級(jí).

(2)定義某區(qū)域一段時(shí)間內(nèi)每日污染城市個(gè)數(shù)總和為污染城數(shù).

(3)采用歐洲中心ERA5再分析資料,選擇500hPa位勢(shì)高度場(chǎng)、海平面氣壓、10m水平風(fēng),研究范圍為100°～130°E,10°～40°N,是直接影響廣東省的天氣系統(tǒng)出現(xiàn)的主要區(qū)域.本研究基于歐盟COST (歐洲科技合作) 733行動(dòng)計(jì)劃開(kāi)發(fā)的專門(mén)的天氣分型軟件COST 733[45],使用自組織神經(jīng)網(wǎng)絡(luò)分析方法(SOM)實(shí)現(xiàn)廣東省大氣環(huán)流系統(tǒng)分型工作.應(yīng)用神經(jīng)網(wǎng)絡(luò)非線性機(jī)器學(xué)習(xí)算法對(duì)逐日代表環(huán)流形勢(shì)的多層次多要素?cái)?shù)據(jù)作為一個(gè)整體進(jìn)行訓(xùn)練分型,根據(jù)分型數(shù)量對(duì)應(yīng)的總解釋方差拐點(diǎn)確定為具體天氣型種數(shù).SOM最大的優(yōu)點(diǎn)是自動(dòng)尋找樣本中的內(nèi)在規(guī)律和本質(zhì)屬性,自組織、自適應(yīng)地改變網(wǎng)絡(luò)參數(shù)與結(jié)構(gòu),極大方便尋找最優(yōu)解.具體步驟為:1)對(duì)輸入數(shù)據(jù)矩陣和競(jìng)爭(zhēng)層中各神經(jīng)元對(duì)應(yīng)的權(quán)重向量(數(shù)量即對(duì)應(yīng)分型結(jié)果,算法最后輸出結(jié)果為權(quán)重向量)全部進(jìn)行歸一化;2)將輸入模式向量與競(jìng)爭(zhēng)層的權(quán)重向量進(jìn)行相似性比較(采用歐式距離),并將最相似的權(quán)重向量判為競(jìng)爭(zhēng)獲勝神經(jīng)元;3)輸出獲勝神經(jīng)元,調(diào)整訓(xùn)練權(quán)重,同時(shí)更新學(xué)習(xí)率和鄰域函數(shù),并重新回到第一步驟繼續(xù)訓(xùn)練,直至學(xué)習(xí)率衰減至零,神經(jīng)元權(quán)重向量也就趨于聚類中心.為了保證神經(jīng)元(權(quán)重)趨于聚類中心,進(jìn)行多次上述3個(gè)步驟的迭代,項(xiàng)目設(shè)置10000次以上迭代運(yùn)算以保證分型結(jié)果的穩(wěn)定性.

(4)將廣東省劃分為珠江三角洲(以下簡(jiǎn)稱珠三角)、粵東、粵西和粵北四大區(qū)域,如圖1,其中珠三角包含廣州、深圳、珠海、佛山、惠州、東莞、中山、江門(mén)和肇慶9個(gè)地市;粵東包含汕頭、潮州、揭陽(yáng)和汕尾4個(gè)地市;粵西包含云浮、陽(yáng)江、茂名和湛江3個(gè)地市;粵北包含梅州、河源、韶關(guān)和清遠(yuǎn)5個(gè)地市.

(4)根據(jù)廣東省氣候分析結(jié)果,本文使用連平站(114.48°E,24.37°N)、番禺站(113.32°E,22.93°N)、高州站(110.85°E,21.93°N)和惠來(lái)站(116.30°E,23.03°N)作為廣東省粵北、珠三角、粵西和粵東區(qū)域綜合氣象因子代表站(圖1五角星).

圖1 廣東省區(qū)域劃分

后向軌跡模式(HYSPLIT)使用NCEP的全球資料同化系統(tǒng)GDAS的FNL全球分析資料,模擬2015～2020年抵達(dá)連平、惠來(lái)、高州和番禺10m高度的每日12:00～19:00對(duì)應(yīng)的72h后向軌跡數(shù)據(jù).

潛在源區(qū)貢獻(xiàn)函數(shù)PSCF為經(jīng)過(guò)某一區(qū)域的氣團(tuán)到達(dá)觀測(cè)點(diǎn)時(shí)對(duì)應(yīng)的某要素值超過(guò)設(shè)定閾值的條件概率,PSCF的值越大代表經(jīng)過(guò)此網(wǎng)格的氣團(tuán)對(duì)接受點(diǎn)的空氣質(zhì)量影響的概率越大[46].具體公式如下:

式中:m表示當(dāng)區(qū)域內(nèi)出現(xiàn)某一個(gè)或以上城市污染時(shí),軌跡經(jīng)過(guò)網(wǎng)格的軌跡點(diǎn)數(shù);n為經(jīng)過(guò)網(wǎng)格的所有軌跡點(diǎn)數(shù).

PSCF的誤差會(huì)隨著網(wǎng)格與采樣點(diǎn)距離增加而增加,當(dāng)n較小時(shí),會(huì)有很大的不確定性.為了減小這種不確定性,引入權(quán)重函數(shù)W[47]:

WPSCF即為引入權(quán)重函數(shù)后的概率分布場(chǎng):

2 結(jié)果與討論

2.1 臭氧污染概況

表1統(tǒng)計(jì)了2015～2020年廣東省O3-8h濃度和污染城數(shù),2015～2020年O3-8h平均濃度為85μg/m3,平均每年出現(xiàn)O3污染城數(shù)為365個(gè),其中輕度污染319個(gè),中度污染42個(gè),重度污染4個(gè).2015～2019年O3污染呈逐年上升的趨勢(shì),O3-8h平均濃度由76μg/m3上升至95μg/m3,污染城數(shù)由196個(gè)上升至683個(gè),輕度污染城數(shù)同樣呈逐年上升的趨勢(shì),中度和重度污染城數(shù)則呈波動(dòng)上升的趨勢(shì),在2018年略有回落.相較于2019年,2020年O3-8h平均濃度及污染城數(shù)均明顯下降,O3-8h平均濃度下降了7μg/m3,污染城數(shù)由683個(gè)下降至325個(gè),下降了52%,其中輕度污染城數(shù)下降了295個(gè)(51%),中度污染城數(shù)下降了52個(gè)(56%),重度污染下降了11個(gè)(85%).2020年受疫情影響,國(guó)家采取了嚴(yán)格的管控措施,例如居家建議、限制公共交通、關(guān)閉非必要的工廠等,疫情期間NO排放減少了20%～50%[48],加上藍(lán)天保衛(wèi)戰(zhàn)的大力減排措施[49],使得主要受交通和工業(yè)源影響的CO濃度在2020年亦顯著低于2019年(圖2),由0.78mg/m3下降至0.67mg/m3,下降了14%,因此2020年O3-8h平均濃度及污染城數(shù)的顯著下降可能與污染排放顯著減少有關(guān).

表1 2015～2020年廣東省O3-8h濃度及污染城數(shù)年變化

廣東省地處熱帶和亞熱帶季風(fēng)氣候區(qū),在溫帶和熱帶各類天氣影響下,干濕季明顯是廣東省氣候的基本特征之一.為了解廣東省干濕季O3污染特征,本研究將統(tǒng)計(jì)的O3污染分成干季(10月～次年3月)和濕季(4～9月)[50]來(lái)對(duì)比分析(圖3).廣東省干濕季均可出現(xiàn)O3污染,2015～2019年干濕季O3-8h濃度和污染城數(shù)整體上呈現(xiàn)上升的趨勢(shì),2020年均明顯下降.2015～2016年濕季O3-8h濃度明顯高于干季,自2017年起,干濕季O3-8h濃度差異不明顯,甚至在2020年干季O3-8h濃度超過(guò)了濕季(高3μg/m3),這與京津冀、長(zhǎng)三角等地區(qū)的夏季峰值存在明顯差異[51].干季污染城數(shù)低于濕季,2016～2017年濕季污染城數(shù)顯著高于干季,干濕季平均污染城數(shù)分別為225和66個(gè),2018～2020年干濕季污染城數(shù)則差異較小.

圖2 2015～2020年廣東省CO濃度逐年變化

圖3 2015～2020年不同季節(jié)廣東省O3-8h濃度及污染城數(shù)

圖4 2015～2020年廣東省21地市O3污染天數(shù)

廣東省O3污染主要分布在珠三角區(qū)域內(nèi)(圖4),2015～2020年珠三角、粵東、粵西和粵北平均污染天數(shù)為166,58,64和53d.珠三角各市污染天數(shù)介于59～240d之間,珠三角中部和西南部污染天數(shù)較大,共有4個(gè)地市超過(guò)200d,分別為江門(mén)、東莞、中山和佛山(污染天數(shù)分別為240,231,214和210d);珠三角各市O3污染差異大,珠三角區(qū)域內(nèi)惠州污染天數(shù)最低,為59d.粵東各市O3污染較為接近,污染天數(shù)介于48～72d之間.粵西各市污染天數(shù)介于34～103d之間.粵北各市O3污染差異也較大,各市污染天數(shù)介于8～106d之間,其中梅州僅出現(xiàn)8d O3污染,為全省最低.

2.2 臭氧污染天氣型

利用SOM法將2015～2020年影響廣東省的天氣型分為12種環(huán)流形勢(shì),分別為臺(tái)風(fēng)外圍(TP)、臺(tái)風(fēng)外圍+冷高壓脊(TPR)、副熱帶高壓(以下簡(jiǎn)稱副高, SH)、副高脊+偏南風(fēng)(SRS)、低壓槽(TR)、東路冷空氣(EC)、西路冷空氣(MC)、中路冷空氣(WC)、弱冷高壓脊(HR)、冷鋒前(FC)、變性高壓脊(DR)和反氣旋環(huán)流(AC),以上分型結(jié)果幾乎涵蓋日常預(yù)報(bào)業(yè)務(wù)中所見(jiàn)的廣東省影響系統(tǒng),對(duì)比分型結(jié)果與主觀天氣系統(tǒng)識(shí)別結(jié)論大體一致,說(shuō)明SOM分型技術(shù)的適用性.

分別計(jì)算每種天氣型下廣東省O3污染城數(shù)(圖5),可見(jiàn),造成廣東省污染的天氣型主要為弱冷高壓脊(HR)、臺(tái)風(fēng)外圍(TP)、副高(SH)和臺(tái)風(fēng)外圍+冷高壓脊(TPR)天氣型,污染城數(shù)均超過(guò)200個(gè).弱冷高壓脊(HR)天氣型是影響廣東O3污染最主要的天氣型,在該天氣型下2015～2020年期間污染城數(shù)共為526個(gè),其中輕度污染城數(shù)為454個(gè),中度污染城數(shù)為66個(gè),重度污染城數(shù)為6個(gè).臺(tái)風(fēng)外圍(TP)天氣型造成的重度污染城數(shù)最多(7個(gè)),該天氣型下共出現(xiàn)364個(gè)O3污染城數(shù).

圖5 2015～2020年廣東省不同天氣型下O3污染城數(shù)

根據(jù)統(tǒng)計(jì)結(jié)果,按臭氧超標(biāo)城數(shù)由高到低分為3類天氣型(圖6),Ⅰ類高污染天氣型為弱冷高壓脊(HR)天氣型,Ⅱ類中污染天氣型包括臺(tái)風(fēng)外圍(TP)、副高(SH) 2種天氣型,Ⅲ類低污染天氣型為臺(tái)風(fēng)外圍+冷高壓脊(TPR)天氣型.3類天氣型對(duì)應(yīng)的平均污染城數(shù)分別為526,345和248個(gè),其中輕度污染城數(shù)分別為454,290和223個(gè),中度污染城數(shù)分別為66,45和22個(gè),重度污染城數(shù)分別為6,6和3個(gè).

圖6 3類O3污染天氣環(huán)流形勢(shì)

圖中等值線為500hPa高度場(chǎng),填色為海平面氣壓,箭頭表示10m風(fēng)矢

為更好地了解3類污染天氣型下氣象條件情況,圖7給出2015～2020年不同天氣型下氣象要素特征,其中ALL為所有天氣型下的氣象要素平均值.

弱冷高壓脊(HR)天氣型下,大陸氣團(tuán)南下影響廣東,大氣較為干燥,在這種天氣型影響下往往天氣較為晴好(平均日雨量?jī)H1.9mm),濕度較低(76.1%),日照時(shí)間較長(zhǎng)(5.0h),有利于臭氧的生成.同時(shí),因冷空氣強(qiáng)度較弱,廣東省近地面以弱偏北風(fēng)為主,這有利于臭氧及其前體物在區(qū)域內(nèi)聚集或向區(qū)域內(nèi)下風(fēng)向城市輸送,從而容易造成O3污染現(xiàn)象.2015～ 2020年弱冷高壓脊(HR)天氣型共出現(xiàn)222d,占比10.1%,主要出現(xiàn)在冷暖交替的時(shí)期,4、10和11月分別出現(xiàn)26,83和84d.

臺(tái)風(fēng)外圍(TP)天氣型、副高(SH)天氣型常常對(duì)應(yīng)高溫、晴熱天氣,使得O3在近地面快速生成,另外,這兩種天氣型均對(duì)應(yīng)大范圍下沉運(yùn)動(dòng),下沉氣流一方面有利于高空O3向近地面輸送,另一方面形成”鍋蓋”使得污染物在近地面累積.2015～2020年臺(tái)風(fēng)外圍(TP)和副高(SH)天氣型共出現(xiàn)176和189d,分別占比8.0%和8.9%,臺(tái)風(fēng)外圍(TP)天氣型主要出現(xiàn)在7～8月(共143d),副高(SH)天氣型則主要出現(xiàn)在9～10月(共150d).

臺(tái)風(fēng)外圍+冷高壓脊(TPR)天氣型為低污染天氣型,臺(tái)風(fēng)屬于低壓系統(tǒng),而冷高壓脊為高壓系統(tǒng),當(dāng)這兩種天氣型共同影響時(shí)容易形成較大的氣壓梯度力,加大地面風(fēng)力(日平均風(fēng)速達(dá)2.3m/s),水平擴(kuò)散條件好于弱冷高壓脊(HR)和臺(tái)風(fēng)外圍(TP)天氣型,但在該天氣形勢(shì)下濕度更低、日照更長(zhǎng),氣象條件更有利于臭氧的生成.臺(tái)風(fēng)外圍+冷高壓脊(TPR)天氣型出現(xiàn)頻率較低,2015～2020年共出現(xiàn)72d,占比3.3%,該類天氣型僅出現(xiàn)在9,10和11月,分別出現(xiàn)24,41和7d.

2.3 不同季節(jié)臭氧污染主導(dǎo)天氣型

不同季節(jié)的主要影響天氣型往往不同,同一種天氣型在不同季節(jié)造成的污染也可能存在差異[52],為研究不同季節(jié)的主要污染天氣型,統(tǒng)計(jì)廣東省干濕季不同天氣型下O3污染情況,如圖8所示,干季、濕季廣東省區(qū)域O3污染的主導(dǎo)天氣型分別為弱冷高壓脊(HR)和臺(tái)風(fēng)外圍(TP).

干季,廣東省區(qū)域受東北季風(fēng)影響較大,影響O3污染過(guò)程的主要天氣型為弱冷高壓脊(HR)、臺(tái)風(fēng)外圍和冷高壓脊結(jié)合(TPR).2015～2020年弱冷高壓脊(HR)天氣型造成O3輕度污染城數(shù)351個(gè)、中度污染城數(shù)45個(gè)、重度污染城數(shù)1個(gè),居首位.臺(tái)風(fēng)外圍和冷高壓脊結(jié)合(TPR)天氣型造成的污染總城數(shù)為155,明顯低于弱冷高壓脊(HR)天氣型.

濕季,影響廣東省區(qū)域O3污染過(guò)程的主要天氣型為臺(tái)風(fēng)外圍(TP)和副高(SH).在臺(tái)風(fēng)外圍(TP)天氣型下,6a期間共出現(xiàn)輕度污染城數(shù)299個(gè)、中度污染城數(shù)58個(gè)、重度污染城數(shù)7個(gè),居首位.副高(SH)天氣型亦造成較高污染城數(shù),輕、中、重度污染城數(shù)分別為226,33和4個(gè),居第二位.弱冷高壓脊(HR)天氣型下O3污染程度也相對(duì)較重,中度污染城數(shù)為21個(gè),重度污染城數(shù)為4個(gè).

由圖9可以看到,濕季臺(tái)風(fēng)外圍(TP)天氣型污染天數(shù)占比呈波動(dòng)下降趨勢(shì),干季弱冷高壓脊(HR)天氣型污染天數(shù)占比呈明顯上升趨勢(shì),干季臺(tái)風(fēng)外圍和冷高壓脊結(jié)合(TPR)、濕季副高(SH)無(wú)明顯趨勢(shì).2015～2020年干濕季O3污染主要天氣型污染天數(shù)平均值分別為:干季弱冷高壓脊(HR) 13d/a,干季臺(tái)風(fēng)外圍和冷高壓脊結(jié)合(TPR) 5d/a,濕季臺(tái)風(fēng)外圍(TP) 17d/a和濕季副高(SH) 12d/a.濕季臺(tái)風(fēng)外圍(TP)天氣型污染天數(shù)占比在近6a呈波動(dòng)下降趨勢(shì),其中2016年最高(58%),2020年最低(20%).近6a秋季弱冷高壓脊(HR)天氣型污染天數(shù)占比分別是12%、12%、21%、28%、42%和52%,呈明顯上升趨勢(shì),且2019～2020年已超過(guò)濕季臺(tái)風(fēng)外圍(TP)天氣型.

圖9 2015～2020年不同季節(jié)廣東省O3污染主導(dǎo)天氣型污染天數(shù)占比變化趨勢(shì)

2015～2020年干季弱冷高壓脊(HR)天氣型出現(xiàn)天數(shù)分別為31,21,20,48,37,32d,濕季臺(tái)風(fēng)外圍(TP)天氣型出現(xiàn)天數(shù)分別為26,35,17,57,35,6d,即2018～ 2019年干季弱冷高壓脊(HR)天氣型和濕季臺(tái)風(fēng)外圍(TP)天氣型天數(shù)明顯較高,加劇臭氧污染的有利氣象條件明顯增加,值得注意的是2017年O3污染干濕季主導(dǎo)天氣型出現(xiàn)天數(shù)均較低,2019年干濕季主導(dǎo)天氣型出現(xiàn)天數(shù)較2018年也明顯下降,但臭氧濃度卻上升明顯,因此2017和2019年臭氧濃度的上升可能與前體物排放變化密切相關(guān),2018年臭氧濃度上升受氣象條件影響較大.2020年干季弱冷高壓脊(HR)天氣型和濕季臺(tái)風(fēng)外圍(TP)天氣型天數(shù)均下降,2020年氣象條件明顯轉(zhuǎn)好,結(jié)合圖2分析,2020年臭氧濃度的下降可能是由于較好的氣象條件與污染物排放減少共同影響.

2.4 不同區(qū)域臭氧污染主導(dǎo)天氣型

同種天氣型下不同區(qū)域間氣象條件存在差異,因此污染物濃度也往往存在明顯差異[7,39],為了解廣東省不同區(qū)域O3污染主導(dǎo)天氣型,表2給出2015～ 2020年不同季節(jié)下廣東省四大區(qū)域臭氧污染主導(dǎo)天氣型,圖10給出2015～2020年不同季節(jié)廣東省四大區(qū)域臭氧污染主導(dǎo)天氣型污染天數(shù)變化趨勢(shì).

表2 2015～2020年不同季節(jié)下廣東省四大區(qū)域O3污染主導(dǎo)天氣型

干季,廣東省四大區(qū)域主導(dǎo)天氣型均為弱冷高壓脊(HR),在該天氣型下2015～2020年干季各區(qū)域污染城數(shù)為:珠三角255個(gè)、粵西87個(gè)、粵東44個(gè)、粵北12個(gè).濕季,各區(qū)域主導(dǎo)天氣型完全不同,珠三角、粵東、粵西和粵北地區(qū)主導(dǎo)天氣型分別為臺(tái)風(fēng)外圍(TP)、反氣旋環(huán)流(AC)、副高(SH)和變性高壓脊(DR),污染城數(shù)分別為:307,29,23和31個(gè).在主導(dǎo)天氣型下,粵東、粵西和粵北的O3污染城數(shù)明顯少于珠三角地區(qū).

干季主導(dǎo)天氣型污染天數(shù)在2016～2019年呈逐年上升,濕季主導(dǎo)天氣型污染天數(shù)在2018和2019年較高(圖10).結(jié)合表1廣東省O3污染逐年變化以及2.3節(jié)分析可以發(fā)現(xiàn),2017年干季珠三角和粵西弱冷高壓脊(HR)天氣型污染天數(shù)增加與污染物排放變化密切相關(guān).2018年干季珠三角和粵東弱冷高壓脊(HR)以及濕季珠三角臺(tái)風(fēng)外圍(TP)、粵東反氣旋環(huán)流(AC)和粵北變性高壓脊(DR)天氣型污染天數(shù)均有所增加:2018年干季弱冷高壓脊(HR)、濕季臺(tái)風(fēng)外圍(TP)和變性高壓脊(DR)天氣型出現(xiàn)天數(shù)明顯上升,提示加劇臭氧污染的有利氣象條件明顯增加;2018年濕季反氣旋環(huán)流(AC)天氣型出現(xiàn)天數(shù)為近6a最低,較2017年減少8d(減少29%),但該天氣型下粵東污染天數(shù)卻明顯增加,因此2018年污染物排放變化也可能對(duì)污染天數(shù)增加有一定影響.2019年干季珠三角和粵西弱冷高壓脊(HR)天氣型污染天數(shù)明顯增加,分別增加了16d和12d,但該天氣型出現(xiàn)天數(shù)較2018年卻明顯下降(11d),因此2019年O3污染上升受污染物排放變化影響較大;2020年干季弱冷高壓脊(HR)天氣型出現(xiàn)天數(shù)僅下降5d,但在該天氣型下各區(qū)域污染天數(shù)下降均超過(guò)5d,珠三角地區(qū)污染天數(shù)下降最為明顯,由29d下降至13d,粵東、粵西和粵北分別下降了6,8和6d,因此除了氣象條件轉(zhuǎn)好以外,污染物排放減少也是2020年O3污染下降的重要原因.

為了解外來(lái)輸送潛在源區(qū)對(duì)四大區(qū)域O3污染的影響,圖11給出四大區(qū)域主導(dǎo)污染天氣型下WPSCF分布和軌跡聚類分析,可以看到,在干季弱冷高壓脊(HR)天氣型下,珠三角除了本地周邊存在高WPSCF值(>0.45)外,受東北路和沿海路輸送影響也較為明顯,東北路較高WPSCF值分布于韶關(guān)、河源和江西,沿海路較高WPSCF值分布于珠三角東南部到汕尾一帶;粵東主要受福建沿海輸送影響;粵北主要受東北路江西遠(yuǎn)距離輸送影響;粵西則主要受東北路的珠三角、粵北和湖南輸送影響.在濕季臺(tái)風(fēng)外圍(TP)天氣型下,珠三角區(qū)域O3污染最主要為珠三角區(qū)域內(nèi)城市群輸送,WPSCF大值區(qū)覆蓋珠三角全區(qū)域,同時(shí),粵北清遠(yuǎn)、韶關(guān)和粵西陽(yáng)江也存在WPSCF大值區(qū),說(shuō)明這些地區(qū)對(duì)珠三角區(qū)域O3污染也可能有一定影響.濕季反氣旋環(huán)流(AC)天氣型下,粵東O3污染主要受本區(qū)域沿海排放影響.濕季副高(SH)天氣型下,粵西主要受本地排放和廣西東南部排放共同影響.與干季弱冷高壓脊(HR)天氣型相比,濕季變性高壓脊(DR)天氣型粵北受本地影響更大一些,江西南部和珠三角北部?jī)H少量格點(diǎn)存在較高WPSCF值.

圖11 2015～2020年廣東省四大區(qū)域主要污染天氣型下軌跡聚類及WPSCF分布特征

3 結(jié)論

3.1 2015～2019年O3污染呈逐年上升的趨勢(shì),其中2017～2019年上升較為明顯;2020年O3-8h平均濃度及污染城數(shù)均明顯下降,O3-8h平均濃度下降了7μg/m3,污染城數(shù)由683個(gè)下降至325個(gè),下降了52%.2017和2019年O3污染上升主要受排放變化影響,2018年則主要受不利氣象條件影響,氣象條件轉(zhuǎn)好和污染物排放減少的共同作用使得2020年O3污染顯著下降.廣東省干濕季均可出現(xiàn)O3污染,2017～ 2020年干季O3濃度接近或超過(guò)濕季O3濃度,干濕季污染城數(shù)也非常接近.

3.2 造成廣東省污染的天氣型主要為弱冷高壓脊(HR)、臺(tái)風(fēng)外圍(TP)、副高(SH)和臺(tái)風(fēng)外圍+冷高壓脊(TPR)天氣型,其中弱冷高壓脊(HR)天氣型是影響廣東O3污染最主要的天氣形勢(shì),在該天氣型下2015～2020年期間共出現(xiàn)526個(gè)污染城數(shù),臺(tái)風(fēng)外圍(TP)天氣型造成的重度污染城數(shù)最多(為7個(gè)).

3.3 廣東省干季和濕季O3污染的主導(dǎo)天氣型分別為弱冷高壓脊(HR)和臺(tái)風(fēng)外圍(TP),O3污染平均天數(shù)分別為13d/a和17d/a.濕季臺(tái)風(fēng)外圍(TP)天氣型污染天數(shù)占比在近6a呈波動(dòng)下降趨勢(shì),干季弱冷高壓脊(HR)天氣型污染天數(shù)占比則逐年上升,且2019～ 2020年超過(guò)濕季臺(tái)風(fēng)外圍(TP)天氣型成為影響廣東省O3污染最主要的天氣型.

3.4 干季,廣東省四大區(qū)域主導(dǎo)天氣型均為弱冷高壓脊(HR);濕季廣東省四大區(qū)域主導(dǎo)天氣型完全不同:珠三角為臺(tái)風(fēng)外圍(TP),粵東為反氣旋環(huán)流(AC),粵西為副高(SH),粵北為變性高壓脊(DR).在弱冷高壓脊(HR)天氣型下,影響四大區(qū)域O3污染的外來(lái)源輸送路徑主要有東北路和沿海路,濕季珠三角臺(tái)風(fēng)外圍(TP)和粵北變性高壓脊(DR)天氣型下,區(qū)域O3污染受本地排放影響較大.

[1] Pleijel H, Broberg M C, Uddling J. Ozone impact on wheat in Europe, Asia and North America – A comparison [J]. Science of The Total Environment, 2019,664:908-914.

[2] Maji K J, Namdeo A. Continuous increases of surface ozone and associated premature mortality growth in China during 2015～2019 [J]. Environmental Pollution, 2021,269C:116183.

[3] Sharps K, Vieno M, Beck R, et al. Quantifying the impact of ozone on crops in Sub-Saharan Africa demonstrates regional and local hotspots of production loss [J]. Environmental Science and Pollution Research, 2021,28(44):62338-62352.

[4] Wang W C, Liang X Z, Dudek M P, et al. Atmospheric ozone as a climate gas [J]. Atmospheric Research, 1995,37:247-256.

[5] Beaney G, Gough W A. The influence of tropospheric ozone on the air temperature of the city of Toronto, Ontario, Canada [J]. Atmospheric Environment, 2002,36:2319–2325.

[6] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導(dǎo)致能見(jiàn)度下降問(wèn)題研究 [J]. 氣象學(xué)報(bào), 2006,64(4):510-517.

Wu D, Bi X Y, Deng X J, et al. Effect of atmospheric haze on the deterioration of visibility over the Pear River Delta [J]. Acta Meteorologica Sinica, 2006,64(4):510-517.

[7] Li T Y, Deng X J, Li Y, et al. Transport paths and vertical exchange characteristics of haze pollution in Southern China [J]. Science of the Total Environment, 2018,625:1074-1087.

[8] 沈 勁,何 靈,程 鵬,等.珠三角北部背景站臭氧濃度變化特征 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2019,28(10):2006-2011.

Shen J, He L, Cheng P, et al. Characteristics of ozone concentration variation in the northern background site of the Pearl River Delta [J]. Ecology and Environmental Sciences, 2019,28(10):2006-2011.

[9] 廣東省生態(tài)環(huán)境廳.2020廣東省生態(tài)環(huán)境狀況公報(bào) [Z]. 廣州:廣東省生態(tài)環(huán)境廳, 2021.

Guangdong Provincial Department of ecology and environment. 2020Report on the state of Guangdong provincial ecology and environment [Z]. Guangzhou: Guangdong Provincial Department of ecology and environment, 2021.

[10] 沈 勁,楊土士,晏平仲,等.廣東省臭氧污染特征及其成因分析 [J]. 環(huán)境科學(xué)與技術(shù), 2020,43(12):90-95.

Shen J, Yang T S, Yan P Z, et al. Characteristics and causes of ozone pollution in Guangdong Province [J]. Environmental Science & Technology, 2020,43(12):90-95.

[11] 鄧玉嬌,向昆侖,洪瑩瑩,等.廣東省生態(tài)氣象監(jiān)測(cè)公報(bào) [Z]. 廣州:廣東省氣象局, 2021.

Deng Y J, Xiang K L, Hong Y Y, et al. Guangdong Eco-meteorology monitoring bulletin [Z]. Guangzhou: Guangdong Meteorological Service, 2021.

[12] QX/T 240-2014 光化學(xué)煙霧判識(shí) [S].

QX/T 240-2014 Identification of photochemical smog [S].

[13] 王紅麗.上海市光化學(xué)污染期間揮發(fā)性有機(jī)物的組成特征及其對(duì)臭氧生成的影響研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2015,35(6):1603-1611.

Wang H L. Characterization of volatile organic compounds (VOCs) and the impact on ozone formation during the photochemical smog episode in Shanghai, China [J]. Acta Scientiae Circumstantiae, 2015, 35(6):1603-1611.

[14] 陸克定,張遠(yuǎn)航,蘇 杭,等.珠江三角洲夏季臭氧區(qū)域污染及其控制因素分析 [J]. 中國(guó)科學(xué):化學(xué), 2010,40(4):407-420.

Lu K D, Zhang Y H, Su H, et al. Regional ozone pollution and key controlling factors of photochemical ozone production in Pearl River Delta during summer time [J]. Scientia sinica Chimica, 2010,40(4):407-420.

[15] 沈 勁,陳多宏,汪 宇,等.基于情景分析的珠三角臭氧與前體物排放關(guān)系研究 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2018,27(10):1925-1932.

Shen J, Chen D H, Wang Y, et al. Study on the relationship between ozone and precursors emission in the Pearl River Delta based on scenario analysis [J]. Ecology and Environmental Sciences, 2018, 27(10):1925-1932.

[16] 鄧思欣,劉永林,司徒淑聘,等.珠三角產(chǎn)業(yè)重鎮(zhèn)大氣VOCs污染特征及來(lái)源解析 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(7):2993-3003.

Deng S X, Liu Y L, Situ S P, et al. Characteristics and source apportionment of volatile organic compounds in an industrial town of Pearl River Delta [J]. China Environmental Science, 2021,41(7):2993-3003.

[17] Shen J, Zhang Y H, Wang X S, et al. An ozone episode over the Pearl River Delta in October 2008 [J]. Atmospheric Environment, 2015, 122:852-863.

[18] Yin C Q, Deng X J, Zou Y, et al. Trend analysis of surface ozone at suburban Guangzhou, China [J]. Science of the Total Environment, 2019,695:133880.

[19] 洪瑩瑩,翁佳烽,譚浩波,等.珠江三角洲秋季典型O3污染的氣象條件及貢獻(xiàn)量化 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(1):1-10..

Hong Y Y, Weng J F, Tan H B, et al. 2021. Meteorological conditions and contribution quantification of typical ozone pollution during autumn in Pearl River Delta [J]. China Environmental Science, 2021,41(1):1-10.

[20] Solomon P, Cowling E, Hidy G, et al. Comparison of scientificfindings from major ozone field studies in North America and Europe [J]. Atmospheric Environment, 2000,34:1885–1920.

[21] Colette A, Andersson C, Baklanov A, et al. Is the ozone climate penalty robust in Europe? [J]. Environmental Research Letters, 2015,10:084015.

[22] Ejimofor C S, Okoro E C, Sivla W T. Effects of elevated humidity on stratospheric ozone content in the tropics [J]. International Journal of Physical Sciences, 2021,15(4):182-193.

[23] 鄧雪嬌,周秀驥,吳 兌,等.珠江三角洲大氣氣溶膠對(duì)地面臭氧變化的影響 [J]. 中國(guó)科學(xué):地球科學(xué), 2011,41(1):93-102.

Deng X J, Zhou X J, Wu D, et al. Effect of atmospheric aerosol on surface ozone variation over the Pearl River Delta region [J]. Scientia Sinica Terrae, 2011,41(1):93-102.

[24] 齊 冰,朱彧文,杜榮光,等.杭州市近地面大氣臭氧濃度變化特征分析 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(2):443-451.

Qi Bing, Niu Y W, Du R G, et al. Characteristics of surface ozone concentration in urban site of Hangzhou [J]. China Environmental Science, 2017,37(2):443-451.

[25] 黃 俊,廖碧婷,吳 兌,等.廣州近地面臭氧濃度特征及氣象影響分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(1):23-31.

Huang J, Liao B T, Wu D, et al. Guangzhou ground level ozone concentration characteristics and associated meteorological factors [J]. Acta Scientiae Circumstantiae, 2018,38(1):23-31.

[26] 劉 建,吳 兌,范紹佳,等.前體物與氣象因子對(duì)珠江三角洲臭氧污染的影響 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(3):813-820.

Liu J, Wu D, Fan S J, et al. Impacts of precursors and meteorological factors on ozone pollution in Pearl River Delta [J]. China Environmental Science, 2017,37(3):813-820.

[27] 許建明,常爐予,馬井會(huì),等.上海秋冬季PM2.5污染天氣形勢(shì)的客觀分型研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2016,36(12):4303-4314.

Xu J M, Chang L Y, Ma J H, et al. Objective synoptic weather classification on PM2.5pollution autumn and winter seasons in Shanghai [J]. Acta Scientiae Circumstantiae, 2016,36(12):4303-4314.

[28] Wolff G T, Lioy P J. Development of an ozone river associated with synoptic scale episodes in the eastern United States [J]. Environmental Science and Technology, 1980,14(10):1257-1260.

[29] Heidorn K C, Yap D. A synoptic climatology for surface ozone concentrations in southern Ontario, 1976～1981 [J]. Atmospheric Environment, 1986,20:695-703

[30] Zhang Y, Mao H, Ding A, et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3levels in Hong Kong during 1999～2011 [J]. Atmospheric Environment, 2013,73:41-50.

[31] Wang N, Ling Z H, Deng X J, et al. Source contributions to PM2.5under unfavorable weather conditions in Guangzhou city, China [J]. Advances in atmospheric sciences, 2018,35:1145-1159.

[32] 尹曉梅,朱 彬,熊亞軍,等.2007～2016年北京天氣分型與霾日的關(guān)聯(lián) [J]. 中國(guó)環(huán)境科學(xué), 2020,40(1):123-134.

Yin X M, Zhu B, Xiong Y J, et al. Objective analysis on circulation types and its links to haze days over Beijing during 2007～2016 [J]. China Environmental Science, 2020,40(1):123-134.

[33] 唐貴謙,李 昕,王效科,等.天氣型對(duì)北京地區(qū)近地面臭氧的影響 [J]. 環(huán)境科學(xué), 2010,31(3):573-578.

Tang G Q, Li X, Wang X K, et al. Effects of synoptic type on surface ozone pollution in Beijing [J]. Environmental Science, 2010,31(3):573-578.

[34] 王 宏,林長(zhǎng)城,陳曉秋,等.天氣條件對(duì)福州近地層臭氧分布的影響 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2011,20(8/9):1320-1325.

Wang H, Lin C C, Chen X Q, et al. Effects of weather condition on surface ozone distribution in Fuzhou [J]. 2011,20(8/9):1320-1325.

[35] 常爐予,許建明,瞿元昊,等.上海市臭氧污染的大氣環(huán)流客觀分型研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2019,39(1):169-179.

Chang L Y, Xu J M, Qu Y H, et al. Study on objective synoptic classification on ozone pollution in Shanghai [J]. Acta Scientiae Circumstantiae, 2019,39(1):169-179.

[36] 任萬(wàn)輝.沈陽(yáng)地區(qū)臭氧污染日時(shí)空變化特征及天氣分型研究 [J]. 中國(guó)環(huán)境監(jiān)測(cè), 2021,37(4):75-82.

Ren W H. Study on spatial and temporal variation characteristics of ozone pollution and weather classification in Shenyang [J]. Environmental Monitoring in China, 2021,37(4):75-82.

[37] 岳海燕,顧桃峰,王春林,等.臺(tái)風(fēng)“妮妲”過(guò)程對(duì)廣州臭氧濃度的影響分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(12):4565-4572.

Yue H Y, Gu T F, Wang C L, et al. Influence of typhoon Nida process on ozone concentration in Guangzhou [J]. Acta Scientiae Circumstantiae, 2018,38(12):4565-4572.

[38] Deng T, Wang T J, Wang S Q, et al. Impact of typhoon periphery on high ozone and high aerosol pollution in the Pearl River Delta region [J]. Science of the Total Environment, 2019,668:617-630.

[39] 高曉榮,鄧雪嬌,譚浩波,等.廣東四大區(qū)域污染過(guò)程特征與影響天氣型分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(5):1708-1716.

Gao X R, Deng X J, Tan H B, et al. Characteristics and analysis on regional pollution process and circulation weather types over Guangdong Province [J]. Acta Scientiae Circumstantiae, 2018,38(5):1708-1716.

[40] Jiang Y C, Zhao T L, Liu J, et al. Why does surface ozone peak before a typhoon landing in Southeast China? [J]. Atmospheric Chemistry & Physics, 2015,15:13331-13338.

[41] Wang N, Huang X, Xu J W, et al. Typhoon-boosted biogenic emission aggravates cross-regional ozone pollution in China [J]. Science Advances, 2022,8:eabl6166.

[42] 范紹佳,王安宇,樊 琦,等.珠江三角洲大氣邊界層特征及其概念模型 [J]. 中國(guó)環(huán)境科學(xué), 2006,26(Suppl.):4-6.

Fan S J, Wang A Y, Fan Q, et al. Atmospheric boundary layer features of Pearl River Delta and irs conception model [J]. China Environmental Science, 2006,26(Suppl.):4-6.

[43] Wang H L, Wu K, Liu Y M, et al. Role of heat wave-induced biogenic VOC enhancements in persistent ozone episodes formation in Pearl River Delta [J]. Journal of Geophysical Research: Atmospheres, 2021, 126(12):1-19.

[44] HJ 633-2012 環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行) [S].

HJ 633-2012 Technical regulation on ambient air quality index (on trial) [S].

[45] Philipp A, Bartholy J, Beck C, et al. Cost733 cat-A database of weather and circulation type classifications [J]. Physics and Chemistry of the Earth, 2010,35:360-373.

[46] Begum B A, Kim E, Jeong C H, et al. Evaluation of the potential source contribution function using the 2002 Quebee forest fire episode [J]. Atmospheric Environment, 2005,39(20):3719-3724.

[47] Polissar A V, Hopke P K, Paatero P, et al. The aerosol at Barrow, Alaska: long-term trends and source locations [J]. Atmospheric Environment, 1999,33(16):2441-2458.

[48] Ding J, van der A R J, Eskes H J, et al. NOx emissions reduction and rebound in China due to the COVID-19crisis [J]. Geophysical Research Letters, 2020,47:e2020GL089912.

[49] 廣東生態(tài)環(huán)境.廣東省啟動(dòng)2020年藍(lán)天保衛(wèi)戰(zhàn)百日沖刺行動(dòng) [Z]. https://www.mee.gov.cn/ywdt/dfnews/202010/t20201008_801985.shtml, 2020.

Guangdong Ecological Environment. Guangdong province has launched a 100-day sprint for Blue Sky Protection Campaign in 2020 [Z]. https: //www.mee.gov.cn/ywdt/dfnews/202010/t20201008_801985.shtml, 2020.

[50] 陳創(chuàng)買,鄭德娟,趙仲輝.廣東干濕氣候的特征 [J]. 熱帶氣象學(xué)報(bào), 1997,13(3):193-200.

Chen C M, Zheng D J, Zhao Z H. Features of climate of dryness and wetness in Guangdong [J]. Journal of Tropical Meteorology, 1997, 13(3):193-200.

[51] 張遠(yuǎn)航,鄭君瑜,陳長(zhǎng)虹,等.中國(guó)大氣臭氧污染防治藍(lán)皮書(shū)(2020年) [Z]. 北京:中國(guó)環(huán)境科學(xué)學(xué)會(huì)臭氧污染控制專業(yè)委員會(huì), 2020.

Zhang Y H, Zheng J Y, Chen C H, et al. China blue book ofatmospheric ozone pollution prevention and control (2020) [Z]. Beijing: Professional Committee of Ozone Pollution Control, Chinese Society of Environmental Sciences, 2020.

[52] 翁佳烽,梁曉媛,譚浩波,等.基于K-means聚類分析法的肇慶市干季PM2.5污染天氣分型研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(2):15-29.

Weng J F, Liang X Y, Tan H B, et al. Objective synoptic classification on PM2.5pollution during dry season based on K-means in Zhaoqing [J]. Acta Scientiae Circumstantiae, 2020,40(2):373-387.

Ozone pollution synoptic patterns and their variation characteristics in Guangdong Province.

LI Ting-yuan1, CHEN Jing-yang1, WENG Jia-feng2*, SHEN Jin3, GONG Yu1

(1. Guangdong Ecological Meteorological Center (Pearl River Delta Center for Environmental Meteorology Prediction and Warning), Guangzhou 510640, China；2.Zhaoqing Meteorology Bureau, Zhaoqing 526060, China；3.Guangdong Environment Monitoring Center, Guangzhou 510308, China)., 2022,42(5)：2015～2024

Based on the surface observation data, reanalysis data as well as the SOM objective classification method, ozone pollution synoptic patterns and their variation characteristics in Guangdong (GD) during 2015～2020 were diagnosed and analyzed by different seasons and regions. The ozone pollution kept an upward tendency year by year from 2015 to 2019, with an impressive increase from 2017 to 2019 but a dramatic decrease in 2020. Changes in meteorological conditions and pollutant emissions played an important role in the variation of O3pollution. The ozone concentration in dry season was close to or higher than that in wet season, and the number of polluted cities during dry season was also close to wet season. Weak cold high ridge (HR) was the dominant synoptic pattern affecting the ozone pollution, which caused 526cities over standard during 6years. The dominant synoptic patterns of ozone pollution in GD were HR and typhoon periphery (TP) in dry and wet season, respectively. The proportion of pollution days under the control of HR in dry season raised obviously, which surpassed TP in wet season and became the most important weather type affecting ozone pollution. Under the control of HR, the transport paths of ozone in four regions mainly included northeast path and coastal path. Regional ozone pollution in PRD and North-GD were greatly affected by local emissions under the control of TP and DR in wet season, respectively.

Guangdong；ozone；synoptic patterns；variation

X511

A

1000-6923(2022)05-2015-10

李婷苑(1988-),女,廣東興寧人,高級(jí)工程師,碩士,主要從事環(huán)境氣象研究.發(fā)表論文10余篇.

2021-10-13

廣東省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2020B1111360003);國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2019YFC0214605,2018YFC0213902);廣東省氣象局科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(GRMCTD202003);廣東省氣象局科學(xué)技術(shù)研究項(xiàng)目(GRMC2020M12);肇慶市科技計(jì)劃項(xiàng)目(2021040302007)

* 責(zé)任作者, 工程師, wengjiaf@mail2.sysu.edu.cn