2013—2018年中國近地面臭氧濃度空間分布特征及其與氣象因子的關(guān)系

栗澤苑, 楊雷峰, 華道柱, 方鏡堯, 黃 偉, 孫 雷, 王 琛

1.聚光科技(杭州)股份有限公司, 浙江 杭州 310052 2.山東大學(xué)環(huán)境研究院, 山東 青島 266237 3.生態(tài)環(huán)境部華南環(huán)境科學(xué)研究所, 廣東 廣州 510655 4.齊魯工業(yè)大學(xué)(山東省科學(xué)院)環(huán)境科學(xué)與工程學(xué)院, 山東 濟(jì)南 250353

近地面臭氧(O3)是一種重要的大氣污染物，具有強(qiáng)氧化性，對動植物健康、氣候變化等均有不利影響. 近年來我國以顆粒物為代表的大氣污染狀況逐步改善，與此同時ρ(O3)及O3超標(biāo)天數(shù)均呈上升趨勢[1]，珠三角、長三角和京津冀地區(qū)的O3超標(biāo)天數(shù)分別在2015年、2017年和2018年超過顆粒物超標(biāo)天數(shù)，成為首要污染物[2]. 面對日益嚴(yán)重的O3污染形勢，識別其污染特征以及影響因素是采取有效防控措施的重要前提.

O3污染具有顯著的區(qū)域性分布特征. 不同區(qū)域的ρ(O3)存在差異，如青藏高原ρ(O3)顯著低于華南區(qū)域，而華北平原ρ(O3)則遠(yuǎn)高于華南及北半球其他區(qū)域[3]；其次，各區(qū)域O3污染呈現(xiàn)不同的周期性變化特征，如在中國北京市、天津市以及韓國原州市和安東市的ρ(O3)時間序列波動以季節(jié)周期為主[4-7]；而美國休斯敦、韓國江陵市(沿海城市)以及中國長三角和珠三角地區(qū)的ρ(O3)時間序列波動則以短期周期為主[7-10]. O3空間分布和周期性變化方面的研究一般集中在小區(qū)域范圍，在較大尺度上的研究相對較少. O3受前體物排放和氣象因子[11-12]的共同影響. 研究[3,13]表明，O3與其前體物(NOx和VOCs)之間呈高度非線性關(guān)系，且不同區(qū)域NOx和VOCs的影響機(jī)制存在較大差異，一般來說，鄉(xiāng)村偏NOx控制，城區(qū)偏VOCs控制. 此外，氣象因子對ρ(O3)的影響也存在較大的區(qū)域差異[7]，但這種影響的時空變化特征有待進(jìn)一步研究.

因此，該研究在未考慮O3前體物(NOx、SO2、VOCs等)排放變化的情況下，從氣象因子和太陽總輻射量角度探究了O3日最大8 h滑動平均值〔ρ(O3-max-8 h)〕的時空分布特征. 分析了2013—2018年常規(guī)污染物的長期變化背景；之后選取5個代表性區(qū)域分析ρ(O3-max-8 h)的周期性變化狀況，并進(jìn)一步探究了全國尺度內(nèi)ρ(O3-max-8 h)短期、季節(jié)和長期分量貢獻(xiàn)占比的空間分布；最后，對ρ(O3-max-8 h)與氣象因子和太陽總輻射量的關(guān)聯(lián)特征及其時空分布進(jìn)行識別，以期為中國O3污染防控提供參考.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

污染物(NO2、CO、SO2、PM2.5和PM10)數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站的我國城市空氣質(zhì)量實時發(fā)布平臺(http://106.37.208.233:20035). 異常數(shù)據(jù)剔除依據(jù)為GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》和HJ 663—2013《環(huán)境空氣質(zhì)量評價技術(shù)規(guī)范(試行)》. 分析大氣環(huán)境質(zhì)量年際變化時，ρ(O3)取日最大8 h滑動平均值第90百分位數(shù)，ρ(CO)取24 h平均值第95百分位數(shù)，ρ(NO2)、ρ(SO2)、ρ(PM2.5)和ρ(PM10)均取年均值. 分析O3空間分布特征時使用ρ(O3-max-8 h). 分析O3周期性變化以及與氣象因子關(guān)聯(lián)特征時采用ρ(O3-max-8 h)的基線分量. 氣象因子和太陽總輻射量數(shù)據(jù)來源于歐洲中期天氣預(yù)報中心模擬數(shù)據(jù)再分析資料(https://www.ecmwf.int/en/research/climate-reanalysis/browse-reanalysis-datasets)，氣象因子選取與O3關(guān)系較密切的2 m溫度最大值、相對濕度平均值、10 m高度風(fēng)速平均值(包括緯向風(fēng)速和經(jīng)向風(fēng)速). 以站點鄰近原則選取能夠反映O3觀測站點處的氣象因子和太陽總輻射量數(shù)據(jù)，篩選出283個站點進(jìn)行O3與氣象因子和太陽總輻射量關(guān)聯(lián)特征的分析.

1.2 反距離權(quán)重空間插值

空間插值算法可以根據(jù)已知點位濃度數(shù)據(jù)推算出周邊其他位置的濃度數(shù)據(jù)，將離散點的測量數(shù)據(jù)轉(zhuǎn)換為連續(xù)的數(shù)據(jù)曲面，從而得出空間分布特征. 反距離權(quán)重插值(inverse distance weight，IDW)假設(shè)空間上距離越近的站點具有相似污染物質(zhì)量濃度的可能性越大，距離越遠(yuǎn)具有相似污染物質(zhì)量濃度的可能性越小，該方法是研究大氣環(huán)境污染空間分布的常用方法之一[14]. 這與ρ(O3-max-8 h)的實際空間分布規(guī)律相符，且城市尺度的站點分布能夠滿足IDW對樣本點密集度的計算要求，計算公式：

(1)

式中：Z為插值點處的ρ(O3-max-8 h)，μg/m3；Zi為監(jiān)測點i處的ρ(O3-max-8 h)，μg/m3；di2為監(jiān)測點i與插值點之間的距離，km；n為插值站點數(shù)量，個.

1.3 Kolmogorov-Zurbenko濾波

Kolmogorov-Zurbenko(KZ)濾波是經(jīng)p次迭代與m點滑動平均的低通濾波，常用于不同尺度氣象因子對大氣污染物時間序列趨勢影響的研究[15]，適用于大氣污染物時間序列在不同周期上的分解計算[6]. KZ濾波計算公式：

(2)

式中:Ys為經(jīng)過濾波計算后的時間序列，單位與原始時間序列相同；m為滑動窗口總長度，d；j為滑動窗口變量，d；k為Xs進(jìn)行濾波時兩端的滑動窗口長度，d；Xs+j為經(jīng)過濾波后的時間序列，單位與原始時間序列相同；s為時間序列的時間間隔，d. 原始時間序列〔X(t)〕可分解為

X(t)=e(t)+S(t)+W(t)

(3)

e(t)=KZ(365,3)(X)

(4)

B(t)=e(t)+S(t)=KZ(15,5)(X)

(5)

式中：X(t)為原始時間序列；e(t)為長期分量，可以濾除周期小于1.7 a的波動；S(t)為季節(jié)分量；W(t)為短期分量；B(t)為基線分量[15]，可以濾除周期小于33 d的波動；KZ(365,3)(X)為m取365、p取3時X(t)的濾波結(jié)果；KZ(15,5)(X)為m取15、p取5時X(t)的濾波結(jié)果.

1.4 ρ(O3-max-8 h)與氣象因子關(guān)聯(lián)特征的識別

利用多元線性回歸建立ρ(O3-max-8 h)與氣象因子、太陽總輻射量的關(guān)系，用基線分量進(jìn)行判定系數(shù)(R2)和相關(guān)系數(shù)(r)的分析[7]，識別O3與所選因子之間關(guān)系的公式：

O3KZ15,5=aTKZ15,5+bTSRKZ15,5+cRHKZ15,5+

duKZ15,5+evKZ15,5+f+ε

(6)

R2=1-SSres/SStot

(7)

式中，a、b、c、d和e分別為溫度、太陽總輻射量、相對濕度、緯向風(fēng)速、經(jīng)向風(fēng)速的回歸系數(shù)，f和ε分別為常數(shù)項和殘差，O3KZ15,5、TKZ15,5、TSRKZ15,5、RHKZ15,5、uKZ15,5和vKZ15,5分別為ρ(O3-max-8 h)、溫度、太陽總輻射量、相對濕度、緯向風(fēng)速和經(jīng)向風(fēng)速的KZ(15,5)(X)濾波結(jié)果，SSres為回歸平方和，SStot為殘差平方和.

O3與單個因子之間的相關(guān)系數(shù)(r)計算公式：

(8)

式中，X為ρ(O3-max-8 h)，Y為因子(溫度、太陽總輻射量、相對濕度、緯向風(fēng)速和經(jīng)向風(fēng)速)的觀測值，Cov(X,Y)為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差.

2 結(jié)果與討論

2.1 主要污染物的年際變化趨勢

我國常規(guī)大氣污染物濃度的長期變化趨勢如圖1所示. 由圖1可見：2013—2018年，我國ρ(O3-max-8 h)第90百分位數(shù)整體呈上升趨勢，2015年達(dá)最低值(134 μg/m3)，2018年達(dá)最高值(151 μg/m3)，增速為2.6 μg/(m3·a)，但2013—2015年和2015—2018年ρ(O3-max-8 h)第90百分位數(shù)分別呈下降和上升趨勢；ρ(CO) 24 h平均值第95百分位數(shù)與ρ(SO2)、ρ(NO2)、ρ(PM2.5)和ρ(PM10)的年均值則整體呈下降趨勢，降速分別為5.2 μg/(m3·a)、0.2 mg/(m3·a)、2.7 μg/(m3·a)、6.4 μg/(m3·a)和9.4 μg/(m3·a).ρ(O3-max-8 h)第90百分位數(shù)的長期趨勢與ρ(PM2.5)、ρ(PM10)和ρ(NO2)年均值的長期趨勢均呈負(fù)相關(guān)，一方面，ρ(PM2.5)下降會導(dǎo)致大氣中過氧自由基(HO2·)沉降減少[16]，從而促使O3生成；另一方面，NO2排放量下降后會導(dǎo)致O3消耗減少[17]. 因此，在顆粒物降幅較大的區(qū)域需關(guān)注顆粒物的減排對O3產(chǎn)生的影響，在VOCs控制區(qū)更需關(guān)注削弱NOx減排所產(chǎn)生的副作用.

圖1 2013—2018年中國常規(guī)大氣污染物年均值和變化趨勢Fig.1 Annual average and trends of conventional air pollutants in China from 2013 to 2018

2.2 ρ(O3-max-8 h)的時空演化特征

由圖2可見：我國ρ(O3-max-8 h)整體呈東部高、西部低的空間分布格局.ρ(O3-max-8 h)高值區(qū)域主要集中在東部華北平原地區(qū)一帶，如河北省和山東省大部分區(qū)域ρ(O3-max-8 h)高于180 μg/m3；東部沿海的長三角地區(qū)及其附近區(qū)域的ρ(O3-max-8 h)次之，介于120～160 μg/m3之間；南部珠三角地區(qū)ρ(O3-max-8 h)范圍也在120～160 μg/m3之間，但高值區(qū)域小于長三角地區(qū).ρ(O3-max-8 h)在西部區(qū)域較低，介于70～100 μg/m3之間，哈密地區(qū)低至62 μg/m3.ρ(O3-max-8 h)空間分布與其前體物排放量的分布格局一致，NOx排放強(qiáng)度東部高于西部，華北平原和東南沿海區(qū)域較高，京津冀、長三角和珠三角地區(qū)最高[18-19]. 我國ρ(O3-max-8 h)分布存在顯著的區(qū)域差異，華北平原ρ(O3-max-8 h)整體水平高于我國其他區(qū)域，東部區(qū)域ρ(O3-max-8 h)高值區(qū)呈片狀和帶狀分布.

注：底圖源自自然資源部(http://bzdt.ch.mnr.gov.cn)下載的《中國地圖 1∶3 000萬 16開界線版 無鄰國 線劃一》. 審圖號：GS(2021)3511號. 下同.圖2 2013—2018年我國ρ(O3-max-8 h)年均值空間分布Fig.2 Spatial distribution of annual average ρ(O3-max-8 h) in China from 2013 to 2018

不同區(qū)域ρ(O3-max-8 h)的變化趨勢不同. 由圖2 可見：2013—2018年，京津冀地區(qū)ρ(O3-max-8 h)增幅為9.2 μg/(m3·a)，遠(yuǎn)高于我國平均水平〔2.6 μg/(m3·a)〕；山東省和汾渭平原增幅分別為2.0和3.1 μg/(m3·a)；長三角地區(qū)ρ(O3-max-8 h)雖總體呈上升趨勢，但2017—2018年下降了3.0 μg/m3；珠三角地區(qū)ρ(O3-max-8 h)降幅達(dá)2.2 μg/(m3·a)；西北和西南區(qū)域ρ(O3-max-8 h)呈下降趨勢，如2018年烏魯木齊市和拉薩市等地區(qū)ρ(O3-max-8 h)降至80 μg/m3以下.

ρ(O3-max-8 h)分布格局隨時間變化呈顯著差異. 由圖2可見：2013—2016年，我國中部區(qū)域ρ(O3-max-8 h)呈上升趨勢，如鄂爾多斯市、朔州市、成都市等地區(qū)ρ(O3-max-8 h)在2015年達(dá)2013—2018年期間最高值，分別為163、186和183 μg/m3；同時，華北平原ρ(O3-max-8 h)高值區(qū)有所擴(kuò)大，由河北省、山東省擴(kuò)張至河南省、山西省、江蘇省等地區(qū). 2017—2018年ρ(O3-max-8 h)空間分布出現(xiàn)了顯著變化，ρ(O3-max-8 h)高值區(qū)逐漸集中于華北平原和汾渭平原，長江以南大部區(qū)域ρ(O3-max-8 h)顯著降低，長三角和珠三角地區(qū)周邊的高值區(qū)縮小，除珠三角地區(qū)外，30°N以南大部分區(qū)域ρ(O3-max-8 h)普遍低于120 μg/m3. 整體來看，ρ(O3-max-8 h)高值區(qū)主要集中在華北區(qū)域，且近年來ρ(O3-max-8 h)在華北區(qū)域呈顯著上升趨勢，在華南區(qū)域呈下降趨勢.

2.3 ρ(O3-max-8 h)時間分量貢獻(xiàn)及趨勢變化

2.3.1ρ(O3-max-8 h)時間分量的貢獻(xiàn)

用Kolmogorov-Zurbenko濾波法將ρ(O3-max-8 h)的時間序列分解為短期、季節(jié)和長期分量，分析3個時間分量對ρ(O3-max-8 h)貢獻(xiàn)的空間分布，并選取ρ(O3-max-8 h)較高的京津冀地區(qū)、汾渭平原、山東省、長三角地區(qū)和珠三角地區(qū)5個代表性區(qū)域進(jìn)行時間分量趨勢的研究. 理論上，時間序列分量的方差和越大表明分解效果越好. 由表1可見：5個代表性區(qū)域的3個時間分量相互獨立且分解效果均較好(分量方差和均大于84%). 我國ρ(O3-max-8 h)主要受短期分量和季節(jié)分量的共同影響，其貢獻(xiàn)分別為46.3%和43.9%，長期分量的貢獻(xiàn)(2.3%)較?。痪┙蚣降貐^(qū)、山東省和汾渭平原ρ(O3-max-8 h)主要受季節(jié)分量的影響，其貢獻(xiàn)均高于64%；長三角地區(qū)ρ(O3-max-8 h)受季節(jié)(46.6%)和短期(39.8%)分量的共同影響；珠三角地區(qū)ρ(O3-max-8 h)主要受短期分量的影響.

表1 2013—2018年代表性區(qū)域ρ(O3-max-8 h)時間序列分量的貢獻(xiàn)

由圖3可見，短期分量和季節(jié)分量的貢獻(xiàn)具有“互補(bǔ)”的空間分布特征. 短期分量的貢獻(xiàn)在東南沿海區(qū)域最高(達(dá)75%)，向西北逐漸減小，且27.5°N以北內(nèi)陸區(qū)域大部分小于30%. 季節(jié)分量貢獻(xiàn)的空間分布特征與短期分量相反，其在東南沿海區(qū)域最低(小于15%)，沿西北方向逐漸增大，在內(nèi)陸區(qū)域大部分地區(qū)高于60%. 長期分量的貢獻(xiàn)在我國相對較小，大部分區(qū)域低于20%. 3種分量貢獻(xiàn)的區(qū)域性分布特征與Yu等[9,20]研究結(jié)果不同，但與Cheng等[4,6,10]研究的規(guī)律一致.

圖3 2013—2018年中國ρ(O3-max-8 h)時間序列分量貢獻(xiàn)的空間分布Fig.3 Spatial distribution of component contributions of ρ(O3-max-8 h) time series in China from 2013 to 2018

造成這種空間分布特征的主要原因包括區(qū)域地貌特征、小尺度大氣運動和氣候季節(jié)性. 首先，我國東南區(qū)域多為山地丘陵且靠近海洋，O3易受日周期的山谷風(fēng)和海陸風(fēng)影響. 山谷風(fēng)在午后將富含VOCs和NOx的氣團(tuán)輸送至城區(qū)，使ρ(O3-max-8 h)升高. 海陸風(fēng)則會引起日間ρ(O3-max-8 h)的升高以及出現(xiàn)時間的延后[21]. 因此東南區(qū)域ρ(O3-max-8 h)的短期波動特征顯著. 其次，季節(jié)分量主要由溫度、太陽總輻射量和相對濕度等因子的季節(jié)性變化引起. 華南區(qū)域處于亞熱帶和熱帶，氣象因子的季節(jié)性變化較弱，而內(nèi)陸區(qū)域四季分明，因此氣象因子的季節(jié)性變化對內(nèi)陸區(qū)域ρ(O3-max-8 h)的季節(jié)性波動影響更為顯著. 綜上，我國北方區(qū)域ρ(O3-max-8 h)主要受氣象因子、太陽總輻射量、前體物排放量季節(jié)性變化的影響，而南方尤其是東南沿海區(qū)域則主要受氣象因子和太陽總輻射量、前體物排放量的短期變化影響.

2.3.2ρ(O3-max-8 h)時間序列分量的趨勢變化

由圖4可見，ρ(O3-max-8 h)短期分量波動最劇烈，不同區(qū)域短期分量趨勢變化存在差異. 2013—2018年京津冀地區(qū)ρ(O3-max-8 h)短期分量振幅逐漸減小，最大振幅由-38～80 μg/m3減至-21～40 μg/m3. 山東省和汾渭平原ρ(O3-max-8 h)短期分量的振幅相對穩(wěn)定，而長三角和珠三角地區(qū)ρ(O3-max-8 h)短期分量的振幅呈擴(kuò)大趨勢，尤其是長三角地區(qū)，振幅由-20～20 μg/m3增至-48～59 μg/m3. 因此，短期氣象因子變化對ρ(O3-max-8 h)的影響在京津冀地區(qū)呈減弱趨勢，在山東省和汾渭平原基本穩(wěn)定，在長三角和珠三角地區(qū)逐漸增強(qiáng).

由圖4可見，京津冀地區(qū)與山東省ρ(O3-max-8 h)季節(jié)分量的變化趨勢基本一致，6—7月達(dá)到峰值，8—9月出現(xiàn)一個小峰. 原因是春季北半球平流層O3向下傳輸，生物源VOCs釋放增加[22]，秸稈燃燒導(dǎo)致NOx和VOCs排放量增加，在溫度和太陽總輻射量逐漸增強(qiáng)的環(huán)境中，北方區(qū)域ρ(O3-max-8 h)迅速升高. 之后7—8月(雨季)降水增加使ρ(O3-max-8 h)降低，雨季后的高溫低濕環(huán)境又加速了O3的生成. 汾渭平原ρ(O3-max-8 h)季節(jié)分量僅在7月出現(xiàn)峰值，因為該區(qū)域9—11月受到華西秋雨的影響[23]. 長三角地區(qū)受亞熱帶季風(fēng)氣候影響，環(huán)境空氣升溫早且高溫持續(xù)時間長，ρ(O3-max-8 h)季節(jié)分量峰值出現(xiàn)在4月和10月. 珠三角地區(qū)季風(fēng)云團(tuán)和降水的持續(xù)時間較長，氣象因子的季節(jié)性周期特征不顯著，因此ρ(O3-max-8 h)的季節(jié)分量振幅小于其他區(qū)域，在秋季高溫和盛行北風(fēng)的共同影響下[24]，ρ(O3-max-8 h)峰值多出現(xiàn)在10月.

圖4 2013—2018年ρ(O3-max-8 h)時間序列分量Fig.4 Time series of ρ(O3-max-8 h) components from 2013 to 2018

由圖4可見，ρ(O3-max-8 h)長期分量在京津冀地區(qū)波動下降，在其他區(qū)域呈上升趨勢. 2014—2017年山東省ρ(O3-max-8 h)長期分量變化平穩(wěn)(在53 μg/m3左右)，2017年之后緩步增加. 汾渭平原和珠三角地區(qū)ρ(O3-max-8 h)長期分量的變化趨勢基本一致，但在2017年之后稍有下降. 長三角地區(qū)ρ(O3-max-8 h)長期分量在2016年之前均低于35 μg/m3，2016—2017年突增至55 μg/m3以上. 可見，長期氣象因子變化對京津冀地區(qū)ρ(O3-max-8 h)有消減作用，但對其他地區(qū)尤其是長三角地區(qū)的ρ(O3-max-8 h)有升高作用.

2016—2017年各區(qū)域ρ(O3-max-8 h)長期分量均呈上升趨勢，可能原因是2016年8月受偏強(qiáng)且超長持續(xù)的熱帶大氣季節(jié)內(nèi)振蕩影響，長江流域、東部區(qū)域持續(xù)少雨[25-26]，長期的高溫干燥環(huán)境促進(jìn)了O3生成. 2016年，京津冀地區(qū)、山東省、汾渭平原和長三角地區(qū)的秋季O3濃度顯著高于其他年份，長三角地區(qū)ρ(O3-max-8 h)季節(jié)分量的秋季峰值(62 μg/m3)更是高于夏季(41 μg/m3).

2.4 ρ(O3-max-8 h)和氣象因子特征時空演化

為識別ρ(O3-max-8 h)對氣象因子較為敏感的區(qū)域，構(gòu)建了ρ(O3-max-8 h)與氣象因子和太陽總輻射量的多元回歸模型，用判定系數(shù)(R2)表征其關(guān)系. 由圖5可見，氣象因子和太陽總輻射量對ρ(O3-max-8 h)的影響在華北平原至長三角地區(qū)一帶以及四川盆地、湖北省至長三角地區(qū)一帶較大(R2>0.90)，在華南、西南和東北區(qū)域較小. NOx和VOCs的排放量也在華北平原至長三角地區(qū)一帶最高，在四川盆地、湖北省至長三角地區(qū)一帶較高，在華南、東北和西部區(qū)域較低[18-19]. 圖5中判定系數(shù)的空間分布與ρ(O3-max-8 h)以及NOx和VOCs排放量的空間分布相似，說明在NOx和VOCs排放量較高的華北平原至長三角地區(qū)一帶以及中部區(qū)域，氣象因子和太陽總輻射量的變化對ρ(O3-max-8 h)具有顯著影響；而在華南、西南和東北等NOx和VOCs排放量相對較低的區(qū)域，氣象因子和太陽總輻射量對ρ(O3-max-8 h)影響較弱. 這與He等[27]數(shù)值模型的結(jié)果相似.

圖5 2013—2018年中國ρ(O3-max-8 h)與氣象因子和太陽總輻射量判定系數(shù)的空間分布Fig.5 Spatial distribution of coefficients of determinations for ρ(O3-max-8 h) and meteorological factors and total solar radiation in China from 2013 to 2018

由圖5可見，2013—2018年氣象因子和太陽總輻射量對ρ(O3-max-8 h)影響較大的區(qū)域空間分布相對穩(wěn)定，但每個小區(qū)域的R2隨時間變化較大，如R2在珠三角地區(qū)增幅為0.05 a-1，在京津冀地區(qū)、山東省和汾渭平原增幅均小于0.01 a-1，但在長三角地區(qū)為-0.04 a-1.

圖6為ρ(O3-max-8 h)與溫度、太陽總輻射量、相對濕度、緯向風(fēng)速和經(jīng)向風(fēng)速的相關(guān)系數(shù)(r)的空間分布，全國尺度上ρ(O3-max-8 h)與溫度相關(guān)性最強(qiáng)，與太陽總輻射量、緯向風(fēng)速和經(jīng)向風(fēng)速相關(guān)性(r分別為0.51、0.48、0.38和0.44)較強(qiáng)，與相對濕度相關(guān)性(r=0.16)較弱.ρ(O3-max-8 h)與溫度、太陽總輻射量的相關(guān)性均在四川盆地、湖北省至長三角地區(qū)一帶最高(r>0.86)，在華北平原至長三角地區(qū)一帶以及中部區(qū)域較高，在西部較低，華南沿海最低.

由圖6可見，溫度的升高能顯著加速四川盆地和湖北省的O3生成和積累. 主要原因是四川盆地人為源NOx和VOCs排放量較高[28]，氣流擴(kuò)散條件差，溫度成為O3生成的重要影響因子. 湖北省O3前體物排放量較高[29]，夏季受東部傳輸影響，溫度對O3生成的影響較大.ρ(O3-max-8 h)與太陽總輻射量在西北區(qū)域呈弱負(fù)相關(guān)(r<-0.20)，原因可能是西北區(qū)域太陽總輻射量的長期波動較大[30]，而ρ(O3-max-8 h)的長期變化卻較為平緩[3].

ρ(O3-max-8 h)與相對濕度在中部和西部區(qū)域呈正相關(guān)(r>0.64)，在東北區(qū)域和西南南部區(qū)域呈負(fù)相關(guān)(r分別小于-0.61和-0.42). 主要原因是剔除短期波動后，從較長周期(>33 d)來看，中、西部區(qū)域的相對濕度均呈夏季高、冬季低的趨勢[31-32]，與ρ(O3-max-8 h)的季節(jié)性變化趨勢一致. 東北區(qū)域冬季氣溫低且長期積雪，相對濕度呈冬季高、夏季低的趨勢[33]. 此外，ρ(O3-max-8 h)受其他因素(如溫度、太陽總輻射量和前體物排放等)的影響較強(qiáng)，也導(dǎo)致相對濕度對ρ(O3-max-8 h)的影響較弱.

風(fēng)速對ρ(O3-max-8 h)的影響較為復(fù)雜，高風(fēng)速會稀釋本地氣團(tuán)中的污染物，與本地ρ(O3-max-8 h)呈負(fù)相關(guān)，同時又會加強(qiáng)污染物向下風(fēng)向的傳輸，與下風(fēng)向ρ(O3-max-8 h)呈正相關(guān)；弱風(fēng)速則會使空氣凝滯，誘導(dǎo)長期持續(xù)的光化學(xué)反應(yīng). 我國中部和西北部區(qū)域常年平均風(fēng)速小于1.8 m/s，與ρ(O3-max-8 h)呈正相關(guān). 京津冀地區(qū)、山東省和汾渭平原一帶風(fēng)速與ρ(O3-max-8 h)的相關(guān)性(r分別大于0.91、0.89和0.85)高于其他區(qū)域，即區(qū)域間傳輸可能是造成東部O3污染呈片狀和帶狀分布的重要原因.

華南沿海區(qū)域和云貴高原的ρ(O3-max-8 h)與各氣象因子和太陽總輻射量的相關(guān)性不同于其他區(qū)域. 由圖6可見,ρ(O3-max-8 h)與溫度在華南沿海區(qū)域和云貴高原南部呈負(fù)相關(guān)(r<-0.40)，與太陽總輻射量亦呈弱相關(guān). 可能原因是華南沿海區(qū)域和云貴高原ρ(O3-max-8 h)主要受短期分量影響，在較長時段內(nèi)與氣象因子和太陽總輻射量的相關(guān)性較弱；其次，ρ(O3-max-8 h)受降雨影響較大. 華南沿海區(qū)域ρ(O3-max-8 h)自春季上升，3月受亞熱帶季風(fēng)氣候影響降低，6—7月受降雨影響降低[34]，全年尺度上與溫度和太陽總輻射量的變化趨勢相反. 云貴高原ρ(O3-max-8 h)月均值在4月達(dá)到峰值后受雨季(4—10月)影響出現(xiàn)下降[35]，與溫度和太陽總輻射量的變化趨勢不同. 此外，珠三角地區(qū)的人為源O3前體物排放量較大，且生物源VOCs排放量顯著高于北方區(qū)域[36-37]，因此排放量的變化在一定程度上也減弱了ρ(O3-max-8 h)與氣象因子和太陽總輻射量的相關(guān)性.ρ(O3-max-8 h)與風(fēng)速呈負(fù)相關(guān)，即風(fēng)對華南沿海區(qū)域和云貴高原的O3主要起稀釋作用.

3 結(jié)論

a) 2013—2018年我國ρ(O3-max-8 h)第90百分位數(shù)整體呈上升趨勢，增速為2.6 μg/(m3·a)，ρ(CO)、ρ(SO2)、ρ(NO2)、ρ(PM2.5)和ρ(PM10)等均呈下降趨勢. 華北區(qū)域ρ(O3-max-8 h)高于南方區(qū)域，ρ(O3-max-8 h)高值區(qū)域基本集中在華北平原和長江中下游平原一帶；華北區(qū)域ρ(O3-max-8 h)近年來增幅明顯，華南區(qū)域則逐漸下降. 2013—2016年我國ρ(O3-max-8 h)高值區(qū)域的范圍顯著擴(kuò)大，華北、中部、西北和西南區(qū)域的ρ(O3-max-8 h)均有所上升. 2017—2018年ρ(O3-max-8 h)高值區(qū)域呈收縮趨勢，基本集中在華北平原和汾渭平原，ρ(O3-max-8 h)在華北區(qū)域呈上升趨勢，在西北和西南區(qū)域則明顯下降.

b) 短期分量和季節(jié)分量的貢獻(xiàn)具有“互補(bǔ)”的空間分布特征. 短期分量對ρ(O3-max-8 h)的影響在東南沿海區(qū)域最高(達(dá)75%)，自東南向西北逐漸減小. 短期氣象因子對ρ(O3-max-8 h)的影響在京津冀地區(qū)呈減弱趨勢，但在長三角和珠三角地區(qū)則逐漸增強(qiáng). 季節(jié)分量的貢獻(xiàn)在東南沿海區(qū)域最低(15%)，在內(nèi)陸區(qū)域較高(>60%). 長期氣象因子變化對京津冀地區(qū)ρ(O3-max-8 h)有消減作用，但對近年來長三角地區(qū)ρ(O3-max-8 h)有增加作用.

c) 我國ρ(O3-max-8 h)變化與溫度相關(guān)性最強(qiáng)，與太陽總輻射量和風(fēng)速相關(guān)性較強(qiáng)，與相對濕度相關(guān)性弱.ρ(O3-max-8 h)與氣象因子和太陽總輻射量的相關(guān)性存在顯著的空間分布特征.ρ(O3-max-8 h)與溫度、太陽總輻射量的相關(guān)性在四川盆地、湖北省至長三角地區(qū)一帶最高，在華北平原至長三角地區(qū)一帶以及中部區(qū)域較高，在東北和西部區(qū)域較低，在華南沿海區(qū)域最低.ρ(O3-max-8 h)與相對濕度在中部和西部區(qū)域呈正相關(guān)(r>0.64)，而在東北區(qū)域和西南南部區(qū)域呈負(fù)相關(guān)(r分別小于-0.61和-0.42).ρ(O3-max-8 h)與風(fēng)速的相關(guān)性在華北平原(r>0.89)顯著高于其他區(qū)域.