區(qū)域輸送對天津臭氧污染的影響

樊文雁,蔡子穎,姚 青,王曉佳,唐穎瀟,韓素芹

區(qū)域輸送對天津臭氧污染的影響

樊文雁,蔡子穎,姚 青*,王曉佳,唐穎瀟,韓素芹

(天津市環(huán)境氣象中心,中國氣象局-南開大學(xué)大氣環(huán)境與健康研究聯(lián)合實驗室,天津 300074)

采用大氣化學(xué)模式定量估算2019年4月～9月區(qū)域輸送對京津冀區(qū)域,特別是天津市O3濃度的影響,分析天氣形勢和氣象條件與區(qū)域輸送的關(guān)系.結(jié)果顯示,京津冀區(qū)域13個城市O3以區(qū)域輸送貢獻為主,不同城市O3差異較大,天津本地貢獻占比24%,區(qū)域輸送以京津冀區(qū)域其他城市和山東為主,共貢獻48.3%.低壓、低壓前和低壓后形勢下,O3區(qū)域輸送占比最高.途徑天津偏南區(qū)域的氣流是造成天津高濃度O3污染的重要因素,也是區(qū)域輸送的主要路徑.隨著O3濃度升高,輸送貢獻占比呈逐步上升趨勢,重度污染時本地生成與區(qū)域輸送貢獻相當(dāng).一次典型O3污染過程分析表明,高溫強輻射天氣和有利的天氣形勢促進O3本地生成,西南氣流和弱下沉氣流下的區(qū)域輸送共同維系了這場持續(xù)3d的連續(xù)污染過程.

臭氧；區(qū)域輸送；WRF-Chem；天氣背景；天津

近地面 O3的產(chǎn)生、積累和擴散過程與氣溫、總輻射、相對濕度、風(fēng)速以及大氣穩(wěn)定度等氣象因子顯著相關(guān)[1-6],同時區(qū)域輸送可大范圍影響O3濃度分布[7-9].區(qū)域傳輸和本地生成的相對貢獻是研究O3污染和制定控制對策的關(guān)鍵科學(xué)問題之一,隨著本地排放的下降,京津冀及周邊各城市之間的相互混合傳輸成為影響空氣質(zhì)量的重要因素[10-11],尤其在夏季O3污染高發(fā)期間,如2017年北京夏季臭氧污染時,來自河北、內(nèi)蒙古中部和蒙古國東部的氣流對O3污染的平均貢獻量可達16%～37%,最大貢獻量為53%[12],同期天津臭氧濃度在偏南風(fēng)時最高,在偏東風(fēng)時最低[13],河北保定市夏季O3污染則主要受偏南氣團、東南氣團和偏東氣團的傳輸影響[14].近年來隨著模式技術(shù)的發(fā)展,以伴隨技術(shù)和標(biāo)記法為代表的數(shù)值模擬方法在O3區(qū)域輸送研究中得到廣泛應(yīng)用.北京[15]和泉州[16]等地的實例表明,采用數(shù)值模擬方法可以有效獲得區(qū)域和周邊地區(qū)對目標(biāo)城市臭氧污染的貢獻率,這彌補了基于觀測方法估算區(qū)域貢獻由于站點數(shù)量和代表性較低造成的不足.

天津位于華北平原東北部,是京津冀地區(qū)重要城市,地理位置和氣象條件決定了天津市O3污染除了本地排放,還極易受到周邊區(qū)域傳輸?shù)挠绊慬17-18].本文基于WRF/Chem模式,在模式中通過在線標(biāo)記法實現(xiàn)區(qū)域輸送對天津影響的定量估算,通過中國多尺度排放清單模型MEIC2017源[19](分辨率0.25°)模擬2019年4～9月城市輸送對天津O3的影響,在此基礎(chǔ)上結(jié)合天氣背景開展區(qū)域輸送特征研究,分析區(qū)域輸送和氣象條件的關(guān)系,以期更好地理解O3區(qū)域輸送對天津大氣環(huán)境的影響,為京津冀地區(qū)大氣污染防治區(qū)域聯(lián)防聯(lián)控提供支撐.

1 資料與方法

1.1 監(jiān)測數(shù)據(jù)

天津市O3監(jiān)測數(shù)據(jù)來自天津市生態(tài)環(huán)境監(jiān)測中心(http://air.tjemc.org.cn/)發(fā)布的28個站8h最大濃度監(jiān)測數(shù)據(jù),周邊地區(qū)O3監(jiān)測數(shù)據(jù)來自生態(tài)環(huán)境部(https://www.mee.gov.cn/)發(fā)布的8h最大濃度監(jiān)測數(shù)據(jù).數(shù)據(jù)經(jīng)過質(zhì)控后采用算術(shù)平均值計算獲得相應(yīng)時段和相應(yīng)區(qū)域的平均值.氣象數(shù)據(jù)采用天津市氣象信息中心質(zhì)控后的全市平均數(shù)據(jù),風(fēng)場垂直分布資料采用位于天津市西青區(qū)氣象局觀測場內(nèi)的風(fēng)廓線儀資料,該站點位于天津城區(qū)西南,夏季時處于盛行風(fēng)向的上風(fēng)向,長期用作天津市氣象觀測代表站,相關(guān)資料經(jīng)天津市氣象信息中心質(zhì)控和處理.

1.2 大氣化學(xué)模式

WRF/Chem[20]模式是NCAR和NOAA聯(lián)合一些大學(xué)和研發(fā)機構(gòu)開發(fā)的中尺度在線大氣化學(xué)模式,模式考慮大氣污染的化學(xué)過程、平流輸送、湍流擴散和干濕沉降過程,在全球空氣質(zhì)量預(yù)報和模擬中有廣泛的運用.本研究采用WRF/chem3.8版本,天津地區(qū)使用本地排放清單,分辨率1km×1km,天津以外區(qū)域使用清華大學(xué)MEIC2017清單,分辨率0.25°×0.25°,化學(xué)過程采用CBM-Z,長波輻射方案和短波輻射方案均采用RRTMG,邊界層方案使用YSU方案,模式采用兩層嵌套,水平分辨率分別為27km和9km(圖1),水平網(wǎng)格91×91和109×109,中心經(jīng)緯度為38.6°N,116.2°E,垂直方向分為27層,氣象初始場和背景場均使用NECP的FNL全球1°×1°數(shù)據(jù).開發(fā)過程中將O3標(biāo)記方法整合到模型中,以便在污染期間識別不同源區(qū)對模擬地區(qū)的O3貢獻,目前該方法應(yīng)用于黃山、長三角等地O3來源解析的相關(guān)研究中[21-23],具體算法如下:

圖1 模式模擬區(qū)域和范圍

審圖號:GS(2022)4307號

式中:PO3i是來自源區(qū)的O3形成前的化學(xué)產(chǎn)物, DO3(總O3損耗)根據(jù)中確定的O3濃度與總O3濃度的比率計算,采用HCHO和NO濃度的比值(HCHO/NO)作為指標(biāo)來判斷網(wǎng)格點在每個網(wǎng)格單元中是處于NO或VOCs的限制.對于不同的O3控制條件,PO3i的分配方式如下:

NO限制:

VOCs限制:

式中:PO3表示計算的O3化學(xué)總產(chǎn)量,NO和VOCs分別表示網(wǎng)格中NO和VOCs的濃度.考慮到每種VOC反應(yīng)活性和潛力是不同的,因此引入了每種VOC的兩個加權(quán)因子(kOH和MIR).kOH是根據(jù)WRF/Chem模式框架計算得到的每種VOC的OH-反應(yīng)性,另一個加權(quán)因子MIR用來估算每種揮發(fā)性有機化合物形成O3的可能性.

本研究時間為2019年4月1日～2019年9月30日,該時間段氣溫較高,O3濃度高于全年均值,是天津地區(qū)O3污染較為嚴(yán)重和集中的時段.對研究期間天津地區(qū)O3質(zhì)量濃度和模擬結(jié)果進行檢驗,模式模擬與觀測的O3濃度相關(guān)系數(shù)0.77,關(guān)系式為= 0.672+34.69,2=0.593.模擬結(jié)果與其他同類研究相近[24-25],可用于區(qū)域傳輸影響分析.

2 結(jié)果與討論

2.1 京津冀區(qū)域O3來源分析

基于標(biāo)記法大氣化學(xué)模式,計算2019年4月1日～2019年9月30日京津冀地區(qū)主要城市O3來源.如表1所示, 13個城市本地貢獻約10%～40%,平均貢獻率為16.5%,區(qū)域輸送貢獻83.5%.區(qū)域輸送對O3的影響程度較高,其中北京O3本地貢獻最高,為42.0%,其次為天津24.0%,石家莊21.6%,其余城市的本地貢獻均在20%以下,與其他研究相一致[17-18].這與北京、天津和石家莊等城市工業(yè)發(fā)達,O3前體物排放強度較高,本地大氣光化學(xué)反應(yīng)強度較高有關(guān).京津冀區(qū)域?qū)Ρ本?、廊坊、承德、張家口、唐山、保定和天津O3濃度的影響高于50%,這些城市主要集中在京津冀區(qū)域中北部,與夏季盛行偏南氣流,將攜帶來自于黃淮海平原地區(qū)的高濃度O3(及其前體物)輸送至該區(qū)域有關(guān);河北省南部各城市則更易受到山東、河南等地影響.秦皇島易受到山東和本研究區(qū)域以外地區(qū)的影響,這可能反映了污染氣團跨海輸送特征.總體而言,不同城市O3輸送來源地的差異與該城市所處地理位置有關(guān),相對位置和大地形是造成不同城市O3來源地差異的重要影響因素.與京津冀區(qū)域PM2.5主要來源于京津冀自身不同[26-27],O3受到區(qū)域傳輸影響的范圍更大.這與O3濃度的垂直分布及其時常發(fā)生的向下輸送有關(guān),O3除光化學(xué)反應(yīng)生成外,還存在平流層含高濃度O3大氣的向下輸送等源,邊界層內(nèi)對流性天氣可引起O3的垂直輸送和地面濃度的抬升[28],此外地面排放的NO難以輸送到高層大氣中,導(dǎo)致高層O3的NO滴定反應(yīng)較弱,也是高層O3濃度高于低層或地面的原因之一[29].

表1 京津冀地區(qū)主要城市O3來源百分比(%)

注:縱列城市對橫行城市的輸送占比,如二者為同一城市,即為本地光化學(xué)凈生成.

天津位于華北平原東北部,東臨渤海,北依燕山,本地貢獻占比24.0%,略高于京津冀平均水平,區(qū)域中對其影響較大的地區(qū)主要位于其周邊,分別是北京貢獻6.0%,滄州貢獻5.2%,廊坊貢獻4.0%,唐山貢獻3.6%,河北中南部(保定、邢臺、邯鄲、衡水和石家莊)貢獻7.6%,京津冀以外省份主要來自于山東,貢獻19.0%,其次為內(nèi)蒙古、河南和遼寧.基于排放清單處理模型(SMOKE)/中尺度氣象模型(WRF)/多尺度空氣質(zhì)量模型(CAMx)的O3來源解析技術(shù),李源等對天津市不同季節(jié)的O3來源情況進行研究,發(fā)現(xiàn)河北、山東、內(nèi)蒙古等地區(qū)污染物排放對天津市O3污染有較大貢獻[18].周邊區(qū)域?qū)μ旖騉3均有不同程度的貢獻,京津冀區(qū)域其它城市和山東省合計貢獻48.3%,地理因素和主導(dǎo)氣團分布是影響天津O3區(qū)域來源的主要因素.

2.2 天氣形勢和風(fēng)場對O3區(qū)域輸送的影響

污染天氣的形成,人為排放是內(nèi)因,氣象條件是外因[30-32],天氣形勢決定大氣流場和擴散條件,對O3的生成和傳輸有顯著影響[33-34].將研究期間天津地區(qū)出現(xiàn)O3污染的天氣形勢分為高壓前、高壓后、弱高壓、均壓場、低壓、低壓前、低壓后、低壓槽和弱低壓等9種類型,由圖2可見,低壓前出現(xiàn)28次,高壓前和高壓后出現(xiàn)10次左右,其他天氣型出現(xiàn)次數(shù)較少.天氣型為低壓前和高壓后時,地面多為南風(fēng)或西南風(fēng),且有一定風(fēng)速,地面增溫快,輻射強,利于O3生成;低壓槽、弱高壓、弱低壓、均壓場屬于不利擴散類型,地面和低空的風(fēng)速較小,甚至出現(xiàn)靜風(fēng),部分時段伴有輻合風(fēng)場,大氣層結(jié)穩(wěn)定,利于O3的積累;高壓前和低壓后地面為偏北風(fēng),屬于不利O3生成型;低壓前屬于偏中性擴散條件.不同天氣形勢在O3的生成、擴散和輸送過程中發(fā)揮不同的作用.O3濃度最高的3種天氣形勢為低壓槽、弱高壓和低壓前,其對應(yīng)的O3濃度均超過215μg/m3,達到中度污染及以上程度,分別體現(xiàn)了累積和凈生成在O3濃度增長的作用.低壓、低壓前和低壓后是輸送占比最高的3種天氣型,均在80%左右,占比最低的天氣型為弱低壓,也超過65%,這表明O3污染主要來自于區(qū)域輸送.高壓前和低壓后多對應(yīng)偏北氣流,若對此類天氣形勢下O3區(qū)域輸送的貢獻認識不足,則易造成環(huán)境氣象預(yù)報人員低估 O3濃度,從而造成預(yù)報上的誤判,同時從區(qū)域聯(lián)防聯(lián)控角度而言,重視此類區(qū)域輸送占比較高的天氣形勢也有助于制定科學(xué)可行的區(qū)域O3控制策略.

圖2 天津地區(qū)天氣形勢與O3濃度及區(qū)域輸送影響貢獻的關(guān)系

數(shù)字代表該天氣形勢發(fā)生的次數(shù)

為分析天津地區(qū)O3的遠距離輸送來源特征,采用HYSPLIT-4模式計算觀測期間采樣點的后向軌跡,以中國氣象局天津大氣邊界層觀測站(N39°04￠, E117°12￠,海拔高度2.2m,臺站編號54517)為參考點,該站點位于天津城區(qū),觀測手段齊備,已開展逾30a的梯度氣象觀測和多年大氣環(huán)境觀測.選取200m作為高度層,計算觀測期內(nèi)每日14:00(北京時間)的后向軌跡,追蹤抵達天津的氣團過去48h的軌跡.14:00一般為天津市O3濃度最高和邊界層內(nèi)大氣擴散條件最好的時間,有利于分析O3區(qū)域輸送特征.由圖3、圖4可見,聚類結(jié)果中第2、3類氣團軌跡數(shù)目最多,共占氣團軌跡總數(shù)的60%,這2類軌跡長度較短,且離地高度較低,途徑天津偏南區(qū)域,其中軌跡2來自于山東半島等東南區(qū)域,且途經(jīng)渤海,軌跡3主要來自于河北省中南部地區(qū),2者軌跡高度幾乎一致.其他3類氣團軌跡均來自天津偏北區(qū)域,且離地高度較高,可代表污染物的長距離輸送.5類軌跡對應(yīng)的本地生成O3濃度差異較小,軌跡2和3略高于其他軌跡,O3區(qū)域輸送濃度則顯示出較為顯著的差異,軌跡3對應(yīng)的濃度最高,軌跡2次之,軌跡4最低,這與氣流性質(zhì)和來源有關(guān),偏南氣流下攜帶大量O3及其前體物的污染氣團是造成O3區(qū)域來源的重要因素,山東和河北中南部地區(qū)是天津O3最重要的來源地,軌跡2和3也是主要路徑,這與前文分析得到的天津市O3來源城市(區(qū)域)基本一致.需要關(guān)注的是軌跡5也代表了較高的O3區(qū)域輸送濃度,與該軌跡途徑內(nèi)蒙古、北京和廊坊等地有關(guān),按表1所獲信息計算,這些地區(qū)提供了天津接近20%的O3,遠距離輸送O3在環(huán)境氣象預(yù)報實踐中尚未獲得足夠重視,需要在后續(xù)研究中明晰其機制,并進一步完善預(yù)報方法.

圖3 觀測期間平均后向軌跡聚類分析結(jié)果

審圖號:GS(2022)4307號

圖4 觀測期間后向軌跡對應(yīng)O3的平均濃度

2.3 重污染天氣天津O3區(qū)域輸送的影響

如圖5所示,隨著O3污染加劇,輸送貢獻占比呈逐步上升趨勢,中度污染時最高,達到78.5%,但O3重度污染下這一比例大幅度下降至63.7%,這表明較為“輕微”的O3污染主要來自于區(qū)域輸送,而“嚴(yán)重”污染則體現(xiàn)了本地生成的作用.需要關(guān)注的是盡管O3重度污染時其濃度較高,易引發(fā)社會關(guān)注,但從累積效應(yīng)而言,輕中度污染發(fā)生頻率遠高于重度污染,而其主要來源于區(qū)域輸送,即大部分的O3污染事件實質(zhì)上歸因于輸送的貢獻,以及天氣形勢和風(fēng)場的作用.O3出現(xiàn)重度污染天氣時,O3的本地生成與區(qū)域輸送貢獻相當(dāng),一方面強輻射和高溫天氣促進O3的光化學(xué)生成,另一方面持續(xù)的偏南氣流源源不斷的帶來高濃度O3及其前體物,甚至平流層O3下溢也會造成O3濃度短期的爆發(fā)性增長[35].

2019年5月22～25日,華北、黃淮和東北地區(qū)出現(xiàn)高溫天氣過程,河北東南部等地極端最高氣溫達38℃以上,局部地區(qū)超過40℃[36],這種大范圍的高溫天氣有利于區(qū)域范圍的O3生成,京津冀區(qū)域近地面主要受弱高壓和低壓控制,溫度較高,輻射強烈,大部分城市出現(xiàn)連續(xù)3dO3污染過程,其中天津23日O38h最大濃度為278μg/m3,達到重度污染水平,24日為輕度污染,25日出現(xiàn)中度污染,造成一次較為典型的O3持續(xù)污染過程.

圖5 不同污染程度下輸送和本地貢獻對O3的影響

如圖6所示,5月23日凌晨～上午天津地區(qū)O3濃度較低,7:00僅為20.8μg/m3,中午前后濃度快速增加,每小時增長量在50μg/m3左右, 14:00達到最大值,為307.8μg/m3,隨后濃度略有下降,15:00～17:00維持在290μg/m3左右,18:00開始快速下降,至夜間維持在100～150μg/m3. 24日上午起 O3濃度緩慢增長, 每小時增長量為15μg/m3,到13:00達到最高值為192.3μg/m,其后逐漸下降至不足100μg/m3.25日O3日變化特征與24日類似,呈現(xiàn)較為溫和的增長態(tài)勢.圖6同時給出了這次污染過程中O3本地生成與區(qū)域輸送量的時間分布,23日午后本地生成O3濃度接近200μg/m3,遠高于24日和25日同期,區(qū)域輸送占比僅為30%,為本次過程中的最低值.24日和25日本地生成O3濃度較低,僅為50μg/m3左右,但區(qū)域輸送濃度均超過100μg/m3,致使O3濃度接近或超過200μg/m3,達到污染程度,同時區(qū)域輸送占比也超過80%,這表明盡管同處一次污染過程中,O3來源也不盡相同,開展O3污染過程的精細分析,有助于深入理解O3來源和演化特征.

圖6 一次典型O3污染過程中區(qū)域輸送和本地生成O3濃度

圖7 一次典型O3污染過程中地面氣象條件

圖7中,結(jié)合天氣形勢、地面氣象條件(溫度、輻射、地面風(fēng)速和風(fēng)向)以及邊界層風(fēng)場垂直分布特征可以清晰刻畫出該次過程氣象條件對O3生成和積累的影響.23日高空500hPa受高壓脊影響,850hPa風(fēng)速明顯較弱,地面由弱高壓轉(zhuǎn)為低壓前部控制,天津地區(qū)日最高氣溫達到35.7℃,地面風(fēng)場以弱西南風(fēng)為主,且在上午出現(xiàn)東北風(fēng)和西南風(fēng)的輻合風(fēng)場,弱風(fēng)和輻合風(fēng)場利于O3及其前體物在近地面累積,進而利于O3生成.24～25日高空500hPa逐漸由高壓脊轉(zhuǎn)為槽前,地面處于低壓系統(tǒng)控制下,日最高氣溫在34～35℃之間,紫外輻射在32～34W/m2之間,與23日較為相似.但地面偏南風(fēng)較23日明顯增強,風(fēng)速達到4～6m/s,利于O3及其前體物向北輸送,對應(yīng)O3的區(qū)域輸送占比也明顯增加.風(fēng)場垂直變化(圖8)可以更為直觀的展示不同高度下風(fēng)向和風(fēng)速的差異,特別是24日和25日中午前后存在下沉氣流(垂直速度約為-0.5m/s),這種弱的下沉氣流易于上層大氣和遠距離輸送大氣中的O3向近地面輸送,從而導(dǎo)致O3區(qū)域輸送占比較高.同期秦皇島的觀測[37]顯示,23日上午TVOC濃度快速升高,其后迅速下降, O3前體物在本次污染過程的前期快速消耗,可能是造成24～25日本地生成O3濃度較23日大幅度下降的重要原因.來自于其他區(qū)域的O3通過西南氣流和弱下沉氣流在24日和25日進行了有效的輸送,是造成天津O3濃度仍然維持在較高水平,并形成持續(xù)3d的連續(xù)污染過程的重要氣象成因.

圖8 一次典型O3污染過程中風(fēng)場垂直變化情況

2.4 討論

本研究采用的O3標(biāo)記法是一種典型的示蹤物前體物識別法,基于以下3個條件:(1)不同來源的相同污染物在模擬區(qū)域內(nèi)任意一點上均充分混合,且化學(xué)反應(yīng)屬性相同;(2)模擬區(qū)域內(nèi)每一個格點上的污染物都可以100%分配到所有來源;(3)二次污染物可以按一次排放的前體物分配到各來源當(dāng)中,以上假設(shè)均為理想情況,同時氣象和化學(xué)參數(shù)化方案,以及排放源清單均具有一定誤差,由此可能對模擬結(jié)果造成較大的不確定性.O3濃度模擬值和實測值的比較表明這種誤差在可接受范圍內(nèi),本研究所采用的方法具備合理的O3模擬能力.作為典型的二次污染物,O3的生成與各種前體物的濃度和配比有關(guān),同時氣象條件為在大氣化學(xué)過程提供了物理環(huán)境.O3大氣化學(xué)過程實質(zhì)上是由O3、NO和NO2構(gòu)成的基本光化學(xué)循環(huán)反應(yīng)、自由基引發(fā)反應(yīng)、傳遞反應(yīng)和終止反應(yīng)等共同構(gòu)成,總包反應(yīng)速率取決于多種基元反應(yīng)中的慢反應(yīng),因而O3的生消與多種前體物種類和濃度相關(guān),同時考慮到大氣流動帶來的不確定性,嚴(yán)格講某一時刻某一地點前體物對O3濃度的貢獻無法體現(xiàn)在當(dāng)前時刻和位置,高濃度前體物導(dǎo)致的O3往往在下游地區(qū)聚集,如西南風(fēng)盛行下,受北京輸送影響,興隆O3日變化的最高值出現(xiàn)時間比北京晚3～4h,且興隆觀測到的超標(biāo)事件與北京的輸送具有良好的相關(guān)性[38].盡管數(shù)值模擬給出的結(jié)果不能精確的判定某一點O3來自于本地生成還是區(qū)域輸送,但是考慮長時間、廣區(qū)域的大量模擬所導(dǎo)致的偶然偏差降低,模擬結(jié)果有助于掌握京津冀城市群O3區(qū)域傳輸趨勢,同時反映了研究目標(biāo)城市受所在位置的影響,如表1所示,京津冀城市群13個城市對北京的影響高達75.2%,而對于地處京津冀區(qū)域東北角的秦皇島,其影響僅為26.8%,這種基于地理和空間分布的研究有助于更好掌握不同城市O3污染的差異,并基于O3標(biāo)記法獲取O3區(qū)域輸送占比等信息,為京津冀城市群作為一個整體,開展O3污染防治提供政策建議和技術(shù)支持.

3 結(jié)論

3.1 京津冀區(qū)域13個城市O3以區(qū)域輸送貢獻為主,其中北京本地貢獻最高,為42%,其次為天津和石家莊,不同城市O3輸送來源地的差異與該城市所處地理位置和大地形有關(guān).天津本地貢獻占比24%,京津冀區(qū)域其他城市貢獻占比19.3%,山東貢獻19.0%,周邊區(qū)域?qū)μ旖騉3均有不同程度的貢獻.

3.2 對O3超標(biāo)日天氣形勢的分析表明,低壓槽、弱高壓和低壓前有助于O3累積及凈生成,低壓、低壓前和低壓后形勢下,O3區(qū)域輸送占比最高.氣流后向軌跡的聚類分析顯示,途徑天津偏南區(qū)域的2類軌跡,長度較短,離地高度較低,攜帶大量O3及其前體物的污染氣團,是造成天津高濃度O3污染的重要因素,途徑西北的長距離氣流也會造成較高的區(qū)域輸送濃度,需引起重視.

3.3 區(qū)域輸送和本地生成共同影響O3重污染過程,隨著污染程度加劇,輸送貢獻占比呈逐步上升趨勢,至中度污染時最高,達到78.5%,但O3重度污染時本地生成與區(qū)域輸送貢獻相當(dāng).2019年5月23～ 25日的一次典型O3污染過程分析表明,前期高溫強輻射天氣和有利的天氣形勢有利于O3生成和積累,本地生成對23日O3峰值的形成貢獻達到70%左右.24～25日本地生成O3濃度大幅度下降,來自于其他區(qū)域的O3通過西南氣流和弱下沉氣流進行了有效的輸送,維持了天津較高的O3濃度,這場持續(xù)3d的連續(xù)污染過程系本地生成和區(qū)域輸送的共同結(jié)果.

[1] 柯碧欽,何 超,楊 璐,等.華北地區(qū)地表臭氧時空分布特征及驅(qū)動因子[J]. 中國環(huán)境科學(xué), 2022,42(4):1562-1574.

Ke B Q, He C, Yang L, et al. The spatiotemporal variation of surface ozone and the main driving factors in north China [J]. China Environmental Science, 2022,42(4):1562-1574.

[2] 林文鵬,郭欣瞳.中國城市群臭氧時空分布特征分析[J]. 中國環(huán)境科學(xué), 2022,42(6):2481-2494.

Lin W P, Guo X T. Spatial and temporal distribution characteristics of ozone in urban agglomerations in China [J]. China Environmental Science, 2022,42(6):2481-2494.

[3] 宋曉偉,郝永佩,朱曉東,等.臨汾市臭氧污染變化特征、氣象影響及輸送源分析 [J]. 中國環(huán)境科學(xué), 2022,42(8):3626-3634.

Song X W, Hao Y P, Zhu X D, et al. Variations in ozone pollution and their meteorological influences and transmission sources in Linfen city of China [J]. China Environmental Science, 2022,42(8):3626-3634.

[4] Han S Q, Yao Q, Tie X X, et al. Analysis of surface and vertical measurements of O3and its chemical production in the NCP region, China [J]. Atmospheric Environment, 2020,241:117759.

[5] 姚 青,韓素芹,張裕芬,等.天津夏季郊區(qū)VOCs對臭氧生成的影響[J]. 環(huán)境科學(xué), 2020,41(4):1573-1581.

Yao Q, Han S Q, Zhang Y F, et al. Effects of VOCs on ozone formation in the Tianjin suburbs in summer [J]. Chinese Journal of Environmental Science, 2020,41(4):1573-1581.

[6] Yang J B, Liu J L, Han S Q, et al. Study of the meteorological influence on ozone in urban areas and their use in assessing ozone trends in all seasons from 2009 to 2015 in Tianjin, China [J]. Meteorology and Atmospheric Physics, 2019,131(6):1661-1675.

[7] He JJ, Gong SL, Yu Y, et al. Air pollution characteristics and their relation to meteorological conditions during 2014～2015 in major Chinese cities [J]. Environmental Pollution, 2017,223:484-496.

[8] 宋夢迪,馮 淼,李 歆,等.成都市臭氧重污染成因與來源解析[J]. 中國環(huán)境科學(xué), 2022,42(3):1057-1065.

Song M D, Feng M, Li X, et al. Causes and sources of heavy ozone pollution in Chengdu [J]. China Environmental Science, 2022,42(3): 1057-1065.

[9] 王旭東,尹沙沙,楊 健,等.鄭州市臭氧污染變化特征、氣象影響及其輸送源分析[J]. 環(huán)境科學(xué), 2021,42(2):604-615.

Wang X D, Yin SS, Yang J, et al. Characteristics, meteorological influences, and transport source of ozone pollution in Zhengzhou city [J]. Environmental Science, 2021,42(2):604-615.

[10] 徐 敬,張小玲,趙秀娟,等.夏季局地環(huán)流對北京下風(fēng)向地區(qū)O3輸送的影響[J]. 中國環(huán)境科學(xué), 2009,29(11):1140-1146.

Xu J, Zhang X L, Zhao X J, et al. Influence of summer local circulation on the transportation of ozone from urban to the downwind area in Beijing [J]. China Environmental Science, 2009,29(11):1140- 1146.

[11] 劉寧微,李曉嵐,任萬輝,等.東亞夏季風(fēng)對中國東部臭氧輸送過程的影響[J]. 大氣科學(xué)學(xué)報, 2021,44(2):261-269.

Liu N W, Li X L, Ren W H, et al. Influence of East Asian summer monsoon on ozone transport in eastern China [J]. Transactions of Atmospheric Sciences, 2021,44(2):261-269.

[12] 王佳穎,曾樂薇,張維昊,等.北京市夏季臭氧特征及臭氧污染日成因分析[J]. 地球化學(xué), 2019,48(3):83-92.

Wang J Y, Zeng L W, Zhang W H, et al. Characteristics and causes of summer ozone pollution in Beijing city [J]. Geochimica, 2019,48(3): 83-92.

[13] 姚 青,馬志強,林偉立,等.天津夏季邊界層低層大氣中PAN和O3的輸送特征分析[J]. 環(huán)境科學(xué), 2019,40(1):67-76.

Yao Q, Ma Z Q, Lin W L, et al. Transport characteristics of PAN and O3in the lower atmosphere of the boundary layer in Tianjin in summer [J]. Environmental Science, 2019,40(1):67-76.

[14] 黃爭超,洪禮楠,尹佩玲,等.保定市夏季臭氧污染來源及大氣傳輸影響研究 [J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 2018,54(9):665-677

Huang Z C, Hong L N, Yin P L, et al. Source apportionment and transport characteristics of ozone in Baoding during summer time [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018,54(9): 665-677.

[15] 王自發(fā),李麗娜,吳其重,等.區(qū)域輸送對北京夏季臭氧濃度影響的數(shù)值模擬研究[J]. 自然雜志, 2008,30(4):194-200.

Wang Z F, Li L N, Wu Q Z, et al. Simulation of the impacts of regional transport on summer ozone levels over Beijing [J]. Chinese Journal of Nature, 2008,30(4):194-200.

[16] 洪小琴,陳璋琪.東南沿海地區(qū)春季典型臭氧污染過程模擬研究[J]. 環(huán)境科學(xué)與技術(shù), 2020,43(1):105-114.

Hong X Q, Chen Z Q. Simulation study on typical ozone pollution process in the southeast coast of China in spring [J]. Environmental Science & Technology, 2020,43(1):105-114.

[17] 王燕麗,薛文博,雷 宇,等.京津冀地區(qū)典型月O3污染輸送特征[J]. 中國環(huán)境科學(xué), 2017,37(10):3684-3691.

Wang Y L, Xue W B, Lei Y, et al. Model-derived source apportionment and regional transport matrix study of ozone in Jingjinji [J]. China Environmental Science, 2017,37(10):3684-3691.

[18] 李 源,孔 君,徐 虹,等.天津市臭氧污染特征及來源解析研究[J]. 環(huán)境污染與防治, 2019,41(6):647-651.

Li Y, Kong J, Xu H, et al. Analysis of ozone pollution characteristic in Tianjin and its source apportionment [J]. Environmental Pollution & Control, 2019,41(6):647-651.

[19] 何 斌,梅士龍,陸琛莉,等.MEIC排放清單在空氣質(zhì)量模式中的應(yīng)用研究[J]. 中國環(huán)境科學(xué), 2017,37(10):3658-3668.

He B, Mei S L, Lu C L, et al. The application of MEIC emission inventory in air quality model [J]. China Environmental Science, 2017, 37(10):3658-3668.

[20] Du Q Y, Zhao C, Zhang M S, et al. Modeling diurnal variation of surface PM2.5concentrations over east China with WRF-Chem: impacts from boundary-layer mixing and anthropogenic emission [J]. Atmospheric Chemistry and Physics, 2020,20:2839-2863.

[21] Gao J H, Li Y, Zhu B, et al. What have we missed when studying the impact of aerosols on surface ozone via changing photolysis rates [J]. Atmospheric Chemistry and Physics, 2020,20:10831-10844.

[22] Gao J H, Zhu B, Xiao H, et al. A case study of surface ozone source apportionment during a high concentration episode, under frequent shifting wind conditions over the Yangtze River Delta, China [J]. Science of the Total Environment, 2016,544:853-863.

[23] Gao J, Zhu B, Xiao H, et al. Diurnal variations and source apportionment of ozone at the summit of Mount Huang, a rural site in eastern China [J]. Environmental Pollution, 2017,222:513-522.

[24] Chen D, Liu Z Q, Fast J, et al. Simulations of sulfate-nitrate- ammonium (SNA) aerosols during the extreme haze events over northern China in October 2014 [J]. Atmospheric Chemistry and Physics, 2016,16(16):10707-10724.

[25] Wang L T, Zhang Y, Wang K, et al. Application of weather research and forecasting model with chemistry (WRF/Chem) over northern China: sensitivity study, comparative evaluation, and policy implications [J]. Atmospheric Environment, 2016,124:337–350.

[26] 王燕麗,薛文博,雷 宇,等.京津冀區(qū)域PM2.5污染相互輸送特征[J]. 環(huán)境科學(xué), 2017,38(12):4897-4904.

Wang Y L, Xue W B, Lei Y, et al. Regional transport matrix study of PM2.5in Jingjinji region, 2015 [J]. Environmental Science, 2017, 38(12):4897-4904.

[27] 薛文博,付 飛,王金南,等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究[J]. 中國環(huán)境科學(xué), 2014,34(6):1361-1368.

Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[28] 賈詩卉,徐曉斌,林偉立,等.華北平原夜間對流天氣對地面O3混合比抬升效應(yīng)[J]. 應(yīng)用氣象學(xué)報, 2015,26(3):280-290.

Jia S H, Xu X B, Lin W L, et al. Increased mixing ratio of surface ozone by nighttime convection process over the North China Plain [J]. Journal of Applied Meteorological Science, 2015,26(3):280-290.

[29] 馬志強,王躍思,孫 揚,等.北京大氣中常規(guī)污染物的垂直分布特征[J]. 環(huán)境科學(xué)研究, 2007,20(5):1-6.

Ma Z Q, Wang Y S, Sun Y, et al. Characteristics of vertical air pollutants in Beijing [J]. Research of Environmental Sciences, 2007, 20(5):1-6.

[30] 姚 青,馬志強,郝天依,等.京津冀區(qū)域臭氧時空分布特征及其背景濃度估算[J]. 中國環(huán)境科學(xué), 2021,41(11):4999-5008.

Yao Q, Ma Z Q, Hao T Y, et al. Temporal and spatial distribution characteristics and background concentration estimation of ozone in Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2021, 41(11):4999-5008.

[31] 余益軍,孟曉艷,王 振,等.京津冀地區(qū)城市臭氧污染趨勢及原因探討[J]. 環(huán)境科學(xué), 2020,41(1):106-114.

Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei region, China, during 2013～2018 [J]. Environmental Science, 2020,41(1):106-114.

[32] 洪禮楠,黃爭超,秦默梅,等.天津市夏季臭氧污染特診及來源的模擬分析[J]. 北京大學(xué)學(xué)報:自然科學(xué)版, 2017,22(5):929-938.

Hong L N, Huang Z C, Qin M M, et al. Simulation of pollution characteristics and source apportionment of ozone in Tianjin during summer time [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017,53(5):929-938.

[33] 程念亮,李云婷,張大偉,等.2014年北京市城區(qū)臭氧超標(biāo)日濃度特征及與氣象條件的關(guān)系[J]. 環(huán)境科學(xué), 2016,37(6):2041-2051.

Cheng N L, Li Y T, Zhang D W, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing city in 2014 [J]. Environmental Science, 2016,37(6):2041- 2051.

[34] 王 玫,鄭友飛,柳艷菊,等.京津冀臭氧變化特征及與氣象要素的關(guān)系[J]. 中國環(huán)境科學(xué), 2019,39(7):2689-2698.

Wang M, Zheng Y F, Liu Y J, Characteristics of ozone and its relationship with meteorological factors in Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2019,39(7):2689-2698.

[35] 戚慧雯,包云軒,黃建平,等.夾卷對郊外大氣邊界層內(nèi)臭氧影響的數(shù)值模擬研究[J]. 熱帶氣象學(xué)報, 2018,34(5):713-720.

Qi H W, Bao Y X, Huang J P, et al. Numericl simulation of the impact of entrainment on ozone concentration in the rural atmospheric boundary layer [J]. Journal of tropical meteorology, 2018,34(5):713- 720.

[36] 關(guān) 良,張 濤.2019年5月大氣環(huán)流和天氣分析[J]. 氣象, 2019, 45(8):1181-1188.

Guan L, Zhang T. Analysis of the May 2019 atmospheric circulation and weather [J]. Meteor Mon., 2019,45(8):1181-1188.

[37] 崔亞茹,索 娜,王 磊,等.秦皇島市區(qū)大氣臭氧生成過程及前體物敏感性研究[J]. 環(huán)境科學(xué)學(xué)報, 2020,40(11):4105-4112.

Cui Y R, Suo N, Wang L, et al. Study of ozone generation and photochemical regimes in the urban atmosphere of Qinhuangdao [J]. Acta Scientiae Circumstantiae, 2020,40(11):4105-4112.

[38] 馬志強,王躍思,張小玲,等.北京城區(qū)與下游地區(qū)臭氧對比研究 [J]. 環(huán)境科學(xué), 2011,32(4):924-929.

Ma Z Q, Wang Y S, Zhang X L, et al. Comparison of ozone between Beijing and downstream area [J]. Environmental Science, 2011,32(4): 924-929.

Effect of regional transport on ozone pollution in Tianjin.

FAN Wen-yan, CAI Zi-ying, YAO Qing*, WANG Xiao-jia, TANG Ying-xiao, HAN Su-qin

(Tianjin Environmental Meteorology Center, CMA-NKU Cooperative Laboratory for Atmospheric Environment-Health Research, Tianjin 300074, China)., 2022,42(11)：4991～4999

The atmospheric chemistry model was used to quantitatively estimate the impact of regional transport on the ozone (O3) concentration in Beijing-Tianjin-Hebei region during April to September of 2019, and Tianjin was the focus of analysis. Additionally, the relationship between the weather pattern and meteorological conditions with O3regional transport was also analyzed. The results showed that O3pollution of 13 cities in the Beijing-Tianjin-Hebei region was mainly attributed to regional transport, with distinguished contribution in different cities. The local generation for O3pollution in Tianjin accounted for 24%. The O3regional transport from other cities in the Beijing-Tianjin-Hebei region and Shandong province totally accounted for48.3%. O3regional transport occurred frequently under the weather pattern of low pressure, front and rear of low pressure. The southern air flow passed Tianjin was an important factor generating high O3concentration, and it was the main pathway of O3regional transportation for Tianjin. With the rise of O3concentration, the contribution of O3regional transportation increased gradually, and the contribution of O3regional transportation was comparative to local generation in severe O3pollution. The analysis of a typical O3pollution event showed that the high temperature and strong radiation as well as favorable weather pattern promoted the local formation of O3. The O3regional transport from southwest direction and weak downdraft jointly maintained this O3pollution event for 3days.

ozone；regional transport；WRF-Chem；weather analysis；Tianjin

X511

A

1000-6923(2022)11-4991-09

樊文雁(1983-),女,山西應(yīng)縣人,工程師,碩士,主要從事大氣環(huán)境和健康氣象研究.發(fā)表論文10余篇.

2022-04-19

國家自然科學(xué)基金資助項目(42130513);天津市自然科學(xué)基金資助項目(19JCQNJC08000);天津市氣象局科研項目(202102yjxywzx01)

* 責(zé)任作者, 正高級工程師, yao.qing@163.com