Plateau Meteorology

Plateau Meteorology >

2023 , Vol. 42 >Issue 2: 515 - 528

DOI: https://doi.org/10.7522/j.issn.1000-0534.2022.00035

Objective Weather Classification and Potential Source Analysis of Ozone Pollution during Summer in Chengdu Plain Urban Agglomeration

  • Ningsheng LU ,
  • Xiaoling ZHANG ,
  • Yunsong DU ,
  • Ping KANG ,
  • Junhui CHEN ,
  • Ming HUA ,
  • Yu LEI ,
  • Hong QI
Expand
  • 1. School of Atmospheric Sciences，Chengdu University of Information Technology； Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，Chengdu 610225，Sichuan，China
    2. College of Architecture and Environment，Sichuan University，Chengdu 610065，Sichuan，China
    3. Chengdu Plain Urban Meteorology and Environment Observation and Research Station of Sichuan Province，Chengdu 610225，Sichuan，China
    4. Sichuan Academy of Eco-environmental Sciences，Chengdu 610042，Sichuan，China
    5. Chengdu Meteorological Bureau，Chengdu 610072，Sichuan，China

Received date: 2021-04-29

  Revised date: 2022-03-28

  Online published: 2023-04-03

Fold

Cite this article

Ningsheng LU , Xiaoling ZHANG , Yunsong DU , Ping KANG , Junhui CHEN , Ming HUA , Yu LEI , Hong QI . Objective Weather Classification and Potential Source Analysis of Ozone Pollution during Summer in Chengdu Plain Urban Agglomeration[J]. Plateau Meteorology, 2023 , 42(2) : 515 -528 . DOI: 10.7522/j.issn.1000-0534.2022.00035

1 引言

臭氧（O3）作为强氧化剂， 不仅会对人体的呼吸、 神经系统产生刺激， 对免疫系统造成破坏（Rider and Carlsten， 2019）， 还会抑制植物生长， 给农业生产带来重大损失（林源野， 2018）。近地面臭氧主要来自于氮氧化物（NOX）和挥发性有机化合物（VOCS）等前体物的光化学反应， 因此臭氧污染又称为光化学污染（Lyu et al， 2019）。
随着中国城市化进程加速推进， 臭氧污染问题日益突出。据统计， 2015 -2019年全国337个地级及以上城市以臭氧为首要污染物的超标天数占比由12.5%增至41.8%。臭氧污染已成为制约我国空气质量持续改善的关键问题， “十四五”大气污染防治专项规划中， 已将细颗粒物和臭氧协同防控作为主线。
城市地区的臭氧来源大致包括全球背景、 区域输送和本地生成三个方面（He et al， 2019）。臭氧浓度变化受当地气象因素控制， 晴空、 高温、 低湿有利于臭氧污染形成（Chen et al， 2020； 严晓瑜等， 2020）。不同尺度天气系统发展及演变制约着局地气象条件， 影响臭氧的区域传输， 导致其浓度周期性变化（Liu et al， 2018； Ni et al， 2019）。因此开展天气形势分型研究， 识别臭氧污染天气形势和影响天气系统， 能更合理有效地控制城市臭氧浓度变化， 对于准确开展臭氧污染预报预警具有指导意义。
自Chan and Chan（2000）利用主观经验法对香港地区不同天气型与臭氧污染之间联系进行分析以来， 国内相关研究已表明， 强暖性、 扩散条件差的天气型容易造成臭氧污染（Gong and Liao， 2019； Han et al， 2020）。现有研究指出， 区域内城市间的大气污染输送对臭氧污染有着重要的贡献（Li et al， 2016）， 不同天气型会对臭氧及其前体物的来源与产生影响（Hu et al， 2018）。为此， 国内外学者利用后向轨迹、 潜在源分析（PSCF）等方法对臭氧的区域输送问题已展开了大量研究（Xu et al， 2019； 王帅等， 2020）， 此研究方法对了解受点城市的污染来源和短时间高浓度污染事件的成因分析有重要意义（郭倩等， 2018）。
成都平原城市群（亦称成都平原经济区）位于四川盆地中部， 是西部城镇化率最大的区域之一， 也是我国五大空气重污染区域之一（An et al， 2019）。由于复杂的地形和不利的气象条件， 臭氧及其前体物容易在本地积累循环（Tan et al， 2018； Yang et al， 2020）， 区域输送对成都的臭氧污染有重要作用（刘强等， 2020）， 因此分析重污染过程成因及污染物的传输特征对大气污染防控治理具有指导意义。
目前成都平原地区的臭氧污染问题较为突出， 但还没有结合天气形势探讨区域潜在源区的研究。为此， 本文首先利用客观天气分型法对2015 -2019年夏季（6 -8月）成都平原及周边地区不同高度层的天气形势进行分型， 揭示不同天气系统对臭氧污染形成和维持的影响， 总结夏季主要的污染天气类型。然后利用后向轨迹聚类分析法和潜在源贡献分析法（PSCF）， 分析近5年夏季不同污染天气类型下成都平原各城市臭氧浓度与气流输送轨迹的关系， 探究臭氧主要潜在源区， 为成都平原地区臭氧污染预报和大气污染治理及区域联防联控提供科学的依据和参考。

2 数据来源与方法介绍

2.1　数据资料

空气污染资料一方面来源于四川省生态环境监测总站提供的2015年6月1日至2019年8月31日空气质量日报资料， 包括O3_8 h、 AQI、 污染等级等； 另一方面来源于全国空气质量实时发布平台的成都平原地区污染浓度资料， 包括6种污染物（PM2.5、 PM10、 SO2、 NO2、 CO、 O3）逐小时浓度。
用于天气分型和垂直环流分析的气象资料来源于欧洲中期天气预报中心（ECMWF）的2015年6月1日至2019年8月31日的ERA-interim数据集， 时间间隔为6 h［00:00（世界时， 下同）、 06:00、 12:00、 18:00］， 包括空间分辨率为1°×1°的700~100 hPa位势高度场及对应高度层风场（U、 V）等， 以及空间分辨率为0.125°×0.125°的1000~200 hPa温度场、 垂直速度、 水平风（U）。西太平洋副热带高压指数来源于国家气候中心整理的2015 -2019年逐日副高面积、 脊线、 西伸脊点的历史时间序列。
用于后向轨迹和潜在源区分析的气象资料为美国环境预报中心（NCEP）官网提供的2015年6月1日至2019年8月31日的全球资料同化系统数据（GDAS）， 时间分辨率为3 h， 空间分辨率为1°×1°。
气象观测资料为2015年6月1日至2019年8月31日成都平原8个城市的逐小时常规地面观测资料和成都温江站探空资料， 包括温度、 相对湿度、 水平风向风速等。本文使用国家标准GB/T13201-91（陆昌淼和彭贤安， 1992）以确定大气稳定度级别， 并采用罗氏公式计算混合层高度［式（1）］：
L = 121 6 6 - P T - T d + 0.169 P U z + 0.257 12 f   l n Z / Z 0
式中： L为混合层高度（单位： m）； P为大气稳定度级别（1~6）； T为地面气温（单位： ℃）； T d为露点温度（单位： ℃）； U z为Z高度处平均风速（单位： m·s-1）； Z 0（m）为地面粗糙度； f为科氏参数。

2.2　客观分型方法

本研究使用欧盟COST733项目开发的天气分型软件， 采用T-mode斜交旋转主成分分析法（Principal Component Analysis in T-mode， PCT）进行客观分型。基本原理是将原始高维数据Z分解为F和A2个低维矩阵， Z = F A T， 每行代表N个空间格点， 每列为M个观测时次， F为主成分（PC）， A为PC载荷。所有的主成分按照特征值大小排序， 最后选取对原数据累计贡献超过一定百分比的特征值所对应的第1~K个（K≤M）主成分F达到降维目的（许建明等， 2016）。由于00:00再分析资料同化了全球地面和探空观测数据， 与其他时刻资料相比更能反映实况（Jiang， 2011）， 因此本文对采用00:00位势高度场进行分型研究。

2.3　后向轨迹及潜在源分析

本文利用后向轨迹模式（HYSPLIT）和Meteoinfo软件中TrajStat插件进行气团轨迹、 潜在源贡献（PSCF）等分析获取气团来向、 潜在源区和区域输送等信息， 定性识别不同污染天气类型下成都平原区域［图1， 文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2016）2923号的中国标准地图制作， 底图无修改］内部和区域间在不同高度层的主要传输通道。
图1 成都平原与周边地区地形海拔（a）以及成都平原城市群人口密度分布（b）

Fig.1 The altitude of the Chengdu Plain and surrounding areas （a） and population density distribution of Chengdu Plain urban agglomeration （b）

分别将成都（104.06°E， 30.66°N）、 德阳（104.39°E， 31.12°N）、 眉山（103.85°E， 30.07°N）、 资阳（104.65°E， 30.12°N） 作为模拟受点， 以每天01:00 -12:00作为模拟起始时间， 后向时间长度为72 h， 轨迹高度为500 m， 采用欧氏距离算法， 对到达受点的所有轨迹进行聚类分组。潜在源区的研究范围为20°N -40°N， 90°E -120°E， 将其网格化细分， 并以成都平原超标日［单个及以上城市O3_8 h（臭氧日最大8 h滑动平均浓度）浓度>160 μg·m-3］下， 受点城市的平均O3_8 h浓度作为阈值区分污染和清洁轨迹。PSCF值基于空间网格计算， 定义为所选研究区域内经过网格（i， j）的污染轨迹数mij 与经过该网格的所有轨迹数nij 的比值为：
P S C F i j   = m i j n i j
为了降低由nij 值波动带来的不确定性， 引入权重函数Wij 计算加权潜在源贡献分析（王郭臣等， 2014）， 权重函数Wij 和WPSCF计算公式如下：
W P S C F i j = W i j × P S C F i j
W i j = 1.00 , 80 < n i j 0.70 , 20 < n i j ≤ 80 0.42 , 10 < n i j ≤ 20 0.05 , n i j ≤ 10

3 结果与讨论

3.1　臭氧污染特征分析

根据《HJ633-2012环境空气质量指数（AQI）技术规定（试行）》空气质量定义标准， O3_8 h≤100 μg·m-3为优， 100 μg·m-3<O3_8 h≤160 μg·m-3为良， 160 μg·m-3<O3_8 h≤215 μg·m-3为轻度污染， 215 μg·m-3<O3_8 h≤265 μg·m-3为中度污染， O3_8 h>265 μg·m-3为重度污染。
成都平原8个城市2015 -2019年夏季地面O3浓度和超标天数（图2）， 以及城市O3各污染等级发生频率（图3）， 结果表明： （1）2019年成都平原城市O3超标日数最多， 2015年和2017年各城市O3超标集中在7月， 其余年份集中在6月和8月。（2）近5年夏季， 成都O3超标日数最多， 5年累积超标115天， 平均每年超标23天， 超标率25%； 其次为德阳和眉山， 累积超标64天、 63天， 平均每年超标12~13天； 雅安累计超标日最少（11天）， 且仅出现在2017年和2019年； 除成都、 德阳和遂宁， 其余城市O3超标日数呈现逐年上升。（3）2015 -2019年夏季成都平原城市逐年O3_8 h第90百分位浓度平均值依次为146.0 μg·m-3， 156.0 μg·m-3， 155.2 μg·m-3， 151.5 μg·m-3， 164.0 μg·m-3， 呈波动上升趋势。其中， 成都和德阳O3_8 h第90百分位浓度较高， 分别为181.4±2.6 μg·m-3、 169.0±7.2 μg·m-3， 绵阳和雅安浓度较低但上升趋势显著。（4）近5年夏季， 成都、 德阳、 眉山和乐山分别有12天、 5天、 5天、 1天的O3中度污染发生。O3_8 h最大浓度出现在成都（2016年）和德阳（2019年）， 为276 μg·m-3。可见， 近5年成都平原城市群夏季O3污染问题比较明显， 且在区域上有扩大的趋势， 城市O3污染程度： 成都>德阳>眉山>遂宁>资阳>乐山>绵阳>雅安。
图2 2015 -2019年夏季成都平原城市O3_8 h第90百分位浓度平均值和超标状况年变化

Fig.2 Annual changes in the average concentration and excess of O3_8 h in Chengdu plain cities in the summer of 2015 -2019

图3 2015 -2019年夏季成都平原城市空气质量状况（O3）（图中1~5分别代表2015 -2019年）

Fig.3 Urban air quality over Chengdu Plain in the summer of 2015 -2019 （O3） （In the figure， the numbers 1 to 5 represent 2015 -2019 respectively）

3.2　臭氧污染天气分型

臭氧的形成及输送与天气系统和气象条件密切相关， 本文利用ERA-interim每日00:00 700 hPa、 500 hPa和100 hPa的位势高度进行成都平原城市群臭氧污染天气客观分型， 将700 hPa天气形势分成9种天气型， 将500 hPa和100 hPa天气形势分成6种环流型。

3.2.1　天气形势的分型结果及其环流特征

700 hPa天气型可归为高压型、 低槽型和鞍型场3大类9型（图4）， 其环流形势特点为： ①高压型： Type1（出现频率为18.9%）和Type3成都平原东部和北部的高压区分别呈径向和纬向分布， Type6和Type9高压区分别位于华北平原和青藏高原； ②低槽型： Type4和Type7西风槽分别位于内蒙古附近和华北平原以东， Type5和Type8分别有西风槽和高原短波槽东移至四川盆地； ③鞍型场： Type2型我国大部地区上空气流比较弱。
图4 2015 -2019年夏季700 hPa位势高度（彩色区， 单位： dagpm）及风场分型（矢量， 单位： m·s-1）

白色箭头为700 hPa高度层U、 V合成风

Fig.4 700 hPa geopotential height（the colour area， unit： dagpm） and wind field classification（vector， unit： m·s-1） in the summer of 2015 -2019.The white arrow is the combined wind of U and V at the 700 hPa

500 hPa可分为6种环流形势（图5）， 分别为东槽西脊型（Type1）、 西槽东脊型（Type2）、 西风槽底部型（Type3）、 平直纬向型（Type4）、 两槽一脊型（Type5）和蒙古低涡型（Type6）。Type1、 Type2和Type3西风槽分别位于蒙古东部、 巴尔喀什湖和贝加尔湖地区； Type4和Type5副高均出现西伸北抬， 前者中高纬呈平直西风， 后者贝加尔湖附近为一脊区； Type6低涡位于蒙古中部。图6所示的100 hPa的6种环流形势特点为： Type1南亚高压中心位于恒河平原， 脊线偏南且强度较弱； Type2、 Type3和Type6南亚高压中心位于青藏高原西部附近且脊线偏北， 其中Type2、 Type6脊线分别呈纬向和东北向延伸； Type4南亚高压中心位于伊朗高原， 脊线偏北并沿东南向延伸； Type5南亚高压位于我国中部且脊线呈纬向延伸。
图5 2015 -2019年夏季500 hPa位势高度（彩色区， 单位： dagpm）及风场分型（矢量， 单位： m·s-1）

等值线为等高线（间隔2 dagpm）， 黑色加粗线为副高“588位势高度线”， 白色箭头为500 hPa高度层U、 V合成风

Fig.5 500 hPa geopotential height（the colour area， unit： dagpm） and wind field classification（vector， unit： m·s-1） in the summer of 2015 -2019.The contours line is the isotherm （interval 2 dagpm）， the black line is the "588 potential height line" of the subtropical high， the white arrow is the combined wind of U and V at the 500 hPa， the black dot is the location of Chengdu

图6 2015 -2019年夏季100 hPa位势高度（彩色区， 单位： dagpm）及风场分型（矢量， 单位： m·s-1）

等值线为等高线（间隔4 dagpm）， 黑色加粗线为南亚高压“1688特征线”， 白色箭头为100 hPa高度层U、 V合成风

Fig.6 100 hPa geopotential height （the colour area， unit： dagpm） and wind field classification （vector， unit： m·s-1） in the summer of 2015 -2019.The contours line is the isotherm （interval 4 dagpm）， the black line is the "1688 potential height line" of the asia high， the white arrow is the combined wind of U and V at the 100 hPa

3.2.2　不同天气型下地面O3 污染特征

近5年夏季， 成都平原O3污染与不同高度层上的天气系统或大尺度环流形势相关联， 具体表现为：
（1） 700 hPa低槽系统： 西风槽或高原短波槽过境时， 冷平流影响下的成都O3_8 h浓度约为110 μg·m-3， O3超标率低于15%； 随着西风槽东移， 成都O3_8 h浓度和超标率分别升至140 μg·m-3和25%［图7（a）］。
图7 2015 -2019年夏季不同天气型下成都市O3污染特征

实心圆点为O3_8 h平均浓度， 线杆代表浓度±标准差； 空心三角形为该分型下的O3超标率

Fig.7 Characteristics of O3 pollution in Chengdu under different weather classification in the summer of 2015 -2019.The solid dots are O3_8 h concentration， the bars represent concentration ± standard deviation， the hollow triangle is the O3 over-standard rate under this classification

（2） 700 hPa高压系统： 高压边缘暖平流输送明显， 中心附近区域气流微弱， 地面明显升温的同时大气扩散条件变差。其中， 高压西北部和中部型的成都O3_8 h浓度和超标率达145 μg·m-3和38%［图7（a）］。
（3） 500 hPa西风槽： 成都平原处于高空西风槽底部时， 高空槽引导地面冷空气南下影响， 成都平均O3_8 h浓度较低， O3超标率不到15%； 随着西风槽东移， 地面O3污染呈发展态势［图7（b）］。
（4） 500 hPa副热带高压： 近5年夏季平均的西太副高脊线和西伸脊点分别位于26.2°N和103.9°E。500 hPa环流为平直纬向和两槽一脊型时， 西太副高脊线分别位于32.6°N和31.5°N， 西伸脊点为99.5°E和107.8°E， 此时成都O3_8 h浓度超过130 μg·m-3， O3超标率高于25%［图7（b）］。可见， 西太副高脊线的南北移动对成都平原臭氧污染的影响较大， 脊线附近盛行的下沉气流促使区域大气呈静稳形势。
（5） 100 hPa南亚高压： 成都平原O3污染状况与南亚高压中心位置及强度相关联， 其中心位于我国中部地区上空时， 成都平均O3_8 h浓度和超标率分别达144 μg·m-3和34%； 此外， 高压中心位于青藏高原西北部且强度较强时， 地面O3污染亦较重［图7（c）］。
综上得出， 100 hPa南亚高压中部型和东部型， 500 hPa西风槽后部和平直纬向型， 700 hPa西风槽后部和高压型为成都平原O3易污染天气形势。成都平原处于西风槽后部或在高压系统的影响时， 地面容易出现晴热且静稳的天气， 造成O3污染的形成与发展。此外， 100 hPa南亚高压与500 hPa西太副高之间呈相向发展， 亦有利于中低层污染天气形势的维持。

3.3　成都平原夏季区域O3 污染天气形势

3.3.1　近5年夏季典型O3 污染事件及天气型特征

为深入分析典型臭氧污染过程的天气系统和环流形势及其演变对臭氧浓度及空间分布的影响过程， 本文选取出近5年夏季成都平原城市群8个城市中O3超标（O3_8 h>160 μg·m-3）城市个数达3个及以上， 且持续时间3天及以上的污染过程（表2）。通过对典型O3污染过程的天气型垂直配置进行分类， 总结出O3区域持续性污染事件发生时的3种主要天气形势（表1）。
表1 2015 -2019年夏季臭氧污染和非污染时期的天气形势及对应的成都市O3 污染特征

Table 1 Weather situation and O3 pollution characteristics in Chengdu during ozone pollution and non-pollution periods in the summer of 2015 -2019

类型 环流特征 700 hPa 500 hPa 100 hPa

出现

天数

 超标率

O3_8 h

/（μg·m-3）

O3_8 h≥

150天数
1 成都平原700 hPa和500 hPa高空受西风槽后部的西北气流控制

Type7

Type9

Type1

Type2

 Type1 59 d 33% 148 29 d
Type2-3 20 d 65% 168 14 d
2 700 hPa高压位于成都平原东部， 副高脊线和南亚高压中心向平原靠近

Type1

Type6

Type2

Type4

Type2

Type5

 50 d 46% 147 25 d
3 700 hPa高压和南亚高压中心位于成都平原附近， 副高脊线西伸北抬 Type3 Type4 Type5 15 d 69% 175 12 d
4 700 hPa西风槽或高原短波槽东移影响成都平原

Type5

Type8

Type1

Type3

 — 45 d 2% 91 1 d
表2 2015 -2019年夏季成都平原城市群典型O3 污染过程（共计55天）

Table 2 Typical O3 pollution process in the Chengdu Plain in the summer of 2015 -2019 （55 days in total）

污染

程度

 案例 污染时期

持续

时间/d

 成都O3_8 h /（μg·m-3） 平原O3_8 h /（μg·m-3）

主要

超标城市

污染

天气型

超标城市

≥4个

 1 2017年7月7 -14日 8 189 164 成都、 德阳、 眉山、 雅安、 乐山 类型1、 2
2 2018年8月26 -29日 4 183 169 成都、 德阳、 绵阳、 资阳 类型2
3 2019年6月1 -6日 6 185 169 成都、 德阳、 绵阳、 资阳 类型1
4 2019年8月10 -18日 9 189 168 成都、 德阳、 眉山、 绵阳、 资阳 类型1

3个≤

超标城市

<4个

 5 2015年7月10 -12日 3 176 140 成都、 遂宁、 资阳 类型2
6 2015年7月24 -29日 6 172 136 成都、 眉山、 资阳 类型1
7 2016年6月5 -8日 4 154 147 德阳、 遂宁、 资阳 类型1
8 2016年8月19 -25日 7 189 141 成都、 德阳、 遂宁 类型2、 3
9 2018年6月5 -7日 3 188 164 成都、 德阳、 眉山 类型1
10 2019年8月22 -26日 5 185 157 成都、 眉山、 遂宁 类型3
（1） 西风槽后部型（类型1）： 成都平原处于700 hPa和高空500 hPa西风槽后部， 此污染天气型出现频率高， 5年累计出现79天； 其中， 当100 hPa为南亚高压中部型时， 成都O3超标率达65%。
（2） 高压发展型（类型2）： 100 hPa南亚高压和500 hPa副热带高压呈相向发展， 700 hPa的高压系统处于成都平原东部， 此污染天气型下成都O3超标率为46%。
（3） 高压控制型（类型3）： 100 hPa和700 hPa的高压系统中心均位于成都平原及附近地区上空， 同时副高西伸北抬。此污染天气型下成都O3污染最重， O3_8 h平均浓度和超标率分别达175 μg·m-3和69%。
此外， 低槽过境型（类型4）为夏季主导清洁天气形势， 成都平原主要受低槽系统影响。其中， 700 hPa高原短波槽过境时， 成都市空气质量为优（O3_8 h浓度<100 μg·m-3）的概率达68%。

3.3.2　污染天气型下成都平原边界层气象特征

边界层气象条件对臭氧生成光化学反应的强弱、 臭氧及其前体物的浓度分布和区域输送的影响很大。通过分析夏季不同天气型的基本气象要素、 不同高度层水平风场和垂直剖面特征（图8~10）可得到：
图8 夏季不同天气型下的成都市基本气象要素特征

Fig.8 Characteristics of basic meteorological elements in Chengdu under different weather patterns in summer

图9 夏季臭氧污染天气型的成都平原各高度层白天时段内的平均流场特征

Fig.9 The characteristics of the average flow field during the daytime at each altitude of the Chengdu Plain under different weather pattern in summer

图10 夏季臭氧污染天气型的污染发展阶段24 h变温（彩色区， 单位： °C）和u、 w合成风（矢量， 单位： m·s-1）通过（30.75°N， 104.00°E）的剖面

阴影为地形， 黑色圆点和数值为成都及当天O3_8 h浓度（单位： μg·m-3）， 箭头为u、 w*10合成矢量

Fig.10 Cross-sectional view of the 24-hour variable temperature （colour area， unit： °C） and the combined wind （vector， unit： m·s-1） of u and w passing （30.75°N， 104.00°E） in the development stage of the pollution under different weather pattern in summer.The gray shadows are terrain， black dots represent Chengdu， black value is the O3_8 h concentration in Chengdu on that day （unit： μg·m-3）， the arrow is u， w * 10 composite vector

（1） 西风槽后型具有地面小风， 低湿强辐射的特征。受干燥的西北下沉气流影响， 云量少日照长， 由于阳光照射产生的自由基所提供的大气氧化性正是臭氧生成的核心驱动力（Lu et al， 2019）， 这促使本地O3迅速生成（吴亚平等， 2020； 李苹等， 2019； 赵伟等， 2019）； 该天气型白天平均混合层最大高度达1 km， O3_8 h浓度与之呈正相关（郑小华等， 2021； 廖志恒等， 2019）。高压发展和控制型的地面气温较高于西风槽后型， 这主要与副热带高压等天气系统的下沉增温， 以及近地面暖气流的输送有关。低槽过境形势下， 冷平流降温促使大气层结稳定度减弱， 大气扩散能力增强， 同时阴雨天气不利于白天O3生成。
（2） 不同天气型之间的水平风场在不同高度层上存在差异， 风场因子驱动下的传输也是O3的重要来源之一（钤伟妙等， 2018）。西风槽后型500 hPa受西北气流控制， 近地面表现为偏南气流； 高压发展型850 ~700 hPa表现为明显的东南气流； 高压控制型500 hPa气流呈反气旋性， 近地面气流呈气旋性。
（3） 西风槽后和高压控制型存在局地环流的形成发展， 这容易造成高浓度O3在边界层内的循环积累（林莉文等， 2018）。前者环流圈较为明显， 其形成与高空西风气流于高原背风坡一侧下沉有关， 后者则是由于高层偏东下沉气流受高原阻挡后回流所致。高压发展和控制型的850 hPa以上高空以下沉气流为主， 近地面表现为静稳小风。此外， 青藏高原地表加热、 500 hPa副高或西风槽后部气流下沉造成的高空2~4 °C升温， 有利于边界层上部O3的生成， 并随着气流向下输送， 造成地面O3浓度升高（Zhao et al， 2019）。

3.4　平原夏季O3 潜在来源分析

3.4.1　轨迹聚类分析

分别对2015 -2019年夏季逐日的到达受点城市（成都、 德阳、 眉山、 资阳）的气流72 h后向轨迹进行计算与聚类分析。采用总空间方差（TSV）方法选取最佳聚类数目， 将以上四个城市2015 -2019年夏季的后向轨迹聚类数大致分为3或4类。考虑到臭氧的日变化特征， 浓度超标通常出现在午后， 因此本次气流后向轨迹和潜在源区分析模拟时段选在00:00 -12:00。
图11为近5年夏季不同受点城市在3类污染天气型下的72 h气流后向轨迹聚类特征： （1）影响当地的污染气团来自850 hPa高度层以下， 四川盆地区域内1~3个城市之间的短距离移动的占比达七成； 污染气团长距离移动上的占比较少， 且主要来自于甘肃和青海地区高空。（2）西风槽后型污染气流多来自城市偏北方向， 高压发展和高压控制型多来自城市偏东和东南方向。
图11 不同污染天气型的72 h后向轨迹聚类分析

Fig.11 Clustering analysis of 72-hour backward trajectories of different polluted weather patterns

以成都市为例， 结合图11分析不同天气型及其气流轨迹的O3_8 h浓度特征： 西风槽后型， 来自遂宁、 资阳的轨迹1和来自眉山的轨迹2的浓度较高， 分别为161.0 μg·m-3和160.9 μg·m-3， 总占比达76.6%； 高压发展型的轨迹浓度较低， 但来自内江、 自贡、 眉山的轨迹1的平均浓度达167.6 μg·m-3； 高压控制型的气流轨迹浓度最高， 平均为175.5 μg·m-3， 其中来自遂宁的轨迹1的平均浓度达195.0 μg·m-3， 占比为46.7%。

3.4.2　潜在源区分析

经统计， 2015-2019年夏季成都平原臭氧超标日共计出现165天， 现将成都平原臭氧超标日下， 受点城市的平均O3_8 h浓度作为阈值区分污染和清洁轨迹， 成都、 德阳、 眉山和资阳的阈值依次为171 μg·m-3、 151 μg·m-3、 154、 μg·m-3 141 μg·m-3。WPSCF值大于0.5即表明该区域对受点城市O3的贡献较大， 定义为主要潜在源区。
近5年夏季不同受点城市在3类污染天气型下的臭氧潜在源区（PSCF）特征如图12所示： （1）夏季3类天气型最主要的臭氧潜在源区均位于本地城区， WPSCF值大于0.8。（2）西风槽后型的成都臭氧潜在源区还集中在德阳、 眉山和乐山， 德阳在成都、 眉山， 眉山和资阳在川南北部至重庆西部地区； 高压发展型各城市臭氧潜在源区集中在本地至东南方向上， 成都为眉山至自贡一带， 德阳为成都至内江一带， 眉山为乐山至宜宾一带； 高压控制型下各城市的臭氧潜在源区集中在本地及东北方向的小区域范围内。（3）西风槽后型和高压发展型潜在源区范围较大， 存在区域输送性； 高压控制型潜在源区较小， 呈本地积聚性。
图12 不同污染天气型的城市WPSCF分布

Fig.12 Distribution of WPSCF in cities under different polluted weather patterns

4 结论

（1） 2015 -2019年夏季成都平原城市O3_8 h第90百分位浓度呈波动上升， O3污染区域呈扩大趋势， 2019年最为严重。成都污染最重， 雅安、 绵阳污染较轻但呈逐年加重。成都、 德阳、 眉山有中度污染发生， 且O3_8 h第90百分位浓度较高。
（2） 采用PCT客观天气分型方法对2015 -2019年夏季， 成都平原及周边地区的位势高度场进行分型研究发现， 100 hPa南亚高压中部（Ⅰ~Ⅲ）型和东部型， 500 hPa西风槽后型和平直纬向型， 700 hPa高压型为臭氧易污染天气型。近5年夏季10次典型O3污染过程的高低空天气形势分为西风槽后部、 高压发展和高压控制型； 低槽过境型为夏季O3浓度较低的清洁天气形势。
（3） 结合地面气象要素、 水平风场和垂直剖面分析， 发现污染天气型具有高温低湿， 小风强辐射， 白天混合层较高的特征， 水平风场在不同高度层上存在差异。700 hPa以上气流下沉增温和边界层内局地环流的作用抑制了污染物向高层扩散， 促使边界层上部O3下传并堆积于成都平原地区， 加重臭氧污染。
（4） 影响成都平原当地的污染气团主要在四川盆地区域内1~3个城市之间移动， 其中西风槽后型的污染气流多来自城市偏北方向， 高压发展和高压控制型多为城市偏东和东南方向。成都平原最主要的臭氧潜在源区位于本地城区， 除此之外成都、 眉山和资阳主要潜在源区还集中在川南北部和重庆西部地区， 德阳集中在成都、 眉山一带。西风槽后和高压发展型呈区域输送性， 高压控制型呈本地积聚性。

References

null
An Z S， Huang R J， Zhang R Y， 2019.Severe haze in northern China： A synergy of anthropogenic emissions and atmospheric processes［J］.Proceedings of the National Academy of Sciences of the United States of America， 116（18）： 8657-8666.DOI： 10.1073/pnas.1900125116
null
Chan C Y， Chan L Y， 2000.Effect of meteorology and air pollutant transport on ozone episodes at a subtropical coastal Asian city， Hong Kong［J］.Journal of Geophysical Research， 105（20）： 707-724.DOI： 10.1029/2000JD900140 .
null
Chen Z Y， Li R Y， Chen D L， et al， 2020.Understanding the causal influence of major meteorological factors on ground ozone concentrations across China［J］.Journal of Cleaner Production， 242： 118498.DOI： 10.1016/j.jclepro.2019.118498 .
null
Gong C， Liao H， 2019.A typical weather pattern for ozone pollution events in North China［J］.Atmospheric Chemistry and Physics， 19（22）： 13725-13740.DOI： 10.5194/acp-19-13725-2019 .
null
Han H， Liu J， Shu L， et al， 2020.Local and synoptic meteorological influences on daily variability in summertime surface ozone in eastern China［J］.Atmospheric Chemistry and Physics， 20（1）： 203-222.DOI： 10.5194/acp-20-203-2020 .
null
He Z， Wang X， Ling Z， et al， 2019.Contributions of different anthropogenic volatile organic compound sources to ozone formation at a receptor site in the Pearl River Delta region and its policy implications［J］.Atmospheric Chemistry and Physics， 19（13）： 8801-8816.DOI： 10.5194/acp-19-8801-2019 .
null
Hu J， Li Y， Zhao T， et al， 2018.An important mechanism of regional O3 transport for summer smog over the Yangtze River Delta in eastern China［J］.Atmospheric Chemistry and Physics， 18： 16239-16251.DOI： 10.5194/acp-18-16239-2018 .
null
Jiang N， 2011.A new objective procedure for classifying New Zealand synoptic weather types during 1958-2008［J］.International Journal of Climatology， 31（6）： 863-879.DOI： 10.1002/joc.2126 .
null
Li J， Yang W Y， Wang Z F， et al， 2016.Modeling study of surface ozone source-receptor relationships in East Asia［J］.Atmospheric Research， 167： 77-88.DOI： 10.1016/j.atmosres.2015.07.010 .
null
Liu N， Lin W， Xu X， et al， 2018.Seasonal variation in surface ozone and its regional characteristics at global atmosphere watch stations in China［J］.Journal of Environmental Sciences， 77： 291-302.DOI： 10.1016/j.jes.2018.08.009 .
null
Lu K D， Guo S， Tan Z F， et al， 2019.Exploring atmospheric free-radical chemistry in China： the self-cleansing capacity and the formation of secondary air pollution［J］.National Science Review， 6（3）： 579-594.DOI： 10.1093/nsr/nwy073 .
null
Lyu X， Wang N， Guo H， et al， 2019.Causes of a continuous summertime O3 pollution event in Jinan， a central city in the North China Plain［J］.Atmospheric Chemistry and Physics， 19（5）： 3025-3042.DOI： 10.5194/acp-19-3025-2019 .
null
Ni Z Z， Luo K， Gao X， et al， 2019.Exploring the stratospheric source of ozone pollution over China during the 2016 Group of Twenty summit［J］.Atmospheric Pollution Research， 10（4）： 1267-1275.DOI： 10.1016/j.apr.2019.02.010 .
null
Rider C F， Carlsten C， 2019.Air pollution and DNA methylation： Effects of exposure in humans［J］.Clinical Epigenetics， 11： 131.DOI： 10.1186/s13148-019-0713-2 .
null
Tan Z F， Lu K， Jiang M Q， et al， 2018.Exploring ozone pollution in Chengdu， southwestern China： a case study from radical chemistry to O3-VOC-NOx sensitivity［J］.Science of The Total Environment， 636： 775-786.DOI： 10.1016/j.scitotenv.2018. 04.286 .
null
Xu J M， Tie X X， Gao W， et al， 2019.Measurement and model analyses of the ozone variation during 2006 to 2015 and its response to emission change in megacity Shanghai， China［J］.Atmospheric Chemistry and Physics， 19（14）： 9017-9035.DOI： 10.5194/acp-19-9017-2019 .
null
Yang X Y， Wu K， Wang H L， et al， 2020.Summertime ozone pollution in Sichuan Basin， China： Meteorological conditions， sources and process analysis［J］.Atmospheric Environment， 226： 117392.DOI： 10.1016/j.atmosenv.2020.117392 .
null
Zhao S P， Yu Y， Qin D H， et al， 2019.Analyses of regional pollution and transportation of PM2.5 and Ozone in the city clusters of Sichuan Basin， China［J］.Atmospheric Pollution Research， 10（2）： 374-385.DOI： 10.1016/j.apr.2018.08.014 .
null
郭倩， 汪嘉杨， 周子航， 等， 2018.成都市一次典型空气重污染过程特征及成因分析［J］.环境科学学报， 38（2）： 629-639.DOI： 10.13671/j.hjkxxb.2017.0341 .
null
李苹， 余晔， 赵素平， 等， 2019.2015-2017年中国近地面O3污染状况与影响因素分析［J］.高原气象， 38（6）： 1344-1353.DOI： 10.7522/j.issn.1000-0534.2019.00066 .
null
廖志恒， 许欣祺， 谢洁岚， 等， 2019.珠三角地区日最大混合层高度及其对区域空气质量的影响［J］.气象与环境学报， 35（5）： 85-92.DOI： 10.3969/j.issn.1673-503X.2019.05.011 .
null
林莉文， 卞建春， 李丹， 等， 2018.北京城区大气混合层内臭氧垂直结构特征的初步分析——基于臭氧探空［J］.地球物理学报， 61（7）： 2667-2678.DOI： 10.6038/cjg2018L0415 .
null
林源野， 2018.臭氧污染对中国公众健康和农业的影响研究［D］.南京： 南京大学.
null
刘强， 李杉， 李颖， 等， 2020.大气环境质量底线中的污染传输影响分析： 以四川省典型城市为例［J］.环境影响评价， 42（2）： 51-56.DOI： 10.14068/j.ceia.2020.02.012 .
null
陆昌淼， 彭贤安， 1992.关于GB/T13201-91《制定地方大气污染物排放标准的技术方法》的编制说明［J］.环境科学研究， 5（6）： 19.
null
钤伟妙， 张艳品， 陈静， 等， 2018.石家庄大气污染物输送通道及污染源区研究［J］.环境科学学报， 38（9）： 3438-3448.DOI： 10. 13671/j.hjkxxb.2018.0182 .
null
王郭臣， 王珏， 信玉洁， 等， 2014.天津PM10和NO2输送路径及潜在源区研究［J］.中国环境科学， 34（12）： 3009-3016.DOI： CNKI： SUN： ZGHJ.0.2014-12-004 .
null
王帅， 冯亚平， 崔建升， 等， 2020.石家庄市臭氧污染的时空演变格局和潜在源区［J］.环境科学学报， 40（9）： 3081-3092.DOI： 10.13671/j.hjkxxb.2020.0154 .
null
吴亚平， 张琦， 王炳赟， 等， 2020.四川雅安三种主要大气污染物浓度与气象条件的关系及其预测研究［J］.高原气象， 39（4）： 889-898.DOI： 10.7522/j.issn.1000-0534.2019.00115
null
许建明， 常炉予， 马井会， 等， 2016.上海秋冬季PM2.5污染天气形势的客观分型研究［J］.环境科学学报， 36（12）： 4303-4314.DOI： 10.13671/j.hjkxxb.2016.0224 .
null
严晓瑜， 缑晓辉， 杨婧， 等， 2020.中国典型城市臭氧变化特征及其与气象条件的关系［J］.高原气象， 39（2）： 416-430.DOI： 10. 7522/j.issn.1000-0534.2019.00033 .
null
赵伟， 高博， 刘明， 等， 2019.气象因素对香港地区臭氧污染的影响［J］.环境科学， 40（1）： 55-66.DOI： 10.13227/j.hjkx.201803151 .
null
郑小华， 李明星， 娄盼星， 2021.不同时间尺度下汾渭平原臭氧浓度变化及气象环境影响［J］.高原气象， 40（4）： 954-964.DOI： 10.7522/j.issn.1000-0534.2020.00064 .
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn