基于OMI数据的河南省臭氧时空特征与影响机制研究

李治国, 田琴, 李聪颖, 陈施羽, 韩雪姣, 高湘泉, 吴澜

李治国, 田琴, 李聪颖, 陈施羽, 韩雪姣, 高湘泉, 吴澜. 基于OMI数据的河南省臭氧时空特征与影响机制研究[J]. 华南师范大学学报(自然科学版), 2024, 56(6): 89-101. DOI: 10.6054/j.jscnun.2024080
引用本文: 李治国, 田琴, 李聪颖, 陈施羽, 韩雪姣, 高湘泉, 吴澜. 基于OMI数据的河南省臭氧时空特征与影响机制研究[J]. 华南师范大学学报(自然科学版), 2024, 56(6): 89-101. DOI: 10.6054/j.jscnun.2024080
LI Zhiguo, TIAN Qin, LI Congying, CHEN Shiyu, HAN Xuejiao, GAO Xiangquan, WU Lan. Study on the Spatiotemporal Characteristics and Influencing Mechanisms of Ozone in Henan Province Based on OMI Data[J]. Journal of South China Normal University (Natural Science Edition), 2024, 56(6): 89-101. DOI: 10.6054/j.jscnun.2024080
Citation: LI Zhiguo, TIAN Qin, LI Congying, CHEN Shiyu, HAN Xuejiao, GAO Xiangquan, WU Lan. Study on the Spatiotemporal Characteristics and Influencing Mechanisms of Ozone in Henan Province Based on OMI Data[J]. Journal of South China Normal University (Natural Science Edition), 2024, 56(6): 89-101. DOI: 10.6054/j.jscnun.2024080

基于OMI数据的河南省臭氧时空特征与影响机制研究

基金项目: 

河南省教育厅重点科研项目 23A170020

商丘市科技创新领军人才项目 SQRC202212005

商丘师范学院黄河故道生态保护和高质量发展项目 2021KYFZ06

详细信息
    通讯作者:

    李治国,Email:lizhiguo999999@163.com

  • 中图分类号: X511

Study on the Spatiotemporal Characteristics and Influencing Mechanisms of Ozone in Henan Province Based on OMI Data

  • 摘要:

    中国中部地区在快速工业化和城市化过程中,臭氧污染问题日益突出,已对区域内人类健康和生态系统造成严重威胁。为弥补对华中地区臭氧(O3)污染动态的认知不足,利用OMI臭氧遥感数据,提取并分析了2010—2020年河南省的臭氧柱浓度数据,探究近11年来河南省的臭氧总量的时空分布特征及其影响机制。研究结果表明:(1)近11年来,河南省的臭氧总量整体呈下降趋势,但在2014、2018、2020年出现短暂回升。臭氧总量的年际空间分布整体呈现北高南低的格局。(2)河南省的臭氧柱浓度的月均值呈明显的周期性变化,每年最高值通常出现在3—4月,最低值通常出现在10—12月;臭氧柱浓度的季均值由高到低依次为春季(320.29 DU)、夏季(301.25 DU)、冬季(293.60 DU)、秋季(280.38 DU)。(3)结合气象要素(如气温、气压和日照时数)、后向轨迹模型以及潜在源区分析,发现河南省臭氧污染的成因和主要来源呈现显著的季节性差异:春季主要受来自西北和西南方向的甘肃省和四川省等地的污染物输送影响;夏季主要受来自东北方向的山东省及近海区域的污染物输送影响;秋冬季主要受来自西部的甘肃、青海、河南省等地的污染物输送影响。研究结果揭示了河南省臭氧污染的时空分布特征,阐明了关键传输路径和主要污染源,可为区域大气污染防控策略的制定提供科学依据。

    Abstract:

    Ozone pollution in central China has become increasingly prominent during the rapid industrialization and urbanization process, posing a serious threat to human health and ecosystems in the region. To address the lack of understanding of ozone (O3) pollution dynamics in central China, OMI ozone remote sensing data were used to extract and analyze the ozone column concentration data for Henan Province from 2010 to 2020. The spatial and temporal distribution characteristics of total ozone levels in Henan Province over the past 11 years are explored, and the mechanisms influencing these changes are investigated. The results indicate that: (1)Over the past 11 years, the total ozone amount in Henan Province has shown an overall downward trend, with brief rebounds in 2014, 2018, and 2020. The spatial distribution across years consistently displayed a north-south gradient, with higher concentrations in the north and lower in the south. (2) The monthly average ozone column concentration in Henan Province exhibited a clear seasonal cycle, typically peaking in March-April and reaching its lowest levels in October-December. The seasonal average ozone concentrations were highest in spring (320.29 DU), followed by summer (301.25 DU), winter (293.60 DU), and autumn (280.38 DU). (3) Based on an analysis of meteorological factors (such as temperature, pressure, and sunshine duration), backward trajectory models, and potential source areas, significant seasonal variations in the sources and causes of ozone pollution in Henan Province were identified: in spring, pollution is primarily influenced by the transport of pollutants from Gansu and Sichuan in the northwest and southwest, respectively; in summer, pollutants are mainly transported from Shandong Province and nearby coastal regions in the northeast; and in autumn and winter, pollutant transport primarily originates from Gansu, Qinghai, and local sources within Henan. The results reveal the spatial-temporal distribution characteristics of ozone pollution in Henan Province, clarify key transport pathways and major pollution sources, and could provide a scientific basis for the development of regional air pollution control strategies.

  • 臭氧(O3)是分布于平流层和对流层中的微量气体,平流层和对流层分别含有大约90%和10%的大气臭氧[1]。平流层中的臭氧能够吸收紫外线,从而对人类和环境起到保护作用。然而,对流层中的臭氧具有多重环境效应:臭氧虽能维持大气的氧化性,但因其是一种温室气体,又可形成二次污染物,对人类健康、植被生长、生态环境及作物产量构成危害[1-3]。全球臭氧污染已成为一个日益突出的环境问题。近年来,中国的PM2.5空气质量问题显著改善,但臭氧污染逐渐成为重要污染源[4-5],迫切需要开展深入系统的研究。

    目前,地面监测网络是获取臭氧浓度数据的主要手段,但其空间监测范围有限,难以全面反映区域臭氧污染特征。卫星遥感技术凭借其大范围、连续观测的优势,已成为大气环境监测的重要手段之一。其中,搭载于Aura卫星的臭氧监测仪(OMI)能够获取全球尺度的臭氧柱总量数据,为研究区域臭氧浓度的时空分布特征及其变化趋势提供了重要数据支撑[6-7]。基于OMI数据的全国尺度研究[6-7]表明:我国臭氧柱总体呈夏季高、冬季低的分布趋势。东南沿海[8]、长三角[9]和福建省[10]的研究表明:臭氧柱浓度均呈先增长后降低的趋势,但前两者在春、夏季浓度较高,而福建省则在秋季浓度较高。西部地区的研究表明:新疆维吾尔自治区[11]的臭氧柱浓度呈先下降后上升的趋势,而宁夏回族自治区[12]的臭氧柱浓度呈下降趋势,且两者的臭氧柱浓度的季节变化特征存在显著差异。我国中部地区正经历快速的城市化和工业化进程,臭氧污染问题日益严峻,且可能存在周边地区的传输影响[13]。然而,针对中部地区的臭氧遥感研究薄弱,亟需开展和加强相关研究。

    河南省位于我国中部地区,为黄河流域重要的省份之一。作为农业大省,河南省在经济快速发展的同时,其工业化和城市化进程也在加速,导致了能源消耗和污染物排放量的增加。河南省的大气污染问题日益凸显,其中部分城市的空气质量排名常年位居全国后20位[14]。近年来,河南省PM10、PM2.5、SO2、NO2和CO的年均浓度有所下降,然而臭氧污染却呈上升趋势[14]。因此,本研究利用OMI卫星提供的全球覆盖臭氧产品数据,结合地面臭氧浓度监测数据、气象数据以及后向轨迹数据,对河南省2010—2020年的大气对流层臭氧柱浓度的时空变化特征进行了统计分析,并研究了臭氧污染的影响因素和潜在污染来源,以期为当地环境管理部门制定大气污染防治政策提供科学依据,进一步提升河南省的空气质量。

    河南省位于北纬31°23′~36°22′、东经110°21′~116°39′之间,简称“豫”,东接安徽省和山东省,西连陕西省,北接河北省和山西省,南临湖北省(图 1)。河南省面积为16.70万km2,占中国国土面积的1.74%[15];2023年底,全省常住人口为9 815万人,占全国总人口的6.96%[16-17]。河南省地势西高东低,西部多为山地,中部为丘陵地带,东部为广阔的平原。河南省大部分地区属于暖温带气候,南部部分地区属于亚热带气候,整体呈现大陆性季风气候特征。

    图  1  研究区位置示意图
    注:基于审图号为GS(2024)0650号的标准地图绘制,底图无修改。
    Figure  1.  Location of the study area

    本研究采用的臭氧柱浓度数据源自NASA官方网站GES DISC发布的OMIO3二级产品(Level2-V003)。OMI传感器安装于2004年由美国国家宇航局发射的Aura卫星上,可对空气质量和地球臭氧层进行长期连续监测[6-14]。OMI传感器的波长范围为270~500 nm,空间分辨率为13 km×24 km,轨道高度为705 km,波谱分辨率为0.5 nm,每日可全球覆盖一次[10]。其工作原理为基于观测地球大气及地表的后向散射辐射来获取数据,能够测量O3、HCHO、NO2、SO2的柱浓度和气溶胶光学厚度等数据[9]

    近地面臭氧监测数据来源于中国空气质量在线监测分析平台发布的每日最大8小时平均臭氧浓度(O3-8h-90per)数据,后向轨迹数据来源于美国国家海洋和大气管理局(NOAA)官网(https://www.noaa.gov)发布的2016—2020年全球数据同化系统(GDAS)存档数据。

    在数据提取阶段,将研究区域的经纬度各扩展1度,剔除云量超过50%且覆盖率低于60%的数据,从2010—2020年间的4 018天臭氧柱浓度数据中筛选出2 839天的有效数据,约占总数据量的70.7%。这种数据筛选方法保证了后续处理结果的准确性和可靠性。将提取的数据导入ArcMap,进行反距离权重插值,并计算月度、季度和年度均值。

    选取2019年1—12月的地面臭氧浓度数据,并与同期的臭氧柱浓度进行趋势比较。结果(图 2)显示:地面臭氧浓度和臭氧柱浓度的变化趋势具有较高的一致性,说明OMI数据能够较好地反映臭氧柱总量的时空变化特征,可用于研究河南省臭氧柱浓度的时空分布特征和污染状况。结合地面气象数据的分析,可以进一步解释OMI数据的变化特征,有助于识别季节性和区域性气象条件对臭氧柱浓度的具体影响,进而增强对臭氧污染成因的理解。

    图  2  2019年河南省的大气臭氧柱浓度与地面臭氧浓度对比
    Figure  2.  Comparison of atmospheric ozone column concentration and surface ozone concentration in Henan Pro-vince in 2019

    本研究通过皮尔森相关系数来分析气温、气压和日照时数等气象因素对臭氧柱浓度的影响。皮尔森相关系数可用于度量2个变量之间的线性相关性,其值介于-1~1之间,描述的是2个变量间线性相关强弱的程度,其绝对值越大,表明相关性越强[11-12]。其计算公式如下:

    r=ni=1(xiˉx)(yiˉy)ni=1(xiˉx)2ni=1(yiˉy)2,

    其中,r∈[-1, 1]为xy之间的相关性系数,xi为第i月的臭氧柱浓度均值,yi为第i月的影响因子,x为臭氧柱浓度的多月平均值,y为气象因子(如气温、气压或日照时数)的多月平均值,n为样本数。

    HYSPLIT模型为一综合模式系统,用于计算气团运动轨迹、模拟复杂的扩散和沉降过程,能够展示大气示踪物的迁移和扩散,被广泛用于空气污染物的输送、扩散及来源解析研究[18-19]。本研究基于2016—2019年的臭氧柱浓度数据,使用MeteoInfo软件模拟自2 000 m高空逐日向目标地点移动的后向轨迹,并进行季节性聚类分析,以识别具有代表性的气团轨迹,从而分析2016—2019年河南省各市的大气O3来源。然后使用浓度权重轨迹分析法(CWT)计算后向轨迹的权重浓度(WCWT),直观呈现河南省臭氧污染来源的区域分布。

    由2010—2020年河南省臭氧柱浓度的月均值变化趋势(图 3)可知:(1)河南省臭氧柱浓度的月均值在2010—2020年间呈现周期性变化,且总体呈缓慢下降趋势。(2)河南省臭氧柱浓度的每年最高值多出现在3—4月,最低值多出现在10—12月。其中,2010年3月的臭氧柱浓度最高,为351.70 DU;2017年10月的臭氧柱浓度最低,为253.76 DU。

    图  3  2010—2020年河南省的臭氧柱浓度月均值变化趋势
    Figure  3.  Monthly average variation trend of ozone column concentration in Henan Province from 2010 to 2020

    由于各年臭氧柱浓度空间分布的相似性,故选择2010年的臭氧柱浓度分布作为代表进行分析。由结果(图 4)可知:河南省的臭氧柱浓度整体呈现北部高于南部、西部高于东部的特征。采用统一的分类标准可以直观地对比不同月份、季节和年份的臭氧柱浓度的空间分布特点及其变化。然而,由于不同时间段(如月份、季节、年份)间臭氧柱浓度的范围差异较大,导致在分类时间隔较宽,因此在图 4图 6图 7中出现了条带状分布的现象。

    图  4  2010年河南省臭氧柱浓度月均值的空间分布
    Figure  4.  Spatial distribution of monthly mean concentration of ozone column in Henan Province in 2010

    由2010—2019年河南省臭氧柱浓度季均值的变化趋势(图 5)可知:(1)河南省的臭氧柱浓度的季均值由高到低依次为春季(320.29 DU)、夏季(301.25 DU)、冬季(293.60 DU)、秋季(280.38 DU)。这一结论与已有的在全国范围[6]和宁夏地区[13]得到的结论相一致。(2)春、夏、秋季的臭氧柱浓度变化趋势基本上是同步的。(3)2010—2019年间,四季中冬季的臭氧柱浓度波动相对较大;2014—2018年间,春、夏、秋季的浓度变化较为平缓,而冬季的波动幅度显著。

    图  5  2010—2019年河南省的臭氧柱浓度季均值变化趋势
    Figure  5.  Seasonal average variation characteristics of ozone co-lumn concentration in Henan Province from 2010 to 2019

    由2010—2019年河南省臭氧柱浓度季均值的空间分布(图 6)可知:(1)河南省臭氧柱浓度的季节性空间分布特征显示河南省春季的臭氧柱浓度值呈北高南低的格局;(2)春、夏季的臭氧柱浓度值较高,对年度臭氧总量贡献最大;(3)夏季的臭氧污染从东北向西南逐渐减弱;(4)秋、冬季的污染分布在2015年前为北高南低的特征,而2015年后则逐渐由东南向西北增高。因此,季节性空间分布特征,特别是高浓度和低浓度区域的空间分布,与反映全年臭氧累积分布的年度空间分布模式具有相似性。

    图  6  2010—2019年河南省臭氧柱浓度季均值的空间分布
    Figure  6.  Spatial distribution of seasonal average value of ozone column concentration in Henan Province from 2010 to 2019

    由2010—2020年河南省臭氧总量的年均空间分布(图 7)可知:(1)2010年,河南省的臭氧总量达到研究时段内的峰值,污染程度最严重;2019年,河南省的臭氧总量降至最低,污染程度相对较轻。(2)2010—2020年间,河南省臭氧总量的年际空间分布呈现明显的北高南低格局。在不同年份中,北部地区高值区的臭氧柱浓度约为325~340 DU,反映出北部地区臭氧柱浓度的年际波动幅度;南部地区低值区的臭氧柱浓度约为265~280 DU。

    图  7  2010—2020年河南省臭氧柱浓度年均值的空间分布
    Figure  7.  Spatial distribution of annual mean of ozone column concentration in Henan Province from 2010 to 2020

    由2010—2020年河南省臭氧总量的变化趋势(图 8)可知:(1)2010—2020年,河南省的臭氧柱浓度年均值整体呈下降趋势,2010年的臭氧柱浓度值最高。(2)从臭氧柱浓度年均值的变化幅度上看,2010—2013、2015—2017年的臭氧柱浓度年均值呈下降趋势,分别降低了8.3%、2.9%;而2013—2015、2017—2018年的臭氧柱浓度年均值呈上升趋势,增幅分别为2.3%、2.4%;2019年的臭氧柱浓度年均值明显低于2018年,而2020年的臭氧柱浓度年均值出现回升,显示出2018—2020年间的波动特征。

    图  8  2010—2020年河南省臭氧柱浓度年均值变化趋势
    Figure  8.  Annual distribution of ozone column concentration in Henan Province from 2010 to 2020

    以2019年1—12月河南省的大气臭氧柱浓度数据为基础,结合地面气象因素,深入研究气象因子对臭氧柱浓度变化的影响。

    由河南省臭氧柱浓度月均值与气温月均值时间序列及相关性分析结果(图 9)可知:(1)臭氧柱浓度的季节性变化显著,其中春季的臭氧柱浓度最高,其次为夏季,冬季次之,秋季最低。(2)臭氧柱浓度与气温呈正相关关系,尽管该相关性较低,但较高的气温条件会促进光化学反应,有利于臭氧的生成。臭氧柱浓度的峰值并未与气温的最高值完全同步,这主要是由于研究区域位于亚热带与温带的过渡地带。高温条件虽有助于臭氧的生成,但夏季降雨在一定程度上起到了清除臭氧的作用,从而影响了臭氧柱浓度的季节性分布特征。

    图  9  2019年河南省臭氧柱浓度月均值与气温月均值的时间序列及相关性
    Figure  9.  Time series and correlation between monthly mean ozone column concentration and monthly mean temperature in Henan Province in 2019

    由臭氧柱浓度月均值与平均气压之间的相关性分析结果(图 10)可知:臭氧柱浓度与气压之间存在明显的负相关关系,且相关系数r=0.634 4。当臭氧柱浓度上升时,气压呈下降趋势,反之亦然。该研究结果表明,气压变化可能对臭氧柱浓度具有一定的调节作用,这为进一步研究其具体机制提供了参考。

    图  10  2019年河南省臭氧柱浓度月均值与气压月均值的时间序列及相关性
    Figure  10.  Time series and correlation between monthly mean ozone column concentration and monthly mean barometric pressure in Henan Province in 2019

    由臭氧柱浓度月均值与日照时数月均值的相关性分析结果(图 11)可知:(1)臭氧柱浓度与日照时数之间存在明显的正相关关系,随着日照时数的增加,臭氧柱浓度也相应上升,反之亦然。这表明较长的日照时间可能有助于臭氧的生成,尤其是在夏季和春季,日照时间较长时臭氧柱浓度较高。(2)臭氧柱浓度与日照时数之间的相关系数r=0.785 2,进一步表明两者之间具有较强的正相关性。研究结果表明,日照时数的增加可能增强了光照强度和辐射作用,从而促进臭氧前体物的生成,最终导致臭氧柱浓度升高。

    图  11  2019年河南省臭氧柱浓度月均值与日照时数月均值的时间序列及相关性
    Figure  11.  Time series and correlation between monthly mean ozone column concentration and monthly mean sunshine hours in Henan Province in 2019

    本研究采用HYSPLIT模型对2016—2019年河南省各地级市的气团后向轨迹进行聚类分析,以识别潜在的污染源区和传输路径。选取安阳、三门峡、商丘、信阳、许昌市分别代表豫北、豫西、豫东、豫南、豫中。由于各年度情况类似,故以2016年为例开展分析。

    通过对2016年气团轨迹的聚类分析结果(图 12图 15),结合河南省各地级市的季节性臭氧柱浓度分布规律,可以看出河南省的臭氧污染来源和传输路径在不同季节具有显著差异。从气流传输距离来看,河南省的臭氧总量主要受到长距离气流传输和汇聚的影响。具体表现为:(1)春季时的臭氧输送路径主要集中在西北和西南方向。在河南省各研究区域中,西北气流传输带的轨迹占比超过50%,而西南气流传输带的轨迹占比则超过30%。这两股气流交汇,带来大量干冷气流,传输距离较长,导致臭氧在该季节的汇聚量较高(图 12)。(2)夏季时的气流主要汇聚为2条传输带:一条来自山西及黄土高原东缘的短距离传输气流,对河南省(除豫南外)的臭氧汇聚产生影响,轨迹占比约为20%;另一条来自东北方向的山东及近海区域,水汽含量较高,往往带来降水天气,对臭氧进行冲刷和湿沉降。这一传输路径的轨迹占比超过50%,并伴有远距离传输,是导致夏季的臭氧柱浓度低于春季的主要原因(图 13)。(3)秋季时的气流主要源自青海和四川等青藏高原东侧边缘地区,从正西和西南方向进入河南省。由于这些气流的臭氧含量较低,因此对河南省的臭氧污染影响较小。同时,省内的近距离气流传输对研究区域的臭氧柱浓度也有一定影响(图 14)。(4)冬季时的气流主要来自西北和西南地区。尽管冬季的气流传输距离较远,但途经区域的臭氧柱浓度较低,因此汇聚量相对较少,对河南省的臭氧污染贡献有限(图 15)。

    图  12  2016年春季河南省气团后向大气轨迹聚类分析
    注:图中百分比反映各来源区域气团的相对贡献,轨迹长度与占比大小无关。下同。
    Figure  12.  Backward trajectory cluster analysis of air masses in Henan Province during the spring of 2016
    图  13  2016年夏季河南省气团后向轨迹聚类分析
    Figure  13.  Backward trajectory cluster analysis of air masses in Henan Province during the summer of 2016
    图  14  2016年秋季河南省气团后向轨迹聚类分析
    Figure  14.  Backward trajectory cluster analysis of air masses in Henan Province during the autumn of 2016
    图  15  2016年冬季河南省气团后向轨迹聚类分析
    Figure  15.  Backward trajectory cluster analysis of air masses in Henan Province during the winter of 2016

    通过对2016年河南省气团后向轨迹聚类(图 12图 15)和潜在源区分布(图 16图 19)的逐季分析,可以看出河南省臭氧总量主要受到来自不同方向的长距离气流传输和区域污染物汇聚的综合影响,不同季节的气团传输路径及其对应的潜在污染源区域特征存在显著差异。具体表现为:(1)春季,河南省主要受来自西北和西南方向的长距离气流传输影响,这些气流源于甘肃、宁夏、陕西、山西和四川南部地区的臭氧汇聚区,导致河南省臭氧污染的上升。特别是豫南地区的传输路径以西北—西南方向为主,在豫北地区的传输路径主要来自西北,这种交汇带来干冷气流,使臭氧的聚集量较高(图 16)。(2)夏季,河南省主要受来自东北方向的海洋及山东沿海区域的气流传输影响,这些气流源于山东及近海区域,带来较高的湿度和降水,对臭氧浓度有显著的冲刷作用,导致河南省夏季的臭氧污染水平低于春季。此外,山西、黄土高原东缘及河北的短距离传输路径也对豫北和豫中地区的臭氧浓度产生局部影响(图 17)。(3)秋季,河南省主要受来自青海和四川等青藏高原东侧边缘区域的气流传输影响,这些气流携带的臭氧浓度较低,对河南省整体臭氧污染水平的贡献有限。特别是豫西地区的传输路径以正西方向为主,而豫南地区则主要受西南方向气流的影响,这种低浓度气流的长距离传输使得河南省秋季的臭氧污染较轻(图 18)。(4)冬季,河南省主要受来自西北和西南方向的长距离气流传输影响,这些气流源于甘肃、新疆及青海地区,尽管传输路径较长,但气流携带的臭氧浓度普遍较低,对河南省的臭氧污染贡献较少。特别是豫北地区的传输路径主要来自西北方向,而豫南地区以西南方向为主,这种远距离传输携带的臭氧汇聚量较少,导致河南省冬季的臭氧污染相对较轻(图 19)。

    图  16  2016年河南省春季臭氧柱浓度加权轨迹分布
    Figure  16.  Weighted trajectory distribution of ozone column concentration in Henan Province during the spring of 2016
    图  17  2016年河南省夏季臭氧柱浓度加权轨迹分布
    Figure  17.  Weighted trajectory distribution of ozone column concentration in Henan Province during the summer of 2016
    图  18  2016年河南省秋季臭氧柱浓度加权轨迹分布
    Figure  18.  Weighted trajectory distribution of ozone column concentration in Henan Province during the autumn of 2016
    图  19  2016年河南省冬季臭氧柱浓度加权轨迹分布
    Figure  19.  Weighted trajectory distribution of ozone column concentration in Henan Province during the winter of 2016

    综上所述,河南省春季主要受来自西北和西南方向的甘肃和四川等地的污染物输送影响;夏季主要受来自东北方向的山东省及近海区域的污染物输送影响;秋、冬季主要受来自西部的甘肃、青海、河南省等地的污染物输送影响。

    本研究基于OMI卫星数据,结合地面监测数据和气象数据,揭示了2010—2020年河南省臭氧的时空分布特征及其影响机制。主要结论如下:

    (1) 臭氧总量下降,但存在波动:河南省臭氧总量整体呈下降趋势,但在2014、2018、2020年出现短暂回升,可能与污染物排放变化和气象条件波动有关。

    (2) 明显的时空差异:河南省的臭氧柱浓度呈现北高南低的空间格局,这与工业布局和人口密度分布有关。季节变化方面,河南省春季的臭氧柱浓度的季均值最高,其次是夏季,冬季位居第三,秋季最低。这种季节性差异与光化学反应条件、气团传输路径有关。

    (3) 气象要素影响显著:气温、气压和日照时数等气象因素显著影响河南省的臭氧柱浓度。高温和充足的日照有利于臭氧生成,而在低气压条件下,大气层结稳定,不利于污染物扩散,导致河南省的臭氧柱浓度升高。

    (4) 污染来源多样:河南省的臭氧污染来源呈现季节性差异。春季主要受来自西北和西南方向的污染物输送影响;夏季主要受东北方向的山东省及近海区域的污染物输送影响;秋、冬季主要受来自西部的甘肃、青海、河南省等地的污染物输送影响。

    本研究利用OMI数据分析了河南省臭氧的时空分布特征和影响机制,但仍存在一些局限性:首先,卫星数据分辨率有限,难以捕捉局地尺度的臭氧变化;其次,本研究主要关注气象因素和污染物输送的影响,未深入探讨其他因素(如前体物排放变化和垂直传输过程)对臭氧柱浓度的潜在影响。基于这些局限性,未来研究可进一步优化臭氧监测网络,结合地面观测与卫星数据,获取更精细的臭氧分布信息;同时深入解析臭氧污染成因,聚焦污染源特征及区域传输机制,为制定精准防控策略提供科学依据。

  • 图  1   研究区位置示意图

    注:基于审图号为GS(2024)0650号的标准地图绘制,底图无修改。

    Figure  1.   Location of the study area

    图  2   2019年河南省的大气臭氧柱浓度与地面臭氧浓度对比

    Figure  2.   Comparison of atmospheric ozone column concentration and surface ozone concentration in Henan Pro-vince in 2019

    图  3   2010—2020年河南省的臭氧柱浓度月均值变化趋势

    Figure  3.   Monthly average variation trend of ozone column concentration in Henan Province from 2010 to 2020

    图  4   2010年河南省臭氧柱浓度月均值的空间分布

    Figure  4.   Spatial distribution of monthly mean concentration of ozone column in Henan Province in 2010

    图  5   2010—2019年河南省的臭氧柱浓度季均值变化趋势

    Figure  5.   Seasonal average variation characteristics of ozone co-lumn concentration in Henan Province from 2010 to 2019

    图  6   2010—2019年河南省臭氧柱浓度季均值的空间分布

    Figure  6.   Spatial distribution of seasonal average value of ozone column concentration in Henan Province from 2010 to 2019

    图  7   2010—2020年河南省臭氧柱浓度年均值的空间分布

    Figure  7.   Spatial distribution of annual mean of ozone column concentration in Henan Province from 2010 to 2020

    图  8   2010—2020年河南省臭氧柱浓度年均值变化趋势

    Figure  8.   Annual distribution of ozone column concentration in Henan Province from 2010 to 2020

    图  9   2019年河南省臭氧柱浓度月均值与气温月均值的时间序列及相关性

    Figure  9.   Time series and correlation between monthly mean ozone column concentration and monthly mean temperature in Henan Province in 2019

    图  10   2019年河南省臭氧柱浓度月均值与气压月均值的时间序列及相关性

    Figure  10.   Time series and correlation between monthly mean ozone column concentration and monthly mean barometric pressure in Henan Province in 2019

    图  11   2019年河南省臭氧柱浓度月均值与日照时数月均值的时间序列及相关性

    Figure  11.   Time series and correlation between monthly mean ozone column concentration and monthly mean sunshine hours in Henan Province in 2019

    图  12   2016年春季河南省气团后向大气轨迹聚类分析

    注:图中百分比反映各来源区域气团的相对贡献,轨迹长度与占比大小无关。下同。

    Figure  12.   Backward trajectory cluster analysis of air masses in Henan Province during the spring of 2016

    图  13   2016年夏季河南省气团后向轨迹聚类分析

    Figure  13.   Backward trajectory cluster analysis of air masses in Henan Province during the summer of 2016

    图  14   2016年秋季河南省气团后向轨迹聚类分析

    Figure  14.   Backward trajectory cluster analysis of air masses in Henan Province during the autumn of 2016

    图  15   2016年冬季河南省气团后向轨迹聚类分析

    Figure  15.   Backward trajectory cluster analysis of air masses in Henan Province during the winter of 2016

    图  16   2016年河南省春季臭氧柱浓度加权轨迹分布

    Figure  16.   Weighted trajectory distribution of ozone column concentration in Henan Province during the spring of 2016

    图  17   2016年河南省夏季臭氧柱浓度加权轨迹分布

    Figure  17.   Weighted trajectory distribution of ozone column concentration in Henan Province during the summer of 2016

    图  18   2016年河南省秋季臭氧柱浓度加权轨迹分布

    Figure  18.   Weighted trajectory distribution of ozone column concentration in Henan Province during the autumn of 2016

    图  19   2016年河南省冬季臭氧柱浓度加权轨迹分布

    Figure  19.   Weighted trajectory distribution of ozone column concentration in Henan Province during the winter of 2016

  • [1]

    XU X B, LIN W L, XU W Y, et al. Long-term changes of regional ozone in China: implications for human health and ecosystem impacts[J]. Elementa: Science of the Anthropocene, 2020, 8: 13/1-27.

    [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, 269: 116183/1-10. https://www.sciencedirect.com/science/article/pii/S026974912036872X

    [3]

    FENG Z Z, XU Y S, KOBAYASHI K, et al. Ozone pollution threatens the production of major staple crops in East Asia[J]. Nat Food, 2022, 3: 47-56. doi: 10.1038/s43016-021-00422-6

    [4] 黄志炯, 沙青娥, 朱曼妮, 等. 我国PM2.5和臭氧污染前体物排放源清单的现状与质量评估[J]. 科学通报, 2022, 67(18): 1978-1994.

    HUANG Z J, SHA Q E, ZHU M N, et al. Status and quality evaluation of precursor emission inventories for PM2.5 and ozone in China[J]. Chinese Science Bulletin, 2022, 67(18): 1978-1994.

    [5] 米艺华, 杜惠云, 李杰, 等. 我国重点地区臭氧变化特征及与气象要素的关系[J]. 中国环境科学, 2024, 44(4): 1894-1904.

    MI Y H, DU H Y, LI J, et al. Ozone pollution characteristics and its relationship with meteorological factors of key regions in China[J]. China Environmental Science, 2024, 44(4): 1894-1904.

    [6] 张莹, 高玚, 祝善友, 等. 近30a中国上空臭氧总量时空变化遥感监测分析[J]. 地球信息科学学报, 2014, 16(6): 971-979.

    ZHANG Y, GAO Y, ZHU S Y, et al. Variation of total ozone over China for 30 years analyzed by multi-source satellite remote sensing data[J]. Journal of Geo-information Science, 2014, 16(6): 971-979.

    [7] 张倩倩, 张兴赢. 基于卫星和地面观测的2013年以来我国臭氧时空分布及变化特征[J]. 环境科学, 2019, 40(3): 1132-1142.

    ZHANG Q Q, ZHANG X Y. Ozone spatial-temporal distribution and trend over China since 2013: insight from satellite and surface observation[J]. Environmental Science, 2019, 40(3): 1132-1142.

    [8] 宋佳颖, 刘旻霞, 孙瑞弟, 等. 基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究[J]. 环境科学学报, 2020, 40(2): 438-449.

    SONG J Y, LIU M X, SUN R D, et al. Temporal and spatial distribution characteristics of atmospheric ozone concentration in Southeast Coast based on OMI data[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 438-449.

    [9] 于瑞新, 刘旻霞, 李亮, 等. 长三角地区近15年大气臭氧柱浓度时空变化及影响因素[J]. 环境科学学报, 2021, 41(3): 770-784.

    YU R X, LIU M X, LI L, et al. Spatial and temporal variation of atmospheric ozone column concentration and influencing factors in the Yangtze River Delta region in recent 15 years[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 770-784.

    [10] 施益强, 赵丁珑, 王翠平, 等. 福建省近10年臭氧时空变化: 基于空间信息技术的研究[J]. 科技导报, 2023, 41(11): 61-69.

    SHI Y Q, ZHAO D L, WANG C P, et al. Investigating spatial-temporal variabilities of ozone over Fujian Pro-vince in recent decade using spatial information technology[J]. Science & Technology Review, 2023, 41(11): 61-69.

    [11] 刘旻霞, 孙瑞弟, 宋佳颖, 等. 基于OMI数据的新疆地区臭氧柱浓度研究[J]. 中国环境科学, 2021, 41(4): 1498-1510.

    LIU M X, SUN R D, SONG J Y, et al. Research on ozone column concentration in Xinjiang based on OMI data[J]. China Environmental Science, 2021, 41(4): 1498-1510.

    [12] 陈雪萍, 咸龙, 巨天珍, 等. 基于OMI的宁夏臭氧时空分布特征及影响因素研究[J]. 生态与农村环境学报, 2019, 35(2): 167-173.

    CHEN X P, XIAN L, JU T Z, et al. Study of spatial and temporal distribution of ozone and its influencing factors in Ningxia based on OMI[J]. Journal of Ecology and Rural Environment, 2019, 35(2): 167-173.

    [13] 黄小刚, 赵景波, 曹军骥, 等. 中国城市O3浓度时空变化特征及驱动因素[J]. 环境科学, 2019, 40(3): 1120-1131.

    HUANG X G, ZHAO J B, CAO J J, et al. Spatial-temporal variation of ozone concentration and its driving factors in China[J]. Environmental Science, 2019, 40(3): 1120-1131.

    [14] 王梦珂, 曹乐, 徐力强, 等. 河南省PM2.5-O3双高复合污染的特征及影响因素[J/OL]. 环境科学, (2024-05-31)[2024-12-09]. https://doi.org/10.13227/j.hjkx.202402090.

    WANG M K, CAO L, XU L Q, et al. Characteristics and influencing factors of PM2.5-O3 composite pollution in Henan Province[J/OL]. Environmental Science, (2024-05-31)[2024-12-09]. https://doi.org/10.13227/j.hjkx.202402090.

    [15] 职露, 胡涛, 邹滨, 等. 河南省植被NPP时空分异及其驱动因子[J]. 自然资源遥感, 2023, 35(4): 169-177.

    ZHI L, HU T, ZOU B, et al. Spatio-temporal differention of vegetation net primary production in Henan Province as well as its driving factors[J]. Remote Sensing for Natural Resources, 2023, 35(4): 169-177.

    [16] 河南省统计局. 河南省人口概况[EB/OL]. (2024-04-02)[2024-12-09]. https://www.henan.gov.cn/2024/04-02/2972793.html.
    [17] 国家统计局. 中国统计年鉴(2024)[M]. 北京: 中国统计出版社, 2024.
    [18] 徐倩倩, 戴睿, 邓学良, 等. 合肥市O3浓度时空分布及典型污染过程潜在源分析[J]. 环境科学学报, 2024, 44(4): 215-226.

    XU Q Q, DAI R, DENG X L, et al. Temporal and spatial distribution of O3 concentration and potential source areas of typical pollution processes in Hefei[J]. Acta Scientiae Circumstantiae, 2024, 44(4): 215-226.

    [19]

    NAWAZ H, TARIQ S, HAQ Z U, et al. Identifying the natural and anthropogenic drivers of absorbing aerosols using OMI data and HYSPLIT model over South Asia[J]. Air Quality, Atmosphere & Health, 2023, 16: 2553-2577. doi: 10.1007/s11869-023-01423-z

图(19)
计量
  • 文章访问数:  4
  • HTML全文浏览量:  1
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-05-03
  • 刊出日期:  2024-12-24

目录

/

返回文章
返回