吉林省2015～2017 年臭氧污染特征及成因分析

楊成江，張萌鐸，王曉紅，于 洋，陳學偉，陳衛衛，鮑秋陽

（1. 吉林省生態環境監測中心，吉林 長春 130012；2. 中國科學院東北地理與農業生態研究所濕地生態與環境重點實驗室，吉林 長春 130102；3. 中國科學院大學，北京 100049；4. 吉林省生態環境局昌邑區分局，吉林 吉林 132000；5. 吉林省環境科學研究院，吉林 長春 130012）

臭氧（O3）是大氣中重要組成部分，主要集中在平流層中，能強烈吸收太陽短波輻射，阻擋高能量的紫外輻射到達地面而維護地球的生態平衡[1]。然而作為一種強氧化劑，對流層中高濃度O3不僅會改變大氣氧化性，影響大氣化學反應過程，同時還破壞地氣系統的輻射平衡，危害生態系統生產力和人體健康[2?3]。自“氣十條”等大氣污染防控政策實施以來，我國大氣灰霾治理取得明顯成效，但O3超標卻日趨凸顯，已成為我國京津冀、長三角和珠三角等地區最主要的大氣環境問題[4?5]。在這些地區，圍繞O3污染時空分布、數值模擬、污染輸送和潛源識別等方面開展了大量的研究[6?9]，取得了豐富的成果。一些學者還對重點地區典型月份O3污染的形成機制、垂直變化特征和污染敏感性進行探究，并 對O3的 本 地 防 控 提 出 了 政 策 建 議[10?13]。已有O3污染研究主要集中在上述重點管控區域，而對地處邊緣但重工業較為集中地區的研究相對匱乏。

作為中國著名的老工業基地之一，落后的生產工藝和不平衡的產業結構使得東北地區長期受到嚴重大氣污染問題的困擾[14]，尤其是近年來，灰霾天氣明顯增加，大氣O3濃度持續上升等環境問題日益凸顯[15]。目前，東北地區大氣污染的研究主要集中在探究典型霾事件空氣質量特征，識別主要污染源及其排放貢獻，模擬霾發生過程及污染濃度空間分布，明晰污染傳輸軌跡及潛在源區[16?19]。然而，關于O3污染，尤其是基于區域尺度長時間序列的研究工作尚處于起步階段，因此有必要在東北進一步開展相關研究。

本研究基于2015～2017 年吉林省32 個國控空氣質量監測站點（簡稱“國控站點”）O3監測數據及配套的氣象觀測數據，對該省大氣O3污染的變化特征、時空分布和來源傳輸等開展研究，重點分析O3污染與氣象因子(如風向、風速等) 的關系，確定誘發吉林省O3污染的主要氣象要素。利用主成分分析方法(PCA)定性分析外來傳輸對吉林省各城市O3濃度的影響，并對各時期O3濃度超標進行原因分析。本研究將為該地區O3污染治理和區域聯防聯控提供科學依據。

1 數據與方法

1.1 研究區概況與數據來源

吉林省是中國重要的工業基地和農業強省。近年來，隨著機動車保有量、煤炭消耗量和工業產量的增加，導致吉林省既有傳統的煤煙型污染和城市揚塵污染，又有日益增加的機動車尾氣和揮發性有機物排放造成的光化學污染。

本研究使用的O3MDA8 濃度數據和小時氣象數據均來自2015～2017 年吉林省9 城市32 個國控站點觀測數據，其監測點位分布，見圖1。其中吉林甩灣子站點為長春市對照點。該地區國控站點多使用Model 49i 型O3分析儀對大氣O3濃度進行逐小時監測。

圖1 吉林省9 地市32 個國控監測點位分布

1.2 主成分分析

主成分分析(principal component analysis， PCA)是利用數據降維的思想，在損失較少數據信息的前提下，將原始相互關聯的變量轉化為獨立的不相關變量或由主成分組成的新變量，從而利用新變量在更小的維度下展示數據的特征[20]。已有研究表明[21]，PCA 在不同的空間尺度下可以解析出行為模式不同的O3生成及傳輸來源主成分，且在較大的空間尺度下可以解析出區域背景O3濃度。

1.3 數據分析

通過繪制污染物濃度與時間的變化趨勢的污染物風玫瑰圖，確定研究期間O3污染的時間特征；利用PCA 方法對吉林省O3污染傳輸進行判斷進而識別區域O3污染來源。O3時間變化分析使用SigmaPlot 14.0(SPSS Inc., Chicago，IL, USA)完成，污染物風玫瑰圖使用R3.6.2(R Development Core Team, 2009)中的Openair 包繪制，PCA 使用SPSS 26.0 完成，其余數據處理繪圖均使用ArcGIS 10.4.1(Esri, RedLands, CA, USA)軟件進行。

2 結果與討論

2.1 吉林省O3 污染時間變化特征

吉林省2015～2017 年O3MDA8 濃度范圍分別為：8～252、11～261 和9～272 μg/m3。年均O3濃度總體呈上升趨勢，其中四平市、遼源市、松原市和延邊州明顯升高，增幅均在10% 以上，長春市、吉林市、白山市和白城市增幅在2%～8%之間。只有通化市的O3年均濃度呈微弱下降趨勢，降幅為2.64% ，見表1。

表1 吉林省2015～2017 a 9 城市O3 年均濃度變化 μg·m?3

2015～2017 年吉林省9 個城市O3MDA8 濃度具有相似的季節變化特征，呈夏季＞春季＞秋季＞冬季，見圖2。這一變化規律與O3的生成條件有關。近地面O3主要是由人類活動排放產生的揮發性有機物（VOCs）和氮氧化物（NOx）等在太陽光照射下經復雜的光化學反應產生的二次污染物。溫度越高、光照和太陽輻射越強，光化學反應越劇烈[22]。吉林省全年氣溫呈現單峰狀態，5 ～7 月溫度達到高峰(最高溫度可達30 ℃)，加之該地區位于中高緯度地區，春夏季節太陽輻射要明顯強于中國其他地區，導致O3濃度在夏春季較高，秋冬季較低。

圖2 2015～2017 年吉林省9 個城市各月O3MDA8 濃度變化

O3月濃度變化特征顯示，2015～2017 年吉林省9 城市5 ～8 月O3濃度值高，污染最嚴重，而11 月～次年2 月O3濃度相對較低。通化市、白山市、白城市和四平市全年O3濃度呈單峰分布，峰值在5 月和7 月，峰值濃度先升后降，總體略有升高。2015 年長春市O3濃度呈雙峰分布，峰值在6 月(188 μg/m3)和10 月(152 μg/m3)。與其他月份相比，盡管長春市2015 年7 和8 月的月均氣溫達到全年的最高值，但降水量增加明顯，分別為50.7 和103.9 mm，是 全 年 平 均 降 雨 量 的1.14 和2.35 倍，導致該時期大氣中生成的O3往往通過濕沉降而消亡。由于月降雨量明顯減少，9 月和10月O3濃度開始上升并第二次達到峰值。同時，9 和10 月為該地區一年一次的農業秸稈露天焚燒時期，由農業機械運轉排放的NOx和秸稈焚燒產生的VOCs 大量釋放到大氣中；氣象資料表明該時期平均風速僅為3～5 m/s，不利的污染擴散條件將導致大氣中的NOx和VOCs 的持續聚集與積累，進而為O3的生成提供了有利的條件。但由于大氣溫度的降低和光照強度的減弱，導致該時期O3峰值濃度要明顯弱于6 月，吉林市也呈現相似的變化規律。

2.2 吉林省采暖期與非采暖期O3 濃度變化特征

吉林省是中國最主要的采暖區域之一，冬季燃煤供暖將導致大量的PM、VOCS和NOx等污染物的排放。大量顆粒物和NOx的存在會影響大氣輻射收支平衡和氧化性強度，造成大氣O3濃度的變化[23?24]，因此，掌握采暖季和非采暖季O3濃度變化特征對本地污染管控十分重要。結果表明，在2015 ～2017 年非采暖期，長春市、四平市、通化市和松原市4 個城市O3濃度呈微弱下降趨勢，遼源市、白山市和延邊州為上升趨勢，白城市和吉林市基本保持穩定；在采暖期，9 個城市O3濃度值均呈逐年上升趨勢，最大增幅為26.0%。大氣中強氧化性物質(如OH 或HO2)與NOx、VOCS等污染物在光照條件下發生的光化學反應是形成大氣O3的主要途徑之一[25?27]。在采暖期，由于城市集中供暖、城郊家庭燃煤爐灶、農村室內秸稈和散煤燃燒等不同取暖過程將造成O3前體物大量釋放[28]。2015～2017 年間，全省供暖期間大氣降水呈現明顯的下降趨勢，這將不利于供暖期間各種污染物的消除，加重了大氣中VOCs 和NOx的聚集，加速了向O3轉化的過程，導致9 城市供暖期間O3濃度的逐年上升。吉林省2015～2017 年冬季供暖期間氣溫呈逐年微弱上升趨勢，同時隨著各地大氣管控政策的全面實施，該時期灰霾天氣發生頻率和強度明顯下降[29]，太陽輻射逐漸增強，這些環境因素都為O3前體物的轉化提供了有利的光化學反應條件，這可能是造成該地區供暖期間O3濃度逐年升高的主要原因。見圖3。

圖3 2015～2017 年吉林省9 城市采暖期與非采暖期O3 MDA8 濃度變化

2.3 O3 濃度空間分布特征及風速風向影響

2015～2017 年吉林全省O3污染面積明顯增大，O3濃度高值呈現出以“四平-長春-吉林”為中心的水平條帶上，逐步向周圍其他城市擴展和遞減，見圖4。這表明上述3 個城市是吉林省大氣O3污染最為嚴重的地區。遼源市和松原市O3污染增長趨勢明顯，O3MDA 8(90%)由117 μg/m3上升至144 μg/m3以上，增幅高于23%；通化市O3污染有所改善，其濃度由2015 年的138 μg/m3降至2017年的120 μg/m3；與全省其他城市相比，白城市和延邊州始終是O3濃度低值區。

圖4 2015～2017 年吉林省9 城市O3 MDA8 90%位數空間分布

不同城市間O3濃度高值發生時風速風向存在明顯差異，見圖5。2015 ～2016 年，長春市、吉林市和四平市高O3濃度主要集中在風速為2～4 m/s的西南和正南方向；遼源市、松原市和白山市集中在東南方向，風速為3～5 m/s；而通化市、白城市和延邊州等城市的高O3濃度往往在2～6 m/s 的正南風這一氣象條件下發生。2017 年，風速風向對吉林省9 城市高O3濃度分布影響較為相似，主要是由監測站點的正南風所引發，風速范圍在2～6 m/s 之間。城市間O3濃度高值區在不同風速風向的分布差異可能與監測站點周圍環境的污染排放及氣象條件有關。吉林省地區全年盛行東南風，圖5 可知，當風向為正南和東南風時，各城市監測點位高O3濃度(平均濃度＞90 μg/m3)發生頻率明顯大于其他風向，說明監測點位O3污染可能不僅源于本地排放，來自正南和東南方向的污染區域傳輸也會導致濃度升高，加重該地區污染程度。

圖5 不同城市O3 濃度高值區域與風向風速之間的關系

2.4 吉林省各城市O3 污染來源傳輸特征

2015～2017 年吉林省9 個城市O3超標時期主要集中在5～8 月，為了解O3污染發生過程中外來傳輸對吉林省的貢獻，采用SPSS 中PCA 統計分析工具對該時期9 個城市32 個站點O3MDA8 濃度進行主成分提取，得到4 個主成分，見表2。結果顯示，2015～2017 年吉林省4 個主成分總方差解釋度分別在62.81%～68.75%、10.28%～12.48%、4.57%～6.30%和3.60%～3.67%，累積總方差解釋度在85.27%～88.01%之間。本研究對每個站點前4 個主成分的載荷系數進行空間插值，分布結果見圖6。第一主成分(PC1)對32 個站點的空間載荷系數均為正值，即第一主成分系數在空間上對所有站點的貢獻呈空間分布統一性，這表明吉林省不同站點中PC1 所解釋的O3濃度具有同源性。

圖6 吉林省2015～2017 年5～7 月PCA 空間載荷系數空間分布

表2 吉林省2015～2017 年5～7 月O3 MDA8 濃度PCA 分析方差貢獻率 %

各站點每天的O3濃度可以通過主成分的方差貢獻率、標準差和因子得分反推計算，見式（1），同時對吉林省PC1 所解釋的O3濃度進行反推計算，見式（2）：

圖7 吉林省各地市2015～2017 年5～7 月第一主成分重構的O3MDA8 濃度變化

2015～2017 年吉林省9 個城市O3MDA 8 濃度超標天數排序為：吉林市(80 d)＞四平市(75 d)＞長春市(73 d)＞松原市(64 d)＞遼源市(54 d)＞白山市(36 d)＞通 化 市(29 d)＞白 城 市(24 d)＞延 邊 州(11 d)。9 城市O3MDA 8 濃度超標時間變化規律較一致，主要集中在5 月中旬至7 月上旬，這與較強的太陽輻射、較高的環境溫度和前體物濃度有關。吉林省9 個城市O3背景濃度與實測濃度變化趨勢保持高度一致，表明較高的背景濃度使得O3本地生成或外來輸送顯著時非常容易造成濃度超標的情況；同時在吉林省9 個城市的O3重污染時段內，各城市O3觀測濃度與吉林省背景濃度差值均呈明顯的峰值，這表明各城市O3污染同時還受本地排放和外來輸送的影響。根據各城市O3濃度與風速風向的關系得知（圖5），9 個城市O3濃度高值往往發生在風速為2～6 m/s 的正南和東南風，表現為空間傳輸上的一致性，這說明O3區域輸送對吉林省本地污染超標貢獻不可忽視，這種輸送可能來自位于上風向的遼寧省。

3 結論

2015～2017 年吉林省O3濃度整體呈逐年升高的趨勢。該區域O3污染主要分布在以“四平-長春-吉林”為中心的水平條帶上，并逐步向周圍其他城市擴展和遞減。 白城市和延邊州始終是O3濃度的低值區。在9 個城市中除通化市外，其他城市O3污染明顯增加，均呈現“夏春季高于秋冬季”的變化規律，5 ～7 月濃度達到高峰，這與污染源排放、大氣溫度、光照和太陽輻射有關。非采暖季大氣O3濃度要明顯高于采暖季，但采暖季濃度呈持續上升趨勢，這可能受冬季供暖、道路機動車排放和灰霾天氣有所改善的影響。除本地化學反應生成外，來自監測點位正南和東南方向的污染外來傳輸及局部的氣象因子影響也是造成本地O3濃度超標不可忽視的因素。

致謝：感謝吉林省生態環境監測中心空氣質量監測平臺為本研究提供的吉林省9 地市2015 ～2017 年實時O3MDA8 濃度數據和小時氣象數據；感謝中國科學院東北地理與農業生態研究所區域大氣環境研究課題組科研人員在數據處理過程中給予的幫助；感謝研究室同仁在臭氧主成分分析部分提供的技術支撐。