气候变化对中国夏季臭氧影响_胡安琪.pdf

Eco-EnvironmentalKnowledge Web环 境 科 学Environmental Science第44卷第4期 2023年4月Vol44，No4 Apr，2023气候变化对中国夏季臭氧影响胡安琪1，谢晓栋1，龚康佳1，侯宇晖2，胡建林1*(1 南京信息工程大学环境科学与工程学院，江苏省大气环境监测与污染控制高技术研究重点实验室，大气环境与装备技术协同创新中心，南京210044;2 桐乡市气象局，嘉兴314000)摘要:气象条件对近地层臭氧(O3)的生成有重要影响 为了探讨未来气候变化如何影响中国不同地区的 O3浓度，本研究将全球耦合模式比较计划 CMIP5 提供的 CESM 地球系统模式的气候预测数据作为 WF 区域气象模式的初始边界条件，降尺度模拟了 3 种代表情景(CP4.5、CP6.0 和 CP8.5)下的未来 2046 2055 年夏季气候变化情况，并驱动 CMAQ 区域空气质量模式模拟气候变化对 O3的影响 结果表明，气候变化使中国夏季边界层高度、温度均值和高温天数增加，相对湿度有所降低，近地面风速无明显变化 在气象要素的共同影响下，O3浓度在京津冀、四川和华南等地区呈现增加趋势，O3每日最大 8 h 滑动平均(MDA8)极值在不同情景下增幅为:CP8.5(0.7 g m3)CP6.0(0.3 g m3)CP4.5(0.2 g m3)夏季MDA8 超标日变化与高温天数变化有较为相似的分布，MDA8 超标的发生与高温天气有密切关联 气候变暖背景下高温日数增加导致 O3极端污染事件增加，未来中国夏季 O3持续污染的可能性增加关键词:气候变化;浓度路径(CP);温度;臭氧(O3);区域差异中图分类号:X515文献标识码:A文章编号:0250-3301(2023)04-1801-10DOI:1013227/j hjkx202203085收稿日期:2022-03-09;修订日期:2022-07-05作者简介:胡安琪(1995 )，女，硕士，主要研究方向为气候变化与大气污染，E-mail:20191212002 nuist edu cn*通信作者，E-mail:jianlinhu nuist edu cnImpact of Climate Change on Summer Ozone in ChinaHU An-qi1，XIE Xiao-dong1，GONG Kang-jia1，HOU Yu-hui2，HU Jian-lin1*(1 Collaborative Innovation Center of Atmospheric Environment and Equipment Technology，Jiangsu Key Laboratory of Atmospheric Environment Monitoring and PollutionControl，School of Environmental Science and Engineering，Nanjing University of Information Science Technology，Nanjing 210044，China;2 Tongxiang MeteorologicalBureau，Jiaxing 314000，China)Abstract:Meteorological conditions have important impacts on surface ozone(O3)formation To evaluate the influence of future climate change on O3concentrations indifferent regions of China，this study employed the climate data from the community earth system model provided by the CMIP5 under the CP4.5，CP6.0，and CP8.5scenarios to generate the initial and boundary conditions for the WF model Then，the dynamic downscaling WF results were fed into a CMAQ model as meteorological fieldswith fixed emission data Two 10-year periods(2006-2015 and 2046-2055)were selected in this study to discuss the impacts of climate change on O3 The results showedthat climate change increased boundary layer height，mean temperature，and heatwave days in China during summer elative humidity decreased and wind speed near thesurface showed no obvious change in the future O3concentration showed an increasing trend in Beijing-Tianjin-Hebei，Sichuan Basin，and South China The extreme valueof O3maximum daily 8-hour moving average(MDA8)showed an increasing trend，following the order of CP8.5(0.7 g m3)CP6.0(0.3 g m3)CP4.5(0.2 g m3)The number of days exceeding the standard for summer O3had a similar spatial distribution with the heatwave days in China The increase in heatwave daysled to the increase in O3extreme pollution events，and the possibility of a long-lasting O3pollution event will increase in China in the futureKey words:climate change;representative concentration pathway(CP);temperature;ozone(O3);regional differences随着中国大范围的城市化和经济的快速增长，工业和人口密度较大的东部地区面临严重的空气污染问 题1 3 近 地 层 的 臭 氧(O3)和 细 颗 粒 物(PM2.5)是目前中国东部地区的主要大气污染物，对大气环境、生态系统和人体健康都造成严重影响4，5 自 2013 年 9 月实行 大气污染防治行动 以来，中国的 PM2.5污染得到了明显改善，但近地层 O3污染却呈逐渐严重趋势6，7 在低纬度地区的部分城市，O3已经成为对人类活动影响最大的污染物之一8 10 近地层 O3是前体物氮氧化物(NOx)和挥发性有机物(VOCs)经一系列大气光化学反应生成的产物 气象条件，如温度(T)、相对湿度(H)、行星边界层高度(PBLH)和风速(WS)等气象条件对 O3的生成有重要影响6，11 13 王玫等14 基于2014 2017年京津冀 13 座城市的 O3浓度数据，发现夏季和秋季温度是影响 O3浓度变化的主要因素 针对夏季的高 O3浓度污染事件，Ma 等15 运用三维区域大气模式 WF(weather research and forecasting model)和CMAQ(community multi-scale air quality model)分析了气象要素与 O3浓度间的关系，发现高温对高 O3浓度污染事件具有推动作用 刘妍妍等16 基于观测数据对 2015 2020 年期间湖南省 14 个地级市 O3污染浓度的时空演化特征进行了分析，发现气象对O3浓度的上升起促进作用，其平均影响的程度达到了 1 g (m3 a)1气候变化将导致未来平均温度升高，但是温度环境科学44 卷的变化在区域上呈现很大的差异性17 19 未来气候变化对不同地区 O3的影响是气象条件变化与排放特征共同作用的结果20 22 有研究发现，气候变化导致近地层温度变化，而温度变化间接通过影响边界层高度等改变低层 O3浓度23，24 政府间气候变化专门委员会(IPCC)基于更完善且分辨率较高的CMIP5(coupled model inter comparison project phase5)结果提出 4 个温室气体浓度情景，按低至高浓度排列分别为 CP2.6(低)、CP4.5(中低)、CP6.0(中高)和 CP8.5(高)其中 CP 表示浓度路径(representative concentration pathway)，数字后缀表示 2100 年相比于 1750 年的辐射强迫25 通过模拟CMIP5 不同路径情景下的 O3浓度变化，Sun 等26 的研究发现，在 CP8.5 路径下未来美国东部的 O3浓度将降低，西部的 O3浓度增加 Hou 等27 基于CP8.5 路径模拟后发现 2100 年高温热浪导致的高O3污染事件比 2001 年增加了约 25%Yahya 等28 经过对比后发现，CP8.5 路径下美国大部分地区O3浓度上升，而 CP4.5 路径下 O3浓度降低 Zhang等29 进一步研究发现 CP8.5 路径下因热浪，静稳大气以及两者的综合情景导致 2046 2066 年美国出现高 O3污染的天数较 2001 2010 年平均多约16、0.5 和 5 d全球气候模式(GCM)已经被广泛应用于气候变化的研究和预测中 但是全球气候模型空间分辨率粗糙，无法很好地预测区域天气特征，不适合用于高分辨率的区域气候、空气质量和健康影响研究30 因此降尺度模拟被应用到区域气候变化及空气质量影响的研究中31，32 王莹等19 利用 CMIP5模式的结果作为侧边界数据驱动 WF 模式得到降尺度结果，然后与历史时期(1996 2005 年)的气温观测数据相比，发现在空间分布上有较高的吻合度，证实了降尺度方案可以为未来区域气温变化的预估提供较为可靠的数据 本研究使用 CMIP5 提供的CESM(community earth system model)模式的预测结果为 WF 模式提供初始边界条件，降尺度模拟了2006 2015 和不同 CP 情景下 2046 2055 年的气象条件，再用得到的气候数据驱动区域空气质量模型 CMAQ，分析了不同情景下 O3浓度变化情况 本研究结果将帮助人们更好地理解并预测未来气候变化对中国 O3污染的影响，以期为在气候变化情景下持续改善 O3污染提供参考1材料与方法1.1数据介绍本研究使用 CMIP5 中的 CESM 版本 1 生成的全局偏差校正数据，数据来源于网站(https:/rdaucar edu/datasets/)该数据中所有变量都有 26 层，时间分辨率为 6 h，且提供历史(1951 2005 年)和未来(2006 2100 年)的 4 种典型浓度路径情景(CP2.6、CP4.5、CP6.0 和 CP8.5)该数据已经根据 Bruyre 等33 的方法使用欧洲中期天气预报中心(European Centre for Medium-range WeatherFrecasts，ECMWF)1981 2005 年中期再分析资料(EA-Interim)进行偏差校正 由于 CESM 模型错误导致数据损坏，CP2.6 中没有偏差修正数据 因此，本研究选择 3 个排放情景(CP4.5、CP6.0 和CP8.5)进行未来(2046 2055 年)的气候降尺度模拟，利用 2006 2015 年进行过去的模拟作为Basecase 进行未来气候变化的参照 具体情景设置及时间范围设定见表 1表 1情景设置以及时间范围设定Table 1Scenario settings and time range settings情景年份气象初始场设置1)Basecase2006 2015CP6.0 模拟结果CP4.52046 2055CP4.5 情景结果CP6.02046 2055CP6.0 情景结果CP8.52046 2055CP8.5 情景结果1)基于 CMIP5-CESM 模式1.2模型设置使用 CESM 粗分辨(0.937 5 1.25)的模拟结果驱动 WF v3.8 进行降尺度模拟，从而得到的全国 2006 2015 年和 2046 2055 年的气象数据WF 模拟区域覆盖整个东亚，空间分辨率为 36 km36 km，时间分辨率为 1 h 模拟区域见图 1 WF模型在垂直方向上设置了 44 层，其中 1 km 以下设置 18 层以便更好地描述大气边界层结构，具体WF 模型气象参数的配置信息如表 2 所示34 空气质量的模拟采用 CMAQ 空气质量模型 CMAQ 模拟区域与 WF 模拟区域一致 气相化学反应机制为 SAPC07，气溶胶机制为 AEO6 为了研究气候变化对大气污染物的影响，模拟中固定排放不变，选择 2015 年的排放作为排放输入数据，进行 2006 2015 年和 2046 2055 年的模拟 人为排放清单来自清华大学开发的中国多尺度排放清单模型MEICv1.3 网 格 化 的 2015 年 数 据(http:/wwwmeicmodel org)，水平分辨率为 0.25 0 2535 生物源排放数据使用 MEGANv2.1 模拟结果36，其中叶面积指数数据来自 MODIS 卫星资料，植被功能类型数据来自通用陆面模型 CLM 3.0 生物质燃烧排放清单来自 NCA 的 FINN 数据37 中国地域辽阔，不同地区气候类型也有所不同20814 期胡安琪等:气候变化对中国夏季臭氧影响表 2WF 模型参数化方案选择1)Table 2Parameterization scheme of WF物理过程参数对应方案微物理参数化方案mp_physics=8新 Thompson 方案长波辐射方案ra_lw_physics=1TM 方案短波辐射方案ra_sw_physics=2Goddard 短波方案近地面层方案sf_sfclay_physics=1Monin-Obukhov 相似理论陆面过程方案sf_surface_physics=2MM5 陆面模式边界层参数化方案bl_pbl_physics=1YSU 边界层方案积云对流参数化方案cu_physics=3Grell-Devenyi 集合方案城市冠层模式sf_urban_surface=0关闭为了更好地探讨中国范围内不同地区的气候变化，本研究把中国分为 7 个不同区域(图 1)，分别为华东(E)、华北(N)、华中(C)、华南(S)、西南(SW)、西北(NW)和东北(NE)图 1模拟区域和分区设置Fig 1Simulation area and partition settings1.3模型模拟验证方法对模型模拟结果的评估是验证模型模拟数据可用性的重要步骤 WF 模拟结果使用欧洲中心再分析数据(EA5)进行数据验证，该数据是从网站(https:/cds climate copernicus eu/cdsapp#!/dataset/)上获取 逐小时 O3观测数据从国家环境监测中心空气质量发布网站(http:/113 108 142147:20035/emcpublish/)上获得 本研究使用美国环保署推荐的统计参数和标准34，计算了观测值和模拟值的标准平均偏差(NMB)和标准平均误差(NME)以及相关系数()，来定量评估模拟结果与观测值的吻合程度，相应公式如下所示NMB=(Pj Oj)Oj 100(1)NME=Pj OjOj 100(2)=(Pj?P)(Oj?O)(Pj?P)2(Oj?O)2(3)式中，Pj表示时间序列中的模拟值，Oj表示对应的观测值2结果与讨论2.1模型验证本研究选取了对 O3的生成有重要影响的气象因子:PBLH、10 m 高度风速(WS10)、H 和 2 m 高度温 度(T2)进 行 分 析 图 2 显 示 了 本 研 究 的Basecase 情景的 T2模拟结果和 EA5 再分析数据的空间分布，可以看到二者空间分布相似，可以认为降尺度模拟结果能够较好地模拟这些气象要素的空间特征38 表 3 给出了具体的统计参数，可以看出，T2和 H 的结果与 EA5 数据结果较为一致，PBLH(EA5:631.94 m，WF:737.51 m)和 WS10(EA5:3.59 m s1，WF:4.32 m s1)有所高估，但这 4 个气象因子整体来看都符合正常范围内，可以认为本研究针对以上气象因子的模拟结果具有较高的可用性 对于 O3的模拟，美国环保署推荐的模式性能标准值为 NMB 小于 0.3，NME 小于 0.5，大于0.434 图 3(a)和图 3(b)显示了本次 CMAQ 模拟结果较好地再现了 2013 2015 年 O3每日最大 8 h滑动平均(MDA8)的时空分布，而且统计参数也满足模式性能标准值，为接下来的探究提供了可靠性表 3相关统计参数1)Table 3elevant statistical parameters气象因子MoMpBiasMENMBNMEMSELoAT2/22.3722.930.561.140.000.001.450.980.99PBLH/m631.94737.51105.56188.960.170.30227.980.770.82WS10/m s13.594.320.741.020.210.281.240.860.86H/%69.970.70.765.30.010.086.70.950.971)Mo 表示 EA5 数据均值，Mp 表示 WF 模拟均值，Bias 表示平均偏差，ME 表示总误差，NMB 表示标准平均偏差，NME 表示标准平均误差，MSE 表示均方根误差，表示相关系数(无单位)，LoA 表示一致性指数(无单位)2.2气候变化对气象条件的影响降尺度模拟提供了更高分辨率的气候模拟结果39，40 图 4 显示的是中国 2046 2055 年相对2006 2015 年夏季 PBLH、WS10、H 和温度均值(Tmean)的时空变化 Basecase 情景的各区域气象具体数值见表 4 在 CP8.5 与 CP4.5 情景下京冀地区出现了全国最明显的显著增加趋势;而 CP6.0情景下东北地区以及 CP8.5 和 CP4.5 情景下3081环境科学44 卷(a1)(d1)分别为 T2、PBLH、WS10和 H 的模拟值，(a2)(d2)分别为 T2、PBLH、WS10和 H 的 EA5 再分析数据图 2Basecase 的气象模拟值与 EA5 再分析数据对比Fig 2Basecase meteorological simulation values compared with EA5 reanalysis data图 3Basecase 的 MDA8 模拟值和监测数据对比Fig 3Comparison of MDA8 simulated values and monitoring data of Basecase四川盆地和西藏地区均出现显著降低趋势，这可能是 Basecase 情景下对西藏和东北地区 PBLH 的高估所导致的 在 3 种情景下变化趋势较为一致的是华南地区与华中南部地区，均出现显著增加趋势，但鉴于 Basecase 情景下整体对 PBLH 的高估，因此实际增长幅度可能比预测略低 3 种 CP40814 期胡安琪等:气候变化对中国夏季臭氧影响情景下夏季 WS10的最大值、最小值和均值几乎一致 相比于冬季，夏季各地区 WS10的差异较小，只在西北地区吐鲁番盆地-阿拉善高原一带出现WS10较大的区域 CP4.5 情景下各地区的变化幅度都较小，CP6.0、CP8.5 情景下在南方的两广丘陵与东南丘陵地区 WS10均有升高趋势，此外CP8.5 情景下华北大部分地区 WS10也有显著升高 在未来中国夏季，H 表现出大范围的降低趋势，整个中国平均降低幅度为:CP8.5(1.0%)CP6.0(0.5%)CP4.5(0.3%)，空间上呈现华中、华北和华南沿海等地区降低，西北、西南和东北略有增加 所有情景都对未来夏季 T2做出了全国大范围上升的预测，其中 CP8.5 的上升幅度最大，整体上升了 1.7，综合来看长江以北地区的升温幅度要高于南方地区，中低纬度内陆地区的升温幅度要高于沿海地区41，42 略有不同的是CP6.0 情景，预测的各地区夏季的升温情况差异较小(a1)(a3)表示 PBLH;(b1)(b3)表示 WS10;(c1)(c3)表示 H，(d1)(d3)表示 Tmean(a1)、(b1)、(c1)和(d1)表示 CP4.5-Basecase，(a2)、(b2)、(c2)和(d2)表示 CP6.0-Basecase，(a3)、(b3)、(c3)和(d3)表示 CP8.5-Basecase图 4PBLH、WS10、H 和 Tmean的时空变化分布Fig 4Spatiotemporal variation in PBLH，WS10，H，and Tmean表 4Basecase 情景下不同区域气象分布Table 4Meteorological distribution in different regions under Basecase气象因子不同区域ENCSSWNWNEPBLH/m704.71 047.9740.1632.4724.91 025.7725.7WS10/m s13.34.03.23.23.63.93.7H/%76.852.475.184.775.443.474.1T2/27.323.127.327.513.518.421.45081环境科学44 卷为了更好地探究不同区域的气象条件变化，图5 给出了中国夏季的区域气候变化及显著性分布情况 夏季 PBLH 降低的区域主要为 NE，3 种情景均呈现不同程度的下降(10.54、15.12、0.33m)，其中，CP6.0 整体来看，不同地区增加幅度大于降低幅度，E 的增加幅度最大，并在 CP4.5 情景下通过显著性检验(置信度为 0.95)CP6.0 情景下 S 的 WS10有显著增加，且增加幅度最大，各地区的 WS10的变化幅度与差异同样不明显 大部分地区H 呈降低趋势，但是降低幅度较小，值得注意的是CP8.5 情景下 C 呈显著降低趋势(置信度为0.95)除 CP4.5 情景下的 S 外，各情景下全国各地区夏季 T2均出现显著性升高，除了 CP4.5 情景下的 S，其他地区置信度都为 0.99，且夏季 T2的升高幅度与冬季相比更大，相同情景下 N、NE、NW 这些北方地区增幅更大1 CP4.5，2 CP6.0，3 CP8.5图 5夏季区域气候变化和显著性分布Fig 5egional climate change in summer and its significance distribution根据中国气象学的定义，将日最高温度达到或超过 35定义为高温天，并统计了不同情景下不同区域的 10 a 总高温天的变化 如图 6 所示，中国各个分区的高温天数都有所增加，但气候变化对不同CP 情景和不同分区的影响有所不同43，44:除了 S、SW，其他分区的变化呈现 CP8.5 CP4.5 CP6.0 的 规 律，这 与 温 度 的 平 均 变 化 也 呈 现CP8.5(1.7)CP4.5(1.1)CP6.0(0.8)有关 未来中国 C 和 E 地区夏季的高温天数平均每年增加 5 13 d，N、S 和 NW 的平均每年增加 3 8 d图 6不同情景下不同区域的高温天变化Fig 6Daily distribution of high temperature underdifferent scenarios in different regions2.3气候变化对 O3的影响图 7(a1)显示了 MDA8 高值主要分布在中国北方45，46 MDA8 的变化分布表明了在 CP4.5 情景下，中国华北地区部分城市呈现增长趋势，京津冀增长幅度最大(5.8 g m3)，其他地区主要呈现降低趋势，整个中国区域平均变化值为 0.7 g m3;CP6.0 情景下中国东北、华中和西南部分地区略有增加，其他地区呈现降低趋势;在 CP8.5 情景下，东北和华南部分地区呈现增加趋势，整个中国区域平均变化值为 1.0 g m3，是降低幅度最大的情景 虽然所有情景下中国所有地区温度升高，但MDA8 均值并不是都呈现上升趋势 相反，从中国区域变化均值来看，虽然部分地区呈现增加趋势，最高能增加 3.1 5.8 g m3，但是未来夏季 O3浓度总体呈 现 下 降 趋 势，下 降 幅 度 为 0.6 1.0g m3MDA8 极值是使用 MDA8 浓度的 95%分位计算得到的 与之不同的是，MDA8 极值整体呈现增加趋势，整个中国变化均值为 0.2 0.7 g m3，不同情景 下 变 化 幅 度 为:CP8.5(0.7 g m3)CP6.0(0.3 g m3)CP4.5(0.2 g m3)变化的空间分布与 MDA8 均值相似，但是呈现增加趋势地区的增加幅度要大于 MDA8 均值，因此导致整个区域变化均值为正 值得注意的是在 CP8.5 和CP4.5 情景下，京津冀和华南沿海地区有较大的增加幅度，最大能达到 14.5 22.83 g m3 由于固定了排放，因此只探讨了气象条件通过影响污染物传输和化学转化途径引起的 O3浓度变化 需要注意的是，气候变化也会引起排放的变化 有研究发现温度的升高会造成更多的天然源排放，从而对 O3有促进作用47，48 因此气候变化对 O3的实际影响可60814 期胡安琪等:气候变化对中国夏季臭氧影响(a1)(a4)表示 MDA8 均值，(b1)(b4)表示 MDA8 极值;(a1)和(b1)表示 Basecase，(a2)和(b2)表示 CP4.5-Basecase，(a3)和(b3)表示 CP6.0-Basecase，(a4)和(b4)表示 CP8.5-Basecase图 7MDA8 日均值和极值的空间分布及变化Fig 7Spatiotemporal variation and changes in MDA8 daily mean and extreme values能超过本研究中的结果根据中国于 2016 年 1 月 1 日起实施的空气质量标准49，MDA8 的二级浓度限值为 160 g m3因此在本研究中将 MDA8 值大于 160 g m3的天定义为超标日 并统计不同区域的 10 a 总超标日变化，结果见图 8 从中可知，中国各个分区的超标天几乎都有所增加或无明显变化，但不同 CP 情景和不同分布的变化有所不同:除了 SW 和 NE 地区，其他分区的变化幅度都呈现 CP4.5 和 CP8.5 相当，但明显大于 CP6.0 的规律;在 CP4.5 和 CP8.5情景下的未来夏季，E、N 和 C 这些地区 MDA8 超标日增加幅度较大，平均每年增加0.6 0.8 d，结合图5，可以发现未来中国夏季 O3超标日与中国夏季的高温天变化有较为相似的分布，因此高温天可能是导致 MDA8 超标的因素之一 此外，未来要重点关注 E、N 和 C 地区高温天气下可能出现的 MDA8 超标情况统计中国范围内所有格点 MDA8 连续超标天数发生频率(图 9)，以便于同时探究不同情景的分布 如图 9 所示，以 10 a 为尺度，未来可发生连续 20d 以上的 MDA8 超标事件，其中主要可能发生在CP4.5 和 CP8.5 情景 3 个 CP 情景的 MDA8 连续超标天数发生频率几乎一直保持大于 Basecase 情景，而且随着 MDA8 连续超标天数的增加，这种趋势更加明显 当发生 MDA8 连续超标天数在 8 d 以内时，3 个 CP 情景呈现如下规律:CP4.5 和CP8.5 情景发生频率更大，CP6.0 次之;当发生MDA8 连续超标天数在 9 12 d 以内时，CP4.5 情7081环境科学44 卷图 8不同情景下不同区域 MDA8 超标日变化Fig 8Daily variation in MDA8 exceeding the standardin different regions under different scenarios景发生的频率最大，CP6.0 情景最小;当发生MDA8 连续超标天数在大于 13 d 时虽然有一些波动，但整体是 CP8.5 情景发生的频率最大 因此，可以认为在 2046 2055 年由于高温天数的变化导致中国夏季发生更加极端的 MDA8 连续超标事件，其中 CP8.5 情景最严重，CP4.5 情景次之图 9不同情景 MDA8 连续超标天数发生频率占比Fig 9Frequency proportion of consecutive days exceedingthe MDA8 standard in different scenarios3结论(1)气候变化使中国夏季温度均值和高温天数增加 C 和 E 地区夏季高温天数每年平均增加 5 13 d，N、S 和 NW 地区的每年平均增加 3 8 d，CP8.5 情景增温幅度最大 边界层高度增加，相对湿度有所降低，近地面风速无明显变化(2)在气候变暖背景下，O3均值和 MDA8 均值整体呈现降低趋势，只在京津冀、四川和华南部分地区呈现增加趋势，但 MDA8 极值呈现增加趋势，在京津冀、内蒙古和四川等地区增幅较大(3)夏季 MDA8 超标日变化与高温天数变化有较为相似的分布，MDA8 超标的发生与高温天气有密切关联(4)未来中国夏季可能会发生更多持续时间更久的 MDA8 连续超标事件，其中 CP8.5 情景最严重，CP4.5 情景次之参考文献:1丁一汇，柳艳菊 近 50 年我国雾和霾的长期变化特征及其与大气湿度的关系 J 中国科学:地球科学，2014，44(1):37-48Ding Y H，Liu Y J Analysis of long-term variations of fog andhaze in China in recent 50 years and their relations withatmospheric humidity J Science China Earth Sciences，2014，57(1):36-462符传博，丹利 重污染下我国中东部地区 1960 2010 年霾日数的时空变化特征J 气候与环境研究，2014，19(2):219-226Fu C B，Dan L Spatiotemporal characteristics of haze days underheavy pollution over central and eastern China during 1960-2010J Climatic and Environmental esearch，2014，19(2):219-2263Wang P F，Guo H，Hu J L，et al esponses of PM2 5and O3concentrations to changes of meteorology and emissions in ChinaJ Science of the Total Environment，2019，662:297-3064李云燕，葛畅 我国三大区域 PM2 5源解析研究进展J 现代化工，2017，37(4):1-5，7Li Y Y，Ge C esearch progress of PM2 5source analysis inthree main regions of ChinaJ Modern Chemical Industry，2017，37(4):1-5，75Liu T，Wang C L，Wang Y Y，et al Impacts of model resolutionon predictions of air quality and associated health exposure inNanjing，China J Chemosphere，2020，249，doi:10 1016/jchemosphere 20201265156Shi Z H，Huang L，Li J Y，et al Sensitivity analysis of thesurface ozone and fine particulate matter tometeorologicalparameters in ChinaJ Atmospheric Chemistry and Physics，2020，20(21):13455-134667姜华，常宏咪 我国臭氧污染形势分析及成因初探J 环境科学研究，2021，34(7):1576-1582Jiang H，Chang H MAnalysis of China s ozone pollutionsituation，preliminary investigation of causes and prevention andcontrolrecommendations JesearchofEnvironmentalSciences，2021，34(7):1576-15828邓爱萍，陆维青，杨雪 2013 年-2017 年江苏省环境空气中首要污染物变化分析研究J 环境科学与管理，2017，42(12):19-22Deng A P，Lu W Q，Yang X Analysis on change of primarypollutant in ambient air of Jiangsu Province during 2013 and 2017J Environmental Science and Management，2017，42(12):19-229沈劲，杨土士，晏平仲，等 广东省臭氧污染特征及其成因分析 J 环境科学与技术，2020，43(12):90-95Shen J，Yang T S，Yan P Z，et al Characteristics and causes ofozone pollution in Guangdong Province JEnvironmentalScience Technology，2020，43(12):90-95 10asmussen D J，Hu J L，Mahmud A，et al The ozone-climatepenalty:past，present，and futureJ Environmental Science Technology，2013，47(24):14258-14266 11Liu P F，Song H Q，Wang T H，et al Effects of meteorological80814 期胡安琪等:气候变化对中国夏季臭氧影响conditions and anthropogenic precursors on ground-level ozoneconcentrations in Chinese citiesJ Environmental Pollution，2020，262，doi:10 1016/j envpol 2020 114366 12Yin Z C，Li