南京和北京气溶胶光学厚度与PM2.5质量浓度关系对比分析

利用南京与北京地区2014年5月1日—2019年10月31日的PM_2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料,对两地PM_2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论,结果表明：南京与北京均呈现PM_2.5浓度冬季显著高于夏季,AOD冬季小于夏季的特征;对比而言,北京PM_2.5月均浓度高于南京地区;南京与北京的PM_2.5浓度与AOD均为正相关关系,PM_2.5浓度与AOD间相关性存在显著的季节差异,主要表现为夏季相关性大于冬季相关性;两地AOD与PM_2.5浓度均为正相关关系,在同一AOD水平下,相对湿度越大,PM_2.5浓度越大,气溶胶吸湿增长易造成污染物积累;南京PM_2.5浓度与能见度的r为0.57,而北京的r为0.83,两地的PM_2.5浓度与能见度的冬季相关性较夏季好,在高相对湿度下,同一PM_2.5浓度水平时,南京能见度较北京好.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

两湖盆地冬季区域大气颗粒物污染特征及独特的风场和下垫面影响

为认识近年来长江流域中游两湖（湖南-湖北）盆地大气环境变化特征,本文利用两湖盆地2015~2019年冬季近地面PM_2.5和PM₁₀观测数据,结合风速、地形和植被指数等资料,探讨两湖盆地冬季大气颗粒物PM_2.5和PM₁₀的变化特征及其与风速、地形和下垫面的关联.结果表明：①两湖盆地2015~2019年冬季PM_2.5污染频发,其中两湖盆地西北部的襄阳和荆门的冬季平均分别多达62 d和61 d出现PM_2.5污染（PM_2.5>75 μg·m^-3）,襄阳重污染（PM_2.5>150 μg·m^-3）多达19 d,表明两湖盆地是长江流域中游地区一个区域性PM_2.5污染中心.②在空间上,两湖盆地污染呈现出西北重东南轻、城市群污染较重的特征,这主要与冬季风驱动的大气污染物的区域传输和两湖盆地城市地区的强排放有关.③近地面风速与PM_2.5和PM₁₀地面浓度变化呈现特殊的"U"型非线性关系,PM_2.5和PM₁₀浓度拐点值分别为153 μg·m^-3和210 μg·m^-3,揭示了两湖盆地局地大气颗粒物累积主导了轻/中度污染,大气污染物区域传输决定了重度污染的独特区域特征.④两湖盆地冬季PM_2.5和PM₁₀地面浓度与地形高度和植被指数均呈显著负相关,反映了两湖盆地地形和城市化下垫面变化的大气环境效应.     

中国城市PM2.5时空动态变化特征分析:2015-2017年

近年来我国雾霾事件频发.采用2015-2017年全国329个地级及以上城市PM_2.5浓度每小时监测数据,利用全域空间自相关法、自然正交函数和空间描述统计分析的方法,从时空视角来揭示PM_2.5浓度的时间动态变化规律以及空间分布特征.研究发现：①从全国范围内来看,PM_2.5浓度均值逐年降低,降幅最高为夏季,最低为冬季,PM_2.5浓度位于40~60 μg·m^-3之间的城市降幅较大.PM_2.5浓度年内表现为"冬高夏低,春秋居中"的时间动态变化规律,且各年PM_2.5浓度达优良率不断提高.②细颗粒物污染改善程度最大的为德州,京津冀城市群和长三角城市群改善程度居中.全国PM_2.5污染范围逐年缩小,但新疆西部和冀鲁豫仍为高污染区,西南和东南沿海地区为低污染区.各区域污染的空间集聚逐年缩小.优良达标率在空间分布特征上无显著变化.③"大气十条"部分指标已完成,未来细颗粒物污染治理重点区域仍以京津冀地区为核心.在防治空气污染方面,必须加强区域联防联控机制.     

基于空间尺度效应的山东省PM2.5浓度时空变化及空间分异地理探测

基于PM_2.5遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_2.5浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_2.5浓度空间分异的影响因子影响力.结果表明：①时间上,2000~2021年山东省ρ（PM_2.5）均值在38.15~88.63 μg·m^-3之间,略微高于《环境空气质量标准》中可吸入颗粒物的二级标准限值（35 μg·m^-3）.在年际尺度上,2013年是ρ（PM_2.5）变化的峰值年,其值为83.36 μg·m^-3,据此将山东省PM_2.5浓度变化趋势分为两个阶段：持续上升和快速下降阶段.在季节尺度上,PM_2.5浓度呈现“夏低冬高,春秋居中”分布特征和先降后升的“U”型变化规律.②空间上,山东省PM_2.5浓度呈现出“西高东低”的空间分布格局,PM_2.5浓度高值区分布山东省西部地区,低值区则分布在东部半岛地区.PM_2.5浓度空间变化趋势呈现显著的空间异质性,极显著下降的区域主要分布在东部半岛地区.③因子探测结果表明,气候因子是影响山东省PM_2.5浓度空间分异的重要影响因素,平均气温对山东省PM_2.5浓度空间分异的影响最高,q值为0.512.省-市-县多尺度探测结果显示,影响PM_2.5浓度空间分异的影响因子及其影响力在不同空间尺度上具有差异性.省级尺度上,平均气温、日照时数和坡度是影响PM_2.5浓度空间分异的主要影响因子;市级尺度上,降水、高程和相对湿度是影响PM_2.5空间分异的主要影响因子;县级尺度上,降水、平均气温和日照时数是影响PM_2.5浓度空间分异的主要影响因子.     

天山北坡城市群PM2.5浓度时空分布特征及影响因素分析

针对天山北坡城市群开展PM_2.5浓度时空分布特征和影响因素分析,对区域经济建设和环境保护具有积极的意义.通过地理加权回归（GWR）模型,利用MCD19A2气溶胶产品结合气象因子,反演得到天山北坡城市群2015~2021年3~11月的PM_2.5浓度时空分布,继而实现变化趋势和影响因素分析.结果如下：①研究区PM_2.5浓度高值主要分布在天山北麓和古尔班通古特沙漠之间的绿洲城市群地带,呈现“四周低,中间高”和“西低东高”的空间分布特征,2015~2021年研究区的ρ（PM_2.5）年均值为16.98 μg·m^-3,高值主要聚集在乌鲁木齐市市区部分,并向昌吉市和阜康市延伸递减;ρ（PM_2.5）月均值分布规律与年均一致,但存在季节差异,表现为：秋季（20.32 μg·m^-3）>春季（18.25 μg·m^-3）>夏季（12.47 μg·m^-3）,春季和冬季聚集现象会更明显;②研究区PM_2.5浓度年均值在2015~2021年呈现下降趋势,3~10月均值同样表现为下降趋势,仅11月表现为略有升高;从PM_2.5浓度变化趋势空间分布分析,下降集中在主要城市市区部分,尤其是乌鲁木齐市市区部分及其周边地区减少幅度最大,变化最为剧烈;③研究区气温、气压与PM_2.5浓度呈现正相关效应,而相对湿度,风速,大气边界层高度,降水量与PM_2.5浓度呈现负相关效应;各因子影响程度从高向低排列为：大气边界层高度>相对湿度>气压>气温>风速>降水量.     

2015—2017年天水市大气污染物变化特征及来源分析

据天水市2015-2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明：①天水市空气质量有所下降,总体优良率达84.9%.SO₂、NO₂、CO均达标,污染物以颗粒物和O₃为主.②一次污染物SO₂、NO₂、CO、PM_2.5和PM₁₀浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O₃夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO₂、CO、PM_2.5和PM₁₀的贡献最大,交通和工业部门对NO_x的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素（气温、降水、风向等）的影响.     

深圳市城区大气颗粒物及主要水溶性无机离子的污染特征

基于2015年深圳市大气颗粒物和主要水溶性无机离子的观测数据,深入分析了大气颗粒物的浓度变化及二次污染特征.结果表明2015年深圳的大气颗粒物（PM₁₀、PM_2.5、PM₁）浓度虽然低,但其中细粒子占比高,PM_2.5/PM₁₀的比值高达0.744,甚至大于广州典型灰霾过程中的粗细粒子比.大气颗粒物浓度季节变化明显,秋冬高,春夏低.其日变化特征明显受到交通高峰的影响,汽车尾气可能是污染来源之一.SO₄^2-、NO₃^-和NH₄⁺（SNA）质量浓度在PM_2.5中的占比超过1/3（37.7%）,且全年硫转化率都大于0.1,这说明深圳市细颗粒物主要来自于二次转化.深圳大气颗粒物浓度受气象要素影响显著,与气压正相关,与气温、相对湿度、降水及风速负相关;若将风速、气温、气压、相对湿度和降水作为一个整体考虑,这些气象要素对深圳大气颗粒物浓度的影响大小是PM₁ > PM₁₀ > PM_2.5.本工作不仅对深圳的大气环境管理和经济可持续发展有着重要参考价值,还对空气相对清洁地区的大气颗粒物和霾治理具有指导意义.     

中国三大城市群PM2.5浓度非线性变化分析

以三大城市群为研究区,基于PM_2.5浓度数据,利用ITA和Beast方法定量分析PM_2.5时间序列的非线性变化过程.结果表明：①三大城市群PM_2.5污染程度下降明显,高浓度区域明显缩小;PM_2.5浓度空间极化程度降低,空间差异缩小.大多数地区的PM_2.5浓度都具有下降的趋势,但变化程度并不相同.京津冀PM_2.5浓度相较于长三角和珠三角,仍处于较高水平.②三大城市群PM_2.5浓度具有冬春季高、夏秋季低的季节变化特征.冬季与夏季PM_2.5浓度差异明显, PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度高的区域下降趋势明显,但珠三角的PM_2.5浓度下降趋势相较于长三角和京津冀不明显.③三大城市群PM_2.5浓度时间序列均具有显著下降趋势,且京津冀>长三角>珠三角;PM_2.5浓度在冬季下降趋势最大.PM_2.5污染等级越高,下降趋势越明显.④京津冀PM_2.5浓度时间序列趋势分量具有两个突变点,季节分量中具有一个突变点;长三角PM_2.5浓度时间序列的趋势分量和季节分量均无突变点;珠三角PM_2.5浓度时间序列的季节分量无突变点,趋势分量具有一个突变点.结果可为区域空气污染治理相关工作的开展提供科学的参考.     

京津冀内陆平原区PM2.5浓度时空变化定量模拟

近年来我国京津冀地区霾污染日趋严重,为揭示该地区PM_2.5时空变化特征,以京津冀内陆平原为研究区,以MODIS AOD数据作为主要预测因子,采用混合效应模型建立研究区2013~2014年AOD-PM_2.5逐日变化的关系模型.利用十折交叉验证法对模型拟合进行验证.结果表明,采用混合效应模型对AOD-PM_2.5进行时间上的校准能够提高二者间的相关性,模型拟合的PM_2.5质量浓度与地面实测值间的R²为0.78,经过交叉验证后R²为0.70,RMSE、RPE分别为20.80 μg·m^-3、28.76%.针对研究区冬季AOD有效值非随机性缺失带来的采样偏差,用校正因子对模型预测的2013~2014年间PM_2.5平均浓度进行校正,结果表明研究区内PM_2.5平均浓度均高于75 μg·m^-3,南部和西部地区的PM_2.5浓度相对较高,北部和东部地区PM_2.5浓度相对较低,呈现出"南高北低、西高东低"的分布趋势.研究结果表明混合效应模型能够适用于近地面PM_2.5监测,也为该区域大气颗粒物污染治理提供了科学依据.     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

沈阳及周边城市大气细粒子的分布特征及其对空气质量的影响

利用沈阳、鞍山、抚顺和本溪4城市2007-2009年大气细粒子PM2.5及大气污染物PM10SO2、NO2的观测资料,分析了4城市大气细粒子的分布特征及其与空气质量的关系.结果表明:4城市大气细粒子PM2.5污染很重,年均浓度平均值超过美国大气细粒子PM2.5年均浓度标准4倍左右;4城市PM10、SO2的年均浓度呈下降...     

京津冀城市群冬季二次PM2.5的时空分布特征

二次组分是造成京津冀城市群冬季PM_2.5污染的重要因素.采用CO示踪法,估算2017～2021年冬季京津冀城市群二次PM_2.5浓度,并分析其时空分布特征,探讨区域二次PM_2.5的影响因素.结果表明,2017～2021年冬季京津冀区域PM_2.5浓度下降趋势明显,河北中南部一次PM_2.5下降幅度最大,二次PM_2.5浓度年际波动平稳,北京和天津二次PM_2.5占比明显高于其他城市.随着污染程度加剧,一次PM_2.5和二次PM_2.5质量浓度均有不同程度的增加,二次PM_2.5占比呈显著增大趋势.与直接测量结果相比,CO示踪法获得的结果偏低,与冬季CO浓度较高,一次PM_2.5浓度高估有关,选取合适的一次气溶胶基准值是改进该方法,获取合理估算值的关键.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

贵州主要城市PM2.5的氧化性损伤评价

对贵州省主要城市(贵阳、安顺、遵义、都匀)按季节进行PM_2.5样品的采集,应用质粒DNA评价法研究了贵州省主要城市PM_2.5氧化性损伤能力,并与PM_2.5质量浓度、微量元素含量做相关性分析。结果表明,PM_2.5全样TD₂₀值均小于其相应的水溶样TD₂₀值;四个城市PM_2.5氧化性损伤能力均表现为冬季>秋季>春、夏季;城区PM_2.5氧化性损伤能力强于背景区;研究区内PM_2.5样品的氧化性损伤能力表现为都匀市最强,安顺市最弱;PM_2.5全样和水溶样的TD₂₀值与质量浓度之间无明显相关关系;PM_2.5水溶样的TD₂₀值与相应的12种微量元素的浓度总和呈负相关关系(P<0.05);全样Al、Mn、Cd、Pb的含量与PM_2.5全样TD₂₀值呈明显负相关关系,水溶样Cd、Pb、Cu的含量与PM_2.5水溶样TD₂₀值呈明显负相关关系,表明研究区PM_2.5氧化性损伤可能与样品中水溶性元素Cd、Pb、Cu等的含量有关。     

辽宁省典型城市空气质量现状与污染原因分析

根据中国环保部大气环境公报数据显示,截至2013年,中国城市环境空气质量仍然不容乐观。为全面了解辽宁省环境空气质量变化及其影响因素,以沈阳、大连、鞍山、抚顺、锦州5个典型城市的颗粒物监测数据为基础进行分析,主要探讨TSP、PM10、PM2.5及臭氧8小时对城市大气污染的影响。结果表明,5城市TSP、PM10、PM2.5均超过国家环境空气质量二级浓度限值,分别超过0.14~0.44倍、0.57~0.91倍及0.96~1.53倍,臭氧8小时未超过。从季节变化来看,5城市TSP、PM10、PM2.5浓度大体上呈现冬、春季较夏、秋季高的趋势,臭氧8小时浓度值春、夏两季比秋、冬两季高。5个城市大气颗粒物中的Pb、Zn元素含量最高,金属元素主要富集在PM2.5中。除TSP、PM10、PM2.5对城市空气质量造成严重污染外,臭氧8小时浓度对于城市空气质量的影响将逐渐超过细颗粒物,可能成为污染城市空气质量的主要污染物。     

基于WRF-Chem模拟的玉溪市大气环境容量精细估算

云南高原的清洁大气环境及其潜在变化是一个值得深入研究的大气环境问题.本文选择云南高原重要工业城市—玉溪作为研究区域,基于中尺度空气质量模式WRF-Chem,开展玉溪市的大气环境容量模拟估算.同时,以2015年冬、春、夏、秋季主要大气污染物模拟为基础,采用以我国环境空气质量标准(GB3095—2012)为约束目标的WRF-Chem模拟迭代大气环境容量算法,设置3 km的精细分辨率,计算得到2015年玉溪市一次PM_(10)、一次PM_(2.5)、SO_2、NO_x和CO的大气环境容量分别为1.284×10~4、0.854×10~4、1.917×10~4、1.796×10~4和51.556×10~4t·a~(-1).最后,研究了整个玉溪市区域和城区大气环境容量的季节变化特征,结果发现,各污染物冬季大气环境容量最小,除PM_(2.5)外的污染物均在春季大气环境容量最大.玉溪市城区剩余容量占全市的比例均在40%左右,反映了工业发展和城市化带来的大气环境的城乡差异及可能的环境变化效应.     

基于2015～2018年实时监测数据对关中平原城市群PM2.5时空变化规律的研究

为了解关中平原城市群PM_2.5时空变化规律，利用2015～2018年国家空气质量检测平台发布的PM_2.5实时监测数据，并用地统计学和探索性空间数据分析等方法，对关中平原城市群PM_2.5污染的时空变化规律进行分析。结果表明，关中平原城市群PM_2.5污染总体呈向好趋势，PM_2.5年均超标城市由11个减少到8个，年均浓度超标率显著下降。PM_2.5污染主要出现在冬季，春秋季过渡，夏季PM_2.5浓度季度均值、月均值都最低，PM_2.5日均值曲线与月均值曲线大致趋势一致，呈单峰"脉冲型"变化；PM_2.5污染在空间上具有明显的分异性和集聚性特征，表现出"临汾-咸阳"为轴的高污染区面积逐渐缩小，而以平凉、天水为中心的低污染区面积逐渐扩大的空间变化规律。     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

北疆地区MODIS 3km气溶胶光学厚度与PM10质量浓度的相关性分析

利用2016年MODIS 3 km分辨率的气溶胶光学厚度(AOD)日产品、PM_(10)质量浓度以及相关气象数据,开展了北疆地区AOD与PM_(10)质量浓度的相关性分析.结果表明,AOD与PM_(10)质量浓度的直接相关程度较低,相关系数仅为0.294.对比分析了利用能见度数据对AOD进行垂直订正,然后再用相对湿度数据对其进行二次订正(AOD垂直-湿度订正)和利用能见度数据对AOD进行垂直订正和相对湿度数据对PM_(10)质量浓度进行订正(AOD垂直订正-PM_(10)湿度订正)两种订正方法,结果指出"AOD垂直订正-PM_(10)湿度订正"可显著提高二者之间的相关性.订正之后,北疆地区AOD与PM_(10)质量浓度的相关系数达到0.755,呈显著正相关;阿勒泰的订正效果最好,相关系数为0.837.最后,基于垂直订正后的AOD和湿度订正后PM_(10)建立两者之间的最优拟合模型,并利用新建的模型反演了北疆地区PM_(10)质量浓度.反演得到的PM_(10)质量浓度与经过湿度订正后PM_(10)呈显著正相关,相关系数为0.688;昌吉和伊宁的反演效果最好,相关系数分别为0.910和0.829.本研究结果表明MODIS 3 km AOD产品经过垂直和湿度订正后,可作为北疆地区监测PM_(10)质量浓度的一个有效手段.