河北南部城市臭氧和VOCs的污染特征及传输贡献

“十四五”时期是河北南部城市（石家庄、邢台和邯郸）退出空气质量综合指数排名后10位的关键阶段.基于2020年4~10月南部城市的15个国家环境质量监测站臭氧（O₃）逐时数据和3个挥发性有机物（VOCs）组分监测站的逐时数据及同期气象资料,采用时空演替、O₃生成潜势（OFP）、后向轨迹模式和空间统计模型进行分析.结果表明：①南部城市4~10月O₃变化呈倒"U"型分布,空间呈南高北低的格局,6月O₃污染最重,其ρ（O₃）依次为：邢台（233.8 μg ·m^-3）>邯郸（225.2 μg ·m^-3）>石家庄（224.8 μg ·m^-3）,O₃与温度和风速呈正相关、与湿度和VOCs呈反相关;②4~10月ρ（TVOC）依次为：邢台（274 μg ·m^-3）>石家庄（266 μg ·m^-3）>邯郸（218 μg ·m^-3）,烯烃和芳香烃的总OFP占比均超过一半;③南部城市O₃污染轨迹具有空间方向性和关联性,经过石家庄到邢台的轨迹ρ（O₃）均值（198.92 μg ·m^-3）最高,经过邯郸到达邢台的O₃污染轨迹频数最多;④南部城市传输贡献上,邢台对石家庄的O₃传输贡献率最高（27.39%）,邯郸对邢台的VOCs传输贡献率最高（32.76%）.     

南京夏季大气臭氧光化学特征与敏感性分析

对流层臭氧（O₃）主要由氮氧化物（NO_x）和挥发性有机物（VOCs）经过一系列光化学反应生成,反应过程呈现复杂的非线性关系.为深入了解O₃的光化学特征及生成机制,利用2018年夏季大气O₃与VOCs的观测数据,结合大气零维框架模拟模型F0AM-MCM,研究O₃超标日和非O₃超标日的O₃光化学特征之间的差异性.观测结果表明,O₃超标日期间φ（O₃）和φ（TVOCs）的平均值分别为47.8×10^-9和49.0×10^-9,为非O₃超标日期间O₃（26×10^-9）和TVOCs（30×10^-9）体积分数的1.8倍和1.6倍.使用F0AM模型,借助EKMA曲线和RIR分析等识别O₃敏感性,发现南京市O₃超标日和非O₃超标日O₃的形成均主要受VOCs和NO_x的协同控制.F0AM-MCM模拟结果表明,在O₃超标日,·OH和HO₂的日平均混合比分别是非O₃超标日的1.3倍和1.8倍,表明O₃超标日期间具有更强的大气氧化能力,且·OH和HO₂的形成和损失速率也有明显的增加,表明自由基循环的增强.此外,O₃超标日的O₃生成速率明显高于非O₃超标日,从而导致了O₃超标日的O₃净生成速率明显高于非O₃超标日.以上发现提高了对南京夏季O₃超标日大气O₃光化学特征的认识.     

东莞工业集中区夏季臭氧污染与非污染期间VOCs组分特征及其来源

为探讨东莞典型工业区夏季大气挥发性有机物（VOCs）污染特征及来源,于2020年夏季在厚街镇对大气环境中56种VOCs开展了在线观测,并同步收集了臭氧（O₃）、氮氧化物（NO_x）和一氧化碳（CO）等气体污染物浓度和气象因子等资料,在此基础上分析了VOCs总体积分数和主要物种体积分数特征,进一步估算了主要VOCs物种对臭氧生成潜势的贡献和不同臭氧浓度下VOCs的主要污染源贡献率.结果表明,观测期间56种VOCs的体积分数平均值为53.1×10^-9,其中φ（芳香烃）、φ（烷烃）、φ（烯烃）和φ（炔烃）分别为24.7×10^-9、23.7×10^-9、3.9×10^-9和0.7×10^-9.与非臭氧污染期间相比,臭氧污染期间φ（芳香烃）、φ（烷烃）、φ（烯烃）和φ（炔烃）分别上升约10%、43%、38%和98%.无论是臭氧污染还是非臭氧污染期间,芳香烃对臭氧生成潜势的贡献率均最大,其次为烷烃、烯烃和炔烃.整个夏季观测期间,溶剂源、液化石油气泄漏、化石燃料燃烧源和油气挥发源对VOCs的贡献率分别为60%±20%、16%±11%、15%±11%和9%±6%;臭氧污染期间,溶剂源的贡献率下降到44%,而液化石油气泄漏和油气挥发源的贡献率分别上升到21%和16%.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

北京市城区夏季VOCs变化特征分析与来源解析

精细化的挥发性有机物（VOCs）组分特征和来源分析,可以为科学有效地进行臭氧（O₃）污染防控提供支持.利用2020年夏季7~8月北京城区点位监测的小时分辨率VOCs在线数据,分析高O₃浓度时段和低O₃浓度时段环境受体中VOCs化学特征和臭氧生成潜势（OFP）,并利用正定矩阵因子分解（PMF）模型进行精细化源解析.结果表明,观测期间监测点φ［总大气挥发性有机物（TVOCs）］平均值为12.65×10^-9,高O₃时段和低O₃时段φ（TVOCs）平均值分别为13.44×10^-9和12.33×10^-9,OFP分别为107.6μg·m^-3和99.2μg·m^-3.观测期间O₃生成受VOCs控制,芳香烃的反应活性最高,对OFP贡献排名前三的组分均为异戊二烯、甲苯和间/对-二甲苯.低O₃时段环境受体中VOCs的主要来源包括汽车排放（26.4%）、背景排放（15.7%）、溶剂使用（13.0%）、汽修（12.8%）、二次生成源（9.7%）、生物质燃烧（6.1%）、印刷行业（5.7%）、液化天然气（LNG）燃料车（5.5%）和植被排放（5.0%）,其中背景排放、二次生成和印刷行业源在近年来北京VOCs源解析研究中少有讨论.高O₃时段汽修源和二次生成源贡献分别较低O₃时段上升了3.4%和2.6%,汽车排放仍是北京城区最主要的VOCs贡献源.植被排放源从07：00开始上升,在午后达到最高;背景排放源的贡献变化较小;汽车排放和LNG燃料车排放源呈现早晚高峰特征,下午时贡献相对较低.     

典型工业城市夏季VOCs污染特征及反应活性

为研究典型工业城市夏季挥发性有机物（VOCs）污染对环境的影响及成因,利用2020年7月在淄博市城区的VOCs在线监测数据,分析了污染日和清洁日VOCs的污染特征、化学反应活性和臭氧（O₃）污染成因.结果表明,污染日总挥发性有机物（TVOC）小时浓度均值较清洁日高32.5%,分别为（50.6±28.3）μg·m^-3和（38.2±24.9）μg·m^-3,污染日和清洁日各组分贡献率均为：烷烃>芳香烃>烯烃>炔烃,TVOC和O₃浓度日变化均呈现相反的变化趋势.污染日臭氧生成潜势（OFP）、·OH消耗速率（L_·OH）和二次有机气溶胶生成潜势（SOA_p）均高于清洁日,烯烃对OFP和L_·OH贡献最大,芳香烃对SOA_p贡献最大;OFP和SOA_p日变化趋势和TVOC基本一致;化学反应活性优势物种以烯烃和芳香烃类物质居多.VOCs/NO_x法判断污染日和清洁日O₃敏感区属性均处于VOCs控制区和过渡区,而烟雾产量模型法（SPM）诊断污染日O₃敏感区属性在08：00~16：00期间处于VOCs控制区和过渡区交替状态,清洁日各时段均处于VOCs控制区.为减轻该市夏季O₃污染,应加强对VOCs （烯烃和芳香烃）和氮氧化物（NO_x）的协同控制.     

七大区域不同温湿条件下臭氧浓度变化

近年来,我国臭氧（O₃）污染形势日趋严峻,在多地已超越PM_2.5成为大气环境的首要污染物.气象条件,尤其是温度和湿度对O₃生成的影响极大.因此,厘清并量化不同区域温度和湿度变化对O₃浓度的影响可为政府防治臭氧污染提供理论依据.通过分析2015年1月1日至2022年7月31日实测日最大温度（T_max）和相对湿度（RH）与臭氧日最大8 h滑动平均值（O₃-8h）的关系,发现臭氧污染严重的七大区域的O₃-8h与T_max呈线性正相关关系,温度惩罚因子范围为2.1~6.0 μg ·（m³ ·℃）^-1;O₃-8h与RH呈非线性关系,RH为55%时O₃-8h最高;不同区域对T_max和RH的敏感度稍有不同,总体上最适合O₃生成的气象条件为29℃≤T_max<38℃且40%≤RH<70%.长三角、苏皖鲁豫和长江中游地区在T_max≥35℃的极端高温条件下,O₃-8h停止随温度的上升而增长,反而出现下降现象,且往往伴随颗粒物浓度的小幅上升.这可能与部分前体物在水汽含量变高的情况下发生非均相反应及臭氧的非均相汇增加有关.     

广州番禺大气成分站一次典型光化学污染过程PAN和O3分析

通过对广州番禺大气成分站（GPACS）的光化学相关污染物（O₃、PAN、VOCs、NO₂、NO）以及气象要素进行观测,分析2010~2016年期间发生在广州地区一次典型光化学污染过程.结果表明,该光化学污染过程期间,O₃和PAN总体体积分数比较高,最大O₃小时体积分数为140.6×10^-9,而最大PAN小时体积分数为4.7×10^-9.NO整体体积分数较低,对O₃的化学滴定和PAN的去除影响较小.NO₂整体体积分数较高、辐射较强和风速较低则有利于O₃和PAN的形成和积累.PAN和O₃具有一定的线性关系（R²=0.55）,而形成PAN和O₃前体物VOCs物种不完全相同影响着它们的线性关系,在生成PAN的VOCs物种中,乙烯、丙烷、异戊二烯和甲苯所占的比例较大,而对臭氧生成潜势较大的物种有异戊二烯、1,3,5-三甲苯、丙烯、间,对-二甲苯以及甲苯.对PA自由基体积分数进行估算,发现它的日均值体积分数在0.11×10^-12~0.16×10^-12范围变化,远高于其它地区,表明此次发生的光化学反应较为强烈.     

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

廊坊开发区8~9月O3污染过程VOCs污染特征及来源分析

使用ZF-PKU-1007大气挥发性有机物（VOCs）在线连续监测系统,于2018年8月25日至9月30日在廊坊开发区对99种VOCs进行监测,并开展不同O₃污染情况下ω（VOCs）特征、大气反应活性及来源研究.结果表明,监测期间廊坊开发区ω（VOCs）平均为（75.17±38.67）×10^-9,O₃污染日和清洁日ω（VOCs）平均分别为（112.33±30.96）×10^-9和（66.25±34.84）×10^-9,污染日ω（VOCs）较清洁日偏高69.6%;对于大气反应活性,污染日和清洁日VOCs对臭氧生成潜势（OFP）的贡献均以醛酮类、芳香烃、烯烃和烷烃为主,对于羟基消耗速率（L_·OH）,污染日以芳香烃（30.0%）和烯烃（25.8%）为主,而清洁日烯烃贡献（29.8%）略高于芳香烃（28.0%）;PMF源解析结果显示,机动车排放（34.4%）、溶剂使用及挥发源（31.7%）、石化工业源（15.7%）、燃烧源（11.1%）和植物排放源（7.9%）为监测期间VOCs的主要来源,另外污染日溶剂使用及挥发源、植物源排放较清洁日升高13.1%和1.2%,可能与污染日温度较高有关.因此,机动车排放和溶剂使用及挥发为廊坊开发区8~9月VOCs的控制重点.     

2014年海口市大气污染物演变特征及典型污染个例分析

主要分析了2014年海口市逐日的空气质量指数(AQI)和6种大气污染物的演变特征,同时,结合卫星遥感和轨迹模式等资料和方法对1次典型污染个例进行诊断.结果表明:海口市2014年的空气质量主要以优和良为主,6 d达到轻度污染级别,1 d达到中度污染(1月5日,AQI值为158).1月污染最为严重,其中,阶段1(1-6日)和阶段3(18-23日)AQI值偏高,阶段2(7-17日)和阶段4(24-31日)偏低.1月东亚地区天气形势演变对海口市AQI值具有动力影响.AQI偏高阶段,地面高压系统位于内蒙古东部,华南低层东北风场有利于污染物向海口市输送;而在AQI偏低阶段,地面高压系统东移出海,低层偏东风场不利于污染物的输送.后向轨迹聚类分析表明,1月海口市比率最大(39%)的气流主要经过大气污染相对严重的广东珠江三角洲(珠三角)地区,有利于污染物的区域传输.污染个例分析表明,海口市污染物浓度变化与气象要素有密切关系,10 m风速较小有助于近地面的污染物在区域内累积,水平风垂直切变偏弱对天气尺度扰动的发展和大气的垂直混合不利.卫星遥感和后向轨迹分析也表明,外源输送与海口市这次大气污染事件有直接关系.     

基于前体物多情景排放的兰州市2030年夏季臭氧预测

近年来,兰州市夏季臭氧污染问题日渐凸显,已成为影响当地环境空气质量达标的首要污染因子和制约环境空气质量持续改善的突出短板.解决臭氧污染问题需结合城市经济发展的实际情况定量评估前体物减排量并提出切实可行的减排对策,为环境管理的中长期规划提供科学依据.在2015年本地排放清单的基础上,通过情景分析法预测了兰州市2030年3种梯度城市发展与污染控制情景下臭氧的两类主要前体物氮氧化物（NO_x）和挥发性有机物（VOCs）的排放量,利用WRF-Chem模型对不同情景下的2030年夏季臭氧污染程度进行了数值模拟,分析了臭氧浓度与生成敏感性的时空变化情况,并提出了兰州市臭氧前体物的总量控制参考和针对不同行政区的减排对策建议.结果表明,3种不同的城市发展与污染控制情景下兰州市2030年NO_x排放量为4.57×10⁴～12.14×10⁴ t, VOCs排放量为5.30×10⁴～7.69×10⁴ t, NO_x排放可通过调整能源结构,加强末端治理和限制机动车...     

佛山臭氧浓度预报方程的建立与应用

臭氧作为大气中的二次污染物,其形成和变化复杂,臭氧预报更是当下空气污染治理的难题之一.通过分析2014~2017年佛山地区近地面O₃浓度与高低层气象要素的关系,建立了佛山O₃浓度预报方程,并进行了检验和应用.结果表明,佛山近地面O₃的变化与高低层气象要素关系密切,气温和日照时数等气象要素与O₃浓度呈显著正相关,相对湿度、总（低）云量和风速等与其呈负相关;高浓度O₃污染发生的气象条件为小风速、晴间少云、低相对湿度、较长的日照时间和较高的温度,高浓度O₃潜势指数（HOPI）和风向指数（WDI）的定义可以较好地衡量O₃污染气象条件的好坏;综合考虑HOPI和不同高度WDI等13种气象要素,采用多指标叠套和多元逐步回归建立了佛山地区臭氧浓度预报方程;利用2018年资料检验发现,模拟值与实测值二者的相关系数R可达0.82,预报方程具有良好的拟合效果和可预报性.     

江西省冬季大气典型污染过程的气象成因研究

选取2019年1月江西省两次大气污染过程为研究对象,利用常规气象观测资料、美国国家环境预报中心（NCEP）再分析资料、全球资料同化系统（GDAS）气象数据和空气质量数据,分别从局地气象要素变化、地面天气形势、大气动力和热力条件及污染潜在源区等进行分析,对比两次污染过程形成机制.两次污染过程地面天气形势分别为冷锋前部型和低压倒槽型.冷锋前部型污染形成主要原因为冷空气南下在江西省减弱辐合导致上游细颗粒物输送并堆积,西北风增大细颗粒物浓度降低.低压倒槽型污染形成原因为较长时间处于高湿、小风或静风、逆温下的污染累积.对两次过程中污染较为严重的九江市进行分析,冷锋前部型九江市近地面主要受西风影响,低压倒槽型主要受东北风影响,低压倒槽型九江市风速多在2 m·s^-1以下.两次污染期间大于3 m·s^-1的风速有利于污染物清除.长时间高湿、小风（< 2 m·s^-1）及风场辐合,是低压倒槽型九江市重污染维持较长时间的重要原因.低压倒槽型大气垂直结构较冷锋前部型稳定.低压倒槽型垂直湍流弱、低层风速小于2 m·s^-1,且存在多层逆温和深厚的湿区,冷锋前部型存在明显下沉运动,逆温强度明显弱于低压倒槽.九江市PM_2.5污染潜在贡献源主要来自河南东部、山东西部和安徽西北部;低压倒槽型九江市潜在源区主要位于江西省内及与江西省接壤的湖北东南部、安徽西南部.     

京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、风（风速和风向）等气象要素的耦合关联关系.结果表明：京津唐地区近地面臭氧浓度每日7：00左右最低,午后达到最高;夏季臭氧浓度最高,且略有分区差异（北京呈现单峰型,6月臭氧浓度最高,天津和唐山呈双峰型,峰值分别出现在6月和9月）,冬季浓度最低,12月达到最低值.全区各季节浓度空间分布趋势较为一致,均呈现从西北向东南逐渐降低的趋势.影响京津唐地区近地面臭氧浓度的首要气象要素为温度,二者呈较大的正相关性,臭氧浓度与近地面压强存在一定的负相关性,而与蒸发量具有较小的正相关性,与风速、风向的相关性较为复杂,表现出明显的地区和风向差异性（在偏南风和强风条件下较易出现高浓度臭氧）,全年臭氧浓度与风速相关系数极低,呈不相关.全区分区（建成区与非建成区）近地面臭氧浓度与温度、压强、蒸发量、风速等的关联相关特性,虽然北京、天津和唐山各略有差异但基本一致.在不同气象要素分级组合协同条件下,臭氧浓度与温度、风速的相关性明显显著于其与蒸发量、压强的相关性,且存在在高压、较低蒸发量的气象条件下,臭氧浓度与温度的相关性随风速的增强（或减弱）而降低（或增强）,与风速的相关性随温度的升高（或降低）而减弱（或增强）的普遍现象;对于压强和蒸发量而言,臭氧浓度与二者的相关性普遍相对较低,且趋势特征不明显.     

VOCs源强不确定性对臭氧生成及污染防治影响的模拟分析

本文基于三维区域空气质量模式WRF-Chem,通过修改模式化学模块,量化输出过程量和诊断量,提供了一种定量分析挥发性有机化合物(VOCs)源强不确定性对O3生成影响的方法.为无法定量计算VOCs源强导致的臭氧生成率[P(O3)]偏差,以及由此对O3体积分数分布和污染控制相关联的VOCs敏感区和NOx 敏感区分布的误判提供了方法参考.采用标准统计参数对WRF-Chem模式的气象场与污染场模拟性能进行了评估,相关指标均优于前人结果.以INTEX-B(intercontinental chemical transport experiment-phase B)人为源、FINNv1(fire inventory from NCAR version 1)生物质燃烧源和 MEGAN(model of emissions of gases and aerosols from nature)生物源作为基准源,并以卫星观测数据作为约束,对排放源进行改进,评估了源改进前后臭氧生成率[P(O3)]、O3体积分数和O3控制敏感区指标(Ln/Q)的变化情况.仅人为VOCs(AVOCs)源增加68％后,P(O3)模拟峰值增升比例达13％～82％,以北京观测站点为例,P(O3)模拟月均峰值增加42％(22.5×10-9 h-1).对P(03)形成贡献比例最大的主要化学反应是HO2+NO(占比约68％),AVOCs源增加68％后,该反应贡献比例下降至65％.在改进源下,P(O3)普遍增加达到2×10-9～4×10-9h-O3各季节增幅较大的区域均主要集中在京津冀、长三角和珠三角中心城市及周边区域,与我国大型城市区基本都是VOCs敏感区的结论一致.整体而言,VOCs源强改进后,Nox敏感区O3体积分数增加幅度不大,不超过4×10-9,而部分VOCs敏感区增幅超过20 x10-9.VOCs源强的不确定性会影响O3形成过程中Nox和VOCs敏感区的判断,特别是VOCs源强明显低估会夸大VOCs敏感区的范围,从而降低O3调控对策的有效性.     

空气污染对气候变化影响与反馈的研究评述

气候变化和空气污染都是人类面临的重要环境问题,其影响与反馈已成为空气污染和气候变化领域的研究热点. 总结了空气污染与气候变化相互作用机理,系统梳理了国内外有关空气污染对气候变化影响及反馈的研究成果,并且重点评述了黑碳和硫酸盐气溶胶辐射强迫及其气候效应、气候变化对近地面臭氧和颗粒物影响等领域的研究进展. 分析指出,现阶段尚没有一个能够综合考虑气象条件、排放源、下垫面等诸多因子对空气污染的影响机理过程模型,无法定量描述大气组分在不同气象条件作用下的演变过程等. 提出未来研究中应深化对机理机制的认识,减少模式的不确定性,加强在排放清单的编制、立体观测网的构建、互馈机理的试验、模式的集成耦合等方面的研究.      

四川盆地近地面风场及污染物输送通道统计分析

利用2017年四川盆地18个城市PM_2.5小时浓度数据、欧洲气象中心ERA-Interim再分析资料对四川盆地污染特征及不同季节近地面风场特征进行统计分析.通过分异指数和相关性分析各城市PM_2.5逐小时浓度，结合近地面风场特征分析出四川盆地污染物变化趋势最相似的城市组合，探索污染物传输特征.研究发现，分异指数和相关性分析得到的传输通道城市组合与地面风场基本相符.四川盆地污染物输送途径可能包括以下3条路径，第1条"川西通道"：污染物随气流沿广元→绵阳东南部→德阳→成都、眉山北部→雅安流动；第2条"川中通道"：污染物随气流沿巴中→南充北部→遂宁北部、绵阳东南部→资阳北部→眉山东部→乐山北部流动；第3条"川东通道"：污染物随气流沿重庆北部→达州、广安→南充南部→遂宁中部→资阳东部→内江、自贡→宜宾、泸州流动.川西通道城市污染排放量大，容易引起连片污染，对应城市群应实施联防联控；川东通道末端在川南城市群和重庆形成风场辐合，造成污染物的滞留和累积，因此，建议在中长期产业布局中减少川南城市群的重污染企业.