基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

利用多模式最优集成方法预报上海PM2.5

采用多模式最优集成方法(OCF),对PANDA项目中国和欧洲7个空气质量模式的PM_(2.5)预报结果进行集成释用.2016年6月—2017年5月对上海逐日预报试验结果表明:和最优单模式预报结果相比,OCF预报的PM_(2.5)日均质量浓度的均方根误差降低1.9μg·m-3,相关系数提高0.04,日均质量浓度的精度评分TI提高了2.4,污染TS评分提高了0.28,污染空报率降低了20%,显著提高了PM_(2.5)污染等级预报、趋势预报和精度预报的技巧.对长三角合肥、南京、苏州、杭州、宁波5个城市的预报试验也得到类似的结果,为城市空气质量预报提供了新的方法和思路.但OCF对客观预报的改进幅度在夏季不如冬季显著,在降雨日相对较低.     

基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。     

近20年来中国典型区域PM2.5时空演变过程

近20年来PM_(2.5)污染严重制约了中国可持续发展.长时间序列历史监测数据的缺失阻碍了相关研究.为此,本文以四大典型区域2013~2016年的PM_(2.5)浓度监测值和2000~2016年MODIS AOD数据、边界层高度、温度等气象数据作为基础数据,将反向人工神经网络和支持向量回归机两种算法相结合,构建组合模拟模型,并利用地理空间分析技术实现近20年来PM_(2.5)浓度历史变化过程的情景再现.研究结果表明,组合模型具有较低的误差和更高的泛化能力;时空分析结果表明,2000~2010年京津冀和东三省PM_(2.5)浓度持续增长,珠三角PM_(2.5)浓度缓慢下降,3个研究区PM_(2.5)污染范围呈扩大趋势,长三角PM_(2.5)浓度值及污染范围基本保持稳定.2012年4个研究区PM_(2.5)浓度值降低且污染范围缩小,但2013~2016年PM_(2.5)浓度略微上升后又下降,高污染范围缩小,这与国家采取PM_(2.5)区域联防等治理措施有关.     

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.     

基于神经网络和数值模型的重点区域PM2.5预报比较分析

应用BP神经网络法建立京津冀及周边城市、汾渭平原、苏皖鲁豫交界地区和长三角地区等重点区域95个城市PM_2.5预报模型,对2020年秋冬季上述地区城市开展未来7 d的PM_2.5预测预报,并对比同期业务化运行的数值模型预报结果和各城市人工订正后预报结果,对3方法预报效果进行分析评估.结果表明:（1） 4区域神经网络法模型性能短期预报相对较好,中长期有所降低,对4区域均有一定的系统性高估,苏皖鲁豫交界地区系统性偏差最小,长三角地区偏差最显著.数值模型区域预报水平较神经网络有所降低,各评价指标总体低于神经网络,对辖区城市间预报效果较神经网络差异更大.（2）神经网络、数值模型和人工订正方法对4区域PM_2.5浓度预报准确率普遍较低,平均不足50%,准确水平总体呈:神经网络>人工订正>数值模型. 3方法分指数级别范围准确率均大幅提升,4区域1～4 d平均准确率均在65%以上,神经网络模型和人工订正水平相近,总体高于数值模型.（3）在预报中度及以上污染级别日时,数值模型在京津冀及周边城市、苏皖鲁豫交界地区和长三角地区效果均较...     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

珠三角空气质量暨光化学烟雾数值预报系统

基于中尺度气象模式(MM5)、排放源模式(SMOKE)和大气化学模式(CMAQ),耦合本地排放源清单,建立了珠三角区域空气质量数值模式预报系统。该套模式系统对清洁、污染过程的一次、二次污染物都有较好的预报能力。冬季,能见度和PM_(2.5)的预报值和观测值的相关系数最高达0.76和0.78。O_3和NO_x的预报值和观测值的相关系数为0.64和0.61。随着预报时效的增加,预报效果没有明显降低。夏季,在2个典型光化学过程中,O_3的预报值和观测值的相关系数分别为0.68和0.81,NO_x分别为0.57和0.64。在相关的边界层气象因子中,地表通风系数和能见度相关度最高,相关系数达0.71。混合层高度、地面风速、比湿和能见度的相关系数分别为0.55、0.50、和-0.37。在灰霾过程中,PM_(2.5)占PM_(10)的质量浓度为78%。在气溶胶质量权重中,硫酸盐所占的比重最高,占PM_(2.5)权重达到33%,元素碳为18%,有机碳为14%,铵盐为5%,硝酸盐仅为1%。灰霾过程的二次气溶胶的质量权重比清洁过程的大。     

黄河上游灌区连作稻田N2O排放特征及影响因素

黄河上游灌区高产连作稻田氮肥的过量施用引起土壤氮素盈余,进而导致稻田N2O排放量增大.为了探明水稻连作模式下稻田N2O排放特征及影响因素,采用静态箱-气相色谱法,开展了为期2年的连作水稻田试验研究.试验共设置3个施氮处理,包括常规氮肥300kg.hm-2(N300)、优化氮肥240kg.hm-2(N240)和对照不施氮肥(N0),并在稻田连作的第2年,对N240处理灌溉节水30%.2年连作试验结果表明,水稻生长季稻田N2O排放主要发生在水稻施基肥后及水稻生长的中后期,在稻田灌水泡田后N2O排放速率达最大值.稻田高氮肥(300kg.hm-2)施用显著增加N2O的排放量,优化氮肥(240kg.hm-2)处理可有效降低土壤N2O排放量(p<0.01).水稻生长季稻田淹水状态时N2O排放量极低,稻田灌溉节水会相应增加土壤N2O排放量.土壤温度变化对稻田N2O的生成和排放会产生较大影响,但受稻田肥水管理等因素的影响,温度与N2O排放量相关性不显著.灌区稻田土壤N2O排放通量与田面水NO3--N含量变化及耕层0～40cm土壤NO3--N积累量变化有显著的相关性.稻田连作显著增加了耕层土壤剖面0～40cm土层NO3--N的积累量,耕层土壤NO3--N积累量的增加进而加大了土壤N2O排放的风险.在宁夏黄灌区稻田常规灌水和高氮肥(300kg.hm-2)水平下,2年连作稻田水稻生长季土壤N2O总排放量分别达55.98×104kg.a-1和51.48×104kg.a-1,在100a时间尺度上的全球增温潜势(GWPs)均值为16.02×107kg.hm-2(以CO2计),表明黄灌上游灌区高氮肥施用导致稻田N2O排放量增大,由此引起的增温潜势严重.     

南极菲尔德斯半岛植被微区CO2浓度的监测

在南极苔藓植被的微环境区内,CO₂的浓度在473.5mg·m^-3以上,大大高于全球CO2的平均浓度(356 mg·m^-3),可见苔藓等植被区可能是大气CO₂的源之一.这与特殊的南极条件下植被的生理生态特性有关.在苔藓分布区,CO₂浓度日变化的主要影响因素是光照和温度.菲尔德斯半岛变化无常的天气状况使得CO₂浓度昼夜变化规律出现局部波动,不同的天气状况也使CO₂浓度发生变化.研究表明:光照条件是CO₂浓度变化的主导影响因素,从CO₂浓度的季节变化中可以看出,CO₂浓度变化与大气温度呈负相关;与降水量和空气相对湿度呈正相关.本文首次给出了极地环境下植被微区的CO₂浓度变化及其影响因素,为极地温室气体的研究提供了新的材料.     

中国西南三江流域风化的季节性变化特征

青藏高原的风化可能影响着全球碳循环和长时间尺度气候变化,其风化速率和影响机制一直受到科学界的关注。本研究对发源于青藏高原东部的三江——金沙江、澜沧江和怒江干流进行每月两次,为期一水文年的定点观测研究。结果表明三江水样的pH总体呈弱碱性,水中主要阴阳离子组成和TDS变化明显并且都有明显的季节性变化特征。本研究首先用正演模型评估了不同端元对三江水化学的贡献比例,并估算出金沙江石鼓以上、澜沧江维登以上和怒江六库以上流域的净CO2消耗速率分别为76.3×103 mol/(km2·a)、238.9×103 mol/(km2·a)和189.3×103 mol/(km2·a),雨季净CO2消耗速率可达旱季的2~4倍;反演法估算出的净CO2消耗速率与正演法的相差均在25%以内,表明估算结果的可靠性。     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

保护性耕作对后茬冬小麦土壤CO2和N2O排放的影响

为研究保护性耕作对后茬冬小麦土壤CO2和N2O排放的影响,在前茬进行常规耕作(T)、免耕(NT)、免耕+秸秆覆盖(NTS)、常规耕作+秸秆施用(TS)这4种处理,采用静态箱-气相色谱法分析土壤CO2和N2O排放通量.结果表明,保护性耕作没有改变后茬土壤CO2和N2O排放的季节性规律,对冬小麦生物量无明显影响;保护性耕作显著减少了土壤CO2和N2O累积排放量.与T相比,TS、NT、NTS的全生育期土壤CO2累积排放量分别降低了5.95%(P=0.132)、12.94%(P=0.007)和13.91%(P=0.004),土壤N2O累积排放量分别减少了31.23%(P=0.000)、61.29%(P=0.000)和33.08%(P=0.000).本研究表明免耕与秸秆施用能减少后茬作物生长季土壤的CO2和N2O排放量.     

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。     

中国PM2.5质量浓度与传染病发病率的相关性分析

基于2004—2016年的全球地表PM_2.5数据和中国31个省级行政区（不含港澳台地区）的传染病年发病率数据,探究了PM_2.5质量浓度与9种传染病（百日咳、猩红热、流脑、麻疹、肺结核、风疹、流行性腮腺炎、急性出血性结膜炎以及流行性感冒）发病率的相关关系。研究发现PM_2.5质量浓度整体呈现东高西低、北高南低的空间分布特征。EOF分析显示浓度变化有着北增南减、东增西减的趋势。同时,PM_2.5浓度在北方的变化程度要远大于南方,在欠发达地区的变化程度要大于发达地区,但年际变化特征并不明显。选择了三类地区分析PM_2.5和传染病发病率的关系,发现在华北和东北地区与PM_2.5浓度显著相关的传染病类型高达5种,在所有传染病中,百日咳与PM_2.5浓度的相关性最为显著。最后针对三类地区,通过线性拟合得到了部分传染病发病率与PM_2.5浓度的关系式,指出PM_2.5浓度每上升100 μg?m^?3时,与PM_2.5浓度显著正相关的传染病发病率会出现不同程度的上升。     

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.     

温州城市降雨径流中BOD5和COD污染特征及其初始冲刷效应

为研究温州降雨径流污染情况,监测了温州2个采样区4场较为典型的降雨过程,测定了不同下垫面径流中BOD5和COD的浓度,并且计算出污染物的EMC值、M(V)曲线和BOD5/COD值等.结果表明,温州城市降雨径流中BOD5和COD的含量分别介于ND～69.21 mg.L-1和ND～636 mg.L-1之间,不同城市下垫面径流中BOD5和COD的含量均随着降雨历时的延长而呈下降趋势,处理初期径流水样对减少耗氧性有机污染具有重要意义.从COD和BOD5的EMC值来判断,部分城市下垫面降雨径流中污染物浓度超出地表五类水标准,甚至高于污水排放二级标准,此类降雨径流若直接入河将对下级受纳水体造成耗氧性有机污染的压力.根据M(V)累积曲线判断,COD初期冲刷效应在城市降雨径流中是较为普遍的,城市降雨径流中的BOD5表现出与COD类似的初始冲刷情况,该结果亦表明径流初期耗氧性有机污染严重.城市降雨径流中COD和BOD5的浓度受下垫面类型和降雨条件的影响,而BOD5/COD指标的变化特征则指出生物降解是削减有机污染负荷的有效途径之一,但不同下垫面径流有机污染的治理工作应采用不同的最佳管理方案(BMPs).     

长江中游城市群城市化对PM2.5浓度的多尺度驱动机制

探究城市化对PM_2.5浓度的非线性影响及其驱动机制,对城市的大气污染治理具有重要意义.基于2002~2020年长江中游城市群的遥感数据和统计数据,采用空间自相关、系统动态面板回归模型和时空地理加权回归模型等方法,揭示长江中游城市群PM_2.5浓度的时空演变,并探究不同空间尺度下城市化对PM_2.5浓度的驱动机制.结果表明：①2002~2020年长江中游城市群PM_2.5浓度整体呈下降趋势,在空间上大致呈“北高南低”的分布格局.②热点城市有向长江中游城市群西部扩张的趋势,冷点城市空间相关程度有所增强.③PM_2.5浓度与经济城市化、土地城市化和人口城市化之间分别存在“N”型、倒“U”型和“U”型曲线关系.第二产业和能源消耗对PM_2.5浓度变化呈显著促进作用,降水和植被能够有效地削弱PM_2.5污染.④各城市化因子在局部的整体驱动效应均发生了转化,其主要影响区域集中在长江中游城市群的东南、西北和西南等边缘地带城市.结合长江中游城市群的城市发展现状和区域特征,推进产业绿色转型,合理规划城市空间布局和人口分布,增强基础设施建设将有助于实现城市发展和环境保护之间的协调发展.