辽宁辽中县城郊地区大气污染物时空变化及来源特征

以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM_2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O₃),φ(CO),φ(SO₂),φ(NO),φ(NO₂),φ(NO_x*),φ(NH₃)和ρ(PM_2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6 μg/m3. 除SO₂外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O₃)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O₃)在夏季最高,春季最低.一次污染物如CO,SO₂,NO以及PM_2.5的浓度均在冬季达到最大值.地面监测的φ(O₃)和OMI卫星反演的NO₂ 柱浓度的变换趋势相同,但地面观测的φ(O₃)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O₃)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.      

北京夏季典型臭氧污染分布特征及影响因子

为研究北京地区O₃分布特征及其影响因子,利用AML-3车载式大气环境污染激光雷达系统(下称AML-3)对北京地区2011年5月7日—6月9日的φ(O₃)进行观测. 通过AML-3自带的污染物地面观测系统和差分吸收激光雷达,分析近地面、高空φ(O₃)时空分布特征,并将φ(O₃)与温度、风速及风向3个气象要素进行相关分析. 结果表明:近地面φ(O₃)日变化明显,06:00左右为低谷,下午14:00左右达到峰值. 高空φ(O₃)的空间分布很不均匀,上层气流易使O₃富集层向下输送造成污染,同时稳定边界层对大气扩散的不利影响也是形成O₃污染的重要原因. φ(O₃)的日变化趋势与温度的日变化趋势呈显著正相关,R(相关系数)为0.74;上下层湍流交换使风速与近地面φ(O₃)呈正相关,而水平扩散使二者呈负相关;通过分析风向的分布规律发现,东北风易造成北京地区O₃污染.      

天津重污染期间大气污染物浓度垂直分布特征

利用天津气象局255 m铁塔垂直4层观测平台(高度分别为3、40、120和220 m),对各层大气中的NO_x、O₃、SO₂浓度(均以φ计)和PM_2.5浓度(以ρ计)进行了连续观测,结合同步气象要素分析了2010年10月3—11日天津发生的一次重污染事件.结果表明:在此次重污染事件期间,一次及二次污染物浓度的垂直梯度变化差异显著,φ(NO)、φ(NO₂)和ρ(PM_2.5)随高度上升而降低,φ(NO)在3～120和120～220 m的递减率分别为58.0%和8.5%,ρ(PM_2.5)在3～220 m递减率为13.0%;而φ(O₃)和φ(SO₂)平均值却随高度的上升而增加,其中φ(O₃)在3～40、40～120和120～220 m的增长率分别为108.0%、19.1%和56.4%,φ(SO₂)在3～220 m的增长率为25.0%. NO_x主要来源于局地近地面污染源的排放;SO₂主要来源于高架点源的排放,O₃则来源于局地光化学过程积累;PM_2.5受局地排放源和光化学过程的双重影响,垂直梯度变化最不显著. 不利于扩散的气象条件使以局地排放为主的污染物积累升高及其伴随的光化学反应造成了天津此次重污染事件.      

广州城区近地面层大气污染物垂直分布特征

为更好地了解广州城区近地面层大气污染物的扩散与输送过程,利用广州塔4层大气污染物垂直梯度观测平台(高度分别为地面、118、168和488 m)于2014年1月—2015年12月对多种大气污染物进行连续观测,分析了广州城区近地面层大气污染物的垂直分布特征.结果表明:①ρ(PM₁₀)、ρ(PM_2.5)、ρ(PM₁)、ρ(NO₂)和ρ(NO)随高度的上升而降低,其中ρ(PM₁₀)、ρ(PM_2.5)和ρ(PM₁)在低层(地面点位)—高层(488 m点位)的递减率分别为35%、30%和26%,ρ(NO₂)和ρ(NO)分别为75%和84%;ρ(O₃)随高度上升而增加,其低层—高层的增长率为135%;ρ(SO₂)和ρ(CO)则随高度上升先增后减.②除ρ(O₃)外,其余污染物浓度均符合“冬强夏弱”的季节特征,ρ(O₃)则在夏秋季较高,春冬季较低.冬季ρ(PM₁₀)、ρ(PM_2.5)、ρ(NO₂)和ρ(NO)高、低层间差异为全年各季最大,分别为38.6、18.5、49.4和31.9 μg/m3.③各污染物小时浓度日变化特征均不同程度地受混合层发展过程的影响,各高度污染物浓度在一天中混合层高度最高的时段(12:00—17:00)最接近,而在其余时段分层较明显.除O₃外,其余污染物质量浓度在中、低层大致呈早晚双峰分布,而在高层大致呈单峰分布.ρ(O₃)则在各层均保持单峰分布,峰值一致出现在14:00.④对一次典型污染过程分析发现,不同高度的ρ(PM_2.5)和ρ(NO₂)最大差值分别可达183.0和148.0 μg/m3,ρ(PM_2.5)显著地受到本地近地面污染源的影响,污染物高浓度区域主要集中在488 m以下.      

夏末秋初北京市区与背景区大气污染物的对比分析

在北京市区和背景区——河北兴隆县选点,对比两地大气污染物浓度变化及污染状况.结果表明:除O₃外,北京市区主要大气污染物浓度均高于背景区,其ρ(PM_10),φ(NO_x)和φ(SO₂)的平均值分别是背景区的1.6,3.1和4.0倍,而背景区φ(O₃)平均值则是北京市区的2.2倍;与国家二级标准限值比较,夏末秋初基本上不存在SO₂和NO_x污染,大气污染物中超标最严重的是O₃,北京市区与背景区的超标天数分别是46.9%和65.5%,其次是PM₁₀,北京市区超标天数达到25%,背景区则全部达标;北京市区与背景区的大气污染物日变化特征明显不同,其中北京市区的日变化主要受人为活动影响,表现出典型的城市特征,而背景区日变化受人为活动影响小.      

深圳市罗湖区2019年环境空气质量变化特征分析

统计分析了深圳市罗湖区2019年主要空气污染物的浓度,探究了罗湖区常规大气污染物浓度的变化趋势,及其与气象因素间的相关性,对2019年罗湖区2次污染事件进行了潜在源分析,并对臭氧(O₃)进行了主成分分析。结果表明,2019年罗湖区各大气污染物浓度受季节影响较大,且出现“周末效应”,全年348 d有效数据中,主要污染物为O₃的天数为225 d,占比64.66%,2019年罗湖区的主要污染物为O₃。罗湖区颗粒物浓度与其他污染物之间相关性较为显著,大气环境中各污染物浓度与气温、风力和相对湿度呈较显著相关。2次大气污染事件的潜在源分析结果表明,东北方向(如东莞市等)为罗湖区O₃和PM_2.5的潜在输入源。通过对O₃浓度的主成分分析解析出了4个主成分,影响罗湖区大气O₃浓度的主要因素为风力、湿度、PM_2.5、PM₁₀和SO₂。研究结果为罗湖区大气污染污染控制与治理提供了参考。     

北京市郊区夏季臭氧重污染特征及生成效率

为研究北京郊区夏季O₃(臭氧)重污染过程特征及O₃生成的光化学敏感性,基于2016年夏季在北京郊区开展的针对O₃及其相关污染物的强化观测试验(7月23日—8月31日,共计40 d),分析了观测期间O₃浓度[以φ(O₃)计]变化特征、O₃重污染过程主控因素与O₃敏感性化学特征.结果表明:观测期间φ(O₃)超标时有发生,最大小时φ(O₃)为151.1×10-9,其中有15 d的φ(O₃)最大8 h滑动平均值(O₃-max-8h)超过了GB 3095—2012《环境空气质量标准》二级标准限值,占观测天数的37.5%;不同O₃重污染过程成因有所不同,城市烟羽传输的污染物对郊区O₃重污染过程影响显著(观测期间臭氧重污染过程:过程1,7月27—29日;过程3,8月9—11日;过程4,8月16日;过程5,8月21—24日),区域光化学污染对郊区O₃重污染过程也有贡献(观测期间O₃重污染过程2:8月4—6日);结合后向气流轨迹进一步辅助说明了不同重污染过程中O₃的来源不同.研究还发现,观测区域存在反“周末效应”现象,说明观测区域周末受人为影响较为明显;基于观测数据计算的OPE(O₃生成效率)分析了O₃光化学敏感性表明,在有OPE值的22 d内NO_x控制区和VOCs控制区出现的概率(41%)相等,即观测区域O₃对NO_x和VOCs均敏感;此外还发现,在O₃重污染过程中光化学敏感性会随其反应进程发生改变,由NO_x控制区逐渐转变为VOCs控制区.      

基于无人机观测研究杭州湾化工园区近地面层臭氧垂直廓线

为了解化工园区大气污染情况,使用自主研制的微型大气检测仪结合无人机研究化工园区臭氧(O₃)垂直廓线,在2020年8月~2021年1月于杭州湾上虞经济技术开发区开展了12d无人机外场观测实验.各观测日从08:00~18:00每隔1h进行一次飞行观测,每次观测分别获得了离地面0,50,100,200,300,400,500m的O₃、总挥发性有机物(TVOCs)和二氧化氮(NO₂)浓度.结果表明:受气象因素、地面工厂排放以及早晚出行高峰的影响,TVOCs和NO₂浓度整体随高度增加而下降,其中NO₂浓度随高度上升而下降的幅度较明显,在0m处浓度为19.7~59.1μg/m³,500m处为5.9~21.7μg/m³,下降率为40~70%,TVOCs和NO₂浓度都呈现出早晚高、正午低的日变化趋势,此外可能受逆温层的影响导致个别天数NO₂浓度在400~500m不降反升;O₃受前体物光化学反应、太阳辐射强度及平流层输送的影响,其浓度随高度增加而下降,平均浓度在0m处为49.2μg/m³,500m处为98.4μg/m³,O₃日变化浓度在15:00~17:00达到峰值.TVOCs和O₃、NO₂和O₃在各高度浓度均呈负相关,受不同季节气象因素差异和冬季取暖排放增加的影响,O₃浓度季节变化为夏>秋>冬,TVOCs和NO₂浓度为冬季>秋季>夏季.后向轨迹聚类分析表明化工园区本地O₃浓度会受区域输送影响升高,在冬季时由于气温低不利于前体物生成O₃,本地O₃浓度受区域输送影响较夏季小.     

环珠江口近地面夜间臭氧上升现象：基于垂直观测的两个个例研究

利用广州塔的O₃观测资料、风廓线雷达和转动拉曼温廓线激光雷达探测的垂直环境气象等观测资料,结合ERA5的近地面风场,对2017年5月6—7日(Case I)和2019年10月1—2日(CaseⅡ)两个典型个例从垂直混合与水平输送的角度进行特征与成因分析.O₃的垂直观测结果表明,夜间残留层可储存日间混合层内的高浓度O₃气团.从垂直混合与水平输送的分析结果表明,残留层O₃的垂直混合及高浓度O₃气团的水平输送是夜间地表O₃的重要来源：夜间存在垂直风切变或边界层抬升,均可加强O₃的垂直混合;珠三角地区背景风表现为在早上偏北风和晚上转换为偏南风,广州与佛山地表O₃浓度上升最显著.此外,夜间O₃浓度上升事件可造成夜间及凌晨O₃ 8 h滑动平均值持续高值,对空气质量和大气氧化性造成一定影响.     

长春市大气SO2、O3和NOx的变化特征及来源

为研究长春市采暖期大气污染物的污染水平及其随时间的变化特征,于2012年1—6月通过在线监测仪获取了大气中ρ(SO₂)、ρ(O₃)和ρ(NO_x),利用HYSPLIT(混合型单粒子拉格朗日综合轨迹模式)后向轨迹模型结合地面气象资料,初步分析了该市大气污染物的可能来源及传输过程. 结果表明:观测期间ρ(SO₂)和ρ(NO_x)的日均值分别为(25.0±21.6)和(54.4±34.0)μg/m3,ρ(O₃)最大8 h平均值为(85.0±26.2)μg/m3,ρ(SO₂)、ρ(NO_x)和ρ(O₃)的变化范围分别为2.3~131.0、17.6~183.7和31.0~173.3 μg/m3;其中ρ(O₃)日均值超过GB 3095—2012《环境空气质量标准》二级标准限值的时间为2 d,ρ(SO₂)和ρ(NO_x)均未超过二级标准限值,但ρ(SO₂)日均值在采暖期超过GB 3095—2012一级标准限值的时间为23 d,占采暖期的24%. 采暖期ρ(SO₂)日变化为双峰型,峰值出现在06:00和20:00左右,而在非采暖期表现为单峰型,峰值出现在08:00左右;ρ(O₃)表现为单峰型,峰值出现在13:00─15:00;ρ(NO_x)在采暖期表现为双峰型,而在非采暖期表现为单峰型. 对观测期间72 h内HYSPLIT后向轨迹模拟结果和气象数据的分析表明,长春市大气污染主要受本地源的影响,偏西气流易对污染物造成积累,而偏东气流有利于污染物扩散.      

南京城区冬季大气污染特征

为探究南京城区冬季主要大气污染物浓度变化规律,运用南京市空气自动监测站的φ(CO)、φ(O₃)、φ(NO₂)、φ(SO₂)、ρ(PM_2.5)和ρ(PM₁₀)逐时资料,结合同期气象数据,分析了2014年冬季(2014年12月—2015年2月)南京城区大气污染浓度水平和变化特征,探讨2015年春节期间在实施减排措施下气象条件对空气质量的影响.结果表明:① 观测期φ(CO)日均值和φ(O₃)小时均值未超过GB 3095—2012《环境空气质量标准》二级标准限值;ρ(PM_2.5)、ρ(PM₁₀)、φ(NO₂)、φ(SO₂)日均值分别超标44%、38%、34%、2%;ρ(PM_2.5)、ρ(PM₁₀)最大日均值分别为231和283 μg/m3,分别是GB 3095—2012二级标准限值的3.1、1.9倍. ② 日变化分析显示,φ(CO)与φ(NO₂)呈早晚双峰型变化,与早晚交通高峰源排放有关;φ(O₃)呈明显的单峰型,在午后出现峰值;φ(SO₂)呈单峰型且夜间浓度低于白天;ρ(PM_2.5)和ρ(PM₁₀)为双峰型变化,峰值出现在10:00和22:00左右. ③ 南京地区污染物周末浓度整体高于工作日,其中周末φ(CO)、φ(NO₂)和ρ(PM_2.5)显著高于工作日,“周末效应”显著. ④ 2015年春节期间,南京实施减排措施后,即使在不利的气象条件下,污染物浓度也未出现明显升高,说明减排措施有效削弱了污染源的排放,是保持南京地区良好空气质量的重要因素.      

上海西南区域春季一次典型光化学污染过程分析

为研究上海西南区域O₃的污染形成机制,对该区域2020年4月10—20日近地面O₃、NO₂、VOCs和气象数据进行分析.结果表明:①研究期间,日最高温度仅18.3℃,但O₃日最大8 h滑动平均体积分数达91.6×10-9,φ（O₃）小时增长率最大为1 950%;东风风速较大时O₃污染频发,说明该区域φ（O₃）的高值主要受到来自东部输送的污染源驱动.②O_x主要组分为O₃,平均占比为74.6%;当φ（O₃）/φ（O_x）在0.65~0.85之间时,φ（O₃）增长速率较快.③烯烃类VOCs排放增多是导致φ（O₃）增大的主要原因.④PMF源解析得到5个排放源,分别为石化源与机动车尾气、LPG（液化石油气）和NG（天然气）燃烧源、制药排放源、精细化工排放源以及石化烯烃源,其中对OFP贡献较大的为烯烃和芳香烃类,二者占比分别为21.3%和34.6%,主要物种分别为乙烯和间/对-二甲苯.研究显示,春季低温下上海西南区域O₃污染频发,主因是污染源驱动,φ（O₃）高值受远距离前体物输送的影响较大.      

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.     

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

新型冠状病毒肺炎疫情防控时期上海市空气质量特征及成因分析

为研究新型冠状病毒肺炎（COVID-19）疫情防控政策实施对上海市大气污染物质量浓度的影响,利用上海市内环某高层顶楼微环境平台观测了政策实施前10 d（2020-01-14—23）和实施后20 d（2020-01-24—02-12）的PM_2.5和PM₁₀质量浓度及气象要素（温度、相对湿度、风向、风速、大气压及降雨）,结合2019年同期观测数据和杨浦四漂空气质量监测点的气态污染物逐时数据,采用描述性统计、合成分析、拉格朗日粒子扩散模式和Spearman相关系数方法,分析了政策实施前、后大气污染物特征及其影响因素。结果表明:1）污染物浓度变化方面。政策实施后,ρ（PM_2.5）和ρ（PM₁₀）和ρ（NO₂）均明显降低,ρ（PM_2.5）和ρ（PM₁₀）分别由61.4,102.4 μg/m3降至38.1,63.5 μg/m3,降幅均为38.0%,ρ（NO₂）由57.3 μg/m3降至27.0 μg/m3,降幅达到52.9%,而ρ（O₃）由47.6 μg/m3增至69.5 μg/m3。ρ（PM_2.5）和ρ（PM₁₀）日变化特征由实施前的双峰双谷型变为单谷型。2）气象因素影响方面。上海地区南风异常减弱了冬季风强度,对流层中层正距平异常抑制了对流活动的发展,易导致大气污染物在近地面的汇聚。ρ（PM_2.5）和ρ（PM₁₀）与相对湿度呈负相关,风速对ρ（PM_2.5）和ρ（PM₁₀）的影响与风向有关。3）外源输入影响方面。长三角城市群及山东省、河南省等周边区域对上海市ρ（PM_2.5）和ρ（PM₁₀）贡献显著。     

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

2018~2020年北京市交通监测站点大气污染特征分析

基于北京市34个空气质量监测站点收集的5种主要污染物浓度（NO₂、CO、O₃、PM_2.5、PM₁₀）数据,对2018~2020年北京市5个交通站点污染物浓度进行分析,并与11个城市评价站点及2个背景点（密云水库、定陵）进行对比.结果表明：（1）3a间各污染物浓度年际变化总体呈下降趋势,除PM₁₀外,交通站点各污染物浓度降幅均大于城市评价站点.2020年交通站点NO₂降幅最大,比2018年下降了31.37%.除个别时期外,5种污染物浓度在交通站点比城市评价站点普遍高出3%~50%.且以NO₂最为突出.（2）2018~2020年各监测站点不同污染物浓度的季节变化特征表现不同.O₃夏季高、冬季低,最高值出现在2018年6月;其余4种污染物浓度基本表现为冬季高、夏季低;2018年3月受沙尘及不利气象条件影响,污染物浓度出现了极高值.（3）为研究新冠肺炎疫情对交通污染排放的影响,比较了5种污染物的浓度变化.与2019年同期相比,疫情后三个阶段的NO₂下降最为显著.交通站点NO₂、CO、PM_2.5平均降幅比城市评价站点高出了4.81%、10.21%、4.38%.     

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.