夏季珠江三角洲地区PM2.5化学组分特征及其对大气能见度的影响

于2010年夏季在珠三角主要城市广州、佛山、东莞、深圳、珠海以及广州郊区从化同步采集PM2.5样品,利用热光反射碳分析仪和离子色谱分别分析样品中有机碳/元素碳和水溶性离子浓度,并同步收集能见度和气象数据.在此基础上对珠三角主要城市大气PM2.5中主要化学成分的浓度水平和空间分布特征进行分析,并利用IMPROVE方程重建大气消光系数,探讨PM2.5的主要化学组分对大气能见度的影响.结果发现,观测期间珠三角地区PM2.5中的主要化学成分空间分布特征明显,广州、佛山和东莞浓度较高,珠海和深圳浓度较低.(NH4)2SO4、有机物(OM)、EC和NH4NO3对夏季珠三角大气消光系数贡献率分别为39%、31%、12%和13%.     

山西省PM2.5污染时空演变特征及其影响因素分析

由于PM2.5污染存在空间异质性与空间相关性的特点,因此探究PM2.5的时空演变规律并分析PM2.5污染程度的影响因素,对于山西省协同治理联防联控有着重要作用.基于2008-2018年山西省11个地级市PM2.5年度数据,该研究运用标准差椭圆法、普通克里金插值法、探索性空间数据分析法和建立空间杜宾模型,分别对山西省PM2.5污染重心转移、污染的空间分布、空间关联性和影响因素进行了研究.结果 表明:(1)山西省PM2.5污染重心随时间不断移动,但一直位于晋中市;PM2.5污染存在空间聚集特征,但特征变化不明显.(2)时间上,山西省PM2.5浓度在2011年达到峰值,之后逐年下降;空间上,大致呈现南高北低、东高西低的特点.(3)山西省PM2.5具有明显空间集聚现象和空间溢出效应.山西省大部分南部城市处在PM2.5高-高聚集区域.(4)人口密度、规模以上发电量对山西省PM2.5浓度具有显著正向作用,而城镇率对山西省PM2.5浓度具有显著的负向作用.     

上海市夏季颗粒物污染过程数值模拟研究

利用观测资料和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年7月26日—8月26日上海市及周边城市PM10、PM2.5及其无机盐组分的浓度变化趋势及时空分布特点.结果表明,NAQPMS模式较为合理的重现了上海各方位站点及其周边城市PM10、PM2.5及其硫酸盐、硝酸盐等无机化学组分的浓度水平与变化趋势,相关系数在0.7以上.研究期间造成上海颗粒物污染的主要原因是:弱气旋低压系统控制下,西南或西北气流将内陆污染物输送至上海市,当低压中心移至上海附近时带来的辐合气流使得污染进一步累积上升.长三角地区PM2.5主要无机盐组分分布特征表明,上海市及周边城市的硫酸盐、硝酸盐和铵盐的总和占PM2.5浓度的40%~60%,二次气-粒转化过程贡献明显,且以SO2向SO2-4的氧化转换为主;污染上升过程中NO-3/SO2-4比率增大,说明流动源的贡献有所增加.     

不同空气质量等级下环境空气颗粒物及其碳组分变化特征

为研究不同空气质量等级下环境空气颗粒物及其碳组分变化特征,于2016年3月在廊坊市对环境空气中PM_(10)、PM_(2.5)和PM1质量浓度及PM_(2.5)中碳组分质量浓度进行了在线监测.结果表明,监测期间廊坊市PM_(10)、PM_(2.5)和PM1质量浓度较高,其分别为204.1、107.9和87.8μg·m~(-3),日变化趋势呈双峰型分布.总体来说,当空气质量越好,PM_(10)、PM_(2.5)、PM1及其碳组分(OC、EC、SOC和POC)质量浓度越低,PM1/PM_(2.5)、PM1/PM_(10)和PM_(2.5)/PM_(10)比值越小.但"中度污染"时,PM_(10)质量浓度最高,且PM1/PM_(10)和PM_(2.5)/PM_(10)达到谷底值;同时OC质量浓度比"轻度污染"略低,而明显低于"重度污染",且主要出现在13:00~23:00,表明"中度污染"时细颗粒物和超细颗粒物占比下降,与其对应的首要污染物相一致.此外,OC/EC比值大于2.0,通过最小OC/EC比值法估算PM_(2.5)中SOC和POC,其浓度均值分别为12.2μg·m~(-3)和5.0μg·m~(-3).     

广州地区秋冬季细颗粒物PM_(2.5)化学组分分析

本文对广州地区2009~2010年秋冬季节大气中PM2.5进行采样,并分析PM2.5样品的水溶性离子、重金属元素、有机碳/元素碳(OC/EC)、有机酸、多环芳烃浓度和粒径分布。通过分析初步掌握了广州地区秋冬季节大气中PM2.5的化学组分和特点:广州地区秋冬季PM2.5呈现城区高于城郊,PM2.5中有机质(OM)是最主要的成分,其次是硫酸根离子、硝酸根离子和铵根;PM2.5中有机碳和元素碳的空间分布特征相似,并受一次源排放影响;PM2.5中铝、锌、铅是含量最高的重金属,且城区重金属浓度高于城郊;PM2.5中17种多环芳烃、苯并a芘(BaP)均为城郊浓度最高。     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.     

基于iLME+Geoi-RF模型的四川省PM2.5浓度估算

高分辨率PM2.5空间分布数据对动态监测和控制PM2.5污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM2.5浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM2.5浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合Rl2、RMSR 和 MAE 分别为0.98、3.25 μg·m-3和 1.98 μg·m-3,交叉验证 R2、RMSR 和 MAE 分别为0.89、7.95 μg·m-3和4.81μg·m-3.该模型可获取更高精度的四川省PM2.5时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM2.5浓度存在显著的季节性差异,各季节PM2.5浓度大小关系为:冬季＞秋季＞春季＞夏季.2016年四川省月均PM2.5浓度总体上呈先降后升的"V"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM2.5浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM2.5浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.     

2020年南通市大气颗粒物组分和污染特征分析

本次研究以南通市大气颗粒物组成和污染特征为研究对象,利用南通市大气超级站监测数据,分析了2020年南通市PM2.5和PM10浓度水平,时间变化特征和组分特征.结果表明,2020年南通市PM2.5和PM10年均质量浓度分别为34μg/m3和56μg/m3,具有明显的冬高夏低的特征,PM2.5/PM10呈现为冬季>夏季>春季≈秋季.PM2.5中含碳组分和水溶性阴阳离子高低顺序为:NO3->OC>SO2-4>NH4+>EC>Cl->K+>Na+>Ca2+>Mg2+.冬季OC、NH4+、SO2-4和NO3-浓度值显著高于其他三个季节,PM2.5中NO3-、OC、SO2-4和NH4+的占比分别为27.7％、15.4％、15.0％和14.2％.NO3-/SO2-4比值为1.9,表明受移动源影响较大;OC和EC浓度均为冬季最高,夏季最低,四季OC/EC介于3.2～4.6,表明南通全年均受二次有机碳(SOC)的影响,且主要受柴油、汽油车的尾气排放和燃煤排放影响.     

珠江三角洲地区亚运期间颗粒物污染特征

为研究2010年广州亚运会期间珠江三角洲地区颗粒物污染特征,2010年11月11日—30日分别在广州市区城市点及下风向鹤山区域点采集24h颗粒物样品,对其主要化学组分(有机碳OC、元素碳EC和水溶性离子)进行测量.结果显示,观测期间广州和鹤山PM2.5平均质量浓度分别为(73.3±16.5)μg·m-3和(98.2±20.8)μg·m-3.鹤山PM10平均浓度高达131.6μg·m-3,且PM2.5占PM10的74%,表明区域PM2.5污染凸显.广州和鹤山PM2.5中二次无机离子(SNA)分别占39%和42%,有机物(OM)分别占31%和26%,EC分别占5%和6%.根据EC示踪法粗略估算,广州和鹤山PM2.5中一次有机碳POC分别占15%和13%,二次有机碳SOC分别占4%和3%.总体上,广州和鹤山PM2.5中二次生成(SNA+SOA)均约占50%,表明珠江三角洲地区PM2.5区域性二次污染的特征.广州市区PM2.5及SNA、Cl-和EC明显低于区域点鹤山浓度水平;与2004年同期研究(PRIDE-PRD2004)结果相比,气象条件相似,而广州市区PM2.5及EC浓度分别显著降低达29.6μg·m-3(29%)和3.5μg·m-3(49%),反映出亚运期间一次排放得到有效控制.     

北京地区1～3月PM_(2.5)、PM_(10)、NO_2、SO_2地面浓度分布特征分析

本次研究选取了2015年1~3月份北京地区的PM2.5、PM10、NO2、SO2浓度的小时栅格数据,利用ENVI 4.8软件取得各污染物栅格数据的平均值,分析各污染物的浓度分布差异,结果表明:北京地区1~3月大气污染物浓度的空间分布具有显著的梯度特征,污染物浓度从东-西、从南-北呈递减趋势,其中PM2.5、PM10的环境空气污染程度较重,NO2、SO2的地面浓污染程度较轻,主城区的污染物浓度相对较高,郊区的相对较低。     

基于CAMx的徐州市2016年冬季PM2.5污染过程及来源分析

徐州地处江苏西北部、华北平原的东南部,为内陆资源型工业城市,近几年来环境监测数据显示,徐州地区大气复合污染问题日益突出,准确模拟大气污染物状况及来源对于空气污染的防治十分关键.2016年1月,徐州市出现了多次持续的重污染天气,研究中以此次污染事件为例,首先基于WRF-CAMx空气质量模型系统对这次细颗粒物污染过程进行全面的模拟与分析,其次利用CAMx-PSAT系统模拟和分析本次污染的区域传输过程.研究结果显示：此次细颗粒物污染中,PM_2.5组成成分以硫酸盐、元素碳、硝酸盐和铵盐为主,分别占月平均浓度的29%、15%、14%、14%;PM_2.5的区域传输贡献中,长距离传输所占比重最大,月平均贡献率达46%,其次为本地源排放,平均贡献率为39%;重污染天气期间,PM_2.5污染主要从西北方向输入,此时长距离传输的影响明显增大.     

Chemical compositions of PM2.5 aerosol during haze periods in the mountainous city of Yong'an, China

Haze phenomena were found to have an increasing tendency in recent years in Yong'an, a mountainous industrial city located in the center part of Fujian Province, China. Atmospheric fine particles (PM_2.5) in the urban area during haze periods in three seasons (spring, autumn and winter) from 2007 to 2008 were collected, and the mass concentrations and chemical compositions (seventeen elements, water soluble inorganic ions (WSIIs) and carbonaceous species) of PM_2.5 were determined. PM_2.5 mass concentrations did not show a distinct difference among the three seasons. The carbonaceous species organic carbon (OC) and elemental carbon (EC) constituted up to 19.2%-30.4% of the PM_2.5 mass during sampling periods, while WSIIs made up 25.3%-52.5% of the PM_2.5 mass. The major ions in PM_2.5 were SO₄^2-, NO₃^- and NH₄⁺, while the major elements were Si, K, Pb, Zn, Ca and Al. The experimental results (from data based on three haze periods with a 10-day sampling length for each period) showed that the crustal element species was the most abundant component of PM_2.5 in spring, and the secondary ions species (SO₄^2-, NO₃^-, NH₄⁺, etc.) was the most abundant component in PM_2.5 in autumn and winter. This indicated that dust was the primary pollution source for PM_2.5 in spring and combustion and traffic emissions could be the main pollution sources for PM_2.5 in autumn and winter. Generally, coal combustion and traffic emissions were considered to be the most prominent pollution sources for this city on haze days.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

京津冀地区主要排放源减排对PM2.5污染改善贡献评估

研究选取2012年1月和7月作为冬夏两季代表时段,利用CMAQ/2D-VBS模型分析了冬夏两季京津冀地区主要排放源减排30%对改善区域PM_(2.5)污染的效果.结果表明,工业源对PM_(2.5)污染的贡献最大,其次是民用源,但工业源单位减排量贡献低于民用源,交通源和电厂源的整体贡献和单位减排量贡献均较小.工业部门内贡献最大的为钢铁冶金行业,其次是水泥、工业锅炉、炼焦、石灰砖瓦和化工行业.与各部门各物种排放量的比较反映出各排放源贡献大小与其一次PM_(2.5)排放水平高度相关.因京津冀地区冬季NO_x减排对PM_(2.5)形成的促进作用,以及冬季较弱的大气垂直扩散作用,各排放源夏季减排比冬季普遍更有效,交通源、电厂源以及工业源中的水泥、工业锅炉和石灰砖瓦行业夏季减排效果相比冬季优势明显.民用源由于采暖季排放较高而冬季贡献更明显,农业源因秸秆开放燃烧量大,冬季单位减排量贡献十分显著.从同等幅度减排考虑,应将工业源作为控制重点,优先控制其一次PM_(2.5)排放,在部门内进一步重点控制钢铁冶金行业的NO_x和SO_2排放、水泥行业的夏季NO_x排放以及炼焦行业的SO_2和NMVOC排放.民用源排放应着重在冬季采暖期控制.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

不利风向条件下北部湾人为源对海口市PM2.5浓度影响的模拟研究

通过分析2013—2017年海口市风向频率、地面PM_(2.5)浓度及海口市所处北部湾地理位置,确定12月为北部湾对海口市最不利风向时间段.利用中尺度气象模式(WRF,Weather Research Forecast)驱动空气质量模型(CMAQ,Community Multi-scale Air Quality),设置一系列数值模拟情景,深入分析北部湾人为源对海口市PM_(2.5)浓度影响.结果表明:WRF/CMAQ能很好地再现北部湾气象场和PM_(2.5)浓度的时空分布.2013年12月,北部湾人为源对海口市PM_(2.5)平均贡献率约为45.4%,其中约有90%来源于海口市自身人为源,约有10%来源于广东广西片区,海南片区除海口外其余市县贡献可忽略不计.污染时段,北部湾和海口市自身贡献率均下降,平均贡献率分别为40%和36%,表明污染时段海口市PM_(2.5)主要源区不仅来自北部湾.通过分析后向轨迹,发现污染时段均会经过一个关键区——珠三角区域,表明珠三角区域很有可能也是造成2013年12月海口市PM_(2.5)污染的主要源区.清洁时段,北部湾和海口市自身贡献率均上升,平均贡献率分别为52%和48%,表明北部湾对海口市PM_(2.5)浓度影响在清洁时段更显著.因此,北部湾未来产业规划值得关注,因为这些产业很有可能使目前海口市清洁时段变为污染时段,导致空气质量下降.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.