2016年京津冀地区红色预警时段PM2.5污染特征与浓度控制效果

2016年12月京津冀地区发生一次重污染过程,北京和天津于12月16日20：00至12月21日24：00,河北省（除张家口、承德和秦皇岛）于12月16日00：00至12月22日18：00发布了重污染红色预警.为研究重污染过程与应急措施的控制效果,基于环境监测数据与模型模拟结果对本次重污染过程的污染物浓度、天气形势与气团输送、区域传输和减排效果进行了研究.本次重污染过程中各地市PM_2.5平均浓度均超过200 μg·m^-3,小时均值峰值为834.5 μg·m^-3.重污染期间气象条件非常不利于污染物扩散,低压控制与气团传输加剧了污染过程.各地市平均本地贡献为47.1%,受天气形势影响传输效果存在一定差异.本次红色预警期间京津冀地区PM_2.5浓度平均下降比例为27.6%,减排效果明显.如果提前实施重污染应急措施,可以使PM_2.5下降浓度有一定提升.提前2 d实施可以使PM_2.5浓度平均下降比例增加4.4%,提前3 d以上效果提升不明显.     

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.     

2019年10~12月京津冀及周边“2+26”城市重污染减排效果评估

为评估京津冀及周边区域重污染过程期间应急减排措施的效果,基于情景模拟的方法,采用NAQPMS模式和多种观测资料,分析了2019年10~12月期间京津冀及周边区域环境空气质量、重污染过程和气象条件概况,评估了模式24、72和144 h的PM_2.5预报效果,并对应急减排措施的效果和不确定性进行了讨论.结果表明,2019年10~12月京津冀及周边"2+26"城市PM_2.5平均浓度64 μg ·m^-3,同比降低了10 μg ·m^-3;区域性重污染过程4次,受影响城市重污染过程期间PM_2.5平均浓度156 μg ·m^-3."2+26"城市PM_2.5气象条件评估指数（EMI）变化值范围为-15.6%~16.8%,EMI显示北京、天津和石家庄等12个城市气象条件与同期相比变差,变差程度范围为3.2%~16.8%.减排情景模拟分析显示应急减排措施有效减少了区域性重污染过程的发生,污染物峰值浓度降幅明显,未出现区域性严重污染过程.典型重污染期间,北京、石家庄、保定和唐山等城市PM_2.5日均浓度削减2%~9%.区域应急减排措施促使"2+26"城市PM_2.5季度均值分别降低1~3 μg ·m^-3左右,区域性减排效果明显.     

长三角地区典型PM2.5污染过程和跨区域传输对宁波污染贡献评估模拟

利用WRF模式和嵌套网格空气质量模式（NAQPMS）对长三角地区2015年1月一次典型PM_2.5区域重污染事件进行数值模拟.结果表明,NAQPMS模拟再现了长三角地区PM_2.5重污染的发展过程,外来区域污染输送是导致长三角地区发生重污染的一个重要因素,主要受3条通道传输影响：内陆（河南-安徽-江苏）通道、沿海（京津冀-山东-江苏）通道和海洋（京津冀-山东-黄海-江苏）通道.以宁波为对象评估污染跨区域输送贡献的解析结果表明：污染发生阶段以沿海通道输送为主,外来区域输送江苏贡献率较大（36.51%）;重污染阶段以内陆通道和海洋通道为主,主要外来区域贡献为浙江北（25.55%）、安徽（12.33%）和海洋（16.92%）;污染消散主要受海洋通道影响,外来输送主要为江苏（14.74%）和海洋（31.43%）.     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016~2017年秋冬季"跨年霾"至2019~2020年秋冬季"疫情霾"期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的贡献.结果表明,从"跨年霾"（2016-12-16~2017-01-14）至"疫情霾"（2020-01-22~2020-02-14）该区域主要大气污染物排放量大幅下降50%左右,不利气象条件下,区域PM_2.5平均浓度可削减40%以上.措施减排主要来自火电、钢铁等重点工业行业提标改造和工业锅炉、民用燃煤等燃煤源治理,对SO₂和PM_2.5排放量的削减贡献较大,贡献率分别为67.1%和53.4%;疫情主要影响移动源和轻工业活动水平,对NO_x和VOCs排放量的削减贡献较大,贡献率分别为71.9%和68.2%.措施减排对区域空气质量改善贡献突出,有效抑制了重污染过程的强度和范围.在"跨年霾"的不利气象条件下,措施减排使区域PM_2.5平均浓度下降26%,重度及以上污染天数减少44%.受疫情影响,区域PM_2.5平均浓度继续下降24%,重污染持续时间和范围进一步缩减.     

基于PCT方法的京津冀冬季PM2.5重污染天气型分析

T模态斜交主成分分析法（PCT）分析的天气过程时间尺度越长,该算法的优势越明显,天气分型结果也更完整,可信度越高.利用京津冀地区2014年冬季-2019年冬季（每年12月-翌年2月）的环境监测资料,以区域平均PM_2.5日均值大于150 μg·m^-3为标准,筛选出72个京津冀地区PM_2.5重污染日,采用ERA5提供的0.25°×0.25°气象再分析资料,应用PCT算法将72个PM_2.5重污染日海平面气压场客观地分为高压前部型、锋前低压型、高压后部型、均压场型和弱低压型5种类型,分别占总PM_2.5重污染天数的34.72%、20.83%、16.67%、16.67%和11.11%.另外,对2017年2月12-16日京津冀地区PM_2.5重污染过程的分析表明,重污染天气过程中随着逐日天气型的演变,污染物浓度特征、近地面风场和大气污染物污染传输路径均发生相应变化.     

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物（PM_2.5）浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO₂和PM_2.5浓度降幅明显,与2013年相比,两城市2018年SO₂浓度的降幅分别为77.8%和70.9%,PM_2.5浓度分别降低了42.7%和48.5%.冬季PM_2.5浓度下降速率最大,每年分别以13.5μg·m^-3和14.1μg·m^-3的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数（SWI）和环境气象指数（EMI）结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_2.5浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.     

2017~2021年苏皖鲁豫交界区域PM2.5和O3时空变化特征及影响因素

苏皖鲁豫交界区域是长三角和京津冀及周边两大大气污染治理重点区域的连接带,揭示该区域PM_2.5和O₃污染特征对推动区域大气污染联防联控有着重要意义.基于2017~2021年苏皖鲁豫交界区域22个地市的国家空气环境监测网络观测数据,探讨了该区域PM_2.5和O₃浓度的时空变化特征及气象影响.结果表明：①2017~2021年区域PM_2.5浓度呈现逐年下降趋势,PM_2.5浓度月均值呈现“U型”分布,冬季PM_2.5浓度仍维持高位.O₃-8h-90%浓度呈现波动下降趋势,O₃-8h-90%浓度月均值变化呈“M型”分布,夏秋季O₃污染程度未有好转.②与2017年相比,2021年PM_2.5-O₃复合污染天数减少了52 d,但PM_2.5污染仍占主导地位.③PM_2.5和O₃污染区域主要集中在区域中部和北部城市,且中部城市PM_2.5和O₃污染程度均改善显著.④采用Moran''s I指数和LISA指数分析了区域PM_2.5和O₃-8h-90%浓度的全局和局部空间自相关性,PM_2.5和O₃-8h-90%浓度均具有空间相关性,PM_2.5浓度主要表现为高值-高值聚集或低值-低值聚集现象,且高值-高值聚集有从中部向西部转移的现象,2020年和2021年O₃-8h-90%浓度表现为高值-高值聚集或低值-低值聚集现象.⑤结合气象要素数据,利用KZ滤波方法量化排放源与气象条件对区域PM_2.5和O₃-8h浓度的贡献,两者主要受到污染物排放影响,贡献率分别为101.0%和99.3%,表明污染物减排是驱动区域空气质量改善的主要因素.此外,气象条件对PM_2.5浓度的贡献在一、四季度为正值,二、三季度为负值,而对O₃-8h浓度的影响则反之,且气象条件对不同城市PM_2.5和O₃-8h浓度的影响程度存在较大差异.     

武汉地区2014年PM2.5时空分布与来源贡献的数值模拟研究

利用耦合了污染源在线追踪模块的化学传输模式NAQPMS （Nested Air Quality Prediction Model System）,结合地面细颗粒物（PM_2.5）的小时观测数据,模拟了2014年1、4、7、10月4个月份武汉地区PM_2.5浓度时空分布特征,量化了本地、武汉城市圈及远距离地区对武汉PM_2.5浓度贡献.研究发现,2014年武汉市PM_2.5年均浓度为85.3 μg·m^-3,污染天（PM_2.5日均值≥75 μg·m^-3）占全年总天数的47.9%.细颗粒物的月均值呈现出季节性特征,即冬季污染最为严峻,1月均值为199.1 μg·m^-3,PM_2.5浓度超标持续一整月;夏季空气质量最好,春秋介于两者之间.模拟的PM_2.5平均浓度在空间上大致呈现"城区高,郊区低"的分布态势.污染物区域来源解析发现,武汉市本地排放源贡献在1月最低,为34.1%,表明外来源贡献对长期灰霾的形成起决定性作用.7月本地源影响最显著（65.7%）,和毗邻城市源（23.1%）一起成为夏季污染物的主要来源.4月和10月本地排放贡献比分别为49.1%和42.1%.4个月份,武汉城市圈对该市PM_2.5浓度的贡献差异不大,范围在20.8%~24.1%.受大尺度天气系统的影响,远距离传输贡献率趋势与本地来源相反,占10.6%~35.3%.研究结果表明污染气团跨界输送对武汉不同季节PM_2.5浓度有重要贡献.在冬季大范围污染背景下,污染物区域大范围协同控制才能有效减缓武汉PM_2.5污染问题;而夏季对本地及近周边城市的减排措施可以有效改善武汉的空气质量.     

基于RAMS-CMAQ模拟的2019年初威海市大气污染反弹成因研究

威海市是山东省东部最典型的沿海城市,也是中国、日本、韩国大气污染相互传输影响的重要通道.虽然威海市大气质量已连续4年达标,但其污染仍时有反弹.2019年1-2月威海市大气NO₂和PM_2.5浓度反弹率分别达48.5%和35.0%,明显高于山东省内陆地区和京津冀地区平均水平.通过对同期空气质量例行监测数据和气象资料统计分析、空气质量模型RAMS-CMAQ模拟和后向轨迹聚类等方法定量剖析了威海市大气污染反弹的原因.结果表明,威海市2019年1-2月空气污染反弹与气象条件及其相关联的污染物区域输送有较大的相关性,与2018年同期相比,冷空气活动弱、降水量偏少、风速偏低、受来自山东内陆和京津冀相对高污染区污染输送影响偏多是造成本次污染反弹的主要诱因.RAMS-CMAQ模拟显示,相同排放源假定下,由气象条件及其引起的区域传输造成的PM_2.5和NO₂浓度反弹,2019年1、2月较2018年同期PM_2.5浓度增加值分别为8、3 μg·m^-3,分别占总反弹率的53%、37.5%,NO₂浓度增加值分别为10、7.5 μg·m^-3,分别占总反弹率的58.8%、40%.说明威海市空气质量受外来输送明显、扩散条件及区域污染输送是空气质量评估不容忽视的重要因素.     

应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征

基于WRF/Chem模式,设置多组区域排放源的情景实验定量估算河南、京津冀、山东、山西、安徽和江苏、湖北6个区域人为源排放对河南省2015年12月PM_(2.5)和PM_(10)浓度贡献率,并结合气象资料研究3个代表性城市的污染输送特征.结果表明:河南省冬季PM_(2.5)和PM_(10)主要来源为本省排放,平均贡献率分别为54.83%、61.32%.区域污染输送对河南颗粒物的贡献也占有很大比例,京津冀、安徽和江苏、山东、山西以及湖北对PM_(2.5)平均贡献率分别为11.95%、11.69%、7.95%、7.40%、4.30%,对PM_(10)平均贡献率分别为10.42%、10.03%、7.00%、6.89%、3.80%.PM_(2.5)外来输送率比PM_(10)要高,表明细颗粒物比粗颗粒物更易跨区域长距离输送.冬季长持续时间的污染过程大多受静风或小风控制,省内污染贡献最大,过程结束时伴随着大风,周边区域的污染贡献有所增加.不同城市的颗粒物来源与其地理位置、风速、风向等气象条件密切相关.区域污染来源具有复杂性,改善河南省空气质量是需要整个区域共同面对和解决的问题.     

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%~66.01%,京津冀受区域外传输的贡献率范围为0.11%~26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线性响应关系,主导风向变化导致重污染前的传输效应明显大于重污染期间,高湿环境的传输效应明显小于低湿环境.     

2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析

利用常规气象观测资料、空气质量监测资料、再分析资料和数值模式资料,分析了2014年2月20-26日京津冀地区持续重污染天气过程的环流背景、气象要素特征、静稳天气条件和传输条件.结果表明：2月20-26日,亚洲东部受弱高压脊控制,京津冀及周边地区位于地面高压后部,等压线较为稀疏,气压梯度小,造成地面风速较小;与此同时,混合层高度低,通风系数小和逆温存在,构成重污染天气出现和维持的气象条件,均不利于大气中污染物和水汽的垂直和水平扩散.静稳天气指数对于重污染天气有一定的指示意义,高静稳天气指数通常对应高PM_2.5浓度,且二者变化趋势一致性高;2月20-26日静稳天气指数总体上大于2014年1-3月其他几次污染过程,且在高位长时间维持,造成此次污染过程更严重.此外,传输条件也是京津冀重污染天气的主要成因：地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集,使能见度进一步降低、污染物浓度进一步升高.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

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.     

基于无人机探空和数值模拟天津一次重污染过程分析

污染发生在边界层中,边界层热力和动力垂直结构对重污染天气形成有显著影响.本文基于无人机探空、地基遥感观测和数值模式,开展天津地区2019年1月10~15日重污染过程期间边界层垂直结构及污染成因分析,以期加强北方沿海城市边界层过程对重污染影响规律认知,提升重污染天气预报预警准确率.结果表明：大气温度层结对重污染天气形成、持续和消散有显著影响,此次过程伴随逆温层的发展和消散,PM_2.5高浓度区白天向大气上层发展,高度可达300 m以上,夜间向近地面压缩,高度在100 m左右;雾天气出现并在白天维持,改变了边界层垂直结构特征,雾顶逆温的持续存在抑制了污染物向大气上层扩散,使得白天湍流垂直混合过程贡献明显下降,导致近地面重污染天气维持和发展;过程期间区域输送贡献率为66.6%,边界层垂直结构与重污染天气区域输送密切相关,区域污染物输送高度主要出现在边界层顶部以及雾顶逆温层以上的大风速层处,且随着边界层和雾顶抬升高度的变化,通过下沉运动影响地面,形成北部弱高压天气控制下静稳天气区域输送;边界层垂直结构影响冷空气对空气质量的改善效果,S3阶段雾顶的强逆温导致冷空气无法通过湍流切应力传导到地面,在高低空存在明显的风速差,冷空气影响地面时间延后,作用减弱,重污染天气无法彻底缓解.     

2015年1月下旬北京市大气污染过程成因分析

采用地面观测和数值模拟相结合的方式,对2015年1月下旬北京市两次PM_2.5污染过程进行分析。研究表明,在第1次过程中PM_2.5浓度经过3个抬升阶段达到峰值,过程前期区域传输的作用明显,随后区域传输和本地污染积累、化学反应共同加重了污染的程度;3个浓度抬升阶段中均出现过PM_2.5浓度“跃升式”增长,且污染水平越重,浓度跃升的幅度越大。第2次过程是一次典型的静风、高湿度下的PM_2.5持续性增长过程,主要是本地污染物积累和发生化学反应二次生成导致的。大气氧化性分析和SOR、NOR分析均验证了对两次污染过程特征和成因的推断。数值模拟结果表明,第1次污染过程中区域传输对不同站点PM_2.5的贡献率在15.2%~68.7%之间;第2次过程区域传输的贡献率在12.8%~46.3%之间。