佛山:出四招、保蓝天

正日前,佛山2020年大气治理成绩单出炉。数据显示,过去一年,佛山空气质量达近年最优水平,同比改善22.3%,改善幅度位于全省前列;优良天数比例达91.0%,首次超过九成;空气质量六项指标首次全面达到国家二级标准,细颗粒物(PM_(2.5))、可吸入颗粒物(PM(10))、二氧化氮(NO2)、二氧化硫(SO_2)、一氧化碳(CO)浓度均降至自2012年环境空气质量新标准实施以来的最低水平,与2019年相比改善幅度均超过两成;"约束性考核指标"PM_(2.5)浓度为22微克/立方米,     

2018年春节期间京津冀及周边地区烟花禁放效果评估

为了评估2018年春节期间(2月15—16日)京津冀及周边地区"2+26"城市烟花禁限放措施的效果,采用浓度特征对比、ρ(PM_(2.5))/ρ(CO)等方法,对"2+26"城市的ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)进行分析,并定量估算了除夕夜烟花燃放对ρ(PM_(2.5))和ρ(SO_2)的贡献率.结果表明:"2+26"城市烟花的集中燃放会导致ρ(PM_(2.5))、ρ(SO_2)显著增长,出现以PM_(2.5)为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ(PM_(2.5))达到重度及以上污染水平,呈区域性污染特征;与2017年同期(1月27—28日)相比,2018年春节期间(2月15—16日)14个城市烟花燃放对ρ(PM_(2.5))平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ(PM_(2.5))显著高于城区,呈"农村包围城市"的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.     

"系统化、精细化、科学化"——中山打好蓝天保卫战助推高质量发展

正中山市将改善空气质量作为高质量发展的"生命线",大气污染防治责任考核2014年、2015年、2016年连续三年获"优秀",PM_(2.5)、PM_(10)、CO、NO_2、SO_25项指标已实现多年持续下降并稳定达标,2019年PM_(10)、NO_2、SO_2浓度降幅均高于全省、珠三角的平均水平,超额完成《大气污染防治行动计划》     

重庆市都市功能核心区秋季大气污染物时空分布特征

为研究重庆市都市功能核心区大气污染物浓度水平及变化规律,统计分析了2014年9月至2014年11月5个监测站(解放碑、高家花园、杨家坪、新山村和南坪)24 h连续监测PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3浓度数据.结果表明,观测期间,大气颗粒物污染严重,5个站点PM2.5日均浓度超标率分别为30.8%、37.4%、38.5%、37.4%和31.9%,5个站点PM10日均浓度超标率分别为23.1%、22.0%、18.7%、19.8%和19.8%;重庆市都市功能核心区细颗粒物(PM_(2.5))污染严重,5个站点PM2.5占PM10比例分别为60.2%、64.6%、64.1%、75.4%和62.8%;PM_(2.5)、PM_(10)、NO_2和CO早晚出现高峰值;SO_2和O_3浓度日变化曲线呈现单峰型,峰值分别出现在中午和午后;降水量、气温和水汽压与PM_(2.5)、PM_(10)、SO_2和NO_2呈显著负相关;相对湿度与O_3呈显著负相关,气温、水汽压和风速与O_3呈显著正相关;CO与相对湿度呈显著正相关;风向也影响着大气污染物浓度的时空分布,南偏西、南偏东和东北偏北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度积累,西北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO扩散;但西北风控制下利于O_3浓度积累.     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。     

华北典型农区夏季大气污染特征及变化趋势研究

为研究华北典型农区大气污染特征及变化趋势,于2008年和2012-2014年的夏季在山东禹城生态站,对大气中主要污染物(NO_x、O_3、SO_2和PM_(2.5))进行了观测研究。结果表明:观测期间NO_x、O_3、SO_2和PM_(2.5)的平均浓度分别为(31.8±16.8)、(77.6±27.5)、(13.1±14.3)和(84.2±41.7)μg/m~3,O3日8 h滑动平均最大值和PM_(2.5)日均值浓度超过国家二级标准的超标率分别为35%和54%;NO_x、O_3及O_x的浓度总体呈上升趋势;SO_2浓度呈下降趋势;PM_(2.5)浓度呈现波动变化;NO、O_3和SO_2呈现白天单峰型日变化形式,NO_2和PM_(2.5)日变化呈现双峰型。禹城农业区夏季大气污染主要受其偏南城市济南、泰安和聊城方向气流影响,高浓度的O_3污染的同时伴随着高浓度PM_(2.5)污染。     

沿海典型城市大气污染物分布特征和影响因素分析

基于2016～2020年来中国环境监测总站发布的PM_(2.5)、PM_(10)、SO_2、NO_2浓度监测数据,选取了4个经济较为活跃的典型沿海城市(天津、青岛、上海、宁波),从地理位置、气候、产业结构、交通运输、GDP等方面进行了分析。结果表明,区域地理位置和气候对大气污染物的浓度分布存在影响。北方两城冬季PM_(2.5)、PM_(10)和SO_2浓度均高于南方两城,其中2020最高均值分别为南方的2倍、1.8倍和1.4倍。青岛冬季的PM_(10)浓度均值最高,但在夏季远低于天津,与浓度最低的宁波相近。交通运输、温度、降水量均对大气污染物浓度分布存在不同程度的影响。受疫情影响,上海2020年运力与2019年运力差异显著,由此导致上海2020年冬季NO_2浓度波幅为2019年冬季的1.5倍。降水量对季节性干旱城市的影响大于常年湿润的城市,降水量对北方两市影响呈负相关,对南方两市呈弱相关。以单位GDP为比对基准值,各污染物浓度比对值最小的城市为上海。以上海为基准,北方城市的PM_(2.5)、PM_(10)、SO_2、NO_2浓度比对值的最大值分别为上海的4.16、4.61、3.82、2.91倍。     

呼和浩特市大气污染物污染特征及污染物的相关性分析

为了探究呼和浩特市大气污染物污染特征,对2014年一年的AQI做出统计整理并对PM_(10)、PM_(2.5)、SO_2、CO、NO_2的相关性进行分析。研究结果发现:呼和浩特市2014年空气质量总体良好,空气质量为良所占比重为58%,中度污染和重度污染所占比重为35%。该市的主要污染物PM_(10)、PM_(2.5)、SO_2的超标率分别达到了88.81%、52.60%、36.20%。空气污染指数AQI与PM_(10)、PM_(2.5)、SO_2、CO、NO_2、呈显著相关,尤其是PM_(10)和PM_(2.5),相关性系数高达0.959和0.851,可见其污染主要以颗粒物物为主。PM_(10)、PM_(2.5)、SO_2、CO、NO_2浓度间两两正相关。O_3的浓度与PM_(2.5)、SO_2、CO、NO_2均呈现负相关,O_3与AQI和PM_(10)的相关性不显著。     

中国中东部PM2.5时空分布变化及气象影响分析

为探究气象条件变化对PM_(2.5)的分布影响,该研究利用CAMx及WRF模型,分别模拟了中国中东部地区2017-2019年第4季度PM_(2.5)浓度(ρ(PM_(2.5)))分布及气象条件变化,并对"2+26"城市、长江三角洲地区的ρ(PM_(2.5))及气象因子进行时空变化分析。结果表明:2017-2019年,太行山东麓沿线污染最为严重,季度平均ρ(PM_(2.5))达150～250μg/m3,长江三角洲地区季度平均ρ(PM_(2.5))为35～115μg/m3;2019年太行山东麓及燕山南麓地区气象条件优势明显,西北气流频次增加,同时相对湿度下降,大气边界层升高,降水量增加,地区ρ(PM_(2.5))下降6～18μg/m3;长江三角洲沿海地区降水量增加,风速增大,ρ(PM_(2.5))下降8～16μg/m3。数值模拟结果显示,2017-2019年,受降水、相对湿度、边界层、风速以及主导风向的影响,2019年中国中东部地区冬季ρ(PM_(2.5))降低6～18μg/m3,不同区域影响ρ(PM_(2.5))变化的气象因子不同。     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

烟花爆竹燃放对福州大气PM_(2.5)成分的影响

文章利用2017年及2018年春节期间福州市大气超级监测站的逐小时监测数据,研究烟花爆竹燃放对城市大气PM_(2.5)成分的影响,运用PM_(2.5)监测仪、在线离子色谱分析仪、黑碳仪对PM_(2.5)中的各成分进行监测分析。结果表明,烟花爆竹燃放期间,气象条件处于静稳状态,更有利于污染物的累积,烟花爆竹燃放对SO_2气体浓度影响较大。PM_(2.5)浓度显著增加,PM_(2.5)/PM_(10)比值与PM_(2.5)浓度峰值处呈负相关,说明烟花爆竹燃放时段主要增加的颗粒物是粒径较粗的粒子,但在整个观测时期主要还是细粒子污染;各水溶性组分(Cl~-、K~+、Mg~(2+)、Na~+、SO_4~(2-))在PM_(2.5)中的占比也有大幅提升,说明烟花爆竹对它们存在影响,对K~+和Cl~-的影响效果最为明显;对比2年的各类组分相关系数结果发现2017年春节期间PM_(2.5)上升的主要影响因素为烟花爆竹燃烧,而2018年PM_(2.5)浓度的增加是烟花爆竹燃烧与二次生成过程共同作用的结果。同时烟花爆竹燃放期间,BC浓度大约是平时的3.5倍,说明烟花爆竹燃放对其也有一定影响,吸收系数、消光系数均大幅上升,导致能见度下降。     

PM2.5和SO2复合暴露对大鼠心脏病理学及炎症因子表达的影响

将雄性SD大鼠分为对照组、1.5 mg·kg~(-1)PM_(2.5)组、5.6 mg·m-3SO_2组及1.5、6、24 mg·kg~(-1)PM_(2.5)和5.6 mg·m-3SO_2联合作用组.采用HE染色法、荧光实时定量PCR和ELISA等方法测定各组大鼠心脏组织病理学变化和炎症因子IL-1β、IL-6、TNF-α、i NOS基因表达及NO含量.结果表明,与对照组相比,SO_2(5.6 mg%m-3)或PM_(2.5)(1.5 mg·kg~(-1))单独作用没有引起明显的心肌细胞损伤,而PM_(2.5)和SO_2共同作用导致不同程度的心肌排列紊乱,细胞间隙增大及炎症细胞浸润和出血,比SO_2(5.6 mg%m-3)或PM_(2.5)(1.5 mg·kg~(-1))单独作用有严重的病理学损伤.1.5mg·kg~(-1)PM_(2.5)和SO_2引起4个基因表达和NO水平的变化与对照组相比没有统计学意义,而PM_(2.5)和SO_2联合处理引起大鼠心脏炎症因子表达水平比对照组显著增高,同时与SO_2组或PM_(2.5)组相比也有显著升高.提示在本实验条件下,相比于PM_(2.5)(1.5 mg·kg~(-1))和SO_2(5.6 mg·m-3)单独作用,二者复合暴露能引起心脏组织病理损伤和炎症因子高表达,这可能是PM_(2.5)和SO_2引发心脏疾病的重要机制.     

2017～2020年珠海市金湾区环境空气质量变化特征分析

基于2017～2020年珠海市金湾区环境空气自动站6项空气污染物(SO_2、NO_2、PM_(2.5)、PM_(10)、O_3和CO)监测数据,分析了金湾区空气质量时间变化趋势及特点。结果表明:SO_2和CO 95%分位浓度差异性不大,PM2.5年均值无明显变化趋势,其余3项污染物浓度总体呈下降趋势,环境空气优良率均保持在80%以上; 4个年度中,按照环境空气质量综合指数由高到低排序依次为2020年、2018年、2019年、2017年; O_3是影响金湾区环境空气质量的主要污染物,其次是PM_(10)和PM_(2.5); 6项污染物浓度最大值均出现在秋冬季节,最低值出现在春夏季节,表现出明显的季节性。     

北京市PM_(2.5)和反应性气体浓度的变化特征及其与气象条件的关系

利用2012年全年北京市SO_2、NO_y、O_3、CO和PM_(2.5)监测数据,讨论PM_(2.5)和反应性气体的变化特征及其与气象条件的相关关系.结果表明:北京地区2012年PM_(2.5)平均质量浓度为52.0μg/m~3,年波动范围较大,特别是秋冬两季,呈现出慢累积而快清除的变化特征;NO_y、NO、CO、SO_2与PM_(2.5)质量浓度增减呈相同的变化趋势,O_3变化趋势相反;PM_(2.5)质量浓度0~25μg/m~3之间出现的频率最高,为27%;NO_y、NO、CO、SO_2和PM_(2.5)在风速小于3m/s时,随风速增大均呈显著的下降趋势,其中PM_(2.5)的下降率约为25%/m/s,风速大于3m/s后,污染物下降到较低浓度后趋于平缓;清洁天,相对湿度增大对PM_(2.5)质量浓度的影响不显著,而污染天,在较高相对湿度下,PM_(2.5)的质量浓度迅速升高.     

燃放烟花爆竹对云南省环境空气质量的影响

利用2016—2018年春节期间(除夕—初六)云南省环境空气中PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O3的质量浓度监测数据,研究了春节期间燃放烟花爆竹对环境空气质量的影响,并采用spearman分析了除夕—初一PM_(2.5)、PM_(10)、SO_2、NO_2、CO小时浓度值变化相关性。结果表明:春节期间(除夕—正月初六)超标天数集中出现在大年初一,首要污染物均为细颗粒物(PM_(2.5));烟花爆竹集中燃放阶段,SO_2、PM_(2.5)、PM_(10)日均值显著升高,O3、NO_2和CO的日均浓度值变化则基本不受其直接影响;总体上PM_(2.5)、PM_(10)、SO_2、NO_2和CO的小时浓度值变化趋势呈正相关,其中SO_2与PM_(2.5)、PM_(10)相关系数均值在0.800左右,高度正相关,这与全省除夕—初一污染物浓度的逐时变化趋势相一致。     

唐山市2017年采暖期不同污染等级PM_(2.5)化学组分特征对比与来源分析

为深入了解唐山市采暖期PM_(2.5)污染成因与来源,采用在线监测设备于2017年12月1日—2018年1月28日连续监测了唐山市PM_(2.5)及其水溶性离子和碳质组分(OC、EC)的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR (硫氧化率)分别为0. 05、0. 08、0. 20,NOR (氮氧化率)分别为0. 05、0. 12、0. 26,随着污染的加重,SO_2、NOx向PM_(2.5)中SO_4~(2-)、NO3-的二次转化现象更加明显.③清洁时,ρ(OC)、ρ(EC)、ρ(SO_4~(2-))和ρ(Cl-)占PM_(2.5)化学组分(水溶性离子、碳质组分)质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ(NO_2)/ρ(SO_2)分别为0. 96、1. 14、1. 44,ρ(NO3-)/ρ(SO_4~(2-))分别为0. 94、1. 57和1. 75;重污染时,ρ(SO_4~(2-))、ρ(NO3-)、ρ(NH_4~+)三者之和占PM_(2.5)化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ(NO_2)/ρ(SO_2)、ρ(NO3-)/ρ(SO_4~(2-))明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.     

中国典型城市大气污染物浓度时空变化特征分析

利用2014年3月1日至2015年2月28日北京、广州和南京三市6种污染物浓度(PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3)的日平均数据,统计分析了三市各污染物浓度的变化特征及其与气象条件的关系。结果表明:(1)3个城市中,广州空气质量最好,南京次之,北京最差。广州优、良出现的天数最多,分别为98和222天,占全年的26.8%和60.8%,没有出现重度污染和严重污染的现象。北京优出现的天数为55天,高于南京的29天,但是中度污染、重度污染和严重污染天数要高于南京,分别为61、34和8天;南京则为30、14和0天,南京没有出现过严重污染。(2)整个1年间,北京PM_(2.5)、PM_(10)、SO_2、NO_2、O_3年平均浓度分别为80.5、112.9、16.8、53.4和57.3μg/m~3,广州平均浓度分别为45.9、67.2、16.6、45.7和47.9μg/m~3,南京平均浓度分别为70.6、120.1、21.5、50.3和54.9μg/m~3,北京、广州和南京CO年平均浓度分别为1.2、1.0和0.9mg/m~3。(3)上述三个城市PM_(2.5)日均值超标率分别为42.7%、7.9%和38.4%,而PM_(10)日均值超标率分别为23.0%、1.6%和25.2%,NO_2日均值超标率分别为14.0%、3.8%和7.1%,CO浓度仅北京超标,超标率为1.4%,3个城市SO_2无超标现象。(4)3个城市SO_2和NO_2均随风速的增大而减小。风速对广州CO浓度影响不大,而北京和南京CO浓度则随风速的增大而减小。风速越大,南京PM_(2.5)和PM_(10)浓度越小,但当风速≥4m/s时,北京PM_(10)和广州PM_(2.5)与PM_(10)浓度增加。此外,风向对污染物的传输也有影响。     

贵州“两控区”城市PM_(2.5)及其阴阳离子污染特征

2015年3月~2016年2月,对贵州主要城市(包括贵阳、安顺、遵义、毕节、都匀)9个采样点和贵州省背景点雷公山的PM_(2.5)按照季节进行采样,分析PM_(2.5)污染特征及其中9种阴阳离子的分布特征.结果表明:PM_(2.5)平均质量浓度范围为13.84~167.17μg/m~3,从季节分布上看,冬春秋夏,从空间分布上看,贵阳市区PM_(2.5)污染较重,平均质量浓度为(80.15±30.18)μg/m~3.PM_(2.5)样品中总阴阳离子浓度范围为7.85~47.02ng/m~3,SO_4~(2-)、NO_3~-、NH_4~+(SNA)占PM_(2.5)质量浓度比重范围为10.00~68.48%,从季节分布上看,夏冬秋春,从空间分布上看,背景点贵阳高坡、雷公山SNA占PM_(2.5)质量浓度平均比重较大,分别为41.45%、53.45%.AE/CE平均值为1.53,总体呈弱酸性.NH_4~+与SO_4~(2-)的相关性(R=0.67)大于NH_4~+与NO_3~-的相关性(R=0.33),Ca~(2+)与Mg~(2+)的相关性(R=0.57)明显.与其他城市相比,研究区[NO_3~-]/[SO_4~(2-)]较低,均值为0.29,表明贵州主要城市PM_(2.5)受固定源影响较大,大气污染以煤烟型为主.     

南京市大气细颗粒物二次组分的时空变化特征

在南京市六个典型点位,于2014~2015年的四个季节,开展了PM_(2.5)化学组分的监测.基于513个有效样本资料,分析了包括硫酸根(SO_4~(2-))、硝酸根(NO_3~-)、铵根(NH_4~+)和二次有机物(SOA)的二次组分的时空分布特征.结果表明:南京市PM_(2.5)以二次组分为主,约占57.7%,其中SO_4~(2-)、NO_3~-、NH_4~+和SOA年均浓度分别为11.9,12.5,7.7,8.7μg/m~3,所占PM_(2.5)的比例分别是17.2%、16.9%、10.5%、13.1%,其中98.8%的SO_4~(2-)为非海盐成分;近年来,[NO_3~-]/[SO_4~(2-)]快速增加,2015年约达到1.0,表明机动车的贡献日益突出;南京市二次组分季节差异较显著,NO_3~-、NH_4~+和SOA占比秋冬季节大于春夏季节,SO_4~(2-)占比春夏季节大于秋冬季节;空间分布上,二次组分的占比在远郊区最高(73.5%),其次是近郊新城区(59.0%),城市中心区和工业区最小(57.3%,57.4%),这反映了不同区域PM_(2.5)来源的差异;随着污染水平的上升,NO_3~-的占比显著增加,这表明机动车对于重污染过程具有更加重要的影响.研究结果深化了关于南京PM_(2.5)来源的认识,可以为更有效地控制灰霾污染提供科学依据.