九江市城区与庐山背景站点PM2.5和O3的差异特征分析

利用2015—2022年九江市国控站点O₃和PM_2.5逐时浓度数据,研究城区与庐山O₃和PM_2.5的浓度变化和差异特征.结果表明,山区年均O₃浓度显著高于城区(平均偏高41.06μg·m^-3),城区年均PM_2.5浓度普遍高于山区(平均偏高20.99μg·m^-3).2015—2022年城区与山区O₃浓度呈波动上升趋势,而PM_2.5浓度呈下降趋势,?O₃与?PM_2.5总体均呈下降趋势.从月变化看,城区与山区O₃浓度均呈典型的“双峰”型变化趋势,而?O₃呈“单峰”型月变化趋势;城区PM_2.5浓度和?PM_2.5均呈现出“U”型变化趋势,而山区PM_2.5浓度月变化趋势不明显.在季节上,?O₃最高值出现在春季...     

不同季节肇庆市PM2.5和O3污染特征及潜在源区分析

为定量化评估不同地区对肇庆市污染物输送影响,分析了2014—2018年肇庆市ρ（PM_2.5）和ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h滑动平均值）的变化特征,并基于HYSPLIT模式计算不同季节后向气流轨迹,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对肇庆市外来污染物的输送路径和潜在源区进行分析.结果表明:①2014—2018年肇庆市ρ（PM_2.5）年均下降3.3 μg/m3,2016年开始ρ（PM_2.5）最大值逐年增大.ρ（PM_2.5）日变化呈双峰型,峰值分别出现在上、下班高峰期后.2016年起ρ（O_{3-8 h}）年均增加4.4 μg/m3,成为肇庆市首要空气污染物.ρ（O₃）日变化呈单峰型,于15:00—16:00达到峰值.②PM_2.5和O₃污染分别在冬季和秋季较严重,超标日分别达20.6和15.0 d.ρ（PM_2.5）与风速相关性最高,ρ（O_{3-8 h}）与日照时数和相对湿度相关系数均较高.③春、夏两季影响肇庆市的气流近80%来自南部海面和东北方向,秋、冬两季85%以上气流源自偏东和偏北方向,肇庆市PM_2.5和O₃污染除受本地排放影响外,还有来自珠三角、广东省北部及其东部沿海、江西省等地区的输送贡献.研究表明,肇庆市PM_2.5和O₃污染均较严重,区域联防联控需重点关注广东省中东部城市的外来输送影响.      

保定市PM2.5和臭氧污染特征分析

为深入了解保定市空气质量状况,揭示PM_2.5与臭氧(O₃)的变化特征及相互关系,利用小波分析法对保定市2013—2020年每年4—9月AQI、PM_2.5、O₃-8 h (O₃日最大8 h滑动平均值)和NO₂浓度的逐日数据进行分析. 结果表明:①2013—2018年保定市O₃污染呈逐年加重趋势,最大日浓度达到347 μg/m3;随着治理措施的颁布与实施,PM_2.5超标天数由2013年的97 d减至2020年的1 d,PM_2.5超标情况逐年改善. ②O₃超标天数由2013年的3 d增至2018年的95 d,2020年减至61 d;O₃超标天数占PM_2.5和O₃超标总天数的比例从2013年的3%增至2020年的98%,说明O₃逐渐成为影响保定市空气质量的主要污染物. ③2013年保定市O₃-8 h浓度低于“2+26”城市均值,2014—2020年O₃-8 h浓度高于或接近“2+26”城市均值,说明近年来保定市O₃-8 h浓度的升幅已超过“2+26”城市的平均水平. ④小波分析发现,2013—2020年(除2015年和2018年外)AQI与PM_2.5污染序列的第1主周期相近,从2017年开始,AQI与O₃-8 h污染序列的第1主周期和第2主周期均一致,说明近年来保定市空气污染逐渐由PM_2.5污染转为PM_2.5与O₃复合污染. ⑤在同一时间尺度范围内,PM_2.5与O₃-8 h污染序列的震荡频率基本一致,说明二者存在较明显的正相关关系;2015—2019年,NO₂与O₃-8 h污染序列的震荡频率趋于一致,说明保定市O₃-8 h浓度受前体物NO₂影响较大,2020年震荡频率有较大差异,这可能与新冠肺炎疫情复工后生产规模尚未完全恢复,致使NO₂、PM_2.5等污染物排放强度同比降低有关. 因此,减少NO₂排放,协同控制多污染物是实现保定市空气质量改善的主要途径.      

徐州市大气PM2.5与O3作用关系的季节变化

通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM_2.5和O₃的相关性,并基于气象观测资料进一步探究PM_2.5和O₃相互作用机制的季节变化特征.结果表明：夏季风季节,PM_2.5和O₃呈正相关,相关系数高达0.56;冬季风季节,PM_2.5和O₃呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM_2.5和O₃相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O₃主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM_2.5浓度升高,夏季风季节以O₃对PM_2.5的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM_2.5削弱太阳辐射抑制大气光化学,导致O₃生成率降低,冬季风季节以PM_2.5对O₃的抑制作用主导城市大气复合污染变化.     

广州不同站点类型PM2.5与O3污染特征及相互作用

基于2015~2019年广州4个不同国控站点类型的大气污染物监测数据,研究了广州各站点类型颗粒物（PM_2.5）和臭氧（O₃）的污染特征,并分析了O₃污染季节和PM_2.5污染季节PM_2.5和O₃的相关性及相互作用.结果表明：2015~2019年广州各站点类型PM_2.5浓度总体呈下降趋势,O₃浓度呈上升趋势.不同污染季节PM_2.5与O₃浓度均呈正相关.O₃污染季节二次PM_2.5的生成对颗粒物的影响显著大于一次PM_2.5,随着光化学水平的升高,一次PM_2.5的贡献浓度基本不变（均在21.03~31.37μg/m³范围内）,贡献率逐渐下降;而二次PM_2.5的贡献浓度逐渐升高（3.51~7.72 μg/m³升高到16.04~18.45μg/m³）,贡献率也逐渐升高（11%~27%升高到34%~44%）,且呈倍数增加.不同站点类型贡献差异明显,背景站点二次PM_2.5的贡献最大,城区站点在中和高光化学水平下二次PM_2.5的贡献最小;PM_2.5污染季节各站点类型在不同PM_2.5污染水平下O₃浓度均具有差异性,总体上均呈现背景站点>郊区站点>城区站点的特点.气溶胶的消光作用和非均相反应均显著促进O₃生成,随着PM_2.5浓度升高,各站点类型的O₃浓度峰值逐渐升高,由62.12~83.82μg/m³升高到92.49~135.4μg/m³;O₃变化率峰值也逐渐升高,由8.42~10.02μg/（m³·h）升高到21.33~27.04μg/（m³·h）.进一步促进了广州PM_2.5和O₃浓度的协同增长.     

邯郸市PM2.5和O3污染特征及潜在源分析

通过对2013—2020年邯郸市的大气污染物浓度及气象参数进行统计分析,探究了大气污染物的浓度变化特征,运用轨迹聚类分析和潜在源贡献因子法(PSCF)研究了邯郸市复合污染日PM_2.5和O₃的传输路径及潜在源区.结果表明：邯郸市PM_2.5-O₃复合污染出现在3—10月,与单O₃污染相比,PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较高,当温度为19.1～25.7℃,湿度为32%～63%,风速较低时,最有利于PM_2.5-O₃复合污染发生;单O₃污染和复合污染期间的O₃主要来自邯郸周围的短距离传输,单PM_2.5污染主要来自西北气流的长距离运输和邯郸周围的短距离传输,而复合污染日期间的PM_2.5主要来自西北气流的长距离运输;相较于单O₃污染,2013、2014、2...     

2015—2022年我国华北地区冬季PM2.5-O3复合污染及特征分析

以往关于大气PM_2.5-O₃复合污染的研究主要集中在夏季,尚较缺乏对严峻的冬季复合污染问题的关注,为了解冬季大气PM_2.5-O₃复合污染过程,该文基于2015—2022年冬季(1—2月)空气质量地面监测、气象数据等资料,结合统计方法分析了我国华北地区冬季大气PM_2.5-O₃复合污染的特征及驱动因素. 结果表明:2015—2022年冬季,我国南方主要城市复合污染天数呈显著下降趋势(?0.8~?0.2 d/a),这与我国采取一系列措施降低了PM_2.5浓度有关;但在我国北方地区,特别是华北地区冬季大气PM_2.5-O₃复合污染天数却呈现显著的上升趋势(0.2~0.7 d/a). 针对华北地区较为严峻的复合污染形势,挑选出19 d区域性的复合污染天进行重点分析. 在气象因素方面,复合污染发生时华北上空500 hPa高空存在反气旋环流异常、850 hPa高空存在偏南风异常,地面午后(10:00—18:00)平均温度(0.43~5.27 ℃)偏高、平均风速(?4.19~?0.22 m/s)偏小. 在化学过程方面,冬季华北地区发生复合污染的城市观测站点中PM_2.5与O₃浓度之间呈显著正相关(R=0.45,P<0.05),而在非复合污染的城市观测站点则表现为负相关(R=?0.68,P<0.05). 进一步对比华北地区复合污染城市观测站点与非复合污染城市观测站点O_x(O_x=NO₂+O₃)和NO₂浓度的拟合斜率(分别为0.62、0.55)、PM_2.5与CO浓度的比值(分别为0.07、0.06)以及O_x的浓度(平均值分别为124.40、113.47 μg/m3),定性地表明了华北地区冬季O₃浓度的升高与活跃的光化学反应有关,同时较高的O₃浓度也可能导致了更多的二次PM_2.5生成. 研究显示,我国华北地区复合污染呈现加剧的态势且往往伴随着活跃的光化学反应,亟需进一步深入研究厘清复合污染发生时的大气化学过程.      

典型大气环流对天津市大气PM2.5与O3复合污染的影响特征

为探究海陆风环流对沿海城市PM_2.5和O₃污染的影响特征,基于2016～2020年中国环境监测总站的污染物观测数据和同期气象资料以及ERA5气象再分析数据,分析了海陆风环流特征对天津市区域大气污染物PM_2.5和O₃浓度变化的影响.结果表明:2016～2020年天津共有海陆风日411d,6～9月出现最为频繁,12月频率最低.海陆风环流的季节特征差异造成了对PM_2.5和O₃的影响不同,冬季陆风环流会使PM_2.5在沿海区域积累,海风环流对沿海地区PM_2.5污染有稀释作用.夏季海陆风环流会改变沿海地区O₃分布情况,使O₃谷值更低且峰值更高,市区点、郊区点和沿海点O₃峰值浓度分别高于平均峰值4.1,8.9,16.0μg/m³,海陆风对峰值的影响程度随着站点与海岸线距离的增长逐渐减弱.2016～2020年间共有PM_2.5     

上海市PM2.5和臭氧复合污染期多路径减排效果评估

为探究大气PM_2.5和臭氧(O₃)复合污染期间的污染物浓度削峰方案,以上海市2018年4月27—30日PM_2.5和O₃复合污染时段为研究对象,结合区域多尺度空气质量模型(CMAQ模型),建立上海市O₃日最大8小时滑动平均值(MDA8 O₃)以及PM_2.5浓度与人为源排放的NO_x和VOCs之间的响应关系,获得了EKMA (empirical kinetics modeling approach,经验动力学建模方法)曲线.在此基础上,探讨上海市MDA8 O₃和PM_2.5对前体物排放的敏感性,并进一步量化了本地减排、提前减排和区域减排等不同情景下PM_2.5和MDA8 O₃的浓度变化.结果表明：(1)上海市PM_2.5和O₃复合污染期间MDA8 O₃的峰值率(PR)为0....     

2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

天津大气扩散条件对污染物垂直分布的影响研究

利用2017~2019年夏、冬季天津市大气污染物监测和气象观测数据,基于天津气象铁塔垂直观测,针对大气垂直扩散条件对PM_2.5和O₃的影响进行研究.结果显示:近地面PM_2.5浓度随高度的升高而下降,O₃浓度则随高度的升高而上升,受大气垂直扩散条件的季节和日变化影响,冬季,地面与120m PM_2.5质量浓度相关明显,与200m PM_2.5质量浓度无明显相关.夏季,120m和200m PM_2.5质量浓度相关系数为0.72,午后通常出现120m和200m PM_2.5质量浓度高于地面的情况.夏季,不同高度O₃浓度差异小于冬季,地面与120m高度O₃浓度接近.以大气稳定度、逆温强度和气温递减率作为大气垂直扩散指标,对地面PM_2.5和O₃垂直分布具有指示作用.冬季,TKE与PM_2.5质量浓度相关系数为到-0.65,夏季,TKE与ΔPM_2.5相关系数为-0.39.夏、冬季TKE与地面O₃浓度的相关系数分别为0.46和0.53,与ΔO₃的相关系数分别为0.73和0.70.弱下沉运动对地面O₃浓度影响较强,40m高度垂直运动速度与地面O₃浓度的相关系数在冬、夏季分别为-0.54和-0.61.对冬季典型PM_2.5重污染过程的分析发现,雾霾的生消维持和PM_2.5浓度的变化与大气稳定度、气温垂直递减率和TKE的变化有直接关系.对夏季典型O3污染过程的分析发现,近地面的O₃污染的形成与有利光化学反应的气象条件密切相关,同时,垂直向下输送和有利垂直扩散条件对O₃污染的形成和爆发影响明显.     

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

南京主要大气污染物季节变化及相关气象分析

为研究南京主要大气复合污染物PM_2.5、PM₁₀和O₃四季变化特征及其气象影响因子,利用2013年1月～2015年2月国控点环境监测数据对浓度特征进行统计分析,再利用WRF模式模拟的精细大气边界层气象场,分析气象要素与各污染物的相关性,并建立统计模型.结果表明：PM₁₀、PM_2.5冬高夏低,冬季日均值分别为160.6μg/m³和98.0μg/m³;日变化特征四季基本一致,但秋冬季最强,夏季最弱,且冬季上午峰值比其余三季延后1～2h.各季大气可吸入颗粒物中细粒子占主导,PM_2.5/PM₁₀年均值为0.59;首要污染物为PM_2.5、PM₁₀、O₃的年频率分别为51.5%、26.6%和13.5%,PM_2.5主导四季AQI的变化,尤其是在重污染的情况下,首要污染物为PM_2.5占96%.O₃浓度春末夏初高、秋末冬初低,日变化为单峰式;O₃与边界层高度呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.四季PM₁₀、PM_2.5、O₃_8h_max日值逐步回归方程拟合度为40%～65%.     

山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势

山东省PM_2.5-O₃复合污染特征突出,空间差异性明显,本文基于2016—2020年国控和省控环境空气自动监测站监测数据以及同期各气象代表站气象监测数据,分析PM_2.5和O₃时空分布的变化特征,初步探究其与气象因子及前体物的关系. 结果表明:①2016—2020年山东省空气质量逐步改善,优良天数比例上升了7.1%,重污染天数比例下降了3.5%. 除O₃年评价值上升9.6%以外,SO₂、PM₁₀、PM_2.5、CO和NO₂的浓度均下降,降幅依次为61.3%、29.8%、28.6%、26.3%和11.4%. 各市PM_2.5年评价值均下降(范围为18.4%~34.9%);除德州市外,其他15市O₃年评价值均上升,滨州市的升幅(30.8%)最大. 1月PM_2.5平均浓度最高,呈现先下降后上升的年变化趋势,6月O₃平均浓度最高,且逐年上升. ②山东省PM_2.5和O₃均呈现内陆地区高于沿海地区的分布特征,PM_2.5浓度在西部内陆地区较高,O₃浓度在中北部内陆地区较高,PM_2.5-O₃复合污染特征在中西部地区较明显. 统计期间共计出现PM_2.5-O₃复合污染日224 d,分布在2—11月,出现天数逐年减少. ③为探究PM_2.5-O₃复合污染的影响因素及气象特征,进行相关性分析及气象因子阈值筛查,结果表明,PM_2.5日均浓度和O₃_8 h (臭氧日最大8小时滑动平均值)与其主要前体物和气象因子均呈现相反的相关关系,且对不同因子的响应有一定区域性差异. 当气温为14.9~24.1 ℃、相对湿度为55.5%~75.1%、风速为0.6~2.9 m/s、气压为992.8~1 018.8 hPa时PM_2.5-O₃复合污染易于发生,该条件下大部分城市的气温、相对湿度和气压平均值介于PM_2.5和O₃污染单独发生时的对应因子平均值,但平均风速小于PM_2.5和O₃污染单独发生的平均风速. 研究显示,“十三五”期间山东省PM_2.5浓度波动下降,O₃浓度波动上升,二者的协同关系日趋明显,气象因素对PM_2.5和O₃的生成和累积有一定影响.      

沈阳市冬季不同污染程度PM2.5中OC和EC污染特征

于2018年12月~2019年1月对沈阳市PM_2.5进行持续在线浓度监测,使用有机碳/元素碳分析仪对PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度进行分析,研究了不同污染程度下PM_2.5及其碳组分的污染特征和来源.结果表明,沈阳地区冬季碳组分污染较为严重,不同污染程度下的总碳气溶胶（TCA）约占PM_2.5的36.3%~42.8%.中/重度污染天气下PM_2.5、OC和EC的平均质量浓度达到148.6,29.6,6.6μg/m³,是清洁天的3.1~3.3倍.PM_2.5、OC和EC的日变化均表现为早晚高、午后低,任一时刻其浓度均为中/重度污染>轻度污染>清洁天.不同污染程度下的OC/EC值均大于2,其中污染天比值分布在2.1~25.3区间内,表明燃煤和机动车尾气排放是污染天碳质气溶胶的主要来源.二次有机碳（SOC）随污染程度增加表现出升高趋势,清洁天、轻度污染和中/重度污染下其平均浓度依次为2.9,6.5,10.6μg/m³.后向轨迹聚类结果表明,沈阳地区冬季污染天主要受偏北和西北方向气团影响.     

四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.