泰安市环境受体PM_(2.5)组分特征与来源解析

为了明确泰安市环境受体PM_(2.5)的污染特征和主要来源,该研究于2015年春、冬季在泰安市区采集了环境受体中PM_(2.5)样品,分析了PM_(2.5)及其化学组分特征,建立了源化学成分谱,基于化学质量平衡(CMB)模型对泰安市环境受体PM_(2.5)进行了来源解析,利用后轨迹分析了PM_(2.5)的区域传输路径。结果表明:PM_(2.5)及其化学组分与污染源贡献都具有明显的季节特征。春季,机动车尘是PM_(2.5)的首要贡献源类,分担率为19.11%;其次为二次硫酸盐、扬尘和煤烟尘,分担率分别为18.07%、16.08%、10.53%。冬季,煤烟尘为首要的污染源类,分担率为16.32%;机动车源和城市扬尘对PM_(2.5)的分担率比春季低,分别为11.99%和13.42%。后轨迹分析表明,春季PM_(2.5)可能受来自内蒙古等地的土壤风沙尘的长距离运输影响;冬天可能受来自蒙古、河北、山东周边等地燃煤源的长距离运输的影响。     

京津冀区域PM2.5污染相互输送特征

基于CAMx-PSAT空气质量模型,对2015年京津冀区域PM_(2.5)污染及相互输送特征进行定量模拟,建立了京津冀13个城市的PM_(2.5)传输矩阵.结果表明,在年均尺度上京津冀区域PM_(2.5)以本地污染源贡献为主(21.49%~68.74%),传输贡献为辅,其中区域内传输贡献约为13.31%~54.62%,区外贡献约为13.32%~45.02%.PM_(2.5)传输特征呈现显著的时空差异性,区域中部城市唐山、北京、天津、保定和石家庄PM_(2.5)受本地贡献主导,在冬季尤其明显,而受传输影响较大的城市多分布在区域边界且在南部集中.区内作为汇的城市有廊坊、衡水、承德、秦皇岛和邢台,作为源的城市有天津、沧州、唐山、北京、石家庄和邯郸,张家口和保定对区内城市输出和受区内输入基本持平.典型城市分析证明城市间PM_(2.5)污染交互影响,北京与廊坊、保定、承德、天津和沧州等城市之间,天津与廊坊、唐山、北京、沧州和保定等城市之间,石家庄与邢台、衡水、保定、邯郸和廊坊之间均存在显著的PM_(2.5)相互输送.     

呼包鄂地区冬季、夏季PM2.5污染特征

基于PMF模型源解析结果分析了呼包鄂地区冬季、夏季主要污染源及污染特征.物质重构结果表明,有机物(19. 9%～44. 6%)、地壳物质(9. 7%～46. 2%)在呼包鄂地区受体PM_(2.5)中占有较大比重.源解析结果表明,冬季各类源对PM_(2.5)的分担率大小依次为:二次源(26. 7%)燃煤源(26. 1%)机动车源(19. 1%)扬尘源(18. 1%),夏季则为二次源(26. 7%)扬尘源(22. 3%)燃煤源(16. 6%)机动车源(15. 1%) SOC(8. 7%),可以看出二次源在呼包鄂地区冬季和夏季均为首要贡献源类,冬季燃煤源、夏季扬尘源对呼包鄂地区的影响较大.分析冬季、夏季典型污染过程,对应于源解析结果,冬季主要污染源为二次源、燃煤源,夏季为二次源.     

京津冀及周边地区PM_(2.5)传输规律研究

本研究采用WRF-CAMx模型对京津冀及周边7省市PM_(2.5)与SIA组分传输规律进行了研究,定量估算了京津冀地区PM_(2.5)与SIA的空间来源贡献,并得到了各省市之间的传输矩阵.结果表明,PM_(2.5)与SIA组分跨区域传输作用较为显著.京津冀区域PM_(2.5)与SIA组分外来源年均贡献分别为23.4%和45.5%.京津冀及周边各省市年均PM_(2.5)与SIA组分受本地排放影响分别为51.2%~68.8%与36.7%~56.4%.结合后向轨迹模型对北京市2013年1月4次重污染过程的空间来源进行了分析,发现各过程污染气团来向有明显差异,分别由西北方向长距离传输、南部短距离传输以及西南、东南方向局地气团输入.4次重污染过程PM_(2.5)区域传输作用显著,北京PM_(2.5)及SIA本地源贡献分别为35.1%~37.3%与17.1%~28.4%;其中偏南方向气团输入时,北京污染程度更高,且受京津冀排放源贡献较大,PM_(2.5)和SIA贡献率最高可达82.3%和76.4%.     

烟台市环境受体PM2.5四季污染特征与来源解析

于2016～2017年四季在烟台市3个点位采集了PM_(2.5)样品,分析了其质量浓度和化学组分特征.利用CMB模型对受体进行解析,并利用后向轨迹和PSCF对传输气流和潜在源区进行了分析.结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM_(2.5)平均质量浓度分别为(89. 45±56. 80)、(76. 78±28. 44)、(32. 65±17. 92)和(57. 32±24. 60)μg·m~(-3). PM_(2.5)浓度表现出明显的季节变化特征(P 0. 01).全年PM_(2.5)各源类分担率大小依次为:二次硝酸盐源(20. 3%)城市扬尘源(15. 7%)机动车排放源(14. 9%)燃煤源(13. 8%)二次硫酸盐源(12. 8%) SOC(6. 1%)建筑水泥尘源(5. 5%)海盐源(2. 9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源.春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出.烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响.     

广安市PM_(2.5)组成特征及污染贡献源分析

基于广安市2017年6月-2018年5月逐日平均国控站点空气质量监测数据,该文对广安市PM_(2.5)组成特征及污染贡献源进行解析。结果表明,监测期间广安市PM_(2.5)主要成分为元素碳(30%)、有机碳(30%)和混合碳(12%);颗粒物首要污染源为燃煤(22%),工艺过程源(19%)、扬尘源(18%)和二次源(18%)贡献率也较高,机动车、生物质和其他源贡献率都较低;工业源(工艺过程和燃煤)、扬尘源和机动车为广安市主要污染来源,不同季节污染源贡献率有所不同,春季扬尘源贡献突出,秋季主要表现为扬尘源、工业源(工艺过程和燃煤)和机动车,夏季和冬季工业源(工艺过程和燃煤)贡献率突出,其次为扬尘源;工业源(工艺过程和燃煤)、机动车、扬尘源、生物质燃烧是春季PM_(2.5)浓度上升的主要原因;夏季则是工业源(工艺过程和燃煤)、机动车、扬尘源;秋季机动车是导致PM_(2.5)升高的主要原因;冬季工业源(工艺过程和燃煤)、扬尘源、生物质燃烧是PM_(2.5)浓度上升的主要原因;污染期间应重点管控工业源(工艺过程和燃煤)、扬尘源和机动车,春季和冬季还应加强生物质燃烧源控制。     

温州城区大气污染特征数值模拟与来源解析

文章以位于温州城区的瓯海区为例,在建立大气污染源清单的基础上,利用WRF-CMAQ、CALPUFF模型分析了外来污染物区域输送对瓯海区的影响,模拟了瓯海区主要大气污染物浓度分布,解析了区域大气污染物排放来源。WRF-CMAQ模型模拟结果表明,区域大气污染物SO_2、NO_2、PM_(10)和PM_(2.5)的输送对瓯海区的贡献影响均呈现冬季(1月)>春季(4月)>秋季(10月)>夏季(7月)的变化规律,这可能与大气污染物来源有关。CALPUFF模型模拟结果显示,瓯海区SO_2和PM_(10)的年平均浓度达标,但NO_2和PM_(2.5)出现超标现象。除SO_2均能达标外,部分敏感目标处NO_2、PM_(10)和PM_(2.5)年平均浓度有不同程度的超标现象。来源分析结果表明,瓯海区大气污染物SO_2和NO_2主要来自本地源排放,而PM_(10)和PM_(2.5)本地源与外来源的排放贡献相当。     

金华市人为源大气污染物排放清单

该文基于对金华市大气污染排放源的摸底调查,基础数据收集和分析,结合国内外的研究结果,采用"自下而上"为主的排放系数法,建立了2013年金华市人为源大气污染物排放清单。该清单涉及的污染物包括SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOC和NH_3。人为污染源种类包括电厂源、工业源、移动源、扬尘源、VOC相关源及其他污染源,农业源,居民生活源等。结果表明,金华市2013年大气污染源SO_2排放总量约为3.83万t,NO_x约为7.75万t、CO约为12.50万t、PM_(10)约为4.10万t,PM_(2.5)约为1.88万t、VOC约为7.66万t、NH_3约为2.63万t。从排放源的分担率来看,工业源是金华市大气污染物的最主要的排放源之一,对SO_2、NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了67.31%、34.42%、30.39%、53.02%和50.95%。同样,道路移动源的贡献也不容忽视,对NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了42.84%、34.13%、3.31%、6.55%。电厂锅炉、道路扬尘、工业溶剂使用、畜禽养殖对不同污染物分别有着重要贡献。电厂锅炉对SO_2、NO_x、CO的排放量分别贡献了29.06%、17.89%、9.73%。道路扬尘对PM_(10)和PM_(2.5)的贡献分别为25.68%和18.01%。工业溶剂对于VOC的贡献为32.65%。NH_3主要来自畜禽养殖,占了66.57%。该人为源大气污染物排放清单可为当地的污染防控提供重要的基础信息。     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

基于空气质量模型对佛山市PM_(2.5)的来源研究

利用第三代空气质量模型CMAQ对广东省佛山市2014年11月大气PM_(2.5)浓度进行模拟,结合观测数据比对分析,显示模型对PM_(2.5)具有良好的模拟性能.通过敏感性分析,研究了佛山本地各污染源对PM_(2.5)浓度的相对贡献以及周边地区外来源对佛山PM_(2.5)的影响.结果发现,整个研究时段佛山本地源对PM_(2.5)贡献占主导,平均贡献为64.9%;而污染时段外来源影响增强,如广州对湖涌和惠景城站点平均相对贡献为36.8%,清远对云东海站点相对贡献为18.5%.佛山本地各类源对PM_(2.5)浓度的影响差别明显,污染时段,工业源对湖涌站点相对贡献为54.6%,对其他站点的相对贡献为28.2%~30.2%;流动源对惠景城站点相对贡献为28.9%.通过情景分析,在改善大气环境过程中提出对佛山各类型源的有效削减策略,同时注意城市间协作、区域间联防联控的控制措施.     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

上海典型持续性PM2.5重度污染的数值模拟

本研究针对2013年1月23~24日的上海PM_(2.5)持续重污染过程,采用WRF-Chem大气化学模式以及PM_(2.5)质量浓度、能见度、气象要素等地面实测资料相结合的方式,揭示了造成上海冬季PM_(2.5)持续性重污染的一类"天气学必要成因",即一次弱冷空气活动过程导致了两种不利污染天气条件——"弱气压场(静稳形势)"和"弱冷空气扩散(输送形势)",两者先后影响上海造成PM_(2.5)浓度持续上升.主要过程如下:首先弱冷空气影响之前,上海处在不利的局地气象扩散条件下,受弱气压场控制10 h后本地PM_(2.5)质量浓度达到重度污染水平,之后夜间稳定边界层(地面静风和低层逆温)使得PM_(2.5)重度污染维持了7h,期间PM_(2.5)平均质量浓度为172.4μg·m~(-3).后期弱冷空气影响上海,虽然改善了局地扩散条件但是同时产生了明显的周边污染物输送,使得本地PM_(2.5)质量浓度升高并达到峰值(280μg·m~(-3)),继续加重污染水平,期间PM_(2.5)平均质量浓度为213.6μg·m~(-3).WRF-Chem模拟结果进一步表明,整个污染过程周边区域输送对上海PM_(2.5)平均贡献率为23%,其中两个阶段周边区域输送的平均贡献率分别为17.2%和32.2%,可见在不同的污染天气条件下周边污染源的贡献存在显著差异,因此可以根据对污染天气类型的预判制定应急减排方案.     

西安市的PM_(2.5)污染特征分析研究

分析和掌握大气中PM_(2.5)的污染特征,对控制PM_(2.5)的排放和改善空气质量具有十分重要意义。依据西安市连续2年多的空气质量监测数据,对AQI监测指标进行相关性分析,还从季节平均、月平均和日平均变化分析了PM_(2.5)随时间的分布特征,并应用MATLAB软件依据griddata插值算法绘制出了PM_(2.5)的空间分布图,直观地显示了PM_(2.5)污染在空间上的分布特征,突出了污染治理的重要季节和重点地区。研究结果表明:空气质量指数中的6项指标之间存在一定的相关性,PM_(2.5)与PM10的相关性最大,且PM_(2.5)污染呈季节性变化,春季污染最为严重,其次是冬季和秋季,夏季污染最轻;西安市的PM_(2.5)污染主要来源于燃烧、扬尘、尾气排放等过程,污染区域呈现北高南低的特征,污染源除人为源以外,周边污染扩散迁移也有较大影响。     

APEC期间北京市PM_(2.5)特征模拟分析及污染控制措施评估

为分析APEC会议前后PM_(2.5)浓度特征,评估应急控制措施效果,通过对比分析APEC会前、会期、会后北京PM_(2.5)浓度和组分的变化特征,探讨气象条件和污染调控对环境空气质量的改善作用,采用CAMx-PSAT模型定量分析北京周边不同区域、不同污染源的控制措施对空气质量的改善效果,并设置情景对比研究控制措施实施与否呈现出的不同污染状况.结果表明:会期北京市区PM_(2.5)日均监测浓度低于国家空气质量二级标准(75μg/m3),污染物主要来自于本地源的排放,机动车尾气排放是北京市区PM_(2.5)的最主要污染源,贡献占比达到36.1%.由于污染控制措施的实施,会期北京市区PM_(2.5)浓度降低了43.0%,北京及周边区域严苛的污染控制措施是形成"APEC蓝"的主导因素.     

烟台市环境受体PM_(2.5)四季污染特征与来源解析

于2016~2017年四季在烟台市3个点位采集了PM2.5样品,分析了其质量浓度和化学组分特征。利用CMB模型对受体进行解析,并利用后轨迹和PSCF对传输气流和潜在源区进行了分析。结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM2.5平均质量浓度分别为(89.45±56.80)、(76.78±28.44)、(32.65±17.92)和(57.32±24.60)μg·m-3。PM2.5浓度表现出明显的季节变化特征(P0.01)。全年PM2.5各源类分担率大小依次为:二次硝酸盐源(20.3%)城市扬尘源(15.7%)机动车排放源(14.9%)燃煤源(13.8%)二次硫酸盐源(12.8%)SOC(6.1%)建筑水泥尘源(5.5%)海盐源(2.9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源。春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出。烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响。     

天津市PM2.5污染特征与来源解析

使用2013—2018年大范围长期连续PM_(2.5)观测数据分析了天津市PM_(2.5)污染特征,并使用SMOKE/WRF/NAQPMS模型研究了天津市不同季节PM_(2.5)来源情况。天津市近年PM_(2.5)浓度逐年下降,2013—2018年的年均浓度从96μg/m3下降到52μg/m3,均呈现冬季浓度最高,春、秋季较高,夏季最低的趋势;空间分布上呈西高东低、南高北低的分布特征。本地排放是天津市PM_(2.5)主要来源,不同季节占比为30%～40%,周边城市的跨省输送特征明显,沧州市的贡献约为10%,廊坊市的贡献在、秋冬季较大,为10%～14%,山东省在冬季以外的季节也有10%左右的PM_(2.5)贡献,国外及海洋的贡献在夏季较大(23%),但在其他季节的贡献较小。多数时期二次生成的PM_(2.5)贡献比例最大,贡献为30%～40%,说明天津所在的华北地区二次反应较强烈。另外,居民源与工业源的排放占比也较大,特别是冬季的居民源,占比高达42%。制定防治措施时可考虑不同季节的地区联防联控,但由于本地的排放占比均较大,在任何季节都应该强化本地排放的控制,控制重点是居民源与工业源。     

包头城区大气PM_(2.5)污染特征及来源解析

为探讨包头城区大气PM_(2.5)污染特征及主要来源,在包头城区设立4个采样点,于2015年12月-2016年9月采集大气PM_(2.5)样品,共获得160个有效样品,分析了PM_(2.5)及其无机元素、水溶性离子、元素碳(EC)和有机碳(OC)的质量浓度和污染特征。同时采集了包头城区土壤风沙尘、建筑施工尘、道路扬尘、煤炭燃烧尘、装备制造尘和金属冶炼尘等6类污染源,建立了包头市大气PM_(2.5)排放源成分谱。应用非负主成分回归化学质量平衡(NCPCRCMB)模型分析了PM_(2.5)来源。结果表明:观测期间包头市PM_(2.5)的年均浓度为80.58μg/m3,是中国《环境空气质量标准》(GB 3095-2012)年均PM_(2.5)二级标准限值的2.3倍;大气PM_(2.5)的季节变化特征为春、夏、秋三季低冬季高,且冬季显著高于其他三季;大气PM_(2.5)主要来源于二次离子和道路扬尘(贡献率分别为34.37%和15.98%),其他污染源贡献率相对较小。     

西安市建筑施工扬尘排放的模型估算

作为我国大气污染治理重点区域汾渭平原的重点城市,西安正处于城市建设迅速发展阶段,建筑扬尘排放量大,极大地影响了西安的空气质量.本研究基于西安市建筑和市政施工工程的调查资料,结合两套由不同机构测量的我国北方典型城市排放因子,估算获得了西安市2017年建筑施工扬尘PM_(10)、PM_(2.5)的排放量及排放强度,构建了西安市区县级别建筑扬尘排放颗粒物清单,并分析其空间分布特征.结果表明:①引用中国环境科学研究院依据建筑扬尘产生类型测定的排放因子,估算获得2017年西安市建筑施工扬尘PM_(10)、PM_(2.5)排放总量分别为6.8×10~4、1.4×10~4 t,其中,作业施工扬尘排放量占总排放量的74%,风蚀扬尘占26%;②引用北京市环境保护科学研究院构建的建筑扬尘季节性排放因子,估算西安市建筑施工扬尘PM_(10)、PM_(2.5)排放总量分别为10.8×10~4、2.2×10~4 t,建筑扬尘排放量存在着明显的季节差异,夏季、秋季、冬季的扬尘排放量明显低于春季,但冬季略高于夏季、秋季;③综合两套排放计算结果表明,估算的建筑扬尘排放量存在50%的差异,西安2017年建筑扬尘PM_(10)排放量约为6.8×10~4～10.8×10~4 t,PM_(2.5)排放量约为1.4×10~4～2.2×10~4 t;④空间分布上,主城区建筑施工扬尘排放量大,约占总排放量的72%;主城区建筑施工扬尘排放强度高,约为郊区县的29倍.     

天津津南区大气污染物小尺度精细化源清单

以天津市津南区空气站周边3 km为研究对象,基于拉网式实地调查,获得了该地区2016年各类典型行业污染源详细的活动水平数据,以大气污染物排放清单编制指南为参考,建立了2016年天津市津南区空气站周边3 km大气污染源排放清单,并构建了PM_(2.5)、PM_(10)、SO_2、NO_x、CO和VOCs等6项污染物的100 m×100 m空间网格分布图。结果表明,2016年天津市津南区空气站周边3 km大气污染源的排放总量为:PM_(2.5)(212.72 t)、PM_(10)(529.79 t)、SO_2(101.97 t)、NO_X(1 181.93 t)、CO(3 272.10 t)、VOCs(423.62 t);PM_(2.5)、NO_X、CO、VOCs的最大排放源都是道路机动车,贡献率分别为22.10%、92.84%、71.15%、74.52%;SO_2的最大排放源是散煤(43.25%);PM_(10)的最大排放源是裸地(29.33%)。天津市津南区改善空气质量应从道路交通优化、控制散煤、锅炉改燃3方面入手。     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.