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.     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

上海地区降雨清除PM2.5的观测研究

分析2012—2016年上海徐家汇站的雨量和颗粒物(PM_1、PM_(2.5)、PM_(10))观测数据发现,降雨对PM_(2.5)的湿清除作用明显,降雨日的PM_(2.5)质量浓度较非降雨日平均降低约30%,在污染季节降低更加显著约50%.降雨时PM_1在PM_(2.5)中的占比明显下降,PM_1质量浓度下降幅度占PM_(2.5)下降幅度的84%,表明降雨对PM_1的有效清除是PM_(2.5)质量浓度下降的主要原因.降雨过程结束后PM_(2.5)质量浓度是否下降和降雨前PM_(2.5)的初始质量浓度关系密切,当初始浓度在冬季大于70μg·m~(-3)、在其他季节大于45μg·m~(-3)时,80%以上的降雨过程结束后PM_(2.5)质量浓度较降雨前下降,因此可作为研判降雨过程对PM_(2.5)湿清除影响的预报因子.     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

华东区域PM2.5变化背景下浙江省人口经济暴露水平评估

利用1998~2012年卫星反演的细颗粒物(PM_(2.5))全球高精度产品数据集,精细化地给出了华东地区PM_(2.5)时空分布与变化特征,并分析了此背景下浙江省PM_(2.5)的人口经济暴露水平.结果表明1998~2012年期间,浙江省区域平均PM_(2.5)浓度整体变化呈现出先增加、后下降的特征,拐点出现在2007~2009年前后,与华东区域大背景的变化趋势一致.1998~2000年华东南部与山东东部的年平均PM_(2.5)浓度基本保持在50μg·m~(-3)以下,其余地区大多在50~75μg·m~(-3)左右,华东地区和浙江省PM_(2.5)浓度超过35μg·m~(-3)的地区分别占到51.8%和21.1%.1998~2009年PM_(2.5)浓度上升趋势非常明显,华东地区的平均变化趋势为2.58μg·(m~3·a)~(-1),浙江省的上升趋势较华东区域慢,为1.43μg·(m~3·a)~(-1).2007~2009年PM_(2.5)浓度达到最大,华东和浙江省超过35μg·m~(-3)的地区分别占到82.1%和65.9%.此后PM_(2.5)浓度呈现出下降的变化趋势,华东地区和浙江省的平均变化趋势分别为-1.75μg·(m~3·a)~(-1)和-1.58μg·(m~3·a)~(-1),PM_(2.5)浓度超过35μg·m~(-3)的地区比例均有所下降,说明政府颁布的一系列节能减排方针政策可能对华东地区的空气质量改善起到了一定的成效.2010年浙江地区PM_(2.5)暴露水平超过35μg·m~(-3)的人口比例和GDP比例分别为74.0%和70.8%,其中38.1%的人口生活的环境和38.9%的GDP产生的环境PM_(2.5)浓度年平均值在50μg·m~(-3)以上.     

南京春季北郊地区大气PM2.5中主要化学组分及碳同位素特征

PM_(2.5)是大气的重要污染物之一,其成分复杂,为研究PM_(2.5)的污染特征及来源,于2016年3月采集南京北郊地区大气中的PM_(2.5),利用Dinoex ICS-3000和ICS-2000型离子色谱和DRI Model 2001A热/光碳分析仪分别测定了PM_(2.5)中的阴阳离子和碳质组分,利用元素分析仪-同位素质谱仪测定大气PM_(2.5)中的总碳同位素(δ~(13)CTC)组成特征.结果表明,2016年3月期间南京北郊地区PM_(2.5)污染严重,平均浓度达(106.16±48.70)μg·m~(-3),且88%观测天中存在明显的二次有机污染,SOC平均浓度为(3.58±2.78)μg·m~(-3),且在晴天条件下高浓度的二次有机碳(SOC)与紫外线作用下的O_3具有较强的相关性.大气PM_(2.5)中δ~(13)CTC值范围是-26.56‰~-23.75‰,平均值为(-25.47‰±0.63‰),结合化学组分的三相聚类分析结果可知,大气PM_(2.5)主要来源于燃煤过程、机动车排放,此外还受地质源和生物质燃烧源的影响.     

新乡冬季PM2.5中金属元素与水溶性离子年际变化及其来源解析

为了探究新乡地区年际间冬季PM_(2.5)组分的变化特征和污染来源,于2015年冬季和2016年冬季分别在新乡市区进行连续1个月的膜采样,测定PM_(2.5)质量浓度、金属元素含量及其水溶性离子成分含量,并结合气象因素进行分析.结果表明,新乡地区2015年和2016年冬季采样期间PM_(2.5)的质量浓度日均值分别为226μg·m~(-3)和224μg·m~(-3),污染水平较高.观测期间,新乡冬季PM_(2.5)中Cd和Pb金属元素富集明显,富集因子超过1000.且与2015年相比,2016年金属元素(除Ag和Ni)浓度下降约7. 83%～73. 33%,富集程度均趋于降低.水溶性离子以SO_4~(2-)、NO_3~-和NH_4~+这3种为主,2016年在PM_(2.5)中占比上升25. 1%.综合两种成分分析,新乡地区的PM_(2.5)污染呈现出金属污染向二次水溶性离子污染转移的趋势.综合PCA和PMF源解析结果显示,新乡市冬季有4种主要排放源,即尘土、二次源、工业源和化石燃料燃烧源,2015年冬季主要来源是土壤和建筑扬尘混合源,贡献率37. 46%,2016年主要来源是交通及工业生产中的二次气溶胶污染源,贡献率为34. 94%.     

基于多源数据的PM2.5浓度时空分布预测与制图

随着我国经济、工业化、城市化进程迅速发展,PM_(2.5)污染在中国已经成为一个极端的环境和社会问题,并引起广泛关注.采用新技术估算的地表PM_(2.5)质量浓度,收集并处理了遥感反演的气溶胶光学厚度(AOD),气象数据,其他地理数据和污染物排放数据,采用贝叶斯最大熵(BME)结合地理加权回归(GWR)来分析2015年冬季的PM_(2.5)暴露在我国东部大范围区域的时空变异特征.结果表明,BME模型的十折交叉验证结果的决定系数R~2为0.92,均方根误差(RMSE)为8.32μg·m~(-3),平均拟合误差(MPE)为-0.042μg·m~(-3),平均绝对拟合误差(MAE)为4.60μg·m~(-3),与地理加权回归模型的结果相比(R~2=0.71,RMSE=15.68μg·m~(-3),MPE=-0.095μg·m~(-3),MAE=11.14μg·m~(-3)),BME的预测结果有极大的提高.空间上,PM_(2.5)高浓度地区主要集中在华北、长江三角洲、四川盆地,低浓度地区主要集中在中国的最南部如珠江三角洲和云南的西南部;时间上,不同月份的研究区域PM_(2.5)空间分布所有差别,2015年的12月、2016年1月PM_(2.5)污染最为严重,2015年的11月,2016年的2月污染相对较低.     

长江经济带PM2.5分布格局演变及其影响因素

2000年以来,长江经济带高强度的人类社会经济活动引发了严峻的环境污染问题,灰霾污染尤为严重.研究该区域PM_(2.5)浓度的时空格局与影响因素是落实新发展理念、推进区域大气污染综合防治的迫切需要.本文基于遥感反演数据,研究了2000～2016年长江经济带PM_(2.5)浓度分布格局的演变过程,利用地理加权回归模型揭示了自然和社会经济因素对其影响的时空非平稳性.结果表明:①PM_(2.5)浓度分布总体表现为东高西低,且城市群污染特征明显.②以2007年为界, 2000～2016年PM_(2.5)年均浓度经历了逐年上升和波动下降的过程,年均浓度由27.2μg·m~(-3)上升至44.1μg·m~(-3)后, 2016年降至33.6μg·m~(-3).污染范围则先由长三角城市群、长江中游城市群和成渝城市群核心区域向四周快速扩展, 2007年后开始往回收缩.③空间自相关分析表明,PM_(2.5)浓度分布有显著的正空间自相关性,热点持续稳定地分布在上海、江苏、安徽中北部、浙江北部和湖北中部,冷点分布在云南、四川西部和南部及贵州西部.④自然因素与社会经济因素对PM_(2.5)浓度分布的影响具有时空差异性.其中社会经济因素主要呈正向影响;自然因素中,降水量主要呈负向影响,其余因子的影响大小和作用方向均随着时间和空间的变化而变化.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

2000～2020年中国典型经济区PM2.5时空变化及其与植被景观格局的关系

探究典型经济区PM_2.5时空变化特征及其与植被景观格局的关系,对区域PM_2.5污染治理和大气环境保护具有重要意义.基于PM_2.5数据和MODIS NDVI数据集,采用像元二分模型、 Getis-Ord G^*_i分析、 Theil-Sen Median趋势分析、 Mann-Kendall检验、皮尔逊相关分析和复相关分析等方法,探究中国三大经济区PM_2.5空间聚集性、时空变化特征及其与植被景观格局指数的相关性.结果表明,2000～2020年环渤海地区PM_2.5主要表现为热点区扩张,冷点区缩减;长江三角洲地区冷点区和热点区面积占比无显著变化;珠江三角洲地区冷点区和热点区均发生扩张.2000～2020年三大经济区PM_2.5整体表现为下降趋势,改善程度由高到低依次是：珠江三角洲地区、长江三角洲地区和环渤海地区.2000～2020年三大经济区不同植被覆盖度等级下PM_2.5均表现为下降趋势,三大经济区PM<...     

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.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.     

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

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.      

我国城市PM2.5污染的健康风险及经济损失评价

开展大样本城市的空气污染造成人群健康风险及经济损失研究,对于推进空气污染的防控与区域合作治理、公众健康素养提升具有重要意义.本文以我国62个环保重点监测城市为样本,运用环境健康风险与环境价值评估方法,对2015年PM_(2.5)污染引发的健康风险及经济损失进行评价,结果表明PM_(2.5)污染造成约12.51万人早逝[95%CI(置信区间):3.33~20.59万人]及1 009.59万人次患病、门诊和住院(95%CI:470.38~1 501.93万人次),占这些城市市区总人口的3.53%(95%CI:1.64%~5.26%).造成经济损失5 705.57亿元(95%CI:1 930.82~8 742.14亿元),占这些城市GDP总和的1.53%(95%CI:0.52%~2.35%),人均经济损失1 970元(95%CI:667~3 018元).四大城市群中,京津冀在健康风险、健康经济损失及其占GDP比重、人均损失方面均高于长三角、珠三角及东北.三大经济区中,东部的健康风险及经济损失高于中部与西部,三地的人均经济损失差别不大.南北方的经济损失相差很小,但北方的经济损失占GDP比重与人均损失均远高于南方.保定、郑州、济南、北京等市PM_(2.5)浓度很高,健康风险与经济损失问题突出.     

基于污染气象条件分级的深圳PM2.5污染回顾评价

提出了一种基于地面自动气象站网观测数据的污染气象条件分级标准,基于这套标准对2012—2019年深圳的PM_2.5污染进行了回顾分析.结果表明,2012—2019年深圳PM_2.5年均浓度总体上呈下降趋势,但2013年相对于2012年,以及2017年相对于2016年出现了反弹.其中,2013年PM_2.5浓度相对于2012年反弹的主要原因是污染排放本身的反弹,而2017年相对于2016年的反弹则更主要是由于不利的污染气象条件天数增加造成的.在2012—2019年期间,深圳的地面污染气象条件总体上呈恶化趋势,出现不利于环境改善的污染气象条件天数总体上呈增加趋势,在这种不利情况下,深圳的PM_2.5浓度仍然保持明显的下降趋势,充分说明了深圳市环保工作的成效.