北京森林BVOCs排放特征及对区域空气质量的影响

利用林业二类调查蓄积资料,广泛调研植物源挥发性有机物（BVOCs）排放因子的最新研究成果,运用光温影响模型对北京森林BVOCs排放特征进行研究,并分析其对区域空气质量的影响.结果显示,2015年北京森林BVOCs排放量平均值为27.97×10⁹g C/a,变化域值范围为（9.46~76.45）×10⁹g C/a,其中异戊二烯、单萜烯和其他VOCs贡献率分别为75.09%、15.62%和9.29%.不同树种间BVOCs排放量差异较大,杨树和栎树是主要的异戊二烯排放源,贡献率分别为63.16%和25.92%;油松是主要的单萜烯排放源,贡献率为40.90%.不同龄级林对BVOCs排放的贡献不同,中龄林贡献率最大,占总量的39.14%.BVOCs排放呈夏季高、冬季低的特征,春、夏、秋、冬排放量分别占全年的12.55%、77.48%、9.76%和0.21%.BVOCs对O₃生成潜势的贡献量为240.51×10⁹g,其中异戊二烯占92.66%,是主要的贡献者;对二次有机气溶胶（SOA）生成潜势的贡献量为1.73×10⁹g,异戊二烯和单萜烯分别占24.26%和75.73%.研究表明,北京森林BVOCs排放会导致大气年均SOA浓度增加0.94μg/m³,O₃浓度上升9.01μg/m³,特别是对夏季O₃污染具有较大贡献.建议城市绿化时应从有助于空气质量改善的角度考虑树种的VOCs排放能力.     

珠三角城市群PM2.5和O3污染特征及VOCs组分敏感性分析

系统分析了珠三角城市群PM_2.5、O₃和挥发性有机物（VOCs）的污染特征,并筛选出对二次有机气溶胶（SOA）和O₃影响较大的敏感性组分。结果显示:珠三角城市群PM_2.5和O₃浓度的季节变化具有明显差异,PM_2.5和O₃分别在1月和10月出现浓度最高值。珠三角城市群VOCs主要以烷烃为主,占比为64.2%,其次为芳香烃和烯烃,含量较高的组分为丁烷、异戊烷、异丁烷和环己烷。SOA生成潜势贡献主要以芳香烃为主,占比为78.5%,其中甲苯、间,对-二甲苯和乙苯的SOA生成潜势最大。O₃生成潜势主要以烯烃为主,占比为42.3%,其次为芳香烃（34.2%）和烷烃（23.5%）,其中丙烯、异戊二烯和1-丁烯的O₃生成潜势最大。为有效缓解珠三角城市群PM_2.5和O₃污染,建议优先对机动车尾气、溶剂挥发、涂料使用和石化行业的VOCs敏感组分进行控制。     

北京森林BVOCs排放现状及动态变化特征分析

以北京地区森林植被为研究对象,基于森林资源清查蓄积资料和逐小时气象数据,采用光温影响模型对2000~2020年北京森林BVOCs排放量进行估算,并分析其对空气质量的影响.结果显示,2020年北京森林BVOCs排放量为39.57×10⁹g C,异戊二烯、单萜烯和OVOCs分别占72.19%、17.48%和10.32%,杨树、栎树等阔叶树是主要的异戊二烯排放源,油松等针叶树是主要的单萜烯排放源.2000~2020年森林BVOCs排放量从20.30×10⁹g C/a增加到39.57×10⁹g C/a,年平均增长率4.75%;BVOCs排放量的变化表现出明显阶段性特征,2000~2010年增长缓慢,2010~2020年出现大幅上升.20年间异戊二烯所占比重呈下降趋势,单萜烯和OVOCs所占比重则呈上升趋势;杨树对BVOCs排放量的贡献逐渐降低,栎树和其他阔叶树的贡献明显增加,北京新增森林更加注重物种多样化.2000~2020年,BVOCs的O₃生成潜势从181.76×10⁹g增加到331.07×10⁹g,异戊二烯占92.70%,是主要的贡献者;SOA生成潜势从1.11×10⁹g增加到2.65×10⁹g,单萜烯和异戊二烯分别占75.40%和24.60%.O₃生成潜势最大的树种是杨树,SOA生成潜势最大的树种是油松.森林BVOCs排放在夏季对O₃污染的贡献最大,未来绿化中应考虑优化树种组成.     

彩钢行业VOCs排放特征及O3和SOA生成潜势

采用固相吸附-热脱附-气质联用技术对浙江某市典型彩钢企业生产车间与废气处理装置进行了VOCs定量分析,获得了该行业的特征VOCs成分谱,并利用最大反应增量法（MIR）和气溶胶转化系数法（FAC）估算了彩钢行业各组分VOCs对臭氧（O₃）及二次有机气溶胶（SOA）的生成潜势.结果显示：该市彩钢行业VOCs成分复杂,酯类和醇类占比在50%以上;车间VOCs浓度水平受温度影响大,夏季浓度约为冬季浓度的1.6~4.2倍;通过对O3和SOA的计算可知,芳烃类、醇类物质对O₃生成潜势贡献率分别为70.0%和28.05%,而SOA生成潜势完全由芳烃类物质提供.     

新疆独山子区VOCs组成及其对O3和SOA的贡献

参照美国环保署USEPATO-14标准方法,分别于非采暖、采暖和沙尘期采集新疆独山子区空气样品,用预浓缩仪和气相色谱/质谱联用系统对其挥发性有机物（VOCs）进行分析.结果表明,采样期间独山子区各类VOCs对总VOCs的贡献大小依次是：烷烃（61.80%） > 烯烃（18.62%） > 芳香烃（10.16%） > 乙炔（9.42%）;用气溶胶生成系数（FAC）估算VOCs的二次有机气溶胶（SOA）生成潜势表明,对SOA生成贡献最大的是芳香烃,在非采暖、采暖和沙尘期的贡献率分别为97.80%、87.28%和69.52%;用SPSS软件和广义相加模型（GAM）分析气象因素、VOCs、O₃及NOx之间的关系,表明高温干燥天气有利于O₃生成,且独山子区O₃生成主要受VOCs控制,一些烯烃（如1-丁烯）与O₃呈显著线性关系.     

我国典型钢铁工业城市夏季臭氧污染来源解析研究

邯郸与其周边城市相比,臭氧(O₃)污染最为严重.基于观测数据分析夏季邯郸O₃浓度的时空特征,结果显示:观测期间邯郸O₃超标天数比率为86.7%,各区县O₃浓度分布存在差异,高温、低湿和偏南贴地气团传输是此次O₃连续污染的主要成因.继而,以CAMx-OSAT模型模拟方法进行O₃来源解析,溯源分析显示:邯郸O₃污染具有明显区域性特征,本地源对市域O₃贡献为43.9%,对主城区贡献明显增加(46.5%),但对O₃污染最严重郊县成安却有所下降(37.4%),来自河南地区的贡献占有重要比例;O₃污染过程中,本地源对主城区贡献显著升高(54.0%).本地源排放中,移动源对月均O₃贡献最高,而钢铁源是O₃污染过程最大贡献源.邯郸主城区光化学O₃生成主要受VOCs敏感区控制;O₃污染过程在NO_x敏感区内生成的O₃占比相对月均情况有所升高.     

太原市城区夏季VOCs来源及其对O3生成的贡献

采集太原市城区夏季VOCs样品并分析其浓度特征,使用参数修正法得到VOCs初始浓度,分析其来源及对O₃生成的贡献.结果显示：太原市城区总VOCs平均浓度为48.13 μg/m³,烷烃（25.52 μg/m³）为主要组分.VOCs浓度呈明显日变化特征,在日间（10：00~14：00）光化学产生O₃的关键时段浓度最低.油品挥发、机动车排放、燃煤、植物排放与液化石油气/天燃气（LPG/NG）使用源对修正后环境VOCs的贡献分别为26.89%、25.55%、21.14%、14.99%、11.44%,对O₃生成的贡献分别为21.44%、33.10%、24.07%、13.77%、7.62%.机动车为新鲜排放气团VOCs的重要来源,而油品挥发、燃煤的输送与本地积累是其他（混合、夜间与反应）气团VOCs的重要来源.机动车排放、油品挥发与燃煤为VOCs与O₃生成的重要贡献源,控制此类源排放可减少太原市城区环境VOCs浓度并有效降低O₃生成.     

铜川市秋冬季大气VOCs特征及其O3和SOA形成潜势分析

VOCs是O₃和SOA形成的重要前体物,可增强大气氧化性,促进二次污染物形成,影响区域空气质量和人体健康.为研究铜川市秋冬季VOCs特征及其对O₃和SOA生成的潜力,利用TH-300B在线监测系统监测了铜川市区102种VOCs的体积分数,并结合最大增量反应活性系数法和气溶胶生成系数法分别计算VOCs的O₃及SOA生成潜力.结果表明,铜川市秋季和冬季φ（TVOC）分别为（50.52±16.81）×10^-9和（63.21±35.24）×10^-9,O₃生成潜势分别为138.43×10^-9和137.123×10^-9, SOA生成潜势分别为3.098μg·m^-3和0.612μg·m^-3.秋季VOCs中含量最多的2种组分为烷烃（26.19%）和芳香烃（26.04%）,冬季VOCs中含量最多的组分为烷烃（48.88%）.反-2-戊烯、甲苯和间/对-二甲苯是秋季OFPs最大的3个成分,...     

珠江三角洲秋季典型O3污染的气象条件及贡献量化

利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O₃的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O₃超标率分别为32.3%, 12.0%和4.2%.对比2017年和2016年秋季O₃污染天气分型下促发O₃污染的气象因子差异,2017年秋季高污染型O₃天气形势出现的天数比2016年增多,且中污染型天气形势出现时,2017年的局地污染气象条件更为不利.采用WRF-CAMx模式通过改变气象场输入来量化气象条件贡献,并用实测变化减去气象变化以推算排放贡献.结果表明,气象条件变化导致O₃浓度上升的贡献率为29.8%,而排放的变化引起O₃浓度下降的贡献率为7.1%.在2017年秋季开展的O₃污染防治专项行动指导下的珠江三角洲O₃前体物控制措施,有效缓解了部分由于不利气象条件而引起的O₃污染浓度上升.不利气象条件是导致2017年秋季O₃浓度升高的重要成因.     

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.     

北京市城区秋季O3污染过程VOCs污染特征及反应活性

为深入了解挥发性有机物(VOCs)对臭氧(O₃)污染的影响,基于北京市2019年秋季VOCs和O₃高时间分辨率在线监测数据,开展O₃污染情况下VOCs浓度水平、组成变化和臭氧生成潜势(OFP)研究.结果表明,大气φ(VOCs)平均值为(22.22±10.10)×10^-9,其中,烷烃是体积分数最大的组分,占总VOCs的55.65%,其次是含氧有机物(OVOCs)和烯烃,分别占总VOCs的16.23%和8.13%.观测期间,北京市城区O₃共出现3次污染过程,O₃污染日和清洁日φ(VOCs)平均值分别为(26.22±12.52)×10^-9和(16.37±7.19)×10^-9,污染日VOCs体积分数比清洁日高60.17%.臭氧生成潜势(OFP)分析结果显示,污染日OFP为113.63μg·m^-3,比清洁日增加56.55%,OVOCs和芳香烃对OFP的贡献率分别增加6.51%和1.55%,而烯烃的贡献...     

基于OMI数据的京津冀及周边地区O3生成敏感性

基于O₃生成敏感性的指示剂法,利用OMI对流层柱浓度HCHO/NO₂分析夏季O₃敏感性.O₃控制区空间分布特征分析结果表明,O₃生成受VOCs排放控制的地区主要集中在北京、太原、石家庄等城市中心及工业较发达地区,受NO_x排放控制的地区主要集中在北京北部、河北北部、河南大部分地区、山东沿海城市,其他区域为NO_x-VOCs协同控制区.分析2005~2016年间京津冀及周边地区O₃生成敏感性的年纪变化特征表明,受VOCs控制的区域面积呈现先增大后减少,受NO_x控制的区域呈先减少后增加的趋势.NO_x控制区在2011年出现“拐点”,NO_x控制区面积占研究区域面积的比例达到最低38%.2011年之后NO_x排放量下降,NO_x控制区面积逐步增大,2016年NO_x控制区占比达到65%,VOCs控制区占比降低为3%.分析2005~2016年6~9月份O₃控制区月变化特征发现,相比6~8月份,9月份VOCs控制区增加显著,这是由于6~8月份的NO_x控制区转变为NO_x-VOCs协同控制区,NO_x-VOCs协同控制区向VOCs控制区转变.     

长三角地区VOCs排放特征及其对大气O3和SOA的潜在影响

以长三角地区(包括江苏省、安徽省、浙江省与上海市)为研究对象,对比分析了挥发性有机物(VOCs)人为源(AVOCs)和自然源(BVOCs)的排放总量、物种组成及其时空变化特征,评估了不同来源和种类的VOCs对臭氧(O₃)和二次有机气溶胶(SOA)的生成潜势(OFP和SOAFP).结果表明,长三角地区2017年VOCs的排放总量为618.1万t, AVOCs和BVOCs分别为385.6万t和232.5万t.该地区VOCs的主要物种为烷烃、芳香烃、异戊二烯、甲醇和萜烯,其占比分别为27.6%、20.2%、15.4%、8.7%和6.1%.时间变化上,AVOCs排放的季节变化较小,BVOCs的排放主要集中在5～9月,其中,7、8月的BVOCs排放量占全年排放总量的40.3%,显著高于同时段的AVOCs排放量.长三角地区VOCs的主要物种在5～9月为烯烃,其余月份则为烷烃和芳香烃.空间分布上,AVOCs排放高值区主要集中在上海、江苏中南部、浙江省北部、安徽省中部等经济较发达的地区;BVOCs排放高值区主要分布在浙江以及安徽南部等森林覆盖率较高的地区.长三角地区全年AVOCs...     

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...     

基于CMAQ/ISAM空气质量模型的北京市夏季臭氧来源解析研究

为了解北京市夏季臭氧(O₃)污染的特征与来源,采用区域空气质量模型(CMAQ)的综合源解析功能(ISAM)对北京市2019年6月不同区域的近地面O₃浓度及其来源贡献进行了数值模拟计算,量化了北京市、天津市、河北省、京津冀以外省份以及全球背景共14类NO_x和VOCs排放源对北京市不同区域O₃污染的贡献. 结果表明:①北京市不同地区O₃及其前体物来源存在显著差异,城区及近郊区NO_x和VOCs均主要来自于北京市本地排放,本地源排放对城区及近郊区的NO_x贡献(39.7%~46.4%)显著大于对远郊区的贡献(19.9%~38.8%),本地源排放对城区及近郊区的VOCs贡献(51.1%~75.8%)大于对远郊区的贡献(19.5%~39.6%). ②远郊区NO_x和VOCs浓度更易受非本地排放的输送影响. ③O₃主要来源于包括模拟区域外以及全球背景的边界传输贡献,边界传输对北京市不同受体区域的贡献均大于52.6%. ④北京市本地源排放对城区及近郊区O₃的贡献(6.8%~18.3%)大于对远郊区的贡献(2.4%~7.6%),京津冀以外源区的排放对北京市远郊区的贡献(5.2%~6.4%)大于对城区及近郊区的贡献(2.7%~4.4%),说明本地排放对远郊区影响相对较小,远郊区O₃浓度易受北部燕山山脉和太行山的阻隔影响. 因地理位置及地形原因,河北省不同源区对北京市不同区域O₃浓度的贡献存在一定差异. 研究显示,控制北京市夏季O₃污染应综合考虑城区与郊区O₃来源的差异性,做好周边区域的联防联控.      

基于四维通量法的佛山臭氧污染输送量化

定量输送过程对大气污染事件的贡献程度一直是目前区域大气污染防控的突出难点和重要需求.对此,基于WRF-Chem模式对佛山典型区域性臭氧(O₃)污染事件开展模拟,应用四维通量法分别量化周边区域对佛山市臭氧及其前体物的输送通量,厘清臭氧直接输送和前体物输送的贡献,发现周边区域对佛山市输送的O₃总通量平均值为120.3 t·h^-1;挥发性有机化合物(VOCs)总通量平均值为30.2 t·h^-1;其对应的臭氧生成潜势(OFP)为114.8 t·h^-1.通过统计各O₃污染事件的输送通量,发现污染期间输入佛山O₃通量最大的城市为广州(贡献率为44%);输入VOCs通量最大的城市为肇庆(贡献率为48%).分析输送VOCs排放导致的O₃生成潜势发现含氧挥发性有机物(OVOCs)对OFP的贡献最大,在“最大输入事件”中占比为47%.甲醛、二甲苯、醛类、丙酮和苯酚类等OVOCs和芳香烃是对OFP贡献前5的物种,贡献量占总OFP的50...     

台风持续影响下中山市大气O3污染过程分析

应用三维空气质量模型（Model-3/CMAQ）和积分过程速率（IPR）分析工具对2017年7月22~31日夏季4次台风持续影响下中山市7月首次出现的持续6d的O₃污染事件进行了详细分析,识别了O₃ 8h浓度最大值时段主导的大气物理过程和大气化学过程,并计算了不同源、汇过程对本地O₃浓度的贡献.研究结果表明,污染时段化学过程对O₃的源贡献高于非污染时段,化学过程贡献增加,说明光化学反应过程更加活跃;台风带来的外来气团经过上风向高污染物排放区域时,化学过程贡献显著上升,与非经过高污染物排放区域相比,污染时段的化学过程对中山市O₃源过程的浓度贡献高2.4%~6.5%;污染时段,水平输送对中山市大气O₃源过程的浓度贡献在56.6%~92.6%之间.因此,污染期间强化本地排放源的管控,减少O₃生成贡献的同时,结合区域气团路径分析,精准识别污染协同管控区域,上风向污染物高排放区域实施协同减排措施,实现区域联防联控.     

基于SOA和O3生成潜势的杭州市PM2.5和O3协同控制

2019年3月1日～2019年5月31日期间采用Syntech Spectras GC955在线气相色谱仪对杭州市大气环境中挥发性有机物（VOCs）进行了在线连续监测,分析了VOCs体积分数的组成特征、 PM_2.5和O₃协同控制的优控VOCs物种和VOCs特征污染物比值.结果表明,烷烃是VOCs体积分数中最重要的组分,贡献了62.40%. C2～C6的烷烃、苯系物、乙烯和乙炔是VOCs关键物种.烯烃和芳香烃是OFP的主要贡献组分,贡献率分别为41.35%和37.50%.芳香烃是SOA的主要贡献者,贡献率超过90%.低碳的烷烃、低碳烯烃和苯系物是OFP的关键贡献物种,控制好甲苯、间/对-二甲苯和邻-二甲苯这3种苯系物,是O₃和PM_2.5协同控制的关键.采样点大气中VOCs除了受机动车尾气的影响外,溶剂使用等工业排放的影响也较为显著.     

成都O3逐日污染潜势关键时段优选的GAM模型

利用成都市2016~2018年O₃逐时监测数据以及该时段同时次的地面气象观测资料，通过对O₃日变化特征的分析，确定了表征研究区O₃逐日污染潜势的四个关键时段，即全天时段（00：00~24：00）、日间时段（05：00~20：00）、O₃超标时段（11：00~19：00）以及O₃峰值时段（15：00~16：00）.基于广义可加模型（Generalized Additive Model，GAM）分别构建了O₃日最大8h滑动平均浓度（O_3-8h）与上述四个时段气象要素之间的函数关系，分析了时间尺度变化对O₃逐日污染潜势的影响.结果表明：GAM模型可以很好地表征O_3-8h与不同时段多气象要素之间的非线性关系.O₃超标时段气象要素对O₃逐日污染潜势具有最佳的指示意义，对应GAM模型的调整判定系数R²和方差解释率IRV分别为0.81和81.4%，模型模拟值与观测值的压轴回归决定系数R²为0.805.太阳辐射、相对湿度和气温是决定O₃逐日污染潜势最重要的气象要素，但三者在GAM模型中的重要性排序会因时间尺度的变化而有所差异.     

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.