成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.      

陕西省PM2.5时空分布规律及其影响因素

PM_2.5是导致中国多省市发生灰霾的罪魁祸首,明确其时空分布规律,厘清其影响因素对灰霾的综合治理意义深远.基于陕西省2015年50个监测站点的PM_2.5浓度数据,采用空间数据统计方法、克里金插值法以及Morlet小波分析法对陕西省PM_2.5浓度的时空分布规律进行研究,并运用灰色关联模型来探讨PM_2.5浓度的影响因素.结果显示:①陕西省PM_2.5浓度整体呈"冬高夏低、春秋居中"的季节性变化规律,"U型"起伏的月变化规律,周期性脉冲波动型的日变化规律以及"W型"起伏的时变化规律;②陕西省PM_2.5浓度呈"北部低,中南部高"的空间分布特征,并且空间集聚性显著.不同季节的高值区均集聚于海拔相对较低的关中盆地内部城市.这与盆地内部空气不易扩散,静稳天气出现频率较高,易出现逆温现象密切相关;③影响陕西省PM_2.5浓度最大的指标层是PM_2.5污染来源（权重值为0.49）,其次是城市化与土地利用（权重值为0.37）,气象与地形因子影响最小（权重值为0.15）.不同城市各指标层的综合关联度差异较大.④各指标因子与PM_2.5浓度均为强度关联.降水量、机动车保有量、二氧化硫排放量、烟粉（尘）排放量、建成区面积、人口密度和人均GDP是影响陕西省PM_2.5浓度的主要因子,影响各城市PM_2.5浓度的主要因子具有一定的空间差异性.研究显示,人类活动对陕西省PM_2.5的影响显著,尤其是城市化的快速推进,相关指标（如人口、机动车、能耗、工业总产值等）持续增长,将进一步加大PM_2.5来源的多样性以及相关污染物的排放量.      

我国主要粮产区PM2.5、PM10时空分布特征及影响因素——以河南省为例

利用2018年河南省PM_2.5、PM₁₀监测数据,结合统计学方法及克里格插值技术,分析河南省PM_2.5、PM₁₀的时空分布特征及影响因素,结果表明:（1）PM_2.5、PM₁₀日均、月均浓度均呈现出“U”型变化特征,PM_2.5/PM₁₀月均值呈现出“W”型变化特征,PM_2.5、PM₁₀季均浓度及其比值均呈现出冬季>秋季>春季>夏季的规律;（2）PM_2.5、PM₁₀月均浓度的空间分布差异较大,而年均浓度则呈现出相似的分布规律,PM_2.5/PM₁₀季均值呈现出不同的空间分布规律,总体上东部及东南部较高,中西部区域较低;（3）PM_2.5、PM₁₀与NDVI、年降水量呈显著负相关,与人口密度、第二产业占比呈显著正相关。研究结论可为粮产区大气污染防治及粮食安全生产提供重要的科学依据。     

2000~2018年京津冀城市群PM2.5时空演变及其与城市扩张的关联

京津冀城市群是中国三大城市群之一,其城市化进程对大气污染造成了严重的影响.基于土地利用、站点实测和遥感反演的PM_2.5浓度数据集,辅以趋势分析和分段线性回归等方法,分析了2000～2018年京津冀城市群PM_2.5浓度的时空演变格局及其与城市扩张的关联.结果表明：（1） 2000～2018年京津冀城市群PM_2.5浓度变化呈明显的阶段特征,2000～2013年PM_2.5浓度呈显著增加的趋势[slope=1.598 0μg·（m³·a）^-1,P<0.001],其中69.97%的区域呈显著增加趋势（P<0.05）; 2013～2018年PM_2.5浓度呈显著减小的趋势[slope=-4.990 8μg·（m³·a）^-1,P<0.001],其中85.81%的区域呈显著减小的趋势（P<0.05）;（2） PM_2.5浓度整体呈从东南向西北递减的趋势,高污染区[ρ...     

2015~2018年中国代表性城市PM2.5浓度的城乡差异

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM_2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM_2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM_2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群（成渝、长江中游、关中平原城市群）的城市郊区PM_2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM_2.5浓度差值的日变化规律不尽相同,可呈单峰（如上海）或双峰（如杭州）变化,极值可出现在白天（如广州）,亦可在夜间（如深圳）.PM_2.5的排放与传输扩散共同对11城市城乡PM_2.5浓度分布产生影响.     

运用地理探测器研究京津冀城市群PM2.5浓度变化及影响因素

研究京津冀城市群PM_2.5浓度时空格局变化和影响因素,对区域大气环境保护和经济可持续发展具有十分重要的意义.基于PM_2.5遥感数据、地面站点气象数据、DEM数据、MODIS NDVI数据、夜间灯光数据、人口密度数据、土地利用类型数据和路网数据,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和Getis-Ord G_i*分析,运用地理探测器分析京津冀城市群PM_2.5浓度时空变化和空间聚集特征,并探究影响其空间分异的影响因素.结果表明：(1)2000—2021年京津冀城市群PM_2.5污染严重,全年平均PM_2.5浓度为59.94μg/m³,冬季是京津冀城市群PM_2.5污染的高发季,但京津冀城市群PM_2.5浓度总体呈下降趋势,变化斜率为–0.85μg/(m³·a).(2)PM_2.5浓度在空间上呈东南高、西北低的分布格局,且P...     

面向场景的城市PM2.5浓度空间分布精细模拟

针对传统PM_2.5浓度空间分布模拟方法忽略了城市内部如道路、工厂、居民区、景区等不同微环境整体对PM_2.5浓度影响机制的缺陷,本研究提出一种微环境PM_2.5浓度场景分异的理论假设,并以湖南长沙主城区为例,结合基于污染先验知识划分的城市微环境场景空间分布与自主设计加密观测场获取的203个监测点小时PM_2.5浓度加密数据,分析城市微环境PM_2.5浓度场景时空分异特征.在此基础上,耦合地理加权回归（GWR）与人工神经网络（ANN）方法,构建微环境场景增强下的PM_2.5浓度空间分布精细模拟GWR-ANN模型,开展城市内部高空间分辨率PM_2.5污染制图.结果表明：不同微环境场景间PM_2.5浓度存在显著时空差异,地表覆盖类型相同但分别位于2个不同场景的监测点间PM_2.5浓度差会随时间发生变化;耦合微环境场景变量的GWR-ANN模型能够有效精细模拟PM_2.5浓度的空间分布,模型拟合效果与交叉检验精度指标整体优于无场景变量参与的GWR-ANN模型（除部分时相较为接近外,检验R²：0.76~0.84vs.0.57~0.81）;场景增强下的PM_2.5浓度空间分布100m级分辨率模拟估算结果可以较好揭示研究区PM_2.5浓度高低值局地变化特征.     

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.      

长三角城市群PM2.5污染时空特征及其优化路径——基于产业转型和技术升级的视角

准确把握PM_2.5污染的时空特征及其驱动效应,有助于推动长三角城市群实现良性、可持续发展。基于2007～2017年的市级面板数据集,文章使用动态空间面板(DSP)模型对长三角城市群PM_2.5污染的时空特征及其产业和技术的驱动效应进行了实证分析。结果表明：地区PM_2.5污染存在显著的时序动态演变特征和空间相关性,区域内部PM_2.5污染的空间异质性分布较为稳定;尽管产业结构升级和技术进步均有利于缓解PM_2.5污染,但技术进步发挥了更重要的作用;产业结构升级和技术进步的联合效应可以显著抑制PM_2.5污染。为持续提高长三角城市群的空气质量,应建立区域差异化的治理和联合防控机制。地区政府应促进产业结构和能源结构不断升级,通过自主开发和技术引进的手段发挥技术进步对环境治理的积极效应。     

华北地区颗粒物浓度时空分布特征及其因素

利用2017年华北地区各地级及以上城市空气质量浓度等有关数据,对该区域内的颗粒物浓度时空分布特征进行研究,在此基础上进一步利用空间自相关分析方法对该区域内的颗粒物浓度的空间聚集特征进行定量描述,并利用空间计量模型分析了影响华北地区城市颗粒物浓度的因素。结果表明：整体上,华北地区PM_2.5和PM₁₀的污染日出现的平均频率分别为17.25%和14.23%,需重点关注细颗粒物造成的污染。在时间分布上,各省市的颗粒物月均浓度存在“U”型变化,呈现出冬季>秋季≈春季>夏季的规律。在空间分布上,各地级市颗粒物年均浓度具有明显的空间聚集特性,高聚集主要出现在河北南部,低聚集主要出现在内蒙古。空间计量模型表明,风速、降雨量和人均GDP对华北地区城市的PM_2.5和PM₁₀年均浓度均具有显著的负向影响,而第二产业占比、煤炭使用量和机动车保有量均对颗粒物浓度有正向影响,其中煤炭消耗量的影响最大,其次是机动车保有量。上述研究结果可为制定华北地区大气污染控制提供有效的措施和科学依据。     

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.     

2013—2015年中国PM2.5污染状况时空变化

自2013年我国首次开展全国范围PM_2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM_2.5污染状况时空变化的总体特征,识别PM_2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM_2.5污染特征变化的差异.基于2013—2015年PM_2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM_2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM_2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM_2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM_2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM_2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM_2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM_2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM_2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM_2.5重污染格局.      

基于卫星和地面观测的中国典型城市群对流层内臭氧时空变化特征

为了探明近年来中国典型城市群(京津冀城市群、长三角城市群和珠三角城市群)臭氧(O₃)污染的发生规律,利用2005—2020年OMI-MLS (臭氧监测仪-微波临边探测器)对流层O₃柱总量探测数据以及2015—2020年地面O₃浓度监测数据分析我国三大城市群O₃的时空分布特征及其演变趋势,结果表明:①对流层O₃柱总量月峰值和年均值均呈京津冀城市群>长三角城市群>珠三角城市群的特征,京津冀和长三角城市群对流层O₃柱总量均在夏季〔分别为50.0和44.4 DU (dobson unit)〕最高,而珠三角城市群在春季(42.2 DU)最高. ②三大城市群对流层O₃柱总量在空间分布上具有不同的特征,京津冀城市群对流层O₃柱总量呈东南高于西北的特征,长三角城市群对流层O₃柱总量随纬度升高而增大,珠三角城市群对流层O₃柱总量南北局地差异较小;海拔对对流层O₃柱总量的空间分布有一定影响,海拔越高,对流层O₃柱总量越低. ③京津冀、长三角和珠三角城市群对流层O₃柱总量均呈逐年显著升高的趋势,年均增长量分别为0.25、0.28和0.27 DU,其中,京津冀城市群在对流层O₃柱总量较低的秋冬季年均增长(0.29 DU)最快,而长三角和珠三角城市群分别在对流层O₃柱总量最高的夏季和春季增长最快,均为0.39 DU. ④卫星探测的对流层O₃柱总量与地面监测的O₃日最大8 h滑动平均浓度(简称“O₃-8 h浓度”)在京津冀和长三角城市群相关性明显,而在珠三角城市群相关性较差. ⑤O₃-8 h浓度呈京津冀城市群>长三角城市群>珠三角城市群的特征,其中,京津冀城市群O₃-8 h浓度在2018年(110.9 μg/m3)最高,空间上由2016年之前的北高南低转变为南高北低,多数城市O₃污染较重且达标率较低;长三角城市群2017年O₃-8 h浓度(106.7 μg/m3)最高,2016年起O₃-8 h高浓度中心由东北逐渐向西部内陆迁移,沿海城市达标率增加;珠三角城市群O₃污染程度最轻,达标城市较多,但O₃-8 h浓度呈逐年上升趋势,并在2019年达最高值(100.4 μg/m3),且中心城市上升速率远大于外围城市. 研究显示,中国三大城市群对流层O₃柱总量和O₃-8 h浓度的时空分布特征存在显著差异,造成差异的因素也不同.      

基于WRF-CMAQ模型的辽宁中部城市群PM2.5化学组分特征

为了探究北方寒冷地区城市PM_2.5化学组分特征,采用WRF-CMAQ模型对辽宁中部城市群2019年1月、4月、7月、10月及一次重污染过程（2019年1月11—14日）的PM_2.5化学组分展开模拟分析.结果表明:WRF-CMAQ模型分析下SO₂、NO₂、PM₁₀、PM_2.5浓度模拟值与监测值的相关系数（R）在0.63~0.82之间,PM_2.5组分中SO₄2-、NO₃-、NH₄+、EC、OC浓度的相关系数（R）在0.59~0.88之间,WRF-CMAQ模型对大气污染物及PM_2.5主要化学组分的模拟效果较好,可以反映PM_2.5及其组分的时空变化特征.通过对模拟结果的进一步分析发现,辽宁中部城市群PM_2.5中SNA（SO₄2-、NO₃-、NH₄+三者的合称）的占比为37%,与成渝城市群、长三角地区、京津冀地区城市相比,PM_2.5二次污染程度较低,一次污染仍是PM_2.5的主要来源.1月、4月、7月、10月PM_2.5中[NO₃-]/[SO₄2-]（质量浓度比）分别为0.62、0.44、0.15、0.50,表明该区域的燃煤污染对PM_2.5的贡献大于机动车尾气的贡献,该现象在秋冬季尤为明显;硫氧化率（SOR）普遍处于较高水平,分别为0.34、0.54、0.61、0.58,表明该区域燃煤排放的SO₂更易对PM_2.5产生贡献.同时,全年OC/EC（质量浓度比）的平均值为3.6,说明碳气溶胶的贡献主要来自机动车尾气的排放与化石燃料燃烧.通过分析2019年1月11—14日重污染过程PM_2.5组分浓度的逐小时变化发现,该时段中SOR与NOR分别是1月平均值的1.2与2.0倍,NOR的提升导致PM_2.5中NO₃-浓度占比上升了8%,超过SO₄2-的占比,这表明该重污染过程中机动车尾气对PM_2.5的贡献超过平常时段.研究显示,辽宁中部城市群的大气污染呈燃煤与机动车尾气为主的复合型污染特征,尤其在重污染天气下,实施工业限产的同时,加强机动车限行尤为重要.      

经济集聚对中国三大城市群土地利用生态效率的影响

基于非期望产出的超效率EBM模型,测算2005—2016年京津冀、长三角和珠三角等中国三大城市群土地利用生态效率,采用核密度函数对其演变特征进行分析,并运用面板门槛回归模型和面板向量自回归模型,从产业和人口两个角度分析经济集聚对城市群土地利用生态效率的非线性影响和直接冲击。结果表明：（1）2005—2016年间中国三大城市群土地利用生态效率总体呈现先收敛后分化的演化特征,不同城市群之间的土地利用生态效率时空演变具有显著差异;（2）第三产业集聚水平和人口集聚水平对城市群土地利用生态效率表现出单门槛效应,表明适度产业集聚和人口集聚对城市群土地利用生态效率具有正向促进作用,反之则会导致促进作用下降甚至出现负向影响;（3）第三产业集聚水平和土地利用生态效率自身对土地利用生态效率的直接冲击都是从开始就达到顶峰而后收敛为0,而第二产业集聚水平和人口集聚水平则是先负向冲击后持续正向冲击。城市群在制定经济发展政策和土地利用政策时,既要充分发挥经济集聚的正面环境效应,也要重视不同经济集聚的适度性和动态性。     

全国2018~2019年秋冬季气象条件变化对PM2.5影响研究

本文基于WRF-CMAQ模型定量分析了气象条件变化对PM_2.5的影响.全国337个城市2018~2019秋冬季气象条件转差导致PM_2.5平均浓度同比上升约5.55%.24个省市气象条件同比转差，北京气象转差致使PM_2.5同比上升约3.66%.从重点区域来看，京津冀及周边“2+26”城市气象条件转差最显著，汾渭平原次之，长江三角洲（以下称长三角）基本持平，分别导致PM_2.5浓度同比上升约9.4%、8.3%、1.1%.“2+26”城市和汾渭平原气象条件在11月、1月、2月转差，10月、3月气象条件转好.长三角则10月、11月、3月气象条件转差；12月、1月、2月转好.“2+26”城市2018~2019秋冬季PM_2.5浓度同比上升主要为气象条件转差所致；汾渭平原PM_2.5同比变化较小，人为减排有效抵消了气象条件转差带来的不利影响；长三角PM_2.5浓度同比下降，与气象条件变幅小且污染排放较去年同期降低有关.     

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

黄河流域城市PM2.5时空分异特征及污染物解析

分析揭示黄河流域城市PM_2.5时空分异特征,对打赢大气污染防治攻坚战,推动黄河流域空气污染跨区域协同治理机制的建立和完善,以及流域绿色高质量发展具有重要意义.本文以中国空气质量在线监测分析平台456个监测站点的PM_2.5浓度监测数据为基础,运用莫兰指数和标准差椭圆方法分析黄河流域70个城市2015—2021年PM_2.5的时空分异特征、演变格局,并基于皮尔逊相关系数分析法对其污染源进行解析.结果表明：(1)PM_2.5浓度的月度、季节变化特征明显.月均浓度呈底部宽缓的“U”型分布,12月或1月达到最大值;冬季平均浓度最高、春秋季次之、夏季最低,冬季浓度是夏季的1.9～2.6倍;年均PM_2.5浓度整体趋降,且表现为下游>中游>上游的空间分异性.(2)PM_2.5的空间聚集表现为上游“低—低”集聚、下游“高—高”集聚、中游城市的空间聚集特征不显著,空间正相关集聚的城市数量以先增后减的趋势变化,负相关集聚特征的城市较少.(3)PM_2.5     

城市主要大气污染物时空分布特征及其相关性

为制订合理的大气污染物减排措施,利用中国环境监测总站公布的2015年1-12月299座城市实时发布的环境空气颗粒物（PM_2.5和PM₁₀）及气态污染物（CO、NO₂和SO₂）的质量浓度数据,对其进行了时空分布特征及其相关性研究.结果表明:① 2015年城市环境空气颗粒物污染严重,299座城市的ρ（PM_2.5）、ρ（PM₁₀）年均值分别主要集中在25~60和40~110 μg/m3,年均值达到GB 3095-2012《环境空气质量标准》二级标准的城市所占比例分别仅为24%和38%.② 城市大气污染物浓度具有明显的季节性特征,基本呈冬季>春秋季>夏季的趋势,其中冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）、ρ（SO₂）分别为（73±27）（114±42）（1.49±0.61）（36±14）（42±33）μg/m3.③ 高ρ（PM_2.5）和ρ（PM₁₀）主要集中在华北平原,年均值分别为（70±16）（117±22）μg/m3;高ρ（CO）主要出现在山西省,年均值为（1.76±0.48）mg/m3;高ρ（NO₂）主要分布在京津冀、山东省和长江三角洲,年均值分别为（42±6）（39±9）（34±8）μg/m3;高ρ（SO₂）主要分布在山西、山东两省,年均值分别为（54±10）（41±16）μg/m3.④ Pearson相关系数研究表明,我国城市环境空气颗粒物与气态污染物具有较强的复合性,并且具有秋冬季明显强于春夏季的季节性特征.研究显示,我国城市大气污染具有较强的季节性、区域性与复合性,在降低环境空气颗粒物浓度的同时,对气态污染物的削减也不容忽视.