淮海经济区PM2.5时空特征及影响因素

PM2.5对区域环境和人体健康有着重要影响,淮海经济区作为东部沿海经济发展带的重要支撑部分,剖析其PM2.5时空特征及其影响因素对于京津冀和长三角城市群开展区域空气污染的联防有着重要意义.首先采用时间序列分析对研究区PM2.5浓度特征进行分析,其次利用空间分析方法分析了淮海经济区PM2.5时空特征,最后基于淮海经济区PM2.5空间自相关特征,进一步采用地理加权回归模型探究了PM2.5浓度的影响因素及其空间异质性.结果 表明:(1)淮海经济区逐日PM2.5浓度值呈现出周期性的脉冲型起伏变化规律,整体呈现出冬秋季高、春夏低的"U"型趋势.逐日PM2.5浓度振荡周期短周期为2～3d,长周期为6～7d.(2)淮海经济区PM2.5浓度的空间局部相关性呈现出周期性的变化规律.全年热点区域主要集中在研究区西北的菏泽市和西南的徐州市,冷点区则主要集中在沿海区域.(3)淮海经济区PM2.5浓度影响因素主要包括平均气温、平均降水、平均风速、林地比例和路网密度等因素,不同因素对PM2.5浓度影响存在显著的空间异质性.     

1998～2016年长江经济带PM2.5时空演化的多尺度分析

基于全球大气PM_(2.5)年均浓度栅格数据集,采用重力模型、变异系数和探索性空间数据分析等方法,从区域、省域、市域、县域和栅格等多个尺度,对长江经济带PM_(2.5)时空演化特征进行系统分析。结果发现:(1)1998～2016年,长江经济带PM_(2.5)年均浓度均高于全国平均水平,且大体呈"倒U型"变化趋势,2005年是长江经济带PM_(2.5)年均浓度变化的重要拐点;(2)长江经济带PM_(2.5)的时空演化表现出显著的空间尺度效应,在不同空间尺度上,PM_(2.5)年均浓度的空间分异特征具有明显差别,但其空间差异均呈扩大态势;(3)长江经济带PM_(2.5)年均浓度存在显著的空间正相关性,且主要表现为高值集聚特征。     

安庆大气颗粒物污染外来输送轨迹及源区研究

在对安庆2015~2016年大气颗粒物变化特征分析的基础上,利用HYSPLIT-4后向轨迹模式,采用气团轨迹聚类分析、潜在源贡献因子法(PSFC)和浓度权重轨迹法(CWT),研究了不同季节安庆地区外源污染物传输的路径及潜在源区。结果表明:(1)安庆市大气颗粒物质量浓度存在显著的季节变化,表现为冬季春季秋季夏季,12月份污染最重,7月份污染最轻。(2)影响安庆地区气流轨迹具有显著性季节性变化特征,夏季主要受来自南方和东南方向海洋气流影响,PM10和PM2.5的平均值较低;冬、春和秋季安庆地区受到海洋性气团和大陆性气团共同影响,且以偏西和西北路径的大陆性气团影响最为明显,受沙尘或人为排放因素的影响,对应PM10和PM2.5的平均值相对较高,颗粒物高污染时段与该2类大陆性气流轨迹输送关系密切。(3)安庆颗粒物冬季PSFC值和CWT值最大,夏季最小。PSFC和CWT值2处高值区主要分布在湖北东部、江西北部和湖南南部等带状地区,以及山西、河南中部、山东南部及安徽北部等带状区域。     

长江经济带PM_(2.5)时空特征及影响因素研究

大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。     

降低PM2.5健康风险的行为选择及支付意愿——以北京市居民为例

本文运用权变评价法(CVM)调查了北京市居民对大气细颗粒物(PM2.5)健康风险的认知状况、行为选择及降低健康风险的支付意愿。结果表明:182.5%的居民认为北京市空气污染较为严重,52.4%的居民知道雾霾天气是由PM2.5引起的并认为其会对自己和家人的健康带来影响,92%的居民认为政府应该承担更多降低PM2.5健康风险的责任。2在降低风险的行为中,能够节省生活成本、有益于身心健康的生活方式和符合日常生活习惯的行为得到了最积极的响应,而会降低居民生活舒适性和增加生活成本的行为支持率相对较低。3在降低30%的PM2.5浓度情景下,居民的支付意愿平均为22.78元/月;在降低60%的PM2.5浓度情景下,居民的支付意愿平均为39.82元/月。而且,居民的个体特征、经济条件、居住位置、交通方式、认知水平及风险沟通等因素,都对降低PM2.5健康风险的支付意愿产生显著影响。     

城市土地利用类型与PM2.5浓度相关性研究——以武汉市为例

随着我国工业化的不断发展,在我国的主要经济发展地区的雾霾天气不断爆发,使我国的大气环境日益恶化,严重影响了人们的日常生活和身体健康。PM2.5作为雾霾的重要组成成分,也日渐成为环境领域的研究热点问题。随着全球性变化研究领域逐渐加强了对土地利用与生态环境的相关研究,因此无论从法律和社会经济发展的角度,还是从生态资源保护与环境可持续发展的角度,土地利用与PM2.5的相关研究都显得相当重要。研究目的:分析武汉市各类用地类型与PM2.5浓度的相关性程度。研究方法:使用ENVI与ArcGIS对武汉市2013年MODIS气溶胶产品进行空间分析与插值处理,再应用SPSS将其与武汉市2013年10个观测点的PM2.5浓度数据作相关性分析,以证实MODIS气溶胶厚度与PM2.5浓度的相关性,并建立两者的线性回归方程,然后利用计算后的武汉市整体PM2.5浓度分布与各土地利用类型进行相关性研究。研究结果:武汉市PM2.5浓度有明显的空间分布特征,绿化面积比例与PM2.5浓度呈显著负相关,建设用地面积比例与PM2.5浓度呈显著正相关,未利用地面积比例虽然与PM2.5浓度呈正相关,但相关性较低,而耕地与水体对PM2.5浓度没有显著影响。研究结论:土地利用类型对武汉市PM2.5浓度的分布有显著的影响,其与搭载MODIS传感器的遥感卫星监测方式的结合能成为研究大范围特定区域PM2.5浓度空间格局的新方法,并且增加城市绿化面积,控制建设用地规模能有效减少PM2.5浓度。     

长江中游城市群PM2.5时空特征及影响因素研究

近年来,伴随着工业化和城市化进程的加快,长江中游城市群灰霾天气持续增多,空气污染问题日益突出。基于2015年1月至2016年2月长江中游城市群189个空气质量监测站点的PM2.5逐时监测数据,采用普通克里金插值、探索性空间数据分析法和相关系数法,从年、季、月尺度上分析了PM2.5的空间分布格局及其影响因素。结果表明：（1）在年尺度上,长江中游城市群PM2.5浓度空间分布总体呈现出明显的北部高南部低,局部地区略有突出的特征,该区PM2.5浓度年均值为55.28 μg/m3,其中湖北省PM2.5的年均值为三省市最高,为68.17 μg/m3;其次为湖南省,年均值为53.66 μg/m3;江西省PM2.5的年均值较小,为44.01 μg/m3。（2）在季节尺度上,长江中游城市群PM2.5浓度表现出冬春季高,夏秋季低的现势性,这与区域内夏季高温多雨、冬季低温少雨的气候条件密切相关。（3）长江中游城市群PM2.5月浓度变化大致呈U形分布,1月份PM2.5浓度最高, 1~6月份,PM2.5浓度呈逐步下降趋势, 6~8月份,区域PM2.5浓度处于“U”字的谷底。（4）NO2、CO是影响PM2.5浓度的两项主控大气污染物,而降水量和相对湿度则是影响PM2.5浓度的两个重要气象因素。 关键词： PM2.5浓度;时空特征;气象因素;长江中游城市群     

基于遥感数据的PM2.5与城市化的时空关系研究——以成渝城市群为例

采用1998~2013年卫星遥感影像反演的PM2.5全球高精度产品数据集,结合GIS空间分析、地理加权回归（GWR）以及地理探测器等方法,系统地分析了成渝城市群城市化与PM2.5分布之间的关系。结果表明：（1）1998~2013年成渝城市群城市化速度较快,城市区域的PM2.5均值明显高于非城市区域,说明城市化对PM2.5具有一定的影响;（2）近16 a PM2.5重心与城市重心整体上都向东南方向移动,且两者每年在经度上的波动方向基本相反;（3）夜间灯光数据与PM2.5在空间分布上具有较好的一致性,且1998~2013年两者的GWR全局R2在0.86~0.95之间,相关性显著,研究区内城市化和人类活动对PM2.5的分布具有明显影响;（4）地理探测分析表明不同城市化因子对PM2.5影响差异显著,从2006到2013年城区人口密度和建成区绿化覆盖率逐渐成为成渝城市群PM2.5分布的主要影响因子。     

长三角PM2.5和O3变化特征及与气象要素的关系

依据2017年长三角地区的空气质量小时数据,结合同期ECMWF气象资料,采用GIS空间分析、相关性分析和数理统计研究了区域O3、PM2.5的时空变化特征及其与气象因素的关系.结果 表明:(1)长三角城市群O3浓度在5和9月值最高,O3_8 h日变化特征呈拉伸型S曲线,在19:00、20:00达到浓度峰值,峰值浓度最大的地区是滁州,为111 μg/m3;O3空间分布由北到南逐渐降低,并且春季(136.57 μg/m3)＞夏季(117.35μg/m3)＞秋季(83.23 μg/m3)＞冬季(77.06 μg/m3);O3与其前体物CO、NO2相关性较强;当15＜T≤20℃,100＜PRS≤100.5 kpa时,O3浓度超标最严重.(2)PM2.5浓度月均值呈不规则U型分布,低谷期在7、8月;上海浙江区域日均浓度第一个峰值在9:00～10:00,安徽江苏区域是11:00～12:00,第二个峰值均在21:00;PM2.5空间分布内陆城市高于沿海城市,冬季(62.21 μg/m3)＞春季(44.70μg/m3)≈秋季(44.14 μg/m3)＞夏季(31.33μg/m3);与NO2、SO2相比,PM2.5和CO相关性更强;O3与温度、相对湿度是正相关,与风速、风向、气压、边界层高度、降水量则是负相关,PM2.5与风向、气压是正相关,与其他因素是负相关;当温度低于5℃,100＜PRS≤100.5 kpa时,长三角城市群PM2.5超标率最高.     

中国城市环境规制对PM2.5污染的影响效应

基于2005～2015年中国城市环境规制与PM2.5污染的面板数据,利用面板灰色关联、空间计量和中介效应模型探究环境规制对PM2.5污染的时空关联影响、直接效应及作用机制.研究发现:(1)环境规制与PM2.5污染具有显著为负的时空关联性,其时序关联强度均值为负,呈"W"型波动变化,且空间关联强度负值城市占比较高.(2)环境规制对PM2.5污染起到明显的抑制作用,而邻近城市环境规制的溢出效应并未发挥促降本地PM2.5污染的积极作用.(3)环境规制促降PM2.5污染的重要中介变量分别是工业生态效率和技术水平,环境规制通过提升工业生态效率降低PM2.5污染的间接效应占比达55.69％,而通过提高技术水平降低PM2.5污染的间接效应占比为4.85％.(4)环境规制对PM2.5污染的影响呈现空间异质性,其并不能有效降低东部、中部和东北地区城市的PM2.5污染,而对西部城市PM2.5污染起到明显的改善作用.     

安徽省冬季PM2.5污染来源及其成因分析

随着中国城市化和工业化的加速发展,大气污染的问题日益突出,严重危害公众身体健康。基于安徽省逐小时PM2.5浓度监测数据,采用后向轨迹模式、潜在源因子分析法（PSCF）和权重浓度分析法（CWT）,构建PM2.5来源分析模型,分析了安徽省PM2.5的来源,并结合地理探测器辨析了影响PM2.5本底贡献浓度的驱动因子。结果表明：（1）本底贡献、本底外溢和外地输送这3个动态过程对安徽省PM2.5浓度的时空变化有重要的影响;（2）PM2.5月累计逐小时测量浓度、总浓度、外地输送浓度、本底贡献浓度、本底外溢浓度和月均PM2.5本底排放贡献率,均在整体呈现出西南高、东北低的分布趋势,但前3项在安徽西北部的阜阳、亳州和淮北等地出现高值区;（3）安徽省约97.5%的面积外地输送贡献率>50%,下辖市PM2.5本底排放贡献率在30%~50%,说明1月污染以外地输送为主;（4）工厂密度、车辆保有量密度和人口密度对PM2.5月累计本底贡献浓度的解释力q值分别为0.33、0.47和0.61,通过与PM2.5月累计测量浓度地理探测分析结果的比较,表明人为要素与PM2.5月累计本底贡献浓度的关系更加密切。研究结果可为区域大气污染治理提供科学的参考依据。     

嘉兴双桥农场大气颗粒物的物理化学特征

为了对长三角地区大气污染进行防治和控制,了解长三角地区大气环境质量变化规律,有必要对其颗粒物的组成及特征进行分析,以揭示其形成机制。采用Partisal plus2025 型连续空气采样机在嘉兴双桥农场（长三角中心）进行采样,利用对采样样品化学分析的结果,分析了PM10、PM25的化学组成、质量浓度的分布特征及其相对关系。 PM25和PM10中19种无机元素质量浓度的总和约占其质量浓度的23%和25%,其中Al、Si、Ca是主要贡献元素;8种水溶性离子质量浓度总和约占PM25和PM10质量浓度的51%和43%,其中NO-3和SO2-4是主要贡献成分;有机碳的质量浓度约占PM25和PM10质量浓度的1612%和1743%,元素碳的质量浓度约占PM25和PM10质量浓度的1697%和1584%,可见该地区存在较严重的二次有机碳污染和元素碳污染。研究结果为揭示大气颗粒物的形成机制和对其污染进行防治和控制提供了基础性的研究数据。     

京津冀雾霾空间关联特征及其影响因素溢出效应分析

本文运用arc GIS解析栅格数据获取2006~2015年京津冀13个城市PM2.5年均浓度值,得到全局Moran’s I指数和局部LISA分布图,结果显示京津冀雾霾显著空间自相关。保定、邢台、衡水和邯郸是雾霾扩散中心区,天津、沧州和石家庄为潜在扩散区,北京、廊坊和唐山是极化分异区,张家口、承德、秦皇岛为受益聚集区。依据雾霾源解析选取"人均GDP、工业增加值比重、煤炭消费比重、房屋建筑施工面积、民用车拥有量"5个指标,借助Matlab选择PM2.5与上述解释变量拟合效果最佳的双向固定空间杜宾模型进行空间计量估计,得到各解释变量对本市雾霾的直接效应和对其他城市雾霾的空间溢出效应,并根据研究结论提出建议。     

外商直接投资对中国城市雾霾(PM_(2.5))污染的时空效应检验

本文利用了1998—2012年中国241个城市的空间面板数据对中国雾霾污染和FDI的区域分布特征及空间溢出效应进行经验考察,结合系统广义矩估计(SGMM)方法构建了动态空间面板模型,采用了Moran’s I和Geary’s C指数对中国FDI与雾霾(PM_(2.5))污染空间自相关性进行了全域和局域分析。结果发现:(1)雾霾(PM_(2.5))污染与FDI存在显著的空间正相关性,证明了雾霾(PM_(2.5))污染空间的溢出效应以及FDI的辐射效应的存在。同时FDI高值集聚区域一般是雾霾(PM_(2.5))高值集聚区,FDI低值集聚区域一般是雾霾(PM_(2.5))低值集聚区,表明一个地区的引资效果和雾霾(PM_(2.5))污染在地理上的集聚密切相关。雾霾(PM_(2.5))污染表现出显著的"叠加效应"和"溢出效应",说明中国雾霾(PM_(2.5))污染在空间维度、时间维度以及时空维度上分别表现出交叉、累积、持续的演变特征。(2)全样本下,FDI对雾霾(PM_(2.5))浓度的影响表现出增促效应。FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.011%。(3)分地区样本下,东部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.001 9%;中部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.018 3%;而西部城市FDI存量对雾霾(PM_(2.5))浓度影响不显著。上述实证结果说明中国雾霾污染存在着显著的空间依赖性和区域异质性,FDI对中国大部分城市的雾霾污染存在显著的增促效应。     

上海崇明岛近三年PM_(2.5)浓度变化特征与气象条件的关系

利用2011年1月~2014年2月上海崇明岛地区颗粒物(PM_(2.5)、PM_(10))的连续监测资料,研究了PM_(2.5)总体分布、季节变化、日变化及浓度频率分布规律,初步分析了逆温、相对湿度、风向风速等气象要素对颗粒物浓度的影响。结果表明:2011~2013年该地区PM_(2.5)平均值分别为24.7,33.6和28.3μg/m~3,均低于PM2.5的年平均浓度限值35μg/m~3,细粒子污染程度较轻。PM_(2.5)浓度日变化幅度不大,呈微弱的单峰型分布,9∶00左右达到一天中的最大值,15∶00左右达到最小值。PM_(2.5)浓度的季节分布特征明显,呈现出冬季春季秋季夏季,一般情况下5月份PM_(2.5)月均浓度值最高,8月份浓度最低。PM_(2.5)日平均浓度有57.9%达到国家空气质量一级标准,有93.4%达到国家空气质量二级标准,超标率为6.6%。对PM_(2.5)与各气象要素进行分析后发现:PM_(2.5)质量浓度在逆温层结稳定、风速小、高湿以及近地面盛行西北到西风这样的静稳天气条件配合高空西北方向上的外来污染物输送,容易造成高浓度的PM_(2.5)污染。     

1998~2016年中国大气PM2.5污染浓度空间格局演化 ——基于339个城市的实证研究

摘要： 近年来,与PM2.5相关的大气环境质量状况和改善问题一直是社会和公众关注的热点话题。通过选取中国339个地级市为研究对象,采用重心模型和局部空间自相关的研究方法,对中国339个城市大气PM2.5污染浓度空间格局演化进行实证分析。结果显示：（1）从重心分析来看,1998~2016年内的中国大气PM2.5污染浓度几何重心位于渭河平原附近以及中国东部和北方的大气PM2.5污染程度分别相对高于西部和南方地区。（2）从局部空间自相关分析来看,1998~2016年期间“高-高”类型的空间正相关的地区主要集中在华北地区、华中地区、华东地区、长江中下游沿岸城市及四川盆地;“低-低”类型的空间正相关的地区主要集中在西南和西北地区,也零星出现在东北和福建的部分城市中。最后对中国大气PM2.5污染空间格局进行初步成因探析。     

济南市空气质量特征及重污染期间PM_(2.5)成分谱分析

根据济南市2010—2017年空气质量监测数据,分析近年来济南市空气质量状况、颗粒物(PM_(10)、PM_(2.5))污染物浓度变化情况以及重污染天气特征,并利用MARGA离子在线分析仪ADI 2 080分析2016年12月16日—12月30日重污染期间济南市PM_(2.5)组分谱特征。结果表明:2010-2017年,济南市环境空气质量持续改善,环境空气质量以良至轻度污染为主,至2017年济南市环境空气综合指数为6.95,但重污染比例依然很高,且颗粒物(PM_(2.5)和PM_(10))作为首要污染物的比例高达81%,颗粒物污染(特别是细颗粒物污染)仍是济南市环境空气质量污染的主要污染因素,尤其是在冬季采暖季,重污染天气仍在频发,重污染过程中硝酸盐、硫酸盐为主导贡献组分。     

中国省域PM_(2.5)污染的空间实证研究北大核心CSCDCSSCI

由于我国空气污染状况的日趋恶化,研究空气污染的形成因素并制定相应的污染治理政策对于我国生态文明建设有着重要的意义。基于STIRPAT环境效应分析模型,文中利用空间分析工具对选取的31个样本区域的PM2.5排放污染进行了空间探索性分析与空间计量检验。空间探索性分析结果表明:通过计算全局空间Moran’s I指数测算出样本区域PM2.5排放污染具有较强的空间自相关性,局部空间聚集检验则显示出样本区域PM2.5排放污染除具有自相关性外还表现出一定的空间异质性。进一步的空间计量检验结果显示样本区域GDP总量的增长将使得PM2.5污染继续恶化,而提高样本区域人均GDP水平则能有效的降低污染水平。样本区域在能耗上的空间交互影响也较为明显,对于选取的三个能耗指标,煤炭消耗的增加无论对于区域自身还是邻接区域都已成为加剧PM2.5排放污染的主要因素,原油消耗的增长只对邻接区域污染水平产生了影响,而电力消耗的提高缓解了区域自身的PM2.5排放污染但加剧了邻接区域的污染。由于空间溢出效应的影响,样本区域PM2.5污染表现出了很强的空间相关性,这就要求在相关污染治理政策的制定上要充分考虑到空间因素的影响,不仅要从经济发展方式和能源消耗结构的改变等环节入手,同时还要加强省域之间的协调促进,最终实现对污染的有效治理。     

北京三次产业演变与PM2.5排放的动态关系研究

基于三次产业经济增长与PM2.5排放关系视角回答PM2.5排放源争议以及减排措施的有效性问题,文章基于2008-2014年季度数据,利用X-12-ARIMA方法分析PM2.5排放数据的季节性波动,并构建向量自回归模型,实证结果显示,PM2.5排放数据不存在稳定季节性和移动季节性特征;第二、三产业经济增长是PM2.5排放的格兰杰原因;第二产业是PM2.5排放的长期主要来源,累计效应稳定在15,短期波动对PM2.5排放产生较强促排效应,但在滞后3期出现抑排效应,表明减排措施存在滞后效应;第三产业长期为抑排效应,累计效应稳定在-3,但在滞后3期出现促排效应,表明存在PM2.5排放部门;方差分解结果显示,三次产业经济增长对PM2.5排放的贡献比例为45.2%,其中第二产业第三产业第一产业,贡献率分别为33.82%,11.04%,0.36%;其余为区域传输和生活排放,区域传输贡献为28%-36%,生活排放包括私家车、生活消耗燃煤,以及居民烹饪的油烟,比例可达到20%左右。研究结果支持了PM2.5排放源中存在31.1%的机动车和14.1%的餐饮业排放,而不存在高比例的生物质燃烧排放。据此明确了当前第二产业减排措施的有效性和滞后性,以及加强第三产业减排、顶层设计京津冀区域协同减排和控制生活排放的相应措施。     

基于地面监测数据的2013~2015年长三角地区PM2.5时空特征

近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM_2.5逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM_2.5的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM_2.5浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM_2.5浓度年均值为57.08μg/m³;其中,江苏省PM_2.5的年均值为三省市最高,为65.84μg/m³;其次为上海市,年均值为53.87μg/m³;浙江省PM_2.5的年均值较小,为51.53μg/m³。(2)从季节尺度分析,长三角地区PM_2.5浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM_2.5浓度最高; 3月份以后, PM_2.5浓度开始呈逐步下降趋势;在5~9月份,区域PM_2.5处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM_2.5浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。