中国东部冷锋推进中的PM2.5三维结构变化特征

利用观测资料和中尺度天气-化学模式（WRF-Chem）对一次冷锋南下天气过程导致的我国东部大范围空气污染开展研究,强调了冷锋过境前后的边界层结构及其对PM_2.5三维结构和变化的影响.观测发现,地面重污染区域位于冷锋前部均压场或等压线稀疏区域,在冷锋由北向南快速移动过程中,途经各站点PM_2.5浓度峰值伴随锋前而至.WRF-Chem模式可以较好地模拟中国东部地面和高空气象要素以及PM_2.5浓度的时空变化.模拟结果表明,处于该移动冷锋天气系统相同位置的沿途各站点的边界层结构以及PM_2.5垂直廓线表现出相似的特征.即:当冷锋开始入侵时,锋前污染物从地面被抬升到高空,PM_2.5浓度的增加和高空风速的增大导致高空PM_2.5通量增大,且PM_2.5浓度高值区随着高度升高向暖气团一侧倾斜.夜间冷锋过境引发边界层内对流性不稳定增加,边界层高度可达1 km以上,打破了边界层昼夜演变特征.本研究表明,垂直观测和精细模拟的结合可以有效地解释天气过程对空气污染的...     

长三角秋冬季典型区域霾天气特征及对比

为总结出霾天气发生时的相关影响因子、特征共性,选取长三角地区8个主要城市,2016~2019年秋冬季发生的7次典型霾天气过程,对比分析了3次霾天气过程中AQI、PM_2.5浓度、气象要素、天气形势、边界层特征的变化以及污染物来源.结果表明：不利的气象条件及高低空配置的静稳天气型导致霾天气的形成.3次过程AQI指数峰值分别为247、306及272,与PM_2.5浓度变化趋于一致.PM_2.5浓度和能见度呈明显负相关关系,且污染过程发生时能见度普遍偏低,2、3次过程能见度谷值均低于50m.高相对湿度、稳定的气温及静风与霾过程的形成有着紧密的联系.总体上混合层高度与AQI呈现负相关关系,混合层高度较低抑制垂直对流,从而使污染物在低空区域性积聚,3次污染过程混合层高度最低值均小于100m.逆温层的出现利于霾污染过程中污染物的累积,近地层的贴地逆温将污染物集聚在地表,第1次过程贴地逆温强度高达8.2℃;脱地逆温导致污染物在边界层内堆积并抑制其扩散,均易导致高浓度污染发生,第2次过程脱地逆温为主,强度高达4.8℃.气溶胶类型多为沙尘、大陆型污染物、污染型沙尘及烟粒.污染发生通常受局地排放、区域输送及长距离输送的共同影响,气团携带的因人为产生的细粒子也是造成污染的主要原因之一.     

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O₃浓度在清洁天浓度较高;NO_x、SO₂、PM₁₀、PM_2.5呈较强正相关性,NO_x、SO₂与 PM₁₀相关系数0.64、0.57,与PM_2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM₁受东北方向污染源影响,PM_1~2.5及PM_2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

成都一次霾过程中颗粒物消光作用的垂直变化

基于2017年1月4~7日成都地区一次重霾过程中,颗粒物粒径谱的垂直加密观测和激光雷达同步观测数据,利用Mie散射理论计算颗粒物消光系数并与激光雷达反演结果对比,计算了不同粒径谱颗粒物消光系数以及消光贡献率.分析表明：重霾期间,在不同边界层高度上颗粒物消光系数表现为PM₁ > PM_2.5~10 > PM_1~2.5 > PM _{> 10},其中PM₁的消光贡献率整体上维持在49.5%~69.4%,是本次重霾过程中影响颗粒物消光系数大小的主要因子.在大气边界层内,不同粒径谱颗粒物消光作用呈现出显著垂直变化和昼夜差异,白天在600m以下和700~1100m之间颗粒物消光系数出现高值区;夜间颗粒物消光系数整体上随高度呈现出明显递减趋势,在1100m处出现高值.此外,夜间在200m以下颗粒物消光系数明显大于白天,且PM_>1的消光贡献率也明显大于白天.整体上,PM₁消光贡献率随高度递增,而PM_>1消光贡献率随高度递减.     

成都地区秋冬季污染天气形势下PM2.5的扩散与输送

基于ERA-Interim再分析资料、大气污染资料以及气象资料,利用T-mode主成分分析法（PCT）将成都地区2016~2018年PM_2.5污染严重的1、2、11、12月份的海平面气压场和10m风场分成8种天气类型,分析不同天气类型下的空气污染状况及污染气象参数特征,进而从污染气象学的角度揭示重污染天气类型下的气象特征和潜在污染来源,结果表明：①成都地区在高压后部型、低前高后型、鞍型场、北方高压底部型中PM_2.5污染会加重,属于污染型天气类型,而在西路冷锋前部型、高压边缘型、西北高压底部型、东路冷锋前部型中,PM_2.5污染显著减弱,属于清洁型天气类型.②在污染型天气类型下,成都地区出现的逆温层较强,混合层高度较低均不利于PM_2.5的扩散稀释,且边界层内南风分量明显增大,东北风减弱,边界层通风量（VI）较小,风场对污染物的扩散能力也较弱.③对污染天气类型下成都的PM_2.5污染输送与潜在来源进行研究,认为成都南部及西南部地区在各个污染天气类型下都对其PM_2.5的质量浓度有明显的影响,另外在鞍型场天气类型下,成都东部及东北部地区也是成都PM_2.5污染的源区之一,而在北方高压底部型中,成都地区的PM_2.5主要受到其周围地区的影响,外地的污染物输入较少.     

不同天气型下武汉城市圈PM2.5污染及大气层结特征分析

利用2015—2019年PM_2.5和气象要素观测资料、NCEP和ERA5再分析资料,分析不同天气型下武汉城市圈PM_2.5区域污染时空分布、天气尺度环流和大气层结特征.结果表明,城市圈污染以武汉为中心,多为轻度-中度污染,西部重于东部.造成武汉城市圈区域污染增长的天气形势包括4类,分别为冷高压底前部型、高压后部型、均压场型和低压倒槽型.4类污染天气型均有较低的混合层高度和地表通风系数,且边界层存在弱下沉运动和逆温,抑制污染垂直扩散.但气象要素影响PM_2.5污染的机理各异：冷高压底前部型主要为大气压梯度引导偏北大风带来污染物远程输送,边界层冷平流导致低温、锋面逆温和浅薄高湿层(65%～80%),强输入性污染配合吸湿性累积增长造成严重污染,逆温厚度对PM_2.5增幅作用明显;低压倒槽型东南风输入污染弱,但高温、低压引起气流辐合导致本地污染汇积,边界层暖平流带来平流逆温和深厚湿层(1000～750 hPa),逆温层底高偏低、厚度偏厚,促进污染物在近地面吸湿增长;高压后部和均压场型均为浅薄湿层(1000～975...     

武清地区冬季一次重污染过程垂直分布特征

为研究京津冀地区重污染过程大气污染物的垂直分布特征,于2016年12月13日重污染前（11:49-12:18）和12月18日重污染期间（11:00-11:16）在北京市、天津市、河北省交界处的武清地区利用系留气球开展1 000 m以下的大气观测,探究污染物的垂直分布特征及对流边界层、覆盖逆温层和混合层等要素对重污染形成的影响.结果表明:①在重污染前,大气层结不稳定,ρ（PM_2.5）、ρ（NO_x）与ρ（O₃）随高度变化不明显,存在明显的垂直对流运动,有利于大气污染物的扩散;PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）]在800 m以下为0.60~0.80,在800~1 000 m以上大于0.90.②重污染期间,近地面大气层分为对流边界层（距地面0~150 m）、覆盖逆温层（150~370 m）、混合层（370~500 m）和自由大气（500 m以上）4个层次.③NO_x主要在对流边界层内聚积;高空O₃在向近地面扩散时受强混合层阻挡,在混合层出现一个小峰值;PM_2.5不仅在近地面聚积,而且在覆盖逆温层内聚积,ρ（PM_2.5）在覆盖逆温层内呈双峰（峰值分别出现在150和370 m）分布,其粒径集中在0.5~1.0 μm,属于积聚态气溶胶.研究显示,在不利扩散条件下,汽车排放、村镇居民供暖排放的污染物聚积及二次颗粒物的生成是重污染形成的重要因素.      

深圳冬季霾日的大气污染特征

2009年1月10日─2月16日,利用在线仪器获得深圳市冬季大气中气态污染物和PM₁主要化学组分的高时间分辨率数据,结合气象条件,对非霾日、霾日的大气污染物和PM₁主要化学组分浓度水平及其日变化特征进行了研究. 结果表明:深圳冬季霾日除O₃外,其他气态污染物和PM₁主要化学组分的平均质量浓度均明显高于非霾日,增幅均在40%以上;PM₁中的有机物是深圳冬季霾的首要污染因子;PM₁主要化学组分的日变化趋势不尽相同,但总体上表现出霾日高于非霾日的特征,尤其是午夜至清晨时段,这说明深圳冬季霾日的夜间大气扩散能力显著减弱.      

基于多源资料天津一次雾-霾过程的边界层特征

为探究雾-霾过程的边界层特征,选取天津市2019年12月7~10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m³·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM_2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM_2.5质量浓度为135~223μg/m³,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6~12m/s,雾层内为1~2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.     

气溶胶辐射效应对气象和环境影响的观测与模拟研究

选取2015年和2019年不同代表年份,结合外场观测和数值模拟,分析了天津地区不同季节不同天气(晴天、多云、霾)下,气溶胶辐射效应对整层大气透过率和地表入射太阳辐射的影响,以及这种影响在不同年份的差异.借助WRF-Chem模式模拟分析了重污染期间气溶胶辐射效应对垂直方向上气象要素廓线、边界层结构以及PM_2.5浓度的反馈机制.结果表明:霾污染可导致大气透过率明显下降,春、秋、冬不同季节,霾污染导致中午大气透过率分别下降0.09,0.11和0.09.全年平均霾污染可导致大气透过率降低约15.5%.云量的增多也可导致大气透过率明显下降,多云天气下大气透过率相比晴天减小约22.4%.霾和云对大气透过率的影响还与太阳高度角有关,当太阳高度角>60°时,霾污染导致大气透过率下降8.6%.随污染等级提高,气溶胶对太阳辐射的衰减作用也越强,天津地区空气质量分别为Ⅰ～Ⅰ级时,中午地表入射短波辐射呈稳定下降趋势,依次为484,446,439,342,328和253W/m².重污染期间,气溶胶辐射效应导致大气低层(250m以下)降温(0.8℃)增湿(3.8%...     

边界层方案对南京地区PM2.5浓度模拟的影响

基于WRF-Chem空气质量模式采用YSU、MYJ、MYNN2、ACM2,4种边界层方案和基于ACM2的敏感性实验方案ACM2R2（模式最低6层的湍流扩散系数阈值改为2m²/s）和ACM2R5（模式最低10层的湍流扩散系数阈值改为5m²/s）,对南京地区冬季出现的一次天气污染过程进行模拟,分析了不同边界层方案对南京地区PM_2.5浓度模拟的影响.结果表明,6种方案对地面气象要素和风温湿廓线的模拟显示了较为合理的日变化特征及高度变化趋势,不同边界层方案之间气象要素差异较小.各方案均较好地模拟出了边界层高度逐日变化和日变化特征,以及PM_2.5浓度随时间的变化趋势,但是YSU、MYJ、MYNN2和ACM2,4种边界层方案在夜间对PM_2.5浓度的模拟均存在较大程度的高估,而ACM2R2和ACM2R5在ACM2的基础上显著地降低了PM_2.5浓度,甚至转为低估.从整个时段的偏差上看,ACM2R2最接近观测值.这是由于ACM2R2夜间湍流扩散系数较高,更利于源于地表的污染物向上扩散,使得ACM2R2方案在夜间相比原ACM2方案模拟所得的地表PM_2.5浓度更低,从而改善了原方案高估的现象.ACM2R5夜间湍流扩散系数更高,后期扩散过强从而产生较大低估.这些结果表明湍流扩散系数的不同是PM_2.5浓度模拟差异的重要原因,准确地参数化边界层方案夜间湍流扩散系数对于提高PM_2.5浓度模拟的准确度十分必要.     

天山北坡区域大气污染特征及冬季重污染成因分析——以石河子市为例

以天山北坡典型代表城市石河子市为例,基于地面常规污染物浓度监测、气象观测、激光雷达观测及中尺度气象模型(WRF)模拟资料,综合分析了气象条件和边界层结构变化对空气质量的影响。结果表明：以石河子市为代表的天山北坡地区空气质量季节性差异显著,PM_2.5浓度在冬、夏两季相差最高达11.4倍,且冬季(12月—次年2月)大气污染发生率高达81.2%,重度及以上污染天气占59.1%。冬季污染呈连续“污染季”变化特征,在2020—2021年冬季发生的4次重污染过程中,每次重污染过程持续时间为7～27 d,间隔仅1～3 d,各过程均以PM_2.5污染为主导,PM_2.5峰值浓度为373～425μg/m³,PM_2.5/PM₁₀均值为0.82。进入秋冬季后,地面连续低温、高湿的气象条件对PM_2.5浓度的增长有显著促进作用,以温度<-3℃和65%<相对湿度<92%为主要影响条件,在该条件下边界层高度的显著降低和连续强逆温引起的近地扩散条件转差...     

基于车载雷达探测的一次华北冬季重污染天气成因研究

基于车载微脉冲气溶胶激光雷达、多普勒风廓线激光雷达和扭转拉曼廓线激光雷达的中山大学环境气象综合观测车,于2018年12月18日-22日在河北省望都县PM_2.5重污染期间开展定点观测.结合地面PM_2.5浓度和气象要素观测资料,对本次污染过程的成因展开分析.本次重污染过程日均PM_2.5浓度为163.2μg·m^-3,PM_2.5浓度的日变化特征明显,表现为白天PM_2.5浓度降低,傍晚至次日早晨PM_2.5浓度升高.气溶胶激光雷达观测结果发现,污染期间,700 m高度以下存在明显的消光系数高值区;夜间存在明显的消光系数高值区分层现象,气溶胶消光系数高值区出现高度可达1700 m.本次PM_2.5重污染过程受静稳边界层气象条件和高空气溶胶输送、沉降共同影响.在污染时段内,大气边界层低层小风持续,近地面和大气低层逆温和同温层频发,静稳边界层条件不利于PM_2.5的输送和扩散;此外,夜间高空气溶胶伴随强西风带出现...     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

长江三角洲初冬一次重污染天气成因分析

利用站点气象和PM_2.5资料以及NCEP的全球再分析数据集研究了2015年12月17~28日长江三角洲地区一次重污染天气过程.结果表明：地面弱气压场是此次污染事件发生发展的主要天气背景,而冷空气带来的大风使PM_2.5浓度迅速下降,有效清除了PM_2.5.区域热力因子和动力因子分析发现,此次过程中大气中低层层结稳定、近地面逆温强,有利于PM_2.5和水汽的累积,使其浓度水平升高;对于动力因子来说,较小的通风率和较低的边界层高度不利于污染物扩散,同样使PM_2.5浓度上升.两者相比,热力因子对PM_2.5浓度值的贡献比动力因子大.结合后向轨迹和排放源分布发现,此次污染过程中长江三角洲地区的PM_2.5主要受来自其西北方向的大陆气团（占46%左右）的影响,这些气团途经高污染排放源并把污染物远距离传输至长江三角洲地区.最后利用PSCF和CWT对长江三角洲地区污染物的潜在来源进行了分析,发现PM_2.5的来源主要集中在安徽、河南、山西、山东以及长江三角洲本地,说明此次过程中长江三角洲地区的污染物浓度受到远距离输送和局地过程的共同影响.     

持续鞍型场导致的西安市PM2.5重污染过程分析

为了解鞍型场对西安市PM_2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ（PM_2.5）及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段（6—7日）、污染维持阶段（8—11日）及污染减轻阶段（12—14日）,3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ（PM_2.5）最高值达198 μg/m3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平（最高达7.2℃）,相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m/s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM_2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃/（100 m）,极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM_2.5重污染过程的重要原因.      

2014年河北中南部两次重霾天气成因分析

利用河北省环保局环境监测站提供的污染物浓度数据及常规气象观测数据、NCEP再分析资料,结合HYSPLIT4.9后向轨迹模式,对2014年10月上旬发生在河北省的2次大范围的重霾天气特征和成因进行综合分析.结果表明,这2次重污染天气过程PM_2.5地面浓度最大值出现在邢台,为507μg/m³,水平能见度不足1km.均压场的分布和较为平稳的高空形势为2次霾天气提供了有利的气象背景.高湿,静小风以及较低的混合层高度不利于污染物扩散,是导致这两次重污染天气持续的主要原因.结合卫星火点及污染物来源分析表明,河北南部及周边省份的秸秆燃烧加重了第2次过程的污染,污染气团的输送对区域性重霾天气产生重要影响.     

上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.