交通来源颗粒物排放因子的研究

用谭裕沟隧道TSP,PM₁₀和PM_2.5的质量浓度和主要成分的分析结果,得到一定机动车流量和速度下交通来源不同粒径颗粒物质量浓度和主要成分的平均排放因子,可以基本代表北京市机动车行驶的综合排放因子,具有应用价值.还估算了北京市交通来源不同粒径颗粒物及其主要化学成分的排放量.      

交通来源颗粒物粒径分布特征及其排放因子研究

贵阳市大关隧道交通颗粒物排放以0.3 μm颗粒为主,占总颗粒物数浓度的84％,粒径在2.5 μm、5.0 μm和10.0 μm的颗粒物占总颗粒物质量浓度的权重较大,3个粒径颗粒物质量浓度占总颗粒物质量浓度的94％.贵阳机动车道路排放因子PM2.5为0.017 g/km,PM1.为0.334 g/km.     

机动车排放细微/超细颗粒物消光特性的Mie理论研究

机动车等燃烧源排放颗粒物离散系统的消光特性主要取决于颗粒群的物理化学组分和粒径分布特征. 利用内部混合模型,确定典型机动车排放颗粒物的密度和光学复折射系数(m),通过Mie理论模型研究不同粒径下单体颗粒物的光学特性,从而研究机动车排放的nm/μm级粒径下细微/超细颗粒物的无量纲光散射率(Q_scat)、无量纲光吸收率(Q_abs)以及无量纲消光率(Q_ext). 结果表明,不同国家的轻型柴油车(LDV)排放超细颗粒物的化学组分差异较大,而重型柴油车(HDV)则没有显著差别. 相关性分析表明,机动车排放颗粒物的EC组分所占比例与复折射系数的实部(n)和虚部(k)均有极强相关性,相关系数(R>/sup>2)分别为0.995 6和0.993 8.通过Mie理论计算 4种复折射系数下典型机动车排放颗粒物Q_scat,Q_abs和Q_ext随粒径的变化特征发现,粒径为400～600 nm范围的单体颗粒物消光作用最大. 当颗粒物粒径>1 μm时,Q_scat,Q_abs和Q_ext逐渐稳定为常数1.2,1.0和2.2, 此时消光率与复折射系数无关.      

北京市西三环地区大气颗粒物中多环芳烃的分布特性

于2012年3—12月在北京市西三环地区按粒径分6级采集大气颗粒物样品,采用气相色谱-质谱(GC-MS)对颗粒物样品中16种优控PAHs(多环芳烃)进行分析. 结果表明:颗粒物中ρ(∑₁₆PAHs)(PAHs的总质量浓度)季节变化显著,表现为冬季>春季>秋季>夏季,并且与ρ(PM)(PM为颗粒物)呈良好线性相关;不同粒径颗粒物中ρ(PAHs)呈向小粒子富集的趋势,PM_2.1中ρ(PAHs)约占ρ_sum(∑₁₆PAHs)〔6级颗粒物中ρ(∑₁₆PAHs)总和〕的64%~87%;除夏季3环PAHs占优势外,其他季节均以4~ 5环PAHs占优势;同时,随着粒径的减小,PAHs有向高环数富集的趋势. 运用主成分分析和多元线性回归法进行源解析发现,机动车尾气排放和燃煤是本地区大气颗粒物中PAHs的主要来源;不同粒径颗粒物中的PAHs来源有差异,2.1~10.2μm粒径段颗粒物中PAHs主要来源于机动车尾气排放,贡献率为63.0%;而1.3~2.1μm和<1.3μm的颗粒物中PAHs均主要来源于燃煤,贡献率分别为56.8%和58.7%.      

伊犁河谷核心区春季PM2.5组分特征及来源解析

为研究伊犁河谷核心区春季大气细颗粒物(PM_2.5)中无机元素、水溶性离子和碳组分特征和来源,于2021年4月20～29日在伊犁河谷核心区布设6个环境采样点,对PM_2.5中水溶性离子、无机元素和碳组分等51种化学组分进行分析,并使用化学质量平衡(CMB)模型对其来源进行解析.结果表明,采样期间ρ(PM_2.5)变化范围介于9～35μg·m^-3.Si、 Ca、 Al、 Na、 Mg、 Fe和K等地壳元素占比较高,占PM_2.5的12%,表明春季PM_2.5受到明显的扬尘源的影响.富集因子结果表明,Zn、 Ni、 Cr、 Pb、 Cu和As元素主要来源于化石燃料燃烧和机动车排放.元素组分的空间分布特征受采样点周边环境的影响,新政府片区受燃煤源的影响较大,故As浓度较高,伊宁市局和第二水厂受机动车影响较大,Sb和Sn浓度较高.PM_2.5中9种水溶性离子(WSIIs)的浓度占PM_2.5的33.2%,其中ρ(SO^2-     

关中地区道路移动源细颗粒物排放特征研究

道路移动源排放的细颗粒物是城市大气颗粒物的主要来源,其排放量、粒径分布和化学组分等特征是评价区域环境颗粒物排放水平及制定相应管控措施的基础.本研究通过抽样调查与观测数据,采用MOVES模型计算了2019年关中地区道路移动源细颗粒物排放量,并利用台架测试法收集了36辆机动车尾气颗粒物,分析了细颗粒物粒径分布和化学组分特征.结果表明,关中地区机动车尾气、刹车磨损和轮胎磨损的PM_2.5排放量分别为3543.77、593.45和117.61 t,西安市机动车PM_2.5排放总量占关中地区机动车PM_2.5总排放量的46.8%.重型货车为机动车PM_2.5主要排放源,其保有量仅占机动车总保有量的2.3%,但排放了53.6%的PM_2.5;不同燃料类型机动车对尾气PM_2.5的排放贡献率不同,柴油车最大,为87.5%.在匀速工况下,柴油车、汽油车和天然气车尾气细颗粒物的数浓度峰值粒径分别为73、9和9 nm,而在加速工况下分别为73、17和17 nm;在加速工况下,这3类燃料机...     

北京西三环地区不同粒径大气颗粒物中有机脂肪酸的污染特性

年1—7月在北京市西三环航天桥地区,用大流量分级采样器分5级采集大气颗粒物样品,采用溶剂提取和衍生化方法对样品进行前处理,利用GC-MS分析不同粒径颗粒物中的有机脂肪酸. 结果表明:在颗粒物中共检出21种MOA(一元有机脂肪酸)和7种DIA(二元有机脂肪酸);ρ(∑₂₁MOA)(21种MOA总质量浓度)和ρ(∑₇DIA)(7种DIA总质量浓度)均在粒径<0.69μm的超细颗粒中最高,分别约占各自5级颗粒物质量浓度总和的30.0%和32.5%;颗粒物中ρ(∑₂₁MOA)和ρ(∑₇DIA)月际变化规律不同,前者在1—2月最高,3月次之;而后者在5—7月最高. MOA和DIA的组成、分布特点亦不尽相同,其中C₁₀~C₂₄的MOA表现出明显的偶数碳优势,而DIA没有显现奇偶优势;MOA中ρ(C₁₆-MOA)最高,ρ(C₁₈-MOA)次之;DIA中ρ(壬二酸)最高. 基于MOA的C₁₈/C₁₆〔ρ(C₁₈-MOA)/ρ(C₁₆-MOA)〕和CPI(碳优先指数)分析表明,颗粒物中MOA主要来自人为源,与燃煤排放、机动车尾气及烹调排放相关,1—2月燃煤排放对颗粒物中MOA的贡献明显.      

上海市郊区大气细颗粒和超细颗粒物中元素粒径分布研究

用同步辐射X荧光光谱分析了上海市郊区大气细颗粒和超细颗粒物（0.028 7～2.40 μm）中元素粒径分布、质量中值粒径、元素相关性和不同粒径颗粒物中的富集因子.Ca、Ti主要分布于粒径>2 μm的颗粒物中,它们之间的相关系数达0.933,富集因子在0.1～3.2之间,且与粒径无明显关联,主要来自土壤扬尘等自然来源.V、Cr、Mn、Ni、Zn、Cu、Pb、Cl、S等元素主要分布在0.1～1.0 μm颗粒物中,质量中值粒径在0.56～0.94 μm之间.V、Cr、Ni、Cu、Zn、Pb显著富集,且富集程度随粒径减小而增大.其中Pb在超细颗粒物（<0.1 μm）中的富集因子达2 023.7～2 244.2,远大于在细颗粒和 PM_2.5中的富集程度.这些元素主要来自燃油、燃煤、冶金和机动车尾气等人为污染.Fe在>0.2 μm颗粒物中分布较均匀,质量中值粒径1.3 μm.除了局部污染源,远距离传输对该地区大气颗粒物污染有不可忽略的影响.     

燃煤污染源排放颗粒物采样方法实验室比对研究

为研究适用于我国燃煤污染源排放颗粒物的分级采样标准测试方法,采用民用小煤炉排放装置结合烟气采集系统,对比研究了直接采样法(双级虚拟撞击PM₁₀/PM_2.5采样器、旋风采样器、总烟尘采样器)和稀释采样法(低压荷电撞击器ELPI配备稀释系统)对烟气中不同粒径颗粒物测试结果的稳定性、相关性、仪器可操作性等特点,并分析了煤质对颗粒物分级测试结果的影响. 结果表明:①从决定系数和残差平方和角度分析,稀释采样法测试结果自身拟合性相对直接采样法差,实测数据点相对分散,95%置信带较宽. 直接采样法中,基于本文确定的清洗和收集方式,旋风采样器测试得到的PM₁₀和PM_2.5浓度拟合度高达0.999;双级虚拟撞击PM₁₀/PM_2.5采样器测试结果稳定性也较高,其测试得到的PM₁₀和PM_2.5浓度拟合度也为0.999. ②不同颗粒物采样器对烟气中PM_2.5、PM₁₀、TSP的浓度测试结果均表明,稀释采样法与直接采样法测试结果相关性较低;而各直接采样法之间呈高度相关,Pearson相关系数在0.993~0.999之间. ③稀释采样法分级测试结果显示,当颗粒物排放浓度较低时,各级滤膜称量误差叠加可导致PM₁₀、PM_2.5浓度测试结果误差较大. 因此,针对常温且颗粒物浓度较低的烟气,建议采用直接采样法;针对高温烟气,稀释采样法可捕集稀释降温过程中形成的可凝结颗粒物. ④各采样方法测试结果表明,相对于燃用无烟煤(如蜂窝煤),燃用烟煤产生的烟气中颗粒物浓度相对较高,且PM_2.5占比较高. 研究显示:稀释采样法能模拟燃煤污染源高温烟气排入大气环境中可凝结颗粒物的形成过程,测试结果更接近真实排放情况;对于常温颗粒物浓度较低的烟气,更适宜采用直接采样法.      

吉林市大气PM_(2.5)污染特征及来源分析

2014年在吉林市设立7个大气PM_(2.5)采样点,分采暖季和非采暖季分别采样分析了吉林市城区大气颗粒物污染特征和可能来源。结果表明:吉林市大气颗粒物以PM_(2.5)为主,PM_(2.5)年均值65μg/m3,超过国家二级标准限值86%,PM_(2.5)/PM10的年平均值为61%;PM_(2.5)中,休闲生活区各个时间段金属元素浓度相对较低,工业混合区浓度较高;非金属离子SO2-4、NH+4、NO-3、Cl-是PM_(2.5)水溶性离子的主要成份,其和占PM_(2.5)质量的13.31%,在采暖期浓度质量全部高于非采暖期;采暖期OC和EC来源基本相同,来源于机动车尾气、燃煤和生物质燃烧等,在非采暖期OC和EC来源差异性较大,主要来源于机动车尾气和工业燃煤等。     

路边微环境PM2.5化学组分特征及来源解析

采集并分析了武汉市机动车尾气源PM_2.5样品,并于2019年10月18~27日采集了武汉市不同路边微环境（市区路边、环线路边、环境背景点）PM_2.5样品并分析其化学组分特征,利用化学质量平衡模型（CMB）解析评估了机动车尾气对城市不同路边微环境PM_2.5的贡献.结果表明,机动车尾气成分谱以OC和EC为主,汽油车OC质量分数约为柴油车的1.14倍,柴油车EC质量分数是汽油车的1.08倍.路边碳组分主要来源于机动车尾气,其中OC浓度在市区路边最高,EC浓度在环线路边最高;市区路边NO₃^-和NH₄⁺浓度较高,与二次转化有关;环线路边Fe、Si、Al质量浓度高于市区路边.CMB来源解析结果显示,机动车尾气源是环线路边、市区路边微环境的主要来源,分担率为35.20%和38.89%,是环境背景点的2倍左右.不同路边微环境污染源贡献差异明显,与环线路边相比,市区路边机动车尾气源与二次来源均相对较高,而扬尘源贡献低于环线路边.     

十堰市城区冬季PM2.5污染特征与来源解析

为探讨内陆山区城市湖北省十堰市冬季PM_2.5污染特征及来源构成,于2016年1月12日—2月4日在4个采样点位同步采集PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳的质量浓度.并采集了十堰市主城区城市扬尘、裸露山体尘、建筑水泥尘、燃煤源、机动车尾气、工业源及餐饮油烟源等7类污染源,初步建立十堰市本地的污染源成分谱库,利用统计学方法研究冬季PM_2.5的污染特征,并采用CMB受体模型及“二重源解析技术”分析其来源构成.结果表明:冬季采样期间,十堰市ρ（PM_2.5）平均值达到110.65 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准24 h浓度限值,并且随空气RH（相对湿度）增加污染加重.城区3个采样点PM_2.5化学组成及特征的空间差异不明显.PM_2.5中ρ（TC）最高,其次是ρ（NO₃-）和ρ（SO₄2-）,与二次反应、机动车尾气、煤燃烧等密切相关.ρ（NO₃-）/ρ（SO₄2-）为1.22,说明机动车尾气的影响较大.二次粒子、燃煤源和机动车尾气是十堰市城区冬季大气PM_2.5的主要来源,贡献率分别为51.2%、10.9%和10.1%.研究显示,十堰市城区冬季ρ（PM_2.5）超过GB 3095—2012二级标准,PM_2.5的污染控制应以二次粒子、燃煤和机动车为主,采取多源控制原则.      

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

基于DEM的山区冬季燃煤污染物排放遥感测算——以北京市门头沟区为例

选择山地面积占98.5%的北京市门头沟区作为研究区,利用资源三号（ZY-3）三线阵前、后视影像构建立体模型,提取数字高程模型（Digital Elevation Model,DEM）.由高分二号影像,基于CART（Classification and Regression Tree）决策树的面向对象方法对居住房屋进行提取,获取空间分布与面积,并结合采暖面积、采暖季燃煤量等抽样调研数据确定的深、浅山区（海拔>300m为深山区,海拔<300m为浅山区）燃煤系数,建立燃煤量估算模型.进一步,基于文献调研法获取型煤排放因子,测算燃煤产生的PM₁₀、PM_2.5、NO_x、SO₂、CO的排放量.结果表明：借助遥感技术,基于DEM可对山区燃煤污染物排放量进行快速有效测算.地形对冬季燃煤量有显著影响,深山区燃煤系数分别为12.5kg/m²,浅山区为9.375kg/m².2017年门头沟使用型煤取暖的房屋面积为5.68km²,冬季燃煤总量为6.52万t,山区各镇大气污染物排放量差别较大.     

京津冀地区散煤燃烧大气污染物排放清单

为研究京津冀地区民用散煤燃烧大气污染物的排放情况，结合散煤燃烧活动水平与燃用特征，根据排放因子法自下而上建立了2018年京津冀地区民用散煤燃烧污染物排放清单，研究了污染物排放的时空分布特征并使用蒙特卡罗方法对排放清单进行了不确定性分析.结果表明：2018年京津冀地区民用散煤燃烧量共计3799.22万t，PM_2.5、CO、SO₂、NO_x的排放量分别为9.27，341.31，5.17，5.44万t.污染物排放集中在11月份~次年3月份，大多数地区呈现出相同的日排放趋势.8：00、11：00、18：00、21：00左右出现污染物排放峰值，小时排放系数平均值分别为11%，6%，7%，13%.PM_2.5排放高值区主要集中在北部、东部及部分南部地区，CO主要集中在北京和天津地区，SO₂和NO_x主要集中在天津和承德地区.     

利用ME-2模型提升PM2.5源解析效果

为探讨ME-2模型控制旋转对传统PMF模型源解析效果的提升作用，于2017年9月10日~2018年8月29日在深圳北部某工业区开展PM_2.5采样，共获得153套样品.对PM_2.5中31种化学组分进行了分析，筛选出17个物种输入模型运算.2018年深圳北部工业区大气PM_2.5年均浓度为32.3 μg/m³，利用PMF模型初步识别出9个因子，分别为二次硫酸盐、二次硝酸盐、老化海盐、土壤扬尘、工业排放、燃煤、生物质燃烧、船舶排放和机动车，PMF输出结果中"混合因子"问题显著.基于PMF解析结果及获得的先验信息，在ME-2模型中建立4个限制源谱进一步解析，结果表明，与PMF模型相比，ME-2结果的示踪物在源中分配更集中，对示踪物浓度与相应源贡献的时间序列也提供了更好的拟合效果.二次硝酸盐、老化海盐、工业排放源在PMF模型中被高估了9%~51%，而二次硫酸盐、燃煤和生物质燃烧源被低估了19%~40%.本研究中ME-2解析结果比PMF更具有环境和统计学意义，为污染防治提供了更精确的控制指向.     

民用燃煤污染物排放因子的本地化与减排分析:以辽宁省为例

为探究辽宁省民用燃煤的污染物排放情况,本文选用常见的散煤与型煤为研究对象在农户家中进行燃烧试验,定量评估了不同煤型和不同炉具的排放因子,并比较了不同取暖方式的经济成本. 结果表明:①不同类型燃煤的污染物排放因子差异较大,与烟煤Ⅰ(劣质散煤)相比,洁净煤球的NO_x、CO、VOCs和PM排放因子分别降低了39.8%、44.2%、42.1%和57.9%;与烟煤Ⅱ(优质散煤)相比,洁净煤球的CO、VOCs排放因子分别降低了14.9%和27.8%. ②炉具类型对民用燃煤污染物排放因子的影响较大,与站炉相比,烟煤Ⅰ在环保炉中燃烧产生的SO₂、PM和CO排放因子分别降低了72.8%、35.1%和39.5%. ③2020年辽宁省民用燃煤的SO₂、NO_x、CO、VOCs和PM排放量分别为0.473×104、1.207×104、86.295×104、0.642×104和1.474×104 t,其中散煤的污染物排放量大于型煤. ④取暖方式的费用是居民考虑的重要因素,在政府补贴下型煤+环保炉具取暖方式费用为每年1 073.99元,较散煤+环保炉具取暖方式减少了35%. ⑤用经济成本较低的型煤+环保炉具取暖方式替代辽宁省现有的散煤取暖方式,VOCs、PM和CO约分别减排79.9%、85.3%和42.6%. 研究显示,在保证型煤品质的前提下,型煤+环保炉具取暖方式在排放量和经济成本上均优于散煤+传统炉具,政府可以在经济水平较差的农村地区推广使用.      

北京平原区城乡结合部燃煤散烧及污染物排放量估算

利用2013年秋季(8─10月)多景镶嵌的高分辨率遥感卫星数据,解译得到2013年北京市平原区居住平房的空间分布及面积,并结合典型区实地调查,细化平房面积. 在此基础上,利用调查统计数据(包括平房面积、散煤与蜂窝煤用量等指标)估算了居住平房区散煤和蜂窝煤用量,并结合相关文献调研的无烟煤排放因子,测算北京平原区平房燃煤PM、SO₂、NO_x、PAHs、BC(黑碳)和OC(有机碳)的排放量. 结果表明:2013年在北京城市发展新区,居住平房分布较为集中,并且燃煤总量最大,达到225.3×104 t,特别是房山、顺义和通州,三者均在3.5×105 t以上;在城市拓展区,居住平房密度相对较小,但燃煤总量相对较大,为79.4×104 t. 北京市平原区(不包括核心区)居住平房燃煤消耗共排放PM、SO₂、NO_x、BC、OC、PAHs分别为 4 882.1、14 200.0、7 614.9、18.0、132.3和0.5 t. 位于北京西南、东南部的房山、大兴和通州等地大气污染排放水平较高,其中房山区的PM和NO_x排放量最高,分别达到760.5和1 162.6 t. 针对城市发展新区和生态涵养区每年高达3.0×106 t的高用煤量和3 000 t以上颗粒物的高排放量,应加快煤改气和集中供热建设,进一步推广清洁能源.      

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.     

深圳市典型混合功能区PM2.5源解析研究

为精准识别深圳市典型商业、居住与工业混合功能区的PM_2.5污染来源,选取深圳市北部地区5个点位于2017年9月~2018年8月全年进行PM_2.5的样品采集和组分分析,利用优化的多元线性引擎模型（ME-2）对其主要来源及其时空变化特征进行探索.结果显示,研究区域研究时段的大气PM_2.5年均浓度为29.0μg/m³,解析出了SO₂二次转化（19.9%）、机动车（15.1%）、生物质燃烧（11.2%）等10种来源,其中SO₂二次转化、生物质燃烧、NO_x二次转化、VOCs二次转化、工业排放、老化海盐和远洋船舶源具有显著的区域传输特征,而机动车源、燃煤和扬尘具有本地源特征,受到局地排放的影响较大.重污染天气下机动车源、NO_x二次转化、工业排放及生物质燃烧源的增加最为显著,加强这些源的控制是此类混合功能区PM_2.5污染精细化防治的关键.