建筑室内健康环境中不同过滤单元净化PM2.5特性

针对后疫情时代下建筑室内净化问题,选取6种过滤单元（1号—G4夹碳布,2号—G4涤纶,3号—F7玻纤,4号—F7静电熔喷布,5号—G4涤纶+F7玻纤,6号—微静电荷电模块+G4涤纶）,试验探究其PM_2.5净化性能。试验测试了不同过滤单元的一次过滤效率、PM_2.5净化效率、阻力、洁净空气量（CADR）与净化能效（CEE）。结果表明：1)5号和6号的组合过滤单元可有效提高一次过滤效率和PM_2.5净化效率。2)额定风速下,2号过滤单元阻力最小,5号过滤单元的阻力最大。3)在最大风量工况下,4号过滤单元的CADR和CEE最大,2号过滤单元的CADR和CEE最小,分别约为4号过滤单元的7.13%与6.54%。6号过滤单元相比2号过滤单元的CADR和CEE分别提升约150%与247%,表明微静电荷电模块在不增加过滤单元阻力的情况下,能够提高一次过滤效率和PM_2.5净化效率,有效缩短相同工况下的净化时间。     

有机固废燃烧烟气中PM2.5的过滤比较研究

垃圾焚烧是PM_2.5的重要来源之一,目前焚烧烟气系统中无有效去除PM_2.5的控制单元.在实验室探究了几种过滤介质对木屑、猪五花肉、污泥这3种有机质固体废物燃烧产生的PM_2.5的去除效果.这几种过滤介质包括：涤纶针刺毡、聚四氟乙烯（PTFE）覆膜滤料、偏聚氟乙烯（PVDF）微滤膜、石墨烯及其组合.PTFE覆膜滤料+PVDF微滤膜的组合对木屑燃烧产生的PM_2.5的过滤效果最好,可以达到97.45%.双层PVDF微滤膜对猪五花肉和污泥燃烧产生的PM_2.5过滤效果都最好,分别为99.39%和98.03%.根据实验结果和SEM-EDS分析,PVDF微滤膜对碳组成的颗粒有较高的选择性截留效果.叠加使用过滤介质可以提高对PM_2.5的过滤效率,但双层过滤可能会增加阻力,不利于对大量废气进行除尘处理.     

合肥冬半年降水及所处天气型对大气颗粒物浓度的影响

利用合肥市2015—2017年冬半年环境监测站和自动气象站数据,以及高空、地面天气图资料,运用常规统计和天气学方法分析了降水强度及不同降水天气系统对PM_2.5、PM₁₀浓度的影响.结果表明：冬半年降水日PM_2.5、PM₁₀平均浓度较无降水日分别下降18.1μg·m^-3（23.9%）、38.2μg·m^-3（37.8%）;小于5 mm的日降水量对颗粒物清除效果不明显,且有28%样本PM_2.5和PM₁₀浓度不降反升;当日降水量大于10 mm,位于“优”等级的PM_2.5和PM₁₀浓度比例分别为54%和80%,显著上升.连续降水期间PM_2.5、PM₁₀日均浓度中位值和均值逐日下降,降水第2日PM_2.5、PM₁₀日均浓度降幅最大.合肥冬半年降水天气系统可以分为切变线Ⅰ型、切变线Ⅱ型、低槽冷锋型和...     

北京市典型城区餐饮业VOCs和PM2.5排放量估算

以北京市餐饮企业分布密度最大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM_2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM_2.5年排放量.结果表明：本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a;改造前PM_2.5排放量范围为166.55~211.09t/a,改造后为30.22~36.05t/a,排放量明显减少.餐饮业废气净化设备改造后VOCs和PM_2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好.计算得到以街道为单元的餐饮源VOCs和PM_2.5排放强度范围分别为1.45~4.32t/km²和0.47~1.42t/km².通过PM_2.5实测浓度（小时值）数据分析,餐饮业废气净化设备升级改造前、后PM_2.5浓度平均减少了28.9%,最接近于用油量为核算基准的排放因子降低比例.     

太原市冬季不同污染程度下PM2.5的化学组成、消光特征及氧化潜势

为深入探究重污染地区气溶胶的消光特征和健康风险,于2019年冬季开展了太原市PM_2.5主要化学成分和氧化潜势的分析.采样期间ρ(PM_2.5)为（89.9±33.6）μg·m^-3,其中水溶性离子和碳质气溶胶分别占到43.3%和33.8%,浓度较高的组分依次为：OC>SO₄^2->NO^-₃>EC>NH⁺₄>Cl^->Ca²⁺.随着污染程度的增加,PM_2.5中有机物（OM）和矿物尘的占比下降了5.8%和11.2%,而SNA(NO^-₃、 SO₄^2-和NH⁺₄)的质量分数由33.9%显著增加到56.0%.基于IMPROVE公式估算,太原市冬季大气颗粒物的平均消光系数为（453...     

重庆市2015—2020年秋冬季PM2.5污染传输路径与潜在源贡献分析

2015—2020年成渝地区各城市PM_2.5浓度（国控点监测数据）下降显著,但重庆市、川东北城市群及川南城市群PM_2.5污染问题依然存在,且存在一定的传输影响关系.以重庆市为例,使用HYSPLIT模型计算了2015—2020年秋冬季PM_2.5污染期间气流后向轨迹,利用轨迹聚类和潜在源贡献算法,分析了不同年份的PM_2.5输送特征.结果表明：重庆市PM_2.5污染主要受西偏南方向（约占58%,长距离为主）、北偏西方向（约占26%,中距离为主）和南略偏西方向（约占16%,短距离为主）传输影响;川东北城市群和川南城市群对重庆市PM_2.5污染传输贡献较为显著,6年平均贡献率分别为23%和15%;不同年份的污染传输贡献差异明显,2015—2017年以川南城市群污染传输为主（平均贡献24%）,2018—2020年以川东北城市群污染传输为主（平均贡献37%）,川渝以外污染传输影响逐年减弱（平均贡献由33%降至5%）.在“成渝双城经济圈”背景下,重庆市与周边川东北城市群及川南...     

2018年春节期间京津冀及周边地区烟花禁放效果评估

为了评估2018年春节期间（2月15—16日）京津冀及周边地区“2+26”城市烟花禁限放措施的效果,采用浓度特征对比、ρ（PM_2.5）/ρ（CO）等方法,对“2+26”城市的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）进行分析,并定量估算了除夕夜烟花燃放对ρ（PM_2.5）和ρ（SO₂）的贡献率.结果表明:“2+26”城市烟花的集中燃放会导致ρ（PM_2.5）、ρ（SO₂）显著增长,出现以PM_2.5为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ（PM_2.5）达到重度及以上污染水平,呈区域性污染特征;与2017年同期（1月27—28日）相比,2018年春节期间（2月15—16日）14个城市烟花燃放对ρ（PM_2.5）平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ（PM_2.5）显著高于城区,呈“农村包围城市”的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.      

厦门港大气PM2.5中重金属污染特征及健康风险评价

于2020年夏季和秋冬季在厦门港海天码头和嵩屿码头进行大气PM_2.5的采集,并对20种元素污染特征、来源及健康影响进行了分析.结果表明,厦门港大气PM_2.5浓度较低,且两个站点的PM_2.5浓度并无显著性差异,也不存在明显的昼夜差异.地壳元素中以Ca和Si的含量最高,而痕量元素中以Zn和Mn的含量为最高.与标准值相比,重金属元素中只有Cr（Ⅵ）出现超标.受风向和吞吐量季节性变化的影响,部分元素浓度在夏季高于秋冬季. Cu、 Zn、 SO₂和NO₂有较一致的明显昼夜变化,但来自重油燃烧排放的V和Ni并无明显昼夜差异.PMF源解析确定码头PM_2.5的4个污染因子为工业源、船舶排放、交通源和海盐+建筑尘混合源,其中工业源对PM_2.5浓度的贡献率最大（55.2%～59.4%）,远高于船舶排放的贡献率（7.1%～7.7%）.健康风险评估显示,厦门港大气PM_2.5中重金属对人群具有潜在的致癌风险(>1×10^-5...     

本溪市PM2.5中水溶性离子季节性变化特征及来源分析

为研究本溪市大气PM_2.5中水溶性离子污染特征,于2016年1—10月在本溪市开展PM_2.5样品采集,使用离子色谱法分析了其中8种水溶性离子（Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）,并采用PMF（positive matrix factorization,正矩阵因子分解法）模型对水溶性离子的来源进行分析.结果表明:观测期间,本溪市ρ（PM_2.5）平均值为（57.6±21.9）μg/m3,ρ（PM_2.5）季节性变化特征明显,呈冬季 > 秋季 > 春季 > 夏季趋势;水溶性离子平均质量浓度为19.3 μg/m3,占ρ（PM_2.5）的33.6%,各离子质量浓度高低顺序为SO₄2- > NO₃- > NH₄+ > Cl- > Ca2+ > K+ > Na+ > Mg2+;SNA（SO₄2-、NO₃-和NH₄+）是PM_2.5中主要的3种离子,在春季、夏季、秋季和冬季分别占水溶性离子的73.2%、88.2%、82.5%和73.6%,表明夏季的二次污染较为严重.阴、阳离子电荷平衡分析结果显示,阴离子相对亏损,本溪市PM_2.5整体呈弱碱性,NO₃-、SO₄2-与NH₄+相关性较高,其在PM_2.5中主要以NH₄NO₃和NH₄HSO₄的形式存在. PMF分析结果表明,本溪市PM_2.5中水溶性离子的来源主要包括二次转化源、燃煤源和扬尘源.研究显示,本溪市PM_2.5中水溶性离子季节性变化特征明显,二次转化源、燃煤源和扬尘源是其主要来源.      

基于在线观测的天津市PM2.5污染特征及来源解析

为了解天津市PM_2.5的污染特征及来源,基于2017～2019年高时间分辨率的在线监测数据,对PM_2.5浓度、化学组分和来源进行了分析.结果表明, 2017～2019年,天津PM_2.5平均浓度为61μg·m^-3,PM_2.5中主要化学组分为NO^-₃、 OC、 NH⁺₄、 SO₄ ^2-、 EC和Cl^-,在PM_2.5中占比分别为17.7%、 12.6%、 11.5%、 10.7%、 3.4%和3.1%.从年分布上看,PM_2.5及主要化学组分浓度均呈现下降趋势,NO^-₃和NH⁺₄在PM_2.5中占比上升,SO₄ ^2-、 OC和EC在PM     

HEPA空气净化器对学校室内颗粒物的净化效果研究

为了解HEPA（high efficiency particle air filter,高效空气过滤器）空气净化器在小学教室和寝室的净化效果,于2019年3—4月在北京市一所全寄宿小学开展了一项HEPA空气净化器的交叉干预研究.记录干预组、非干预组室内和室外PM_2.5、PM₁₀、PM₁的浓度,计算空气净化器的净化率;采用多元线性回归模型探索净化效果的影响因素.结果表明:①空气净化器对PM_2.5、PM₁₀、PM₁的净化率分别为41.3%〔Q_l~Q_u（下四分位数~上四分位数,下同）:0~53.1%〕、40.7%（10.5%~46.2%）和34.9%（9.6%~40.3%）,其中对PM_2.5的净化率最高;寝室的净化率高于教室的净化率.②当室外PM_2.5浓度为[115,150）μg/m3时对PM_2.5的净化率最高,为52.83%（50.26%~56.13%）,PM₁₀和PM₁亦有类似结果.③多元线性回归分析表明,室外PM_2.5浓度 < 35 μg/m3时,开门通风和室内人员活动分别使室内PM_2.5浓度下降3.73 μg/m3〔95%置信区间（95% CI）:（0.60 μg/m3,6.86 μg/m3）〕和升高3.4 μg/m3（0.22 μg/m3,6.58 μg/m3）;室外PM_2.5浓度为[35,150）μg/m3时,空气净化器使室内PM_2.5浓度下降33.36 μg/m3（16.47 μg/m3,50.25 μg/m3）;室外PM_2.5浓度≥150 μg/m3时,空气净化器和开门通风分别使室内PM_2.5浓度下降48.87 μg/m3（25.62 μg/m3,72.12 μg/m3）和升高37.65 μg/m3（5.60 μg/m3,69.69 μg/m3）.研究显示:空气净化器可同时降低室内PM_2.5、PM₁₀、PM₁的浓度;当室外PM_2.5浓度 < 35 μg/m3时,不需开启空气净化器;当室外PM_2.5浓度为[35,150）μg/m3时,空气净化器有较好的净化效果,偶尔开窗通风不影响空气净化器的净化效果;当室外PM_2.5浓度≥150 μg/m3时,开启空气净化器时应关闭门窗,以免影响其净化效果.      

广州地区秋季PM2.5和臭氧复合污染的观测研究

利用2019年9—10月广州市海珠湖大气成分观测站地表的气象要素和空气质量参数及垂直的颗粒物激光雷达观测资料,探讨不同PM_2.5-O₃污染类型对应的气象要素及大气污染物日变化特征、边界层内气溶胶分布特征,并对发生高PM_2.5-高O₃的成因进行分析.观测期间共出现25 d低PM_2.5-低O₃日（清洁日）、12 d低PM_2.5-高O₃日（污染日Ⅰ）和20 d高PM_2.5-高O₃日（污染日Ⅱ）.对气象要素和污染物特征的分析表明,污染日Ⅱ在11:00—16:00的平均气温均超过30℃,相对湿度均低于60%,日均风速和最大J（NO₂）分别为0.88 m·s^-1和0.007 s^-1.污染日Ⅱ与清洁日相比,其对应的气象要素表现为显著的高温低湿特征;与单一的O₃污染日相比则表现为略低的光化辐射和较低...     

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.      

桂林中心城区PM2.5元素污染特征和来源解析

为探究2019年秋季桂林中心城区细颗粒物(PM_2.5)的主要元素污染状况和污染来源,进一步改善桂林的空气质量,该实验基于过滤采样法,在秋季采集了PM_2.5污染较为严重的桂林市中心城区(秀峰区、象山区、七星区、叠彩区)14个采样点的PM_2.5样品,分析了PM_2.5中主要的14种污染元素的污染状况及来源。结果表明,桂林中心城区PM_2.5元素污染分布呈区域性,象山区、秀峰区和叠彩区PM_2.5中主要污染元素为Si和Ca,其质量浓度之和分别占该区14种主要污染元素总质量浓度的86.45%(象山区)、78.81%(秀峰区)和74.73%(叠彩区);七星区PM_2.5中主要污染元素为Si、Ca、Al,其质量浓度之和占该区14种主要污染元素总质量浓度的76.64%,象山区PM_2.5中并未检测到Ti,其他3个区均检测到Ti,仅在七星区PM_2.5中检测到了Zn、Cu、F、Mn;通过富集因子分析表明,在整个桂林中心...     

不同排放源对华东地区PM2.5影响的数值模拟

使用中尺度气象-化学耦合模式WRF-Chem针对MEIC源清单中五大部门来源（工业源、电力源、民用源、交通源和农业源）对华东地区PM_2.5的影响进行了模拟研究,主要得到以下结论：春夏秋季PM_2.5约40%~60%来源于工业源,冬季由于采暖供热燃用大量散烧煤,导致民用源对PM_2.5的贡献最大,在山东、安徽和江苏省等高值区贡献率超过50%;农业源、电力源和交通源对PM_2.5影响的季节差异不大,农业源贡献约20%~30%,交通源和火电源贡献约10%.因此冬季需主要控制民用源排放,春夏秋季主要控制工业源排放,其次是农业源排放.一次PM_2.5在工业、电力和民用源贡献的PM_2.5中所占比例可达50%~60%;NO₃^-和NH+4在交通源贡献的PM_2.5中总比例可达53%,在农业源中总比例高达93%;由于模式对SO₄^2-模拟偏低,SO₄^2-在工业源和电力源贡献的PM_2.5中占比约5%~15%;OC对来自民用源的PM_2.5有30%的贡献,BC对来自交通源的PM_2.5有15%的贡献;Na⁺和Cl^-对PM_2.5的贡献在各大来源中均低于3%.     

2013—2018年山东省大气PM2.5和PM10污染时空变化及其影响因素

PM_2.5和PM₁₀污染已成为全球关注的重要环境问题,监测其污染状况对人类健康、动植物生长、大气环境评价等具有重要意义。基于2013—2018年山东省17个城市大气PM_2.5和PM₁₀监测数据,利用时空分析方法和Spearman相关分析方法,研究其污染时空变化特征,并分析气象、人为及政策因素对二者的影响。结果表明:与2013年相比,2018年山东省大气PM_2.5和PM₁₀污染程度明显减轻,年均浓度降幅分别为48.72%、37.72%;6年整体月均PM_2.5浓度呈近似"U "形变化规律,月均PM₁₀浓度呈近似" V"形变化规律;PM_2.5和PM₁₀污染整体呈由西北内陆向东部沿海地区逐渐减轻的空间趋势;PM_2.5和PM₁₀浓度受气温和降水量2个气象因素影响较显著,受道路密度、城市绿化覆盖面积、SO₂和NO_x排放量等人为因素影响较显著,且气象因素和人为因素对PM_2.5浓度的影响较PM₁₀更大。     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。     

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...