基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

未来全球PM_(2.5)浓度时空变化特征的模拟

根据政府间气候变化专门委员会第五次评估报告(IPCCAR5)给出的气溶胶及其前体物的不同排放情景RCP2.6(低排放)、RCP4.5(中等排放)和RCP8.5(高排放),利用国家气候中心的气溶胶-气候在线耦合模式,分别模拟了2010~2030和2030~2050年总PM_(2.5)(人为和自然PM_(2.5)的总和)及其中人为和自然气溶胶柱含量的时空变化,并预估了的绿色排放情景RCP4.5下中国地区人为和自然气溶胶对总PM_(2.5)浓度变化的贡献.结果表明,在3种排放情景下,2010~2030年PM_(2.5)柱含量变化的空间分布基本相似.在欧洲、北非及其西侧的洋面上,PM_(2.5)呈现不同程度的增加,其中以北非及其西侧的洋面上的增加最为明显,而阿拉伯半岛东部PM_(2.5)则明显减少.在RCP4.5排放情景下,中国地区年均PM_(2.5)地表浓度的减少量约为2.55μg/m~3,其中人为气溶胶的贡献约为28%,自然气溶胶的贡献约为72%.2030~2050年,3种排放情景下PM_(2.5)柱含量变化的空间分布差异较大,在RCP4.5和RCP8.5放情景下,非洲北部及其西侧洋面的PM_(2.5)显著增加,而东亚地区的PM_(2.5)显著减少,而RCP2.6排放情景与前2种情景的结果区别很大.在RCP4.5排放情景下,中国地区PM_(2.5)及其中人为和自然气溶胶均在2010~2030年的基础上进一步减少,而且人为气溶胶在其中的贡献(约为34%)也有所增加.     

昆明市PM_(2.5)污染的典型天气背景形势分析

利用2013—2016年昆明市7个环境监测站点资料、昆明国家基准气候站气象观测资料和天气图资料,分析了昆明市PM_(2.5)的时空分布特征和PM_(2.5)浓度超标时的典型天气形势及与气象要素的关系。结果表明:昆明市PM_(2.5)污染程度总体较轻;冬春两季,特别是12月、1月、3月、4月PM_(2.5)浓度值和超标率较高;干季PM_(2.5)浓度值明显高于雨季;昆明市主城区PM_(2.5)污染程度高于新城区;昆明市PM_(2.5)浓度超标时的典型地面天气形势分为昆明处于高压底部和弱高压控制两类;当昆明地区500h Pa为槽后西北气流控制且700h Pa存在冷平流,为PM_(2.5)浓度超标时的典型高空天气形势;PM_(2.5)浓度超标时昆明地面风向以ESE—S为主,出现降雨后PM_(2.5)浓度值明显降低。     

结合GIS数据对合肥市大气污染状况的初步数值模拟研究

应用WRF-SMOKE-CMAQ模式结合地理信息系统(GIS),数值模拟研究了合肥市大气污染状况.在排放处理过程中,安徽省统计类面源排放采用GIS工具进行空间分配,并收集重点企业排放数据,以点源形式导入数值模型中,驱动多尺度空气质量模式CMAQ模拟合肥2014年12月大气污染现状.结合合肥市环境空气质量站点PM_(2.5)、NO_2日均浓度和小时浓度对比验证表明:1采用GIS数据空间优化获得的统计类排放面源较合理地呈现相关联排放的地理特征.2当前模式系统可以较好地模拟出2014年12月合肥市PM_(2.5)污染物变化特征,尤其是12月20日—26日PM_(2.5)污染累积和消散过程,站点的模拟实测两倍因子在63%~77%之间,合理反映出当月合肥市区PM_(2.5)污染状况.3模式对于NO_2模拟,在部分区域具有较好的模拟效果,但在部分区域模式只能模拟出NO_2大致变化趋势;所有有效站点的比对结果平均偏差为21.92μg·m~(-3),整体存在偏高现象;有40%站点FAC2在73%~88%之间,除个别观测数据异常较多站点外,其他站点FAC2在50%左右,这种差异是由于模式网格分辨率较低、排放源分配及站点选取引起的.     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.     

太原市城区大气颗粒物PM_(10)排放总量估算

本文首先分析了2016年太原市城区环境空气PM_(10)浓度状况;其次根据太原市颗粒物源解析结果分析了开放源对太原市城区环境空气中PM_(10)的影响,并采用箱模型测算了太原市开放源PM_(10)起尘量;然后以环境统计数据为基础估算了人为源PM_(10)排放量;最后综合开放源起尘量和人为源排放量估算了太原市大气颗粒物PM_(10)的排放总量。结果表明:2016年太原市大气颗粒物PM_(10)排放总量约为6.44万t。其中,开放源PM_(10)起尘量约为3.37万t;人为源颗粒物PM_(10)排放量约为3.07万t。     

北京市典型燃烧源颗粒物排放水平与特征测试

研究以自行建立的固定燃烧源烟气颗粒物与水溶性离子监测采样系统和FPS4000与ELPI+结合使用的颗粒物分级采样系统,应用于北京市典型燃烧源烟气颗粒物排放监测.结果表明,北京市燃烧源烟气中总颗粒物基准排放质量浓度最高达83.68 mg·m~(-3),最低0.12 mg·m~(-3),颗粒物粒数浓度在10~4~10~6个·cm~(-3)数量级上.北京市燃烧源颗粒物质量和数量浓度排放水平排序依次为:供暖燃气锅炉电厂燃煤锅炉供暖燃煤锅炉.PM_(10)排放呈双峰或三峰分布,峰值均在1μm以下.从粒数分析,PM_(10)中99.8%以上为PM_(2.5),并以PM_(0.1)为主,占PM_(2.5)的83%以上,但从质量上分析PM_(10)中PM_(2.5)与PM_(0.1)的比例大幅降低,PM_(2.5)占PM_(10)的82%左右,PM_(0.1)占PM_(2.5)的27%~33%.     

北京市典型排放源PM_(2.5)成分谱研究

为了建立和完善北京市PM_(2.5)本地化源谱,对北京市11类排放源PM_(2.5)进行采集,并测定其26种组分,分析了不同排放源源谱的组分特征.结果表明,在有组织排放源中,燃煤电厂PM_(2.5)中OC和Si含量很高,占PM_(2.5)的质量分数分别为8.56%和6.19%(平均值),而供热/工业锅炉排放PM_(2.5)中则是SO_4~(2-)(占48.38%)和OC(11.0%)比例最高,水泥窑炉PM_(2.5)中OC(7.12%)、Ca(4.81)和Si(4.41%)占有较大比例;垃圾焚烧排放的PM_(2.5)中Si、Ca、K和SO_4~(2-)均较高,分别占8.15%、9.36%、7.17%和6.79%,且Cl~-含量(2.5%)高于其他所有源,生物质燃烧源PM_(2.5)中OC(21.7%)、Si(6.75%)、Ca(6.15%)较为丰富,餐饮源PM_(2.5)中OC(19.44%)、SO_4~(2-)(5.76%)和K(3.11%)含量均较高;无组织开放源中,道路扬尘和土壤风沙PM_(2.5)化学组分含量变化较为一致,均是Si(分别为16.8%和9.3%)和OC(分别为8.89%和6.61%)最高,建筑水泥尘PM_(2.5)中Ca(17.46%)含量高于其他源;流动排放源PM_(2.5)中OC、EC比例最高,其中,重型柴油车的OC(29.79%)与EC(26.5%)排放比例相当,而轻型汽油车OC排放占有绝对优势(占75%).本文通过对比国内外部分排放源PM_(2.5)成分谱的差异,指出不同区域相同源类排放的PM_(2.5)化学组分差异较大,在应用受体模型中的化学质量平衡模型(CMB)判断受体颗粒物来源时,应基于本地的排放源成分谱,以避免较大的误差.     

聊城冬季一重污染过程PM2.5污染特征及成因分析

北方秋冬季为重污染过程频发季节,为了解聊城市冬季重污染过程中PM_(2.5)及化学组分污染特征,于2016年1月7~11日在聊城市区开展PM_(2.5)样品采集并分析了其中水溶性离子、碳成分及无机金属元素这3种化学组分,并对污染特征及成因进行了分析.结果表明,此次污染过程PM_(2.5)浓度呈现明显的倒V字型,平均浓度为238.3μg·m~(-3),超过国家环境空气质量标准(GB 3095-2012)二级浓度限值2.2倍;NH_4~+、NO_3~-和SO_4~(2-)为PM_(2.5)的主要水溶性离子成分;随污染加重或减轻,NH_4~+、SO_4~(2-)、NO_3~-、Cl-和Mg~(2+)浓度呈现增加或降低趋势,而Ca~(2+)变化趋势与之相反.污染鼎盛时,NH_4~+、NO_3~-和SO_4~(2-)浓度分别为48.96、68.45和80.55μg·m~(-3),达到起始阶段的6.29、7.31和7.84倍;过程期间OC和EC的浓度为20.8~60.2μg·m~(-3)和3.0~7.5μg·m~(-3),OC浓度高于EC且变化幅度明显偏大;过程期间各日无机金属元素浓度和分别为10.2、22.4、16.0、19.6和8.2μg·m~(-3),富集因子(EF)结果显示,各元素EF均小于10,未被富集,表明污染过程中其主要来源于地壳等自然源;PM_(2.5)质量浓度重构结果表明,有机物(OM)、SO_4~(2-)和NO_3~-为PM_(2.5)的主要组分,其次为NH_4~+、地壳物质和其他离子,EC和微量元素含量相对较低.随着PM_(2.5)污染加重,二次无机盐(SO_4~(2-)、NO_3~-及NH_4~+)浓度及所占比例均随之增加,OM浓度随之增加但比例有所下降,而地壳物质浓度及比例均下降,表明二次无机转化是此次污染过程的主要原因,主要受燃煤和机动车排放影响.     

盘锦市秋季PM2.5水溶性离子特征及来源分析

为研究盘锦市秋季PM_(2.5)中水溶性离子污染特征及来源,于2016年10月在盘锦市开发区、文化公园和第二中学采集PM_(2.5)样品,用离子色谱分析其水溶性离子.同时,分析了PM_(2.5)及水溶性离子浓度特征,并通过离子平衡计算、相关性分析和聚类分析对其污染特征和来源进行研究.结果表明:盘锦市秋季PM_(2.5)平均质量浓度为(52.71±19.44)μg·m~(-3),低于环境空气质量标准(GB 3095—2012)日均浓度限值(75μg·m~(-3)),不同点位之间表现为:开发区第二中学文化公园.开发区、文化公园和第二中学的水溶性离子总质量浓度分别为13.64、13.16和13.19μg·m~(-3),分别占PM_(2.5)浓度的22.83%、29.72%和24.36%,各点位均表现为NO~-_3、SO■和NH~+_4质量浓度较大.阴阳离子当量比值(AE/CE)均大于1,表明采样期间盘锦市颗粒物整体偏酸性.离子间相关关系分析显示,SNA的主要存在形式为(NH_4)_2SO_4、NH_4NO_3和KNO_3等.NO~-_3/SO■的均值为1.41,说明移动源对PM_(2.5)的贡献大于固定源.通过聚类分析得出,盘锦市秋季PM_(2.5)中水溶性离子主要来源于气态污染物的二次转化、生物质和化石燃料燃烧及土壤扬尘或建筑扬尘排放.     

餐饮源排放PM_(2.5)污染特征研究进展

餐饮油烟排放的污染物危害人体健康,餐饮源已成为城市环境PM_(2.5)的重要来源之一。文章对餐饮源排放PM_(2.5)污染特征的研究进行了综述,包括餐饮源对城市大气环境中PM_(2.5)的贡献、餐饮源排放PM_(2.5)的时空分布特征、化学特性、排放量的估算;初步总结了影响餐饮源PM_(2.5)排放特征的多种因素;分析了餐饮源PM_(2.5)污染的健康效应。该文在汇总国内外研究的基础上,对餐饮源PM_(2.5)的研究前景进行了展望。     

广东省气象与源排放因素对PM_(2.5)浓度影响的数值模拟研究

为更好地区分大气污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型WRF和三维空气质量模型CAMx,通过固定源清单的方法模拟研究了广东省各地区不同时期气象因素对PM_(2.5)浓度变化的影响,并结合实测的PM_(2.5)浓度变化,计算出源排放因素对PM_(2.5)浓度的贡献。结果表明:相对于2014年,2015年广东省夏季的气象条件不利于PM_(2.5)浓度的下降,春季和秋季的气象条件有利于PM_(2.5)浓度的下降,就全年各季度平均而言,珠江口附近地区气象条件较有利于PM_(2.5)浓度的下降;源排放变化对肇庆市、韶关市和揭阳市等城市PM_(2.5)浓度变化有较强的削减作用,可使其浓度下降30%以上,显示这些城市的减排工作较为有效,深圳市、珠海市、东莞市、中山市与顺德区等市(区)PM_(2.5)污染改善主要是由于有利的气象条件的影响,源排放变化对珠海市和湛江市等城市污染起加剧的作用,表明不利的源排放变化抵消了部分有利气象条件对PM_(2.5)污染的改善作用,应加强对这些地区源排放的控制。     

传输指数在合肥市重污染过程中的应用分析

利用潜在源区贡献法计算了合肥市2015年冬季传输指数,并基于传输指数和PM_(2.5)浓度将合肥市的重污染过程划分为3类,同时对各类重污染过程进行气象成因分析.结果表明:污染物传输型重污染过程的传输指数明显增大且PM_(2.5)浓度急剧增大;污染物积累型重污染过程的传输指数无明显增大且PM_(2.5)浓度逐渐增大;污染物暴发性排放型重污染过程的传输指数无明显增大但PM_(2.5)浓度急剧增大.污染物传输型重污染过程主要是高压南下迫使北方重污染气团输送引起的;污染物积累型重污染过程主要是静稳的天气形势导致污染物堆积造成的;污染物爆发性排放型重污染过程是由污染物暴发性排放而无法及时扩散引起的.     

中山市一次灰霾天气过程污染物来源数值模拟分析

利用WRF-CMAQ模式对中山市2015年2月一次典型灰霾天气过程进行了数值模拟,并对2月11~12日这一主要污染时段本地和外地污染源的贡献进行了分析和减排评估.WRF-CMAQ模式能很好地模拟出该时段的气象条件、PM_(2.5)浓度以及能见度的变化过程.这次霾污染主要是受弱冷空气影响引起的,广州佛山、中山本地以及广东省外排放源对中山PM_(2.5)浓度的贡献率分别为33%、30%和27%,外地源的贡献相当大.中山本地工业源和农业源对中山PM_(2.5)的贡献分别为13%和8%,而广佛排放源中,工业源和农业源对中山PM_(2.5)的贡献率分别为20%和7%.对中山和广佛地区农业源减排30%、50%和70%后,中山的PM_(2.5)浓度分别下降6%、10%和15%,而对工业排放实施相同幅度的减排后,PM_(2.5)浓度分别下降11%、18%和23%.随着减排力度的增加,减排效率的变化并不明显.减排应在灰霾天气开始加重前实施,在PM_(2.5)浓度达到峰值前后减排的效果最为明显,而当灰霾天气趋于缓解时减排的效果会迅速下降.     

基于混合受体模式的天津市灰霾特征与成因分析

基于2013年11月18日-2013年12月8日高时空分辨率监测数据,应用混合受体模式研究了天津市灰霾污染特征、来源和成因。结果表明,整个时段天津市SO_2、NO_2、CO和O_3的小时平均浓度基本小于国家环境空气质量二级标准;天津市气溶胶厚度(aerosol optical depth,AOD)变化趋势与PM_(2.5)浓度变化一致,PM_(2.5)浓度越高则AOD值越大,表明灰霾越严重;经聚类分析将整个研究阶段气流轨迹划分为4个类型:NW(西北)、NW-N(西北偏北)、N(北)以及SW(西南),各类型气流轨迹分别占比4.7%、25.7%、14%和55.6%;混合受体模式分析表明天津市灰霾污染的潜在源区主要为SW方向,特别是在重污染时期,SW方向上气流携带的PM_(2.5)浓度很高。     

2015和2018年承德市区PM2.5排放与来源对比分析

于2015和2018年夏、冬季在承德市区采集PM_(2.5)样品,对比分析了PM_(2.5)中水溶性离子和元素的污染特征及来源。结果显示:2018年夏、冬季ρ(PM_(2.5))分别为(30. 6±15. 0),(33. 5±14. 6)μg/m3,与2015年相比,ρ(PM_(2.5))分别下降33. 8%和44. 2%,总水溶性离子浓度分别下降31. 0%和42. 8%。夏、冬季均呈现出SO2-4>NO-3>NH+4的浓度变化趋势,硫氧化率和氮氧化率分析结果显示:夏季SO2和NOx等气态前体物更易发生二次转化,高浓度前体物排放是冬季二次组分产生的主要原因;与2015年相比,2018年气态前体物的二次转化更为明显。2018年承德市区PM_(2.5)主要来自二次源(23. 382%～26. 013%)、扬尘源(19. 826%～22. 412%)和工业源(16. 329%～18. 729%)的贡献;与2015年相比,由于承德市积极推进绿色施工、煤电行业超低排放等措施,2018年扬尘源、燃煤源对市区PM_(2.5)的贡献降低,但移动源对市区PM_(2.5)的贡献有所增加。因此,建议承德市继续加强对移动源和扬尘等排放源的治理。     

典型道路路边空气颗粒物及无机元素特征分析

于2015年春、夏季,在天津市选取4条不同等级道路进行路边空气颗粒物(PM_(2.5)和PM_(10))采集,并分析其中16种无机元素.结果表明,春季PM_(2.5)和PM_(10)的平均浓度显著高于夏季.路边环境中PM_(2.5)/PM_(10)低于非路边环境中空气颗粒物比值,且次干道和快速路分别在PM_(2.5)和PM_(10)中污染最严重.元素浓度分析显示,PM_(2.5)和PM_(10)中Si、Al、Ca等地壳元素浓度最高,次干道和快速路受人为元素影响较大,外环路所受影响较小;富集因子(PM_(2.5)和PM_(10))分析结果显示,Pb、Zn、Cu、Sb、Sn和Cd的EF10,是路边环境中富集程度较高的元素.通过Kruskal-Wallis H检验,PM_(2.5)中各元素富集因子在4条道路上存在显著性差异,次干道受机动车污染较严重.PM_(2.5)和PM_(10)中因子分析结果有一定差异,PM_(2.5)分析结果显示采样期间该区域主要污染源有开放源(土壤尘、扬尘、道路尘及建筑尘)、机动车排放源(尾气和非尾气源)、燃烧源和工业源,其中机动车排放源在人为源污染中占比最高.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

基于WRF-CMAQ模式的抚顺市大气污染数值模拟研究

为探究抚顺市大气污染特征,该项研究应用气象模式WRF耦合空气质量模式CMAQ对抚顺市2016年大气细颗粒物的时空分布特征及主要来源进行分析。建立了抚顺市3×3 km网格化污染源清单,清单显示抚顺市的大气污染物排放以工业为主,SO_2、NO_x、TSP排放量分别达到2.14×10~4t、1.97×10~4t、3.29×10~4t,排放高值网格集中在市区内。数值模拟结果显示,抚顺市PM_(2.5)污染总体呈现"西高东低"的趋势,高值区出现在以新抚区、望花区、东洲区、顺城区为中心的城区地带。1月抚顺市的PM_(2.5)污染最重,高值区浓度在60μg/m~3以上。1月ρ(PM_(2.5))贡献最大的源为居民源(21.6%)与供暖源(20.7%);4月贡献最大的源为居民源(25.0%),钢铁源(16.5%)与移动源(11.7%)占比其次;7月钢铁源与移动源对抚顺市ρ(PM_(2.5))贡献分别为17.8%与15.1%;10~月居民源的贡献达到33.4%,远超过其它源类的贡献。     

不利风向条件下北部湾人为源对海口市PM2.5浓度影响的模拟研究

通过分析2013—2017年海口市风向频率、地面PM_(2.5)浓度及海口市所处北部湾地理位置,确定12月为北部湾对海口市最不利风向时间段.利用中尺度气象模式(WRF,Weather Research Forecast)驱动空气质量模型(CMAQ,Community Multi-scale Air Quality),设置一系列数值模拟情景,深入分析北部湾人为源对海口市PM_(2.5)浓度影响.结果表明:WRF/CMAQ能很好地再现北部湾气象场和PM_(2.5)浓度的时空分布.2013年12月,北部湾人为源对海口市PM_(2.5)平均贡献率约为45.4%,其中约有90%来源于海口市自身人为源,约有10%来源于广东广西片区,海南片区除海口外其余市县贡献可忽略不计.污染时段,北部湾和海口市自身贡献率均下降,平均贡献率分别为40%和36%,表明污染时段海口市PM_(2.5)主要源区不仅来自北部湾.通过分析后向轨迹,发现污染时段均会经过一个关键区——珠三角区域,表明珠三角区域很有可能也是造成2013年12月海口市PM_(2.5)污染的主要源区.清洁时段,北部湾和海口市自身贡献率均上升,平均贡献率分别为52%和48%,表明北部湾对海口市PM_(2.5)浓度影响在清洁时段更显著.因此,北部湾未来产业规划值得关注,因为这些产业很有可能使目前海口市清洁时段变为污染时段,导致空气质量下降.