中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

2013年12月初长江三角洲及周边地区重霾污染的数值模拟

运用WRF-CMAQ模型模拟了2013年12月1~9日长江三角洲及周边地区的一次重霾污染过程.初步探究灰霾天气下大气细颗粒物(PM2.5)的时空分布特征和区域输送过程,并定量研究了外部源区域输送和本地源对长江三角洲地区PM2.5的贡献.结果表明:模式能够合理再现灰霾天气下长江三角洲及周边地区PM2.5的时空分布特征和演变规律.静稳天气下大气细颗粒物仍然存在着显著的区域输送.污染期间来自安徽、山东南部、苏北地区的跨界输送对长江三角洲区域PM2.5的贡献率分别为3.5%~24.9%、0.14%~30.0%、0.03%~17.5%.整个污染期间本地贡献占49%左右,本地贡献和外地贡献基本相当.     

珠三角冬季PM2.5重污染区域输送特征数值模拟研究

利用嵌套网格空气质量模式系统(NAQPMS)及其耦合的污染来源追踪模块,针对2013年1月珠三角区域的PM_(2.5)重污染过程输送特征进行了数值模拟研究.结果表明,污染气团首先形成于广州、佛山地区,并在弱偏北风的作用下南移加强,影响整个珠三角区域.重污染期间,广州(64.9%)、佛山(58.9%)的PM_(2.5)主要来自本地贡献,是区域输送最主要的来源地区;中山(51.9%)、珠海(66.2%)的PM_(2.5)主要来自外来贡献,是区域输送主要的受体地区.重污染期间,广州和佛山对中山的PM_(2.5)日均贡献率之和总体保持在25%以上,污染最重时达到40%.交通(26%)、工业(24%)、扬尘(16%)、火力发电(15%)和生物质燃烧(8%)是对中山贡献最大的5类源:工业源中山本地与外来输送贡献率基本相当;交通和扬尘源以中山本地贡献为主,贡献率分别为55%和67%;火力发电和生物质燃烧源以外来输送为主,贡献率分别为56%和62%.各类排放源的外来输送中,以广州、佛山所占的比例最大.     

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.     

京津冀地区主要排放源减排对PM2.5污染改善贡献评估

研究选取2012年1月和7月作为冬夏两季代表时段,利用CMAQ/2D-VBS模型分析了冬夏两季京津冀地区主要排放源减排30%对改善区域PM_(2.5)污染的效果.结果表明,工业源对PM_(2.5)污染的贡献最大,其次是民用源,但工业源单位减排量贡献低于民用源,交通源和电厂源的整体贡献和单位减排量贡献均较小.工业部门内贡献最大的为钢铁冶金行业,其次是水泥、工业锅炉、炼焦、石灰砖瓦和化工行业.与各部门各物种排放量的比较反映出各排放源贡献大小与其一次PM_(2.5)排放水平高度相关.因京津冀地区冬季NO_x减排对PM_(2.5)形成的促进作用,以及冬季较弱的大气垂直扩散作用,各排放源夏季减排比冬季普遍更有效,交通源、电厂源以及工业源中的水泥、工业锅炉和石灰砖瓦行业夏季减排效果相比冬季优势明显.民用源由于采暖季排放较高而冬季贡献更明显,农业源因秸秆开放燃烧量大,冬季单位减排量贡献十分显著.从同等幅度减排考虑,应将工业源作为控制重点,优先控制其一次PM_(2.5)排放,在部门内进一步重点控制钢铁冶金行业的NO_x和SO_2排放、水泥行业的夏季NO_x排放以及炼焦行业的SO_2和NMVOC排放.民用源排放应着重在冬季采暖期控制.     

基于空气质量模型对佛山市PM_(2.5)的来源研究

利用第三代空气质量模型CMAQ对广东省佛山市2014年11月大气PM_(2.5)浓度进行模拟,结合观测数据比对分析,显示模型对PM_(2.5)具有良好的模拟性能.通过敏感性分析,研究了佛山本地各污染源对PM_(2.5)浓度的相对贡献以及周边地区外来源对佛山PM_(2.5)的影响.结果发现,整个研究时段佛山本地源对PM_(2.5)贡献占主导,平均贡献为64.9%;而污染时段外来源影响增强,如广州对湖涌和惠景城站点平均相对贡献为36.8%,清远对云东海站点相对贡献为18.5%.佛山本地各类源对PM_(2.5)浓度的影响差别明显,污染时段,工业源对湖涌站点相对贡献为54.6%,对其他站点的相对贡献为28.2%~30.2%;流动源对惠景城站点相对贡献为28.9%.通过情景分析,在改善大气环境过程中提出对佛山各类型源的有效削减策略,同时注意城市间协作、区域间联防联控的控制措施.     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

基于CAMx模型的福州市PM_(2.5)来源解析

为了持续改善环境空气质量,判断PM_(2.5)的来源是控制和治理的关键。该文应用WRF-CAMx模式,对福州地区2013年1、4、7、10月污染物的传输过程进行模拟。结果显示,工业源对PM_(2.5)浓度的贡献率最大,为45.9%~62.3%,其次交通源为17.2%~26.7%,民用源为13.6%~17.7%;本地源排放是福州地区污染物主要来源,本地源对PM_(2.5)的贡献率为83.8%~89.1%,外界传输贡献率为10.9%~16.2%;福州地区一次PM对PM_(2.5)的贡献最大,贡献率为64.6%~82.9%,SO2的贡献率为9.1%~12.1%,NOx贡献率为0.5%-12.5%。     

中国氨排放对PM_(2.5)污染的影响

基于WRF-CMAQ空气质量模型,定量模拟了氨排放对全国城市PM_(2.5)浓度的影响.结果表明,氨排放对全国城市硫酸盐、硝酸盐、铵盐及PM_(2.5)年均浓度贡献率分别为4.2%、99.8%、99.7%和29.8%,氨排放对硫酸盐年均浓度的影响较小,而对硝酸盐和铵盐年均浓度的影响极为显著.氨排放对1、4、7、10月四个典型月PM_(2.5)月均浓度的贡献量分别为20.15μg/m3、12.39μg/m3、13.20μg/m3、14.20μg/m3,其中1月PM_(2.5)受氨排放的影响最大.氨对PM_(2.5)影响较大的地区主要集中在河南、山东、湖北、河北等农业、畜牧业发达、氨排放量集中的地区,对PM_(2.5)年均浓度贡献量均超过20μg/m3.因此,控制氨排放将有效降低PM_(2.5)浓度,特别是可以显著减少硝酸盐和铵盐污染.     

温州城区大气污染特征数值模拟与来源解析

文章以位于温州城区的瓯海区为例,在建立大气污染源清单的基础上,利用WRF-CMAQ、CALPUFF模型分析了外来污染物区域输送对瓯海区的影响,模拟了瓯海区主要大气污染物浓度分布,解析了区域大气污染物排放来源。WRF-CMAQ模型模拟结果表明,区域大气污染物SO_2、NO_2、PM_(10)和PM_(2.5)的输送对瓯海区的贡献影响均呈现冬季(1月)>春季(4月)>秋季(10月)>夏季(7月)的变化规律,这可能与大气污染物来源有关。CALPUFF模型模拟结果显示,瓯海区SO_2和PM_(10)的年平均浓度达标,但NO_2和PM_(2.5)出现超标现象。除SO_2均能达标外,部分敏感目标处NO_2、PM_(10)和PM_(2.5)年平均浓度有不同程度的超标现象。来源分析结果表明,瓯海区大气污染物SO_2和NO_2主要来自本地源排放,而PM_(10)和PM_(2.5)本地源与外来源的排放贡献相当。     

长江三角洲地区PM_(2.5)两种污染来源对比分析

应用Model-3/CMAQ模式,结合观测资料和后向轨迹,分析了2015年1月21日~24日长江三角洲地区PM_(2.5)污染的时空分布特征和区域输送过程.重点对比了2种不同类型的污染过程(大风外源输入污染21日12:00~23:00和静稳本地积累污染22日~24日12:00)中大气物理化学过程对边界层内PM_(2.5)生成的贡献.结果表明,模式能合理再现这一期间长江三角洲地区PM_(2.5)浓度的时空变化和分布.21日午后,长江三角洲地区地面偏北风,风速较大,是短时大风北方输入污染.短时大风污染时段输送通量大,边界层中上部污染水平输入,再垂直下传.22~24日,地面小风,存在逆温,大气静稳,是本地积累污染.对比大风外源输入时段与静稳本地积累时段的过程分析发现,大风污染时段PM25的主要正贡献过程依次为局地源排放(35.0%)、水平平流(27.1%)、气溶胶化学生成(20.9%)、垂直平流(14.1%);本地积累时段PM_(2.5)的主要正贡献过程依次为局地源排放(50.1%)、气溶胶化学生成(27.1%)、垂直平流(17.4%).其中水平平流、源排放、气溶胶化学过程在2类污染时段中所占贡献率有显著差异.     

伴随模式在追踪污染事件重点源区中的应用

本研究利用GRAPES-CUACE气溶胶伴随模式,对2015年11月27日~12月2日北京市一次高浓度PM_(2.5)污染过程进行了敏感性分析,显示了伴随模式在追踪重点排放源区及关注敏感排放时段等方面的优越性.研究结果表明:本次污染事件所关注的北京市PM_(2.5)峰值浓度是北京市本地排放源和周边省市排放源共同作用的结果.从累积敏感系数来看.目标时刻前23h内,本地源贡献占主导,PM_(2.5)峰值浓度对本地排放源响应迅速,目标时刻前5h,本地源对峰值浓度的贡献达到最大,逐时敏感系数峰值为9.4μg/m~3.周边源贡献表现为周期性波动,逐时敏感系数在目标时刻前9,29,43h,出现3次峰值,分别为6.66,6.24,1.74μg/m~3,伴随着偏南风,周边源在目标时刻前1~57h内持续不断地向北京市输送污染物.不同距离的周边源对目标时刻PM_(2.5)峰值浓度的影响时段和程度不一样,目标时刻前72h内,北京、天津、河北及山西排放源对目标时刻PM_(2.5)峰值浓度的累积贡献比例分别为31%、9%、56%及4%;从逐时敏感系数来看,天津源贡献的主要时段为目标时刻前1~33h,逐时敏感系数峰值出现在目标时刻前9h,为2.10μg/m~3,山西源贡献的主要时段为目标时刻前17~33h,逐时敏感系数峰值出现在目标时刻前27h,为0.71μg/m~3,河北源贡献的主要时段为目标时刻前1~57h,逐时敏感系数呈现周期性波动,出现3次峰值,分别为4.55,5.31,1.59μg/m~3.     

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.     

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.     

天津市PM2.5污染特征与来源解析

使用2013—2018年大范围长期连续PM_(2.5)观测数据分析了天津市PM_(2.5)污染特征,并使用SMOKE/WRF/NAQPMS模型研究了天津市不同季节PM_(2.5)来源情况。天津市近年PM_(2.5)浓度逐年下降,2013—2018年的年均浓度从96μg/m3下降到52μg/m3,均呈现冬季浓度最高,春、秋季较高,夏季最低的趋势;空间分布上呈西高东低、南高北低的分布特征。本地排放是天津市PM_(2.5)主要来源,不同季节占比为30%～40%,周边城市的跨省输送特征明显,沧州市的贡献约为10%,廊坊市的贡献在、秋冬季较大,为10%～14%,山东省在冬季以外的季节也有10%左右的PM_(2.5)贡献,国外及海洋的贡献在夏季较大(23%),但在其他季节的贡献较小。多数时期二次生成的PM_(2.5)贡献比例最大,贡献为30%～40%,说明天津所在的华北地区二次反应较强烈。另外,居民源与工业源的排放占比也较大,特别是冬季的居民源,占比高达42%。制定防治措施时可考虑不同季节的地区联防联控,但由于本地的排放占比均较大,在任何季节都应该强化本地排放的控制,控制重点是居民源与工业源。     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

结合WRF/Chem和PMF方法的邯郸市PM_(2.5)源解析

<正>向源模型法和反向受体模型法是进行城市PM_(2.5)源解析的2种方法,两者各有所长。该研究应用三维空气质量模型Weather Research and Forecasting Model with Chemistry(WRF-Chem)模型和受体模型Positive Matrix Factorization(PMF),以2014年10月为研究时段,分别对邯郸市的细微颗粒物(PM_(2.5))进行源解析。PMF模型的解析结果表明,邯郸市PM_(2.5)来源为二次源30.2%,燃煤源25.4%、金属冶炼源15.1%、机动车源14.4%、扬尘源9.8%,生物质燃烧源5.2%。应用WRF-Chem模型,Brute-Force方法解析出的结果为,在本地源贡献中,工业源贡献了49.0%,民用源11.9%、农业源9.6%、交通源3.8%和电厂源-1.5%(负值由于PM_(2.5)前体物之间的非线性反应所致)。应用源模型对二次成分(SO_4~(2-)、NO_3~-和NH_4~+)进行再解析,结果显示,燃煤源源贡献率最大,达到25.7%,其次分别为农业源(24.0%)、工业源(6.5%)、生物质源(1.8%)和机动车(0.03%)。结合2种方法得出,邯郸市的PM_(2.5)中,本地燃煤源贡献了37.1%,其次分别为金属冶炼源(18.4%)、机动车源(15.1%)、扬尘源(13.3%)、生物质燃烧源(6.2%)。     

镇江市灰霾天气与非灰霾天气下细颗粒物(PM_(2.5))中无机元素分布特征分析

分析了灰霾天气与非灰霾天气下的PM_(2.5)中的无机元素浓度特征,结果表明PM_(2.5)中无机元素的质量浓度在灰霾期间高于非灰霾期,同时灰霾与非灰霾间所测元素的分布特征基本一致,SO_4~(2ˉ)、NO_3~ˉ浓度所占比例较大,NH_4~+、Ca~(2+)、Cl~ˉ、K~+浓度次之,其他元素含量很低。主要来源为机动车尾气、秸秆焚烧、工业企业排放、施工扬尘。     

“2+26”城市一次污染过程PM2.5化学组分和来源解析研究

"2+26"城市颗粒物污染严重,城市间相互影响显著,开展该区域大气颗粒物组分特征及来源解析的研究,能够为大气污染精细化管控及城市间协同控制提供科学支撑.本文对"2+26"城市2016年12月16—23日一次颗粒物污染过程中的PM_(2.5)组分数据进行了分析,使用空气质量模式CAMx-PSAT对PM_(2.5)的来源进行了解析.结果表明,本次污染过程中阳泉的PM_(2.5)最高日均浓度为137μg·m~(-3),达到中度污染;长治、太原和滨州的PM_(2.5)最高日均浓度分别为235、188、226μg·m~(-3),达到重度污染;其余城市的PM_(2.5)最高日均浓度值超过250μg·m~(-3),达到严重污染.PM_(2.5)中含量最多的4种组分为OC、NO~-_3、SO■、NH~+_4,平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%,NO~-_3的占比高于SO■;Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素的富集因子大于100,主要来自于人为排放,部分城市的Cd和As元素浓度超标,所有城市的Cr元素浓度均超标;各城市的OC/EC比值为4.96～11.60,说明有明显的二次有机颗粒物生成.模拟结果显示,PM_(2.5)本地排放贡献为10%～47%,外地贡献为15%～68%,"2+26"城市以外区域的贡献为14%～53%;民用源、工业源、农业源、交通源、电力源的贡献分别为43.70%±5.94%、29.29%±4.93%、9.68%±1.09%、9.19%±1.69%、6.27%±1.37%.本研究表明,针对颗粒物主要组分OC、NO~-_3、SO■、NH~+_4的前体物,开展民用源和工业源的减排及城市间的协同控制,才有可能达到理想的区域PM_(2.5)控制效果.