广东省臭氧污染天气型及其变化特征

结合地面观测资料、再分析数据和客观天气分型方法SOM,分季节、分区域诊断和分析2015~2020年广东省O₃污染天气型及其变化特征.结果表明,2015~2019年广东省O₃污染逐年上升,其中2017~2019年上升较为明显,2020年则明显下降,气象条件和污染物排放的变化均对O₃污染的变化起到重要作用.2017~2020年广东省干季O₃浓度接近或超过湿季O₃浓度,干季污染城数亦接近湿季.弱冷高压脊天气型是影响广东省O₃污染的主导天气型,6a期间共造成526个污染城数.干季和湿季O₃污染的主导天气型分别为弱冷高压脊和台风外围,干季弱冷高压脊天气型污染天数占比呈明显上升趋势,2019~2020年超过湿季台风外围天气型成为影响O₃污染最主要的天气型.在弱冷高压脊天气型下,影响四大区域O₃污染的外来源输送路径主要有东北路和沿海路,湿季珠三角台风外围和粤北变性高压脊天气型下,区域O₃污染则受本地排放影响较大.     

2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

典型热带海滨城市臭氧污染特征与成因分析

为深入探究典型热带海滨城市环境空气臭氧(O₃)污染特征与成因,于2019年6～10月在海南省海口市城区站点开展O₃及其前体物观测实验,较为全面地分析了O₃污染特征,基于观测的模型(OBM)识别了O₃生成控制区,分析了O₃前体物敏感性,并开展了O₃前体物减排效果评估.结果表明：(1)海口市O₃污染主要出现在9月和10月,观测期间O₃日最大8h滑动平均值范围为39～190μg·m^-3,O₃日变化呈单峰型,于14:00左右达到峰值.(2)海口市超标日NO_x和VOCs浓度高于达标日,前体物浓度的升高是导致O₃污染的内在因素,同时O₃污染受区域传输影响,污染物主要来自于海口市东北部地区.(3)海口市O₃生成处于VOCs和NO_x协同控制区.9～10月O₃     

基于CMAQ/ISAM空气质量模型的北京市夏季臭氧来源解析研究

为了解北京市夏季臭氧(O₃)污染的特征与来源,采用区域空气质量模型(CMAQ)的综合源解析功能(ISAM)对北京市2019年6月不同区域的近地面O₃浓度及其来源贡献进行了数值模拟计算,量化了北京市、天津市、河北省、京津冀以外省份以及全球背景共14类NO_x和VOCs排放源对北京市不同区域O₃污染的贡献. 结果表明:①北京市不同地区O₃及其前体物来源存在显著差异,城区及近郊区NO_x和VOCs均主要来自于北京市本地排放,本地源排放对城区及近郊区的NO_x贡献(39.7%~46.4%)显著大于对远郊区的贡献(19.9%~38.8%),本地源排放对城区及近郊区的VOCs贡献(51.1%~75.8%)大于对远郊区的贡献(19.5%~39.6%). ②远郊区NO_x和VOCs浓度更易受非本地排放的输送影响. ③O₃主要来源于包括模拟区域外以及全球背景的边界传输贡献,边界传输对北京市不同受体区域的贡献均大于52.6%. ④北京市本地源排放对城区及近郊区O₃的贡献(6.8%~18.3%)大于对远郊区的贡献(2.4%~7.6%),京津冀以外源区的排放对北京市远郊区的贡献(5.2%~6.4%)大于对城区及近郊区的贡献(2.7%~4.4%),说明本地排放对远郊区影响相对较小,远郊区O₃浓度易受北部燕山山脉和太行山的阻隔影响. 因地理位置及地形原因,河北省不同源区对北京市不同区域O₃浓度的贡献存在一定差异. 研究显示,控制北京市夏季O₃污染应综合考虑城区与郊区O₃来源的差异性,做好周边区域的联防联控.      

2020年“三连击”台风对我国东部地区O3污染的影响分析

基于空气质量监测、地面气象资料、风廓线雷达观测等数据和HYSPLIT模型,对2020年8月26日至9月8日2008号台风“巴威”、 2009号台风“美莎克”和2010号台风“海神”影响期间我国中东部地区的O₃污染特征及成因进行了分析.结果表明“,三连击”台风期间京津冀及周边地区和长三角地区出现O₃污染的站点数均超过50%“,海神”影响期间两个区域O₃污染日数分别达到2.22 d和2.97 d,持续性特征显著.台风位置对O₃浓度影响明显,当台风位于24 h和48 h警戒线之间时,京津冀及周边地区O₃浓度最高;当台风移动至34°N以北时,长三角地区最易于出现区域性O₃污染.上海O₃污染主要出现在台风西侧偏北气流控制下,来自上游的区域传输对O₃及前体物浓度升高影响明显;1 000 m以下的下沉气流使O₃在夜间维持较高浓度.济南O₃污染期间大气中低层盛行下沉气流.8月28～30...     

临汾市臭氧污染变化特征、气象影响及输送源分析

结合2014~2020年临汾市臭氧逐小时质量浓度和同期气象数据、再分析数据以及潜在源贡献函数法（PSCF）对临汾市O₃污染时空变化特征、与气象因子的关系以及传输路径及潜在源分布开展研究.结果表明,临汾市近年来臭氧污染日益严重,O₃_8h_max年均质量浓度整体呈现上升趋势,2020年相对于2014年增加78.79%;月变化特征呈现“M”双峰型,季节变化峰值出现在夏季,而日变化受近地面大气光化学过程影响显著,呈较为明显的单峰单谷分布,峰值出现在14：00~16：00.O₃浓度与气温和日照时数呈显著线性正相关,当研究区相对湿度为40%~60%,气温高于20℃,风速区间为2~6m/s时易出现高浓度O₃污染.聚类分析表明临汾市O₃重污染天气期间以短距离输送气流为主,高O₃浓度除受到本地生成影响外,还受到省内临近城市及陕西省中部、河南省北部重工企业排放的大量NO_x和VOCs传输的影响.因此,针对临汾市O₃污染在严格控制本地污染源排放的前提下,必须加强汾渭平原地区的联防联控,才能有效缓解该区域大气污染的连片发生.     

2015—2020年中国臭氧污染时空演化及其与厄尔尼诺-南方涛动的关系研究

为研究2015—2020年我国近地面臭氧(O₃)污染时空演化特征以及厄尔尼诺-南方涛动(ENSO)对我国O₃污染的影响,本文基于2015—2020年我国近1 500个监测站点的O₃浓度数据(不包括港澳台地区数据),综合运用空间自相关、热点分析、异常值分析及回归分析,研究2015—2020年我国O₃污染的时空演化、浓度异常特征及其与ENSO事件和气象因素的关系.结果表明：(1)2015—2019年我国O₃污染集聚效应不断增强,但2020年显著降低.(2)我国O₃浓度呈先升高(2015—2018年)后下降(2018—2020年)的特征,2017年、2018年O₃年均浓度分别较上一年升高8.72%、1.76%,2019年、2020年O₃年均浓度分别较上一年下降3.60%、3.66%.除2019年、2020年外,O₃浓度高值聚集区站点的O₃浓度峰值和高值天数(日均值大于120μ...     

上海市PM2.5和臭氧复合污染期多路径减排效果评估

为探究大气PM_2.5和臭氧(O₃)复合污染期间的污染物浓度削峰方案,以上海市2018年4月27—30日PM_2.5和O₃复合污染时段为研究对象,结合区域多尺度空气质量模型(CMAQ模型),建立上海市O₃日最大8小时滑动平均值(MDA8 O₃)以及PM_2.5浓度与人为源排放的NO_x和VOCs之间的响应关系,获得了EKMA (empirical kinetics modeling approach,经验动力学建模方法)曲线.在此基础上,探讨上海市MDA8 O₃和PM_2.5对前体物排放的敏感性,并进一步量化了本地减排、提前减排和区域减排等不同情景下PM_2.5和MDA8 O₃的浓度变化.结果表明：(1)上海市PM_2.5和O₃复合污染期间MDA8 O₃的峰值率(PR)为0....     

厦门一次典型臭氧污染过程与成因分析

文章基于大气超级站和常规空气监测站的实时在线数据,从臭氧前体物的分布、光化学反应、气象条件和区域传输等方面,对2020年5月13日厦门发生的一次典型臭氧污染过程与成因进行分析。结果表明,污染日(O₃-8h为172μg/m³)气温较非污染日高1～2℃,紫外辐射显著增强,相对湿度降低9%～32%,风速升高1m/s,有利于本地臭氧光化学生成。污染期间,大气环境VOCs以烷烃、卤代烃、醛酮类和芳香烃为主,表明溶剂挥发、工业源和机动车排放源等贡献。非污染日和污染日的风速和O₃呈正相关性,R²分别为0.295和0.675;后向轨迹模型和天气形势分析,结果表明：11-12日扩散条件较差,夜间残留O₃浓度较高,而13日受来自长三角地区携带O₃及其前体物气团入海后回流向福建沿海地区传输的影响,叠加了本地光化学生成臭氧,导致臭氧轻度污染超标。     

成都市及周边地区严重臭氧污染过程成因分析

结合天气形势,地面观测资料和WRF-CMAQ模式,分析了2017年7月8~15日成都市一次罕见持续O₃污染过程的特征及成因,量化了各个物理化学过程对此次污染过程的相对贡献,并通过敏感性实验分析了四川盆地内O₃及其前体物的区域传输和本地光化学反应对此次污染过程的影响.结果表明,此次O₃持续污染过程主要是因为四川盆地内盛行偏东风,导致盆地东部城市群的O₃及其前体物经区域输送到成都及周边地区,加之成都市出现小风、气温升高等气象条件进而形成,属于典型的传输性爆发污染.持续污染形成的主要物理化学机制体现为日间气相化学过程贡献为稳定的正值,加之输送过程贡献出现爆发式升高,进而导致近地面O₃小时净增量迅速上升且高达50μg/（m³·h）,随之O₃浓度迅速响应,产生爆发式增长.此外,敏感性实验结果显示此次成都市O₃持续污染的形成受区域输送影响较受本地光化学反应影响更为明显.O₃污染爆发前上游地区高浓度O₃及其前体物沿流场输送并在成都及周边地区不断积累,导致日间O₃浓度不断升高.     

基于机器学习方法研究气象及排放变化对长三角地区主要城市大气污染物的影响

选取2015～2021年长三角地区4个代表性城市污染物浓度,利用机器学习的气象归一化方法解耦气象因素对污染物的影响,量化气象和排放对污染物浓度变化的贡献.结果表明,长三角地区PM_2.5、 NO₂和SO₂排放下降影响贡献较大(57.2%～68.2%、 80.7%～94.6%和81.6%～96.1%),抵消了气象因素带来的不利影响,致使污染物浓度降低.而气象条件对于臭氧日最大8 h(MDA8＿O₃)的贡献强于其他污染物(23.5%～42.1%),其中气象因素促进污染物浓度上升(4.7%),排放变化促进污染物浓度下降(-3.2%). NO₂和MDA8＿O₃在2019～2021年降幅更快,主要原因是2019～2021年排放起到较2015～2018年更强的促进污染物浓度降低作用.PM_2.5和SO₂在2019～2021年的降幅较2015～2021年整体有所减弱.基于机器学习的气象归一化方法可以解耦气象对污染物的影响,量化排放...     

长三角地区大气污染物对新冠肺炎封城的时空响应特征

利用2020年1月1日—2月29日上海、南京、合肥和杭州4个城市常规污染物的逐时监测资料,结合卫星反演的NO₂垂直柱浓度信息,探讨了新冠肺炎封城的前、中、后期长三角地区城市大气污染物的污染水平及响应特征.结果显示：除O₃外,其余大气污染物的平均浓度在时间上的整体变化趋势均表现为封城前>封城中（1月24日—2月10日）>封城后,表明空气质量并非完全受封城导致的污染减排控制.封城期间的PM_2.5/PM₁₀比值高于封城前和封城后,表明气溶胶二次生成对封城期间仍出现的颗粒物污染可能有重要贡献.O_x浓度在封城期间也有显著上升（p<0.01）,表明大气氧化性可能在NO₂减少的背景下得到强化,从而促进二次气溶胶的生成.从空间看,O₃分布呈以城市为中心的包围式往内聚集分布,表明以局地生成为主.PM_2.5、PM₁₀、CO、SO₂和NO₂分布特征为北高南低,表明冬季自北向南的区域传输对封城期间的空气污染有重要贡献.卫星反演结果进一步证实华北平原是污染的主要源区,这也得到轨迹来源分析的佐证.     

基于CAMx-OSAT方法的西宁臭氧来源解析

利用青海省西宁市2018-2019年O3浓度高值时期监测数据,结合CAMx-OSAT方法从控制型、分类排放源、区域贡献3个方面定量剖析西宁的O3污染来源.结果表明:西宁O3浓度整体为VOCs控制,主城四区(城东区、城西区、城北区、城中区)尤其突出,且夏季较为显著;2018年和2019年VOCs的贡献占比分别为9.76％...     

河南省18个城市大气污染物分布特征、区域来源和传输路径

河南省大气污染严重且与周边区域污染传输及交互影响明显,以2017年1、4、7和10月为研究对象,将河南省内18个地市的排放源分别标记,并应用于WRF-CMAQ溯源模型进行模拟.污染物分布结果表明,由于排放和气象的共同影响,河南省PM_2.5、NO₂和SO₂浓度表现为冬季最高,夏季最低.O₃-8h浓度的季节变化则为夏季最高,春季次之,冬季最低.不同季节间污染物浓度差距较大,河南省PM_2.5、NO₂和SO₂冬季浓度平均值分别是夏季的4.17、4.12和6.24倍,而O₃-8h在夏季的浓度是冬季的2.24倍.由于PM_2.5、NO₂和SO₂与一次排放关系密切且具有一定的同源性,这3种污染物的高值分布为北高南低,季节趋势较为一致.而O₃-8h季节分布差异较大,夏季气象条件有助于O₃的生成,O₃-8h高值主要分布于河南省东北区域;冬春秋季由于气象条件的抑制和NO_x的消耗O₃-8h高值主要分布在河南省的南部.传输结果表明,冬季省外传输和天然源对河南省PM_2.5、O₃-8h、NO₂和SO₂浓度的贡献率都是最大的,分别为36.20%~72.32%、77.96%~96.08%、49.45%~78.80%和59.05%~88.85%.在仅考虑本地排放和省内传输时,夏季河南省内各市的排放对本地4种污染物浓度的贡献率均为最高;春季省内传输对各市PM_2.5和O₃-8h浓度的贡献率较大,分别为25.63%~74.69%和30.21%~80.01%,冬季省内传输对各市NO₂和SO₂浓度的贡献率较大,分别为26.02%~76.96%和20.30%~82.34%.河南省内PM_2.5、NO₂和SO₂的传输路径相似,冬季多由北向南传输,春季多由西向东,西南向东北传输,夏季多由西南向东北传输,秋季多由北向南传输,但PM_2.5的传输更加复杂.而O₃-8h传输路径与其他3种较为不同,特别是在秋季O₃-8h由西南向东北的传输路径明显.     

Response surface modeling-based source contribution analysis and VOC emission control policy assessment in a typical ozone-polluted urban Shunde, China

To develop a sound ozone (O₃) pollution control strategy, it is important to well understand and characterize the source contribution due to the complex chemical and physical formation processes of O₃. Using the “Shunde” city as a pilot summer case study, we apply an innovative response surface modeling (RSM) methodology based on the Community Multi-Scale Air Quality (CMAQ) modeling simulations to identify the O₃ regime and provide dynamic analysis of the precursor contributions to effectively assess the O₃ impacts of volatile organic compound (VOC) control strategy. Our results show that Shunde is a typical VOC-limited urban O₃ polluted city. The “Jiangmen” city, as the main upper wind area during July 2014, its VOCs and nitrogen oxides (NO_x) emissions make up the largest contribution (9.06%). On the contrary, the contribution from local (Shunde) emission is lowest (6.35%) among the seven neighbor regions. The local VOCs industrial source emission has the largest contribution comparing to other precursor emission sectors in Shunde. The results of dynamic source contribution analysis further show that the local NO_x control could slightly increase the ground O₃ under low (10.00%) and medium (40.00%) reduction ratios, while it could start to turn positive to decrease ground O₃ under the high NO_x abatement ratio (75.00%). The real-time assessment of O₃ impacts from VOCs control strategies in Pearl River Delta (PRD) shows that the joint regional VOCs emission control policy will effectively reduce the ground O₃ concentration in Shunde.     

2020年成都市典型臭氧污染过程特征及敏感性

2020年4月24日至5月6日成都市臭氧(O3)和细颗粒物(PM2.5)复合污染过程期间,在成都市城区开展大气臭氧及其前体物(NO,、VOCs)和气象参数观测实验,基于观测数据采用OBM模型对市区臭氧敏感性和主控因子进行识别,并采用PMF模型对关键VOCs物种进行来源解析.结果表明,臭氧超标日各污染物浓度均有所上升,VOCs物种中芳香烃和含氧(氮)化合物上升幅度较大;成都市城区O3超标天对应的臭氧处于显著VOCs控制区,芳香烃和烯烃对O3生成最为敏感,且存在削减NOx的不利效应;结合VOCs来源解析,城区VOCs主要来源:移动源(22.4％)、餐饮及生物质燃烧源(21.8％)、工业源(15.1％)和溶剂使用源(9.3％),臭氧超标天溶剂使用源、餐饮及生物质类燃烧源贡献率明显上升.成都市城区春季应以VOCs减排为重点,并加大芳香烃和烯烃相关源控制力度.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.     

Evidence of aircraft activity impact on local air quality: A study in the context of uncommon airport operation

Wuhan Tianhe International Airport (WUH) was suspended to contain the spread of COVID-19, while Shanghai Hongqiao International Airport (SHA) saw a tremendous flight reduction. Closure of a major international airport is extremely rare and thus represents a unique opportunity to straightforwardly observe the impact of airport emissions on local air quality. In this study, a series of statistical tools were applied to analyze the variations in air pollutant levels in the vicinity of WUH and SHA. The results of bivariate polar plots show that airport SHA and WUH are a major source of nitrogen oxides. NO_x, NO₂ and NO diminished by 55.8%, 44.1%, 76.9%, and 40.4%, 33.3% and 59.4% during the COVID-19 lockdown compared to those in the same period of 2018 and 2019, under a reduction in aircraft activities by 58.6% and 61.4%. The concentration of NO₂, SO₂ and PM_2.5 decreased by 77.3%, 8.2%, 29.5%, right after the closure of airport WUH on 23 January 2020. The average concentrations of NO, NO₂ and NO_x scatter plots at downwind of SHA after the lockdown were 78.0%, 47.9%, 57.4% and 62.3%, 34.8%, 41.8% lower than those during the same period in 2018 and 2019. However, a significant increase in O₃ levels by 50.0% and 25.9% at WUH and SHA was observed, respectively. These results evidently show decreased nitrogen oxides concentrations in the airport vicinity due to reduced aircraft activities, while amplified O₃ pollution due to a lower titration by NO under strong reduction in NO_x emissions.     

海南岛臭氧污染时空变化及敏感性特征

基于环境空气质量数据、气象观测数据和卫星遥感资料,研究了2015~2020年海南岛臭氧（O₃）污染的时空分布、变化趋势、O₃生成敏感性及其与气象因子的关系.结果表明,海南岛O₃-8h （日最大8 h滑动平均值）表现为西部和北部偏高,中部、东部和南部偏低的分布特征,2015年O₃-8h浓度最高,2019年O₃-8h浓度超标占比最大.O₃-8h浓度与平均气温（P<0.1）、日照时数（P<0.01）、太阳总辐射（P<0.01）、大气压和平均风速呈正相关关系,与降雨量（P<0.05）和相对湿度呈负相关关系.卫星遥感数据显示,2015~2020年海南岛对流层NO₂柱浓度（NO₂-OMI）和HCHO柱浓度（HCHO-OMI）呈相反的变化趋势,2020年NO₂-OMI较2015年上升了7.74%,HCHO-OMI下降了10.2%.海南岛属于NO_x控制区,近6年FNR值（O₃生成敏感性）呈波动式地下降趋势,其趋势系数和气候倾向率分别为-0.514和-0.123 a^-1.气象因子与海南岛FNR值有较好的相关关系.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.