基于CMAQ模式的自适应“nudging”源反演方法的中国主要污染区排放特征分析

中国中东部地区的空气污染主要集中在京津冀、长三角、珠三角、东北地区及汾渭平原等区域，各区域的污染排放特征各异.本文应用基于CMAQ（The Community Multiscale Air Quality）模式的自适应"nudging"源反演方法，反演中国中东部地区2016年12月—2017年1月逐日NO_x污染源，分析上述主要污染区的污染物排放强度空间分布特征，并与2016年MEIC（The Multi-resolution emission inventory for China）排放源进行比较，检验反演源的可靠性.结果表明，2016年冬季各个区域反演源NO_x排放强度空间分布特征与2016年MEIC排放源基本一致.京津冀地区高强度排放区域形成沿山前区域东北-西南走向的NO_x高强度排放带；长三角地区NO_x高强度排放区域位于常州、苏州、上海和湖州等城市构成的城市群；珠三角地区NO_x高强度排放区域位于以广州为中心的大范围城市群且排放强度呈现向四周逐渐降低的放射状分布；东北地区NO_x高强度排放区域空间分布特征呈现以城市为中心且稀疏分布；汾渭平原排放区域呈现以城市为中心且向峡谷中间集中分布，排放区域轮廓与汾渭平原狭长的新月状相符.     

减排措施与气象因子对2013—2019年中国大陆地区PM2.5浓度变化的贡献

利用地面气象观测站数据计算的大气自净能力指数（Atmospheric Self-cleaning ability Index，简称ASI）和环境监测站PM_2.5实测数据，评估了中国大陆地区2014—2019年相对于2013年（"大气国十条"实施初期）污染物总体排放率的相对变化，给出了PM_2.5浓度削减量中气象条件和减排措施的相对贡献.研究结果显示，2014年全国排放率总体已下降，2017年各地区全面实现减排，较2013年全国平均减排36.11%，2019年减排幅度进一步加大，至48.50%，其中中东部地区整体减排力度大于西部和东北部地区.2015和2016年秋冬，重点区域持续性重污染频发现象的出现是不利气象条件背景与减排略有放松共同作用的结果，但持续的减排措施对于遏制空气质量的恶化起到了积极作用.2019年，京津冀、汾渭平原、长三角等9个重点区域PM_2.5浓度相较2013年明显降低，高空气质量至少一半以上的原因来源于人为减排，气象因子的贡献相对较小，仅为3%~18%，一些区域气象因子对PM_2.5的改善甚至起到负作用.2013年"大气国十条"实施以来，全国各重点区域有效的污染排放控制确实对空气质量改善起到了决定性作用.本文研发的分离气象和减排措施对PM_2.5浓度变化中相对贡献的方法，使用的定量关系简单、明确，所使用的数据客观、可靠，有利于快速估算和决策.     

基于积累速率的汾渭平原秋冬季PM2.5污染特征及影响因素分析

为研究汾渭平原各城市PM_2.5污染特征及影响因素,利用2015—2019年汾渭平原11市秋冬季污染物逐时浓度,基于日变化分析构建了各城市慢速积累和快速积累的评价指标,量化了各城市的积累水平.结果表明：汾渭平原各城市PM_2.5积累水平差异显著,积累速率最快的城市是宝鸡,最慢的是三门峡;快速积累阈值最高的是临汾,最低的是三门峡.结合各地积累速率值的分布特征,11地市的积累水平可分为较强（宝鸡、临汾、吕梁、晋中）、中等（咸阳、渭南、铜川、运城、洛阳）和较弱（西安、三门峡）3种.积累速率多随浓度的增高呈上升趋势,其中吕梁和临汾最为显著,而西安增幅最小.从年变化来看,各地快速积累占比从2017年或2018年开始减少,从月变化来看,12月和1月为快速积累出现最多的月份.二次污染物和区域传输对PM_2.5积累速率均有影响,发生快速积累时,前体物SO₂和NO₂的浓度明显升高,二次反应显著;对临汾和西安的后向轨迹分析表明,西偏南方向气流的增加更易引起当地PM_2.5的快速积累.     

京津冀区域典型城市PM2.5污染特征及其成因研究

量化空气质量改善过程中气象条件和减排措施的相对贡献, 有助于科学评估减排措施的实施效果. 本文以2017—2019年京津冀区域13个城市PM_2.5质量浓度为研究对象, 采用主成分分析、系统聚类等方法客观确定各次区域的典型代表城市, 并基于环境气象评估指数（EMI）量化空气质量改善过程中气象条件和减排措施的相对贡献. 结果表明, 京津冀区域PM_2.5浓度整体呈南高北低特征, 高值区集中在河北省南部, 冬季区域PM_2.5浓度显著高于其他季节. 经旋转后的主成分分析可划分出2个主成分, 分别对应河北省中南部地区和京津冀北部地区. 系统聚类将京津冀区域分为3个次区域, 经相似性计算获得次区域典型代表城市为承德、唐山和邢台. 以2017年为基准年开展EMI评估, 结果显示2018年1月承德、唐山和邢台PM_2.5浓度下降, 减排和气象条件均有不同程度的贡献; 不利气象条件是2019年1月承德PM_2.5上涨的主要原因, 排放造成同期唐山PM_2.5浓度上升了52.8%,不利气象条件抵消了邢台减排的效果, 并造成其PM_2.5浓度小幅度增加. 京津冀区域各城市PM_2.5浓度的同步变化, 排放和气象条件对不同城市的贡献仍然存在很大差异, 在京津冀区域内划分次区域具有重要意义.     

基于2015～2018年实时监测数据对关中平原城市群PM2.5时空变化规律的研究

为了解关中平原城市群PM_2.5时空变化规律，利用2015～2018年国家空气质量检测平台发布的PM_2.5实时监测数据，并用地统计学和探索性空间数据分析等方法，对关中平原城市群PM_2.5污染的时空变化规律进行分析。结果表明，关中平原城市群PM_2.5污染总体呈向好趋势，PM_2.5年均超标城市由11个减少到8个，年均浓度超标率显著下降。PM_2.5污染主要出现在冬季，春秋季过渡，夏季PM_2.5浓度季度均值、月均值都最低，PM_2.5日均值曲线与月均值曲线大致趋势一致，呈单峰"脉冲型"变化；PM_2.5污染在空间上具有明显的分异性和集聚性特征，表现出"临汾-咸阳"为轴的高污染区面积逐渐缩小，而以平凉、天水为中心的低污染区面积逐渐扩大的空间变化规律。     

基于天气背景天津大气污染输送特征分析

区域输送是大气污染防治中需要考虑的重要因素,本文利用大气化学模式定量估算2016年10月~2017年9月区域输送对天津的影响,重点基于天气背景分析区域输送影响和气象条件的关系,为京津冀地区大气污染联防联控提供支撑.结果表明,京津冀地区各城市区域输送贡献百分率平原城市显著高于沿山城市,天津一次PM_2.5本地贡献62.9%,区域输送贡献37.1%,主要受沧州、廊坊、河北中南部、北京、唐山和山东等地输送影响,每年4~6月区域输送最显著,7~8月区域输送最弱.区域输送与天气形势、风场和降水等气象条件密切相关,高压后和锋前低压是区域输送占比最高的两种污染天气类型,西南风、西风和南风3个风向下天津大气污染输送影响最为明显,风速2~3 m ·s^-1时最有利于PM_2.5区域传输,降水超过5 mm以上将降低大气污染物区域传输效率.对于不同污染类型和重污染阶段,轻度污染天气时区域输送贡献最为明显,比均值偏高20.5%,重污染天气虽受静稳气团控制,但由于周边区域高浓度的PM_2.5,污染气团迁移对区域内污染聚集传输有显著影响,重污染期间PM_2.5输送贡献占比超过均值,约偏高10%~15%.重污染过程中,开始积累阶段和峰值阶段,输送贡献占比高于其它时期,与暴发阶段相比偏高14.5%和19.5%,重污染暴发阶段本地排放贡献更明显,比均值偏高9.9%.     

京津冀地区高分辨率PM2.5浓度时空变化模拟与分析

为了全覆盖、高分辨率和高精度识别京津冀地区大气PM_2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM_2.5污染较严重的特点,模型中引入了AOD²等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km²空间分辨率的每日PM_2.5质量浓度.结果表明,模型交叉验证的决定系数R²为0.94,斜率为0.95,均方根预测误差为13.14 μg·m^-3,在前人基础上预测精度进一步提升,可用于PM_2.5浓度时空变化预测与分析.2017年,京津冀地区PM_2.5浓度年均值为44.96 μg·m^-3,年均值范围在0~89.89 μg·m^-3之间.PM_2.5浓度时空变化差异性明显,整体上呈现"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低"的空间分布格局以及"冬季浓度高、夏季浓度低和春秋过渡"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.     

新冠肺炎疫情期间气象条件和排放变化对PM2.5的影响

本文基于WRF-CMAQ定量分析了2020年1~3月全国337城市气象条件和排放变化对PM_2.5浓度的影响.全国气象条件整体转好1.7%,1月转差1.6%,2~3月分别偏有利1.3%和7.9%;全国污染物排放下降使得PM_2.5浓度同比下降14.1%,1~3月分别下降4.0%、25.7%和15.0%.武汉第一季度实测PM_2.5浓度同比降幅高于全国水平,与其气象条件大幅转好且污染排放降幅较大有关.北京在疫情发生前和严控期PM_2.5浓度同比升高,主要为气象转差所致;复工复产期同比下降,主要为污染排放大幅下降所致."2+26"城市、汾渭平原和长三角在第一季度PM_2.5浓度同比均下降,长三角降幅最大,与其污染排放大幅下降有关;"2+26"城市和汾渭平原在疫情发生前气象条件大幅转差,严控期大幅转好,长三角在复工复产期气象条件最有利;重点区域均为疫情严控期污染排放降幅最高,复工复产期降幅趋缓.     

2015~2018年我国PM2.5健康损害价值的动态评估

为了定量评估我国空气污染治理产生环境健康效益的动态变化,本文运用2015~2018年的全国297个地级及以上城市数据,估算PM_2.5污染造成的健康效应与健康经济损失变化,并分区域分城市对比分析.结果表明,由于ρ（PM_2.5）大幅下降,2015~2018年全国暴露于ρ（PM_2.5）超标地区人口逐年下降,占总人口的比重从80.88%下降至62.32%.各类健康终点总人数从3323.25万人下降到1591.45万人,健康经济损失从15790.39亿元下降到8384.16亿元,健康经济损失占GDP比重从2.31%下降到0.99%.6大区域中京津冀及周边地区、成渝地区的各类指标逐年下降,汾渭平原地区、长三角地区、珠三角地区和长江中游地区的各类指标呈现部分年份上升,随后下降的复杂趋势.但是汾渭平原地区的情况仍比其它地区严重,2018年的各类健康终点总人数比2015年增加1.89万人,健康经济损失增加107.14亿元,人均健康经济损失增加182.67元.保定、邢台和邯郸等市各指标值虽逐年下降,但每年仍居所有城市前10,西安、咸阳和临汾等市2018年的指标值不及2015年乐观.结果显示,我国空气污染治理产生的环境健康效益总体显著,但仍需进一步加强区域联防联控与一市一策.     

2017~2021年苏皖鲁豫交界区域PM2.5和O3时空变化特征及影响因素

苏皖鲁豫交界区域是长三角和京津冀及周边两大大气污染治理重点区域的连接带,揭示该区域PM_2.5和O₃污染特征对推动区域大气污染联防联控有着重要意义.基于2017~2021年苏皖鲁豫交界区域22个地市的国家空气环境监测网络观测数据,探讨了该区域PM_2.5和O₃浓度的时空变化特征及气象影响.结果表明：①2017~2021年区域PM_2.5浓度呈现逐年下降趋势,PM_2.5浓度月均值呈现“U型”分布,冬季PM_2.5浓度仍维持高位.O₃-8h-90%浓度呈现波动下降趋势,O₃-8h-90%浓度月均值变化呈“M型”分布,夏秋季O₃污染程度未有好转.②与2017年相比,2021年PM_2.5-O₃复合污染天数减少了52 d,但PM_2.5污染仍占主导地位.③PM_2.5和O₃污染区域主要集中在区域中部和北部城市,且中部城市PM_2.5和O₃污染程度均改善显著.④采用Moran''s I指数和LISA指数分析了区域PM_2.5和O₃-8h-90%浓度的全局和局部空间自相关性,PM_2.5和O₃-8h-90%浓度均具有空间相关性,PM_2.5浓度主要表现为高值-高值聚集或低值-低值聚集现象,且高值-高值聚集有从中部向西部转移的现象,2020年和2021年O₃-8h-90%浓度表现为高值-高值聚集或低值-低值聚集现象.⑤结合气象要素数据,利用KZ滤波方法量化排放源与气象条件对区域PM_2.5和O₃-8h浓度的贡献,两者主要受到污染物排放影响,贡献率分别为101.0%和99.3%,表明污染物减排是驱动区域空气质量改善的主要因素.此外,气象条件对PM_2.5浓度的贡献在一、四季度为正值,二、三季度为负值,而对O₃-8h浓度的影响则反之,且气象条件对不同城市PM_2.5和O₃-8h浓度的影响程度存在较大差异.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

我国城市PM2.5污染的健康风险及经济损失评价

开展大样本城市的空气污染造成人群健康风险及经济损失研究,对于推进空气污染的防控与区域合作治理、公众健康素养提升具有重要意义.本文以我国62个环保重点监测城市为样本,运用环境健康风险与环境价值评估方法,对2015年PM_(2.5)污染引发的健康风险及经济损失进行评价,结果表明PM_(2.5)污染造成约12.51万人早逝[95%CI(置信区间):3.33~20.59万人]及1 009.59万人次患病、门诊和住院(95%CI:470.38~1 501.93万人次),占这些城市市区总人口的3.53%(95%CI:1.64%~5.26%).造成经济损失5 705.57亿元(95%CI:1 930.82~8 742.14亿元),占这些城市GDP总和的1.53%(95%CI:0.52%~2.35%),人均经济损失1 970元(95%CI:667~3 018元).四大城市群中,京津冀在健康风险、健康经济损失及其占GDP比重、人均损失方面均高于长三角、珠三角及东北.三大经济区中,东部的健康风险及经济损失高于中部与西部,三地的人均经济损失差别不大.南北方的经济损失相差很小,但北方的经济损失占GDP比重与人均损失均远高于南方.保定、郑州、济南、北京等市PM_(2.5)浓度很高,健康风险与经济损失问题突出.     

大气PM10跨界输送的自组织动力机制——以舟山市为例

我国城市间大气污染物的相互输送作用非常显著.舟山市大气污染物主要来源于长三角地区,本地源影响较小.因此,本文将以舟山市为例,应用频度统计分析方法,研究舟山市大气PM10污染演化宏观动态的统计分布规律.结果发现,舟山市大气PM10小时平均浓度的波动并非随机,而是在0.065~0.324 mg·m-3范围内具有标度不变特征,统计上服从典型的分形幂律分布.同时,为了阐明该分形幂律分布的产生动力机制,基于自组织临界理论,建立了大气PM10跨界输送模型.该模型以污染输送机制、二次颗粒物生成机制、城市内污染迁移扩散机制、大气自净机制这4个主导动力机制为核心,组建了非线性关联迭代算法.新的自组织动力模型的模拟结果定量地解释了舟山市大气PM10污染浓度的分形幂律统计分布规律的产生根源.同时,本研究结合区域风场等气象因素,深入讨论了大气PM10跨界输送的自组织行为机制.     

基于卫星和地面观测的中国典型城市群对流层内臭氧时空变化特征

为了探明近年来中国典型城市群(京津冀城市群、长三角城市群和珠三角城市群)臭氧(O₃)污染的发生规律,利用2005—2020年OMI-MLS (臭氧监测仪-微波临边探测器)对流层O₃柱总量探测数据以及2015—2020年地面O₃浓度监测数据分析我国三大城市群O₃的时空分布特征及其演变趋势,结果表明:①对流层O₃柱总量月峰值和年均值均呈京津冀城市群>长三角城市群>珠三角城市群的特征,京津冀和长三角城市群对流层O₃柱总量均在夏季〔分别为50.0和44.4 DU (dobson unit)〕最高,而珠三角城市群在春季(42.2 DU)最高. ②三大城市群对流层O₃柱总量在空间分布上具有不同的特征,京津冀城市群对流层O₃柱总量呈东南高于西北的特征,长三角城市群对流层O₃柱总量随纬度升高而增大,珠三角城市群对流层O₃柱总量南北局地差异较小;海拔对对流层O₃柱总量的空间分布有一定影响,海拔越高,对流层O₃柱总量越低. ③京津冀、长三角和珠三角城市群对流层O₃柱总量均呈逐年显著升高的趋势,年均增长量分别为0.25、0.28和0.27 DU,其中,京津冀城市群在对流层O₃柱总量较低的秋冬季年均增长(0.29 DU)最快,而长三角和珠三角城市群分别在对流层O₃柱总量最高的夏季和春季增长最快,均为0.39 DU. ④卫星探测的对流层O₃柱总量与地面监测的O₃日最大8 h滑动平均浓度(简称“O₃-8 h浓度”)在京津冀和长三角城市群相关性明显,而在珠三角城市群相关性较差. ⑤O₃-8 h浓度呈京津冀城市群>长三角城市群>珠三角城市群的特征,其中,京津冀城市群O₃-8 h浓度在2018年(110.9 μg/m3)最高,空间上由2016年之前的北高南低转变为南高北低,多数城市O₃污染较重且达标率较低;长三角城市群2017年O₃-8 h浓度(106.7 μg/m3)最高,2016年起O₃-8 h高浓度中心由东北逐渐向西部内陆迁移,沿海城市达标率增加;珠三角城市群O₃污染程度最轻,达标城市较多,但O₃-8 h浓度呈逐年上升趋势,并在2019年达最高值(100.4 μg/m3),且中心城市上升速率远大于外围城市. 研究显示,中国三大城市群对流层O₃柱总量和O₃-8 h浓度的时空分布特征存在显著差异,造成差异的因素也不同.      

2000～2020年中国典型经济区PM2.5时空变化及其与植被景观格局的关系

探究典型经济区PM_2.5时空变化特征及其与植被景观格局的关系,对区域PM_2.5污染治理和大气环境保护具有重要意义.基于PM_2.5数据和MODIS NDVI数据集,采用像元二分模型、 Getis-Ord G^*_i分析、 Theil-Sen Median趋势分析、 Mann-Kendall检验、皮尔逊相关分析和复相关分析等方法,探究中国三大经济区PM_2.5空间聚集性、时空变化特征及其与植被景观格局指数的相关性.结果表明,2000～2020年环渤海地区PM_2.5主要表现为热点区扩张,冷点区缩减;长江三角洲地区冷点区和热点区面积占比无显著变化;珠江三角洲地区冷点区和热点区均发生扩张.2000～2020年三大经济区PM_2.5整体表现为下降趋势,改善程度由高到低依次是：珠江三角洲地区、长江三角洲地区和环渤海地区.2000～2020年三大经济区不同植被覆盖度等级下PM_2.5均表现为下降趋势,三大经济区PM<...     

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.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.