京津冀及周边地区夏季和初秋气象条件对PM2.5和O3双高影响

为了解2021年京津冀及周边地区夏季和初秋的PM_2.5和O₃的双高特征及气象影响,对京津冀及周边地区PM_2.5和O₃浓度的时空分布特征以及气象条件、副高指数和天气形势进行了分析.结果表明,2021年6 ~ 9月PM_2.5浓度和DPO₃[O₃日最大8 h均值与06：00 O₃浓度的差值]与2020年和2022年同期相比都有所降低,浓度高值主要集中在6月;PM_2.5浓度和DPO₃整体呈现从中部向南北逐渐下降的特征,并具有同步的时空变化特征. PM_2.5浓度小时均值呈双峰分布,在07：00 ~ 10：00和22：00 ~ 24：00达到峰值;O₃浓度小时值呈相反的变化趋势,在14：00 ~ 16：00达到峰值.高PM_2.5浓度和DPO₃时近地面气象要素特征表现为气温在24.0 ~ 28.0℃,相对湿度在58.4% ~ 76.3%,风速在1.5 ~ 3 m·s^-1.副高指数与DPO₃存在滞后相关,当副高离京津冀及周边地区越远且强度越强时,DPO₃越高.研究区域PM_2.5和O₃浓度双高的主要天气形势为近地面低压前部、高压型和锋前型,高空受高压脊控制且副高脊线稳定在21° ~ 28°N.     

西安市2013—2017年大气PM2.5的时空变化特征及影响因素分析

为了解西安市近年大气颗粒物PM_2.5污染现状,为进一步研究、治理和控制区域PM_2.5污染以及空气质量情况预警预测提供可靠的科学依据,并服务于西安市将于2019年举办的第二届“一带一路”国际合作高峰论坛,本文基于西安市13个国控空气质量监测站2013年7月—2017年12月的PM_2.5质量浓度监测数据和同期气象资料,对不同时空尺度下PM_2.5的质量浓度变化特征及影响因素进行了分析。研究结果表明：近几年西安市PM_2.5一级浓度标准日达标率由15.71%逐渐升高到27.25%,但冬季依然存在高污染天气。PM_2.5浓度冬季高、夏季低;具有周末和节假日浓度高于工作日的“周末效应”;日变化呈现上午、凌晨高,下午低的日变化双峰模式。PM_2.5浓度在空间上具有城北高于城南,城区高于城郊区县的特征。人为活动和气象要素都在一定程度上影响区域PM_2.5质量浓度。     

上海周边地区海陆风特征及其对PM2.5和O3浓度的影响研究

海陆风环流对沿海和内陆城市的大气污染物浓度有重要作用,基于风廓线雷达数据、大气PM_2.5和O₃质量浓度数据等分析了上海及周边地区海陆风局地环流的特征及其对区域大气污染物PM_2.5和O₃浓度变化的影响.研究结果表明：该区一年四季均会发生海陆风,海陆风发生的年平均日数为37.8 d.海陆风频率和强度在滨海高于内陆.海风持续时间在滨海大于内陆,而陆风持续时间滨海小于内陆.夏季的海风强度最强,其内陆地区风速和强度均小于沿海地区.海陆风导致该区的PM_2.5浓度降低和沿海地区O₃浓度升高.风向风速对污染物PM_2.5和O₃的影响在滨海地区比内陆地区更加显著.滨海地区的PM_2.5污染主要来自西北方向（WNW、NW 、和NNW）,西北风（NW）和偏南方向的风 （SSW、S、和SSE）会分别导致夏季和春季的O₃浓度增大.随着风速增加,O₃浓度增大,大约当风速在 3~4 m?s^-1 时增加到峰值,然后逐渐减小.海陆风对沿海地区的O₃及其前体物等污染物的循环输送及其引起的湍流混合使得沿海地区的O₃变化变得很复杂.     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

北京市2014~2020年PM2.5和O3时空分布与健康效应评估

细颗粒物（PM_2.5）和臭氧（O₃）是我国的主要大气污染物,严重危害人群健康.北京市自2013年以来大力开展大气污染治理工作,现已取得显著成效.通过分析2014~2020年北京市34个大气环境监测站的PM_2.5和O₃浓度变化特征并评估大气污染防治的健康效应,对推进大气污染防治具有重要意义.结果表明,2014年北京市PM_2.5年均值和4~9月平均O₃日最大小时（O_{3_max}）值分别为92.0 μg·m^-3和81.9 nmol·mol^-1.2014~2020年PM_2.5平均每年降低7.5 μg·m^-3,但是O_{3_max}持续偏高.在季节尺度,冬季的12月和1月PM_2.5浓度最高,夏季的8月浓度最低.相反地,O_{3_max}在每年6月浓度最高.PM_2.5浓度日变化规律为,夜间22：00至次日00：00最高,14：00~16：00最低.而O₃浓度在07：00最低,随后逐步升高并在午后达到最高.在空间分布上,PM_2.5在2014和2019年都呈现南高北低的趋势,O_{3_max}在全市范围内均较高,仅在道路区域偏低.大气污染对人群健康影响的评估结果表明,2014年北京市与PM_2.5相关的心血管和呼吸道疾病超额死亡人数分别为1580人和821人,与O₃相关的呼吸道疾病超额死亡人数为2180人.2019年与PM_2.5相关的超额死亡人数仅为2014年的50%,而与O₃相关的超额死亡人数与2014年持平.北京市细颗粒物治理成效显著,但是O₃污染问题凸显,O₃已经成为危害北京市居民健康的首要大气污染物.未来需要加强PM_2.5和O₃协同治理.     

唐山市PM2.5和O3的演变特征及其对大气复合污染的协同影响

通过采集唐山市2015~2021年7年间大气污染物PM_2.5、 O₃、 SO₂、 NO₂和CO浓度,以及气象要素温度（T）、相对湿度（RH）、风速等相关数据,结合相关性分析和后向轨迹聚类分析技术,分析研究了唐山市近7年间PM_2.5和O₃不同时段的变化特征,及其影响因素,探讨了气团传输对PM_2.5和O₃污染的贡献,揭示了PM_2.5和O₃对大气复合污染的协同影响机制.结果表明,唐山市2015~2021年间PM_2.5浓度呈逐年下降的趋势,而O₃浓度则呈现出单峰态变化趋势,峰值出现在2017年. PM_2.5和O₃浓度均呈现出明显的季节变化,其中PM_2.5表现为冬季最高夏季最低的特征,而O₃则表现为夏季最高而冬季最低的特征.此外,PM_2.5的日变化呈双峰态分布,峰值分别发生在工作日早高峰和晚高峰期间. O₃日变化则呈单峰态分布,峰值出现在下午紫外线照射较强时段. PM_2.5主要受SO₂、 NO₂和CO的正向影响,而O₃则主要受太阳辐射强度和温度的正向影响.在不同污染背景下,PM_2.5和O₃会受到来自不同方向气团传输的影响. PM_2.5和O₃对大气复合污染的协同作用在诸多因素的共同影响下,呈现出冬季明显的负向影响,而春、夏和秋季则明显的正向影响.在不同污染背景下,当PM_2.5浓度超过150 μg·m^-3时,PM_2.5和O₃的协同作用则表现为明显的负向作用.     

天津市夏秋季O3-PM2.5复合污染特征及气象成因分析

天津市PM_2.5-O₃复合污染主要发生在夏秋季,本研究筛选出2017年夏季一次和秋季两次典型PM_2.5-O₃复合污染过程,系统分析污染物变化特征,探究天气形势和主要气象因子的影响.结果表明,3次污染过程PM_2.5与O₃呈现不同程度的正相关性（日均值相关系数达到0.34~0.78）,O₃与PM_2.5中硫酸盐和有机碳日均浓度存在较为一致的变化趋势.与非复合污染日相比,复合污染日无机盐占PM_2.5组分的比重增加,增长率为1.9%~7.3%;而碳组分占比减小.复合污染过程发生时,天津地区处于低压槽前或高压后部,近地面弱的偏南风辐合造成较差的大气扩散条件,导致大气污染物的累积.研究结果发现,夏季和秋季PM_2.5-O₃复合污染过程需要适宜的气象条件,温度阈值分别为25~35℃和20~30℃,相对湿度分别为40%~70%和55%~100%.夏秋季复合污染过程关键无机组分及其形成机制有所差异.夏季,日间O₃等强氧化剂对SO₂的气相氧化过程和夜间高湿条件（大约60%）下液相化学反应可能是主导的化学机制,硫酸盐增长率为8.2%.秋季高湿环境（≥80%）不仅促进SO₂向硫酸盐转化,秋季第一次复合污染过程硫酸盐增长4.7%,也促进夜间N₂O₅水解反应等,秋季第二次复合污染过程硝酸盐增长6.0%,两种机制成为秋季复合日PM_2.5显著增长的关键机制.本研究揭示了驱动天津市PM_2.5-O₃复合污染过程发生的适宜气象条件、PM_2.5关键化学组分及其化学过程,为复合污染的成因及协同控制提供了参考.     

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.     

渭南市区冬春季PM2.5和PM10时间分布特征及与气象因素的关系

为研究渭南市区2014?—?2016年的冬春季雾霾天气的特点,选取覆盖渭南市区的4个监测站点,分析渭南市区PM_(10)和PM_(2.5)污染时间分布特征;同时选取日平均气温、相对湿度、风等气象因素,用线性回归分析法分析各个气象因素同大气中PM_(10)和PM_(2.5)的相互关系。研究发现:三年来冬季PM_(10)和PM_(2.5)的日变化的峰值主要出现在12月—?次年1月;春季PM_(10)和PM_(2.5)的逐日变化的峰值主要出现在3月;日内的周期变化趋势呈多次波动。渭南市区冬春PM_(10)和PM_(2.5)的质量浓度与风速、气温呈负相关,与相对湿度呈正相关,为雾霾的形成创造了条件,在冬季温度较高的情况下以及相对湿度较大的情况下应加强防范。在冬季12月—?次年1月和春季3月应注意雾霾的防范和治理,燃煤企业要安装脱硫脱硝装置,居民日常生活中尽量减少生物燃料的燃烧,同时政府应根据污染物排放量征税,用制度保护环境。     

2015~2019年河南省PM2.5时空特征与驱动因素分析

PM_2.5是雾-霾中的主要成分,河南省已成为PM_2.5污染防治重点地区之一.基于2015～2019年河南省PM_2.5浓度数据,使用空间自相关和空间热点探测方法分析其时空特征,引入地理探测器方法分析气象因素、空气质量因素和社会因素对PM_2.5浓度的解释力度.结果表明,河南省2015～2019年PM_2.5浓度整体呈现降低趋势,高污染天数减少和低污染天数增加,高污染逐步向中污染转化;PM_2.5浓度具备明显的空间聚集特征,全局空间自相关指数先降后升,空间热点集中在豫北地区（安阳市、鹤壁市、新乡市和焦作市）,空间冷点集中在豫西地区（三门峡市、洛阳市和南阳市）;空间重心转移呈现出北上的趋势;单因子探测显示,在9个影响因子中,土地利用类型（解释力度为0.511,下同）、降水量（0.312）和NO₂浓度（0.277）是影响PM_2.5浓度最明显的因子,其余因子影响力排序为PM₁₀浓度（0.255）、温度（0....     

2015～2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析

为了解京津冀及周边地区“2+26”城市PM_2.5和O₃复合污染时空分布特征,利用ArcGIS和SPSS软件对2015～2021年京津冀及周边地区“2+26”城市空气质量数据和气象数据进行关联性分析.结果表明：(1) 2015～2021年PM_2.5污染持续减缓,污染集中在区域中南部;O₃污染呈波动上升趋势,空间分布呈现“西南低,东北高”的格局.季节变化来看,PM_2.5浓度主要为：冬季>春季≈秋季>夏季,O₃-8h浓度为：夏季>春季>秋季>冬季.(2)“2+26”城市PM_2.5超标天数持续下降,O₃超标天数波动上升,复合污染日下降趋势显著;PM_2.5和O₃污染在夏季呈强正相关,相关系数最高达0.52,冬季呈强负相关.(3)对比典型城市臭氧污染时期与复合污染时期气象条件,复合污染发生的温度区间集中在23.7～26.5℃、湿度48%～65%和S～S...     

中国城市PM2.5和PM10时空分布特征和影响因素分析

PM_2.5和PM₁₀浓度超标引发的空气质量问题严重影响公众健康,研究PM_2.5和PM₁₀浓度对制定有效的污染防控和治理措施具有重要意义.运用时空分析法,分析2018年季度PM_2.5和PM₁₀浓度时空分布,并用GWR探究浓度差异的原因.结果表明：(1)PM_2.5和PM₁₀的浓度均呈冬春高、夏秋低的季节性规律;四季污染物浓度在胡焕庸线两侧存在显著差异,该线以东地区高浓度聚集在京津冀地区,该线以西地区高浓度聚集在新疆中南部.(2)PM_2.5和PM₁₀浓度的Moran’s I在四季均为正,且均在冬季增至最大值;PM_2.5和PM₁₀的分布格局基本一致,“高-高”类和“低-低”类集中分布现象明显.(3)各因素对PM_2.5和PM₁₀浓度的影响存在较大空间异质性.温度和坡度对PM_2.5     

2018～2020年北京市大气PM2.5污染特征及改善原因

利用2018～2020年北京市33个环境评价站和5个区域评价站的空气质量数据,以及气象数据和北京市城区PM_2.5组分数据,研究了3年间北京PM_2.5的浓度演变、时空变化和重污染发生情况,并对PM_2.5组分和气象条件变化进行比较分析.结果发现,3年间北京市ρ(PM_2.5)分别为51、42和38μg·m^-3,2020年的PM_2.5相比2017年下降30.9%,但仍超过国际标准8.6%;北京市PM_2.5空间分布依旧维持南高北低的特征,但南北差异逐年减小,区域浓度趋于均一化;1～3月PM_2.5浓度相对较高,8～9月PM_2.5浓度相对较低,采暖季各污染物浓度均显著高于非采暖季,NO_x和CO分别偏高58.4%和52.9%,PM_2.5偏高27.5%;采暖季和非采暖季PM_2.5日变化出现反向特征,采暖季夜间PM_2.5明显...     

苏南农村地区大气PM2.5元素组成特征及其来源分析

为了解苏南农村地区大气细颗粒物的污染水平及其可能的来源,在2002年7月-2003年1月的夏、秋、冬3个季节对雪堰镇和太湖站PM_2.5进行采样和分析,得到了PM_2.5和14种组成元素的质量浓度.研究表明,苏南农村地区PM_2.5的污染水平较高,S,Zn,Pb和As 4种污染元素的质量浓度水平与城市接近;组成元素的季节分布规律存在区域差异,这可能与局地源的贡献,大气细颗粒物中、长距离传输以及复杂的气象条件有关.因子分析结果表明,土壤源、燃煤源、冶金或垃圾焚烧和汽车尾气4类源对PM_2.5有明显贡献,说明人类活动对苏南农村地区PM_2.5具有重要影响.      

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

2013~2021年邢台PM2.5重污染过程输送和增长特性

利用河北邢台2013~2021年的PM_2.5、气象要素和模拟资料,着重针对重度及以上污染过程（SAAP）中PM_2.5增长速率、来源及其与大气环流和风场的关联性进行分析.结果表明,2013~2021年邢台共发生PM_2.5污染过程164次,SAAP 103次.地面环流中倒槽型出现概率较低,但出现污染概率最高（61.1%）,其次为高压控制型;500 hPa为平直西风带控制时重度及以上污染概率最高（20.7%）,槽后型次之（16.1%）.SAAP中PM_2.5小时变化率（ΔPM_2.5）主要在±150 μg ·（m³ ·h）^-1,PM_2.5小时变化率为正（+ΔPM_2.5）贡献约61.7%,其中暴发增长占比约13.9%.北偏东风为与重度及以上污染关联最为紧密的风向.中等风速条件下SAAP中ΔPM_2.5平均值大多低于静小风,但东偏北和南偏西部分风向区间中,中等风速ΔPM_2.5平均值显著高于静小风（与污染传输有关）;较大风速对ΔPM_2.5影响复杂.后向轨迹表明,SAAP中缓慢、快速和暴发增长的后向轨迹可分为北偏西、北偏东和偏南3个主要路径,随增长速度加快,北偏西气团来向占比增大.缓慢增长气团相对湿度（RH）较大（80%以上RH>50%）,快速增长气团RH分布较集中（主要为35%~55%）,暴发增长中的低RH （RH<50%）气团占比明显增加（约63%）.模拟表明SAAP可分为本地累积、北部偏东输送、北部偏西输送、混合输送型和偏南输送这5类,其中混合输送型占比最高,其次为北部偏西输送型.偏南输送、本地累积和北部偏东输送型中出现概率最高的高低空配置均为高空槽后配合地面均压场;北部偏西输送型中地面高压配合高空槽后出现概率最高;混合输送中多种环流配比相对均衡.     

2011~2017年中国PM2.5多尺度时空分异特征分析

PM_2.5时空分异特征认知对大气污染联防联控意义重大,本文从空间多尺度的视角出发,利用空间模式分析方法与地理探测器,对2011~2017年中国大陆地区PM_2.5年均浓度时空分布格局及成因进行探究,从而揭示PM_2.5多尺度时空分异特征.结果表明：①2011~2017年PM_2.5年均浓度相对稳定,无明显趋势,国家与区域尺度PM_2.5变化特征基本一致,呈现"W"型变化,整体上看,污染程度由高到低依次为：中部、东部、西部与东北.②由空间模式分析结果可知,高值聚集区主要位于中国的东部、中部以及新疆的西南地区,低值聚集区则集中在青藏、云贵高原以及大兴安岭地区.③地理探测器分析结果证实：城市化因素中人口密度是国家与区域尺度上PM_2.5时空分异的主导因素,同时,产业、能耗与交通因素对PM_2.5分布格局存在不同程度影响.在区域尺度上,除了人口密度因素之外,工业用电量与公车总量对中部地区PM_2.5年均浓度影响较大,东部地区是工业烟粉尘排放量与道路面积,东北地区则为第二产业产值占比与城市绿地率,社会经济因素对西部地区的PM_2.5年均浓度影响不显著.     

基于小波变换的山西省PM2.5污染特征及影响因素

基于山西省11城市2015～2019年PM_2.5日均浓度、社会影响因素数据和气象数据,利用小波变换确定PM_2.5浓度周期,通过Spearman相关性和小波相干谱分别探究PM_2.5与社会影响因素和气象因素的关联,确定PM_2.5长短周期管控的主要影响因子.结果表明,2015～2017年山西省PM_2.5浓度年均值呈上升趋势,年均上升率为4.3%, 2018～2019年呈下降趋势,年均下降率为4.2%;ρ(PM_2.5)月均值呈“U”型分布,1月最高(95μg·m^-3), 8月最低(34μg·m^-3),冬季均值约为夏季的2倍;临汾等南部城市ρ(PM_2.5)均值为62μg·m^-3,大同等北部城市均值为45μg·m^-3,空间上呈南高北低.11城市PM_2.5浓度存在显著周期性变化,主要周期包括293 d左右的长周期和27 d左右的短周期.其中...     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.