基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014-2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM2.5和PM10浓度数据,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果 表明:...     

葫芦岛市大气颗粒物潜在源区分析

基于后向轨迹模式(HYSPLIT)模拟了葫芦岛市2019—2021年气流的72 h后向轨迹,同时结合同期的逐日PM_2.5浓度数据,采用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)探讨了葫芦岛市PM_2.5不同季节的潜在源区及其对葫芦岛市PM_2.5浓度的贡献。结果表明：冬季,葫芦岛市最主要的潜在源区为乌兰布和沙漠,其次为蒙古国东南部、内蒙古东部、京津冀地区和辽宁省西部城市群;秋季葫芦岛市最主要的潜在源区为辽宁省南部、京津冀地区、山东省北部和河南省北部;春季的相对高值区域零星分布在京津冀地区、山东省和渤海海域等地区,夏季相对高值区域零星分布在京津冀地区和山东省西北部。     

银川地区大气颗粒物输送路径及潜在源区分析

利用Traj Stat软件和全球资料同化系统数据,计算了2014—2016年银川市逐日72 h气流后向轨迹,并采用聚类分析方法,结合银川市同期PM~(10)和PM~(2.5)质量浓度数据,分析了银川年及四季气流轨迹特征及其对银川颗粒物浓度的影响.同时,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨了影响银川颗粒物质量浓度的潜在源区及不同源区对银川颗粒物质量浓度的贡献.结果表明,输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高,达66.7%,且气团移动速度和高度与轨迹距离呈正比;输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%;东南气团占总轨迹数的9%,输送距离和移速介于前两者之间,但输送高度较西北气流和北方气流低.四季各类气流轨迹变化特征与年变化特征基本一致,春、秋、冬三季,中、短距离西北气流占气流轨迹总数的比例最高,夏季东南气流占比最高,且夏季南方气流和北方气流占比较春、秋两季高,冬季未出现南方气流和北方气流,春季和冬季气流轨迹输送距离普遍比夏季和秋季长;春、夏、秋三季,偏南气流的输送高度均最低,四季长距离西北气流的输送高度均最高.年及四季都表现为西北气流轨迹对应的银川PM_(10)和PM_(2.5)平均浓度均较高,是影响银川颗粒物质量浓度的最重要输送路径,其次是东南气流轨迹,北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现,位于新疆、甘肃、蒙古国、内蒙古、青海的西北源区及四川、陕西的东南源区是影响银川PM_(10)和PM_(2.5)浓度的两个主要潜在源区,各季节区域范围有所差异.     

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM₁₀、PM_2.5、PM₁质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_2.5的超标天数为26d,南郊山区无PM_2.5超标,市区PM₁₀的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM₁₀日变化存在3个峰值,PM_2.5、PM₁为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.     

北京地区大气颗粒物输送路径及潜在源分析

利用TrajStat软件和全球资料同化系统数据,计算了2005~2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM_2.5逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM_2.5的主要潜在区域.而不同季节、不同输送路径对北京PM_2.5污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区.     

南京地区细颗粒物污染输送影响及潜在源区

基于南京市空气质量数据和NCEP全球再分析资料,利用后向轨迹模式计算了2019年3月至2020年2月以南京城区为受体点的逐小时气团24 h后向轨迹,并将后向轨迹数据和PM_2.5浓度数据结合,进行轨迹聚类和潜在源区分析.结果表明,研究期间南京市ρ(PM_2.5)平均值为(36±20)μg·m^-3,超过国家二级标准限值的污染天数为17 d,ρ(PM_2.5)的季节变化特征明显：冬季(49μg·m^-3)>春季(42μg·m^-3)>秋季(31μg·m^-3)>夏季(24μg·m^-3),全年PM_2.5浓度和地面气压显著正相关,而跟气温、相对湿度、降水量和风速均为显著负相关关系;春季气团输送路径为7条,其余季节均为6条,其中,春季的西北路和东南偏南路,秋季东南路和冬季西南路是各季主要的污染输送路径,均具有传输距离短,气团移动慢的特点,说明静稳天气下本地累积是PM_2.5出...     

衡阳市冬季PM2.5外来输送特征及潜在源分析

利用HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、衡阳市PM_(2.5)质量浓度数据,分析了衡阳市2015—2017年冬季外来气团后向轨迹分布特征,并运用后向轨迹模式中的聚类分析法、潜在源分析法(PSCF)、浓度权重分析法(CWT),分析了衡阳市冬季PM_(2.5)外来输送通道及潜在源分布情况。结果表明:衡阳市冬季外来气团后向轨迹主要来自偏北方向,移动速度较慢,100 m高度的PM_(2.5)外来输送路径较集中,以近距离输送为主; 500 m高度的输送路径较分散且更长,长距离输送的影响增大。聚类分析显示,来自东北方向的聚类轨迹出现频率最高,该类轨迹移动方向是PM_(2.5)外来输送的主要通道方向。潜在源分析显示,衡阳市冬季PM_(2.5)外来输送以区域输送为主,对浓度影响较大,湘东、湘南、赣西、湘赣交界处、桂东北、豫南地区为PM_(2.5)外来输送的主要潜在源区,湘南、湘东北、赣西地区是高浓度外来输送潜在源区。     

绥化市一次空气污染过程及潜在源区分析

本研究以2019年12月21—25日绥化市一次严重的空气污染事件为研究对象,分析了此次污染概况、气象条件、污染成因以及污染的潜在源区.结果表明：此次污染期间,绥化市以PM_2.5污染为主,污染特征由21日10：00及22日11：00的偏燃煤污染型转变为24日15：00的偏二次颗粒物污染型,最终25日12：00污染特征又转变为偏燃煤型,本次污染主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件主要由于弱风、高湿及低温、较差的扩散条件导致污染物局地积累;48 h后向轨迹模拟表明污染期间绥化市受4类气流输送的影响,主要来源于俄罗斯、内蒙古、吉林等方向,其中超标轨迹占97.4%;WPSCF分析发现潜在源区主要集中在绥化本地中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域;WCWT模拟出的潜在源区域较WPSCF大,模拟发现吉林北部对绥化PM_2.5污染贡献值为60~80 μg·m^-3,黑河东北部的贡献值高达100 μg·m^-3以上,俄罗斯、内蒙古地区对绥化市大气PM_2.5污染水平的影响及贡献较小.     

不同季节肇庆市PM2.5和O3污染特征及潜在源区分析

为定量化评估不同地区对肇庆市污染物输送影响,分析了2014—2018年肇庆市ρ（PM_2.5）和ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h滑动平均值）的变化特征,并基于HYSPLIT模式计算不同季节后向气流轨迹,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对肇庆市外来污染物的输送路径和潜在源区进行分析.结果表明:①2014—2018年肇庆市ρ（PM_2.5）年均下降3.3 μg/m3,2016年开始ρ（PM_2.5）最大值逐年增大.ρ（PM_2.5）日变化呈双峰型,峰值分别出现在上、下班高峰期后.2016年起ρ（O_{3-8 h}）年均增加4.4 μg/m3,成为肇庆市首要空气污染物.ρ（O₃）日变化呈单峰型,于15:00—16:00达到峰值.②PM_2.5和O₃污染分别在冬季和秋季较严重,超标日分别达20.6和15.0 d.ρ（PM_2.5）与风速相关性最高,ρ（O_{3-8 h}）与日照时数和相对湿度相关系数均较高.③春、夏两季影响肇庆市的气流近80%来自南部海面和东北方向,秋、冬两季85%以上气流源自偏东和偏北方向,肇庆市PM_2.5和O₃污染除受本地排放影响外,还有来自珠三角、广东省北部及其东部沿海、江西省等地区的输送贡献.研究表明,肇庆市PM_2.5和O₃污染均较严重,区域联防联控需重点关注广东省中东部城市的外来输送影响.      

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

天津PM10和NO2输送路径及潜在源区研究

利用HYSPLIT模型和全球资料同化系统(GDAS)气象数据,用聚类方法对2012年12月~2013年11月期间抵达天津的逐日72h气流后向轨迹按不同的季节进行归类.并利用相应的PM10和NO2浓度日监测数据,分析了不同季节气流轨迹对天津污染物浓度的影响.运用潜在源贡献(PSCF)因子分析法和浓度权重轨迹(CWT)分析法分别模拟了不同季节PM10和NO2潜在PSCF和CWT.结果表明,不同方向气流轨迹对天津PM10和NO2潜在源区分布的影响存在显著差异.天津PM10和NO2日均浓度最高值对应的气流轨迹均集中在冬、春和秋季等来自内陆的西北气流;夏季影响天津的气流轨迹主要来自西北和东南方向,对天津PM10和NO2的日均浓度贡献较小.天津PM10和NO2的PSCF与CWT分布特征类似,最高值主要集中在天津本地以及邻近的河北省和山东省,是天津这两种污染物主要潜在源区.     

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.     

典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例

为了揭示柳州城区春冬季PM_2.5的来源及其潜在源区分布和贡献,利用2018年24h自动监测数据和气象数据对柳州市大气污染物浓度变化特征进行了分析,并且使用后向轨迹模型(HYSPLIT)对春冬季柳州市PM_2.5逐日72h气流后向轨迹和前向轨迹进行聚类分析,同时结合潜在源贡献因子分析法(WPSCF)和轨迹浓度权重法(WCWT)对其潜在源区和浓度贡献进行了分析.结果显示,(1)在研究期内,不利的主导风向和工业区布局导致研究区PM_2.5在春冬季污染较严重,且工业源和交通源是其主要本地来源;(2)春冬季PM_2.5高值主要来源于西北和东南方向,其中,西北向PM_2.5主要来源于本地排放,且浓度在空间上呈现西高东低的趋势;(3)春季后向轨迹PM_2.5浓度整体大于冬季,春冬季中对柳州市PM_2.5影响最大轨迹均来自东部的短距离输送,而来自西北的气流轨迹输对PM_2.5贡献最低.春冬季柳州市大气PM_2.5通过气流传...     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

2013-2015年上海市霾污染事件潜在源区贡献分析

统计分析2013-2015年上海市每个月不同空气质量等级天数比重,根据HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹模型对3年内的12月份影响上海地区的污染气团进行了综合聚类分析和逐年聚类分析.在综合12次严重霾事件的后向轨迹基础上,结合上海实时公布的PM_2.5小时浓度资料,对潜在源贡献因子PSCF（Potential Source Contribution Function）和浓度权重轨迹CWT（Concentration-weighted Trajectory）进行分析与比较,研究重霾期间影响上海PM_2.5质量浓度的潜在源区及不同源区对PM_2.5质量浓度的贡献差异.结果显示,上海市3年期间12月份霾颗粒物外来源主要输送渠道为西北路径和北方路径,源自于西北方向的气团比重占总气团的50.4%,北方向的气团几乎都经过海洋后进入上海地区.影响上海地区PM_2.5质量浓度的潜在源区主要分布在安徽、江苏和山东地区,此外江西北部、浙江北部、河北南部及山西少部分地区也对重霾事件中的污染物颗粒有一定程度的贡献.     

2017年10月海南省一次臭氧污染特征及输送路径与潜在源区分析

为了探讨2017年10月海南省一次O₃污染过程的气流轨迹、输送路径和潜在源区,采用海南省18个市县的AQI值、6类大气污染物质量浓度资料以及相关气象观测资料,结合HYSPLIT后向轨迹模型进行分析.结果表明:①2017年10月海南省有13个市县首要污染物为O₃的天数比例超过80%,其中9个市县达100%.2017年10月26日澄迈县和儋州市AQI值分别为171和151,均达中度污染等级,7个市县达轻度污染等级.②气象要素与AQI和污染物质量浓度之间均存在较好的相关关系,ρ(O₃)、AQI与相对湿度的相关系数分别为-0.701和-0.685,均通过了99.9%的信度检验.③卫星反演结果表明,此次污染过程与外源输送关系密切.影响气流主要来自内陆地区的长距离气流、中短距离气流和来自东南沿海的中短距离气流,三支气流影响时段对应的海口市AQI值分别为83、69和61,对应的ρ(O₃)分别为和135.0、119.6和102.3 μg/m3.④通过计算PSCF(潜在源贡献因子)和CWT(浓度权重轨迹)发现,广东省为海南省的主要潜在贡献源区,湖南省、江西省、江苏省、浙江省和福建省等地区也有一定的潜在贡献.研究显示,2017年10月海南省出现的O₃污染过程中,污染物来源以外源输送为主.      

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

乌海市臭氧传输特征与潜在源区

乌海是典型的西北工业城市,O3污染问题突出但缺乏研究.本文基于乌海市环境监测数据、气象数据分析了乌海市O3污染特征.结果 表明:乌海市O3日最大8h平均值(MDA8O3)第90位百分数由2015年的131 μg·m-3上升至2018年的162 μg·m-3,超标天数由2015年的8d上升到2018年的44 d,O3超标...     

广东省春季一次区域臭氧污染过程的成因分析

为探究广东省春季环境空气臭氧(O₃)污染成因,选取2022年4月6—10日的一次典型污染过程,结合后向气流轨迹、潜在源贡献因子算法和权重轨迹分析法,较为全面地分析了本次污染过程的特征及传输对O₃的影响.结果表明：本次污染范围涉及全省10个城市,污染前期江门市和中山市O₃小时峰值浓度分别高达264μg·m^-3和272μg·m^-3,后期东莞市每日O₃小时峰值均高于260μg·m^-3.以清远市为代表性城市的分析表明,污染天日最大8 h平均O₃浓度、氮氧化物(NO_x)和挥发性有机物(VOCs)浓度平均值较非污染天分别升高10.8%、44.0%和168.0%.O₃污染天呈高温、低湿的特点,O₃浓度与温度的相关性在污染天显著增强.基于MIR值计算的O₃生成潜势结果表明,与非污染天相比,污染天间、对-二甲苯、乙苯、邻二甲苯和甲苯对O