攀枝花市大气污染物特征及气象因子关系分析

文章系统分析攀枝花市大气污染物时间、空间、季节变化趋势,揭示大气污染物特征及气象因子关系。基于2014-2020年攀枝花市环境空气质量监测数据,采用统计学的方法分析了2014-2020年攀枝花市6种污染物(PM_2.5、PM₁₀、NO₂、CO、SO₂、O_{3-8 h})的时空变化特征;通过典型相关分析方法,研究了气象因子(气温、湿度、风速、降雨量、气压)对大气污染物浓度的影响。结果表明：从时间来看,攀枝花市PM_2.5、PM₁₀、CO、SO₂近年来呈下降趋势,NO₂浓度呈上升趋势,但均不显著;O_{3-8 h}浓度呈显著上升趋势。从季节来看,PM_2.5和PM₁₀浓度表现为冬季>春季>秋季>夏季,SO₂浓度四季变化不显著,NO₂浓度和CO浓度大小变化顺序为冬季>秋季>春...     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

毕节市中心城区大气污染物时空分布特征分析

为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明：(1) 2019—2021年毕节市中心城区PM_2.5、PM₁₀、SO₂、CO、NO₂年平均浓度整体呈下降趋势,O₃年平均浓度呈上升趋势。(2) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度月变化大致呈“U”型分布,O₃浓度月变化呈倒“U”型。(3) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O₃浓度季节变化特征为春>夏>秋>冬。(4) PM_2.5、PM_10<...     

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.     

中国31个主要城市热岛与大气污染间关系研究

在快速城镇化进程下城市热岛效应与大气污染问题尤为突出,两者间相互作用。该研究利用MODIS地表温度数据,地面空气质量观测以及社会经济统计数据等,调查了中国2018年31个主要城市的地表城市热岛强度与大气污染物浓度的时空分布特征、相关关系及其与城市化指标之间的关系。研究结果表明：(1)空间上白天城市热岛强度东南地区高,夜间北部高。CO、PM和SO₂北高南低,O₃、NO₂浓度中、东部高于西、南部,时间变化趋势O₃浓度与温度最相似。(2)白天城市热岛与大气污染物(除O₃外)多呈负相关关系,而夜间相关性较低。(3)城市面积、人口、人均GDP、机动车辆与NO₂和O₃浓度之间呈正相关关系,植被覆盖与白天城市热岛强度呈正相关关系,夜间相反,与大气污染物呈负相关关系。     

云南边境五城市空气污染物分布特征

利用2015~2021年云南省5个边境城市6种常规大气污染物的质量浓度数据,探究其污染特征、时空变化及空间异质性。结果表明,研究区域污染物年际浓度变化起伏较大,PM₁₀、PM_2.5年均浓度分别为(42.6±8.2),(25.4±4.2)µg/m³,均低于中国《环境空气质量标准》(GB 3095-2012)二级浓度限值。PM、NO₂和O_3-8h月均浓度呈U型变化趋势,其中3月份浓度最高。5个城市PM和NO₂浓度季节变化均表现为:春季>冬季>秋季>夏季,O_3-8h表现为:春季>夏季>秋季>冬季,而CO冬季污染程度最小,SO₂无明显的季节变化规律。根据Sen-MK的逐日浓度趋势分析,污染物总体呈现下降趋势,其中PM₁₀下降速率最高达11×10^-3µg/(m³×d),而O_3-8h呈现上升趋势。变异系数(COD)表明,污染物的空间分布极不均匀,特别是SO₂的COD均大于0.2,春季O_3-8h空间分布更加均匀。Person相关分析表明,PM与NO₂、CO、O_3-8h表现出较强的相关性,且西双版纳(BN)PM与其他大气污染物相关性较其他城市强。     

福州2017—2021年环境空气质量变化特征及新冠疫情对其变化的影响

基于福州市2017—2021年大气常规污染物(PM₁₀、PM_2.5、SO₂、NO₂、CO和O₃)小时观测数据，探讨了不同时间尺度(年度、季度、新冠疫情前后)福州主要污染物变化特征.结果表明：2017—2021年福州市6种大气常规污染物年均浓度整体上均呈下降趋势，年均下降率最大的是NO₂(10.3%)，其次是SO₂(8.3%).由于复杂的生成机制及较高的温度和较强的太阳辐射，福州春季、夏季和秋季O₃浓度较高且差异不大.除O₃外，其他污染物具有显著季节变化特征(春季>冬季>秋季>夏季).5年间福州空气污染物日均浓度变化幅度趋于平稳，全年大气环境状况愈加优良.新冠疫情发生期间(2020—2021)福州空气质量指数(AQI)年均下降率是疫情前(2017—2019)的2.2倍，疫情管控期间相较管控前PM₁₀、PM_2.5、NO₂     

长沙市大气污染特征的气象条件分析

本文利用长沙市2015—2019年长沙市空气质量数据,分析长沙市大气污染的时空分布特征。结果表明：(1)2015—2019年,长沙市大气首要污染物为PM_2.5、O₃、PM₁₀、NO₂四种,其中PM_2.5和O₃两者占比超过85%,4月和10月首要污染物的占比发生转折;O₃浓度逐年上升,其他污染物浓度不同程度下降。(2)PM_2.5、PM₁₀、NO₂浓度的季(月)变化相似,由高到低为：冬季、秋季、春季、夏季,冬季显著高于其他季节;1—7月下降,8月上升,9月下降,10—12月上升;PM_2.5、PM₁₀浓度1月最大,NO₂浓度12月最大。O₃浓度由高到低为：夏季、春季、秋季、冬季,9月浓度最高。各污染物浓度日变化特征明显。(3)空间分布上,PM_2.5、PM_10...     

成都市降水对大气污染物的清除效果分析

成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日-2017年12月31日成都市逐小时ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）、ρ（SO₂）监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM_2.5、PM₁₀、NO₂、CO和SO₂的清除率随降水量的增加而逐渐增大,对O₃的清除效果相差不大且清除率均较大;小时最大降水量对PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO₂、PM_2.5和PM₁₀的清除效果较好,而对CO的清除效果较差.      

广州市大气污染物对新冠疫情管控的响应

为评估极端污染减排情境下广州市大气污染物的响应特征,结合气象要素和出行指数,分析了2020年新冠疫情停工前后大气污染物时空变化特征。2020年疫情停工期(1月24日—2月9日)气象条件与2017—2019年同期相比,大气水平扩散条件未见显著性差异,湿清除条件较好,生成O₃的光化学反应条件较差,NO₂、PM₁₀、PM_2.5、SO₂和CO浓度达2017年以来同期最低值,O₃浓度则处于2017年以来的次低值。相似气象条件下,全市6项大气污染物在停工期的浓度均比停工前和复工期低。其中,NO₂、PM₁₀和PM_2.5对疫情管控的响应较灵敏,SO₂和CO的响应较弱;由于受气象条件和气态前体物的共同作用,O₃浓度在停工前后的变化显得较为复杂,变化幅度较小。城区大气污染物对管控的响应比郊区大,而在大气污染排放较为集中的工业园区,响应比城郊区更加灵敏。对严控措施响应较...     

安徽省大气污染物时空分布特征及演化规律

在区域复合型大气污染逐渐常态化之下,联防联控治理的新模式已成为解决区域性大气污染的根本途径和有效措施.利用2015年冬季（2015年11月8日—2016年1月20日）、2016年冬季（2016年11月8日—2017年1月20日）安徽省16个城市大气污染物（NO₂、SO₂、CO、O₃、PM₁₀、PM_2.5）浓度数据,结合耦合协调度模型、探索性空间数据分析和障碍度模型,分析大气污染物的时空格局特征,描述其演变规律和总体走向,诊断区域大气污染物中的首要障碍因子.结果表明:①安徽省大气污染物浓度水平具有时间波动性和空间非均衡性,NO₂、O₃、PM₁₀和PM_2.5指数水平表现为递增态势,整体呈现“两高一低”,即皖北高（0.050 3）、中部地区高（0.050 1）和皖南低（0.040 5）的态势,年际变化呈增长趋势,空间分异度变化较大;②安徽省大气污染物耦合度较高,基本维持在拮抗阶段（2015年冬季和2016年冬季耦合度年均值分别为0.480、0.479）,皖北呈增加态势,而中、南部城市主要呈略微降低趋势;包括极度失调和严重失调两种类型（2015年冬季和2016年冬季协调度平均值分别为0.114、0.123）;③安徽省内各城市大气污染物在全省范围内热、冷点分布迥异,2015年冬季和2016年冬季主要经历了聚拢（NO₂、O₃向中部城市聚拢）和北迁（PM₁₀、PM_2.5往北迁）两个过程.研究显示,结合安徽省大气污染物障碍度测量分析,优化和量化区域大气污染物中的首要障碍因子,可为有效开展地区大气污染的防控治理及区域联动提供有利保障.      

辽宁辽中县城郊地区大气污染物时空变化及来源特征

以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM_2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O₃),φ(CO),φ(SO₂),φ(NO),φ(NO₂),φ(NO_x*),φ(NH₃)和ρ(PM_2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6 μg/m3. 除SO₂外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O₃)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O₃)在夏季最高,春季最低.一次污染物如CO,SO₂,NO以及PM_2.5的浓度均在冬季达到最大值.地面监测的φ(O₃)和OMI卫星反演的NO₂ 柱浓度的变换趋势相同,但地面观测的φ(O₃)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O₃)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.      

生态功能区与毗邻区城市空气污染物异质性：以东北三省为例

评估国家重点生态功能区及毗邻区空气质量时空异质性,对差异性开展空气污染防治具有重要意义。该研究基于2015-2019年东北地区13个生态功能区城市和23个毗邻非生态功能区城市的AQI及6种空气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度数据,采用空间自相关、随机森林模型等方法分析空气污染物时空差异及其驱动因素。结果表明：(1)从时间尺度来看,与2015年相比,2019年除O₃在5年中波动上升且年均浓度值相对较高外,其他的污染物浓度值均呈下降趋势,生态功能区空气质量整体优于非生态功能区。其中SO₂浓度下降幅度(50%)大于NO₂和CO(20%),PM_2.5大于PM₁₀。PM_2.5、PM₁₀、NO₂、SO₂、CO季节变化特征最高值均出现在冬季,O₃...     

典型城市道路交通加密监测点大气污染特征及影响因素

基于“十四五”生态环境监测要求,针对目前国内城市道路交通加密监测点大气污染特征及影响因素相对缺乏这一问题,以移动源为主要大气污染来源的甘肃省兰州市为例,在典型道路两侧不同点位、不同高度监测6种常规大气污染物浓度及气象参数,同时获取道路车流量和车型信息,探究其大气污染特征及影响因素。结果表明：道路两侧及道路同侧不同高度处大气污染物监测浓度均存在差异。PM_2.5、PM₁₀浓度随高度升高而逐渐降低,在2 m高度处最高,SO₂、NO₂、CO、O₃浓度均呈现随高度先升高再降低的趋势,在4 m高度处最高。SO₂、NO₂、PM_2.5、PM₁₀、CO小时浓度在05:00—09:00达到峰值,在15:00—17:00达到谷值;而O₃小时浓度峰谷值的时间恰好相反。NO₂、CO浓度受车流量影响较大,代表时段NO₂浓度与重型货车流量表现出极强的相关性...     

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO₂(15.8%),其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...     

兰州市空气污染对儿童呼吸疾病的影响

探讨兰州市空气污染对不同性别和年龄的儿童呼吸疾病就诊人数的影响以及季节性变化.通过收集2013~2017年兰州市空气污染物PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃8h浓度数据、气象数据及3家三甲医院儿童呼吸疾病门诊资料,采用广义相加模型（GAM）控制星期几效应、气象因素、假期效应等混杂因素,分析空气污染物浓度与儿童呼吸系统疾病日门诊量的关系及滞后效应.研究期间,兰州市3家三甲医院儿童呼吸系统疾病日门诊量平均为387人次,范围1~1413人次.单污染物模型结果显示,PM_2.5、NO₂、SO₂、CO均在累积滞后一天（lag01）时效应量达到最大值,其浓度每增加10μg/m³（CO单位为1mg/m³）,儿童呼吸系统疾病就诊人次的超额危险度（ER）及95%可信区间（95% CI）分别为0.245%（95% CI：0.127%~0.363%）,0.568%（95% CI：0.327%~0.808%）,1.661%（95% CI：1.022%~2.302%）,2.245%（95% CI：1.610%~2.883%）;PM₁₀和O₃8h在各滞后天数均无统计学意义.对不同性别、年龄、季节分析发现,性别分层中PM_2.5对女童的影响略高于男童,NO₂、SO₂和CO的影响男童略高于女童;年龄分层发现PM_2.5、NO₂和CO的影响6~14岁组大于0~5岁组,SO₂的影响0~5岁组大于6~14岁组;季节分层中PM_2.5、NO₂、SO₂和CO对门诊量的影响只在冬季有意义,PM₁₀和O₃8h在各个季节均无意义.双污染物模型结果显示,分别调整其他5种污染物后,PM₁₀和O₃8h对儿童呼吸系统疾病门诊量的增加均无统计学意义;调整PM₁₀和O₃8h后,其他污染物呼吸系统疾病门诊量的增加均有统计学意义.兰州空气污染物（PM_2.5、NO₂、SO₂、CO）与呼吸系统疾病门诊量密切相关,并且SO₂和CO浓度增加更易增加儿童呼吸系统疾病的发病风险.性别、年龄和季节对空气污染物和呼吸系统疾病门诊就诊人次的关系有影响.     

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.      

郑州市降水对大气污染物浓度的影响分析

基于2017—2020年郑州市空气质量监测数据和同期地面气象观测资料，采用数理统计方法，分析了郑州市降水对空气质量和大气污染物浓度的影响。结果表明，有降水时的空气质量等级为优和良的频率比无降水时的频率高，且降水量级越大空气质量越好。除SO₂外，郑州市其他大气污染物PM_2.5、PM₁₀、NO₂、O₃和CO在降水天气后浓度降低时次占比为42.97%～56.12%，其中PM₁₀浓度降低最明显，CO最不明显。小时降水量越大，污染物浓度降低值越小，PM_2.5和PM₁₀在降雨天气后浓度降低时次占比越大，当小时降水量(R)>1 mm时，浓度降低时次占比显著高于升高时次占比，且粒径越大效果越好；SO₂没有明显变化规律；NO₂和CO变化不大。降水天气前大气污染物浓度越高，降水天气后浓度降低值的范围越大；同时浓度降低时次占比也越大(NO₂除外)。在小时降水量较大...