An integrated model of regional and local residential sorting with application to air quality

We examine the interconnectedness of demand for regionally and locally varying public goods using a residential sorting model. We propose a version of the model that describes household choices at the city (MSA) level and, conditional on city, the neighborhood (census tract) level. We use a two-stage budgeting argument to develop an empirically feasible sorting model that allows us to estimate preferences for regionally varying air quality while accounting for sorting at the local level. Our conceptual and empirical approach nests previous sorting models as special cases, allowing us to assess the importance of accounting for multiple spatial scales in our predictions for the cost of air pollution. Furthermore our preferred specification connects the city and neighborhood sorting margins to the upper and lower elements of a nested logit model, thereby establishing a useful correspondence between two stage budgeting and nested logit estimation. Empirically we find that estimates from a conventional model of sorting across MSAs imply a smaller marginal willingness to pay for air quality than estimates from our proposed model. We discuss how the difference is attributable in part to the omitted variable problems arising when tract level sorting is ignored.     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

武汉市城区大气PM2．5的碳组分与源解析

大气细颗粒物（PM2．5）和碳组分（OC,EC）是影响大气能见度、气候变化以及人体健康的重要污染物,研究大气颗粒物及其中碳组分的污染特征及各类典型污染源对大气细颗粒物及碳组分的贡献,对于认识区域和城市大气污染状况,控制细颗粒物的污染,具有重要意义。2011年7月至2012年2月,利用大流量PM2．5采样器采集武汉市大气细颗粒物样品并对其碳组分进行测定。武汉市城区大气中PM215、OC和EC的质量浓度平均值分别为（127±48．7）、（19．4±10．5）和（2．9±1．48）μg·m-3。其PM2．5的浓度处于我国主要城市的中等偏高水平,而OC、EC的浓度则属中等偏下水平,但均高于国外城市。武汉市大气PM2,质量浓度的季节性变化呈现出秋季〉冬季〉夏季的趋势,是气象因素和污染源排放综合影响的结果。OC浓度和EC浓度具有较好的相关性（r2=0．69）,表明二者存在来源联系。OC／EC的比值为6．7,指示武汉市大气中OC和EC的来源受汽车尾气排放和生物质燃烧的共同影响。SOA的平均质量浓度值为12．5μg·m-3约占PM2．5平均质量浓度的9．8％,表明SOA对武汉市城区大气PM2．5具有重要贡献。结合PM2．5所含的水溶性离子、微量元素组成,利用正矩阵因子分析（PMF）模型对武汉市城区大气PM2．5来源进行解析,结果表明,其主要来源及贡献率分别为机动车源（27．1％）、二次硫酸盐和硝酸盐（26．8％）、工厂排放（26．4％）和生物质燃烧（19．6％）。     

Evidence for regional heterogeneous atmospheric particulate matter distribution in China: implications for air pollution control

Environmental Chemistry Letters - China has suffered from severe nationwide air quality degradation for decades. PM2.5, the atmospheric particulate matter with an aerodynamic equivalent diameter of...     

广州夏季办公室内细颗粒中多环芳烃污染特征研究

大部分的都市办公人群每天在办公室至少度过8 h。而室外环境的渗透、办公室内吸烟、办公设备使用和中央通风系统均可能导致细颗粒物及多环芳烃(PAHs)在室内积聚而造成微环境污染。2015年5—6月,在广州市3种不同功能区(商住区、高新产业区、工业区)共选取了14间不同类型的办公室,对其室内外PM_(2.5)和多环芳烃进行同步监测。结果表明,(1)14间中有12间办公室内的PM_(2.5)浓度水平高于世界卫生组织(WHO)的推荐值25μg·m-3;(2)与国内外类似研究相比,办公室内外∑16PAHs及Ba P-eq的监测浓度水平均较低,并呈现一致规律:文印>室外>吸烟>多人>单人>无窗(无人),其中Ba P-eq低于欧盟规定的安全限值1 ng·m-3;(3)文印工作和吸烟行为与室内PM_(2.5)和PAHs浓度升高有密切关系,分别对5环和4环PAHs贡献明显;(4)其他无明显内源的办公室的细颗粒中PAHs污染在监测期间主要来源于室外贡献。     

大气颗粒物暴露与健康效应研究进展

大气颗粒物一直是影响我国大多数城市空气质量的首要污染物,且呈现出与欧美不同的煤烟、机动车尾气以及开放源复合型污染并存的高浓度污染态势,已有研究发现颗粒物的短期或长期暴露均会对人体产生不良的健康效应。本文从环境科学、暴露科学、环境流行病学和环境毒理学研究等方面系统综述了大气颗粒物健康效应研究的方法和进展,可为我国的大气颗粒物健康效应研究与大气颗粒物环境质量标准的修订提供方法学参考和经验借鉴。目前我国PM10污染尚未得到有效控制,细颗粒物(PM2.5)的污染也已引起关注,建议在不同区域开展空气污染健康效应的系统研究。     

天津市PM_（2.5）排放源构成分析及防治措施评估

以天津市2010年污染源普查为主要数据源建立天津市大气污染源排放清单,采用MM5/CMAQ模式,以1、4、7、10为各季节代表性月份,模拟研究天津市各季节PM2.5来源构成变化以及＂十二五＂期间天津市大气污染治理重点工程实施对天津市PM2.5空气质量改善的贡献。结果显示,热力供应、工业燃煤及居民生活源是天津市PM2.5污染主要贡献来源。重点工程全部实施完成后,天津市PM2.5空气质量浓度值与2010年相比约有11.5%的下降,对改善天津市空气质量效果显著。     

北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。     

滨海城市不同粒径大气颗粒物中水溶性离子的分布特征

选取东南滨海城市厦门的城区（厦门大学,仙岳小区）、郊区（集美大学城）、工业区（鹭联宾馆）和背景区（汀溪水库）5个站点为研究对象,于2008年10月至2009年9月对厦门市大气PM2.5、PM2.5-10和PM10-100分4个季节进行了采集工作,用离子色谱对其中的水溶性离子进行测定。研究结果表明,厦门市不同粒径颗粒物中水溶性离子具有明显的时空分布特征,且主要以富集在细颗粒物（PM2.5）上为主。SO42-、NO3-和NH4＋是PM2.5中主要的水溶性离子,占PM2.5中水溶性离子总质量浓度的64.59%～93.17%。PM2.5-10和PM10-100的水溶性离子则以Na＋、C1-和Ca2＋这些粒径较大的颗粒为主。滨海城市厦门PM2.5、PM10和TSP的SO2转化率（SOR）和NO2的转化率（NOR）年平均值分别为：0.35、0.39、0.41和0.04、0.08、0.09,较高的SOR和相对较低的NOR比值均说明厦门存在来自于SO2和NO2转化的二次污染物SO42-和NO3-。     

降雨过程后北京城区PM2.5日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据（温度、相对湿度）和交通数据（车辆量、车速）最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

北京市不同主干道绿地群落对大气PM2.5浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明：（1）PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8：00-10：00的交通早高峰期间增加,而后开始下降,到12：00-14：00左右达到最低值,之后呈持续上升状态,直至晚高峰19：00浓度达一天中的最大值。（2）不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;（3）分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染（PM2.5〈100μg·m-3）环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染（101μg·m-3201μg·m-3）天气条件下3种绿地对PM2.5的消减作用均不明显。     

The effect of pollution on crime: Evidence from data on particulate matter and ozone

We estimate the effect of short-term air pollution exposure (PM_2.5 and ozone) on several categories of crime, with a particular emphasis on aggressive behavior. To identify this relationship, we combine detailed daily data on crime, air pollution, and weather for an eight-year period across the United States. Our primary identification strategy employs extremely high dimensional fixed effects and we perform a series of robustness checks to address confounding variation between temperature and air pollution. We find a robust positive effect of increased air pollution on violent crimes, and specifically assaults, but no relationship between increases in air pollution and property crimes. The effects are present in and out of the home, at levels well below Ambient Air Pollution Standards, and PM_2.5 effects are strongest at lower temperatures. The results suggest that a 10% reduction in daily PM_2.5 and ozone could save $1.4 billion in crime costs per year, a previously overlooked cost associated with pollution.     

厦门冬季PM_（2.5）颗粒物中细菌和真核微型生物群落组成及其来源分析

近年来由于雾霾事件频发,有关细颗粒物PM2.5的来源、组成及迁移转化规律已经引起了人们的广泛关注,然而对于PM2.5颗粒物中微生物的组成和来源还知之甚少。本文应用T–RFLP、克隆文库和测序方法研究厦门2012年冬季PM2.5颗粒物中细菌和真核微型生物的群落组成,并分析其潜在的来源环境。研究结果表明：与克隆文库方法相比,T–RFLP分析所得的物种数量（TRF峰）相对较多,说明T–RFLP是快速、灵敏分析空气微生物群落特征的高效手段之一。T–RFLP和克隆文库结果表明,PM2.5颗粒物中细菌和真核微型生物群落多样性较高,其中2%的细菌16S rRNA基因和42%的真核微型生物18S rRNA基因序列与已知序列的相似度低于97%。分类分析表明,Bacteroidetes、Actinobacteria、Firmicutes和Proteobacteria是PM2.5颗粒物细菌的主要类群,其相对丰度分别为2.91%、10.68%、41.75%和44.66%;Stramenopiles、Alveolata、Metazoa、Fungi和Viridiplantae是PM2.5颗粒物真核微型生物的主要类群,其相对丰度分别为5%、7%、15%、20%和39%。然而,尚有14%的真核微型生物18S rRNA基因序列未能分类到已知门类,说明气溶胶真核微型生物方面的研究尚存在较大空白。与文献对比分析表明,厦门城区空气微生物的动态性较强,环境来源多变。环境来源分析表明,厦门虽然属于典型海滨城市,但其空气微生物的重要环境源可能为淡水,其次是土壤、水体沉积物、污水系统和动物粪便等。而季节性气团输送可能是厦门冬季气溶胶微生物多来源于淡水的原因之一。     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

Investigating the link between $$\hbox {PM}_{2.5}$$ and atmospheric profile variables via penalized functional quantile regression

Fine particulate matter (\(\hbox {PM}_{2.5}\)) events negatively affect the health of numerous persons globally each year. Previous works have described the association between air pollution and surface-level meteorological conditions; however, there has been less focus on the task of linking air pollution events with meteorological conditions at higher levels of the atmosphere. Working within the functional data framework, we develop a penalized functional quantile regression (PFQR) procedure to model conditional quantiles of a continuous response based on a functional covariate, with the ability to penalize selected derivatives of the estimated coefficient function. Our aim is to investigate the relationship between atmospheric profile variables (APVs), assumed to be functional, and key quantiles of the conditional distribution of surface-level \(\hbox {PM}_{2.5}\). Via a simulation study, we find that the performance of our PFQR procedure compares favorably to other related approaches. We conclude with an analysis of \(\hbox {PM}_{2.5}\) data at two Southeastern US locations, Columbia, SC and Tampa, FL, where we estimate the coefficient functions for the APVs corresponding to both ‘typical’ and ‘high’ \(\hbox {PM}_{2.5}\) events. As we believe that the true coefficient functions are smooth and may be exactly zero over subsets of their domains, we impose penalties on the 0th and 2nd derivatives. Our analysis indicates that the corresponding atmospheric conditions differ between the two locations, and that the conditions differ seasonally within location.     

北京市区域城市化程度与颗粒物污染的相关性分析

城市化程度的提升带来严重的资源环境问题,尤其是空气污染问题,严重影响了人类的健康。大气中的PM2.5等颗粒物已经成为影响我国城市空气质量的主要污染物。现有研究多数是对于多年来多地区的宏观研究,缺乏对于典型地区的具体数据报道。通过分析北京市PM2.5和PM10的质量浓度与不同城市化程度地区的相关关系,探索城市化程度对PM2.5等颗粒物浓度的影响。选取北京市7处具有代表性空气质量监测点,于2013年7月至10月对PM2.5和PM10的质量浓度进行连续4个月的实时监测,结合《北京市区域统计年鉴》中的城市化指标数据,包括常住人口密度、地区生产总值和林木覆盖率,对数据进行变化趋势分析、Pearson相关分析和回归分析。研究结论表明：由于北京市不同区域城市化程度不同导致颗粒物污染状况不同,每个区域的PM2.5与PM10的质量浓度虽有差异但均显著相关,PM2.5的质量浓度约占PM10的质量浓度的60%,PM2.5是PM10的主要组成成分。城市化程度与PM2.5等颗粒物浓度有明显的关系,PM2.5等颗粒物浓度与地区生产总值和林木覆盖率显著相关,与地区生产总值呈正相关,与林木覆盖率呈负相关;与常住人口密度呈正相关趋势但并不显著相关。其中,PM2.5的质量浓度与地区生产总值的相关系数为0.875,与林木覆盖率的相关系数为-0.838;PM10的质量浓度与地区生产总值相关系数为0.947,与林木覆盖率相关系数为-0.775。总体来看,PM2.5等颗粒物浓度随城市化程度的提高而增加,北京市区域城市化程度与颗粒物污染情况关系明显。我国在快速发展城市化的同时,应关注环境与经济相协调。调整产业结构,增加植被绿化,控制污染源将有助于减少北京市大气中颗粒物的污染程度,为我国的城市化进程提供相应的支持和保障。     

Air pollution as a cause of sleeplessness: Social media evidence from a panel of Chinese cities

We provide first evidence of a link from daily air pollution exposure to sleep loss in a panel of Chinese cities. We develop a social media-based, city-level metric for sleeplessness, and bolster causal claims by instrumenting for pollution with plausibly exogenous variations in wind patterns. Estimates of effect sizes are substantial and robust. In our preferred specification a one standard deviation increase in AQI causes an 11.6% increase in sleeplessness, and for PM_2.5 is 12.8%. The results sustain qualitatively under OLS estimation but are attenuated. The analysis provides a previously unaccounted for benefit of more stringent air quality regulation. It also offers a candidate mechanism in support of recent research that links daily air quality to diminished workplace productivity, cognitive performance, school absence, traffic accidents, and other detrimental outcomes.     

Does subway expansion improve air quality?

Major cities in China and many other fast-growing economies are expanding their subway systems in order to address worsening air pollution and traffic congestion. This paper quantifies the impact of subway expansion on air quality by leveraging fine-scale air quality data and the rapid build-out of 14 new subway lines and 252 stations in Beijing from 2008 to 2016. Our main empirical framework examines how the density of the subway network affects air quality across different locations in the city during this period. To address the potential endogenous location of subway stations, we construct an instrument based on historical subway planning, long before air pollution and traffic congestion were of concern. Our analysis shows that an increase in subway density by one standard deviation improves air quality by two percent and the result is robust to a variety of alternative specifications including the distance-based difference-in-differences method. The total discounted health benefit during a 20-year period from reduced mortality and morbidity as a result of 14 new subway lines amounts to $1.0–3.1 billion, or only 1.4–4.4 percent of the total construction and operating cost.     

农村室内薪柴燃烧的颗粒物和炭黑排放因子

室内薪柴燃烧是大气污染的重要来源,其排放的污染物对气候变化和人体健康都有很大影响。对该来源排放量的可靠估算是进行排放效应分析和合理控制的重要前提,而估算的可靠性主要取决于燃料消耗量和排放因子的准确性。目前,我国针对农村柴灶薪柴燃烧颗粒物排放因子的测定数据很少,变异很大,不足以支持可靠的排放清单估算。测定了9种薪柴(枫桦、兰考泡桐、黑杨、大叶风杨、楝树、枣树、柿树、桑树和桃树)在中国北方典型农村炉灶中燃烧产生的颗粒物(PM)、有机碳(OC)和元素碳(EC)的排放因子。受燃料种类、性质和燃烧条件的影响,测得的排放因子差别较大。9种薪柴各自的PM、EC和OC的排放因子变化范围分别为(0.74±0.13)～(6.23±1.47)g.kg-1,(0.10±0.06)～(0.97±0.28)g.kg-1和(0.14±0.03)～(3.81±0.92)g.kg-1(以干质量计)。全部薪柴的PM、EC和OC的排放因子均值和标准差分别为(2.58±2.15)、(0.29±0.31)和(0.98±1.24)g.kg-1。室内薪柴燃烧PM、EC和OC排放因子之间呈显著的相关性关系。各种薪柴燃烧排放的颗粒物粒径分布相似,均以细颗粒物为主,PM2.1占PM10总质量的90%以上。此外,除EC排放因子外,薪柴燃烧的PM和OC排放因子与校正燃烧效率显著负相关(P<0.05)。细颗粒物组分PM2.1与校正燃烧效率显著负相关(P<0.05),与燃料含水量显著正相关(P<0.05)。     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。