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.     

邯郸市PM2.5-O3复合污染特征及相互影响研究

本研究在河北工程大学监测站点开展了大气中56种VOCs、NO_x以及气象参数的长期在线监测,结合2013—2019年国控站的在线监测数据,对邯郸市PM_2.5-O₃复合污染特征进行分析.结果表明,邯郸市2013—2019年复合污染天数波动较大,近几年呈现增加趋势,且集中在每年的春夏季.2013—2017年复合污染天数峰值均出现在6月,2018年和2019年出现在3月和4月.气象因素分析结果表明,温度、湿度和气压对邯郸市复合污染影响较明显,当温度为21.0~29.0℃、湿度较高、气压偏低的条件下,更容易发生复合污染,而风速对邯郸市复合污染影响较小.对PM_2.5与O₃相互作用分析发现,冬季高浓度PM_2.5对O₃有抑制作用,夏季PM_2.5浓度不超标时,O₃浓度随其升高而上升,PM_2.5浓度超标后变化趋势相反,当PM_2.5浓度大于125 μg·m^-3时不再出现PM_2.5-O₃复合污染.虽然近年来PM_2.5、SO₂和NO₂浓度下降,但二次转化率依然较高甚至有加强趋势.利用VOCs/NO_x值分析邯郸市O₃生成敏感性,结果显示邯郸市春冬季属于VOCs控制到NO_x控制的过渡区,夏秋季属于NO_x控制区,且复合污染日VOCs/NO_x值（6.3）最小,清洁日（9.3）最大.复合污染时NO₃^-和OC浓度较高,OC/EC值与其他污染日相比最大,说明复合污染时二次污染严重,有效治理PM_2.5-O₃复合污染必须减排能同时形成O₃和二次有机气溶胶的高活性有机物.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

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.     

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.     

关中盆地NO2和SO2对颗粒物污染的协同效应

基于WRF-Chem模式模拟了关中盆地2019年1月2—14日一次颗粒物污染事件,评估了NO_x和SO₂减排及其在颗粒物污染中的协同作用对PM_2.5污染的影响。敏感性实验结果表明：NO_x减排可使PM_2.5中硝酸盐含量下降,但大气中O₃浓度上升,大气氧化能力增强,其他二次组分上升,导致PM_2.5下降不明显;SO₂人为源减排可使硫酸盐质量浓度下降,但由于硫酸盐在PM_2.5中占比较低,当SO₂减排75%时,PM_2.5仅下降1.74%;当减排比例较高时,NO_x和SO₂同时减排更有利于颗粒物污染防治。PM_2.5质量浓度在NO_x和SO₂同时减排75%时比分开减排75%时多下降0.75%,主要是硫酸盐下降所致;对气溶胶含水量进行分析,发现NO_x对气溶胶含水量影响较大,当NO_x减排75%时,气溶胶含水量可下降15.51%;此外,NO_x和SO₂同时减排比分开减排时气溶胶含水量更低,更不利于二次颗粒物生成。     

中国三大城市群PM2.5浓度非线性变化分析

以三大城市群为研究区,基于PM_2.5浓度数据,利用ITA和Beast方法定量分析PM_2.5时间序列的非线性变化过程.结果表明：①三大城市群PM_2.5污染程度下降明显,高浓度区域明显缩小;PM_2.5浓度空间极化程度降低,空间差异缩小.大多数地区的PM_2.5浓度都具有下降的趋势,但变化程度并不相同.京津冀PM_2.5浓度相较于长三角和珠三角,仍处于较高水平.②三大城市群PM_2.5浓度具有冬春季高、夏秋季低的季节变化特征.冬季与夏季PM_2.5浓度差异明显, PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度高的区域下降趋势明显,但珠三角的PM_2.5浓度下降趋势相较于长三角和京津冀不明显.③三大城市群PM_2.5浓度时间序列均具有显著下降趋势,且京津冀>长三角>珠三角;PM_2.5浓度在冬季下降趋势最大.PM_2.5污染等级越高,下降趋势越明显.④京津冀PM_2.5浓度时间序列趋势分量具有两个突变点,季节分量中具有一个突变点;长三角PM_2.5浓度时间序列的趋势分量和季节分量均无突变点;珠三角PM_2.5浓度时间序列的季节分量无突变点,趋势分量具有一个突变点.结果可为区域空气污染治理相关工作的开展提供科学的参考.     

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.     

2016—2020年广州市PM2.5时空分布特征

对大气污染物进行时空分布特征研究是开展大气污染防治的关键技术支撑.本研究基于广州市52个城市环境空气质量监测站点数据,采用系统聚类法、经验正交函数 （EOF）等方法分析了2016—2020年广州市PM_2.5浓度的时空分布特征.结果表明：①2016—2020年广州市PM_2.5污染改善显著,PM_2.5年均浓度从35.9 μg·m^-3下降至23.0 μg·m^-3,达标比例由96.2%上升至100%;PM_2.5干季平均浓度为湿季的1.54倍, 国控点超标天数为湿季的10.5倍;PM_2.5浓度日变化曲线峰谷值浓度差由7.5 μg·m^-3下降至3.9 μg·m^-3,日变化幅度趋于平缓.②广州市PM_2.5浓度最高值区主要分布在东西两侧,高值区域范围逐年减小,全市PM_2.5浓度分布趋于均匀;采用系统聚类法可将广州市PM_2.5分成北部、中北部、 南部、中南部4个污染区,其中,北部区PM_2.5浓度下降率仅为其他污染区的1/2,推测其PM_2.5浓度下降可能更多地由区域背景浓度的下降贡献;EOF分解前3模态累积方差贡献率达93%,分别可表征PM_2.5总体污染程度、在南北方向上的区域输送特征及由外围区域向中心城区聚集的 污染特征.     

长三角区域性PM2.5污染的空间分型及其大气环流特征研究

本文提出了一种长三角区域性PM_2.5污染日的判别方法，以出现5个、8个连片污染城市为检验阈值，分别覆盖了96%和100%的区域污染日.然后利用T-mode斜交旋转分解方法（PCT）对2015—2018年11—2月长三角地区260个区域性PM_2.5污染日进行分型，揭示了4种不同的PM_2.5的空间分布形态（整体型、西部型、西北型和东北型），其影响范围、持续时间和污染程度存在显著差异.其中，整体型污染受L型高压控制，出现日数最多（139 d）、覆盖范围最广（31个城市）、区域平均浓度最高（104.3 μg·m^-3），是影响长三角地区PM_2.5环境质量的最重要的污染类型.西部型和西北型分别受东路冷空气、西路冷空气影响，PM_2.5分别呈现"西高东低"、"北高南低"的分布形态，前者主要影响安徽大部和浙江北部，后者主要影响安徽北部和江苏西北部.东北型是长三角本地排放在弱气压场和高压中心下混合产生，主要影响江苏大部和上海，基本不受跨区域输送影响.针对不同类型的污染影响范围和程度可以采取差异化的大气污染联防联控措施.     

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.      

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<...     

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....     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

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.     

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.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.     

淮海经济区核心区污染排放对重点区域城市PM2.5贡献研究

基于WRF-CMAQ空气质量模型，采用开关污染源排放的敏感性试验方法，定量分析了淮海经济区核心区污染排放对京津冀区域、"2+26 "大气污染传输通道城市、汾渭平原地区和长三角区域PM_2.5的贡献.结果表明，对京津冀区域，污染贡献比例最大值出现在10月份，同时对不同城市的贡献值在10%以内变化；对" 2+26"大气传输通道城市，影响的时空差异变化明显，其中对聊城市、菏泽市和济南市的贡献值均超过了10%；对汾渭平原地区的贡献总体较弱，最大贡献值低于5%；对长三角区域，贡献值在不同城市间的时空差异变化明显.考虑到淮海经济区地处京津冀和长三角过渡地带，且对京津冀和长三角区域PM_2.5影响较大，建议尽快将淮海经济区核心地区纳入国家大气污染重点控制区.     

海陆风对天津市PM2.5和O3质量浓度的影响

静稳天气下局地环流往往会对污染物的传输扩散起重要作用.根据天津市地处渤海西岸,常年受到海陆风影响的特点,综合气象、环境资料及HYSPLIT模型,针对沿海、市区、城郊、山区等代表性站点,研究了海陆风对天津市ρ（PM_2.5）和ρ（O₃）的影响.结果表明:①2015年天津市海陆风天数为78 d,占全年的22%;海陆风多集中于6-9月,其中,7月海陆风日最多、2月最少.②ρ（PM_2.5）和ρ（O₃）季节性变化和空间分布特征不同.春、夏两季ρ（PM_2.5）山区最高、城郊最低;秋、冬两季ρ（PM_2.5）市区最高、山区最低.春、秋两季ρ（O₃）沿海最高、市区最低;夏季ρ（O₃）山区最高、沿海最低.③海陆风对ρ（PM_2.5）有扩散作用,对ρ（O₃）有增加作用.海陆风对沿海ρ（PM_2.5）扩散作用最为明显,致使冬、秋两季ρ（PM_2.5）分别下降20.2%和7.9%;对城郊ρ（O₃）增加作用最为明显,致使秋、夏两季ρ（O₃）分别升高39.8%和16.2%.④个例研究表明,海风向内陆推进过程中垂直方向最高可达1 000 m,受海风影响天津市ρ（PM_2.5）下降,陆风使得ρ（PM_2.5）小幅上升,海陆风总体起扩散作用;海陆风使天津市ρ（O₃）日变化出现3个峰值,日均值明显增大,其中,城郊增幅（68.2%）最大.研究显示,海陆风对天津市ρ（PM_2.5）有扩散的作用,但会增高ρ（O₃）.      

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.