共查询到20条相似文献,搜索用时 206 毫秒
1.
基于长时间序列的北京PM2.5浓度日变化及气象条件影响分析 总被引:4,自引:2,他引:2
基于2005~2014年北京宝联(城区)和上甸子大气成分本底站(郊区)监测结果得到了PM_(2.5)质量浓度日变化特征,并且讨论了气象条件的影响.结果表明,北京城区PM_(2.5)质量浓度10年平均值的日变化呈双峰分布,对应早晚出行高峰.但是,该特征在2007年以后才比较明显.月际(季节)变化表现为单峰与双峰之间、日最大值在早高峰与晚高峰之间的转换.一年中早峰值浓度在5~8月最高,与地面风速小、相对湿度以及水汽压(空气绝对含水量)较高有关,该季节晚高峰期间浓度变化相对较小主要受混合层较厚、地面风速大、降雨天气发生频繁的影响.11~12月和1~2月的16:00以后浓度明显升高,混合层顶高度在14:00~17:00大幅度下降是重要的影响因素.此外,严重和重度污染日09:00以后污染加重,与年平均值和中度污染日不同.边界层偏南风对来自周边地区高架源的污染物输送是其重要的影响机制.PM_(2.5)质量浓度日变化幅度随污染加重而增大.日最大风速和相对湿度日变化对浓度日变化幅度有影响,而且午后地面出现4~6 m·s-1的偏南风也会加大日变化幅度.北京郊区PM_(2.5)质量浓度多年平均值日变化呈单峰分布,日最大值超前于城区.而且,昼间的浓度在5~7月高于冬季.本研究结果将有助于细化不利扩散条件下的污染减排方案. 相似文献
2.
3.
利用佛山地区2013年12月大气边界层观测试验得到的垂直风温资料和相应逐日AQI资料、逐时PM_(2.5)浓度资料,研究了佛山地区大气边界层垂直风温结构对空气质量的影响.结果表明:佛山地区干季持续存在的逆温结构是导致PM_(2.5)污染较重的重要原因.干季污染日近60%的最低逆温层高度低于1000 m,而非污染日低于1000 m的最低逆温层仅占36%,污染日佛山贴地逆温频率高达31.2%.逆温层出现高度较低,将污染物压缩积累在贴地层大气中导致污染较重.在大陆冷高压控制下,佛山地区的边界层结构演化非常典型,最大边界层高度和最大边界层通风量表现出了显著相关,污染日日平均边界层高度始终维持在较低的水平,多数时候不足500 m,最大边界层高度则大部分小于1000 m,日平均边界层通风量主要分布在500~1500 m~2·s~(-1)之间,在极端情况下甚至不足300 m~2·s~(-1),最大边界层通风量大部分处于1500~5000 m~2·s~(-1)之间,导致污染物始终聚集在较低的大气边界层内,使得PM_(2.5)浓度长时间维持在较高的污染水平.佛山地区风场存在显著的3层结构,较小的底层风速意味着大气的输送和扩散能力较弱,高度较低的中层使得污染物进一步被压缩累积在大气底层,垂直风场的不稳定性使得污染日佛山地区局地回流活跃,回流(RF)指数极小值多分布在0.2~0.4之间,污染日RF指数普遍小于非污染日,垂直风场的有效输送能力被显著削弱. 相似文献
4.
为研究京津冀地区重污染过程大气污染物的垂直分布特征,于2016年12月13日重污染前(11:49-12:18)和12月18日重污染期间(11:00-11:16)在北京市、天津市、河北省交界处的武清地区利用系留气球开展1 000 m以下的大气观测,探究污染物的垂直分布特征及对流边界层、覆盖逆温层和混合层等要素对重污染形成的影响.结果表明:①在重污染前,大气层结不稳定,ρ(PM2.5)、ρ(NOx)与ρ(O3)随高度变化不明显,存在明显的垂直对流运动,有利于大气污染物的扩散;PM2.5/PM10[ρ(PM2.5)/ρ(PM10)]在800 m以下为0.60~0.80,在800~1 000 m以上大于0.90.②重污染期间,近地面大气层分为对流边界层(距地面0~150 m)、覆盖逆温层(150~370 m)、混合层(370~500 m)和自由大气(500 m以上)4个层次.③NOx主要在对流边界层内聚积;高空O3在向近地面扩散时受强混合层阻挡,在混合层出现一个小峰值;PM2.5不仅在近地面聚积,而且在覆盖逆温层内聚积,ρ(PM2.5)在覆盖逆温层内呈双峰(峰值分别出现在150和370 m)分布,其粒径集中在0.5~1.0 μm,属于积聚态气溶胶.研究显示,在不利扩散条件下,汽车排放、村镇居民供暖排放的污染物聚积及二次颗粒物的生成是重污染形成的重要因素. 相似文献
5.
鲜有出现空气质量问题的北方沿海城市青岛近年来也频频出现重污染天气. 2014年1月青岛市总计出现7 d重污染天气,其中1月15-18日是持续4 d的PM2.5重污染,其余的则分别出现在1月6日、11日和30日.为了获得气象条件对持续重污染天气发展、维持和消除的影响机制,利用激光雷达、大气稳定度仪探测数据以及地面、高空气象观测和空气质量监测数据,重点分析了1月15-18日持续重污染期间青岛市大气边界层气象要素的时间和空间特征.结果表明,2014年1月影响青岛冷空气势力弱、青岛近地面低于3 m/s的风速不利于污染物扩散,66%以上的相对湿度有利于污染物浓度增大.在污染源稳定的背景下,气象要素的差异性导致了污染物浓度时空分布的差异.在持续的弱偏北风下污染物浓度居高不下;在偏南风影响下,污染物浓度趋于下降.边界层内存在高层干冷弱北风和低层暖湿弱南风的风切变、稳定层结、低层相对湿度为70%的高湿大气以及交替出现的近地面南北风是此次重污染持续的主要原因.大气边界层高度变化对污染物浓度具有6 h左右的延迟影响;而低边界层高度、大稳定度因子,低云的存在和较高的污染物浓度之间具有较好的一致性变化趋势.当近地面温度升高、相对湿度减小以及增大的偏南风和存在弱不稳定层结时,有利于提高青岛局地大气扩散能力. 相似文献
6.
风廓线雷达在北京地区一次强沙尘天气分析中的应用 总被引:1,自引:0,他引:1
基于北京地区逐小时风廓线雷达数据、大气成分观测数据以及地面常规观测资料对2017年5月3~7日一次沙尘天气过程进行了研究.结果表明:受蒙古气旋影响,全国多地出现空气质量严重污染,其中北京PM10浓度达到严重污染级别时间超过30h.通过对边界层内水平风场、垂直速度以及大气折射率结构常数等要素进行分析,研究发现沙尘爆发前,边界层内出现平均风速达到14.8m/s的西北急流核,该急流核的建立有利于将高层沙尘粒子向近地面传输,而沙尘爆发阶段边界层通风量较前期增加31.6%,中低层的通风量逐渐占据主导地位,使近地面PM10浓度出现爆发性增长.此外,整个沙尘天气过程中,以弱下沉运动为主,垂直速度在1m/s以下,而沙尘天气爆发前,边界层内出现强烈垂直下沉运动,达到5.3m/s.同时,大气折射率结构常数出现1.0×10-16的高值中心.二者均先于地面污染物浓度的变化,预报时间提前量为8~9h,可为今后沙尘预报提供一定参考. 相似文献
7.
通风系数是科学确定污染物排放总量的基础.利用WRF模式模拟的边界层高度和风速计算了兰州新区2014年4个季节的通风系数,探讨了风速的季节性变化和日变化特征.结果表明:①WRF模式模拟得到的兰州新区的混合层平均风速呈夜间高、日间低的特征,日间混合层内平均风速最大值出现在20:00左右,这与地面风速积分法确定的平均风速具有较高相关性,验证了利用模式模拟边界层内平均风速特征的能力.②混合层高度季节变化呈现春夏季高、秋冬季低的特征;受太阳辐射的影响,日间混合层高度明显高于夜间.③通风系数具有明显的季节性变化特征(4个季节的通风系数分别为4 607.6、5 424.1、1 316.4、706.9 m2/s),夏季高,冬季小,这与混合层高度和混合层内平均风速的季节性变化特征一致;日变化呈现单峰型的变化规律,冬季的峰值出现在15:00,而其他3个季节的峰值则出现在17:00左右.研究显示,WRF模式的模拟结果可以较好地反映混合层平均风速的基本特征,利用WRF模式模拟的结果计算得到的河谷地形的通风系数较为合理,不同季节的通风系数差异较大. 相似文献
8.
通过2004年10月在珠江三角洲(以下简称“珠三角”)开展大气边界层观测试验得到的垂直风温资料和逐时PM2.5浓度资料,利用局地环流指数(RF)等方法研究了珠三角海陆风特征及其对空气质量的影响.结果表明:局地环流指数是表征局地大气输送能力的有效指标;冷暖气团对峙导致珠三角污染日背景风场较弱,沿海海陆风活动活跃,空气质量指数与RF系数相关性颇高,珠三角沿海100~400m处RF系数值主要分布在0.5~0.8之间;在海陆风影响下低层风场的有效输送能力较弱,不利于污染物的输送扩散.而随着冷空气全面控制珠三角,垂直风场RF系数值高达0.9以上,海陆风难以发展,风场输送能力强,能够持续的将污染物输送出去.观测发现沿海观测点试验期间海陆风发生频率约为47.8%,其中72.7%的海陆风日出现了污染天气,海陆风日地面风向呈现出明显的随时间顺时针偏转特征,海风约从16:00时开始出现,并在20:00达到最大影响高度约为600~800m.夜间海风将污染物输送回内陆观测点,导致内陆PM2.5浓度在19:00~21:00时出现浓度峰值,呈现出明显的双峰结构. 相似文献
9.
台风“妮妲”过程对广州臭氧浓度的影响分析 总被引:3,自引:0,他引:3
为研究台风天气系统对广州地区臭氧浓度的影响,选取2016年7月27日—8月2日台风"妮妲"过程,结合气象要素资料和空气质量数据进行了分析.结果表明:①7月27日—8月2日台风过程期间,7月27—29日和8月1—2日空气质量未超标,7月30日和31日分别达到轻度污染和中度污染,首要污染物均为O_3,其中,31日O_3小时浓度峰值达293μg·m~(-3),O_3_8 h (8 h滑动平均)浓度达249μg·m~(-3),期间PM_(2.5)及前体物NO_2和CO浓度也略有升高,但总体升幅不大,都在良范围内.②台风过程期间,O_3浓度与温度、风速呈正相关(p0.01),与气压、相对湿度呈负相关(p0.01).高温低湿、风速1.0~2.0 m·s~(-1)、气压低有利于大气光化学反应,容易导致O_3浓度超标.③受台风外围下沉气流影响,大气存在垂直输送;同时混合层顶低,30日和31日混合层高度白天最高在1300 m以下,夜间在200 m左右,最低不足60 m;同时,2 km高度内均有持续逆温存在,逆温高度主要在700 m以下.地面处于均压场,同时存在逆温,大气层结稳定,使得污染物在近地层堆积不易扩散,导致O_3浓度超标. 相似文献
10.
天津地区污染天气分析中垂直扩散指标构建及运用 总被引:2,自引:2,他引:0
基于255 m气象塔风、温和PM_(2.5)质量浓度数据获取天津地区大气稳定度特征,利用中尺度大气化学模式构建垂直扩散指数β和φ,开展天津地区污染天气预报中垂直扩散分析方法的研究,以期提高天津地区重污染天气预报预警准确率.结果表明,综合运用大气稳定度、基于边界层平均PM_(2.5)质量浓度与近地面PM_(2.5)质量浓度比值构建的垂直扩散指数β,基于数值模式chemdiag功能(以CO为示踪物)构建的垂直扩散指数φ,可以在污染天气预报中较好的进行大气污染物垂直扩散能力分析.当07:00~08:00和18:00~20:00大气稳定度为D及以上时,相比大气稳定为C及以下时,出现重污染天气的概率成10倍的增加;使用垂直扩散指数β和风速双重指标判断重污染天气,比单一的风速指标判断准确率提升67%;垂直扩散指数φ与近地面PM_(2.5)质量浓度相关系数达到0.8,当垂直扩散指数φ小于0.52时,重污染天气概率75%,可识别59%的重污染天气. 相似文献
11.
奥运前期与奥运期间北京市大气细颗粒物特征比较分析 总被引:1,自引:4,他引:1
利用城市生态系统研究站对北京市奥运前后(2008年6~9月)大气中细颗粒物(PM2.5)进行连续监测,获得不同阶段PM2.5日平均浓度的动态特征,分析气象因素、人为控制管理措施对颗粒物浓度的影响.结果表明,近北五环的生态中心站点(RCEES)颗粒物日均浓度平均值为0.067 mg.m-3,奥运期间的颗粒物浓度(0.060 mg.m-3)比奥运前期(0.081 mg.m-3)减少了约26%.而位于南二环市中心的教学植物园站点(JX)颗粒物浓度平均含量为0.078 mg.m-3.JX站点奥运期间的颗粒物浓度(0.069 mg.m-3)比奥运前期(0.095 mg.m-3)减少了约27%.各个阶段PM2.5的日变化都基本呈现双峰态势.第一个峰值出现在08:00~10:00左右,RCEES站点颗粒物浓度为0.068 mg.m-3,JX站点浓度值为0.089 mg.m-3;另一个峰值出现在晚20:00~22:00左右,RCEES和JX站点颗粒物浓度为0.079 mg.m-3和0.083 mg.m-3,这主要与上班交通高峰导致的尾气排放污染和道路扬尘污染等有关.研究气象参数发现奥运期间与奥运前期气象条件无显著差异,属于高温高湿风力不大的典型北京夏季天气条件.奥运期间颗粒物浓度与温度呈显著正相关(P<0.01),而与风速、相对湿度及降水相关性不显著(P>0.05).而连续多年大气污染综合治理措施和奥运空气质量保障措施的实施,产生了显著环境效益.在自然因素相差不大的条件下,人为控制因素对奥运期间颗粒物的下降起到主导作用. 相似文献
12.
天津市多发生以PM2.5为首要污染物的重污染事件,明确ρ(PM2.5)时空分布特征及重污染过程来源对PM2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ(PM2.5)时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ(PM2.5)呈逐年下降趋势.②ρ(PM2.5)月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ(PM2.5)日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ(PM2.5)空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ(PM2.5)聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ(PM2.5)呈下降趋势,并有明显的空间分布特征. 相似文献
13.
北京地区偏南风和偏东风条件下污染特征差异 总被引:5,自引:5,他引:0
为探究污染的控制风向特征差异及其长期演变趋势,对2014~2019年北京地区逐小时气象要素和PM2.5浓度统计分析.结果表明,研究时段内北京地区67%的污染发生在偏南风和偏东风的控制下,且冬季最易出现污染,其次为春季和秋季,各自对应的冬、春、秋和夏季平均污染概率为45.2%、 34.1%、 32.1%和26.1%及47.0%、 45.8%、 39.7%和29.6%.北京偏南风频率更高,但偏东风下污染概率更大,污染差异在春季最明显11.7%(2.8%~18.6%),冬季最小1.8%(-7.6%~13.9%).过去6 a,偏南风和偏东风下的污染概率分别以每年4.6%~8.0%和5.5%~7.9%的速度降低,很大程度体现在中度及以上程度污染占比的减少.偏南风下污染发生时,能见度和混合层高度偏高、风速偏大、小时风速≥3 m·s-1的时次偏多、相对湿度和露点温度偏低,春季、夏季和秋季的PM2.5平均、峰值和75%百分位浓度显著低于偏东风控制下的污染,而冬季PM2.5浓度则偏高.这表明,污染发生时,偏南风下大气... 相似文献
14.
北京地区秋冬季大气污染特征及成因分析 总被引:1,自引:0,他引:1
为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016~2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16~22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%~69. 3%. 相似文献
15.
2011年10月珠江三角洲一次区域性空气污染过程特征分析 总被引:3,自引:1,他引:2
2011年10月18—25日珠江三角洲地区出现了一次区域性空气污染过程,重污染区域集中在西部,后期向中部转移,PM10为首要污染物.针对本次空气污染过程的研究发现,此次珠江三角洲地区空气污染过程主要受大尺度冷高压活动的影响,一直为下沉气流所控制,500 m以下近地层风速很小,边界层高度较低,存在贴地逆温层,非常不利于污染物的输送和扩散.PM10浓度与风速、能见度呈显著的负相关关系,与温度相关性不显著;且与风速和温度的相关性存在滞后性.稳定天气形势、大范围下沉气流、近地层静小风和贴地逆温是导致这次区域性空气污染过程的气象原因,PM10浓度增加导致珠江三角洲能见度下降. 相似文献
16.
2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响 总被引:6,自引:2,他引:6
利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM10、PM2.5和PM1的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM10、PM2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM1的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别. 相似文献
17.
2013年1月北京市PM2.5区域来源解析 总被引:9,自引:11,他引:9
2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献. 相似文献
18.
基于16S rRNA基因测序法分析北京霾污染过程中PM2.5和PM10细菌群落特征 总被引:1,自引:2,他引:1
2013年1月8~14日,北京出现了严重的霾污染.霾污染时高浓度的大气颗粒物增加了暴露人群的健康风险,而大气中的微生物也可能带来一些风险,但目前对霾污染时大气中微生物组成了解较少.本研究选取了2013年1月8~14日北京7d的PM2.5和PM10采样样本,通过对细菌16S rRNA基因V3区扩增和Mi Seq测序,得到PM2.5和PM10中的细菌群落结构特征,并将结果与相同采样样本的宏基因组测序结果及三项国外基于16S rRNA基因测序方法的大气中细菌研究结果进行了比较.研究发现7 d连续采样条件下,PM2.5中细菌群落结构在门和属的水平上均差别不大.在属级别上,节杆菌属(Arthrobacter)和弗兰克氏菌属(Frankia)是北京冬季大气中细菌群落的主要类群.16S rRNA基因测序与宏基因组测序结果对比分析发现,在属级别上,两种分析方法中有39个相同的属类群(两种分析方法丰度前50的细菌类群合并所得),弗兰克氏菌属(Frankia)和副球菌属(Paracoccus)在16S rRNA基因测序分析结果中相对含量较多,而考克氏菌属(Kocuria)和地嗜皮菌属(Geodermatophilus)在宏基因组测序结果中相对含量较高.在门和属的水平上,PM2.5和PM10中细菌群落结构特征呈现出相似的规律.在门水平上,放线菌门(Actinobacteria)在PM2.5中的相对百分比较大,而厚壁菌门(Firmicutes)在PM10中的相对百分比较大.在属水平上,梭菌属(Clostridium)在PM10中的相对百分比较大.与三项国外基于16S rRNA基因测序研究结果对比发现,尽管在采样地点和采样时间上有较大差异,大气中普遍存在一些相同的细菌类群,且近地面大气细菌群落结构特征相似度较高,区别于高空对流层中细菌群落结构特征. 相似文献
19.
利用观测资料和中尺度天气-化学模式(WRF-Chem)对一次冷锋南下天气过程导致的我国东部大范围空气污染开展研究,强调了冷锋过境前后的边界层结构及其对PM2.5三维结构和变化的影响.观测发现,地面重污染区域位于冷锋前部均压场或等压线稀疏区域,在冷锋由北向南快速移动过程中,途经各站点PM2.5浓度峰值伴随锋前而至.WRF-Chem模式可以较好地模拟中国东部地面和高空气象要素以及PM2.5浓度的时空变化.模拟结果表明,处于该移动冷锋天气系统相同位置的沿途各站点的边界层结构以及PM2.5垂直廓线表现出相似的特征.即:当冷锋开始入侵时,锋前污染物从地面被抬升到高空,PM2.5浓度的增加和高空风速的增大导致高空PM2.5通量增大,且PM2.5浓度高值区随着高度升高向暖气团一侧倾斜.夜间冷锋过境引发边界层内对流性不稳定增加,边界层高度可达1 km以上,打破了边界层昼夜演变特征.本研究表明,垂直观测和精细模拟的结合可以有效地解释天气过程对空气污染的... 相似文献
20.
雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估 总被引:31,自引:19,他引:12
开展短期内高浓度空气污染造成的人体健康风险评价以及健康经济损失研究,对推进城市大气污染防控,保证人民群众的健康水平具有重要的科学价值和实际意义.研究选择2013年1月发生的北京市雾霾重污染事件,采用泊松回归模型评价全市居民对10~15日高浓度PM2.5暴露的急性健康损害风险,并采用环境价值评估方法估算人群健康损害的经济损失.结果表明,短期高浓度PM2.5污染对人群健康风险较高,约造成早逝201例,呼吸系统疾病住院1 056例,心血管疾病住院545例,儿科门诊7 094例,内科门诊16 881例,急性支气管炎10 132例,哮喘7 643例.相关健康经济损失高达4.89亿元(95%CI:2.04~7.49),其中早逝与急性支气管炎、哮喘三者占总损失的90%以上.建议应针对不同人群不同健康终点的健康风险进行健康预警并开展及早医学干预,以降低类似空气重污染事件给居民健康带来的风险和损失. 相似文献