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.     

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通过气流传输对贵州地区大气环境有较大影响;（4）春季,柳州市PM_2.5的主要潜在源区分布在广西东南部、广东中西部、南海沿岸海域、湖南中部、江西西北部、湖北东部及安徽西北部;冬季,主要分布在广西东南部、广东西南部和南海沿岸海域.     

2015~2019年日照市PM2.5长期变化特征及其潜在源区分析

利用2015~2019年山东省日照市PM_2.5质量浓度和气象要素的小时数据,对日照市PM_2.5季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02：00、08：00、14：00和20：00（BTC）的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM_2.5主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明：日照市PM_2.5呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异：春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM_2.5浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM_2.5污染和臭氧污染呈现不同的分布特征,且在不同PM_2.5污染等级下,PM_2.5浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.     

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.     

偏东风输送导致的关中地区冬季PM2.5重污染个例研究

关中地区是我国大气污染的重点监测区域,为探究偏东风输送对关中地区冬季PM_2.5重污染的影响,重点分析了2018年1月12-18日在偏东风输送影响下关中地区ρ（PM_2.5）日均值的变化过程;利用WRF和CAMx模式对PM_2.5重污染过程进行模拟并讨论其消长原因.结果表明:①冬季关中地区在高压脊和西南槽的控制下,偏东风将污染物输送至关中地区,加之关中地区地形阻滞,致使关中地区的ρ（PM_2.5）上升.②研究期间,关中地区ρ（PM_2.5）日均值范围为103~240 μg/m3,偏东风输送是导致此次重污染过程的重要原因.重污染的发生还与气象要素的变化有关,其中ρ（PM_2.5）日均值与气温、相对湿度均呈滞后相关性.在ρ（PM_2.5）日均值相等的情况下,相对湿度越大,能见度越低;随着ρ（PM_2.5）日均值和相对湿度的升高,能见度下降的速率逐渐变慢.③根据WRF-CAMx的模拟结果,此次重污染过程中关中地区PM_2.5污染输送关系不均衡,宝鸡市和咸阳市均以本地贡献为主,其本地贡献率超过45.00%,而渭南市接收关中地区其他城市及关中地区以外区域污染输送占比为69.82%;位于盆地中东部的咸阳市、西安市和渭南市的ρ（PM_2.5）月均值均大于关中地区ρ（PM_2.5）平均值;渭南市、西安市、运城市以及关中地区以外城市是此次关中地区跨市PM_2.5污染输送的主要来源.研究显示,偏东风输送是关中地区此次大气重污染过程的重要原因.      

延庆地区山谷风对PM2.5浓度的影响

基于2015~2019年北京生态环境监测和气象数据, 分析了延庆地区山谷风对PM_2.5浓度的影响, 揭示了含山谷风环流污染过程(事件1)与未有山谷风污染过程(事件2)初始阶段的异同及其气象影响机制.结果表明, 延庆持续性污染过程集中在9月~次年3月, 共计63次, 其中27次(43%)伴随1d或多天的山谷风日, 39d山谷风中有32d(82%)出现在污染过程的初始阶段, 18%出现在峰值阶段; 36次过程未出现山谷风日.山谷风日逐时PM_2.5浓度大于非山谷风日4.5~15.4μg/m³, 全日差值最大时段为谷风阶段(15:00~19:00)均大于13μg/m³, 山谷风日存在SSE-ESE风频中心0.59%, 15:00~16:00风速3.3m/s左右, 非山谷风日风频中心在WSW-SW和SE-ESE, 最大值为0.41%, 风速较山谷风日小.事件1和2初始阶段PM_2.5浓度变化关键期为15:00~19:00, 事件1风向E-SSE风速2~4m/s, PM_2.5增长速率大于事件2, 与露点变化趋势基本一致, 23:00事件1PM_2.5浓度显著高于事件2 20μg/m³左右, 污染过程发展初期出现的山谷风环流谷风阶段的偏东南风形成气溶胶和绝对水汽的区域传输, 对PM_2.5浓度的升高有正贡献.平原空气污染过程(延庆未出现)特殊污染型占比20%, 该类污染型白天风频中心分布分散, NNW-WNW、SW-SSW和ENE-NNE均有0.7%左右的风频中心, 未出现S-ESE的风频.     

基于传感器技术的渭南市道路环境颗粒物污染特征及影响因素研究

为深入了解渭南市街区道路环境颗粒物污染时空分布特征,利用车载颗粒物传感器于2019年3月1日—5月31日对渭南市道路环境空气中PM_2.5和PM₁₀浓度开展在线走航测量,分析了影响渭南市道路环境颗粒物污染时空分布的主要因素.研究表明:①渭南市区内所有道路PM_2.5平均浓度范围为37.7~51.9 μg/m3,浓度较高路段位于高新区东部和主城区;PM_2.5~10（粗颗粒物）平均浓度范围为65.8~119.1 μg/m3,浓度较高路段位于各功能区城郊.②工作日早高峰时段（07:00—09:00）主城区道路环境PM_2.5、PM_2.5~10污染较非工作日严重,3种类型道路工作日07:00 PM_2.5~10平均浓度呈支路（103.5 μg/m3）>主干道（102.1 μg/m3）>次干道（96.9 μg/m3）的特征.③对于高新区和老城区路段,除早晚高峰时段出现PM_2.5和PM_2.5~10浓度峰值外,凌晨时段渣土车行驶路段、裸地或施工现场周边路段易出现PM_2.5~10浓度峰值,其PM_2.5~10平均浓度最高达230.9 μg/m3（乐天大街西段的路段Ⅳ）.研究显示,工作日早晚高峰时段,特别是早高峰,机动车排放导致渭南市高新区东部和主城区路段的PM_2.5污染加重,夜间渣土车行驶导致高新区和老城区靠近城郊路段的颗粒物（PM_2.5和PM_2.5~10）污染加重.      

乐山市2016年冬季颗粒物重污染过程与输送路径及潜在源区

对乐山市2016年12月—2017年2月的大气污染特征及气象条件进行研究分析,并结合HYSPLIT（后向轨迹模式）,用聚类方法、PSCF（潜在源贡献因子法）、CWT（浓度权重轨迹分析法）分别模拟了研究期间PM_2.5的主要潜在源区.结果表明:研究期间,乐山市以PM_2.5污染为主.因风速低、无降水、相对湿度高、边界层高度降低等原因,使乐山市发生了一次持续时间较长的重污染过程（2017年1月1—7日）,该过程二次污染物累积特征较为明显;春节期间,因烟花爆竹集中燃放产生的大量污染物使乐山市出现了一次严重污染（2017年1月28日）,ρ（PM_2.5）日均值达358 μg/m3.乐山市复杂的地形引起的热力差异有利于局地环流的生成与发展,山谷风的存在可能是造成夜间乐山市郊区站点ρ（PM_2.5）高于城区站点的主要原因.结合后向轨迹与ρ（PM_2.5）日均值分析发现,来自盆地内部的气流（占比为28.57%）对乐山市空气质量产生的影响最大.乐山市东部边界附近、宜宾市西北部、自贡市南部等地对乐山市PM_2.5的潜在源贡献（WPSCF）在0.96以上,说明这些地区是研究期间影响乐山市ρ（PM_2.5）的重要潜在源区,模型的模拟结果与风向、风速、ρ（PM_2.5）监测值插值结果相符.研究显示,乐山市大气污染过程除了与在不利气象条件下污染物的累积有关外,区域污染物的输送贡献也不容忽视.      

甘肃省区域颗粒物时空分布特征及传输路径

基于甘肃省2018~2019年颗粒物质量浓度监测数据,分析了全省大气颗粒物浓度的时空变化及排放特征,并利用HYSPLIT后向轨迹模式研究了颗粒物传输路径.结果表明：颗粒物（PM₁₀和PM_2.5）空间分布呈现区域特征：PM₁₀浓度高值位于河西走廊地区,由北向南呈阶梯式递减;PM_2.5以陇中地区为高值中心,向南北两侧递减,陇南地区为全省颗粒物清洁区.不同地区PM₁₀与PM_2.5地面浓度季节变化特征存在差异,陇中、陇东和陇南地区PM₁₀和PM_2.5浓度变化特征一致,陇中和陇东地区颗粒物（PM₁₀与PM_2.5）浓度冬高夏低,陇南地区则为冬高秋低;河西走廊PM₁₀和PM_2.5浓度季节变化不同,PM_2.5冬高夏低,PM₁₀春高夏低.后向轨迹聚类结果表明全省春季、冬季均受到来自中亚及新疆的偏西气流影响,该路径输送下可吸入颗粒物（PM₁₀）浓度明显高于其他路径,是典型的沙尘输送路径,4大分区受沙尘传输影响程度依次为河西 > 陇中 > 陇东 > 陇南,来自陕西、川渝的偏东路径是陇南地区颗粒物的主要输送路径,该路径下PM_2.5/PM₁₀比值大于0.5,明显高于偏西路径,说明偏东路径人为源污染贡献显著.研究结果有助于全面认识全省颗粒物污染特点、为分区制定颗粒物污染防治政策、以及区域污染协同治理提供科学的参考依据.     

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.     

APEC期间北京市PM_(2.5)时空分布与过程分析

运用Models-3/CMAQ模式系统,模拟分析了2014年11月3~11日APEC会议期间北京市PM_(2.5)污染的时空分布特征,并利用过程分析工具IPR研究了会期两次短时间污染过程(4日13:00~5日12:00和10日13:00~11日12:00)中各种大气物理化学过程对城区官园和郊区定陵两个代表性站点近地面PM_(2.5)生成的贡献.结果表明,CMAQ模型合理地再现了北京市PM_(2.5)的浓度水平和时间变化.北京地区4日和10日发生不利于污染物扩散的气象条件,导致PM_(2.5)小时浓度出现高值(分别为188,124μg/m~3),但受减排措施和冷高压的作用,PM_(2.5)高值维持时间较短.4日13:00~5日12:00,水平传输是官园和定陵站点PM_(2.5)的主要贡献者,贡献率分别为49.6%和90.9%.此次污染过程北京地区受南部污染传输影响较强.10日13:00~11日12:00,官园站点PM_(2.5)主要来自源排放在本地的积累(78.8%),定陵站点PM_(2.5)主要来自较弱的水平传输(93.9%).此次过程体现出更加明显的局地性污染特征.两次过程中,PM_(2.5)的主要去除途径均为垂直传输.     

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.      

北京市2018年春季一次沙尘回流过程的污染特征

通过监测数据分析,结合轨迹模拟和特征雷达图的分析结果,对2018年4月14~19日北京出现的一次沙尘天气过程进行分析.结果显示：依据ρ（PM_2.5）和ρ（PM₁₀）及其比值PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]的变化情况,此次沙尘过程可分为沙尘期、中间期、回流期和回流后期4个典型时期.沙尘期ρ（PM₁₀）平均值达到（278.5±83.7）μg/m³,明显高于回流期和回流后期,回流后期ρ（PM_2.5）平均值达到（135.5±16.9）μg/m³,明显高于回流期和沙尘期.沙尘期逐小时PM_2.5/PM₁₀<0.2,回流期和回流后期PM_2.5/PM₁₀比值分别介于0.3~0.6和0.5~0.8范围内.SO₄^2-、NO₃^-和NH₄⁺等（SNA）水溶性离子沙尘期浓度占比仅为7.3%±2.5%,沙尘回流期和回流后期SNA占比分别增长至47.0%±6.3%和51.3%±5.7%.研究表明,受天气系统影响,回流沙尘可裹挟南部的细颗粒和气态污染物输送到北京后发生累积和二次转化,从而推高PM_2.5浓度,因此发生沙尘回流时,区域内应加强一次污染物排放的管控力度,同时北京市需进一步加强机动车氮氧化物的排放监管.     

泰山顶PM2.5及其二次组分的输送路径与潜在源

为了明确泰山顶PM_2.5及其二次组分的输送路径与潜在来源,基于后向轨迹聚类方法对2015年冬季和春季抵达泰山顶的气团传输轨迹进行聚类分析,并利用PSCF（潜在源贡献因子）和CWT（浓度权重轨迹）方法分析泰山顶冬季和春季PM_2.5、SO₄2-、NO₃-和NH₄+的潜在源域.结果表明,冬季和春季来自不同方向的气团轨迹对泰山顶PM_2.5及其组分的潜在源分布的影响具有明显差异.冬季泰山顶ρ（PM_2.5）和ρ（NO₃-）平均值的最高值对应的气团轨迹来自湖北、河南、山东济宁等地区,而来自西北方向的轨迹1和轨迹2分别对应的ρ（SO₄2-）和ρ（NH₄+）平均值最高;春季影响ρ（PM_2.5）和ρ（NO₃-）的气团轨迹主要来自西南方向的河南、安徽北部、山东聊城等地区,而源自蒙古国途经内蒙古、山西、河南北部和山东聊城的气团轨迹对ρ（SO₄2-）和ρ（NH₄+）的贡献最大.泰山顶ρ（PM_2.5）、ρ（SO₄2-）、ρ（NO₃-）和ρ（NH₄+）的PSCF分布特征与CWT分布特征类似,WPSCF（源区分布概率）和CWT的最高计算值主要集中山东济宁、聊城以及邻近的山西省、河北省和河南省,是泰山顶大气污染物的主要潜在源域.      

相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响

基于2016~2017年冬季乌鲁木齐市城区PM_2.5和气象要素观测数据,采用线性和非线性回归、变量分类分析等统计方法,研究了大气能见度与相对湿度（RH）、PM_2.5浓度的定量关系.结果表明：乌鲁木齐市冬季能见度日变化呈单峰形分布,中午13：00前后和夜晚20：00前后能见度分别达到最高和最低.相对湿度增加、PM_2.5污染加重都会造成冬季大气能见度明显降低,但低能见度天气的主要影响因素是PM_2.5污染.在RH < 90%时PM_2.5累积及其吸湿增长对能见度变化起控制作用,特别是70%￡RH < 90%时,PM_2.5浓度对大气能见度影响最大.RH³90%时相对湿度成为决定因素.在PM_2.5污染逐渐加重的过程中,相对湿度对能见度的影响在减弱.能见度增加与PM_2.5浓度降低之间存在非线性响应.在PM_2.5污染由严重减轻至中度污染级别过程中,能见度改善并不明显.只有把PM_2.5浓度控制在115μg/m³以下（轻度污染或优良级别）,PM_2.5浓度降低,能见度才开始出现显著提高.但冬季要达到较高能见度水平（8km）,PM_2.5浓度需要继续严控至39μg/m³以下.本文对乌鲁木齐市冬季大气污染治理具有重要指导意义.     

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

长江三角洲地区大气污染过程分析

针对2015年和2016年12月2个月的4次污染过程,利用中分辨率成像光谱仪（MODIS）Terra卫星的气溶胶光学厚度（AOD）,Angstrom波长指数（AE）气溶胶数据,并结合PM_2.5和PM₁₀的浓度以及比值变化分析,发现以PM_2.5为代表的人为因素产生的细颗粒物是造成研究地区污染发生的重要因素.并且利用MODIS火点数据以及美国海军气溶胶分析与预测系统（NAAPS）模拟分析污染物成分,发现2015年12月12~16日和19~27日2次污染都以人为因素产生的细粒子污染物为主,沙尘以及生物质燃烧产生的烟粒对研究地区影响较小.2016年12月6~10日和15~18日2次污染过程产生的原因不同,利用潜在源贡献因子分析法（PSCF）分析发现6~10日污染天气的产生主要是由西北方向含有大量沙尘粒子气流以及南方生物质燃烧产生的大量烟粒共同输送到研究地区,加之研究地区大量人为污染细粒子的产生,导致了此次混合型污染天气发生.15~18日污染过程与2015年2次污染过程相似,主要原因都在于人为因素产生的细颗粒污染物的影响,沙尘以及烟粒对污染过程起到了加剧的作用.