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。     

乌鲁木齐市大气污染物浓度的变化特征

利用乌鲁木齐2014年3月1日至2015年2月28日PM2.5、PM10、SO2、CO、NO2、O3浓度的日平均数据,结合相应气象要素资料,分析了大气污染物浓度的逐日变化、季节变化特征.建立了基于气体污染物的PM2.5浓度预测模型,探讨了污染物浓度与气象要素的相关性.结果表明:(1)整个1年期间PM2.5、PM10、SO2、NO2、O3年平均浓度分别为67.9、159.3、24.9、56.1、31.5μg·m-3,CO为1.4 mg·m-3.(2)各污染物浓度频率分布不一.期间SO2的污染并未超标,NO2超标率为15.3%,说明"煤改气"能源结构的调整对SO2浓度的降低起到了积极作用,但是由于机动车保有量的增加,使得机动车排放的NO2浓度超过了燃煤.(3)PM2.5与PM10、SO2、CO、NO2、O3具有很强的相关性,尤其与SO2、CO、NO2更为明显,说明机动车尾气和化石燃料的燃烧是乌鲁木齐市PM2.5的重要来源,此外,建立了基于气体污染物的PM2.5浓度预测模型为:CPM2.5=0.21376CPM10+0.42422CSO2+41.66384CCO-0.24325CNO2+0.12466CO3-24.15316.(4)PM2.5、SO2和CO均与气温和水汽压存在较大的负线性相关关系,与O3呈显著的正相关关系.相对湿度与O3浓度的相关性最高为-0.62,与CO有一定的正相关关系,与其他污染物的相关性不大.风速对大气污染的影响较小.日照时数对污染物也有一定影响.     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

不同气团对嘉兴市大气污染物变化特征的影响

利用嘉兴2012年10月—2013年9月污染气体和PM2.5的连续观测资料,结合HYSPLIT_4轨迹模式计算得到的观测期间嘉兴不同季节的主导气团,分析了嘉兴市大气污染物的变化特征及不同季节下不同气团类型对该地污染物的影响.结果表明,嘉兴市CO、SO2、NO2和PM2.5日变化为双峰型分布,峰值位于07∶00—09∶00和16∶00—18∶00;O3呈单峰分布,峰值位于14∶00,这与人为活动和大气边界层变化密切相关.大气污染物具有显著的季节变化特征,SO2、CO和PM2.5冬季高(43.5,950.3,79.8μg·m-3),夏季低(21.5、522.4、38.0μg·m-3);NO2在春季最高(49.9μg·m-3),夏季最低(30.4μg·m-3);O3夏季最高(88.9μg·m-3),冬季最低(17.2μg·m-3).影响嘉兴的主导气团的来源和路径存在显著季节变化,不同气团对大气污染物的分布影响较大,局地气团下SO2的浓度显著降低;大陆气团下污染物浓度普遍偏高,SO2、CO、NO2和PM2.5分别是海洋性气团的1.6—3.0、1.5—1.6、1.6—2.0和1.5—2.3倍;海洋性气团下污染物浓度普遍较低;混合性气团对应的污染物水平介于海洋性气团和大陆气团之间.     

广州市大气能见度的特征及其影响因子分析

广州市大气能见度逐年下降,灰霾现象严重,收集广州市2001—2003年大气能见度及同期地面气象要素(风速、温度、气压和相对湿度)观测资料和空气污染物(PM10、SO2、NO2和CO)监测数据,探讨广州市大气能见度的特征及大气能见度与气象要素和空气污染之间的关系。统计分析结果表明,广州市大气能见度的年、季、日变化特征明显,呈明显的逐年下降趋势。一年之中,春季能见度最低,夏季能见度最高。一日之中,早晨08时能见度最差,午后14时最好。能见度与气象要素及空气污染物的相关和偏相关分析结果表明能见度与平均风速呈显著正相关,与相对湿度呈显著负相关;能见度与4种污染物在简单相关分析中均呈显著的较强负相关关系,而在偏相关分析中的相关性极弱,说明空气污染物对能见度的影响是综合作用的。最后用多元线性回归法建立了大气能见度与相对湿度和PM10、SO2、NO2、CO等污染物浓度间的回归方程。     

中国主要大气污染物的时空分布特征研究

应用统计学和GIS对2014年3月─2015年2月期间190个监测城市的NO2、PM10、PM2.5和SO2的监测数据进行时空特征分布分析,结果表明,中国大气污染主要来源于采暖排放、机动车排放、工业排放与风沙天气。各污染物呈明显的区域性分布。污染物浓度总体趋势是北方地区高于南方地区。河北南部以及山东东部等重工业密集且人口密度大的地区污染较为严重。而中西部及东南部等工业发展相对落后人口较为稀少的地区污染较轻。PM10污染呈明显的季节变化,采暖期PM10主要来源于燃煤排放和机动车尾气排放,非采暖期受风沙天气影响显著,且在春、秋的风沙时期保持较高的值。采暖期PM2.5、SO2和NO2的浓度上升明显,其中SO2受到采暖期的影响最为显著。NO2主要来源于工业排放以及汽车尾气排放,因而工业布局密集且交通发达的城市污染较为严重。采暖期与非采暖期NO2、PM10、PM2.5和SO2的浓度对比变化显著,采暖期燃煤对空气质量的影响巨大。     

青年奥林匹克运动会期间南京市主要大气污染物浓度变化与分析

为了解青年奥林匹克运动会期间南京市主要大气污染物浓度变化趋势,通过南京空气质量发布系统实时监测的数据,对青奥会举办前(2014年8月3日—16日)、举办期间(2014年8月17日—28日)以及举办之后(2014年8月29日—9月9日)南京市主要大气污染物浓度变化特征进行比较分析,结果表明,青奥会前的14 d南京市PM2.5、PM10、SO2、NO2、O3浓度均值为51.6、72.2、13.5、33.1、41.7μg·m-3,青奥会期间各浓度均值为37.9、49.1、12.4、36.5、38.8μg·m-3,大气污染物浓度下降显著;而在青奥会之后,随着减排措施的取消,南京市大气污染物浓度均呈现反弹上升的趋势,各浓度均值依次为56.1、79.6、15.3、38.5、58.6μg·m-3.不同时段,PM2.5、PM10、SO2和O3浓度变化特征相似,均为青奥会之后青奥会之前青奥会期间,而NO2为青奥会之后青奥会期间青奥会之前.PM2.5、PM10、SO2、NO2日变化呈现双峰型,O3呈现单峰型的特点.     

西安市春季大气细粒子的质量浓度及其水溶性组分的特征

为了探讨西安市春季大气细粒污染物的污染水平及水溶性组分的特征及来源,2005年3—5月对西安大气PM2.5进行了观测,并应用离子色谱对其中的水溶性组分进行了分析。结果显示,西安市春季大气PM2.5的质量浓度为159.9μg·m-3。分析的11种阴阳离子(Na 、NH4 、K 、Mg2 、Ca2 、F-、Cl-、Br-、NO2-、NO3-和SO42-)质量浓度占PM2.5的30%,表明水溶性组分是大气细粒子的主要组成之一。NH4 、SO42-和NO3-为水溶性离子的主要组分,其平均质量浓度分别为6.6、20.1和7.6μg·m-3,在总水溶性离子中的百分比分别为12.4%、47.4%和16.9%,SO42-和NO3-质量浓度与能见度有较好的负相关性,表明细粒子中二次气溶胶组分对能见度有显著的影响。阴阳离子的平衡和pH值的测定结果显示,西安市大气细粒子污染物为弱酸性。离子间的相关性分析揭示水溶性离子在颗粒物中主要结合方式为(NH4)2SO4、NH4HSO4、NH4NO3、KHSO4和K2SO4。Mg2 和Ca2 的相关性也较好,其摩尔比率为0.07,小于中国北方沙漠和黄土的平均值(0.15),揭示二次扬尘和建筑扬尘等过程对Ca2 的质量浓度影响较大。计算的NO3-/SO42-质量浓度比值的均值为0.38,说明固定排放源(燃煤)对细粒子中水溶性组分的贡献大于移动排放源(机动车)。     

中国典型城市主要大气污染物的浓度水平及分布的比较研究

应用柱状图和箱线图对污染物分布情况进行对比分析,明确了2013上半年北京、沈阳、广州、上海和海口5个城市4项污染物（SO2、NO2、PM10、PM2.5）的日均浓度的分布范围。该组数据涉及的站点总计有49个,其中包含的数据量北京有1863个、沈阳有1670个、上海有1452个、广州有1574个、海口有780个。柱状图显示了这段时间每个城市各个站点4种污染物不同浓度的分布范围,北京的ρ（SO2）和ρ（NO2）分布较为集中,主要的质量浓度区间分别是0~40和40~80μg·m-3,分别占北京SO2和NO2总数据量的51.0%和49.7%,ρ（PM10）和ρ（PM2.5）则分布较为分散;沈阳分布较为集中的是ρ（NO2）和ρ（PM2.5）,主要的质量浓度区间分别是0~30和30~60μg·m-3,分别占沈阳NO2和PM2.5总数据量的52.2%和42.8%,ρ（SO2）和ρ（PM10）则分布较为分散;上海和广州分布较为集中的是低浓度下的ρ（SO2）,其他三项污染物分布较为分散。箱线图是利用每个城市所有站点得到的最大值、最小值、上四分位数、下四分位数和中位数的平均值绘制得到的,通过不同城市间的比较可见,同期ρ（SO2）的比较结果是ρ（沈阳）〉ρ（北京）〉ρ（广州）〉ρ（上海）〉ρ（海口）;ρ（NO2）较大的3个城市是北京、上海和广州;对于ρ（PM10）则只有广州和海口2个城市浓度较低,而对于ρ（PM2.5）高值集中在北京、广州和沈阳3个城市。通过谱图间的比较,并结合各个城市的气象条件及经济发展状况,从中可推测除背景点海口外,北京和沈阳主要的污染物是PM2.5和PM10,广州和上海主要的污染物是NO2和PM2.5;北京主要的污染来源是燃煤烟尘和机动车尾气,广州和上海主要的污染来源是机动车尾气,沈阳主要的污染来源是燃煤烟尘。研究结果可为典型城市的环境监管与大气污染控制提供科学依据。     

“十一五”期间安庆市环境空气质量状况分析

根据安庆市环境空气质量监测数据,对＂十一五＂期间安庆市环境空气质量状况进行了分析,并与＂十五＂期间进行了比较。结果表明,＂十一五＂期间安庆市环境空气质量优良率总体呈下降态势,首要污染物主要为PM10,老城区的污染重于开发区。采暖期SO2及PM10的质量浓度高于其它月份,NO2测值随季节变化不明显,2009年起各种污染物浓度有所下降。与＂十五＂比较,＂十一五＂期间PM10的质量浓度大幅下降,SO2及NO2均有不同幅度的上升,环境空气质量优良率比＂十五＂略有下降。     

沈阳市大气PM2.5中水溶性离子的季节变化特征

为研究沈阳市大气中PM2.5及其水溶性离子的污染特征、季节差异和来源情况,使用URG-9000D在线监测系统对沈阳市2019年大气颗粒物进行连续的采样分析,并利用正交矩阵因子分析法(PMF)进行污染物的来源解析.结果 表明,2019年沈阳市秋冬季节PM2.5质量浓度变化受相对湿度影响较大,冬季PM2.5平均质量浓度达到85.76 μg·m-3,细粒子污染较为严重.沈阳市大气PM2.5中SNA(SO42-、NO3和NH4+)所占比重表现为春季最高秋季最低;夏季SO42-和NH4+浓度较高,而NO3-浓度较低.SO42-在夏季呈单峰型日变化,与NO3-变化趋势相反.春夏秋三季NH4+与SO42-、NO3-主要结合为(NH4)2SO4和NH4NO3,冬季NH4+主要以(NH4)2SO4和NH4HSO4的形式存在.沈阳市存在较强的SO2和NOx二次转化现象,且各季节中SO2的转化率均高于NO2.PMF源解析结果表明,二次源对沈阳市大气污染贡献最大,夏秋季生物质燃烧和冬季燃煤源贡献同样不可忽视.     

武汉市三类不同大气污染过程下大气污染物特征及潜在源区分析

为了探讨武汉市不同类型大气污染过程中大气污染物变化特征,分析对比了沙尘、秸秆燃烧和霾污染过程中大气污染物(SO2,NO2,CO,O3,PM2.5和PM10)的变化特征及其影响因素。使用HYSPLIT模式计算了不同类型污染过程中气团轨迹,并利用潜在源区贡献(potential source contribution function,PSCF)和浓度权重轨迹(concentration weighted trajectory,CWT)分析方法,揭示了武汉市不同类型污染过程中大气污染物的潜在源区分布及其贡献特性。结果表明,不同类型污染下大气污染物变化不同。沙尘天主要以PM10污染为主,平均浓度为408.8μg/m^3,是干净天的5.9倍,PM2.5/PM10仅为29%。霾过程中主要以PM2.5污染为主,平均浓度为182.8μg/m^3,是干净天的3.7倍,PM2.5/PM10为90.4%。秸秆燃烧过程中大气污染物浓度均不同程度地增加,其中PM2.5、PM10和SO2的浓度分别为100.2μg/m^3,155.4μg/m^3和23.7μg/m^3,是干净天的1.8倍,1.6倍和1.6倍。表明,不同类型污染下大气污染物的日变化不同,不同类型污染过程中大气污染物的潜在源区差异较大。沙尘期间大气污染物的主要潜在源区为安徽、河南南部、沙尘源区的内蒙古和甘肃等地区。霾过程中大气污染物的主要潜在源区为湖南东北部、湖北东部、安徽西南部、浙江西部、江西北部和河南南部。秸秆燃烧过程中大气污染物的主要潜在源区为安徽、江苏西南部和河南东南部。     

稳定气象条件对天津市环境空气质量的影响

环境空气中污染物浓度不仅与污染源的排放有关,更与气象条件的变化密不可分。在不利气象条件下,空气中污染物浓度可能在极短时间内就出现峰值,造成城市空气质量迅速恶化。通过对天津市2005年11月上旬连续出现的空气污染实证,分析了主要气象因子(温度、相对湿度、能见度)与空气污染物(PM10、SO2、NO2)之间的关系,探讨了稳定天气条件对空气环境质量的影响。     

江苏沿江城市PM10和PM2.5中水溶性离子特征及来源分析

2012年3月和6月在江苏沿江七市(镇江、常州、无锡、苏州、扬州、泰州和南通)采集空气中PM10和PM2.5样品,运用离子色谱法,分析无机水溶性离子成分,并对其组成、相关性、结合形式和来源解析等方面进行研究.结果表明,春季苏南四市PM10和PM2.5质量浓度低于苏中三市,夏季反之;水溶性离子在PM2.5中所占的比例一般高于PM10,SO2-4、NO-3、NH+4是颗粒物中水溶性离子的主要成分,占总量的80%左右.PM10和PM2.5中的SO2-4和NO-3、NH+4和SO2-4、NO-3之间均具有较好的相关性;PM10中Ca2+和Mg2+显著相关,细粒子中相关性较小.NH+4和SO2-4、NO-3主要以(NH4)2SO4和NH4NO3存在于可吸入颗粒物中.春夏两季,江苏沿江城市PM10和PM2.5中的SOR均大于NOR,SO2在大气中的转化率比NOx的转化率要高;苏南地区PM10和PM2.5中的SOR和NOR高于苏中地区.运用[NO-3]/[SO2-4]的比值法研究颗粒物污染来源,表明春季的污染源主要为流动源,夏季为固定源.运用因子分析法分析颗粒物来源,燃煤、交通运输、生物质燃烧、土壤和建筑地表扬尘是春夏两季江苏沿江城市可吸入颗粒物的主要污染源.     

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-。     

北京市大气PM2.5中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京市大气PM_(2.5)中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节(春季)郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京市大气PM_（2.5）中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节（春季）郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R~2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R~2为0.887的PM_(2.5)浓度估算模型.     

北京冬季一次重污染过程PM2.5中水溶性无机盐的变化特征

为了解北京冬季重污染过程大气颗粒物化学特性,利用高时间分辨率实时在线细粒子快速捕集及化学成分分析系统(RCFP-IC)对2011年2月18—24日发生的一次重污染过程PM2.5中水溶性无机离子浓度变化进行了在线观测.结合颗粒物质量浓度、气态污染物浓度及气象资料,对此次污染过程中污染物的化学成分变化特征进行了详细分析.结果表明,此次北京冬季重污染4 d中颗粒物污染严重;总水溶性无机离子平均质量浓度151.31μg·m-3,占PM2.5相对比例54%,其中NO3-、SO24-和NH4+质量浓度占总水溶性无机离子质量浓度91%,二次离子污染非常严重;硝酸根氧化率(NOR)和硫酸根氧化率(SOR)结果显示NO3-与SO24-主要通过非均相反应生成,水溶性无机盐存在形态以NH4HSO4和(NH4)2SO4为主;重污染期K+和Cl-质量浓度显著升高,Mg2+和Ca2+质量浓度下降;阳、阴离子电荷比(C/A)重污染平均值为0.8,细粒子偏酸性.