京津冀地区大气NO2污染特征研究

京津冀都市圈作为全国主要的重化工业基地,区域性大气污染问题成为关注的焦点。NO2作为二次颗粒物及光化学污染物的重要前体物,了解其在时空尺度的污染特征对于保护公众康健及大气污染综合治理具有重要意义。本研究主要基于OMI遥感反演数据并结合部分地面监测数据,研究了2005—2013年京津冀NO2区域污染特征。结果表明：京津冀NO2柱浓度总体呈现逐年升高的趋势,年平均增长速率可达5.69%。在空间格局上呈东南平原区高、西北山区低的特征,平原的年均柱浓度是山区的3倍多;平原区存在两大NO2高值区域,分别为北京-天津-唐山区域和石家庄-邢台-邯郸区域;9年内, NO2高值范围不断扩大,且呈现明显的连片趋势。各城市大气 NO2在9年内的增长趋势也表现出明显的空间差异性。其中石家庄、唐山、邢台等 NO2重度污染区域的增长速率最大,衡水、沧州、秦皇岛、廊坊等中度污染区域的增长速率次之,承德、张家口等轻度污染区域的增长速率最小。京津冀NO2柱浓度具有显著的季节变化特征,总体表现为秋冬高、春夏低,但山区与平原区差异较大。人口密度、能源消耗、机动车排放等人为因素与京津冀 NO2污染密切相关,不同城市的首要影响因素却不同。北京 NO2柱浓度变化主要受机动车排放影响,天津、唐山、石家庄、邯郸、邢台地区主要受工业燃煤的影响,其次为机动车排放。人为因素对平原区NO2柱浓度的影响作用始终占据主导地位,对山区的主导作用从2006年开始突显。此外,京津冀平原区NO2重污染中心的形成还受到特殊地形和不利的气象条件影响。2008奥运年,京津冀空气质量得到迅速且有效的改善,说明北京及周边省市联合开展大气污染治理及监管工作的有效性及必要性。     

京津冀区域工业水污染排放空间密度特征研究

京津冀地区是海河流域水资源开发程度最高的流域,水资源严重短缺,废水排污量大,水资源、水环境已成为制约京津冀地区发展的全局性限制因素。考虑到京津冀严峻的水环境形势和流域上下游污染影响的现状,明确水污染物空间排放特征,对于划分水污染空间管理分区、设计分区污染物减排方案,推动京津冀水污染协同治理都有着积极的作用。文章基于京津冀企业污染源环境统计数据,应用核密度空间分析工具模拟了京津冀工业源水污染排放空间集聚特征。结果显示,(1)京津冀工业源COD和NH_3-N排放最多的行业集中在造纸和纸制品业、农副食品加工业、化学原料和化学制品制造业、纺织业等十大行业。(2)京津冀工业源COD排放主要集中在邯郸、天津、张家口和秦皇岛,合计占京津冀区域COD总排放的56%;工业源NH_3-N排放主要集中在邯郸、天津,合计占京津冀区域NH_3-N总排放的52%。(3)COD排放密度大于1 t?km~(-2)的区域面积占京津冀区域面积的20.4%,在石家庄、保定、秦皇岛、天津、邢台、唐山等市形成显著的COD污染集聚区位;氮排放密度高于0.2 t?km~(-2)的区域面积占京津冀区域面积的15.9%,污染集聚区主要位于天津、承德、石家庄等地。根据水污染空间密度分析结果,针对京津冀不同区域不同行业制定有针对性的水污染防治措施,根据上述重点污染行业和污染排放密集区域,加强水污染综合管控力度,开展区域协同综合治理,提升区域水环境质量。     

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。     

京津冀冬季与夏季PM_(2.5)/PM_(10)及其水溶性离子组分区域性污染特征分析

为研究京津冀地区冬、夏两季大气颗粒物质量浓度与水溶性离子组成特征,于2013年2月、7月对北京、天津、石家庄及4个国家大气背景点进行了PM2.5及PM10的采样,分析了质量浓度及9种水溶性离子,结果表明:(1)京津冀地区颗粒物污染冬季重于夏季,冬季污染水平石家庄天津北京,夏季污染天津、北京石家庄,区域内PM2.5与PM10之间有很好的相关性,相关系数r冬季为0.8796,夏季为0.8424,说明整个区域颗粒物污染有较为相近的来源,大气颗粒物污染表现出区域性特征;(2)京津冀地区PM2.5及PM10中的9种水溶性离子浓度规律为NO-3、SO2-4、NH+4Cl-、Ca2+K+、Na+F-、Mg2+.该地区水溶性离子污染冬季最重为石家庄,夏季则为北京;(3)在京津冀地区二次离子NO-3、SO2-4、NH+4是主要的污染离子,3种离子质量浓度总和在PM2.5、PM10中冬季分别占48.9%、27.8%,夏季分别占58.7%、48.5%.二次离子主要集中在PM2.5中,其对细离子浓度的升高起到直接作用,且二次离子的构成关系也在发生变化.整个区域向硝酸型污染转变,二次离子的季节分布也呈现区域特征,冬季NO-3离子质量浓度比重最大.夏季则为SO2-4;(4)粒径越小富集水溶性离子的能力越强,在PM1中分布了50%以上的水溶性离子,73.9%—94.8%的水溶性离子分布在PM2.5中.     

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.     

天津市环境空气中氮氧化物污染及防治策略

对天津市2004-2008年环境空气中的NO2污染状况及变化趋势进行了系统分析,中心城区污染呈总体下降趋势,但仍是污染较重区域,滨海新区污染呈明显加重趋势。对主要污染源的排放分析表明,工业污染和汽车尾气污染为影响空气质量的主要因素,排放量分别占53.1%-67.6%和28.7%-44.0%。认为加大工业污染源NOX减排力度、实施严格的机动车排放标准和改善能源结构是控制NOX污染的重要措施。     

城市街道内机动车排放污染物NO对流扩散的特征

采用现场观测和数值模拟的方法研究了城市街道内机动车排放污染物中的NO扩散特征。结果表明:城市街道中机动车排放污染物的对流扩散取决于屋顶风向和风速,随着建筑物顶部气流速度的增大,街道内同样位置的污染物浓度相对减小;当风向垂直于街道轴线时,街道内同样位置的污染物浓度最大;同时街道内机动车排放的污染物浓度与车流量成正比关系,即机动车流量越大污染物浓度越高。     

城市大气污染物来源特征

以北京市为案例，介绍一种包括污染物排放清单建立、环境空气质量模拟及区域环境影响分析等方法在内的城市大气污染物来源特征分析的整体技术方法，从而确定城市大气污染物的排放分布及浓度分布特征、行业排放分担率及浓度贡献、地区排放分担率及浓度贡献以及区域污染对城市环境空气质量影响等多方面特征，为城市大气污染的控制决策提供必要的理论支持。对北京市的研究结果表明：对PM10，扬尘和工业为主要当地污染源；对SO2，采暖和工业为主要当地污染源；对NOx，交通和工业为主要当地污染源；对3种主要大气污染物，石景山、朝阳南等工业区以及老城区对北京市的大气环境造成重要影响，为需要优先控制的地区；北京市周边污染源对北京环境气质量有较大影响，其中RM10的影响最大(高达47．3％)，北京市应同时加强对局地污染与区域污染的控制。     

基于情景分析的长三角城市群机动车污染排放控制研究

机动车污染已成为大气污染的重要来源,对机动车污染排放控制策略的研究已经成为中国空气污染防治最重要的工作之一。选取长三角城市群为研究区域,研究未来长三角城市群机动车污染排放控制措施的减排效果。应用COPERT Ⅳ模型构建1999—2015年长三角城市群机动车污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)、CO_2、CH_4、N_2O、NH_3和SO_2排放清单,以2015年为基准年,设置8种减排情景评估2025年各情景下的机动车污染物减排效果,并对新能源车推广情景采用GREET模型从生命周期的角度进行研究。结果表明,长三角城市群1999—2015年间不同机动车污染物排放趋势存在差异,除污染物CO_2和NH_3排放增长趋势显著外,其余污染物排放近年来均呈现下降趋势;与基准情景相比,不同情景设置下的机动车污染物减排效果不同,淘汰高排放车辆情景对污染物NO_x、PM_(2.5)和CH_4削减效果较为显著,削减率分别为14.41%、16.65%和12.49%;实施激进新能源车推广情景对污染物CO、NMVOC、PM_(10)、CO_2、N_2O和NH_3减排效果较为明显,削减率分别为13.66%、20.03%、15.48%、20.56%、18.31%和21.46%;提升燃油品质情景对污染物SO_2减排效果最为明显,削减率为93.64%;激进综合情景综合所有削减控制措施并对污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)、CO_2、N_2O和NH_3达到最大的削减效果,表明长三角城市群未来控制机动车污染物排放需结合多种污染减排措施,以达到最佳减排效果。     

乌鲁木齐市冬季采暖期对流层NO_2柱浓度变化特征

NO_2是大气对流层的一种痕量气体,也是城市空气污染的重要监测指标,影响着生态环境和人体健康。特殊的地形及不利于污染物扩散的天气条件,使得乌鲁木齐市冬季采暖期大气污染最为严重。2014—2016年采暖期(11月至翌年3月)在乌鲁木齐市城中心(市区)和城北部(工业园区)利用地基多轴差分吸收光谱仪(MAX-DOAS)对大气NO_2进行了监测,探讨NO_2柱浓度的变化特征及其污染来源。结果表明,(1)与2014—2015年采暖期相比,2015—2016年采暖期市区监测站点NO_2柱浓度下降了6.8%,工业园区监测站点上升了28.5%;NO_2柱浓度月均值表现出12月最大,3月最小,浓度范围是3.905×10~(15)~20.034×10~(15) molec·cm~(-2);两监测站NO_2柱浓度日变化明显,市区晚上偏高;工业园区早晚偏高,且晚大于早。(2)64%~71%的NO_2柱浓度的逐日变化由气象要素决定,其中平均风速对NO_2柱浓度的影响最显著;市区NO_2的污染源主要分布在东、东北和西南方向,正南北方向的风对NO_2有扩散作用;工业园区NO_2的污染源来自西北和东南方向,南风及偏东风对NO_2具有扩散作用。(3)乌鲁木齐市"煤改气"工程初见成效,而市周边工业园区及机动车尾气排放仍是大气污染治理的重点。     

城市交通与机动车排放控制

论述了随着城市机动车保有量的急剧增长,机动车排放污染物对城市大气环境的影响也越来越大。分析了城市机动车排放污染的状况及影响因素,特别重点讨论了机动车车型和汽车城市道路运行工况对机动车排放污染物的影响。为了改善城市大气环境,推动城市全面、协调、可持续发展,提出了若干措施,供城市规划、城市交通管理部门参考。     

北京市三种典型区域大气污染研究

2009年8月至2010年7月,对北京城区、城乡结合部和远郊区3种典型区域大气中的SO。CO、NO。0,浓度和气象因素进行了监测,并分析了其污染特征．结果表明,城区、城乡结合部的SO：、CO、NO。浓度在全年四季都呈双峰型日变化,与人类活动和交通尾气排放特征基本一致,而远郊区没有明显的日变化．SO,、CO、NO。浓度存...     

丽水小盆地型城市酸雨现状及成因分析

根据浙江省丽水市1986--2002年酸雨监测数据，对该市酸雨污染的现状特征及成因进行了分析。结果表明，丽水市酸雨污染严重，并呈逐年加重的趋势。冬、春季酸雨率高，降水pH值低；降水的主要离子SO4^2-与NO3^-比值逐年下降，说明大气污染有从煤烟型转为煤烟型与机动车尾气混合型的趋势；煤耗量、地型地貌特点、低空逆温层频率、地面弱风频率对酸雨率和降水pH值有明显的影响。     

基于OMI数据汾渭平原大气SO_2时空分布特征分析

汾渭平原煤炭能源消耗占比较高,是全国二氧化硫(Sulfur dioxide,SO_2)高污染区,2018年已被生态环境部纳入了"蓝天保卫战"治理重点区域,研究该区域SO_2污染状况,对科学有效地治理大气污染具有重要的意义。该研究利用2008年以来臭氧卫星传感器(Ozone Monitoring Instrument,OMI)监测的SO_2柱浓度数据,以及2013年以来的地面监测站的SO_2观测数据(OBS),综合运用空间插值、相关分析等方法探讨了汾渭平原大气SO_2季节性空间分布特征、逐月变化,以及不同时期平均年总量变化情况。结果表明,汾渭平原SO_2柱浓度值季节变化特征比较明显,冬季远远高于其他季节,春季和夏季中心城市柱浓度基本相当,秋季太原和临汾盆地高于渭河平原。从逐月的时间变化来看,太原、渭南和西安总体呈现下降趋势,临汾表现出了上升趋势,4个城市OMI的SO_2柱浓度值与地面监测站的SO_2浓度值具有较好的相关关系,R2最高的是渭南,达到了0.733 4,最低的是太原,为0.662 5。从2008—2012年和2013—2017年这两段时期的平均年柱浓度来看,前期的SO_2浓度值远大于后期,太原盆地北部下降幅度最大,达到了1.5～3.0 DU,西安及周边下降幅度为1.0～2.0 DU,临汾盆地和太原盆地南部变化较小,部分地区有上升趋势。与京津冀、四川盆地、长江三角洲、珠江三角洲相比,汾渭平原SO_2柱浓度变化幅度较小,2014年之后超过了京津冀地区,居于以上四个地区之上。该研究可为晋陕两省开展有针对性的协同治理提供科学依据。     

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.     

上海市2000-2019年降水酸性和离子成分的变化趋势

降雨的酸度和化学成分主要由区域空气质量决定.本研究通过分析上海市2000-2019年降水监测数据,研究了酸雨强度和频率的变化趋势及其原因.结果 表明,本世纪前二十年上海酸雨污染呈现先加剧后缓解的倒"V"型变化趋势,2019年全市平均酸雨污染水平与2000年相当,其中石化企业集中的金山区取代钢铁火电集中的宝山区成为上海酸雨污染最严重的区域.SO42-、NO3-、NH4+和Ca2+是降水中的主要离子成分.各站点降水SO42-浓度比最高点分别降低了85％-94％,与同期大气SO2降幅基本一致,表明消减SO2排放在酸雨防控中发挥了关键作用.NO3-/SO42-比值不断升高,从最初的～0.3上升到当前的1.0以上,表明上海酸雨已经从硫酸型转变为以硝酸为主的混合型,即,机动车排放污染成为上海酸雨的主控因子.降水中Ca2+浓度降幅超过70％,部分抵消了SO2减排对酸雨的影响.随着碱性大气颗粒物的减少,NH3排放对降水酸度的影响越来越突出.为协同治理PM2.5和酸雨污染,本研究建议在长三角等酸雨区应审慎实施NH3减排措施.     

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)。     

基于AQI的深圳大气污染特征及其典型环流形势分析

随着中国城市化加速以及机动车保有量的大幅增加,城市环境问题日益突出。深圳地处珠江三角洲城市群,空气质量恶化引起社会各界广泛关注。利用深圳市11个国控站空气质量时平均、日平均监测资料、欧洲中心中期天气预报(ECMWF)再分析资料以及温度、湿度等自动气象监测数据,采用数理统计和典型环流分型等方法,在分析2013—2015年深圳市大气污染时空分布特征的基础上,探讨了深圳污染日典型环流形势特征,以期为深圳大气污染的预警预报、防治及其影响评估提供科学依据。基于空气污染指数(AQI)的污染分析表明:2013—2015年深圳市空气质量呈转好趋势,污染以轻度污染为主(92.4%);引起污染天气的主要污染因子是PM_(2.5)(75%)、O_3(19%)和NO_2(4.8%),PM_(2.5)和NO_2引起的污染天气呈下降趋势,而O_3引起的污染天气呈上升趋势,这表明光化学污染已成为深圳大气污染的重要形式。深圳的大气污染过程持续时间短,以1~2 d为主,污染天气集中出现在冬季,且易出现长时间持续(≥5 d)的污染过程。主要污染物季节特征明显,冬季为PM_(2.5),夏季O_3,春秋季PM_(2.5)、O_3和NO_2均会出现。深圳污染天气空间差异性较大,总体呈现西多东少的分布,东部沿海地区是深圳空气质量最好的区域。深圳污染日典型天气形势可分为大陆高压型、热带气旋型两类,其中秋冬季为大陆高压型,夏季为热带气旋型,在空气质量预报预警服务中,不同季节应关注不同污染物浓度变化和天气形势演变。     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

京津冀及周边城市PM_(2.5)污染空间关联网络及季节演化研究

京津冀及周边城市是雾霾频发的重灾区,研究该地区城市的PM_(2.5)污染空间关联网络及其随季节演化情况,对于雾霾污染的协同治理具有重要的意义。选取2015年3月16日—2020年3月15日期间,京津冀及周边31个城市的日均PM_(2.5)浓度数据作为样本。首先,对不同城市PM_(2.5)浓度值的时序变化与空间分布进行了可视化展示;然后以城市为节点,城市日均PM_(2.5)浓度值皮尔逊相关系数为边,相关系数与城市最短距离的比值为权重构建京津冀及周边城市PM_(2.5)污染空间关联网络,并对网络的整体特征与季节演化情况进行了分析。结果表明,京津冀及周边城市PM_(2.5)污染空间关联网络图密度为0.473,平均度为14.194,网络图比较紧密;在区域内部,聚类系数较高城市大多位于中间城市带,PM_(2.5)污染也较为严重;石家庄与邢台的度值最高,分别为26与25,接近中心性与中介中心性也最高,控制其他城市PM_(2.5)污染传输的能力最强;在不同季节,城市PM_(2.5)指数相关性对比存在较大差异,采暖季平均聚类系数为0.82,非采暖季平均聚类系数为0.66,在采暖季城市PM_(2.5)污染空间关联更为紧密。因此,应当根据不同季节的气象条件,制定不同的PM_(2.5)污染防治政策,对于污染均比较严重的,位于中间城市带的城市,应重点监控,并积极推进京津冀及周边城市PM_(2.5)污染的一体化与协同治理。