京津冀及周边地区大气细颗粒物和臭氧对医院日门诊量的急性影响及季节性差异

探究京津冀及周边地区大气细颗粒物（PM_2.5）和臭氧（O₃）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM_2.5和O₃日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM_2.5和O₃短期暴露对人群因病就诊的影响。研究期间,大气PM_2.5和O₃日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM_2.5和O₃暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM_2.5暴露对门诊就诊量的急性影响较强,而O₃相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM_2.5和O₃短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM_2.5和O₃复合污染,同时重视污染物冷、暖季风险的差异。      

长三角工业区夏季近地层臭氧和颗粒物污染相互关系研究

利用2013年5月15日到8月31日南京江北工业区（长三角典型工业区）同步的观测资料分析了近地层臭氧（O₃）和细颗粒物（PM_2.5）、气溶胶光学厚度（AOD）的变化特征及相互间的关系,并结合光化学箱模式分析了AOD对近地层O₃生成的影响。结果表明,观测期间PM_2.5平均质量浓度为56.2±20.1 μg m-3;AOD（500 nm）均值为1.4±0.9;波长指数α（440~870 nm）均值为1.0±0.3。PM_2.5质量浓度24 h均值超国家二级标准20.2%,超标时AOD均值增加14.7%,α平均值增加23.9%,O₃体积分数均值减少12.3%。O₃超国家二级标准10.1%,超标时段AOD增加34.9%,α变化不显著。高温低湿条件下,O₃日变化峰值（y）和PM_2.5质量浓度（x）存在较高的线性相关。相对湿度＜60%时,两者拟合曲线为y＝0.97x+43.96（拟合度R2=0.60）,温度＞32°C时,两者拟合方程为y＝1.24x+30.61（R2＝0.64）。夏季长三角工业区呈现高浓度O₃与高浓度PM_2.5叠加的大气复合污染。O₃日变化峰值和AOD变化呈显著负相关。模拟结果显示,O₃日变化峰值（y）和AOD（x）呈现极高的负相关[y＝－34.28x+181.62,R2 = 0.93或y＝220.62·exp (－x/3.17)－19.50,R2＝0.99]。     

2018～2021年春季云南空气质量变化规律及境外生物质燃烧影响分析

近年云南春季的大气污染问题凸显，成为打赢蓝天保卫战的关键阻力。本文基于地面监测和卫星遥感数据，分析了2018～2021年春季云南空气质量变化，并研究了气象要素和境外生物质燃烧对空气质量的影响。结果显示，近4年全省春季污染物超标262 d(含6 d重污染)，占全年91.3%，滇南高达96.8%；污染集中在3月中旬至4月中旬，2019年污染最重，2021年次之，但优天减少良天增加明显，2020年尽管污染物浓度最低，但发生6 d重污染；空间分布表现为滇南远高于滇中和滇北，且西双版纳最高，占总超标天数的27%，但臭氧(O₃)滇西南和滇中最高，以普洱为首；超标天的首要污染物仍以PM2.5为主，但2018和2019年O₃占比略高于PM2.5。总体PM2.5和O₃存在显著的正协同效应，高臭氧促进PM2.5二次生成。PM2.5和O₃污染发生都与西南风和少降水密切相关，叠加中高温、中低湿加剧O₃污染发生，叠加中高温度和湿度易导致PM2.5超标；叠加中高温度和中等湿度,易形成O₃     

银川市主要污染物变化特征及其关系研究

利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O₃逐年呈上升趋势外,其他均呈下降趋势;市区站O₃浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM₁₀和PM_2.5浓度超国家二级标准;除O₃浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO₂、PM₁₀、PM_2.5浓度呈"双峰型"日变化特征,O₃和SO₂呈"单峰型"日变化特征。银川市主要污染物NO₂浓度与CO和O₃相关性显著,PM₁₀和PM_2.5之间相关性显著;污染物第一主成分是NO₂、CO和O₃,方差贡献率达到50%以上,加之银川市O₃浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。     

汾渭平原空气质量及气象要素对其日变化和年际变化的影响

汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM_2.5和夏季O₃浓度日最大8 h滑动平均值（MDA8_O₃）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM_2.5、PM₁₀或O₃,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O₃浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM_2.5浓度和夏季MDA8_O₃日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM_2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM_2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O₃年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O₃污染呈上升趋势（1.2 μg m?3 a?1）,但O₃污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。     

彭州市大气污染物浓度变化特征研究

本文利用2017年彭州市大气污染物(SO₂、NO₂、O₃、CO、PM₁₀、PM_2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM₁₀和PM_2.5)污染较为严重,O₃次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO₂、O₃呈单峰型日变化,NO₂、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O₃为夏高冬低),并且固态污染物(PM₁₀、PM_2.5)与气态污染物(NO₂、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O₃与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。      

汾渭平原PM2.5-O3复合污染特征及气象成因分析

PM_2.5和O₃已经成为汾渭平原城市最主要的污染物,两者之间相互影响,在暖季经常同时出现构成污染,其污染程度与气象条件密切相关。利用2015—2021年汾渭平原12个城市逐日PM_2.5和O₃浓度、地面气象观测数据以及ERA5高空再分析数据等资料,分析了汾渭平原PM_2.5和O₃的时空变化特征以及复合污染发生时PM_2.5和O₃的关系,并研究了局地气象条件和天气形势对复合污染的影响。结果显示,该地区年均PM_2.5和日最大8小时O₃浓度分别在2017年和2018年开始持续下降,复合污染日数也在2019年后开始持续下降;复合污染主要发生在3—9月,在汾渭平原东部城市出现次数较多,多出现在高温、低湿的环境下;最后利用T-PCA算法(正交主成分分析)将复合污染的天气环流形势分为4种类型,主要呈现出以高空西北气流或偏西气流、低层为暖区偏南风或微风为主的天气特征。研究结果对汾渭平原的大气...     

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

潮州市PM2.5-O3复合污染特征及与气象要素的关系

利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM_2.5、O₃质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM_2.5-O₃与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM_2.5)、ρ(O₃-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM_2.5)最高出现在3月，月平均ρ(O₃-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM_2.5、O₃污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O₃峰值出现时间在16:00,PM_2.5峰值出现在19:00。PM_2.5-O...     

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。     

上海地区AQI变化特征及与气象因素的相关性

基于上海地区2012—2016年逐日PM_2.5、PM₁₀、CO、O₃、SO₂、NO₂的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM_2.5和O₃污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM_2.5、PM₁₀和NO₂污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O₃污染天气在夏季最多（18.8 d）。风速和低云量是影响PM_2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O₃污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM_2.5、O₃污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM_2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM_2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O₃污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O₃污染,反之上海上空云系多,不容易出现污染。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

辽宁地区O3污染状况及相关气象要素分析

利用2015—2019年辽宁城市逐小时地面O₃浓度观测数据,结合各城市逐小时气象要素观测数据,分析了辽宁地区近5 a的O₃污染状况及影响O₃的相关气象条件。结果表明：除环辽东湾部分城市O₃浓度呈下降趋势外,辽宁地区其他城市的O₃浓度均呈明显的上升趋势,O₃正取代PM_2.5成为影响辽宁地区的首要大气污染物。O₃浓度具有夏季高、冬季低,下午高、早晨低的时间分布特征。除受污染排放源直接影响外,高温、高湿、强辐射、小风和地面低气压都有利于O₃的局地生成;在亚洲夏季风的影响下,上游地区（如京津冀地区）的污染气团会随大气环流向东北地区输送,对辽宁地区夏季O₃污染产生重要影响。     

京津冀典型工业城市沙河市大气污染特征及来源分析

近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM₁₀、O₃、PM_2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM₁₀、PM_2.5、SO₂、NO₂和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM_2.5、NO₂、SO₂均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM_2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO₃-)/C(SO₄2-)均值为1.89,推测沙河市NO₂主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM_2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM_2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。     

成都市大气污染与气象条件关系分析

利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM₁₀、PM_2.5、CO、O₃、 SO₂、NO₂六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O₃外在冬季最高,夏季最低,春秋两季相差不大,O₃浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM₁₀、PM_2.5、CO、NO₂浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O₃浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。      

2020年1—3月四川地区大气污染物变化特征分析

利用2018-2020年中国环境监测总站全国城市空气质量实时发布平台公布的监测点数据以及中国气象局气象站点的同期地面观测资料,采用相关性分析的方法对2020年1-3月四川地区大气污染物的变化特征进行分析。结果表明：由于2020年1-3月人为排放源管控政策的实施,成都、绵阳、宜宾和攀枝花的NO₂和PM₁₀浓度相比2018-2019年同期平均下降幅度达到30%,而O₃质量浓度在四座城市的日均值却分别上升了15.21%、10.32%、5.03%和0.42%。同时,O₃与相对湿度成负相关关系,与温度、风速和降水成正相关关系且相关系数都超过了0.7。O₃的反常增长不仅是受到气象要素的影响,较低的氮氧化物和PM₁₀浓度也间接维持了O₃的存在。严格的污染物排放控制措施对主要污染物排放影响较大,但对臭氧等次生污染物的影响较小,次生污染物污染的防治依旧面临严峻挑战。