桂林市大气气溶胶质量浓度变化特征分析

利用2009-2018年桂林大气成分站的大气气溶胶质量浓度观测资料,分析了PM_(10)、PM_(2.5)、PM_1统计值的变化规律,结果表明:(1)2009-2018年桂林ρ(PM_(10))、ρ(PM_(2.5))、ρ(PM_1)年平均值变化趋势基本相同,2012-2014年,年平均值相对较高,自2015年后有下降的趋势。一年中月变化基本呈冬高夏低的正V字型分布,月平均峰值出现在1月,谷值出现在7月。质量浓度小时平均值从数值上呈现出冬春秋夏的趋势,并呈现明显的双峰分布特征。ρ(PM_(2.5))/ρ(PM_(10))、ρ(PM_1)/ρ(PM_(10))、ρ(PM_1)/ρ(PM10_(2.5))介于60%-93%之间,说明全年可吸入颗粒物中细粒子占大多数。桂林大气气溶胶质量浓度月平均分布规律可能与天气气候特点有密切关系,日变化主要受到气象条件和污染物排放的影响。(2)桂林ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)与日均气温、日均湿度、日降水量、日均风速显著负相关,与日均气压显著正相关。中雨及大雨、暴雨可明显稀释污染物的浓度,细颗粒物易被雨水冲刷清除。2级以上的风力对于污染物有一定的驱散作用,尤其粗颗粒物下降的程度较明显。     

本溪市大气颗粒物变化特征及其与气象要素的关系

利用2014年本溪市大气颗粒物质量浓度监测资料和风速、气温、相对湿度、气压等常规地面气象要素观测资料,分析了本溪地区大气颗粒物质量浓度的月、季变化特征及其与气象要素的相关性。结果表明:2014年7月和10月本溪市大气颗粒物质量浓度较高,5月和9月大气颗粒物质量浓度较低,6月和11月大气颗粒物质量浓度比值较高。夏季PM10质量浓度较低,平均浓度为115.1μg·m~(-3);冬季PM_(2.5)和PM_(1.0)质量浓度较高,平均浓度分别为99.5μg·m~(-3)和86.1μg·m~(-3)。春季和冬季平均风速与大气颗粒物质量浓度的相关性最好,夏季和冬季相对湿度与大气颗粒物质量浓度的相关性最好。当ρ(PM_(2.5))≥200.0μg·m~(-3)时,ρ(PM_(2.5))与平均气温呈显著的正相关关系,相关系数为0.5288,ρ(PM_(2.5))与相对湿度的相关系数也高达0.6981,高温、高湿和小风等气象条件是本溪地区大气颗粒物高质量浓度事件发生的有利气象条件。     

呼和浩特市大气自净能力变化及其影响因素

基于呼和浩特市1981—2018年地面气象观测资料、2014—2018年的空气污染观测数据和1992—2013年夜间灯光指数,计算呼和浩特市大气自净能力指数ASI,分析大气自净能力与空气质量的关系,探讨近38 a呼和浩特市大气自净能力变化特征及其影响因素。结果表明:ASI与空气质量指数AQI呈幂函数的负相关关系,ASI越小,越容易出现空气污染。呼和浩特市年平均ASI呈显著下降趋势,特别是21世纪之后下降明显。风速、混合层高度对ASI的作用更大,而降水的作用较小。冷空气日数与ASI正相关关系显著,21世纪以后冷空气活动的明显偏弱对大气自净能力减弱造成一定影响;夜间灯光指数及夜间灯光区域面积均与通风量呈显著的负相关关系,大气自净能力的变化在一定程度上受到城市化进程的影响,特别是21世纪以后影响较大。     

武汉市空气质量状况与气象条件的关系

基于2013年武汉市环境监测数据和气象要素资料,分析该市空气质量状况与气象条件的关系。结果表明,武汉市全年平均空气质量指数(AQI)为135,良和轻度污染所占比例分别为35%和30%。雾天、霾天、晴天、雨天四种天气条件下,6种污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))浓度值基本上为雾天最高、霾天次之、晴天再次之、雨天最低,雾天00—08时污染物浓度明显高于其他天气条件;PM_(2.5)浓度与降水量的相关性较差,中雨量级时,降水对污染物的清除作用显著,PM_(2.5)浓度下降明显,当日降水量小于1 mm时,PM_(2.5)浓度略有上升,平均上升1.3μg·m~(-3)左右,这与微量降水的大气增湿作用有关;PM_(2.5)浓度变化与相对湿度(RH)和风速的关系较明显,其相关系数分别为0.87和-0.72,当RH70%且每增加10%时,PM_(2.5)浓度增加10μg·m~(-3)左右;静风和风速很大时,污染物浓度相对较高,东南风影响下PM_(2.5)浓度在四季均较高,而秋、冬季在西北风影响下PM_(2.5)浓度最高;PM_(2.5)浓度主要增长阶段以正变温、负变压为主。     

中国地区春霜冻的变化趋势和未来情景预估北大核心CSCD

春季的霜冻事件是北半球温带地区与农业相关的最严重的极端事件之一。在气候变化背景下,探究整个中国地区春霜冻的变化趋势和未来可能变化有利于增进人们对春霜冻的认识,对我国未来农业结构调整有一定的参考价值。本文采用不易受离群值影响且考虑了自相关的非参数方法,在分析1960~2020年观测资料的基础上,利用24个耦合模式比较计划第6阶段(Coupled Model Intercomparison Project Phase 6,CMIP6)模式模拟的中等辐射强迫(SSP2-4.5)情景下的逐日最低温数据,在评估模式模拟性能后对中国地区未来(2021~2100年)的春霜冻日数、终霜日的变化趋势的空间分布特征以及与1991~2020年气候态相比的全国平均的距平序列进行了分析。结果表明:1)1960~2020年,全国约60.3%站点的春霜冻日数呈现显著减少趋势[-3.5~0 d(10 a)^(-1)],40%站点的终霜日呈显著提前趋势[-4.3~0 d(10 a)^(-1)];全国平均的春霜冻日数呈^(-1).3 d(10 a)^(-1)的显著减少趋势,终霜日则呈^(-1).7 d(10 a)^(-1)的显著提前趋势。2)2021~2100年,预估我国大部分地区的春霜冻日数均呈现显著减少趋势[^(-1).6~0 d(10 a)^(-1)],终霜日则呈显著提前趋势[^(-1).4~0 d(10 a)^(-1)];全国平均的春霜冻日数呈现-0.8 d(10 a)^(-1)的显著减少趋势,终霜日呈现-0.8 d(10 a)^(-1)的显著提前趋势。     

喀什地区浮尘天气特征及一次重污染天气成因分析

根据1961—2018年喀什地区9个国家站浮尘日数逐日观测资料,利用气候学统计、M-K突变检验等方法分析喀什地区浮尘日数的时空分布等气候特征,分析2019年3月19—25日喀什地区出现的强浮尘造成的重污染天气成因。结果表明:喀什地区年平均浮尘日数为71 d,浮尘日数总体呈减少趋势,并于1997年前后发生了显著减少性突变。2019年3月19—25日出现的强浮尘天气过程,持续时间长,影响范围广,乌拉尔山高压脊发展,脊前横槽转竖,在新疆东部回流东灌冷空气是造成此次沙尘过程的天气背景。浮尘天气造成21—24日喀什地区空气污染指数AQI指达500,属严重污染,首要污染物PM_(2.5)和PM_(10)在21日、22日达到峰值,分别为494、1 175μg/m~3。热力、动力条件以及近地面存在逆温层均不利于污染物的扩散。污染过程前后喀什市本站气压与PM_(10)、PM_(2.5)浓度均呈正相关,相关系数为0.762、0.507,均通过0.05显著性水平检验;气温与PM_(10)浓度呈负相关,与PM_(2.5)相关性不明显;相对湿度跟PM10和PM2.5呈正相关,表明气象因子在大气污染过程中对大气环境影响明显。     

上海东滩大气颗粒物长期变化及影响源区分析北大核心CSCD

根据2008—2015年上海崇明东滩大气成分观测站(以下简称东滩站)大气颗粒物(PM)观测数据,分析其浓度水平、变化趋势、影响气团和潜在源区。结果表明,2008—2015年东滩站PM质量浓度的长期变化趋势不显著,但细粒子(PM_(2.5))比例不断升高。PM_(2.5)/PM_(10)从0.84上升至0.92,表明二次气溶胶占比趋于增加。对8年大样本数据进行后向轨迹聚类,发现东滩站主要受大陆型、海洋型、大陆/海洋混合型气团影响,三者所占比率分别为32.0%、38.8%、29.3%。海洋型气团中PM_(2.5)本底质量浓度为11~15μg·m^(-3),而大陆型气团中PM_(2.5)本底质量浓度的季节差异显著,在29~56μg·m^(-3)波动,对东滩站具有明显的输入效应。东滩站PM_(2.5)的潜在源区随季节变化,秋季和冬季主要受华北、黄淮、苏皖影响,春季收缩至苏皖和浙江北部,夏季则转换至长三角南部的浙江及浙闵沿海。总体而言,上海及周边的苏锡常、杭嘉湖对东滩PM_(2.5)浓度贡献最显著,来自渤海、黄海近海污染回流的贡献也不可忽视。     

小时和日值降水数据对河南省暴雨日数和暴雨日变化特征的影响北大核心

利用1961—2018年河南省111个气象站逐日和逐小时降水数据,分析了暴雨日数的时空变化规律及暴雨日变化特征,并通过统计对比分析,评估了小时和日值降水数据对暴雨日数及暴雨日变化的影响。结果表明:(1)1961—2018年,河南省年平均暴雨日数变化呈显著上升趋势,速率为0.34 d·(10 a)^(-1);94.6%的气象站点年平均暴雨日数的气候倾向率为正,显著增加的站点数占总站数的73.0%;年平均暴雨日数为1.4 d,以7月最多,平均值为0.52 d,占年平均暴雨日数的37.1%。(2)1961—2018年,河南省暴雨总降水的日变化呈现单峰结构,主峰值出现在05时,为4.5 mm;暴雨日变化峰值呈波动下降趋势,速率为0.16 mm·(10 a)^(-1);日变化峰值大部分出现在00—08时,共42个年份,占79.3%;从空间分布看,各气象站点的暴雨日变化峰值大都出现在00—06时,占总站数的73.5%。(3)2014—2018年,河南省小时和日值降水数据吻合度为100%;吻合暴雨总降水的日变化的主峰值和次峰值出现在04时和17时,分别为4.3 mm和3.4 mm;日变化峰值出现在13—18时的气象站点最多,占总站数的33.9%。(4)小时和日值数据对暴雨日数及暴雨日变化造成了影响,主要表现在年平均暴雨日数及其变化趋势不一致和暴雨日变化的差异。     

1998-2016年中国PM_(2.5)浓度变化对气温的影响研究

为探讨“人类活动—大气污染—气温变化”的关系反应链,从宏观尺度阐明PM_(2.5)浓度变化对气温的影响,利用1951—2017年中国822个气象站点日最高气温、日最低气温和日平均气温资料,1998—2016年中国年均PM_(2.5)浓度遥感图像数据、地表太阳辐射数据,1998—2016年中国各省(区)逐年能源消耗总量、地区生产总值及夜间灯光指数数据,运用Slope趋势变化分析方法与相关性分析法,分析了中国PM_(2.5)浓度的变化趋势及其影响因素。结果表明:1998—2016年中国黄淮海区、东北区PM_(2.5)浓度上升速度最快,分别为1.42μg·m^(-3)·a^(-1)、1.44μg·m^(-3)·a^(-1),而其他地区相对变化不明显;黄淮海区PM_(2.5)浓度平均值高,地表太阳辐射降低,对该区年最高气温有明显的抑制作用,但对年平均气温和年最低气温的影响不明显。东北区PM_(2.5)浓度增长速率较高,但年平均浓度值低,该地区有着较高的水热配合度,PM_(2.5)对年最高气温的抑制作用不明显;能源消耗总量与PM_(2.5)浓度呈显著的正相关。     

1994—2017年杭州能见度特征及其与PM_(2.5)关系

根据杭州1994—2017年24时次观测的大气能见度及同期地面气象要素(风速、气温、降水量和相对湿度等)、2013—2017年PM_(2.5)监测数据,探讨杭州市大气能见度的特征以及相对湿度、PM_(2.5)对能见度的影响。统计分析表明,杭州大气能见度的年、季、日变化特征明显,在经历2003—2014年低能见度天气多发后,2016—2017年能见度明显转好,特别是2017年均能见度达到11.6 km,为1994年以来最高值;一年之中,冬季能见度较低,夏季能见度较高;一日之中,早晨07:00能见度最差,午后15:00最好。能见度的转好与PM_(2.5)关系密切,当PM_(2.5)质量浓度在50μg·m^(-3)以下,每降低5μg·m^(-3)可以使能见度显著增加。     

中国东北地区重污染事件气溶胶浓度变化与天气形势分析

近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明：2015—2017年中国东北地区PM_2.5和PM₁₀年平均质量浓度呈下降趋势,其中PM_2.5年平均质量浓度下降的更快,PM_2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m^-3,SO₂年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m^-3,而NO₂最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m^-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m^-3,相反中国东北地区O₃年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m^-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM_2.5和PM₁₀与AQI最大值均出现在冬季,SO₂冬季质量浓度最大值出现在沈阳（180 μg·m^-3）,NO₂与CO冬季最大值出现在哈尔滨（80 μg·m^-3,1.8 mg·m^-3）。相反,O₃最大值出现在夏季沈阳地区约为140—150 μg·m^-3。重度污染级别（200 μg·m^-3≤PM_2.5 < 300 μg·m^-3）和严重污染级别（PM_2.5>300 μg·m^-3）的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染（150 μg·m^-3≤PM_2.5 < 200 μg·m^-3）的天数沈阳>哈尔滨>长春,轻度污染（100 μg·m^-3≤PM_2.5 < 150 μg·m^-3）的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。     

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。     

降水和风对泰安地区PM2.5浓度的影响及区域传输研究

利用泰安市2018—2019年降水、风和PM_2.5逐小时观测数据,分析了降水和风对PM_2.5浓度的影响,并对PM_2.5进行了源解析。结果表明：降水对PM_2.5有一定清除作用,降雨日PM_2.5平均质量浓度较非降雨日平均降低约7.2%,秋冬季节最为显著。降水对PM_2.5的清除率与降水强度、降水前PM_2.5初始浓度及降水时间均有关。当降水强度大于4 mm·h^-1时,清除率多在40%以上;当降水强度小于2 mm·h^-1、初始浓度低于75 μg·m^-3或降水强度小于1 mm·h^-1、初始浓度在75—100 μg·m^-3范围,且降水持续时间在5 h以内时容易出现PM_2.5浓度反弹现象。不同风向风速对泰安地区霾粒子清除也有明显差异,西南偏西风和东北偏东风更容易造成泰安地区霾污染,重污染期间风速超过5 m·s^-1偏南风和风速超过3 m·s^-1偏北风均对污染物具有有效清除作用。而区域风场相关矢结果表明重污染期间PM_2.5污染物主要从广西—湖南—江西一带、安徽南部及浙江北部在西南气流引导下传输至泰安地区,本地源贡献则较少。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

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。     

中国长三角地区PM2.5时空分布数值模拟研究

利用第三代空气质量预报模式LOTOS-EUROS(Long Term Ozone Simulation-European Operational Smog)对2018年中国长三角地区细颗粒物(PM_2.5)浓度的时空分布进行数值模拟,通过对比模拟结果与地面观测值,验证模式对PM_2.5长期特征模拟的合理性并探讨长三角地区PM_2.5的时空分布特征。结果表明：LOTOS-EUROS模式可以较好地再现中国长三角地区PM_2.5浓度的时空分布特征,监测站点观测值和模拟值的整体相关系数达到0.64,可以用于长三角地区细颗粒物的模拟。长三角地区PM_2.5浓度呈冬高夏低,西北高东南低的特征。冬季PM_2.5浓度高值出现在长三角地区的西北部,安徽省等地区的浓度水平最大值可达到160 μg·m^-3;春季和秋季PM_2.5浓度的高值集中在30°N以北、120°E以西地区,浓度为40-80 μg·m^-3;而夏季PM_2.5浓度水平大幅度降低,大部分地区维持在20-40 μg·m^-3,低值中心出现在长三角地区东南部沿海城市,低于10 μg·m^-3,最低值可达5 μg·m^-3。     

2015年11月沈阳地区一次PM2.5重污染过程综合分析

利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。     

哈尔滨秋季一次持续性重污染过程分析

利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM_2.5,PM_2.5平均浓度为438 μg·m^-3,局地PM_2.5浓度高达1487 μg·m^-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s^-1,风速≤ 1.5 m·s^-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM_2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）^-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。