北京地区PM10浓度空间分布特征的综合变分分析

利用2003年10月北京地区PM₁₀浓度流动观测资料和同期MODIS AOD(Aerosol Optical Depth)高分辨率遥感资料，采用卫星遥感地面观测变分订正处理方法，综合分析了北京地区PM₁₀浓度的空间分布特征以及机动车排放的影响效应。动态观测试验结果表明:北京城区大部分为轻污染区, 北京近郊区PM₁₀浓度高值区沿环路呈环状分布，其中北京西南部、南部和东北部污染较严重，北京城郊街区PM₁₀的空间分布受机动车排放的影响较大。MODIS卫星遥感资料分析表明:北京城区及近郊区AOD值较远郊区高得多，AOD空间分布场中存在虚假高值区，AOD非均匀分布特征不明显。采取点面结合综合观测研究思路，运用卫星遥感地面观测综合变分分析方法，可以取得客观订正的显著效果。经地面实测PM₁₀浓度变分订正后的AOD变分场可以较高分辨率信息描述北京地区AOD的非均匀分布特征，弥补地面PM₁₀浓度观测的缺陷。     

基于卫星遥感AOD的华北地区2003—2014年PM2.5浓度时空分布特征

华北及周边地区PM_2.5造成的污染, 近十年来引起了社会的广泛关注, 也是科学研究的重要领域。利用2003—2014年的卫星遥感MODIS AOD数据和2014—2015年的地面观测PM_2.5浓度数据, 采用聚类分析、混合效应模型、EOF分解等统计分析方法, 反演了2003—2014年华北及周边地区PM_2.5浓度, 分析其时空分布特征。主要结论如下:(1)卫星遥感MODIS AOD与地面观测PM_2.5值有较高的相关系数, 可利用MODIS卫星遥感AOD对地面观测的PM_2.5浓度进行反演; (2)华北地区PM_2.5浓度呈现出明显的空间分布特征:太行山脉是污染强弱明确的分界线, 山脉东南部的污染显著高于西部, 且在地势变化的地方出现明显的突变; 河北南部、河南北部和山东西北部分区域是污染最严重的地区; (3)2004年、2009年以及2013年后都是污染浓度比较低的年份。      

利用PCA-kNN方法改进广州市空气质量模式PM2.5预报

为了提高广州市PM_2.5客观预报能力,采用主成分分析结合机器学习算法k近邻（PCA-kNN）方法,基于空气质量模式（CMAQ）预报产品、中尺度天气模式（GRAPES-MESO）预报产品和2017年上半年广州PM_2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM_2.5预报客观订正方法。结果表明:与CMAQ模式的PM_2.5预报相比,在第1~3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20%、15%、29%,均方根误差分别降低17%、16%、20%,平均偏差更接近0,PM_2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报。机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM_2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义。      

利用MODIS资料监测京津冀地区近地面PM2.5方法研究

为建立京津冀地区冬季近地面细颗粒物浓度监测方法模型,利用气象模式资料对2013年1-3月MODIS的AOD二级深蓝算法产品进行湿度和垂直订正,与同期观测的地面细颗粒物PM_2.5资料进行相关分析。结果表明：AQUA的MODIS深蓝算法AOD产品更适用于建立冬季AOD-PM2.5遥感监测模型,其R²为0.33;以气象模式资料中边界层高度代替气溶胶标高对MODIS的AOD进行垂直订正,并结合IMPROVE观测的气溶胶吸湿增长特征构建分区湿度订正方法,可以提高AOD-PM_2.5模型结果的精度,建立较为理想的京津冀地区冬季遥感反演综合模型,模型结果与地面监测结果R²达0.5以上。根据建立的模型计算了2013年1-3月的京津冀地区PM_2.5月平均浓度,京津冀地区1月的PM_2.5浓度较高,南部大部分地区空气质量已经达到重度污染水平。     

气象-气溶胶资料联合同化对秋季PM2.5浓度模拟的影响研究

相比冬季大范围静稳条件下的污染堆积过程,秋季气象条件更加复杂和局地化,气象条件模拟不确定性给秋季气溶胶模拟带来了更大难度,且目前研究较少考虑气象-气溶胶因素在线模拟和联合同化。使用WRF/Chem模式和格点统计差值（GSI）三维变分同化系统,2015年10月进行了为期1个月的气象-气溶胶资料联合同化及模拟试验,并基于此讨论了气象-气溶胶资料联合同化对秋季PM_2.5浓度模拟的影响。结果表明,WRF/Chem模式可以模拟出秋季污染天气过程,但对华北平原和中东部地区存在高估、西北部存在低估现象;同化地面PM_2.5浓度观测资料可以改进对PM_2.5浓度的模拟,上述两个地区的偏差均得到订正,6 h预报偏差均降低至6 μg/m3以内;重点针对华北地区的分析表明,秋季PM_2.5污染过程与特殊气象条件（湿度升高、风场辐合、区域输送）密切相关,因此在地面PM_2.5观测资料同化基础上增加常规气象资料同化,能进一步提高对华北平原气象-污染过程的表达,PM_2.5浓度预报相关系数从0.86提高至0.89。气象-气溶胶联合资料同化能更加准确地模拟秋季气溶胶污染过程,为更好地开展污染成因和在气象预报框架下开展气象-气溶胶相互影响研究提供了基础。      

2010年秋季鞍山气溶胶光学特征变化

利用2010年9-11月鞍山大气成分监测站CE-318太阳光度计观测资料,依据气溶胶光学厚度测量原理,计算得到2010年鞍山秋季大气气溶胶光学厚度、波长指数等大气光学特性数据,通过统计分析,给出鞍山秋季气溶胶光学特性分布特征。结果表明：随着测量AOD波段的降低,AOD值逐渐增大,9月的AOD平均值最大,10月AOD平均值次之,11月AOD平均值最小。从频率分布看,2010年9月 AOD日均值集中分布在0.4-0.6之间,10月和11月AOD日均值集中分布在0.0-0.4之间,表明10-11月大气较为清洁|波长指数日均值的频率分布说明鞍山秋季大气污染物以细粒子为主。500 nm 的AOD值与波长指数成对数关系,两者在9、10月和11月的相关系数分别为0.5145、0.8412和0.2715;9月AOD与PM₁₀、PM_2.5、PM_1.0质量浓度为较小负相关,10月和11月AOD与PM₁₀、PM_2.5、PM_1.0质量浓度成正相关,且10、11月AOD与气溶胶细粒子相关性较为显著。AOD值与能见度在趋势上呈较小的负相关性,可能是由于高层气溶胶粒子对气溶胶光学厚度产生了主要影响。     

北京区域环境气象数值预报系统及PM2.5预报检验

基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM_2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM_2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM_2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

汾渭平原CUACE模式空气质量预报性能的检验订正及环境评估

利用2019年1—6月地面环境监测资料和PM_2.5气象条件评估指数，结合滚动偏差订正方法，对汾渭平原CUACE空气质量预报产品进行了检验订正，并对气象条件和污染减排影响进行了评估。结果表明：CUACE模式对空气质量指数(AQI)、PM_2.5和SO₂浓度预报值较接近观测值，PM₁₀、CO和NO₂预报值小于观测值，O₃预报值大于观测值；对首要污染物O₃和PM_2.5及重度和严重等级污染的预报的TS评分最高，漏报率和空报率最小，预报偏差最接近1；滚动偏差订正方法对改善CUACE空气质量预报效果较为明显，尤其是对PM₁₀、O₃和NO₂改善最为明显；汾渭平原2019年上半年气象条件变化使PM_2.5浓度较2018年同期和过去5年同期分别上升了18.26%和11.18%，减排措施使PM_2.5浓度较2018年同期和过去5年...     

2010-2011年鞍山市能见度特征

利用2010年6月至2011年5月鞍山大气成分观测站的能见度资料,统计分析能见度与PM₁₀、PM_2.5、PM_1.0质量浓度、风速、降水强度和气溶胶光学厚度等气象要素的相关性。结果表明：鞍山市能见度月均值从8月份开始呈上升趋势,11月份达到峰值后开始显著下降,2月份达到最低值,自3月开始又出现较大幅度增长,进入夏季后略有下降;PM_2.5/PM₁₀、PM_1.0/PM₁₀比值与能见度呈反相关,能见度增大,PM_2.5/PM₁₀、PM_1.0/PM₁₀比值减小,且PM_1.0/PM₁₀的减小趋势更大,说明影响能见度的颗粒物以细粒子为主。平均风速与能见度变化趋势基本一致,与PM_2.5/PM₁₀、PM_1.0/PM₁₀的变化趋势呈反相关。随着雨强的增大,降水日能见度平均值随之减小,降水前一日和后一日的能见度平均值均大于降水日,且降水前一日及后一日的能见度改变量及改变率的绝对值随着降水强度的增加而增加。波长指数的变化说明影响鞍山能见度变化的污染物粒子整体较稳定,能见度与AOD成明显的反相关。     

Aerosol Data Assimilation Using Data from Fengyun-3A and MODIS:Application to a Dust Storm over East Asia in 2011

Aerosol optical depth(AOD) is the most basic parameter that describes the optical properties of atmospheric aerosols,and it can be used to indicate aerosol content. In this study, we assimilated AOD data from the Fengyun-3 A(FY-3 A) and MODIS meteorological satellite using the Gridpoint Statistical Interpolation three-dimensional variational data assimilation system. Experiments were conducted for a dust storm over East Asia in April 2011. Each 0600 UTC analysis initialized a24-h Weather Research and Forecasting with Chemistry model forecast. The results generally showed that the assimilation of satellite AOD observational data can significantly improve model aerosol mass prediction skills. The AOD distribution of the analysis field was closer to the observations of the satellite after assimilation of satellite AOD data. In addition, the analysis resulting from the experiment assimilating both FY-3 A/MERSI(Medium-resolution Spectral Imager) AOD data and MODIS AOD data had closer agreement with the ground-based values than the individual assimilation of the two datasets for the dust storm over East Asia. These results suggest that the Chinese FY-3 A satellite aerosol products can be effectively applied to numerical models and dust weather analysis.     

Terra和Aqua卫星MODIS 3 km AOD与北京PM_(2.5)对比分析

本文利用2014年全年北京市12个空气质量监测站的逐小时PM_(2.5)地面观测资料,以及Terra卫星和Aqua卫星的MODIS 3 km气溶胶光学厚度(AOD)产品,分析了地面PM_(2.5)和两颗卫星AOD的时空分布特征,并在时空匹配的基础上,建立了AOD与PM_(2.5)浓度之间的回归模型。结果表明:PM_(2.5)浓度在城区高、郊区低,最低值位于定陵站,城区站和郊区站的逐时PM_(2.5)浓度的日变化分别呈"双峰型"和"单峰型";两颗卫星AOD数值也均是城区高、郊区低,沿山区的边界有明显的AOD梯度,且城区上午Terra卫星的AOD高于下午Aqua卫星的AOD,而郊区上、下午的AOD基本相同;Aqua卫星AOD与PM_(2.5)的确定系数(R2)较Terra卫星AOD与PM_(2.5)的确定系数平均高0.11,且城区站点两颗卫星AOD与PM_(2.5)相关性均较郊区站点AOD与PM_(2.5)相关性偏高;综合来看,Aqua卫星的AOD与城区的PM_(2.5)相关系数最高,即Aqua卫星的AOD更适于监测和反演城区地面的PM_(2.5)。     

基于动态统计预报方法的京津冀雾霾中期预报试验

利用欧洲中期天气预报中心（ECMWF）数值预报产品和动态统计预报方法,对北京、天津、石家庄等14个京津冀重点城市雾霾与空气污染进行定量化的中期预报试验,包括对首要污染物PM_2.5浓度和能见度的逐时定量化预报及雾霾现象的客观化判断,并对2015年10月1日-2016年11月10日试验预报效果进行了检验评估。检验结果显示:该方法对北京及周边城市未来10 d逐时和逐日能见度、PM_2.5浓度及雾霾现象的预报值与观测值之间具有显著正相关系数、较高的误差减少量和TS评分等,表明基于ECMWF数值预报产品和动态统计预报方法的京津冀雾霾污染中期定量化预报技术整体上具有较高的可靠性、稳定性与预报技巧性。此外,检验指标还显示出该动态统计预报方法对能见度的预报效果要略优于PM_2.5浓度预报,同时对霾的预报准确率高于对雾的预报。个例分析显示,该动态统计预报方法能提前5~6 d预报出北京地区典型持续性雾霾污染的发展过程,对持续性雾霾的提前预报预警具有较好的参考意义。     

上海市PM_(10)浓度四季遥感模型研究

通过分析2001—2012年上海市PM_(10)浓度(由API(Air Pollution Index)转化得到)的变化规律,构建了上海市PM_(10)浓度的遥感反演模型。结果表明:1)上海市PM_(10)浓度存在季节性变化,应分别建立遥感反演模型。2)分析MODIS气溶胶光学厚度(Aerosol Optical Depth,AOD)产品与PM_(10)浓度之间的相关性发现,AOD须经过垂直和湿度订正才可与PM_(10)建立较好的关系。3)结合垂直和湿度订正分别建立的上海市PM_(10)浓度春夏秋冬四季的遥感反演模型均通过了拟合度检验,其中春季模型采用指数函数、夏季和秋季模型采用二次多项式函数、冬季采用幂函数、全年采用二次多项式函数,利用此四季模型反演上海市PM_(10)浓度具有较高的可信度。     

Influence of traffic emissions on the composition of atmospheric particles of different sizes – Part 1: concentrations and elemental characterization

Epidemiological studies initially considered the impact of total solid particles on human health, but according to the acquired knowledge about the worse effect of smaller particles, those studies turned to consider the impact of PM₁₀. However, for the last decade PM_2.5 began to be more important, once as they are smaller they can penetrate deeper in the lungs, being possible their trapping in alveoli and worse effects on human health. Therefore, more information on PM_2.5 should be provided namely concerning the levels and elemental composition. Considering the relevance of traffic on the emission of particles of small sizes, this work included the detailed characterization of PM₁₀ and PM_2.5, sampled at two sites directly influenced by traffic, as well as at two reference sites, aiming a further evaluation of the influence of PM₁₀ and PM_2.5 on public health. The specific objectives were to study the influence of traffic emission on PM₁₀ and PM_2.5 characteristics, considering concentration, size distribution and elemental composition. PM₁₀ and PM_2.5 samples were collected using low-volume samplers; the element analyses were performed by particle induced X-ray emission (PIXE). At the sites influenced by traffic emissions PM₁₀ and PM_2.5 concentrations were 7–9 and 6–7 times higher than at the background sites. The presence of 17 elements (Mg, Al, Si, P, S, Cl, K, Ca, Ti, V, Cr, Mn, Fe, Ni, Cu, Zn and Pb) was determined in both PM fractions; particle metal contents were 3–44 and 3–27 times higher for PM₁₀ and PM_2.5, respectively, than at the backgrounds sites. The elements originated mostly from anthropogenic activities (S, K, V, Mn, Ni, Zn and Pb) were predominantly present in PM_2.5, while the elements mostly originated from crust (Mg, Al, Si and Ca) predominantly occurred in PM_2.5–10. The results also showed that in coastal areas sea salt spray is an important source of particles, influencing PM concentration and distributions (PM₁₀ increased by 46%, PM_2.5/PM₁₀ decreased by 26%), as well as PM compositions (Cl in PM₁₀ was 11 times higher).     

北京一次持续性雾霾过程的阶段性特征及影响因子分析

利用北京地区高时间分辨率观测资料对2009年11月3—8日一次持续性雾霾天气过程中的气象因素和气溶胶演变特征进行了分析。结果表明,该次雾霾过程具有明显的阶段性特征,前期以霾为主,中期发展为雾霾交替,后期随着相对湿度减小再次转换为霾并最终消散。边界层逆温是低能见度过程形成的必要条件,但并不最终决定雾霾低能见度强度。相对湿度和PM_2.5浓度是决定能见度大小的两个关键影响因子,对能见度的影响体现出阶段性特征。大部分时段PM_2.5浓度是影响能见度的主要因子,当能见度小于1 km时,能见度变化更多受相对湿度影响。不同的情景计算表明,控制PM_2.5浓度对于改善本次过程的能见度有重要作用。     

京津冀一次重度雾霾天气能见度及边界层关键气象要素的模拟研究

本文利用GRAPES_CUACE大气化学模式对京津冀地区2015年12月重度雾霾过程进行了模拟和评估。京津冀地区能见度和PM_2.5模拟值与观测值的对比表明:该模式能较好地模拟京津冀地区能见度和PM_2.5的逐日变化情况,但模式存在对伴随着重污染发生的低能见度模拟偏高的问题。以12月5~10日的重度雾霾过程为重点,针对地面风速、边界层高度、相对湿度、PM_2.5及其对能见度的影响进行了详细分析,研究结果表明:污染过程中大部分地区过程平均风速低于2 m s-1,边界层平均高度低于600 m,相对湿度较高。模式低能见度模拟偏高可能因为:（1）模式模拟重雾霾时段的PM_2.5极大值浓度偏低。（2）模拟相对湿度存在系统性偏低的误差,这一误差对能见度的影响表现为两方面,一是相对湿度会通过影响可溶性气溶胶的吸湿增长过程影响气溶胶质量浓度,导致气溶胶消光系数的计算偏低;二是目前模式中采用的能见度的参数化公式考虑了相对湿度对气溶胶吸湿增长的影响,没有考虑雾滴的直接消光作用。     

FY-3A/MERSI、MODIS C5.1和C6气溶胶光学厚度产品在中国区域与地面观测站点的对比分析

准确获取气溶胶光学厚度对于气候变化研究和大气环境监测具有重要意义。通过波长插值和时空匹配方法,利用气溶胶自动观测站网（AERONET）观测的气溶胶光学厚度（AOD）对风云3A/中分辨率光谱成像仪（FY-3A/MERSI）、Terra（Aqua）/MODIS的C5.1（Collections 5.1）和C6（Collections 6）气溶胶光学厚度产品在中国区域的反演精度进行验证分析。结合一次发生在中国境内的沙尘天气与一次严重雾霾天气个例,分析上述卫星气溶胶光学厚度的分布特征。研究结果表明,（1）FY-3A/MERSI AOD的反演精度较高（R=0.887,RMSE=0.234）,其值低于AERONET的观测值（Bias=-0.293）。（2）在不同的下垫面下,各种卫星暗像元算法AOD产品反演精度有差异,植被覆盖情况越好,反演精度越高,而植被很少的地区,即亮地表甚至没有反演值。（3）MODIS C5.1深蓝算法产品能在亮地表地区反演AOD,但效果不佳。MODIS C6中的深蓝算法产品在不同下垫面的反演精度都很高（RMSE为0.096-0.127）。（4）在不同季节的对比中,各种卫星AOD产品在夏季的反演精度最差,而反演最好的季节各有不同。（5）在一次沙尘天气污染与一次严重雾霾天气个例中,中国西部与北部区域,MODIS C6深蓝算法AOD的监测效果优于其他算法AOD;MERSI AOD产品在此区域的分布不连续。总体而言,MODIS C6 AOD分布比MODIS C5.1产品连续,MODIS 3 km产品在相同区域的AOD值高于其他产品。以上结论可为卫星AOD产品在中国区域的使用提供参考。      

大气物理过程方案对PM2.5预报的敏感性试验

利用WRF-Chem大气化学模式,选择2015年12月中旬发生在我国的大范围空气污染过程,在采用同样化学方案条件下,针对模式中不同物理过程及其参数化方案开展了地面PM_(2.5)预报的敏感性试验。结果表明:该模式能较好展示此次PM_(2.5)污染的演变过程,与实况也较接近,但对青海经宁夏至内蒙的PM_(2.5)高值区出现了漏报现象,这可能是模式外边界未对污染物做更新所致。对地面PM_(2.5)的预报,各物理过程的敏感度不同,边界层(含近地面层)过程的影响要明显大于积云对流及微物理过程的影响,不同的参数化方案会造成不同的预报误差。边界层过程QNSE和与其配套的近地面层方案的组合是预报的较佳组合;而TEMF和与其配套的组合以及ACM2和Pleim-X的组合则不佳。合理的物理过程参数化方案有助于提高PM_(2.5)预报质量。模式预报对排放源也有适应过程,其Spin-up时间较气象要素长。     

Influence of traffic emissions on the composition of atmospheric particles of different sizes—Part 2: SEM–EDS characterization

In urban areas traffic is the major contributor to atmospheric particulate matter and exposure to these particles currently represents a serious risk to human health. The attention has been recently focused more on the particles of smaller sizes (PM_2.5) which penetrate deeper in respiratory system causing severe health effects. Therefore, more information on PM_2.5 should be provided, namely concerning morphological and chemical characterization. Aiming further evaluation of the impact of traffic emissions on public health, this work evaluated the influence of traffic on the chemical and morphological characteristics of PM₁₀ and PM_2.5, collected at one site influenced by traffic emissions and at one reference site. Chemical and morphological characteristics of 1,000 individual particles were determined by scanning electron microscopy combined with energy dispersive spectrometer (SEM–EDS). Cluster analysis (CA) was used to identify different types of particles that occurred in PM, aiming the identification of the respective emission sources. Traffic PM_2.5 were dominated by particles composed of Fe oxides and alloys (67%) which were related to traffic emissions (this percentage was 3.7 times higher than at the background site); in PM_2.5–10 the abundance of Fe oxides and alloys were 20% and 0% for the traffic and background sites, respectively. Background PM_2.5 were mainly constituted by aluminum silicates (63%) related to natural sources (this percentage was 2.5 times higher than at the traffic site); the abundances of aluminum silicates in PM_2.5–10 were 74% and 73% for traffic and background sites, respectively. It was concluded that traffic emissions were mainly present in PM_2.5 (the percentage of particles associated to these emissions was 3.4 times higher than in PM_2.5–10), while coarse particles were dominated by material of natural origin (the percentage of particles associated was 1.2 and 3.0 times higher than in PM_2.5 for traffic and background sites, respectively). Previous results obtained by proton induced X-ray emission (PIXE) were consistent with SEM–EDS analysis that showed to be very useful to complement elemental analysis of different PM_2.5 and PM_2.5–10.