北京市朝阳区主要大气污染物浓度变化特征

利用2011—2013年北京市朝阳区国家一般气象站PM_(2.5)、O_3、NO、NO_x、CO和SO_2的大气成分监测资料,分析了朝阳区6种主要大气污染物浓度不同时间尺度的变化特征.结果表明:2011—2013年朝阳区PM_(2.5)浓度呈明显增长的趋势,达到重度污染等级的日数增多;而O_3、NO、NO_x、CO和SO_2等气态污染物的年平均浓度变化较小,无明显增长的趋势,5种气态污染物浓度季节差异明显.除O_3浓度为夏季高、冬季低外,PM_(2.5)、NO、NO_x、CO和SO_2浓度均为夏季低、冬季高,可能与冬季采暖期排放的污染物增多有关.污染物浓度的日变化除O_3呈单峰型外,其他5种污染物浓度日变化均大致呈双峰型,可能与人类活动及天气条件有关.朝阳区与宝联、顺义、上甸子地区等代表"城市—近郊—远郊站点的污染物浓度日变化存在极大的差异性,其中PM_(2.5)浓度差异最明显,朝阳站PM_(2.5)浓度日变化呈双峰型,宝联站PM_(2.5)浓度日变化呈三峰型,昌平和上甸子站PM_(2.5)浓度为峰值出现在夜间的单峰型日变化.由此可见,不同地区因城市化发展程度不同,导致局地污染物浓度存在明显的差异.     

Trends of surface PM_(2.5) over Beijing–Tianjin–Hebei in 2013–2015 and their causes: emission controls vs. meteorological conditions

文章以2013年为基准年对京津冀地区2014–15年的PM_(2.5)浓度变化趋势作了分析,并结合区域空气质量模式NAQPMS研究了气象条件和大气控制措施对PM_(2.5)浓度变化的贡献。研究结果表明:京津冀地区2014–15年PM_(2.5)年平均浓度较2013年有明显下降,其中:南部城市(邢台、邯郸、石家庄和沧州)PM_(2.5)浓度下降由气象条件和排放源控制共同作用,排放源控制起主导作用;天津市和廊坊市2014年PM_(2.5)浓度下降有赖于排放源控制,气象条件总体不利于污染物扩散,2015年则由气象条件和排放源控制共同作用,以排放源控制为主导作用;受制于不利气象条件影响,北京市PM_(2.5)浓度下降幅度较其它污染城市更小(2014和2015年分别为4%和9%)。在采暖季和非采暖季的对比中,2015年采暖季期间,整个区域重污染下的PM_(2.5)浓度下降幅度显著大于其它时期,这表明当前该区域大气污染治理正朝精细化的方向发展。     

苏州市大气PM_(2.5)中水溶性无机离子的源解析及其气象因子分析

为了探明PM_(2.5)中水溶性无机离子的来源和气象因子对其浓度变化的影响,利用2012年2、5、8和11月苏州市PM_(2.5)中水溶性无机离子浓度和本站气象观测数据,分析了苏州市水溶性无机离子的时间变化特征,解析了当地PM_(2.5)中水溶性无机离子的主要来源,探讨了气象因素对离子组分的影响。结果表明:(1)苏州市PM_(2.5)中水溶性无机离子年均浓度大小依次为:SO_4~(2-)NO_3~-NH_4~+Na~+Cl~-K~+Ca~(2+)Mg~(2+)F~-;SO_4~(2-)、NH_4~+和NO_3~-为PM_(2.5)中最重要的3种水溶性无机离子物种,其总和占PM_(2.5)总质量浓度的50.9%。各离子的季节浓度特征均为冬季最高、夏季最低。(2)通过运用主成分分析法对苏州市PM_(2.5)中水溶性无机离子进行来源分类解析,发现第一类为二次污染源和生物质燃烧,其贡献率为32.84;第二类为道路扬尘及工业排放,其贡献率为19.99%;第三类为海盐污染,其贡献率为18.43%。(3)通过水溶性无机离子与气象条件的相关性分析发现,风向、风速和温度与水溶性无机离子浓度的相关性较显著,这三者是颗粒物浓度变化的主要影响因子。(4)利用HYSPLIT后向轨迹模式对外来污染物进入苏州市的轨迹进行聚类分析后发现:因受季风气候影响,苏州市外来污染物的输入路径存在明显的季节性变化特征,其中夏半年输送主径源自海上,冬半年主径源自内陆。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

北京市房山区大气污染物时空分布特征及气象影响因素分析

利用北京市房山区良乡镇和琉璃河镇内的区域自动气象站和环境监测站观测数据,对2013年至2015年PM_(2. 5)、PM_(10)、NO_2、SO_2、CO 5种大气污染物浓度变化特征进行了统计分析。结果显示,近3年来,两个镇综合污染物指数呈现逐年下降趋势,各污染物对房山区整体大气污染的贡献率从大至小依次为PM_(2. 5)、PM_(10)、SO_2、NO_2、CO,PM_(2. 5)已取代传统大气污染物SO_2成为房山区的主要大气污染贡献体。两个站点各污染物浓度均表现出明显的季节、月、日变化特征。在不同季节条件下,局地气象要素与污染天气发生概率之间有着很好的相关关系。因此,可根据气象要素分级方法找出各季节污染天气发生时最敏感的气象因素,为局地污染天气预报提供参考指标,也为防范空气污染、制定科学的综合管理措施提供科学参考。     

2013—2014年江门CMAQ的预报检验

基于CMAQ空气质量模式的报文资料和江门环境监测站资料,对2013年12月至2014年2月份CMAQ空气质量模式在江门市的应用进行了效果检验,分析了AQI和SO_2、NO_2、PM_(10)、PM_(2.5)等要素的预报值与实际观测值之间的误差和预报效果,结果表明:模式对AQI 24、48和72 h时效的预报值都比实测值偏高、预报时效越长、偏离越大;离散程度越高,可靠性也越差。整个冬季AQI 24 h时效预报值与实测值相关系数高达0.72,模式能够准确把握AQI的变化特征,48和72 h时效相应的相关系数分别为0.55和0.4。模式对SO_2、PM_(10)、O_3和PM_(2.5)的预报容易偏高,对NO_2和CO的预报容易偏低。6种要素预报效果较好的是PM_(2.5)和PM_(10);预报效果最差的是CO,无论是平均偏差、离散程度、相关系数和可靠性等,明显低于其它要素。     

降水对河北沧州大气污染物质量浓度的影响

基于2014—2019年河北沧州逐小时气象与环境监测数据,采用风力+背景浓度订正方法,进一步探讨降水对大气污染物浓度的影响。结果表明:风力+背景浓度订正方法可以较好地消除污染物浓度自身的日变化特征,并剔除了风的影响,从而更准确地获取降水对大气污染物浓度的影响。在风力+背景浓度订正条件下,降雨对PM_(2.5)、PM_(10)、NO_2、O_3有较好的清除作用,而对SO_2、CO的清除作用不明显。不同强度降雨对PM_(2.5)、PM_(10)、NO_2均具有较好的清除作用,且清除率随着雨强的增强而增大;雨强小于8.0 mm·h~(-1)的降雨对O_3有显著清除作用,而大于6.0 mm·h~(-1)的降雨对SO_2有清除作用。伴随着降雨的持续,PM_(2.5)、PM_(10)、NO_2、O_3质量浓度不断下降,降雨清除效率也随之降低,当污染物质量浓度降至一定阈值后降雨清除作用不明显。     

APEC会议期间北京地区大气污染物的分析研究

该文利用北京市通州区环保局、北京市环境保护监测中心自动检测网络站点数据及NCEP(1°×1°)再分析资料,分析了2014年北京APEC会议期间各污染物浓度值的变化,分析表明:管控期内PM_(2.5)、NO_3浓度下降明显。PM_(2.5)、NO_2呈现双峰现象,O_3、SO_2呈现单峰态。同时,北京市人口稠密区夜间PM_(2.5)污染较为严重,仍需控制NO_2的排放量。并探究管控措施实施效果,为今后重大活动空气质量保障提供参考。     

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。     

降水对重庆市大气污染物浓度的影响分析

利用2013—2015年逐日沙坪坝气象站气象及临近的环境监测数据,探讨降水对重庆市大气污染物浓度的影响,结果表明:PM_(2.5)、PM_(10)、SO_2浓度随降水量增加逐渐降低,降低趋势线较为明显,降低幅度为SO_2的 PM_(10)的PM_(2.5)的;NO_2和CO随降水量增加减少趋势不明显;O_3浓度随降水量的增加而逐渐增加。各类大气污染物在不同量级降水量时变化特征有所不同。在降水量小于1 mm时,弱降水的气象条件更有利于污染物的积累,不利于污染的稀释扩散和沉降,空气质量恶化;大于1 mm后,降水对各种大气污染物均有明显的清除作用,清除能力随着降水量级的增加而增大,在降水量大于10mm后湿清除能力明显提升,降水量大于20 mm时湿清除能力最强,粗细颗粒与雨滴碰并效应增加,降水对PM_(10)和PM_(2.5)的湿清除率分别达30%和25%。连续降水时,各季节降水对各类大气污染物的湿清除能力不尽相同:冬季降水对PM_(2.5)湿清除作用最为明显,对其余污染物清除作用从大到小依次为PM_(10)、SO_2、NO_2、CO,而O_3在冬季降水使O_3浓度增加非常明显,通常冬季臭氧浓度相对较低,降水一定程度上使冬季空气质量变好,太阳辐射增加,二次污染物光合作用增强,臭氧浓度也一定程度上增加。     

合肥市PM_(2.5)对城市辐射和气温的影响

本文利用2013年2月—2014年3月安徽省合肥市地面总辐射(即向下短波辐射)、气温、地面温度、相对湿度等气象资料和PM_(2.5)浓度资料,分析了合肥地区PM_(2.5)和地面总辐射、地温和气温的关系,研究发现:(1)PM_(2.5)浓度是影响总辐射的重要人为因子,在中午无云条件下,地面总辐射与PM_(2.5)的浓度呈现较强的负相关关系,相关系数为-0.62。归一化地面总辐射和PM_(2.5)的相关系数为-0.76,在早晨和傍晚的相关系数较小。平均而言,白天无云时PM_(2.5)浓度每增加1μg·m-3,地面总辐射下降0.92 W·m-2。(2)在白天无云时,气温、地面温度和PM_(2.5)浓度有明显负相关关系,PM_(2.5)浓度对地面温度的影响远大于对气温的影响,在夏季的影响高于其它季节。气温、地温和PM_(2.5)浓度的线性拟合直线的平均斜率分别为-0.022和-0.12,相当于PM_(2.5)浓度增加10μg·m-3,地温和气温分别平均下降0.22℃和1.2℃。(3)在天气尺度上,PM_(2.5)浓度对总辐射、气温和地面温度有非常明显的影响,在2013年9月清洁个例和2013年12月的污染个例中,PM_(2.5)浓度每增加1μg·m-3,将引起总辐射下降1.8 W·m-2和0.5 W·m-2,地温下降0.11℃和0.02℃,气温下降0.03℃和0.01℃,因此在天气预报过程中也需要考虑空气污染状况。     

Response of fine particulate matter to reductions in anthropogenic emissions in Beijing during the 2014 Asia–Pacific Economic Cooperation summit

研究使用全球大气化学传输模式GEOS-Chem高分辨率(1/4°×5/16°)区域嵌套版本评估2014年亚洲-太平洋经济合作峰会(APEC)期间不同地区不同污染物减排对北京地区PM_(2.5)(粒径小于2.5μm的气溶胶颗粒,本文中定义为硫酸盐、硝酸银、铵盐、一次有机碳和黑碳气溶胶浓度之和)浓度降低的不同影响。在2014年10月15日至11月29日期间,模拟结果表明:模式可以重现观测结果中PM_(2.5)及主要气态污染物(一氧化碳、二氧化氮和二氧化硫)浓度的日变化趋势。在APEC期间,模拟PM_(2.5)浓度相比会议前期和会议后期下降55.9%–58.5%,与观测结果具有较好的一致性。敏感性实验结果表明:APEC期间华北地区氮氧化物和一次有机碳的减排对于北京地区PM_(2.5)浓度的降低影响最为显著,相应减排措施致使北京地区PM_(2.5)浓度分别下降5.7%和4.6%。同时,对氨气排放的控制可以有效地降低整个华北地区在APEC期间的PM_(2.5)浓度。     

石家庄地区能见度变化特征及其与相对湿度和颗粒物浓度的关系

利用1980—2013年石家庄地区12个气象台站能见度资料,结合相对湿度和PM_(2.5)、PM_(10)浓度数据,分析了石家庄地区能见度的时空分布特征,通过研究能见度与相对湿度和PM_(2.5)、PM_(10)浓度的关系,建立大气能见度的多元非线性预报模型。结果表明:(1)1980年以来石家庄地区年平均能见度以-1.0 km·(10 a)~(-1)的速率呈下降趋势,夏季下降趋势最明显,春季下降趋势最小;(2)1998年前后石家庄地区能见度变化较大,1999—2013年平均能见度较1980—1998年下降了15.3%,且空间变化也较明显,1998年之前分别在中北部和中南部存在2个高值中心,在市区和赵县存在2个低值中心,1998年之后则呈由东向西逐渐递减的分布形势;(3)能见度与相对湿度存在显著的指数函数关系,而与PM_(2.5)和PM_(10)浓度均呈幂函数关系。据此建立的能见度与相对湿度和PM_(2.5)、PM_(10)浓度的多元非线性拟合模型能较好地反映能见度的变化规律,并对能见度具有一定的预报能力。     

分钟降水量对能见度及PM2.5浓度影响研究

为清楚认识降水对能见度及PM_(2.5)浓度的影响,以杭州为例,采用2014—2015年逐分钟气象观测资料,对比分析了不同降水条件下能见度及PM_(2.5)浓度的分布特征,建立了不同强度降水影响能见度及PM_(2.5)浓度的定量关系。研究结果表明降水量大小及持续时间对能见度与PM_(2.5)浓度有明显作用,不仅持续稳定的降水过程能够造成持续的低能见度,突发性强降水更能造成能见度大幅降低;降水与能见度之间关系符合幂函数分布特征,能见度随降水量增加从快速下降过渡到慢速下降,中间存在一个拐点。降水对PM_(2.5)的清除作用受降水量及降水前PM_(2.5)浓度大小共同作用,降水对PM_(2.5)的清除作用在降水较小并持续时,会造成PM_(2.5)浓度的缓慢下降;而强降水过程对PM_(2.5)的清除作用十分明显,降水量、PM_(2.5)浓度、能见度三者之间表现出基本一致的同步变化。基于降水量与降水前PM_(2.5)浓度两个因子,采用非线性拟合方案构建了降水影响PM_(2.5)浓度的定量统计模型,拟合结果与实况较为吻合,说明模型抓住了降水情景下影响PM_(2.5)浓度变化的关键因子。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。     

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。     

上海地区空气污染变化特征及其气象影响因素

利用2013—2014年上海地区6种空气污染物小时浓度和逐日空气质量分指数(IAQI)的监测资料,统计分析了上海地区空气污染的变化特征及其气象影响因子。结果表明:2014年上海地区空气质量优良率达77.0%,空气质量总体较2013年明显好转。2013—2014年上海地区AQI具有季节性特征,表现为冬季空气质量较差、秋季空气质量较好的特征,其中12月空气质量最差。由首要污染物分布可知,上海地区最主要的污染物为PM_(2.5),其中冬季PM_(2.5)污染出现最多;O_3则为夏季的主要污染物。由污染物浓度的周循环变化可知,上海地区PM_(2.5)、PM_(10)、NO_2和O_3浓度均存在周末低于工作日的"周末效应",但PM_(10)和NO_2浓度的"周末效应"更显著。由2014年上海地区霾日与PM_(2.5)浓度的变化可知,当PM_(2.5)浓度达到轻度及以上污染时,霾天气出现的概率大幅提高,但二者并非对应的关系。天气形势对PM_(2.5)污染影响较大,基于上海地区天气形势特点可以将PM_(2.5)污染的地面形势分为7种类型,其中高压中心型和高压楔型为PM_(2.5)污染的主要天气型。由于上海地区冬季冷空气活动频繁,西北风将上游地区颗粒物输送至本地,易造成较严重的污染天气;同时在冷高压的控制下,高压中心型和高压楔型天气频繁出现,导致颗粒物不易扩散,也易造成空气污染。夏季和秋季在副热带高压的控制下,水平和垂直扩散条件均较好,不易出现PM_(2.5)污染,但由于气温较高,光照条件较好,易出现O_3污染。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

2013—2015年廊坊市连续重污染条件下的气象要素和污染物特征

通过综合运用micaps、自动站等气象资料,以及环境监测污染物浓度和AQI指数等资料,对2013—2015年廊坊市的连续重污染天气进行了分析,并细致分析探讨了在空气达到重污染背景下,气温、风向、风速、相对湿度等气象要素和多种空气污染物指数的分布特征。结果表明:(1)连续重污染具有明显的季节性特点,秋季开始出现,冬季达到顶峰,随着次年春季的到来逐渐减少至消失;(2)连续重污染的出现将导致气温升高,此时风向多为西南风—西风和偏东风,平均风速以0.3~1.5m·s^(-1)为主,最大风速多在1.6~3.3m·s^(-1)之间,相对湿度以60%~70%为最高发区间;(3)连续重污染天气的首要污染物为PM_(2.5)或PM_(10),其中以PM_(2.5)为主,比例高达94.3%,且呈逐年小幅下降趋势;(4)CO和SO_2浓度变化与采暖期污染物排放关系密切;(5)5月出现的连续重污染较少,且由大风沙尘天气造成。     

北京一次污染天气过程特征的数值模拟

运用耦合了化学模块的中尺度数值模式WRF/Chem和自NCAR引进的人类污染物排放源数据对北京地区2012年8月31日污染天气过程的特征进行了数值模拟,结果表明模拟的臭氧(O_3)浓度具有明显的日变化特征,高、低峰值分别出现在午后和夜间,空间分布与流场有一定关系;PM_(2.5)也存在日变化,但空间分布相对稳定,高值主要聚集在城区;局地污染物具有水平输送特征,但因总量为零,并未加重污染物的局地聚集;来自北京南部的远距离输送是这次污染物的主要来源之一。敏感性试验分析发现,这次过程的O_3污染主要来源于北京之外的外源输送,而细颗粒物主要来源于本地生成;O_3污染对前体物(NO_x)的敏感性比较平稳,对挥发性有机物的敏感性起伏较大,凌晨至上午最为明显。     

不同代表性浓度路径情景下2045-2050年中国气溶胶分布变化的分析（英文）

基于来自于CMIP5中CESM模式的三种RCP情景下的气象场的降尺度模拟,应用区域空气质量模式系统RAMSCMAQ模拟2045-2050年中国地区气溶胶浓度.三种RCP情景下气象场的降尺度模拟表明,与RCP2.6相比,在RCP4.5和RCP8.5下,华北和华南的近地表温度差减小,风速在华北和华南地区增加,在中部地区下降.RCP2.6情景下,模拟的2045年到2050年平均的PM_(2.5)浓度在华北平原,长三角的部分地区和四川盆地最高,约为40-50μg m~(-3),在中国中部和珠三角的部分地区约为30-40μg m~(-3).与RCP2.6相比,在RCP4.5和RCP8.5下,PM_(2.5)增加了4-12μg m~(-3),其中在RCP4.5和RCP8.5下,SO_4~(2-)和NH_4~+的浓度增加,在RCP4.5下,NO~(3-)浓度降低,在RCP8.5下,NO~(3-)浓度升高,在RCP4.5和RCP8.5下,BC浓度变化很小,而OC浓度下降,其中在RCP8.5下,西南和东南部分地区的OC有所增加.不同的气溶胶物种浓度在RCP4.5和RCP2.6之间的差异以及RCP8.5和RCP2.6之间的差异具有相似的年度变化,这表明气候变化对不同物种的影响趋于一致.