春节期间北京地区交通出行规律对热岛效应和大气污染的影响

利用北京地区2006—2015年春节及其前后三周的城区、郊区站数据分析了早晚高峰期出行活动对城市热岛效应、NO_x浓度、PM_2.5浓度的影响。结果表明人口、交通、社会活动的密集程度的确会对城市热岛效应和大气污染物浓度造成一定的影响:(1)第-3、-2、+2、+3周(以下称"BG时段")与春节周(以下称"CNY时段")间的城市热岛效应差异在早高峰期间平均为0.30℃,在晚高峰期间平均为0.43℃,在其他时段平均为0.26℃,晚高峰对城市热岛效应的影响更明显;(2)BG时段与CNY时段城、郊NO_x浓度差的最大差异出现在08时,为54.95μg/L。在早高峰期间为48.55μg/L,晚高峰期间为23.44μg/L。城市晚高峰出行活动对NO_x浓度城、郊差异的贡献量随着夜间的不利扩散条件而延迟出现峰值,城市早高峰出行对NO_x浓度城、郊差异的增大作用更为突出;(3)城郊PM_2.5浓度BG时段高于CNY时段的时间出现在05—19时,早高峰期间平均差值为12.82μg/m³,晚高峰期间平均差值为8.22μg/m³。考虑到汽车尾气中的超细粒子和污染气体需要在空气中进行化学反应或者吸湿增长才能变成PM_2.5,因此PM_2.5浓度的变化情况并不完全对应于早晚高峰出行的时间,而是有所延迟。     

德州市PM_(2.5)与PM_(10)浓度特征分析

通多对德州PM_(2.5)和PM_(10)浓度特征分析得出:德州PM_(2.5)和PM_(10)浓度年平均值分别为82.3μg/m~3和144.3μg/m~3,PM_(2.5)和PM_(10)浓度明显超过二级标准。PM_(2.5)占PM_(10)的63%,二者呈明显的正相关,相关系数为0.8695。一天内,PM_(2.5)和PM_(10)浓度呈双峰型,最大值出现在8-10时,其次出现在22时;最低值出现在17时。一年内,4~9月PM_(2.5)和PM_(10)浓度较小,8月份最小,PM_(2.5)浓度月均值为44.1μg/m~3。10~次年3月,PM_(2.5)和PM_(10)浓度较大,12月份最大,PM_(2.5)浓度月均值为201.2μg/m~3。统计发现:降水、绿色植被、水域能有效降低PM_(2.5)和PM_(10)浓度。     

银川地区大气颗粒物浓度变化特征及其与气象条件的关系

利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。     

晋城市冬、春季PM_(2.5)和PM_(10)污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM_(2.5)及PM_(10)小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM_(10)与PM_(2.5)高值区主要位于东北部及东南小部分区域,春季PM_(10)高值区位于城区南部区域,PM_(2.5)高值区主要集中于城区。晋城市城区和郊区PM_(10)与PM_(2.5)月均浓度整体呈单峰型变化,PM_(10)在4月份最高(157.54±5.67μg·m~(-3)),PM_(2.5)在1月份最高(94.08±2.25μg·m~(-3))。冬季PM_(2.5)/PM_(10)平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM_(10)与PM_(2.5)小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM_(10)与PM_(2.5)的小时浓度值与相对湿度有较高的正相关性(p0.01),与风速、风向有较高的负相关性(p0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM_(10)与PM_(2.5)的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

长三角临安本底站PM_1中各主要化学成分质量-粒度分布与变化

2013年夏季至2014年春季在中国长三角区域的临安大气本底站利用气溶胶质谱仪(AMS)对PM_1中主要化学成分质量浓度以及质量-粒度分布进行观测,发现观测期间PM_1的平均浓度约为53μg/m~3,其中有机物是最主要的成分(约占47%),其次为硫酸盐(23%)、硝酸盐(16%)、铵盐(12%)和氯化物(1.2%)。PM_1平均浓度冬季最高(84μg/m~3),秋季最低(38μg/m~3)。冬季污染时段PM_1浓度较清洁时段高24倍,其中硝酸盐浓度冬季升高最显著,这与冬季燃煤排放增加和低温有利其形成有密切联系。不同化学成分中,有机物粒度分布峰值粒径最小,硫酸盐最大。冬季各化学成分的峰值粒径在4个季节中最大(约600 nm),可能由于污染物积聚时间较长。夏季各成分峰值粒径最小(400~500 nm),且在夏季清洁时段浓度较其他季节高,局地产生的新粒子贡献可能很重要,伴随着光化学烟雾的气溶胶和臭氧污染在这些区域升高值得进一步关注。     

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。     

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。     

上海地区不同PM2.5污染过程对炎症应激影响的差异性

为了探讨短时高浓度与相对长时间低浓度下不同的PM_(2.5)污染过程对小鼠急性氧化应激及炎症反应的不同影响,将48只雄性C57BL/6小鼠按体重随机分为6组(n=6),使用人工气候环境暴露仓模拟不同的PM_(2.5)污染过程,分别给予轻度污染组(PM_(2.5)平均浓度为100μg·m~(-3))连续暴露72 h,中度污染组(PM_(2.5)平均浓度为150μg·m~(-3)),连续暴露48 h,重度污染组(PM_(2.5)平均浓度为250μg·m~(-3))连续暴露28. 8 h;每组设置空白对照组。暴露染毒结束后,采用试剂盒法测定C-反应蛋白(CRP)、结构性一氧化氮合酶(cNOS)、同型半胱氨酸(HCY)、白介素-8(IL-8)。低浓度长时间的PM_(2.5)暴露组的CRP、cNOS、IL-8水平显著高于高浓度短时间暴露组,差异性具有统计学意义(P0. 05或P0. 01),cNOS的抑制水平为低浓度长时间组显著高于高浓度短时间组,差异性具有统计学意义(P0. 05或P0. 01)。结论:相同暴露剂量下PM_(2.5)轻度污染持续72 h的健康损害比PM_(2.5)重度污染持续28. 8 h的对健康损害更大,PM_(2.5)中度污染持续48 h的健康损害次之,应重视长时间轻、中度污染对人体健康的影响,适当调整空气质量的预警标准。     

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。     

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.     

降水对江浙沪PM_(2.5)的清除效率研究

为了解不同程度的降水对江浙沪地区大气PM_(2.5)的清除作用,搜集了2014—2016年该地区41个城市的降水和PM_(2.5)观测数据,通过对比2 a非降水和全时段PM_(2.5)平均浓度的差异,发现前者显著高于后者,说明降水对该地区PM_(2.5)具有清除作用。利用降水前与降水期间PM_(2.5)的浓度差异作为降水对PM_(2.5)的清除率,降水后与降水期间的浓度差异作为雨后浓度回升的增加率,分别研究了目标区域不同时期、不同降雨量以及不同降雨时长对PM_(2.5)的清除效果。结果显示:(1)与江浙沪南部地区不同的是,北部地区降水清除率与降水前浓度存在正相关,降水后浓度的增加与当地的排放量呈正相关。(2)当降水量为30 mm或者降水时长为36 h时,清除率增幅减缓,说明降水对PM_(2.5)的清除效率存在着阈值。     

不同SO_2排放情景下PM_(2.5)对NO_x和NH_3的敏感性（英文）

随着大气污染防治计划的实施,我国SO_2排放量从2013年的25.4 Tg下降至2018年的10.5 Tg。SO_2排放的大幅变化是否会影响PM_(2.5)对NO_x和NH_3排放的敏感性尚不清楚。为此,本研究采用GEOSChem全球大气化学传输模式,评估了中国东部不同SO_2排放水平下PM_(2.5)对NO_x和NH_3敏感性的变化。结果表明:2013年, PM_(2.5)对NH_3的敏感性(0.31)比NO_x(0.21)更强。2013～2018年,由于SO_2排放大幅下降, PM_(2.5)对NO_x的敏感性上升至0.33,而对NH_3的敏感性则下降到0.22。因此,在较低的SO_2排放情景下,考虑到PM_(2.5)对NH_3的敏感性降低,进一步消减NO_x排放可能对降低PM_(2.5)浓度有更好的效果。     

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。     

肇庆市干季PM_(2.5)污染特征与潜在输送源分析

基于肇庆市2014—2018年PM_(2.5)质量浓度数据,使用HYSPLIT模式计算肇庆市干季的后向气流轨迹,并应用聚类分析法、潜在源贡献因子分析和质量浓度权重轨迹分析方法评估PM_(2.5)污染物的外来输送特征和潜在源区。结果表明:(1)2015—2018年肇庆市PM_(2.5)污染维持在较高水平,2017—2018年PM_(2.5)污染略有加重趋势;(2)污染较重的月份主要在1—4和10—12月,1月PM_(2.5)污染最严重,而6月PM_(2.5)质量浓度最低,5、7和8月无PM_(2.5)污染超标;(3)全年PM_(2.5)日平均质量浓度与风速相关性最高,干季与风速的相关系数有所提高;(4)干季影响肇庆的气流有5条,其中超过1/2源自东北和偏北方向的气流,来自东北方向的气流轨迹对PM_(2.5)污染贡献最高,其次来自偏西方向绕过珠三角北部进入肇庆的轨迹和广东省内短距离输送的轨迹;(5)肇庆市干季PM_(2.5)外来输送潜在源区主要位于肇庆辖区内和珠三角中南部城市以及粤东、粤东北部分地区,其中佛山、珠海、中山、东莞、惠州、广州南部对肇庆PM_(2.5)质量浓度贡献均超过60μg/m;。     

2014-2017年华北平原PM_(2.5)组分消光与能见度对比研究（英文）

华北平原大气污染与低能见度状况一直是人们关切的问题.本文通过分析2014-2017年PM_(2.5)化学成分的浓度和消光效果,研究了华北平原典型城市保定市的大气污染特征.结果表明,PM_(2.5)分的年均浓度显示下降趋势,水溶性无机离子,碳质气溶胶和金属元素分别减少了11μg m~(-3),23μg m_(-3)和1796 ng m_(-3).NH_4~+,NO_3~-和SO_4~(2-)是PM_(2.5)污染的主要污染物,三者之和占总离子浓度的82.9%.基于IMPROVE方程对细颗粒物进行重构,在观测期间PM_(2.5)质量浓度平均为93±69μg m~(-3),春季,夏季,秋季和冬季的消光系数分别为373.8±233.6 M m~(-1)±,405.3±300.1 M m~(-1),554.3±378.2 M m~(-1)和1005.2±750.3 M m~(-1).硫酸铵,硝酸铵和有机物对消光的贡献最大,不同季节下占比达55%～77%.通过PM_(2.5)组分进行重构,利用IMPROVE算法计算得到Rbsca,用能见度测量值转换得到Vbsca,二者具有较高的相关性(r2=0.84);但存在Vbsca的高值被低估,Vbsca的低值被高估的现象;特别是当Rbsca 1123 M m~(-1)(对应能见度约小于2.0 km)时,Vbsca的值被低估了17.6%.高浓度PM_(2.5)和高湿度对IMPROVE算法结果有显著的影响.     

天津城区春节期间大气气溶胶污染特征 和数浓度分布

利用天津城区2009-2014年春节期间大气气溶胶观测资料和相关气象资料,重点分析2013和2014年春节期间气溶胶污染特征,探求燃放烟花爆竹以及气象条件对春节期间大气气溶胶的影响。结果表明,受燃放烟花爆竹影响,春节期间PM_(2.5)质量浓度最高值均发生在除夕夜间;持续雾霾天气条件下燃放烟花爆竹,造成2013年除夕夜间PM_(2.5)质量浓度峰值达到1240μg·m～(-3),是近年来最严重的一次;2014年春节期间烟花爆竹燃放量有所减少,加之空气扩散条件较为有利,PM_(2.5)质量浓度显著低于2013年;不同天气条件下,气溶胶数浓度谱分布特征存在明显差异,燃放烟花爆竹期间气溶胶数浓度水平与严重雾-霾天气相当。     

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。     

北京南郊观象台β射线法和TEOM法PM10质量浓度比对观测的相关分析

利用北京南郊观象台2016年3月1日-2017年2月28日β射线法与TEOM法观测的PM_(10)质量浓度观测数据,通过t检验、线性回归和相关分析等方法对两种方法观测的小时、日、周、月、季等数据进行相关性分析。结果表明:两种方法观测的PM_(10)小时平均质量浓度总体的线性回归方程相关系数R~2为0.870;在低浓度范围(PM_(10)50μg·m~(-3))时二者为微弱相关(R~2=0.073);中等浓度范围(50μg·m~(-3)≤PM_(10)350μg·m~(-3))时二者为低度相关(R~2为0.257～0.346);高浓度范围(PM_(10)≥350μg·m~(-3))时二者为高度相关(R~2=0.686)。二者日平均PM_(10)质量浓度数据总体的R~2为0.929;二者PM_(10)质量浓度小时数据周相关系数为0.598～0.980。二者月平均PM_(10)质量浓度数据间的相关系数为0.628～0.976;二者季节的R~2为0.627～0.944,呈现冬季的秋季的春季的夏季的。由此可发现,两种观测方法观测的PM_(10)质量浓度的结果总体呈显著性的线性相关关系,且浓度越高,相关性越强。     

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。