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。     

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。     

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。     

荆门市冬季PM2.5传输轨迹及潜在源分析

对2015年3月至2018年2月共36个月荆门市PM2.5浓度值按月和季节作特征分析，利用HYSPLIT轨迹模型对污染最为严重的冬季进行后向48h气团轨迹模拟。结果表明：PM2.5月均浓度表现为1月最高，达到107μg/m3，7月最低，为30μg/m3，冬季平均值为92μg/m3，显著高于其它季节，并且冬季高浓度PM2.5主要与本地地面5—11m/s的偏北（N、NNE）大风伴随出现；气团轨迹分为西南、东北、西北三个路径，近地面传输的东北路径和高空传输的西南路径气团均引起PM2.5浓度升高，而西北路径气团整体上对污染物具有一定清除作用；东北路径方向的河南以及靠近荆门市的西北、西南向地区为48h的潜在源贡献大值区。在通过气象条件定性判断荆门未来的PM2.5浓度变化时，因东北路径近地面传输的特性，应关注上游潜在源区内地面站点PM2.5的浓度值；对于高空传输的西南路径，应关注高空水汽的输送情况，以及轨迹高度下降地区即水汽的沉降区是否在潜在源区；西北路径为干冷空气的高空传输，在较接近荆门时轨迹高度才开始明显下降，应关注西北方向近距离潜在源区的地面站点PM2.5的浓度值。     

阿克达拉可吸入颗粒物本底浓度变化特征

通过阿克达拉区域大气本底站2007年全年监测发现,以北疆经济区为背景区域的大气中PMIO的年平均本底浓度为10.08Ug/m3.可吸入颗粒物的本底浓度采暖期是非采暖期的两倍左右.可吸入颗粒物本底浓度季节变化特征明显,月平均本底浓度最高为12月,次高为3月.PMIO本底浓度的日变化不规则但基本呈上升趋势,PM1.0和PM2.5的本底浓度日变化呈双峰双谷特征,本底浓度1d内的最高值和次高值出现的时间段与城市相关研究结果相反.     

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;。     

基于后向轨迹的秋冬季漯河重污染输送及典型个例分析

利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。     

深圳市东北部PM_(2.5)的变化特征及潜在传输来源

2014年深圳市东北部吓陂监测站PM_(2.5)的年均质量浓度为47.0μg/m~3,在全市处于较高污染状态,并呈现出冬季秋季春季夏季的季节变化特征。气象要素的分析表明,2014年吓陂监测站夏季时降水较多、湿度最大、风速最大、气温最高、边界层高度最高,最有利于污染物的扩散和清除;冬季时降水最少、湿度最小、风速最小、气温最低、边界层高度最低,最不利于污染物的扩散和清除。后向轨迹聚类分析表明,吓陂监测站的后向轨迹主要分为5类,其中来自北方内陆地区的气团污染最重,来自南海地区的气团污染最轻。进一步利用潜在源贡献因子进行源区识别分析,结果表明:2014年吓陂监测站的PM_(2.5)主要来源于本地源的排放及周边地区(尤其是广东东北部地区)的短距离输送,此外江西等内陆地区的长距离传输在一定程度上也可能导致吓陂监测站PM_(2.5)质量浓度的升高。     

浙江宁波地区能见度变化特征和成因

利用浙江宁波7个县(市)区的能见度、雾、霾、风速、相对湿度等气象资料和细颗粒物PM_(2.5)浓度数据,运用统计分析、后向轨迹模拟及聚类分析等方法研究了宁波地区能见度的时空分布特征及其影响因素。结果表明:1980—2013年,宁波地区能见度总体呈由西北到东南逐渐转好的空间分布特征,且中南部呈逐年下降态势,而北部则呈上升趋势,这与风速和相对湿度减少有关,但不同区域其主要影响因子存在差异。能见度和PM_(2.5)浓度均有明显的季节和日变化特征,且二者呈明显反位相,相关系数为-0.532,其中冬季PM_(2.5)浓度最高,能见度最低,夏季反之;13:00—17:00为PM_(2.5)浓度谷值、能见度峰值,01:00—08:00为PM_(2.5)浓度峰值、能见度谷值。气团输送轨迹分析表明,宁波地区共有来自5个方位的6类轨迹气团,其中西北方向的轨迹4对该区PM_(2.5)浓度影响最大,偏东方向的轨迹6对PM_(2.5)浓度影响最小,能见度最好,而对能见度影响最大的是来自西北方向的轨迹2和偏西方向的轨迹3。     

北京上甸子典型天气个例的大气气溶胶数谱分布特征

使用差分淌度粒径分析仪(TDMPS)和空气动力学粒径分析仪(APS)对上甸子区域本底站气溶胶(直径3nm~10μm)数谱分布特征进行观测。利用2008年的观测结果,分析了不同天气(包括沙尘天气、干洁天气和雾霾天气)条件下大气气溶胶数谱分布及其与气象要素和气团来源的关系。结果表明,沙尘天气条件下,上甸子站受西北方向的气团控制,风速较大,粗粒子数浓度明显增加,PM10的质量浓度可以迅速增加到毫克每立方米(mg·m-3)的量级。典型的"香蕉型"新粒子生成事件通常发生在比较干洁晴朗的天气条件下,西北气团主导,大气中背景气溶胶数浓度较低,核模态气溶胶数浓度迅速增长,气溶胶的粒径呈现明显的增长过程,核模态可以平稳地增长到约80nm,达到成为云凝结核的尺度。雾霾天气通常是在西南气团影响下,细颗粒物(1μm以下)不断累积、相对湿度不断升高的条件下发生的。雾霾天气条件下数谱分布的几何中值粒径出现在积聚模态,积聚模态数浓度也高于非雾霾天。个例研究表明,雾霾天气条件下,PM2.5质量浓度可以达到非雾霾天的10倍左右,其中以细颗粒物的贡献为主。在雾霾天气条件下,上甸子站数浓度较高的积聚模态颗粒物主要来自城区的传输,因此对背景地区气溶胶数谱的研究可以为解析城区气溶胶复杂来源提供依据。     

2020年南昌市大气污染特征与潜在源区

基于南昌市大气环境监测、地面气象观料和GDAS等资料,主要采用后向轨迹聚类分析、潜在源贡献因子和浓度权重轨迹分析方法,分析了2020年南昌市大气污染特征和污染物潜在源区。结果表明:1)南昌市春、夏、秋季以O_(3)污染为主,冬季以PM_(2.5)污染为主。2)大气污染物质量浓度日变化具有明显的季节性特征,PM_(2.5)和PM_(10)在春、秋、冬季呈双峰形分布,NO_(2)在秋、冬季呈弱双峰形分布,春、夏季呈单峰分布,O_(3)呈单峰形分布。南昌市东部大气污染较西部更严重。3)南昌市气流输送季节差异明显,春、秋、冬季主要受偏北气流影响,夏季主要受偏南气流影响。本地源是南昌市大气污染的主要潜在源,安徽省南部、湖北省东部、上饶市西部和九江市的区域输送也有一定贡献。     

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。     

成都市PM_(2.5)污染特征及其与地面气象要素的关系分析

为了解成都市PM_(2.5)污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_(2.5)质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明:PM_(2.5)质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%～100%,约85%的样本分布在地面风速0～2 m·s~(-1),地面风速对成都市PM_(2.5)的水平输送、扩散、稀释不利;降水对PM_(2.5)的清除量随PM_(2.5)初始浓度、降雨持续时间和累积降雨量增加而增大。     

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。     

吐鲁番市颗粒物浓度变化特征及其与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。     

吐鲁番市颗粒物浓度变化特征及与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。     

山西省中北部地区近地面晴天大气电场特征及其与污染物的关系

对2013—2015年山西省大气电场监测系统8个观测站点的观测数据进行了统计分析。着重分析了山西省中北部地区近地面晴天大气电场的时间变化特征,以及大气电场与SO2、NO2、PM10、PM2.5浓度的相关性。结果表明:8个站的日变化均为双峰双谷型,具有典型的大陆型大气电场特征。第一个波谷均出现在04:00—06:00(北京时,下同),第二个波谷出现在12:00—16:00,下午的波谷略低于早晨;第一个波峰出现在07:00—10:00,第二个波峰出现在19:00—21:00,傍晚的值略低于上午。日变化与太阳对地面的辐射和人类活动保持较好的一致。8个站的大气电场年变化为单峰单谷型,波谷出现在夏季,波峰出现在冬季,春季和夏季、夏季和秋季的交界明显,秋季和冬季、冬季和春季的交界不明显。晴天大气电场的变化与大气中SO_2、PM_(2.5)的浓度有较好的一致性,呈正相关,与NO_2、PM_(10)的相关性较差或不相关。     

Assessment of the regional source contributions to PM_(2.5) mass concentration in Beijing

将先进的在线源追踪模拟模块ISAM与空气质量模式系统RAMS-CMAQ耦合,对2015年7月华北地区主要气溶胶物种(硫酸盐、硝酸盐、铵盐、黑碳、有机碳、沙尘和海盐)进行模拟,并且深入探讨了不同地区排放源对PM_(2.5)质量浓度的贡献特征。模拟结果显示PM。2.5质量浓度高值主要出现在河北省南部和山东省西部北京和天津市的排放源对PM_(2.5)质量浓度的贡献主要集中在本地,而河北和山东省则为华北地区PM_(2.5)质量浓度的主要贡献者。就北京市而言,由于近年执行了多项减排措施,目前该地区的本地贡献占20%-30%。而河北和山东省是北京市PM_(2.5)的主要区域传输贡献者,分别可超过25%和10%。此外,在污染背景下周边地区传输贡献的比重更大。当空气质量恶化时,河北和山东省的传输贡献比例均有所提升。因此,建议在污染期间,应重点基于对区域尺度的排放源开展协同控制,制定综合的减排措施方可进一步降低北京市的PM_(2.5)质量浓度。     

乌鲁木齐大气黑碳气溶胶浓度变化特征及影响因素分析

利用乌鲁木齐大气成分观测站2009年11月—2010年2月(2009年冬季)黑碳气溶胶(BC)质量浓度观测资料,同时结合该站观测的PM数据以及国内外其它地区的BC观测结果,分析了该地区黑碳气溶胶的变化特征及影响因素。结果表明:(1)BC日平均浓度为12.442±5.407μg.m-3,其变化范围为2.685~26.691μg.m-3。BC质量浓度与API指数的变化趋势基本一致,相关系数为0.660。(2)BC浓度的日变化具有明显的双峰值特征,其峰值区主要出现在上午和夜间,谷值区出现在凌晨和下午。逐日分布具有2~3 d到数天不等的急剧上升的变化,与天气过程活动周期基本吻合。(3)周一至周四BC平均浓度呈总体降低趋势,周五开始逐渐增加,总体的变化幅度不大,工作日和周末差别较小。(4)BC小时平均浓度出现频数符合对数正态分布,冬季本底浓度为6.146μg.m-3。(5)BC与PM10,PM2.5,PM1.0日平均浓度在0.001水平上均呈正相关,线性相关系数分别为0.526,0.538和0.548;BC在PM10,PM2.5,PM1.0中分别约占6.8%,8.2%和9.2%,表明BC是PM的重要组成部分。(6)乌鲁木齐城市冬季BC气溶胶浓度高于国内外部分城市,明显高于较为洁净的边远地区,远高于瓦里关本底站及南极观测的结果。