研究论文 网络优先出版 版本 1
下载
西安市2013-2017年大气PM2.5的时空变化特征及影响因素分析
Analysis on the Characteristics of Temporal and Spatial Changes of Atmospheric PM2.5 and It's Influencing Factors in Xi’an from 2013 to 2017
: 2018 - 08 - 25
: 2018 - 09 - 01
: 2018 - 05 - 23
37 0 0
摘要&关键词
摘要:为了解西安市近年大气颗粒物PM2.5污染现状,为进一步研究、治理和控制区域PM2.5污染以及空气质量情况预警预测提供可靠的科学依据,并服务于西安市将于2019年举办的第二届“一带一路”国际合作高峰论坛,本文基于西安市13个国控空气质量监测站2013年7月-2017年12月的PM2.5质量浓度监测数据和同期气象资料,对不同时空尺度下PM2.5的质量浓度变化特征及影响因素进行了分析。研究结果表明,近几年西安市PM2.5一级浓度标准日达标率由15.71%逐渐升高到27.25%,但冬季依然存在高污染天气。PM2.5浓度冬季高、夏季低;具有周末和节假日浓度高于工作日的“周末效应”;日变化呈现上午、凌晨高,下午低的日变化双峰模式。PM2.5浓度在空间上具有城北高于城南,城区高于城郊区县的特征。人为活动和气象要素都会在一定程度上影响区域PM2.5质量浓度。
关键词:西安市; PM2.5; 时空变化;气象要素
Abstract & Keywords
Abstract: Background, aim, and scope Xi’an City is located in the central basin of the Guanzhong Plain. The topographic conditions obstruct the airflow, which is not conducive to the spread of pollutants, and the mutual transmission of pollutants between cities has a greater impact. Those reasons made the air pollution in this region more serious. In addition, due to the increasingly serious atmospheric pollution in recent years, Xi’an is going to be listed in the key areas for air pollution control. In order to improve regional air quality and provide a good environment for the second "Belt and Road" Forum for International Cooperation to be held in Xi’an in 2019, it is necessary to understand the current pollution status of the city and its surrounding areas. Materials and methods Therefore, based on the data from 13 State-controlled air quality monitoring stations and meteorological data in Xi’an from July 2013 to December 2017, we analyzed the variation feature and correlation of the mass concentration of PM2.5, which can be changed with time and space, to provide reliable scientific data for further research, governance and control of PM2.5 pollution and early warning of air quality. Results The results reveal that PM2.5 concentration has obvious temporal and spatial patterns. In the interannual trend, from 2014 to 2017, with the implementation of various environmental policies, the overall PM2.5 concentration in Xi’an has a slight downward trend, and the 1st standard annual average daily qualified rate has gradually increased from 15.71% to 27.25%. In summer, PM2.5 pollution gradually improved, with the average concentration decreasing from 64.1 μg/m3 to 33.4 μg/m3, but high-polluted weather still remained in winter. Discussion In terms of monthly and quarterly changes, due to the low atmospheric pressure and low rainfall, the inversion layer is relatively thick, the height of the atmospheric boundary layer is low, and the effect of heating, the mass concentration in winter is higher compared to summer. In the daily changes, due to the difference in emissions caused by human activities, there is a "weekend effect" that the concentration on weekends and holidays is higher than that on the working day. In hourly fluctuation, due to the temperature difference between day and night, the change of the atmospheric boundary layer, and the influence of human activities emissions, there is a bimodal pattern which the concentration is higher in the morning and midnight, while lower in the afternoon. In the spatial distribution, the areas with the highest concentration of PM2.5 pollution are the central urban areas, northern and western area. The concentration in the northern city is higher than that in the southern area. The main urban area is significantly higher than the surrounding counties. This spatial difference is caused by internal emissions and external transport. Meteorological elements are important factors that restrict the dilution, diffusion, migration and transformation of pollutants in the atmosphere, and will affect the PM2.5 mass concentration to some extent. As the temperature is low, the inversion layer is relatively thick and the pollutants are difficult to diffuse in the atmosphere and easy to have secondary reactions, which made the concentration of PM2.5 has a certain negative correlation with the temperature. In overcast and in cloudy weather of autumn and winter, PM2.5 concentrations are high. When rainfall is heavy, the pollutants will be partially removed by wet deposition under the effect of rain and snow, and the concentration of PM2.5 is relatively low. The wind direction and wind speed will affect the horizontal migration of particles. Under windy conditions, the PM2.5 polluting situation is roughly inversely related to the wind speed. With the increase of wind power, the particulate matter diffusion conditions are getting better and the concentration is lower. However, under the static wind conditions, particulate matter transported by the regional transportation has less impact, the pollution mainly comes from the interior of the city, and the high-pollution weather is less. Conclusions In a word, urban atmospheric PM2.5 pollution is the result of the combined effects of anthropogenic emissions and weather. Recommendations and perspectives Meteorological conditions can affect air pollution to some extent, but man-made emissions are the root cause of PM2.5 pollution. At present, energy conservation and emission reduction are the most suitable methods for improving atmospheric conditions.
Keywords: Xi’an; PM2.5; temporal and spatial variation; meteorological factor
PM2.5是指大气中所含有的空气动力学直径小于或等于2.5微米的颗粒物,也叫细颗粒物或可入肺颗粒物,具有比表面积大,活性强,容易吸附有毒物质的特点,是非均相反应的载体。PM2.5可以在大气中存在很长的时间,会对人体健康、生态环境、区域气候产生影响,是当前大气气溶胶研究的主要对象(Delfino et al,2005;Vasconcelos et al,1994;Jacobson,2001)。PM2.5可由多种气态及固态污染物转化而成,成分复杂,是直接反应大气污染情况的重要指标之一,也是西安地区的大气首要污染物。西安市位于关中平原(盆地)中部,总面积10108平方公里,包括11区2县,是西北地区最重要的经济中心之一。盆地地形易受阻塞而出现闭合环流风,对气流产生阻挡效应(李小飞等,2012),不利于污染物扩散,且城市之间污染物相互传输影响较大,会使区内污染加重。因此,西安地区大气污染受内外污染源与本地气象条件共同控制。在生态环境部发布通报的2017年74城市空气质量状况显示(中华人民共和国环境保护部,2018-01-18),西安市空气质量排名为倒数第四名,且西安市所处的汾渭平原由于近年来大气污染日益严重,或将被列入大气污染防治重点区域。为改善区域大气环境污染,为2019年西安市即将举办的第二届“一带一路”国际合作高峰论坛提供良好的会议环境,需先了解当前城市及周边污染现状及相关影响因素。本文选取西安城市及郊县区2013—2017年的PM2.5质量浓度监测数据进行统计分析,研究并探讨区域内PM2.5的时间、空间变化特征及气象条件和人为因素的相关影响,以为进一步研究、治理和控制本区域PM2.5污染以及空气质量情况预警预测提供可靠的科学依据。
1   资料与方法


图1   研究区域及监测点位
Fig.1 Research area and monitoring spot
1.1   资料
研究区域为西安市区及周边县区(图1)。监测数据来源于西安市13个国控空气质量监测站点,监测时段为2013年7月10日—2017年12月31日,原始数据为PM2.5小时均质量浓度。具体监测点位信息如表1,其中11个监测点位于主城区,另2个点分别位于临潼区和阎良区。气象数据来源于中国气象局,包括天气、平均气压、气温、风要素等。
 
表1 西安市空气质量监测站点分布
Tab.1 The distribution of Xi’an air quality monitoring station
编号
Number
站点位置
Position
周边环境
Surroundings
经纬度
LAT & LON
1高压开关厂
High voltage switch factory
工业园区,临近二环路
Industrial park, near by the 2nd Ring Road.
N34°16'25"
E108°54'43"
2兴庆小区
Xingqing community
生活区,临近公园园区
Living quarter, near by the Park.
N34°15'54"
E108°59'40"
3纺织城
Textile City
工业园区
Industrial park.
N34°16'58"
E109°04'10"
4小寨
Xiao Zhai
商区,二环交通枢纽
Business District, traffic hinge.
N34°13'45"
E108°56'44"
5市人民体育场
Xi’an Stadium
商区,临近公园
Business District, near by the Park.
N34°16'33"
E108°57'55"
6高新西区
West High-tech Development Zone
科技园区,临近公园
Science Park, near by the Park.
N34°13'19"
E108°54'59"
7经开区
economic development Zone
行政区,临近公园
administrative region, near by the Park.
N34°21'59"
E108°57'08"
8长安区
Chang'an District
大学校区
University campus.
N34°09'53"
E108°54'48"
9阎良区
Yan Liang District
生活区
Living quarter.
N34°40'06"
E109°13'58"
10临潼区
Lin Tong District
大学校区
University campus.
N34°22'22"
E109°13'15"
11草滩
Cao Tan
临近公园
Near by the Park.
N34°23'58"
E108°58'21"
12曲江文化产业集团
Qujiang Cultural Industry Group
生活区,临近湖景公园
Living quarter, near by the Park.
N34°11'43"
E108°58'05"
13广运潭
Guang Yun Tan
临近生态区
Near by the ecoregion.
N34°19'18"
E109°03'46"
1.2   评价方法
1.2.1   评价标准
以中华人民共和国环境保护部(2012)发布的《环境空气质量标准(GB 3095—2012)》中所规定的PM2.5浓度限值为标准,一、二级24小时均值浓度限值分别为35 μg/m3和75 μg/m3
1.2.2   数据处理
除日变化分析和空间对比外,其余均取24小时监测平均值做日均值进行对比及分析;分析和制图工具分别使用Excel 2013和Origin 2017。
2   PM2.5质量浓度变化规律
2.1   PM2.5污染现状及年际变化趋势
为了解近几年西安市PM2.5空气污染的整体现状和变化趋势,对西安市13个站点的日均PM2.5质量浓度变化(图2)和各年日均PM2.5质量浓度达标率(表2)进行了分析。西安市2013年7月—2017年12月总平均PM2.5浓度为73.5 μg/m3,其中日均最高值为599.2 μg/m3,出现在2013年12月;日均最低值为8.8 μg/m3,出现在2017年10月;日均值二级浓度限值达标率为68.8%,一级浓度限值达标率为22.54%。2014—2017年,随着各环保政策的实施,西安市各类能源消费量和能耗均在降低,整体PM2.5浓度有小幅的下降趋势,年日均一级、二级达标率分别升高了11.54%和5.09%。夏季PM2.5污染在逐步改善,平均浓度从64.1 μg/m3下降到33.4 μg/m3。但2016—2017年冬季,仍有28日PM2.5日均浓度高于200.0 μg/m3,且日均最高浓度达到了491.4 μg/m3,说明冬季仍然存在高污染天气。除PM2.5浓度的整体下降趋势外,相较前后各年,其在2014年及2015年冬季有明显的偏低现象(图2),季平均质量浓度分别为76.5 μg/m3和97.7 μg/m3。李晓配等(2017)认为,导致西安市2014年冬季PM2.5浓度偏低的主要原因之一是当季有利天气形势天数的增加。天气形势对区域内PM2.5浓度的影响将在后文详述。


图2   PM2.5日均浓度变化趋势
Fig.2 PM2.5 daily mean concentration trend
 
表2 PM2.5日均浓度达标率
Tab.2 The qualified rate of PM2.5 daily average concentration
年份
Year
一级标准达标率
National primary standard qualified rate
二级标准达标率
National secondary standard qualified rate
2013后半年10.29%51.43%
201415.71%64.29%
201527.61%81.69%
201625.49%68.35%
201727.25%69.38%
2.2   PM2.5季度、月度变化规律
对月平均值及四季平均值进行分析(图3),可见夏季(6—8月)大气PM2.5浓度最低,平均值为50.6 μg/m3;冬季(12—2月)最高,平均值为126.7 μg/m3,严重时冬季平均浓度可达到夏季平均浓度的2—3倍;秋季(9-11月)略高于春季(3—5月);浓度峰值通常出现在冬季1月份。产生这种现象的原因主要是因为冬季气温、气压低、降雨量少,逆温层较强较厚,大气边界层高度低(Stull,1988;吕立慧等,2017)。除自然原因外,北方冬季供暖也会导致大量污染物排放。污染物又难以上升扩散或沉降清除,从而聚集在盆地内部并发生二次反应,致使大气污染愈发严重。


图3   PM2.5日均浓度在月度、季度上的分布规律
箱式图显示了平均值、第10、第25、第50、第75和第90位百分位数;下文箱式图标记含义相同。 The box plots indicate the mean concentration and the 10th, 25th, 50th, 75th, 90th percentiles. The markers have the same meaning in the following box plots.
Fig.3 The distribution of PM2.5 daily mean concentration in different month and season
2.3   PM2.5逐日变化的“周末效应”及“假日效应”
对周内各日及节假日(法定公休节假日)时的PM2.5日均浓度分布进行对比(图4)。可见周末和节假日PM2.5整体浓度相对于工作日有一定程度的偏高,这种现象称为PM2.5的“周末效应”和“假日效应”,主要由人类规律性活动引起的排放差异所致(李建东等,2015;Lough et al,2006)。在北京市(雷瑜等,2015)、成都市(谢雨竹等,2015)和厦门市(Niu et al,2013)等多数城市研究中,PM2.5质量浓度的周变化具有周末低、工作日高的特征;而在其他部分城市如南京(孙雪等,2017)等地,周末效应具有相反的变化模式。造成这种现象的主要原因是城市结构不同,受排放和人类活动影响的情况不同,周变化趋势也并不完全相同。近年来,随着西安市人民生活水平的提高,周末和节假日私家车出行规模大幅度增加,且在西安市采暖季的常态化限行政策中,对周末时段的机动车行驶无限制规定,这都会在一定程度上导致休息日机动车排放量增大,PM2.5质量浓度升高。


图4   PM2.5日均质量浓度的周变化模式及节假日对比
Fig.4 The daily mean PM2.5 mass concentration between workdays and holidays
2.4   PM2.5日变化规律
对PM2.5每小时的平均浓度进行分析,西安市大部分地区PM2.5日变化呈现双峰模式(图5),大气边界层高度和人为活动影响是形成此类双峰模式的主要原因。由于夜晚气温低,大气边界层高度低,颗粒物会逐渐沉降并在低层大气中累积,于凌晨达到一个峰值;清晨时,太阳辐射增强,温度升高,夜晚累积的污染物会缓慢消散;8点开始,由于机动车尾气排放量以及城市能源使用量的增加,污染物迅速累积,于中午11时左右达到另一个峰值;而后太阳辐射达到最高值,逆温层被破坏,对流增强,污染物随暖气团逐渐消散,于下午17—18时达到浓度最低值;18时后,受交通晚高峰、居民大规模用电及气温逐渐下降的影响,污染物再次开始累积。PM2.5日变化规律受局地源排放、相对湿度、汽粒转化以及远程输送等因素共同控制(刘洁等,2008)。因此,不同城市、城区的峰位和变化趋势并不完全相同。
2.5   PM2.5各城区空间分布特征
根据西安市统计局(2016,2017)发布的统计年鉴数据,西安市的热电厂及化工厂主要分布在东西两郊区,市区工业以上能源消耗量远高于郊区和周边县区,城南能源消耗量(包括三环以外的城市南部郊区,其余地区同理)高于城北,城西高于城东。除此外,市区机动车尾气排放量和扬尘也较高。对比西安市不同监测站点的各小时污染物浓度信息,分析不同城区的PM2.5污染情况(图5),结果显示:污染最严重的地区是市中心、城北和城西地区;主城区PM2.5浓度明显高于周边县区;与上述城区能源消耗现状不同,城北PM2.5浓度反而高于城南。这种城市污染的空间差异是由内部排放和外部输送共同引起的,区域污染现状和污染物排放量并非严格对应。由于城市中心机动车尾气排放量高,人口密集度高,地表障碍物较多以及城市低气压等原因,产生和传入的污染物难以消散,故市中心地区污染最为严重。西安市常年主导风向为东北风,会携带部分东北部城市的颗粒污染物,而东北部城市如渭南等地大气污染较为严重,且污染物源排放量较大,会在很大程度上影响西安市的大气污染物浓度。传输而来的污染物到达城市时会由于阻碍作用部分滞留在城市边缘,这可能是导致城市北部和东部污染较高的原因之一。城南虽然能源消耗量相对较大,又长期处于下风区,但南郊地表广阔,污染物易随风消散,这可能是城南PM2.5污染相对较轻的原因之一。


图5   西安市各站点PM2.5 质量浓度24小时变化
Fig.5 PM2.5 concentration changes of each station of Xi’an in 24 hours (The range indicates mean concentration of Xi’an is 10th-90th, the ranges indicate each station is 25-75th)
2.6   气象条件的影响
气象要素是制约污染物在大气中稀释、扩散、迁移和转化的重要因素(李小飞等,2012)。其中气温、气压、湿度、日照辐射量会影响大气边界层高度和逆温层厚度,从而影响颗粒物在垂直方向上的扩散;风向和风速影响颗粒物在水平方向的迁移;降雨降雪则影响颗粒物的在大气中的停留时间。
(1)对西安地区的日均PM2.5浓度值与日均气温进行相关分析(图6a)可知:其浓度与气温呈一定的负相关关系。具有此种现象的原因主要是气温低时,逆温层较厚,污染物聚集在大气中难以扩散并发生二次反应,从而使PM2.5浓度升高。除此外,在温度较低的冬季,北方集中供暖导致排放量增加也是造成这种负相关现象的原因之一。
(2)将西安地区的PM2.5日均浓度结合当日主导天气情况进行相关分析(图6b)可知:高污染日主要集中在阴天、多云及小雨天气中,晴天高污染情况较少;而高降雨量日未出现严重污染情况,平均PM2.5质量浓度也较低。这是由于部分污染物在一定程度的降雨作用下可作为凝结核成云致雨,降落地面,或在降水过程中经冲刷作用去除(曹军骥,2012)。降雨量越大、持续时间越久,湿沉降的清除能力越强。但在降雨量偏小及降雪天气下,由于冲刷能力不强,且湿度增加,易形成抑制颗粒物扩散的雾罩,导致大气中残留的污染物浓度较高。


图6   PM2.5浓度在不同气温和天气下的分布
Fig.6 PM2.5 concentration in different temperatures and weathers
(3)风向风速会影响大气中的污染物汇入和横向扩散。将西安地区的主导风向和对应的PM2.5日均质量浓度作对比(图7a),西安地区主导风向为NE,其次为E,占比为44.24%和32.97%,对应的PM2.5平均浓度为74.9 μg/m3和72.0 μg/m3。这说明通过东北风及东风汇入的污染物是影响西安市大气质量的重要因素。浓度最高的主导风向为N,占比为2.66%,对应的PM2.5平均浓度为86.7 μg/m3;浓度最低的主导方向为SW,占比仅为12.18%,对应的PM2.5平均浓度为64.0 μg/m3
(4)风力直接影响着污染物的汇入和消散量。分析2016—2017年当日主导风力等级对当日大气中PM2.5质量浓度的影响(图7b),可见在有风条件下,PM2.5污染情况与风速大致呈负相关关系。当风力较弱时,由于城市地表的阻碍底层大气流动,颗粒物难以消散,伴随着外部污染的缓慢输入,污染较为严重;而随着风力的增强,颗粒物扩散条件越来越好,城市上空大气中残留污染物越少。但当日无风时,虽然颗粒物难以扩散,但污染主要来源于城市内部,受区域传输的影响较小,因此高污染天气较少。而由于西安市4—5级风天气极少,且多集中在秋季,数据样本易受季节性污染天气影响,有一定程度的偏高,无法进行对比分析。


图7   PM2.5浓度在不同风条件下的分布
Fig.7 PM2.5 concentration in different wind conditions
3   结论及展望
3.1   区域内PM2.5浓度变化特征
(1)在时间上的变化规律:冬季高、夏季低;具有工作日低、周末及节假日高的“周末效应”;日变化呈现上午和夜晚高,下午低的双峰模式。
(2)在空间上的分布规律:市中心和城北郊区PM2.5污染最严重,城区浓度高于郊区及周边县区;城北整体高于城南,城东高于城西。
(3)与气象要素的相关关系:气温越低,浓度越高;降雨降雪量大时,浓度相对较低;风力等级越高,浓度越低。
3.2   区域PM2.5污染影响因素及成因分析
西安市大气PM2.5污染是区域气候、地形特征、人为排放和气象条件共同作用的结果:气象条件可以在一定程度上影响污染物在大气中的停留时间和汇入、扩散过程,大气边界层低、风力小和降雨降雪量少是造成西安市秋冬季节大气颗粒物严重超标的主要原因之一。地形特征会影响区域气流、气压等气象条件,还可以阻碍大气流通,直接影响污染物的扩散。西安市处于盆地低洼处,南侧为秦岭山脉,常年主导风向为东北风,导致由上风向汇入的污染物和源地污染物被山脉阻隔,难以扩散。人为活动引起的能源消耗和废气排放是造成本区域PM2.5污染的根本原因,人类规律性活动造成的污染物浓度周期性变化清晰可见,故控制人为污染源头十分重要。就目前而言,节能减排、减少非清洁燃料使用量是改善大气污染的最适方法,但除基础的污染物浓度监测外,还需结合城市PM2.5源解析分析,以得到准确有效的治霾方案及措施。
致谢
曹军骥. 2012. 我国PM2.5污染现状与控制对策[J].地球环境学报, 3(5): 1030-1036. [Cao J J. 2012. Pollution status and control strategies of PM2.5 in China [J]. Journal of Earth Environment, 3(5): 1030-1036.]
雷瑜, 张小玲, 唐宜西, 等. 2015. 北京城区PM2.5及主要污染气体“周末效应”和“假日效应”研究[J]. 环境科学学报, 35(5): 1520-1528. [Lei Y, Zhang X L, Tang Y X, et al. 2015. Holiday effects on PM2.5 and other major pollutants in Beijing [J]. Acta Scientiae Circumstantiae, 35(5): 1520-1528.]
李建东, 铁学熙, 曹军骥. 2015. 城市地区PM2.5周末效应的初步研究[J].地球环境学报, 6(4): 224-230. [Li J D, Tie X X, Cao J J. 2015. A preliminary study of PM2.5 weekend effect in typical cities [J]. Journal of Earth Environment, 6(4): 224-230.]
李小飞, 张明军, 王圣杰, 等. 2012. 中国空气污染指数变化特征及影响因素分析[J].环境科学, 33(6): 1936-1943. [Li X F, Zhang M J, Wang S J, et al. 2012. Variation characteristics and influencing factors of air pollution index in China [J]. Environmental Science, 33(6): 1936-1943.]
李晓配, 贝耐芳, 赵琳娜. 2017. 气象条件对2013—2015 年冬季关中地区空气质量的影响[J]. 地球环境学报, 8(6): 516-523. [Li X P, Bei N F, Zhao L N. 2017. Influence of meteorological conditions on the wintertime air quality in the Guanzhong basin during 2013 to 2015 [J]. Journal of Earth Environment, 8(6): 516-523.]
刘洁, 张小玲, 徐晓峰, 等. 2008. 北京地区SO2、NOx、O3和PM2.5变化特征的城郊对比分析[J]. 环境科学, 29(4): 1059-1065. [ Liu J, Zhang X L, Xu X F, et al. 2008. Comparison analysis of variation characteristics of SO2, NOx, O3 and PM2.5 between rural and urban areas, Beijing [J]. Environmental Science, 29(4): 1059-1065. ]
吕立慧, 刘文清, 张天舒, 等. 2017. 基于激光雷达的京津冀地区大气边界层高度特征研究[J]. 激光与光电子学进展, 54(1): 44-50. [Lü L H, Liu W Q, Zhang T S, et al. 2017. Characteristics of boundary layer height in Jing-Jin-Ji area based on lidar [J]. Laser & Optoelectronics Progress, 54(1): 44-50.]
孙雪, 罗小三, 陈燕, 等. 2017. 环境管理强化后南京市2013—2016年大气污染物的时空特征和气象影响[J]. 地球环境学报, 8(6): 506-515. [Sun X, Luo X S, Chen Y, et al. 2017. Spatio-temporal characteristics of air pollution in Nanjing during 2013 to 2016 under the pollution control and meteorological factors [J]. Journal of Earth Environment, 8(6): 506-515.]
西安市统计局, 国家统计局西安调查队. 2016. 西安统计年鉴:2016 [M]. 北京: 中国统计出版社. [Xi’an Municipal Bureau of Statistics, NBS Survey Office in Xi’an. 2016. Xi’an statistical yearbook: 2016 [M]. Beijing: China Statistics Press.]
西安市统计局, 国家统计局西安调查队. 2017. 西安统计年鉴:2017 [M]. 北京: 中国统计出版社. [Xi’an Municipal Bureau of Statistics, NBS Survey Office in Xi’an. 2017. Xi’an statistical yearbook: 2016 [M]. Beijing: China Statistics Press.]
谢雨竹, 潘月鹏, 倪长健, 等. 2015. 成都市区夏季大气污染物浓度时空变化特征分析[J]. 环境科学学报, 35(4): 975-983. [Xie Y Z, Pan Y P, Ni C J, et al. 2015. Temporal and spatial variations of atmospheric pollutants in urban Chengdu during summer [J]. Acta Scientiae Circumstantiae, 35(4): 975-983.]
中华人民共和国环境保护部. 2012. 环境空气质量标准(GB 3095—2012)[S]. 北京: 中国环境科学出版社. [Ministry of Environmental Protection of the People’s Republic of China. 2012. Ambient air quality standard (GB 3095—2012) [S]. Beijing: China Environmental Science Press.]
中华人民共和国环境保护部. 2018-01-18[2018-05-18]. 环境保护部通报2017年12月和1—12月重点区域和74个城市空气质量状况[EB/OL]. http://www.mep.gov.cn/gkml/hbb/qt/201801/t20180118_429903.htm. [Ministry of Environmental Protection of the People’s Republic of China. 2018-01-18[2018-05-18]. Ministry of Environmental Protection informs the air quality of key regions and 74 cities in December and January—December 2017 [EB/OL]. http:// www.mep.gov.cn/gkml/hbb/qt/201801/t20180118_429903.htm.]
Delfino R J, Sioutas C, Malik S. 2005. Potential role of ultrafine particles in associations between airborne particle mass and cardiovascular health [J]. Environmental Health Perspectives, 113(8): 934–946.
Jacobson M Z. 2001. Strong radiative heating due to the mixing state of black carbon in atmospheric aerosols [J]. Nature, 409(6821): 695-697.
Lough G C, Schauer J J, Lawson D R. 2006. Day-of-week trends in carbonaceous aerosol composition in the urban atmosphere [J]. Atmospheric Environment, 40(22): 4137-4149.
Niu Z C , Chen J S, Xu L L, et al. 2013. Application of the Environmental Internet of Things on monitoring PM2.5 at a coastal site in the urbanizing region of southeast China [J]. International Journal of Sustainable Development & World Ecology, 20(3): 231-237
Stull R B. 1988. An introduction to boundary layer meteorology [M]. Dordrecht: Springer.
Vasconcelos L A, Macias E S, White W H. 1994. Aerosol composition as a function of haze and humidity levels in the southwestern US [J]. Atmospheric Environment, 28(22): 3679–3691.
稿件与作者信息
赵卉伊褶1,2,3
ZHAO Huiyizhe1,2,3
周卫健1,2
ZHOU Weijian1,2
weijian@loess.llqg.ac.cn
牛振川1,2
NIU Zhenchuan1,2
冯添1,2
FENG Tian1,2
中国科学院重点部署项目(Y722011017, Y22011480);生态环境部大气重污染成因与治理攻关项目(DQGG0105);国家基金委项目资助
Supported by the Key Research Program of the Chinese Academy of Sciences (Y722011017, Y22011480); Air pollution causes and governance research projects of Ministry of Ecology and Environment of the People's Republic of China(DQGG0105); Supported by the National Natural Science Foundation of China
出版历史
出版时间: 2018年5月23日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment