环境科学  2018, Vol. 39 Issue (10): 4422-4429   PDF    
2014~2016年京津冀沿山城市空气质量首要污染物特征分析
王晓彦, 王帅, 朱莉莉, 许荣, 李健军     
中国环境监测总站, 国家环境保护环境监测质量控制重点实验室, 北京 100012
摘要: 对北京、保定、石家庄、邢台和邯郸这5个京津冀太行山沿山城市2014~2016年空气质量首要污染物进行分析,探讨其空间分布特征和时间变化趋势.结果表明,北京首要污染物由主到次为PM2.5、O3-8h、NO2和PM10,其他4个城市首要污染物排序为PM2.5、PM10、O3-8h、NO2、SO2和CO.在空间分布上,各城市PM2.5首要污染物天数比例3 a均值相当(53.3%~58.1%),但从北向南,5个城市PM10天数比例基本呈上升趋势,而O3-8h反之.除邯郸PM2.5首要污染物天数比例逐年明显下降外,其他4个城市的天数比例年际变化幅度较小;2016年石家庄、邢台和邯郸O3-8h天数比例均显著上升.各城市PM2.5和O3-8h首要污染物天数月变化曲线分别呈"W"型和"倒U"型,PM10首要污染物天数在3~5月出现明显高值区.从良至严重污染,各城市PM2.5和PM10首要污染物天数比例之和随空气质量级别逐级递增,其中PM10天数比例逐级下降,而PM2.5表现相反;O3-8h首要污染物天基本出现在良至中度污染级别,且总体上逐级下降;NO2仅在良级天有较高的天数比例贡献.
关键词: 首要污染物      空气质量      变化特征      沿山城市      京津冀区域     
Characteristics of Primary Pollutants of Air Quality in Cities Along the Taihang Mountains in Beijing-Tianjin-Hebei Region During 2014-2016
WANG Xiao-yan , WANG Shuai , ZHU Li-li , XU Rong , LI Jian-jun     
State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Center, Beijing 100012, China
Abstract: Primary pollutants of air quality in Beijing, Baoding, Shijiazhuang, Xingtai, and Handan cities along the Taihang Mountains were analyzed to investigate their spatial distribution characteristics and temporal variation trends during 2014-2016. The results showed that the primary pollutants were ranked as PM2.5, O3-8h, NO2 and PM10 from most to least important in Beijing, and PM2.5, PM10, O3-8h, NO2, SO2 and CO in the other four cities. Three-year average percentages of days with PM2.5 as the primary pollutant in each city were similar (53.3%-58.1%), however, percentages of days with PM10 as primary pollutant increased, while percentages of O3-8h decreased basically, from north to south. Except for Handan with a significant descending trend, percentages of days with PM2.5 as primary pollutant varied slightly in the other four cities during the study period, and percentages of O3-8h of Shijiazhuang, Xingtai and Handan increased significantly in 2016. Percentages of NO2 slightly declined year by year in Beijing, and the other four cities mainly showed the opposite trend. Monthly variation curves of days with PM2.5 and O3-8h as primary pollutants showed "W" and "inverted U" types respectively, while the high value interval of days with PM10 as primary pollutant occurred between March and May. With the exception of Beijing, peak of monthly variation curves for days with NO2 as the primary pollutant was occurred in October in the other four cities. From "moderate" to "hazardous" levels for air quality, the percentages of days with PM2.5 and/or PM10 as primary pollutants increased level by level, with percentages of PM10 trending downwards and PM2.5 upwards. Meanwhile, days with O3-8h as the primary pollutant mostly appeared in the range between "moderate" and "unhealthy" levels, and NO2 was only prominent in "moderate" level.
Key words: primary pollutants      air quality      variation characteristics      cities along Taihang Mountains      Beijing-Tianjin-Hebei Region     

首要污染物是显著影响空气质量状况的大气污染物, 即反映当地大气污染特征的重要指标.综合研究分析典型区域空气质量首要污染物的基本特征和变化趋势, 可全面准确掌握当地主要大气污染物对空气质量的影响程度, 有助于环境管理部门制定有针对性的大气污染防控和减排措施, 从而成本效益最大化地实现空气质量的持续改善.

京津冀城市群空气质量一直是国内外大气科学领域学者研究的焦点, 尤其是《环境空气质量标准》(GB 3095-2012)[1]自2012年分步实施以来, 基于标准中新增设的细颗粒物(PM2.5)、臭氧8 h滑动平均(O3-8h)浓度限值, 国内外学者针对京津冀区域大气污染特征进一步开展了大量、深入研究.王冠岚等[2]发现2014年京津冀13个城市空气质量呈现“北优南劣”的分布, 首要污染物以PM2.5、PM10和O3为主; 郝静等[3]基于MODIS AOD数据和混合效应模型模拟分析了京津冀内陆平原区PM2.5浓度分布规律, 发现PM2.5浓度呈现出“南高北低、西高东低”的分布趋势; 潘本锋等[4]、程麟钧等[5]均发现2013~2014年京津冀区域O3污染状况整体呈加重趋势, 春末和夏季污染最重, O3污染主要集中于北京及其周边城市; 王未来等[6]发现2014~2015年京津冀13个城市总的首要污染物日数分布排序由高到低分别为PM2.5、PM10、O3-8h、NO2、SO2和CO, PM2.5和PM10分别占总日数的74.6%和67.1%;熊新竹等[7]发现冬季北京主城区NO2、NOx和PM2.5污染较为严重, 三者超标天数分别占总天数的58.1%、48.4%和83.9%;张霞等[8]发现邯郸市2013~2014年大气污染以颗粒物尤其是PM2.5为主, PM10为首要污染物的频率下降, PM2.5则表现相反.

以上研究多侧重于京津冀区域多城市空气质量总体状况或单个城市大气污染特征分析, 目前国内以首要污染物的变化特征为切入点, 开展多城市、长时间序列的系统性研究讨论较少.本研究选取同处京津冀内陆平原区太行山东麓沿线、具有相似地形条件和区域大气污染特征的北京、保定、石家庄、邢台和邯郸等5个城市, 系统分析各城市2014~2016年空气质量首要污染物的空间分布特征和时间变化趋势, 探讨影响太行山沿山地区空气质量的主要污染物及其变化规律, 以期为京津冀区域重点地区精准化大气污染管控决策提供基础性技术依据.

1 材料与方法 1.1 数据来源

本研究所选用的空气质量数据来源于国家环境空气质量监测网中国环境监测总站数据中心, 选取北京、保定、石家庄、邢台和邯郸共5个典型京津冀区域沿山城市2014~2016连续3 a基本六项污染物(SO2、NO2、CO、O3-8h、PM10、PM2.5)的日均浓度、AQI、空气质量级别和首要污染物为研究指标, 围绕首要污染物的时空特征展开分析.其中, 为满足研究需要, 对不满足空气质量达标评价数据有效性的个别天数, 以当天至少一个点位的监测结果计算该城市的AQI和首要污染物, 以保证全年有效分析天数的完整性, 因此本研究数据不用于城市空气质量考核达标评价.

1.2 统计方法

城市首要污染物统计分析的基本依据为《环境空气质量标准》(GB 3095-2012)、《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)[9]和《环境空气质量评价技术规范(试行)》(HJ 663-2013)[10], 城市空气质量级别为优级天时, 无首要污染物; 空气质量级别为良、轻度污染、中度污染、重度污染至严重污染时, 标注其首要污染物.

HJ 633-2012规定城市AQI大于100时为超标日, 该日的首要污染物为超标污染物, 空气质量评价中通常统计超标日的首要污染物.为更全面分析首要污染物特征, 本研究中扩展统计AQI大于50的天数中的各项首要污染物, 即“非优天”首要污染物, 下文中出现的“天数比例”, 均指各项首要污染物天数占非优天数的比例.

HJ 633-2012同时指出, 若空气质量分指数IAQI最大的污染物为两项或两项以上时, 则并列为首要污染物.本研究中当城市同一日有N项(N>1)首要污染物时, 则N个首要污染物所占天数均按照1 d计算, 因此各首要污染物天数所占非优天比例相加之和会出现大于100%的情况.

本研究中重点统计北京、保定、石家庄、邢台和邯郸这5个城市2014~2016年各项首要污染物天数和天数比例, 总结其时间变化趋势和空间分布特征, 并结合前人研究成果进行初步成因分析.

2 结果与讨论 2.1 首要污染物基本分布特征

各城市2014~2016年各项首要污染物天数及天数比例的统计结果显示(见表 1图 1), 各城市每年非优天数差别较小, 平均每年344.4 d; 北京非优天数相对较少, 其他4个城市非优天数在334~364 d之间.总体上, PM2.5是各城市第一大首要污染物, 5个城市PM2.5首要污染物天数比例3 a均值在53.3%~58.1%之间.北京首要污染物种类最少, 仅有PM2.5、O3-8h和NO2和PM10, 其中O3-8h是第二大首要污染物, 天数比例均值为27.0%, 明显高于第三大首要污染物NO2的11.6%; PM10天数比例3 a均值略低于NO2.除北京外, 其他4个城市第二大首要污染物均为PM10, 天数比例均值在23.1%~30.1%之间; 第三和第四大首要污染物分别为O3-8h和NO2, 但邢台O3-8h天数比例明显低于其他城市; SO2首要污染物天在4个城市中仅在2015和2016年分别出现2 d和5 d; 而CO首要污染物天仅有邯郸在2016年出现过2 d, 出现概率最低.

表 1 2016年各城市首要污染物天数及天数比例 Table 1 Numbers and percentages of days with different primary pollutants in five cities during 2014-2016

图 1 2014~2016年各城市首要污染物3 a平均天数比例 Fig. 1 Three-year average percentages of days with different primary pollutants in five cities during 2014-2016

各城市PM2.5首要污染物天数比例相当, 均占到五成以上, 从空间分布上显示PM2.5污染是京津冀区域的共性问题, 且各城市天数比例随城市纬度降低而略有上升, 吴健生等[11]在对京津冀区域城市PM2.5浓度空间分异模型模拟研究中也提出相似的空间分布规律.从北向南, 5个城市PM10首要污染物天数比例总体呈上升趋势, 而O3-8h则表现相反.多个前期研究结果也表明北京及周边地区是京津冀O3污染的高值区[4, 5], 北京和保定污染较重可能与贾海鹰等[12]模拟揭示的北京-保定-山西北部地区存在一条O3污染传输带有关.北京NO2首要污染物天数比例明显高于其他4个城市, 但石家庄、邢台和邯郸NO2污染也不容忽视, 其分布特征与郑晓霞等[13]在京津冀地区大气NO2污染特征研究中的结论基本一致. SO2首要污染天以小概率在石家庄、邢台、邯郸和保定出现, 张伟等[14]和段文娇等[15]的研究发现石家庄和邯郸等地区因钢铁、水泥、火电等产业集中而导致SO2排放集聚, 是河北中南部地区仍存在SO2污染的主要原因.在邯郸2016年夏季出现的CO首要污染物天为少数个例, 可能与当地夏收秸秆焚烧等局地污染有关[16].

2.2 首要污染物年际变化趋势

考虑到SO2和CO首要污染物天仅在部分城市个别年份以小概率出现, 因此以下研究中主要对各城市PM2.5、PM10、O3-8h和NO2等4种主要的首要污染物进行特征分析.

各城市4种主要的首要污染物天数比例年际变化如图 2所示.相对来说, 北京、保定、石家庄和邢台4个城市PM2.5首要污染物天数比例变化幅度较小, 均处于52.0%~61.2%的范围内, 上下浮动变化无统一规律; 而邯郸PM2.5天数比例从2014年的71.3%下降到2016年的40.8%, 呈现出明显的逐年下降趋势.

图 2 2014~2016年各城市主要首要污染物年际变化趋势 Fig. 2 Annual variation trends of percentages of four primary pollutants during 2014-2016

北京PM10首要污染物天数比例明显低于其他城市, 且年际变化幅度较小; 保定、石家庄和邢台2014年PM10天数比例均为最高值(31.2%~36.4%), 保定和石家庄PM10天数比例在2015年明显下降, 降幅分别高达52.3%和30.8%, 而2016年又略有回升; 邢台PM10天数比例呈逐年下降趋势, 2016年相对于前两年分别下降45.0%和39.1%;邯郸PM10天数比例2015比2014年上涨明显(54.9%), 2016年又略有下降.

北京和保定各年O3-8h首要污染物天数比例相对较高, 年际变化规律较为一致, 2015年比2014年分别上涨33.3%和69.5%, 2016年均略有回落, O3与前体物的复杂关系和气象要素对O3的显著影响都可能导致O3污染程度的波动变化[17]; 石家庄、邢台和邯郸前两年O3-8h天数比例均较低, 且变化幅度较小, 但2016年相对于2015年均显著上涨, 涨幅分别高达70.6%、178.6%和291.1%, 在一定程度上表明京津冀区域O3污染范围逐渐扩大, 程度有所加重[18, 19].

北京NO2首要污染物天数比例呈逐年有限下降趋势; 保定2015~2016年NO2天数比例稳定在4%左右; 其他3个城市2014年NO2天数比例最低(< 1.0%), 邢台和邯郸NO2天数比例逐年上升, 且2016年涨幅明显, 相对于2015年分别上涨2.9倍和1.5倍, 而石家庄NO2天数比例在2015年也出现陡增.河北4个沿山城市NO2污染总体呈加重趋势, 可能与当地产业布局、能源结构和机动车保有量增加等因素有关.

2.3 首要污染物月变化趋势

各城市4种主要的首要污染物天数3 a平均月变化趋势如图 3所示, 各城市每种首要污染物天数月变化趋势总体较为一致.

图 3 各城市主要首要污染物天数月变化曲线 Fig. 3 Monthly variation curves for days with four main pollutants as primary pollutants in five cities

PM2.5首要污染物天数基本呈“W”型的月变化趋势, 1月和12月为第一高值区, 7月为第二高值区, 5月各城市PM2.5首要污染物天数均为最低值; 冬季常见的静稳不利大气扩散条件和因供暖导致的污染物排放量增大是造成PM2.5首要污染物天数“W”型分布的主要原因[20, 21].各城市全年各月均会出现不同程度的PM2.5首要污染物天, 反映出PM2.5是一种区域性、全年性、持续性的大气污染物.

北京PM10首要污染物天数月变化曲线整体明显低于其他4个城市, 各城市PM10变化曲线在3~5月出现明显的高值平台区, 这与华北地区春季易受沙尘天气影响有显著关系[20~23].各城市PM10首要污染物天数在10月集中出现了小峰值, 可能受秋季降水减少、大气边界层高度降低等气象因素影响[24], 同时研究表明秋季区域性秸秆焚烧对PM10浓度抬升也有较大影响[25, 26].

各城市O3-8h首要污染物天数月变化曲线均呈“倒U”型, 1~3月和10~12月几乎无O3-8h首要污染物天, 5~9月为高值区, 峰值集中在6月, 受温度、光照和太阳辐射等因素影响, 夏季光化学反应较为强烈[18, 27], 导致O3污染多发.在高值区, 北京和保定O3-8h首要污染物天数明显高于其他3个城市, 且北京5~8月稳定维持在较高水平(16~20 d).

除北京外, 其他4个城市NO2首要污染物天数峰值集中在10月(邢台9月和10月相当); 北京9~12月为NO2首要污染物天数的高值区, 平均每月6~7 d, 1月略低, NO2污染集中在秋冬季节.

2.4 不同空气质量级别天中首要污染物分布

各城市从良至严重污染的不同空气质量级别天中的首要污染物分布情况如图 4所示.在良级天中, 各城市首要污染物种类最多, 且4种主要的首要污染物均有明显贡献.从良至严重污染, 首要污染物种类逐渐减少.

图 4 不同空气质量级别天中首要污染物天数比例分布 Fig. 4 Percentages of primary pollutants in different air quality categories in five cities

5个城市PM2.5和PM10天数比例之和随空气质量级别逐级递增, 从良级的69.0%上升到严重污染的105.4%.北京重度污染天有93.5%是以PM2.5和PM10为首要污染物, 其他4个城市重度污染天和所有5个城市的严重污染天均由大气颗粒物导致.

从良至重度污染, 各城市PM10首要污染物天数比例总体上逐级下降, 而PM2.5天数比例则逐级上升; 在重度污染天, 各城市PM2.5天数比例高达92.5%~98.5%;在严重污染天, 除北京100%以PM2.5为首要污染物外, 其他4城市PM10首要污染物天数反而显著增加, 邢台PM10天数比例甚至略高于PM2.5, 达到56.3%.

O3-8h首要污染物天基本出现在良至中度污染级别; 除北京外, 其他4个城市O3-8h首要污染物天数比例基本随空气质量级别逐级下降; O3-8h只在北京引发过重度污染, 贡献了6.5%的天数比例.

NO2首要污染物天在各城市良级天中有较高天数比例, 北京良级天NO2首要污染物天数比例高达27.7%; SO2首要污染物天以低比例(< 1.0%)集中在石家庄、邢台和邯郸的良级天中.

3 结论

(1) 2014~2016年北京首要污染物由主到次排序为PM2.5、O3-8h、NO2和PM10, 其他4个城市排序为PM2.5、PM10、O3-8h、NO2、SO2和CO; 5个城市第一大首要污染物均为PM2.5, 具有显著的区域性污染特征; 北京O3-8h和NO2污染突出, 而河北中南部沿山城市PM10污染形势仍较为严峻.

(2) 各城市中PM2.5首要污染物天数比例3 a均值在53.3%~58.1%之间, 空间差异性不明显; 从北向南, 5个城市的PM10天数比例基本呈上升趋势, 而O3-8h天数比例则大致呈下降趋势.

(3) 除邯郸PM2.5首要污染物天数比例逐年明显下降外, 其他4个城市变化幅度较小; 河北4城市PM10天数比例年际变化较大且无明显规律; 但2016年石家庄、邢台和邯郸O3-8h天数比例均显著上升, 区域臭氧污染形势有所加重.

(4) 各城市PM2.5首要污染物天数月变化曲线基本呈“W”型, 全年各月均有不同程度PM2.5污染; PM10首要污染物天数在3~5月出现明显高值区, 10月出现小峰值; O3-8h月变化曲线均呈“倒U”型, 5~9月为高值区, 峰值集中在6月; 北京9~12月为NO2首要污染物天数高值区, 其他城市峰值集中在10月.

(5) 从良至严重污染, 各城市PM2.5和PM10首要污染物天数比例之和随空气质量级别逐级递增, 在重度污染和严重污染天, 98.7%以上由大气颗粒物污染导致; O3-8h首要污染物天基本出现在良至中度污染级别, 且天数比例逐级下降(除北京外); NO2仅在良级天有较高天数比例贡献.

(6) 各城市首要污染物特征既有共性又有特性, 环境管理部门应结合污染物来源解析等相关研究结果, 有针对性地重点制定本地主要的首要污染物的减排措施, 以达到事半功倍的治理效果.

参考文献
[1] GB 3095-2012, 环境空气质量标准[S].
GB 3095-2012, Ambient air quality standards[S].
[2] 王冠岚, 薛建军, 张建忠. 2014年京津冀空气污染时空分布特征及主要成因分析[J]. 气象与环境科学, 2016, 39(1): 34-42.
Wang G L, Xue J J, Zhang J Z. Analysis of spatial-temporal distribution characteristics and main cause of air pollution in Beijing-Tianjin-Hebei Region in 2014[J]. Meteorological and Environmental Sciences, 2016, 39(1): 34-42.
[3] 郝静, 孙成, 郭兴宇, 等. 京津冀内陆平原区PM2.5浓度时空变化定量模拟[J]. 环境科学, 2018, 39(4): 1455-1465.
Hao J, Sun C, Guo X Y, et al. Simulation of spatio-temporally resolved PM2.5 aerosol mass concentration over the inland plain of Beijing-Tianjin-Hebei Region[J]. Environmental Science, 2018, 39(4): 1455-1465.
[4] 潘本锋, 程麟钧, 王建国, 等. 京津冀地区臭氧污染特征与来源分析[J]. 中国环境监测, 2016, 32(5): 17-23.
Pan B F, Cheng L J, Wang J G, et al. Characteristics and source attribution of ozone pollution in Beijing-Tianjin-Hebei Region[J]. Environmental Monitoring in China, 2016, 32(5): 17-23.
[5] 程麟钧, 王帅, 宫正宇, 等. 京津冀区域臭氧污染趋势及时空分布特征[J]. 中国环境监测, 2017, 33(1): 14-21.
Cheng L J, Wang S, Gong Z Y, et al. Pollution trends of ozone and its characteristics of temporal and spatial distribution in Beijing-Tianjin-Hebei Region[J]. Environmental Monitoring in China, 2017, 33(1): 14-21.
[6] 王未来, 李明艳, 应锡钧, 等. 2014和2015年京津冀地区13个城市空气质量特征分析[J]. 中国卫生工程学, 2017, 16(5): 553-558.
Wang W L, Li M Y, Ying X J, et al. Analysis of characteristics of air quality of Jing-Jin-Ji Region in 2014 and 2015[J]. Chinese Journal of Public Health Engineering, 2017, 16(5): 553-558.
[7] 熊新竹, 陶双成, 高硕晗, 等. 北京典型主城区冬季大气污染特征分析[J]. 生态环境学报, 2017, 26(7): 1167-1173.
Xiong X Z, Tao S C, Gao S H, et al. Characteristics of air pollution in a typical main urban area of Beijing in winter[J]. Ecology and Environmental Sciences, 2017, 26(7): 1167-1173.
[8] 张霞, 孟琛琛, 王丽涛, 等. 邯郸市大气污染特征及变化趋势研究[J]. 河北工程大学学报(自然科学版), 2015, 32(4): 69-74.
Zhang X, Meng C C, Wang L T, et al. Characteristics and trend of air pollution in Handan City[J]. Journal of Hebei University of Engineering (Natural Science Edition), 2015, 32(4): 69-74. DOI:10.3969/j.issn.1673-9469.2015.04.015
[9] HJ 633-2012, 环境空气质量指数(AQI)技术规定(试行)[S].
HJ 633-2012, Technical regulation on ambient air quality index (on trial)[S].
[10] HJ 663-2013, 环境空气质量评价技术规范(试行)[S].
HJ 663-2013, Technical regulation for ambient air quality assessment (on trial)[S].
[11] 吴健生, 王茜, 李嘉诚, 等. PM2.5浓度空间分异模拟模型对比:以京津冀地区为例[J]. 环境科学, 2017, 38(6): 2191-2201.
Wu J S, Wang X, Li J C, et al. Comparison of models on spatial variation of PM2.5 concentration:A case of Beijing-Tianjin-Hebei region[J]. Environmental Science, 2017, 38(6): 2191-2201.
[12] 贾海鹰, 尹婷, 瞿霞, 等. 2015年北京及周边地区臭氧浓度特征及来源模拟[J]. 中国环境科学, 2017, 37(4): 1231-1238.
Jia H Y, Yin T, Qu X, et al. Characteristics and source simulation of ozone in Beijing and its surrounding areas in 2015[J]. China Environmental Science, 2017, 37(4): 1231-1238. DOI:10.3969/j.issn.1000-6923.2017.04.004
[13] 郑晓霞, 李令军, 赵文吉, 等. 京津冀地区大气NO2污染特征研究[J]. 生态环境学报, 2014, 23(12): 1938-1945.
Zheng X X, Li L J, Zhao W J, et al. Spatial and temporal characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei Region[J]. Ecology and Environmental Sciences, 2014, 23(12): 1938-1945. DOI:10.3969/j.issn.1674-5906.2014.12.008
[14] 张伟, 张杰, 汪峰, 等. 京津冀工业源大气污染排放空间集聚特征分析[J]. 城市发展研究, 2017, 24(9): 81-87.
Zhang W, Zhang J, Wang F, et al. Spatial agglomeration of industrial air pollutant emission in Beijing-Tianjin-Hebei Region[J]. Urban Studies, 2017, 24(9): 81-87. DOI:10.3969/j.issn.1006-3862.2017.09.011
[15] 段文娇, 郎建垒, 程水源, 等. 京津冀地区钢铁行业污染物排放清单及对PM2.5影响[J]. 环境科学, 2018, 39(4): 1445-1454.
Duan W J, Lang J L, Cheng S Y, et al. Air pollutant emission inventory from iron and steel industry in Beijing-Tianjin-Hebei region and its impact on PM2.5[J]. Environmental Science, 2018, 39(4): 1445-1454.
[16] 李建峰, 宋宇, 李蒙蒙, 等. 江汉平原秸秆焚烧污染物排放的估算[J]. 北京大学学报(自然科学版), 2015, 51(4): 647-656.
Li J F, Song Y, Li M M, et al. Estimating air pollutants emissions from open burning of crop residues in Jianghan Plain[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(4): 647-656.
[17] 王占山, 李云婷, 安欣欣, 等. 2006-2015年北京市不同地区O3浓度变化[J]. 环境科学, 2018, 39(1): 1-8.
Wang Z S, Li Y T, An X X, et al. Variation trends of O3 concentration in different regions of Beijing during 2006-2015[J]. Environmental Science, 2018, 39(1): 1-8.
[18] 孟晓艳, 宫正宇, 叶春霞, 等. 2013-2016年74城市臭氧浓度变化特征[J]. 中国环境监测, 2017, 33(5): 101-108.
Meng X Y, Gong Z Y, Ye C X, et al. Characteristics of ozone concentration variation in 74 cities from 2013 to 2016[J]. Environmental Monitoring in China, 2017, 33(5): 101-108.
[19] 王燕丽, 薛文博, 雷宇, 等. 京津冀地区典型月O3污染输送特征[J]. 中国环境科学, 2017, 37(10): 3684-3691.
Wang Y L, Xue W B, Lei Y, et al. Model-derived source apportionment and regional transport matrix study of ozone in Jingjinji[J]. China Environmental Science, 2017, 37(10): 3684-3691. DOI:10.3969/j.issn.1000-6923.2017.10.009
[20] 王浩, 高健, 李慧, 等. 2007-2014年北京地区PM2.5质量浓度变化特征[J]. 环境科学研究, 2016, 29(6): 783-790.
Wang H, Gao J, Li H, et al. Variation of PM2.5 mass concentration in Beijing area during 2007-2014[J]. Research of Environmental Sciences, 2016, 29(6): 783-790.
[21] 王嫣然, 张学霞, 赵静瑶, 等. 2013-2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究[J]. 生态环境学报, 2016, 25(1): 103-111.
Wang Y R, Zhang X X, Zhao J Y, et al. Temporal and spatial distribution of PM2.5 and its relationship with vegetation coverage in Beijing during the period of 2013-2014[J]. Ecology and Environmental Sciences, 2016, 25(1): 103-111.
[22] 杨欣, 陈义珍, 刘厚凤, 等. 北京春季一次沙尘气溶胶污染过程观测[J]. 中国环境科学, 2017, 37(1): 87-94.
Yang X, Chen Y Z, Liu H F, et al. Measurement on a spring time dust aerosol pollution process in Beijing[J]. China Environmental Science, 2017, 37(1): 87-94.
[23] 徐文帅, 张大伟, 李云婷, 等. 北京两次沙尘污染过程中PM2.5浓度变化特征[J]. 气候与环境研究, 2016, 21(1): 78-86.
Xu W S, Zhang D W, Li Y T, et al. Variation of PM2.5 concentration during two dust pollution events in Beijing[J]. Climatic and Environmental Research, 2016, 21(1): 78-86.
[24] 郭家瑜, 张英杰, 郑海涛, 等. 北京2015年大气细颗粒物的空间分布特征及变化规律[J]. 环境科学学报, 2017, 37(7): 2409-2419.
Guo J Y, Zhang Y J, Zheng H T, et al. Characteristics of spatial distribution and variations of atmospheric fine particles in Beijing in 2015[J]. Acta Scientiae Circumstantiae, 2017, 37(7): 2409-2419.
[25] 朱佳雷, 王体健, 邓君俊, 等. 长三角地区秸秆焚烧污染物排放清单及其在重霾污染天气模拟中的应用[J]. 环境科学学报, 2012, 32(12): 3045-3055.
Zhu J L, Wang T J, Deng J J, et al. An emission inventory of air pollutants from crop residue burning in Yangtze River Delta Region and its application in simulation of a heavy haze weather process[J]. Acta Scientiae Circumstantiae, 2012, 32(12): 3045-3055.
[26] 周悦, 岳岩裕, 李兰, 等. 秸秆焚烧导致湖北中东部一次严重霾天气过程的分析[J]. 气候与环境研究, 2016, 21(2): 141-152.
Zhou Y, Yue Y Y, Li L, et al. Analysis of a serious haze event resulting from crop residue burning in central eastern Hubei[J]. Climatic and Environmental Research, 2016, 21(2): 141-152.
[27] 程念亮, 李云婷, 张大伟, 等. 2014年北京市城区臭氧超标日浓度特征及与气象条件的关系[J]. 环境科学, 2016, 37(6): 2041-2051.
Cheng N L, Li Y T, Zhang D W, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing city in 2014[J]. Environmental Science, 2016, 37(6): 2041-2051.