2024, Vol. 45
2013年以来, 随着《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等环保政策的实施, 我国PM2.5年浓度均值显著下降[1], 但冬季浓度仍然较高, 且夏季O3污染逐步明显, 成为继PM2.5之后又一影响城市空气质量的首要污染物[2].在全国337个地级及以上的城市中, O3中度及以上污染天数占比从2015年的7.2%增加至2019年的11.4%[3], PM2.5和O3复合污染特征逐渐凸显[4], 对居民身体健康产生更显著的影响[5].
深入了解PM2.5和O3的污染机制是持续打好蓝天保卫战的重要前提.PM2.5和O3污染成因复杂, 除了受本地排放影响外, 还与季节性气象、跨区域传输等因素密切相关[6 ~ 10], 污染物通过各个城市之间的气流流动会造成区域性大气污染[11].在本地排放源较稳定时, 气象条件对PM2.5与O3的浓度变化起到关键作用[12], 如高温低湿的气象条件可以抑制PM2.5的生成[13]；O3浓度与气温和相对湿度显著相关[14], 在高温天气并伴随O3污染期间, 二次PM2.5的浓度随着光化学水平的升高而增加, PM2.5和O3表现出明显的协同增长现象[15, 16]；应用HYSPLIT模型对污染物传输扩散的研究表明[17 ~ 19], 不同季节污染物的传输路径有所不同[20], PM2.5和O3在城市之间存在方向性输送[21], 因而潜在源区有着明显差异[22].由于每个城市所处地理位置不同, 其气候条件和产业结构不尽相同, 污染特征及其潜在源区也不一样, 因此有必要针对不同城市展开相关研究.
苏州市处于长江三角洲中东部, 是区域经济发展的核心城市.近年来为应对区域经济快速增长和城市化进程加快导致的大气污染问题, 苏州市采取了若干强化大气污染综合治理和联防联控的措施, 但是目前大气污染特征以及其防治工作取得成效如何尚不明晰.关于苏州市PM2.5和O3与气象因素之间的关联性和污染源潜在源区的相关研究较少, 无法为大气污染防控措施提供持续的有针对性的建议.本研究分析苏州市2015~2022年PM2.5和O3浓度变化特征及其与气象要素之间的关联性、不同季节的输送路径及潜在源区, 对地区污染天气的预警和防控具有重要意义, 以期为苏州市及长三角区域实施《空气质量持续改善行动计划》等工作提供参考建议.
1 材料与方法 1.1 数据来源2015~2022年苏州市逐日PM2.5和O3-8h浓度监测数据来源于中国环境监测总站“全国城市空气质量实时发布平台”（http://106.37.208.233:20035/）.本研究将监测数据进行传统性季节（春季3~5月；夏季6~8月；秋季9~11月；冬季12~2月）划分汇总, 进而研究大气污染的季节性变化特征.根据《环境空气质量标准》（GB 3095-2012）中的二级标准对污染物浓度进行评价, 其中, O3年评价值为日最大8 h滑动平均值的全年第90百分位数.将ρ（PM2.5）浓度超过75 μg·m-3或ρ（O3-8h）（日最大8 h滑动平均值）超过160 μg·m-3的时日定义为超标日, 二者同时超标定义为复合污染日.
日均气象数据来源于美国国家航空航天局（NASA）（https://power.larc.nasa.gov/）, 包括相对湿度、温度、风速和风向.采用标量平均法计算平均风向.后向轨迹模式采用的气象场资料为美国环境预报中心（NCEP）提供的全球资料同化系统再分析数据（GDAS）.
1.2 分析方法本研究将苏州市作为轨迹起点, 采用基于拉格朗日混合单粒子轨道（HYSPLIT）模式的Meteoinfo软件, 计算2015~2022年不同季节逐日8个时次（3 h间隔）的后向轨迹, 并聚类分析, 计算时间为72 h, 轨迹计算起始高度为500 m.
利用潜在源贡献（PSCF）方法确定苏州市PM2.5和O3污染的潜在源区.从气团轨迹出发, 利用污染轨迹与所有轨迹在途经区域的停留时长之比来表示每个区域对受体点的污染贡献[23].将轨迹覆盖区域划分为1°×1°的网格.具体计算见式（1）.
|
(1) |
式中, Mij为研究区域内途经网格ij的超过设定分界阈值的污染轨迹数, Nij为途经网格ij的所有轨迹数.由于污染物的浓度变化具有季节特征, 故而选取对应季节的PM2.5（O3）的平均值作为阈值来区分清洁轨迹和污染轨迹. PSCFij的计算结果越高, 代表该网格内的污染轨迹越多, 所对应的网格为对应研究区域的潜在源区.从式（1）可以看出, 当Nij为小值时可能会致使PSCFij得到大值, 为了减少Nij较小所带来的不确定性, 引用Wij（权重函数）来减少误差, 乘以权重Wij得到WPSCFij, 见式（2）和式（3）[24].某区域的WPSCF值越大, 则该地区越可能是研究区域空气污染的潜在源区.
|
(2) |
|
(3) |
2015~2022年苏州市PM2.5年浓度均值整体呈现下降趋势, 从2015年的58 μg·m-3下降到2022年的28 μg·m-3, 年均下降3.75 μg·m-3（图 1）. PM2.5日浓度均值低于国家二级标准（75 μg·m-3）的天数占比高达90%, 2020年之后的年浓度均值均低于国家二级标准.从图 2可以看出, PM2.5每年的超标天数在不断下降, 2022年PM2.5超标天数仅有15 d, 比2015年减少了64 d, 这与2015年开始实施的《江苏省大气污染防治条例》等政策密不可分.不同于PM2.5污染的持续改善, O3浓度却始终保持在较高水平. 2015~2022年, O3年评价值处于163~173 μg·m-3之间, 均超过国家二级标准（160 μg·m-3）, 超标天数较为稳定, 平均为47 d·a-1.在2017年O3超标天数首次超过PM2.5（图 2）, 随后5 a时间内一直多于PM2.5, 成为区域的首要大气污染物.由于苏州市的PM2.5浓度在不断下降, 因而复合污染的天数也持续减少, 2015年天数最多, 有9 d, 2020年后再未出现.
|
虚线为国家二级标准浓度限值 图 1 2015~2022年苏州市PM2.5和O3的浓度变化特征 Fig. 1 Annual variations in PM2.5 and O3 concentrations in Suzhou from 2015 to 2022 |
|
图 2 2015~2022年苏州市不同类型污染超标天数的变化及PM2.5和O3浓度的季节性变化 Fig. 2 Annual variations of exceeding-standard days for different pollutant types and seasonal averages variation of PM2.5 and O3 in Suzhou from 2015 to 2022 |
苏州市PM2.5和O3污染的季节性差异较为显著（图 2）.PM2.5夏季浓度均值仅有26 μg·m-3, 污染程度最轻, 春季和冬季浓度均值分别达到42 μg·m-3和59 μg·m-3, 污染最严重.相反, O3夏季浓度均值为127 μg·m-3, 污染最严重, 冬季时无O3超标现象.这主要是由于冬季易形成静稳天气, 大气边界层低, 且环境较为干燥、降水量少, 不利于颗粒物的沉降[25].春季时, 受到北方沙尘天气的影响, 致使PM2.5浓度较高[26].夏季时, 降水增多, 大气中的颗粒物和气溶胶粒子被水成物清除, 最终沉降到地面[27].夏季高浓度O3与温度高、太阳辐射强和大气光化学反应强紧密相关[28], 随着秋冬季节气温降低, O3生成减少.
2.2 PM2.5与O3污染的气象条件气象条件对PM2.5和O3的浓度起到很大的影响作用, 贯穿污染物从形成到消除等一系列的过程[29].本研究选取2015~2022年期间11月至次年2月的PM2.5浓度与5~9月O3的浓度, 分别对应PM2.5和O3污染最为严重的时期.以此分析苏州市PM2.5和O3污染期间, 不同气象条件下PM2.5和O3的浓度分布特征（图 3）.当温度在-5~10℃和相对湿度在70%~85%区间易出现高浓度PM2.5污染.这主要是由于高湿环境促进颗粒相对气态物质的摄取与PM2.5中的液相发生反应, 致使PM2.5中的二次组分浓度升高[30], 同时低温使半挥发性物质更容易在颗粒相凝结, 致使PM2.5浓度升高[31].
|
图 3 2015~2022年苏州市PM2.5和O3污染季节下气象条件分布 Fig. 3 Distribution of meteorological conditions during the season of PM2.5 and O3 pollution in Suzhou from 2015 to 2022 |
当温度在20~30℃和相对湿度在60%~75%区间易出现高浓度O3污染事件.O3生成在高湿度的环境下会受到一定程度的抑制: 高湿度的空气中水汽和水汽凝结物较多, 从而导致紫外辐射受到一定程度的削弱, 不利于光化学反应的发生[32], 水汽中所含的自由基会迅速将O3分解成氧分子[33].同一温度条件下, 风速与PM2.5和O3浓度呈现出负相关关系, 这是因为较低的风速有利于污染物和前体物的积累, 高风速则有利于大气中污染物的扩散与稀释, 从而降低PM2.5和O3的浓度.
PM2.5和O3的浓度风玫瑰图如图 4所示, 在风向为西北风且风速在6 m·s-1以下的范围内, PM2.5浓度较高, 此时会受到其上风向地区污染的排放输送影响.在偏南、东南风向时, O3污染较为严重, 风速达到7 m·s-1时, O3的质量浓度仍然较高.其原因可能是随着风速的增大会引起上层O3向下传输[34].西北风和东南风是苏州市冬、夏两季的主导风向, 因此外源输送对苏州市PM2.5和O3的浓度增加有一定的贡献.
|
图 4 2015~2022年苏州市PM2.5和O3浓度风玫瑰图 Fig. 4 Wind rose chart of PM2.5 and O3 concentrations in Suzhou from 2015 to 2022 |
通过对苏州市2015~2022年不同季节的PM2.5和O3进行相关性分析, 以检验二者之间的相关性特征. 4个季节的相关系数如表 1所示, 其中, 夏季的相关系数普遍高于其他季节.两种污染物在夏季全部呈现正相关, 且相关性最强, 相关系数最大值为2015年的夏季, 相关系数R达到了0.732（P < 0.01）.这与大多数城市的研究结果一致[35].夏季由于O3浓度较高, 大气氧化性较强, 致使PM2.5中的二次组分SO42-和NO3-生成速率加快, 其主要氧化剂为·OH和NO3·[36]；同时PM2.5表面的非均相反应, 会通过NOx、N2O5、·OH、HO2·和O3的生成和消耗影响O3浓度[37]；O3形成过程中产生的氧化性物质, 如·OH和H2O2会促使SO2、NOx和VOCs向二次气溶胶转化[38].冬季的相关性最弱, 且出现负相关现象.冬季大气氧化性较低, 同时PM2.5的浓度较高, PM2.5中的二次组分SO42-、NO3-和元素碳等拥有较强的消光能力, 会对阳光造成散射与吸收, 从而导致到达地表的光辐射强度降低, 进而使光解速率降低影响O3生成速率[39].春秋季时, PM2.5和O3基本呈现弱相关性.
|
表 1 2015~2022年苏州市PM2.5与O3不同季节皮尔森相关系数1） Table 1 Pearson correlation coefficient between PM2.5 and O3 in different seasons in Suzhou from 2015 to 2022 |
2.4 后向轨迹聚类分析
结合PM2.5和O3的日浓度均值, 对2015~2022年苏州市不同季节的气流轨迹进行聚类分析（图 5）, 以判断不同轨迹下PM2.5和O3的浓度水平（表 2）.研究期间苏州市各个季节的轨迹分布与季风气候相对应, 各个季节的气流轨迹差异明显.图 5中轨迹的长短反映了气团的移动速度, 长和短的轨迹分别对应快速移动和缓慢移动的气团[40].
|
图 5 苏州市不同季节后向轨迹聚类分布 Fig. 5 Backward trajectory clusters in different seasons in Suzhou |
|
|
表 2 四季各类轨迹路径及出现概率和对应的PM2.5和O3浓度统计分析结果聚类统计分析1） Table 2 Statistical analysis results of all types of trajectory paths, occurrence probability, and PM2.5 and O3 concentration in all tracks in the four seasons |
不同季节对应PM2.5浓度最高的轨迹有: 春季来自河北省南部的轨迹2、秋季来自河北省南部的轨迹1和冬季来自陕西省的轨迹4.春季中北方易出现沙尘天气, 轨迹2易将河北、山东和江苏地区的污染物输送到苏州市, 从而积聚在本地.到了秋季, 逆温层的形成使地面污染物开始聚集[41], 且秋季时北方气流逐渐加强, 污染物易被途经气流携带至本地.而冬季供暖所需要的燃煤量更大, 所排放的污染物也更多, 致使气流轨迹4携带的污染物增多.
对应O3浓度较高的轨迹有: 夏季来自山东省中部的轨迹1和春季来自河北省南部的轨迹2.轨迹1虽然仅占夏季总轨迹的16.05%, 但对应O3浓度最高, 可见轨迹1经过的区域污染程度较高, 其主要原因是受夏季高温的影响, 轨迹1途经区域的O3浓度增加, 导致该气流轨迹对苏州市环境空气质量产生较大的影响.
2.5 潜在源区分析通过潜在源区分析法（PSCF）来识别苏州市不同季节PM2.5和O3污染贡献源区, WPSCF值越大, 表明该季节苏州市PM2.5和O3的浓度受该地区的影响越大.
2.5.1 PM2.5潜在源区分析4个季节的PM2.5污染源区主要分布在江苏省以西和以北区域, 覆盖的范围较大（图 6）.潜在源区主要位于安徽省、河南省、湖北省、湖南省和京津冀区域.春季的潜在源区范围较大, 主要位于苏州市以西. 秋季WPSCF高值区域（大于0.7）较多, 湖北省出现了一条狭长的WPSCF高值区, 陕西省和江西省、安徽省分布着零星的WPSCF高值区.冬季是PM2.5浓度较高的时期, WPSCF高值区主要位于河南省、陕西省和湖北省的交界处及附近区域.由于秋冬季节我国北方城市逐渐开始燃煤供暖, 导致颗粒物排放量骤增[42], 同时苏州地区在秋冬季节盛行西北风, 受到蒙古高压系统的影响, 北方地区沙尘天气产生的大量颗粒物, 易随着气流传输至本地, 致使秋冬季节潜在源区增多.综上, PM2.5在春冬污染季时潜在源区主要分布在安徽省、河南省和湖北省, 秋季的潜在源区主要位于湖北省和江西省等地区.
|
图 6 苏州市PM2.5潜在源贡献四季分布 Fig. 6 Potential source contribution function maps of PM2.5 in four seasons in Suzhou |
对比PM2.5各个季节的潜在源区, O3的潜在源区有着范围更大且高值区更多的特点.WPSCF高值区域（大于0.7）在春夏季明显较多, 主要分布在山西省、陕西省北部、河南省北部以及山东等地区（图 7）.夏季O3的主要潜在源区分布在浙江省、河南省、山东省、京津冀地区和辽宁省部分区域, 辽宁省与内蒙古交界处、山西省和河南省交界处、京津冀区域出现WPSCF值大于0.8的地区.秋冬季节的WPSCF高值区域变少.春夏季由于气温较高, 光化学反应加快, 导致各个区域的O3浓度增加, 且O3较PM2.5更容易远距离输送[43].综上, 春夏季O3的潜在源区主要位于京津冀地区、山东省、河南省和山西省等地区.
|
图 7 苏州市O3潜在源贡献四季分布 Fig. 7 Potential source contribution function maps of O3 in four seasons in Suzhou |
近年来苏州市通过工业行业的提标改造、燃煤锅炉整治和淘汰落后产能等一系列政策的严格实施, 有效降低了全市的PM2.5浓度, 2020年后PM2.5年浓度均值达到国家二级标准, 2022年ρ（PM2.5）年均值降至28 μg·m-3, 但距离世界卫生组织推荐的ρ（PM2.5）年均值（10 μg·m-3）仍有一段距离.与此同时, 苏州市O3浓度一直较高, 逐渐成为首要空气污染物.其主要原因可能是区域内涉及O3的重要前体物VOCs排放行业增多, 导致VOCs排放量大且面广, 管控难度较大.同时苏州市的燃油机动车数量在不断增加, 导致O3主要前体物NOx的排放量在不断增多.另外, 气象条件对O3的产生与变化有着直接影响.O3的生成与太阳辐射和气温等因素变化密切相关, 气温高且太阳辐射强, 大气光化学氧化能力提高等条件, 都有利于自由基的形成[44], 进而加快了O3的生成.污染物跨区域的长距离输送使得控制O3浓度更为困难.因此, 以上各种因素共同作用, 导致研究期间苏州市O3的浓度较高.但苏州市的PM2.5⁃O3复合污染天数在一直减少, 2020年后再未出现复合污染天气.PM2.5与O3的共同前体物的反应复杂多样, 共同前体物的减排比例也会引起二者浓度的变化[45, 46].有研究表明, 仅PM2.5浓度的下降可能会加重O3的污染[47, 48].所以对PM2.5与O3的共同前体物NOx与VOCs的协同控制, 对PM2.5和O3的浓度下降尤为重要.因此, 当前PM2.5和O3仍然是苏州市大气污染治理的主要对象, 在“十四五”期间甚至未来很长的一段时间内, 要持续聚焦PM2.5和O3协调控制.苏州市相关部门应加快PM2.5与O3污染成因分析与来源解析、数值模拟预报预警和污染应急调控能力, 比如可以在污染易发生的时间段, 通过限制高排放量的车辆出行、管控重点企业排放、协调涉及VOCs排放的企业错时生产等措施, 最大限度减缓大气污染程度.
另一方面, 尽管近年来我国不断出台了一些大气污染治理的政策, 但跨区域的联防联控力度仍然有待加强.结合苏州市PM2.5和O3污染季的气流轨迹路径和潜在源区, 不同季节重点关注高浓度的轨迹经过的区域和主要潜在源区, 特别是共同潜在源区, 做好区域大气污染联防联控, 超越以行政区划为界限的传统属地防治手段.加快建设省级层面的协同联防联控机制, 形成跨省部门之间信息共享, 打通资源共享壁垒, 最终实现进一步提升环境空气质量、持续打好污染防治攻坚战的目标.
4 结论（1）2015~2022年苏州市PM2.5年浓度均值逐年下降, 年均下降3.75 μg·m-3, 2020年后年浓度均值均低于国家二级标准；2015~2022年O3年评价值始终维持较高水平, 处于163 ~173 μg·m-3之间, 2017~2022年, O3的年超标天数始终超过PM2.5；2020年后未出现复合污染天气.
（2）PM2.5和O3污染分别在冬季和夏季最重；PM2.5污染易出现在低温高湿的天气, 而O3污染易出现在高温低湿的天气；PM2.5和O3分别在西北和东南风向上污染较为严重；PM2.5和O3在夏季呈现强正相关性, 相关系数最高达0.73.
（3）通过聚类分析发现, 春季来自河北省的轨迹2和冬季来自陕西省的轨迹4容易造成PM2.5浓度增加；夏季来自山东省的内陆中短距离轨迹1和春季来自河北省的轨迹2容易造成O3浓度增加.
（4）潜在源区分析表明, PM2.5在春冬季节的潜在源区主要分布在安徽省、河南省和湖北省, 秋季时的潜在源区主要位于湖北省和江西省等地区；春夏季O3的潜在源区主要位于京津冀地区、山东省、河南省和山西省等地区.
| [1] |
牛笑笑, 钟艳梅, 杨璐, 等. 2015~2020年中国城市PM2.5-O3复合污染时空演变特征[J]. 环境科学, 2023, 44(4): 1830-1840. Niu X X, Zhong Y M, Yang L, et al. Spatiotemporal evolution characteristics of PM2.5-O3 compound pollution in Chinese cities from 2015 to 2020[J]. Environmental Science, 2023, 44(4): 1830-1840. |
| [2] |
谢文晶, 邢巧, 谢东海, 等. 海南省背景区域臭氧及其前体物污染特征[J]. 环境科学, 2022, 43(12): 5407-5420. Xie W J, Xing Q, Xie D H, et al. Pollution characteristics of ozone and its precursors in background region of Hainan province[J]. Environmental Science, 2022, 43(12): 5407-5420. |
| [3] |
李禾. 蓝天保卫战升级臭氧将成"十四五"治理重点[J]. 世界环境, 2020(5): 30-31. Li H. To upgrade the blue sky protection campaign, the 14th Five-Year plan will focus on the treatment of ozone[J]. World Environment, 2020(5): 30-31. |
| [4] |
姜华, 高健, 李红, 等. 我国大气污染协同防控理论框架初探[J]. 环境科学研究, 2022, 35(3): 601-610. Jiang H, Gao J, Li H, et al. Preliminary research on theoretical framework of cooperative control of air pollution in China[J]. Research of Environmental Sciences, 2022, 35(3): 601-610. |
| [5] |
陈菁, 彭金龙, 徐彦森. 北京市2014~2020年PM2.5和O3时空分布与健康效应评估[J]. 环境科学, 2021, 42(9): 4071-4082. Chen J, Peng J L, Xu Y S. Spatiotemporal distribution and health impacts of PM2.5 and O3 in Beijing, from 2014 to 2020[J]. Environmental Science, 2021, 42(9): 4071-4082. |
| [6] | Huang X, Ding A J, Wang Z L, et al. Amplified transboundary transport of haze by aerosol–boundary layer interaction in China[J]. Nature Geoscience, 2020, 13(6): 428-434. DOI:10.1038/s41561-020-0583-4 |
| [7] |
王雨燕, 杨文, 王秀艳, 等. 淄博市城郊臭氧污染特征及影响因素分析[J]. 环境科学, 2022, 43(1): 170-179. Wang Y Y, Yang W, Wang X Y, et al. Characteristics of ozone pollution and influencing factors in urban and suburban areas in Zibo[J]. Environmental Science, 2022, 43(1): 170-179. |
| [8] |
熊江荷, 孔少飞, 郑煌, 等. 排放和气象对疫情前后武汉不同类型点位大气污染物的影响[J]. 环境科学, 2023, 44(2): 670-679. Xiong J H, Kong S F, Zheng H, et al. Impacts of emission and meteorological conditions on air pollutants at various sites around the COVID-19 lockdown in Wuhan[J]. Environmental Science, 2023, 44(2): 670-679. |
| [9] |
张莹, 倪长健, 冯鑫媛, 等. 基于GAMs模型分析成都市气象因子交互作用对O3浓度变化的影响[J]. 环境科学, 2021, 42(11): 5228-5238. Zhang Y, Ni C J, Feng X Y, et al. Interactive effects of the influencing factors on the changes of O3 concentrations based on GAMs model in Chengdu[J]. Environmental Science, 2021, 42(11): 5228-5238. |
| [10] |
张宇静, 赵天良, 殷翀之, 等. 徐州市大气PM2.5与O3作用关系的季节变化[J]. 中国环境科学, 2019, 39(6): 2267-2272. Zhang Y J, Zhao T L, Yin C Z, et al. Seasonal variation of the relationship between surface PM2.5 and O3 concentrations in Xuzhou[J]. China Environmental Science, 2019, 39(6): 2267-2272. DOI:10.3969/j.issn.1000-6923.2019.06.004 |
| [11] |
李颜君, 安兴琴, 范广洲. 北京地区大气颗粒物输送路径及潜在源分析[J]. 中国环境科学, 2019, 39(3): 915-927. Li Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing[J]. China Environmental Science, 2019, 39(3): 915-927. DOI:10.3969/j.issn.1000-6923.2019.03.003 |
| [12] | Luo Y H, Zhao T L, Yang Y J, et al. Seasonal changes in the recent decline of combined high PM2.5 and O3 pollution and associated chemical and meteorological drivers in the Beijing⁃Tianjin⁃Hebei region, China[J]. Science of the Total Environment, 2022, 838. DOI:10.1016/j.scitotenv.2022.156312 |
| [13] |
刘淼晗, 于宸涛, 房祥玉, 等. 2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析[J]. 环境科学研究, 2023, 36(2): 285-293. Liu M H, Yu C T, Fang X Y, et al. Analysis of PM2.5-O3 compound pollution characteristics and meteorological causes in Henan Province from 2014 to 2020[J]. Research of Environmental Sciences, 2023, 36(2): 285-293. |
| [14] | Toh Y Y, Lim S F, von Glasow R. The influence of meteorological factors and biomass burning on surface ozone concentrations at Tanah Rata, Malaysia[J]. Atmospheric Environment, 2013, 70: 435-446. DOI:10.1016/j.atmosenv.2013.01.018 |
| [15] |
康平, 侯静雯, 冯浩鹏, 等. 成都市PM2.5和O3复合污染特征及相互作用研究[J]. 环境科学学报, 2022, 42(10): 80-90. Kang P, Hou J W, Feng H P, et al. Study on the characteristics and interaction of PM2.5 and O3 combined pollution in Chengdu[J]. Acta Scientiae Circumstantiae, 2022, 42(10): 80-90. |
| [16] |
菅月诚, 赵铖博, 朱子博, 等. 聊城市PM2.5和O3污染特征及气象因素影响分析[J]. 环境科学学报, 2023, 43(9): 257-267. Jian Y C, Zhao C B, Zhu Z B, et al. Analysis of PM2.5 and O3 pollution characteristics and the influence of meteorological factors in Liaocheng city[J]. Acta Scientiae Circumstantiae, 2023, 43(9): 257-267. |
| [17] | Bera B, Bhattacharjee S, Sengupta N, et al. Variation and dispersal of PM10 and PM2.5 during COVID-19 lockdown over Kolkata metropolitan city, India investigated through HYSPLIT model[J]. Geoscience Frontiers, 2022, 13(1). DOI:10.1016/j.gsf.2021.101291 |
| [18] | Giacosa G, Rainham D G, Walker T R. A baseline characterization of fine particulate matter (PM2.5) concentration and releases in Nova Scotia, Canada[J]. Atmospheric Pollution Research, 2023, 14(5). DOI:10.1016/j.apr.2023.101757 |
| [19] |
王妘涛, 张强, 温肖宇, 等. 运城市PM2.5时空分布特征和潜在源区季节分析[J]. 环境科学, 2022, 43(1): 74-84. Wang Y T, Zhang Q, Wen X Y, et al. Spatiotemporal distribution and seasonal characteristics of regional transport of PM2.5 in Yuncheng City[J]. Environmental Science, 2022, 43(1): 74-84. |
| [20] | Yao Y R, Wang W, Ma K, et al. Transmission paths and source areas of near-surface ozone pollution in the Yangtze River delta region, China from 2015 to 2021[J]. Journal of Environmental Management, 2023, 330. DOI:10.1016/j.jenvman.2022.117105 |
| [21] | Zhao S P, Yu Y, Qin D H, et al. Analyses of regional pollution and transportation of PM2.5 and ozone in the city clusters of Sichuan Basin, China[J]. Atmospheric Pollution Research, 2019, 10(2): 374-385. DOI:10.1016/j.apr.2018.08.014 |
| [22] |
翁佳烽, 梁晓媛, 邓开强, 等. 不同季节肇庆市PM2.5和O3污染特征及潜在源区分析[J]. 环境科学研究, 2021, 34(6): 1306-1317. Weng J F, Liang X Y, Deng K Q, et al. Characteristics and potential sources of PM2.5 and O3 in different seasons in Zhaoqing City[J]. Research of Environmental Sciences, 2021, 34(6): 1306-1317. |
| [23] | Zhang J K, Huang X J, Chen Y, et al. Characterization of lead-containing atmospheric particles in a typical basin city of China: seasonal variations, potential source areas, and responses to fireworks[J]. Science of the Total Environment, 2019, 661: 354-363. DOI:10.1016/j.scitotenv.2019.01.079 |
| [24] |
谢文晶, 邢巧, 徐文帅, 等. 三亚市臭氧污染特征、输送路径及潜在源区分析[J]. 中国环境监测, 2022, 38(3): 83-95. Xie W J, Xing Q, Xu W S, et al. Characteristics, transport routes and potential sources of ozone pollution in Sanya[J]. Environmental Monitoring in China, 2022, 38(3): 83-95. |
| [25] |
李明明, 王雁, 闫世明, 等. 太原市PM2.5浓度的气象特征影响分析及预报[J]. 环境科学, 2023, 44(2): 611-625. Li M M, Wang Y, Yan S M, et al. Meteorological characteristics, influence analysis and prediction of PM2.5 concentration in Taiyuan City[J]. Environmental Science, 2023, 44(2): 611-625. |
| [26] |
李瑞, 李清, 徐健, 等. 秋冬季区域性大气污染过程对长三角北部典型城市的影响[J]. 环境科学, 2020, 41(4): 1520-1534. Li R, Li Q, Xu J, et al. Regional air pollution process in winter over the Yangtze River Delta and its influence on typical northern cities[J]. Environmental Science, 2020, 41(4): 1520-1534. |
| [27] |
栾兆鹏, 卢慧超, 李恬, 等. 降水和风对泰安地区PM2.5浓度的影响及区域传输研究[J]. 气象与环境学报, 2021, 37(3): 33-39. Luan Z P, Lu H C, Li T, et al. Impacts of precipitation and wind on PM2.5 concentration and its region transport in Tai'an[J]. Journal of Meteorology and Environment, 2021, 37(3): 33-39. DOI:10.3969/j.issn.1673-503X.2021.03.005 |
| [28] |
黄俊, 廖碧婷, 王春林, 等. 广州逐时臭氧污染气象条件指数研究及应用[J]. 环境科学学报, 2023, 43(1): 63-75. Huang J, Liao B T, Wang C L, et al. Meteorological condition index (MCI) for hourly ozone pollution in Guangzhou: development and application[J]. Acta Scientiae Circumstantiae, 2023, 43(1): 63-75. |
| [29] | Qu Y W, Wang T J, Yuan C, et al. The underlying mechanisms of PM2.5 and O3 synergistic pollution in East China: photochemical and heterogeneous interactions[J]. Science of the Total Environment, 2023, 873. DOI:10.1016/j.scitotenv.2023.162434 |
| [30] |
肖瑶, 吴志军, 郭松, 等. 大气气溶胶液态水中二次有机气溶胶生成机制研究进展[J]. 科学通报, 2020, 65(28-29): 3118-3133. Xiao Y, Wu Z J, Guo S, et al. Formation mechanism of secondary organic aerosol in aerosol liquid water: a review[J]. Chinese Science Bulletin, 2020, 65(28-29): 3118-3133. |
| [31] |
张子睿, 胡敏, 尚冬杰, 等. 2013~2020年北京大气PM2.5与O3污染演变态势与典型过程特征[J]. 科学通报, 2022, 67(18): 1995-2007. Zhang Z R, Hu M, Shang D J, et al. The evolution trend and typical process characteristics of atmospheric PM2.5 and O3 pollution in Beijing from 2013 to 2020[J]. Chinese Science Bulletin, 2022, 67(18): 1995-2007. |
| [32] |
宋小涵, 燕丽, 刘伟, 等. 2015~2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析[J]. 环境科学, 2023, 44(4): 1841-1851. Song X H, Yan L, Liu W, et al. Spatiotemporal distribution characteristics of co-pollution of PM2.5 and ozone over BTH with surrounding area from 2015 to 2021[J]. Environmental Science, 2023, 44(4): 1841-1851. |
| [33] |
王磊, 刘端阳, 韩桂荣, 等. 南京地区近地面臭氧浓度与气象条件关系研究[J]. 环境科学学报, 2018, 38(4): 1285-1296. Wang L, Liu D Y, Han G R, et al. Study on the relationship between surface ozone concentrations and meteorological conditions in Nanjing, China[J]. Acta Scientiae Circumstantiae, 2018, 38(4): 1285-1296. |
| [34] |
徐锟, 刘志红, 何沐全, 等. 成都市夏季近地面臭氧污染气象特征[J]. 中国环境监测, 2018, 34(5): 36-45. Xu K, Liu Z H, He M Q, et al. Meteorological characteristics of O3 pollution near the ground in summer of Chengdu[J]. Environmental Monitoring in China, 2018, 34(5): 36-45. |
| [35] | Wang L, Zhao B X, Zhang Y, et al. Correlation between surface PM2.5 and O3 in eastern China during 2015-2019: spatiotemporal variations and meteorological impacts[J]. Atmospheric Environment, 2023, 294. DOI:10.1016/j.atmosenv.2022.119520 |
| [36] |
邓雪娇, 周秀骥, 吴兑, 等. 珠江三角洲大气气溶胶对地面臭氧变化的影响[J]. 中国科学: 地球科学, 2011, 54(1): 93-102. Deng X J, Zhou X J, Wu D, et al. Effect of atmospheric aerosol on surface ozone variation over the Pearl River Delta region[J]. Science China Earth Sciences, 2011, 54(5): 744-752. |
| [37] | Qu Y W, Wang T J, Cai Y F, et al. Influence of atmospheric particulate matter on ozone in Nanjing, China: observational study and mechanistic analysis[J]. Advances in Atmospheric Sciences, 2018, 35(11): 1381-1395. DOI:10.1007/s00376-018-8027-4 |
| [38] |
张涵, 姜华, 高健, 等. PM2.5与臭氧污染形成机制及协同防控思路[J]. 环境科学研究, 2022, 35(3): 611-620. Zhang H, Jiang H, Gao J, et al. Formation mechanism and management strategy of cooperative control of PM2.5 and O3 [J]. Research of Environmental Sciences, 2022, 35(3): 611-620. |
| [39] | Gharibzadeh M, Bidokhti A A, Alam K. The interaction of ozone and aerosol in a semi-arid region in the Middle East: ozone formation and radiative forcing implications[J]. Atmospheric Environment, 2021, 245. DOI:10.1016/j.atmosenv.2021.118015 |
| [40] |
段时光, 姜楠, 杨留明, 等. 郑州市冬季大气PM2.5传输路径和潜在源分析[J]. 环境科学, 2019, 40(1): 86-93. Duan S G, Jiang N, Yang L M, et al. Transport pathways and potential sources of PM2.5 during the winter in Zhengzhou[J]. Environmental Science, 2019, 40(1): 86-93. |
| [41] |
张忠地, 邵天杰, 黄小刚, 等. 2017年京津冀地区PM2.5污染特征及潜在来源分析[J]. 环境工程, 2020, 38(2): 99-106, 134. Zhang Z D, Shao T J, Huang X G, et al. Characteristics and potential sources of PM2.5 pollution in Beijing-Tianjin-Hebei region in 2017[J]. Environmental Engineering, 2020, 38(2): 99-106, 134. |
| [42] | Shi J L, Liu S X, Qu Y, et al. Variations of the urban PM2.5 chemical components and corresponding light extinction for three heating seasons in the Guanzhong Plain, China[J]. Journal of Environmental Management, 2023, 327. DOI:10.1016/j.jenvman.2022.116821 |
| [43] |
李红, 彭良, 毕方, 等. 我国PM2.5与臭氧污染协同控制策略研究[J]. 环境科学研究, 2019, 32(10): 1763-1778. Li H, Peng L, Bi F, et al. Strategy of coordinated control of PM2.5 and ozone in China[J]. Research of Environmental Sciences, 2019, 32(10): 1763-1778. |
| [44] | Meng X, Jiang J K, Chen T S, et al. Chemical drivers of ozone change in extreme temperatures in eastern China[J]. Science of the Total Environment, 2023, 874. DOI:10.1016/j.scitotenv.2023.162424 |
| [45] | Huang X, Ding A J, Gao J, et al. Enhanced secondary pollution offset reduction of primary emissions during COVID-19 lockdown in China[J]. National Science Review, 2021, 8(2). DOI:10.1093/nsr/nwaa137 |
| [46] | Wang N, Lyu X, Deng X J, et al. Aggravating O3 pollution due to NOx emission control in eastern China[J]. Science of the Total Environment, 2019, 677: 732-744. DOI:10.1016/j.scitotenv.2019.04.388 |
| [47] | Shao M, Wang W J, Yuan B, et al. Quantifying the role of PM2.5 dropping in variations of ground-level ozone: Inter-comparison between Beijing and Los Angeles[J]. Science of the Total Environment, 2021, 788. DOI:10.1016/j.scitotenv.2021.147712 |
| [48] | Zhao X J, Zhang Z Y, Xu J, et al. Impacts of aerosol direct effects on PM2.5 and O3 respond to the reductions of different primary emissions in Beijing-Tianjin-Hebei and surrounding area[J]. Atmospheric Environment, 2023, 309. DOI:10.1016/j.atmosenv.2023.119948 |