2021, Vol. 42
2. 中国气象局武汉暴雨研究所, 暴雨监测预警湖北省重点实验室, 武汉 430205;
3. 江苏省气候中心, 南京 210044
, ZHAO Tian-liang1
, BAI Yong-qing2 , XU Jia-ping3 , SUN Xiao-yun1 , HU Wei-yang1 , CHANG Jia-cheng1 , YANG Jie1 , ZHU Cong-zhen1
2. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430205, China;
3. Jiangsu Climate Center, Nanjing 210044, China
大气颗粒物(particulate matters, PM)是由悬浮在大气中的各种固态与液态微粒组成的混合物, 是空气污染的主要成分[1].受大气污染物排放源和气象条件影响, 我国中东部地区主要存在4个大气颗粒物重污染事件频发区域, 分别是华北平原、长三角地区、珠三角地区以及四川盆地[2~5].近年来长江流域中游两湖(湖南-湖北)盆地重污染事件多发, 成为一个新的大气污染高发区[6~10].两湖盆地大气颗粒物污染变化及其成因亟待深入研究.
大气污染物排放源强决定了大气污染程度[11~13], 而大气颗粒物污染的暴发、维持和消散, 则主要是由气象条件决定[14~17].静稳天气下的弱风、强逆温层和低混合层高度等局地气象条件是大气污染形成和维持的重要原因[18~21].风是驱动大气污染物输送的重要物理量[22], 静风和小风抑制大气污染物的有效扩散; 强风驱使大气污染物向下风方输送[23], 使大气污染表现出明显的区域性传输特征[24, 25].此外, 下垫面条件对局地空气质量变化也具有重要作用, 不同下垫面地-气之间的热力交换和动量交换会改变大气边界层局地环流[26, 27], 影响大气污染物的物理化学过程, 是改变大气颗粒物浓度分布的一个重要环境因素[28~31].
两湖盆地位于长江中游地区, 具有典型的东亚季风气候, 区域气象条件和大气污染物时空分布均受到东亚季风大气环流的调控[32].“次盆地”地形、丰富的水网下垫面[33]以及多样的生态系统增加了两湖盆地地表动力和热力条件的复杂性, 影响大气温湿结构和大气边界层物理过程.此外, 两湖盆地作为长江中游经济发展中心, 拥有武汉和长株潭两大城市群, 城市化导致了下垫面类型变化, 改变了区域PM2.5空间分布.两湖盆地核心城市武汉的大气颗粒物浓度存在显著的季节变化, 冬季最高, 夏季最低, 而日变化呈现双峰型特征[34, 35].2019年冬季一次重污染过程中地形效应使两湖盆地西部的PM2.5浓度增加12%[36].来自华北平原长距离传输的大气颗粒物是导致武汉PM2.5浓度急剧上升的主要原因[37], 尤其是在冬季, PM2.5的区域性输送会加剧武汉独特的“非静稳”大气重污染[10], 使近地面高浓度的PM2.5对应的风速较大[8].然而现有分析大多针对单个城市或某一重污染事件, 两湖盆地长时间序列的区域大气颗粒物的分布特征还需要完整认识, 气象条件、“次盆地”地形和下垫面对两湖盆地大气颗粒物浓度的影响, 亦亟待深入研究.
为完整研究两湖盆地冬季大气颗粒物(PM2.5和PM10)的变化特征, 本文以湖南湖北相连的海拔高度低于200 m的平原地区为研究区域(图 1), 认识近5年来(2015~2019年)两湖盆地冬季大气颗粒物污染区域变化特征, 探讨PM2.5和PM10的变化与风速和下垫面地形的关系, 以期为华中地区的大气污染研究及防治提供参考.
|
图 1 两湖盆地及周边地区的海拔高度空间分布示意 Fig. 1 Spatial distribution of altitude in the Twain-Hu Basin and surrounding areas |
本文研究时段为2015~2019年冬季(12月及次年1、2月).大气颗粒物PM2.5和PM10观测数据来源于中国环境监测总站的全国城市空气质量实时发布平台(http://106.37.208.233:20035/), 时间分辨率为1 h.气象数据来源于国家气象信息中心.归一化差异植被指数(normalized difference vegetation index, NDVI)数据来源于搭载在Aqua卫星上的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS, https://ladsweb.nascom.nasa.gov/), 选用3级产品(MYD13A3), 空间分辨率为1 km, 时间分辨率为1个月.
本文选取两湖盆地的襄阳、荆门、荆州、随州、武汉、鄂州、黄冈、黄石、孝感、咸宁、岳阳、常德、益阳、长沙、株洲和湘潭共16个主要城市为研究区域(图 1), 分析两湖盆地大气颗粒物PM2.5和PM10的区域变化.基于两湖盆地16个城市(共88个观测站点)冬季每天24 h的PM2.5及PM10数据, 计算2015~2019年冬季PM2.5和PM10的日均值, 由日均值求得各站点冬季月平均及冬季平均值.
根据环境保护部环境空气质量指数(AQI)技术规定(试行)(HJ 633-2012)中地面PM2.5和PM10质量浓度日均值等级划分标准(表 1), 本研究将2015~2019年冬季PM2.5及PM10质量浓度划分为6个等级.此外, 根据环境空气质量标准(GB 3095-2012), PM2.5年均浓度>35 μg·m-3超过国家空气质量二级标准, PM10年均浓度>70 μg·m-3超过国家空气质量二级标准.
|
表 1 大气颗粒物PM2.5和PM10质量浓度日均值等级划分标准/μg·m-3 Table 1 Classification standards for daily average atmospheric particulate matter(PM2.5 and PM10)mass concentrations/μg·m-3 |
在进行大气颗粒物与NDVI相关分析时, 选取与观测站点经纬度最接近的格点和周围8个格点的数据平均值作为空气质量观测站点的NDVI, 对冬季大气颗粒物月均数据与NDVI进行相关分析.为了探讨两湖盆地冬季大气颗粒物PM2.5和PM10的变化与地形、下垫面和风速的关联, 采用Pearson相关系数分析法确定大气颗粒物地面浓度与海拔高度和NDVI的变化关系, 采用二次曲线拟合方法探究大气颗粒物与近地面风速之间的关系.
2 结果与讨论 2.1 大气颗粒物污染时空变化 2.1.1 空间分布2015~2019年两湖盆地冬季PM2.5和PM10质量浓度的空间分布存在明显差异(图 2).近5年两湖盆地冬季平均PM2.5质量浓度由最低值60 μg·m-3(黄石)到最高值115 μg·m-3(襄阳)不等.空气质量处于轻度以上污染水平, 即平均浓度超过75 μg·m-3的站点达到45个, 主要位于两湖盆地西北部、武汉城市群以及长株潭城市群内.不存在平均浓度低于35 μg·m-3的站点, 表明两湖盆地所有城市的PM2.5冬季平均浓度均超过国家空气质量二级标准.
|
图 2 两湖盆地2015~2019年冬季PM2.5和PM10季节平均浓度的空间分布 Fig. 2 Spatial distribution of PM2.5 and PM10 seasonal average concentrations in the Twain-Hu Basin during the winters of 2015-2019 |
PM10的空间分布与PM2.5类似.近5年两湖盆地冬季平均PM10质量浓度由最低值80 μg·m-3(常德)到最高值153 μg·m-3(荆门)不等.平均浓度超过150 μg·m-3的站点有2个, 分别是位于盆地西北部的襄阳和荆门, 其余站点的PM10平均浓度均处于70~150 μg·m-3之间, 表明两湖盆地所有城市的PM10冬季平均浓度均超过国家空气质量二级标准.总体看来, 两湖盆地冬季PM2.5和PM10质量浓度的空间分布可能与当地经济水平、周边环境和气象条件等因素关系密切[38].
对两湖盆地冬季PM2.5污染天数作进一步统计发现, 与大气颗粒物质量浓度空间分布类似, PM2.5污染天数空间分布存在差异(图 3), 总体呈现西北高东南低、城市群高于周边地区的特征.两湖盆地冬季平均轻中度污染天为20 d(株洲)至48 d(荆门)不等[图 3(a)].盆地西北部荆门、武汉、襄阳和随州的轻中度污染日超过40 d, 而盆地东南部株洲、益阳和黄石的轻中度污染日均维持在30 d左右.两湖盆地冬季平均重污染日从1 d(岳阳和咸宁)至19 d(襄阳)不等[图 3(b)], 区域平均重污染日为5 d.从轻中度污染天和重度污染天的空间分布中, 亦可发现长株潭及武汉城市圈的污染日明显高于周边地区.此外, 襄阳和荆门的污染最为严重, 冬季平均分别存在62 d和61 d的污染天, 即2/3冬季均处在污染天中, 表明两湖盆地是我国大气环境变化中一个重污染中心.
|
图 3 两湖盆地2015~2019年冬季PM2.5轻/中度污染以及重度污染平均天数的空间分布 Fig. 3 Spatial distribution of average light, moderate, and heavy PM2.5 pollution days in the Twain-Hu Basin during the winters of 2015-2019 |
总体而言, 两湖盆地大气颗粒物污染呈现出西北重东南轻、城市群污染较重的分布特征, 这与Hu等[36]的研究发现两湖盆地西北部污染更加严重的结论一致.之所以出现这样的空间分布, 与大气颗粒物的区域传输和本地排放有关.长江中游位于连接中国4个主要空气污染区的交通枢纽位置, 在东亚冬季风的作用下, 冷空气驱动大气污染物产生区域输送, 使主要大气颗粒物污染区与长江流域中游地区之间形成特殊的源-汇关系[10, 21].两湖盆地近50%的污染事件与来自其上游源区空气污染物的远距离传输有关[39], 尤以来自华北平原大气颗粒物污染的区域传输最为明显, 造成外源性污染物成为两湖盆地冬季重污染的主要来源[34], 加剧襄阳、荆门和荆州等盆地西北部城市的大气污染.而在武汉及长株潭城市群地区城市化程度相对较高, 本地污染物的累积是造成其污染程度高于周边地区的一个重要原因.
2.1.2 年际变化对2015~2019年PM2.5的冬季逐日数据进行分级统计, 发现两湖盆地冬季优良天数最多(图 4), 平均占比为49.58%(表 2), 轻度污染天数次之(31.14%), 中度污染天数居中(11.81%), 重度污染天数最少(7.47%), 表明两湖盆地污染越重, 发生频率越低, 这与绝大多数地区的大气污染状况一致.从年际变化上来看, 两湖盆地冬季优良天数呈上升趋势, 年际变率为10.93%·a-1.污染天数均在波动下降, 中度污染天数的降幅最大(19.30%·a-1), 重度污染天数次之(15.79%·a-1), 轻度污染天数最小(6.29%·a-1).尽管两湖盆地污染天数在波动下降, 其占比仍不可小觑, 冬季污染天数平均占比达50.42%, 两湖盆地近半个冬季处在污染天之中.在长三角地区, 2013~2016年冬季的污染天数仅占38.53%[40], 表明两湖盆地污染程度已赶超长三角地区, 成为我国大气环境变化中一个新的区域性重污染中心.
|
图 4 两湖盆地2015~2019年冬季PM2.5各浓度等级占比的年际分布 Fig. 4 Interannual distribution of the proportions of PM2.5 concentrations levels in the Twain-Hu Basin during the winters of 2015-2019 |
|
|
表 2 两湖盆地2015~2019年冬季PM2.5各浓度等级占比的年际变化统计1) Table 2 Interannual change statistics of the proportions of PM2.5 concentrations levels in the Twain-Hu Basin during the winters of 2015-2019 |
对2015~2019年PM10的冬季逐日数据的分级统计发现(表 3), 与PM2.5类似, PM10污染等级占比表现为: 优良(76.43%)>轻度污染(21.17%)>中度污染(2.14%)>重度以上污染(0.26%).但PM10污染天数明显降低, 表明两湖盆地大气污染以细颗粒物为主.在年际变率方面, PM10与PM2.5的年际变化也是一致的, 优良天数波动上升, 年际变率为8.10%·a-1, 污染天数存在下降趋势, 降幅表现为: 中度污染(35.04%·a-1)>重度污染天数(30.97%·a-1)>轻度污染(25.32%·a-1).但比较PM2.5与PM10各污染等级的年际变率, 发现PM10污染的变化幅度更大, 表明在近年大气环境中细颗粒物的二次转化逐渐增强[42, 43].尽管两湖盆地PM10质量浓度在逐年下降, 但其污染天数占比依然较高, 尤其是近5年两湖盆地存在PM10>350 μg·m-3以上的极端重污染现象, 这可能与局地污染排放有关.
|
|
表 3 两湖盆地2015~2019年冬季PM10各浓度等级占比的年际变化统计 Table 3 Interannual change statistics of the proportions of PM10 concentrations levels in the Twain-Hu Basin during the winters of 2015-2019 |
总体看来, 两湖盆地的冬季空气质量逐年好转, 但污染天数仍处于较高水平, 近半个冬季处在PM2.5污染之中, 表明两湖盆地已成为我国大气环境中一个新的区域性PM2.5污染中心.此外不同污染等级的变化率略有差异, 中/重度污染情况变化明显, 轻度污染天的降幅较小且占比较高, 表明在未来两湖盆地污染管控工作中, 有效降低轻度污染天数将会成为改善两湖盆地空气质量至关重要的一步.
2.2 大气颗粒物变化的影响因子 2.2.1 近地面风速独特驱动作用风是反映大气动力稳定性的重要特征量, 影响大气污染物的扩散和输送[17].一般而言, 风速越大, 大气颗粒物扩散能力越强, 污染物浓度较小; 反之, 风速越小, 大气颗粒物的扩散能力越小, 污染物浓度越高[29].与其他地区不同的是, 两湖盆地冬季风速与大气颗粒物浓度的关系呈“U”型非线性分布(图 5), 且变化趋势通过了99%的置信度检验.
|
图 5 两湖盆地2015~2019年冬季近地面风速分别与PM2.5和PM10浓度的变化关系 Fig. 5 Relationships between the near-surface wind speed and the concentrations of PM2.5 and PM10 in the Twain-Hu Basin during the winters of 2015-2019 |
在静稳气象条件下的大气污染过程中, 近地面风速和大气污染物浓度通常呈现反相关关系, 即风速越小, 大气扩散能力越弱, 越易于局地污染物累积, 加重大气污染物浓度, 这是局地污染物累积的大气污染典型特征[17, 44].大气污染物区域传输对于我国中东地区大气污染变化具有重要的影响, 东亚冬季风冷空气南下驱动北方大气污染物区域传输导致了长江中下游地区大气颗粒物污染, 形成区域传输型大气污染事件, 以大风的强扩散能力加重下风向地区大气污染为典型特征[8, 10, 45].近5年的两湖盆地环境-气象观测统计揭示了东北风盛行的冬季近地面风速与PM2.5和PM10地面浓度变化呈现特殊的“U”型非线性关系, 与本研究对静稳天气导致的局地污染物累积的大气污染认知相反, 反映风场对局地累积型和区域传输型大气污染的相反的作用, 这是两湖盆地大气环境变化中一个特殊的气象影响, 值得深入研究.
当PM2.5 < 153 μg·m-3时[图 5(a)], 地面风速与PM2.5质量浓度呈负相关, 表明风越小越有利于污染物的累积.可见当两湖盆地的大气颗粒物浓度处于轻中度污染时, 大气颗粒物污染以局地累积为主, 反映了局地污染物的累积效应.而当PM2.5>153 μg·m-3时, 地面风速与PM2.5质量浓度呈正相关, 表明强风会加剧两湖盆地的大气颗粒物污染.可见当两湖盆地的大气颗粒物浓度处于重度污染时, 大气颗粒物污染以外源输送为主.随着冬季冷空气的南下, 在偏北风的驱动下, 大气污染物由北向两湖盆地内输送, 且盆地北部风速越大, 越有利于污染物输送, 导致两湖盆地大气颗粒物浓度升高, 出现重污染事件[8, 10, 46, 47], 反映了大气污染物区域传输的重要性.两湖盆地PM10与风速的关系与PM2.5类似[图 5(b)], 拐点为210 μg·m-3.这一特殊的“U”型非线性关系(图 5)表明局地污染物累积主导了两湖盆地的轻中度污染, 而大气污染物区域传输决定了两湖盆地的重度污染.
2.2.2 盆地地形效应对2015~2019年城市冬季平均大气颗粒物浓度与海拔高度的研究发现, 大气颗粒物浓度与海拔高度呈显著负相关(图 6).PM2.5和PM10与海拔高度相关系数分别为-0.60和-0.70, 且分别通过95%和99%的显著性检验, 表明在两湖盆地, 地势越低, 大气污染越重, 这与两湖盆地地形有关.本研究分析了两湖盆地16个主要城市海拔高度与2015~2019年冬季近地面平均风速的变化关系(图 7).两湖盆地海拔高度与近地面风速呈显著的正相关, 反映了地势高地区具有较好的大气扩散条件, 可影响区域空气质量变化.在区域传输和局地排放的双重影响下, 地势较低地区大气扩散条件差, 易形成污染物积累, 造成污染物浓度较高的现象[36].两湖盆地特殊的地形使盆地内大气颗粒物浓度相对较高, 表明在一定程度上盆地地形会加重两湖盆地的大气污染.
|
图 6 两湖盆地16个主要城市海拔高度与2015~2019年冬季平均PM2.5和PM10浓度的变化关系 Fig. 6 Relationships between the altitude of 16 major cities and the average PM2.5 and PM10 concentrations in the Twain-Hu Basin during the winters of 2015-2019 |
|
图 7 两湖盆地16个主要城市海拔高度与2015~2019年冬季近地面平均风速的变化关系 Fig. 7 Relationships between the altitude of 16 major cities and the average surface-level wind speed in the Twain-Hu Basin during the winters of 2015-2019 |
归一化差异植被指数能够很好地显示出植被生长状态以及植被的覆盖程度, 在一定程度上也能表明城市化程度.因其具有较长时间序列的历史数据, 是目前应用较广的植被指数数据, 其计算公式见式(1):
|
(1) |
式中, ρNIR与ρR分别为近红外和红光波段的反射率[48].通过遥感数据计算得到的NDVI值在[-1, 1]之间, 负值表示地表对可见光的反射率较高, 一般为云、水和雪等; 0值附近则表示近红外反射率与红光反射率值相近, 地表覆盖类型一般为裸地等; 当NDVI值为正值时, 表示地表存在植被, 且数值越大, 植被覆盖度越大.
从2015~2019年两湖盆地冬季大气颗粒物浓度与NDVI的变化关系中可见(图 8), 二者呈显著负相关, PM2.5和PM10与NDVI的相关系数分别为-0.51和-0.40, 且均通过99%的显著性检验.分析表明植被覆盖率对大气颗粒物质量浓度变化有较大影响, 这可能是因为植被具有较好的调节气温的作用, 影响垂直热对流以及水平热交换, 改变大气边界层局地环流[27, 28], 使大气污染物的物理化学过程发生变化, 且大面积的植被具有吸滞尘埃的作用, 植被覆盖度较高地区的大气颗粒物浓度往往趋于较低水平[49].可见在两湖盆地城市化进程中, 下垫面的变化对大气颗粒物具有一定的大气环境效应.
|
图 8 两湖盆地城市观测点2015~2019年冬季NDVI与PM2.5和PM10浓度的变化关系 Fig. 8 Relationships between NDVI and PM2.5 and PM10 concentrations at urban observation points in the Twain-Hu Basin during the winters of 2015-2019 |
(1) 两湖盆地2015~2019年冬季空气污染严重, 冬季平均PM2.5污染天数占比达50.42%, 盆地西北部的襄阳和荆门冬季平均分别多达62 d和61 d出现PM2.5污染(PM2.5>75 μg·m-3), 襄阳重污染(PM2.5>150 μg·m-3)多达19 d, 表明两湖盆地是长江流域中游地区一个区域性PM2.5污染中心.
(2) 在空间上, 大气颗粒物的区域传输造成两湖盆地大气颗粒物呈现西北重东南轻的特征, 而大气污染物的局地排放使武汉和长株潭城市群地区的大气污染重于周边地区.
(3) 两湖盆地2015~2019年冬季近地面风速与PM2.5和PM10地面浓度变化呈现特殊的“U”型非线性关系, PM2.5和PM10浓度拐点值分别为153 μg·m-3和210 μg·m-3.这种特殊的“U”型关系揭示了局地大气颗粒物累积主导了两湖盆地的轻/中度污染, 而大气颗粒物的区域传输决定了两湖盆地的重度污染.
(4) 两湖盆地冬季PM2.5和PM10地面浓度与地形高度和植被指数均呈显著负相关, 反映了两湖盆地的地形和城市化下垫面变化的大气环境效应.
| [1] | 盛裴轩. 大气物理学[M]. (第二版). 北京: 北京大学出版社, 2013. |
| [2] | Zhang X Y, Wang Y Q, Niu T, et al. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols[J]. Atmospheric Chemistry and Physics, 2012, 12(2): 779-799. DOI:10.5194/acp-12-779-2012 |
| [3] |
张小曳, 孙俊英, 王亚强, 等. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013, 58(13): 1178-1187. Zhang X Y, Sun J Y, Wang Y Q, et al. Factors contributing to haze and fog in China[J]. Chinese Science Bulletin, 2013, 58(13): 1178-1187. |
| [4] | Xu X, Zhao T, Liu F, et al. Climate modulation of the Tibetan Plateau on haze in China[J]. Atmospheric Chemistry and Physics, 2016, 16(3): 1365-1375. DOI:10.5194/acp-16-1365-2016 |
| [5] | Lin C Q, Liu G, Lau A K H, et al. High-resolution satellite remote sensing of provincial PM2.5 trends in China from 2001 to 2015[J]. Atmospheric Environment, 2018, 180: 110-116. DOI:10.1016/j.atmosenv.2018.02.045 |
| [6] |
谭成好, 赵天良, 崔春光, 等. 近50年华中地区霾污染的特征[J]. 中国环境科学, 2015, 35(8): 2272-2280. Tan C H, Zhao T L, Cui C G, et al. Characterization of haze pollution over Central China during the past 50 years[J]. China Environmental Science, 2015, 35(8): 2272-2280. DOI:10.3969/j.issn.1000-6923.2015.08.004 |
| [7] |
白永清, 祁海霞, 刘琳, 等. 武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报[J]. 气象学报, 2016, 74(2): 189-199. Bai Y Q, Qi H X, Liu L, et al. Study on the nonlinear relationship among the visibility, PM2.5 concentration and relative humidity in Wuhan and the visibility prediction[J]. Acta Meteorologica Sinica, 2016, 74(2): 189-199. |
| [8] |
白永清, 祁海霞, 赵天良, 等. 湖北2015年冬季PM2.5重污染过程的气象输送条件及日变化特征分析[J]. 气象学报, 2018, 76(5): 803-815. Bai Y Q, Qi H X, Zhao T L, et al. Analysis of meteorological conditions and diurnal variation characteristics of PM2.5 heavy pollution episodes in the winter of 2015 in Hubei province[J]. Acta Meteorologica Sinica, 2018, 76(5): 803-815. |
| [9] | Shen L J, Wang H L, Zhao T L, et al. Characterizing regional aerosol pollution in central China based on 19 years of MODIS data: spatiotemporal variation and aerosol type discrimination[J]. Environmental Pollution, 2020, 263. DOI:10.1016/j.envpol.2020.114556 |
| [10] | Yu C, Zhao T L, Bai Y Q, et al. Heavy air pollution with a unique "non-stagnant" atmospheric boundary layer in the Yangtze River middle basin aggravated by regional transport of PM2.5 over China[J]. Atmospheric Chemistry and Physics, 2020, 20(12): 7217-7230. DOI:10.5194/acp-20-7217-2020 |
| [11] | Zhou Y J, Zhou J X. Urban atmospheric environmental capacity and atmospheric environmental carrying capacity constrained by GDP-PM2.5[J]. Ecological Indicators, 2017, 73: 637-652. DOI:10.1016/j.ecolind.2016.10.015 |
| [12] | Zhang H, Yuan H O, Liu X H, et al. Impact of synoptic weather patterns on 24 h-average PM2.5 concentrations in the North China Plain during 2013-2017[J]. Science of the Total Environment, 2018, 627: 200-210. DOI:10.1016/j.scitotenv.2018.01.248 |
| [13] | Zhao C F, Wang Y, Shi X Q, et al. Estimating the contribution of local primary emissions to particulate pollution using high-density station observations[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(3): 1648-1661. DOI:10.1029/2018JD028888 |
| [14] |
刘瑞金, 廖宏, 常文渊, 等. 基于国际大气化学—气候模式比较计划模式数据评估未来气候变化对中国东部气溶胶浓度的影响[J]. 大气科学, 2017, 41(4): 739-751. Liu R J, Liao H, Chang W Y, et al. Impact of climate change on aerosol concentrations in eastern China based on atmospheric chemistry and climate model intercomparison project(ACCMIP)datasets[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(4): 739-751. |
| [15] | Tie X X, Huang R J, Cao J J, et al. Severe pollution in China amplified by atmospheric moisture[J]. Scientific Reports, 2017, 7(1). DOI:10.1038/s41598-017-15909-1 |
| [16] | An Z S, Huang R J, Zhang R Y, et al. Severe haze in northern China: a synergy of anthropogenic emissions and atmospheric processes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(18): 8657-8666. DOI:10.1073/pnas.1900125116 |
| [17] | Chen Z Y, Chen D L, Zhao C F, et al. Influence of meteorological conditions on PM2.5 concentrations across China: a review of methodology and mechanism[J]. Environment International, 2020, 139. DOI:10.1016/j.envint.2020.105558 |
| [18] | Zhao X J, Zhao P S, Xu J, et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain[J]. Atmospheric Chemistry and Physics, 2013, 13(11): 5685-5696. DOI:10.5194/acp-13-5685-2013 |
| [19] | Xu J M, Chang L Y, Qu Y H, et al. The meteorological modulation on PM2.5 interannual oscillation during 2013 to 2015 in Shanghai, China[J]. Science of the Total Environment, 2016, 572: 1138-1149. DOI:10.1016/j.scitotenv.2016.08.024 |
| [20] | Wang Y R, Guo L Y, Yin L Z. Progress in the heterogeneous catalytic cyclization of CO2 with epoxides using immobilized ionic liquids[J]. Catalysis Letters, 2019, 149(4): 985-997. DOI:10.1007/s10562-019-02669-y |
| [21] | Zhong J T, Zhang X Y, Wang Y Q, et al. The two-way feedback mechanism between unfavorable meteorological conditions and cumulative aerosol pollution in various haze regions of China[J]. Atmospheric Chemistry and Physics, 2019, 19(5): 3287-3306. DOI:10.5194/acp-19-3287-2019 |
| [22] | Jiang C, Wang H, Zhao T, et al. Modeling study of PM2.5 pollutant transport across cities in China's Jing-Jin-Ji region during a severe haze episode in December 2013[J]. Atmospheric Chemistry and Physics, 2015, 15(10): 5803-5814. DOI:10.5194/acp-15-5803-2015 |
| [23] | Miao Y C, Guo J P, Liu S H, et al. Relay transport of aerosols to Beijing-Tianjin-Hebei region by multi-scale atmospheric circulations[J]. Atmospheric Environment, 2017, 165: 35-45. DOI:10.1016/j.atmosenv.2017.06.032 |
| [24] | Wang Y J, Li L, Chen C H, et al. Source apportionment of fine particulate matter during autumn haze episodes in Shanghai, China[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(4): 1903-1914. DOI:10.1002/2013JD019630 |
| [25] | Hu W Y, Zhao T L, Bai Y Q, et al. Importance of regional PM2.5 transport and precipitation washout in heavy air pollution in the Twain-Hu Basin over Central China: observational analysis and WRF-Chem simulation[J]. Science of the Total Environment, 2021, 758. DOI:10.1016/j.scitotenv.2020.143710 |
| [26] | Ding Y H, Liu Y J. Analysis of long-term variations of fog and haze in China in recent 50 years and their relations with atmospheric humidity[J]. Science China Earth Sciences, 2014, 57(1): 36-46. DOI:10.1007/s11430-013-4792-1 |
| [27] | Lai S C, Zhao Y, Ding A J, et al. Characterization of PM2.5 and the major chemical components during a 1-year campaign in rural Guangzhou, Southern China[J]. Atmospheric Research, 2016, 167: 208-215. DOI:10.1016/j.atmosres.2015.08.007 |
| [28] |
冯鑫媛, 张莹. 川渝地区大气污染物质量浓度时空分布特征[J]. 中国科技论文, 2018, 13(15): 1708-1715. Feng X Y, Zhang Y. Temporal and spatial distribution characteristics of air pollutant concentrations in Sichuan and Chongqing area[J]. China Sciencepaper, 2018, 13(15): 1708-1715. DOI:10.3969/j.issn.2095-2783.2018.15.004 |
| [29] |
高嵩, 田蓉, 郭彬, 等. 长三角典型城市PM2.5浓度变化特征及与气象要素的关系[J]. 科学技术与工程, 2018, 18(9): 142-155. Gao S, Tian R, Guo B, et al. Characteristics of PM2.5 concentration and its relations with meteorological factors in typical cities of the Yangtze River Delta[J]. Science Technology and Engineering, 2018, 18(9): 142-155. DOI:10.3969/j.issn.1671-1815.2018.09.021 |
| [30] |
蒋超, 龚建周, 孙家仁, 等. 2013-2016年珠三角地区PM2.5分布时空演变[J]. 生态环境学报, 2018, 27(9): 1698-1705. Jiang C, Gong J Z, Sun J R, et al. Spatial-temporal evolution of PM2.5 distribution in Pearl River Delta region in 2013—2016[J]. Ecology and Environmental Sciences, 2018, 27(9): 1698-1705. |
| [31] | Lu D B, Xu J H, Yue W Z, et al. Response of PM2.5 pollution to land use in China[J]. Journal of Cleaner Production, 2020, 244. DOI:10.1016/j.jclepro.2019.118741 |
| [32] | 丁一汇, 村上滕人. 亚洲季风[M]. 北京: 气象出版社, 1994. |
| [33] |
胡东生, 张华京, 徐冰, 等. 长江中游荆江流域环境演变及两湖平原盆地形成过程[J]. 中国工程科学, 2010, 12(1): 36-42. Hu D S, Zhang H J, Xu B, et al. On the environment evolvement of Jingjiang River Valley and the forming processes of Twain-Hu Plain Basin in the middle reaches of the Yangtze River[J]. Engineering Science, 2010, 12(1): 36-42. DOI:10.3969/j.issn.1009-1742.2010.01.006 |
| [34] | Gong W, Zhang T H, Zhu Z M, et al. Characteristics of PM1.0, PM2.5, and PM10, and their relation to black carbon in Wuhan, Central China[J]. Atmosphere, 2015, 6(9): 1377-1387. DOI:10.3390/atmos6091377 |
| [35] |
高正旭, 王晓玲, 向华, 等. 武汉市2014—2017年大气污染物分布特征及其潜在来源分析[J]. 环境科学学报, 2018, 38(11): 4440-4453. Gao Z X, Wang X L, Xiang H, et al. Variation characteristics and potential sources of air pollutants during 2014—2017 in Wuhan[J]. Acta Scientiae Circumstantiae, 2018, 38(11): 4440-4453. |
| [36] | Hu W Y, Zhao T L, Bai Y Q, et al. Contribution of regional PM2.5 transport to air pollution enhanced by sub-basin topography: a modeling case over Central China[J]. Atmosphere, 2020, 11(11). DOI:10.3390/atmos11111258 |
| [37] | Lu M M, Tang X, Wang Z F, et al. Investigating the transport mechanism of PM2.5 pollution during January 2014 in Wuhan, Central China[J]. Advances in Atmospheric Sciences, 2019, 36(11): 1217-1234. DOI:10.1007/s00376-019-8260-5 |
| [38] |
吕桅桅, 李兰. 湖北省主要观测站PM2.5污染特征及气象要素的影响分析[J]. 生态环境学报, 2018, 27(11): 2073-2080. Lu W W, Li L. PM2.5 Pollution characteristics in main observation stations in Hubei and the impact analysis of meteorological factors[J]. Ecology and Environmental Sciences, 2018, 27(11): 2073-2080. |
| [39] | Shen L J, Zhao T L, Wang H L, et al. Importance of meteorology in air pollution events during the city lockdown for COVID-19 in Hubei Province, Central China[J]. Science of the Total Environment, 2021, 754. DOI:10.1016/j.scitotenv.2020.142227 |
| [40] | 赵丽芳. 长三角地区冬季PM2.5时空分布特征及大气复合污染物间关联性分析[D]. 杭州: 浙江大学, 2018. |
| [41] | Seo J, Park D S R, Kim J Y, et al. Effects of meteorology and emissions on urban air quality: a quantitative statistical approach to long-term records(1999-2016)in Seoul, South Korea[J]. Atmospheric Chemistry and Physics, 2018, 18(21): 16121-16137. DOI:10.5194/acp-18-16121-2018 |
| [42] |
赵辉, 郑有飞, 徐静馨, 等. 中国典型城市大气污染物浓度时空变化特征分析[J]. 地球与环境, 2016, 44(5): 549-556. Zhao H, Zheng Y F, Xu J X, et al. Temporal and spatial variations of atmospheric pollutants in typical cities in China[J]. Earth and Environment, 2016, 44(5): 549-556. |
| [43] | Zhang Y M, Van Vu T, Sun J Y, et al. Significant changes in chemistry of fine particles in wintertime Beijing from 2007 to 2017: impact of clean air actions[J]. Environmental Science & Technology, 2020, 54(3): 1344-1352. |
| [44] | He J J, Gong S L, Yu Y, et al. Air pollution characteristics and their relation to meteorological conditions during 2014-2015 in major Chinese cities[J]. Environmental Pollution, 2017, 223: 484-496. DOI:10.1016/j.envpol.2017.01.050 |
| [45] | Zhou Y, Bai Y Q, Yue Y Y, et al. Characteristics of the factors influencing transportation and accumulation processes during a persistent pollution event in the middle reaches of the Yangtze River, China[J]. Atmospheric Pollution Research, 2019, 10(5): 1420-1434. DOI:10.1016/j.apr.2019.03.014 |
| [46] |
祁海霞, 崔春光, 赵天良, 等. 2015年冬季湖北省PM2.5重污染传输特征及影响天气系统的数值模拟[J]. 气象, 2019, 45(8): 1113-1122. Qi H X, Cui C G, Zhao T L, et al. Numerical simulation on the characteristics of PM2.5 heavy pollution and the influence of weather system in Hubei Province in winter 2015[J]. Meteorological Monthly, 2019, 45(8): 1113-1122. |
| [47] |
马德栗, 李兰, 鞠英芹. 湖北省霾日数气候特征及夏季典型霾过程气象因子分析[J]. 环境科学与技术, 2015, 38(11): 148-153. Ma D L, Li L, Ju Y Q. Climate characteristics of haze days and analysis of summer haze weather event in Hubei province[J]. Environmental Science & Technology, 2015, 38(11): 148-153. |
| [48] |
王煜东, 赵小艳, 徐向华, 等. 南京地区地表热通量的遥感反演分析[J]. 生态环境学报, 2016, 25(4): 636-646. Wang Y D, Zhao X Y, Xu X H, et al. Analysis and inversion on surface heat flux with remote sensing in Nanjing area[J]. Ecology and Environmental Sciences, 2016, 25(4): 636-646. |
| [49] | Srbinovska M, Andova V, Mateska A K, et al. The effect of small green walls on reduction of particulate matter concentration in open areas[J]. Journal of Cleaner Production, 2021, 279. DOI:10.1016/j.jclepro.2020.123306 |