环境科学研究  2017, Vol. 30 Issue (5): 678-687  DOI: 10.13198/j.issn.1001-6929.2017.01.93

引用本文  

李沈鑫, 邹滨, 刘兴权, 等. 2013—2015年中国PM2.5污染状况时空变化[J]. 环境科学研究, 2017, 30(5): 678-687.
LI Shenxin, ZOU Bin, LIU Xingquan, et al. Pollution Status and Spatial-Temporal Variations of PM2.5 in China during 2013-2015[J]. Research of Environmental Sciences, 2017, 30(5): 678-687.

基金项目

国家重点研发计划项目(2016YFC0206205);国家自然科学基金项目(41201384)

责任作者

邹滨(1981-), 男, 湖南常德人, 副教授, 博士, 博导, 主要从事大气环境GIS建模与风险评估研究, 210010@csu.edu.cn

作者简介

李沈鑫(1991-), 女, 重庆潼南人, shenxin823@163.com

文章历史

收稿日期:2016-07-07
修订日期:2016-12-28
2013—2015年中国PM2.5污染状况时空变化
李沈鑫 , 邹滨 , 刘兴权 , 方新     
有色金属成矿预测与地质环境监测教育部重点实验室(中南大学), 中南大学地球科学与信息物理学院, 湖南 长沙 410083
摘要:自2013年我国首次开展全国范围PM2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM2.5污染状况时空变化的总体特征,识别PM2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM2.5污染特征变化的差异.基于2013—2015年PM2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM2.5重污染格局.
关键词PM2.5污染    时空变化    全国    重点区域防控    
Pollution Status and Spatial-Temporal Variations of PM2.5 in China during 2013-2015
LI Shenxin , ZOU Bin , LIU Xingquan , FANG Xin     
Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring(Central South University), Ministry of Education, School of Geosciences and Info-physics, Central South University, Changsha 410083, China
Abstract: PM2.5 pollution in China has attracted serious concern worldwide since the release of observational data at stationary monitoring sites in 2013. However, few studies have focused on national scale analysis of pollution status and associated spatial-temporal variations of PM2.5 in the recent three years, let alone the identification of spatial extensions with aggravated or mitigated PM2.5 pollution and comparative assessment of the characteristic differences of PM2.5 pollution of the 'Key Prevention and Control Regions'. Based on the nationwide PM2.5 concentrations regularly observed at the monitoring sites from 2013 to 2015, this study revealed the spatial-temporal variations of PM2.5 concentrations and pollution days at various grades in China. The entire process was implemented by using the methods of spatial statistical analysis and spatial interpolation, while including the comparison of the variation difference of areas inside or outside the 'Key Prevention and Control Regions'. The results showed that, for all the annual PM2.5 concentrations at 335 monitoring sites, the annual PM2.5 concentrations at 218 monitoring sites continuously decreased in the years 2014 and 2015, while those concentrations at 74 sites declined to the class Ⅱ China National Air Quality Standard. The exceeding-standard rates of annual PM2.5 concentration in most areas of China were reduced from 50% to 30%. The situation also existed for the monitoring sites with heavily and seriously polluted PM2.5, at which the exceeding-standard rates simultaneously dropped from 88.38% to 73.77% and from 65.86% to 36.35%, respectively. As a result, the PM2.5 pollution in Yangtze River Delta, urban agglomerations of Wuhan, Changsha-Zhuzhou-Xiangtan and Shanxi Guanzhong was clearly improved. Air quality in Tibet, Yunnan-Guizhou Plateau and coastal regions such as Fujian Straits urban agglomeration and Pearl River Delta were always good. However, the eastern and southern Beijing-Tianjin-Hebei region, Shandong urban agglomeration, as well as the central and northern Henan remained severe PM2.5 pollution, while the newly heavy pollution pattern was gradually emerging in areas such as southwestern Xinjiang, Hefei and Nanchang.
Keywords: PM2.5    spatial-temporal variations    nationwide    prevention and control of key regions    

严重的污染天气近年席卷中国大部分城市,长时间大范围的重污染事件引起了政府和公众的广泛关注,也使PM2.5成为环境问题的焦点.研究表明,严重的污染天气对人体健康、视觉能见度以及气候变化均有不同程度的影响[1-2].

截至目前,国内外针对PM2.5的研究大多集中在污染物的化学组成和来源[3-5]、影响污染物形成和传输扩散的气象条件[6-8]、污染物对人体健康的影响[9-11]、单次污染事件区域输送特征的数值模拟[12-14]以及污染特征的时空分布特征[15-17]等方面.但受研究范围、数据的空间局限性和较短观测时长的多重约束及PM2.5污染变化内在随机性与周期波动性特点的影响,现有研究多针对某一城市或某一区域在较短时间尺度进行分析[17-21],或在全国空间范围分析某一年度内PM2.5污染的空间分布规律及其浓度在该年度内随季、月、日的变化规律[22-26],尚未明确揭示我国从2013年开展全范围ρ(PM2.5)地面监测以来3 a间ρ(PM2.5)污染变化的总体特征、识别PM2.5污染加剧或缓解的空间范围,更缺乏直接对比评估自国家发布《重点区域大气污染防治“十二五”规划》以来,重点防控区内外PM2.5污染特征变化的差异,进而深入评价现有污染联防联控政策的合理性和科学性.

该研究以2013—2015年全国ρ(PM2.5)地面监测数据为基础,综合运用时空描述性统计分析与空气插值制图手段,分析近3 a我国PM2.5污染状况的空间分布格局与时空变化特征,并着重对比分析“三区十群”区域内外ρ(PM2.5)时空变化的差异,为合理评价大气污染防治工作的成效和探讨有效的大气污染联防联控策略提供科学依据.

1 数据来源与研究方法 1.1 数据来源

选择中国大陆地区为研究区,重点关注国家2012年发布的《重点区域大气污染防治“十二五”规划》划分的“三区十群”区域(见图 1)[27].从中国环境监测总站(http://106.37.208.233:20035)收集2013—2015年所有国控空气质量监测站点ρ(PM2.5)小时值的监测数据.结合GB 3095—2012《环境空气质量标准》相关规范,对收集的ρ(PM2.5)数据进行质量控制[28].具体过程:剔除原始数据中ρ(PM2.5)小时值缺失、为负值的纪录;在ρ(PM2.5)日均值计算中,剔除数据在一个自然日(24 h)内低于20 h的纪录值;计算ρ(PM2.5)月均值时,剔除每月低于27 d平均值(2月应至少有25 d平均浓度值)的月份.通过上述处理,在2013年、2014年、2015年最终选定的ρ(PM2.5)观测站点数量依次为413、847和1 414个,分别分布在全国74、190和367个城市,其中“三区十群”重点区域的监测站点数分别为318、523和604个,监测城市数分别为59、120和142个,涉及的有效观测记录总数分别为3 277 189、7 115 674和11 879 651条.

注:底图 1:400万数据来源于国家基础地理信息中心,直接从网站(http://sms.webmap.cn/xq.asp?dbid=66) 下载.审图号:GS(2013)394.下同. 图 1 中国空气质量监测站点和大气污染重点防控区 Figure 1 Air quality monitoring sites and 'Key Region' for air pollution prevention and control in China
1.2 研究方法

结合GB 3095—2012确定的ρ(PM2.5)年均值为35 μg/m3ρ(PM2.5)日均值一级限值为35 μg/m3、二级限值为75 μg/m3.依据HJ 633—2012《环境空气质量指数(AQI)技术规定(试行)》对ρ(PM2.5)进行污染等级划分,其中将轻度、中度、重度和严重污染情景下的ρ(PM2.5)日均值分别定义在区间75~115、115~150、150~250和250 μg/m3以上.与此同时,为确保对ρ(PM2.5)空间变化特征的准确识别,该研究在分析过程中还借助普通克里金插值法(Ordinary Kriging Method,OKM)基于2013—2015年各年所有监测站点ρ(PM2.5)年均值开展了空间分布制图与变化检测分析[21]. OKM的基本原理如公式:

${{\hat{Z}}_{0}}=\sum\limits_{i=0}^{n}{{{\lambda }_{i}}{{Z}_{i}}}$

式中:$\hat{Z}$0为点(x0, y0)估计值,即Z0=Z(x0, y0);λi为权重系数,并同时满足点(x0, y0)处的估计值$\hat{Z}$0与真实值Z0的差最小的一套最优系数,即

${{\min }_{{{\lambda }_{i}}}}\text{Var}\left( {{{\hat{Z}}}_{0}}-{{Z}_{0}} \right)$

和无偏估计的条件:

$E\left( {{{\hat{Z}}}_{0}}-{{Z}_{0}} \right)=0$
2 结果与分析 2.1 ρ(PM2.5)时空变化特征 2.1.1 ρ(PM2.5)年际变化特征

2013—2015年,全国空气质量监测站点ρ(PM2.5)年均值总体呈下降趋势,与环境保护部发布的年度《中国环境公报》[29-31]中的结果一致. 2013年在413个站点中,有335个站点2015年ρ(PM2.5)年均值较2013年降低,其中218个站点实现2014、2015年连续2 a ρ(PM2.5)年均值降低,74个站点实现由2013年超标降至2015年符合GB 3095—2012ρ(PM2.5)年均值二级标准.期间,各年度监测站点ρ(PM2.5)年均值集中分布区间由2013年的30~>120 μg/m3区间变化为2014年的30~120 μg/m3区间、2015年的20~100 μg/m3区间,整体上降幅明显,2013—2014年所有站点ρ(PM2.5)年均值降幅为16.88%、2014—2015年降幅为10.67%.与之相对应,各站点ρ(PM2.5)年均值达标数也由2013年的24个(占比5.81%),增加至2015年的344个(占比24.33%).如图 2所示,ρ(PM2.5)年均值处于20~70 μg/m3间的站点数由2013年的217个(占总站点数比例53.98%)升至2014年的683个(占总站点数的80.64%)和2015年的1 227个(占总站点数的86.78%). “三区十群”重点区域内各监测站点ρ(PM2.5)年均值集中分布趋势加强且呈由高值转向低值变化的特征,由2013年的50~100 μg/m3降为2014年的40~80 μg/m3和2015年的30~70μg/m3.相对而言,非“三区十群”区域各监测站点ρ(PM2.5)年均值在2013—2014年间集中区域变化显著,由2013年无明显集中分布趋势到2014年集中分布在30~80 μg/m3区间,2014—2015年各监测站点ρ(PM2.5)年均值分布趋势相对稳定.

图 2 2013—2015年中国空气质量监测站点ρ(PM2.5)年均值统计直方图 Figure 2 Statistic histogram of annual PM2.5 concentrations at air quality monitoring sites in China from year 2013 to 2015
2.1.2 ρ(PM2.5)空间变化特征

从空间变化角度分析,全国2013—2015年ρ(PM2.5)年均值呈现出明显的空间差异,绝大部分地区ρ(PM2.5)年均值持续降低,但个别地区ρ(PM2.5)年均值呈上升趋势,新的PM2.5污染中心出现,见图 3.具体而言,2013年全国ρ(PM2.5)年均值高值区主要集中在“三区十群”区域中的陕西关中城市群、京津冀城市群、武汉及周边城市群和乌鲁木齐城市群,其ρ(PM2.5)年均值分别达到102、93、88和85μg/m3.工业粉尘、人类生活粉尘高排放是区域内ρ(PM2.5)偏高的主要原因[32].其中陕西关中城市群有55.5%的地区生产总值来自于第二产业,京津冀城市群则遭受河北地区第二产业工业粉尘和京津地区大量生活粉尘排放的双重影响,区域内2013年烟粉尘排量高达146.01×104 t,居全国首位.非“三区十群”区域中的河南、安徽地区因受周边京津冀城市群、陕西关中城市群、山东半岛城市群、长三角城市群和武汉及周边城市群颗粒物排放的影响,加之海拔较低且不临海,区域内ρ(PM2.5)年均值一直处于较高水平[33-35]. 2014年,随着全国加大工业废气污染治理力度,推进大气污染防治政策法规的颁布实施以及较为利好的气象条件[23]ρ(PM2.5)低值区由东部和南部沿海地区向北推进,ρ(PM2.5)高值区范围大面积缩小. “三区十群”所有区域ρ(PM2.5)年均值均有较大幅度的下降,其中以陕西关中城市群降幅最大.京津冀城市群ρ(PM2.5)年均值降至83 μg/m3仍为全国年均值的高值中心.与2014年相比,2015年全国ρ(PM2.5)年均值高、低值区空间分布格局整体变化不大,除乌鲁木齐城市群ρ(PM2.5)有所上升外,其他“三区十群”区域ρ(PM2.5)年均值均小幅下降,同时作为新增监测地区的新疆西部喀什地区,由于受塔克拉玛干沙漠西缘干燥气候及降水量少的气象条件及人类活动的影响,成为2015全国ρ(PM2.5)年均值的高值核心区域.

图 3 2013—2015年中国ρ(PM2.5)年均值空间分布及其变化 Figure 3 Spatial distributions and associated variations of annual PM2.5 concentrations of China during year 2013 to 2015
2.2 ρ(PM2.5)超标状况时空变化特征 2.2.1 ρ(PM2.5)年均值变化特征

对比GB 3095—2012二级标准〔ρ(PM2.5)日均值为75 μg/m3〕,由图 4可见,2013—2015年全国各监测站点ρ(PM2.5)日均值超标率逐年下降,其中2013—2014年降幅最大,2014—2015年相对平稳. 2013年全国站点ρ(PM2.5)日均值超标率主要集中在19.17%~41.62%区间,超标率在50%以上的站点占总站点数的比例为15.01%,超标率低于10%的站点仅占总站点的9.20%. 2014年全国各监测站点ρ(PM2.5)日均值超标率集中区间为11.35%~30.33%,超标率高于50%的站点仅占全年总站点数的3.67%,与此同时,超标率低于10%的站点占比则大幅升至20.13%. 2015年全国站点ρ(PM2.5)日均值超标率分布区间降至7.44%~24.93%,超标率高于50%的站点占3.96%,与2014年基本持平,但超标率低于10%的站点占比增至33.59%.对比“三区十群”重点区域而言,其区内监测站点ρ(PM2.5)日均值超标率分布呈逐年集中的趋势,3 a来集中区间分别为19.99%~42.24%、15.17%~32.80%、12.29%~27.69%,呈现明显的由高值区间集中转为向低值区间集中的趋势.与此同时,非“三区十群”区域站点ρ(PM2.5)日均值超标率变化特征与全国总体变化特征基本一致,但在2015年区内出现多个站点ρ(PM2.5)日均值超标率高于“三区十群”区域.

图 4 2013—2015年ρ(PM2.5)超标率站点数统计箱图 Figure 4 Box-plots of the number of sites over standard of daily PM2.5 concentrations during year 2013 to 2015
2.2.2 空间变化特征

以GB 3095—2012二级标准为阈值,分析2013—2015年全国ρ(PM2.5)日均值超标率的空间变化特征见图 5.由图 5可见,2013—2015年全国大部分地区ρ(PM2.5)日均值超标率下降,超标率低于20%的空气质量较稳定区域覆盖范围逐年扩大,“三区十群”中的成渝城市群、武汉及周边城市群、长株潭城市群、长三角区域、陕西关中城市群及山西中北部城市群受“三区十群”联防联控策略的影响及清洁空气行动计划的实施,超标率由2013年的40%以上降至2015年的20%以下;其中京津冀城市群,超标率则由60%以上降至50%以下.对于非“三区十群”区域的河南及安徽部分地区超标率在2013年多在60%以上,2015年仅有安徽部分地区超标率降至50%以下,河南大部分地区超标率仍在60%以上.与此同时,超标率在60%以上的区域呈现新的空间分布格局,新疆西南部地区成为新的ρ(PM2.5)常超标地区(见图 2).

图 5 2013—2015年ρ(PM2.5)日均值超标情况 Figure 5 Statistic proportions of days over standard of daily PM2.5 concentrations during 2013 to 2015
2.3 不同等级污染时空变化特征 2.3.1 年际变化特征

2013—2015年不同等级PM2.5污染情况年际间变化呈现出相对一致的特点,即轻度污染站点占比高,中度污染站点占比次之,重度污染站点占比相对较低,严重污染站点占比最低,如表 1表 2所示.同时,受冬季北方供暖以及冬秋季降雨少、气象条件不利于污染物扩散等因素的影响,不同等级污染发生月份在各年度内还呈现出较为一致的时间集聚性,中度、重度以及严重污染天气的发生主要集中在每年的11月、12月、1月和2月,轻度污染经常发生在每年的3月和10月.但同一等级污染在年际间则具有明显的时间分异特征,发生严重污染和重度污染的站点占比下降,零严重污染站点占比明显增加,污染天数明显减少. 2013年,严重和重度污染站点占比分别为65.86%和88.38%,到2014年分别降至55.73%和87.02%,2015年则降至36.35%和73.77%. 3 a间,PM2.5污染还呈现出由高等级向低等级转化、长时段向短时段转变的特征. 2013年在发生重度污染以上的365个站点中,有45个站点2015年无重度以上污染,其中有29个站点位于“三区十群”区域内,其污染等级转化为中度以及轻度污染,另有55个站点重度以上污染天数减少55 d以上,有81个站点减少20 d以上.从各等级污染持续天数上看,持续5 d严重污染站点占比由2013年的14.29%锐减为2014年的0.94%和2015年的2.69%,其中“三区十群”区内41个2013年发生持续5 d严重污染的站点在2015年无持续5 d严重污染发生,表明长时段持续严重污染状况得到了缓解.

表 1 不同等级PM2.5污染天数站点统计结果 Table 1 Statistic proportions of sites with PM2.5 pollution days at different grades

表 2 不同等级PM2.5污染持续天数站点统计表 Table 2 Statistic proportions of sites with PM2.5 pollution days lasted at different grades
2.3.2 空间变化特征

2013—2015年不同等级PM2.5污染状况在空间上总体呈现出轻度污染、中度污染增多,覆盖面广,重度污染和严重污染减少,范围缩小的特征,见图 6.具体而言,2013年全国发生严重污染20 d以上的站点主要有京津冀城市群东部和南部、山东半岛城市群西部、陕西关中城市群及非“三区十群”区域的黑龙江哈尔滨地区.京津冀城市群东部和南部和山东半岛城市群西部地处华北平原,东、西、北面均有地势较高的丘陵或山脉,同时受降水量相对较少的影响[36],导致污染物难以在该区域内扩散消亡;陕西关中城市群则位于陕北高原与秦岭山脉间的渭河平原地区,其严重污染成因机制与前者一致.黑龙江哈尔滨地区则由于供暖时间长(每年10月到翌年4月)导致生活粉尘排放量大(2013年生活粉尘排放量为80 791.8 t)造成其严重污染频发. 2014年这一范围缩减至仅京津冀城市群部分区域[37-39],同时该区域内严重污染天数和持续天数下降明显.与之相对,2015年京津冀城市群由于遭受超强厄尔尼诺事件影响,污染扩散气象条件不利,其严重污染天数有所增加,仍是全国高等级污染区域的核心地带,但这些地区通过实施政策法规推进扬尘污染治理,制定实施生态补偿、扣收奖补资金等环境经济政策,其严重污染程度整体上相比2013年仍有一定缓解.同时,乌鲁木齐城市群和非“三区十群”的黑龙江哈尔滨以及新疆喀什等地严重污染天数相对较多.对于重度污染,2013年全国发生严重污染40 d以上的监测站点主要分布在京津冀城市群、山东半岛城市群、陕西关中城市群、成渝城市群、武汉及周边城市群、长株潭城市群及河南省的部分区域.到2014年,其大部分地区重度污染天数降至20 d以下,其污染等级逐渐转化为以中度和轻度污染为主,但由于污染防治工作的落实与治理仍存在明显的地域性差异,重庆市在工业粉尘排放基量较大的情况下,2014年较2013年减少52.3%投资治理废气污染,导致成渝城市群区内多个站点重污染天数较2013年增加,新疆喀什和吐鲁番地区2015年较2014年新增为新的PM2.5重污染范围.

图 6 2013—2015年不同等级PM2.5污染天数空间分布 Figure 6 Spatial distributions of PM2.5 pollution days at different grades during 2013-2015
3 结论

a) 2013—2015年,中国ρ(PM2.5)年均值总体上呈下降趋势,2014年降幅最大.期间,全国持续监测413个站点中有335个监测站点ρ(PM2.5)年均值下降,其中218个监测站点连续两年ρ(PM2.5)年均值降低,74个监测站点ρ(PM2.5)年均值由2013年的超过GB 3095—2012二级标准降至2015年全年达标.全国ρ(PM2.5)年均值超标率逐年下降,其中2013—2014年降幅最大,2014—2015年相对平稳,3年超标率集中分布区间分别为19.17%~41.62%、11.35%~30.33%和7.44%~24.93%.

b)全国发生PM2.5重污染以及严重污染的站点占比逐年下降,长时段重污染及严重污染站点数量逐年减少,不同等级污染呈现出由高等级向低等级、长时段向短时段转变的特征. 2013—2015年,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%,3年持续5 d严重污染站点比分别为14.29%、0.94%和2.69%.

c)国家《重点区域大气污染防治“十二五”规划》划分的“三区十群”中,陕西关中城市群、山西中北部城市群、武汉及周边城市群和长株潭城市群的PM2.5污染得到明显改善,区内ρ(PM2.5)年均值分别下降46、27、23和23 μg/m3;“三区十群”外的河南中部和北部、合肥、南昌及新疆西南部地区PM2.5重污染空间格局逐渐形成.

参考文献
[1]
KAN Hangdong, CHEN Renjie, TONG Shilu. Ambient air pollution, climate change, and population health in China[J]. Environment International, 2012, 42: 10-19. DOI:10.1016/j.envint.2011.03.003 (0)
[2]
潘月鹏, 贾琳, 田世丽, 等. 大气霾污染对农业生产的可能影响[J]. 农业环境科学学报, 2014, 33(11): 2279-2280.
PAN Yuepeng, JIA Lin, TIAN Shili, et al. Potential effects of haze pollution on agriculture in China[J]. Journal of Agro-Environment Science, 2014, 33(11): 2279-2280. DOI:10.11654/jaes.2014.11.030 (0)
[3]
HAN Bin, ZHANG Rui, YANG Wen, et al. Heavy haze episodes in Beijing during January 2013:inorganic ion chemistry and source analysis using highly time-resolved measurements from an urban site[J]. Science of the Total Environment, 2016, 544: 319-329. DOI:10.1016/j.scitotenv.2015.10.053 (0)
[4]
YANG Yiru, LIU Xingang, QU Yu, et al. Formation mechanism of continuous extreme haze episodes in the megacity Beijing, China, in January 2013[J]. Atmospheric Research, 2015, 15: 192-203. (0)
[5]
WU Jian, XU Chang, WANG Qiongzhen, et al. Potential sources and formations of the PM2.5 pollution in urban Hangzhou[J]. Atmosphere, 2016, 7(8): 100. DOI:10.3390/atmos7080100 (0)
[6]
吕效谱, 成海容, 王祖武, 等. 中国大范围雾霾期间大气污染特征分析[J]. 湖南科技大学学报(自然科学版), 2013, 28(3): 105-110.
LV Xiaopu, CHENG Hairong, WANG Zuwu, et al. Analysis of a wide range haze pollution in China[J]. Journal of Hunan University of Science & Technology (Natural Science Edition), 2013, 28(3): 105-110. (0)
[7]
HIEN P D, LOC P D, DAO N V. Air pollution episodes associated with East Asian winter monsoons[J]. The Science of the Total Environment, 2011, 409(23): 5063-5068. DOI:10.1016/j.scitotenv.2011.08.049 (0)
[8]
WANG H L, QIAO L P, LOU S R, et al. Chemical composition of PM2.5 and meteorological impact among three years in urban Shanghai, China[J]. Journal of Cleaner Production, 2016, 112(2): 1302-1311. (0)
[9]
王德庆, 王宝庆, 白志鹏. PM2.5污染与居民每日死亡率关系的Meta分析[J]. 环境与健康杂志, 2012, 29(6): 529-532.
WANG Deqing, WANG Baoqing, BAI Zhipeng. Meta-analysis of association between air fine particular and daily mortality of residents[J]. Journal of Environment and Health, 2012, 29(6): 529-532. (0)
[10]
CAO Junji, XU Hongmei, XU Qun, et al. Fine particulate matter constituents and cardiopulmonary mortality in a heavily polluted Chinese city[J]. Environmental Health Perspectives, 2012, 120: 373-378. DOI:10.1289/ehp.1103671 (0)
[11]
ZHANG Fengjing, LIU Xiaojian, ZHOU Lei, et al. Spatiotemporal patterns of particulate matter (PM) and associations between PM and mortality in Shenzhen, China[J]. BMC Public Health, 2016, 16: 215. DOI:10.1186/s12889-016-2725-6 (0)
[12]
王文丁, 陈焕盛, 吴其重, 等. 珠三角冬季PM2.5重污染区域输送特征数值模拟研究[J]. 环境科学学报, 2016, 36(8): 2741-2751.
WANG Wending, CHEN Huansheng, WU Qizhong, et al. Numerical study of PM2.5 regional transport over Pearl River Delta during a winter heavy haze event[J]. Acta Scientiae Circumstantiae, 2016, 36(8): 2741-2751. (0)
[13]
WANG Zhanshan, ZHANG Dawei, LI Xuan, et al. Multi-method observation and numerical simulation of a PM2.5 pollution episode in Beijing in October, 2014[J]. Aerosol and Quality Research, 2016, 16: 1403-1415. DOI:10.4209/aaqr.2015.09.0532 (0)
[14]
FU Xiao, CHENG Zhen, WANG Shuxiao, et al. Local and regional contributions to fine particle pollution in winter of the Yangtze River Delta, China[J]. Aerosol and Quality Research, 2016, 16: 1067-1080. DOI:10.4209/aaqr.2015.08.0496 (0)
[15]
王占山, 李云婷, 陈添, 等. 2013年北京市PM2.5的时空分布[J]. 地理学报, 2015, 70(1): 110-120.
WANG Zhanshan, LI Yunting, CHEN Tian, et al. Spatial-temporal characteristics of PM2.5 in Beijing in 2013[J]. Acta Geographica Sinica, 2015, 70(1): 110-120. (0)
[16]
HAN Xiaokun, GUO Qingjun, LIU Congqing, et al. Effect of the pollution control measures on PM2.5 during the 2015 China Victory Day Parade:implication from water-soluble ions and sulfur isotope[J]. Environmental Pollution, 2016, 218: 230-241. DOI:10.1016/j.envpol.2016.06.038 (0)
[17]
HU Jianlin, WANG Yungang, YING Qi, et al. Spatial and temporal variability of PM2.5 and PM10 over the North China Plain and the Yangtze River Delta, China[J]. Atmospheric Environment, 2015, 95: 598-609. (0)
[18]
许珊, 邹滨, 蒲强, 等. 土地利用/覆盖的空气污染效应分析[J]. 地球信息科学, 2015, 17(3): 290-299.
XU Shan, ZOU Bin, PU Qiang, et al. Impact analysis of land use/cover on air pollution[J]. Journal of Geo-information Science, 2015, 17(3): 290-299. (0)
[19]
徐伟嘉, 何芳芳, 李红霞, 等. 珠三角区域PM2.5时空变异特征[J]. 环境科学研究, 2014, 27(9): 951-957.
XU Weijia, HE Fangfang, LI Hongxia, et al. Spatial and temporal variations of PM2.5 in the Pearl River Delta[J]. Research of Environmental Sciences, 2014, 27(9): 951-957. (0)
[20]
焦利民, 许刚, 赵素丽, 等. 武汉PM2.5时空特征分析[J]. 环境科学与技术, 2015, 38(9): 70-74.
JIAO Limin, XU Gang, ZHAO Suli, et al. Analyzing temporal and spatial variability of PM2.5 concentration in Wuhan[J]. Environmental Science & Technology, 2015, 38(9): 70-74. (0)
[21]
BATTERMAN S, XU Lizhong, CHEN Feng, et al. Characteristics of PM2.5 concentrations across Beijing during 2013-2015[J]. Atmospheric Environment, 2016, 145: 104-114. DOI:10.1016/j.atmosenv.2016.08.060 (0)
[22]
王振波, 方创琳, 许光, 等. 2014年中国城市PM2.5浓度的时空变化规律[J]. 地理学报, 2015, 70(11): 1720-1734.
WANG Zhenbo, FANG Chuanglin, XU Guang, et al. Spatial-temporal characteristics of the PM2.5 in China in 2014[J]. Acta Geographica Sinica, 2015, 70(11): 1720-1734. (0)
[23]
XU Gang, JIAO Limin, ZHAO Suli, et al. Spatial and temporal variability of PM2.5 concentration in China[J]. Wuhan University Journal of Nature Sciences, 2016, 21(4): 358-368. DOI:10.1007/s11859-016-1182-5 (0)
[24]
张殷俊, 陈曦, 谢高地, 等. 中国细颗粒物(PM2.5)污染状况和空间分布[J]. 资源科学, 2015, 37(7): 1339-1346.
ZHANG Yinjun, CHEN Xi, XIE Gaodi, et al. Pollution status and spatial distribution of PM2.5 in China[J]. Resources Science, 2015, 37(7): 1339-1346. (0)
[25]
李名升, 任晓霞, 于洋, 等. 中国大陆城市PM2.5污染时空分布规律[J]. 中国环境科学, 2016, 36(3): 641-650.
LI Mingsheng, REN Xiaoxia, YU Yang, et al. Spatiotemporal pattern of ground-level fine particulate matter (PM2.5) pollution in mainland China[J]. China Environmental Science, 2016, 36(3): 641-650. (0)
[26]
ZHANG Haifeng, WANG Zhaohai, ZHANG Wenzhong, et al. Exploring spatiotemporal patterns of PM2.5 in China based on ground-level observations for 190 cities[J]. Environmental Pollution, 2016, 216: 559-567. DOI:10.1016/j.envpol.2016.06.009 (0)
[27]
中华人民共和国国务院. 重点区域大气污染防治"十二五"规划[R]. 北京: 中华人民共和国国务院, 2012. http://www.docin.com/p-612584658.html (0)
[28]
环境保护部, 国家质量监督检验检疫总局. GB 3095-2012环境空气质量标准[S]. 北京: 中国环境科学出版社, 2012. http://www.doc88.com/p-314746650184.html (0)
[29]
环境保护部. 2013中国环境公报[R]. 北京: 环境保护部, 2014. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201406003.htm (0)
[30]
环境保护部. 2014中国环境公报[R]. 北京: 环境保护部, 2015. (0)
[31]
环境保护部. 2015中国环境公报[R]. 北京: 环境保护部, 2016. (0)
[32]
国家统计局. 中国统计年鉴:2014[M]. 北京: 国家统计局, 2014. (0)
[33]
郑海涛, 刘建国, 李杰, 等. 河南省一次PM2.5污染过程区域性影响数值模拟[J]. 环境科学研究, 2016, 29(5): 617-626.
ZHENG Haitao, LIU Jianguo, LI Jie, et al. Modeling impacts of regional transport on PM2.5 air pollution:case study in Henan Province[J]. Research of Environmental Sciences, 2016, 29(5): 617-626. (0)
[34]
王媛林, 李杰, 李昂, 等. 2013-2014年河南省PM2.5浓度及其来源模拟研究[J]. 环境科学学报, 2016, 36(10): 3543-3553.
WANG Yuanlin, LI Jie, LI Ang, et al. Modeling study of surface PM2.5and its source apportionment over Henan in 2013-2014[J]. Acta Scientiae Circumstantiae, 2016, 36(10): 3543-3553. (0)
[35]
朱书慧, 周敏, 乔利平, 等. 2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响[J]. 环境科学学报, 2016, 36(12): 4285-4294.
ZHU Shuhui, ZHOU Min, QIAO Liping, et al. Impact of the air mass trajectories on PM2.5 concentrations and distribution in the Yangtze River Delta in December 2015[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4285-4294. (0)
[36]
郑景云, 尹云鹤, 李炳元. 中国气候区划新方案[J]. 地理学报, 2010, 65(1): 3-12.
ZHENG Jingyun, YIN Yunhe, LI Bingyuan. A new scheme for climate regionalization in China[J]. Acta Geographica Sinica, 2010, 65(1): 3-13. DOI:10.11821/xb201001002 (0)
[37]
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 Hao, GAO Jian, LI Hui, et al. Variation of PM2.5 mass concentration in Beijing area during 2007-2014[J]. Research of Environmental Sciences, 2016, 29(6): 783-790. (0)
[38]
周磊, 武建军, 贾瑞静, 等. 京津冀PM2.5时空分布特征及其污染风险因素[J]. 环境科学研究, 2016, 29(4): 483-493.
ZHOU Lei, WU Jianjun, JIA Ruijing, et al. Investigation of temporal-spatial characteristics and underlying risk factors of PM2.5 pollution in Beijing-Tianjin-Hebei Area[J]. Research of Environmental Sciences, 2016, 29(4): 483-493. (0)
[39]
李莉, 安静宇, 卢清. 清洁空气行动计划实施对长三角地区PM2.5污染改善效果模拟评估[J]. 环境科学研究, 2015, 28(11): 1653-1661.
LI Li, AN Jingyu, LU Qing. Modeling assessment of PM2.5 concentrations under implementation of clean air action plan in the Yangtze River Delta region[J]. Research of Environmental Sciences, 2015, 28(11): 1653-1661. (0)