孫 雪，羅小三，陳 燕，趙 朕，徐江兵，張 丹，索 晨，丁燁毅

南京信息工程大學(xué) 應(yīng)用氣象學(xué)院 生態(tài)氣象環(huán)境研究中心，南京 210044

空氣污染是全球普遍面臨的城市環(huán)境問題，在我國尤其突出，近年來霧霾頻發(fā)（Luo et al，2014，2017；Wang et al，2014），特別是在京津冀、長三角和珠三角等工業(yè)化和城市化集中地區(qū)更為嚴重（陳仁杰等，2014；Jin et al，2017；趙朕等，2017）。大氣污染導(dǎo)致一系列的生態(tài)環(huán)境效應(yīng)并危害人體健康，如對呼吸系統(tǒng)、心腦血管系統(tǒng)以及免疫系統(tǒng)造成損害（Katanoda et al，2011；Wong et al，2015；Yorifuji et al，2015；Goto et al，2016）。因此環(huán)境管理備受政府部門和社會公眾關(guān)注，大氣污染管控也逐漸被重視并強化執(zhí)行。了解空氣污染物的時空分布特征成為大氣污染管控的第一要務(wù)，而這除了受污染來源影響，也與氣象要素密切相關(guān)（韓素芹等，2007；王明瑩和莊慧生，2017），已有學(xué)者對此進行了研究探索。如利用偏最小二乘回歸法研究發(fā)現(xiàn)氣象因素對武漢市大氣污染物濃度的影響存在差異性（張兵等，2014）；利用Spearman秩相關(guān)分析研究各氣象因子對大氣顆粒物濃度的影響（趙晨曦等，2014）；通過逐步回歸方法建立氣象因素與空氣污染物的回歸模型（張云海等，2009；張樣盛等，2010；王菊等，2014）。對全國范圍污染物的變化分析表明了其明顯的時空分布特征（He et al，2017；Jin et al，2017；Song et al，2017）：時間上季節(jié)性差異顯著，顆粒物污染冬高夏低；空間上東部經(jīng)濟發(fā)達地區(qū)污染嚴重。局部地區(qū)的氣象條件對大氣污染也有著非常重要的影響，例如氣象條件是導(dǎo)致澳大利亞墨爾本污染物日變化的主要影響因素（Pearce et al，2011）。因此，研究氣象條件與大氣污染物的時空特征對進一步開展污染防治和空氣質(zhì)量預(yù)測都有十分重要的意義。

南京市作為江蘇省省會，是全省重要的工業(yè)和交通運輸中心，在經(jīng)濟迅猛發(fā)展的同時，其環(huán)境問題也日益突出。南京市空氣污染的主要來源包括車輛廢氣排放（234.5萬輛機動車）和工業(yè)排放、能源消耗（煤炭）及建筑粉塵等（Luo et al，2017）。如何有效改善空氣質(zhì)量也成為當前大氣污染防控的當務(wù)之急，本文以此為背景，分析探討環(huán)境管理強化后其大氣污染物的時空分布特征以及氣象影響因素。

1 材料與方法

1.1 環(huán)境空氣監(jiān)測點選擇及污染物和氣象數(shù)據(jù)獲取

根據(jù)南京市環(huán)境監(jiān)測中心的信息，選取代表特定區(qū)域的覆蓋南京市區(qū)的9個空氣自動監(jiān)測點（國控點），仙林（XL）和草場門（CCM）代表文教衛(wèi)生區(qū)，玄武湖（XWH）為生態(tài)公園區(qū)，中華門（ZHM）為交通區(qū)，瑞金路（RJL）為住宅區(qū)，山西路（SXL）為商業(yè)和交通區(qū)，邁皋橋（MGQ）為工業(yè)區(qū)，浦口（PK）為郊區(qū)，奧體中心（AT）為新城區(qū)。具體位置如圖1。

分別收集9個空氣監(jiān)測站2013年3月至2016年2月二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、PM2.5、PM10濃度的24 h日均值及小時平均值。收集同時期南京市地面氣象要素（中國氣象數(shù)據(jù)網(wǎng)），包括氣溫（℃）、降水量（mm）、風(fēng)速（m · s?1）、相對濕度（%）的逐時平均值和日平均值。本文根據(jù)節(jié)氣劃分季節(jié)，以3月 — 5月，6月 — 8月，9月 — 11月，12月 — 次年2月分別代表春夏秋冬四個季節(jié)，數(shù)據(jù)采用每個月觀測到的有效逐日數(shù)據(jù)求取月平均值。

圖1 研究區(qū)域位置Fig.1 Study area location

1.2 數(shù)據(jù)處理方法

采用Excel建立數(shù)據(jù)庫，運用SAS 9.4進行統(tǒng)計分析，對原始數(shù)據(jù)進行初步整理計算，得到2013年3月 — 2016年2月各監(jiān)測點SO2、NO2、CO、O3、PM2.5和PM10濃度的月平均值和年平均值。使用主成分分析法分析南京地區(qū)的主要污染物。

南京市共9個空氣質(zhì)量監(jiān)測點6個基本監(jiān)測指標（X1— X6分別代表6個指標，即SO2、NO2、CO、O3、PM2.5和PM10），使用SAS EG編寫出主成分分析程序，并求出特征向量和相關(guān)系數(shù)的矩陣特征值。

由表1相關(guān)系數(shù)的矩陣特征值可以看出，前3個特征值的累計貢獻率已經(jīng)達到0.916，根據(jù)累計方差貢獻率大于80%即可以作為主成分提取相應(yīng)的條件，所以，從特征值中提取3個主成分進行分析，這3個主成分即包含原始數(shù)據(jù)的90%以上信息。

根據(jù)表2中的特征向量值，提取前3個主成分特征向量，列出主成分方程：

表1 相關(guān)系數(shù)的矩陣特征值Tab.1 Eigenvalues of correlation coeff i cient matrix

表2 9個監(jiān)測點污染物特征向量Tab.2 Monitoring points pollutant eigenvalues

由表1中的累積貢獻率可以看出，第一主成分累積值達到0.420，該特征值貢獻率較大。因此著重對第一主成分進行分析。從特征向量表中可以看出，第一主成分的6個監(jiān)測指標系數(shù)有正有負，其中PM10的系數(shù)絕對值最大，為0.586，表明PM10對環(huán)境污染綜合程度貢獻最大，其次是PM2.5和O3，并且O3特征向量值為負值，表明與顆粒物有明顯的負相關(guān)。同樣，O3和PM2.5的聯(lián)合作用對環(huán)境污染的貢獻值也比較大。

2 大氣污染物濃度時空變化特征

2.1 主要大氣污染物的時間分布特征

2.1.1 逐日濃度變化

基于當前大氣污染物濃度預(yù)測的研究方案，主成分分析法（Sousa et al，2007）能夠篩選出對污染物濃度影響較大的因素作為輸入變量，從而提高預(yù)測精度，本文采用該法分析得出南京市的主要污染物有O3、PM2.5和PM10。

圖 2、3、4分別是 2013 — 2016年 O3、PM2.5和PM10逐日平均濃度演變曲線。可見O3、PM2.5和PM10日均濃度變化范圍為 0.008 — 0.318 mg · m?3、0.008 — 0.327 mg · m?3和 0.009 — 0.446 mg · m?3，年 均 濃 度 分 別 為 0.105 mg · m?3、0.068 mg · m?3和0.117 mg · m?3。以 PM2.5曲線為例，變化幅度大約為7 d一個周期，變化曲線呈鋸齒形，且周六周日的濃度偏高，這可能是由于周末出行人數(shù)偏多車輛擁擠，汽車在頻繁的減速過程中導(dǎo)致排放出高濃度大氣顆粒物，城市揚塵增多，進而導(dǎo)致PM2.5濃度值變大。這與多數(shù)研究表明的周末效應(yīng)一致（成國慶等，2014；王明瑩和莊惠生，2017）。相較于2013年和2014年，2015年的PM2.5和PM10污染物濃度明顯比前兩年有所減少，主要原因是在2014年南京青奧會前后，南京市政府加強對環(huán)境的監(jiān)管控制，并且取得了顯著效果（Luo et al，2017）。但是從O3的日平均濃度演變趨勢看來，2014年和2015年污染物濃度相比前一年均顯著增高，超標天數(shù)逐漸增多，成為南京的首要污染物。大氣O3濃度升高的主要原因是春夏晴熱高溫天氣較多，降水量少，而且經(jīng)濟發(fā)展使得人類活動向大氣排放了更多生成O3的前體污染物，導(dǎo)致臭氧污染物濃度逐年增高。

圖2 PM2.5日平均濃度演變趨勢Fig.2 PM2.5 daily average concentration trend

圖3 PM10日平均濃度演變趨勢Fig.3 PM10 daily average concentration trend

圖4 O3日平均濃度演變趨勢Fig.4 O3 daily average concentration trend

2.1.2 季節(jié)變化

2013 — 2016年南京市區(qū)PM2.5整體污染水平較高，月均值差距較大，夏季月平均值最低，約為0.050 mg · m?3；冬季月平均值達到最高，其值為0.094 mg · m?3。造成 PM2.5濃度冬高夏低的主要原因是冬季風(fēng)速大，灰塵增多，并且氣溫較低，大氣層結(jié)穩(wěn)定，產(chǎn)生逆溫現(xiàn)象，不利于污染物擴散。PM2.5年平均值達 0.068 mg · m?3，低于 2001 年、2003 年和 2007 年的年均濃度（0.196 mg · m?3、0.124 mg · m?3、0.093 mg · m?3）（黃鸝鳴等，2002；樊署先等，2005；魏玉香等，2009），表明南京市在大氣污染防治方面取得了顯著效果。

南京市區(qū)主要污染物質(zhì)量濃度的季節(jié)變化如圖5。PM10的季節(jié)變化幅度同PM2.5基本一致，受污染源排放和氣候變化的影響，主要呈現(xiàn)的變化規(guī)律是夏季濃度低冬季濃度高。當夏季雨量充沛時，不同粒徑顆粒物濃度都顯著降低。

從圖5看出，O3也有著明顯的季節(jié)變化特征。不同于PM2.5和PM10，O3濃度變化規(guī)律是春夏高，秋冬低。最高值出現(xiàn)在春季，高達(0.132 ± 0.013) mg · m?3，最低值出現(xiàn)在冬 季，為(0.068 ± 0.013) mg · m?3， 年 平 均 濃 度 約 為 (0.105 ±0.055) mg · m?3。這與南京市環(huán)境保護局所公布的環(huán)境狀況公報一致，O3濃度超標主要集中在4 — 6月份。從圖5污染物濃度季節(jié)變化中可以看出，O3濃度在春夏季較高，冬季最低。PM2.5和PM10的濃度變化變化規(guī)律是冬高夏低，12月至次年2月濃度最高，8月和9月濃度最低。

圖5 2014 — 2016年南京市O3、PM2.5和PM10濃度季節(jié)變化圖Fig.5 Seasonal variation of O3, PM2.5, and PM10 concentrations in Nanjing from 2014 to 2016

2.2 主要大氣污染物空間分布特征

2013 — 2016年平均污染物濃度如表3。就整個南京地區(qū)來看，各監(jiān)測點污染物濃度的變化趨勢并非顯著。由表3看出，中華門、邁皋橋、瑞金路和山西路附近的SO2、NO2污染物濃度都比較高，排除氣象條件形成的污染物擴散和積聚外，主要與監(jiān)測點的區(qū)位有關(guān)。中華門和山西路監(jiān)測點交通密集，來往車輛較多，汽車尾氣排放在一定程度上增加了污染物濃度。玄武湖監(jiān)測點代表了南京的生態(tài)公園區(qū)，污染物濃度總體較低。相較于中華門、邁皋橋和山西路等監(jiān)測點，新城區(qū)奧體中心的SO2和NO2等污染物濃度明顯較低，主要與該監(jiān)測點的地區(qū)位置有關(guān)，奧體中心位于青奧體育公園板塊，環(huán)境較好并且沒有化工廠及大商業(yè)圈。而奧體中心顆粒物濃度較高主要與近幾年（2016年）的市政建設(shè)相關(guān)，道路修建、房屋建設(shè)等土建工程施工形成的揚塵加重了顆粒物污染。

表3 南京市9個空氣質(zhì)量國控監(jiān)測點各污染物指標濃度分布Tab.3 Concentration distribution of pollutants in nine national monitoring sites / (mg · m?3)

3 氣象條件對污染物的影響

氣象條件是影響大氣污染物濃度變化的一個主要因素，制約著污染物在大氣中的稀釋、擴散和轉(zhuǎn)移（李小飛等，2012），很多突發(fā)性的大氣污染現(xiàn)象也與不利于污染物擴散的氣象條件密切相關(guān)（Cheng et al，2007）。因此，了解氣象條件對污染物的影響至關(guān)重要。

3.1 降水

降水有利于凈化空氣。SO2和NO2可溶于水，懸浮顆粒物可通過沖刷隨降水沉降到地面（Luo et al，2017），因此降水對空氣污染物的清除有重要作用。降水對污染物質(zhì)量濃度的影響具有季節(jié)性變化特點。南京地區(qū)屬于亞熱帶季風(fēng)氣候，雨量充沛，四季分明，夏季降水多，占全年降水天數(shù)的35.77%，冬季降水少，占全年降水天數(shù)的18.69%。表4表明，在任何季節(jié)，降水天氣都會使得污染物質(zhì)量濃度降低。由于降水對大氣的清潔作用，SO2、NO2、CO、O3、PM2.5和PM10在降水日的濃度始終低于非降水日。

表4 南京市區(qū)各季節(jié)降水日與非降水日污染物質(zhì)量濃度Tab.4 Concentration of seasonal precipitation days and non-precipitation day pollutants in Nanjing / (mg · m?3)

3.2 風(fēng)速

PM2.5質(zhì)量濃度與風(fēng)速具有負相關(guān)性，即隨風(fēng)速的增加而降低，表5列出了不同風(fēng)速對應(yīng)的污染物濃度平均值。風(fēng)速增大，SO2、NO2、CO、O3、PM2.5和 PM10濃度均呈單調(diào)遞減，當平均風(fēng)速小于 1.5 m · s?1時，PM10濃度約為0.135 mg · m?3， 當 平 均 風(fēng) 速 大 于 6.5 m · s?1時，PM10濃度顯著降低，約 0.065 mg · m?3，同時期，SO2、NO2、CO、O3和PM2.5濃度也有明顯的降低。這主要是因為風(fēng)有利于污染物的擴散，風(fēng)速越大，污染物在單位時間內(nèi)被輸送的距離就越遠，與空氣的混合也就越充分，單位體積空氣中污染物的含量就越低，即質(zhì)量濃度就越低（蔣維楣等，2004）。

表5 風(fēng)速與污染物濃度值關(guān)系表Tab.5 Pollutant concentration under different wind speed / (mg · m?3)

3.3 氣溫

溫度變化對塵埃和氣體污染物的濃度有明顯的影響（?yromski et al，2014）。隨著溫度升高，大氣對流層內(nèi)垂直運動加強，影響大氣的湍流混合進而影響污染物的擴散，從而使得二氧化硫和顆粒物濃度降低（Akpinar et al，2008；何建軍等，2016）。鄧霞君等（2013）研究指出，API值與氣溫呈負相關(guān)，相關(guān)性在0 — 0.6。PM10的濃度與溫度呈正相關(guān)，與氣壓呈負相關(guān)，當溫度降低壓強升高時，PM10濃度減少（龍柯吉等，2014；趙晨曦等，2014）。這說明溫度變化對顆粒物濃度變化有顯著的正效應(yīng)，溫度升高可降低顆粒物濃度（鄭美秀和周學(xué)鳴，2010；王靜等，2013）。從圖6可以看出，PM2.5濃度與溫度呈明顯的負相關(guān)，隨著溫度的升高，污染物濃度逐漸降低，在每年夏季達到一年中的最低值，每年冬季達到一年中的最高值。

圖6 PM2.5質(zhì)量濃度與溫度的關(guān)系Fig.6 Relationship between PM2.5 mass concentration and temperature

4 結(jié)論

（1）時間特征：近年來長三角典型城市南京的大氣污染物濃度分布主要體現(xiàn)為冬高夏低，逐日變化則體現(xiàn)出周末效應(yīng)。

（2）空間特征：污染物濃度的分布體現(xiàn)出工業(yè)區(qū)、交通區(qū)偏高，生態(tài)園區(qū)、郊區(qū)偏低，可見對南京市的污染治理應(yīng)該加強對工業(yè)燃煤和汽車尾氣排放的管理，優(yōu)化調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和創(chuàng)新改造機動車排放系統(tǒng)。

（3）與氣象條件的關(guān)系：南京市污染物濃度受氣象因子的影響，在其他條件不變時，降水、風(fēng)速增大和溫度變化（對顆粒物和O3相反）可緩解空氣污染程度。

致謝：感謝南京市環(huán)境監(jiān)測中心和中國氣象數(shù)據(jù)網(wǎng)提供研究數(shù)據(jù)，感謝李君、張婍在數(shù)據(jù)處理過程中給予幫助。

陳仁杰, 陳秉衡, 闞海東. 2014. 大氣細顆粒物控制對我國城市居民期望壽命的影響 [J]. 中國環(huán)境科學(xué), 34(10):2701 – 2705. [Chen R J, Chen B H, Kan H D. 2014.Impacts of controlling ambient fine particulate pollution on life expectancy among Chinese urban residents [J].Chinese Environmental Science, 34(10): 2701 – 2705.]

成國慶, 周保華, 段二紅, 等. 2014. 石家莊市PM2.5的污染現(xiàn)狀及防控對策 [J].中國環(huán)境管理干部學(xué)院學(xué)報,(5): 39 – 41. [Cheng G Q, Zhou B H, Duan E H, et al.2014. Pollution stations and control measures of PM2.5in Shijiazhuang City [J]. Journal of the Environmental Management College of China, (5): 39 – 41.]

鄧霞君,廖良清,胡桂萍. 2013. 近10年中國主要城市空氣API及與氣象因子相關(guān)性分析 [J].環(huán)境科學(xué)與技術(shù), (9): 70 – 75. [Deng X J, Liao L Q, Hu G P. 2013. Air pollution index and their correlation with meteorological data in major cities of China during the last decades [J].Environmental Science & Technology, (9): 70 – 75.]

樊曙先, 樊建凌, 鄭有飛,等. 2005. 南京市區(qū)與郊區(qū)大氣PM2.5中元素含量的對比分析 [J]. 中國環(huán)境科學(xué), 25(2):146 – 150. [Fan S X, Fan J L, Zheng Y F, et al. 2005.Compared analysis of elemental content in atmospheric PM2.5in Nanjing urban and suburban area [J]. Chinese Environmental Science, 25(2): 146 – 150.]

韓素芹, 邊 海, 解以揚. 2007. 2000 — 2004年天津市大氣污染特征分析 [J].氣象科技, 35(6): 787 – 791. [Han S Q, Bian H, Xie Y Y. 2007. Characteristics of atmospheric pollution in Tianjin from 2000 to 2004 [J]. Meteorological Science and Technology, 35(6): 787 – 791.]

何建軍, 吳 琳, 毛洪鈞, 等. 2016. 氣象條件對河北廊坊城市空氣質(zhì)量的影響 [J]. 環(huán)境科學(xué)研究, 29(6):791 – 799. [He J J, Wu L, Mao H J, et al. 2016. Impacts of meteorological conditions on air quality in urban Langfang, Hebei Province [J]. Research of Environmental Sciences, 29(6): 791 – 799.]

黃鸝鳴, 王格慧, 王 薈, 等. 2002. 南京市空氣中顆粒物PM10、PM2.5污染水平 [J].中國環(huán)境科學(xué), 22(4):334 – 337. [Huang L M, Wang G H, Wang H, et al. 2002.Pollution level of the airborne particulate matter (PM10,PM2.5) in Nanjing City [J]. China Environmental Science,22(4): 334 – 337.]

蔣維楣, 孫鑒濘, 曹文俊. 2004. 空氣污染氣象學(xué)教程[M].第2版. 北京: 氣象出版社. [Jiang W M, Sun J N, Cao W J. 2004. Air pollution meteorology tutorial [M]. 2nd ed.Beijing: China Meteorological Press.]

李小飛, 張明軍, 王圣杰, 等. 2012. 中國空氣污染指數(shù)變化特征及影響因素分析 [J]. 環(huán)境科學(xué), 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.]

龍柯吉, 陳朝平, 馮漢中, 等. 2014. 2012年成都市PM10污染與地面氣象條件的相關(guān)性分析[J]. 成都信息工程學(xué)院學(xué)報, 29(S1): 149 – 153. [Long K J, Chen C P, Feng H Z, et al. 2014. Analysis of correlation between pollution and ground meteorological conditions in Chengdu PM10in 2012 [J]. Journal of Chengdu University of Information Technology, 29(S1): 149 – 153.]

王 靜, 邱 粲, 劉煥彬, 等. 2013. 山東重點城市空氣質(zhì)量及其與氣象要素的關(guān)系 [J]. 生態(tài)環(huán)境學(xué)報,22(4): 644 – 649. [Wang J, Qiu C, Liu H B, et al. 2013.Characteristics of air quality and correlation between API and meteorological elements in in major cities of Shandong Province [J]. Ecology and Environment Science,22(4): 644 – 649.]

王 菊, 金美英, 張悅悅, 等. 2014. 長春市PM10污染特征及與氣象因素的相關(guān)分析 [J]. 河南師范大學(xué)學(xué)報(自然版), 42(5): 105 – 109. [Wang J, Jin M Y, Zhang Y Y, et al.2014. Characteristics of PM10pollution in Changchun city and its correlation with meteorological factors [J]. Journal of Henan Normal University (Natural Science Edition),42(5): 105 – 109.]

王明瑩, 莊惠生. 2017. 上海市大氣PM2.5污染特征及相關(guān)因素分析 [J]. 科學(xué)技術(shù)與工程, 17(7): 303 – 308. [Wang M Y, Zhuang H S. 2017. Analysis on the characteristics and correlative factors of PM2.5in Shanghai [J]. Science Technology and Engineering, 17(7): 303 – 308.]

魏玉香, 銀 燕, 楊衛(wèi)芬, 等. 2009. 南京地區(qū)PM2.5污染特征及其影響因素分析 [J]. 環(huán)境科學(xué)與管理, 34(9):29 – 34. [Wei Y X, Yin Y, Yang W F, et al. 2009. Analysis of the pollution characteristics & influence factors of PM2.5in Nanjing area [J]. Environmental Science and Management, 34(9): 29 – 34.]

張 兵, 沈 帆, 陳 楠, 等. 2014. 偏最小二乘回歸法研究氣象因素對武漢市空氣質(zhì)量參數(shù)的影響 [J]. 環(huán)境與職業(yè)醫(yī)學(xué), 31(4): 241 – 246. [Zhang B, Shen F, Chen N, et al.2014. Relationship between meteorological factors and parameters of air quality in Wuhan by partial least squares regression [J]. Journal of Environmental and Occupational Medicine, 31(4): 241 – 246.]

張樣盛, 譚 東, 楊 娟. 2010. 重慶市永川區(qū)PM10濃度與氣象因子相關(guān)性研究 [J]. 重慶環(huán)境科學(xué), 32(5):29 – 32. [Zhang Y S, Tan D, Yang J. 2010. Studies on the relationship between PM10concentration and meteorological factor in Yongchuan region in Chongqing [J]. Chongqing Environmental Science, 32(5): 29 – 32.]

張云海, 孫財濤, 楊洪斌. 2009. 基于逐步回歸分析方法的PM10濃度預(yù)報模型 [J]. 環(huán)境科學(xué)與技術(shù), 32(5):100 – 102. [Zhang Y H, Sun C T, Yang H B. 2009. PM10concentration forecast model based on stepwise regression analysis [J]. Environmental Science & Technology, 32(5):100 – 102.]

趙晨曦, 王云琦, 王玉杰, 等. 2014. 北京地區(qū)冬春PM2.5和PMl0污染水平時空分布及其與氣象條件的關(guān)系 [J]. 環(huán)境科學(xué) , 35(2): 418 – 427. [Zhao C X, Wang Y Q, Wang Y J, et al. 2014. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 35(2):418 – 427.]

趙 朕, 羅小三, 索 晨, 等. 2017. 大氣PM2.5中重金屬研究進展 [J]. 環(huán)境與健康雜志, 34(3): 273 – 277. [Zhao Z, Luo X S, Suo C, et al. 2017. Research advance on heavy metals in atmospheric PM2.5[J]. Journal of Environment and Health,34(3): 273 – 277.]

鄭美秀,周學(xué)鳴. 2010. 廈門空氣污染指數(shù)與地面氣象要素的關(guān)系分析 [J]. 氣象與環(huán)境學(xué)報, 26(3): 53 – 57.[Zheng M X, Zhou X M. 2010. Relationship between air pollution index and surface meteorological elements in Xiamen, Fujian province [J]. Journal of Meteorology and Environment, 26(3): 53 – 57.]

Akpinar S, Oztop H F, Akpinar E K. 2008. Evaluation of relationship between meteorological parameters and air pollutant concentrations during winter season in Elaz??,Turkey [J]. Environmental Monitoring & Assessment,146(1/2/3): 211.

Cheng C S, Campbell M, Li Q, et al. 2007. A synoptic climatological approach to assess climatic impact on air quality in south-central Canada. PartⅡ: future estimates [J].Water Air & Soil Pollution, 182(1/2/3/4): 117 – 130.

Goto D, Ueda K, Ng C F S, et al. 2016. Estimation of excess mortality due to long-term exposure to PM2.5in Japan using a high-resolution model for present and future scenarios [J]. Atmospheric Environment, 140: 320 – 332.

He J, Gong S, Ye Y, et al. 2017. Air pollution characteristics and their relation to meteorological conditions during 2014 — 2015 in major Chinese cities [J]. Environmental Pollution, 223: 484 – 496.

Jin L, Luo X S, Fu P Q, et al. 2017. Airborne particulate matter pollution in urban China: A chemical mixture perspective from sources to impacts [J]. National Science Review,4(4): 593 – 610.

Jin Q, Fang X, Wen B, et al. 2017. Spatio-temporal variations of PM2.5emission in China from 2005 to 2014 [J].Chemosphere, 183: 429 – 436.

Katanoda K, Sobue T, Satoh H, et al. 2011. An association between long-term exposure to ambient air pollution and mortality from lung cancer and respiratory diseases in Japan [J]. Journal of Epidemiology, 21(2): 132 – 143.

Luo X S, Zhao Z, Chen Y, et al. 2017. Effects of emission control and meteorological parameters on urban air quality showed by the 2014 Youth Olympic Games in China [J].Fresenius Environmental Bulletin, 26(7): 4798 – 4807.

Luo X S, Ip C C M, Li W, et al. 2014. Spatial-temporal variations,sources, and transport of airborne inhalable metals (PM10)in urban and rural areas of northern China [J]. Atmospheric Chemistry and Physics Discussions, 14: 13133 – 13165.

Pearce J L, Beringer J, Nicholls N, et al. 2011. Investigating the inf l uence of synoptic-scale meteorology on air quality using self-organizing maps and generalized additive modeling [J]. Atmospheric Environment, 45(1): 128 – 136.Song C, Wu L, Xie Y, et al. 2017. Air pollution in China:Status and spatiotemporal variations [J]. Environmental Pollution, 227: 334 – 347.

Sousa S I V, Martins F G, Alvim-Ferraz M C M, et al. 2007.Multiple linear regression and artif i cial neural networks based on principal components to predict ozone concentrations [J].Environmental Modelling & Software, 22(1): 97 – 103.

Wang J, Wang S, Jiang J, et al. 2014. Impact of aerosolmeteorology interactions on fine particle pollution during China's severe haze episode in January 2013 [J].Environmental Research Letters, 9. DOI: 10.1088/1748-9326/9/9/094002.

Wong C M, Lai H K, Tsang H, et al. 2015. Satellite-Based estimates of long-term exposure to fine particles and association with mortality in elderly Hong Kong residents [J]. Environmental Health Perspectives, 123(11): 1167 – 1172.

Yorifuji T, Bae S, Kashima S, et al. 2015. Health impact assessment of PM10and PM2.5in 27 southeast and east Asian cities [J]. Journal of Occupational & Environmental Medicine, 57(7): 751 – 756.

?yromski A, Biniak-Pieróg M, Burszta-Adamiak E, et al.2014. Evaluation of relationship between air pollutant concentration and meteorological elements in winter months [J]. Journal of Water & Land Development, 22(1):25 – 32.