2015-2020年河南省主要大气污染物时空变化特征及归因分析.pdf

第42 卷第5期2023年10 月大气环境（1.河南省生态环境监测和安全中心，郑州450 0 46；2.河南省环境监测技术重点实验室，郑州450 0 46）摘要：利用河南省国控空气质量监测站点实测主要大气污染物（PM2.5、PM i o、0,）小时监测数据，采用主成分分析技术和线性混合效应模型，对河南省2 0 15 2 0 2 0 年主要大气污染物时空变化特征及归因进行了分析。结果表明：近年来河南省PM2.s和PM1o浓度下降趋势尤为显著，近地面O，污染却在日益加剧。大规模减排和扩散条件的改善是促进PM2.5和PM1o污染降低的重要原因，而近地面温度的升高是造成O3污染加剧的首要原因。研究成果可为当地开展大气污染防治精细化管控、实现近地面大气颗粒物与臭氧的协同治理提供理论参考。关键词：空气污染；PM2.5；PM i o；O 3；时空趋势；归因分析中图分类号:X51Analysis of Major Air Pollutants in Henan Province During 2015 2020ZHENG Yao,LI Hong-ling,XING Yyu,I Hongkun,TANG Min.(1.Ecological Envionment Monitroing&Safety Center of Henan Province,Zhengzhou 450046,China;2.Henan Key Laboratory of Environmental Monitoring Technology,Zhengzhou 450046,China)Abstract:Based on the hourly monitoring data of major atmospheric pollutants(PM2.5,PMo,O,)measured by the Statecontrolled Air Quality Monitoring Station in Henan Province,using Principal Component Analysis technology and LinearMixed-Effects Model,the spatio-temporal variation characteristics and driving factors of major air pollutants in Henan Provincefrom 2015 to 2020 were analyzed.The results showed that in recent years,the concentration of PM2.s and PMio in HenanProvince has shown a significant downward trend,while the pollution of O,near the ground has been increasing,Large-scaleemission reduction and the improvement of diffusion conditions are the important reasons for the reduction of PM2.5 and PMiopollution,while the increase of near-surface temperature is the primary reason for the exacerbation of O,pollution.The researchresults can provide theoretical reference for the local implementation of refined control of air pollution prevention and control,andthe realization of collaborative management of near-surface atmospheric particulate matter and ozone.Keywords:Air pollution;PM2.s;PMio;O,;spatio temporal variation trend;driving factor analysis四川环境SICHUANENVIRONMENTD0I:10.14034/ki.schj.2023.05.01120152 0 2 0 年河南省主要大气污染物时空变化特征及归因分析郑瑶2，李红亮，邢昱12，吉宏坤1-2，唐敏2文献标识码：A文章编号：10 0 1-36 44(2 0 2 3)0 5-0 0 6 9-0 8Spatio-temporal Variation Characteristics and Driving FactorsVol.42,No.5October 2023引言近年来，气溶胶颗粒物已成为影响我国城市环境空气质量的主要大气污染物，尤其是粒径较小但健康危害较大的细颗粒物 1 4。因此，开展大气污染监测与治理工作具有重要意义 5 7 。2 0 12 年，国务院颁布了环境空气质量标准GB3095-收稿日期:2 0 2 1-11-17作者简介：郑瑶（198 3-）,女,河南温县人，2 0 0 4年毕业于中南大学信息管理与信息系统专业，硕士，工程师，主要从事环境空气自动监测工作研究。通讯作者：邢昱,8 492 6 8 2 。2012，首次将PM2.5浓度监测纳人常规空气质量监测体系。2 0 13年，国务院实施大气污染防治行动计划，为重点区域和城市的空气质量改善提出了详细要求 8 。自2 0 13年起，我国逐步建设和完善国家层面的地基环境空气质量监测网络，旨在对六类主要大气污染物（PM2.5、PM i o、O，、NO 2、70SO2、C O）浓度进行实时在线监测，迄今为止积累了大量的长时序监测数据，为探究大气污染物的时空变化趋势及分异规律提供了重要基础数据(9-10)河南省作为我国中部大省，毗邻空气污染较为严重的京津冀地区，分析其近年来大气污染态势，尤其是大气颗粒物和臭氧污染的时空交互规律及变化成因，将对后期进一步制定合理的空气污染防治措施具有重要意义。李灵等人 提出了利用空气质量监测站点对我国大气污染进行时空趋势分析的科学性和必要性，较于卫星反演数据，地面站点可以进行高时频的连续观测，且不受云雨等不良天气状况的影响，对于分析大气污染的日变化规律和长期变化趋势具有重要作用。伯鑫等人12 指出，河南省毗邻京津冀地区，通过站点联动观测可以分析大气污染物在空间上的传输规律，异地源的防控与本地源的治理同等重要。随着一系列减排措施的实施，近年来我国已在大气污染治理方面取得了颇为显著的成效，大气灰霾污染状况整体改善明显 13-14。然而，我国大气污染物浓度变化的时空分异态势仍较为明显，且成因规律尚未完全厘清，尤其是随着灰霾污染的改善，大气臭氧污染形势日益严峻。另外，大多数历史研究主要围绕PM2.5污染时空变化规律，较少分析PM2.5和臭氧污染的协同变化特征。因此，110E113E四川环境本文以河南省为研究区，分析该省2 0 152 0 2 0 年PM2.5，PM i o 与臭氧三种污染物间的协同变化规律，以此为河南省后续大气污染综合防治提供理论参考。1材料与方法为有效揭示河南省近6 年大气颗粒物和近地面臭氧浓度的时空变化特征及其影响因素，本文利用河南省国家城市环境空气质量监测点位（以下简称国控站）实测颗粒物和臭氧浓度时间序列数据，通过开展趋势分析以及多元统计建模，量化PM2.5、PM 1o 和O，浓度的变化趋势及其与气象条件和排放因子的关联，定量揭示影响河南省空气质量变化的主要驱动因素。本研究使用的主要数据和研究方法介绍如下。1.1数据来源1.1.1空气污染物浓度数据鉴于河南省近年来首要空气污染物主要为大气颗粒物（秋冬季）和近地面臭氧（夏季），故选择PM2.5、PM i o 和O,作为本文的研究对象。具体数据源为2 0 15 2 0 2 0 年河南省17 个城市7 5个具有长时序监测数据的国控站PM2.5、PM l o 和O，浓度数据。7 5个国控站的空间分布如图1所示，由图可见，国控站点主要布设在各城市的主城区等人口较为稠密的区域。111E112E42卷114E115E116E117E36N35N34N33N32N110EFig.1Spatial distribution of state-controlled ambient air quality monitoring stations in Henan province.安阳市鹤壁市猴阳市焦作市新乡市郑州市开封市三门峡市洛阳市平顶山市源河市南阳市驻马店市信阳市空气质量监测站干米04080160111E112E图1河南省国控城市环境空气质量监测点网络分布36N35N福许昌币商丘市周口市海拔（m）300033N032N240320113E114E34N115E116E117E5期1.1.2气象数据为量化气象条件对大气颗粒物和近地面臭氧浓度的影响，本研究使用了欧洲中期天气预报中心（E C M WF）提供的第五代全球大气气候再分析资料（E R A-5），具体参数包括：相对湿度（RH，%）、近地面2 m气温（T2m，K）、近地面10 m风速（WS，m/s）、大气边界层高度（BLH，m）、和表面气压（SP，Pa）和紫外辐射（UV，J/m）。该数据产品的空间分辨率约为30 km（0.2 50.2 5），时间分辨率为3小时。1.1.3气溶胶组分数据为有效量化气象条件和人为排放对大气污染物的影响，本研究使用了美国宇航局全球模拟和同化办公室（Global Modeling and Assimilation Office，GMAO）发布的新版MERRA2 大气成分再分析级别一级二级三级四级五级六级注：其中PMio和PM2.s为日均浓度，0 3为日最大8 小时平均浓度。1.2.2主成分分析主成分分析（Principal components analysis，PCA）是一种高效的数据降维方法，其利用正交分解对原始观测值进行线性变换，从而保留数据集中方差贡献最大的特征，这些不相关的特征则称为主成分。首先，将河南省所有国控站点实测污染物浓度数据排列成2 4N的矩阵，N表示各个季节的观测记录，然后对该矩阵开展奇异值分解，进而计算其第一主成分，实现河南省不同季节的大气污染物浓度日变化特征主模态的提取。该分析旨在揭示大气污染物浓度的2 4小时变化情况 16-17 1.2.3线性混合效应模型普通线性回归包含两项影响因素，即固定效应和噪声。固定效应是那些可被预测的因素，噪声是模型中没有考虑的随机因素。混合模型中包括了固定效应和随机效应，而随机效应有两种方式来影响模型，一种是对截距影响，一种是对某个固定效应的斜率影响，此类模型亦称方差分量模型1-2 0 本文分别建立了PM2.5、PM io 和O浓度的线性混合郑瑶等：2 0 15 2 0 2 0 年河南省主要大气污染物时空变化特征及归因分析表主要大气污染物浓度分级标准Tab.Air quality classification criteria for major air pollutantsPM2.5(g/m)0;(g/m3)355075150115250150350250420250420效应模型，以量化各影响因素的潜在贡献。由于本研究重点关注各因子对上述污染物的长期趋势影响，故各变量在参与计算时需要去除其季节性周期，仅保留残差项进行建模分析。各模型表示如下：PM2.5 SO,+NO,+AOD+BC+OC+DUST+SO4+BLH+WS+T2m+SP+RH+(BLH+WS+T2m I month)(1)PM10SO,+NO,+AOD+BC+OC+DUST+SO4+BLH+WS+T2m+SP+RH+(BLH+WS+T2m I month)(2)03 SO,+NO,+AOD+BC+OC+DUST+SO4+BLH+WS+T2m+SP+RH+(BLH+WS+T2m Imonth)(3)各变量的相对贡献可由公式（4）计算得到：SSRori-SSR.iContrxi=SSRori其中SSR表示回归平方和，为原始全变量模型的回归平方和，为不考虑变量时所得到的回归平方和。71数据集 15，具体指标包括：气溶胶光学厚度（A O D）、黑碳（BC）、有机碳（OC）、沙尘（D U ST）和硫酸盐（SO4）。该产品的空间分辨率约为6 0 km（0.50.6 2 5），时间分辨率可达1小时。1.2方法1.2.1大气污染物浓度数据预处理为统计河南省各国控站点监测的大气污染物浓度超标情况，本文采用环境空气质量标准GB3095-2012规定的方法分别计算PM2.5、PM l o 和0 3的日均浓度值，其中要求PM2.5和PM1o日均浓度值至少有2 0 个有效小时浓度值参与计算，0 3为日最大8 小时平均，至少有6 个有效小时浓度值参与计算。现行三类大气污染物浓度分级标准如下表所示，其中当日均浓度值超过二级标准时即定义为超标。PMio(g/m)100160215265800800AQI50100150200300300100%(4)722结果分析2.1河南省大气污染总体态势图2 为2 0 15 2 0 2 0 年河南省主要大气污染物浓度对应的分级统计，其中分级标准详见表1。由图可知，PM2.s污染等级为一级的占比逐年增高，并在2 0 19年首次超过二级占比，且污染等级三级以上的污染天数显著降低。与之类似，PMo污染等级为一级的占比同样在逐年增高，但总体趋势不如PM2.5明显，且二级水平占比始终处于高位（超过50%）；三级以上的污染天数也有明显减少，2 0 2 080(%)早N604020080604020080(%)早0604020四川环境年基本未发生四级以上的严重PM1o污染事件。上述结果客观证实近年来河南省大气颗粒物污染显著降低，尤其是PM2.5主导的灰霾污染改善最为显著。然而，统计结果显示河南省近地面0 污染等级为一级的占比总体呈逐年下降的趋势，仅在2018年后有微弱抬升；三级以上严重污染情况在2019年前表现为逐年加剧，仅2 0 2 0 年维持在较低水平。造成上述现象的原因可能与2 0 2 0 年受CO-VID-19疫情影响，人为排放整体较低有关。201520162015201642卷级二级三级四级五级六级20172018时间(年)(a)2017时间(年)(b)20192018201920202020级级三级四级五级六级四级五级六级2015图2 2 0 15 2 0 2 0 年河南省主要大气污染物浓度等级统计Fig.2 Concentration levels of major air pollutants in Henan province during 2015 2020图3进一步分析了3种主要大气污染物的月均浓度变化情况。由图可知，季节尺度上，河南省大气颗粒物（PM2.s和PMio）浓度表现为秋冬高、夏季低的分布特征，与我国北部区域（如京津冀）的颗粒物浓度季节分布特征相似。该季节变化特征主要与我国北方地区秋冬季大量取暖燃煤（或生20162017时间（年）(c)物质燃烧）以及不利的气象扩散条件（如逆温）密切相关 2 1 2 3。对比年际变化可以发现，PM2,。和PM1o污染在逐年递减，其中PM2.5浓度在510 月下降更为明显，而在冬季12 2 月下降趋势并不稳定，同样的规律在PM1o污染上也有发现。相反，近地面0，污染主要出现在夏季，尤以6 月为甚，2018201920205期该现象主要与0，污染为光化学反应，除污染前体物浓度外，与温度紧密相关 2 4-2 5。年际变化上,月均浓度在15月逐年上升，6 8 月的峰值出现在2 0 17 2 0 18 年，9 12 月的变化较不稳定，但56时间(月)(a)200(a/arl)Nd150100501(m/m)0150100501图32 0 15 2 0 2 0 年河南省主要大气污染物月均浓度变化情况Fig.3 Monthly variations of major air pollutants in Henan province from 2015 to 2020为宏观地揭示河南省3种主要大气污染物的总体变化态势，图4统计了不同年份3种大气污染物的平均超标天数，其中超过二级限度限值即为超标(PM2.s75 g/m;PMo150 g/m；O s 16 0120100(P)间806040202015Fig.4Number of days with PM2.5,PMio,and O,exceeding the airquality standard in Henan province from 2015 to2020郑瑶等：2 0 15 2 0 2 0 年河南省主要大气污染物时空变化特征及归因分析1201008060402010PM2s浓度 7 5g/m3o-PMlo浓度 150 g/m一0,浓度 16 0 g/m2016图420152020年河南省主要大气污染物超标天数统计73仍有加强的趋势。总体而言，与周边其他省份如河北、山东和安徽一致，河南省3种主要大气污染物浓度在季节尺度上存在显著季节分异，即颗粒物浓度秋冬季高，近地面臭氧浓度高值主要出现在夏季。2015年2018年2016年2019年2017年2020年2342345时间(月）(b)23456时间(月)(c)g/m）。由图4可知，PM2.s和PMlo污染超标情况有明显的改善，年均PM2.5超标天数分别从10 0 天降至46 天，PMio超标天数由7 9天降至2 1天。相反，年均0，超标天数由2 0 15年的年均8 5天上升20172018时间(年）76778889101191011910112019121212202074至2 0 2 0 年的118 天。上述统计结果客观证实了河南省大气细颗粒物污染的治理工作已取得显著成效，取而代之的则是近地面0，污染的逐年加重。因此，近地面0，污染将是后续影响河南省空气质量的重要污染物，开展近地面0,污染防治势在必行。2.2污染物浓度时空变化趋势图5为河南省2 0 152 0 2 0 年3种主要大气污染物年均浓度的空间分布。结果显示，大气颗粒物污染的空间分布呈现出明显的北高南低的趋势。造成该空间分布特征的主要原因在于除了自身排放原20152017(a)米(b)(w.br)Wd四川环境因，河南北部太行山脉的阻隔造成河南西北部地区易形成不利于污染物扩散的静稳天气，使得颗粒物集聚，进而导致污染浓度较高。尽管如此，PM2.5和PMio浓度的年际变化仍清楚揭示了河南省颗粒物污染逐年缓解的特征，尤其是PM2.5浓度，在2017年后显著降低。对于近地面0，污染，其在早期阶段主要分布在河南中部地区，但随着时间推移逐步扩散到河南全境，尤其是2 0 17 2 0 19年间，全省都存在较为严重的近地面0，污染，但2 0 2 0 年有所降低。20162018(c)(d)42卷20192020(e)米(f)100100001003010240320m0.4080(g)(,w.6r)xaWd300102020m0.4080(h)2010240320m300.40:80()300.40.8010240320m()300.40801600240320m(k)300.4080150240320m米()150150150504080160(m)(.w.6n)x0503204080(n)5460320500:4080320(o)500.4080320(p)0.40(q)4080(r)704080160240320408032040800320320图5河南省2 0 15 2 0 2 0 年大气污染物年均浓度空间分布Fig.5Spatial distribution of annual mean concentrations of PM2.5,PMio,and O,in Henan province from 2015 to 2020为进一步揭示3种污染物的总体变化态势，本文利用线性拟合方法计算了各市污染物浓度的线性趋势。图6 为各市3种大气污染物浓度的线性变化趋势，结果显示PM2.5浓度在郑州市、焦作市和新乡市下降趋势最为显著，PMio浓度在郑州市和新乡市下降趋势明显；0,浓度在安阳市和开封市则呈-136-12-5-10-4-8-3-70.4080160240320km(a)PM2.s浓度年趋势(g/m/yr)Fig.6 Variation Trend of PM2.5,PMio,and O,concentrations in Henan province from 2015 to 20206.54.53.01.50.50.4080160240320km(b)PMio浓度年趋势（g/m/yr）图6 河南省各市主要大气污染物浓度变化趋势0.4080160240320km(c)0,浓度年趋势(g/m/yr)5期现明显的上升趋势较，郑州市、焦作市、新乡市和周口市次之。空间尺度上，无论是大气颗粒物浓度的下降趋势，还是近地面0，的上升趋势，河南省北部区域都要强于南部地区，造成该空间分异的原因可能与地形和局部气候条件有关。图7 揭示了河南省3种大气污染物浓度在不同季节的主要日变化特征。由图7 可知，PMio和PM2.s浓度日变化特征较为类似，日间局部高值出现在上午9：0 0 11：0 0 左右，夜间高值主要出现在2 2：0 0 左右，且在季节上无显著差异。相反，1050-5-10-151:006:0012:0018:0024:00(a)图7河南省PM2.5，PM 1o 和近地面O，浓度在不同季节的日变化特征Fig.7 Diurnal variation characteristics of PM2.5,PMio,and near-surface O,concentrationsin different seasons in Henan province from 2015 to 20202.3区域大气污染归因分析为探究影响上述3种主要大气污染物浓度变异的驱动因素，尤其是人为排放和气象条件对三类大气污染物浓度的影响，本文通过建立各大气污染物的线性混合效应模型并开展敏感性分析来量化各变量在模型中的相对贡献。其中，正贡献表示该变量对污染物浓度的趋势有促进作用，反之，负贡献则SO2NO2WST2mRHS04AODSPBLHBCDUSTOC01020 304050相对贡献(%）(a)PM2sFig.8 Comparison of the relative contribution of each influencing factor to PM2.5,PMio,and O,concentration郑瑶等：2 0 15 2 0 2 0 年河南省主要大气污染物时空变化特征及归因分析春季秋季冬季75近地面0，浓度的峰值出现在下午15：0 0 17：0 0左右，且夏季的日变化幅度要强于其他三个季节，冬季变化幅度最小。总体而言，PM2.5和PM1o的日变化特征主要受人类活动造成的直接排放以及大气边界层高度控制，而近地面0，浓度的日变化特征除了受前体污染物浓度控制外，还与温度和紫外辐射强度密切相关。总体而言，揭示大气污染物浓度的日变化特征将有助于开展大气污染精细化治理，如可在高峰时段采取车辆限行、人工洒水除尘、降温等一系列操作来降低相关大气污染物浓度。2040102000春季20-10秋季-20冬季1:006:0012:0018:0024:00(b)表示该变量对污染物浓度的趋势有抑制作用。相关结果如图8 所示，由图可知，SO，和NO2是主导河南省大气颗粒物浓度变化的首要因素，且二者都表现出显著的正贡献。由前文可知，河南省PM2.5和PMio在过去六年中都呈现显著的下降趋势（图4），即该省SO，和NO，浓度的变化是造成PM2.s和PMio浓度下降的主要原因。该结果客观证实了主动减排SO2T2mNO2BLHBCSO2WSSPBLHUVT2mNO2SO4WSAODRHRHSO4OCDUSTDUSTBCSPOC-100102030405060相对贡献(%）(b)PMio图8 各影响因素对大气污染物浓度的相对贡献比较in Henan province from 2015 to 2020春季-40秋季夏季冬季1:006:0012:00(c)-10010203040 5060相对贡献(%）(c)0;18:0024:0076是降低河南省大气颗粒物污染的首要原因。此外，风速是气象因子中贡献最大的变量，表明扩散条件的改善也对降低颗粒物污染具有重要作用。相较而言，近地面气温和边界层高度对近地面0，浓度变化趋势有较强的促进作用，由于温度是控制0，光化学反应的重要因素，该结果表明全球变暖环境下河南省近地面0，污染将日趋严重。因此，进一步采取措施对0 3光化学反应所需的前体物，如挥发性有机物VOCs和氮氧化物NOx，进行减排将是缓解河南省近地面0，污染的重要举措。然而，受制于缺乏长期大规模的VOCs同步观测资料，本文未能实现上述臭氧污染前体物在河南省的时空变化特征分析，以及对近地面0，污染的驱动机制敏感性实验。3结论3.1河南省以大气颗粒物为主的大气污染下降趋势显著，尤其是在污染较为严重的冬季，表明河南省大气颗粒物污染治理已取得了阶段成效。然而，截止2 0 2 0 年，河南省大气颗粒物浓度仍整体超出国家一级浓度限制，故大气灰霾污染治理工作仍需砥砺前行。同时，大规模减排和扩散条件的改善是促进河南省PM2.5和PMio污染降低的重要原因。3.2伴随因减排造成的大气颗粒物浓度下降，近地面0，污染浓度呈现明显上升态势。造成该现象的原因主要与区域近地面温度的升高密切管理。3.3河南省大气颗粒物和臭氧污染区域空间上叠合，且两者的优良天数也存在明显相关性。3.4由于近地面臭氧污染的产生机制与大气颗粒物前体物浓度（如氮氧化物）紧密相关，故当地环保部门后期的工作重心可围绕继续保持大气颗粒物污染治理成效的同时，进行近地面臭氧与大气颗粒物的协同管控，重点开展近地面0，污染的治理，尤其是强化氮氧化物和VOCs协同减排，本着精准治污、科学治污、依法治污的理念，健全环境经济政策，完善大气监测网络，深化排放清单动态管理，以期打好这场持续的“蓝天保卫战”。参考文献：1 Xie Y,Dai H C,Dong H J,et al.Economic Impacts from PM2.5Pollution-Related Health Effects in China:A Provincial-Level A-nalysisJ.Environ Sci Technol,2016,50(9):4836-484.【2 秦耀辰，谢志祥，李阳.大气污染对居民健康影响研究进展J.环境科学,2 0 19,40（3）：1512-152 0.3陈仁杰复合型大气污染对我国17 城市居民健康效应研究D.上海：复旦大学,2 0 13.4 Shen H F,Zhang L P,Jiang L,et al.Temporal variations of six四川环境ambient criteria air pollutants from 2015 to 2018,their spatialdistributions,health risks and relationships with socioeconomicfactors during 2018 in China J.Environ Int,2020,137(2):105556.5马丽梅，张晓.区域大气污染空间效应及产业结构影响J.中国人口资源与环境,2 0 14,2 4（7)：157-16 4.6王海芹，苏利阳.环境空气质量监测体制改革的对策选择J.改革,2 0 14,（10):136-142.7王敏,黄滢.中国的环境污染与经济增长 J.经济学（季刊),2 0 15,14(2):557-57 8.8张伟，王金南，蒋洪强，等大气污染防治行动计划实施对经济与环境的潜在影响 J.环境科学研究,2 0 15,2 8(1)：1-7.9姜晓群，宋国君，王腾，等.城市空气质量监测网络评估方法 J.中国环境科学,2 0 2 0,40（1)：115-12 2.10赵振乾.我国大气污染治理现状分析 J.中国资源综合利用,2 0 2 1,39(5):147-149.11李灵，付琴.环境空气质量监测数据关联分析及深度挖掘解决方案 J.低碳世界,2 0 2 1,11（6）:6 6-6 7.12 伯鑫，王刚，温柔，等京津冀地区火电企业的大气污染影响 J.中国环境科学,2 0 15,35（2）：36 4-37 3.13 Zhang Q,Zheng Y,Tong D,et al.Drivers of improved PM2.5 airquality in China from 2013 to 2017 J.Proc Natl Acad Sci,2019 116,24463-24469.14 Bai K,Ma M,Chang N B,et al.Spatiotemporal trend analysisfor fine particulate matter concentrations in China using high-res-olution satellite-derived and ground-measured PM2.5 data J.JEnviron Manage,2019,233,530-542.15Buchard V,Randles C A,da Silva A M,et al.The MERRA-2Aerosol Reanalysis,1980 Onward.Part II:Evaluation and CaseStudies J.J Clim,2017,30(17):6851-6872.16 刘萍：基于主成分分析和多元线性回归模型的空气质量评价方法研究 D.昆明：云南大学,2 0 15.17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），2 0 13,2 8(3):104-110.18 景悦，孙艳玲，徐昊，等.基于混合效应模型的京津冀地PM2.5日浓度估算 J.中国环境科学，2 0 18,38（8）：2 8 90-2 8 97.19 孙成,王卫,刘方田，等,基于线性混合效应模型的河北省PM2.5浓度时空变化模型研究J.环境科学研究,2 0 19,32(9):1500-1509.20 Che H,Gui K,Xia X,et al.Large contribution of meteorologi-cal factors to inter-decadal changes in regional aerosol opticaldepth.Atmospheric Chemistry&Physics,2019,19,10497-10523.21张小曳，徐祥德，丁一汇，等。2 0 13 2 0 17 年气象条件变化对中国重点地区PM2.5质量浓度下降的影响 J中国科学（地球科学）,2 0 2 0,（4）：48 3-50 0.22许艳玲，薛文博，雷宇气象和排放变化对PM2.5污染的定量影响 J：中国环境科学,2 0 19，（11）：4546-4551.23许丽忠，蔡雯颖，钟雪芬，等。中国城市2 0 16 2 0 17 年PM2.5时空分布特征 J四川环境，2 0 2 1,40（6）：7 4-8 0.24 张鸿宇，王媛，卢亚灵，等，我国臭氧污染控制分区及其控制类型识别 J中国环境科学，2 0 2 1，（9）：40 51-40 59.25白羽，唐毅，殷晓梅，等攀枝花市区及盐边县城区城市臭氧污染状况研究 J四川环境，2 0 2 1,40(2）：42-51.42卷