2021, Vol. 41
[PDF全文]
2. 西双版纳傣族自治州生态环境局勐腊分局, 西双版纳 666300
2. Mengla Branch of Xishuangbanna Ecological Environment Bureau, Xishuangbanna 666300
近年来, 我国大气污染事件频发, 很多城市面临或承受着大气污染的压力.大气污染与一定的气象条件、环流形势关系密切, 当大气污染物的排放达到一定程度时, 大气污染的程度和时空变化特征主要取决于气象条件(刘厚凤等, 2015).
国内外许多学者开展了大气污染方面的广泛研究, 涉及大气污染与气象条件的关系、城市发展对污染物的贡献、空气污染物的来源解析、污染源分析等.研究发现, 特殊的热力和动力共同作用会使大气层结更加稳定, 使污染过程产生、持续和发展(张夏琨等, 2011；吴战平等, 2019；贺园园等, 2019；姚青等, 2020)；成渝地区500 hPa为平直西风(W), 地面和850 hPa为低压(C)或东南气流型(SE)时易发生污染天气(常美玉等, 2020)；中国城市群地面风速明显下降导致大气扩散能力减弱(梅梅等, 2017；2019)；中国城镇化与PM2.5浓度存在关联, 土地城镇化水平与PM2.5浓度相关性最强(许珊等, 2019), 供暖、工业生产、交通产生的PM2.5可导致重度污染(曹宁等, 2019).为了研究污染源及污染物的跨区域传输, 卫星反演数据被用于大气污染的研究, 发现AOD与火点密度和10 m风场有一致性(叶瑜等, 2011), 其与污染物和气象要素存在关联(范东福等, 2015)；蔺旭东等(2019)提出了一种新的大气污染物来源及输送情况的网格化分析方法(Pollutant Transport Analysis Method based on Gridded Emission Sources, TAGE).
在对污染物的传输过程进行分析时, HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory Model-4)被大量使用(尹聪等, 2011；郭荣芬等, 2017；汪文雅等, 2018；任浦慧等, 2019；章群英等, 2020；辛艾萱等, 2020), 但研究区域多为北部、东部或省会城市.西双版纳州勐腊县位于云南省最南部, 地处横断山脉的南延部分, 处于热带季风雨林气候区, 干雨季分明(干季为11月—次年4月), 其东、南部与老挝山水相连, 西与缅甸隔澜沧江相望, 境内森林覆盖率达88%.2016年以来, 随着勐腊(磨憨)重点开发开放试验区的建设及异常气候事件的出现, 勐腊大气污染发生频次增加, 大气污染程度趋于严重, 而当前对其大气污染的特征及成因缺少相关研究.
因此, 本文在分析2017年8月—2020年8月西双版纳州勐腊县大气污染特征的基础上, 通过权重潜在源贡献因子(WPSCF)分析连续污染过程的潜在源区, 将周边国家火点、900 hPa风场与潜在源区进行对比, 再利用后向轨迹(Backward Trajectory)、风场及气溶胶光学厚度(AOT)对重度污染过程进行个例分析, 以证明污染过程中污染物的跨区域传输, 以期为深入理解我国西南内陆热带地区空气质量的特征及污染原因提供参考.
2 数据与方法(Datas and methods) 2.1 研究数据① 空气质量数据：云南省西双版纳州生态环境局勐腊分局2017年8月—2020年8月逐日空气质量数据.
② GDAS1.0数据：该数据是美国全球数据同化系统(Global Data Assimilation System, GDAS)将地面观测、气球数据、风廓线仪数据、飞机报告、浮标观测、雷达观测和卫星观测整合成的三维网格化数据, 可应用于HYSPLT模型进行气流后向轨迹的计算.
③ 火点数据：FIRMS(Fire Information for Resource Management System)发布的VIIRS375m火点数据, 其中, FIRMS是由美国NASA应用科学计划、食品和农业组织资助, 马里兰大学开发的用于向自然资源管理者提供实时火点位置的系统, 该系统火点数据可从卫星实时获取, 其标准产品可用于科学分析, 可获得2012年1月20日至当前的数据.本文将该数据进行了栅格化, 分辨率为0.05°×0.05°.
④ MODIS气溶胶产品：光学厚度数据来自NASA的MODIS/Terra AEROSOL OPTICAL THICKNESS Daily L3 Global数据集, 分辨率为0.05°×0.05°.
⑤ 其余数据：2012—2020年ERA5月平均气象数据, 空间分辨率为0.25°×0.25°；2020年3—4月ERA5小时气象数据, 空间分辨率为0.25°×0.25°, 时间分辨率为6 h；该数据来源于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF).
2.2 研究方法利用HYSPLIT模型对勐腊连续污染过程进行后向轨迹计算, 明确污染过程的气流来向, 并结合相关污染数据, 通过权重潜在源贡献因子(WPSCF)来确定潜在污染源区.权重潜在源贡献因子(WPSCF)是为了降低潜在源贡献因子(Potential Source Contribution Function, PSCF)的不确定性, 将其结果进行加权得到的.PSCF定义为经过研究区域的气团到达观测点时对应的某要素值超过设定阈值的条件概率.将研究区域划分为一定分辨率的若干个网格, 每个网格记为Gij, 对研究的要素设定一个阈值, 当轨迹所对应的要素值高于这个阈值时, 认为该轨迹是污染轨迹, 其经过Gij的污染轨迹端点数为mij, 而落在Gij内的所有轨迹端点数为nij, WPSCF和PSCF的计算公式如下：
|
(1) |
|
(2) |
|
(3) |
式中, WPSCFij为权重潜在源贡献因子；PSCFij为潜在源贡献因子；Wij为权重系数, 由研究区内各网格的平均轨迹端点数的一定倍数来确定(唐毅等, 2016), 本文研究区域内各网格的平均轨迹端点数为4, 用其1、2、5、10倍来确定权重系数(式(3)).
3 结果与分析(Results and analysis) 3.1 勐腊县空气质量基本特征分析 3.1.1 AQI二级及以上日数统计依据《环境空气质量指数(AQI)技术规定(试行)》(HJ633—2012), 勐腊县2017年8月—2020年8月逐月AQI达二级及以上日数的统计结果见图 1.近3年, 勐腊县2—4月AQI达二级及以上日数均超过10 d, 其总日数在71~73 d, 占干季污染总日数的60%~95%, 而且污染程度逐年显著加重, 由2018年的轻度污染上升到2020年的重度污染；6—11月空气质量均为优良, 各月AQI为一级(优)的日数在22 d以上；12、1、5月的空气质量波动较大, 2019年5、12月、2020年1月AQI在二级及以上的频次远高于其余2年.
 |
| 图 1 2017年8月—2020年8月勐腊县逐月AQI统计 Fig. 1 Monthly AQI Statistics of Mengla County from August 2017 to August 2020 |
对勐腊县6种监测要素(PM10、PM2.5、O3、SO2、CO、NO2)日数据的统计结果显示, 2017年8月—2020年8月, 勐腊县AQI为二级的天数共有290 d, IAQI能够达到二级标准的污染物为PM2.5、PM10、O3、SO2中的一种或几种, CO、NO2的IAQI始终维持在一级标准, PM10、PM2.5、O3、SO2的IAQI达到二级标准的日数分别为267、209、81、1 d, PM2.5、PM10、O3作为首要污染物出现的日数分别为155、130、20 d, SO2未作为首要污染物出现过(表 1)；AQI为二级时, IAQI达到二级标准的污染物的组合形式有7种(表 2), 单一要素IAQI达到二级标准的日数(88 d)远小于多种要素IAQI同时达到二级标准的日数(202 d).
| 表 1 2017年8月—2020年8月勐腊县主要污染物及出现日数 Table 1 Pollutants and occurrence days in Mengla County from August 2017 to August 2020 |
 |
| 表 2 污染物组合及出现日数 Table 2 Pollutant combination and occurrence days |
|
图 2是2017年8月—2020年8月勐腊县PM2.5和O3分指数为二级时的时序图.从图中可知, PM2.5污染频繁出现于每年的2—4月, 偶然出现于其它时段(图 2a)；PM10与PM2.5关系密切, 其出现特征与PM2.5一致(图略)；而O3污染的年波动较大(图 2b), 2019年O3污染日数达83 d之多, 远远高于2018年(19 d)、2020年(22 d)同期.从勐腊国家基准气候站地表最高温度观测数据来看, 2019年勐腊地表平均最高温度为49.1 ℃, 比1981—2010年地表最高气温的气候平均值高5.5 ℃, 为1957年以来的最高值, 2—5月的地表平均最高温度较1981—2010年同期气候平均值高3.6~9.7 ℃, 2018、2020年2—5月地表平均最高温度与1981—2010年同期气候平均值的距平在-4.3~5.6 ℃之间.鉴于地表高温与太阳辐射的关系, 2019年是勐腊太阳辐射的较强年份, 而太阳辐射是决定O3产生的关键因素(马文静, 2014).因此, 异常强烈的太阳辐射是造成2019年勐腊县O3污染日数增多的原因.
 |
| 图 2 2017年8月—2020年8月勐腊县地表最高温度、PM2.5和O3分指数为二级时的时序图 Fig. 2 Time series of maximum ground surface temperature, PM2.5 and O3′s IAQI reaching grade Ⅱ in Mengla County from August 2017 to August 2020 |
2017年8月—2020年8月, 勐腊县AQI达三级及以上(轻度及以上污染)的总日数为64 d, 其污染级别、超标污染物种类、出现月份及日数见表 3.2018年1—5月三级污染日数为6 d, 2019年1—5月三、四级污染日数分别为18、8 d, 2020年1—5月三、四、五级污染日数分别为11、8、13 d, 轻度及以上污染日数逐年增加, 污染程度逐年加重；当超标污染物为PM2.5、PM10中的一种时, 空气质量仅能达到轻度污染, 当两者同时超标时, 首要污染物为PM2.5, 空气质量可达到中度至重度污染, 但PM10浓度很少能够达到中度污染的标准(1 d, 2020年4月5日).
| 表 3 轻度及以上污染天气污染物种类及出现日数 Table 3 Pollution level, types and occurrence days |
|
图 3为2017年8月—2020年8月勐腊县AQI达二级及以上连续10 d和三级及以上连续5 d的时序图.近3年, 勐腊县空气质量指数达二级及以上且连续日数超过10 d的有9次, 出现在每年的12月—次年5月；三级及以上(轻度及以上)连续污染日数超过5 d的有5次, 出现在2019、2020年3—4月.5次轻度及以上连续污染过程中, 前3次污染(2019年)最重时会有连续2 d的中度污染, 后2次(2020年)则出现重度污染, 尤其是2020年3月27日—4月6日出现连续11 d的重度污染.
 |
| 图 3 勐腊县连续污染的AQI时序图 (a.2017年12月—2018年5月31日；b.2018年12月—2019年5月31日；c.2019年12月—2020年5月31日；黑色实心圆表示连续10 d及以上的污染过程, 空心圆表示连续5~9 d的过程, “数字”表示二级及以上持续时间, 黑色粗直线表示三级及以上连续5 d以上出现的时段) Fig. 3 Time series of continuous pollution's AQI in Mengla County (a. December 2017 to May 2018; b. December 2018 to May 2019; c. December 2019 to May 2020; black solid circle represents continuous pollutions process of more than 10 days; hollow circle indicates the continuous process of 5~9 days; "number" refers to the continuous period of AQI grade Ⅱ or above, black thick straight line indicates the continuous period of AQI grade Ⅲ or above for 5 days or more) |
利用HYSPLIT模型对上述2019、2020年轻度及以上连续污染日数超过5 d的5次污染过程进行WPSCF分析, 分析采用的污染物为PM2.5, 后向轨迹时间为120 h, 分析高度为50 m(50 m高度的风场能反映近地面平均的流场特征, 可以表征近地面污染物平稳地随风场进行中远距离输送的特征), 结果见图 4.从后向轨迹结果来看, 5次污染过程的近地面气流来向主要为西-西南-南；从WPSCF分布特征来看, 2019年3次连续污染过程中, 3月15—19日WPSCF超过0.4的区域点状分布在老挝西北部及泰国与其相邻的区域(图 4a), 3月24—28日、3月30日—4月4日WPSCF超过0.4的区域面积远小于3月15—19日, 在老挝西北部及泰国与其相邻区域零星分布(图 4b、4c), 3月24—28日WPSCF超过0.6的区域仅在本地出现, 而且面积较小；2020年2次连续污染过程中WPSCF超过0.4的区域面积远大于2019年的3次污染过程, WPSCF超过0.6的区域集中分布在老挝西北部及泰国与其相邻的区域(图 4d、4e).
 |
| 图 4 2019、2020年5次轻度及以上连续污染过程的后向轨迹(灰色曲线)和WPSCF(阴影)分布特征 (a.2019年3月15—19日；b.2019年3月24—28日；c.2019年3月30—4月4日；d.2020年3月10—16日；e.2020年3月23—4月9日) Fig. 4 Backward trajectory (gray curve) and distribution of WPSCF (shaded) in five continuous pollution processes above mild polution in 2019 and 2020 (a. March 15—19, 2019, b. March 24—28, 2019, c. March 30 to April 4, 2019 d. March 10—16, 2020, e. March 23 to April 9, 2020) |
以上研究表明, 勐腊县轻度及以上连续污染过程主要发生在3—4月, 而同时段是与勐腊县接壤的周边国家春耕频繁烧荒的时间.为了明确周边国家春耕烧荒的特征, 特将97°~104°E、16°~23°N设定为研究区域, 对其2012—2020年3、4月的火点(FIRMS)分布及900 hPa风场(ERA5)情况(图略)进行分析.结果表明, 3、4月, 研究区域20°N以南盛行偏南气流, 20°N以北盛行偏西气流；3月, 99°E以西一直是火点密度>28个·月-1的火点密集区, 4月火点趋于减少或消失；100°~103°E、18°~21°N区域在3、4月频繁出现的火点密集区有一定差异, 无论4月密集区面积较3月增大或缩减, 其位置多较3月北移, 即有向老挝西北部转移的趋势.
生物质燃烧(Biomass-burning, BB)对空气质量有重要的影响(Punsompong et al., 2020).2018年3月, 勐腊县上风方向200 km范围内火点较少(图 5a), 4月老挝西北部火点较为密集, 火点密集区风向为南西南, 勐腊县南部位于其下风方向西北部(图 5b), 极个别日数AQI略微超过三级标准.2019年3月, 研究区域火点数为481775个, 火点密度>28个·月-1的格点(高密度格点, 3822个)主要分布在缅甸东部、泰国西北部及老挝西北部(图 5c), 4月高密度格点急剧减少, 勐腊上风方向100 km外有分散的火点密集区(图 5d), 其污染程度较2018年严重.2020年3月, 研究区域火点数为480523个, 高密度格点有4077个, 20°~21°N、100°~102°E区域存在182个高密度格点(图 5e), 多于2019年3月的131个, 4月勐腊附近存在火点密集区(图 5f), 污染程度又甚于2019年.
 |
| 图 5 97°~104°E、16°~23°N区域火点密度分布与风场矢量图 (a.2018年3月, b.2018年4月, c.2019年3月, b.2019年4月, e.2020年3月, f.2020年4月) Fig. 5 Distribution of fire density and wind in 97°~104°E and 16°~23°N region (a. March, 2018, b. April, 2018, c. March, 2019, d. April, 2019, e. March, 2020, f. April, 2020) |
对比火点密集区与WPSCF分析结果发现, 2019年3月15—19日、3月30日—4月4日WPSCF大于0.6的区域与19°~21°N、100°~101°E火点密度>21个·月-1的区域有较好的对应关系, 2020年3月10—16日、2020年3月23日—4月9日WPSCF大于0.6的区域覆盖了20°~21°N、100°~101.5°E范围内的火点密集区, 说明老挝西北部及泰国与其相邻区域的生物质燃烧与勐腊县这4次连续污染过程关系密切；2019年3月24—28日, 勐腊县连续污染过程PM2.5浓度的多日均值为104.6 μg·m-3, 较其在3月15—19日、3月20—23日的多日均值分别升高了5.0、33.6 μg·m-3, 而其WPSCF大于0.6的区域主要在当地, 可见当勐腊县空气质量下降到一定程度时, 若再持续叠加当地建筑施工、交通运输、生物质燃烧和餐饮行业排放的细颗粒物影响, 勐腊县空气质量将会继续出现明显的下降.
3.4 基于AOT对勐腊县2020年3月23—4月9日污染过程的个例分析2020年3月23日—4月9日的连续污染过程中, PM2.5为首要污染物, 其浓度在污染过程中上升很快, 而且高浓度维持时间较长, 其浓度的日均值在23日为103 μg·m-3(轻度污染), 24日上升到124 μg·m-3(中度污染), 27日上升到166 μg·m-3(重度污染), 28日又上升到200 μg·m-3, 约为23日浓度的2倍, 是3月10日之前浓度的2~3倍, 之后重度污染一直持续到4月6日.勐腊县作为一个发展中的小城市, 其污染排放难以达到如此快的速度, 也难以维持11 d的重度污染.4月8日之后, 受偏东气流影响, 勐腊县空气质量由轻度污染转为优良.
为了更清晰地揭示此次污染的产生, 利用逐日后向轨迹、气溶胶光学厚度(AOT)和风场(ERA5)的日数据来实时分析污染物的传输.AOT是空气质量的重要表征, 利用AOT来指示城市空气质量是可行的(王钊等, 2008；张丽娟, 2009).根据HYSPLIT后向轨迹可知, 3月28日影响勐腊县的近地面气流来向为西南, 而且气流所经区域火点出现比较频繁(图 6a)；从AOT和900 hPa风场分布来看, 3月24、25日, 16°~21°N、100°~101°E存在较强偏南风区, 东西两侧与其存在风向辐合, 并于21°N附近转为向东传播, 与偏东气流相遇在勐腊附近, 风向辐合较强风区、汇合气流下风区与AOT大值区有较好的对应关系, 说明存在污染物的传输和累积作用；26、27日, 风向辐合区减弱, 勐腊受偏西气流影响, 20°~22°N、99°~102°E的AOT大值区向东转移；28日AOT大值区覆盖研究区域, 较强偏南风区再次建立, 同样在21°N附近减弱并转为弱西南风, 污染物持续稳定地向勐腊传输；3月29—4月6日, 污染物同样持续地通过近地面和高空向勐腊传输和累积(图略).
 |
| 图 6 2020年3月23—27日火点、3月28日后向轨迹及3月24—28日AOT和风场分布 (a.3月23—27日的火点及28日逐小时后向轨迹；b~f.分别为3月24、25、26、27、28日AOT和风场分布) Fig. 6 Fire Distribution from March 23 to 27, 2020, Backward Trajectory of March 28, 2020, AOT Distribution and Wind from March 24 to 28, 2020 (a. Fire Distribution from March 23 to 27, Backward Trajectory of March 28; b~f. AOT Distribution and Wind from March 24 to 28) |
1) 2—4月是勐腊县AQI频繁达到二级及以上的时段.当AQI为二级时, IAQI能够达到二级标准的污染物为PM2.5、PM10、O3、SO2中的一种或几种, 混合污染出现的比例远大于单一污染, 首要污染物是PM2.5、PM10、O3中的一种或两种；2019年O3污染日数增多与同时段太阳异常强烈辐射密切相关.
2) 超标污染过程中, 当超标污染物为PM2.5、PM10中的一种时, 空气质量仅能达到轻度污染, 当PM2.5和PM10同时超标时, 首要污染物为PM2.5, 空气质量可达到中度至重度污染.
3) 对2019、2020年3—4月勐腊县轻度及以上连续日数超过5 d的5次污染过程进行WPSCF分析, 发现勐腊上风方向老挝西北部及泰国与其相邻的区域是4次连续污染过程的主要潜在源区, WPSCF大于0.6的区域对应同年3、4月泰国西北部、老挝西北部的火点密集区, 说明周边国家春耕烧荒对其污染有很大的影响.
4) 2019年3月24—28日连续污染的潜在源区主要在当地.当勐腊县空气质量下降到一定程度时, 若当地建筑施工、交通运输、生物质燃烧和餐饮行业持续排放细颗粒物, 会导致勐腊县空气质量出现明显的下降.
5) 利用逐日后向轨迹、AOT和风场对2020年3月23日—4月9日的连续污染过程进行个例分析, AOT大值区与风向辐合较强风区、汇合气流下风区有较好的对应关系, 勐腊位于辐合气流下风区, 污染物持续稳定地向勐腊传输和累积是此次持续重污染的原因.
曹宁, 黄学敏, 祝颖, 等. 2019. 西安冬季重污染过程PM2.5理化特征及来源解析[J]. 中国环境科学, 39(1): 32-39. DOI:10.3969/j.issn.1000-6923.2019.01.004 |
马文静. 2014. 西安主城区近地面大气中臭氧浓度时空分布特征分析[D]. 西安: 西安建筑科技大学
|
常美玉, 向卫国, 钱骏, 等. 2020. 成渝地区空气重污染天气形势分析[J]. 环境科学学报, 40(1): 43-57. |
范东福. 2015. 基于AOD数据的秸秆焚烧监测分析[D]. 合肥: 安徽农业大学
|
郭荣芬, 黎成超, 邓聪, 等. 2017. "2015·3·22"云南大范围空气污染事件气象成因分析[J]. 灾害学, 32(3): 91-95. DOI:10.3969/j.issn.1000-811X.2017.03.016 |
贺园园, 胡非, 刘郁珏, 等. 2019. 北京地区一次PM2.5重污染过程的边界层特征分析[J]. 气候与环境研究, 24(1): 61-72. |
蔺旭东, 付献斌, 孔德瀚, 等. 2019. TAGE: 一种新的大气污染物来源及输送情况的网格化分析方法[J]. 中国环境科学, 39(1): 106-117. DOI:10.3969/j.issn.1000-6923.2019.01.011 |
刘厚凤, 杨欣, 陈义珍, 等. 2015. 中国重霾过程污染气象研究进展[J]. 生态环境学报, 24(11): 1917-1922. |
梅梅, 朱蓉, 孙朝阳. 2019. 京津冀及周边"2+26"城市秋冬季大气重污染气象条件及其气候特征研究[J]. 气候变化研究进展, 15(3): 270-281. |
梅梅, 朱蓉. 2017. 污染防治重点区域大气扩散条件变化趋势及成因[J]. 环境影响评价, 39(5): 1-6+12. |
任浦慧, 解静芳, 姜洪进, 等. 2019. 太原市大气PM2.5季节传输路径和潜在源分析[J]. 中国环境科学, 39(8): 3144-3151. DOI:10.3969/j.issn.1000-6923.2019.08.002 |
Punsompong P, Pani S K, Wang S H, et al. 2020. Assessment of biomass-burning types and transport over Thailand and the associated health risks[J]. Atmospheric Environment, 247: 118176. |
唐毅, 陈治翰, 罗治华, 等. 2016. 后向轨迹模式在攀枝花市PM2.5来源分析研究中的应用[J]. 四川环境, 35(4): 83-89. DOI:10.3969/j.issn.1001-3644.2016.04.015 |
王钊, 彭艳, 张树誉. 2008. MODIS资料反演AOD及其在区域大气污染监测中的应用[J]. 高原气象, (4): 911-917. |
汪文雅, 陈玲, 郭雪. 2018. 利用后向轨迹模式分析太原市大气污染物来源[C]. 第35届中国气象学会年会S12大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估. 合肥
|
吴战平, 白慧, 陈早阳, 等. 2019. 贵阳市两次空气污染过程的气象条件分析[J]. 干旱气象, 37(5): 827-835. |
辛艾萱, 何超, 彭韵曦, 等. 2020. 武汉市大气污染物时空分布与区域传输贡献[J]. 环境科学与技术, 43(9): 170-181. |
许珊, 邹滨, 宫俊霞. 2019. 2001-2015年中国城镇化与PM2.5浓度时空关联特征[J]. 中国环境科学, 39(2): 469-477. DOI:10.3969/j.issn.1000-6923.2019.02.004 |
姚青, 蔡子颖, 刘敬乐, 等. 2020. 气象条件对2009-2018年天津地区PM2.5质量浓度的影响[J]. 环境科学学报, 40(1): 65-75. |
叶瑜, 李秀央, 陈坤, 等. 2011. 大气气溶胶光学厚度与大气污染物及气象因素关系的时间序列研究[J]. 气候与环境研究, 16(2): 169-174. DOI:10.3878/j.issn.1006-9585.2011.02.06 |
尹聪, 朱彬, 曹云昌, 等. 2011. 秸秆焚烧影响南京空气质量的成因探讨[J]. 中国环境科学, 31(2): 207-213. |
张丽娟. 2009. 北京市MODIS遥感气溶胶光学厚度与空气质量关系研究[D]. 北京: 中国地质大学
|
章群英, 麻金继, 沈非, 等. 2020. 安徽省冬季PM2.5污染来源及其成因分析[J]. 长江流域资源与环境, 29(12): 2737-2746. |
张夏琨, 王春玲, 王宝鉴. 2011. 气象条件对石家庄市空气质量的影响[J]. 干旱气象, 29(1): 42-47. |
中国环境保护部. 2012. HJ633-2012. 环境空气质量指数(AQI)技术规定(试行)[S]. 北京: 中国环境科学出版社
|