2021, Vol. 41
[PDF全文]
2. 中国气象局沈阳大气环境研究所, 沈阳 110166;
3. 南京信息工程大学, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044
2. Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110166;
3. Nanjing University of Information Science & Technology, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing 210044
2020年突然爆发的新型冠状病毒肺炎疫情在全球蔓延, 对世界各国经济、社会等诸多方面造成了前所未有的影响.为了及时有效地遏制病毒在人际间传播, 避免人员流动造成疫情的进一步发展扩散, 中国各级政府采取了迅速而彻底的防控措施, 全国多省市相继启动重大突发公共卫生事件一级响应.自2020年1月底开始, 我国实施了交通管制, 限制居民外出, 停止集市集会, 停工停业停课等措施.2020年3月下旬, 疫情得到显著缓解, 全国大部分地区陆续实现复工复产.在疫情防控期间, 多种举措对社会活动与经济生产带来了严重的影响与冲击(智艳等, 2020).但在另一方面, 全国大部分公共交通暂停运营, 机动车上路率急剧下降, 交通排放大幅度地减少；大部分企业生产停止, 商业出行与宣传等活动受到控制, 工业排放也明显降低, 大气污染物排放水平的降低导致空气质量出现明显变化.这样的客观减排情况为评估空气质量对排放量急剧减少的响应和污染减排与气象条件之间的相互作用提供了难得的大规模“对照实验”, 分析研究这段特殊时期的污染物及气象条件的变化状况, 对消除公众关于污染减排环境效应的质疑, 以及探索环保减排策略均有重要作用.
空气质量与大气污染物浓度变化受人为污染排放和气象条件的共同影响(Han et al, 2016；Xue et al, 2019；Erika et al, 2019；张小曳等, 2020).疫情发生以来, 国内外学者针对新冠疫情管控措施所导致污染物排放变化, 及其对空气质量的影响进行了一些的研究.如Chen等(2020)发现新冠肺炎期间严格的管控措施对交通污染物减排作用较明显, 但住宅取暖和工业排放却保持稳定或略有下降；空气质量得到显著改善, 如武汉和全国的二氧化氮(NO2)分别下降22.8和12.9 μg · m-3, 细颗粒物(PM2.5)分别下降1.4和18.9 μg · m-3.Bao等(2020)分析了中国44个城市疫情管控期间的空气质量, 发现AQI指数改善了7.80%, SO2、PM2.5、PM10、NO2和CO分别降低6.76%、5.93%、13.66%、24.67%和4.58%.Li等(2020)基于疫情管控期间长三角地区空气质量监测和WRF-CAMx的模拟, 发现管控期间NOx、PM2.5排放量显著降低, 而O3浓度却呈显著增加趋势.Le等(2020)利用卫星遥感数据对疫情期间中国区域空气质量变化进行研究, 发现管控措施对污染物浓度的减排高达90%；但在疫情期间出现的不利气象条件(如高湿度)以及电厂、石化等行业未显著降低排放, 依然使得一些地区在管控期间出现严重灰霾事件；由于城区NO2浓度的降低导致对O3的滴定作用减弱, 反而在管控期间出现O3浓度上升的现象.
上述研究结论表明管控期间我国大部分区域的空气质量有较明显地改善, 但改善幅度与污染物减排幅度之间的关系, 及气象条件在其中所起作用因区域不同均有较大差别；在一些地区由于受不利气象条件和排放变化等原因影响, 依然出现了重污染天气, 个别污染物(如O3)反而呈增长趋势.因此, 本研究以沈阳市为例, 利用大气污染物和气象要素的地面观测数据, 分析疫情防控期间沈阳市空气质量及大气污染物质量浓度变化, 并基于WRF-Chem数值模式和环境气象评估指数(EMI), 剖析人为减排和气象因素对大气污染物浓度变化的影响, 以期为改善沈阳城市空气质量和减排措施提供科学的参考.
2 材料与方法(Materials and methods)根据辽宁省新型冠状病毒感染的肺炎疫情防控指挥部发布的第1号和第9号令要求, 2020年1月26日起施行全面的管控措施, 2020年3月22日起全面恢复社会生产生活秩序.因此, 本研究将2020年1—4月划分为3个对照期, 1月为防控前的正常生活期(下称正常期), 2月和3月为疫情防控期(下称防控期), 4月为防控后的复工复产期(下称复工期), 分别计算2015—2019年5年平均、2019年和2020年的正常期、防控期和复工期沈阳市大气污染物质量浓度和气象条件并进行对比.
研究采用生态环境部在沈阳地区9个国控站点(浑南东路、新秀街、东陵路、京沈街、陵东街、文化路、裕农路、小河沿、太原街)2015年1月—2020年4月的逐小时大气污染监测数据, 大气污染物的种类包括臭氧(O3)、颗粒物(PM2.5、PM10)、二氧化硫(SO2)、二氧化氮(NO2)和一氧化碳(CO), 选取沈阳市常见的首要大气污染物PM2.5、PM10和O3作为代表污染物进行研究.另外, 考虑到NO2是大气化学过程非常关键的气态污染物, 在O3和二次气溶胶的生成过程中可以作为前体物, 而沈阳市NO2的来源主要是交通排放, 受人为活动影响较大, 因此本文也将NO2作为代表污染物进行研究.气象资料为相同时段的沈阳国家地面气象站(站号: 54342)的逐小时观测数据, 包括温度、湿度、风速、风向等；根据上述气象要素, 利用罗氏算法可计算对应站点逐小时的混合层高度(Nozaki, 1973).
环境气象评估指数(EMI)是衡量气象条件变化所导致的大气污染物浓度变化的无量纲常数, 它表示特定时段内, 不考虑排放源的变化, 气象要素通过扩散、传输、干湿沉降和化学转化等方式对大气污染物浓度变化所造成的影响, 与实际观测的大气污染物浓度变化率的差值即为减排措施产生的理论效果.EMI的计算公式如下:
|
(1) |
式中, I为EMI, t0为积分起始时间, t1为积分终止时间, E为排放沉降项, T为传输项, D为扩散项, t为时间(张碧辉等, 2019).本研究以细颗粒物PM2.5为例, 使用中国气象局化学天气预报系统-EMI评估模式(CUACE-EMI)下发的产品.产品计算范围覆盖全国, 水平分辨率为15 km；排放源使用中国气象局雾-霾数值预报业务系统的2015年排放源, 背景气象场选用Grapes分析场, 并用地面、探空站点资料同化(刘洪利等, 2018).本文计算了沈阳市2015—2020年1—4月逐月的EMI指数, 对比不同年份间的EMI指数差异可得到2020年气象条件变化和疫情防控减排措施的具体贡献率.
本文还利用WRF-Chem3.9.1版本对疫情防控期间沈阳市出现的一次重污染天气过程进行模拟, 模拟采用了Lin微物理方案、Noah陆面过程方案、RRTM长波辐射方案、Goddard短波辐射方案、YSU边界层方案、修改后的MM5 Monin-Obukhov近地面层方案、Grell 3D ensemble积云参数化方案、CBMZ气相化学机制、Fast-J光解方案和MOSAIC气溶胶方案.再分析资料为欧洲中期天气预报中心的ERA5数据, 空间分辨率为0.25°, 时间分辨率为6 h.文中使用的排放源为清华大学MEIC-2016逐月排放资料, 空间分辨率为0.25°.
3 结果与讨论(Results and discussion) 3.1 大气污染物质量浓度变化图 1为2020年、2015—2019年各阶段沈阳市PM2.5、PM10、NO2和O3质量浓度均值及变化率.在正常期, 2020年PM2.5、PM10、NO2和O3质量浓度均高于前5年的平均值, 分别偏高33.85%、14.06%、4.60%和24.39%, 其中PM2.5和O3的偏高程度更为明显.2020年1月沈阳市EMI指数为2.77, 2015—2019年1月沈阳市平均EMI指数为2.78, 说明正常期沈阳市气象条件对PM2.5累积的影响较前5年基本相似, 那么大气污染物浓度偏高可能与2020年1月下旬春节假期期间沈阳市烟花爆竹燃放导致的人为排放激增有关.在防控期, 2020年PM2.5、PM10和NO2质量浓度均低于前5年的平均值, 分别偏低35.63%、37.13%以及32.44%, 这与Le等(2020)、乐旭等(2020)的研究结论一致.防控期内O3质量浓度较前5年平均值出现了小幅度增加, 偏高3.97%, 防控背景下O3浓度不降反升, 既与PM2.5浓度降低有关(余益军等, 2020), 还同人为排放的NOx降低使得O3滴定作用减弱有关, 因为高浓度的NOx水解对HO2的吸收会促进光化学过程的终止, 使得O3浓度降低(Bao et al, 2020；Hans et al, 2020；Collivignarelli et al, 2020；Li et al, 2020；姚青等, 2020).此外, 在一定的浓度范围内, O3对气象条件响应机制较复杂, 防控期间少雨天气导致的太阳辐射增加(刘长焕等, 2018)、气温随季节升高有利于大气光化学反应的进行且对边界层结构造成影响(王莉等, 2018).
 |
| 图 1 2020年与2015—2019年沈阳市各阶段PM2.5 (a)、PM10 (b)、NO2 (c)和O3 (d) 质量浓度平均值及变化率 Fig. 1 The mean mass concentrations and change rates of PM2.5(a), PM10(b), NO2(c) and O3(d) at various stages in Shenyang of 2020 and 2015 to 2019 |
在复工期, 大气颗粒物PM2.5、PM10质量浓度较前5年同期表现出偏高的特征, 分别偏高20.30%和8.99%, 气态污染物NO2和O3质量浓度较前5年同期的变化幅度明显小于颗粒物, 变化率分别为增加4.88%和降低0.68%, 沈阳市复工后大气污染物的增幅低于中国东部地区(Zhang et al, 2020), 该特征可能是防控期内大气污染物排放减少作用的持续影响和春季季风、对流增强等不利于污染物累积的气象条件所共同导致的.
通过对2015—2019年沈阳市逐日的大气污染物质量进行皮尔森相关分析, 发现PM2.5、PM10和NO2质量浓度呈下降趋势, O3质量浓度呈上升趋势, 趋势分析均通过95%的置信度检验(表 1), 说明上述污染物的变化趋势是显著的.
| 表 1 2015—2020年沈阳市PM2.5、PM10、NO2、O3线性变化趋势检验 Table 1 Linear variation trend test of PM2.5、PM10、NO2、O3 in Shenyang from 2015 to 2020 |
 |
为了探究新冠疫情防控措施对沈阳市大气污染物质量浓度年变化趋势的影响, 参考乐旭等的研究方法(乐旭等, 2020), 根据2015—2019年2—3月沈阳市大气污染物质量浓度值进行线性外推, 得到2020年防控期大气污染物的理论质量浓度并与防控期内实际的质量浓度进行对比.可以发现(表 2), 2020年防控期内大气污染物的实际质量浓度均低于线性趋势外推值(除2月的PM10和O3偏高以外), 防控措施使得沈阳市PM2.5、PM10、NO2和O3质量浓度较理论质量浓度降低了11.78、7.43、9.40和6.41 μg · m-3, PM2.5和NO2的减少程度大于PM10和O3, 说明沈阳地区PM2.5和NO2质量浓度变化受人为活动的影响更大.
| 表 2 2015—2020年2—3月大气污染物线性变化趋势 Table 2 Linear variation trend of air pollutants in February and March from 2015 to 2020 |
|
通常情况下, 大气污染物的排放源是稳定排放的, 而大气污染物质量浓度的变化很大程度上取决于气象条件的改变(孙兆彬等, 2016).为了分析防控期内气象因子对大气污染物浓度变化造成的影响, 本研究统计了2020年和2015—2019年防控期内沈阳市温度、相对湿度、混合层高度、地面风速等气象要素的平均值并进行对比.从表 3中可以看出, 2020年防控期温度升高(近6成), 气压降低(0.12%), 相对湿度降低(11.59%), 地面风速减小(4.71%), 混合层高度增加(4.29%), 日照时数减少(2.92%).
| 表 3 2020年和2015—2019年防控期的温度、气压、相对湿度、混合层高度、风速和日照时数 Table 3 Average temperature, air pressure, relative humidity, mixing layer height, wind speed and sunshine duration during the prevention and control period in 2020 and 2015—2019 |
|
温度和相对湿度是影响大气污染物质量浓度的重要因素, 2020年防控期内沈阳市气温偏高, 气压偏低, 说明冷空气活动弱, 不利于污染的水平扩散, 从而造成污染物的累积(何建军等, 2016；程念亮等, 2016)；但防控期内的相对湿度降低, 不利于污染物通过多相反应形成(Tie et al, 2020), 混合层高度的增加利于污染物的垂直稀释扩散, 又会对污染物的生成与累积造成一定的抑制.
对比2020年与2015—2019年防控期风场和PM2.5质量浓度的关系来看(图 2), 两个时段内风向均以偏北风和西南风为主, 2020年西南风风速减小, 与西南风对应的PM2.5质量浓度也明显下降, 说明2020年防控期内沈阳市大气污染物受外来输送造成的影响降低.
 |
| 图 2 2020年(a) 与2015—2019年平均(b) 防控期的风向风速和PM2.5质量浓度 Fig. 2 Wind direction, wind speed and PM2.5 mass concentration during the prevention and control period in 2020 (a) and 2015—2019 average (b) |
定量描述气象条件对大气污染物浓度的影响是一个复杂问题, 除本地气象条件, 周边的排放和区域气象场也会影响目标点的大气污染物浓度.本研究以2020年防控期间的首要污染物PM2.5为例, 利用EMI指数评估气象条件对大气污染物质量浓度的影响.
不同年度之间相同时段相互比较时, EMI指数的差异可理解为在排放不变条件下气象条件所导致的大气污染物浓度变化率；该变化率与实际观测的大气污染物浓度变化率的差值即为减排措施产生的理论效果, 其差值越大表示大气污染减排效果越显著, 差值越小或为负值表示大气污染减排效果不明显.由表 4可以看出, 2020年防控期沈阳市平均EMI指数2.21, 较2015—2019年同期的EMI指数2.56减少了13.67%, 说明2020年防控期沈阳市PM2.5质量浓度受气象条件变化影响下降13.67%.实际上, 2020年防控期沈阳市PM2.5质量浓度为45.28 μg · m-3, 较2015—2019年同期的PM2.5质量浓度70.35 μg · m-3下降了36.63%.对比PM2.5质量浓度下降率可以看出, 2020年防控期沈阳市施行的防控措施造成的减排使得PM2.5质量浓度下降了22.96%, 大于疫情防控期间气象因素对PM2.5质量浓度下降所起的作用(13.67%).
| 表 4 2020年和2015—2019年沈阳市防控期的平均EMI指数、PM2.5质量浓度及变化率 Table 4 Average average EMI index, PM2.5 mass concentration and change rate in Shenyang during the prevention and control period in 2020 and 2015—2019 |
|
在2020年疫情防控的背景下, 通过分析沈阳市空气质量指数AQI和PM2.5、PM10质量浓度的变化情况, 发现在2月5—12日出现了一次重污染天气过程.AQI指数与PM2.5、PM10质量浓度于2月6日凌晨开始上升, 6—9日期间AQI指数与污染物质量浓度呈明显的日变化的波动, 最大AQI指数超过150, 为中度污染, PM2.5与PM10质量浓度的最大值在100~150 μg · m-3的范围内波动变化；9日夜间起, 沈阳市AQI指数与污染物质量浓度急剧拉升, 在9日午夜到10日凌晨, AQI指数超过250, 达到重度污染等级, PM2.5质量浓度超过200 μg · m-3, PM10质量浓度接近300 μg · m-3, 11日白天AQI指数下降到100, 在夜间AQI指数又快速上升到250, 12日凌晨起AQI指数开始下降, 最终达到50以下, PM2.5和PM10质量浓度也经历了明显的急速波动(图 3).
 |
| 图 3 2020年2月5—12日沈阳市空气质量指数AQI (a)和PM2.5、PM10 (b) 质量浓度变化 Fig. 3 Changes of air quality index AQI(a) and mass concentrations of PM2.5 and PM10 (b) of February 5th—12th, 2020 in Shenyang |
为了分析本次重污染天气过程的发生气象成因, 本研究分析了过程期间沈阳站(54342)的逐日气象要素演变(图 4).可以看出, 2月6日起沈阳市温度和相对湿度开始逐渐升高, 风速和混合层高度出现明显的降低；2月10日温度和相对湿度达到过程最大值, 风速和混合层高度达到过程最小值, 不利气象条件达到极端状态, 造成了2月11日大气污染物质量浓度与AQI指数峰值的出现.上述结果表明, 在疫情防控期间, 虽然在较明显减排的背景下, 当出现不利气象条件时, 依然会出现重污染天气.
 |
| 图 4 2020年2月5—11日沈阳市逐日温度(a)、相对湿度(b)、风速(c)和混合层高度(d) Fig. 4 Daily temperature(a), relative humidity(b), wind speed(c) and mixing layer height(d) of February 5th—11th, 2020 in Shenyang |
为探究本次重污染天气过程中气象因素和人为减排的影响, 本研究对比了沈阳市2020年2月5—11日气象要素值和2015—2019年同期的平均气象要素值, 基于WRF-Chem模式模拟了原始排放条件下本次污染过程大气污染物的质量浓度.从表 5可以看出, 重污染天气期间, 沈阳市平均气压、温度、相对湿度和日照时数升高(0.29%、22.99%、30.39%和21.58%), 风速和混合层高度降低(16.15%和23.41%), 小风和低混合层利于污染物的累积, 高温高湿则有利于污染物的二次转化, 加重空气质量的恶化.
| 表 5 2020年2月5日—11日和2015—2019年同期沈阳市的气象条件 Table 5 The meteorological conditions of February 5th—11th, 2020 and the same period of 2015—2019 in Shenyang |
|
图 5为原始排放条件下PM2.5和PM10质量浓度模拟值与防控期减排条件下的实况浓度值逐小时对比.可以看出, 疫情减排下的PM2.5和PM10峰值浓度明显降低, 降低幅度约为50%；但在重污染发生时, PM2.5和PM10的平均浓度较原始排放下出现明显的增加.重污染期间, 原始排放模拟的平均PM2.5质量浓度为81.11 μg · m-3, 实际的平均PM2.5质量浓度为84.36 μg · m-3, 原始排放模拟的平均PM10质量浓度为93.12 μg · m-3, 实际的平均PM10质量浓度为111.35 μg · m-3, 在疫情减排的条件下, PM2.5和PM10平均质量浓度分别出现了4.01%和19.58%的增加, 大粒径颗粒物的偏高程度明显大于小粒径颗粒物的偏高程度, 由此推断, 颗粒物浓度的偏高可能有该时段内人为排放的突然增加有关.2月8日为元宵节, 2020年是沈阳市允许燃放烟花爆竹的最后一年, 由表 6可知, 2月6日开始, 沈阳市SO2质量浓度较前两日增加了1倍, 污染主要时段(2月6—9日)的SO2浓度也明显高于前期均值.SO2作为烟花爆竹中硫化物的指示物, 其质量浓度的骤升可以说明人为燃放导致的排放量增加.在这样的背景下, 人为活动的突然增加造成污染物排放的增加并高于原始排放水平, 在不利气象因素的影响下, 就会出现污染物浓度的上升.
 |
| 图 5 原始排放条件和减排条件下PM2.5 (a)和PM10 (b) 质量浓度模拟值逐小时对比 Fig. 5 Comparison of simulated hourly mass concentrations of PM2.5 (a) and PM10(b) under original emission conditions and emission reduction conditions |
| 表 6 沈阳市SO2日均质量浓度 Table 6 Day average mass concentrations of SO2 in Shenyang |
|
利用EMI指数分析气象条件和人为减排对本次疫情期间发生的重污染过程所起的作用.2020年2月5—11日沈阳市平均EMI指数2.11, 较2015—2019年同期的平均EMI指数2.04偏高3.31%, 说明不利的气象条件(静稳、高湿)对本次重污染天气过程中沈阳市PM2.5质量浓度上升造成的贡献为3.31%.分析PM2.5质量浓度的观测可知, 本次过程中沈阳市PM2.5质量浓度较2015—2019年同期增加了4.01%, 对比气象要素贡献(3.31%)可知人类活动对本次重污染天气过程中, 沈阳市PM2.5质量浓度上升造成的贡献仅为0.7%, 说明在疫情防控的情况下, 人为排放突然增加对重污染天气的贡献明显低于不利气象条件的贡献.综上所述, 在2020年新冠疫情防控背景下, 沈阳市出现的一次重污染天气过程是由不利的气象条件的出现和人为排放的增加作用的相互叠加而导致的, 其中不利气象条件对重污染天气发生的贡献更重要.
4 结论(Conclusions)1) 2020年防控期内, 沈阳市空气质量整体改善, PM2.5、PM10和NO2质量浓度低于2015—2019年同期平均值, O3质量浓度与2015—2019年同期平均值相比表现出先增加后降低的特征.沈阳市PM2.5和NO2质量浓度对污染物减排响应较为敏感.
2) 疫情期间沈阳市气象条件整体不利于污染天气出现, 日照时数减少, 相对湿度降低, 西南风风速减小, 污染物外来输送影响降低.PM2.5的EMI指数分析表明, 气象条件造成疫情期间沈阳市PM2.5质量浓度下降了16.37%, 防控减排措施导致沈阳市PM2.5质量浓度下降了22.96%.
3) 疫情防控减排期间, 当出现不利气象条件并且污染物排放突然增加时, 重污染天气依然会出现, 而且污染的强度较强；疫情减排对重污染过程的峰值浓度有明显的削减作用.在减排背景下, 人为排放突然增加对大气污染物浓度升高的贡献明显低于不利气象条件的贡献.
Bao R, Zhang A. 2020. Does lockdown reduce air pollution? Evidence from 44 cities in northern China[J]. Science of the Total Environment, 731: 139052. DOI:10.1016/j.scitotenv.2020.139052 |
Chen K, Wang M, Huang C H, et al. 2020. Air pollution reduction and mortality benefit during the COVID-19 outbreak in China[J]. Lancet Planetary Health, 4(6): 210-212. DOI:10.1016/S2542-5196(20)30107-8 |
程念亮, 李云婷, 张大伟, 等. 2016. 2014年北京市城区臭氧超标日浓度特征及与气象条件的关系[J]. 环境科学, 37(6): 2041-2051. |
Collivignarelli M C, Abba A, Bertanza G, et al. 2020. Lockdown for COVID-2019 in Milan: What are the effects on air quality?[J]. Science of the Total Environment, 732. DOI:10.1016/j.scitotenv.2020.139280 |
Erika V S, Kristina S, Elizabeth C, et al. 2019. Air pollution at human scales in an urban environment: Impact of local environment and vehicles on particle number concentrations[J]. Science of the Total Environment, 688: 691-700. DOI:10.1016/j.scitotenv.2019.06.309 |
Han X, Zhang M G, Zhu L Y, et al. 2016. Assessment of the impact of emissions reductions on air quality over North China Plain[J]. Atmospheric Pollution Research, 7(2): 249-259. DOI:10.1016/j.apr.2015.09.009 |
Hans B. 2020. Air pollution goes down as Europe takes hard measures to combat coronavirus[R]. European Environment Agency, https://www.eea.europa.eu/highlights/air-pollution-goes-down-as
|
何建军, 余晔, 刘娜, 等. 2016. 气象条件和污染物排放对兰州市冬季空气质量的影响[J]. 高原气象, 35(6): 1577-1583. |
Le T, Wang Y, Liu L, et al. 2020. Unexpected air pollution with marked emission reductions during the COVID-19 outbreak in China[J]. Science, 369(6504): eabb7431. |
乐旭, 雷亚栋, 周浩, 等. 2020. 新冠肺炎疫情期间中国人为碳排放和大气污染物的变化[J]. 大气科学学报, 43(2): 265-274. |
Li L, Li Q, Huang L, et al. 2020. Air quality changes during the COVID-19 lockdown over the Yangtze River Delta Region: An insight into the impact of human activity pattern changes on air pollution variation[J]. Science of the Total Environment, 732: 139282. DOI:10.1016/j.scitotenv.2020.139282 |
刘洪利, 龚山陵, 何建军, 等. 2018. 环境气象评估指数EMI原理及应用[Z]. 第35届中国气象学会年会
|
刘长焕, 邓雪娇, 朱彬, 等. 2018. 近10年中国三大经济区太阳总辐射特征及其与O3、PM2.5的关系[J]. 中国环境科学, 38(8): 2820-2829. DOI:10.3969/j.issn.1000-6923.2018.08.004 |
Nozaki K Y. 1973. Mixing Depth Model Using Hourly Surface Observations[R]. Report 7053
|
孙兆彬, 安兴琴, 崔甍甍, 等. 2016. 北京地区颗粒物健康效应研究——沙尘天气、非沙尘天气下颗粒物(PM2.5、PM10)对心血管疾病入院人次的影响[J]. 中国环境科学, 36(8): 2536-2544. DOI:10.3969/j.issn.1000-6923.2016.08.036 |
Tie X, Huang R J, Cao J, et al. 2017. Severe Pollution in China Amplified by Atmospheric Moisture[J]. Scientific Report, 7: 15760. DOI:10.1038/s41598-017-15909-1 |
王莉, 贺玉川, 于光, 等. 2018. 泰州市PM2.5与常规空气污染物及气象因素的相关性分析[J]. 中国卫生检验杂志, 28(22): 2788-2792+2795. |
Xue W, Zhan Q M, Zhang Q, et al. 2019. Spatiotemporal variations of particulate and gaseous pollutants and their relations to meteorological parameters: The case of Xiangyang, China[J]. International Journal of Environmental Research and Public Health, 17(1): 1-23. DOI:10.3390/ijerph17010001 |
姚青, 韩素芹, 张裕芬, 等. 2020. 天津夏季郊区VOCs对臭氧生成的影响[J]. 环境科学, 41(4): 1573-1581. |
余益军, 孟晓艳, 王振, 等. 2020. 京津冀地区城市臭氧污染趋势及原因探讨[J]. 环境科学, 41(1): 106-114. |
张碧辉, 刘洪利, 张迪, 等. 2019. QX/T 479-2019, PM2.5气象条件评估指数(EMI)[S]. 北京: 中国气象局
|
Zhang R X, Zhang Y Z, Lin H P, et al. 2020. NOx emission reduction and recovery during COVID-19 in east China[J]. Atmosphere, 11(4): 433. DOI:10.3390/atmos11040433 |
张小曳, 徐祥德, 丁一汇, 等. 2020. 2013-2017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, 50(4): 483-500. |
智艳, 罗长远. 2020. 新冠肺炎疫情对中国经济的影响及其思考[J]. 学习与探索, (4): 99-105. |