Advances in Geosciences
Vol.08 No.03(2018), Article ID:25623,10 pages
10.12677/AG.2018.83071

Temporal and Spatial Characteristics of Air Pollutants in Beijing

Ling Lu, Aiwu Zhang, Xiaoyan Kang

Ministry of Education Key Laboratory on 3D Information Acquisition & Application, Capital Normal University, Beijing

Received: Jun. 8th, 2018; accepted: Jun. 22nd, 2018; published: Jun. 27th, 2018

ABSTRACT

The temporal variation and spatial distribution of PM2.5, PM10, NO2, SO2, CO, O3 released by Beijing Municipal Environmental Monitoring Center of Beijing in 2016 were discussed by means of mathematical statistics and spatial analysis. Spearman correlation analysis was used to explore the correlation between these six pollutants. The results showed that in monthly average of 2016, PM10, PM2.5 showed bimodal curves, NO2, SO2 showed wavy-shaped curve, CO showed a three-peak curve and O3 showed a single-peak curve. During seasonal variation, the average concentrations of PM2.5, NO2, SO2 and CO were the highest in winter, and PM10 was the highest in spring. The average concentrations of these 5 pollutants were the lowest in summer, while O3 was the opposite. In spatial distribution of 2016, the concentrations of PM2.5, PM10, SO2 and CO in the south were higher than the north, the concentration of NO2 in urban was higher than the suburb, while the concentration of O3 in the north was higher than the south. Correlation analysis result displayed there was a significant positive correlation between PM2.5, PM10, NO2, SO2 and CO, while O3 showed a negative correlation with other pollutants.

Keywords:Beijing, Air Pollutants, Time Variations, Spatial Distribution, Relativity

北京市大气污染物时空变化特征

路玲,张爱武,康孝岩

首都师范大学三维信息获取与应用教育部重点实验室,北京

收稿日期:2018年6月8日;录用日期:2018年6月22日;发布日期:2018年6月27日

摘 要

使用2016年北京市环境监测中心发布的大气污染物数据,运用数理统计和GIS空间分析的方法,分析了2016年北京市PM2.5、PM10、NO2、SO2、CO、O3的时空变化特征,同时利用Spearman相关分析法探讨了此6种污染物之间的相关性。结果表明:2016年月变化趋势中,PM10和PM2.5变化曲线相似呈双峰分布,NO2、SO2变化曲线相似呈波浪型分布,CO呈三峰分布,O3呈单峰分布;季节变化中,PM2.5、NO2、CO秋冬污染高于春夏,PM10春秋污染高于冬夏,SO2春冬高于夏秋,O3则春夏高于秋冬。空间分布上PM2.5、PM10、SO2、CO均表现出由南向北逐渐降低的变化趋势,NO2城区污染高于郊区,O3北部污染高于南部。相关性分析结果显示PM2.5、PM10、NO2、SO2、CO之间呈现出显著的正相关性,O3则与其他污染物呈现出负相关性。

关键词 :北京市,大气污染物,时间变化,空间分布,相关性

Copyright © 2018 by authors and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

1. 引言

随着工业化、城市化进程的加快,大量影响人体健康的物质如气态污染物(SO2、NO2、O3、CO等)、颗粒污染物(如PM2.5、PM10等)被排放到大气中,引发了一系列大气污染问题,并引发生态环境危机。当前环境空气质量的污染特征已经由煤烟型向复合型转变,区域性大气污染问题和臭氧污染日益突出 [1] 。京津冀地区、长江三角洲、珠江三角洲等经济发达地区经常出现长期、持续的雾霾污染事件 [2] ,不仅导致大气能见度下降,而且还增加呼吸道疾病发病率和人类死亡率 [3] 。北京市处于京津冀地区的中心,雾霾天气频繁发生,大气污染问题备受关注。因此本文对北京市大气污染物进行综合地监测和分析,科学准确地描述大气污染物浓度的时空分布规律,从而遏制大气污染问题,改善大气环境质量。

近年来,针对大气污染物污染特征的研究大多集中在两个方面,一是利用遥感卫星数据进行气溶胶反演模拟,结合地面监测数据进行相关分析,得出地面污染物和空气污染指数的遥感反演模型 [4] [5] [6] ;二是利用污染物监测仪器进行采样研究,如使用颗粒物监测仪、浊度仪等,合理设立监测站点从而得出污染物不同时间的污染浓度资料并进行时空分布研究,得出污染物变化特征,或者对一种或多种污染物的组成成分进行研究进行源解析,得出污染物的污染源信息、扩散规律等 [7] - [18] 。在地面站点研究中,苗蕾等 [7] 对2005~2014年北京城区(宝联)和郊区(上甸子本底站)的监测数据进行研究发现日最大风速和相对湿度日变化影响着PM2.5质量浓度;王占山等利用北京市环境保护中心的PM2.5、O3数据并结合天气背景场、气团运动轨迹等气象要素、PM2.5化学组分、大气氧化性对北京市PM2.5和O3污染状况进行分析,发现了二者在污染扩散中的相互作用 [9] [10] ;程念亮等对2013~2014年NO2研究发现了高浓度NO2促进了O3的生成,并在 2000~2014年北京市一次重污染过程的SO2浓度数据研究中发现了近年来SO2浓度累计降低的趋势 [11] [12] 。由于这些研究大都只考虑了一种或两种污染物,然而一个地区存在着多种大气污染物,这些污染物从来都不会单独影响大气环境质量。因此,本文综合研究2016年PM2.5、PM10、NO2、SO2、CO、O3的空间分布特征、逐月及季节变化特征及各污染物间的关系,并运用空间分析和数理统计手段得出大气污染物的空间分布规律,为大气污染防治查漏补缺。

2. 数据与方法

2.1. 研究数据

本文使用2016年北京市环境保护监测中心35个监测站点发布的PM2.5、PM10、NO2、SO2、CO、O3逐日平均浓度资料。35个大气环境自动监测子站分布情况如图所示(图1),主要包括23个环境评价点,1个城市清洁对照点,6个区域背景传输点,5个分布在北京二环、三环和四环主干道上的交通污染控制点。35个监测点分布地区涵盖区域背景、郊区、城区、城镇、交通干道、居住区等不同的环境类型,基本覆盖所有区县。本研究使用的数据为35个监测站点2016年1~12月的逐日平均浓度资料。

空间分布小节中北京市及各区域工业产值、能源消费、汽车保有量数据来源于《北京市统计年鉴》和《北京市区域统计年鉴》,土地利用数据来源于Globeland 30数据(分辨率30 m)。

2.2. 实验方法

为了便于分析北京地区6种大气污染物的季节分布特征,本文依据北京地区气候特征,将一年划分为春季3~5月、夏季6~8月、秋季9~11月、冬季1月、2月和12月。本文采用取均值法得到2016年1~12月各监测站点的PM2.5、PM10、SO2、NO2、CO、O3的日均浓度数据、月均浓度值、季浓度均值、年浓度均值。同时为了得到北京地区大气污染物的区域变化特征,本文将北京市按照行政区划分为5个地区,分别为城六区(东城、西城、朝阳、海淀、丰台、石景山)、西北部(延庆、昌平)、东北部(怀柔、密云、顺义、平谷)、西南部(门头沟、房山)和东南部(通州、大兴、亦庄),并将坐落在各区的所有站点的各个污染物的平均浓度作为每个地区的污染物浓度。本文所采用的插值方法为Kriging插值法,此方法不仅考虑了待插值点的位置与已知数据位置的相互关系,而且还考虑了变量的空间相关性 [19] [20] 。表达式(式1)如下:

Z ^ ( S 0 ) = i = 1 n λ i Z ( S i ) (1)

其中: Z ( S i ) 为第i个位置处的测量值; λ i 为第i个位置处的测量值的未知权重; S 0 为预测位置;N

Figure 1. Location of 35 monitoring sites in Beijing

图1. 北京市35个监测站点位置

为测量指数。权重 λ i 取决于测量点、预测位置的距离和预测位置周围的测量值之间空间关系的拟合模型本文使用的半方差模型为球面模型,即空间自相关随着距离的增加逐渐减小,超出某个距离后自相关为零。

由于6种污染物全年质量浓度总体分布状况不明确,各个污染物之间的相互关系也不一定为线性关系,故本文采用的相关性分析方法为Spearman秩相关系数法,此方法能提供2个随机变量在线性或非线性相关下的共变趋势程度,因此能更加客观地反应各个污染物质量浓度之间的相关关系。计算过程如下(式2):

对原始数据 x i , y i 按从大到小排序,记 x i , y i 为原始 x i , y i 在排序后列表中的位置,

x i , y i 称为 x i , y i 的秩次,秩次差 d i = x i y i

秩相关系数的表达式如下:

ρ s = 1 6 d i 2 n ( n 2 1 ) (2)

3. 结果分析

将北京市2016年1~12月各个监测站点的污染PM2.5、PM10、NO2、SO2、CO、O3的浓度进行整理统计,得出2016年浓度均值分别为73.88 μg/m3、97.85 μg/m3、47.81 μg/m3、11.09 μg/m3、1.32 mg/m3、56.25 μg/m3。根据GB3095-2012环境空气质量标准 [21] 可知2016年SO2、CO浓度水平达标,而PM2.5、PM10、NO2年均浓度均高于国家二级标准。据相关资料分析显示,2015~2016年O3污染也有加重趋势 [22] 。因此,北京市PM2.5、PM10、NO2、O3治理仍需继续加大力度。

3.1. 时间变化

3.1.1. 逐月变化

图2(a)为2016年北京市6种大气污染物月均浓度变化情况。可以看出,6种大气污染物均出现了峰值。其中PM10和PM2.5变化曲线相似呈双峰分布,二者第一个浓度峰值都出现在3月份且PM2.5在7月份达到第二个峰值,PM10则在11月份达到第二个峰值。二者浓度最低值都出现在8月份,最高值则分别在12月份和11月份。全年CO变化波动较大,呈三峰分布,峰值分别出现在3月份、7月份、9月份,浓度最低值出现在5月份,浓度最高值出现在12月份。全年O3变化呈单峰分布,1~6月份浓度呈上升趋势,6-12月份浓度呈下降趋势,其中6月份为全年月均浓度最高值,11月份为全年月均浓度最低值。全年NO2、SO2全年变化呈波浪型分布且变化趋势相似,均在3月份有一个峰值,其中NO2变化幅度大于SO2,NO2月均浓度年最低值出现在7月份,最高值出现在12月份,SO2浓度最低值出现在8月份,最高值出现在1月份。总体来说,2016年6种大气污染物月均浓度变化中,除O3之外,其他5种污染物在1~5月份变化趋势相似,且均在3月份有一个峰值,PM2.5、NO2、SO2均在8~12月份呈浓度逐渐升高趋势。PM2.5、PM10、SO2全年浓度最低值均出现在8月份,PM2.5、CO、NO2浓度最高值均在12月份。

3.1.2. 季节变化

图2(b)为2016年北京市6种大气污染物季节变化趋势图。由图5可以看出,受北京地区夏季降雨频繁,植被覆盖度高等因素的影响,除O3之外,其他5种污染物均呈现出了夏季浓度最低的季节特征。因受冬季采暖燃煤、持续逆温等不利的气象条件的影响 [23] [24] ,PM2.5、NO2、SO2、CO均在冬季浓度最高。PM10则在春季浓度最高,出现这种现象的原因可能为PM10直接来源于燃煤、机动车和扬尘等一次排放,同时春季又多风沙天气,刮风携带的颗粒物及地面扬尘又促进了PM10的生成 [25] [26] ,因而导致PM10春季达到一年中的最大值。由图3可知,PM2.5、NO2、CO浓度降序排列为冬季 > 秋季 > 春季 > 夏季,三者秋季污染高于春季主要受秋季多逆温,大气垂直运动小的天气形势不利于污染物扩散的影响。

Figure 2. Monthly and seasonal changes of six pollutants in Beijing in 2016

图2. 2016年北京市6种污染物逐月及季节变化情况

(a)~(f)分别代表2016年PM2.5、PM10、NO2、SO2、CO、O3空间插值分布图

Figure 3. Spatial interpolation distribution of 6 airpollutants in Beijing in 2016

图3. 2016年北京市6种大气污染物空间插值分布

PM10浓度降序排列为春季 > 秋季 > 冬季 > 夏季,其中秋季和冬季浓度相差不大,仅为3.44 μg/m3;SO2浓度变化降序排列为冬季 > 春季 > 秋季 > 夏季,这与程念亮研究的多年SO2时空分布结果一致 [12] ,SO2的主要来源为化石燃料的燃烧与城市工业活动,冬春高于秋夏可能受冬春季采暖燃料的大量使用的影响。6种大气污染物中O3季节浓度变化与其他5种污染物差异较大,污染浓度降序排列为夏季 > 春季 > 秋季 > 冬季,造成这种现象的主要原因为O3的生成受NOx和挥发性有机物(VOCs)影响作用,夏季温度高、白昼长,植被排放的VOCs较多,在高温、强光照等气象条件下更有利于NOx和VOCs的二次转化 [10] [11] [26] 。

3.2. 空间分布

3.2.1. 年空间分布

图3为2016年北京市6种大气污染物空间插值分布图,可以看出,颗粒污染物(PM2.5、PM10)和气态污染物中的SO2、CO浓度空间分布相似,均呈现出由北向南逐渐升高的梯度变化特征,PM2.5、PM10、SO2、CO浓度高值区主要分布在房山区、大兴区、通州区的南部,低值区主要分布在延庆区的东北部、怀柔区北部、密云区的西北部。结合2016年北京市各区县的能源消耗、工业生产总值汽车保有量、土地利用分布数据等(图4图5)分析可知出现这种现象的原因受以下因素的影响:第一,南部地区机动车、工业、燃煤等污染排放源多于北部,而重污染日多偏南风,南部地区的污染物通过传输作用扩散至北部 [7] [8] ,随着污染物自南向北扩散浓度逐渐降低;第二,北部多山区,生态环境优良,植被覆盖率高,空气净化能力高于南部地区 [8] 。NO2浓度高值区主要分布在城六区、通州区、大兴区的北部、房山区的东部污染,城六区污染最重,怀柔区的东北部和密云区北部污染最轻。主要原因为NO2浓度主要来源于机动车排放,城区机动车排放量远大于周边地区。O3高值区主要分布在延庆、怀柔北部、密云、平谷,城六区污染反而最轻,出现这种现象的原因有:第一,城区排放的氮氧化物较多,氮氧化物和O3之间发生氧化还原反应从而消耗了O3导致O3浓度比郊区低;第二,郊区多山区,植被覆盖率高于城区,植被排放的挥发性有机物(VOCs)有助于O3的生成。第三,O3的形成受光化学反应的影响,由图3(a)、图3(b)可知,北部地区的颗粒物比南部和中心地区少,全年光照更强,更有利用O3的生成 [10] [11] [26] 。

3.2.2. 各地区逐月变化

图6为绘制出的城六区、西北部、东北部、西南部、东南部地区1~12月PM2.5、PM10、NO2、SO2、CO、O3月均浓度变化玫瑰图。可以看出,6种污染物在5个地区不同月份间的变化趋势具有较高的一致

Figure 4. Regional share of energy consumption, industrial production, and car ownership in Beijing in 2016

图4. 2016年北京市各地区能源消费、工业生产总值、汽车保有量所占比重

Figure 5. Land use map of Beijing

图5. 北京市土地利用分布图

性,这从一个角度体现了北京市大气污染的区域性特征。与其他月份相比,5个地区PM2.5、PM10、SO2、CO均在1~3月份、10~12月份为浓度高值月份,均在7、8月份为浓度低值月份;O3则在5~8月份为浓度高值月份,10~12月为浓度低值月份;NO2在1~12月份浓度变化较稳定。每种污染物中,当浓度处于全年的低值月份时,各个地区之间污染物浓度相差较小,当浓度处于全年高值月份时,各个地区之间污染物浓度相差较大,体现了北京市大气污染物之间的扩散与传输特征。五个地区六种污染物在12个月份中PM2.5、PM10、SO2、CO西南部、东南部浓度要高于其他地区,城六区居中,西北部和东北部浓度较低;NO2城六区高于其他地区;O3西北部、东北部高于其他地区,这些规律与上文污染物年际空间分布一致,表明上文空间插值分布图有一定的准确性。

3.3. 相关性分析

为了得到2016年6种污染物之间的相互关系,将35个监测站点的PM2.5、PM10、NO2、SO2、CO、O3日均浓度数据进行样本统计后进行分布类型检验,取其中的有效样本进行分析(表1)。由于6种污染物数据均不服从正态分布,对6组数据进行Spearman相关性统计分析。结果(表1)显示,PM2.5、PM10、NO2、SO2、CO之间都显示出显著的正相关性,与PM2.5相关性由高到低的污染物依次为PM10、CO、NO2、SO2;与PM10相关性由高到低的污染物依次为PM2.5、CO、NO2、SO2;与NO2相关性由高到低的污染物依次为CO、PM2.5/PM10、SO2;与SO2相关性由高到低的污染物依次为NO2、CO、PM10、PM2.5;与CO相关性由高到低的污染物依次是PM2.5、PM10、NO2、SO2。造成这种结果的影响从污染物来源角度分析,PM2.5、PM10主要来源于扬尘、秸秆垃圾的焚烧、化石燃料的燃烧、机动车尾气排放、环境空气中SOx、NOx、VOCx及其它化合物反应生成;NO2、SO2主要来自化石燃料的燃烧,比如机动车尾气排放、火力发电厂、工业废气等;CO来源于含碳物质不完全燃烧过程,如内燃机排气、锅炉中化石燃料的燃烧。由于此5

(a) PM2.5浓度μg/m3;(b) PM10浓度μg/m3;(c) NO2浓度μg/m3;(d) SO2浓度μg/m3;(e) CO浓度mg/m3;(f) O3浓度μg/m3

Figure 6. The monthly mean concentration of air pollutants in various districts of Beijing in 2016

图6. 2016年北京市各区大气污染物月均浓度

种污染物均同时来源于工业生产、居民生活、采暖等过程中化石燃料的燃烧、机动车尾气排放等,故此5种污染物呈现出一定的正相关性。因PM2.5是PM10的直接组成部分,故二者相关性最高。有关研究表明,大气氧化性对PM2.5的形成有显著的影响 [9] ,而NO2和O3在一定条件下反应可以生成大气氧化剂,同时 SO42-、NH4+、NO3-是构成PM2.5的重要组分,这又从一个角度上解释了 PM2.5与NO2、SO2之间的正相关性。O3产生于氮氧化物和挥发性有机物之间的光化学反应,而氮氧化物产生于空气参与的燃烧,挥发性有机物则来源于工业排放、机动车尾气、装修、油漆等,故O3与其他5种污染物则均表现出了负相关性。O3与其他污染物的负相关性由高到低依次为NO2、CO、SO2、PM2.5、PM10。又因O3可在合适的气象条件下与NOx、CO直接发生反应,故与NO2、CO负相关性相对较高。6种污染物之间的这些相关性充分说明了北京市大气污染物之间具有相互作用、彼此耦合的复合特性,即北京市大气污染物具有

Table 1. Correlation coefficients of 6 main pollutants in Beijing in 2016

表1. 2016年北京市6种主要大气污染物的相关系数

注:置信度水平α = 0.01 (2-tailed)。

复合型的污染特征。

4. 结论

1) 2016年北京市6种大气污染物月均变化中,PM10和PM2.5变化曲线相似呈双峰分布,且二者浓度均在8月份达到最低;NO2、SO2变化曲线相似呈波浪型分布,但均在7、8月份出现浓度低值;CO呈三峰分布,其浓度在12月份出现最大值;O3呈单峰分布,在1~6月份浓度呈上升趋势,6~12月份浓度呈下降趋势,6月份达到浓度最大值。季节变化中,PM2.5、NO2、SO2、CO浓度均在冬季最高,PM10在春季最高,此5种污染物均在夏季最低,而O3则在夏季浓度值最高。6种大气污染在不同月份和不同季节展现了独特的变化特征,这与北京地区四季分明的气候特点和冬季采暖等因素的影响密不可分。

2) 2016年北京市6种大气污染物中PM2.5、PM10、SO2、CO浓度空间分布相似,都呈现由北向南呈梯度升高的变化特征;NO2则体现出城六区、南部的房山、大兴、通州地区污染较重的分布特征;O3空间分布则与NO2正好相反,NO2污染严重地区O3污染偏轻,北部地区的延庆、怀柔、密云、平谷污染高于中南部。这些污染物在不同地区的空间分布特征与北京不同地区间地形分布、植被覆盖率、风向、工业发展和人口聚集程度等因素关系密切。

3) 北京市5个地区6种不同的污染物在1~12月间变化趋势大体一致,说明大气污染具有区域性的特点。除O3之外,其他5种污染物之间都显示出显著的正相关性,O3与其他5种污染物均表现出了负相关性且与NO2负相关性最强,说明污染物之间具有相互作用、相互耦合的特征,体现了北京市大气污染的复合型特征。

基金项目

国家自然科学基金(编号:41571369);青海省科技计划项目(编号:2016-NK-138);科技创新服务能力建设–基本科研业务费(科研类) (编号:025185305000/143)。

文章引用

路玲,张爱武,康孝岩. 北京市大气污染物时空变化特征
Temporal and Spatial Characteristics of Air Pollutants in Beijing[J]. 地球科学前沿, 2018, 08(03): 673-682. https://doi.org/10.12677/AG.2018.83071

参考文献

  1. 1. 贺克斌, 贾英韬, 马永亮, 等. 北京大气颗粒污染的区域性本质[J]. 环境科学学报, 2009, 29(3): 482-487.

  2. 2. 王英, 李令军, 刘阳. 京津冀与长三角区域大气NO2污染特征[J]. 环境科学, 2012, 33(11): 3685-3692.

  3. 3. Rd, P.C., Burnett, R.T., Thun, M.J., et al. (2002) Lung Cancer, Cardiopulmonary Mortality, and Long-Term Exposure to Fine Particulate Air Pollution. Journal of the American Medical Association, 287, 1132-1141. https://doi.org/10.1001/jama.287.9.1132

  4. 4. 孙晓雷, 甘伟, 林燕, 等. MODIS 3 km气溶胶光学厚度产品检验及其环境空气质量指示[J]. 环境科学学报, 2015, 35(6): 1657-1666.

  5. 5. 谢志英, 刘浩, 唐新明. 北京市MODIS气溶胶光学厚度与PM_(10)质量浓度的相关性分析[J]. 环境科学学报, 2015, 35(10): 3292-3299.

  6. 6. 林海峰, 辛金元, 张文煜, 等. 北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究[J]. 环境科学, 2013, 34(3): 826-834.

  7. 7. 苗蕾, 廖晓农, 王迎春. 基于长时间序列的北京PM_(2.5)浓度日变化及气象条件影响分析[J]. 环境科学, 2016, 37(8): 2836-2846.

  8. 8. 赵晨曦, 王云琦, 王玉杰, 等. 北京地区冬春PM_(2.5)和PM_(10)污染水平时空分布及其与气象条件的关系[J]. 环境科学, 2014, 35(2): 418-427.

  9. 9. 王占山, 李云婷, 陈添, 等. 2013年北京市PM_(2.5)的时空分布[J]. 地理学报, 2015, 70(1): 110-120.

  10. 10. 王占山, 李云婷. 北京市臭氧的时空分布特征[J]. 环境科学, 2014(12): 4446-4453.

  11. 11. 程念亮, 李云婷, 张大伟, 等. 2013~2014年北京市NO_2时空分布研究[J]. 中国环境科学, 2016(1): 18-26.

  12. 12. 程念亮, 张大伟, 李云婷, 等. 2000~2014年北京市SO_2时空分布及一次污染过程分析[J]. 环境科学, 2015, 36(11): 3961-3971.

  13. 13. Chen, B., Lu, S., Li, S., et al. (2015) Impact of Fine Particulate Fluc-tuation and Other Variables on Beijing’s Air Quality Index. Environmental Science and Pollution Research, 22, 5139-5151. https://doi.org/10.1007/s11356-014-4024-z

  14. 14. Shi, M.N., Wu, H.C., Zhang, S.H., et al. (2014) Weekly Cycle of Magnetic Characteristics of the Daily PM2.5 and PM2.5-10 in Beijing, China. Atmospheric Environment, 98, 357-367. https://doi.org/10.1016/j.atmosenv.2014.08.079

  15. 15. Huang, P., Zhang, J., Tang, Y., et al. (2015) Spatial and Temporal Distri-bution of PM2.5 Pollution in Xi’an City, China. International Journal of Environmental Research and Public Health, 12, 6608-6625. https://doi.org/10.3390/ijerph120606608

  16. 16. Wang, S., Li, G., Gong, Z., et al. (2015) Spatial Distribution, Seasonal Variation and Regionalization of PM2.5 Concentrations in China. Science China Chemistry, 58, 1435-1443. https://doi.org/10.1007/s11426-015-5468-9

  17. 17. 廖晓农, 张小玲, 王迎春, 等. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学, 2014, 35(6): 2031-2044.

  18. 18. 李令军, 王占山, 张大伟, 等. 2013~2014年北京大气重污染特征研究[J]. 中国环境科学, 2016(1): 27-35.

  19. 19. 赵文慧, 宫辉力, 赵文吉, 等. 基于地统计学的北京市可吸入颗粒物时空变异性及气象因素分析[J]. 环境科学学报, 2010, 30(11): 2154-2163.

  20. 20. Davis, J.C. (2002) Statistics and Data Analysis in Geology. 3rd Edition, John Wiley & Sons, Inc., New York, 57-61.

  21. 21. 中华人民共和国国家质量监督检验检疫总局, 中华人民共和国环境保护部. 环境空气质量标准: GB3095-2012 [S]. 北京: 中国环境科学出版社, 2012.

  22. 22. GSM, 北京雾霾四大帮凶SO2, NO2, CO, O3大起底[EB/OL]. http://www.chndaqi.com/news/view?id=255677&page=1, 2017-03-22.

  23. 23. 曲晓黎, 付桂琴, 贾俊妹, 等. 2005~2009年石家庄市空气质量分布特征及其与气象条件的关系[J]. 气象与环境学报, 2011, 27(3): 29-32.

  24. 24. 程念亮, 陈添, 张大伟, 等. 2013-2014年北京市CO时空分布特征研究[J]. 环境科学与技术, 2016(3): 150-155.

  25. 25. 徐文帅, 李云婷, 孙瑞雯, 等. 典型沙尘回流天气过程对北京市空气质量影响的特征分析[J]. 环境科学学报, 2014, 34(2): 297-302.

  26. 26. 郑晓霞, 李令军, 赵文吉, 等. 京津冀地区大气NO_2污染特征研究[J]. 生态环境学报, 2014, 23(12): 1938-1945.

期刊菜单