南京主要大氣污染物季節變化及相關氣象分析

賈夢唯，趙天良*，張祥志，吳香華，湯莉莉，王黎明，陳煜升（.南京信息工程大學氣象災害預報預警與評估協同創新中心，中國氣象局氣溶膠-云-降水重點實驗室，江蘇 南京 0044；.江蘇省環境監測中心，江蘇 南京 009；.南京信息工程大學數學與統計學院，江蘇 南京 0044）

南京主要大氣污染物季節變化及相關氣象分析

賈夢唯1，趙天良1*，張祥志2，吳香華3，湯莉莉2，王黎明3，陳煜升1（1.南京信息工程大學氣象災害預報預警與評估協同創新中心，中國氣象局氣溶膠-云-降水重點實驗室，江蘇 南京 210044；2.江蘇省環境監測中心，江蘇 南京 210029；3.南京信息工程大學數學與統計學院，江蘇 南京 210044）

為研究南京主要大氣復合污染物P M2.5、PM10和O3四季變化特征及其氣象影響因子，利用2013年1月～2015年2月國控點環境監測數據對濃度特征進行統計分析，再利用WRF模式模擬的精細大氣邊界層氣象場，分析氣象要素與各污染物的相關性，并建立統計模型.結果表明：PM10、PM2.5冬高夏低，冬季日均值分別為160.6μg/m3和98.0μg/m3；日變化特征四季基本一致，但秋冬季最強，夏季最弱，且冬季上午峰值比其余三季延后1～2h.各季大氣可吸入顆粒物中細粒子占主導，PM2.5/PM10年均值為0.59；首要污染物為PM2.5、PM10、O3的年頻率分別為51.5%、26.6%和13.5%，PM2.5主導四季AQI的變化，尤其是在重污染的情況下，首要污染物為PM2.5占96%.O3濃度春末夏初高、秋末冬初低，日變化為單峰式；O3與邊界層高度呈顯著正相關，四季相關系數分別為0.500、0.572、0.326、0.323.四季PM10、PM2.5、O3_8h_max日值逐步回歸方程擬合度為40%～65%.

復合污染物；南京；氣象要素；季節變化

在我國，大量的污染物被集中排放到大氣中，多種污染物均以高濃度同時存在，進而發生復雜的相互作用.大氣復合污染在現象上表現為大氣氧化性增強、大氣能見度顯著下降和環境惡化趨勢向整個區域蔓延；在污染本質上表現為污染物之間源和匯的相互交錯、污染轉化過程的耦合作用和環境影響的協同效應［1-4］.以往以單獨形式出現的污染，現在已相互結合成為復合型的污染，成為以更大尺度出現的環境問題［5］.在多種污染物中，大氣顆粒物PM2.5和低空O3是大氣復合污染的兩種核心污染物［6］.PM2.5是一次顆粒物與二次顆粒物的混合物，成分復雜，多種氣、固態前體物SO2、NOx、元素碳（EC）、有機碳（OC）通過均相和非均相反應可以轉換成為PM2.5［5］.大氣對流層中O3約占O3總量的10%［7］，雖然含量很低，但其濃度的增加對人體健康和生態環境都會產生很大的影響.各種自然排放、人為產生及大氣中化學反應生VOCs、NOx等O3前體物對地面O3濃度的變化有顯著影響.因此，本身就是大氣污染物的氣態前體物與其轉化生成的PM2.5和O3共存于同一大氣中，構成了復雜的大氣化學體系.高濃度細粒子污染引起的灰霾現象和以高濃度臭氧為特征的光化學污染共同形成的復合型大氣污染，是當前全球大中城市所面臨的最突出的大氣污染現象，具有明顯的健康效應［8-9］.國內外已有很多學者對PM2.5、O3的化學組成和生消機制進行了細致的分析，在天氣條件、氣象要素對污染物濃度的影響方面也進行過不少研究.Ye等［10］對 PM2.5進行采樣，分析了其濃度和組成成分；Zhang等［11］分析了 O3及其前體物的濃度特征；Ding等［2］介紹了細粒子物理化學特征，并闡述了細粒子表面的多相反應過程；Zhang等［12］探討了天氣型對近地層O3時空變化特征的影響，對比了不同天氣環流模式下 O3時空變化情況；Wang等

［13］研究了各氣象要素與PM2.5之間的相關性.

目前，國內外研究者大多針對某一種或幾種污染物在個別季節中的污染特征、氣象條件進行分析，但不同季節污染情況差異顯著，并且在大氣復合污染的背景下，不同季節污染物的變化特征及其之間的相互關系、氣象要素對污染物濃度影響的差異，都需要做進一步的分析與探討.南京作為長三角地區的重要城市，以PM2.5和O3為主要污染物，PM10、CO、SO2、NO2等多種污染物并存的大氣復合污染問題日益突顯［14-15］.研究表明，南京地區細粒子PM2.5是可吸入顆粒物PM10的重要組成部分［16］，并且 PM10與 PM2.5相關性較強

［17］，均對于空氣質量指數 AQI有重要影響.但由于 PM2.5納入空氣質量指標體系時間不長，常規觀測數據有限，并且PM10與PM2.5之間的差異還需進行更深入的挖掘，因此本文針對不同季節PM10、PM2.5、O3濃度變化特征、首要污染物以及氣象要素對污染物的影響進行了對比分析，并建立多元逐步回歸預報方程，以期深入了解南京地區的污染狀況，為長三角地區的空氣質量統計預報建立基礎.

1 數據與方法

本文利用2013年1月～2015年2月南京國控點環境監測數據進行統計分析，再將 NCEP/ NCAR的6h再分析資料作為驅動場，利用WRF模式模擬為精細的氣象要素資料，主要選取地面2m高度的溫度（T2）、地面2m高度的比濕（Q2）、地面10m風場的緯向分量（U10）、地面10m風場的經向分量（V10）、邊界層高度（PBLH）、海平面氣壓（P）、水平風速（UV10），分別與PM2.5、PM10、O3濃度進行相關分析，并分季節建立逐步回歸方程，研究南京地區主要大氣復合污染物 PM2.5、PM10和O3的變化特征、四季首要污染物及影響污染物濃度的氣象影響因子.

1.1 污染物觀測資料

南京共有9個空氣質量國控點，分別位于草場門、仙林、玄武湖、瑞金路、中華門、山西路、邁皋橋、奧體中心和浦口，分別代表不同區域，其綜合監測結果基本反映全市空氣質量.本文分析環境數據為2013年1月1日～2015年2月28日PM2.5、PM10、O3質量濃度數據，時間分辨率為1h，取9個國控點平均值代表南京地區.

1.2 邊界層氣象資料

由于常規氣象要素觀測資料空間分布不均勻，FNL資料空間分辨率為1°×1°，時間分辨率為6h，均不能滿足在小尺度上對氣象要素分析的需要，因此將NCEP/NCAR的時間分辨率為6h，空間分辨率為1°×1°的再分析資料作為驅動場，利用WRF模式模擬得到水平分辨率10km、逐小時的大氣邊界層氣象要素資料.氣象要素主要選取溫度、比濕、氣壓、緯向風、經向風、風速和邊界層高度.

WRF模式系統是美國大氣科學研究中心（NCAR）、國家海洋和大氣管理局（NOAA）等多個部門聯合開發的新一代高分辨率中尺度預報模式和資料同化系統.已有研究工作［18-19］對 WRF模式的模擬結果進行了評估，表明模擬結果與觀測事實基本一致，尤其在地形相對平坦地區.

表1 WRF3.6.1參數化方案Table 1 The parameterization scheme of WRF3.6.1

本文初始場和側邊界條件采用 NCEP/ NCAR提供的 1°×1°的 FNL分析場資料.選用WRFV3.6.1版本，采用了雙向兩重嵌套區域，中心點經緯度為 105.82°E，30.46°N.垂直方向設為 33層，模式頂氣壓為 50hPa，邊界層（2km以下）內設18層.模式初始北京時間： 2013年1月1日00時，輸出頻率為1h，積分步長12h，前7h為模式起轉時間不作分析，保留后 6h，共模擬了兩年的氣象場數據.表1為模式網格設置和參數化方案.

為分析周邊源對南京地區空氣質量的影響，主要關注由內層網格區域模擬得出的與污染物觀測資料時空尺度一致的精細的氣象場數據.

2 結果與討論

2.1 污染物濃度季節變化

圖1 南京PM2.5、PM10、PM2.5～10、O3逐月變化Fig.1 Monthly changes of PM2.5， PM10， PM2.5～10and O3in Nanjing

利用2013年3月～2015年2月南京國控點環境監測數據，對大氣復合污染物質量濃度逐月變化情況進行了分析（圖1）.四季劃分分別是3～5月為春季、6～8月為夏季、9～11月為秋季、12月至次年2月為冬季.細粒子（PM2.5）四季質量濃度均大于粗粒子（PM2.5-10），但變化趨勢保持一致，均呈現夏低冬高的特征，兩種粒子均8月最低，細粒子在1月達到最高值，粗粒子在12月達到最高值.夏季由于強對流氣團的增多和降雨過程的頻發，使得顆粒物被更有效地清除，同時降水減少顆粒物排放（如土壤粉塵），故夏季顆粒物濃度較低.相較于粗粒子，細粒子濃度四季差異明顯.O3質量濃度呈現春夏高、秋冬低的變化特征，在春末夏初達到最大值，秋末冬初到最小值.春季是中緯度地區對流層頂折疊現象的多發季節［20］，對流層頂折疊易使平流層臭氧進入對流層，因此春季O3濃度的高值，除與日照時長與強度增加，易于光化學反應發生的原因外，還可能是由于平流層輸送所導致.冬季由于氣溫低、輻射弱， 光化學反應速率慢，邊界層臭氧濃度偏低.

濃度超過國家環境空氣質量二級標準的污染為超標污染物，即空氣質量分指數（IAQI）大于100的污染物［21］.各污染物濃度季節均值的統計描述見表2.O3季均值分別為69.7、60.6、46.0、32.2μg/m3，春季＞夏季＞秋季＞冬季，依照現行的國家環境保護標準，以8h滑動平均值描述O3污染情況，O3_8h日最大值的季均值分別為 118.7、104.8、81.4、51.8μg/m3，春季＞夏季＞秋季＞冬季，均未超過國家二級標準.從表1可以看出，PM10季均值分別為134.1、91.1、126.3、160.6μg/m3，冬季＞春季＞秋季＞夏季，并且冬季日均值超過了國家二級標準.從表 2可以看出，PM2.5季均值分別為 70.0、56.3、69.3、98.0μg/m3，冬季＞春季＞秋季＞夏季，冬季均值超過了國家二級標準.

大氣顆粒物PM10中細粒子PM2.5所占質量濃度比PM2.5/PM10可以反映可吸入顆粒物中細粒子的含量，南京地區 PM2.5/PM10四季分別為 0.55，0.62，0.56，0.61（表2），全年平均為0.59，低于成都年平均值0.85［22］，高于北京年平均值0.52［23］.南京全年各季大氣可吸入顆粒物中細粒子占主導，并呈現春秋低，冬夏高的特征.相比于細粒子，降雨更有助于粗粒子的清除，相對低的土壤塵粗粒子釋放，以及較強的光化學反應導致的二次氣溶膠濃度增加，可能是夏季PM2.5/PM10較高的原因.

表3為3種污染物四季每日空氣質量分指數（IAQI）超標分布情況，O3在四季超標頻率分別為23.4%、15.8%、1.6%、0%，春季最高.PM10分別為27.2%、6.5%、28.5%、46.3%，冬高夏低.PM2.5分別為39.1%、20.1%、37.3%、56.4%，四季均大于20%，冬高夏低.

表2 各污染物質量濃度日均值Table 2 Daily averages of air pollutant concentrations

總的來說，臭氧濃度春季最高，夏季次高，顆粒物濃度冬高夏低，南京全年各季大氣可吸入顆粒物中 PM2.5占主導.南京地區冬季顆粒物污染總體水平較高，有濃度高、高濃度時次多的特點，PM10和PM2.5嚴重污染均發生在冬季，可能是由于冬季南京及周邊地區秸稈燃燒產生大量顆粒物，工業和生活排放增加以及逆溫等不利于顆粒物擴散的氣象條件導致的.

表3 南京四季PM2.5、PM10和O3超標頻率（%）Table 3 Air pollution frequencies of PM2.5， PM10and O3in four seasons in Nanjing （%）

2.2 污染物濃度日變化

圖2分別為南京地區PM10、PM2.5～10、PM2.5、PM2.5/PM10、O3四季質量濃度的日變化情況.四季PM10、PM2.5-10、PM2.5質量濃度的日變化趨勢基本一致，冬季日變化最明顯，夏季最弱，春季居中，且冬季上午峰值的出現均比其余三季延后1～2h.從午夜到凌晨的時段， 該時段細粒子的變化很平緩，粗粒子下降較明顯，四季PM2.5/PM10在凌晨均達到峰值，可能是由于粗粒子隨重力沉降的速率更快導致的.8：00～10：00顆粒物濃度出現峰值與上班高峰期汽車尾氣排放有關.一般來說，下午是一天中擴散條件最好的時候，這個時間段的多數污染物都呈現較低值，但PM2.5/PM10在下午有所上升，14：00到達次峰值，夏季最為明顯，可能是午后光化學反應的加快使得二次氣溶膠濃度升高，導致 PM2.5在顆粒物中所占比例上升.16：00以后晚高峰期間排放的尾氣使顆粒物濃度再次上升，而夜間較低氣溫導致大氣層結穩定，易出現逆溫，不利于顆粒物的擴散，使得粗細粒子在晚間，依舊保持較高的質量濃度.

四季 O3質量濃度日變化均呈現白天高，夜間低的單峰式變化特征，最小和最大值出現在7：00～8：00和14：00～16：00，太陽輻射引起的光化學反應增加了 O3，產生了午后峰值.除了冬季O34：00～8：00略大于秋季之外，其余時間段均是春＞夏＞秋＞冬.O3質量濃度逐小時平均的最高值、日變化幅度均呈現出春季＞夏季＞秋季＞冬季的特征.

圖2 南京PM10、PM2.5、PM2.5-10、PM2.5/PM10和O3四季質量濃度的日變化Fig.2 The daily changes of PM10， PM2.5， PM2.5-10， PM2.5/PM10and O3concentrations in Nanjing

2.3 四季首要污染物

空氣質量指數AQI為當日IAQI的最大值，首要污染物為 AQI＞50（空氣質量指數為良）時，IAQI最大的污染物［21］.表 3為南京地區四季首要污染物頻率表，2013年3月～2015年2月南京地區首要污染物為PM2.5、PM10、O3的頻率分別為51.5%、26.6%和13.5%.冬季雖是PM10濃度（超標率）最高的季節，卻也是PM10為首要污染物頻率最低的季節，這與冬季 PM2.5/PM10較高，即PM2.5占主導有關.全年重度污染以上天數為50d，首要污染物為PM2.5占96%.PM2.5主導四季AQI的變化，尤其是在重污染的情況下，并且 PM2.5是影響南京地區空氣質量的首要污染物.

表3 南京四季首要污染物頻率（%）Table 3 The frequencies of dominant pollutants in four seasons in Nanjing （%）

2.4 污染物與氣象要素的關系

表4是利用SPSS軟件對污染物濃度與各氣象要素相關系數的統計結果.為了降低污染物濃度和氣象要素日變化的影響， 參考現行的《國家環境保護標準環境空氣質量指數（AQI）技術規定》［21］中對AQI日報方法的規定，使用PM10、PM2.5和氣象要素的日均值做相關性分析，對于O3而言，光化學反應是其濃度上升的重要因素［5］，因此小時濃度差異顯著，并由2.2得知，O3濃度晝夜變化明顯，因此使用每日O3的8h滑動平均濃度最高值與同期氣象要素8h滑動平均值進行相關性分析.

四季 O3質量濃度與溫度均呈顯著正相關，相關性春＞秋＞夏＞冬，說明光化學作用是四季地面O3的重要來源.四季O3與邊界層高度均呈顯著正相關，四季相關系數分別為 0.500、0.572、0.326、0.323.邊界層高度越高，地面O3濃度越高，相關性夏＞春＞秋＞冬.因為邊界層的高度與逆溫層有關，而逆溫層的存在抑制自由大氣中較高濃度的臭氧難以向下傳輸，地面 O3濃度降低［24］，逆溫層也使得大氣趨于穩定狀態，抑制水平輸送.同時O3的生成依賴光化學反應的發生，溫度上升也使邊界層高度增高.這些因素都會導致邊界層高度與O3濃度呈顯著正相關.夏季O3濃度與比濕呈顯著負相關，并且夏季降水較多，太陽輻射減弱，光化學反應速率降低，O3濃度受到抑制，同時降水對O3的濕清除作用，也會降低O3濃度.春、秋、冬季O3與水平風速均呈顯著正相關，其中冬季相關性高于其余三季，O3及其前體物區域輸送是導致冬季O3升高的重要因素.

表4 污染物濃度與氣象要素相關系數Table 4 Correlation coefficients of pollutant concentrations and meteorological factors

春季、冬季PM10與溫度呈顯著正相關，秋季呈顯著負相關；夏季、秋季PM10與比濕呈顯著負相關.春、秋、冬三季經向風、緯向風與PM10濃度均呈顯著正相關，說明西南方向氣流的輸送對于南京地區春、秋、冬季PM10濃度上升有顯著影響.四季 PM10與風速均呈顯著負相關，較大的風速對于 PM10有清除作用.秋冬季邊界層高度與 PM10呈負相關，春夏季呈正相關但相關程度不高，并未全部通過顯著性檢驗，可能是與邊界層高度有明顯日變化有關.

與PM10類似，春季、冬季PM2.5與溫度呈顯著正相關，秋季呈顯著負相關；夏季、秋季 PM2.5與比濕呈顯著負相關，春、冬季呈顯著正相關.春、秋、冬三季經向風、緯向風均與PM2.5濃度呈顯著正相關，說明西南風的輸送對于南京春、秋、冬季PM2.5濃度上升也有顯著影響，而夏季PM2.5濃度主要受東北氣流的影響.四季 PM2.5濃度與風速均呈顯著負相關，較大的風速對于 PM2.5起擴散作用.與PM10類似，春夏季PM2.5與邊界層高度相關程度較弱，并未通過顯著性檢驗，秋冬季PM2.5與邊界層高度呈顯著負相關.

2.5 逐步回歸方程的建立和評估

為評估氣象狀況對污染物濃度逐日變化的影響，利用不同季節氣象要素與污染物濃度相關性分析結果（表4），選取已通過顯著性檢驗的氣象要素，嘗試建立污染物與氣象要素日均值的統計關系模型.逐步回歸分析是將變量逐步引入，每引入一個變量后，對已選入的變量要進行逐個檢驗，當原引入的變量由于后面變量的引入而變得不再顯著時，要將其剔除［25］，已較多用于評估氣象狀況對污染物的影響［26-28］.氣象要素主要包括地面2m高度溫度（T2）、地面2m高度比濕（Q2）、地面10m經向風（V10）、地面10m緯向風（U10）、地面10m水平風速（UV10）、海平面氣壓（P）、邊界層高度（PBLH）.同時考慮到前三日污染物濃度對當日也會有影響，因此污染物前三日值也作為自變量進入逐步回歸方程.

南京處于東亞季風區，伴隨冬夏季風轉化，區域氣象條件發生顯著的季節變化，導致大氣污染物存在明顯的季節差異.同時不同大氣污染物具有不同的物理化學屬性，氣象條件對于不同污染物變化產生作用也不盡相同.因此，逐步回歸法在各污染物各季節篩選不同的氣象因子，保證最終得到的逐步回歸方程最優.以下為得到的逐步回歸方程，均通過0.01的顯著性檢驗.

由逐步回歸方程可知，四季 PM10、PM2.5、O3_8h_max日值均分別與前一日濃度值有關，PM10、PM2.5在夏季、冬季濃度的日均值還受前幾日濃度的影響.水平風速的升高會降低PM10、PM2.5的日均值，O3_8h_max四季日值主要受邊界層高度、溫度影響，與2.4節（表4）結論一致.

表5 逐步多元線性回歸方程擬合優度（R2）Table 5 Fitting goodness R2of stepwise multiple linear regression

表6 逐步回歸預報方程準確率和命中率Table 6 Accuracies of stepwise regression prediction equation

擬合優度R2為回歸平方和與總平方和的比值，可以用于描述回歸方程的擬合程度［25］.四季污染物與氣象要素建立的逐步多元線性回歸方程擬合優度，PM2.5逐步回歸方程的擬合度在40%～60%之間，冬季擬合度相對較高，O3逐步回歸方程的擬合度在 48%～65%之間，春季擬合度相對較高，PM10逐步回歸方程的擬合度在45%～62%之間，秋冬季擬合度平均值為61.4%.王莉莉等［28］利用天津地區秋冬季污染物和氣象要素觀測資料，建立的逐步回歸方程對于秋冬季PM10擬合度平均值為52%.何建軍等［29］利用蘭州地區秋冬季污染物濃度監測數據，結合 WRF模式模擬得到的氣象場，建立的線性回歸方程中秋冬季PM10擬合度平均值為59%.本文選取的歷史污染物濃度的時間序列較長，考慮的邊界層氣象要素較全面，回歸方程平均擬合程度較高.這些逐步回歸方程可用于南京地區空氣質量統計預報，也為長三角地區的空氣質量統計預報逐小時預報建立基礎.

圖3 PM10預報值與觀測值對比Fig.3 Comparison of observed and forecast concentrations of PM10

圖4 PM2.5預報值與觀測值對比Fig.4 Comparisons of observed and forecast concentrations of PM2.5

圖5 O3_8h_max預報值與觀測值對比Fig.5 Comparison of observed and forecast concentrations of O3_8h_max

根據已建立的模型，選取未參與逐步回歸方程建立的2015年3月（春）、6月（夏）、9月（秋）、12月（冬）PM10、PM2.5、O3進行擬合檢驗（圖 3～圖5）.從圖中可以看出，各季實測值于模型計算值的變化趨勢基本一致，特別是對于冬季幾次霾污染過程都進行了較好的擬合，但其余季節對于極值的模擬效果偏弱，此外秋季顆粒物模擬值總體偏大，O3擬合總體偏小.為了對預報結果進行客觀定量的分析，計算3種污染物的預報準確率，引入預報的級別命中率，考察預報模型的預報效果.

式中：yt為觀測值；yt’為預報值；TS為預報的級別命中率（%）；DT為預報值與實測值級別相同的天數；D為預報的總天數.表6為各污染物準確率和命中率，3種污染物準確率在43%～55%之間，級別命中率在 56%～78%之間，PM10預報準確率和級別命中率均高于PM2.5.

3 結論

3.1 大氣顆粒物PM10和PM2.5季節變化均為夏低冬高，兩種粒子 8月最低，粗細粒子分別在 12月和 1月達到最高值，PM10冬季日均值為160.6μg/m3，PM2.5冬季日均值為 98.0μg/m3，均超過國家二級標準，冬季是南京大氣顆粒物污染最嚴重的季節.四季PM10、PM2.5～10、PM2.5的日變化趨勢基本一致，冬季日變化最明顯，夏季最弱，春季居中，且冬季上午峰值均比其余三季延后1～2h.

3.2 全年大氣顆粒物PM10中細粒子PM2.5所占質量濃度比為 0.59，春、夏、秋、冬四季分別為0.55、0.62、0.56、0.61，南京大氣可吸入顆粒物中細粒子占大氣顆粒物 PM10的較多數，并呈現春秋低，冬夏高的特征.首要污染物為 PM2.5、PM10、O3的頻率分別為51.5%、26.6%和13.5%，重度污染以上天數為50d，首要污染物為PM2.5占96%.PM2.5主導四季 AQI的變化，尤其是在重污染的情況下，并且 PM2.5是影響南京地區空氣質量的首要污染物.

3.3 O3濃度春末夏初達到最大值，秋末冬初達到最小值.8h平均值最大值的季均值分別為118.7、104.8、81.4、51.8μg/m3.四季 O3質量濃度日變化均呈現白天高，夜間低的單峰式變化特征，最小和最大值出現在 7：00～8：00和 14：00～16：00.

3.4 邊界層高度與 O3呈顯著正相關，四季相關系數分別為0.500、0.572、0.326、0.323.相關性分析和逐步回歸方程結果均表明風速升高會導致 PM10、PM2.5濃度顯著降低；溫度、邊界層高度的升高會導致O3濃度顯著升高.

3.5 分季節多元逐步回歸方程對于 PM10、PM2.5、O3濃度日值擬合度為 40%～65%，準確率為43%～55%，級別命中率為56%～78%，逐步回歸方程的構建為長三角地區的空氣質量統計預報逐小時預報建立基礎.

［1］ 朱 彤.城市與區域大氣復合污染 ［M］. 北京：化學工業出版社，2005：1-3.

［2］ Ding J， Zhu T. Heterogeneous reactions on the surface of fine particles in the atmosphere ［J］. Chinese Science Bulletin， 2003，48：2267-2276.

［3］ Parrish D D， Zhu T. Clean air for megacities ［J］. Science，2009，326：674-675.

［4］ Zhang Y H， Hu M， Zhong L J， et al. Regional integrated experiments on air quality over Pearl River Delta 2004 （PRIDEPRD2004）： Overview ［J］. Atmospheric Environment， 2008，42：6157-6173.

［5］ 唐孝炎，張遠航，邵 敏.大氣環境化學 ［M］. 北京：高等教育出版社， 2006，2：102，272-273.

［6］ 賀克斌，楊復沫，段鳳魁，等.大氣顆粒物與區域復合污染 ［M］.北京：科學出版社， 2011：3-4.

［7］ 盛裴軒，毛節泰，李建國，等.大氣物理學 ［M］. 北京：北京大學出版社， 2003：11-12.

［8］ Tie X， Cao J. Aerosol pollution in China： Present and future impact on environment ［J］. Particuology， 2009，7（6）：426-431.

［9］ Tie X X， Wu D， Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou， China ［J］. Atmospheric Environment， 2009b，43（14）：2375-2377.

［10］ Ye B， Ji X， Yang H， et al. Concentration and chemical composition of P M2.5in Shanghai for a 1-year period ［J］. Atmospheric Environment， 2003，37（4）：499-510.

［11］ Zhang Y H， Su H， Zhong L J， et al. Regional ozone pollution andobservation-based approach for analyzing ozone—precursor relationship during the PRIDE-PRD2004campaign ［J］. Atmospheric Environment， 2008，42（25）：6203-6218.

［12］ Zhang Y， Mao H， Ding A， et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3levels in Hong Kong during 1999～2011 ［J］. Atmospheric Environment， 2013，73（4）：41-50.

［13］ Wang J L， Zhang Y H， Shao M， et al. Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing ［J］. Journal of Environment Sciences，2004，16：860-864.

［14］ 周奕珂，朱 彬，韓志偉，等.長江三角洲地區冬季能見度特征及影響因子分析 ［J］. 中國環境科學， 2016，36（3）：660-669.

［15］ 趙子菁，魏永杰，張祥志，等.南京市霾天氣與主要氣象條件的相關分析 ［J］. 中國環境科學， 2015，35（12）：3570-3580.

［16］ 黃鸝鳴，王格慧，王 薈，等.南京市空氣中顆粒物 PM10、PM2.5污染水平 ［J］. 中國環境科學， 2002，22（4）：334-337.

［17］ Shen G F， Yuan S Y， Xie Y N， et al. Ambient levels and temporal variations of PM2.5and PM10at a residential site in the mega-city，Nanjing， in the western Yangtze River Delta， China ［J］. Journal of Environmental Science & Health Part A Toxic/hazardous Substances & Environmental Engineering， 2014，49（2）：171-8.

［18］ 程興宏，徐祥德，丁國安，等.MM5/WRF氣象場模擬差異對CMAQ空氣質量預報效果的影響 ［J］. 環境科學研究， 2009，（12）：1411-1419.

［19］ 常爐予，趙天良，何金海，等.周邊氣象條件對南京城區大氣污染物濃度的影響 ［J］. 氣象與環境學報， 2013，29（6）：95-101.

［20］ Danielsen E F， Mohnen V A. Project DUSTORM report： Ozone transport， in-situ measurements， and meteorological analyses of tropopause folding ［J］. Journal of Geophysical Research Atmospheres， 1977，82（37）：5867-5877.

［21］ HJ633-2012 中華人民共和國國家環境保護標準 ［S］.

［22］ Li Y， Chen Q， Zhao H， et al. Variations in PM10， PM2.5and PM1.0in an Urban Area of the Sichuan Basin and Their Relation to Meteorological Factors ［J］. Atmosphere， 2015，6（1）：150-163.

［23］ 李衛軍，邵龍義，李金娟，等.北京市大氣中PM10和PM2.5的污染水平特征研究 ［J］. 環境與可持續發展， 2006，（2）：18-20.

［24］ Mickle R E， Bottenheim J W， Leaitch W R， et al. Boundary layer ozone depletion during AGASP-II ［J］. Atmospheric Environment，1989，23（11）：2443-2449.

［25］ 汪冬華.多元統計分析與 SPSS應用 ［M］. 上海：華東理工大學出版社， 2010.

［26］ Eder B K， Davis J M， Bloomfield P. An automated classification scheme designed to better elucidate the dependence of ozone on meteorology ［J］. Journal of Applied Meteorology， 1994，33（10）：1182-1199.

［27］ Hien P， Bac V， Tham H， et al. Influence of meteorological conditions on PM2.5and PM2.5~10concentrations during the monsoon season in Hanoi， Vietnam ［J］. Atmospheric Environment， 2002，36（21）：3473-3484.

［28］ 王莉莉，王躍思，吉東生，等.天津濱海新區秋冬季大氣污染特征分析 ［J］. 中國環境科學， 2011，31（7）：1077-1086.

［29］ 何建軍，余 曄，劉 娜，等.基于WRF模式的蘭州秋冬季大氣污染預報模型研究 ［J］. 氣象， 2013，（10）：1293-1303.

致謝：感謝江蘇省環境檢測中心的數據支持，模式模擬工作由南京信息工程大學郭曉梅、張宸赫、侯夢玲等協助完成，在此表示感謝.

Seasonal variations in major air pollutants in Nanjing and their meteorological correlation analyses.

JIA Meng-wei1，ZHAO Tian-liang1*， ZHANG Xiang-zhi2， WU Xiang-hua3， TANG Li-li2， WANG Li-ming3， CHEN Yu-sheng1（1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration， Nanjing University of Information Science and Technology， Nanjing 210044， China；2.Jiangsu Provincial Environmental Monitoring Center， Nanjing 210029， China；3.School of Mathematics and Statistics， Nanjing University of Information Science and Technology， Nanjing 210044，China）. China Environmental Science， 2016，36（9）：2567～2577

In order to study the seasonal variations of major air combined pollutants PM2.5， PM10and O3and their influencing factors of meteorology in Nanjing， the major air combined pollutants were seasonally characterized， and the correlations between meteorological factors and air pollutant concentrations were statistically analyzed to develop a statistical model of stepwise regression fitting by using the environmental monitoring data from January 2013 to February 2015 and the fine meteorological fields in the boundary layer produced by the high resolution WRF modeling. The seasonal averages of PM2.5and PM10shifted between wintertime high and summertime low levels in Nanjing with the peaks of daily PM2.5and PM10up to 160.6μg/m3and 98.0μg/m3in winter， and their diurnal changes were distinct from autumn to winter and weak in summer with the similar patterns over four seasons. The daytime peaks of diurnal PM2.5and PM10levels in winter delayed 1～2 hours comparing to other three seasons. Fine particles dominated atmospheric particles in all seasons with the annual mean ratio of PM2.5/PM10reaching 0.59. The annual frequencies of PM2.5， PM10and O3being the major pollutants determining the AQI changes were respectively 51.5%， 26.6% and 13.5% in Nanjing， especially the major air pollutant contribution of PM2.5to heavy haze pollution periods exceeding 96% in Nanjing. The surface levels of O3oscillated seasonally between a peak in late spring and early summer and a bottom in late autumn and early winter with a unimodal pattern. The surface levels of O3were positively related to the boundary layer height with the correlationcoefficients of 0.500， 0.572， 0.326， 0.323 respectively. The fitting goodness of stepwise regressions for the daily concentrations of PM2.5， PM10and O3_8h_max ranged reasonably over 40%～65% in four seasons.

combined pollution；Nanjing；meteorological factor；seasonal change

X51

A

1000-6923（2016）09-2567-11

2016-01-20

國家科技支撐計劃（2014BAC22B04）；科技部國家重點研發計劃（2016YFC0203304）；國家自然科學青年基金（41505118）；江蘇省環保科研課題（2015017）

* 責任作者， 教授， tlzhao@nuist.edu.cn

賈夢唯（1992-），女，江蘇南京人，碩士研究生，主要從事大氣物理與大氣環境方面的研究.發表論文1篇.