沈陽市PM2.5分布研究

鄒旭東　劉海龍　王笑影

摘要：利用沈陽市內11個監測點2013年PM2.5的監測資料，分析PM2.5的年、月、日、時的分布特征，對比分析氣溫、地表溫度、濕度、風速、氣壓、降水和PM2.5的相關性。結果表明，全年PM2.5濃度在張士、二毛、太原街監測點相對較高，炮兵學院、輝山監測點相比較低；各監測點PM2.5月均濃度以1月最高，最大日均濃度出現在12月，冬季星期內各日均值和日內各小時均值變化明顯；風速和PM2.5濃度呈負相關，濕度、0 cm地溫、氣溫、氣壓、降水和PM2.5濃度呈正相關。對12月22日沈陽市發生嚴重污染天氣進行了分析，500 hPa位勢高度場處于弱暖脊；850 hPa位勢高度場和地面風場受輻散下沉氣流的影響，風速較低；垂直剖面風場下沉氣流明顯，地表出現濕度高值；地面至高空的溫度廓線上，低空有明顯的逆溫；在污染最嚴重的時候，邊界層高度處于低值。

關鍵詞：PM2.5；分布特征；氣象條件；沈陽市

中圖分類號：P463.1 文獻標識碼：A 文章編號：0439-8114（2018）09-0050-08

DOI：10.14088/j.cnki.issn0439-8114.2018.09.012

Study on PM2.5 Distribution in Shenyang City

ZOU Xu-dong1，LIU Hai-long2，WANG Xiao-ying1，ZHANG Yun-hai1，JIA Qing-yu1，

WANG Hong-yu1，SUN Feng-hua1，YANG Hong-bin1

（1.Shenyang Institute of Atmospheric Environment，China Meteorological Administration，Shenyang 110166，China；

2.Liaoning Province Meteorological Equipment Support Center，Shenyang 110166，China）

Abstract： Using monitoring data of PM2.5 in 2013 from 11 monitoring sites in Shenyang city，the distribution characteristics of PM2.5 in years，months，days and hours were studied，and the correlations between PM2.5 concentration and each of air temperature，ground temperature，humidity，wind speed，air pressure and precipitation were analyzed. The results showed that the PM2.5 concentration of Zhangshi，Ermao and Taiyuanjie monitoring stations was relatively high throughout the year，and that of school of Artilley，Huishan monitoring point was relatively low. The monthly average PM2.5 concentration value of each monitoring point was highest in January，the largest average daily concentration occurred in December. In winter，the daily and hourly change of PM2.5 concentration was obvious. Wind speed had negative correlation with PM2.5 concentration，while humidity，ground temperature，air temperature，air pressure， precipitation with PM2.5 concentration had positive correlation. The weather situation of severe pollution in Shenyang city in December 22 was analyzed，the results indicate that it was the weak warm ridge in Liaoning province at 500 hPa geopotential height field. While it was influenced by divergence and downdraft at 850 hPa geopotential height field and the ground wind field，wind speed were small. In vertical wind field，the downdraft was obvious.Significant temperature inversion occurred on the temperature profile from the ground up to the high altitude. When the pollution was most severe，the boundary layer was at a low level.

Key words： PM2.5； distribution characteristics； meteorological conditions； Shenyang city

PM2.5是指空氣動力學直徑小于或等于2.5 μm的顆粒物，也稱為可入肺顆粒物，雖然PM2.5只是地球大氣成分中含量很少的組分，但它對空氣質量和能見度等有重要影響。PM2.5的主要來源是人為排放。人類既直接排放PM2.5，也排放某些氣體污染物，在空氣中轉變成PM2.5。直接排放主要來自燃燒過程，比如化石燃料的燃燒、生物質的燃燒和垃圾焚燒等。在空氣中轉化成PM2.5的氣體污染物主要有二氧化硫、氮氧化物、氨氣和揮發性有機物；其他的人為來源包括道路揚塵、建筑施工揚塵和工業粉塵等。大氣中的細顆粒物PM2.5往往會附著硫化物、氮氧化物和重金屬顆粒等大多由工業污染源排放的污染因子，因而對人體的傷害很大。國內外學者關于PM2.5的濃度特征開展了大量的研究工作[1-3]。王占山等[4]對2013年北京市35個自動空氣質量監測子站的PM2.5數據進行分析，探討PM2.5的時間分布特征、空間分布特征以及與前體物和大氣氧化性的相關性關系。郝建奇等[5]探究了2013年中國東部地區多次發生持續的重霾污染事件氣象條件與重污染事件的關系，并使用歐洲中心東亞地區的逐日氣象數據和北京、天津、石家莊的逐時PM2.5濃度數據以及MICAPS觀測數據，分析了重污染事件對應的天氣形勢，針對2013年1月的重污染事件進行情景模擬。詹鵑銘等[6]探討了冬季珠江三角洲區域污染物的空間傳輸延遲性及其與氣象、地理的關聯性，利用天氣圖、珠三角區域4個典型城市——韶關、廣州、深圳、香港的地面氣象數據及PM2.5，采用時間序列、相關性分析等方法，分析了2014年冬季各城市大氣PM2.5變化關聯特征以及受天氣過程的影響。吳健生等[7]利用京津冀地區104個監測站點的大氣污染物濃度數據，結合衛星遙感數據產品、土地覆被、氣象因子、道路分布、人口密度、污染源分布等信息，分別利用最小二乘和地理加權回歸構建土地利用回歸模型，對PM2.5濃度時空分布情況進行模擬。周廣強等[8]檢驗了基于WRF-Chem模式構建的華東區域大氣環境數值預報系統，該系統對上海PM2.5有良好的預報水平。董群等[9]利用北京地區2013-2015年秋冬季各自動站氣象要素數據、大氣所鐵塔資料以及海淀氣象站風廓線數據和該地區PM2.5濃度數據，分析山谷風環流特征及其對PM2.5濃度的影響。趙妤希等[10]采用統計分析方法分析北京中心城區長期的污染變化趨勢和特征。郝巨飛等[11]利用2014年邢臺市逐時氣象觀測資料和同期環境空氣監測數據研究大氣能見度下降與氣象要素和環境空氣污染物的關系。張淑平等[12]選擇了石家莊、西安、北京、太原、廣州5個不同污染區域的典型城市，解析不同城市的主要氣象影響因素和氣象因素的綜合影響程度。項佳娥等[13]利用2013年12月至2014年11月杭州城區空氣質量監測站PM2.5、PM10濃度值，結合氣象、道路、人口數據以及站點周邊綠地信息，分析PM2.5、PM10濃度時空特征及其影響因子。沈敏霞等[14]選取小寨和秦嶺環山路作為西安市城區道路和郊區道路的代表，得出西安市道路PM2.5、NO2和CO的水平濃度分布特征。樊高峰等[15]指出相對濕度和PM2.5濃度是調制大氣能見度的關鍵因子。薛文博等[16]基于空氣質量模型的顆粒物來源追蹤技術定量模擬了全國PM2.5及其化學組分的跨區域輸送規律，建立了全國31個省市向333個地級城市的PM2.5及其化學組分傳輸矩陣，解析了PM2.5的空間來源。

遼寧省各城市由于重工業多、氣候條件等原因，導致顆粒物污染嚴重，而且冬季采暖期長、晝夜溫差大、逆溫層效應突出。王揚鋒等[17]利用2009年7月至2010年6月遼寧省中部城市沈陽、鞍山和本溪大氣成分站能見度與顆粒物連續監測資料，分析能見度變化特征及其與顆粒物的相關關系。洪也等[18]利用MODIS衛星資料、空氣質量監測資料、地面氣象資料及后向軌跡方法，分析研究了2011年10月28-29日遼寧中部城市群一次灰霾天氣過程。馬雁軍等[19，20]分析了遼寧省中部沈陽、鞍山、撫順和本溪4城市可吸入顆粒物分布特征、污染水平及其與氣象因子的關系，以及細粒子分布與空氣質量的關系。趙胡笳等[21]分析了2011年秋季沈陽一次霧霾天氣過程中能見度與顆粒物質量濃度及氣溶膠光學特征變化。了解PM2.5在市區內的分布特征，以及氣象要素對PM2.5的相關影響，對于大氣環境的治理和預測都有著重要的參考價值。然而目前關于沈陽市區內代表各種不同區域PM2.5濃度的詳細分布特征研究還是少見的。

1 材料與方法

PM2.5監測數據來源于沈陽市環境監測站，在沈陽市區有11個環境監測點。按季節對比分析2013年各監測點PM2.5年均值、月均值、日均值、星期內各天的日均值、日內小時均值的變化特征。將各觀測點的PM2.5和PM10的日均濃度進行了相關對比；將2013年沈陽市PM2.5濃度值的逐日變化和濕度、氣溫、0 cm地溫、風速、降水、氣壓距平變化進行對比，分析PM2.5濃度和各氣象要素的相關程度。用NCEP/NCAR再分析資料進行污染天氣形勢分析。WRF已被大量應用于各種各樣的天氣系統數值模擬[22，23]，本研究用WRF3.5.1模式進行污染天氣數值模擬。模擬的中心點為42°N，116°E，三層嵌套，最外層區域的格距為30 km，第二層區域的網格距為10 km，最內層網格距為3.333 km。分別覆蓋東亞區域、整個東北地區、遼寧地區。模式的物理參數化方案選擇為Dudhia短波方案、RRTM長波方案、Kain-Fritsch積云對流參數化方案、Noah陸面過程方案和YSU邊界層參數化方案。

2 結果與分析

2.1 PM2.5分布特征

沈陽市區11個環境監測點根據所在的功能區域環境，分別代表著自然保護區的輝山；文化區的炮兵學院、北陵；居住區的文藝路、小河沿；商業區的太原街、遼大、渾南二；工業區的張士、二毛、東軟（圖1）。中國PM2.5年平均濃度標準是35 μg/m3；美國年平均濃度標準是15 μg/m3；2013年沈陽市年平均濃度值為76.86 μg/m3，這個濃度值達到了中國標準的2.2倍、美國標準的5.1倍（圖2）。11個監測點中年均濃度值較高的分別為張士（91.71 μg/m3）、太原街（87.74 μg/m3）、二毛（84.63 μg/m3）、渾南二（82.13 μg/m3）；炮兵學院濃度值最低，為36.91 μg/m3。

2.1.1 PM2.5月平均和日平均濃度的分布特征 分別統計出2013年沈陽市內11個觀測點PM2.5濃度的月平均濃度和日平均濃度（圖3）。在月平均濃度圖（圖3a）上看，各月的PM2.5濃度在張士、二毛、太原街相對較高，炮兵學院明顯低于其他觀測點。各觀測點的逐月變化趨勢一致，12月、1月、2月相對較高，1月月平均濃度值最高；6月、7月、8月、9月月平均濃度值相比較低。在日平均濃度圖（圖3b）上看，和月平均濃度圖相一致，6-10月是濃度低值，濃度高值出現在1月中旬、12月下旬。中國PM2.5日均濃度限值是75 μg/m3，國際PM2.5日均濃度限值是35 μg/m3，2013年沈陽最高值出現在12月22日張士觀測點，日平均濃度值超過500 μg/m3，這個數值達到了國內限值的6.7倍、國際限制的14.3倍。中國北方城市冬季供暖主要依賴燃煤，導致城市冬季大氣環境質量更差，PM2.5明顯升高[24，25]。沈陽市1月、2月、3月、11月、12月出現的日均污染濃度高值也是受冬季供暖的影響。

2.1.2 PM2.5星期內各天濃度的分布特征 有研究得出，城市PM10、NO2和SO2表現出工作日高、休息日低的特征[26]。將沈陽市2013年PM2.5濃度分別按春、夏、秋、冬四季求星期內各天的平均值（圖4）。冬季的平均值明顯高于春季、夏季、秋季。冬季星期內各天變化明顯，各觀測點星期四濃度值最低，星期一、星期二濃度值最高，張士、北陵、小河沿、渾南二、太原街觀測點變化較大，其中太原街變化最大，星期一平均值為171.51 μg/m3；星期四平均值為87.87 μg/m3。各觀測點春季、夏季、秋季星期內各天變化不明顯。

2.1.3 PM2.5小時平均濃度的分布特征 對11個監測點按2013年春、夏、秋、冬不同季節求小時平均濃度，冬季的小時平均濃度絕大部分超過100 μg/m3，明顯高于其他季節（圖5）。各觀測點冬季的小時變化明顯，其中張士、渾南二、遼大小時變化較大，濃度最大值出現在9：00，濃度最小值出現在15：00。炮兵學院、輝山的小時濃度變化較小。春、夏、秋季各站小時變化不明顯。有研究得出，西安市PM10和NO2小時濃度的日變化趨勢均為雙峰雙谷型，污染濃度早晨高于傍晚[27]，北京地區NO2和NOx濃度日變化呈雙峰分布[28]，這些和沈陽市的PM2.5小時濃度的日變化相似。

2.2 PM2.5與PM10的相關分析

可吸入顆粒物是最主要的空氣污染物，PM2.5是PM10中粒徑較小的部分，對人體健康和大氣環境的危害更為突出。2013年沈陽市內11個監測點的PM10和PM2.5都有明顯的線性相關（圖6），相關系數都超過了0.80，有4個監測點的相關系數超過0.90，其中北陵監測點相關度最高，達到了0.920 84。這與北京、上海等許多地區的PM2.5和PM10相關研究報道相似，二者存在較好的相關性[29]。

2.3 PM2.5和氣象要素的相關分析

溫度、風速等氣象要素對沈陽的大氣污染有重要影響[30]。對比分析2013年沈陽市PM2.5日均濃度和濕度、氣溫、0 cm地溫、風速、降水、氣壓和1951-2013年日平均距平值的變化，并計算相關系數（圖7）。冬季PM2.5濃度較高，1月超過200 μg/m3有12 d，超過100 μg/m3有25 d；12月超過200 μg/m3有5 d，超過100 μg/m3有17 d；2月超過200 μg/m3有1 d，超過100 μg/m3有7 d。夏季PM2.5濃度都較低，6月、7月都小于100 μg/m3，8月超過100 μg/m3有1 d。濕度距平冬季主要是增大，1月大于0的有26 d，2月大于0的有21 d，12月大于0的有23 d；夏季變化是略有減小，6月小于0的有16 d，7月小于0的有21 d，8月小于0的有18 d。氣溫距平冬季變化主要是減小，1月小于0 ℃的有23 d，2月小于0 ℃的有16 d，12月小于0 ℃的有18 d；夏季變化是增大，6月大于0 ℃的有22 d，7月大于0 ℃的有19 d，8月大于0 ℃的有24 d。地溫距平冬季變化是增大，1月、2月明顯高于平均值，全部大于0 ℃，12月大于0 ℃的有26 d；夏季變化略有增大，6月大于0 ℃的有20 d，7月大于0 ℃的有20 d，8月大于0 ℃的有21 d。風速距平全年各月都是減小。降水距平冬季變化不明顯，夏季明顯減小。氣壓距平冬季1月、2月變化不明顯，12月上半月明顯減小，下半月明顯增大，這個時間段的增大對應發生了強污染天氣。分別統計PM2.5濃度和各氣象要素的相關系數得出，PM2.5濃度和風速呈負相關，相關系數為-0.180 4；與其他要素都呈正相關，其中與濕度、0 cm地溫相關度較高，相關系數分別為0.406 6、0.391 7，與氣溫、降水和氣壓的相關度較低，相關系數分別為0.068 3、0.034 6和0.100 3。

之前研究結果表明，風速對大氣污染有負相關影響，氣溫、地溫對大氣污染有正相關影響[31]，濕度和大氣污染有正相關影響[32]。和多年日平均值相比，2013年風速減小，濕度、氣溫、地溫增大，從相關影響分析，這些氣象要素的變化特征對沈陽市區的PM2.5濃度產生不利影響。

2.4 污染個例分析

關于沈陽大氣污染的研究表明，大氣污染和地面至高空的天氣形勢都密切相關，高空暖脊、地面高壓、靜風、下沉氣流、邊界層逆溫等都是促成大氣污染的必要條件[33]。2013年12月22日在沈陽市出現了全年最強的污染，PM2.5日平均濃度達273 μg/m3，其中張士站PM2.5的日均濃度值達到了523 μg/m3， 22日16：00-23：00張士站小時濃度超過500 μg/m3，其中18：00的小時濃度達到了888 μg/m3。下面對這次全年最重的污染天氣做形勢分析。

利用NCEP/NCAR再分析資料分析2013年12月22日8：00、14：00時500 hPa位勢高度場（圖8）。8：00俄羅斯薩哈林島以東鄂霍次克海上空為冷渦，陜西省北部、山西省、京津冀地區至遼寧省西部上空為低槽，沈陽市上空是低槽前部的弱暖脊。14：00遼寧省西部上空低槽減弱，沈陽市上空暖脊減弱。

利用NCEP/NCAR再分析資料分析2013年12月22日8：00、14：00時850 hPa位勢高度場（圖9）。8：00青海省、甘肅省南部上空是高壓中心，向東一直到遼寧省西部、南部都是高壓控制，遼寧省西部處于高壓范圍的外緣，受高壓控制，氣流輻散。14：00，高壓中心發展減弱，遼寧省上空高壓暖脊減弱，氣流輻散，風速較小。

用NCEP/NCAR再分析資料驅動WRF天氣模式分別模擬沈陽市2013年12月22日18：00地面風場、垂直剖面風場、22日4：00至23日4：00垂直方向溫度廓線和21日20：00至23日20：00邊界層高度（圖10）。風速對沈陽市的污染物擴散有重要影響[34]。由地面風場可見，遼寧省中部沈陽市周圍是地面高壓，地面風向不一致，呈發散狀，不利于污染物的擴散。沈陽市受地面高壓影響，弱輻散氣流，風速很小、近乎靜風。垂直剖面風場上，沈陽市近地層自西向東是下沉氣流，風速較小，近地層溫度較低，濕度較大，超過了60%。由垂直方向的溫度廓線可見，22日4：00至23日4：00沈陽市上空一直有明顯的逆溫，逆溫的變化趨勢是先增加后減弱，其中22日21：00至23日3：00逆溫最強。邊界層高度標志著污染物在垂直方向上的擴散和稀釋能力，對于大氣環境過程尤為重要[35]。用WRF模式數值模擬得出21日20：00至23日20：00邊界層高度，邊界層高度有明顯的日變化特征，21日17：00至22日8：00邊界層高度持續較低，22日8：00-17：00邊界層高度先增加后下降，11：00-14：00邊界層高度最大；22日17：00至23日8：00邊界層高度小于28 m，這和全年最嚴重的污染天氣是相對應的；23日邊界層高度比22日有明顯增加。

3 結論

2013年沈陽市全年的PM2.5濃度冬季逐日和逐時變化更明顯。各氣象要素的變化對PM2.5產生重要影響，其中濕度對PM2.5的相關影響最大。12月22-23日沈陽市出現了全年最強的污染，張士站的小時污染濃度達到了888 μg/m3，針對各氣象要素進行了相應的污染天氣形勢分析。主要結論如下：

1）2013年沈陽市PM2.5年均濃度為76.86 μg/m3，達到中國標準的2.2倍、美國標準的5.1倍。從沈陽市內的監測點的月均濃度和日均濃度上看，工業區的張士、二毛、商業區的太原街相對較高；文化區的炮兵學院、自然保護區的輝山相對較低。各監測點冬季星期內各天的變化較明顯，星期四濃度值最低，星期一、星期二濃度值最高。各監測點日內小時均值的逐時變化中，冬季上午9：00出現明顯高值。

2）在和氣象要素的相關分析中，風速和PM2.5呈負相關；濕度、地溫、氣溫、降水、氣壓和PM2.5呈正相關。其中濕度和PM2.5的相關度最高，相關系數為0.406 6。與多年日均值相比，2013年風速、濕度、氣溫、地溫的變化特征對PM2.5造成不利影響。

3）在對2013年12月22-23日污染的天氣條件分析中，500 hPa位勢高度場沈陽市處于暖脊；850 hPa位勢高度場上受高壓控制，呈輻散氣流；地面風場上是高壓，且風速較小；垂直剖面風場是下沉氣流，地面濕度較大；和嚴重污染相對應，22-23日沈陽市上空一直有明顯逆溫；22日17：00至23日8：00沈陽市邊界層高度小于28 m。

參考文獻：

[1] TAI A P K，MICKLEY L J，JACOB D J. Correlations between fine particulate matter（PM2.5） and meteorological variables in the United States：Implications for the sensitivity of PM2.5 to climate change[J].Atmospheric Environment，2010，44：3976-3984.

[2] PATERAKI S，ASIMAKOPOULOS D N，FLOCAS H A，et al. The role of meteorology on different sized aerosol fractions （PM10，PM2.5，PM2.5-10）[J].Science of the Total Environment，2012，419：124-135.

[3] SILCOX G D，KELLY K E，CROSMAN E T，et al. Wintertime PM2.5 concentrations during persistent，multi-day cold-air pools in a mountain valley[J].Atmospheric Environment，2012，46：17-24.

[4] 王占山，李云婷，陳 添，等.2013年北京市PM2.5的時空分布[J].地理學報，2015，70（1）：110-120.

[5] 郝建奇，葛寶珠，王自發，等.2013年京津冀重污染特征及其氣象條件分析[J].環境科學學報，2017，37（8）：3032-3043.

[6] 詹鵑銘，劉永紅，林 琳，等.2014年冬季珠三角區域典型城市PM2.5污染時空關聯特征[J].環境科學研究，2017，30（1）：110-120.

[7] 吳健生，王 茜，李嘉誠，等.PM2.5濃度空間分異模擬模型對比：以京津冀地區為例[J].環境科學，2017，38（6）：2191-2201.

[8] 周廣強，高 偉，谷怡萱，等.WRF-Chem模式降水對上海PM2.5預報的影響[J].環境科學學報，2017，37（12）：4476-4482.

[9] 董 群，趙普生，王迎春，等.北京山谷風環流特征分析及其對PM2.5濃度的影響[J].環境科學，2017，38（6）：2218-2230.

[10] 趙妤希，陳義珍，楊 欣，等.北京市中心城區PM2.5長期變化趨勢和特征[J].生態環境學報，2016，25（9）：1493-1498.

[11] 郝巨飛，張功文，楊允凌.大氣能見度及影響因子特征分析[J].干旱區資源與環境，2017，31（4）：160-164.

[12] 張淑平，韓立建，周偉奇，等.冬季PM2.5的氣象影響因素解析[J].生態學報，2016，36（24）：7897-7907.

[13] 項佳娥，徐麗華，張方方，等.杭州城區PM2.5和PM10污染特征及其影響因子分析[J].中國環境監測，2016，32（6）：36-42.

[14] 沈敏霞，曹軍驥，張寧寧，等.西安市道路PM2.5、NO2、CO水平濃度分布特征[J].環境科學研究，2017，30（1）：130-136.

[15] 樊高峰，馬 浩，張小偉，等.相對濕度和PM2.5濃度對大氣能見度的影響研究：基于小時資料的多站對比分析[J].氣象學報，2016，74（6）：959-973.

[16] 薛文博，付 飛，王金南，等.中國PM2.5跨區域傳輸特征數值模擬研究[J].中國環境科學，2014，34（6）：1361-1368.

[17] 王揚鋒，馬雁軍，陸忠艷，等.遼寧中部城市能見度變化特征及其與顆粒物的關系[J].氣象與環境學報，2015，31（5）：86-92.

[18] 洪 也，馬雁軍，王喜全，等.遼寧中部城市群灰霾天氣的外來影響——個案分析[J].環境科學學報，2013，33（8）：2115-2122.

[19] 馬雁軍，王江山，王揚鋒，等.遼寧中部城市群可吸入顆粒物PM10和PM2.5的污染特征研究[J].氣象與環境學報，2008，24（5）：11-15.

[20] 馬雁軍，劉寧微，王揚鋒，等.沈陽及周邊城市大氣細粒子的分布特征及其對空氣質量的影響[J].環境科學學報，2011，31（6）：1168-1174.

[21] 趙胡笳，馬雁軍，王揚鋒，等.沈陽一次霧霾天氣顆粒物濃度及光學特征變化[J].中國環境科學，2015，35（5）：1288-1296.

[22] 公 穎，周小珊，楊 森，等.2012年東北地區重大天氣過程WRF模式預報效果檢驗[J].氣象與環境學報，2015，31（6）：27-33.

[23] 王益柏，梅 娜，范 磊，等.WRF模式對2013年1月華北一次大霧的數值對比試驗[J].氣象，2014，40（12）：1522-1529.

[24] 龐 軍，吳 健，馬 中，等.我國城市天然氣替代燃煤集中供暖的大氣污染減排效果[J].中國環境科學，2015，35（1）：55-61.

[25] 周 瑞，辛金元，邢立亭，等.唐山工業新區冬季采暖期大氣污染變化特征研究[J].環境科學，2011，32（7）：1874-1880.

[26] 沈 毅.南京大氣污染特征及空氣質量預報研究[D].南京：南京大學，2011.

[27] 姜 雪.西安市空氣污染物濃度統計特征及其氣象影響研究[D].西安：長安大學，2012.

[28] 王琳琳.北京大氣污染特征研究[D].濟南：山東大學，2011.

[29] 趙晨曦，王云琦，王玉杰，等.北京地區冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J].環境科學，2014，35（2）：418-427.

[30] 鄒旭東，楊洪斌，張云海，等.遼寧中部城市灰霾天氣數值模擬[J].氣象與環境學報，2014，30（6）：92-99.

[31] 鄒旭東，楊洪斌，張云海，等.1951─2012年沈陽市氣象條件變化及其與空氣污染的關系分析[J].生態環境學報，2015，24（1）：76-83.

[32] 周國兵.重慶市主城區氣象條件對空氣污染影響分析及數值模擬研究[D].蘭州：蘭州大學，2014.

[33] 鄒旭東，楊洪斌，李帥彬，等.利用MM5模式及NCEP資料對沈陽一次污染天氣的數值模擬[J].氣象與環境學報，2012，28（4）：8-15.

[34] 鄒旭東，楊洪斌，劉玉徹.CALPUFF在沈陽地區大氣污染模擬研究中的應用[J].氣象與環境學報，2008，24（6）：24-28.

[35] 王 堅，蔡旭暉，宋 宇.北京地區日最大邊界層高度的氣候統計特征[J].氣候與環境研究，2016，21（5）：525-532.