2014～2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014~2017年北京地区霾日数和污染日数逐年减少,PM2.5、PM10、SO2和NO2年平均质量浓度下降,污染程度缓解,采暖期中的11~12月尤为明显。针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气贡献率的定量化研究,结果表明,2017年与过去3a相比,平均风速增加7.9%,≥3.4m·s-1的风速频次最高(10.6%),≥70%湿度日占比最小(25.1%);其中,采暖期与过去3a同期相比,小风日数减少8.6%、环境容量和通风指数平均增加约11%,边界层高度以3.2%·a-1的速率升高,尤其11~12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似。非采暖期(4~10月)累积降水量558.3mm,仅次于2016年,有利于污染物的清除和湿沉降。利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM2.5质量浓度较2014~2016年同期分别降低5%、38%和25%。因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65.0%归因于减排的贡献,35.0%归因为气象条件的改善。可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估。     

区域气象条件和减排对空气质量改善的贡献评估

区域气象条件和减排与空气质量的变化关系密切.区域污染天气的发生不只受人为排放的影响,其与气象条件也密切有关.我国地处全球的主要季风气候区,大气环流具有明显的季风气候变化特征,区域气象条件受年际气候变化影响显著.研究通过分析不同气候条件下京津冀地区、成渝地区、长三角和珠三角城市群2001~2018年主要气象要素及其污染天气的变化趋势,利用KNN大数据挖掘算法量化分析区域气象条件和减排对大气污染的贡献率.结果表明,2001~2018年间全球气候变化异常频繁,厄尔尼诺/拉尼娜非正常气候占比近一半.减排与气候变化均对空气质量的改善起促进作用.在非正常气候条件下,气象对空气质量改善的贡献更为明显.例如,非正常气候时京津冀地区气象条件对空气质量改善的贡献约为51%,而正常气候时约为30%.对于长三角和珠三角城市群,其气象条件在非正常气候时的贡献达到了50%左右,几乎与减排贡献相当.此外,各区域2015~2018年的减排贡献均高于2001~2012年的平均水平,表明随着我国实施大气污染物排放控制措施力度的增大,减排对空气质量改善的贡献显著.但气象条件对空气质量改善的贡献仍不容忽视,区域减排控制仍然任重而道远.     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

东北区域空气质量时空分布特征及重度污染成因分析

东北已成为我国又一个霾污染多发和重发区域.采用2013～2017年东北区域大气污染物地面监测数据、卫星数据和气象数据等信息,探讨了中国东北地区空气质量时空分布特征与重度污染成因.结果表明,"沈阳-长春-哈尔滨"带状城市群是全年污染最严重的区域,空气质量指数(AQI)的空间分布具有明显的季节性,冬季污染最严重,春季吉林省西部周围为椭圆形污染区,夏季和秋季大部分时间空气质量最佳.3个典型的霾污染时期是10月下旬和11月上旬(即秋末和初冬,时期一),12月下旬和1月(即冬季最冷的时候,时期二),及4月到5月中旬(即春季沙尘和农业耕作期).时期一,季节性作物残茬焚烧和冬季采暖用煤燃烧产生的PM_(2.5)强排放是极端霾事件发生的主要原因(AQI 300);时期二,在最严寒月份里,重度霾污染事件(200 AQI 300),主要由燃煤和汽车燃料消耗的PM_(2.5)排放量高,大气边界层较低,以及大气扩散性差等共同引起;时期三,春季PM_(10)浓度较高,主要是由内蒙古中部退化草原的风沙和吉林省西部裸地的区域性扬尘传输造成的.同时,当地农业耕作本身也释放PM_(10),并提升了裸土的人为源矿物尘的排放强度.     

基于大气污染源排放清单的北京市污染物减排分析

《北京市2013—2017年清洁空气行动计划》的实施,有效改善了空气质量,细颗粒物下降了35.6%。空气质量受内因污染物排放量和外因气象因素的双重影响。本文通过大气污染源排放清单分析了内因污染物排放量的变化,结果表明:2017年与2012年相比,SO_2排放量下降了88%,NO_x排放量下降了36%,PM_(10)排放量下降了51%,PM_(2.5)排放量下降了53%,VOCs排放量下降了25%;NH_3排放量2017年比2014年下降了44%。北京市2013—2017年5种大气污染物的综合减排率与空气中PM_(2.5)浓度下降率的比值为1.3,符合根据北京市科技计划项目《北京市空气质量达标规划研究》中利用CMAQ模型研究得到的大气污染物综合减排率与环境空气PM_(2.5)浓度下降率的半定量关系1.2～1.5。     

广东省气象与源排放因素对PM_(2.5)浓度影响的数值模拟研究

为更好地区分大气污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型WRF和三维空气质量模型CAMx,通过固定源清单的方法模拟研究了广东省各地区不同时期气象因素对PM_(2.5)浓度变化的影响,并结合实测的PM_(2.5)浓度变化,计算出源排放因素对PM_(2.5)浓度的贡献。结果表明:相对于2014年,2015年广东省夏季的气象条件不利于PM_(2.5)浓度的下降,春季和秋季的气象条件有利于PM_(2.5)浓度的下降,就全年各季度平均而言,珠江口附近地区气象条件较有利于PM_(2.5)浓度的下降;源排放变化对肇庆市、韶关市和揭阳市等城市PM_(2.5)浓度变化有较强的削减作用,可使其浓度下降30%以上,显示这些城市的减排工作较为有效,深圳市、珠海市、东莞市、中山市与顺德区等市(区)PM_(2.5)污染改善主要是由于有利的气象条件的影响,源排放变化对珠海市和湛江市等城市污染起加剧的作用,表明不利的源排放变化抵消了部分有利气象条件对PM_(2.5)污染的改善作用,应加强对这些地区源排放的控制。     

首都重大活动与空气重污染应急减排措施效果对比分析

以2015年"9·3"阅兵活动及同年冬季两次空气重污染红色预警为例,针对气象要素及污染物浓度变化特征进行对比分析,对不同减排措施下污染物减排比例估算,并利用WRF-CAMx模型,对减排带来的PM_(2.5)污染改善效果进行了定量评估与对比分析.结果表明,阅兵期间(8月20日至9月4日)PM_(2.5)日均浓度(19.0μg·m~(-3))分别比阅兵前(8月15～19日)和阅兵后(9月5～15日)日均浓度降低了60.0%和48.0%,第一次红色预警期间PM_(2.5)日均浓度(232.3μg·m~(-3))高于第二次红警(216.6μg·m~(-3)),第二次启动重污染红色预警之前的空气质量好于第一次红警.阅兵期间北京及周边省市污染物减排比例普遍大于红警期间,为保障"阅兵蓝"的实现提供了人为可控的有利条件."9·3"阅兵、北京首次及第二次红色预警期间采取污染物应急减排措施情况下,北京PM_(2.5)浓度分别平均降低了32.4%、 17.1%和22.0%.阅兵期间与红色预警相比,PM_(2.5)浓度降低比例较高,归因于更大力度的区域污染物协同减排以及阅兵期间易于污染物扩散的气象条件.污染减排力度、应急控制措施实施时机以及气象条件是可能影响应急污染控制措施污染改善效果的重要因素.     

乌鲁木齐PM_(10)和PM_(2.5)的形貌特征与来源解析

PM_(10)和PM_(2.5)是近年来乌鲁木齐市空气质量的首要污染物,其成分复杂,来源不清。采用扫描电镜和离子色谱研究了乌鲁木齐市2015年采暖期和非采暖期大气颗粒物PM_(10)和PM_(2.5)的显微形貌,元素组成及其水溶性离子特征,并采用主成分分析法(PCA)对其来源进行解析。结果表明:PM_(10)和PM_(2.5)的颗粒形态各异,以球状、团絮状形状居多。主要物质有硅铝酸盐颗粒、铁氧化物颗粒,硫酸/碳酸盐晶体,碳质气溶胶以及不明物质等。采暖期和非采暖期主要的无机水溶性离子分别是SO_4~(2-)、NH_4~+、NO_3~-、Cl~-和SO_4~(2-)、NH_4~+、NO_3~-、Ca~(2+)。推测乌鲁木齐市颗粒物污染主要来源于固定污染源。     

“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例

近年来我国大气重污染频发,严重影响民生,其中以京津冀最为严重.2017年"总理基金"启动,同年冬防效果显著.衡水市作为"2+26"城市之一,空气质量排名常年处于倒数十名之内.经过2017年的冬防,空气质量明显改善,衡水市大气污染的改善在"2+26"城市中很具有代表性.本文以衡水作为切入点,利用后向轨迹和浓度权重轨迹分析(CWT)探讨了2017年衡水冬防效果及潜在源区变化,分别从气象轨迹和本地排放初探了潜在原因.结果表明,2017年冬防效果显著,PM_(2.5)浓度降低33%,优良天数增加32 d,重污染天数减少22 d.PM_(10)浓度降低41%,优良天数增加40 d.2017年冬季PM_(2.5)潜在源区由2016年同期衡水北部及以北地区向衡水南部及以南地区转移.PM_(10)潜在源分布变化与PM_(2.5)相似.两年气象条件的对比结果表明,气象变化较小,对潜在源分布影响不大,本地排放是潜在源区分布变化的主要原因,其中衡水北部工业锅炉和扬尘减排量显著高于衡水南部.研究表明,2017年衡水冬防效果显著,相比于气象条件,本地排放对大气颗粒污染及来源影响更大,本研究可为"2+26"城市大气颗粒污染研究提供参考.     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

北京市海坨山冬季不同污染过程下气溶胶化学组分及其潜在来源分析

为了探讨京津冀地区冬季背景大气中气溶胶化学组分特征及其来源分布,使用GRIMM 180、单颗粒黑碳光度计(SP2)和高分辨率飞行时间气溶胶质谱仪(HR-TOF-AMS)观测了海坨山2020年12月28日至2021年2月3日PM和化学组分,结合气象数据和HYSPLIT模式,计算了潜在源贡献因子(PSCF)和浓度权重轨迹(...     

天津静稳指数建立及在环境气象预报和评估中的应用

基于2014—2015年NCEP再分析资料及天津地区PM_2.5质量浓度数据,构建天津地区静稳指数以期反映大气综合扩散能力,为天津霾、空气质量预报和大气环境气象条件评估提供支撑.研究结果表明：本文构建的静稳指数可作为评估天津地区细颗粒物大气扩散能力的重要指标参数,其建模产品与天津地区PM_2.5质量浓度相关系数为0.62,在评测期间（2016年6月1日—2018年5月31日）,基于EC模式的静稳指数24 h预报产品与天津地区PM_2.5质量浓度相关系数为0.67,1~7 d预报产品与PM_2.5质量浓度相关系数超过0.53,8~10 d预报产品随着时效增加指示能力有所下降,相关系数为0.4左右,但通过显著性检验.对比同期基于GFS资料和WRF/Chem构建的天津中长期环境气象数值模式,其相关系数接近,趋势预报效果相当.同时,由于静稳指数综合了水平风速、混合层高度、相对湿度等多项指标,可以综合反映一个地区大气扩散能力,在大气环境气象条件评估中可发挥积极作用,以同排放源不同气象条件的数值模拟为基准定义细颗粒物大气扩散条件,2013—2018年逐月大气扩散条件同比上年改善的占总样本41%,同比转差的占总样本59%,利用静稳指数对大气扩散条件月同比变化趋势进行判断,识别准确率可达80%.     

Process analysis of characteristics of the boundary layer during a heavy haze pollution episode in an inland megacity, China

Ground observation data from 8 meteorological stations in Xi'an, air mass concentration data from 13 environmental quality monitoring sites in Xi'an, as well as radiosonde observation and wind profile radar data, were used in this study. Thereby, the process, causes and boundary layer meteorological characteristics of a heavy haze episode occurring from 16 to 25 December 2013 in Xi'an were analyzed. Principal component analysis showed that this haze pollution was mainly caused by the high-intensity emission and formation of gaseous pollutants (NO₂, CO and SO₂) and atmospheric particles (PM_2.5 (fine particles) and PM₁₀ (respirable suspended particle). The second cause was the relative humidity and continuous low temperature. The third cause was the allocation of the surface pressure field. The presence of a near-surface temperature inversion at the boundary layer formed favorable stratification conditions for the formation and maintenance of heavy haze pollution. The persistent thick haze layer weakened the solar radiation. Meanwhile, a warming effect in the urban canopy layer and in the transition zone from the urban friction sublayer to the urban canopy was indicated. All these conditions facilitated the maintenance and reinforcement of temperature inversion. The stable atmospheric stratification finally acted on the wind field in the boundary layer, and further weakened the exchange capacity of vertical turbulence. The superposition of a wind field with the horizontal gentle wind induced the typical air stagnation and finally caused the deterioration of air quality during this haze event.     

不利风向条件下北部湾人为源对海口市PM2.5浓度影响的模拟研究

通过分析2013—2017年海口市风向频率、地面PM_(2.5)浓度及海口市所处北部湾地理位置,确定12月为北部湾对海口市最不利风向时间段.利用中尺度气象模式(WRF,Weather Research Forecast)驱动空气质量模型(CMAQ,Community Multi-scale Air Quality),设置一系列数值模拟情景,深入分析北部湾人为源对海口市PM_(2.5)浓度影响.结果表明:WRF/CMAQ能很好地再现北部湾气象场和PM_(2.5)浓度的时空分布.2013年12月,北部湾人为源对海口市PM_(2.5)平均贡献率约为45.4%,其中约有90%来源于海口市自身人为源,约有10%来源于广东广西片区,海南片区除海口外其余市县贡献可忽略不计.污染时段,北部湾和海口市自身贡献率均下降,平均贡献率分别为40%和36%,表明污染时段海口市PM_(2.5)主要源区不仅来自北部湾.通过分析后向轨迹,发现污染时段均会经过一个关键区——珠三角区域,表明珠三角区域很有可能也是造成2013年12月海口市PM_(2.5)污染的主要源区.清洁时段,北部湾和海口市自身贡献率均上升,平均贡献率分别为52%和48%,表明北部湾对海口市PM_(2.5)浓度影响在清洁时段更显著.因此,北部湾未来产业规划值得关注,因为这些产业很有可能使目前海口市清洁时段变为污染时段,导致空气质量下降.     

南京地区典型霾天气个例特征的比较分析

利用2011年南京大学城市大气环境观测站气象因子及污染物浓度资料、58238站点气象探空资料及NCEP再分析资料、CALIPSO卫星资料,比较分析了南京地区4类典型霾天气(烟花爆竹、沙尘、秸秆燃烧及不利气象条件污染)的污染特征.结果表明:烟花爆竹个例污染物排放集中,以细颗粒物为主,除夕和初五的PM2.5小时浓度分别达到0.46 mg·m-3和0.34 mg·m-3,受逆温层影响,能见度持续降低,最低达到1.16 km;受北方沙尘暴南下影响,沙尘个例以粗颗粒为主要污染物,PM10小时最高浓度为0.78 mg·m-3,PM2.5/PM10平均值为0.39,粒子形状不规则,体积偏退比为0.17;秸秆燃烧个例为重霾污染,能见度最低值为0.97 km,后向散射系数为0.0039 km-1獉sr-1,PM10和PM2.5最高小时浓度达到0.80 mg·m-3和0.49 mg·m-3,颗粒物主要来自南京东南地区秸秆的集中燃烧;不利气象条件导致的污染过程在冬季比较常见,下沉气流活跃,出现双层逆温,近地面静小风造成污染物积累,PM2.5与能见度的相关系数达到0.86,细颗粒物为主要污染物.可见,南京市霾天气可分为两类,分别是由不利气象条件导致的累积性污染和由高强度排放源造成的暴发性污染,具有不同的气象和污染特征.     

2015年12月北京市空气重污染过程分析及污染源排放变化

2015年12月,北京市及周边地区连续多次出现重污染天气.在此期间,北京市空气重污染应急指挥部两次发布红色预警.为厘清该月重污染的发生过程、生消变化,测算了应急措施下的污染源排放变化情况,并采用数值模拟和地面观测相结合的分析方法,对重污染的形成原因进行初步分析,同时对应急措施的环境效果进行评估.结果表明:1虽然2015年12月北京市主要大气污染物排放量较去年同期有所下降,但排放强度仍然较大,是重污染过程的内因;气象扩散条件不利是重要的外因,地面风速弱,大气稳定度高,相对湿度高,边界层高度降低,源排放及气象因素共同导致了此轮重污染过程.2红色预警应急措施可实现污染物日排放强度减少36%左右,PM_2.5浓度下降11%~21%,预警的应急措施不能扭转重污染的态势,但对于缓解PM_2.5污染加重趋势有明显的效果.3在重污染天气下,污染物仍在大气中累积,应急措施最明显的效果发生在实施后的48~72 h后,因此建议在PM_2.5浓度快速上升前36~48 h实施减排措施,从而对空气质量预报准确性提出更高的要求.     

2014—2018年冬季长三角强霾事件及天气形势影响分析

利用2014-2018年环保部空气污染监测资料以及同期NCEP/NCAR再分析资料,统计分析了冬季长三角地区强霾污染过程中大尺度环流背景场及气象要素对强霾污染的影响.结果表明：2014-2018年冬季长三角地区共发生5次强霾污染过程,每年冬季的12月和1月是强霾污染事件发生的高频时期.当大气中相对湿度维持在较高的水平并且维持较小的风速时,更有利于污染物的累积从而导致强霾污染事件的发生.雾霾天气的发生发展与大气环流有着密切联系,在强霾污染过程发生初期,污染物大多伴随冷空气由北向南输送至长三角地区,对流层中层500 hPa的大尺度环流形势多以纬向环流为主.严重污染发生时,长三角地区受平直西风气流影响,对流层低层850 hPa等压线较为稀疏,长三角地区受均压场或高压控制频繁,稳定的大气层结使污染物更易在近地层累积,随后大风伴随冷锋过境将污染物快速清洁导致PM_2.5浓度迅速降低.     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

气象条件对河北廊坊城市空气质量的影响

气象条件是影响大气污染的重要因子.利用2013年3月—2014年2月廊坊颗粒物质量浓度监测资料、自动气象站观测资料和欧洲中期天气预报中心再分析资料,采用多种统计方法分析气象与污染的关系,量化天气形势和局地气象条件对城市颗粒物质量浓度变化的贡献.结果表明:天气形势是决定局地气象要素和城市空气质量的重要因子.当廊坊位于高压中心或高压后部时,大气层结稳定,易造成重污染;当廊坊位于高压前部(气压梯度较大)时,大气层结不稳定,易于污染物输送和扩散.利用客观天气分型结合污染物质量浓度统计分析方法,可以量化天气形势对城市空气质量的影响.在局地气象要素中,能见度与ρ(PM_2.5)、ρ(PM₁₀)相关性最高(相关系数分别为-0.75和-0.53,下同),其次依次为风速(-0.45和-0.31)、相对湿度(0.41和0.25)和温度(-0.15和-0.06).通过污染物浓度与局地风场关系分析发现,廊坊颗粒物质量浓度受天津市、河北省南部区域输送的影响明显,受北京区域输送的影响相对较弱.研究显示,气象条件可以解释廊坊ρ(PM_2.5)和ρ(PM₁₀)日均值变化的56%和49%,其在冬季对颗粒物质量浓度影响最为显著,春秋季次之,夏季影响最小.      

山地型城市冬季大气重污染过程特征及成因分析

以阳泉市2018年12月26日~2019年1月20日发生的典型大气重污染过程为例,研究了山地型城市冬季大气重污染过程特征及成因.结果表明,重污染发生时段首要污染物为PM_2.5,水溶性离子和碳质组分是PM_2.5主要组分,其中二次离子SO₄^2-、NO₃^-和NH₄⁺是主要水溶性离子成分（共占离子组分的87.7%）,二次有机碳（SOC）是碳质组分的主要成分（71.6%）.二次离子在重污染发生时的浓度较发生前增加5.3倍,是导致PM_2.5快速增长的重要组分.气象条件分析显示,PM_2.5及其主要组分皆与相对湿度呈显著正相关关系而与风速呈显著负相关,随相对湿度增加以及平均风速降低,污染程度逐渐加重.山地型城市相对湿度较高、温度变化幅度大等气象特征使二次污染物的生成加快,是导致PM_2.5污染程度快速加重的主要原因.另外,山地型城市相对封闭的地形导致的平均风速降低使得大气污染物扩散条件相对较差是污染物累积的原因之一.PMF模型解析结果为：二次源（46.0%）对PM_2.5贡献显著,其次为燃煤源（32.6%）、机动车源（19.8%）和扬尘源（1.6%）.因此,山地型城市更应该重视对二次组分,特别是二次离子形成的前体物的管控.