环境管理强化后南京市2013 — 2016年大气污染物的时空特征和气象影响

孙 雪，罗小三，陈 燕，赵 朕，徐江兵，张 丹，索 晨，丁烨毅

南京信息工程大学 应用气象学院 生态气象环境研究中心，南京 210044

空气污染是全球普遍面临的城市环境问题，在我国尤其突出，近年来雾霾频发（Luo et al，2014，2017；Wang et al，2014），特别是在京津冀、长三角和珠三角等工业化和城市化集中地区更为严重（陈仁杰等，2014；Jin et al，2017；赵朕等，2017）。大气污染导致一系列的生态环境效应并危害人体健康，如对呼吸系统、心脑血管系统以及免疫系统造成损害（Katanoda et al，2011；Wong et al，2015；Yorifuji et al，2015；Goto et al，2016）。因此环境管理备受政府部门和社会公众关注，大气污染管控也逐渐被重视并强化执行。了解空气污染物的时空分布特征成为大气污染管控的第一要务，而这除了受污染来源影响，也与气象要素密切相关（韩素芹等，2007；王明莹和庄慧生，2017），已有学者对此进行了研究探索。如利用偏最小二乘回归法研究发现气象因素对武汉市大气污染物浓度的影响存在差异性（张兵等，2014）；利用Spearman秩相关分析研究各气象因子对大气颗粒物浓度的影响（赵晨曦等，2014）；通过逐步回归方法建立气象因素与空气污染物的回归模型（张云海等，2009；张样盛等，2010；王菊等，2014）。对全国范围污染物的变化分析表明了其明显的时空分布特征（He et al，2017；Jin et al，2017；Song et al，2017）：时间上季节性差异显著，颗粒物污染冬高夏低；空间上东部经济发达地区污染严重。局部地区的气象条件对大气污染也有着非常重要的影响，例如气象条件是导致澳大利亚墨尔本污染物日变化的主要影响因素（Pearce et al，2011）。因此，研究气象条件与大气污染物的时空特征对进一步开展污染防治和空气质量预测都有十分重要的意义。

南京市作为江苏省省会，是全省重要的工业和交通运输中心，在经济迅猛发展的同时，其环境问题也日益突出。南京市空气污染的主要来源包括车辆废气排放（234.5万辆机动车）和工业排放、能源消耗（煤炭）及建筑粉尘等（Luo et al，2017）。如何有效改善空气质量也成为当前大气污染防控的当务之急，本文以此为背景，分析探讨环境管理强化后其大气污染物的时空分布特征以及气象影响因素。

1 材料与方法

1.1 环境空气监测点选择及污染物和气象数据获取

根据南京市环境监测中心的信息，选取代表特定区域的覆盖南京市区的9个空气自动监测点（国控点），仙林（XL）和草场门（CCM）代表文教卫生区，玄武湖（XWH）为生态公园区，中华门（ZHM）为交通区，瑞金路（RJL）为住宅区，山西路（SXL）为商业和交通区，迈皋桥（MGQ）为工业区，浦口（PK）为郊区，奥体中心（AT）为新城区。具体位置如图1。

分别收集9个空气监测站2013年3月至2016年2月二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、PM2.5、PM10浓度的24 h日均值及小时平均值。收集同时期南京市地面气象要素（中国气象数据网），包括气温（℃）、降水量（mm）、风速（m · s−1）、相对湿度（%）的逐时平均值和日平均值。本文根据节气划分季节，以3月 — 5月，6月 — 8月，9月 — 11月，12月 — 次年2月分别代表春夏秋冬四个季节，数据采用每个月观测到的有效逐日数据求取月平均值。

图1 研究区域位置Fig.1 Study area location

1.2 数据处理方法

采用Excel建立数据库，运用SAS 9.4进行统计分析，对原始数据进行初步整理计算，得到2013年3月 — 2016年2月各监测点SO2、NO2、CO、O3、PM2.5和PM10浓度的月平均值和年平均值。使用主成分分析法分析南京地区的主要污染物。

南京市共9个空气质量监测点6个基本监测指标（X1— X6分别代表6个指标，即SO2、NO2、CO、O3、PM2.5和PM10），使用SAS EG编写出主成分分析程序，并求出特征向量和相关系数的矩阵特征值。

由表1相关系数的矩阵特征值可以看出，前3个特征值的累计贡献率已经达到0.916，根据累计方差贡献率大于80%即可以作为主成分提取相应的条件，所以，从特征值中提取3个主成分进行分析，这3个主成分即包含原始数据的90%以上信息。

根据表2中的特征向量值，提取前3个主成分特征向量，列出主成分方程：

表1 相关系数的矩阵特征值Tab.1 Eigenvalues of correlation coeff i cient matrix

表2 9个监测点污染物特征向量Tab.2 Monitoring points pollutant eigenvalues

由表1中的累积贡献率可以看出，第一主成分累积值达到0.420，该特征值贡献率较大。因此着重对第一主成分进行分析。从特征向量表中可以看出，第一主成分的6个监测指标系数有正有负，其中PM10的系数绝对值最大，为0.586，表明PM10对环境污染综合程度贡献最大，其次是PM2.5和O3，并且O3特征向量值为负值，表明与颗粒物有明显的负相关。同样，O3和PM2.5的联合作用对环境污染的贡献值也比较大。

2 大气污染物浓度时空变化特征

2.1 主要大气污染物的时间分布特征

2.1.1 逐日浓度变化

基于当前大气污染物浓度预测的研究方案，主成分分析法（Sousa et al，2007）能够筛选出对污染物浓度影响较大的因素作为输入变量，从而提高预测精度，本文采用该法分析得出南京市的主要污染物有O3、PM2.5和PM10。

图 2、3、4分别是 2013 — 2016年 O3、PM2.5和PM10逐日平均浓度演变曲线。可见O3、PM2.5和PM10日均浓度变化范围为 0.008 — 0.318 mg · m−3、0.008 — 0.327 mg · m−3和 0.009 — 0.446 mg · m−3，年 均 浓 度 分 别 为 0.105 mg · m−3、0.068 mg · m−3和0.117 mg · m−3。以 PM2.5曲线为例，变化幅度大约为7 d一个周期，变化曲线呈锯齿形，且周六周日的浓度偏高，这可能是由于周末出行人数偏多车辆拥挤，汽车在频繁的减速过程中导致排放出高浓度大气颗粒物，城市扬尘增多，进而导致PM2.5浓度值变大。这与多数研究表明的周末效应一致（成国庆等，2014；王明莹和庄惠生，2017）。相较于2013年和2014年，2015年的PM2.5和PM10污染物浓度明显比前两年有所减少，主要原因是在2014年南京青奥会前后，南京市政府加强对环境的监管控制，并且取得了显著效果（Luo et al，2017）。但是从O3的日平均浓度演变趋势看来，2014年和2015年污染物浓度相比前一年均显著增高，超标天数逐渐增多，成为南京的首要污染物。大气O3浓度升高的主要原因是春夏晴热高温天气较多，降水量少，而且经济发展使得人类活动向大气排放了更多生成O3的前体污染物，导致臭氧污染物浓度逐年增高。

图2 PM2.5日平均浓度演变趋势Fig.2 PM2.5 daily average concentration trend

图3 PM10日平均浓度演变趋势Fig.3 PM10 daily average concentration trend

图4 O3日平均浓度演变趋势Fig.4 O3 daily average concentration trend

2.1.2 季节变化

2013 — 2016年南京市区PM2.5整体污染水平较高，月均值差距较大，夏季月平均值最低，约为0.050 mg · m−3；冬季月平均值达到最高，其值为0.094 mg · m−3。造成 PM2.5浓度冬高夏低的主要原因是冬季风速大，灰尘增多，并且气温较低，大气层结稳定，产生逆温现象，不利于污染物扩散。PM2.5年平均值达 0.068 mg · m−3，低于 2001 年、2003 年和 2007 年的年均浓度（0.196 mg · m−3、0.124 mg · m−3、0.093 mg · m−3）（黄鹂鸣等，2002；樊署先等，2005；魏玉香等，2009），表明南京市在大气污染防治方面取得了显著效果。

南京市区主要污染物质量浓度的季节变化如图5。PM10的季节变化幅度同PM2.5基本一致，受污染源排放和气候变化的影响，主要呈现的变化规律是夏季浓度低冬季浓度高。当夏季雨量充沛时，不同粒径颗粒物浓度都显著降低。

从图5看出，O3也有着明显的季节变化特征。不同于PM2.5和PM10，O3浓度变化规律是春夏高，秋冬低。最高值出现在春季，高达(0.132 ± 0.013) mg · m−3，最低值出现在冬 季，为(0.068 ± 0.013) mg · m−3， 年 平 均 浓 度 约 为 (0.105 ±0.055) mg · m−3。这与南京市环境保护局所公布的环境状况公报一致，O3浓度超标主要集中在4 — 6月份。从图5污染物浓度季节变化中可以看出，O3浓度在春夏季较高，冬季最低。PM2.5和PM10的浓度变化变化规律是冬高夏低，12月至次年2月浓度最高，8月和9月浓度最低。

图5 2014 — 2016年南京市O3、PM2.5和PM10浓度季节变化图Fig.5 Seasonal variation of O3, PM2.5, and PM10 concentrations in Nanjing from 2014 to 2016

2.2 主要大气污染物空间分布特征

2013 — 2016年平均污染物浓度如表3。就整个南京地区来看，各监测点污染物浓度的变化趋势并非显著。由表3看出，中华门、迈皋桥、瑞金路和山西路附近的SO2、NO2污染物浓度都比较高，排除气象条件形成的污染物扩散和积聚外，主要与监测点的区位有关。中华门和山西路监测点交通密集，来往车辆较多，汽车尾气排放在一定程度上增加了污染物浓度。玄武湖监测点代表了南京的生态公园区，污染物浓度总体较低。相较于中华门、迈皋桥和山西路等监测点，新城区奥体中心的SO2和NO2等污染物浓度明显较低，主要与该监测点的地区位置有关，奥体中心位于青奥体育公园板块，环境较好并且没有化工厂及大商业圈。而奥体中心颗粒物浓度较高主要与近几年（2016年）的市政建设相关，道路修建、房屋建设等土建工程施工形成的扬尘加重了颗粒物污染。

表3 南京市9个空气质量国控监测点各污染物指标浓度分布Tab.3 Concentration distribution of pollutants in nine national monitoring sites / (mg · m−3)

3 气象条件对污染物的影响

气象条件是影响大气污染物浓度变化的一个主要因素，制约着污染物在大气中的稀释、扩散和转移（李小飞等，2012），很多突发性的大气污染现象也与不利于污染物扩散的气象条件密切相关（Cheng et al，2007）。因此，了解气象条件对污染物的影响至关重要。

3.1 降水

降水有利于净化空气。SO2和NO2可溶于水，悬浮颗粒物可通过冲刷随降水沉降到地面（Luo et al，2017），因此降水对空气污染物的清除有重要作用。降水对污染物质量浓度的影响具有季节性变化特点。南京地区属于亚热带季风气候，雨量充沛，四季分明，夏季降水多，占全年降水天数的35.77%，冬季降水少，占全年降水天数的18.69%。表4表明，在任何季节，降水天气都会使得污染物质量浓度降低。由于降水对大气的清洁作用，SO2、NO2、CO、O3、PM2.5和PM10在降水日的浓度始终低于非降水日。

表4 南京市区各季节降水日与非降水日污染物质量浓度Tab.4 Concentration of seasonal precipitation days and non-precipitation day pollutants in Nanjing / (mg · m−3)

3.2 风速

PM2.5质量浓度与风速具有负相关性，即随风速的增加而降低，表5列出了不同风速对应的污染物浓度平均值。风速增大，SO2、NO2、CO、O3、PM2.5和 PM10浓度均呈单调递减，当平均风速小于 1.5 m · s−1时，PM10浓度约为0.135 mg · m−3， 当 平 均 风 速 大 于 6.5 m · s−1时，PM10浓度显著降低，约 0.065 mg · m−3，同时期，SO2、NO2、CO、O3和PM2.5浓度也有明显的降低。这主要是因为风有利于污染物的扩散，风速越大，污染物在单位时间内被输送的距离就越远，与空气的混合也就越充分，单位体积空气中污染物的含量就越低，即质量浓度就越低（蒋维楣等，2004）。

表5 风速与污染物浓度值关系表Tab.5 Pollutant concentration under different wind speed / (mg · m−3)

3.3 气温

温度变化对尘埃和气体污染物的浓度有明显的影响（Żyromski et al，2014）。随着温度升高，大气对流层内垂直运动加强，影响大气的湍流混合进而影响污染物的扩散，从而使得二氧化硫和颗粒物浓度降低（Akpinar et al，2008；何建军等，2016）。邓霞君等（2013）研究指出，API值与气温呈负相关，相关性在0 — 0.6。PM10的浓度与温度呈正相关，与气压呈负相关，当温度降低压强升高时，PM10浓度减少（龙柯吉等，2014；赵晨曦等，2014）。这说明温度变化对颗粒物浓度变化有显著的正效应，温度升高可降低颗粒物浓度（郑美秀和周学鸣，2010；王静等，2013）。从图6可以看出，PM2.5浓度与温度呈明显的负相关，随着温度的升高，污染物浓度逐渐降低，在每年夏季达到一年中的最低值，每年冬季达到一年中的最高值。

图6 PM2.5质量浓度与温度的关系Fig.6 Relationship between PM2.5 mass concentration and temperature

4 结论

（1）时间特征：近年来长三角典型城市南京的大气污染物浓度分布主要体现为冬高夏低，逐日变化则体现出周末效应。

（2）空间特征：污染物浓度的分布体现出工业区、交通区偏高，生态园区、郊区偏低，可见对南京市的污染治理应该加强对工业燃煤和汽车尾气排放的管理，优化调整产业结构和创新改造机动车排放系统。

（3）与气象条件的关系：南京市污染物浓度受气象因子的影响，在其他条件不变时，降水、风速增大和温度变化（对颗粒物和O3相反）可缓解空气污染程度。

致谢：感谢南京市环境监测中心和中国气象数据网提供研究数据，感谢李君、张婍在数据处理过程中给予帮助。

陈仁杰, 陈秉衡, 阚海东. 2014. 大气细颗粒物控制对我国城市居民期望寿命的影响 [J]. 中国环境科学, 34(10):2701 – 2705. [Chen R J, Chen B H, Kan H D. 2014.Impacts of controlling ambient fine particulate pollution on life expectancy among Chinese urban residents [J].Chinese Environmental Science, 34(10): 2701 – 2705.]

成国庆, 周保华, 段二红, 等. 2014. 石家庄市PM2.5的污染现状及防控对策 [J].中国环境管理干部学院学报,(5): 39 – 41. [Cheng G Q, Zhou B H, Duan E H, et al.2014. Pollution stations and control measures of PM2.5in Shijiazhuang City [J]. Journal of the Environmental Management College of China, (5): 39 – 41.]

邓霞君,廖良清,胡桂萍. 2013. 近10年中国主要城市空气API及与气象因子相关性分析 [J].环境科学与技术, (9): 70 – 75. [Deng X J, Liao L Q, Hu G P. 2013. Air pollution index and their correlation with meteorological data in major cities of China during the last decades [J].Environmental Science & Technology, (9): 70 – 75.]

樊曙先, 樊建凌, 郑有飞,等. 2005. 南京市区与郊区大气PM2.5中元素含量的对比分析 [J]. 中国环境科学, 25(2):146 – 150. [Fan S X, Fan J L, Zheng Y F, et al. 2005.Compared analysis of elemental content in atmospheric PM2.5in Nanjing urban and suburban area [J]. Chinese Environmental Science, 25(2): 146 – 150.]

韩素芹, 边 海, 解以扬. 2007. 2000 — 2004年天津市大气污染特征分析 [J].气象科技, 35(6): 787 – 791. [Han S Q, Bian H, Xie Y Y. 2007. Characteristics of atmospheric pollution in Tianjin from 2000 to 2004 [J]. Meteorological Science and Technology, 35(6): 787 – 791.]

何建军, 吴 琳, 毛洪钧, 等. 2016. 气象条件对河北廊坊城市空气质量的影响 [J]. 环境科学研究, 29(6):791 – 799. [He J J, Wu L, Mao H J, et al. 2016. Impacts of meteorological conditions on air quality in urban Langfang, Hebei Province [J]. Research of Environmental Sciences, 29(6): 791 – 799.]

黄鹂鸣, 王格慧, 王 荟, 等. 2002. 南京市空气中颗粒物PM10、PM2.5污染水平 [J].中国环境科学, 22(4):334 – 337. [Huang L M, Wang G H, Wang H, et al. 2002.Pollution level of the airborne particulate matter (PM10,PM2.5) in Nanjing City [J]. China Environmental Science,22(4): 334 – 337.]

蒋维楣, 孙鉴泞, 曹文俊. 2004. 空气污染气象学教程[M].第2版. 北京: 气象出版社. [Jiang W M, Sun J N, Cao W J. 2004. Air pollution meteorology tutorial [M]. 2nd ed.Beijing: China Meteorological Press.]

李小飞, 张明军, 王圣杰, 等. 2012. 中国空气污染指数变化特征及影响因素分析 [J]. 环境科学, 33(6): 1936 – 1943.[Li X F, Zhang M J, Wang S J, et al. 2012. Variation characteristics and influencing factors of air pollution index in China [J]. Environmental Science, 33(6):1936 – 1943.]

龙柯吉, 陈朝平, 冯汉中, 等. 2014. 2012年成都市PM10污染与地面气象条件的相关性分析[J]. 成都信息工程学院学报, 29(S1): 149 – 153. [Long K J, Chen C P, Feng H Z, et al. 2014. Analysis of correlation between pollution and ground meteorological conditions in Chengdu PM10in 2012 [J]. Journal of Chengdu University of Information Technology, 29(S1): 149 – 153.]

王 静, 邱 粲, 刘焕彬, 等. 2013. 山东重点城市空气质量及其与气象要素的关系 [J]. 生态环境学报,22(4): 644 – 649. [Wang J, Qiu C, Liu H B, et al. 2013.Characteristics of air quality and correlation between API and meteorological elements in in major cities of Shandong Province [J]. Ecology and Environment Science,22(4): 644 – 649.]

王 菊, 金美英, 张悦悦, 等. 2014. 长春市PM10污染特征及与气象因素的相关分析 [J]. 河南师范大学学报(自然版), 42(5): 105 – 109. [Wang J, Jin M Y, Zhang Y Y, et al.2014. Characteristics of PM10pollution in Changchun city and its correlation with meteorological factors [J]. Journal of Henan Normal University (Natural Science Edition),42(5): 105 – 109.]

王明莹, 庄惠生. 2017. 上海市大气PM2.5污染特征及相关因素分析 [J]. 科学技术与工程, 17(7): 303 – 308. [Wang M Y, Zhuang H S. 2017. Analysis on the characteristics and correlative factors of PM2.5in Shanghai [J]. Science Technology and Engineering, 17(7): 303 – 308.]

魏玉香, 银 燕, 杨卫芬, 等. 2009. 南京地区PM2.5污染特征及其影响因素分析 [J]. 环境科学与管理, 34(9):29 – 34. [Wei Y X, Yin Y, Yang W F, et al. 2009. Analysis of the pollution characteristics & influence factors of PM2.5in Nanjing area [J]. Environmental Science and Management, 34(9): 29 – 34.]

张 兵, 沈 帆, 陈 楠, 等. 2014. 偏最小二乘回归法研究气象因素对武汉市空气质量参数的影响 [J]. 环境与职业医学, 31(4): 241 – 246. [Zhang B, Shen F, Chen N, et al.2014. Relationship between meteorological factors and parameters of air quality in Wuhan by partial least squares regression [J]. Journal of Environmental and Occupational Medicine, 31(4): 241 – 246.]

张样盛, 谭 东, 杨 娟. 2010. 重庆市永川区PM10浓度与气象因子相关性研究 [J]. 重庆环境科学, 32(5):29 – 32. [Zhang Y S, Tan D, Yang J. 2010. Studies on the relationship between PM10concentration and meteorological factor in Yongchuan region in Chongqing [J]. Chongqing Environmental Science, 32(5): 29 – 32.]

张云海, 孙财涛, 杨洪斌. 2009. 基于逐步回归分析方法的PM10浓度预报模型 [J]. 环境科学与技术, 32(5):100 – 102. [Zhang Y H, Sun C T, Yang H B. 2009. PM10concentration forecast model based on stepwise regression analysis [J]. Environmental Science & Technology, 32(5):100 – 102.]

赵晨曦, 王云琦, 王玉杰, 等. 2014. 北京地区冬春PM2.5和PMl0污染水平时空分布及其与气象条件的关系 [J]. 环境科学 , 35(2): 418 – 427. [Zhao C X, Wang Y Q, Wang Y J, et al. 2014. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 35(2):418 – 427.]

赵 朕, 罗小三, 索 晨, 等. 2017. 大气PM2.5中重金属研究进展 [J]. 环境与健康杂志, 34(3): 273 – 277. [Zhao Z, Luo X S, Suo C, et al. 2017. Research advance on heavy metals in atmospheric PM2.5[J]. Journal of Environment and Health,34(3): 273 – 277.]

郑美秀,周学鸣. 2010. 厦门空气污染指数与地面气象要素的关系分析 [J]. 气象与环境学报, 26(3): 53 – 57.[Zheng M X, Zhou X M. 2010. Relationship between air pollution index and surface meteorological elements in Xiamen, Fujian province [J]. Journal of Meteorology and Environment, 26(3): 53 – 57.]

Akpinar S, Oztop H F, Akpinar E K. 2008. Evaluation of relationship between meteorological parameters and air pollutant concentrations during winter season in Elazığ,Turkey [J]. Environmental Monitoring & Assessment,146(1/2/3): 211.

Cheng C S, Campbell M, Li Q, et al. 2007. A synoptic climatological approach to assess climatic impact on air quality in south-central Canada. PartⅡ: future estimates [J].Water Air & Soil Pollution, 182(1/2/3/4): 117 – 130.

Goto D, Ueda K, Ng C F S, et al. 2016. Estimation of excess mortality due to long-term exposure to PM2.5in Japan using a high-resolution model for present and future scenarios [J]. Atmospheric Environment, 140: 320 – 332.

He J, Gong S, Ye Y, et al. 2017. Air pollution characteristics and their relation to meteorological conditions during 2014 — 2015 in major Chinese cities [J]. Environmental Pollution, 223: 484 – 496.

Jin L, Luo X S, Fu P Q, et al. 2017. Airborne particulate matter pollution in urban China: A chemical mixture perspective from sources to impacts [J]. National Science Review,4(4): 593 – 610.

Jin Q, Fang X, Wen B, et al. 2017. Spatio-temporal variations of PM2.5emission in China from 2005 to 2014 [J].Chemosphere, 183: 429 – 436.

Katanoda K, Sobue T, Satoh H, et al. 2011. An association between long-term exposure to ambient air pollution and mortality from lung cancer and respiratory diseases in Japan [J]. Journal of Epidemiology, 21(2): 132 – 143.

Luo X S, Zhao Z, Chen Y, et al. 2017. Effects of emission control and meteorological parameters on urban air quality showed by the 2014 Youth Olympic Games in China [J].Fresenius Environmental Bulletin, 26(7): 4798 – 4807.

Luo X S, Ip C C M, Li W, et al. 2014. Spatial-temporal variations,sources, and transport of airborne inhalable metals (PM10)in urban and rural areas of northern China [J]. Atmospheric Chemistry and Physics Discussions, 14: 13133 – 13165.

Pearce J L, Beringer J, Nicholls N, et al. 2011. Investigating the inf l uence of synoptic-scale meteorology on air quality using self-organizing maps and generalized additive modeling [J]. Atmospheric Environment, 45(1): 128 – 136.Song C, Wu L, Xie Y, et al. 2017. Air pollution in China:Status and spatiotemporal variations [J]. Environmental Pollution, 227: 334 – 347.

Sousa S I V, Martins F G, Alvim-Ferraz M C M, et al. 2007.Multiple linear regression and artif i cial neural networks based on principal components to predict ozone concentrations [J].Environmental Modelling & Software, 22(1): 97 – 103.

Wang J, Wang S, Jiang J, et al. 2014. Impact of aerosolmeteorology interactions on fine particle pollution during China's severe haze episode in January 2013 [J].Environmental Research Letters, 9. DOI: 10.1088/1748-9326/9/9/094002.

Wong C M, Lai H K, Tsang H, et al. 2015. Satellite-Based estimates of long-term exposure to fine particles and association with mortality in elderly Hong Kong residents [J]. Environmental Health Perspectives, 123(11): 1167 – 1172.

Yorifuji T, Bae S, Kashima S, et al. 2015. Health impact assessment of PM10and PM2.5in 27 southeast and east Asian cities [J]. Journal of Occupational & Environmental Medicine, 57(7): 751 – 756.

Żyromski A, Biniak-Pieróg M, Burszta-Adamiak E, et al.2014. Evaluation of relationship between air pollutant concentration and meteorological elements in winter months [J]. Journal of Water & Land Development, 22(1):25 – 32.