沈阳市PM2.5分布研究

邹旭东　刘海龙　王笑影

摘要：利用沈陽市内11个监测点2013年PM2.5的监测资料，分析PM2.5的年、月、日、时的分布特征，对比分析气温、地表温度、湿度、风速、气压、降水和PM2.5的相关性。结果表明，全年PM2.5浓度在张士、二毛、太原街监测点相对较高，炮兵学院、辉山监测点相比较低；各监测点PM2.5月均浓度以1月最高，最大日均浓度出现在12月，冬季星期内各日均值和日内各小时均值变化明显；风速和PM2.5浓度呈负相关，湿度、0 cm地温、气温、气压、降水和PM2.5浓度呈正相关。对12月22日沈阳市发生严重污染天气进行了分析，500 hPa位势高度场处于弱暖脊；850 hPa位势高度场和地面风场受辐散下沉气流的影响，风速较低；垂直剖面风场下沉气流明显，地表出现湿度高值；地面至高空的温度廓线上，低空有明显的逆温；在污染最严重的时候，边界层高度处于低值。

关键词：PM2.5；分布特征；气象条件；沈阳市

中图分类号：P463.1 文献标识码：A 文章编号：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是指空气动力学直径小于或等于2.5 μm的颗粒物，也称为可入肺颗粒物，虽然PM2.5只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要影响。PM2.5的主要来源是人为排放。人类既直接排放PM2.5，也排放某些气体污染物，在空气中转变成PM2.5。直接排放主要来自燃烧过程，比如化石燃料的燃烧、生物质的燃烧和垃圾焚烧等。在空气中转化成PM2.5的气体污染物主要有二氧化硫、氮氧化物、氨气和挥发性有机物；其他的人为来源包括道路扬尘、建筑施工扬尘和工业粉尘等。大气中的细颗粒物PM2.5往往会附着硫化物、氮氧化物和重金属颗粒等大多由工业污染源排放的污染因子，因而对人体的伤害很大。国内外学者关于PM2.5的浓度特征开展了大量的研究工作[1-3]。王占山等[4]对2013年北京市35个自动空气质量监测子站的PM2.5数据进行分析，探讨PM2.5的时间分布特征、空间分布特征以及与前体物和大气氧化性的相关性关系。郝建奇等[5]探究了2013年中国东部地区多次发生持续的重霾污染事件气象条件与重污染事件的关系，并使用欧洲中心东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM2.5浓度数据以及MICAPS观测数据，分析了重污染事件对应的天气形势，针对2013年1月的重污染事件进行情景模拟。詹鹃铭等[6]探讨了冬季珠江三角洲区域污染物的空间传输延迟性及其与气象、地理的关联性，利用天气图、珠三角区域4个典型城市——韶关、广州、深圳、香港的地面气象数据及PM2.5，采用时间序列、相关性分析等方法，分析了2014年冬季各城市大气PM2.5变化关联特征以及受天气过程的影响。吴健生等[7]利用京津冀地区104个监测站点的大气污染物浓度数据，结合卫星遥感数据产品、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息，分别利用最小二乘和地理加权回归构建土地利用回归模型，对PM2.5浓度时空分布情况进行模拟。周广强等[8]检验了基于WRF-Chem模式构建的华东区域大气环境数值预报系统，该系统对上海PM2.5有良好的预报水平。董群等[9]利用北京地区2013-2015年秋冬季各自动站气象要素数据、大气所铁塔资料以及海淀气象站风廓线数据和该地区PM2.5浓度数据，分析山谷风环流特征及其对PM2.5浓度的影响。赵妤希等[10]采用统计分析方法分析北京中心城区长期的污染变化趋势和特征。郝巨飞等[11]利用2014年邢台市逐时气象观测资料和同期环境空气监测数据研究大气能见度下降与气象要素和环境空气污染物的关系。张淑平等[12]选择了石家庄、西安、北京、太原、广州5个不同污染区域的典型城市，解析不同城市的主要气象影响因素和气象因素的综合影响程度。项佳娥等[13]利用2013年12月至2014年11月杭州城区空气质量监测站PM2.5、PM10浓度值，结合气象、道路、人口数据以及站点周边绿地信息，分析PM2.5、PM10浓度时空特征及其影响因子。沈敏霞等[14]选取小寨和秦岭环山路作为西安市城区道路和郊区道路的代表，得出西安市道路PM2.5、NO2和CO的水平浓度分布特征。樊高峰等[15]指出相对湿度和PM2.5浓度是调制大气能见度的关键因子。薛文博等[16]基于空气质量模型的颗粒物来源追踪技术定量模拟了全国PM2.5及其化学组分的跨区域输送规律，建立了全国31个省市向333个地级城市的PM2.5及其化学组分传输矩阵，解析了PM2.5的空间来源。

辽宁省各城市由于重工业多、气候条件等原因，导致颗粒物污染严重，而且冬季采暖期长、昼夜温差大、逆温层效应突出。王扬锋等[17]利用2009年7月至2010年6月辽宁省中部城市沈阳、鞍山和本溪大气成分站能见度与颗粒物连续监测资料，分析能见度变化特征及其与颗粒物的相关关系。洪也等[18]利用MODIS卫星资料、空气质量监测资料、地面气象资料及后向轨迹方法，分析研究了2011年10月28-29日辽宁中部城市群一次灰霾天气过程。马雁军等[19，20]分析了辽宁省中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物分布特征、污染水平及其与气象因子的关系，以及细粒子分布与空气质量的关系。赵胡笳等[21]分析了2011年秋季沈阳一次雾霾天气过程中能见度与颗粒物质量浓度及气溶胶光学特征变化。了解PM2.5在市区内的分布特征，以及气象要素对PM2.5的相关影响，对于大气环境的治理和预测都有着重要的参考价值。然而目前关于沈阳市区内代表各种不同区域PM2.5浓度的详细分布特征研究还是少见的。

1 材料与方法

PM2.5监测数据来源于沈阳市环境监测站，在沈阳市区有11个环境监测点。按季节对比分析2013年各监测点PM2.5年均值、月均值、日均值、星期内各天的日均值、日内小时均值的变化特征。将各观测点的PM2.5和PM10的日均浓度进行了相關对比；将2013年沈阳市PM2.5浓度值的逐日变化和湿度、气温、0 cm地温、风速、降水、气压距平变化进行对比，分析PM2.5浓度和各气象要素的相关程度。用NCEP/NCAR再分析资料进行污染天气形势分析。WRF已被大量应用于各种各样的天气系统数值模拟[22，23]，本研究用WRF3.5.1模式进行污染天气数值模拟。模拟的中心点为42°N，116°E，三层嵌套，最外层区域的格距为30 km，第二层区域的网格距为10 km，最内层网格距为3.333 km。分别覆盖东亚区域、整个东北地区、辽宁地区。模式的物理参数化方案选择为Dudhia短波方案、RRTM长波方案、Kain-Fritsch积云对流参数化方案、Noah陆面过程方案和YSU边界层参数化方案。

2 结果与分析

2.1 PM2.5分布特征

沈阳市区11个环境监测点根据所在的功能区域环境，分别代表着自然保护区的辉山；文化区的炮兵学院、北陵；居住区的文艺路、小河沿；商业区的太原街、辽大、浑南二；工业区的张士、二毛、东软（图1）。中国PM2.5年平均浓度标准是35 μg/m3；美国年平均浓度标准是15 μg/m3；2013年沈阳市年平均浓度值为76.86 μg/m3，这个浓度值达到了中国标准的2.2倍、美国标准的5.1倍（图2）。11个监测点中年均浓度值较高的分别为张士（91.71 μg/m3）、太原街（87.74 μg/m3）、二毛（84.63 μg/m3）、浑南二（82.13 μg/m3）；炮兵学院浓度值最低，为36.91 μg/m3。

2.1.1 PM2.5月平均和日平均浓度的分布特征 分别统计出2013年沈阳市内11个观测点PM2.5浓度的月平均浓度和日平均浓度（图3）。在月平均浓度图（图3a）上看，各月的PM2.5浓度在张士、二毛、太原街相对较高，炮兵学院明显低于其他观测点。各观测点的逐月变化趋势一致，12月、1月、2月相对较高，1月月平均浓度值最高；6月、7月、8月、9月月平均浓度值相比较低。在日平均浓度图（图3b）上看，和月平均浓度图相一致，6-10月是浓度低值，浓度高值出现在1月中旬、12月下旬。中国PM2.5日均浓度限值是75 μg/m3，国际PM2.5日均浓度限值是35 μg/m3，2013年沈阳最高值出现在12月22日张士观测点，日平均浓度值超过500 μg/m3，这个数值达到了国内限值的6.7倍、国际限制的14.3倍。中国北方城市冬季供暖主要依赖燃煤，导致城市冬季大气环境质量更差，PM2.5明显升高[24，25]。沈阳市1月、2月、3月、11月、12月出现的日均污染浓度高值也是受冬季供暖的影响。

2.1.2 PM2.5星期内各天浓度的分布特征 有研究得出，城市PM10、NO2和SO2表现出工作日高、休息日低的特征[26]。将沈阳市2013年PM2.5浓度分别按春、夏、秋、冬四季求星期内各天的平均值（图4）。冬季的平均值明显高于春季、夏季、秋季。冬季星期内各天变化明显，各观测点星期四浓度值最低，星期一、星期二浓度值最高，张士、北陵、小河沿、浑南二、太原街观测点变化较大，其中太原街变化最大，星期一平均值为171.51 μg/m3；星期四平均值为87.87 μg/m3。各观测点春季、夏季、秋季星期内各天变化不明显。

2.1.3 PM2.5小时平均浓度的分布特征 对11个监测点按2013年春、夏、秋、冬不同季节求小时平均浓度，冬季的小时平均浓度绝大部分超过100 μg/m3，明显高于其他季节（图5）。各观测点冬季的小时变化明显，其中张士、浑南二、辽大小时变化较大，浓度最大值出现在9：00，浓度最小值出现在15：00。炮兵学院、辉山的小时浓度变化较小。春、夏、秋季各站小时变化不明显。有研究得出，西安市PM10和NO2小时浓度的日变化趋势均为双峰双谷型，污染浓度早晨高于傍晚[27]，北京地区NO2和NOx浓度日变化呈双峰分布[28]，这些和沈阳市的PM2.5小时浓度的日变化相似。

2.2 PM2.5与PM10的相关分析

可吸入颗粒物是最主要的空气污染物，PM2.5是PM10中粒径较小的部分，对人体健康和大气环境的危害更为突出。2013年沈阳市内11个监测点的PM10和PM2.5都有明显的线性相关（图6），相关系数都超过了0.80，有4个监测点的相关系数超过0.90，其中北陵监测点相关度最高，达到了0.920 84。这与北京、上海等许多地区的PM2.5和PM10相关研究报道相似，二者存在较好的相关性[29]。

2.3 PM2.5和气象要素的相关分析

温度、风速等气象要素对沈阳的大气污染有重要影响[30]。对比分析2013年沈阳市PM2.5日均浓度和湿度、气温、0 cm地温、风速、降水、气压和1951-2013年日平均距平值的变化，并计算相关系数（图7）。冬季PM2.5浓度较高，1月超过200 μg/m3有12 d，超过100 μg/m3有25 d；12月超过200 μg/m3有5 d，超过100 μg/m3有17 d；2月超过200 μg/m3有1 d，超过100 μg/m3有7 d。夏季PM2.5浓度都较低，6月、7月都小于100 μg/m3，8月超过100 μg/m3有1 d。湿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；夏季变化是略有减小，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。气温距平冬季变化主要是减小，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；夏季变化是增大，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。地温距平冬季变化是增大，1月、2月明显高于平均值，全部大于0 ℃，12月大于0 ℃的有26 d；夏季变化略有增大，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。风速距平全年各月都是减小。降水距平冬季變化不明显，夏季明显减小。气压距平冬季1月、2月变化不明显，12月上半月明显减小，下半月明显增大，这个时间段的增大对应发生了强污染天气。分别统计PM2.5浓度和各气象要素的相关系数得出，PM2.5浓度和风速呈负相关，相关系数为-0.180 4；与其他要素都呈正相关，其中与湿度、0 cm地温相关度较高，相关系数分别为0.406 6、0.391 7，与气温、降水和气压的相关度较低，相关系数分别为0.068 3、0.034 6和0.100 3。

之前研究结果表明，风速对大气污染有负相关影响，气温、地温对大气污染有正相关影响[31]，湿度和大气污染有正相关影响[32]。和多年日平均值相比，2013年风速减小，湿度、气温、地温增大，从相关影响分析，这些气象要素的变化特征对沈阳市区的PM2.5浓度产生不利影响。

2.4 污染个例分析

关于沈阳大气污染的研究表明，大气污染和地面至高空的天气形势都密切相关，高空暖脊、地面高压、静风、下沉气流、边界层逆温等都是促成大气污染的必要条件[33]。2013年12月22日在沈阳市出现了全年最强的污染，PM2.5日平均浓度达273 μg/m3，其中张士站PM2.5的日均浓度值达到了523 μg/m3， 22日16：00-23：00张士站小时浓度超过500 μg/m3，其中18：00的小时浓度达到了888 μg/m3。下面对这次全年最重的污染天气做形势分析。

利用NCEP/NCAR再分析资料分析2013年12月22日8：00、14：00时500 hPa位势高度场（图8）。8：00俄罗斯萨哈林岛以东鄂霍次克海上空为冷涡，陕西省北部、山西省、京津冀地区至辽宁省西部上空为低槽，沈阳市上空是低槽前部的弱暖脊。14：00辽宁省西部上空低槽减弱，沈阳市上空暖脊减弱。

利用NCEP/NCAR再分析资料分析2013年12月22日8：00、14：00时850 hPa位势高度场（图9）。8：00青海省、甘肃省南部上空是高压中心，向东一直到辽宁省西部、南部都是高压控制，辽宁省西部处于高压范围的外缘，受高压控制，气流辐散。14：00，高压中心发展减弱，辽宁省上空高压暖脊减弱，气流辐散，风速较小。

用NCEP/NCAR再分析资料驱动WRF天气模式分别模拟沈阳市2013年12月22日18：00地面风场、垂直剖面风场、22日4：00至23日4：00垂直方向温度廓线和21日20：00至23日20：00边界层高度（图10）。风速对沈阳市的污染物扩散有重要影响[34]。由地面风场可见，辽宁省中部沈阳市周围是地面高压，地面风向不一致，呈发散状，不利于污染物的扩散。沈阳市受地面高压影响，弱辐散气流，风速很小、近乎静风。垂直剖面风场上，沈阳市近地层自西向东是下沉气流，风速较小，近地层温度较低，湿度较大，超过了60%。由垂直方向的温度廓线可见，22日4：00至23日4：00沈阳市上空一直有明显的逆温，逆温的变化趋势是先增加后减弱，其中22日21：00至23日3：00逆温最强。边界层高度标志着污染物在垂直方向上的扩散和稀释能力，对于大气环境过程尤为重要[35]。用WRF模式数值模拟得出21日20：00至23日20：00边界层高度，边界层高度有明显的日变化特征，21日17：00至22日8：00边界层高度持续较低，22日8：00-17：00边界层高度先增加后下降，11：00-14：00边界层高度最大；22日17：00至23日8：00边界层高度小于28 m，这和全年最严重的污染天气是相对应的；23日边界层高度比22日有明显增加。

3 结论

2013年沈阳市全年的PM2.5浓度冬季逐日和逐时变化更明显。各气象要素的变化对PM2.5产生重要影响，其中湿度对PM2.5的相关影响最大。12月22-23日沈阳市出现了全年最强的污染，张士站的小时污染浓度达到了888 μg/m3，针对各气象要素进行了相应的污染天气形势分析。主要结论如下：

1）2013年沈阳市PM2.5年均浓度为76.86 μg/m3，达到中国标准的2.2倍、美国标准的5.1倍。从沈阳市内的监测点的月均浓度和日均浓度上看，工业区的张士、二毛、商业区的太原街相对较高；文化区的炮兵学院、自然保护区的辉山相对较低。各监测点冬季星期内各天的变化较明显，星期四浓度值最低，星期一、星期二浓度值最高。各监测点日内小时均值的逐时变化中，冬季上午9：00出现明显高值。

2）在和气象要素的相关分析中，风速和PM2.5呈负相关；湿度、地温、气温、降水、气压和PM2.5呈正相关。其中湿度和PM2.5的相关度最高，相关系数为0.406 6。与多年日均值相比，2013年风速、湿度、气温、地温的变化特征对PM2.5造成不利影响。

3）在对2013年12月22-23日污染的天气条件分析中，500 hPa位势高度场沈阳市处于暖脊；850 hPa位势高度场上受高压控制，呈辐散气流；地面风场上是高壓，且风速较小；垂直剖面风场是下沉气流，地面湿度较大；和严重污染相对应，22-23日沈阳市上空一直有明显逆温；22日17：00至23日8：00沈阳市边界层高度小于28 m。

参考文献：

[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，陈 添，等.2013年北京市PM2.5的时空分布[J].地理学报，2015，70（1）：110-120.

[5] 郝建奇，葛宝珠，王自发，等.2013年京津冀重污染特征及其气象条件分析[J].环境科学学报，2017，37（8）：3032-3043.

[6] 詹鹃铭，刘永红，林 琳，等.2014年冬季珠三角区域典型城市PM2.5污染时空关联特征[J].环境科学研究，2017，30（1）：110-120.

[7] 吴健生，王 茜，李嘉诚，等.PM2.5浓度空间分异模拟模型对比：以京津冀地区为例[J].环境科学，2017，38（6）：2191-2201.

[8] 周广强，高 伟，谷怡萱，等.WRF-Chem模式降水对上海PM2.5预报的影响[J].环境科学学报，2017，37（12）：4476-4482.

[9] 董 群，赵普生，王迎春，等.北京山谷风环流特征分析及其对PM2.5浓度的影响[J].环境科学，2017，38（6）：2218-2230.

[10] 赵妤希，陈义珍，杨 欣，等.北京市中心城区PM2.5长期变化趋势和特征[J].生态环境学报，2016，25（9）：1493-1498.

[11] 郝巨飞，张功文，杨允凌.大气能见度及影响因子特征分析[J].干旱区资源与环境，2017，31（4）：160-164.

[12] 张淑平，韩立建，周伟奇，等.冬季PM2.5的气象影响因素解析[J].生态学报，2016，36（24）：7897-7907.

[13] 项佳娥，徐丽华，张方方，等.杭州城区PM2.5和PM10污染特征及其影响因子分析[J].中国环境监测，2016，32（6）：36-42.

[14] 沈敏霞，曹军骥，张宁宁，等.西安市道路PM2.5、NO2、CO水平浓度分布特征[J].环境科学研究，2017，30（1）：130-136.

[15] 樊高峰，马 浩，张小伟，等.相对湿度和PM2.5浓度对大气能见度的影响研究：基于小时资料的多站对比分析[J].气象学报，2016，74（6）：959-973.

[16] 薛文博，付 飞，王金南，等.中国PM2.5跨区域传输特征数值模拟研究[J].中国环境科学，2014，34（6）：1361-1368.

[17] 王扬锋，马雁军，陆忠艳，等.辽宁中部城市能见度变化特征及其与颗粒物的关系[J].气象与环境学报，2015，31（5）：86-92.

[18] 洪 也，马雁军，王喜全，等.辽宁中部城市群灰霾天气的外来影响——个案分析[J].环境科学学报，2013，33（8）：2115-2122.

[19] 马雁军，王江山，王扬锋，等.辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究[J].气象与环境学报，2008，24（5）：11-15.

[20] 马雁军，刘宁微，王扬锋，等.沈阳及周边城市大气细粒子的分布特征及其对空气质量的影响[J].环境科学学报，2011，31（6）：1168-1174.

[21] 赵胡笳，马雁军，王扬锋，等.沈阳一次雾霾天气颗粒物浓度及光学特征变化[J].中国环境科学，2015，35（5）：1288-1296.

[22] 公 颖，周小珊，杨 森，等.2012年东北地区重大天气过程WRF模式预报效果检验[J].气象与环境学报，2015，31（6）：27-33.

[23] 王益柏，梅 娜，范 磊，等.WRF模式对2013年1月华北一次大霧的数值对比试验[J].气象，2014，40（12）：1522-1529.

[24] 庞 军，吴 健，马 中，等.我国城市天然气替代燃煤集中供暖的大气污染减排效果[J].中国环境科学，2015，35（1）：55-61.

[25] 周 瑞，辛金元，邢立亭，等.唐山工业新区冬季采暖期大气污染变化特征研究[J].环境科学，2011，32（7）：1874-1880.

[26] 沈 毅.南京大气污染特征及空气质量预报研究[D].南京：南京大学，2011.

[27] 姜 雪.西安市空气污染物浓度统计特征及其气象影响研究[D].西安：长安大学，2012.

[28] 王琳琳.北京大气污染特征研究[D].济南：山东大学，2011.

[29] 赵晨曦，王云琦，王玉杰，等.北京地区冬春PM2.5和PM10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.

[30] 邹旭东，杨洪斌，张云海，等.辽宁中部城市灰霾天气数值模拟[J].气象与环境学报，2014，30（6）：92-99.

[31] 邹旭东，杨洪斌，张云海，等.1951─2012年沈阳市气象条件变化及其与空气污染的关系分析[J].生态环境学报，2015，24（1）：76-83.

[32] 周国兵.重庆市主城区气象条件对空气污染影响分析及数值模拟研究[D].兰州：兰州大学，2014.

[33] 邹旭东，杨洪斌，李帅彬，等.利用MM5模式及NCEP资料对沈阳一次污染天气的数值模拟[J].气象与环境学报，2012，28（4）：8-15.

[34] 邹旭东，杨洪斌，刘玉彻.CALPUFF在沈阳地区大气污染模拟研究中的应用[J].气象与环境学报，2008，24（6）：24-28.

[35] 王 坚，蔡旭晖，宋 宇.北京地区日最大边界层高度的气候统计特征[J].气候与环境研究，2016，21（5）：525-532.