全 文 ：北京市夏秋季大气 PM2. 5浓度与气象要素的相关性
*
曾摇 静1,2 摇 王美娥2**摇 张红星2
( 1中国科学院亚热带农业生态过程重点实验室, 长沙 410128; 2中国科学院生态环境研究中心城市与区域生态国家重点实验
室, 北京 100085)
摘摇 要摇 基于北京市城市生态系统研究站 2008、2009 年 7 月 1 日—10 月 31 日大气 PM2. 5浓
度及气温、相对湿度、风速、水汽压、大气压和风向等 6 类气象要素资料,分析北京市夏秋季大
气 PM2. 5浓度与气象要素的相关性.结果表明: 在所分析的 18 周内,PM2. 5浓度在每周内的变
化幅度较小. PM2. 5周平均浓度大致呈现出每 6 周为一个变化周期.其中,后 6 周最高、前 6 周
次之、中间 6 周最低. PM2. 5周平均浓度与 6 种气象要素存在不同程度的相关关系,其中与水汽
压的相关性最强,可通过水汽压预测北京市 7 月和 8 月的 PM2. 5周平均浓度.研究结果可为分
析和控制北京市大气 PM2. 5污染源提供重要的科学依据.
关键词摇 PM2. 5 摇 气象要素摇 夏秋季摇 预测摇 北京
文章编号摇 1001-9332(2014)09-2695-05摇 中图分类号摇 X513摇 文献标识码摇 A
Correlation between atmospheric PM2. 5 concentration and meteorological factors during
summer and autumn in Beijing, China. ZENG Jing1,2, WANG Mei鄄e2, ZHANG Hong鄄xing2
( 1Key Laboratory of Agro鄄ecological Processes in Subtropical Region, Institute of Subtropical Agricul鄄
ture, Chinese Academy of Sciences, Changsha 410128, China; 2State Key Laboratory of Urban and
Regional Ecology, Research Center for Eco鄄Environmental Sciences, Chinese Academy of Sciences,
Beijing 100085, China) . 鄄Chin. J. Appl. Ecol. , 2014, 25(9): 2695-2699.
Abstract: Based on the monitoring data from 1st July to 31th October, 2008 and 2009 at the Bei鄄
jing urban ecosystem research station, correlations between PM2. 5 concentration and 6 meteorological
factors were analyzed, including temperature, relative humidity, wind speed, vapour pressure, at鄄
mospheric pressure and wind direction. Main results showed that the dynamics of PM2. 5 concentra鄄
tion displayed an obvious fluctuation cycle every 6 weeks, while few changes happened within one
week. The highest variation in weekly average of PM2. 5 concentration happened during the third 6
weeks, followed by the first 6 weeks, and the lowest variation occurred in the second 6 weeks. Cor鄄
relation analysis suggested that the weekly average of PM2. 5 concentration was significantly correlated
with all the 6 meteorological factors, and its correlation with the vapour pressure was the greatest.
Results presented in this study confirmed that the weekly average of PM2. 5 concentration between Ju鄄
ly and August in Beijing could be estimated by the vapour pressure. The research would benefit the
analysis and regulation of the pollution source of PM2. 5 in Beijing.
Key words: PM2. 5; meteorological factor; summer and autumn; prediction; Beijing.
*国家自然科学基金重点项目(41030744)资助.
**通讯作者. E鄄mail: mewang@ rcees. ac. cn
2013鄄12鄄27 收稿,2014鄄06鄄09 接受.
摇 摇 2013 年 1 月,罕见的连续高强度大气灰霾污染
席卷我国,京津冀共发生 5 次强霾污染过程,其中北
京市 1 月只有 4 d晴好天气. 2013 年初,北京的灰霾
事件引起国内外环境管理及科研界的高度重视. 中
国科学院战略性先导科技专项“大气灰霾追因与控
制冶组专家指出,这次灰霾污染天气除受人类污染
排放量过大影响外,罕见天气过程也是造成污染爆
发的主要原因[1] . 研究结果表明,城市大气污染除
污染物排放以外,与天气要素也有十分密切的关系,
污染物的扩散、稀释、积聚和滞留都受到气象条件的
影响;影响城市大气污染的天气要素包括:风速、风
向、大气稳定度、气温、空气湿度等[2-9] . 宋艳玲
等[10]研究表明,北京市污染物浓度短期变化主要受
到天气过程和大气低频振荡的影响. 基于大气污染
物浓度与天气要素之间的相关关系,能够通过天气
应 用 生 态 学 报摇 2014 年 9 月摇 第 25 卷摇 第 9 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Sep. 2014, 25(9): 2695-2699
要素的预测结果预测大气污染状况[11-18] .一周内的
平均天气状况已经具有一定的预报能力,可为预测
一周内的大气污染情况提供数据基础.周江兴[19]采
用北京市几种主要污染物(SO2、NO2及 PM10)浓度
的逐日资料和风速、温度及降水的逐日资料,对 11
月至次年 3 月之间一周内大气污染物日平均浓度进
行预测,结果表明,污染物浓度与同期气象要素之间
通常存在非常明显的非线性关系,可采用非线性回
归方程来描述污染物浓度与气象要素之间的依赖关
系.这一改进使污染物浓度与气象要素之间的相关
性有了明显提高, 同时使回归方程的误差减小. 周
丽等[20]采用大气污染物 PM2. 5污染物观测资料和同
期气象观测资料对北京市 2011 年 11 月大气 PM2. 5
与气象要素的相关性进行分析,结果发现,风速和气
压显著影响 PM2. 5浓度,并建立了大气 PM2. 5与风速
和气压之间的多元线性回归方程. 以往对北京市
PM2. 5的研究结果大多集中在冬季,对夏秋季的相关
研究则较少见,主要是由于燃煤的原因,冬季 PM2. 5
浓度较其他季节高[21] . 然而,随着机动车排放引起
的 PM2. 5比例增加,夏季 PM2. 5浓度与气象要素之间
的相关关系,以及对大气 PM2. 5浓度的预报也需要引
起注意[22] . 北京为确保第 29 届奥运会期间的空气
质量,从 2008 年 7 月 1 日开始实施了一系列临时减
排措施.为了研究北京市夏秋季大气 PM2. 5浓度与气
象要素的相关性,以及减少人为因素对 PM2. 5的影
响,本研究通过分析 2008 年 7 月 1 日—10 月 31 日
期间大气 PM2. 5浓度和气象要素的逐时资料,讨论了
由一周内气象要素的预报资料预测大气 PM2. 5浓度
的可行性,以期为北京市大气污染源控制管理提供
理论基础.
1摇 材料与方法
1郾 1摇 数据来源
本文所用 2008、2009年 7月 1日—10 月 31 日的
大气 PM2. 5及气象数据为北京市城市生态系统研究站
的空气环境监测数据,来自位于北京市中心南二环内
的北京教学植物园监测点. PM2. 5浓度测定使用美国
热电环境设备公司生产的环境颗粒物监测仪(R&P
1400a)测定 PM2. 5质量浓度,仪器基于微振荡天平
(TEOM)的工作原理, 1 h 采集 1 个数据,不间断采
集.同时在同一地方同步观测了温度、湿度、风向、风
速等气象参数,1 h采集 1个数据,不间断采集.
1郾 2摇 数据处理
文中采用 Spearman 轶相关系数分析污染物与
气象要素之间的非参数相关性. Spearman 轶相关系
数能够有效克服 Pearson 只适合描述线性相关关系
的缺点,能够提供 2 个随机变量在线性相关或非线
性相关下的共同变化趋势. Spearman 轶相关系数在
对总体分布不明确和总体信息缺乏的情况下能可靠
地获得结论,其计算公式如下:
rs = 1 - [6移
n
i = 1
(xi - yi) 2] / (n3 - n)
式中:rs为秩相关系数;n 为时间周期数;xi为年均值
从小到大排列的序数;yi为年先后排列序数. rs值的
正、负分别表示污染的增长和下降,其绝对值的大小
表示变化的强度.将 rs的绝对值与 Spearman 秩相关
系数统计表中的临界值(Wp)进行比较,如果 | rs | 逸
Wp,表明变化趋势有显著意义[23] . 采用 SPSS 18. 0
和 Sigma Plot 11. 0数据分析软件进行数据分析.
2摇 结果与讨论
2郾 1摇 北京市夏秋季大气 PM2. 5浓度的周变化特征
从图 1 可以看出,从 7 月 1 日开始,前 6 周的周
平均 PM2. 5浓度大致保持在 0. 10 mg·m-3左右,第 7
周至 12 周(8 月 10 日—9 月 19 日),周平均 PM2. 5浓
度下降到 0. 05 mg·m-3左右, 9 月下旬到 10 月 31
日,周平均 PM2. 5 浓度迅速升高并保持在 0郾 10
mg·m-3以上.此外,PM2. 5的周平均浓度也存在小幅
度变化.许多研究报道,北京市大气 PM2. 5浓度的季
节变化规律为夏季最低,春秋季次之,冬季最
高[24-27] .宋艳玲等[10]研究发现,北京市大气污染存
在两个明显的周期波动,即 20 ~ 30 d 周期和准 5 d
周期.本研究期间,大气 PM2. 5浓度变化符合北京市
大气污染物变化的总体规律.
图 1摇 2008 年 7 月 1 日—10 月 31 日北京市 PM2. 5浓度的周
变化
Fig. 1摇 Weekly changes in PM2. 5 concentration during July 1 to
October 31, 2008 in Beijing (mean依SD).
6962 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
2郾 2摇 北京市夏秋季大气 PM2. 5浓度与气象要素的相
关性
2008 年 7 月 1 日—10 月 31 日,日平均温度约
23. 7 益,有 41%的天数的温度在 25 益以上;日均相
对湿度在 51. 8% ~ 88. 4% ,变化范围较大;期间降
水天数为 24 d,降水 10 mm以上的天数为 7 d,最大
日降水量 28. 9 mm;风速较小,平均风速 1郾 5
m·s-1,风速变化范围为 0 ~ 2 m·s-1 . 由于北京总
体降雨天数较少,并且根据曾静等[28]和周江兴[19]
的研究结果,降水与大气 PM2. 5浓度没有显著的相关
关系,因此,本研究中不对降雨与大气 PM2. 5浓度的
相关性进行分析. 由表 1 可以看出,北京市大气
PM2. 5周平均浓度与水汽压的相关性最强,本研究期
间的前 10 周,即 7 月 1 日—9 月 6 日,水汽压与大气
PM2. 5周平均浓度呈极显著相关;第 11 周以后,与水
汽压的相关性下降,而与气温的相关性增强.除水汽
压外,相对湿度、大气压与大气 PM2. 5周平均浓度的
相关性也较明显. 总体上,北京市夏秋季大气 PM2. 5
周平均浓度主要受到气温、相对湿度、风速、水汽压、
大气压和风向这 6 种气象要素的影响.
2郾 3摇 北京市夏秋季 PM2. 5周平均浓度与气象要素的
多元线性回归分析
以 PM2. 5浓度为因变量、6 种气象要素为自变量
进行多元线性回归分析. 结果表明,前 13 周,PM2. 5
周平均浓度只与水汽压呈极显著的线性关系,与其
他 5 种气象要素的相关性不显著;从第 14 周开始,
多元回归的自变量逐渐增加了气温、风速和相对湿
度,即影响大气 PM2. 5浓度的主要因子变得复杂,并
且预测方程的显著性也较前 10 周低(表 2).说明从
9 月开始,通过气象要素多元线性回归预测大气
PM2. 5周平均浓度的概率变小.
摇 摇 为了进一步了解 PM2. 5周平均浓度与水汽压之
间的显著线性回归关系,对每周平均水汽压的变化
趋势进行分析.由图 2 可以看出,在第 10 周之前(7、
8 月),水汽压都大于 2 kPa;9 月以后,水汽压随着
时间逐渐降低,到第 18 周(10 月末),水汽压只有
0. 5 kPa左右.对比 2009 年同期水汽压的变化发现,
水汽压的变化趋势类似,也是在第 10 周之前水汽压
都大于 1. 5 kPa;9 月以后,水汽压随着时间逐渐降
低,到第 18 周(10 月末),水汽压只有 0. 5 kPa 左
右.黄玉燕等[29]根据北京市 60 年气象变化情况分
析发现,北京市水汽压双月均值纪周期无统计学差
异(P>0. 05). 由此可以认为,可以通过与水汽压的
回归方程预测 7 月和 8 月的大气 PM2. 5周平均浓度.
本文采用 7—9 月共 10 个星期的大气 PM2. 5周
平均浓度与水汽压(P,kPa)的回归方程常数项和系
数的平均值,建立大气 PM2. 5周平均浓度(mg·m-3)
的预测方程:
表 1摇 2008 年 7 月 1 日—10 月 31 日北京市 PM2. 5周平均浓度与气象要素之间的 Spearman相关系数
Table 1摇 Spearman correlation coefficient between the changes in weekly PM2. 5 concentration and meteorological factors dur鄄
ing July 1 to October 31, 2008 in Beijing (n=24)
周次
Week
日期
Date
气温
Air
temperature
相对湿度
Relative
humidity
风速
Wind
speed
水汽压
Vapour
pressure
大气压
Atmosphere
pressure
风向
Wind
direction
1 07鄄01—07鄄07 0. 163* -0. 019 0. 062 0. 667** 0. 154* 0. 385**
2 07鄄08—07鄄14 -0. 011 0. 291** -0. 092 0. 866** -0. 175* 0. 086
3 07鄄15—07鄄21 -0. 082 0. 231* -0. 327 0. 718* -0. 117 0. 143
4 07鄄22—07鄄28 0. 085 0. 089 0. 138 0. 691** 0. 131 0. 293**
5 07鄄29—08鄄04 0. 218* 0. 065 0. 237** 0. 507** 0. 328** 0. 534**
6 08鄄05—08鄄11 -0. 044 0. 344** 0. 027 0. 643** 0. 233** 0. 060
7 08鄄12—08鄄18 0. 240** 0. 098 -0. 264** 0. 817** 0. 025 0. 174*
8 08鄄19—08鄄25 -0. 022 0. 188* -0. 217** 0. 687** 0. 413* 0. 140
9 08鄄26—09鄄01 -0. 195* 0. 255** -0. 048 0. 826** 0. 173* 0. 076
10 09鄄02—09鄄08 -0. 132 0. 251* 0. 026 0. 846** 0. 408** 0. 245**
11 09鄄09—09鄄15 -0. 133 0. 165* -0. 044 -0. 029 -0. 177* 0. 106
12 09鄄16—09鄄22 0. 005 0. 116 -0. 015 0. 312* -0. 182* 0. 082
13 09鄄23—09鄄28 -0. 405** -0. 096 -0. 053 -0. 263** 0. 244** -0. 003
14 09鄄29—10鄄05 -0. 533** 0. 308** -0. 258** -0. 133 0. 048 0. 299**
15 10鄄06—10鄄12 -0. 164* 0. 094 -0. 123 -0. 040 0. 181* 0. 031
16 10鄄13—10鄄19 -0. 254** 0. 292** -0. 249** 0. 216** 0. 085 -0. 186*
17 10鄄20—10鄄26 0. 232** 0. 456** -0. 629** 0. 451** -0. 169* 0. 292**
18 10鄄27—10鄄31 -0. 047 0. 326** -0. 205** 0. 542** -0. 330** 0. 156*
*P<0. 05; **P<0. 01. 下同 The same below.
79629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曾摇 静等: 北京市夏秋季大气 PM2. 5浓度与气象要素的相关性摇 摇 摇 摇 摇 摇
表 2摇 2008 年 7 月 1 日—10 月 31 日北京市 PM2. 5周平均浓
度与气象要素之间的多元线性回归分析
Table 2 摇 Multiple linear regression analysis between the
average weekly changes in PM2. 5 concentration and meteor鄄
ological factors during July 1 to October 31, 2008 in Beijing
周次
Week
日期
Date
回归方程
Regression equation
R2
1 07鄄01—07鄄07 y=-0. 224+0. 123x 0. 471**
2 07鄄08—07鄄14 y=-0. 212+0. 125x 0. 615**
3 07鄄15—07鄄21 y =-0. 223+0. 119x 0. 529**
4 07鄄22—07鄄28 y=-0. 367+0. 194x 0. 476**
5 07鄄29—08鄄04 y=-0. 263+0. 141x 0. 428**
6 08鄄05—08鄄11 y=-0. 204+0. 115x 0. 457**
7 08鄄12—08鄄18 y=-0. 092+0. 055x 0. 494**
8 08鄄19—08鄄25 y=-0. 136+0. 082x 0. 435**
9 08鄄26—09鄄01 y=-0. 282+0. 163x 0. 682**
10 09鄄02—09鄄08 y=-0. 172+0. 129x 0. 743**
11 09鄄09—09鄄15 y=0. 008+0. 026x 0. 046**
12 09鄄16—09鄄22 y=-0. 010+0. 043x 0. 086**
13 09鄄23—09鄄29 y=0. 134-0. 003x 0. 212**
14 09鄄30—10鄄06 y=0. 133-0. 001t+0. 004x 0. 362**
15 10鄄07—10鄄13 y=0. 106-0. 02w 0. 036*
16 10鄄14—10鄄20 摇 摇 摇 -
17 10鄄21—10鄄27 y=0. 110-0. 009w 0. 469**
18 10鄄28—10鄄31 y=0. 071+0. 001t+0. 001RH 0. 158**
x: 水汽压 Water vapor pressure; t: 气温 Air temperature; w: 风速Wind speed;
RH: 相对湿度 Relative humidity.
图 2摇 2008 和 2009 年 7 月 1 日—10 月 31 日北京市水汽压
的变化
Fig. 2摇 Changes in the weekly vapor pressure during July 1 to
October 31 in 2008 and 2009 in Beijing.
摇 摇 PM2郾 5 =0郾 218+0郾 125P
根据上式,对 2009 年 7—9 月的大气 PM2. 5周平
均浓度进行预测.由图 3 可以看出,根据水汽压预测
值所得到的大气 PM2. 5周平均浓度变化趋势总体上
与实测值相仿,在这 10 个星期中有 6 周的实测平均
值与预测值基本重合,另外 4 周的预测值也基本在
实测值的波动范围之内,第 3、6、9、10 周的实际值分
别为 0. 060、0. 058、0. 055、0. 061 mg·m-3,预测值分
别为 0. 095、0. 094、0. 015、0. 020 mg·m-3 . 可以认
为,能够通过一周水汽的预测值预报北京市夏秋季
大气 PM2. 5周平均浓度.
图 3摇 2009 年 7 和 8 月大气 PM2. 5周平均浓度预测值(玉)与
实测值(域)
Fig. 3 摇 Dynamics in the predicted value (玉) and measured
value (域) of the average weekly PM2. 5 concentration during Ju鄄
ly and August in 2009.
3摇 小摇 摇 结
本文通过分析位于北京市南二环内教学植物园
环境监测站 2008 年 7 月 1 日—10 月 31 日大气
PM2. 5浓度及 6 类气象要素资料,得到了以下结果:
在所分析的 18 周内,PM2. 5周平均浓度大致以 6 周
为一个周期发生较大幅度变化,每周发生较小幅度
的变化,总体上,后 6 周最高、前 6 周次之、中间 6 周
最低,与其他研究报道结果[10,25-27]相似.
北京市夏秋季 PM2. 5周平均浓度与气温、相对湿
度、风速、水汽压、大气压和风向这 6 种气象要素都
存在不同程度的相关关系,其中与水汽压的相关性
最强. PM2. 5周平均浓度与 6 种气象要素的多元线性
回归分析结果发现,北京市夏秋季 PM2. 5周平均浓度
能够较好地通过水汽压进行预测.
参考文献
[1]摇 Yuan Y鄄S (袁杨森), Liu D鄄M (刘大猛), Che R鄄J
(车瑞俊), et al. Research on the pollution situation of
atmospheric particulates during autumn in Beijing City.
Ecology and Environment (生态环境), 2007, 16(1):
18-25 (in Chinese)
[2]摇 Tai APK, Mickley LJ, Jacob DJ. Correlations between
fine particulate matter (PM2. 5) and meteorological vari鄄
ables in the United States: Implications for the sensitivi鄄
ty of PM2. 5 to climate change. Atmospheric Environment,
2010, 44: 3976-3984
[3]摇 Pateraki S, Asimakopoulos DN, Flocas HA, et al. The
role of meteorology on different sized aerosol fractions
(PM10, PM2. 5, PM2. 5-10). Science of the Total Environ鄄
ment, 2012, 419: 124-135
[4]摇 Zhao XJ, Zhang XI, Xu XF, et al. Seasonal and diur鄄
nal variations of ambient PM2. 5 concentration in urban
and rural environments in Beijing. Atmospheric Environ鄄
ment, 2009, 43: 2893-2900
[5]摇 Liu J (刘摇 洁), Zhang X鄄L (张小玲), Xu X鄄F (徐
晓峰), et al. Comparison analysis of variation charac鄄
8962 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
teristics of SO2, NOx, O3 and PM2. 5 between rural and
urban areas, Beijing. Environmental Science (环境科
学), 2008, 29(4): 1059-1065 (in Chinese)
[6]摇 Dong X鄄L (董雪玲), Liu D鄄M (刘大锰), Yuan Y鄄S
(袁杨森), et al. Pollution characteristics and influen鄄
cing factors of atmospheric particulates in Beijing during
the summer of 2005. Chinese Journal of Environmental
Engineering (环境工程学报), 2007, 1(9): 100-104
(in Chinese)
[7]摇 Yan W鄄L (严文莲), Zhou D鄄P (周德平), Wang Y鄄F
(汪杨峰), et al. Concentrations and size distributions
of inhalable particles in summer and winter in Shen鄄
yang. Journal of Applied Meteorological Science (应用
气象学报), 2008, 19(4): 435-443 (in Chinese)
[8]摇 Sillman S. The relation between ozone, NOx and hydro鄄
carbons in urban and polluted rural environments.
Atmospheric Environment, 1999, 33: 1821-1845
[9]摇 Pan B鄄F (潘本锋), Zhao Y鄄L (赵熠琳), Li J鄄J (李
建军), et al. Analysis of the scavenging efficiency on
PM2. 5 concentration of some kinds of meteorological fac鄄
tors. Environmental Science and Technology (环境科
技), 2012(12): 41-44 (in Chinese)
[10] 摇 Song Y鄄L (宋艳玲), Zheng S鄄H (郑水红), Liu Y鄄J
(柳艳菊), et al. Research on characteristics of air pol鄄
lution in Beijing. Journal of Applied Meteorological Sci鄄
ence (应用气象学报), 2005, 16(3): 66 -122 ( in
Chinese)
[11]摇 Tang T, Zhao W, Gong H, et al. GIS spatial analysis of
population exposure to fine particulate air pollution in
Beijing, China. Environmental Geosciences, 2010, 17:
1-16
[12]摇 Yang W (杨 摇 维), Zhao W鄄J (赵文吉), Gong Z鄄N
(宫兆宁), et al. Spatial distribution of inhalable par鄄
ticulate and association with respiratory disease in Bei鄄
jing City. Environmental Science (环境科学), 2013,
34(1): 237-243 (in Chinese)
[13]摇 Zhong X鄄L (钟晓兰), Zhou S鄄L (周生路), Zhao Q鄄G
(赵其国), et al. Coregionalization, spatial correlation
and spatial factor analysis of soil available heavy metals
in a typical region of the Yangtze River Delta. Environ鄄
mental Science (环境科学), 2007, 28 (12): 2758 -
2765 (in Chinese)
[14]摇 Mu Z鄄Z (穆珍珍), Zhao J鄄B (赵景波), Xu N (徐摇
娜), et al. Vertical and temporal variation of PM10 in
Yanta District, Xi爷an during winter. Acta Scientiae Cir鄄
cumstantiae (环境科学学报), 2011, 31(7): 1509-
1516 (in Chinese)
[15]摇 Zhao Q (赵摇 晴), He K鄄B (贺克斌), Ma Y鄄L (马永
亮), et al. Regional PM pollution in Beijing and sur鄄
rounding area during summertime. Environmental Sci鄄
ence (环境科学), 2009, 30(7): 1873-1880 (in Chi鄄
nese)
[16]摇 Zhao S鄄P (赵素平), Yu Y (余摇 晔), Chen J鄄B (陈
晋北), et al. Size distribution properties of atmospheric
aerosol particles during summer and autumn in Lanzhou.
Environmental Science (环境科学), 2012, 33 (3) :
687-693 (in Chinese)
[17]摇 Hou F (侯摇 芳), Zhao W鄄H (赵文慧), Li Z鄄Z (李
志忠), et al. Effects of different鄄level road network on
IPM concentration in urban area of Beijing. Science of
Surveying and Mapping (测绘科学) , 2012, 37(5):
135-137 (in Chinese)
[18]摇 Han L鄄H (韩力慧), Zhuang G鄄S (庄国顺), Cheng S鄄
Y (程水源), et al. Characteristics of re鄄suspended
road dust and its significant effect on the airborne partic鄄
ulate pollution in Beijing. Environmental Science (环境
科学), 2009, 30(1): 1-8 (in Chinese)
[19] 摇 Zhou J鄄X (周江兴). Correlative analysis on relation鄄
ship between changes of several main contaminations
and some meteorological elements. Journal of Applied
Meteorological Science (应用气象学报), 2005, 16
(3): 123-127 (in Chinese)
[20]摇 Zhou L (周摇 丽), Xu X鄄D (徐祥德), Ding G鄄A (丁
国安), et al. The correlation factors and pollution fore鄄
cast modal for PM2. 5 concentration in Beijing area. Acta
Meteorologica Sinica (气象学报), 2003, 61 ( 6 ):
761-768 (in Chinese)
[21]摇 Zhang J (张 摇 晶), Chen Z鄄L (陈宗良), Wang W
(王摇 玮), et al. Source apportionment on fine particu鄄
lates in atmosphere in Beijing. Acta Scientiae Circum鄄
stantiae (环境科学学报), 1998, 18(1): 61-67 ( in
Chinese)
[22]摇 Wang H (王摇 华), Lu S鄄W (鲁绍伟), Li S鄄N (李少
宁), et al. Inhalable particulate matter and fine parti鄄
culate matter: Their basic characteristics, monitoring
methods, and forest regulation functions. Chinese Jour鄄
nal of Applied Ecology (应用生态学报), 2013, 24
(3): 869-877 (in Chinese)
[23]摇 Qu G鄄P (曲格平). China Environmental Protection
Foundation. Beijing: China Environmental Science
Press, 2002 (in Chinese)
[24]摇 Gu L (古摇 林), Wang C (王摇 成), Wang X鄄L (王
晓磊), et al. Variation characteristics of fine particulate
matter PM2. 5 concentration in three urban recreational
forests in Hui Mountain of Wuxi City, Jiangsu Province
of East China. Chinese Journal of Applied Ecology (应
用生态学报), 2013, 24 (9): 2485 - 2493 ( in Chi鄄
nese)
[25]摇 Wang J鄄L (王京丽), Xie Z (谢 摇 庄), Zhang Y鄄H
(张远航), et al. The research on the mass concentra鄄
tion characteristics of fine particles in Beijing. Acta Me鄄
teorologica Sinica (气象学报), 2004, 62(1): 104 -
111 (in Chinese)
[26]摇 Xiang B鄄Q (向百琴). Take action to improve air quali鄄
ty in Beijing. Beijing City Planning & Construction Re鄄
view (北京规划建设), 1995 (3): 35 - 38 ( in Chi鄄
nese)
[27]摇 Gao Q鄄X (高庆先), Su F鄄Q (苏福庆), Ren Z鄄H (任
阵海), et al. The dust weather of Beijing and its im鄄
pact. China Environmental Science (中国环境科学),
2002, 22(5): 468-471 (in Chinese)
[28]摇 Zeng J (曾摇 静), Liao X鄄L (廖晓兰), Ren Y鄄F (任
玉芬), et al. Dynamics of atmospheric PM2. 5, NOx,
CO during the Beijing Olympic Games. Acta Ecologica
Sinica (生态学报), 2010, 30(22): 6227-6233 ( in
Chinese)
[29]摇 Huang Y鄄Y (黄玉燕), Gao S鄄H (高思华), Zhai S鄄Q
(翟双庆), et al. Discussion on Ji time period of Yunqi
based on meteorological data of Beijing for 60 years.
Journal of Beijing University of Traditional Chinese Medi鄄
cine (北京中医药大学学报), 2010, 33(4): 237 -
240 (in Chinese)
作者简介摇 曾摇 静,女,1981 年生,工程师.主要从事湿地生
态环境研究. E鄄mail: zengjing1127@ 139. com
责任编辑摇 杨摇 弘
99629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曾摇 静等: 北京市夏秋季大气 PM2. 5浓度与气象要素的相关性摇 摇 摇 摇 摇 摇