长春市地铁轻轨站内实测PM 2.5,PM 10分析

本文以长春市轨道交通地铁1号线繁荣路站和轻轨(LRT)3号线亚泰大街站内环境为测试站,对站内PM 2.5与PM 10进行了连续11天的数据采样.由Aerocet-831手持式室内颗粒物监测仪测得地铁站内PM 2.5和PM 10浓度区间分别为122.08μg/m^(3)~167.98μg/m^(3)和276.25μg/m^(3)~415.58μg/m^(3),轻轨站内PM 2.5和PM 10浓度区间分别为13.63μg/m^(3)~80.17μg/m^(3)和31.28μg/m^(3)~197.08μg/m^(3),室外环境PM 2.5和PM 10浓度分别为11μg/m^(3)~62μg/m^(3)和23μg/m^(3)~72μg/m^(3).利用Spss统计学软件对数据进行多变量相关性分析,并得知室外PM 2.5浓度与轻轨站内PM 2.5浓度之间的皮尔逊相关性值为0.827,室外PM 10浓度与轻轨站内PM 10浓度之间的皮尔逊相关性值为0.656.

上海市A城区大气PM_(10)、PM_(2.5)污染与居民日死亡数的相关分析

目的 探讨大气颗粒物污染对人群健康的影响。方法 采用Poisson广义相加模型对上海市A城区大气PM1 0 、PM2 5的日平均污染浓度与居民日死亡数进行相关回归分析 ,并控制了时间长期趋势、气象、季节、一周日效应混杂因素的影响。结果 当大气PM1 0 、PM2 5浓度上升 10 μg m3时 ,总死亡数分别上升 0 5 3%(0 2 2 %～ 0 85 % )、0 85 % (0 32 %～ 1 39% )。结论 大气粗细颗粒物污染具有潜在的急性人群健康危害。

2015年上海崇明岛PM2.5和 PM10浓度变化特征及气象因素影响分析

通过对2015年1-12月上海崇明岛崇南地区颗粒物(PM2.5、PM10)浓度的连续监测,研究了PM2.5、PM10在不同季节的动态变化特征及与其他因子(SO2、NO2、O3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM2.5和PM10浓度的季节变化明显,呈现冬季的>春季的>秋季的>夏季的的特征,冬季PM2.5和PM10小时浓度均值分别为0.058mg/m^3和0.085mg/m^3,夏季PM2.5和PM10均值分别为0.034mg/m^3和0.054mg/m^3。PM2.5和PM10浓度分别与SO2浓度和NO2浓度显著正相关,与O3显著负相关。全年来看,在西南风向时PM2.5和PM10浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM2.5质量浓度≥0.115mg/m^3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM2.5、PM10实时浓度与相应的风速呈显著负相关。降雨量大于5mm或持续3h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM2.5和PM10质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM2.5浓度为0.025~0.033mg/m^3,均低于我国环境空气PM2.5的一级浓度限值。

基于机器学习和卫星遥感的PM2.5/10空间连续分布反演方法研究

在过去的几十年里,快速的经济发展以及工业化、城镇化进程加速使得中国的资源环境承担的压力不断加大。作为影响空气质量的首要污染物,PM2.5和PM10(记为PM2.5/10)直接影响着广大人民群众的身体健康。因此,针对PM2.5/10浓度进行遥感反演研究,对环境监测和控制改善全国空气环境质量具有重要的意义。近些年来,随着对近地面PM2.5/10浓度研究的不断深入,基于遥感影像数据进行PM2.5/10浓度的反演方法也日益增多。本文利用Google Earth engine(GEE)平台获取了海量的Landsat 8 OLI遥感影像数据,并结合气象信息、空间特征等参数,采用机器学习中常用的多层映射反向传播神经网络构建了波段反射率与PM2.5/10浓度之间的反演模型,以获得PM2.5/10在研究区域的连续分布。为了提高基础PM2.5/10反演模型的反演精度,还从影响因素和前溯时间两个维度出发,探寻了模型的最优化输入参数组合,并最终实现了对PM2.5/10浓度的精准反演。以北京市地区为例,模型的PM2.5和PM10的反演精度R2分别达到0.814和0.796,均方根误差RMSE分别为19.21μg∙m−3和28.31μg∙m−3。鉴于该反演结果具有较高的准确性和可靠性,本文所建立的方法模型为研究PM2.5/10在空间上的连续分布特征提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。

瑞士空气污染管制法及PM10和PM2.5的限排措施

瑞士的环境质量在世界上堪称一流,这得益于瑞士严格执行政府1985年出台的《空气污染管制条例》,在控制PM10和PM2.5排放方面,要求明确,措施得当。瑞士PM10和PM2.5的最大排放源分别为农林和居住与商业。瑞士在道路交通、铁路、水运和航空运输、施工机械与设备、燃烧、工业设备与生产流程以及农业等领域均采取了一系列的减排措施,如,规定柴油的含硫量不得超过10mg/kg,各种车辆须加装可以过滤包括PM2.5的新型高效尾气排放过滤器等等。瑞士的经验表明,有效控制PM10和PM2.5的排放量,一是要细化规章制度,二是要有必要的技术手段。

漯河市PM_(10)和PM_(2.5)中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_(2.5)和PM_(10)及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_(2.5)和PM_(10)样品,分别获得PM_(2.5)和PM_(10)有效样品191和190个.用离子色谱法分析样品中F^-、Cl^-、NO_3^-、SO_4^(2-)、Na^+、NH_4^+、K^+、Mg^(2+)、Ca^(2+)等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ(PM_(2.5))平均值为72.42μg/m^3,其中ρ(总无机水溶性离子)的年均值为34.76μg/m^3,占ρ(PM_(2.5))的46.72%;ρ(PM_(10))平均值为126.52μg/m^3,其中ρ(总无机水溶性离子)的年均值为46.40μg/m^3,占ρ(PM_(10))的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_(2.5)/PM_(10)[ρ(PM_(2.5))/ρ(PM_(10))]在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_(2.5)中NOR(氮氧化率)和SOR(硫氧化率)的年均值分别为0.17和0.30,PM_(10)中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO_4^(2-)的二次转化效率高于NO_3^-.PM_(2.5)和PM_(10)在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_(2.5)和PM_(10)中水溶性离子的主要来源发现,PM_(2.5)中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM_(10)中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.

2015—2016年安徽省PM2.5和PM10-2.5时空分布特征

为准确分析安徽省空气中致霾颗粒物(particulate matter,PM)的时空分布特点,文章对2015—2016年安徽省16个地级市环境空气监测数据PM 2.5和PM 10-2.5按周、月、季、年均值进行了统计分析及横纵对比,结果表明:2016年安徽省PM 10-2.5和PM 2.5年均质量浓度分别为24、53μg/m^3,相比上年有小幅下降,整体上未出现持续恶化的局面,同时颗粒物在不同时间尺度上表现出了星期效应、月度规律和季节特征;利用ArcGIS和SPSS等分析统计软件,基于地形地貌特征获得了安徽省颗粒污染物的空间分布格局,解析了颗粒物与其他空气质量指数的相互关系。研究结果有利于从不同时空尺度辨析安徽省大气颗粒物污染的多变特征,为长三角区域颗粒物污染联防联控提供参考。

铬渣污染土壤PM10和PM2.5组分中六价铬的生物可给性及健康风险评估

为获取土壤细颗粒组分中污染物的浓度及其生物可给性,分析了某铬渣污染场地土壤PM 10和PM 2.5组分中六价铬的浓度分布特征,并采用统一生物可给性测试方法(Unified Bioaccessibility Method,UBM)和呼吸吸入生物可给性测试方法(Inhalation Bioaccessibility Method,IBM)2种体外模拟法测试了六价铬在胃、肠及肺中的生物可给性。结果显示:(1)六价铬和总铬在PM 10和PM 2.5组分中的含量大多明显低于PM 250组分,PM 10组分中六价铬和总铬的累积因子(accumulation factors,AF)分别为0.080~12.297和0.008~0.261,PM 2.5组分中六价铬和总铬的AF分别为0.019~5.721和0.005~0.342,相比于总铬而言,六价铬在细颗粒中的累积程度更高。较低的有机质(organic matter,OM)含量可能导致了六价铬AF的明显增加。不同组分中六价铬占总铬的比例分别为2%~17%(<250μm)、21%~98%(<10μm)和22%~82%(<2.5μm),表明在土壤细颗粒中,铬更多地以六价铬的形式存在;(2)通过UBM获取的PM 250组分中六价铬在胃提取阶段的生物可给性因子为0.0301%~0.9483%,平均值为0.4821%;肠阶段可给性因子为0.0018%~0.3934%,平均值为0.1578%,约为胃提取阶段的0.33倍;(3)通过IBM获取的PM 10组分中六价铬在肺阶段的生物可给性因子为2.52%~41.50%,平均值14.47%;PM 2.5组分中六价铬的生物可给性因子为2.40%~88.12%,平均值为48.86%,约为PM 10组分的3.38倍;(4)在考虑生物可给性条件下,六价铬产生的人体总致癌风险水平从2430.04×10^-6下降至125.83×10^-6,而且,六价铬呼吸途径产生的致癌风险水平极高,是经口摄入的5.04~176.38倍(胃)、10.92~10198.00倍(肠),表明呼吸吸入是六价铬致癌风险最为关键的暴露途径。因此,通过测定土壤细颗粒组分中六价铬的生物可给性,能够显著提高铬渣污染土壤健康风险评估的可靠性。

2016年南昌市PM_(10)和PM_(2.5)质量浓度变化研究

利用南昌市2016年4月～2017年3月8个监测点的PM_(10)和PM_(2.5)质量浓度的监测数据,通过聚类分析探讨了大气颗粒物PM_(10)、PM_(2.5)的污染状况和不同功能区间的变化规律.结果表明:2016年南昌市大气颗粒污染物中,细颗粒物(PM_(2.5))较可吸入颗粒物(PM_(10))超标情况更严重;从时间角度看,PM_(10)和PM_(2.5)浓度表现为冬季>春季/秋季>夏季的季节性变化趋势;从空间角度看,表现为商业交通居住混合区>交通区>文教区>居住区>风景区的变化规律;PM_(2.5)/PM_(10)比值变化特征提示冬季可吸入颗粒物中细颗粒物所占比重最大,春季和秋季次之,夏季最小;在影响因素中,监测点大气颗粒物的浓度受交通环境的影响最大,受居民日常生活排污的影响次之.

多时间尺度的秦岭南北城市PM10和PM2.5变化特征分析

基于454d PM 10、PM 2.5质量浓度小时数据,分析不同时间尺度下西安市和安康市PM 10、PM 2.5变化规律。结果表明:(1)西安市和安康市PM 10、PM 2.5日均浓度均呈宽“U”字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM 10、PM 2.5浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM 10、PM 2.5时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM 10、PM 2.5小时浓度变化趋势差异。

上海市松江区PM2.5与PM10浓度变化特征分析

为了解松江区PM 2.5与PM 10浓度变化特征,选取2014年1月1日~2019年2月28日松江区3个环境空气自动监测市控点质控后的小时平均值,进行日、月、季节和年际变化的讨论分析。结果表明:2014~2018年松江区的PM 2.5与PM 10年均浓度分别为51、61μg/m 3,呈整体下降趋势;冬春季PM 2.5与PM 10浓度较高、秋季次之、夏季低;2014~2018年PM 2.5与PM 10浓度月变化趋势基本相同,整体呈现4~6月逐渐下降,10~12月逐渐上升的规律;PM 2.5与PM 10浓度各季节及全年的日变化均呈双峰型;PM 2.5与PM 10的相关系数为0.87,四季系数为r冬季(0.91)>r夏季(0.90)>r秋季(0.88)>r春季(0.72);PM 2.5/PM 10的平均值为0.83,大气颗粒物PM 2.5的贡献率非常高。

2017～2018年蓬安县PM10和PM2.5变化趋势分析

根据2017~2018年南充市蓬安县环保局PM 10与PM 2.5两个指标的监测数据,分析计算了年均浓度、月均浓度和季节浓度及其变化规律。结果显示:蓬安县的PM 10和PM 2.5年均浓度呈降低趋势;PM 10和PM 2.5的季节浓度由高到低依次为冬季>春季>秋季>夏季;PM 10和PM 2.5月均浓度最大值出现在冬季,最小值出现在夏季或秋季;受秸秆焚烧影响,每年4~5月和8~9月的PM 10和PM 2.5月均浓度出现升高趋势。为此,在今后的工作中,提出了蓬安县进一步加强PM 10和PM 2.5污染防治的对策,如建立健全法律法规与排放标准,加快机动车尾气排放的净化处理,同时要控制秸秆的焚烧,加强再生资源利用,减少施工道路的扬尘,工业废气达标排放,加强实时监测,调整能源与产业结构,建立颗粒物监测网络,实时监测控制等。

孕期PM 2.5和PM 10暴露与妊娠高血压和子痫前期关系的Meta分析

目的探讨妊娠期间PM 2.5和PM 10暴露与妊娠高血压、子痫前期之间的关系,为减少妊娠高血压、子痫前期的发生提供循证医学证据。方法收集建库至2019年5月国内外已发表的有关妊娠期间PM 2.5和PM 10暴露与妊娠高血压、子痫前期关系的病例对照研究,阅读文献题目及摘要进行初筛,阅读全文进行复筛,采用Stata15.0软件进行Meta分析。结果共纳入10篇文献。妊娠早期、中期PM 2.5暴露与妊娠高血压的OR合并分别为1.09(95%CI:1.06~1.12),1.17(95%CI:1.13~1.22),差异均有统计学意义(P<0.01)。妊娠中期PM 2.5暴露与子痫前期的OR合并为1.06(95%CI:1.01~1.11),差异有统计学意义(P<0.05)。妊娠早期、中期和晚期PM 10暴露与妊娠高血压的OR合并分别为1.10(95%CI:1.06~1.14),1.11(95%CI:1.05~1.16),1.08(95%CI:1.02~1.15),差异均有统计学意义(均P<0.05)。对发表偏倚的定量分析显示,除用Begg法检验PM 2.5暴露与妊娠高血压和子痫前期(P<0.05)的关系时存在一定的发表偏倚,其余各相关研究均不存在发表偏倚(P>0.05)。结论孕期PM 2.5和PM 10暴露可能与妊娠高血压、子痫前期的发生有关。

Elemental Composition of PM2.5 and PM10 in the Industrial Area of Yopougon, Abidjan, Côte d’Ivoire

This paper describes the evaluation of trace element composition of atmospheric aerosol particles (PM2.5 and PM10) and their influence on air quality in the largest industrial area of Abidjan city, C?te d’Ivoire. Multi-week sampling was conducted in an urban site (industrial area) in Abidjan from April 2018 to July 2019. The mean mass concentration was 48.83 ± 15.24 μg/m3 for PM2.5 and 77.34 ± 10.91 μg/m3 for PM10, with significant temporal variability. The average ratio of PM2.5/PM10 was 0.64 ± 0.21. The concentration of BC in PM2.5 and PM10 was respectively 52.32 ± 7.48 μg/m3 and 52.26 ± 12.07 μg/m3. Twenty-two elements: Na, Mg, Al, Si, P, S, Cl, K, Ca, Ti, V, Cr, Mn, Fe, Co, Ni, Cu, Zn, Rb, Sr, Zr and Pb were analysed by Energy Dispersive X-ray Fluorescence (EDXRF). Elemental composition data were modeled using principal component analysis (PCA) with varimax rotation to determine two (2) and four (4) dominant source categories contributing to PM2.5 and PM10 respectively. In the case of fine particles PM2.5, the possible sources were Industrial activities and non-exhaust emissions, exhaust emissions. The PM10 sources were industrial activities and non-exhaust emissions, industrial processes, mineral dust, and waste combustion.

南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平

为了初步调查南宁市大气中颗粒物PMl0、PM2.5的污染水平 ,于2002年春、夏、秋、冬4季在南宁市的5个典型城市功能区 ,采集了85个样品.结果表明 ,南宁市PMl0、PM2.5 的污染很严重 ,超标率为82.5 %、92.5% ,而且对人体健康危害更大的PM2.5 占PM10 的大部分 ,约为63.5 % ,且重污染区PM2.5 浓度超过轻污染区近一倍 ,应引起公众和相关职能部门的高度重视.

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM10和PM2.5数据,分析了ρ(PM10)、ρ(PM2.5)和ρ(PM2.5)/ρ(PM10)的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR(主成分分析-多元线性回归)模型对大气PM2.5中化学组分来源进行解析.结果表明:①ρ(PM10)和ρ(PM2.5)的年均值分别为(115.4±39.1)(69.1±26.8)μg/m^3,均超过GB3095—2012《环境空气质量标准》二级标准限值,ρ(PM10)和ρ(PM2.5)的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ(PM10)和ρ(PM2.5)季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ(PM10)超标天数占比为25.48%,ρ(PM2.5)超标天数占比为36.71%,各季度ρ(PM2.5)超标天数占比均高于ρ(PM10).②受人为活动和边界层高度的影响,ρ(PM2.5)和ρ(PM10)日变化呈双峰双谷形态,一个波峰出现在08:00—10:00,另一个波峰出现在20:00—22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ(PM2.5)/ρ(PM10)年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ(PM10)与ρ(PM2.5)存在较显著的线性关系,表明二者具有同源性.④ρ(PM10)、ρ(PM2.5)均与ρ(SO2)、ρ(NO2)、ρ(CO)呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ(PM10)、ρ(PM2.5)均与ρ(O3)全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ(PM2.5)和ρ(PM10)有较大影响.⑤南昌市秋季PM2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM2.5的污染程度较PM10严重,PM2.5已成为南昌市大气颗粒物污染的主要组分,PM2.5主要来源为城市扬尘和机动车尾气.

利用多源数据建立GA-BP算法模型估算PM_(2.5)的研究

利用MODIS AOD(Aerosol Optical Depth)3 km分辨率的L2产品并辅以地面气象测量站点和环保监测站点的逐小时数据,对2017—2018年南京地面各站点进行数据匹配,分析估算PM_(2.5)的各相关组合因子,然后利用GA-BP神经网络算法构建卫星数据辅以地面气象数据来估算PM_(2.5)质量浓度的机器学习模型。结果表明:(1)GA-BP神经网络算法对PM_(2.5)进行估算是有效可行的,且比BP效果改善明显。(2)在多源数据的各输入变量中,选择AOD变量加辅助变量的GA-BP算法模型共构建了9组分季节试验,其中应用在2017年数据的试验6最好,表现为秋季>冬季>夏季>春季,秋季R^(2)最大为0.91(RMSE为11.79μg·m^(-3)),春季R^(2)最小为0.65(RMSE为8.67μg·m^(-3))。

PM 10和PM 2.5危害、治理及标准体系的概况

悬浮在空气中的颗粒物,按其空气动力学直径的大小,可分为PM 10和PM 2.5。其中PM2.5由于可直接进入肺泡、称为可吸入肺颗粒物,对人体具有更大危害作用;PM 2.5对心血管系统可以产生毒性作用,心肺疾病的日病死率增加与PM2.5有密切的关系。PM 10和PM 2.5对天气和气候具有危害作用,例如可能降低大气能见度、显著减少日照、改变气温和降水模式、导致雾天增多等。为此,有必要对PM 10和PM 2.5进行监测、治理和控制。分析发现,颗粒物的来源复杂多样,大城市的PM 2.5的主要来源为燃料的燃烧(以煤炭燃烧为主)及机动车尾气。PM 10和PM 2.5污染的治理需要从多个方面着手、多个部门通力协作、加强源头管理。目前,国内主要采用重量法对环境空气PM 10和PM 2.5进行测定,2012年修订的《环境空气质量标准》增加了PM 2.5环境质量标准限值,但是缺乏基于完整科学理论和足量实测数据的支撑,需要深入开展对PM 2.5环境质量标准体系的研究,为空气质量管理和政策制定提供更多的信息。

2013-2018年山东省大气PM(2.5)和PM(10)污染时空变化及其影响因素

PM(2.5)和PM(10)污染已成为全球关注的重要环境问题,监测其污染状况对人类健康、动植物生长、大气环境评价等具有重要意义。基于2013-2018年山东省17个城市大气PM(2.5)和PM(10)监测数据,利用时空分析方法和Spearman相关分析方法,研究其污染时空变化特征,并分析气象、人为及政策因素对二者的影响。结果表明:与2013年相比,2018年山东省大气PM(2.5)和PM(10)污染程度明显减轻,年均浓度降幅分别为48.72%、37.72% 6年整体月均PM(2.5)浓度呈近似"U"形变化规律,月均PM(10)浓度呈近似"V"形变化规律 PM(2.5)和PM(10)污染整体呈由西北内陆向东部沿海地区逐渐减轻的空间趋势 PM(2.5)和PM(10)浓度受气温和降水量2个气象因素影响较显著,受道路密度、城市绿化覆盖面积、SO2和NOx排放量等人为因素影响较显著,且气象因素和人为因素对PM(2.5)浓度的影响较PM(10)更大。

山西省大气污染特征及对公众健康的空间影响

利用山西省11个地级市大气环境监测站的PM_(2.5)、PM_(10)和O_(3)浓度数据,分析了2015—2020年山西省PM_(2.5)、PM_(10)和O_(3)浓度时空变化特征,采用空间计量模型和岭回归方法,分析了空气污染对公众健康的空间影响。结果表明:PM_(2.5)和PM_(10)年均质量浓度总体下降,两者在2017年最高,2020年最低;O_(3)年均浓度总体增加。在季节尺度上,PM_(2.5)和PM_(10)质量浓度在冬季的12月和1月最高,夏季的8月最低;O_(3)浓度在6月最高。空间上,相较2015年,2020年山西省各地级市PM_(2.5)污染程度均有改善,其中长治改善效果最好;2020年山西各地级市PM_(10)污染兼有加重和减轻的情形,所有地级市PM_(2.5)和PM_(10)污染水平均超过国家二级污染浓度限值;2020年山西多数地级市O_(3)浓度升高。山西公众健康水平具有明显的空间离散特征,PM_(2.5)和PM_(10)浓度的局部空间自相关特征高度一致,呈现“南高北低”的格局,O_(3)浓度分布呈“南部高,中北部低”的格局。大气环境质量和经济发展水平均对医疗机构诊疗人数和健康体检人数的变化有正向影响,每万人卫生技术人员数量和公共财政支出比例对公众健康均有负向影响,其中经济发展水平和大气环境质量的影响最显著。山西省PM_(2.5)治理取得一定成效,但大部分城市PM_(2.5)和PM_(10)达标率较低,O_(3)浓度有持续升高的趋势,PM_(10)和O_(3)污染改善缓慢,深度减排仍面临挑战。PM_(2.5)和PM_(10)是危害山西公众健康的主要大气污染物,未来需要加强PM_(2.5)、PM_(10)和O_(3)的精细化管理及协同治理。