军运会期间武汉东南传输通道PM_(2.5)中水溶性离子区域传输解析

2019年10月武汉市举办第七届世界军人运动会。为探究军运会期间武汉市和黄石市两地的大气细颗粒物浓度特征、污染源差异及区域传送情况,于2019年10月10日至2019年11月5日对武汉和黄石两站点的大气细颗粒物进行了连续观测,并分析了PM_(2.5)中水溶性离子的浓度特征,通过后向气团运动轨迹结合潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析方法探究了两站点的污染物区域传送。结果表明:本次观测期间武汉站点和黄石站点的PM_(2.5)浓度超过《环境空气质量标准》(GB 3095—2012)日均二级限值(75μg/m^(3))的超标率分别为26.1%和17.4%,时间主要处于军运会结束后;武汉和黄石两站点PM_(2.5)中的水溶性离子主要以NO-_(3)、SO_(4)^(2-)和NH~+_(4)为主;黄石站点CE/AE值的拟合曲线斜率小于1,表明颗粒物表面呈弱酸性,而武汉站点CE/AE值的拟合曲线斜率大于1,表明颗粒物表面呈中性或弱碱性;两地PM_(2.5)中水溶性离子的存在形式主要以NH_(4)HSO_(4)或(NH_(4))_2SO_(4)为主,武汉站点的缺氨样品的占比为30.4%,而黄石站点的缺氨样品的占比为43.5%;主成分分析结果表明,两站点污染源相同,以二次污染源、扬尘源和生物质燃烧源为主;PSCF和CWT分析结果表明,黄石是武汉站点PM_(2.5)的主要潜在源区,WPSCF因子大于0.7,且浓度贡献权重超过45μg/m^(3),而黄石站点的主要潜在源区位于湖北省与安徽省交界处和安徽省安庆市内。

武汉市冬季重污染过程中PM_(2.5)组分特征与区域来源解析

随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》的相继实施,在高强度的污染治理下,中东部地区PM_(2.5)污染改善效果显著。为探讨在PM_(2.5)浓度不断降低的背景下,仍时有发生的武汉冬季重污染过程的成因及特征,以2020年12月武汉地区一次长达10 d的重污染过程为例,利用多种观测数据和嵌套网格空气质量预报模式系统(NAQPMS)分析污染过程中PM_(2.5)的化学组分特征和区域贡献等。结果表明:污染日二次无机盐SNA(SO_(4)^(2-)、NO_(3)^(-)和NH+4)和碳质组分(EC和OC)在PM_(2.5)中的占比高(分别为78%和18%),NO_(3)^(-)的占比从清洁日的36%上升到污染日的46%,是污染过程中占比最高的化学组分。污染期间,NO_(3)^(-)和SO_(4)^(2-)的浓度比为2.9~6.1,因此二次无机盐的主要来源可能是移动源;OC和EC的浓度比为3.0~9.8,因此碳质组分的主要来源可能是燃煤源。污染期间主要有河南-孝感-武汉和安徽-黄冈-武汉2条污染传输带,污染物传输以武汉周边城市的近距离输送为主,随着污染程度加重,武汉本地及武汉城市圈的区域贡献增加。重度污染天是静稳天气下持续的偏弱东风和西北风输送的污染气团在不易扩散的天气条件下累积形成的。

基于PM_(2.5)浓度达标约束和区域联防联控的河南省地级市大气环境容量研究

为研究以河南省为代表的受大气污染传输影响显著省份的大气环境容量,本文基于CMAQ模型,采用嵌套迭代模拟的方法,计算了在周边省份区域联防联控的前提下河南省PM_(2.5)浓度达标(GB 3095-2012《环境空气质量标准》二级标准限值)时17个地级市SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量.结果表明:①省外传输对河南省PM_(2.5)浓度的贡献率为50.29%,其中周边7个省份传输贡献率为36.19%,可见周边省份实施大气污染联防联控是河南省实现空气质量达标的必要条件.②在省级PM_(2.5)浓度达标时,河南省周边7个省份SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量分别为279.07×10^(4)、465.61×10^(4)、172.67×10^(4)和182.96×10^(4)t,超载排放量分别为243.13×10^(4)、402.79×10^(4)、143.63×10^(4)和142.54×10^(4)t.③在区域联防联控的前提下,全省PM_(2.5)浓度达标时河南省17个地级市的SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)环境容量分别为23.48×10^(4)、52.40×10^(4)、22.74×10^(4)和32.17×10^(4)t,超载排放量分别为48.43×10^(4)、106.78×10^(4)、45.84×10^(4)和61.63×10^(4)t.④河南省东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放会对全省PM_(2.5)浓度变化有显著贡献.研究显示,河南省PM_(2.5)浓度达标时,4种主要大气污染物的环境容量的最大值为52.40×10^(4)t,超载排放量的最大值为106.78×10^(4)t.为实现河南省PM_(2.5)浓度达标,河南省周边省份均需要实施大气污染联防联控,同时河南省需要加大对东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放的管控.

京津冀地区PM_(2.5)污染区域及人口暴露风险研究

为缓解京津冀地区面临的严峻PM_(2.5)污染,本研究利用公里级高分辨率PM_(2.5)数据集对京津冀地区的PM_(2.5)时空分布格局进行分析,利用超标频数法和人口相对暴露风险模型评估京津冀地区的区域暴露风险和人口暴露风险,并预测未来的人口暴露风险。结果表明,京津冀地区PM_(2.5)浓度在2001至2013年间呈波动上升趋势,在2014至2020年间呈显著下降趋势,到2020年时下降至38.43μg/m^(3)。京津冀的东南部地区PM_(2.5)浓度大于西北部地区。对于区域暴露风险,承德市和张家口市较低,邯郸市、衡水市、廊坊市、石家庄市和邢台市较高。对于人口暴露风险,承德市、张家口市和秦皇岛市较低,北京市、邯郸市、天津市、廊坊市、邢台市和石家庄市较高。综合来看承德市和张家口市的暴露风险最低,邯郸市、廊坊市、邢台市和石家庄市的暴露风险最高。京津冀地区在2030、2035、2060年的人口暴露风险较低(0级)。本研究将区域暴露风险和人口暴露风险结合,避免了单一评价指标带来的误差,对暴露风险得到了更准确的理解。

郴州市秋冬季PM_(2.5)污染传输路径与潜在源贡献分析

通过应用HYSPLIT、MeteoInfo模型,计算2017—2021年秋冬季抵达郴州地区72 h的后向气流轨迹并进行轨迹聚类、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析,探讨郴州市PM_(2.5)传输特征及污染潜在源分布。结果表明,郴州市秋冬季PM_(2.5)潜在源区主要分布在北偏东方向,以近距离输送为主,频率最高的是从咸宁市通城县经岳阳市平江县、株洲地区的短距离轨迹,其频率为34.17%;WPSCF高值带起源于河南省,经湖北、平江、江西等地区,最终到达郴州。WCWT分析结果得出,PM_(2.5)污染趋势与上述一致,影响范围更宽,影响程度相对较轻。2017—2021年间,郴州地区污染传输通道影响逐年减小,PM_(2.5)浓度平均下降19.7%。

基于函数型聚类的重庆市主城区PM_(2.5)防治区域划分

空气污染对人类的健康和环境有重要影响,对空气质量进行管理可以有效预防空气污染对人类健康和环境造成的危害。细微颗粒物(PM_(2.5))在空气质量数据中对环境质量的影响最大,因此对其防控具有重要意义。由于划分防治区域是实施防控的重要前提,因此文章针对重庆市主城区17个监测站点的PM_(2.5)日均浓度数据,在采用7种插补方法修复PM_(2.5)缺失数据的基础上,分析其时空分布特征,并利用函数型聚类方法(Functional Nonnegative Ma⁃trix Factorization,FNMF)合理地划分PM_(2.5)防治区域,进一步分析重庆市不同区域的空气质量特征。研究结果表明,重庆市主城区可划分为3类PM_(2.5)防治区域,且各区域冬季污染严重,空间分布与城区经济发展相关,呈现出由北向南污染愈发严重的趋势。

唐山PM_(2.5)污染特征及区域传输的贡献

为研究唐山PM_(2.5)污染特征及区域传输贡献,对唐山冬夏2季PM_(2.5)环境样品进行测试分析,并采用WRFCAMx对京津冀地区PM_(2.5)及二次离子进行定量模拟,获取了PM_(2.5)成分谱数据,估算了PM_(2.5)和二次离子的区域传输贡献.唐山冬夏2季PM_(2.5)平均质量浓度分别为(117.9±56.6)、(77.3±29.8)μg/m3,超标率分别为65.0%和41.7%;水溶性离子的平均质量浓度分别为(58.4±17.9)和(42.6±23.6)μg/m^3,分别占PM_(2.5)的49.4%和55.0%,是PM_(2.5)的主要成分.Cu、Zn、As、Sr、Cd、Sb、Pb主要来自人为源,Na、Mg等其余元素主要来自地壳源.冬夏2季PM_(2.5)受外来源贡献分别为26.9%和31.1%,二次无机气溶胶(secondary inorganic aerosol,SIA)传输作用较PM_(2.5)更为显著,夏季PM_(2.5)和SIA外来源贡献高于冬季,高质量浓度时段外来源贡献会有一定幅度的上升.稳定的大气环流背景场、低风速等气象条件和燃煤排放源的增加是造成冬季重污染发生的重要原因.

北京市冬季PM_(2.5)污染特征与区域传输影响研究

选取北京师范大学监测点于2015年1月进行PM_(2.5)样品采集,应用离子色谱仪(IC)分析PM_(2.5)中水溶性无机离子质量浓度,采用WRF-CAMx-PSAT模型系统对采样时段PM_(2.5)及典型离子的区域来源进行了模拟。结果表明,采样期间(2015年1月2—20日)与重污染过程(2015年1月13—15日)北京PM_(2.5)质量浓度分别为(105.9±72.6)μg/m^3和(232.2±80.2)μg/m^3,PM_(2.5)中总水溶性无机离子质量浓度分别为(47.4±39.8)μg/m^3和(120.7±23.3)μg/m^3,分别占PM_(2.5)的44.2%和53.9%。SO_4^(2-)、NO_3^-和NH_4^+是水溶性离子的主要组分,非重污染过程和重污染过程这3种水溶性离子质量浓度之和分别占总水溶性离子质量浓度的80.5%和89.3%。模拟结果显示,本地源排放是北京市PM_(2.5)、SO_4^(2-)、NO_3^-、NH_4^+的主要来源,贡献率分别为81.4%、79.5%、58.1%、95.3%,北京周边源排放对PM_(2.5)贡献率较大的有保定、天津、张家口、唐山,这4市占北京周边省市排放源贡献率的72.0%。

基于多源数据的像元尺度东北三省夜间PM_(2.5)估算

气候变化与森林植被影响着PM_(2.5)质量浓度的分布,而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前,基于光学气溶胶厚度(AOD)反演日间PM2.5的技术已经较为成熟,夜间PM_(2.5)作为日间PM_(2.5)的补充,对于PM_(2.5)的全天监测具有重要意义。基于辐射传输理论,以夜间灯光亮度、增强型植被指数和7个气象因素(2 m露点温度、2 m温度、U风速分量、V风速分量、大气表面压力、蒸发量、降雨量)作为输入变量,夜间PM_(2.5)质量浓度作为响应变量,建立机器学习估算模型,以期为东北三省夜间PM_(2.5)质量浓度监测提供参考。结果表明,基于集成树构建的模型具有较高的估算精度,其拟合优度(R2)为0.68,平均绝对误差(MAE)为7.05μg/m^(3),均方根误差(RMSE)为11.62μg/m^(3)。此外,通过分析东北三省各监测站PM_(2.5)估算值与真实值的误差,发现模型具有一定的时空敏感性。通过及时准确地掌控夜间PM_(2.5)质量浓度的分布状况,可以为森林植被保护工作的开展提供参考。

典型区域传输过程关键源区减排对天津无机气溶胶及PM2.5的影响研究

利用嵌套网格空气质量数值预报模式NAQPMS探究一次典型区域传输过程关键源区气态前体物减排对天津无机气溶胶(IA)及PM2.5的影响。大尺度区域高精度的IA模拟数据显示,华北平原地区生成了高浓度的IA,向华东地区传输后,按顺时针方向又返回华北平原地区。这一往返式区域传输过程导致天津出现两次污染时段。利用耦合在NAQPMS中的在线污染物来源追踪方法量化了不同源区对天津IA的贡献,识别出华北平原地区是关键源区,日均贡献为57.6%~100%。在天津污染前1天和污染天对华北平原地区SO_(2)、NH3和NO_(x)减排30%分别开展敏感性试验,研究表明NH3减排导致天津IA和PM2.5最大下降率分别为30.8%和13.3%,是SO_(2)减排对IA和PM2.5最大下降率的16倍和26.6倍,是NO_(x)减排情景对IA和PM2.5最大下降率的7倍和6.4倍,成为降低天津污染水平最显著的前体物。SO_(2)减排造成天津硝酸盐浓度上升,最大增长率为3.5%,根据热动力学平衡原理,SO_(2)减排导致生成的硫酸铵减少,气态NH3增加又引起更多的HNO_(3)被中和,生成硝酸盐。NO_(x)减排对华北平原不同地区硝酸盐产生增加/降低两种效应,双效应沿着传输路径依次向下游传播,造成天津硝酸盐、IA及PM2.5浓度先降低后增加。研究结果高度强调了在污染传输过程,关键源区正效应的传播会加快降低气溶胶浓度,但负效应的传播会增加大气污染联防联控的难度。

天津市西南地区PM_(2.5)污染及输送特征研究

静海区和西青区是天津西南界输送影响的关键区域,此研究基于2019年-2022年的PM_(2.5)观测数据和中尺度在线大气化学模式WRF/Chen的模拟数据,探讨区域输送对天津市西南地区PM_(2.5)的影响。结果表明,在不同的时间尺度上,天津市西南地区的PM_(2.5)污染都呈现冬季高、夏季低的规律,与天津市相比,天津市西南地区的PM_(2.5)污染较重。风速和风向都是影响天津市西南地区PM_(2.5)污染和重要因素。WRF/Chen的数值模拟结果表明,静海的PM_(2.5)的本地贡献远高于西青,静海和西青作为天津市的西南门户,周边区域的输送是其PM_(2.5)污染的重要来源,尤其是在秋末、冬季和主风向上,周边的廊坊、沧州、山东、北京和保定是静海和西青地区PM_(2.5)的关键源地。

“乌昌石”区域PM_(2.5)污染特征及其与气象要素的关系

基于2015~2020年“乌昌石”区域PM_(2.5)逐时监测数据及气象资料,分析了区域内PM_(2.5)污染特征及其与气象要素的关系。结果表明:2015~2020年“乌昌石”区域PM_(2.5)年均浓度介于53.61~65.31μg/m^(3)之间,2017年后区域PM_(2.5)污染得以明显改善,但2020年仍高于国家标准限值,4城市PM_(2.5)年均浓度呈西低东高的分布特征。6年4城市PM_(2.5)日均浓度总污染天数比例为24.40%,以轻度污染和重度污染天数为主,不同城市PM_(2.5)污染等级天数比例差异较大,且主要出现在秋冬季,五家渠和石河子的污染较乌鲁木齐和昌吉更严重。“乌昌石”区域风速、气温、日照时数和降水量与PM_(2.5)浓度呈极显著负相关,湿度和气压与其呈极显著正相关。研究显示,“乌昌石”区域PM_(2.5)污染改善显著,但重度污染尚未消除,构建PM_(2.5)污染发生时的气象要素数据库将对改善PM_(2.5)区域污染起积极作用。

基于扩散模型的辽宁中部城市群PM_(2.5)传输规律研究

研究采用扩散模型法,基于气象模型WRF耦合空气质量模型Models-3/CMAQ,对2019年辽宁中部城市群PM_(2.5)污染特征进行模拟分析,通过目标情景设计,获取辽宁中部城市群7个城市间大气污染物传输特征并建立传输矩阵。研究发现:辽宁中部城市群中的PM_(2.5)浓度本地源贡献率最高的是本溪(72.2%),其次为沈阳(63.2%),其他城市本地源贡献率在48.9%~62.1%之间。本溪为对外输送型城市,其排放的PM_(2.5)主要影响辽阳(7.8%)和抚顺(7.1%);铁岭与抚顺之间为单向输送,铁岭向抚顺输送的PM_(2.5)占到抚顺贡献率的9.0%,反之仅为2.3%;鞍山与辽阳PM_(2.5)为双向输送,二者之间的影响分别为7.1%与8.3%。受海洋气候影响,营口本地源贡献率为48.9%,且对其他城市的影响仅在0.2%~2.4%之间。

北京地区气象条件与区域传输对PM_(2.5)浓度影响研究

通过采用KZ(Kolmogorov-Zurbenko)滤波统计方法,结合WRF/CMAQ数值模型情景分析技术,定量分析气象条件和区域传输对北京市PM_(2.5)浓度的影响。结果显示:2018年7月—2019年6月,北京市PM_(2.5)平均质量浓度为46.0μg/m^(3),气象条件同比偏差6.9%,外来传输平均为43.7%。从日变化上看,外来传输在早晚高峰期间明显下降,体现出本地机动车排放贡献明显上升的特点,气象条件对PM_(2.5)浓度的影响主要表现为白天整体有利于污染物扩散,夜间气象条件转为偏不利的特征。2018年10月—2019年3月秋冬季期间,气象条件同比偏差3.3%,在气象条件较为不利和区域同比反弹的情况下,北京市PM_(2.5)浓度持续走低,主要为源减排的效益。

重庆市荣昌区冬季PM_(2.5)污染的气象因素及区域传输特征

利用2016—2018年重庆市荣昌区冬季PM_(2.5)质量浓度监测数据,结合地面气象观测资料、L波段探空雷达资料、ERA-Interim再分析资料及全球资料同化系统(GDAS)数据,并与HYSPILT模型相结合,分析荣昌区冬季PM_(2.5)污染的气象影响因素及区域传输特征。结果表明:(1)2016—2018年荣昌区冬季PM_(2.5)污染超标频率高达56.3%,但空气质量有好转趋势。PM_(2.5)质量浓度日变化有2个峰值,分别出现在12:00和23:00;(2)荣昌区冬季PM_(2.5)污染主要受降水、逆温层、低层风速等气象条件影响。当925 hPa以下和700~600 hPa存在明显逆温层结,500 hPa呈西北气流或平直西风气流,850 hPa以下为偏东北弱风时不利于PM_(2.5)扩散,易发生重度污染天气。日降水量R>2.0 mm时,降水对PM_(2.5)具有明显的正清除,且清除能力随着降水等级的增大而增大,R<1.0 mm时,降水对PM_(2.5)表现为负清除,微量降水期间不利的扩散条件加之颗粒物吸湿增长作用反而导致PM_(2.5)质量浓度增加,空气质量恶化;(3)荣昌区冬季PM_(2.5)污染主要受距离荣昌区西北和东北方向约300 km范围内的成渝城市群城市间污染物区域输送影响,外域颗粒污染物的传输是荣昌区冬季PM_(2.5)污染的重要原因。

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m^3.水溶性离子质量浓度为(45.3±40.6)μg/m^3.其中SO_4^(2-)、NO_3^-和NH4+质量浓度分别为(13.3±13.6)μg/m^3、(14.8±15.1)μg/m^3和(9.1±7.2)μg/m^3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m^3.总水溶性离子、SO_4^(2-)、NO_3^-和NH4+质量浓度分别(111.8±104.3)μg/m^3、(36.6±36.5)μg/m^3、(28.5±29.3)μg/m^3和(25.5±29.8)μg/m^3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3^-传输作用均强于SO_4^(2-).

杭州市G20峰会保障期间PM2.5和O3污染特征与区域传输影响研究

分析了2016年杭州市G20峰会保障期间(8月24日至9月6日)的环境空气质量,利用WRF-CMAQ模型研究了区域传输对杭州市G20峰会保障期间PM2.5和O3污染的影响。结果表明,G20峰会保障期间,杭州市PM2.5日均质量浓度平均值为31.3μg/m^3,逐日浓度均达到《环境空气质量标准》(GB 3095-2012)二级标准(75μg/m^3)的要求,8月31日出现PM2.5浓度上升趋势,9月1日达到最高47.0μg/m^3;O3最大8h质量浓度平均值为159.9μg/m^3,8月24日至25日和8月28日至31日两个时段O3浓度出现了超过GB 3095-2012二级标准(160μg/m^3)的情况。杭州市本地减排对PM2.5浓度下降贡献70%,浙江省其他地市贡献16%,江苏省、上海市以及安徽省与江西省分别贡献了8%、4%、2%,区域联防联控对杭州市PM2.5浓度的改善具一定的作用。精准控制上风向O3前体物排放可在一定程度上缓解杭州市的O3污染。

2018年11月上旬一次中韩PM_(2.5)相互影响传输过程分析

2018年11月5—7日,韩国首尔出现了一次PM_(2.5)污染过程。利用拉格朗日轨迹分析(HYSPLIT)模型分析了首尔峰值浓度气团的来源,结合污染物监测和气象资料,定性分析了中国对韩国浓度高值可能的影响及其程度。利用嵌套网格空气质量预报模式(NAQPMS)及其耦合的在线污染来源追踪模块进行了污染来源解析和敏感性测试,分别计算了同一时期中韩两国相互间的PM_(2.5)传输贡献。结果显示:2018年11月5—7日,中国对韩国首尔污染过程的日均贡献不足10%;此次污染过程后期,首尔的污染气团对上海PM_(2.5)浓度峰值产生了影响。

GAM的区域PM_(2.5)浓度影响因子识别及关联关系分析

区域PM_(2.5)浓度影响因子及显著程度对区域PM_(2.5)浓度模拟和污染控制具有重要意义。该研究应用广义加性模型(GAM)建立模型分析2013年京津冀区域PM_(2.5)浓度与AOD、气象因子(相对湿度、温度、降雨量、大气压、风速)和土地利用类型(水体、林地、耕地、建设用地、裸地)之间的相关关系。结果表明,温度、大气压、AOD、林地、建设用地和裸地显著的影响PM_(2.5)浓度;且温度、AOD、裸地、林地与PM_(2.5)存在复杂相关关系,大气压、建设用地与PM_(2.5)浓度存在线性相关关系。GAM模型R^2为0.952,拟合结果与实测结果的线性回归方程系数为0.959,模型交叉验证后得到R2为0.792。结果表明,利用GAM能有效的识别区域PM_(2.5)浓度的影响因子,根据影响因子进行PM_(2.5)浓度拟合并得到可靠的拟合结果。

上海市PM_(2.5)和臭氧复合污染期多路径减排效果评估

为探究大气PM_(2.5)和臭氧(O_(3))复合污染期间的污染物浓度削峰方案,以上海市2018年4月27—30日PM_(2.5)和O_(3)复合污染时段为研究对象,结合区域多尺度空气质量模型(CMAQ模型),建立上海市O_(3)日最大8小时滑动平均值(MDA8 O_(3))以及PM_(2.5)浓度与人为源排放的NO_(x)和VOCs之间的响应关系,获得了EKMA(empirical kinetics modeling approach,经验动力学建模方法)曲线.在此基础上,探讨上海市MDA8 O_(3)和PM_(2.5)对前体物排放的敏感性,并进一步量化了本地减排、提前减排和区域减排等不同情景下PM_(2.5)和MDA8 O_(3)的浓度变化.结果表明:(1)上海市PM_(2.5)和O_(3)复合污染期间MDA8 O_(3)的峰值率(PR)为0.6~1.1,除浦东惠南站点外,整体处于VOCs控制区.(2)上海市人为源NO_(x)和VOCs减排对PM_(2.5)的削峰效果有限(NO_(x)减少80%时,PM_(2.5)浓度下降1.2μg/m^(3)).本地VOCs减排对MDA8 O_(3)的削峰较为明显(最大下降量为17.0μg/m^(3)).VOCs与NO_(x)的减排比例需控制在1.9∶1以上才能使MDA8 O_(3)浓度不发生反弹,同时可优先控制烯烃类的排放.(3)上海市MDA8 O_(3)浓度在提前减排和区域减排VOCs情景下均能进一步降低,降幅为0.6%~3.1%,且区域减排带来的受益范围更广;提前减排和区域减排对上海市PM_(2.5)浓度降低的边际效益均甚微.研究显示,复合污染期间VOCs的排放控制可同时削减PM_(2.5)和MDA8 O_(3)浓度峰值,提前采取污染防控措施以及区域联合控制对上海市O_(3)浓度削峰有一定积极意义.