黄河流域PM_(2.5)时空分布格局及人口暴露研究

文章基于PM_(2.5)遥感反演数据和人口格网分布数据,构建人口暴露风险指数模型,采用Theil-SenMedian与MannKendall检验法,识别2000-2020年间黄河流域PM_(2.5)质量浓度值和人口暴露风险指数时间演化特征,通过空间探索工具,刻画其空间变化特征。研究结果表明:(1)PM_(2.5)质量浓度平均值为46.53μg/m^(3),研究期内呈现出“快速增长—波动变化—持续下降”的态势。PM_(2.5)污染不同等级面积比例变化明显,总体呈现出高浓度区域减少、低浓度区域增加的态势。(2)PM_(2.5)年均质量浓度空间上东高西低。历年PM_(2.5)年均质量浓度空间局部自相关显著。低值区域主要分布在青海、甘肃、宁夏、内蒙古等省份。高值区域集中分布在山西南部、陕西关中地区、河南中部、山东北部区域。(3)除2000年和2020年外,研究时段内均有90%以上人口暴露于PM_(2.5)年均质量浓度35μg/m^(3)限值以上,且高密度人口区域暴露风险等级较高。人口暴露风险极显著增加区域主要包含青海省东南部、宁夏平原地区、内蒙古西部、汾渭平原以及河南中部等地区。(4)PM_(2.5)人口暴露风险分布格局变化不显著。高等级风险区在空间上呈现片状、带状以及点状分布共存的特征,主要为黄河中下游冲积平原以及中游汾渭盆地。

基于地理加权随机森林的长三角PM_(2.5)建模

采用随机森林(RF)和地理加权随机森林(GWRF)对长三角地区2003~2019年的PM_(2.5)浓度及其驱动因素数据进行训练、校验与测试,并探讨它们之间的关系.结果表明:(1)相比RF模型,GWRF模型对PM_(2.5)浓度的训练和预测更优,其各项模型评估指标均优于RF模型,且GWRF模型残差的空间自相关性更低.(2)GWRF模型预测2019年PM_(2.5)浓度分布优于RF模型,与实际观测浓度分布基本一致,但两个模型均存在北部高估南部低估的情况,且高估区域大于低估区域.(3)RF模型在研究PM_(2.5)浓度分布最重要且显著的驱动因子方面是全局性的,而GWRF模型得到干旱、气温、温差、风速以及人类干扰对PM_(2.5)分布的影响是局部性的.在大尺度下,这种局部性的效应对于PM_(2.5)精细化防控更具实际性的指导意义.此外,在全球气候暖干化和区域气候空间异质性的背景下,把干旱融入PM_(2.5)预测并建立具有局部效应的模型有助于环境监管机构及决策者制定防控措施.

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。

典型人类活动对关中平原城市群PM_(2.5)浓度的影响

为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_(2.5)浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_(2.5)浓度分布及驱动力有何变化尚缺乏关注。基于2018~2020年PM_(2.5)遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析2020年2月至3月实施流动限制性措施期间关中平原城市群PM_(2.5)浓度及驱动因子的时空演变特征。结果表明:①2020年2月至3月PM_(2.5)浓度显著下降,2020年2月热点减少,3月冷点减少。②相比历年同期,所有人为因素单因子在2020年2月对关中平原城市群PM_(2.5)浓度的解释力最低,自然因素解释力较高。其中,工厂兴趣点分布(POI_D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为20.3%和38.6%。所有人为因素双因子交互影响解释力在2020年2月最低。③所有人为因素在2020年2月对关中平原城市群PM_(2.5)浓度的作用尺度最小,当不同时期人为因素强度处于平均水平时,实施流动限制性措施期间的PM_(2.5)浓度更易降低,但东部地区的PM_(2.5)浓度防治强度还需增大。

中国黑碳和PM_(2.5)人群暴露风险评估

利用全国范围(除港澳台)PM_(2.5)(2015—2020年)和黑碳(2015—2017年)的浓度监测数据,并结合人口分布资料,测算我国人群大气污染物人口加权平均浓度(population-weighted concentration,PWC),对人群大气污染暴露风险和特征做了定性与定量评估。结果表明:(1)2015—2020年,我国人群PM_(2.5)平均暴露浓度达标率为48%,其间全部达标的省和自治区有云南、海南、广东和西藏;(2)2015—2017年,我国人群的平均黑碳暴露浓度空间分布不平衡,出现西低东高的形势,黑碳污染严重的地区主要为华中(湖南、河南、江西)和西南(四川、重庆)等地;(3)2015—2017年,我国人群黑碳和PM_(2.5)的年均暴露浓度比为0.01~0.16,比值呈逐年下降趋势。本研究为全面认识我国PM_(2.5)和黑碳的环境健康效应提供参考,也为制订预防措施和政策提供科学依据。

妊娠期PM_(2.5)暴露与足月低体重儿的关联分析

目的探讨孕期各阶段PM_(2.5)暴露与足月低体重儿发生风险的关系。方法收集2015年9月1日至2017年12月31日在河北省22个危重孕产妇监测点分娩的118783名孕产妇住院资料,并收集其孕期各阶段的空气质量监测数据;根据足月新生儿是否低体重儿,将其分为足月低体重儿组和足月非低体重儿组,比较两组的孕期PM_(2.5)暴露情况,采用logistic回归模型分析其对足月低体重儿患病的影响。结果足月低体重儿组孕期各阶段PM_(2.5)暴露水平明显高于足月非低体重儿组(P<0.05);妊娠期暴露于PM_(2.5)会增加足月低体重儿的发生风险;全孕期、孕早期、孕中期、孕晚期PM_(2.5)暴露浓度每增加10μg/m3,足月低体重儿的发生风险分别增加4.9%、1.6%、1.7%、1.5%;高龄妊娠、低龄妊娠、产检次数少、初产、多产次(产次≥2)、多胎妊娠、胎儿女性、孕妇患妊娠高血压疾病、前置胎盘、胎盘早剥、心脏病均为足月低体重儿的独立危险因素(P<0.05)。结论妊娠期高浓度PM_(2.5)暴露会显著增加足月低体重儿的发生风险,应注意做好孕期防护。

2001—2016年中国PM_(2.5)暴露风险的时空演变、时空聚类与风险防控

构建耦合人口加权的空气污染暴露风险(PPM_(2.5))评估体系,基于探索性时空分析方法开展中国PM_(2.5)及其人群暴露风险的时空演变和时空聚类研究。结果表明,基于时间-空间演变特征分析,发现耦合人口加权的空气污染暴露风险(PPM_(2.5))格局与PM_(2.5)浓度分布存在空间错位现象;PPM_(2.5)风险等级随区域中心向外围梯度递减,但研究期内其人群暴露的东高西低总体格局不变;其均衡性时空演变呈整体不均衡性加强而局部更趋于均衡的趋势。基于时空扫描统计的K-means聚类分析,划定4种暴露风险类型,分别为稳定低风险型、持续增长风险型、持续高风险型、低-高风险渐变型,各类型分布差异显著且具备不同人口经济特征。针对不同PM_(2.5)人群暴露风险的时空聚类分区制定差异化的空气污染预警和防治策略,有助于提升城市韧性,为“健康中国”发展战略实施提供理论与实践基础。

绿地暴露与心血管代谢性疾病的关联研究及PM_(2.5)的中介效应

目的描述我国社区自然人群心血管代谢性疾病(cardiovascular metabolic disease,CMD)的流行现状,探讨绿地暴露与CMD的关联及细颗粒物(fine particulate matter,PM_(2.5))的中介效应。方法采用多阶段分层整群抽样方法,选取2017—2019年“京津冀地区生活社区自然人群慢性病队列研究”的社区自然人群(≥18岁),采用归一化植被指数(normalized difference vegetation index,NDVI)和增强植被指数(enhanced vegetation index,EVI)评估人群的绿地暴露水平。采用广义线性混合效应模型进行绿地暴露与CMD的关联性分析,并分析PM_(2.5)在其中的中介效应。结果36429名研究对象中男16095名(44.2%),女20334名(55.8%);年龄18~92岁,平均(51.3±14.7)岁;其中CMD患者18025例,患病率为49.5%;同时患两种及以上CMD患者6232例(17.1%),其中高血压合并糖尿病患病率最高,为2584例(7.1%)。绿地与CMD呈负相关(主模型:NDVI500m,OR=0.951,95%CI:0.908~0.995;EVI500m,OR=0.907,95%CI:0.844~0.975)。PM_(2.5)在NDVI500m、EVI500m与CMD关联的中介效应占比分别为17.300%、22.370%。结论我国社区自然人群CMD患病率较高,较高的绿地暴露水平与自然人群CMD患病风险呈负相关,PM_(2.5)在其中发挥中介效应。增加居民住宅周围绿地可能是预防社区自然人群CMD患病的有效措施。

Analysis and Study on Spatial Gravity Center of PM_(2.5) and Population Scale

With the rapid development of urbanization construction in China,population and industries are rapidly gathering in cities,bringing about economic development and also causing a large number of environmental problems,among which PM_(2.5) is the most concerned.In this paper,a spatial gravity center model was used to systematically analyze the spatiotemporal distribution characteristics of PM_(2.5) and population scale in China from 1999 to 2016.Conclusions were as below:(1)there were significant regional differences in PM_(2.5) pollution from 1999 to 2016,characterized by a spatial distribution of"high in the north and low in the south,and high in the inland and low in the coastal areas".(2)Nationwide,there was a significant spatial mismatch between the gravity center of PM_(2.5) pollution and the gravity center of population scale,with the two centers showing a trend of reverse dislocation development.

渭河流域PM_(2.5)时空演化及人口暴露风险

研究PM_(2.5)时空演化及人口暴露风险,对于环境风险评价及人居环境改善、政府环保部门制定针对性的空气污染防控政策具有重要意义。渭河流域是国家重要工业基地,也是国家级城市群和关中—天水国家级经济区的核心区域,降低该区域PM_(2.5)人口暴露风险是实现高质量发展的必然途径。基于渭河流域2000-2020年PM_(2.5)遥感反演数据和人口格网分布数据,测算人口暴露风险指数。采用Theil-Sen Median与Mann Kendall检验法,分别识别PM_(2.5)质量浓度值和人口暴露风险指数时间演化特征,并通过GIS空间探索工具,分析其空间变化特征。结果表明,(1)2000-2020年渭河流域PM_(2.5)年均质量浓度为47.2μg·m^(-3),最高值为2013年的57.6μg·m^(-3),最低值为2020年的31.8μg·m^(-3),呈现先上升后下降的变化趋势。趋势显著性检验发现,渭河流域PM_(2.5)污染情况呈现好转趋势。(2)PM_(2.5)年均质量浓度空间分布呈东高西低特征,高值主要集中在流域下游地区,如西安市、咸阳市和渭南市等。低值主要分布在流域中上游地区,如天水市、定西市、平凉市等。(3)2000-2020年渭河流域PM_(2.5)人口暴露风险等级总体呈下降趋势,但历年暴露于35μg·m^(-3)以上人数占比均值高达96.2%。2000-2003年,2005-2014年间,渭河流域100%人口暴露于浓度值35μg·m^(-3)以上。但高风险区域面积从2000年的20.6%下降为2020年的17.1%。(4)2000-2020年渭河流域历年PM_(2.5)人口暴露风险等级均呈现东高西低的空间格局,且空间差异较大,“热点”型主要集中渭城区、秦都区、未央区等城市建成区单元,“冷点”型主要分布在定西市、天水市、平凉市等流域西部海拔较高区域。研究结论可为渭河流域制定联防联控的PM_(2.5)污染治理政策提供科学依据。

长三角居民PM_(2.5)暴露水平下降的健康效益评估

为评估长三角地区居民PM_(2.5)降低的健康经济效益,基于时间加权PM_(2.5)暴露水平,通过综合暴露反应关系模型和支付意愿法等,分析了2011~2019年长三角地区居民PM_(2.5)暴露水平下降趋势及其健康和经济协同效益.结果表明:2011~2019年间,长三角地区的PM_(2.5)暴露浓度从45.06μg/m^(3)下降至37.39μg/m^(3),降幅为17.03%;同时归因于PM_(2.5)暴露导致的过早死亡人数从139962(95%CI:87306~192619)人下降至105461(95%CI:66306~14416)人,降幅为24.65%.从敏感性分析的年际变化看,归因于PM_(2.5)暴露导致的过早死亡在2012年政策实施后呈逐年下降趋势,表明我国各项PM_(2.5)控制政策卓有成效.产生的累积协同效益为40.55亿美元;2018年开始PM_(2.5)减排健康协同经济效益有所降低.因此在降碳的同时还需继续加强减污协同控制,以减少可归因死亡和健康经济损失.

关中平原城市群PM_(2.5)人口暴露风险时空演变特征研究

经济的快速发展导致关中平原城市群环境逐渐恶化,越来越多的人口逐渐暴露于大气高污染地区。研究利用2000年-2020年PM_(2.5)浓度和人口分布数据,采用人口暴露风险模型,分析关中平原城市群PM_(2.5)浓度、人口数量和人口暴露风险的时空演变特征。结果表明:2000年-2020年,关中平原城市群PM_(2.5)浓度总体呈下降趋势,各年份人口逐年增加。时间上,2000年-2020年各年份PM_(2.5)人口暴露风险变化较小,空间上,风险高值区主要集中在西安中部、商洛地区,风险低值区集中在平凉、天水地区。

Himawari-8气溶胶变分同化对PM_(2.5)污染模拟的改进

利用地球静止轨道卫星Himawari-8气溶胶光学厚度(AOD)产品能够估算空间覆盖范围广、时间分辨率高的近地表PM_(2.5)浓度。基于三维变分同化系统将AOD估算得到的PM_(2.5)资料同化进入WRF-Chem大气化学模式中,通过控制实验与同化实验的对比与分析,探讨了AOD估算得到的PM_(2.5)资料同化对PM_(2.5)污染模拟的改进作用。实验结果表明:(1)AOD估算得到的PM_(2.5)资料同化能够改进PM_(2.5)污染模拟效果;(2)PM_(2.5)污染模拟改进效果存在时空差异。此外,与其他研究中使用AOD观测算子直接同化AOD的方法相比,该方法的操作更加简单。

京津冀地区PM_(2.5)空间分布特征及其影响因素分析

文章选取2016—2020年京津冀地区的PM_(2.5)监测站点数据为研究对象,分析京津冀地区PM_(2.5)浓度的时空分布特征,并构建地理加权回归模型(GWR)分析PM_(2.5)浓度受各因素影响的空间变化特征。结果表明:(1)2016—2020年京津冀地区的PM_(2.5)浓度基本呈下降趋势,2018与2020年的PM_(2.5)浓度最低且污染区域最少;PM_(2.5)浓度表现出明显的季节变化特征,春夏季节较低,冬季最高。(2)京津冀北部的张家口、承德和秦皇岛为PM_(2.5)浓度低值区,南部的石家庄、邢台、邯郸、保定和衡水为PM_(2.5)浓度高值区。(3)京津冀地区PM_(2.5)浓度空间分布存在明显的聚集特征,北部保持“低-低”聚集,南部保持“高-高”聚集,非显著区域在中间位置,呈现倒“U”型分布。(4)不同的影响因素对于PM_(2.5)浓度的影响程度有着较为明显的空间差异性。

长江经济带PM_(2.5)时空演变及健康经济效益评估

系统分析了《大气污染防治行动计划》考核为优秀、良好、合格的36个城市在2017—2019年细颗粒物(PM_(2.5))浓度的时空分布情况,借助BenMAP解析控制PM_(2.5)污染带来的健康经济收益,对PM_(2.5)浓度和气象因素进行Pearson相关分析,同时利用地理加权回归确定控制PM_(2.5)污染带来的经济收益的多种社会经济驱动力。结果表明:(1)2017—2019年长江经济带PM_(2.5)年均浓度降低了17%;(2)长江经济带因PM_(2.5)浓度降低而减少的全因死亡人数为67943人,获得经济收益1548.18亿元;(3)2017—2019年长三角城市群空气质量改善获得的经济收益为558.62亿元,占长江经济带经济收益的36.08%,长江中游城市群空气质量改善获得的经济收益为554.71亿元,占长江经济带经济收益的35.83%,成渝城市群空气质量改善获得的经济收益为430.71亿元,占长江经济带经济收益的27.82%;(4)平均气温与PM_(2.5)浓度有显著相关性,人口密度对控制PM_(2.5)的经济收益影响最大。根据以上分析,提出对成都、重庆、南昌、合肥、扬州、黄石、武汉、九江、上海、黄冈等经济效益大的城市优先管控,并提出了分区分类治理区域大气污染和对人口密度高、城镇化率高的地区严格把控等政策建议。

外来输送对舟山城区不同季节PM_(2.5)污染的影响研究

为了揭示外来输送对浙江舟山城区PM_(2.5)污染的影响,在对2016年3月—2019年2月舟山城区PM_(2.5)日均质量浓度季节变化分析的基础上,利用后向轨迹聚类分析、潜在源分析函数和浓度权重轨迹分析方法,对比分析了影响舟山城区PM_(2.5)外来输送路径和潜在外来源区的季节特征。结果表明:春季和秋季以东北偏北和局地偏南路径占比最大,夏季以偏南路径占比最大,冬季以西北路径占比最大。春季西北路径和局地偏南路径分别对PM_(2.5)质量浓度平均值和最大值贡献最大,夏季西北偏北路径和偏南路径分别对PM_(2.5)质量浓度平均值和最大值贡献最大,秋季局地偏南路径对PM_(2.5)质量浓度平均值和最大值贡献最大,冬季西北路径对PM_(2.5)质量浓度平均值和最大值贡献最大。春季的潜在源区主要分布在安徽中北部到东南部、河南东部和福建北部沿海。夏季和秋季的潜在源区主要分布在安徽东南部、江苏南部和浙江西南部。冬季的潜在源区主要分布在山东西南部、江苏西北部、浙江北部、安徽东北部和河南东部。与2013—2016年数据的研究结果相比,不同季节主要输送路径的传输方向较一致,夏季和冬季仍分别主要受偏南路径和西北路径气流的影响。不同之处在于舟山夏季PM_(2.5)受西北偏北路径输送的影响增多,春季和秋季PM_(2.5)受来自浙江省内局地偏南路径输送的影响较明显。安徽、江苏、山东和浙江的部分地区仍是舟山PM_(2.5)主要的潜在源区,但浙江北部和江苏的分布范围有所减小,并有向山东西北部、浙江西南部和福建北部沿海延伸的趋势。

基于遥感数据和GWR模型的成都PM_(2.5)浓度时空分布特征研究

利用MODIS 021KM数据反演成都地区2018年逐日AOD数据,并结合PM_(2.5)地面监测数据以及气象数据构建地理加权回归(GWR)模型得到成都地区逐月PM_(2.5)浓度。结果表明:(1)和多元线性回归模型相比,GWR模型反演的PM_(2.5)浓度的R2、ERMS和EMA分别为0.884、7.8704μg·m^(−3)和6.1566μg·m^(−3),都优于多元线性回归的0.808、9.7098μg·m^(−3)和7.6081μg·m^(−3),说明该模型能有效估算成都地区2018年PM_(2.5)浓度。(2)成都地区PM_(2.5)浓度在月尺度上呈现出先降低、后升高的变化特征。2月最高为67.38μg·m^(−3),7月最低为28.31μg·m^(−3);PM_(2.5)浓度季节变化特征为夏季、秋季、春季、冬季依次递增。(3)成都地区PM_(2.5)浓度空间分布总体上呈现“中间高、两边低”的特征。西部地区为PM_(2.5)浓度低值区,中部地区为高值区,东部的简阳市和金堂县为PM_(2.5)浓度次高值区。

不同季节天津市PM_(2.5)与O_(3)潜在源区及传输路径分析

为探究天津市各季节PM_(2.5)与O_(3)污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function,PSCF)、浓度权重轨迹(concentration-weighted trajectory,CWT)对天津市PM_(2.5)与O_(3)污染的外来潜在源区以及可能的污染传输途径进行研究.结果表明:①天津市PM_(2.5)和O_(3)污染均较为严重,且具有明显季节性特征.天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主.②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_(2.5))和O_(3)浓度8 h滑动平均值〔简称“ρ(O_(3)-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O_(3)-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_(2.5))最高.③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_(2.5)与O_(3)污染的主要潜在源区.此外,冬季张家口市和唐山市对天津市PM_(2.5)污染的潜在影响也较大.冬季影响天津市PM_(2.5)污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响.研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.

全球PM_(2.5)人口暴露风险时空格局

基于PM_(2.5)遥感数据和人口格网数据,利用污染物人口暴露风险模型、Theil-Sen Media和Mann-Kendall等方法,分析了2000~2016年全球PM_(2.5)人口暴露风险时空分布特征,并识别出暴露高风险区域.结果表明,PM_(2.5)遥感数据和人口格网数据可以客观地评价暴露风险程度.全球PM_(2.5)平均浓度在各大洲差异显著,PM_(2.5)污染的高值区域主要分布在东亚、南亚和东南亚.PM_(2.5)质量浓度的多年平均值从高到低分别是亚洲14.7μg/m^(3)、非洲8.1μg/m^(3)、欧洲8.03μg/m^(3)、南美洲5.69μg/m^(3)、北美洲4.41μg/m^(3)和大洋洲1.27μg/m^(3).2000~2016年,全球PM_(2.5)人口暴露风险在宏观尺度上呈逐渐减少的趋势,而在区域内则呈现出差异性.空间上,全球PM_(2.5)人口暴露风险各大洲从高到低依次为亚洲5.94、非洲0.62、欧洲0.45、南美洲0.32、北美洲0.27和大洋洲0.01.时间上,2000~2016年,亚洲和非洲PM_(2.5)人口暴露风险呈增长趋势,欧洲和北美洲呈减少趋势,大洋洲和南美洲变化幅度较小.

伊宁市冬季PM_(2.5)输送特征及污染源地分析

利用全球数据同化系统(GDAS)气象资料和生态环境部环境监测总站的PM_(2.5)浓度数据,使用MeteoInfo软件和TrajStat插件的聚类方法和聚类统计对2018年12月–2019年1月到达伊宁市主城区的气流轨迹进行了聚类分析,运用潜在源贡献(PSCF)及浓度权重轨迹(CWT)分析了伊宁市主城区PM_(2.5)潜在源贡献率(WPSCF)和轨迹权重浓度(WCWT)。结果显示:a)轨迹聚类分析表明该区受西南气团影响最大,主要来自哈萨克斯坦和吉尔吉斯斯坦;b)WPSCF和WCWT分布特征类似,重度污染源区WPSCF最高在0.7∼0.8以上,WCWT最高值在80∼110μg·m^(−3),潜在源主要集中在昭苏-特克斯盆地。