1-基于遥感资料的北京大气污染治理投资对降低PM2.5杨晟朗

第３５卷第１期２０１５年１月环㊀境㊀科㊀学㊀学㊀报㊀ＡｃｔａＳｃｉｅｎｔｉａｅＣｉｒｃｕｍｓｔａｎｔｉａｅＶｏｌ．３５，Ｎｏ．１Ｊａｎ．，２０１５基金项目：国家自然科学基金面上项目（Ｎｏ．４１３７１４４３）ＳｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．４１３７１４４３）作者简介：杨晟朗（１９９２ ），男，Ｅ⁃ｍａｉｌ：ｓｈｅｎｇｌａｎｇ．ｙａｎｇ＠ｐｋｕ．ｅｄｕ．ｃｎ；∗通讯作者（责任作者），Ｅ⁃ｍａｉｌ：ｌｂｇ＠ｕｒｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎＢｉｏｇｒａｐｈｙ：ＹＡＮＧＳｈｅｎｇｌａｎｇ（１９９２ ），ｍａｌｅ，Ｅ⁃ｍａｉｌ：ｓｈｅｎｇｌａｎｇ．ｙａｎｇ＠ｐｋｕ．ｅｄｕ．ｃｎ；∗Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ，Ｅ⁃ｍａｉｌ：ｌｂｇ＠ｕｒｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１４．㊀㊀杨晟朗，李本纲．２０１５．基于遥感资料的北京大气污染治理投资对降低ＰＭ２．５的效能分析［Ｊ］．环境科学学报，３５（１）：㊀⁃㊀ＹａｎｇＳＬ，ＬｉＢＧ．２０１５．ＰｅｒｆｏｒｍａｎｃｅａｎａｌｙｓｉｓｏｆＰＭ２．５ｒｅｄｕｃｔｉｏｎｂｙａｉｒｐｏｌｌｕｔａｎｔｃｏｎｔｒｏｌｉｎｖｅｓｔｍｅｎｔｉｎＢｅｉｊｉｎｇｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ［Ｊ］．ＡｃｔａＳｃｉｅｎｔｉａｅＣｉｒｃｕｍｓｔａｎｔｉａｅ，３５（１）：㊀⁃㊀基于遥感资料的北京大气污染治理投资对降低ＰＭ２．５的效能分析杨晟朗，李本纲∗北京大学城市与环境学院，地表过程分析与模拟教育部重点实验室，北京１００８７１收稿日期：２０１４⁃０３⁃２５㊀㊀㊀修回日期：２０１４⁃０５⁃０６㊀㊀㊀录用日期：２０１４⁃０５⁃０６摘要：采用北京市环境监测中心３５个站点的ＰＭ２．５监测数据及ＭＯＤＩＳＴｅｒｒａ的大气气溶胶光学厚度Ｌ３Ｃ０５１产品数据，分季度建立北京市ＰＭ２．５历史浓度遥感估算模型．结合北京大气污染物（ＰＭ１０㊁ＰＭ２．５㊁ＳＯ２㊁ＮＯ２）年均浓度数据，对北京市２００１ ２０１２年间用于工业废气污染治理投资累计额进行了效能分析．研究表明，北京市工业废气污染治理投资对于改善大气ＰＭ１０㊁ＳＯ２㊁ＮＯ２均有显著贡献，但其对于大气ＰＭ２．５污染的治理效果并不明显．可能原因包括ＰＭ２．５排放源的复杂性㊁相关治理措施对ＰＭ２．５的针对性㊁经济增长导致的区域ＰＭ２．５源排放持续增长及区域外排放的持续影响等．因此，需要采取专门的有针对性的治理措施，建立健全大气污染治理技术和激励机制，控制工业燃煤及城市交通排放，削减本地及周边源排放，以有效改善北京地区大气ＰＭ２．５污染状况．关键词：北京；遥感；ＰＭ２．５；大气污染治理投资；效能分析文章编号：０２５３⁃２４６８（２０１５）０１⁃㊀⁃㊀㊀㊀中图分类号：Ｘ５１３㊀㊀㊀文献标识码：ＡＰｅｒｆｏｒｍａｎｃｅａｎａｌｙｓｉｓｏｆＰＭ２．５ｒｅｄｕｃｔｉｏｎｂｙａｉｒｐｏｌｌｕｔａｎｔｃｏｎｔｒｏｌｉｎｖｅｓｔｍｅｎｔｉｎＢｅｉｊｉｎｇｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａＹＡＮＧＳｈｅｎｇｌａｎｇ，ＬＩＢｅｎｇａｎｇ∗ＣｏｌｌｅｇｅｏｆＵｒｂａｎａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＭＯＥＬａｂｏｒａｔｏｒｙｆｏｒＥａｒｔｈＳｕｒｆａｃｅＰｒｏｃｅｓｓｅｓ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１Ｒｅｃｅｉｖｅｄ２５Ｍａｒｃｈ２０１４；㊀㊀㊀ｒｅｃｅｉｖｅｄｉｎｒｅｖｉｓｅｄｆｏｒｍ６Ｍａｙ２０１４；㊀㊀㊀ａｃｃｅｐｔｅｄ６Ｍａｙ２０１４Ａｂｓｔｒａｃｔ：ＴｈｅｈｉｓｔｏｒｉｃａｌＰＭ２．５ｃｏｎｃｅｎｔｒａｔｉｏｎｓｗｅｒｅｅｓｔｉｍａｔｅｄｂｙｔｈｅｓｅａｓｏｎａｌｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｓｂａｓｅｄｏｎＭＯＤＩＳＬ３Ｃ０５１ＡｔｍｏｓｐｈｅｒｉｃＰｒｏｄｕｃｔａｎｄＰＭ２．５ｍｏｎｉｔｏｒｉｎｇｄａｔａｃｏｌｌｅｃｔｅｄｆｒｏｍ３５ｓｉｔｅｓｉｎＢｅｉｊｉｎｇ．ＰｅｒｆｏｒｍａｎｃｅｏｆｔｈｅａｃｃｕｍｕｌａｔｅｄｉｎｖｅｓｔｍｅｎｔｉｎｔｈｅｔｒｅａｔｍｅｎｔｏｆｉｎｄｕｓｔｒｉａｌａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔｉｏｎｗａｓｆｕｒｔｈｅｒａｎａｌｙｚｅｄａｃｃｏｒｄｉｎｇｔｏａｎｎｕａｌｃｏｎｃｅｎｔｒａｔｉｏｎｓｏｆＰＭ２．５ａｎｄｏｔｈｅｒａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔａｎｔｓ（ＰＭ１０，ＳＯ２ａｎｄＮＯ２）ｄｕｒｉｎｇ２００１ ２０１２．ＩｔｗａｓｆｏｕｎｄｔｈａｔｔｈｅａｃｃｕｍｕｌａｔｅｄｉｎｖｅｓｔｍｅｎｔｉｎｔｈｅｔｒｅａｔｍｅｎｔｏｆｉｎｄｕｓｔｒｉａｌａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔｉｏｎｒｅｓｕｌｔｅｄｉｎｓｉｇｎｉｆｉｃａｎｔｄｅｃｒｅａｓｅｏｆａｎｎｕａｌｃｏｎｃｅｎｔｒａｔｉｏｎｏｆａｔｍｏｓｐｈｅｒｉｃＰＭ１０，ＳＯ２ａｎｄＮＯ２，ｗｉｔｈｅｘｃｅｐｔｉｏｎｏｆＰＭ２．５．ＴｈｅｐｏｓｓｉｂｌｅｒｅａｓｏｎｓｃｏｕｌｄｂｅｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆＰＭ２．５ｅｍｉｓｓｉｏｎｓｏｕｒｃｅｓ，ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆＰＭ２．５ｃｏｎｔｒｏｌｍｅａｓｕｒｅｓａｎｄＰＭ２．５ｅｍｉｓｓｉｏｎｇｒｏｗｔｈｉｎＢｅｉｊｉｎｇａｎｄｓｕｒｒｏｕｎｄｉｎｇａｒｅａｓｄｕｅｔｏｅｃｏｎｏｍｉｃｇｒｏｗｔｈ．Ｔｈｅｒｅｆｏｒｅ，ｍｏｒｅｅｆｆｅｃｔｉｖｅａｎｄｂｅｔｔｅｒｏｒｉｅｎｔｅｄｍｉｔｉｇａｔｉｏｎｍｅａｓｕｒｅｓｓｈｏｕｌｄｂｅｔａｋｅｎｔｏｃｏｎｔｒｏｌＰＭ２．５ｃｏｎｃｅｎｔｒａｔｉｏｎｉｎＢｅｉｊｉｎｇ，ｅ．ｇ．ｅｓｔａｂｌｉｓｈｉｎｇｔｈｅｉｎｓｔｉｔｕｔｉｏｎｓｆｏｒｅｎｃｏｕｒａｇｉｎｇｔｈｅｔｅｃｈｎｏｌｏｇｉｃａｌｒｅｎｏｖａｔｉｏｎｏｆａｉｒｐｏｌｌｕｔａｎｔｓｔｒｅａｔｍｅｎｔ，ｃｏｎｔｒｏｌｌｉｎｇｔｈｅｉｎｄｕｓｔｒｉａｌｃｏａｌｕｓｅａｓｗｅｌｌａｓｔｒａｆｆｉｃｅｍｉｓｓｉｏｎｓａｎｄｒｅｄｕｃｉｎｇｅｍｉｓｓｉｏｎｓｆｒｏｍｌｏｃａｌａｎｄｒｅｇｉｏｎａｌｓｏｕｒｃｅｓ．Ｋｅｙｗｏｒｄｓ：Ｂｅｉｊｉｎｇ；ｒｅｍｏｔｅｓｅｎｓｉｎｇ；ＰＭ２．５；ａｉｒｐｏｌｌｕｔａｎｔｓｃｏｎｔｒｏｌｉｎｖｅｓｔｍｅｎｔ；ｐｅｒｆｏｒｍａｎｃｅａｎａｌｙｓｉｓ１㊀引言（Ｉｎｔｒｏｄｕｃｔｉｏｎ）近年来，中国北方地区大范围㊁高频率的空气污染事件引起了公众的广泛关注，ＰＭ２．５也随之成为新的研究热点和政府工作的重点内容之一．世界卫生组织（ＷＨＯ）将ＰＭ２．５定义为可进入肺部的细颗粒物，流行病学研究已证明其对人体健康危害较大（Ｅｎｇｌｅｒｔ，２００４）．然而，由于我国对近地面ＰＭ２．５浓度的系统监测起步较晚，历史监测数据不足，使得对ＰＭ２．５浓度变化及其影响因素的研究在时间跨度和环㊀㊀境㊀㊀科㊀㊀学㊀㊀学㊀㊀报３５卷空间尺度上具有较大的局限性．卫星遥感能使ＰＭ２．５相关研究突破传统地面监测的限制，使之在时间跨度和空间尺度上得到有效延伸和扩展．大气气溶胶光学厚度（ＡＯＴ）是指大气消光系数在垂直方向的积分，ＮＡＳＡ已经发布了ＡＯＴ产品，经过长期多站点的比较发现，其ＡＯＴ产品的相对误差约为１５％ ２０％（Ｃｈｕｅｔａｌ．，２００２）．已有研究表明，ＡＯＴ和近地面颗粒物浓度有一定的相关关系，而ＰＭ２．５由于粒径较小，其消光作用在大气颗粒物中占相当比重，因此，ＰＭ２．５与大气气溶胶光学厚度的相关关系有可能更好（林海峰等，２０１３）．李成才等（２００６）分析了中分辨率成像光谱仪（ＭＯＤＩＳ）ＡＯＴ数据和北京市空气污染指数的相关关系后发现，ＭＯＤＩＳＡＯＴ数据可作为监测颗粒物污染物地面分布的一个有效手段．Ｃｈｕ等（２００３）研究了意大利北部的气溶胶自动监测网络（ＡＥＲＯＮＥＴ）日均ＡＯＴ数据和近地面ＰＭ１０的日均浓度的相关关系，发现相关系数ｒ达到了０．８２．Ｓｌａｔｅｒ等（２００４）研究了英国新汉普郡近地面ＰＭ２．５浓度与多光谱旋转遮蔽影带辐射仪（ＭＦＲＳＲ）ＡＯＴ数据的相关关系，发现相关系数ｒ达到０．８．Ｅｎｇｅｌ⁃Ｃｏｘ等（２００４）研究了ＭＯＤＩＳＡＯＴ数据与美国环境保护署（ＥＰＡ）监测的近地面颗粒物浓度的相关关系，认为ＭＯＤＩＳＡＯＴ数据可用于改善现有的空气质量监测系统．因此，根据卫星遥感历史数据推算ＰＭ２．５历史浓度，具有较高的可行性和较合理的科学基础．北京作为国内较早公开发布系统监测ＰＭ２．５浓度数据的城市，自２０１３年１月起实时发布３５个站点的小时平均监测数据．该３５个站点分布合理㊁科学，能够代表北京近地面ＰＭ２．５的浓度状况，为基于遥感资料估算北京历史ＰＭ２．５浓度提供了宝贵的基础资料．本研究基于遥感资料估算北京历史ＰＭ２．５浓度，结合北京大气污染治理投资统计数据和其它相关大气污染物监测年报数据，试图回答以下问题：在２００１ ２０１２年间北京的大气污染治理投资是否有效地改善了北京市大气ＰＭ２．５的污染状况？影响该投资效能的可能原因有哪些？以期为北京市未来大气ＰＭ２．５的控制与改善提供指导．２　数据与方法（Ｄａｔａａｎｄｍｅｔｈｏｄｏｌｏｇｙ）本研究的主要数据源包括：ＭＯＤＩＳＡＯＴＬ３Ｃ０５１产品（ｈｔｔｐ：／／ｌａｄｓｗｅｂ．ｎａｓｃｏｍ．ｎａｓａ．ｇｏｖ／ｄａｔａ／）㊁北京市环境监测中心３５个站点的小时ＰＭ２．５浓度数据（ｈｔｔｐ：／／ｚｘ．ｂｊｍｅｍｃ．ｃｏｍ．ｃｎ／）㊁来源于‘北京统计年鉴“和‘中国统计年鉴“的用于治理废气的工业污染治理投资完成情况㊁北京市ＰＭ１０㊁ＳＯ２和ＮＯ２浓度年均值㊁北京固定资产价格指数等统计数据．ＭＯＤＩＳＡＯＴ产品的准确性高度依赖于下垫面（Ｘｉｅｅｔａｌ．，２０１１）．相关文献已经对中国北京地区ＭＯＤＩＳＡＯＴＣ０５１产品适用性进行过探讨．例如，Ｑｉ等（２０１３）采用ＡＥＲＯＮＥＴ监测数据对ＭＯＤＡＯＴＬ２Ｃ０５１数据（空间分辨率１０ｋｍˑ１０ｋｍ）进行了验证，发现其精度较高，但在北京南部植被浓密的香河地区精度（相关系数ｒ＝０．９７０，标准误差ＲＭＳＥ＝０．１３４，ｙ＝１ ０６１ｘ＋０．０３５；其中，ｙ为ＭＯＤＩＳＡＯＴ，ｘ为ＡＥＲＯＮＥＴ实测ＡＯＴ，下同）高于北京城区（ｒ＝０．９４８，ＲＭＳＥ＝０ ２４０，ｙ＝１．１０２ｘ＋０．１１）；Ｘｉｎ等（２０１１）也得出了类似的结论．从上述研究可以发现，ＭＯＤＩＳＡＯＴＣ０５１产品数据略高于实测ＡＯＴ，且在重霾天气下较为明显，但并不影响趋势分析．本研究使用的是空间分辨率为１ʎˑ１ʎ的ＭＯＤＩＳＡＯＴ３级Ｃ０５１产品，是由ＭＯＤＡＯＴＬ２Ｃ０５１数据网格合成，因此，其精度及适用性应能满足本研究需要．本研究的技术路线如下：①结合北京市ＰＭ２．５系统监测数据和ＭＯＤＩＳＡＯＴＬ３Ｃ０５１产品，估算北京市２００１ ２０１２年的年均ＰＭ２．５浓度；②分析大气污染治理投资与已纳入考核体系的大气污染物（ＰＭ１０㊁ＳＯ２㊁ＮＯ２）年均浓度的关系；③分析北京市２００１ ２０１２年间大气污染治理投资与大气ＰＭ２．５浓度的关系；④分析北京市大气污染治理投资对降低大气ＰＭ２．５浓度的效能及可能影响因素．２．１㊀北京地区历史ＰＭ２．５浓度估算模型选取中国北京地区Ｔｅｒｒａ卫星的ＭＯＤ０８Ｌ３Ｃ０５１产品的Ｏｐｔｉｃａｌ＿Ｄｅｐｔｈ＿Ｌａｎｄ＿Ａｎｄ＿Ｏｃｅａｎ＿Ｍｅａｎ图层，即０．５５μｍ的气溶胶光学厚度（ＡＯＴ）均值，作为估算北京历史ＰＭ２．５浓度的基础数据．该数据空间分辨率为１ʎˑ１ʎ，属于３级产品，可直接用于进行集中的科学研究．由于Ｔｅｒｒａ卫星在北京地区的过境时间为上午１１时左右，因此，本研究所选取的ＰＭ２．５浓度数据亦为对应日期上午１１时的ＰＭ２．５浓度．北京ＰＭ２．５浓度数据来源于３５个监测站点，其位置分布如图１所示．为表征北京市ＰＭ２．５浓度的总体状况，使用３５个站点当日１１时的ＰＭ２．５平均浓度，数据的时间跨度为２０１３年４月１日至２０１４年２月８日，建模所２１期杨晟朗等：基于遥感资料的北京大气污染治理投资对降低ＰＭ２．５的效能分析图１㊀北京市ＰＭ２．５监测站点分布图Ｆｉｇ．１㊀ＬｏｃａｔｉｏｎｏｆＰＭ２．５ｍｏｎｉｔｏｒｉｎｇｓｔａｔｉｏｎｓｉｎＢｅｉｊｉｎｇ用ＭＯＤＩＳＡＯＴ数据亦为同期数据．为了尽量减少大气状况的季节差异的影响，按季度分别建立ＰＭ２．５浓度和ＭＯＤＩＳＡＯＴ的线性回归模型．回归模型形式如下：［ＰＭ２．５］＝ａˑＡＯＴ＋ｂ式中，［ＰＭ２．５］为对应时刻近地面ＰＭ２．５浓度，ＡＯＴ为北京地区瞬时大气气溶胶光学厚度，ａ㊁ｂ为系数．为保证回归模型的客观性，从每个季节ＡＯＴ日数据中随机抽取３５天的ＭＯＤＩＳＡＯＴ作为回归样本（如果已被抽取的某天无有效ＭＯＤＩＳＡＯＴ数据，亦不另行抽取），建立对应季节的回归模型，剩余部分的数据用于模型验证．其中，春季样本的时间跨度为２０１３年４月１日 ５月３１日，夏季样本的时间跨度为２０１３年６月１日 ８月３１日，秋季样本的时间跨度为２０１３年９月１日 １１月３０日，冬季样本的时间跨度为２０１３年１２月１日 ２０１４年２月８日．２．２㊀北京市大气污染治理投资数据环境污染治理投资是指在工业污染源治理和城市环境基础设施建设的资金投入中，用于形成固定资产的那部分资金，包括工业新老污染源治理工程投资㊁建设项目 三同时 环保投资，以及城市环境基础设施建设所投入的资金（国家统计局，２０１３）．当年完成投资指从当年１月１日起至年度最后一天止完成的全部投资额，其反映当年的实际投资规模，可用于计算有关投资效果㊁进行年度国民经济平衡分析（国家统计局，２０１３）．其中，工业污染治理投资完成情况是指每年新老污染源治理工程的投资情况，是每年的流量数据，属于环境污染治理投资的一部分．工业污染治理投资完成情况中对投资的对象进行了分类，包括治理废水㊁治理废气㊁治理固体废弃物㊁治理噪声㊁治理其他５个分项数据．需要注意的是，工业污染治理投资完成情况是属于固定资产投资范畴，而不包括每年运营所产生的费用，因此，其产生的环境保护效果是由存量而不是流量决定的．例如，一个水泥厂的当年除尘量是由累计所购买且在使用的除尘设备数量所决定的，而不是由当年所新增的除尘设备所决定的．本研究针对北京市大气污染治理投资与北京市ＰＭ２．５的关系，考虑到数据的可获得性和数据与北京市空气质量的直接相关性，选用用于治理废气的工业污染治理投资的累计完成情况作为解释变量．解释变量所使用的数据来源于２００２ ２０１３年的‘中国统计年鉴“．同时，为了保证不同年度流量数据的可比性，本文使用了来自‘北京统计年鉴“（北京市统计局，２０１３）的北京固定资产价格指数（以１９９９年为基年）对各年投资流量进行校正，结果如图２所示（数据来源于‘中国统计年鉴“）．可以看到，北京市用于治理工业废气污染的累计投资额从２００８年起增速明显放缓，这可能与奥运周期结束有关．图２㊀北京市２００１—２０１２年间用于治理废气工业污染治理累计投资额Ｆｉｇ．２㊀ＡｃｃｕｍｕｌａｔｅｄｉｎｖｅｓｔｍｅｎｔｉｎｔｈｅｔｒｅａｔｍｅｎｔｏｆｉｎｄｕｓｔｒｉａｌａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔｉｏｎｉｎＢｅｉｊｉｎｇｆｒｏｍ２００１ｔｏ２０１２３㊀结果与讨论（Ｒｅｓｕｌｔｓａｎｄｄｉｓｃｕｓｓｉｏｎ）３．１㊀ＡＯＴ与北京近地面ＰＭ２．５浓度回归模型及北京历史ＰＭ２．５浓度的估算ＡＯＴ与北京近地面ＰＭ２．５浓度的回归结果如图３所示．由图可知，４个季节近地面ＰＭ２．５浓度与ＭＯＤＩＳＡＯＴ的回归模型均通过显著性检验，春㊁夏㊁秋㊁冬季的可决系数分别为０．６６６８㊁０．９３３８㊁０．７０７６㊁０．４５００，可以满足ＰＭ２．５历史浓度估算的要求．可以看出，夏季的拟合效果最好，春㊁秋季次之，冬季的拟合效果最差，总体拟合效果要优于其３环㊀㊀境㊀㊀科㊀㊀学㊀㊀学㊀㊀报３５卷他文献报道的ＭＯＤＩＳＡＯＴ和近地面ＰＭ２．５直接回归分析的研究结果（以可决系数Ｒ２为衡量标准）．例如，Ｗａｎｇ等（２０１０）对北京ＭＯＤＩＳＡＯＴ和近地面ＰＭ２．５进行了回归分析，发现进行直接回归时全年的Ｒ２＝０．４８；王静等（２０１０）对ＭＯＤＩＳＡＯＴ和北京市清华园ＰＭ２．５浓度进行回归分析，发现下半年的可决系数Ｒ２＝０．４７，全年可决系数Ｒ２＝０．３１．本研究的拟合效果优于文献结果可能是由于以下原因：本研究使用的ＰＭ２．５数据为北京市３５个监测站点数据的平均值，而文献中研究使用的数据为自测的单点数据；此外，本研究使用的是空间分辨率为１ʎˑ１ʎ的ＡＯＴＬ３Ｃ０５１产品，其稳定性和代表性优于空间分辨率更高的Ｌ２产品．关于ＡＯＴ数据和近地面ＰＭ２．５浓度拟合效果的季节性差异问题，王静等（２０１０）认为主要是由于大气颗粒物的垂直分布差异导致：一方面，冬季排放源的增加和不利的扩散条件（反气旋为主）导致近地面的ＰＭ２．５浓度增加，造成颗粒物垂直分布相对不均匀，同时，冬季地表暗像元的分布较少使得ＡＯＴ偏差较大；另一方面，夏季多雨且污染物扩散条件变好（气旋为主），近地面ＰＭ２．５值较低，垂直分布相对均匀．而春秋季的垂直分布均匀程度则介于冬㊁夏之间．图３㊀ＭＯＤＩＳＡＯＴ与北京近地面ＰＭ２．５的回归模型Ｆｉｇ．３㊀ＲｅｇｒｅｓｓｉｏｎｍｏｄｅｌｂｅｔｗｅｅｎＭＯＤＩＳＡＯＴａｎｄＰＭ２．５ｉｎＢｅｉｊｉｎｇ㊀㊀本研究建立的ＭＯＤＩＳＡＯＴ和北京近地面ＰＭ２．５浓度在冬季的拟合效果较差，可能使得冬季的近地面ＰＭ２．５浓度估算值存在一定的偏差．陶金花等（２０１３）的研究表明，经过相对湿度和气溶胶标高订正后冬季的拟合效果最好（Ｒ２＝０．７９８６），夏季次之，春季最差．理论上而言，引入相对湿度及气溶胶标高变量可以提高冬季近地面ＰＭ２．５浓度的估算精度，正如如陶金花等（２０１３）通过对ＭＯＤＩＳＡＯＴ数据进行相对湿度及气溶胶标高订正，使得在冬季的拟合精度较高．然而，２００１ ２０１２年间北京地区的气溶胶标高和相对湿度数据获取较为困难，本研究未进行此项改善．根据本研究建立的线性回归模型，可以基于ＭＯＤＩＳＡＯＴ数据进行北京地区ＰＭ２．５浓度历史数据估算：根据北京地区ＭＯＤＩＳＡＯＴ月均值数据，按其所属季节对应的回归模型估算相应月份的ＰＭ２．５浓度均值，再根据各月份均值计算其２００１ ２０１２间的年均值．根据北京地区其它大气污染物（ＰＭ１０㊁ＳＯ２㊁ＮＯ２）的年度统计数据，可以简单分析２００１ ２０１２４１期杨晟朗等：基于遥感资料的北京大气污染治理投资对降低ＰＭ２．５的效能分析年间各项指标的变化趋势，结果如图４所示．可以发现，２００１年以来北京地区大气ＰＭ１０和ＳＯ２浓度总体上呈现持续下降的趋势，ＮＯ２及ＰＭ２．５的年均浓度虽然近几年略有下降，但总体变化趋势不明显．由ＰＭ２．５和ＰＭ１０年均浓度变化趋势的差异可以看出，大气颗粒物年均浓度的下降可能主要是粒径在２．５１０μｍ之间的较粗颗粒物．２０１２年北京大气ＰＭ２．５浓度年均值为６４．８５μｇ㊃ｍ－３（仅为１１：００ａｍ的全年均值），高于世界卫生组织（ＷＨＯ）２００５年‘空气质量准则“的 过渡期目标１ 和中国拟于２０１６年实施‘空气质量准则“的准则值３５μｇ㊃ｍ－３．图４㊀北京市２００１—２０１２年间主要大气污染物年均浓度Ｆｉｇ．４㊀ＡｎｎｕａｌｃｏｎｃｅｎｔｒａｔｉｏｎｏｆｍａｊｏｒａｉｒｐｏｌｌｕｔａｎｔｓｉｎＢｅｉｊｉｎｇｆｒｏｍ２００１ｔｏ２０１２３．２㊀大气污染治理投资与北京ＰＭ２．５及其它大气污染物的关系为研究北京地区大气污染治理投资与大气污染水平的关系，采用２００１ ２０１２年间工业废气污染治理投资的累计完成额作为解释变量对以上４种大气污染物年均值进行回归分析．回归模型如下：Ｙｉ＝ａＸｉ＋ｂ＋ｕｉ式中，Ｙｉ为第ｉ年年均污染物浓度（μｇ㊃ｍ－３），Ｘｉ为第ｉ年累计的用于治理废气的工业污染治理累计投资额（亿元），ｕｉ为第ｉ年的残差，ａ㊁ｂ分别为回归系数．结果如表１所示．可以发现，除ＰＭ２．５外，用于工业废表１㊀四种污染物回归结果对比Ｔａｂｌｅ１㊀ＲｅｇｒｅｓｓｉｏｎｒｅｓｕｌｔｓａｎｄｒｅｌａｔｉｖｅｐａｒａｍｅｔｅｒｓｏｆｆｏｕｒｍａｊｏｒａｉｒｐｏｌｌｕｔａｎｔｓｉｎＢｅｉｊｉｎｇ污染物显著性ｐ值ａｂＲ２ＰＭ２．５０．９５７０．００６７０．３８６０ＰＭ１０∗∗∗０．００１－０．９４９１７６．２８３０．７０８ＳＯ２∗∗∗０－０．７５８７６．６１２０．９２ＮＯ２∗∗∗０－０．４６１８１．３１４０．８２３㊀㊀注：∗∗∗代表α＜０．０１，解释变量为工业废气污染治理累计投资额．气污染治理的累计投资额对ＰＭ１０㊁ＳＯ２㊁ＮＯ２均有显著影响，能够有效地降低北京市ＰＭ１０㊁ＳＯ２㊁ＮＯ２的年均浓度．然而，对于ＰＭ２．５而言，其效果并不明显．３．３㊀大气污染治理投资效能分析为分析北京市大气污染投资对降低主要大气污染物（ＰＭ１０㊁ＳＯ２㊁ＮＯ２㊁ＰＭ２．５）浓度的效能，本研究着重从以下４个方面进行讨论：污染物来源构成㊁治理措施的针对性㊁排放源增长及区域外影响．３．３．１㊀污染物来源分析㊀对于ＳＯ２和ＮＯ２的来源，认识相对比较一致．孙庆贺等（２００４）估算了２０００年我国各地区的ＮＯｘ的排放量，发现燃煤为ＮＯｘ最主要的排放源．黄青等（２０１０）对北京的一次ＳＯ２污染过程进行了模拟，发现影响北京市ＳＯ２空气质量的主要行业为采暖锅炉源和一般工业锅炉源，贡献率合计为６０．０９％．因此，对ＮＯｘ和ＳＯ２的治理主要集中在工业污染排放源和供暖系统．同时，移动源亦对ＳＯ２和ＮＯ２的污染有一定的贡献．然而，对于ＰＭ１０和ＰＭ２．５的来源，目前不同研究存在一定的争议．Ｓｕｎ等（２００４）对北京市２００２２００３年ＰＭ２．５和ＰＭ１０的化学元素进行了因子分析，发现不同来源对ＰＭ２．５和ＰＭ１０贡献程度不一样，其中，工业和机动车解释了６０．５％的ＰＭ１０变动，而二次气溶胶则解释了５３．７％的ＰＭ２．５变动，与工业活动和燃煤相关的来源仅解释了１４．９％的ＰＭ２．５变动．对于ＰＭ２．５和ＰＭ１０的关系研究，杨复沫等（２００２）通过对１９９９ ２０００年的ＰＭ２．５和ＰＭ１０监测数据进行分析后发现，ＰＭ２．５与ＰＭ１０的浓度变化趋势基本一致（除了在沙尘天气等粗颗粒大量增加的情况下），ＰＭ２．５占ＰＭ１０的平均比例为５５％．但李广德等（２０１３）最近的研究发现，ＰＭ２．５与ＰＭ１０的浓度变化相关性并不十分显著，远低于杨复沫等报道的约０．４５．不过，认为ＰＭ２．５和ＰＭ１０㊁ＳＯ２㊁ＮＯ２的来源有较大差别应该是合理的．其相关系数ｒ为０．７０．ＰＭ２．５不仅与其它大气污染物来源有较大差别，其本身来源还很复杂，包括工业源㊁交通源㊁生物质源等，各种源的贡献份额存在争议，且受外来源影响．Ｇａｏ等（２０１３）通过分析北京地区２００５年５ ６月的ＰＭ２．５发现，工业源和交通源的贡献率为２５ ７３％，生物质燃烧的贡献率为１３．１０％，燃油尘的贡献率为１１．９２％；Ｙｕ等（２０１３）通过分析北京地区２０１０年的ＰＭ２．５发现，交通源贡献率为１７．１％，化石燃料燃烧㊁燃油㊁金属加工（较为可能是工业源）的贡献率总和为３０．４％，生物质燃烧的贡献率为５环㊀㊀境㊀㊀科㊀㊀学㊀㊀学㊀㊀报３５卷１１ ２％．由于工业源的污染治理投资并不能对交通源㊁生物质源及外来源起到直接治理作用，因此，来源的多样性和复杂性很有可能是工业废气污染治理投资不能明显降低北京地区ＰＭ２．５的一个重要原因．３．３．２㊀治理措施分析㊀北京在过去的十余年一直把ＳＯ２㊁ＮＯ２及ＰＭ１０的浓度作为大气污染治理的重要对象．北京市的治理措施主要分为４个方面：优化产业结构㊁改善能源结构㊁深化污染防治㊁加强生态建设．本文中所使用的解释变量 工业废气污染治理累计投资额 属于深化污染防治类别．在优化产业结构方面，主要措施为关停搬迁重污染企业；在改善能源结构方面则主要为减少燃煤消费；在深化污染防治方面，主要对燃煤电厂进行脱硫脱氮处理，对工业企业进行除尘治理，对市内扬尘进行管理及淘汰老旧机动车；在加强生态建设方面主要提高城市绿化覆盖率（北京市人民政府，２０１３）．表２列举了北京空气污染治理的重大事件．表２　北京空气污染治理大事记（新华网，２０１２）Ｔａｂｌｅ２㊀ＥｖｅｎｔｓｏｆａｉｒｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌｉｎＢｅｉｊｉｎｇＣｉｔｙ时间事件１９９９年城区完成４．４万台燃煤茶炉大灶气化改造，清洁能源代替煤炭２００３年首钢第一炼钢厂全面停产２００６年北京焦化厂停产，每年减少工业废气排放量４３．３３亿ｍ３㊁二氧化硫排放量１６１７ｔ２０１１年北京市实施机动车摇号，限制机动车增长速度如前所述，北京市的大气污染治理措施对ＳＯ２㊁ＮＯ２及ＰＭ１０治理是有效的，且有不少具体措施应该是指向降低ＰＭ２．５排放的．但现有的控制措施对ＰＭ２．５的治理针对性不强．例如，常规的高效除尘设备如电除尘器和袋除尘器，对粒径大于１０μｍ的颗粒除尘效率非常高，而对于粒径为０．１ ２．０μｍ的细粒子并不能有效捕集，这意味着无论是在工业生产中，还是在燃煤锅炉排放控制中，使用传统方法都不能有效地除去细颗粒粉尘，也不能有效地降低ＰＭ２．５排放（张会君等，２０１２；张磊等，２０１２）；机动车摇号购买措施始于２０１１年，其只能减缓相关排放的增加速度，而不能降低排放及改善大气污染现状．因此，传统技术并不能有效地减少ＰＭ２．５的排放，很可能是导致累计用于治理废气的工业污染治理投资额与ＳＯ２㊁ＮＯ２及ＰＭ１０年均浓度有显著相关关系而与ＰＭ２．５年均浓度无显著相关关系的原因之一．而且，在尚未将ＰＭ２．５浓度纳入考核目标的时期，也缺乏进行大规模专门针对ＰＭ２．５污染的投资用于相关治理技术和设备的升级改造．根据北京市２０１３年９月发布的‘北京市２０１３ ２０１７年清洁空气行动计划“，到２０１７年北京市大气ＰＭ２．５应控制在６０μｇ㊃ｍ－３左右．该计划中，北京市制定了八大污染减排工程㊁六大实施保障措施及三大全民参与行动，拟从源头减排控制㊁能源结构调整㊁机动车结构调整㊁产业结构调整及末端排放控制等多个方面控制和降低ＰＭ２．５的排放水平，计划中的减排措施多数已细致到企业级，具有极高的可实施性．该计划中关于污染控制投资的部分，拟以政府财政投入为基础㊁以企业 领跑者 制度为创新㊁以奖励性的补贴和贴息为激励机制，支持清洁能源改造㊁污染防治设施建设和升级改造㊁老旧机动车淘汰㊁污染企业退出等重点项目，促进能源结构调整和污染减排．该行动计划专门针对ＰＭ２．５，能最大程度地保障财政资金使用效率和发挥企业等排放主体的积极性，因此，北京大气ＰＭ２．５污染得到有效控制是可以预期的．３．３．３㊀经济增长背景下ＰＭ２．５排放源的增长㊀２００１ ２０１２年，北京的ＧＤＰ总量增长迅猛．根据‘北京统计年鉴“和‘中国统计年鉴“，以２００１年为基准，２０１２年北京地区的ＧＤＰ增长了２１７％．与此同时，ＰＭ２．５排放亦增长迅速．移动源方面，每百户城镇居民汽车拥有量从２００１年的３辆增长至２０１２年的４２辆；燃烧排放方面，虽然燃煤和焦炭的日均消费量（分别从２００１年的７４３３１．５和１１７６９．９ｔ分别降至６２０１８．９和８８１．７ｔ）有一定程度的降低，但燃料油（原油㊁汽油㊁煤油㊁柴油）的消费量增长迅速，分别从２００１年的１９１９１．８㊁３９９７．３㊁３５４２．５㊁２９７２．６ｔ增长至２０１２年的２９３９２．６㊁１１３６３．４㊁１２１１２．８㊁５８９６．７ｔ．烟粉尘排放方面，由于粉尘去除措施的有效实施，其排放量在２００１ ２００８年间逐步下降，但此后却逐年增加：从２００９年的６１６９２．７２ｔ增长至２０１２年的６６８２９ｔ．同时，由于原有除尘设备无法有效地除去ＰＭ２．５，因此，粒径小于２．５μｍ的颗粒排放量有可能是逐年上升的．３．３．４㊀外来源影响㊀此外，周边地区排放对北京地区ＰＭ２．５的影响也不容忽视．北京的北部山区和南部平原构成的 马蹄型 山谷地带使得北京南面的ＰＭ２．５输送在北京地区集聚从而产生重污染过程（徐祥德等，２００５）．吴莹等（２０１１）通过对北京及河北三６１期杨晟朗等：基于遥感资料的北京大气污染治理投资对降低ＰＭ２．５的效能分析城市进行联合观测发现，太行山东侧的河北城市的大气污染排放对北京地区的空气质量有显著影响．因此，如果周边地区排放不能得到有效控制，也会严重影响北京地区大气ＰＭ２．５的治理效率．４㊀结论（Ｃｏｎｃｌｕｓｉｏｎｓ）本研究建立的北京市近地面ＰＭ２．５浓度和ＭＯＤＩＳＡＯＴ数据的回归模型，其精度优于已有研究，可用于ＰＭ２．５历史浓度的估算．在ＰＭ２．５未纳入政府考核体系的２００１ ２０１２年间，北京地区的大气污染治理投资未能显著改善北京市ＰＭ２．５的污染状况．其可能原因有：①ＰＭ２．５与其它大气污染物来源和生成机制有较大差异；②原有的相关治理措施虽然能遏制ＰＭ１０的排放，但并不能有效降低ＰＭ２．５的排放；③经济增长背景下ＰＭ２．５源排放的持续增长及区域外排放的持续影响．因此，需要采取专门的针对性的治理措施，建立健全大气污染治理技术改造的激励机制，控制工业燃煤及城市交通排放，削减本地及周边源排放，以有效改善北京地区大气ＰＭ２．５污染状况．致谢：中国科学院地理科学与资源研究所许光同志为本研究提供其整理收集的北京市ＰＭ２．５小时监测数据，ＮＡＳＡ提供了ＭＯＤＩＳＡＯＴ数据下载服务，在此一并致谢．责任作者简介：参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：北京市人民政府．２０１３．首都环境治理措施［ＯＬ］．２０１４⁃０２⁃１５．ｈｔｔｐ：／／ｚｈｅｎｇｗｕ．ｂｅｉｊｉｎｇ．ｇｏｖ．ｃｎ／ｚｗｚｔ／ｚｌｄｑｗｒ／ｄｅｆａｕｌｔ．ｈｔｍ北京市统计局，国家统计局北京调查总队．２０１３．北京统计年鉴［Ｍ］．北京：中国统计出版社ＣｈｕＤＡ，ＫａｕｆｍａｎＹＪ，ＩｃｈｏｋｕＣ，ｅｔａｌ．２００２．ＶａｌｉｄａｔｉｏｎｏｆＭＯＤＩＳａｅｒｏｓｏｌｏｐｔｉｃａｌｄｅｐｔｈｒｅｔｒｉｅｖａｌｏｖｅｒｌａｎｄ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２９（１２）：ＭＯＤ２⁃１⁃ＭＯＤ２⁃４，ｄｏｉ：１０．１０２９／２００１ＧＬ０１３２０５ＣｈｕＤＡ，ＫａｕｆｍａｎＹＪ，ＺｉｂｏｒｄｉＧ，ｅｔａｌ．２００３．ＧｌｏｂａｌｍｏｎｉｔｏｒｉｎｇｏｆａｉｒｐｏｌｌｕｔｉｏｎｏｖｅｒｌａｎｄｆｒｏｍｔｈｅＥａｒｔｈｏｂｓｅｒｖｉｎｇｓｙｓｔｅｍ⁃ｔｅｒｒａｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ（１９８４ ２０１２），１０８（Ｄ２１），ｄｏｉ：１０．１０２９／２００２ＪＤ００３１７９Ｅｎｇｅｌ⁃ＣｏｘＪＡ，ＨｏｌｌｏｍａｎＣＨ，ＣｏｕｔａｎｔＢＷ，ｅｔａｌ．２００４．ＱｕａｌｉｔａｔｉｖｅａｎｄｑｕａｎｔｉｔａｔｉｖｅｅｖａｌｕａｔｉｏｎｏｆＭＯＤＩＳｓａｔｅｌｌｉｔｅｓｅｎｓｏｒｄａｔａｆｏｒｒｅｇｉｏｎａｌａｎｄｕｒｂａｎｓｃａｌｅａｉｒｑｕａｌｉｔｙ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，３８（１６）：２４９５⁃２５０９ＥｎｇｌｅｒｔＮ．２００４．Ｆｉｎｅｐａｒｔｉｃｌｅｓａｎｄｈｕｍａｎｈｅａｌｔｈ ａｒｅｖｉｅｗｏｆｅｐｉｄｅｍｉｏｌｏｇｉｃａｌｓｔｕｄｉｅｓ［Ｊ］．ＴｏｘｉｃｏｌｏｇｙＬｅｔｔｅｒｓ，１４９（１／３）：２３５⁃２４２ＧａｏＳ，ＰａｎＸＣ，ＭａｄａｎｉｙａｚｉＬＮ，ｅｔａｌ．２０１３．ＰｒｅｌｉｍｉｎａｒｙｓｔｕｄｙｏｆｓｏｕｒｃｅａｐｐｏｒｔｉｏｎｍｅｎｔｏｆＰＭ１０ａｎｄＰＭ２．５ｉｎｔｈｒｅｅｃｉｔｉｅｓｏｆＣｈｉｎａｄｕｒｉｎｇｓｐｒｉｎｇ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＰｒｅｖｅｎｔｉｖｅＭｅｄｉｃｉｎｅ，４７（９）：８３７⁃８４２国家统计局．２０１３．中国统计年鉴［Ｍ］．北京：中国统计出版社黄青，程水源，陈东升，等．２０１０．北京市一次ＳＯ２污染过程来源分析［Ｊ］．环境科学与技术，３３（１）：８９⁃９３李成才，毛节泰，刘启汉，等．２００６．ＭＯＤＩＳ卫星遥感气溶胶产品在北京市大气污染研究中的应用［Ｊ］．中国科学：Ｄ辑，３５（Ａ０１）：１７７⁃１８６李广德，李效文．２０１３．北京市区春夏ＰＭ２．５和ＰＭ１０浓度变化特征研究［Ｊ］．环境科学与管理，３８（５）：５２⁃５６林海峰，辛金元，张文煜，等．２０１３．北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究［Ｊ］．环境科学，３４（３）：８２６⁃８３４ＱｉＹＬ，ＧｅＪＭ，ＨｕａｎｇＪＰ．２０１３．ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＭＯＤＩＳａｎｄＭＩＳＲａｅｒｏｓｏｌｏｐｔｉｃａｌｄｅｐｔｈｏｖｅｒｎｏｒｔｈｅｒｎＣｈｉｎａａｎｄｃｏｍｐａｒｉｓｏｎｗｉｔｈＡＥＲＯＮＥＴ［Ｊ］．ＣｈｉｎｅｓｅＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，５８（２０）：２４９７⁃２５０６ＳｌａｔｅｒＪＦ，ＤｉｂｂＪＥ，ＣａｍｐｂｅｌｌＪＷ，ｅｔａｌ．２００４．ＰｈｙｓｉｃａｌａｎｄｃｈｅｍｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｓｕｒｆａｃｅａｎｄｃｏｌｕｍｎａｅｒｏｓｏｌｓａｔａｒｕｒａｌＮｅｗＥｎｇｌａｎｄｓｉｔｅｄｕｒｉｎｇＭＯＤＩＳｏｖｅｒｐａｓｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，９２（２）：１７３⁃１８０孙庆贺，陆永琪，傅立新，等．２００４．我国氮氧化物排放因子的修正和排放量计算：２０００年［Ｊ］．环境污染治理技术与设备，５（２）：９０⁃９４ＳｕｎＹＬ，ＺｈｕａｎｇＧＳ，ＷａｎｇＹ，ｅｔａｌ．２００４．Ｔｈｅａｉｒ⁃ｂｏｒｎｅｐａｒｔｉｃｕｌａｔｅｐｏｌｌｕｔｉｏｎｉｎＢｅｉｊｉｎｇ ｃｏｎｃｅｎｔｒａｔｉｏｎ，ｃｏｍｐｏｓｉｔｉｏｎ，ｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｓｏｕｒｃｅｓ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，３８（３５）：５９９１⁃６００４陶金花，张美根，陈良富，等．２０１３．一种基于卫星遥感ＡＯＴ估算近地面颗粒物的方法［Ｊ］．中国科学：地球科学，４３（１）：１４３⁃１５４王静，杨复沫，王鼎益，等．２０１０．北京市ＭＯＤＩＳ气溶胶光学厚度和ＰＭ２．５质量浓度的特征及其相关性［Ｊ］．中国科学院研究生院学报，２７（１）：１０⁃１６ＷａｎｇＺＦ，ＣｈｅｎＬＦ，ＴａｏＪＨ，ｅｔａｌ．２０１０．Ｓａｔｅｌｌｉｔｅ⁃ｂａｓｅｄｅｓｔｉｍａｔｉｏｎｏｆｒｅｇｉｏｎａｌｐａｒｔｉｃｕｌａｔｅｍａｔｔｅｒ（ＰＭ）ｉｎＢｅｉｊｉｎｇｕｓｉｎｇｖｅｒｔｉｃａｌ⁃ａｎｄ⁃ＲＨｃｏｒｒｅｃｔｉｎｇｍｅｔｈｏｄ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１１４（１）：５０⁃６３吴莹，吉东生，宋涛，等．２０１１．夏秋季北京及河北三城市的大气污染联合观测研究［Ｊ］．环境科学，３２（９）：２７４１⁃２７４９ＸｉｅＹ，ＺｈａｎｇＹ，ＸｉｏｎｇＸＸ，ｅｔａｌ．２０１１．ＶａｌｉｄａｔｉｏｎｏｆＭＯＤＩＳａｅｒｏｓｏｌｏｐｔｉｃａｌｄｅｐｔｈｐｒｏｄｕｃｔｏｖｅｒＣｈｉｎａｕｓｉｎｇＣＡＲＳＮＥＴｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，４５（３３）：５９７０⁃５９７８新华网．２０１２．京空气污染十余年治理历程：从数蓝天到严控ＰＭ２．５［ＯＬ］．２０１２⁃０９⁃１８，ｈｔｔｐ：／／ｎｅｗｓ．ｘｉｎｈｕａｎｅｔ．ｃｏｍ／ｅｎｅｒｇｙ／２０１２⁃０９／１８／ｃ＿１２３７２８９８８＿３．ｈｔｍＸｉｎＪＹ，ＷａｎｇＬＬ，ＷａｎｇＹＳ，ｅｔａｌ．２０１１．ＴｒｅｎｄｓｉｎａｅｒｏｓｏｌｏｐｔｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｖｅｒｔｈｅＢｏｈａｉＲｉｍｉｎＮｏｒｔｈｅａｓｔＣｈｉｎａｆｒｏｍ２００４ｔｏ２０１０［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，４５（３５）：６３１７⁃６３２５徐祥德，周丽，周秀骥，等．２００５．城市环境大气重污染过程周边源影响域［Ｊ］．中国科学：Ｄ辑，３４（１０）：９５８⁃９６６杨复沫，贺克斌，马永亮，等．２００２．北京ＰＭ２．５浓度的变化特征及其与ＰＭ１０，ＴＳＰ的关系［Ｊ］．中国环境科学，２２（６）：５０６⁃５１０ＹｕＬＤ，ＷａｎｇＧＦ，ＺｈａｎｇＲＪ，ｅｔａｌ．２０１３．ＣｈａｒａｃｔｅｒｉｚａｔｉｏｎａｎｄＳｏｕｒｃｅＡｐｐｏｒｔｉｏｎｍｅｎｔｏｆＰＭ２．５ｉｎａｎＵｒｂａｎＥｎｖｉｒｏｎｍｅｎｔｉｎＢｅｉｊｉｎｇ［Ｊ］．ＡｅｒｏｓｏｌａｎｄＡｉｒＱｕａｌｉｔｙＲｅｓｅａｒｃｈ，１３：５７４⁃５８３张会君，卢徐胜．２０１２．控制ＰＭ２．５的除尘技术概述［Ｊ］．中国环保产业，（３）：２９⁃３３张磊，李彦涛，艾华，等．２０１２．燃煤锅炉烟气微细颗粒物控制技术［Ｊ］．工业安全与环保，３８（６）：２８⁃３０７。