为深入认识陆海交互过程对深圳市臭氧（O₃）的作用机制，基于深圳市10a间O₃浓度与气象观测数据、气象再分析资料及HYSPLIT后向轨迹模式，分析长距离气团输送和海陆风循环两类典型过程的时空特征及其对O₃浓度的影响．结果表明，影响深圳市的长距离输送气团按路径特征可归纳为海洋型、内陆型和沿海型3类，对应的O₃浓度平均值分别为（45.5±26.1），（68.4±30.6），（71.3±33.7）μg/m³．其中，沿海型气团的O₃污染水平最高，发生频率为39%，尤其在秋季具备较强的输送潜势，是导致深圳市O₃污染的重要输送来源．此外，海陆风循环进一步影响了深圳市的O₃浓度．深圳市10a间海陆风年均发生频率为18.8%，春、夏季最为常见．海陆风日的低风速、局地逆温和再输送条件均有利于污染物的积聚与回流，其O₃浓度显著高于非海陆风日，年均差值可达9.6%．其中秋季差异最为突出，O₃平均浓度高出12.28μg/m³，主要与秋季晴朗干燥、背景风速较低、以及海陆风环流更容易建立等条件有关．综合来看，深圳市O₃污染受陆海气团交互过程显著调控，秋季应作为重点防控时段．

基于珠三角地区臭氧（O₃）污染事件呈秋季高发的特征，结合近年来客观天气分型方法在城市群污染分析中的应用，利用自组织映射神经网络（SOM）方法对珠三角海平面气压场进行客观天气分型，并探讨不同天气型对O₃严重污染的影响．结果表明，基于海平面气压场划分的15种天气型可按照O₃污染程度归为4类（重污染型、中污染型、轻污染型和清洁型），其中重污染与中污染天气型具有显著的季节分布特征．弱冷高压叠加台风副高型（T12）（O₃平均浓度为118.2μg/m³，O₃超标率为22.4%）对应最严重的O₃污染．秋季O₃超标日对应的重污染天气型通常伴随高太阳辐射（较均值高554.1kJ/m²）、高温（较均值高3.1℃）和低湿（较均值低9.2%）等气象条件，极有利于O₃生成．以秋季出现O₃超标天下的重污染天气型环流场为基准进行识别发现，2015~2024年有利于发生O₃超标的识别日数与秋季O₃浓度呈显著正相关，且1995~2060年类似基准场下有利于发生O₃超标的识别日数呈显著上升趋势（年均增加0.14d）．

基于2014~2024年热带气旋资料、再分析资料和臭氧监测数据，分析了临近热带气旋引发粤港澳大湾区臭氧污染的气象成因，并借助Spearman秩相关系数和随机森林回归方法构建了预报模型．结果表明：引发粤港澳大湾区臭氧污染的临近热带气旋主要分布在距离270~1758km的范围内，并且在台湾岛和吕宋岛一线的东西两侧呈现明显的强度差异，东侧的气旋强度均在台风级以上，而西侧的气旋强度在热带低压到强台风级之间．临近气旋通过外围高层的下沉气流，导致粤港澳大湾区云量减少，向下短波辐射增强，地面气温偏高，而相对湿度、降水和风速偏低，进而引发臭氧污染．SOM聚类分析发现，临近热带气旋在粤港澳大湾区会引发西南角污染型、大范围污染型、西部污染型和东北部污染型四种臭氧浓度分布，各种浓度分布与不同地面风场的传输和辐合作用有关．粤港澳大湾区11个地市的臭氧浓度与热带气旋的特征（七级风圈半径和临近率）有较好的相关性，此外还与地面气象要素（海陆风向差和海陆经向风速差等）和高空气象要素（200hPa垂直速度、700hPa经向风、700hPa比湿和925hPa纬向风等）显著相关．基于热带气旋特征及地面和高空气象要素共18个因子构建的预报模型具有较高的泛化性和准确性，模型预报值与实际监测值的平均相关系数达到0.811，平均均方根误差为30.2μg/m³，平均臭氧等级TS评分为0.668．

为评估大气污染防治政策对O₃和PM_2.5时空演变的影响，基于贝叶斯时空层次模型分析了2014~2024年中国331个城市O₃和PM_2.5污染的时空分异特征，并利用地理探测器量化了《大气污染防治行动计划》、《打赢蓝天保卫战三年行动计划》和《关于深入打好污染防治攻坚战的意见》政策实施期间气象、社会经济及其他污染物因素对夏季O₃和冬季PM_2.5污染的主导作用．结果表明，O₃浓度呈现增速由快到慢的变化趋势，热点区主要分布在华北和长三角地区；PM_2.5浓度则持续下降，高值区收缩并集中在华北、长三角和成渝地区．O₃和PM_2.5在南方及东北湿润地区多呈正相关，在西北半干旱地区多呈负相关．尽管O₃和PM_2.5的主导因素随政策阶段演变，但不同因素间的交互作用对O₃和PM_2.5的解释力始终强于单一因素的作用．2014~2017年，O₃主要受最高温度（Geo_q = 0.24）、工业产值（Geo_q = 0.22）、PM₁₀（Geo_q = 0.60）影响；PM_2.5主要受最高温度（Geo_q = 0.41）、人口密度（Geo_q = 0.40）、PM₁₀（Geo_q = 0.88）影响．2018~2020年，O₃主导因素转变为降水、人口密度、PM₁₀；PM_2.5主导因素转变为平均温度、人口密度、PM₁₀.2021~2024年二者主导因素转变为平均温度、人口密度和PM₁₀，但解释力有明显差异．研究揭示了政策驱动下O₃与PM_2.5污染时空格局的动态演变，强调了多因素交互作用在复合污染形成过程中的主导作用，为制定分区、分阶段的O₃与PM_2.5协同控制策略提供了依据．

利用车载移动测量方法研究了中国东部沿海的甲烷（CH₄）、二氧化碳（CO₂）浓度及其碳同位素组成（δ¹³C-CH₄、δ¹³C-CO₂）．结果表明：CH₄浓度变化范围为（1.84~2.94）×10^-6，平均浓度为2.09×10^-6，最高值在广东江门（2.32×10^-6）；最低值在福建漳州（1.94×10^-6）．CO₂浓度变化范围为（420.51~857.33）×10^-6，平均浓度为525.70×10^-6，最高值在广东深圳（599.08×10^-6）；最低值在江苏南通（477.42×10^-6）．研究区CH₄和CO₂含量超于大气背景值．δ¹³C-CH₄变化范围为-62.62‰~-29.70‰，平均值为-43.65‰，最高值在山东青岛（-40.24‰）；最低值在福建漳州（-48.25‰）．δ¹³C-CO₂变化范围为-28.64‰~-9.19‰，平均值为-17.53‰，最高值在江苏南通（-14.45‰）；最低值在广东深圳（-19.13‰）．研究区CH₄浓度和碳同位素呈正相关，CO₂浓度和碳同位素呈负相关．人均GDP、民用汽车拥有量、牲畜存栏量、水稻面积与CH₄浓度及碳同位素呈正相关，森林覆盖率与CH₄浓度及碳同位素呈负相关．利用δ¹³C（CO₂）示踪山东、江苏、上海、浙江、福建、广东的沿海大气CO₂源汇特征，其δ¹³Cs分别为：-37.90‰、-37.67‰、-41.24‰、-34.12‰、-33.99‰、-32.39‰，指示石油与天然气的燃烧是研究区CO₂排放的主要贡献源．

为评估MERRA-2和TAP数据集在高原的适用性，基于珠峰、纳木错和瓦里关三站地面观测数据，验证两数据集大气黑碳（BC）的准确性．观测数据显示，纳木错站年均大气BC浓度最低（0.04μg/m³），珠峰（0.26μg/m³）和瓦里关较高（0.28μg/m³），呈现明显的冬春高、夏季低的季节模式．MERRA-2能较好捕捉大气BC季节和趋势特征；TAP在高原存在系统性高估，部分年份误差高达4倍，准确性低于MERRA-2.2021年3月南亚黑碳跨境输送事件中，MERRA-2再现能力较好，为明确南亚大气污染物向青藏高原跨境传输提供了直接科学证据．

采集了陕西关中地区6类工业园区（水泥混凝土、砖厂建材、锻造冶金、热电、化学品生产和玻璃陶瓷）的PM_2.5样品，分析了其碳组分、水溶性离子、金属元素和氧化潜势，探究不同工业源的排放特征及PM_2.5各化学组分与氧化潜势的关系．结果表明，不同工业园区PM_2.5浓度差异显著，砖厂建材最高（95.2μg/m³）；砖厂建材的OC/EC（有机碳/无机碳）比值（5.5）高于其他行业；水泥混凝土Ca²⁺浓度高于其他行业；锻造冶金行业V占比突出；PM_2.5中无机离子（SO₄^2-、NO₃^-、NH₄⁺）及部分金属元素（Ca、Al、Cd、Cu）与氧化潜势呈显著正相关．本研究为确定常见工业行业PM_2.5标识物及其对大气氧化性和人体健康的影响提供了依据．

为探索园区大气污染物排放量与环境质量挂钩，实现以环境质量底线为约束的精细化管控，提出了一种基于园区周边缓冲区减排及园区内增排造成的PM_2.5浓度影响动态平衡的园区最大允许排放增量衡算方法，通过园区周边缓冲区减排为园区产业落地提供空间，并以成都市天府园区、双流园区和龙泉园区为例开展探索研究．结果表明，园区缓冲区减排造成的园区PM_2.5浓度下降分别为2.6，1.7及2.1μg/m³；结合园区站现状浓度和目标浓度，计算园区站浓度升高上限分别为1.9，1.5及2.3μg/m³．模拟园区单位面积排放序列增加造成的PM_2.5浓度升高，拟合园区排放—浓度复合响应函数，对浓度升高上限对应的排放进行求解，园区最大允许排放增量分别为21.5，73.7和200.1t．经增减平衡验算，园区最大允许排放增量造成3个园区控制站的浓度变化分别为-0.18，-0.44和-2.50μg/m³，均未造成控制站空气质量恶化．提出的方法为园区精细化管控提供了新的思路，可在不造成环境质量恶化的前提下，实现园区周边减排支撑园区产业落地，为园区发展提供空间．

基于2013~2023年VIIRS/NPP卫星热异常监测数据及农业统计数据，系统分析华北平原露天秸秆焚烧（以下简称秸秆焚烧）的时空演变特征，估算2013~2022年大气污染物排放量，并评估夏收季秸秆焚烧对PM_2.5的影响．结果表明：研究区秸秆焚烧火点空间分布呈显著集聚性特征，主要形成豫南-皖北和环渤海两处高密度区；研究期间火点数量显著下降，区域南部降幅高于北部；年内变化与农事活动高度吻合，峰值出现在夏收与秋收期间．排放清单显示，2013~2022年污染物排放量下降均超50%，在经历2013~2016年快速下降后趋于平稳；排放峰值呈夏秋向冬春季迁移的趋势；高排放区空间分布呈碎片化趋势；主要作物秸秆焚烧排放贡献结构显示玉米占比升高并超过小麦．夏收期间，豫、鲁、苏、皖四省秸秆焚烧PM_2.5排放量与近地面PM_2.5浓度在年尺度上呈显著正相关（r=0.70~0.91）；日尺度分析表明，豫南-皖北地区2013~2016年期间秸秆焚烧对PM_2.5浓度贡献显著（r=0.68），2017年后影响减弱，环渤海地区整体影响不显著；但聚焦具体个例，局地集中焚烧可导致PM_2.5浓度显著上升，因此应避免多地同步集中焚烧以免引发区域污染事件．

本文依据质量守恒原理建立了地铁系统PM_2.5浓度的网络模型，并建立了列车在隧道内运行阶段的PM_2.5产尘量模型，从而模拟地铁系统各区域的PM_2.5浓度变化．应用该模型对中国南方某典型地铁线路进行了模拟分析，并开展现场实验进行了验证．结果表明，模拟结果误差在10%以内．定量分析了发车对数及室外浓度对地铁站PM_2.5浓度的影响：地铁站PM_2.5浓度随着发车对数的增加呈现非线性增加趋势，当发车对数增加78%，车站PM_2.5浓度增加约86%；地铁站PM_2.5浓度与室外PM_2.5在一定范围内浓度差值为一定值，与室外PM_2.5浓度成线性叠加关系．对于高峰期发车对数达到24对/h以上的地铁线路，即使室外浓度达到WHO推荐值（24h均值15μg/m³），地铁站运营期间PM_2.5浓度仍难以达到室内空气质量标准的要求（24h均值50μg/m³）．