2019–2020年西安城市PM<sub>2.5</sub>、气体污染物及气象数据集

生态系统国家野外站历史数据整编专题 II 区论文（已发表） • 版本 ZH2 Vol 9 (1) 2024

2019–2020年西安城市PM_2.5、气体污染物及气象数据集

A dataset of meteorology, PM_2.5 concentration and gaseous pollutants in Xi 'an City from 2019 to 2020

冉伟康，周家茂，方焱，徐馨，王启元，韩永明

RAN Weikang, ZHOU Jiamao, FANG Yan, XU Xin, WANG Qiyuan, HAN Yongming

DOI: 10.11922/11-6035.csd.2023.0020.zh
CSTR: 32001.14.11-6035.csd.2023.0020.zh
: 10.57760/sciencedb.o00119.00064

： 2023 - 01 - 29

： 2024 - 02 - 18

： 2023 - 05 - 12

： 2024 - 03 - 27

map

4597 21 0

摘要&关键词

摘要：通过近几年的治理，我国空气污染得到一定的改善，但关中地区由于其特殊的地理位置和气候环境，大气污染治理仍面临着巨大的压力和挑战，以臭氧（O₃）等污染气体和细颗粒物（PM_2.5）为特征的区域性复合型大气污染日益严重。厘清大气污染成因并进行污染治理，需要更细致的观测数据提供科学支撑。本数据集是在陕西关中平原区域生态环境变化与综合治理国家野外科学观测站的高新子观测场利用气体分析仪获取的环境大气中的氮氧化物、二氧化硫、臭氧、一氧化碳等污染气体的浓度。通过气象站对站点周边的温湿度、气压、太阳辐射，风速风向等气象数据进行观测；采集了离线PM_2.5滤膜并分析出质量浓度数据。观测场位于西安市城市核心区域，数据的观测时间范围是2019年1月到2020年12月，其中污染气体数据的时间分辨率是5分钟，气象数据的时间分辨率是1分钟，PM_2.5数据的时间分辨率是24小时。观测仪器每周进行维护和检测以保证仪器的采集质量，分析仪器每月进行仪器校准和标定保证数据质量。本数据集可以为关中地区大气环境提供基础数据记录，也为进一步的污染评价、控制和治理等提供了数据支撑，为关中区域大气污染过程、成因机制，大气污染防控提供科学建议。

关键词：西安市；气象数据；污染气体；PM_2.5；2019–2020年

Abstract & Keywords

Abstract: Air pollution in China has improved in recent years, but Central Shaanxi region continues to face great pressure and challenges in pollution control due to its unique geographical location and climatic conditions. The regional and complex air pollution, characterized by ozone (O₃) and fine particulate matter (PM_2.5), is becoming increasingly serious. More meticulous observation data are needed to clarify the causes of air pollution and provide scientific support for control policies. This dataset comprises the data on the concentrations of nitrogen oxides, sulfur dioxide, ozone and carbon monoxide in the atmosphere obtained by gas analyzer in Gaoxinzi Observation Site of the National Observation and Research Station of Regional Ecological Environment Change and Comprehensive Management in Guanzhong Plain. Weather stations collected data on temperature, humidity, air pressure, solar radiation, wind speed, wind direction and other meteorological parameters around the station. Offline PM_2.5 filter membranes were measured and the mass concentrations were analyzed. The observation site is located in the urban area of Xi 'an, Shaanxi Province. The data covers the period from January 2019 to December 2020 with a resolution of 5 minutes for pollution gas data, one minute for meteorological data, and PM_2.5 collected every 24 hours. Online instruments are calibrated monthly to ensure data quality, while the offline PM_2.5 sampler is calibrated and maintained weekly to ensure its data quality. This dataset can provide fundamental data records for the atmospheric environment in Central Shaanxi Province and offer data support for further pollution evaluation, control, and treatment. Moreover, it can give researchers scientific insights into the processes, casual mechanisms, as well as prevention and control of atmospheric pollution in Central Shaanxi Province.

Keywords: Xi’an City; meteorological data; gaseous pollutants; PM_2.5; from 2019 to 2020

数据库（集）基本信息简介

数据库（集）名称	2019–2020年西安城市PM_2.5、气体污染物及气象数据集
数据通信作者	周家茂（zjm@ieecas.cn）
数据作者	冉伟康、周家茂、方焱、徐馨、王启元、韩永明
数据时间范围	2019–2020年
地理区域	西安市，观测点位于关中平原生态环境变化与综合治理野外科学观测研究站高新子观测场内，经纬度为：108.894°N、34.234°E
数据量	106 MB
数据格式	*.xlsx
数据服务系统网址	https://doi.org/10.57760/sciencedb.o00119.00064
基金项目	国家科技基础资源调查专项（2021FY100703）；陕西省重点研发计划（2018-ZDXM3-01）。
数据库（集）组成	本数据集共包括西安市2019–2020年PM_2.5、污染性气体及气象等12个数据文件，具体包括：(1)2019年CO数据，约2.0 MB；(2)2019年SO₂数据，约2.0 MB；(3)2019年NO_x数据，约3.0 MB；(4) 2019年O₃数据，约2.0 MB；(5) 2019年气象数据，约30.0 MB；(6)2019年PM_2.5浓度数据，数据量76 KB；(7) 2020年CO数据，约2 MB；(8) 2020年SO₂数据，约1.8 MB；(9) 2020年NO_x数据，约3.4 MB；(10)2020年O₃数据，约1.6 MB；(11) 2020年气象数据，数据量约61.5 MB；(12) 2020年PM_2.5浓度数据，数据量59 KB。

Dataset Profile

Title	A dataset of meteorology, PM_2.5 concentration and gaseous pollutants in Xi 'an City from 2019 to 2020
Data authors	RAN Weikang, ZHOU Jiamao, FANG Yan, XU Xin, WANG Qiyuan, HAN Yongming
Data corresponding author	ZHOU Jiamao (zjm@ieecas.cn)
Time range	2019 – 2020
Geographical scope	Gaoxinzi Observation Site of the National Observation and Research Station of Regional Ecological Environment Change and Comprehensive Management in Guanzhong Plain, Xi’an City, Shaanxi Province (108.894°N, 34.234°E)
Data volume	106 MB
Data format	*.xlsx
Data service system	<https://doi.org/10.57760/sciencedb.o00119.00064>
Sources of funding	The Special Project on National Science and Technology Basic Resources Investigation of China (2021FY100703); The Key Research and Development Program of Shaanxi Province (2018-ZDXM3- 01).
Dataset composition	The dataset consists of 12 subsets of meteorology, PM_2.5 concentration and gaseous pollutants from 2019 to 2020. Among them, there are six data files for 2019: carbon monoxide (2.0 MB), sulfur dioxide (2.0 MB), nitrogen oxide (3.0 MB), ozone (2.0 MB), meteorology (30.3 MB) and PM_2.5 (76 KB), together with six data files for 2020: carbon monoxide (2.0 MB), sulfur dioxide (1.8 MB), nitrogen oxide (3.4 MB), ozone (1.6 MB), meteorology (61.5 MB), and PM_2.5 (59 KB).

map

引言

自改革开放以来，我国经济长期保持迅猛增长态势，随之而来的是生态环境遭到严重破坏。与人类生产生活密切相关的空气质量急剧下降，是生态环境恶化最直接、最突出的表现^[1]。目前，PM_2.5和臭氧等气态污染物形成的复合污染现已经成为中国大多数区域主要的大气污染问题^[2]。其中氮氧化物、一氧化碳、二氧化硫、臭氧都是对人体有害的有毒气体，对环境和空气有很大的污染^[3]，也是国家分级表征空气污染程度和空气质量状况所关注的重点污染物。同时气象数据对大气污染传输、来源和扩散具有重要作用^[4]。因此开展大气PM_2.5、气体污染物及气象数据观测，研究其变化，对于改善人民群众身体健康，提高能见度，减少雾霾天，净化城市空气和研究气候变化具有现实意义。

目前有关城市大气PM_2.5、气体污染物及气象的数据集较少且鲜有发表。一些数据集的PM_2.5数据是通过卫星遥感的方式测量的，数据准确性较差，而且无法进行后续的组分分析^[5]。气体污染物数据常规的分辨率都是1小时，数据分辨率较低。气象数据多为森林生态系统和农田生态系统，且数据分辨率较低^[6-7]。本数据集主要关注城市核心区域大气污染变化的情况，采用地面观测的方法测量数据更加精确，数据分辨率更高。

本数据集在陕西关中平原区域生态环境变化与综合治理国家野外科学观测研究站高新子观测场（108.894°N、34.234°E）开展观测获得。关中的大气污染一直比较严重，大气污染排名在全国污染排行榜上靠前的位置。西安市是关中地区最大，人口最多的城市。关中地区大气环境污染集中分布在西安和其周边城市^[8]。因此西安市区的大气污染数据最能说明整个关中地区的污染情况^[9]。该观测点是一个典型的城市生态系统，周围主要是住宅区和商业区，无明显工业污染源，东部和北部被主要交通干道环绕^[10]。本数据集记录了2019–2020年西安市区的PM_2.5数据、气态污染物数据和气象数据，对于研究关中地区城市空气污染变化、空气污染治理及改善人民生活环境有很好的参考作用。本数据集的优势在于数据集的分辨率较高，与常规的小时分辨率数据相比更能反映大气污染以及气象条件的细微变化，并且同步观测了PM_2.5、气体污染物及气象数据，可以反映气象条件对大气污染物的影响以及各污染物之间的相互作用。

1 数据采集和处理方法

1.1 NO_X气体浓度监测

利用澳大利亚ECOTECH公司的ML9841型氮氧化物（NO-NO₂-NO_x）分析仪（图1）对环境大气中的氮氧化物进行浓度分析。ML9841分析仪采用气相化学发光检测方法对NO、NOx及NO₂进行连续分析测定。众所周知，借助于化学发光的氮氧化物分析是一项最佳的直接测定技术，此法基于NO₂活性分子的发光，该活性分子是NO与O₃在一个被抽空的气室内反应生成的，NO分子与O₃反应生成活性NO₂分子按下式进行。

NO + O₃ NO₂+ O₂（1）

当NO₂转至低能级时，它放出带宽为500～3000 nm的射线，其最大强度处约为1100 nm，因为每个NO分子生成一个NO₂分子，故化学发光强度与样品中NO浓度成正比，而光电倍增管电流与化学发光的强度成正比。NO_X数据时间分辨率为5分钟。

图1 NO_X气体分析仪

Figure 1 Oxides of nitrogen analyzer

1.2 CO气体浓度监测

利用澳大利亚ECOTECH公司的ML9830型一氧化碳（CO）分析仪（图2）对环境大气中的CO进行浓度分析。该仪器的原理是ML9830分析仪产生红外辐射（IR），该红外辐射被在5米长封闭通道内的CO所吸收。根据吸收红外辐射（IR）的多少来测量CO的浓度。数据时间分辨率为5分钟。

图2 CO气体分析仪

Figure 2 Carbon monoxide (CO) analyzer

1.3 SO₂气体浓度监测

利用澳大利亚ECOTECH公司的ML9850型二氧化硫（SO₂）分析仪（图3）对环境大气中的SO₂进行浓度分析。ML9850分析仪的原理为紫外荧光法。SO₂对波长为200～240 nm的紫外光呈强的吸收性，然后发射出波长约为300 nm和400 nm的荧光，荧光与SO₂浓度成正比。数据时间分辨率为5分钟。

图3 SO₂气体分析仪

Figure 3 Sulfur dioxide (SO₂) analyzer

1.4 O₃气体浓度监测

利用澳大利亚ECOTECH公司的ML9811型臭氧（O₃）分析仪（图4）对环境大气中的O₃进行浓度分析。ML9811型O₃分析仪的原理是，O₃分子吸收波长为254 nm的紫外光（UV），这种单一的紫外光的强度和O₃的浓度有直接的关系，其关系式如下：

\(\frac{I}{{I}_{0}}={\mathrm{e}}^{-\mathrm{K}\mathrm{L}C}\) （2）

其中，K= 308 cm^-1 (at 0℃ and 1个大气压)，分子吸收系数；L=38 cm，单元长度；C = 臭氧浓度 (ppm)；I = 有臭氧样品(样气)时的紫外光强度；I₀ =无臭氧样品(参比气)的紫外光强度。臭氧数据时间分辨率为5分钟。

图4 O₃气体分析仪

Figure 4 Ozone analyzer

1.5 气象数据测量

利用芬兰维萨拉（Vaisala）公司的MAWS201型小型自动气象站（图5）对气象数据测量。其中测量温湿度的传感器为HMP155 HUMIDITY AND TEMPERATURE PROBE；测量风速风向的传感器为WMS302 C COMBINED WIND SENSOR；测量太阳净辐射的传感器为QMN101 NET RADIOMETOR；测量太阳总辐射的传感器为QMN101 SILICON PYRANOMETER。数据时间分辨率为1分钟。

图5 气象仪

Figure 5 Meteorological instrument

1.6 PM_2.5的采集、样品存储、分析及数据处理

PM_2.5样品的采集使用微流量便携式采样仪（Airmetrics，MiniVolTM，American）（图6），采样器流量为5 L/min，配备2.5 μm的切割头。高新观测场的PM_2.5分别采集了直径为47 mm的石英滤膜（Whatman，QM/A，England）和特氟龙滤膜（R2PJ047，Pall Life Sciences Ann Arbor，American）两种滤膜样品。2019年和2020年共采集样品731个。每张滤膜样品连续采集24小时，采集时间段分别为每天的10:00至次日10:00。在采样过程中，记录采样相关信息，主要包括采样日期、采样时间、滤膜编号、仪器流量、温度、湿度、风速、风向等相关数据。采样人员在采样之前需要接受专业培训，滤膜采样过程中采样人员均须佩戴硅胶手套，避免污染采样滤膜。除此之外，同时采集野外空白滤膜。采集的所有滤膜样品均装入聚苯乙烯皮式皿中，然后冷藏（约-4℃）保存，待分析称量。

图6 微流量便携式采样仪器

Figure 6 Portable mini-volume air sampler

PM_2.5颗粒物质量浓度通过瑞士梅特勒-托利多百万分之一电子天平（Mettler M3，Switerland）称量并计算得出，精度为1μg。滤膜在采样前首先需要在恒温恒湿箱中进行恒重，放置时间至少为24小时，恒温恒湿箱的温度和湿度需分别控制在20～23℃和35％～45％之间，称重后的滤膜保存于聚苯乙烯皮氏皿中，并放置于4℃的冰箱内备用^[11-12]。

PM_2.5质量浓度计算方法。我们用滤膜采集PM_2.5颗粒物，然后用重量法计算出PM_2.5颗粒物的质量浓度。滤膜采样前后都要进行滤膜的称重和记录。根据采样前后滤膜的质量差及采样体积，计算出PM_2.5质量浓度。计算公式为：

C=\(\frac{{\mathrm{W}}_{2}-{\mathrm{W}}_{1}}{\mathrm{F}\mathrm{t}}\) （3）

式中：C表示PM_2.5质量浓度，单位μg/ m³；W₂ 表示采样后滤膜质量，单位μg；W₁ 代表采样前滤膜质量，单位μg；F代表实况采样流量，单位换算为m³/min；t表示采样时间，单位为分钟；

目前为止重量法是测量颗粒物浓度最直接、最可靠的方法，是验证其他方法是否准确的标杆。

2 数据样本描述

本数据集记载了西安市城市地区2019年和2020年的PM_2.5质量浓度数据、气象数据以及气体污染物（CO、SO₂、O₃、NO_x）的质量浓度数据。数据采集点是西安市雁塔区科技一路15号关中平原生态环境变化与综合治理野外科学观测研究站高新子观测场内，经纬度为：108.894°N、34.234°E。

本数据集记载的文本属性数据共有12个Excel文件，分别为2019年和2020年6种观测类别所对应的数据。其中PM_2.5数据文件详细记载了每个样品的采集日期、采集的颗粒物粒径、样品类型、采样地点、采样人、滤膜样品编号、采样开始时间、采样结束时间、采样累积时间、采样流量、采样体积、滤膜样品上的PM_2.5颗粒物沉积质量、滤膜样品上的PM_2.5颗粒物沉积质量减去背景、PM_2.5颗粒物质量浓度。详细的数据描述请见表1。

表1 观测组分数据集描述

数据组分	数据时间分辨率	数据单位	备注
PM_2.5质量浓度	24 h	μg/m³
CO质量浓度	5 min	μg/m³
SO₂质量浓度	5 min	μg/m³
O₃质量浓度	5 min	μg/m³
NO_x质量浓度	5 min	μg/m³
温度	1 min	℃	数据状态VALID表示数据有效，INVALID表示数据无效。
湿度	1 min	%
大气压强	1 min	hPa
露点	1 min	℃
净太阳辐射	1 min	W/m²
太阳总辐射	1 min	W/m²
风向	1 min	角度
风速	1 min	m/s

3 数据质量控制和评估

3.1 污染性气体观测质量控制与保障

NO_x分析仪、CO分析仪、O₃分析仪、SO₂分析仪每天24小时对环境大气进行监测，每5分钟生成一个平均质量浓度数据，为保证仪器正常工作和数据的准确性采取了以下质量控制和保障措施：

（1）仪器每个月做一次仪器的多点校准。气体分析仪校准一般采用五点校准，通过气体稀释系统将零气和标气稀释成5个不同浓度的气体组分，分别将5个浓度的标气依次通入对应的分析仪等待仪器数据稳定之后做好记录。5个浓度点的确定方式为：零气、仪器量程的20%、仪器量程的40%、仪器量程的60%、仪器量程的80%这5个浓度点。分别在校准零点和最高点的时候修改仪器的零点参数截距和仪器的高点系数，使仪器的响应值等于标气的浓度值完成仪器校准。之后要再一次给仪器通入5个不同浓度的气体组分进行验证校准效果。校准后仪器的响应值和标气的设定值做线性相关，线性相关系数应达到4个9以上。

（2）为保证数据质量仪器的流量必须和做校准时仪器的流量一致。

（3）每天把前一天的数据处理好画成折线图检查数据的合理性。

（4）仪器工作的环境温度范围：15–35℃。

（5）在仪器的粒子过滤器组件内必须安装5微米过滤器，并且1–2周更换一次5微米过滤器滤膜。

（6）1–2周检查更换一下仪器的风扇过滤器。

（7）仪器及其管路内不能进水，如遇下雨情况，应时刻检查管路内是否有水珠；打开进气口前的滤膜盖，用手摸一下滤膜是否为湿的。如碰到此两种情况，应立即关机，停止仪器运行。

3.2 PM_2.5质量控制与保障

石英滤膜在空白称重之前，先放置于马弗炉中，于800℃高温煅烧3小时，去除空白滤膜本身携带的相关污染物。

称量过程的干扰因素及消除措施：称量环境的湿度会影响滤膜的质量，并且滤膜上的样品也会吸收空气中的水分。为了减小湿度对称量的影响，称量应在温度为20–23℃，相对湿度为30%–40%、误差不超过5%的环境下进行。在称量的过程中可能会被空气中的颗粒物及在天平和工作台上聚集的颗粒物污染。样品与样品的交叉污染也是有可能发生的，并且不易被发觉。所以天平应放在无菌操作台上，并且滤膜只能用干净的镊子夹取来减少污染发生的可能性。电子天平对静电十分敏感，在称重盘和天平上梁上积累的静电都会影响称量的结果。静电可能在空气进入切割头中在样品中累积。为了消除静电对称量的影响，可将样品在称量前先在除静电装置上消除静电30–60 s。电子天平上的静电可以通过定期用除静电纸清理天平的称重单元。

实验室定期用5 mg、200 mg、5000 mg标准砝码对瑞士梅特勒-托利多METTLER TOLEDO/XP6微电子天平校正多次，随机抽取其中7次校正结果，计算实测值的准确度。定期选择不同类型样品滤膜，反复称量7次后计算仪器精密度。从历史记录来看，该型号微电子天平在分析测量滤膜时数据准确度和精密度较高。

为保证称量质量，每个样品至少要称量两次，其中石英材质的空白和样品滤膜的两次称量误差分别需小于15和20 μg，特氟龙材质的空白和样品滤膜的两次称量误差分别需小于20和40 μg，如果超过规定的误差范围则需要重新称重。

3.3 气象观测数据的质量控制与保障

首先气象仪器必须安装在空旷的室外最高的位置，周围50米内不能有遮挡气象仪测量风速风向的建筑或其他较大物品。不能有东西遮挡住气象仪的阳光，不然会影响辐射的数据。其次气象仪要定期检测测量各组分的传感器，手动将测量各种数据的传感器放在已知条件的环境中，检测各传感器测量的对不对。如果测量数据误差超过5%，则将传感器送去厂家维修。

3.4 数据集中数据的断点情况

因为仪器在观测过程中仪器故障导致数据缺失，会形成断点，在数据集中均表示为-999。

4 数据价值

通过对本数据集的分析发现，2019年PM_2.5颗粒物质量浓度最大值为253.3 μg/m³，平均值为62.7 μg/m³，2020年PM_2.5颗粒物质量浓度最大值为202 μg/m³，平均值为54.2 μg/m³。2019年一氧化碳质量浓度最大值为8432 μg/m³，平均值为930.57 μg/m³，2020年一氧化碳质量浓度最大值为3487.31 μg/m³，平均值为796.30 μg/m³。2019年二氧化硫质量浓度最大值为175.34 μg/m³，平均值为27.26 μg/m³，2020年二氧化硫质量浓度最大值为26.53 μg/m³，平均值为8.49 μg/m³。2019年二氧化氮质量浓度最大值为242.29 μg/m³，平均值为46.49 μg/m³，2020年二氧化氮质量浓度最大值为183.47 μg/m³，平均值为21.18 μg/m³。2019年臭氧质量浓度最大值为159.14 μg/m³，平均值为50.36 μg/m³，2020年臭氧质量浓度最大值为121.07 μg/m³，平均值为46 μg/m³。可以看出2020年的PM_2.5颗粒物质量浓度以及各种污染气体的质量浓度，无论是在平均值还是最高值相比2019年都有很大下降，说明大气污染治理效果明显空气质量越来越好。

本数据集相较同类数据集^[5-7]，数据同步监测了环境PM_2.5、气体污染物和气象条件，数据集对大气污染防治和成因分析有重要的意义。数据监测的位置位于西安市高新区，更能代表城市环境，数据的分辨率更高，数据精度更高。其中气象数据时间分辨率为1分钟，气体污染数据时间分辨率为5分钟，更能监测到气象和污染物精细的变化。PM_2.5颗粒物数据是用重量法测得，重量法是最直接、最可靠的方法，是验证其他方法是否准确的标杆。通过本数据集，可以了解西安城市PM_2.5颗粒物和气体污染物的污染情况，结合气象条件可以分析污染成因和传输来源，为大气环境的治理提供宝贵建议，为人民的生产生活提供帮助。

致谢

2019–2020西安城市PM_2.5、气体污染物及气象数据工作由陕西关中平原区域生态环境变化与综合治理国家野外科学观测站和中国科学院地球环境研究所组织完成，采样人李钰、严梦园、姚欢、李丽等采集了大量离线滤膜质量数据和在线仪器数据，数据分析师张勇、李丹、苏慧、李璐、刘雅雯等承担大量数据处理和数据分析工作，为本数据集的完成奠定了基础。特此致谢！

[1]

LIN H, ZENG S X, MA H Y, et al. Can political capital drive corporate green innovation? Lessons from China[J]. Journal of Cleaner Production, 2014, 64: 63–72. DOI: 10.1016/j.jclepro.2013.07.046.

+ CSCD · Baidu Scholar

[2]

吕效谱, 成海容, 王祖武, 等. 中国大范围雾霾期间大气污染特征分析[J]. 湖南科技大学学报(自然科学版), 2013, 28(3):104–110. [LV X P, CHENG H R, WANG Z W, et al. Analysis of a wide range haze pollution in China[J]. Journal of Hunan University of Science ＆ Technology (Natural Science Edition), 2013, 28(3):104–110.]

+ CSCD · Baidu Scholar

[3]

董继元, 刘兴荣, 张本忠, 等. 我国臭氧短期暴露与人群死亡风险的Meta分析[J]. 环境科学学报, 2016, 36(4): 1477–1485. DOI: 10.13671/j.hjkxxb.2015.0555. [DONG J Y, LIU X R, ZHANG B Z, et al. Meta-analysis of association between short-term ozone exposure and population mortality in China[J]. Acta Scientiae Circumstantiae, 2016, 36(4): 1477–1485. DOI: 10.13671/j.hjkxxb.2015.0555.]

+ CSCD · Baidu Scholar

[4]

刘瑞芳, 贺瑶, 刘慧, 等. 陕西关中大气污染时空分布特征及天气学分型[J]. 陕西气象, 2021 (5): 23–29. DOI: 10.3969/j.issn.1006-4354.2021.05.004. [LIU R F, HE Y, LIU H, et al. Tempo-spatial distribution and synoptic patterns of air pollution in Guanzhong, Shaanxi Province[J]. Journal of Shaanxi Meteorology, 2021 (5): 23–29. DOI: 10.3969/j.issn.1006-4354.2021.05.004.]

+ CSCD · Baidu Scholar

[5]

戴刘新, 张莹, 李正强, 等. 中国近地面PM_2.5质量浓度卫星遥感数据集比较及历史趋势分析[J]. 大气与环境光学学报, 2022, 17(6): 613–629. DOI: 10.3969/j.issn.1673-6141.2022.06.003. [DAI L X, ZHANG Y, LI Z Q, et al. Comparison and historical trend analysis of satellite remote sensing datasets of near-surface PM_2.5 mass concentration in China[J]. Journal of Atmospheric and Environmental Optics, 2022, 17(6): 613–629. DOI: 10.3969/j.issn.1673-6141.2022.06.003.]

+ CSCD · Baidu Scholar

[6]

江山, 刘何铭, 郑泽梅, 等. 2003–2017年浙江天童森林生态系统国家野外科学观测研究站气象数据集[J/OL]. 中国科学数据, 2022, 7(4). (2022-12-07). DOI: 10.11922/11-6035.csd.2022.0078.zh. [JIANG S, LIU H, ZHENG Z,et al. A dataset of meteorological observations at Zhejiang Tiantong National Forest Ecosystem Observation and Research Station (2003–2017)[J/OL]. China Scientific Data,2022, 7(4). (2022-12-07). DOI: 10.11922/11-6035.csd.2022.0078.zh.]

+ CSCD · Baidu Scholar

[7]

高美荣, 况福虹, 朱波. 2008–2013年川中丘陵区典型农田生态系统大气氮沉降数据集[J/OL]. 中国科学数据, 2019, 4(4). (2019-12-25). DOI: 10.11922/csdata.2019.0004.zh.[GAO M R,KUANG F H,ZHU B. Atmospheric nitrogen deposition in a typical agroecosystem of central Sichuan Basin of China (2008-2013)[J/OL].China Scientific Data, 2019, 4(4). (2019-12-25). DOI: 10.11922/csdata.2019.0004.zh.]

+ CSCD · Baidu Scholar

[8]

李养养, 唐小威, 张佳音. 关中城市群环境空气污染特征及对策研究[J]. 环境与发展, 2015, 27(4): 60–62. DOI: 10.16647/j.cnki.cn15-1369/x.2015.04.016. [LI Y Y, TANG X W, ZHANG J Y. Ambient air pollution in urban agglomeration characteristics Guanzhong and Countermeasures[J]. Environment and Development, 2015, 27(4): 60–62. DOI: 10.16647/j.cnki.cn15-1369/x.2015.04.016.]

+ CSCD · Baidu Scholar

[9]

TIAN J, WANG Q Y, LIU H K, et al. Measurement report: the importance of biomass burning in light extinction and direct radiative effect of urban aerosol during the COVID-19 lockdown in Xi’an, China[J]. Atmospheric Chemistry and Physics, 2022, 22(12): 8369–8384. DOI: 10.5194/acp-22-8369-2022.

+ CSCD · Baidu Scholar

[10]

CHEN S Y, WANG Q Y, ZHANG Y, et al. Heterogeneous characteristics and absorption enhancement of refractory black carbon in an urban city of China[J]. The Science of the Total Environment, 2023, 879: 162997. DOI: 10.1016/j.scitotenv.2023.162997.

+ CSCD · Baidu Scholar

[11]

曹军骥, 李顺诚, 李杨, 等. 2003年秋冬季西安大气中有机碳和元素碳的理化特征及其来源解析[J]. 自然科学进展, 2005, 15(12): 1460–1466. [CAO J J, LI S C, LI Y, et al. Physical and chemical characteristics and source analysis of organic carbon and elemental carbon in Xi' an atmosphere in autumn and winter of 2003[J]. Progress in Natural Science, 2005, 15(12): 1460–1466.]

+ CSCD · Baidu Scholar

[12]

曹军骥. PM_2.5与环境[M]. 北京: 科学出版社, 2014. [CAO J J. PM_2.5 and the environment in China[M]. Beijing: Science Press, 2014.]

+ CSCD · Baidu Scholar

数据引用格式

冉伟康, 周家茂, 方焱, 等. 2019–2020年西安城市PM2.5、气体污染物及气象数据集[DS/OL]. Science Data Bank, 2023. (2023-11-13). DOI: 10.57760/sciencedb.o00119.00064.

map

稿件与作者信息

论文引用格式

冉伟康, 周家茂, 方焱, 等. 2019–2020年西安城市PM2.5、气体污染物及气象数据集[J/OL]. 中国科学数据, 2024,9(1) (2024-03-27). DOI: 10.11922/11-6035.csd.2023.0020.zh.

冉伟康

RAN Weikang

主要承担工作：数据采集、整理及论文撰写。

（1992—），男，陕西省咸阳市，硕士在读，研究方向为大气气溶胶。

周家茂

ZHOU Jiamao

主要承担工作数据汇总、检查、论文撰写和修改。

zjm@ieecas.cn

（1981—），女，四川省泸州市，博士，高级工程师，研究方向大气气溶胶模式模拟。

方焱

FANG Yan

主要承担工作：数据处理与数据检查。

（1991—），男，陕西省榆林市，硕士，研究方向为水环境观测与研究。

徐馨

XU Xin

主要承担工作：数据处理与数据检查。

（1992—），女，陕西省渭南市，硕士，研究方向为植被物候观测。

王启元

WANG Qiyuan

主要承担工作：总体方案设计与组织实施。

（1985—），男，江西萍乡人，博士，研究员，研究方向为吸光性气溶胶及其气候环境效应。

韩永明

HAN Yongming

主要承担工作：总体方案设计与资金支持。

（1971—），男，新疆石河子，博士，研究员，研究方向为气溶胶、沉积物、全球气候与环境变化。

The Special Project on National Science and Technology Basic Resources Investigation of China (2021FY100703); The Key Research and Development Program of Shaanxi Province (2018-ZDXM3- 01).

map

出版历史

I区发布时间：2023年4月21日（版本ZH1）

II区出版时间：2024年3月27日（版本ZH2）