济宁市冬春季大气PM_(2.5)与气象因素相关性研究

目的探讨济宁市2014年1—3月大气PM_(2.5)污染与气象因素的相关性,探讨大气PM_(2.5)浓度变化原因,为大气PM_(2.5)的监测、预警和污染防治提供参考。方法收集济宁市电化厂、火炬城、监测站3个大气自动监测点自2014年1月1日至3月31日的大气PM_(2.5)日均浓度数据,及中国科学数据共享服务网的济宁市地面气象资料数据,并进行相关分析。结果济宁市1月大气PM_(2.5)日均浓度高于2、3月,差异有统计学意义(P0.05),但同时期3个监测点之间的浓度差异无统计学意义(P=0.767)。大气PM_(2.5)日均浓度与相对湿度呈正相关,与能见度、风速呈负相关,其中与能见度的相关性最高。经多元线性逐步回归分析,影响大气PM_(2.5)日均浓度的主要气象因素为能见度、降水量和相对湿度(回归方程:yPM_(2.5)平均浓度=142.658-9.831x能见度-29.436x降水量+0.622x相对湿度,F=37.345,P0.01)。结论气象因素对大气PM_(2.5)有一定影响,其中能见度、降水量和相对湿度对PM_(2.5)日均浓度影响较明显。     

贵阳市大气PM_(2.5)质量浓度分布及其与气象因素的相关性分析

目的探讨贵阳市大气PM_(2.5)质量浓度分布及其与气象因素的关系。方法从贵阳市环保局、气象局收集2015年1月1日—12月31日的大气PM_(2.5)监测资料及气象因素监测资料;采用Pearson相关性分析对大气PM_(2.5)与气象因素间的关系进行分析。结果 2015年贵阳市大气PM_(2.5)年均质量浓度为37.8μg/m~3;贵阳市大气PM_(2.5)年均质量浓度达到《环境空气质量指数(AQI)技术规定(HJ 633-2012)》一级标准天数为182 d,达到《环境空气质量指数(AQI)技术规定(HJ 633-2012)》二级标准天数为160 d;PM_(2.5)与气压呈正相关(r=0.342,P0.01),PM_(2.5)与相对湿度呈负相关(r=-0.330,P0.01),PM_(2.5)与温度呈负相关(r=-0.390,P0.01),PM_(2.5)与降水量呈负相关(r=-0.259,P0.01),PM_(2.5)与风速呈负相关(r=-0.148,P0.01);PM_(2.5)与日均日照呈正相关,差异无统计学意义。结论贵阳市2015年PM_(2.5)年均质量浓度为37.8μg/m~3,达到国家环境《环境空气质量指数(AQI)技术规定(HJ 633-2012)》二级标准;贵阳市大气PM_(2.5)质量浓度与气压呈正相关,与相对湿度、温度、降水量、风速呈负相关,与日照不相关。     

上海市浦东新区手足口病与气象因素相关性研究

目的利用2010年1月—2012年12月上海市浦东新区手足口病发病资料和气象环境资料,进行Pearson相关分析和逐步回归分析,探讨了上海市浦东新区手足口病发病和气象环境因素之间的关系,为手足口病的防治提供科学依据。方法整理上海市浦东新区2010—2012年手足口病发病数据进行描述性分析,对可能影响手足口病的气温、气压、相对湿度、风速、周日照时数、降水量和环境因素PM_(2.5)等气象环境因子,运用Pearson相关分析和多元线性回归分析进行相关性分析。结果手足口病周发病例数和周平均气温(r=0.334,P0.001)、最高气温(r=0.367,P0.001)、最低气温(r=0.327,P0.001)、平均相对湿度(r=0.313,P0.001)及累计降水量(r=0.159,P=0.048)呈正相关,与平均气压(r=-0.444,P0.001)呈负相关,而与最小相对湿度,平均风速,日照时数以及PM_(2.5)相关性不显著。与气压和最低气温之间的线性依存关系具有统计学意义,且呈负相关(r0,P0.05),与周平均气温,最高气温,平均相对湿度以及累计降水量的线性依存关系无统计学意义(P0.05)。结论气象因素与手足口病的发生有较密切的关系,要做好手足口病的防治工作要采取综合性措施,结合社会、个人和气象环境等因素防治手足口病。     

上海市浦东新区手足口病与气象因素相关性研究

目的利用2010年1月—2012年12月上海市浦东新区手足口病发病资料和气象环境资料,进行Pearson相关分析和逐步回归分析,探讨了上海市浦东新区手足口病发病和气象环境因素之间的关系,为手足口病的防治提供科学依据。方法整理上海市浦东新区2010—2012年手足口病发病数据进行描述性分析,对可能影响手足口病的气温、气压、相对湿度、风速、周日照时数、降水量和环境因素PM_(2.5)等气象环境因子,运用Pearson相关分析和多元线性回归分析进行相关性分析。结果手足口病周发病例数和周平均气温(r=0.334,P<0.001)、最高气温(r=0.367,P<0.001)、最低气温(r=0.327,P<0.001)、平均相对湿度(r=0.313,P<0.001)及累计降水量(r=0.159,P=0.048)呈正相关,与平均气压(r=-0.444,P<0.001)呈负相关,而与最小相对湿度,平均风速,日照时数以及PM_(2.5)相关性不显著。与气压和最低气温之间的线性依存关系具有统计学意义,且呈负相关(r<0,P<0.05),与周平均气温,最高气温,平均相对湿度以及累计降水量的线性依存关系无统计学意义(P>0.05)。结论气象因素与手足口病的发生有较密切的关系,要做好手足口病的防治工作要采取综合性措施,结合社会、个人和气象环境等因素防治手足口病。     

基于典型相关分析的潍坊市大气污染物与气象因素关系的初步探讨

为探讨潍坊市大气污染物与气象因素之间的关系,收集该市大气污染物和气象因素监测数据,采用简单相关和典型相关分析探讨二者关系。简单相关分析结果显示,日均气温、日最高气温、日最低气温、气温日较差与大气污染物PM_(2.5)、PM_(10)、CO、NO_2、SO_2相关,其中气温日较差与PM_(2.5)、PM_(10)、CO、NO_2、SO_2呈正相关,日均气温、日最高气温、日最低气温与PM_(2.5)、PM_(10)、CO、NO_2、SO_2呈负相关,均有统计学意义(P0.05);日均相对湿度与PM_(2.5)呈正相关,与PM_(10)、NO_2、SO_2呈负相关;日均风速与PM_(2.5)、PM_(10)、CO、NO_2、SO_2呈负相关,日均降水量与PM_(2.5)、PM_(10)、CO、NO_2、SO_2呈负相关,均有统计学意义(P0.05)。典型相关分析共提取了4对典型相关变量,典型相关系数分别为0.78、0.74、0.48和0.34。提示研究期间潍坊市气温主要影响气态污染物浓度,相对湿度主要影响PM_(2.5)浓度,风速主要对PM_(10)和NO_2浓度产生较大影响,日均降水量和气温日较差主要影响大气颗粒物浓度。     

本溪市大气主要污染物与气象因素相关性

目的分析本溪市2014—2015年大气主要污染物与气象因素的相关性,为大气污染防治提供依据。方法本溪市环境监测站共设立6个大气监测点(溪湖、彩屯、东明、大峪、新立屯和威宁)进行常年大气污染物监测工作。选取2014—2015年大气二氧化硫(SO2)、二氧化氮(NO_2)、可吸入颗粒物(PM_(10))和细颗粒物(PM_(2.5))日均浓度与气象监测资料进行相关性分析和多元逐步回归分析,找出气象因素与大气污染物浓度的关系及气象因素对大气污染物浓度的影响规律。结果 SO_2日均浓度与气温和相对湿度呈负相关(r=–0.793、–0.288,P均0.01);PM_(10)与气温、风速、湿相对度均呈负相关(r=–0.338、–0.176、–0.138,P均0.01);NO_2与温度和风速呈负相关(r=–0.507、–0.313,P均0.01);PM_(2.5)与温度和风速呈负相关(r=–0.379、–0.264,P均0.01)。结论气象因素与大气污染物浓度密切相关,气象因素对大气污染物浓度的影响有一定规律性,可通过回归方程进行模拟预测。     

济南市室内外空气PM2.5关系及影响因素

目的了解普通居民室内外PM_(2.5)污染情况,探讨室内外PM_(2.5)关系及影响室内PM_(2.5)浓度的因素。方法于2018年9月—2019年1月从济南市历下区甸柳社区选择49户普通居民住宅采用RPPM_(2.5)系统监测3 d室内PM_(2.5)浓度、温度和相对湿度,通过调查问卷收集监测期间室内人员窗户开关、烹饪、空气净化器使用等信息。每次调查的时间间隔为30 d,共开展5次调查。从距离调查点位最近的环保监测站和气象监测站获取同期的室外空气PM_(2.5)浓度以及环境温度、相对湿度,利用混合效应模型分析室内PM_(2.5)浓度的影响因素。结果 2018年9月—2019年1月的5次调查显示室内PM_(2.5)浓度的几何均数分别为64.96、38.29、57.4、50.39和59.60μg/m~3,室外空气PM_(2.5)浓度几何均数分别为40.21、34.65、58.60、67.89和83.14μg/m3,室内外PM_(2.5)浓度呈正相关(rs=0.41,P0.001)。秋季室内外PM_(2.5)浓度比值(I/O)为1.17(P_(25)～P_(75):0.96～1.55),冬季I/O值为0.77(P25～P75:0.54～0.93),秋季I/O值明显高于冬季。混合效应模型分析结果显示,室外空气PM_(2.5)浓度(β=2.84×10~(-3),P0.001)、室内外相对湿度差绝对值(β=-0.02,P0.001)、室外风速(β=-0.87,P0.001)、空气净化器使用(β=-0.14,P=0.04)和室内除尘(β=0.19,P0.001)是影响室内PM_(2.5)水平的重要因素。混合效应模型的边际R~2(R_m~2)为0.55。结论济南市普通居民住宅室内外PM_(2.5)浓度关系在秋季和冬季存在明显的季节性差别,室外空气PM_(2.5)浓度、室内外相对湿度差绝对值、室外风速、空气净化器使用和室内除尘是影响室内PM_(2.5)浓度的重要因素。     

南京市江宁区2010年气象因素对SO2等大气污染物浓度的影响

目的探讨气象因素对大气污染物浓度的影响,以期建立气象因素与大气污染物浓度关系的模型。方法收集南京市江宁区2010年气象资料(日平均气压、日最高气压、日最低气压、日平均气温、日最高气温、日最低气温、日平均相对湿度、日最小相对湿度、日降水量、日平均风速、日照时数)和大气主要污染物(SO2、NO2、PM2.5)浓度资料,以气象因素对大气污染物浓度进行多元线性回归分析,建立多元回归方程。结果 SO2日平均浓度与日最高气压和日最高气温呈负相关,与最低气压呈正相关;NO2日平均浓度与最低气温呈负相关;PM2.5日平均浓度与日最小相对湿度和日平均风速呈负相关。结论气象因素的变化对于大气污染物浓度有一定影响。在污染物特征及地形地貌基本不变、总的污染物排放相对稳定的情况下,通过建立多元回归方程可以预测气象因素变化对大气污染物浓度的影响。     

西安市空气质量与气象因素的典型相关分析

目的通过对2013年11月1日—2014年10月31日西安市空气污染指标,以及气象因素指标的分析,揭示西安市气象因素对空气污染物浓度的影响规律。方法对研究期间AQI指数、PM_(2.5)、PM_(10)、SO_2、NO_2、CO空气污染物水平进行统计描述;采用简单相关和典型相关分析,探讨空气主要污染物与气温、气湿、风速、气压、降雨量等气象因素之间的关系。结果根据《环境空气质量标准》(GB 3095-2012)年均值二级标准,研究期间,(1)西安市PM_(2.5)和PM_(10)年均值均超标,CO和SO_2达到二级标准,而NO_2略超过二级标准;(2)西安市气压变化平稳,月均湿度在70%上下波动,秋季略高,风速全年较平稳,冬春季略低,降雨量表现为冬春季偏低,夏季略高,秋季明显增多;(3)简单相关分析表明,气温同AQI、PM_(2.5)、PM_(10)、CO、NO_2和SO_2均有显著的相关关系,相关系数均大于0.5;气湿与SO_2的相关系数较大;风速与NO_2的相关系数较大,接近0.5;气压与CO、NO_2和SO_2的相关系数较大,均大于0.5;降雨量与AQI、PM_(2.5)、PM_(10)、CO、NO_2和SO_2均有显著的相关关系,相关系数较小。(4)典型相关分析表明,气象因素中气温主要影响气态污染物的浓度,湿度主要影响PM_(2.5)的浓度,而风速主要对NO_2浓度产生较大影响,降雨量则主要影响的是颗粒态污染物的浓度。结论在本研究期内,西安市空气质量与气象因素间有相关性。     

舟山海岛地区手足口病的气象影响因素

目的 探讨影响舟山市手足口病发病的主要气象因素.方法 收集2009-2013年舟山市手足口病周发病资料和气象资料,利用Spearman相关进行单因素相关分析,用岭回归进行多因素分析舟山市手足口病与气象因素之间的关系.结果 舟山市手足口病周发病人数与周平均气温、周平均相对湿度、周平均水汽压、周日照时数呈正相关(r=0.467～0.827,P均＜0.01),周平均气压与发病人数呈负相关(r=-0.756～-0.772,P＜0.01),而周平均降水量、周平均风速与周发病数无线性相关关系(P＞0.05).岭回归模型分析显示,周平均相对湿度、周平均水汽压、周平均气温和周日照时数是手足口病发病的主要气象影响因素(P＜0.05),均呈正相关关系.标准回归系数比较表明,作用大小为周平均相对湿度(0.273)＞周平均水汽压(0.220)＞周平均气温(0.156)＞周日照时数(0.141).结论 舟山海岛地区手足口病与气象因素明显相关,其中相对湿度、水汽压、气温和日照时数是影响舟山海岛地区手足口病发病的主要气象因素.     

舟山市空气污染物对呼吸门诊就诊人数的影响研究

目的了解舟山市空气污染物对舟山医院呼吸门诊就诊人数的影响。方法收集2014-2015年舟山市舟山医院呼吸门诊就诊数据和舟山市空气污染物(PM_(2.5)、SO_2、NO_2)以及气象数据(平均气温和相对湿度),采用广义相加模型分析空气污染物与呼吸门诊就诊人数之间的关系。结果 2014-2015年舟山市日均PM_(2.5)浓度为(31.30±21.80)μg/m~3,符合国家Ⅱ级标准,空气质量总体较优。1~2月,3种空气污染物浓度较高,且与呼吸门诊就诊人数出现的高峰期重叠。模型拟合结果显示,PM_(2.5)浓度每升高10μg/m~3,呼吸门诊就诊人数增加(RR=1.013 5,95%CI:1.001 9~1.025 2)。PM_(2.5)滞后5d时对呼吸门诊就诊人数的影响效应更大。结论舟山市PM_(2.5)对呼吸门诊就诊人数存在急性效应,在雾霾时期及早采取预防措施,可降低伤害。     

风速对室内外空气PM2.5浓度关系的影响

为探讨不同风速条件对室内外PM_(2.5)浓度关系的影响。对某典型无人办公室室内和室外的PM_(2.5)浓度、室外风速和相对湿度(RH)进行了长达1年的连续监测,并在对相对湿度分层的情况下分析风速对室内外PM_(2.5)浓度的影响。结果显示在不同相对湿度范围内,室内和室外PM_(2.5)浓度均具有很强的相关性。RH≤20%时,当风速4 m/s时,风速的增加有助于室外PM_(2.5)浓度的升高;风速≥4 m/s时,有助于降低室外PM_(2.5)浓度。RH 20%～40%时,当风速≥5 m/s时室内外PM_(2.5)浓度得到明显改善。RH40%～60%时,风速1 m/s时,室内外PM_(2.5)浓度均随风速增加而降低。RH60%～80%时,室内外PM_(2.5)浓度均随风速增加而降低。RH≥80%时,风速3 m/s时,室内外PM_(2.5)浓度明显降低且均随风速增加而降低。而未对相对湿度分层的条件下,风速1 m/s时,室内外PM_(2.5)浓度均随风速增加而降低。当RH≤20%时,I/O比随风速先降低而后略微升高,而其他相对湿度条件下的I/O比显示出随风速增加而降低的趋势。提示风速是影响室内外PM_(2.5)浓度关系的重要因素,但不同相对湿度条件下,其影响结果不同。     

北京市大气PM_(2.5)中17种元素的污染特征研究

目的了解北京市大气PM_(2.5)中17种元素的浓度水平及季节变化。方法在北京市于2014年3月至2015年2月每月连续7 d使用中流量大气颗粒物采样器和石英滤膜采集大气PM_(2.5),同时记录大气的温度、相对湿度和风速等气象因素。采用微波消解-ICP/MS测定采集的颗粒物中17种元素的浓度。分析17种元素浓度与气象因素之间的相关性以及霾日和非霾日不同元素的浓度差别。结果北京市大气PM_(2.5)中Fe、Cu、Zn和Pb的质量浓度占所检测元素总浓度的92.69%,大气中元素成分与日均温度、日均风速呈现负相关关系,与日均相对湿度正相关。霾日大气PM_(2.5)中17种元素的浓度高于非霾日。结论北京市大气PM_(2.5)中元素的浓度与温度、风速等气象因素有关,且有着明显的季节变化。霾日大气PM_(2.5)种元素的污染严重。     

天津市气象因素对手足口病发病影响研究

目的研究天津市不同气象因素对手足口病发病的影响,为其防控提供理论依据。方法收集天津市2009年至2018年手足口病日发病数据及气象数据(日均气温、日最高气温、日最低气温、日均相对湿度、日降水量、平均气压、平均风速和最大持续风速),利用分布滞后非线性模型分析气象因素与手足口病发病的关系。结果 2009—2018年天津市手足口病共报告发病167 234例,男女性别比为1.5∶1。发病集中在0～10岁,占全部报告发病的97.74%。散居儿童、托幼儿童与学生发病比为8.7∶4.4∶1。手足口病日报告发病数与日均气温、日最高气温、日最低气温、日均相对湿度、日降水量呈正相关,与平均气压、平均风速和最大持续风速呈负相关。日均气温、日均相对湿度和日降水量作为气象因素纳入分布滞后非线性模型。以气象因素中位数为参照,在滞后0 d、日均气温为36℃时,手足口发病风险最高,相对危险度RR(95%CI)值为1.12(1.06～1.18)。日均相对湿度为73%,滞后12 d时手足口发病风险最高,RR值为1.02(1.01～1.03);降水量为130 mm,滞后0 d时手足口病发病风险最高为1.36(0.91～2.02)。结论气象因素对手足口病的影响呈非线性,且存在滞后效应。     

随州市手足口病流行特征与气象因素的关系研究

探讨随州市气象因素与手足口病发病情况之间的关系,为预测随州市手足口病发病情况提供依据。收集2010-2014年随州市手足口病发病资料和气象资料(气温、气压、相对湿度、降水量、日照时数),使用SPSS 17.0对手足口病发病率和气象因素资料进行相关和回归分析。结果显示:2010-2014年随州市手足口病月发病率与平均气温、降水量及日照时数呈正相关(r=0.497、0.405、0.312,P0.05),与月平均气压呈负相关(r=-0.620,P0.01),与相对湿度呈正相关,但差异无统计学意义(r=0.246,P0.05)。多元逐步回归分析结果显示月平均气温和气压为手足口病主要气象影响因子。随州市手足口病发病与高气温和低气压有关。     

气象因素对活禽市场外环境H7N9禽流感病毒影响作用分析

目的研究广州市气压、气温、水汽压、相对湿度、降水量、风速和日照等气象因素对活禽市场外环境H7N9病毒的影响作用。方法根据广州市2014年1月1日-2016年5月31日活禽市场外环境H7N9监测数据和同期气象数据,使用spearman相关分析和logistic逐步回归法进行分析。结果单因素分析结果显示,气温(r=-0.168)、水汽压(r=-0.157)和日照时数(r=-0.070)与活禽市场外环境H7N9病毒阳性率呈负相关,气压(r=0.124)与活禽市场外环境H7N9病毒阳性率呈正相关。多因素分析结果显示,气温(OR=0.991,95%CI=0.987~0.995)与活禽市场外环境H7N9病毒阳性率呈负相关。结论气温等气象因素对活禽市场外环境H7N9病毒阳性率存在一定影响。     

西宁市流行性感冒发病数与气象因素关系的研究

目的 探讨西宁市流行性感冒发病数与气象因素的关系。方法 采用零膨胀负二项回归模型分析2012—2019年期间西宁市的日平均气温、日温差、日平均气压、日平均相对湿度、日平均风速、日照时数和日蒸发量等气象因素对流行性感冒日发病数的影响。结果 模型负二项分布部分结果显示,日平均气温(β=-0.104,95%CI:-0.112～-0.096)、日平均相对湿度(β=-0.015,95%CI:-0.022～-0.008)、日平均风速(β=0.467,95%CI:0.388～0.546)和日照时数(β=-0.032,95%CI:-0.062～-0.001)对流行性感冒日发病数的影响具有统计学意义。模型零膨胀分布部分结果显示,日平均相对湿度(γ=-0.188,95%CI:-0.303～-0.072)、日平均风速(γ=-1.452,95%CI:-2.663～-0.242)和日蒸发量(γ=-0.321,95%CI:-0.636～-0.005)对流行性感冒发生概率的影响具有统计学意义。结论 日平均气温、日温度差、日平均相对湿度、日平均风速和日蒸发量等气象因素与流行性感冒发生有密切关系,可考虑将气象因素应用于...     

沈阳市某社区医院儿科门诊量与空气质量及气象因素的关系

目的探讨沈阳市某社区医院儿科门诊量与空气质量及气象因素的关系。方法收集2012年1月1日—12月31日沈阳市某医院儿科门诊数据、空气质量指数(AQI)、大气污染级别以及气压、气温等气象监测数据,对上述资料的相关性和滞后效应进行分析,并构建回归方程进行预测。结果 2012年沈阳某医院儿科门诊量与气象指标中的平均气压、平均风速呈正相关,与降水量、平均水气压、平均气温、日最高气温、最低气温、平均相对湿度呈负相关;其中大气污染指数与女童呼吸系统疾病密切相关(P0.01);AQI与当日和滞后1 d的呼吸系统门诊量有相关性(P0.05);多因素回归分析显示呼吸系统门诊量与AQI呈正相关,与平均气压、平均相对湿度、最高气温呈负相关(P0.05)。结论大气污染和气象因素是儿童呼吸系统疾病的重要影响因素。     

武汉地区慢性鼻炎流行病学与大气环境的关系

目的探讨武汉地区慢性鼻炎流行病学与大气环境的关系。方法选取武汉市第七医院2017年1月至2020年1月门诊治疗的3 371例慢性鼻炎患者为研究对象,对比同期气象资料数据,比较不同年份、不同季节慢性鼻炎发病率情况,分析大气环境因素空气污染指数(API)、细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_2)、二氧化硫(SO_2)、日平均相对湿度、日平均风速、日平均气温、日平均气压、气温日较差对武汉地区慢性鼻炎的影响。结果 2017年1月至2020年1月武汉地区慢性鼻炎发病人数逐年降低,以2017年最高为1 309例(38.83%),2019年最低为977例(28.98%);季节分布以冬季发病人数最高为1135例(33.67%),夏季发病人数最低为543例(16.11%);武汉地区春季大气环境对慢性鼻炎发病的主要影响因素是API、PM_(2.5)、PM_(10),夏季主要影响因素是NO_2、SO_2、日平均相对湿度,秋季主要影响因素是API、PM_(2.5)、PM_(10)、NO_2、SO_2,冬季主要影响因素是API、PM_(2.5)、PM_(10)、NO_2、SO_2、气温日较差;武汉地区慢性鼻炎患者春季对大气环境滞后反应为2～5 d,对API、PM_(2.5)反应最快,夏季滞后反应为1～6 d,对API反应最快,秋季滞后反应为0～5 d,对API、PM_(2.5)反应最快,冬季滞后反应为3～6 d。结论武汉地区慢性鼻炎发病率逐年降低,发病与环境气象因素有一定相关性,且受季节因素影响存在一定滞后性。     

基于渗透系数的住宅室内PM_(2.5)来源分析

目的定量分析典型居民住宅室内、室外来源PM_(2.5)对室内PM_(2.5)污染的贡献,探讨影响室内来源主要因素。方法以北京市55户不同类型居民住宅为调查对象,分别在采暖季(45户)和非采暖季(43户)开展连续7 d的室内外PM_(2.5)同期监测,分别采用重量法和X射线荧光光谱法(ED-XRF)分析PM_(2.5)质量浓度及PM_(2.5)中硫元素含量;利用硫元素比值法估算住宅PM_(2.5)室内外渗透系数,并根据质量平衡方程计算室内外来源的PM_(2.5)对室内浓度的贡献;利用问卷调查收集住宅一般状况和居民室内活动状况信息,并采用多重线性回归模型探讨影响室内来源PM_(2.5)浓度因素。结果非采暖季和采暖季室内PM_(2.5)中来源于室外的比例分别为(81±21)%(M=83%)和(75±24)%(M=77%),差异无统计学意义(P0.05);非采暖季来源于室内源的PM_(2.5)浓度[(12.8±16.4)μg/m~3,M=8.4μg/m~3)]低于采暖季[(22.2±32.9)μg/m~3,M=10.4μg/m~3],差异无统计学意义(P0.05);多重线性回归分析结果表明,非采暖季室内吸烟(β=0.199)和开窗时间(β=-0.073)是造成调查对象室内来源PM_(2.5)浓度差别的重要因素,可以解释总变异的27%,而在采暖季仅发现室内吸烟(β=0.280)可以造成室内来源PM_(2.5)浓度差别,可以解释总变异的25%。结论室外空气是室内PM_(2.5)污染的主要来源;减少室内吸烟和开窗通风可以有效降低对人群对室内来源PM_(2.5)的暴露。