基于大氣特征污染物的監測布點選址優化研究

秦怡雯，錢 瑜，榮婷婷 （南京大學環境學院，污染控制與資源化研究國家重點實驗室，江蘇 南京 210023）

基于大氣特征污染物的監測布點選址優化研究

秦怡雯，錢 瑜*，榮婷婷 （南京大學環境學院，污染控制與資源化研究國家重點實驗室，江蘇 南京 210023）

針對常規大氣環境監測未能對局部特殊污染情況進行表征的缺陷，提出基于特征污染物的監測布點選址優化方法:首先運用綜合評分方法篩選區域大氣特征污染物，然后建立綜合了環境、經濟和社會因素的多目標規劃模型，并通過模糊層次分析法計算各子目標權重系數，最后應用lingo軟件對模型優化求解，得到最優的監測點位布設方案.以南京市仙林地區為案例研究的結果表明，基于大氣特征污染物的監測布點多目標模型能夠得到較合理的優化點位布局，在3種情景中，選擇的最優點位分別為25#、43#， 25#、43#、54#和25#、43#、54#、77#，為實際大氣環境監測優化布點提供科學指導.

大氣特征污染物；環境監測；優化布點；多目標規劃模型

在工業化和城市化進程不斷加重城市大氣環境負擔的背景下，大氣污染問題正受到前所未有的關注和重視.大氣環境監測是大氣環境保護和大氣污染治理的先導，能夠準確、及時地反應大氣環境質量及發展趨勢，而點位布設則是大氣監測的第一個基本環節.目前，進行大氣監測點位布設和優化的方法可以歸結為經驗法、統計法［1］、模型法［2-3］和綜合法［4］.

鑒于大氣中污染物存在的時空變化規律，而城市大氣監測點功能相對單一，隨著未來環境保護投入的不斷增加，在公眾關心的敏感地區和特殊時期設置一些短期或長期的監測點位成為大氣質量監測的發展趨勢［5］.在開展這一類監測工作時，必須根據區域污染特征和當地實際的社會經濟因素，從多種污染物中選取主要特征污染物進行監測，以確保監測因子對當地環境空氣質量的充分代表性，克服針對常規污染物的大氣監測難以滿足公眾了解詳盡環境空氣質量狀況的需求.

本研究以南京市仙林地區為研究案例，針對區域內亟待解決的突出大氣污染問題，通過篩選區域大氣特征污染物，綜合考慮區域內環境、經濟和社會因素，構建多目標規劃模型，計算獲得監測布點優化方案，為決策者提供更準確、及時的大氣環境污染信息，從而更有效地進行該區域的大氣環境保護與大氣污染治理工作.

1 基于大氣特征污染物的監測布點選址優化方法

1.1 監測布點選址優化方法流程

方法流程分為3個部分:第1部分為基礎資料的收集與處理，包括污染源分布、地形資料、氣象資料、用地類型等；第2部分以篩選出的特征污染物為基礎，構建監測布點多目標規劃模型及其子目標體系，并確定各子目標權重系數；第3部分為模型的優化求解，確定監測點位的布局.方法流程如圖1所示.

圖1 基于大氣特征污染物的監測布點優化方法流程Fig.1 Method procedure for characteristic pollutants based optimization for atmospheric monitoring sites

1.2 特征污染物的篩選方法

特征污染物是指能夠反映環境中所存在的污染物中具有代表性的部分，能夠反映環境的污染程度，一般可以理解為含量較大的污染物或者是對環境質量有較大影響的污染物，若某種污染物對人體的健康有很大的影響或危害，亦可將其視為特征污染物［6］.常規污染物大氣監測主要從宏觀上反映大氣環境的污染程度，而特征污染物則能夠從微觀上反映局部特殊污染情況，篩選出最能表征區域大氣環境質量的污染物，是區域大氣環境監測的重要環節.

特征污染物的篩選方法主要有:評分排序法［7］，Hasse圖解法［8］，潛在危害指數法［9］和綜合評價法［10］等.前3種方法通常用于衡量化學物質本身的毒性和環境行為，在篩選區域特征污染物時，需綜合考慮化學物質本身的性質及其在環境中的殘留現狀.針對研究區域實際污染特征，構建特征污染物篩選綜合評分體系，通過對各化學物質分級賦分，按得分高低對各化學物質排序.

1.3 大氣環境監測布點方法

環境監測點位的布設通常要求盡可能準確、完整地反應環境的污染水平以及變化規律和趨勢，這一直是國內外監測布點研究的熱點問題之一，主要采用的方法可以歸結為經驗法、統計法、模型法和綜合法，目前較為常見的有物元分析法、密切值法和系統聚類法等.

上述方法雖各有特色，但均存在一定局限性，監測布點的優化是一個復雜的系統問題，環境因子是布點方案優選的決定性因素，而上述方法忽略了經濟和社會因素對布點方案的影響.為此，許多學者研究了在多個影響因素下監測布點的優化問題:Shei［11］構建的工業園區大氣監測點位選址原則有:化學物質的檢出頻次，化學物質的累積效應，受工業園區的影響大小，監測覆蓋面積，受保護人群.Tseng［12］提出大氣監測點位應布設在符合以下條件的位置:人口密集的區域，出現污染物濃度峰值的區域，污染物超標率高的區域，經濟顯著增長的區域，距離主要工業污染源近.而覆蓋北美洲3個國家（加拿大、美國、墨西哥）的4300個監測點位，其選取條件主要有:人口、機動車數量、污染物排放密度、污染物濃度以及人口暴露指標［13］.

本研究采用多目標規劃方法來解決監測布點優化的復雜問題.多目標規劃是運籌學的一個分支，用于研究多個目標函數在給定約束條件下的最優化.在進行決策時，決策者需要考慮多個相互補充或者是相互對立的目標，通過構建并求解多目標規劃模型來解決這一類復雜的問題，能夠得到基本上滿足所有目標的結果.多目標規劃的數學模型如下:

hj（x） = 0， j=1，2， ……， q （4）

式中: ?1（x）， ……， ?m（x） （m≥2） 是m個目標函數，ɡi（x）和hj（x）分別為i和j個約束函數.

2 基于多目標規劃優化布點模型

2.1 目標函數

大氣環境監測的優化布點需要統籌兼顧環境、經濟、社會各方面因素，這樣優選出的方案才能更具有現實意義，本研究將目標函數劃分為環境子目標、經濟子目標和社會子目標，如圖2所示.

構建的目標函數需兼顧環境、經濟、社會3個子目標，滿足約束條件的同時，使得總目標函數值最大，目標函數可表示為:

式中:pi∈｛0，1｝，當p網格被選中時取1，否則為0；zij第i個網格第j個子目標值無量綱化后的標準值； Wj子目標j的權重系數； n1最少監測點數； n2最多監測點數； Rab任意兩監測點間距離； Rc監測點間限制最小距離.

圖2 大氣環境監測布點指標體系Fig.2 Index system for optimization of atmospheric monitoring sites

2.1.1 環境子目標 環境子目標包括大氣環境綜合損失率、受工業污染源影響程度以及公眾大氣污染投訴量三項指標.

（1）大氣環境綜合損失率

污染損失率法是環境質量綜合評價方法的一種，利用污染物對環境質量的損害程度來進行環境質量評價，根據詹姆斯污染-損害曲線，即污染程度與污染物對環境的危害、損失關系呈S型曲線關系，當污染損失在一定范圍內隨著污染物濃度的上升迅速增加，當污染達到一定程度，損失趨于平緩，第i種污染物對環境的污染損失率可表示為:

式中: Ci為第i種污染物的濃度； ai、bi為待定參數，由第i種污染物的特性確定.

從式（6）可以看出，Ri隨著Ci的增大而增大，且0＜Ri＜1.通常假定污染濃度為臨界濃度時，污染損失率為1%，污染濃度達到極限狀態時，污染損失率為99%，而極限濃度根據實際情況可取臨界濃度的5～20倍.設大氣中共有n中污染物，其對大氣環境質量造成損失R，成為綜合損失率.在忽略各種污染物間的協同和拮抗條件下，綜合污染損失率可表達為:

（2）受工業污染源影響程度

一個地區的工業污染源對區域的環境空氣質量影響較大，風向及其風頻往往是決定污染物濃度和影響范圍的關鍵因素之一.處于污染源下風向，且距離污染源距離越近，則其受污染源影響越大.以污染源下風向90°角扇形區域為受影響區域，并以距離污染源距離劃分受影響程度.

（3）公眾投訴量

公眾投訴量反應了公眾對該區域環境質量的滿意程度，能夠間接反應該區域的大氣環境質量狀況.

2.1.2 經濟子目標 經濟子目標包括人均年收入指標，研究表明，收入越高的群體的環境意識和支付意愿更高，則對環境監測質量的需求也更高［14］.

2.1.3 社會子目標 監測點位的選取需以保護最大限度地人口數量為目標，特別關注區域內大氣環境敏感點的分布，如人口密集的學校、住宅區等.社會子目標包括該網格人口總數和用地類型兩項指標.

2.1.4 標準化 由于屬性單位不同、數量級上的差異，難以對不同的子目標指標屬性進行比較分析，這就需要把各指標值進行標準化，無量綱化并統一變換到［0，1］范圍內.對原始數據進行先行變換，其公式為:

式中: x’為標準化數據；x為原始數據；xmin為某指標的最小值；xmax為某指標的最大值.

2.2 約束條件

（1）確定最少和最多監測點數.理想的監測點位必定是越多越好，然而在實際中，必須考慮一系列的現實條件.根據《環境空氣質量監測點位布設技術規范（試行）》（HJ 664-2013）［15］中的布設監測點數的要求確定最少監測點數，并根據經濟成本約束確定最多監測點數.

（2）限制任意2個監測點位的最小距離.相鄰監測點距離太近可能會造成監測信息存在冗余，這是對資源的一種浪費.合理確定一個監測點的監測范圍，可以保證從最大程度上獲得有用的監測數據.

指標權重系數的確定是多目標決策的一個重要環節，權重系數的確定方法有專家調查法、Delphi法、層次分析法、TOPSIS法、信息熵法等.其中，層次分析法由于思路簡單，運算方便，能夠與人們的價值判斷推理相結合，是實際應用中使用最多的方法之一.

在運用層次分析法構造判斷矩陣時，由于主觀因素和客觀事物本身的模糊性和不確定性，運用三角模糊數的形式給出判斷值更符合現實的情況.一般地，三角模糊數可記為M=（l，m，u），構造的互補判斷矩陣中三角模糊數中值m的取值與Satty提出的1～9標度相對應［16］，模糊標度（0.1～0.9）標度法的含義見文獻［17-18］.對子目標集合｛X1，X2，X3｝給出三角模糊數互補判斷矩陣，根據模型（9）求解［19］:

雖然在實際決策過程中所給的三角模糊數互補判斷矩陣往往并不是完全一致的，但在優化模型中已引入偏差函數，且認為目標函數之間沒有偏好關系，故不需對判斷矩陣進行一致性檢驗［18］.

模型（9）可利用LINGO軟件求解，文獻［20］給出的公式計算子目標集合｛X1，X2，X3｝對應的權重系數｛ω1，ω2，ω3｝，α的值取決于決策者的風險態度，當α＞0.5時，稱決策者是追求風險的；當α=0.5時，表示決策者是風險中立的；當α＜0.5時，表示決策者是厭惡風險的.

2.4 模型求解

上述多目標規劃模型屬0-1整數規劃模型，目前完全枚舉法是0-1規劃最普遍的解法，即檢查變量取值0或1的每一種組合，通過檢驗每個解的可行性，但凡符合全部約束條件者均為可行解.但是完全枚舉法需要檢查2i個可能的解（i為決策變量的數目），當變量較大時，計算量將相當大.為了彌補完全枚舉法的缺陷，Balas在1965年提出了隱枚舉法，根據已有信息，自動舍棄不可能成為最優解的組合，從而大大減少了工作量.

本研究選擇lingo軟件運用隱枚舉方法進行優化求解.

3 案例研究

研究區域位于南京市棲霞區東部，主要范圍北至312國道，西至繞城高速，東、南則以棲霞行政區為界，區域面積近34km2，人口約為28萬.研究區內駐有12所知名高校，作為南京市重要的科技創業源、高新技術產業基地，該區域已逐步成為創新發展的“發動機”和“智慧核”，區域層次及發展要求的提高對該區域的大氣環境質量提出了更高的要求.研究區地理位置如圖3所示.

科室按照高、中、低年資結合原則開展品管圈活動[2],協調7名護士和1名醫生參加此次活動,其中包括主任護師1名,副主任護師2名,主管護師2名,護師2名,醫生1名,并由主任護師擔任品管圈圈長,由護理部專人擔任品管圈輔導員。

隨著區域的建設和發展，研究區域內工業企業已逐漸搬遷或關閉，但其周邊地區存在多個大型產業集聚區（工業園區），產業結構以石油化工為主.由于特定的產業布局和區位條件，區域內現有的監測點和監測參數（SO2、NO2、PM10、CO、O3、PM2.5和降塵等）得到的空氣質量指數存在與公眾的直接感官及實際空氣質量狀況不相符的現象，以工業惡臭為代表的污染情況在該區域具有明顯的地區特征且公眾反響較大，是公眾環境投訴的熱點問題.

3.1 區域網格劃分

以研究區域最南端點所在橫軸為正x軸，以最西端點所在縱軸為正y軸，建立地理坐標系，在坐標系內按1km×1km劃分網格單元，并以阿拉伯數字順序進行編號，研究區域內共劃分網格103個，如圖3所示.

圖3 研究區地理位置Fig.3 Location of study area

3.2 環境子目標計算

3.2.1 大氣環境綜合損失率 針對區域內突出的惡臭污染問題以及公眾對工業惡臭污染的投訴情況，通過對研究區域及周邊污染源生產工藝中可能排放的惡臭污染物及其排放量進行調查，以污染物對大氣環境的影響，特別是污染物可能產生的惡臭污染，以及對人體健康的影響為篩選原則，運用綜合評分法，構建篩選特征污染物的評分指標體系，針對不同區域的不同污染情況，評分體系可有所區別，本研究構建的特診污染物篩選體系如表1所示.篩選出的特征污染物為硫化氫、磷化氫、氨、甲醛、苯系物（苯、甲苯、乙苯、間-對二甲苯、鄰二甲苯）、環己酮、乙酸和非甲烷總烴.

表1 特征污染物篩選評分指標體系Table 1 Grading system for screening characteristic pollutants

針對選取的特征污染物缺乏監測數據的問題，分別于6月和12月開展了2次為期15d的大氣特征污染物實測分析，測點位置見圖4，每天采樣4～7次.匯總各污染物濃度數據，特征污染物的標準限值暫無國家標準，故查閱相關標準中目標特征污染物的濃度限值，且優先選用現有環境管理中較為嚴格的標準（表2），以標準限值為極限濃度，以標準限值的10%濃度為臨界濃度，利用ArcGIS中IDW（反距離加權）工具計算各網格大氣環境綜合損失率，如圖4所示.

表2 污染物標準濃度限值Table 2 Limited value of characteristic pollutants

圖4 6月和12月大氣環境綜合損失率分布Fig.4 Distribution of comprehensive loss of air quality in June and December

3.2.2 污染源影響程度 研究區域全年最多風向為東風（E），其次是東東北（ENE），春夏主導風向為東風，秋冬主導風向為東北風，以區域及周邊主要工業污染源東北風向下風向90°角為污染源影響范圍，以距離污染源3km、6km、9km及9km以上劃分不同受影響程度［27］，分別為主要受影響范圍、次要受影響范圍、可能受影響范圍和基本未受影響范圍，如圖5所示，依次賦值3、2、1和0分.

3.3 經濟子目標及社會子目標

3.3.1 經濟子目標 根據每個網格內的住宅成本，以南京市2013年城市房價收入比值9.1為基準［28］，估算該網格人均年收入值.

3.3.2 社會子目標 研究區內用地類型主要有空地、學校、住宅用地、商業用地和工業用地等，研究區中部主要為學校和住宅用地，工業用地主要分布于研究區的西部以及東部，且西部主要分布多數小型零散工業污染源，對區域大氣環境質量影響較大的工業污染源分布于區域東部及北部.人口的分布與用地類型有關，學校、居住區的人口密度遠高于商業用地及工業用地，學校及住宅區域最高人口密度已超過1.1萬人/km2.利用ArcGIS軟件對可以研究區人口分布情況及用地概況進行可視化表達，如圖6所示.統計每個網格的人口數量，并根據網格的用地類型進行賦值［29］，見表3.

3.4 子目標權重系數計算

圖5 受污染源影響范圍Fig.5 Sphere of influence of pollution sources

表3 用地類型賦值分數表Table 3 Grades for land use types

對子目標集合｛X1環境子目標，X2經濟子目標，X3社會子目標｝給出三角模糊數互補判斷矩陣為:?

圖6 研究區人口分布及土地利用概況Fig.6 Distribution of population and land use types

利用LINGO軟件求解模型（9）可得:

顯然對于任意的0≤α≤1，都有ω1＞ω3＞ω2.本研究取α=0.25［30］，則有ω1=0.35，ω2=0.13，ω3=0.22，即環境子目標、經濟子目標、社會子目標的權重系數分別為0.35、0.13和0.22.

3.5 結果與討論

根據《環境空氣質量監測點位布設技術規范（試行）》（HJ 664-2013）［15］中布設監測點數的要求確定研究區內的最少監測點數目為2，根據資金投入限制，確定最多監測點數為4，并規定任意相鄰的網格不能同時被選中.

（1）當監測點數為2時，選擇的網格為25#和43#網格；（2）當監測點數為3時，選擇的網格為25#、43#和54#網格；（3）當監測點數為4時，選擇的網格為25#、43#、54#和77#網格.

當監測點數為2時，選擇的25#和43#網格均位于污染源下風向且網格人口密度較高；當監測點數為3時，增加了中部的54#網格，54#網格為學校區域，人口密度高且屬大氣環境敏感點；當監測點數為4時，增加了西南角的77#網格，該網格為學校、住宅、商業綜合用地.

圖7 優化布點示意Fig.7 Optimized locations for atmospheric monitoring sites in 3scenarios

選擇的25#、43#、54#和77#網格的用地類型主要包括學校、住宅用地和商業用地等，能夠覆蓋研究區內人口較為密集的地區，關注研究區內工業污染源對區域大氣環境的影響，為更多的公眾提供更為可信的大氣環境信息.由于條件限制，本研究對特征污染物環境損失的計算存在一定的不確定性，今后的研究中可通過污染源模式模擬計算來克服實測樣本的不足，以提高計算結果的有效性和合理性.同時，構建多目標規劃模型的目標函數、約束條件也有待進一步完善，以更好地為大氣環境監測的布點優化提供決策依據.

4 結論

4.1 建立的基于大氣特征污染物的監測布點方法，適用于區域大氣污染受周邊工業污染源較為突出、常規大氣監測無法反應區域特殊污染狀況的地區，對于在普遍城市范圍內應用，尚存在一定的局限性.

4.2 基于區域大氣特征污染物，建立了一套大氣監測布點優化方法，構建了綜合環境、經濟、社會三個子目標的多目標規劃模型，彌補了許多監測布點方法只考慮單個環境因素的缺陷.三角模糊數用于子目標權重系數的確定，一定程度上克服了人為主觀性的影響.

4.3 設置不同約束條件，多目標規劃模型優化可得到的布點方案是多樣的，這為決策者提供了多種選擇.案例研究結果表明，該方法能夠為實際大氣環境監測優化布點提供科學指導意義，優選出的監測布點方案能夠為決策者提供更準確、及時的大氣環境污染信息.

［1］李祚泳.用物元分析法優選大氣環境測點 ［J］. 環境科學研究，1996，9（6）:45-48.

［2］李祚泳.環境監測優化布點的人工神經網絡模型 ［J］. 中國環境科學， 1997，17（1）:28-29.

［3］倪長健.基于曲線投影動態聚類模型的大氣質量監測布點研究［J］. 中國環境監測， 2010，26（4）:16-19.

［4］劉潘煒，鄭君瑜，李志成，等.區域空氣質量監測網絡優化布點方法研究 ［J］. 中國環境科學， 2010，30（7）:907-913.

［5］王 帥，丁俊男，王瑞斌，等.關于我國環境空氣質量監測點位設置的思考 ［J］. 環境與可持續發展， 2012，4:21-26.

［6］金成基.黑龍江平原區小城鎮地下水環境質量評價及其特征污染物分析 ［D］. 吉林:吉林大學， 2011.

［7］Bjorn G Hansen， Anniek G van Haelst， Kees van Leeuwen， et al. Priority Setting for Existing Chemicals: European Union Risk Ranking Method ［J］. Environmental Toxicology and Chemistry，1999，18（4）:772-779.

［8］劉 存，韓 寒，周 雯，等.應用Hasse圖解法篩選優先污染物［J］. 環境化學， 2003，22（5）:499-503.

［9］胡冠九.環境優先污染物簡易篩選法初探 ［J］. 環境科學與管理， 2007，32（9）:47-50.

［10］于云江，付益偉，孫 朋，等.松花江吉林市江段水體特征污染物篩選研究 ［J］. 環境衛生學雜志， 2013，6（6）:175-183.

［11］Shei M R， Kao J J. The multiple objective analysis of an industrial park air quality monitoring network ［C］. Proceedings offourteenth air pollution control conference， Taipei， ROC； 1997.

［12］Tseng C C， Chang N B. Assessing relocation strategies of urban air quality monitoring stations by GA-based compromise programming ［J］. Environment International， 2001，26:523-541.

［13］Demerjian KL. A review of national monitoring networks in North America ［J］. Atmospheric Environment， 2000，34:1861-1884.

［14］李 瑩，白 墨，張 巍，等.改善北京市大氣環境質量中居民支付意愿的影響因素分析 ［J］. 中國人口資源與環境， 2002（12），6:123-127.

［15］HJ664-2013 《環境空氣質量監測點位布設技術規范（試行）》［S］.

［16］Satty T L. The Analytic Hierarchy Process ［M］. New York: McGraw-Hill， 1980.

［17］姚升保，徐 敏.群組決策中三角模糊數互補判斷矩陣的相容性及方案排序研究 ［J］. 中國管理科學， 2012，20（5）:152-157.

［18］鞏在武.不確定模糊判斷矩陣原理、方法與應用 ［M］. 北京:科學出版社， 2011.

［19］鞏在武，劉思峰.三角模糊數互補判斷矩陣的一致性及其排序研究 ［J］. 控制與決策， 2006，21（8）:903-908.

［20］徐澤水.三角模糊數互補判斷矩陣的一種排序方法 ［J］. 模糊系統與數學， 2003，16（1）:47-50.

［21］TJ36-79《工業企業衛生設計標準》［S］.

［22］CH245-71《前蘇聯居住區大氣質量標準》［S］.

［23］GB/T18883-2002《室內空氣質量標準》［S］.

［24］GB16182-1996《車間空氣中乙苯衛生標準》［S］.

［25］《石油煉制工業污染物排放標準》（二次征求意見稿2014）［S］.

［26］國家環境保護局科技標準司.1996.《大氣環境標準工作手冊》［S］.

［27］杜 娜.城市工業園區惡臭污染現狀分析與防治對策研究 ［D］.蘇州:蘇州科技大學， 2012.

［28］易居報告:全國35個大中城市房價收入比排行榜 ［R］. 上海:上海易居房地產研究院， 2013.

［29］Abdullah Mofarrah， Tahir Husain， Badr H Alharbi. Design of urban air quality monitoring network: fuzzy based multi-criteria decision making approach ［J］. Air Quality Monitoring，Assessment and Management， 2011，11:25-39.

［30］Solomon Tesfamariam， Rehan Sadiq. Risk-based environmental decision-making using fuzzy analytic hierarchy process （F-AHP）［J］. Stochastic Environmental Research Risk Assessment，2006，21:35-50.

Study on optimization of monitoring sites based on atmospheric characteristic pollutants.

QIN Yi-wen， QIAN Yu*，RONG Ting-ting （State Key Laboratory of Pollution Control and Resources Reuse， School of the Environment， Nanjing University， Nanjing 210023， China）. China Environmental Science， 2015，35（4）：1056～1064

Conventional air quality monitor has disadvantage in detecting specific atmospheric problems such as odor pollution. The paper established a multi-objective model combining environmental， economic and social factors to optimize air quality monitoring sites considering regional special pollution. Synthetic grading method was used to screen characteristic pollutants and fuzzy-AHP was used to calculate weight scores for environmental， economic and social effects. The multi-objective model for optimizing air quality monitoring sites established was applied to Nanjing Xianlin region as a case study. In 3 scenarios， 5#、43#， 25#、43#、54#and 25#、43#、54#、77#were selected.The results of optimized monitoring sites could provide scientific

for policy makers.

atmospheric characteristic pollutant；environmental monitoring；site optimization；multi-objective model

X831，X84

A

1000-6923（2015）04-1056-09

秦怡雯（1989-），女，江蘇蘇州人，南京大學環境學院碩士研究生，主要從事大氣環境監測與評價研究.

2014-07-31

國家“863”項目（2012AA063304）；江蘇省科技支撐計劃（BE2011694）

* 責任作者， 教授， yqian@nju.edu.cn