基于统计动力反演模型分析PM2.5浓度变化的影响因素及其系统演化

• 作者: 刘会玉 林振山 贺祥
• 来源期刊: 生态环境学报
• 学科: 地球科学
• 关键词: PM2.5浓度变化 统计动力反演模型 影响因素 系统演化 杭州市
• 年，卷（期）: 2017,（11）
• 页码范围: 1916-1923
• 页数: 8页
• 分类号: X16
• 字数: 7419字
• 语种: 中文
• DOI: 10.16258/j.cnki.1674-5906.2017.11.012

摘要

以杭州市2013—2016年秋冬季PM2.5及影响因素为研究对象,构建统计动力学反演模型,研究PM2.5浓度系统的影响因素与演化特征.结果显示,(1)模型反演预测值与实际监测值的相关系数0.8316,贡献率大于1%的各驱动项之和为90.85%,反演效果较好;模型中线性项贡献率之和为21.65%,非线性项贡献率之和为62.88%,PM2.5浓度变化受非线性影响更加显著.(2)包含NO2、SO2、CO的各驱动项贡献率之和分别为10.77%、8.42%、6.58%;包含降雨(PRE)、风速(WIND)的各驱动项贡献率之和分别为20.5%、17.02%,NO2、SO2、PRE、WIND是杭州市PM2.5浓度变化的最主要影响因素.(3)贡献率大于2%的各驱动项中,平均气压(PRS)、相对湿度(RHU)、日照时长(SSD)对PM2.5呈负反馈线性稳定影响作用,PM2.5×SO2、NO2×PRS、PRE×SSD、PM2.5×WIND等交互项对PM2.5浓度变化呈正反馈非线性影响,PM2.5×O3、SO2×NO2、PRE×WIND等交互项对PM2.5浓度变化呈负反馈非线性稳定作用.(4)杭州市PM2.5浓度变化系统是一元二次非线性驱动演变系统,通过数值模拟分析可知其PM2.5浓度变化系统呈双定态式,PM2.5浓度变化系统在定态值0.2413与0.3769之间波动变化,系统平衡态不稳定.结果表明,统计动力反演模型可定量解析出PM2.5浓度变化的线性驱动项与非线性驱动项的系数值及贡献率,有助于揭示PM2.5浓度变化系统的演化特征,研究结果可应用于大气污染控制与环境管理等方面.