基于GAM模型分析中国典型区域网格化PM2.5长期变化影响因素

• 作者: 南洋 张倩倩 张碧辉
• 来源期刊: 环境科学
• 学科: 地球科学
• 关键词: PM2.5 典型区域 时空变化 GAM模型 影响因素
• 年，卷（期）: 2020,（2）
• 页码范围: 499-509
• 页数: 11页
• 分类号: X513
• 语种: 中文
• DOI: 10.13227/j.hjkx.201905090

摘要

为探究中国典型区域地表PM2.5浓度长期时空变化及其影响因素,运用广义可加模型(GAM)对1998～2016年均0.01° ×0.01°地表PM2.5浓度网格化数据进行分析.典型区域多年平均PM2.5浓度从高到低:华东华中地区(40.5μg·m-3)>华北地区(37.4μg·m-3)>华南地区(27.8μg·m-3)>东北地区(23.7μg·m-3)>四川盆地(22.4μg·m-3).东北地区PM2.5年际变化呈现明显上升趋势;其他地区1998～2007年呈上升趋势,2008～2016年出现下降趋势.在典型区域PM2.5浓度空间分布上,PM2.5浓度分布呈现显著的空间差异,多年来各区域PM2.5浓度高值分布相对稳定.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,典型区域中对PM2.5浓度变化影响解释率较高的各个影响因素顺序有所不同.PM2.5浓度变化的多因素GAM模型中,均呈现非线性关系,典型区域方差解释率为87.5％～92％(平均89.0％),模型拟合度较高,对其变化有显著性影响.典型区域YEAR和LON-LAT均对PM2.5浓度变化影响最为显著.除此之外,气象因子对PM2.5的影响大小在各个区域存在不同.东北地区影响PM2.5最重要的3个气象因子排序为:tp>v10>ssr;华北地区为:temp>tp>msl;华东华中地区为:temp>tp>ssr;华南地区为:temp>RH>blh;四川盆地为:tp>temp>u10.结果表明,运用GAM模型,能够定量分析区域PM2.5浓度长期变化的影响因素,对PM2.5污染评估具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张碧辉		21	192	7.0	13.0
2	南洋		1	0	0.0	0.0
3	张倩倩		3	6	1.0	2.0