刘 珊，刘 迪

基于GAM的北京PM2.5浓度变化的影响因素研究

刘 珊，刘 迪

（河海大学 地球科学与工程学院，江苏 南京 211100）

为辨识与测度不同影响因子对PM2.5浓度变化的作用机理，以2015年北京PM2.5浓度时间演变模式为基础，建立PM2.5与各大气污染物（PM10、SO2、NO2、CO、O3）及气象因素（日均温度、风力、风向）的GAM模型，探索不同因素对PM2.5浓度变化的影响作用。结果显示：（1）北京PM2.5浓度具有夏秋季低、春冬季高的时间分布特点；（2）2015年北京PM2.5浓度变化与PM10、SO2、NO2、CO大体呈线性正相关，且正相关程度由强到弱为：CO＞PM10＞ SO2＞NO2，而与O3、温度和风因子的关系更为复杂；（3）GAM模型的拟合优度R2为0.725，线性回归模型的拟合优度R2为0.519，相比较，GAM模型对PM2.5浓度变化的解释度提高了20.6%。研究表明，GAM模型对于建立PM2.5浓度变化与影响因素间综合性复杂关系更灵活、更可靠，优于线性回归模型。关键词：PM2.5；北京；影响因素；GAM

随着PM2.5污染加剧，以PM2.5为主要特征污染物的空气污染问题受到国家政府及广大学者的高度重视。国内外学者对PM2.5进行了大量的实验和研究，目前主要包括PM2.5对人类健康的影响[1]，PM2.5污染的扩散与传播[2]，PM2.5污染物组成成分及其来源[3]，PM2.5的时空分布特征[4]等方面的研究。对于污染较严重的北京，较多的研究工作主要着眼于PM2.5污染物特征及来源解析[5]，而对于其影响因素的研究较少，且一般研究中只考虑了其线性相关关系却忽略了不同变量间复杂的非线性关系。大量实验表明对于解释变量之间的非线性关系GAM优于线性回归模型，且对于探索变量之间的关系及预测更可靠、更灵活。……