张 莹,张 婕,王式功,康 平,张家熙,张小玲,3,李运超

成都市PM2.5浓度变化的影响因素交互作用研究

张 莹1,2*,张 婕1,王式功1,康 平1,张家熙1,张小玲1,3,李运超1

(1.成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室/气象环境与健康研究院,四川 成都 610225；2.中国科学院大气物理研究所,大气边界层物理和大气化学国家重点实验室,北京 100029；3.北京城市气象研究院,北京 100089)

为探究大气环境中污染物与气象要素交互作用对PM2.5浓度变化的影响特征,利用成都市2014～2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型(GAMs)分析不同影响因素对当地PM2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM2.5浓度与平均气温()、相对湿度(RH)、平均风速(Wind)、降水量(Prec)、O3、NO2、SO2和CO间均呈非线性关系,其中CO、NO2、SO2、和Wind对PM2.5浓度影响较大,与全年不同的是,冬季和O3对PM2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,、Wind、RH、CO、NO2、SO2和O3这7个解释变量对PM2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R=0.759,方差解释率为76.42%,冬季R=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温(7℃左右)+高相对湿度+高浓度CO+高浓度NO2+高浓度SO2协同作用条件下有利于PM2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO2+高浓度SO2共存条件下有利于PM2.5的生成,即该条件对PM2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM2.5浓度变化的影响特征,对PM2.5浓度污染防控研究具有重要指示意义.