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 NAN Yang;ZHANG Qian-qian;ZHANG Bi-hui

作者机构：国家气象中心北京100081 国家卫星气象中心北京100081 

出 版 物：《环境科学》 (Environmental Science)

年 卷 期：2020年第41卷第2期

页      面：499-509页

核心收录：

学科分类：07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 

基　　金：国家重点研发计划项目(2016YFC0203301) 国家自然科学基金项目(41805008) 

主　　题：PM2.5 典型区域 时空变化 GAM模型 影响因素 

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:tpv10ssr;华北地区为:temptpmsl;华东华中地区为:temptpssr;华南地区为:tempRHblh;四川盆地为:tptempu10.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.