论文部分内容阅读
自2013年以来,国家开展了全国范围的PM2.5常规监测,为系统分析区域性PM2.5污染特征奠定了基础。本文基于长三角地区2013～2016年冬季(11月至次年2月)162个国家级空气质量自动监测站的PM2.5、PM10、CO、S02和N02每小时监测数据,分析了长三角地区冬季PM2.5的时空分布特征及大气复合污染过程中PM2.5与其他四种污染物之间的关联性。主要研究内容包括:(1)对海量空气质量监测数据进行筛选和预处理,统计计算整个长三角地区不同时间尺度和不同区域的PM2.5浓度。(2)利用长三角地区冬季PM2.5浓度的季均、月均和日均值,分析PM2.5浓度时间变化规律;对各监测站点的PM2.5浓度的季均、月均值进行克里金空间插值,分析PM2.5的空间分布规律;利用全局Moran’s I指数和局部G系数,研究长三角地区PM2.5浓度的全局相关性和局部集聚性;(3)建立PM2.5与PM10、CO、SO2和NO2四种污染物每小时浓度之间的多元线性回归模型,研究PM2.5与PM10、CO、SO2和NO2之间的相关性及其他四种污染物浓度变化对PM2.5浓度的影响;(4)将关联规则挖掘应用于PM2.5与其他大气污染物之间关联性分析中,设计关联规则挖掘方案,识别不同污染等级下包含PM2.5的强关联规则,研究大气复合物污染过程中不同等级污染物之间存在的关联性。通过上述研究,得出主要以下结论:(1)PM2.5浓度时间变化规律。2013年至2016年,长三角地区历年冬季PM2.5的季均浓度分别为 92.92μg/m3、76.02μg/m3、68.42μg/m3 和 56.6μg/m3;11月～次年 2 月 PM2.5 月均浓度分别为 68.67μg/m3、81.73μg/m3、79.81μg/m3 和 66.97μg/m3,呈现倒“U”型周期性变化特点;历年冬季PM2.5日均浓度超标率分别为65%、42.5%、38.01%和27.5%,PM2.5浓度日均值呈现周期性倒“U”型脉冲起伏变化,周期约为7天。(2)PM2.5浓度空间分布特点。长三角地区冬季PM2.5浓度自北向南阶梯状下降,局部地区略有突出。PM2.5浓度分布呈现显著的全局正相关性,局部PM2.5浓度呈现明显聚集性,PM2.5高浓度聚集区主要位于在江苏省北部的徐州市、宿迁市及中部的常州市,PM2.5低浓度聚集区主要位于浙江省的南部地区舟山市、温州市、宁波市和丽水市。(3)PM10、SO2、NO2和CO都与PM2.5之间存在正相关性,相关系数分别为0.742、0.457、0.501和0.665,通过回归方程可以发现,当PM10、SO2、NO2和CO四种污染物中任意一种污染物每增加一个单位,其他三种污染物浓度不变时,PM2.5都会相应的增加0.326个单位、0.198个单位、0.131个单位和0.027个单位。(4)PM2.5与PM10关联性最高,当PM10为4级时,PM2.5为5级的概率为70.13%;当 PM10=6 级时,PM2.5为 6 级的概率为 81.65%,当 PM10=6 级时,SO2、NO2、CO任意一种污染物达到3级,PM2.5为6级的概率上升至90%;高浓度的NO2污染发生时,PM2.5=5级的概率要大于PM2.5=6级的概率,即高浓度的NO2常常同等级为5级的PM2.5共存与大气中。