高级搜索

辽宁中部“城市群”环境空气PM2.5累积速率对比研究

,  ,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

王帅, 林宏, 刘云霞, 张丽辉, 赵帝, 侯乐, 王闯, 杜毅明, 邵春岩. 辽宁中部“城市群”环境空气PM2.5累积速率对比研究[J]. 环境保护科学, 2021, 47(3): 91-95. doi: 10.16803/j.cnki.issn.1004-6216.2021.03.015
引用本文: 王帅, 林宏, 刘云霞, 张丽辉, 赵帝, 侯乐, 王闯, 杜毅明, 邵春岩. 辽宁中部“城市群”环境空气PM2.5累积速率对比研究[J]. 环境保护科学, 2021, 47(3): 91-95. doi: 10.16803/j.cnki.issn.1004-6216.2021.03.015
shu
WANG Shuai, LIN Hong, LIU Yunxia, ZHANG Lihui, ZHAO Di, HOU Le, WANG Chuang, DU Yiming, SHAO Chunyan. Study on accumulation rate of PM2.5 in urban agglomeration of central Liaoning province[J]. Environmental Protection Science, 2021, 47(3): 91-95. doi: 10.16803/j.cnki.issn.1004-6216.2021.03.015
Citation: WANG Shuai, LIN Hong, LIU Yunxia, ZHANG Lihui, ZHAO Di, HOU Le, WANG Chuang, DU Yiming, SHAO Chunyan. Study on accumulation rate of PM2.5 in urban agglomeration of central Liaoning province[J]. Environmental Protection Science, 2021, 47(3): 91-95. doi: 10.16803/j.cnki.issn.1004-6216.2021.03.015
shu

辽宁中部“城市群”环境空气PM2.5累积速率对比研究

  • 1.

    辽宁省沈阳生态环境监测中心，辽宁 沈阳 110167

  • 2.

    沈阳环境科学研究院，辽宁 沈阳 110167

    • 作者简介: 王　帅（1982-），男，博士、高级工程师。研究方向：环境空气质量监测预警。E-mail：wangshuai080982@163.com
  • 基金项目:
    国家重点研发计划项目（2017YFC0212501）

  • 中图分类号: X823

Study on accumulation rate of PM2.5 in urban agglomeration of central Liaoning province

  • 1.

    Shenyang Ecological Environment Monitoring Center of Liaoning Province, Shenyang 110167, China

  • 2.

    Shenyang Academy of Environmental Sciences, Shenyang 110167, China

  • 摘要: 利用2017～2018年冬季辽宁中部“城市群”环境空气细颗粒物（PM2.5）浓度数据，计算逐时累积速率，回归拟合并优选时间序列模型，分析城市间PM2.5浓度相关性，研究不同城市污染时序变化特征。结果表明：最优浓度时序模拟起始点为13:00，最优累积速率模拟起始点为11:00。各城市PM2.5浓度及累积速率时序变化曲线均呈双峰形态。从浓度曲线对比看，本溪拟合程度最好，最高浓度在9:00，而其他城市均在23:00前后，且本溪曲线形态同其他城市差异也较大。从累积速率曲线对比看，营口拟合最好，鞍山最差；各城市PM2.5累积最快均在18:00～19:00。各城市间PM2.5小时浓度在0.01水平上均达到显著相关，鞍山和辽阳间相关性最高，铁岭和营口间相关性最差，沈阳与其他城市间相关性总体较高。
    Abstract: Based on the ambient air fine particulate matter (PM2.5) concentration data of central Liaoning Urban Agglomeration in the winter from 2017 to 2018, the hourly cumulative rate was calculated. In addition, the regression fitting and optimization time series model was used to analyze the correlation of PM2.5 concentration among cities, leading to the temporal variation characteristics of different urban pollution. The results showed that the starting point of the optimal concentration time series simulation was 13:00, and the starting point of the optimal cumulative rate simulation was 11:00. The time series curves of PM2.5 concentration and cumulative rate in each city showed a bimodal pattern. Considering the comparison of concentration curves, there was the best fitting degree in Benxi. The highest concentration was at 9:00, while other cities were around 23:00. And the curve shape of Benxi was also different from the other cities. According to the comparison of cumulative rate curves, the best fitting appeared in Yingkou, the worst was in Anshan. The fastest accumulation of PM2.5 was from 18:00 to 19:00. The PM2.5 hourly concentrations of all the cities were significantly correlated under the 0.01 level. The correlation between Anshan and Liaoyang was the highest, while Tieling and Yingkou was the lowest. There was a good correlation between Shneyang and other cities.
  • 加载中

  • 图 1  各城市环境空气PM2.5浓度和累积速率时序变化曲线拟合决定系数R2值对比

    下载: 全尺寸图片 幻灯片

    图 2  各城市冬季环境空气PM2.5浓度时序变化拟合曲线

    下载: 全尺寸图片 幻灯片

    图 3  各城市冬季环境空气PM2.5累积速率时序变化拟合曲线

    下载: 全尺寸图片 幻灯片

    表 1  各城市冬季环境空气PM2.5浓度时序变化拟合方程

    城市决定系数 R2方程
    沈阳0.961 9y = −0.0005x5 + 0.0317x4 − 0.7544x3 + 7.6841x2 − 28.272x + 67.862
    鞍山0.959 1y = −0.000 5x5 + 0.0295x4 − 0.6737x3 + 6.4294x2 − 21.083x + 57.322
    抚顺0.960 9y = −0.0007x5 + 0.0458x4 − 1.0725x3 + 10.668x2 − 38.146x + 77.362
    本溪0.976 1y = −0.0004x5 + 0.0259x4 − 0.5806x3 + 5.592 5x2 − 20.098x + 54.575
    营口0.950 4y = −0.0005x5 + 0.0324x4 − 0.7428x3 + 7.1611x2 − 23.437x + 56.058
    辽阳0.940 8y = −0.000 7x5 + 0.0427x4 − 0.9873x3 + 9.5409x2 − 31.775x + 63.535
    铁岭0.921 4y = −0.001x5 + 0.0628x4 − 1.3688x3 + 12.291x2 − 37.13x + 63.49
    城市决定系数 R2方程
    沈阳0.961 9y = −0.0005x5 + 0.0317x4 − 0.7544x3 + 7.6841x2 − 28.272x + 67.862
    鞍山0.959 1y = −0.000 5x5 + 0.0295x4 − 0.6737x3 + 6.4294x2 − 21.083x + 57.322
    抚顺0.960 9y = −0.0007x5 + 0.0458x4 − 1.0725x3 + 10.668x2 − 38.146x + 77.362
    本溪0.976 1y = −0.0004x5 + 0.0259x4 − 0.5806x3 + 5.592 5x2 − 20.098x + 54.575
    营口0.950 4y = −0.0005x5 + 0.0324x4 − 0.7428x3 + 7.1611x2 − 23.437x + 56.058
    辽阳0.940 8y = −0.000 7x5 + 0.0427x4 − 0.9873x3 + 9.5409x2 − 31.775x + 63.535
    铁岭0.921 4y = −0.001x5 + 0.0628x4 − 1.3688x3 + 12.291x2 − 37.13x + 63.49
    下载: 导出CSV

    表 2  各城市冬季环境空气PM2.5累积速率时序变化拟合方程

    城市决定系数/R2方程
    沈阳0.814 5y = −5E-06x5 + 0.0003x4 − 0.0072x3 + 0.065x2 − 0.1917x + 0.022
    鞍山0.785 8y = −5E-06x5 + 0.0003x4 − 0.0071x3 + 0.0612x2 − 0.1769x + 0.0484
    抚顺0.893 2y = −7E-06x5 + 0.0004x4 − 0.009x3 + 0.0801x2 − 0.2374x + 0.0522
    本溪0.893 3y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.058x2 − 0.1692x − 0.0029
    营口0.905 7y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.0515x2 − 0.111x − 0.0731
    辽阳0.884 9y = −7E-06x5 + 0.0004x4 − 0.0086x3 + 0.0707x2 − 0.1757x − 0.0253
    铁岭0.842 9y = −9E-06x5 + 0.0005x4 − 0.01x3 + 0.0758x2 − 0.1451x − 0.1427
    城市决定系数/R2方程
    沈阳0.814 5y = −5E-06x5 + 0.0003x4 − 0.0072x3 + 0.065x2 − 0.1917x + 0.022
    鞍山0.785 8y = −5E-06x5 + 0.0003x4 − 0.0071x3 + 0.0612x2 − 0.1769x + 0.0484
    抚顺0.893 2y = −7E-06x5 + 0.0004x4 − 0.009x3 + 0.0801x2 − 0.2374x + 0.0522
    本溪0.893 3y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.058x2 − 0.1692x − 0.0029
    营口0.905 7y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.0515x2 − 0.111x − 0.0731
    辽阳0.884 9y = −7E-06x5 + 0.0004x4 − 0.0086x3 + 0.0707x2 − 0.1757x − 0.0253
    铁岭0.842 9y = −9E-06x5 + 0.0005x4 − 0.01x3 + 0.0758x2 − 0.1451x − 0.1427
    下载: 导出CSV

    表 3  各城市冬季环境空气PM2.5浓度间相关性分析结果

    城市沈阳鞍山抚顺本溪营口辽阳铁岭
    沈阳1.0000.708**0.750**0.652**0.624**0.731**0.738**
    鞍山0.708**1.0000.624**0.639**0.644**0.899**0.589**
    抚顺0.750**0.624**1.0000.716**0.521**0.656**0.645**
    本溪0.652**0.639**0.716**1.0000.484**0.636**0.507**
    营口0.624**0.644**0.521**0.484**1.0000.627**0.478**
    辽阳0.731**0.899**0.656**0.636**0.627**1.0000.611**
    铁岭0.738**0.589**0.645**0.507**0.478**0.611**1.000
    　　　注：**表示Pearson 相关性在0.01 水平（双侧）上显著相关。
    城市沈阳鞍山抚顺本溪营口辽阳铁岭
    沈阳1.0000.708**0.750**0.652**0.624**0.731**0.738**
    鞍山0.708**1.0000.624**0.639**0.644**0.899**0.589**
    抚顺0.750**0.624**1.0000.716**0.521**0.656**0.645**
    本溪0.652**0.639**0.716**1.0000.484**0.636**0.507**
    营口0.624**0.644**0.521**0.484**1.0000.627**0.478**
    辽阳0.731**0.899**0.656**0.636**0.627**1.0000.611**
    铁岭0.738**0.589**0.645**0.507**0.478**0.611**1.000
    　　　注：**表示Pearson 相关性在0.01 水平（双侧）上显著相关。
    下载: 导出CSV
  • [1] 洪也, 杨婷, 王喜全, 等. 辽宁中部城市群灰霾污染的外来影响[J]. 气候与环境研究, 2015, 20(6): 675 − 684.
    [2] 刘华军, 孙亚男, 陈明华. 雾霾污染的城市间动态关联及其成因研究[J]. 中国人口•资源与环境, 2017, 27(3): 74 − 81.
    [3] 洪也, 马雁军, 王喜全, 等. 辽宁中部城市群灰霾天气的外来影响——个案分析[J]. 环境科学学报, 2013, 33(8): 2115 − 2122.
    [4] 李元宜, 李艳红. 辽宁中部城市群大气污染防治对策探讨[J]. 气象与环境学报, 2010, 26(4): 57 − 60. doi: 10.3969/j.issn.1673-503X.2010.04.012
    [5] 吴冰. 辽宁中部城市群工业化与城镇化良性互动研究[J]. 地方财政研究, 2018(6): 93 − 99.
    [6] 陈如铁, 马健. 辽宁中部城市群城市体系中规模与距离关系的研究[J]. 地理科学, 2017, 37(6): 841 − 849.
    [7] 李红. 辽宁中部城市群一体化发展的空间组织研究[J]. 国土与自然资源研究, 2012(4): 11 − 12. doi: 10.3969/j.issn.1003-7853.2012.04.005
    [8] 马雁军, 刘宁微, 王扬锋, 等. 辽宁中部城市群大气环境研究进展[J]. 气象科技进展, 2012, 2(2): 19 − 24.
    [9] 王晓利, 张良, 魏亚楠, 等. 城市间气态污染物与细颗粒物的相关性分析[J]. 中国环境监测, 2016, 32(1): 1 − 4. doi: 10.3969/j.issn.1002-6002.2016.01.001
    [10] 唐娴, 王喜全, 洪也, 等. 辽宁中部城市群一次灰霾天气过程的外来影响程度研究[J]. 环境科学学报, 2014, 34(6): 1541 − 1550.
    [11] 孟晓艳, 宫正宇, 张霞, 等. 全国及重点区域臭氧污染现状[J]. 中国环境监测, 2017, 33(4): 17 − 25.
    [12] 刘烽, 徐怡珊. 臭氧数值预报模型综述[J]. 中国环境监测, 2017, 33(4): 1 − 16.
    [13] 高愈霄, 霍晓芹, 闫慧, 等. 京津冀区域大气重污染过程特征初步分析[J]. 中国环境监测, 2016, 32(6): 26 − 35.
    [14] 刘闽, 王帅, 林宏, 等. 沈阳市冬季环境空气质量统计预报模型建立及应用[J]. 中国环境监测, 2014, 30(4): 10 − 15. doi: 10.3969/j.issn.1002-6002.2014.04.002
    [15] 王帅, 王琦, 刘闽, 等. 沈阳环境空气臭氧浓度及累积速率时序曲线模拟研究[J]. 中国环境监测, 2019, 35(5): 26 − 36.
    [16] 王帅. 沈阳市近年臭氧浓度变化及累积速率对比分析[J]. 环境保护与循环经济, 2019, 39(3): 66 − 70. doi: 10.3969/j.issn.1674-1021.2019.03.017
    [17] 张睿, 蔡旭晖, 宋宇. 北京地区大气污染物时空分布及累积效应分析[J]. 北京大学学报(自然科学版), 2004(6): 930 − 938.
    [18] 罗岳平, 刘孟佳, 甘杰, 等. 长株潭城市环境空气中PM2.5和O3质量浓度的相关性研究[J]. 安全与环境学报, 2015, 15(4): 313 − 317.
  • 加载中
WeChat 点击查看大图
图( 3) 表( 3)
计量
  • 文章访问数:  2108
  • HTML全文浏览数:  2108
  • PDF下载数:  10
  • 施引文献:  0
出版历程
  • 收稿日期:  2020-08-01
  • 刊出日期:  2021-06-20

辽宁中部“城市群”环境空气PM2.5累积速率对比研究

    作者简介: 王　帅（1982-），男，博士、高级工程师。研究方向：环境空气质量监测预警。E-mail：wangshuai080982@163.com
  • 1. 辽宁省沈阳生态环境监测中心，辽宁 沈阳 110167
  • 2. 沈阳环境科学研究院，辽宁 沈阳 110167
  • 收稿日期:  2020-08-01
  • 网络出版日期:  2021-08-19
基金项目:
国家重点研发计划项目（2017YFC0212501）

摘要: 利用2017～2018年冬季辽宁中部“城市群”环境空气细颗粒物（PM2.5）浓度数据，计算逐时累积速率，回归拟合并优选时间序列模型，分析城市间PM2.5浓度相关性，研究不同城市污染时序变化特征。结果表明：最优浓度时序模拟起始点为13:00，最优累积速率模拟起始点为11:00。各城市PM2.5浓度及累积速率时序变化曲线均呈双峰形态。从浓度曲线对比看，本溪拟合程度最好，最高浓度在9:00，而其他城市均在23:00前后，且本溪曲线形态同其他城市差异也较大。从累积速率曲线对比看，营口拟合最好，鞍山最差；各城市PM2.5累积最快均在18:00～19:00。各城市间PM2.5小时浓度在0.01水平上均达到显著相关，鞍山和辽阳间相关性最高，铁岭和营口间相关性最差，沈阳与其他城市间相关性总体较高。

English Abstract

    全文HTML

  • 随着我国经济高速发展及城市化进程加快，“城市群”在我国经济社会发展中发挥越来越重要的作用[1]。然而，“城市群”的发展却带来雾霾天气频发、雾霾污染边界不断扩张等严峻挑战，对此，我国根据大气污染区域性特点在污染控制上提出了“城市群”或区域控制战略[2]。在北京奥运会、上海世博会和广州亚运会等空气质量保障中，区域污染控制措施取得了明显的效果，保证了重大活动的顺利进行[3]。

    由沈阳、鞍山、抚顺、本溪、营口、辽阳和铁岭7座城市组成的辽宁中部“城市群”（以下简称“城市群”），是辽宁老工业基地的核心[4]，是东北老工业基地的核心区和典型代表[5]，是东北经济区和环渤海都市圈的重要组成部分，是中国重要的“城市群”之一[6]。振兴东北老工业基地战略使“城市群”各城市间合作日益深入[7]，逐步成为新一轮东北老工业基地全面振兴中的先行者和领头羊[5]。由于城市分布比较密集，且地理环境、气象条件和经济结构具有独特性，大气污染物排放集中，污染物稀释和扩散条件不利[8]，城市间相互影响明显[3-4]，大气复合型区域污染问题显现[1]。“城市群”大气污染具有明显的局地污染和区域污染相结合、城市之间大气污染相互影响、相互作用的特征[8]。大气系统的空间相互性使得城市间的大气污染物是相互输送和交换，相邻城市间环境空气污染物浓度呈现出一定的相关性[9]。高压均压场型、长白山小高压型、弱低压场型和地形槽型等4种天气类型是“城市群”大气污染中最为主要的天气类型[1]。西南方向的京津冀来向和偏北方向的内蒙和长春来向，是“城市群”大气污染时最为主要的气流来向[1,10]。

    目前，我国对环境空气中污染物研究主要集中在时空分布[11]、数值模拟[12]、污染原因分析[13]以及预测预报[14]等方面，对污染物累积速率和城市间污染相关性研究较少[15-18]。“城市群”大气环境研究主要集中在2010～2015年期间，包括污染物的扩散输送特征、“城市群”空气质量预报技术及区域性空气质量调控技术等[8]。本文利用“城市群”2017～2018年冬季环境空气细颗粒物（PM2.5）浓度数据，通过统计表征各城市PM2.5日变化特征的24 h浓度值，计算逐时污染物累积速率，并利用回归方法拟合污染物浓度及累积速率的时间序列模型；在模型优选的基础上，对比各城市PM2.5浓度及累积速率日变化特征；采用相关性分析方法，分析城市间主要污染物的相关性。以期对“城市群”环境空气主要污染物预测及区域联防联控提供参考。

1.   研究方法

    1.1.   研究区域概况

  • “城市群”位于中国东北地区南部，毗邻渤海，地处东北亚的中心地带；属大陆性季风气候，雨热同季、日照丰富；地势自北向南，由东向西倾斜；西部为广阔的辽河平原；辽河水系横贯其中，地区内水网密布，河渠纵横，最终汇入渤海。沈阳、鞍山、辽阳和铁岭地形以平原为主，本溪四面被群山包围，抚顺东西长、南北窄、处在低山丘陵地带，营口位于渤海东岸、西部平原、东部山地。

    • 1.2.   数据来源

  • 研究数据包括“城市群”2017年11月至2018年3月环境空气PM2.5浓度数据。数据来源于中国环境监测总站全国城市环境空气自动监测系统。

    • 1.3.   统计及评价方法

  • 多项式模型在非线性回归分析中占有重要地位。因为根据数学上级数展开的原理，任何曲线、曲面、超曲面的问题，在一定范围内都能够用多项式任意逼近。所以，当变量与自变量之间的确实关系未知时，可以用适当幂次的多项式来近似反映。当所涉及的自变量只有一个时，所采用的多项式方程称为一元多项式，见式（1）。

    式（1）中，Y为变量，X为自变量，B0为常数项，B1……Bn为常数系数。

    环境空气PM2.5浓度及累积速率时序变化曲线模拟利用一元五次多项式回归模型[15]。模拟所用PM2.5小时浓度为监测时段内每日同一时刻浓度的平均值，每个城市24个数据，代表城市PM2.5日变化特征。PM2.5累积速率为当前小时与前一小时浓度差值占前一小时浓度的百分比，表征PM2.5累积快慢。时序模型优化是通过对不同起始时间条件下各城市拟合方程的决定系数（R2）平均值进行比较，筛选R2值最大的模拟起始时间，作为最优模型。

2.   结果与讨论

    2.1.   “城市群”环境空气PM2.5浓度及累积速率时序变化模型优选

  • 决定系数R2是表征模拟曲线拟合程度的指标，R2值大小能够反映趋势线的估计值与对应的实际数据之间的拟合程度，即R2值越接近1，拟合程度越高，模拟曲线的可靠性就越高。在对污染物浓度24 h时序变化模型拟合中，不同起始时间导致模拟曲线R2值差异较大，因此，可以根据R2值大小筛选出最优的模拟起始时间作为最优模型。本研究以24时（0～23时）为模拟起始点，对7个城市PM2.5浓度及累积速率的时间序列曲线进行模拟，共得出336个模型，各模型R2值对比结果，见图1。

    在以13:00为起始点时，“城市群”PM2.5浓度时序曲线R2平均值最大（R2=0.952 9），拟作为本研究浓度时序拟合最优模型；在以11:00为起始点时，“城市群”PM2.5累积速率时序曲线R2平均值最大（R2=0.860 0），拟作为本研究累积速率拟合最优模型。

    • 2.2.   “城市群”环境空气PM2.5浓度及累积速率时序变化曲线模拟

    2.2.1.   “城市群”环境空气PM2.5浓度时序变化曲线模拟

  • 以13:00为模拟起点的“城市群”冬季PM2.5小时浓度时间序列变化模拟曲线，见图2。

    图2可见，各城市PM2.5浓度时序变化曲线差异较大，从形态上看，各城市均呈双峰形态，其中本溪同其他城市存在较大差异；从拟合程度看，本溪拟合最好，R2值为0.976 1，铁岭相对较差，R2值为0.921 4；从峰值出现时间看，除沈阳、本溪出现在9:00外，其他城市出现在23:00前后；从峰值高低看，铁岭最高，为82 μg/m3，本溪最低，为62 μg/m3；从最小浓度值看，各城市均出现在15:00前后，铁岭、本溪最小浓度最低（均为32 μg/m3）。本溪夜间PM2.5浓度相对较低，这种PM2.5浓度时序变化特征可能是受独特的地形条件影响所致。各城市冬季PM2.5浓度时序变化拟合方程，见表1。

    • 2.2.2.   “城市群”环境空气PM2.5累积速率时序变化曲线模拟

  • 为以11:00为模拟起点的“城市群”冬季环境空气PM2.5小时累积速率时间序列变化模拟曲线，见图3。

    图3可见，各城市PM2.5累积速率时序变化曲线差异相对较小，从形态上看，各城市均为双峰形态；从拟合程度看，营口拟合最好，R2值为0.905 7；鞍山较差，R2值为0.785 8；从峰值出现时间看，各城市主峰值均出现在18:00～19:00，次峰均在8:00；从峰值高低看，铁岭最高（31.6%），本溪最低（15.3%）；从最小值看，各城市均出现在11:00，说明此时PM2.5消散最快，铁岭市最小累积速率最低（−24.2%）。铁岭PM2.5累积最快，消散也最快，说明铁岭市昼夜间污染物扩散条件差异较大，各城市冬季环境空气PM2.5累积速率时序变化拟合方程，见表2。

    • 2.3.   各城市间PM2.5浓度相关性研究

  • 利用SPSS19.0软件，采用Pearson 相关性分析方法，统计分析“城市群”各城市环境空气PM2.5小时浓度间相关性，见表3。

    表3可知，各城市间环境空气PM2.5小时浓度在0.01水平（双侧）上均达到显著相关。总体来看，距离越近的城市间相关性越高，距离越远的城市间相关性越差。其中，鞍山和辽阳间相关性最高，为0.899；铁岭和营口间相关性最差，为0.478。沈阳与其他城市间相关性总体偏高，主要因为沈阳处于“城市群”地理中心位置；而营口与其他城市间相关性总体偏低，主要因为营口距其他城市相对较远，且受海洋性气候影响偏大。

3.   结论

  • （1）通过决定系数R2对比分析，在以13:00为起始点时，“城市群”PM2.5浓度时序曲线R2平均值最大为0.952 9，为浓度时序拟合最优模型；在以11:00为起始点时，PM2.5累积速率时序曲线R2平均值最大为0.860 0，为累积速率拟合最优模型。

    （2）各城市冬季PM2.5浓度时序变化曲线均呈双峰形态，大部分城市23:00峰值高于9:00峰值，最小值均出现在15:00前后。本溪曲线形态同其他城市差异较大。本溪曲线拟合程度最好（R2=0.976 1），铁岭相对较差（R2=0.921 4）。除沈阳、本溪PM2.5浓度峰值出现在9:00，其他城市均出现在23:00前后；铁岭PM2.5浓度峰值最高，本溪峰值最低。

    （3）各城市冬季PM2.5累积速率时序变化曲线差异相对较小，形态均为双峰；18:00左右累积最快，出现峰值，早晨8:00再次出现的PM2.5累积速率峰值次之；累积速率最小值（消散速率最大）时段出现在11:00。营口曲线拟合最好（R2=0.905 7），鞍山相对较差（R2=0.785 8）。各城市主峰值均出现在18:00～19:00，最小值均出现在11:00。铁岭PM2.5累积最快，消散也最快。

    （4）相关性分析结果表明，各城市间PM2.5小时浓度在0.01水平上均达到显著相关。总体来看，距离越近的城市间相关性越高，距离越远的城市间相关性越差，其中，鞍山和辽阳间相关性最高；铁岭和营口间相关性最差。沈阳与其他城市间相关性总体偏高，而营口与其他城市间相关性总体偏低。

参考文献 (18)

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心

辽ICP备16002020号-2