论文部分内容阅读
本课题研究了近几年西安市空气污染物和气象因子之间的相关关系,重点对空气质量指数AQI相关的各项监测指标（PM2.5、PM10、SO2、NO2、CO、O3）和温度、湿度、风级等气象因素进行年度变化特征分析、季度变化特征分析;以及对重点年份的不同季节的首要污染物和气象因子间的回归方程进行拟合分析,得到如下结论:2015年以后西安市空气质量结构发生明显变化,优良天数比率明显下降,重度污染和严重污染天数明显增加;2016-2018年空气质量以良和轻度污染占主要部分,因此改善西安市空气质量的主要工作是解决空气质量为良和轻度污染的天气。以2017年为例研究西安市不同季节污染物的变化特征发现:影响空气质量上限最主要的污染物是NO2。春季空气质量指数出现两个峰值,受到多种污染物综合影响,空气质量重度污染和严重污染天气的首要污染物是PM10;夏季污染物的变化比较稳定,影响空气质量最主要的污染物是O3;秋季和冬季的空气质量分别为全年最好和最差的两个季节,空气质量指数均出现多个峰值,影响秋季和冬季空气质量最主要的污染物是PM2.5,次主要的污染物是PM10。分析2015-2018年春节期间的PM2.5和PM10质量浓度变化发现:受烟花爆竹燃放的影响2015-2017年春节期间空气质量逐年变差。PM2.5和PM10的质量浓度随相对湿度的增大而减小,并且减小的趋势呈现一定的滞后性,相对湿度变化幅度越大,污染物质量浓度变化越大;PM2.5和PM10质量浓度随大温差（2015年）的变化趋势明显大于小温差（2018年）的变化趋势,并且质量浓度随温度的骤降而降低,骤增而增加,小温差的影响较弱。利用SPSS软件分析2017年不同季节气象参数与各项污染物指标之间的相关性发现:春季温度、湿度、风级对除PM10以外的污染物均至少两项在0.01水平双侧检验显著相关。夏季湿度对各项污染物均呈现显著相关,温度对PM2.5、PM10、O3显著相关。秋季温度和风级对各项污染物均显著相关,湿度对SO2相关性最大,为0.453。冬季温度对污染物相关性均较弱,湿度与PM2.5相关性最大为0.506,风级对除O3以外的其他污染物均显著相关。利用SPSS对2017年不同季节的首要污染物进行逐步回归,得出不同季节各种首要污染物的逐步回归方程,并带入实测数据进行误差分析,结果显示:春季回归分析受到温度和风级的影响较大,整体误差控制在35%以内;夏季回归分析受到相对湿度的影响较大,整体误差控制在25%以内。秋季和冬季回归分析均受到温度影响较大,整体误差分别控制在20%、30%。因此,通过本课题研究使用的逐步回归分析法对于空气污染物的浓度预测具有一定的理论依据。