中国三大城市群PM_(2.5)浓度非线性变化分析

作者：吴舒祺; 顾杨旸; 张天岳; 赵文吉^*

来源：环境科学, 2023, 1-18.

DOI：10.13227/j.hjkx.202302234

• PM_(2.5)
• 创新趋势分析(ITA)
• 季节和趋势突变的贝叶斯估计(Beast)
• 非线性变化
• 趋势
• 突变

以三大城市群为研究区，基于PM2.5浓度数据，利用ITA和Beast方法定量分析PM2.5时间序列的非线性变化过程。结果表明：①三大城市群PM2.5污染程度下降明显，高浓度区域明显缩小；PM2.5浓度空间极化程度降低，空间差异缩小。大多数地区的PM2.5浓度都具有下降的趋势，但变化程度并不相同。京津冀PM2.5浓度相较于长三角和珠三角，仍处于较高水平。②三大城市群PM2.5浓度具有冬春季高、夏秋季低的季节变化特征。冬季与夏季PM2.5浓度差异明显，PM2.5浓度在夏季的收敛性大于冬季。PM2.5浓度高的区域下降趋势明显，但珠三角的PM2.5浓度下降趋势相较于长三角和京津冀不明显。③三大城市群PM2.5浓度时间序列均具有显著下降趋势，下降趋势为：京津冀>长三角>珠三角；PM2.5浓度在冬季下降趋势最大。PM2.5污染等级越高，下降趋势越明显。④京津冀PM2.5浓度时间序列趋势分量具有两个突变点，季节分量中具有一个突变点；长三角PM2.5浓度时间序列的趋势分量和季节分量均无突变点；珠三角PM2.5浓度时间序列的季节分量无突变点，趋势分量具有一个突变点。结果可为区域空气污染治理相关工作的开展提供科学的参考。

• 单位
  首都师范大学