多尺度气象条件对济南PM2.5污染的影响

作者：尹承美; 何建军^*; 于丽娟; 焦洋; 周乐晨

来源：高原气象, 2019, 38(05): 1120-1128.

• 济南
• PM2.5
• 相关分析
• 多元回归
• 气象条件

长时间序列空气质量数据和气象数据分析济南大气污染与气象条件关系的研究相对较少。利用2010-2016年济南市环境空气质量监测数据、气象再分析和观测数据,分析了济南市PM2.5污染特征、PM2.5浓度与2 m温度(T)、2 m相对湿度(RH)、10 m高度U和V风速(U和V)、10 m风速(WS)、K指数(K)、A指数(A)和边界层高度(BLH)的相关性、天气类型对PM2.5浓度的影响,并基于逐步回归分析方法构建统计模型,利用解释方差量化气象条件对PM2.5浓度变化的影响。分析发现,济南PM2.5浓度存在显著的季节变化和年际变化特征,年均PM2.5浓度呈下降趋势;近地面PM2.5浓度与T、RH、K和A显著正相关,与WS和BLH显著负相关,U和V与PM2.5浓度相关性不显著(p<0. 05);不同天气类型对应的PM2.5浓度均值存在显著差异;基于回归模型分析发现气象条件可以解释10%～40%的PM2.5浓度逐日变化,气象条件的影响有明显的季节变化。

• 单位
  中国气象科学研究院; 灾害天气国家重点实验室; 中国科学院大气物理研究所