文献类型：期刊文章

作　　者：贺祥[1,2,3,4,5] 林振山[1,3,4,5]

HE Xiang LIN Zhen-shan(College of Geography Science, Nanjing Normal University, Nanjing 210023, China Institute of Tourism, Kaili University, Kaili 556011 ,China Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China State Key Laboratory Cultivation Base of Geographical Environment Evolution （Jiangsu Province） , Nanjing 210023, China Key Laboratory of Virtual Geographic Environment （Nanjing Normal University） , Ministry of Education, Nanjing 210023, China)

机构地区：[1]南京师范大学地理科学学院,南京210023 [2]凯里学院旅游学院,贵州凯里556011 [3]江苏省地理信息资源开发与利用协同创新中心,南京210023 [4]江苏省地理环境演化国家重点实验室培育建设点,南京210023 [5]虚拟地理环境教育部重点实验室(南京师范大学),南京210023

出　　处：《环境科学》

基　　金：国家自然科学基金项目(31470519);2015年江苏省高校自然科学研究重大项目(15KJA17002);江苏省自然科学基金项目(BK20131399);江苏省高校优势学科建设工程资助项目;贵州省科技厅基金项目(黔科合LH字[2014]7237);贵州省教育厅人文社科项目(13GH004);江苏省普通高校研究生科研创新计划项目(KYLX16_1269)

年　　份：2017

卷　　号：38

期　　号：1

起止页码：22-32

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、BIOSISPREVIEWS、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171003416387)、EMBASE、IC、JST、PROQUEST、PUBMED、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P<0.01(或P<0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.

关 键 词：GAM模型  PM2.5浓度变化  影响因素 交互作用  南京市  

分 类 号：X513]