基于小波变换的山西省PM_(2.5)污染特征及影响因素

摘要

基于山西省11城市2015~2019年PM_(2.5)日均浓度、社会影响因素数据和气象数据,利用小波变换确定PM_(2.5)浓度周期,通过Spearman相关性和小波相干谱分别探究PM_(2.5)与社会影响因素和气象因素的关联,确定PM_(2.5)长短周期管控的主要影响因子.结果表明,2015~2017年山西省PM_(2.5)浓度年均值呈上升趋势,年均上升率为4.3%,2018~2019年呈下降趋势,年均下降率为4.2%;ρ(PM_(2.5))月均值呈“U”型分布,1月最高(95μg·m^(-3)),8月最低(34μg·m^(-3)),冬季均值约为夏季的2倍;临汾等南部城市ρ(PM_(2.5))均值为62μg·m^(-3),大同等北部城市均值为45μg·m^(-3),空间上呈南高北低.11城市PM_(2.5)浓度存在显著周期性变化,主要周期包括293 d左右的长周期和27 d左右的短周期.其中,能源消耗水平和产业结构偏重是影响山西省长周期上PM_(2.5)浓度的强驱动因素;短周期上则受大气环流变化影响较大,且不同城市PM_(2.5)的主要气象影响因子不同,临汾、运城、大同、朔州和忻州易受风速影响,晋中和吕梁易受温度影响,太原、晋城、阳泉和长治较为特殊,受相对湿度影响显著.因此,产业结构调整和能源结构调整等是山西省大气PM_(2.5)长期管控和空气质量长效改善的关键;开展短期区域联防联控时需考虑不同城市气象因子对PM_(2.5)的差异化影响.