北京市PM_(2.5)-O_(3)复合污染数值响应解析

摘要

为分析PM_(2.5)-O_(3)复合污染数值响应关系,基于2015~2020年北京市空气质量数据、气象资料和新冠疫情数据,分析PM_(2.5)-O_(3)复合污染事件在多尺度下的变化趋势.同时提出一种复合污染指数,在广义相加模型下分析数值响应趋势,并进一步引入分布滞后非线性模型,分别解析复合污染指数、复合污染事件和影响因素间的滞后响应关系.结果表明,北京市PM_(2.5)-O_(3)复合污染事件逐年减少,具有明显的季节效应、星期效应和节假日效应.复合污染指数与降雨量无明显相关性,与O_(3)和空气温度呈线性正相关,与其余解释变量均为非线性相关.同时大气污染物和气象条件对复合污染指数有明显滞后效应,滞后影响主要集中在1~3 d.高值的PM_(2.5)、 PM_(10)、 O_(3)、 SO_(2)和空气温度明显增加复合污染风险,中值段的CO(1~6 mg·m^(-3))、 NO_(2)(38~118μg·m^(-3))、相对湿度(54%~87%)和低风速都会增加复合污染风险.复合污染事件在数值响应中表现出多天连续污染的趋势,相较于PM_(2.5)和PM_(10),复合污染事件更依赖于O_(3),高值区复合污染率在30.7%~47.5%. CO和相对湿度对复合污染事件影响较小,空气温度影响最大,复合污染事件中84.7%发生在20~30℃.