上海市大气污染物时空分布及其相关性因子分析

摘要

利用2016-2020年上海市PM10、PM2.5、SO2、NO2、O3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM10、PM2.5、SO2、NO2、O3污染物的时间变化趋势.同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对t其质量浓度进行预测,分析对比不同模型的预测结果.研究表明:2016-2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM2.5及PM10质量浓度呈现"冬高夏低",而O3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM2.5、PM10)与SO2、NO2质量浓度,O3质量浓度与NO2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM2.5、PM10质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O3质量浓度产生显著影响;多元线性回归分析表明上海市PM10量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM10质量浓度并没有产生显著影响;PM10质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关.相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现岀强大的泛化能力,PM2.5、PM10、NO2与O3的真实值与预测值相关系数(r2)分别为98.6％,97.4％,97.6％和98.3％.