论文部分内容阅读
本文利用西安市2014-2016三年间的空气质量监测数据，分析西安市空气质量状况的时空分布特征，在此基础上，进一步利用同期相关气象数据，分析研究气象因素对空气质量的影响规律，最后基于多元回归模型和GM（1，1）模型对西安市空气质量状况进行预测，主要研究内容和结果如下： （1）结合2014-2016三年的空气质量统计数据，利用ArcGIS软件通过反距离加权法，对西安市的空气质量状况的时空分布特征进行分析，结果表明：2014-2016年西安市主城区11个监测站的空气质量变化趋势和西安市整体趋势基本一致，整体上空气质量有所改善，但极端污染状况不容乐观；各监测区域的空气污染程度在空间上的分布特征为西北高，东南低；各监测区域AQI在时间分布上具有相似性，污染主要发生在供暖期，冬季空气质量最差，夏季空气质量最好；污染最严重的时期集中在1月和12月，6月和7月空气质量最好，AQI的1-12月曲线呈“U”型变化；白天空气质量优于夜晚，每天11时至17时空气质量最好。 （2）针对2014-2016供暖期与非供暖期主要污染物浓度（SO2、NO2、CO、O3、PM10、PM2.5）分布特征进行分析研究，结果表明：供暖期的空气污染状况较为严重，污染物浓度远高于非供暖期，其中PM2.5浓度高于非供暖期112％，SO2浓度高于非供暖期212%；对西安市空气质量影响较大的污染物主要为PM2.5、PM10、SO2和NO2，导致污染物浓度较高的主要原因为工业排放和机动车尾气排放；供暖期内PM2.5浓度最高值在市人民体育场和高压开关厂，最低值在长安区和兴庆小区，草滩和高新西区PM10浓度最高，长安区最低，SO2浓度最高值在草滩和纺织城，最低值在小寨和市人民体育场，高新西区、小寨和高压开关厂处NO2浓度较高，草滩最低。 （3）对各气象要素和空气质量进行了相关性分析，结果表明：风速、气温和降水量与AQI呈负相关性，气压与AQI呈正相关性，其中气温和降水量与AQI的相关性较好，风速、气压次之；不同时期相对湿度对AQI的影响不同，非供暖期相对湿度与AQI呈负相关，供暖期相对湿度与AQI呈正相关；不同时期的不同降水量对空气质量的净化能力不同，日降水量R＜1mm时，降水对空气质量的净化反而有反作用，日降水量R≥1Omm时，降水对空气质量的净化作用十分明显，同等降水量下，供暖期降水对AQI的改善程度大于非供暖期；当气温较高，风速较大，降水量较大时，AQI常常较低；当气温较低，风速较小且无降水时，AQI往往过高。持续性严重污染过程中，相对湿度对AQI的影响最大。 （4）利用灰色关联分析影响西安市空气污染物浓度的主要社会人文因素为市区常住人口、城市绿化程度、工业污染排放、各类能源消耗量、公共交通营运量、集中供热面积和机动车保有量。 （5）分别构建多元回归预测模型和灰色GM（1，1）预测模型对空气质量进行预测，结果表明：多元回归模型能预测出未来一日AQI较为准确的变化趋势，但对于具体数值方面的预测结果仅供参考。在不考虑其他因素影响的前提下，GM（1，1）模型对西安市主要空气污染物未来三年的年均浓度变化趋势预测结果可信，SO2的浓度逐年下降，而PM2.5、PM10、NO2和O3的浓度则逐年上升。