大气环境由于受经济的快速发展,污染越来越严重.伴随人民生活水平的提升以及人们环保意识的提高,大气污染愈来愈受到普通百姓的关注.PM2.5作为主要污染物,成为全社会和老百姓共同关注的焦点问题.同时也吸引了众多学者去研究探讨PM2.5演化的相关规律,然而PM2.5污染是众多影响因子共同作用的复杂体现,是一种复杂现象.因此,PM2.5污染演化的动力学特征无法在传统的时间序列分析下得到准确、清晰和全面地刻画.本文以分形理论为基础,对长沙市2015年1月1日-2016年12月31日,PM2.5浓度序列在不同时间尺度上的演化规律进行探讨.
　　首先,基于同期气象数据,分析长沙市PM2.5浓度与气象因子之间的关系．发现风速越大,PM2.5污染物的扩散稀释能力越强,风速越小,PM2.5污染物的扩散能力下降,容易造成污染物积累.平均气压在不同月份对PM2.5影响不同.而伴随相对湿度的上升,PM2.5浓度呈现出先上升后下降的特征.
　　第二,对PM2.5浓度与气态污染物进行相关性分析,发现PM10与PM2.5之间存在较好的相关性,PM2.5与NO2,二者变化以正相关为主,PM2.5与NO2容易叠加污染,NO2浓度上升时,PM2.5浓度随之也上升.长沙市PM2.5与O3质量浓度变化主要以负相关为主,这主要是由于PM2.5与O3的来源及反应机制的不同所导致的.
　　第三,对PM2.5浓度在不同时间尺度上的变化规律进行了探讨.2015年与2016年长沙市PM2.5浓度日变化趋势基本一致,表现出先上升,然后接着下降再上升下降的双峰特征.月变化规律:2015年和2016年长沙市PM2.5每月的超标日和月均浓度变化情况基本一致,表现出中间低,两边高的“U”型,即春夏低,秋冬季高的季节变化特征.季节变化规律:长沙市PM2.5浓度冬季明显要比春夏秋三季高.
　　最后基于DFA分析法,分析了长沙市PM2.5浓度序列的结构特征,指出了PM2.5浓度序列具有长期持续性和分形分布等统计特征.进一步利用DFA分析其在不同时间尺度上的分形结构特征,刻画了PM2.5浓度在演化过程中的尺度效应,并探讨了PM2.5演化的内在动力机制,认为就是长期持续性驱动PM2.5浓度的变化.