基于多元时间序列的哈尔滨市PM2.5影响因素分析

摘要：

为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2.5的向量自回归(Vector Autoregressive,VAR)模型,选择最优模型为VAR(2),并通过广义脉冲响应和方差分解分析这些因素对PM2.5的影响.研究表明:SO2,NO2,PM10,CO对PM2.5起促进作用;O3,平均气温、极大风速和降水在不同时期对PM2.5发挥不同的作用,在短期内平均气温和O3质量浓度对PM2.5起促进作用,这与它们之间的光化学作用有关,极大风速和降水在短期会对PM2.5起抑制作用,但随后极大风速会对PM2.5起促进作用,这与其会引起地面扬尘有关;长期来看,平均气温和日照时数会对PM2.5起促进作用,这些结果与哈尔滨市的季节变化特征有关.在对哈尔滨市PM2.5治理时应综合应用多种措施,调整产业结构,发展可替代能源.

关键词：PM2.5、时间序列、VAR、广义脉冲响应函数、方差分解

所属期刊栏目：50

分类号：X823(环境质量分析与评价)

资助基金：东北林业大学森林植物生态学教育部重点实验室开放基金项目;东北林业大学大学生创新训练项目

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：98-107