论文部分内容阅读
国内外学者对PM2.5的研究,多数是对单个城市的PM2.5与单因素或者多因素进行研究,却很少有人以某个区域的多个城市为研究对象,对影响PM2.5浓度的多个因素的关系进行综合分析,并确定影响PM2.5浓度的主要因素。本文在国内外研究的基础上,以黑龙江省13个市（区）为研究区域,同时以森林覆盖率、PM2.5日平均浓度滞后1天、PM2.5日平均浓度滞后2天、PM2.5日平均浓度滞后3天、PM10日平均浓度、SO2日平均浓度、CO日平均浓度、NO2日平均浓度、O38h日平均浓度、日平均气压、日平均相对湿度、日平均光照时数、日平均气温、日平均风速共同作为研究指标,运用聚类分析、通径分析、静态面板数据模型和动态面板数据模型,探究了森林覆盖率、PM2.5的时间滞后效应等因素与PM2.5之间的关系。主要得到如下结论:运用大数据建立黑龙江省13市（区）PM2.5日平均质量浓度的散点图。结果显示,一方面,黑龙江省13个市（区）的共同变化规律是:散点图呈现U字形;非供暖期几乎没有污染,供暖期有较多天的污染;供暖是导致黑龙江省空气中PM2.5质量浓度超出国家环境保护标准的根本原因。另一方面,森林覆盖率高的区域,PM2.5质量浓度会相应的低;森林植物对PM2.5的净化吸收能力是有限的,人为因素在造成空气污染的过程中起决定作用;森林覆盖率是阻滞PM2.5质量浓度增高的最主要因素;气象因素对PM2.5质量浓度所起的作用较小。依据静态面板数据模型的理论,对各区域建立静态面板数据模型,并结合通径分析方法对模型进行分析,结果显示:森林覆盖率对PM2.5的直接作用和总作用均起阻碍作用,森林覆盖率对PM2.5总作用虽然很小,但阻止PM2.5质量浓度增高的作用最大;PM10、SO2、CO、NO2、平均气压、平均相对湿度促进PM2.5质量浓度的增高,而O38h、平均日照时间、平均气温、平均风速、森林覆盖率对PM2.5质量浓度的增高起阻碍作用。依据动态面板数据模型的理论,对黑龙江省13个市（区）建立动态面板数据模型,为确保所得结论更可靠,本文建立了三个时间段的面板数据模型。结果表明:（1）三个不同时间段的静态面板模型和动态面板模型进行比较分析,得到的关于PM2.5的时间滞后效应的变化规律及PM2.5的时间滞后效应与森林覆盖率等因子的变化规律是一致的,这进—步证明了本文的研究是可靠的。（2）PM2.5的时间滞后效应是PM2.5浓度变化的影响因素;PM2.5的时间滞后效应、PM10、CO均促进当期PM2.5浓度的积累,而森林覆盖率、气温、风速均阻碍PM2.5的积累;随着时间的推移,PM2.5时间滞后效应对PM2.5浓度积累的促进作用逐渐减弱,森林覆盖率、气温对PM2.5浓度积累所起的阻碍作用逐渐增强,PM10、CO对PM2.5浓度积累的促进作用逐渐增强,而风速对PM2.5浓度积累所起的阻碍作用逐渐减弱;PM2.5的时间滞后效应的变化规律具有惯性的同时,森林覆盖率、PM10、CO、气温、风速对PM2.5的作用也具有惯性。