论文部分内容阅读
伴随着我国近年来频现的雾霾天气,空气质量愈来愈多得到公众的关注。2012年出台的空气质量新标准,用空气质量指数(AQI)替代了原有的空气污染指数(API)对空气质量状况进行了定量描述。将与灰霾的形成密切相关的PM2.5,以及反映机动车尾气造成的光化学污染的臭氧指标,均纳入到AQI的评价体系中。江苏是中国的人口大省,其社会经济发展现状及城市规划的需要,都对江苏省的空气质量提出了更高要求。因此,探索江苏省空气质量指数的时空分布特点,建立全省范围内的空气质量指数预测模型,有着重要的现实意义。本文根据2013年1月-2014年2月江苏省的日均AQI数据,对全省的空气质量进行分析。首先,以省会南京为例分析AQI在不同季节的变化特点、工作日与周末的差别,并运用定性分析与定量分析相结合的方法考虑了气温、降水量因素对AQI的影响；其次,对AQI的空间自相关性进行了探索,了解全省AQI空间聚集特征,并通过直方图、正态QQ分布图、趋势分析的方法,对2013年的AQI数据进行探索分析；最后,比较多种空间插值方法,根据预测精度选择最合适的模型来分析全省的AQI空间分布规律,并对AQI的达标率进行预测。主要得到以下结论：2013年夏季,是全年中江苏省空气质量最好的时段,南京市的情况也不例外。南京市周末的AQI远高于工作日,存在着周末效应。并且,南京市的气温与AQI、降水量与AQI之间均具有线性相关性。江苏省各监测站点间的AQI具有很强的空间自相关特性。苏州、泰州、南通三城市,在2013年7月、8月连续呈现出“高-高”空间集聚的情况。江苏省AQI整体趋势为由西向东先逐渐降低然后略有上升,南北方向上则比较稳定。对各种插值模型的精度评价显示,全局多项式的RMS最小,克里金法生成的表面可以更清楚地描述出局部细节。全省AQI的分布特征是,沿着海岸线方向由内陆向沿海地区逐渐降低,最高值在在徐州地区。创建出AQI超出临界值100的概率图,其最大特点就是能轻松识别出AQI超标的区域,使公众对空气状况有更加直观的感受,也为政府部门制定空气质量预测、预警提供有效的参考。