基于GAMs模型分析成都市气象因子交互作用对O3浓度变化的影响
来源：环境科学杂志2021年第1期北京时间：
作者：张莹,倪长健,冯鑫媛,王式功,张小玲,张家熙,李运超
单位：成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室, 北京 100029,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,北京城市气象研究院, 京津冀环境气象预报预警中心, 北京 100089,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225,成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225
摘要：为探究成都市大气环境中气象因子交互作用对臭氧（8h浓度平均最大值，统一用O3表示）浓度变化的影响特征，利用成都市2014~2019年逐日大气污染物资料以及同期的气象资料，采用广义相加模型（generalized additive models，GAMs）分析气象因子对O3浓度变化的影响效应.结果表明，单影响因素的GAMs模型中，O3浓度与最高气温、日照时数、相对湿度、风速、降水量、最大混合层厚度（maximum mixed depth，MMD）和通风系数（ventilation coefficient，VC）间均呈非线性关系，无论全年还是夏季，最高气温、日照时数、MMD和相对湿度对O3浓度影响均较大，值得注意的是，夏季相对湿度和降水量对O3浓度变化的影响较全年更加显著.在构建O3浓度变化的多气象因子GAMs模型中，除平均风速以外的其他气象因子共同作用对O3浓度变化有显著影响，就全年而言，构建的GAMs模型判定系数（R2）为0.849，方差解释率为85.1%，最高气温是全年O3浓度变化的主导影响因素；夏季GAMs模型的R2为0.811，方差解释率为81.3%，而夏季最高气温和MMD同为重要影响因素.GAMs交互效应模型中，就全年而言，最高气温与日照时数、相对湿度、降水量间交互作用，以及日照时数和MMD间交互作用对O3浓度变化影响显著，结合三维可视化图形直观分析气象因子交互作用对O3浓度变化的影响特征，发现强高温+强日照+MMD （2000 m左右）+无降水条件协同作用下有利于O3的生成；就夏季而言，仅最高气温分别与日照时数和VC交互作用对O3浓度的影响显著，夏季强高温+强日照+水平方向小风速有利于近地层O3浓度的生成.运用GAMs模型能够对O3污染的主导气象因子进行识别，并定量化分析气象因子单效应及其交互作用对O3浓度变化的影响特征，对O3浓度污染防控研究具有重要指示意义.
关键词：广义相加模型(GAMs),O3浓度变化,影响因素,交互作用,成都市,
