基于GAM模型分析影响因素交互作用对PM_2.5浓度变化的影响

来源：环境科学杂志2017年第1期北京时间：

作者：贺祥,林振山

单位：南京师范大学地理科学学院, 南京 210023,凯里学院旅游学院, 贵州 凯里 556011,江苏省地理信息资源开发与利用协同创新中心, 南京 210023,江苏省地理环境演化国家重点实验室培育建设点, 南京 210023,虚拟地理环境教育部重点实验室(南京师范大学), 南京 210023,南京师范大学地理科学学院, 南京 210023,江苏省地理信息资源开发与利用协同创新中心, 南京 210023,江苏省地理环境演化国家重点实验室培育建设点, 南京 210023,虚拟地理环境教育部重点实验室(南京师范大学), 南京 210023

摘要：对南京市2013~2015年PM_2.5及影响因素的时间变化序列，运用广义可加模型（GAM）分析影响因素交互作用对PM_2.5浓度变化的影响.结果表明，PM_2.5及影响因素都基本服从正态分布类型，影响因素间具较强相关性，其中气温、气压和水汽压间具有显著相关性.PM_2.5浓度变化的单因素GAM模型中，所有影响因素均通过显著性检验，其中SO₂、CO、NO₂等影响因素的模型拟合度较优，方程解释度较高；PM_2.5浓度变化的多因素GAM模型中SO₂、CO、NO₂、O₃、平均降雨量（PRE）、平均风速（WIND）和相对湿度（RHU）等影响因素对PM_2.5浓度变化解释率为73.9%，对其变化具有显著性影响；通过多因素对PM_2.5浓度变化影响效应的诊断分析，得到SO₂、NO₂和WIND与PM_2.5浓度变化呈线性关系，CO、O₃、PRE和RHU与PM_2.5浓度变化呈非线性关系；在影响因素交互作用对PM_2.5浓度变化影响的GAM模型中，SO₂与CO、PRE、RHU间交互作用，CO与NO₂、O₃、PRE、WIND、RHU间交互作用，以及NO₂与WIND、PRE、RHU间交互作用，都在P<0.01（或P<0.05）水平下显著影响PM_2.5浓度变化；大气污染物SO₂、CO及NO₂分别与气象等其它因素的交互作用对PM_2.5浓度变化产生最主要影响作用；通过对影响因素交互作用GAM模型可视化三维图分析，定量研究了影响因素交互作用对PM_2.5浓度变化的影响特征.结论表明，运用GAM模型，能够定量化分析影响因素交互作用对PM_2.5浓度变化的影响，研究方法具有一定创新性，对PM_2.5浓度污染与控制研究具有重要意义.

关键词：GAM模型,PM2.5浓度变化,影响因素,交互作用,南京市,