关键词:
COVID-19
春节
污染特征
气象因素
随机森林模型
摘要:
为了分析2019—2022年长三角地区春节时期大气质量状况及影响因素,本研究对污染物的时空特征进行了定性分析,并使用气象标准化方法结合机器学习方法对排放和气象因素对污染的影响进行了定量分析.结果表明,春节时段空气质量逐年改善,重度污染天气占比逐年减小.PM_(10)、PM_(2.5)、SO_(2)和CO浓度均出现了下降趋势,O_(3)浓度逐年上升.时间分布上,PM_(2.5)、PM_(10)和CO变化特征相似,O_(3)具有明显日变化波动,且四年间波动的振幅有所增加,在春节时段变化主要呈现单峰特征,NO_(2)的变化趋势与O_(3)相反.研究时段内PM_(2.5)/PM_(10)浓度数值均大于60%,说明PM_(2.5)来源中二次气溶胶贡献与一次污染物贡献相比较大.根据三种评价指标的综合分析,随机森林模型对于污染物浓度预测有着较高的准确度,其中对于PM_(2.5)的预测较为准确,2019—2022年的R^(2)依次为0.77、0.77、0.71和0.69,但对污染严重时期的预测准确性较低.平均特征重要性中纬度(17.93%)、小时数(11.24%)、海平面气压(9.60%)和日数(9.28%)为主要影响因子,说明时空因素对于污染物浓度分布格局有着强作用.2019年到2022年排放作用对于污染物浓度有着显著的影响,但气象因素对于排放常有着明显的抵消作用,且气象因素影响占比在逐步加大.对于后续污染防控,应该重视气象条件影响,并注意控制二次污染物生成,增强区域协同治理.