基于GAM模型分析中国典型区域网格化PM2.5长期变化影响因素

为探究中国典型区域地表PM2.5浓度长期时空变化及其影响因素，运用广义可加模型（GAM）对1998~2016年均0.01°×0.01°地表PM2.5浓度网格化数据进行分析.典型区域多年平均PM2.5浓度从高到低：华东华中地区（40.5 μg·m-3） > 华北地区（37.4 μg·m-3） > 华南地区（27.8 μg·m-3） > 东北地区（23.7 μg·m-3） > 四川盆地（22.4 μg·m-3）.东北地区PM2.5年际变化呈现明显上升趋势；其他地区1998~2007年呈上升趋势，2008~2016年出现下降趋势.在典型区域PM2.5浓度空间分布上，PM2.5浓度分布呈现显著的空间差异，多年来各区域PM2.5浓度高值分布相对稳定.PM2.5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，典型区域中对PM2.5浓度变化影响解释率较高的各个影响因素顺序有所不同.PM2.5浓度变化的多因素GAM模型中，均呈现非线性关系，典型区域方差解释率为87.5%~92%（平均89.0%），模型拟合度较高，对其变化有显著性影响.典型区域YEAR和LON-LAT均对PM2.5浓度变化影响最为显著.除此之外，气象因子对PM2.5的影响大小在各个区域存在不同.东北地区影响PM2.5最重要的3个气象因子排序为：tp > v10 > ssr；华北地区为：temp > tp > msl；华东华中地区为：temp > tp > ssr；华南地区为：temp > RH > blh；四川盆地为：tp > temp > u10.结果表明，运用GAM模型，能够定量分析区域PM2.5浓度长期变化的影响因素，对PM2.5污染评估具有重要意义