PM2.5與大氣污染物的相關(guān)性分析

谷超　苗云閣　王健　馬銀紅

摘 要：通過對喀什和烏魯木齊兩地2016年不同季節(jié)的大氣污染物監(jiān)測數(shù)據(jù)分析發(fā)現(xiàn)，兩地的大氣污染物間的相關(guān)性具有顯著地地域特征，分析顯示風(fēng)沙天氣的存在會削減或抑制污染物對細顆粒物污染的加劇。而通徑分析結(jié)果顯示：①對喀什和烏魯木齊兩地的PM2.5污染關(guān)系最密切的最主要氣態(tài)污染物均為CO，且分別為冬季和春季影響最大，最大值分別為0.950和2.793。②喀什地區(qū)除CO外，其余主要污染物對PM2.5的總作用系數(shù)均為負值，進一步印證了沙塵天氣的發(fā)生會抑制PM2.5污染的加劇結(jié)論。③烏魯木齊夏季NO2對PM2.5濃度變化的總作用系數(shù)高達0.838，與其產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟地位決定的人口數(shù)量和汽車保有量相關(guān)。④烏魯木齊雖夏季溫度不高，O3（8 h）等光化學(xué)氧化劑未對PM2.5污染產(chǎn)生極大影響，但其危害性仍然存在的。⑤喀什和烏魯木齊兩地通徑分析結(jié)果綜合分析顯示，4種大氣污染物對PM2.5污染仍是直接作用影響起主導(dǎo)作用，但間接作用也不容忽視。

關(guān)鍵詞：PLS1；通徑分析；沙塵；PM2.5；CO；NO2；O3（8 h）

近年來城市化和現(xiàn)代化進程的快速發(fā)展，導(dǎo)致了我國新疆塔克拉瑪干沙漠及周邊地區(qū)沙塵天氣頻繁發(fā)生，嚴(yán)重污染當(dāng)?shù)丨h(huán)境[1-6]。沙塵天氣不僅嚴(yán)重影響著新疆塔克拉瑪干沙漠附近地域的空氣質(zhì)量，更可在遠距離傳輸?shù)淖饔孟虏煌潭鹊挠绊懙皆诰┙蚣降貐^(qū)及其他的內(nèi)陸地區(qū)[7-12]，沙塵天氣影響的大氣污染問題已經(jīng)受到國內(nèi)外專家和學(xué)者的密切關(guān)注。在沙塵天氣的影響下，空氣中顆粒物含量短時間內(nèi)驟然上升、空氣濕度下降、能見度降低，嚴(yán)重影響著人類的生產(chǎn)生活和身心健康[13-17]。一些研究指出，沙塵天氣是導(dǎo)致大氣能見度降低、空氣重度污染的主要原因，且長期生活在該環(huán)境下的人群會出現(xiàn)眼睛發(fā)干、咽部干癢、鼻阻塞、眼異物感等癥狀[18-22]。因此，利用相關(guān)性分析定性定量的了解沙塵天發(fā)生率較高區(qū)域中PM2.5與其他大氣污染物之間的相互作用與影響機制對于掌控和治理大氣污染問題有著直接和高效的指導(dǎo)意義。

目前，對于氣態(tài)污染物與PM2.5相關(guān)性分析的研究顯示單因變量偏最小二乘回歸法（PLS1）可在多因變量存在的前提下有效剔除因嚴(yán)重共線性阻礙回歸模型建立的因變量，從而更科學(xué)的進行相關(guān)性的分析研究[23-27]。為了提高模型數(shù)據(jù)量和研究結(jié)果的準(zhǔn)確定，本文選取東臨塔克拉瑪干大沙漠的喀什和相對距大沙漠較遠的烏魯木齊作為研究城市，選取其2016春、夏、秋、冬四季PM2.5、SO2、NO2、CO和O3（8h）五項有代表性的大氣污染物質(zhì)量濃度數(shù)據(jù)進行相關(guān)性分析，得到不同地區(qū)不同季節(jié)中各污染物對PM2.5質(zhì)量濃度變化的直接影響、間接影響以及總影響作用，對比發(fā)現(xiàn)相同季節(jié)下不同地區(qū)的影響機理和同一地區(qū)內(nèi)不同季節(jié)的大氣污染物之間的相互影響機理的異同點，找出在不同季節(jié)影響喀什和烏魯木齊PM2.5濃度變化的主要污染因子，以期為環(huán)境管理部門更科學(xué)更有針對性的提出和開展沙塵區(qū)域不同季節(jié)對PM2.5的環(huán)境治理工作提供科學(xué)嚴(yán)謹(jǐn)?shù)睦碚撘罁?jù)。

1 材料

1.1 研究區(qū)概況

喀什市（73°20’E～79°57’E，35°20’N～40°18’N），地處新疆維吾爾自治區(qū)西南部，西、南、北三面環(huán)山僅有東部一面敞開，敞開面東臨塔克拉瑪干沙漠。受地理環(huán)境的制約，屬暖溫帶大陸性干旱氣候帶，氣溫年變化和日變化大，日照長，蒸發(fā)強，氣候干燥，常年受大風(fēng)、浮塵和沙塵暴天氣的影響，環(huán)境空氣質(zhì)量惡劣，尤其在春季更為顯著。

烏魯木齊市（86°37’E～88°58’E，42°45’N～45°00’N），作為我國西北地區(qū)重要的中心城市和溝通東西國家貿(mào)易的國際商貿(mào)中心，是全疆政治、文化、經(jīng)濟、科教和交通中心。其位于新疆的中北部，依然是三面環(huán)山北部平原開闊，與塔克拉瑪干大沙漠隔山相望。烏魯木齊是世界上距離海洋最遠的城市，屬于中溫帶大陸性干旱氣候。由于特殊的地理環(huán)境影響，其并不直接受到塔克拉瑪干大沙漠的直接影響，沙塵暴、揚塵、浮塵等天氣對其影響相對較弱。

1.2 數(shù)據(jù)來源及處理

數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站公布的全國城市空氣質(zhì)量實時發(fā)布平臺（http：//106.37.208.233：20035/），共收集了喀什和烏魯木齊兩個城市2016年全年標(biāo)況下PM2.5、SO2、NO2、CO和O3（8h）的每天24個小時平均濃度。依據(jù)GB 3095—2012《空氣質(zhì)量標(biāo)準(zhǔn)》計算出五項污染物的日均值濃度，并依據(jù)該文件中對各污染物數(shù)據(jù)統(tǒng)計有效性和統(tǒng)計時效的有關(guān)規(guī)定，檢查審核該數(shù)據(jù)的可用性。剔除不符合規(guī)定的日均值數(shù)據(jù)后，喀什和烏魯木齊分別剩余361d和358d的大氣數(shù)據(jù)，日可用數(shù)據(jù)中共包含PM2.5、SO2、NO2、CO、O3（8h）5項污染物的質(zhì)量濃度數(shù)據(jù)，最后對該數(shù)據(jù)進行分地點分季節(jié)的統(tǒng)計整理。

根據(jù)GB 3095—2012檢測喀什和烏魯木齊兩地2016年P(guān)M2.5濃度數(shù)據(jù)結(jié)果顯示：①喀什地區(qū)PM2.5濃度超過GB 3095—2012二級質(zhì)量標(biāo)準(zhǔn)的天數(shù)在春、夏、秋、冬四季分別為79、56、30和91 d，全年超標(biāo)天數(shù)為256 d，超標(biāo)率高達到70.9%；②烏魯木齊PM2.5濃度超標(biāo)天數(shù)在春、夏、秋、冬分別為44d、2d、3d和71 d，全年超標(biāo)天數(shù)為138 d，超標(biāo)率為38.5%。烏魯木齊全年的PM2.5質(zhì)量濃度超二級標(biāo)準(zhǔn)天數(shù)同比喀什下降了32.4%，可明顯看出烏魯木齊受塔克拉瑪干大沙漠的風(fēng)沙天氣影響較小。

2 研究方法

2.1正態(tài)分布檢驗

運用SPSS 18.0軟件對從中國環(huán)境監(jiān)測總站公布的全國城市空氣質(zhì)量實時發(fā)布平臺獲取的喀什和烏魯木齊兩地區(qū)2016年361d和358d的PM2.5數(shù)據(jù)分別進行Q-Q圖的正態(tài)分布檢驗，驗證其數(shù)據(jù)是否與理論正態(tài)分布曲線有著顯著地差異，若如顯著差異，則滿足正態(tài)分布，可進行下一步相關(guān)性分析。

2.2 相關(guān)性分析

運用SPSS 18.0軟件對喀什和烏魯木齊2016年4個季節(jié)的5類污染物〔PM2.5、SO2、NO2、CO、O3（8 h）〕進行線性相關(guān)分析，直接可看到各地區(qū)不同季節(jié)中每種污染物之間的相關(guān)性系數(shù)，可大致推斷出影響該地區(qū)不同季節(jié)的主要污染因子。由相關(guān)的共線性診斷結(jié)果可初步剔除各污染物中存在嚴(yán)重共線性的因子。

2.3 最優(yōu)回歸模型的建立

運用單因變量偏最小二乘回歸法（PLS1）建立不同地區(qū)不同季節(jié)各自的最優(yōu)線性回歸方程，可依據(jù)模型建立過程中的顯著性檢驗（F檢驗和T檢驗）剔除不符合要求或?qū)M2.5影響不大的自變量，確保所建立的最優(yōu)方程有解且有合理的解[28-38]。

2.4 通徑分析

利用通徑分析法更加直觀地計算出自變量與因變量（PM2.5）之間的直接作用系數(shù)、間接作用系數(shù)和總作用系數(shù)，更加客觀和直觀的體會到四項大氣污染物對PM2.5濃度變化的直接影響、通過其他空氣污染物的間接影響以及污染物之間的總作用影響

3 結(jié)果與討論

3.1 正態(tài)分布檢驗

分別將喀什和烏魯木齊兩地的可用數(shù)據(jù)中的PM2.5數(shù)據(jù)分季節(jié)性地進行自然對數(shù)的Q-Q圖檢驗，結(jié)果如圖1所示。由圖1可看出，2016年喀什和烏魯木齊兩市全年的PM2.5數(shù)據(jù)均高度符合正態(tài)分布檢驗，其中烏魯木齊市的數(shù)據(jù)波動較大，可能與其受風(fēng)沙季節(jié)性變化影響有關(guān)，而喀什全年數(shù)據(jù)波動較小，也從另一個角度印證了數(shù)據(jù)處理階段分析的全年四個季節(jié)中PM2.5超國家二級標(biāo)準(zhǔn)的占比都較大相呼應(yīng)?？傮w來說，本研究中所采用的喀什和烏魯木齊兩地點的數(shù)據(jù)準(zhǔn)確，與理論正態(tài)分布均無顯著差異，滿足正態(tài)分布，為有效數(shù)據(jù)，可進一步進行相關(guān)性分析。

3.2 相關(guān)性分析

該章節(jié)中，假設(shè)PM2.5為因變量（Y），SO2、NO2、CO、O3（8 h）分別為自變量X1、X2、X3、X4，運用SPSS軟件對喀什和烏魯木齊2016年春夏秋冬四季5類污染物的質(zhì)量濃度數(shù)據(jù)進行相關(guān)性分析，相關(guān)性標(biāo)準(zhǔn)及結(jié)果列于表1至表3中。

由表2可知，喀什地區(qū)四季的PM2.5與O3（8 h）均為負相關(guān)，且相關(guān)性均在均在0.01或0.05水平（雙側(cè)）上顯著相關(guān)；春、夏兩季的PM2.5與SO2、NO2、CO之間相關(guān)性均不大，相關(guān)性最大絕對值僅為0.133；秋冬兩季的NO2、CO均與在0.01的水平（雙側(cè)）上顯著性正相關(guān)，和O3（8 h）在0.01水平（雙側(cè)）上具有顯著的負相關(guān)，與SO2的相關(guān)性較弱，且秋季為負相關(guān)，冬季為正相關(guān)；秋冬兩季各污染物的與PM2.5的相關(guān)系數(shù)都遠遠大于春夏兩季。

由表3烏魯木齊的相關(guān)性分析結(jié)果可知，除O3（8 h）在春、夏、秋、冬四個季節(jié)中與PM2.5均為負相關(guān)外，其余三項大氣污染物（SO2、NO2、CO）在春、夏、秋、冬四個季節(jié)中均與PM2.5有正相關(guān)，且秋冬兩季比春夏兩季的相關(guān)性更顯著春；在四個季節(jié)中，與PM2.5存在正相關(guān)的三項污染物的相關(guān)性系數(shù)基本都遵循CO﹥NO2﹥SO2，因此我們大概可以認(rèn)為在烏魯木齊地區(qū)，大氣污染物影響質(zhì)量濃度關(guān)系密切程度由大到小分別為CO、NO2、SO2，與喀什的規(guī)律基本吻合；春夏兩季與O3（8 h）具有較弱的負相關(guān)，秋冬兩季則與O3（8 h）在0.01水平（雙側(cè)）上具有顯著的負相關(guān)，這與喀什O3（8 h）與PM2.5的關(guān)系的規(guī)律上顯示出一致性；四個季節(jié)中，秋季的每項污染物相關(guān)系數(shù)都是最大的，結(jié)合上文統(tǒng)計的烏魯木齊秋季PM2.5質(zhì)量濃度超國家二級標(biāo)準(zhǔn)的天數(shù)僅3天，可知對烏魯木齊而言，風(fēng)沙天存在較少時，大氣中的污染物與PM2.5質(zhì)量濃度會存在較為顯著的相關(guān)性，換言之，即風(fēng)沙天氣的發(fā)生會減少或削減大氣中污染物對PM2.5質(zhì)量濃度的影響作用。

由表4可知，4個自變量都存在不同程度的共線性，但烏魯木齊的各項污染物的共線性普遍大于喀什地區(qū)，且烏魯木齊春季NO2和CO的方差膨脹因子（Variance Inflation Factor，VIF）為10.809和14.703，均大于10，說明烏魯木齊春季的NO2和CO2個污染因子之間存在嚴(yán)重共線性，阻礙下文PLS1回歸模型中最優(yōu)方程的建立。故考慮在下文最優(yōu)方程建立的過程中分別剔除其中一個進行檢驗，選取最優(yōu)模型。

3.3 PM2.5的PLS1回歸模型的建立及顯著性檢驗

運用最小二乘法分別對喀什和烏魯木齊兩地區(qū)2016年春、夏、秋、冬4個季節(jié)的數(shù)據(jù)進行PLS1最優(yōu)回歸模型的建立，并進行顯著性檢驗，其中包括回歸效果檢驗（F檢驗）和回歸系數(shù)檢驗（T檢驗）。若模型未通過檢驗，則剔除檢驗未通過的污染因子后重新建立最優(yōu)模型，直至模型中污染因子均通過顯著性檢驗方得到最優(yōu)回歸模型。

在建模過程中，因未通過顯著性檢驗而剔除的數(shù)據(jù)在喀什為：春夏季的SO2和CO，秋季的SO2和NO2以及冬季的NO2和O3（8 h）；烏魯木齊的剔除數(shù)據(jù)為：春季的SO2和O3（8 h），夏季的O3（8 h），以及秋冬季的SO2和NO2。最終得出四季的最優(yōu)回歸模型為：

由兩地的最優(yōu)回歸方程可知：喀什地區(qū)春、夏季中導(dǎo)致PM2.5濃度變化的主要污染因子均為NO2和O3（8 h），秋季的主要污染因子為CO和O3（8 h），冬季為SO2和CO，O3（8 h）是喀什2016年春、夏、秋三個季節(jié)中影響PM2.5濃度變化的共有的主要污染因子；烏魯木齊地區(qū)春季引起PM2.5濃度變化的主要污染因子為NO2和CO，夏季比春季多一項SO2，秋冬季的主要影響因子均為CO和O3（8 h），CO是烏魯木齊2016年全年四個季節(jié)中影響PM2.5濃度變化的共有的污染因子。值得注意的是，喀什與烏魯木齊兩地秋季的主要影響因子均為CO和O3（8 h），該一致性表明這兩個污染因子可能在具有季節(jié)性，且易在秋季發(fā)生反應(yīng)影響PM2.5的濃度變化。

兩個城市四季的最終回歸模型的擬合優(yōu)度（R2）分別為喀什的0.301、0.262、0.626、0.840和烏魯木齊的0.307、0.208、0.805、0.879，且均通過顯著性檢驗，回歸效果檢驗達到顯著水平，其結(jié)果見表5。

3.4 PM2.5的PLS1回歸模型的通徑分析

利用最優(yōu)回歸模型對喀什和烏魯木齊兩地不同季節(jié)的不同污染物之間的作用系數(shù)進行更加精準(zhǔn)的計算，得出相對應(yīng)的通徑分析結(jié)果，列于表5。

通徑分析喀什結(jié)果顯示，①喀什地區(qū)除秋冬季的CO對PM2.5的作用系數(shù)為正系數(shù)外，其余季節(jié)的污染因子的總作用系數(shù)均為負值，說明喀什地區(qū)SO2、NO2及O3（8h）的存在會在一定程度上阻礙PM2.5質(zhì)量濃度的增長，而CO的存在會導(dǎo)致空氣中的污染物發(fā)生某些化學(xué)反應(yīng)促進PM2.5質(zhì)量濃度的增長；②全部污染因子的直接作用系數(shù)絕對值均大于間接作用系數(shù)的絕對值，說明在各項大氣污染物的相互作用中仍是直接作用占主導(dǎo)地位；③其中，冬季CO的總作用系數(shù)絕對值最大，為0.950，可能與冬季采暖釋放出大量的CO有關(guān)。

烏魯木齊的通徑結(jié)果顯示，①在四個季節(jié)得出的9組總作用系數(shù)中，僅有兩組數(shù)據(jù)為負值，其余均為正系數(shù)，這與喀什大部分均為負系數(shù)的結(jié)果截然相反，可能與烏魯木齊距離塔克拉瑪干大沙漠較遠，受到風(fēng)沙天氣影響的較小的因素有關(guān)，換言之，即在沙塵天氣發(fā)生頻率較小的地區(qū)，大氣中的污染物會更容易相互之間發(fā)生化學(xué)反應(yīng)或其他反應(yīng)從而促進PM2.5質(zhì)量濃度的提高；②四項污染物的直接作用系數(shù)仍大于間接作用系數(shù)，占主導(dǎo)地位；③總作用系數(shù)絕對值最大的仍然是CO，為2.793，是喀什最大值的2.94倍，但出現(xiàn)季節(jié)為春季，這與烏魯木齊特殊的地理條件造就該地冬季特別長有關(guān)。

4 結(jié)論與建議

從相關(guān)分析來看，喀什和烏魯木齊兩市秋冬季的大氣污染物與PM2.5的相關(guān)性顯著均高于春夏兩季的相關(guān)系數(shù)，且喀什的差異更顯著，說明秋冬季節(jié)中，大氣中的主要污染物更容易促進細顆粒物的傳輸和二次顆粒物的產(chǎn)生，且喀什地區(qū)受此影響更為顯著；其中兩地的O3（8 h）均顯示出與PM2.5的顯著性負相關(guān)性，說明其存在會抑制空氣中的某些化學(xué)反應(yīng)從而降低PM2.5污染；而其他三項大氣污染物對PM2.5污染關(guān)系的密切程度大致可確定為CO﹥NO2﹥SO2。

由通徑分析結(jié)果可知，對喀什和烏魯木齊兩地的PM2.5污染關(guān)系最密切的最主要氣態(tài)污染物為CO，且喀什為冬季影響最大，這與苗云閣[38]分析的天津市大氣污染物與細顆粒物中的規(guī)律一致，而烏魯木齊是春季總作用系數(shù)最大，說明無論是沙塵區(qū)還是內(nèi)陸地區(qū)，CO與空氣中細顆粒物濃度的增長都有著密切的關(guān)系，但影響機制與當(dāng)?shù)氐漠a(chǎn)業(yè)結(jié)構(gòu)、生活習(xí)性和地域特征有關(guān)，此處烏魯木齊春季系數(shù)最大的主要原因可能與春季氣候寒冷，“小火爐”現(xiàn)象普遍有關(guān)，因而提高燃煤利用率、使用清潔煤、實現(xiàn)零碳排放等措施應(yīng)在全國范圍內(nèi)大力推進。而在喀什地區(qū)，除CO外的其他主要污染物在四季中對PM2.5的通徑總系數(shù)均為負值，而烏魯木齊僅在春夏兩季中出現(xiàn)負值，結(jié)合兩地四季的PM2.5質(zhì)量濃度可知，該結(jié)果與兩地不同季節(jié)受風(fēng)沙影響不同有關(guān)，換言之，即沙塵暴或風(fēng)沙天氣的存在會削弱大氣污染物對PM2.5濃度污染的貢獻，甚至?xí)璧K其進一步生成二次污染物。烏魯木齊夏季NO2對PM2.5濃度變化的總作用系數(shù)高達0.838，說明其貢獻率極大，烏魯木齊的產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟地位決定這該地區(qū)人口數(shù)量和汽車保有量要遠高于喀什地區(qū)，故合理的控制和凈化汽車尾氣、大力推進綠色交通產(chǎn)業(yè)對烏魯木齊市來講迫在眉睫。由于烏魯木齊屬新疆的避暑勝地，夏季溫度不高，故夏季O3（8 h）等光化學(xué)氧化劑未對PM2.5污染產(chǎn)生極大影響，但卻列入了秋冬季的最優(yōu)回歸方程中，說明其危害性仍是存在的，故一定程度上注意減少類似光化學(xué)氧化劑的產(chǎn)生，仍降低細顆粒物的污染程度。同苗云閣等人的天津市研究結(jié)果相同，4種大氣污染物對PM2.5污染起主導(dǎo)作用的仍為直接作用影響，但其間接作用同樣不容忽視。

該研究在針對喀什的通徑分析結(jié)果中，大部分總作用系數(shù)結(jié)果顯示為負值，而烏魯木齊則僅在春夏兩季存在少量負值，符合兩地PM2.5的季節(jié)分布規(guī)律，總結(jié)為負值的存在與風(fēng)沙天氣有著密不可分的關(guān)系。但該研究數(shù)據(jù)量僅一年，建議后期研究中，擴充數(shù)據(jù)量后充實該結(jié)論。

參考文獻：

[1]伊爾夏提·艾力. 塔克拉瑪干沙漠南緣民豐地區(qū)氣候與沙塵氣溶膠觀測分析[D]. 新疆大學(xué)， 2012.

[2]Zhai P， Sun A， Ren F， et al. Changes of Climate Extremes in China[J]. Climatic Change， 1999， 42（1）：203-218.

[3]Wang H， Chen Y， Xun S， et al. Changes in daily climate extremes in the arid area of northwestern China[J]. Theoretical and Applied Climatology， 2013， 112（1）：15-28.

[4]Plummer N， Salinger M J， Nicholls N， et al. Changes in Climate Extremes Over the Australian Region and New Zealand During the Twentieth Century[J]. Climatic Change， 1999， 42（1）：183-202.

[5]高衛(wèi)東， 姜巍. 塔克拉瑪干沙漠西部和南部沙塵暴的形成及危害[J]. 干旱區(qū)資源與環(huán)境， 2002， 16（3）：64-70.

[6]Li H J， Yang X H， Zhao Y， et al. The atmospheric circulation patterns influencing the frequency of spring sand-dust storms in the Tarim Basin[J]. 寒旱區(qū)科學(xué)（SCIENCES IN COLD AND ARID REGIONS）， 2014（2）：168-173.

[7]王文彩. 沙塵氣溶膠的傳輸和氣候效應(yīng)的觀測研究[D]. 蘭州大學(xué)， 2013.

[8]劉建慧. 全球主要沙塵源區(qū)分布及沙塵氣溶膠半球傳輸?shù)哪M研究[D]. 南京信息工程大學(xué)， 2014.

[9]Wang J， Hong W， Wu X， et al. Physical and Chemical Characteristics of Individual Particle during a Typical Haze Episode in Urumqi， Xinjian， China[J]. 2015.

[10]Guo S J， Chen M. Pollution Characteristic of Atmospheric Carbonyls during One Haze Event in Nanning， South China[J]. Aerosol & Air Quality Research， 2016， 16.

[11]Pang X， Mu Y， Lee X， et al. Influences of characteristic meteorological conditions on atmospheric carbonyls in Beijing， China[J]. Atmospheric Research， 2009， 93（4）：913-919.

[12]劉建慧， 趙天良， 劉煜，等. 沙塵氣溶膠的跨亞歐大陸傳輸對東亞地區(qū)大氣環(huán)境的影響[J]. 環(huán)境科學(xué)學(xué)報， 2014， 34（12）：3102-3111.

[13]付潔， 尚可政， 王式功，等. 我國沙塵氣溶膠的特性及其影響的研究進展[J]. 安徽農(nóng)業(yè)科學(xué)， 2014（12）：3673-3677.

[14]Yin Y， Levin Z， Reisin T G， et al. The effects of giant cloud condensation nuclei on the development of precipitation in convective clouds — a numerical study[J]. Atmospheric Research， 2000， 53（1–3）：91-116.

[15]Jiang H， Xue H， Amit T， et al. Aerosol effects on the lifetime of shallow cumulus[J]. Geophysical Research Letters， 2006， 33（14）：110-118.

[16]Yang H L， Xiao H， Hong Y C. A numerical study of aerosol effects on cloud microphysical processes of hailstorm clouds[J]. Atmospheric Research， 2011， 102（4）：432–443.

[17]莊國順， 郭敬華， 袁蕙，等. 2000年我國沙塵暴的組成、來源、粒徑分布及其對全球環(huán)境的影響及其對全球環(huán)境的影響[J]. 科學(xué)通報， 2001， 46（3）：191-197.

[18]趙效國， 周晶， 王旗，等. 新疆南部兩城市沙塵天氣對成人健康的影響[J]. 環(huán)境與健康雜志， 2011， 28（10）：887-889.

[19]Zanobetti A， Schwartz J， Dockery D W. Airborne particles are a risk factor for hospital admissions for heart and lung disease.[J]. Environmental Health Perspectives， 2000， 108（11）：1071.

[20]Kappos A D， Bruckmann P， Eikmann T， et al. Health effects of particles in ambient air[J]. International Journal of Hygiene & Environmental Health， 2004， 207（4）：399.

[21]Lee J T， Son J Y， Cho Y S. The adverse effects of fine particle air pollution on respiratory function in the elderly[J]. Science of the Total Environment， 2007， 385（1-3）：28.

[22]張素敏. 石家莊市大氣能見度變化與大氣顆粒物的關(guān)系研究[D]. 河北師范大學(xué)， 2009.

[23] 鄭煜，鄧蘭.基于PLS1的哈爾濱市PM2.5與空氣污染物相關(guān)性分析[J].生態(tài)環(huán)境學(xué)報，2014，23（12）：1953-1957.

ZHENG Y，DENG L.Correlation analysis based on PLS1 between and air polltants in Harbin City[J].Ecology and Environment Sciences，2014，23（12）：1953-1957.

[24] 史宇，張建輝，羅海江，等.北京市2012—2013年秋冬季大氣顆粒物污染特征分析[J].生態(tài)環(huán)境學(xué)報，2013，22（9）：1571-1577.

SHI Y，ZHANG Y H，LUO H J ，et al.Analysis of characteristics of atmospheric particulate matter pollution in Beijing during the fall and winter of 2012 to 2013[J].Ecology and Environment Sciences，2013，22（9）：1571-1577.

[25] 黃虹，曾寶強，曹軍驥，等.廣州大學(xué)城大氣PM2.5質(zhì)量濃度與影響因素[J].環(huán)境科學(xué)與技術(shù)，2009，32（5）：103-106.

HUANG H，ZENG B Q，CAO J J，et al.Level of PM2.5 and affecting factors in higher education mega centre，Guangzhou[J].Environmental Science & Technology，2009，32（5）：103-106.

[26] 潘傳信，孫秀萍，余偉，等.下沙空氣PM2.5濃度與影響因素簡析[J].能源環(huán)境保護，2013，27（3）：58-60.

PAN C X，SUN X P，YU W，et al.The preliminary analysis on monitoring results and its influencing factors of PM2.5 in Xiasha[J].Energy Environmental Protection，2013，27（3）：58-60.

[27] 孟曉艷，魏楨，王瑞斌，等.灰霾試點城市PM2.5濃度特征及其影響因素分析[J].環(huán)境科學(xué)與技術(shù)，2013，36（9）：76-80.

MENG X Y，WEI Z，WANG R B，et al.Analysis of variations and affection factors in experimental cities[J].Environmental Science & Technology，2013，36（9）：76-80.

[28] 王惠文.偏最小二乘回歸方法及其應(yīng)用[M]北京：國防工業(yè)出版社，1999.

[29] 杜家菊，陳志偉.使用SPSS線性回歸實現(xiàn)通徑分析的方法[J].生物學(xué)通報，2010，45（2）：4-6.

[30] 杜鵑.通徑分析在Excel和SPSS中的實現(xiàn)[J].陜西氣象，2012（1）：15-18.

[32] 丁元林，孔丹莉，毛宗福.多重線性回歸分析中的常用共線性診斷方法[J].數(shù)理醫(yī)藥學(xué)雜志，2004，17（4）：299-300.

[33] 楊楠.嶺回歸分析在解決多重共線性問題中的獨特作用[J].統(tǒng)計與決策，2004（3）：14-15.

[34] 馬雄威.線性回歸方程中多重共線性診斷方法及其實證分析[J].華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2008（2）：78-81.

MA X W.Diagnosis and empirical analysis on multicollinearity in linear regression model[J].Journal of Huazhong Agricultural University（Social Sciences Edition），2008（2）：78-81.

[35 柳麗，魏慶，趙樹安.回歸分析中多重共線性的診斷與處理[J].中國衛(wèi)生統(tǒng)計，1994，11（1）：5-7.

[36] 孟慶和.多元回歸分析中多重共線性的處理[J].中國衛(wèi)生統(tǒng)計，1997，14（1）：49-50.

[37] 周家儀.主成分回歸與特征根回歸[J].中國衛(wèi)生統(tǒng)計，1994，11（特刊）：34-37.

[38]苗云閣， 王健， 馬銀紅，等. 基于PLS1的天津市PM_（2.5）與空氣污染物相關(guān)性分析[J]. 環(huán)境工程技術(shù)學(xué)報， 2017， 7（1）：39-45.