2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

基于PLS1的天津市PM2.5与空气污染物相关性分析

运用相关性分析、单因变量偏最小二乘回归法(PLS1)和通径分析法,研究天津市2014年不同季节(共291 d)SO₂、NO₂、CO、O_{3(8 h)}和O_{3(1 h)}4类主要空气污染物对PM_2.5浓度的直接影响以及间接影响和总作用影响。结果表明:春季与PM_2.5浓度呈显著性相关的污染因子为SO₂、NO₂和CO;夏季为O_{3(8 h)}和CO;秋季为SO₂、NO₂和CO;冬季为SO₂、NO₂、CO和O_{3(8 h)}。冬季的O_{3(1 h)}与O_{3(8 h)}间存在严重的复相关性。剔除未通过T检验和F检验的污染因子后建立的春、夏、秋、冬四季PLS1模型的拟合优度(R ²)分别为0.553、0.323、0.713和0.839,模型拟合良好。通径分析结果显示:各季节中,CO对PM_2.5浓度的影响最大,且存在明显的季节变化,春、夏、秋、冬四季的总作用系数分别为10.810、5.587、6.271和12.500;O_{3(8 h)}在夏季对PM_2.5的总作用系数为0.897;NO₂在春、秋、冬季对PM_2.5的总作用系数分别为0.185、0.338和0.290;各污染因子对PM_2.5的直接作用系数均大于其间接作用系数。     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

攀枝花市大气污染物特征及气象因子关系分析

文章系统分析攀枝花市大气污染物时间、空间、季节变化趋势,揭示大气污染物特征及气象因子关系。基于2014-2020年攀枝花市环境空气质量监测数据,采用统计学的方法分析了2014-2020年攀枝花市6种污染物(PM_2.5、PM₁₀、NO₂、CO、SO₂、O_{3-8 h})的时空变化特征;通过典型相关分析方法,研究了气象因子(气温、湿度、风速、降雨量、气压)对大气污染物浓度的影响。结果表明：从时间来看,攀枝花市PM_2.5、PM₁₀、CO、SO₂近年来呈下降趋势,NO₂浓度呈上升趋势,但均不显著;O_{3-8 h}浓度呈显著上升趋势。从季节来看,PM_2.5和PM₁₀浓度表现为冬季>春季>秋季>夏季,SO₂浓度四季变化不显著,NO₂浓度和CO浓度大小变化顺序为冬季>秋季>春...     

天门市大气污染物特征及其与气象要素关系

文章利用2017年1月1日-2020年6月9日天门市6种主要大气污染物(PM_2.5、PM₁₀、O₃、SO₂、NO₂、CO)质量浓度逐时监测数据,分析了天门市主要大气污染物的月间、日内变化特征及影响。月间PM_2.5、PM₁₀、NO₂、SO₂、CO浓度均为单峰特征,夏季浓度最低,冬季浓度最高;而O₃的浓度月变化呈现出双峰型特征。PM_2.5、PM₁₀、NO₂、SO₂、CO日内呈现双峰型,2个峰值都分别出现在上午及晚上;O₃浓度的日变化表现为单峰型特点,峰值出现在下午。降水对PM_2.5、PM₁₀等颗粒物清除效果显著,但值得注意的是日降水量级在小雨以下,PM_2.5、PM₁₀污染物日浓度...     

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO₂(15.8%),其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...     

毕节市中心城区大气污染物时空分布特征分析

为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明：(1) 2019—2021年毕节市中心城区PM_2.5、PM₁₀、SO₂、CO、NO₂年平均浓度整体呈下降趋势,O₃年平均浓度呈上升趋势。(2) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度月变化大致呈“U”型分布,O₃浓度月变化呈倒“U”型。(3) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O₃浓度季节变化特征为春>夏>秋>冬。(4) PM_2.5、PM_10<...     

沙尘天气对兰州市大气污染物置换和叠加作用

本文分析了2014~2015年兰州市春季沙尘天气期间颗粒污染物PM₁₀、PM_2.5及气态污染物SO₂、NO₂、CO和O₃质量浓度的演变规律.结果表明,沙尘天气造成PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度表现为降低（置换型）或升高（叠加型）,O₃浓度受沙尘天气影响不明显.置换型的PM₁₀和PM_2.5平均质量浓度分别为1086.9和286μg/m³,SO₂、NO₂和CO平均质量浓度分别为16.7、41.0和1.02×103μg/m³.叠加型的PM₁₀和PM_2.5平均质量浓度分别为383.2和116.2μg/m³,SO₂、NO₂和CO平均质量浓度分别为24.5、49.1和1.19×103μg/m³.置换型的PM₁₀和PM_2.5平均质量浓度分别为叠加型的2.8和2.4倍,叠加型的SO₂、NO₂和CO平均质量浓度分别为置换型的1.47、1.2和1.17倍.置换型对应的气象条件为近地面东北方向大风、显著降温和高压,即强冷空气活动时,PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度显著减小,沙尘源地主要为塔克拉玛干沙漠和青藏高原北部地区,影响气流多为1500~6000m高空西北气流.叠加型则为近地面东北风向弱风,气温和气压无明显波动,即弱冷空气活动时,初期PM₁₀和PM_2.5浓度上升,同时SO₂、NO₂和CO浓度略下降,而后PM₁₀和PM_2.5维持高值时SO₂、NO₂和CO浓度亦上升,沙尘源地主要为巴丹吉林沙漠,影响气流多为1500m以下低空西北气流.     

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

兰州市空气污染对儿童呼吸疾病的影响

探讨兰州市空气污染对不同性别和年龄的儿童呼吸疾病就诊人数的影响以及季节性变化.通过收集2013~2017年兰州市空气污染物PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃8h浓度数据、气象数据及3家三甲医院儿童呼吸疾病门诊资料,采用广义相加模型（GAM）控制星期几效应、气象因素、假期效应等混杂因素,分析空气污染物浓度与儿童呼吸系统疾病日门诊量的关系及滞后效应.研究期间,兰州市3家三甲医院儿童呼吸系统疾病日门诊量平均为387人次,范围1~1413人次.单污染物模型结果显示,PM_2.5、NO₂、SO₂、CO均在累积滞后一天（lag01）时效应量达到最大值,其浓度每增加10μg/m³（CO单位为1mg/m³）,儿童呼吸系统疾病就诊人次的超额危险度（ER）及95%可信区间（95% CI）分别为0.245%（95% CI：0.127%~0.363%）,0.568%（95% CI：0.327%~0.808%）,1.661%（95% CI：1.022%~2.302%）,2.245%（95% CI：1.610%~2.883%）;PM₁₀和O₃8h在各滞后天数均无统计学意义.对不同性别、年龄、季节分析发现,性别分层中PM_2.5对女童的影响略高于男童,NO₂、SO₂和CO的影响男童略高于女童;年龄分层发现PM_2.5、NO₂和CO的影响6~14岁组大于0~5岁组,SO₂的影响0~5岁组大于6~14岁组;季节分层中PM_2.5、NO₂、SO₂和CO对门诊量的影响只在冬季有意义,PM₁₀和O₃8h在各个季节均无意义.双污染物模型结果显示,分别调整其他5种污染物后,PM₁₀和O₃8h对儿童呼吸系统疾病门诊量的增加均无统计学意义;调整PM₁₀和O₃8h后,其他污染物呼吸系统疾病门诊量的增加均有统计学意义.兰州空气污染物（PM_2.5、NO₂、SO₂、CO）与呼吸系统疾病门诊量密切相关,并且SO₂和CO浓度增加更易增加儿童呼吸系统疾病的发病风险.性别、年龄和季节对空气污染物和呼吸系统疾病门诊就诊人次的关系有影响.     

基于模糊综合评价的主要大气污染物来源浅析

本文基于四川省21个城市2017年PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃浓度监测数据,运用模糊综合评价法对空气质量状况进行了评价与分析,选用复合污染特征分析研究了主要大气污染物来源。结果表明,2017年全省PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃平均值分别为38μg/m³,60μg/m³,13μg/m³,29μg/m³,1.3 mg/m³,129μg/m³。PM_2.5年均值超过了二级标准浓度35μg/m³限值;21个城市ρ(PM_2.5)/ρ(PM₁₀)在0.40～0.75波动,ρ(NO₂)/ρ(SO₂     

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

生态功能区与毗邻区城市空气污染物异质性：以东北三省为例

评估国家重点生态功能区及毗邻区空气质量时空异质性,对差异性开展空气污染防治具有重要意义。该研究基于2015-2019年东北地区13个生态功能区城市和23个毗邻非生态功能区城市的AQI及6种空气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度数据,采用空间自相关、随机森林模型等方法分析空气污染物时空差异及其驱动因素。结果表明：(1)从时间尺度来看,与2015年相比,2019年除O₃在5年中波动上升且年均浓度值相对较高外,其他的污染物浓度值均呈下降趋势,生态功能区空气质量整体优于非生态功能区。其中SO₂浓度下降幅度(50%)大于NO₂和CO(20%),PM_2.5大于PM₁₀。PM_2.5、PM₁₀、NO₂、SO₂、CO季节变化特征最高值均出现在冬季,O₃...     

基于熵权法的汾渭平原城市空气质量模糊综合评价

为了促进科学减排、精准防治大气污染,选取PM_2.5、PM₁₀、SO₂、CO、NO₂、O₃作为评价因子,通过熵权法建立污染因子权重集,以扩展后的环境空气质量标准为基础,通过计算各评价因子的隶属度,对汾渭平原11个城市不同季节的环境空气质量进行模糊综合评价,得出各城市的大气污染水平及季节变化特征。结果表明:该地区各城市空气质量受季节影响变化大,春、夏、秋季空气质量明显优于冬季,PM_2.5、PM₁₀、SO₂、O₃为主要污染物,评价结果可客观全面地反映该地区不同季节环境空气质量状况。     

2014—2015年关中地区环境空气质量状况对比分析

利用2014—2015年关中地区6个城市6种大气污染物(PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃)监测数据,对比分析了全年环境空气质量变化特征及影响因素。结果表明：就全年的综合情况而言,影响关中地区空气质量的污染物依次为PM_2.5、PM₁₀、NO₂和O₃,呈现以颗粒物污染为主的复合型污染特征。PM₁₀、PM_2.5、SO₂、NO₂、CO浓度的月变化特征均为冬季最高,夏季最低;O₃浓度则表现为夏季最高,冬季最低。2015年关中地区各城市空气质量综合指数较2014年同比均下降,但平均优良天数仅占全年的71.9%,污染现状仍然不容乐观。2015年关中地区SO₂、NO_x和烟（粉）尘总量的减排对减轻环境空气污染起到重要的作用,采暖期内气象因素对空气质量的影响较为明显。     

西藏自治区大气环境质量现状及其未来展望

通过采集2015—2021年西藏自治区共7个城市和地区的SO₂、NO₂、CO、O₃、PM₁₀、PM_2.5等浓度实时监测数据,对污染物的污染特征与现状进行了分析。结果表明：PM_2.5、PM₁₀、SO₂、NO₂、CO年均浓度的变化情况较为稳定,O₃和NO_X浓度呈上升趋势,O₃-8h平均浓度由2015年的105μg/m³上升到2021年的124μg/m³,O₃超标污染天数主要出现在5—8月份;PM_2.5月均浓度变化呈现显著的季节差异,每年夏季(7—9月)PM_2.5的含量较低,11月—次年3月含量较高;大气综合污染指数都<5,优良天数比率98.5%～99.7%。统计年份中,各年度O₃和2015年、2...     

云南边境五城市空气污染物分布特征

利用2015~2021年云南省5个边境城市6种常规大气污染物的质量浓度数据,探究其污染特征、时空变化及空间异质性。结果表明,研究区域污染物年际浓度变化起伏较大,PM₁₀、PM_2.5年均浓度分别为(42.6±8.2),(25.4±4.2)µg/m³,均低于中国《环境空气质量标准》(GB 3095-2012)二级浓度限值。PM、NO₂和O_3-8h月均浓度呈U型变化趋势,其中3月份浓度最高。5个城市PM和NO₂浓度季节变化均表现为:春季>冬季>秋季>夏季,O_3-8h表现为:春季>夏季>秋季>冬季,而CO冬季污染程度最小,SO₂无明显的季节变化规律。根据Sen-MK的逐日浓度趋势分析,污染物总体呈现下降趋势,其中PM₁₀下降速率最高达11×10^-3µg/(m³×d),而O_3-8h呈现上升趋势。变异系数(COD)表明,污染物的空间分布极不均匀,特别是SO₂的COD均大于0.2,春季O_3-8h空间分布更加均匀。Person相关分析表明,PM与NO₂、CO、O_3-8h表现出较强的相关性,且西双版纳(BN)PM与其他大气污染物相关性较其他城市强。     

辽宁辽中县城郊地区大气污染物时空变化及来源特征

以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM_2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O₃),φ(CO),φ(SO₂),φ(NO),φ(NO₂),φ(NO_x*),φ(NH₃)和ρ(PM_2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6 μg/m3. 除SO₂外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O₃)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O₃)在夏季最高,春季最低.一次污染物如CO,SO₂,NO以及PM_2.5的浓度均在冬季达到最大值.地面监测的φ(O₃)和OMI卫星反演的NO₂ 柱浓度的变换趋势相同,但地面观测的φ(O₃)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O₃)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.      

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020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（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.