典型文献
基于多元时间序列的哈尔滨市PM2.5影响因素分析
文献摘要：
为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2.5的向量自回归(Vector Autoregressive,VAR)模型,选择最优模型为VAR(2),并通过广义脉冲响应和方差分解分析这些因素对PM2.5的影响.研究表明:SO2,NO2,PM10,CO对PM2.5起促进作用;O3,平均气温、极大风速和降水在不同时期对PM2.5发挥不同的作用,在短期内平均气温和O3质量浓度对PM2.5起促进作用,这与它们之间的光化学作用有关,极大风速和降水在短期会对PM2.5起抑制作用,但随后极大风速会对PM2.5起促进作用,这与其会引起地面扬尘有关;长期来看,平均气温和日照时数会对PM2.5起促进作用,这些结果与哈尔滨市的季节变化特征有关.在对哈尔滨市PM2.5治理时应综合应用多种措施,调整产业结构,发展可替代能源.
文献关键词：
PM2.5;时间序列;VAR;广义脉冲响应函数;方差分解
中图分类号：
作者姓名：
甄贞;刘佳宇;牛亚洲;冯新悦;魏庆彬
作者机构：
东北林业大学林学院,哈尔滨150040;东北林业大学森林植物生态学教育部重点实验室,哈尔滨150040;哈尔滨师范大学地理科学学院,哈尔滨150025
文献出处：
引用格式：
[1]甄贞;刘佳宇;牛亚洲;冯新悦;魏庆彬-.基于多元时间序列的哈尔滨市PM2.5影响因素分析)[J].河南师范大学学报（自然科学版）,2022(01):98-107
A类：
B类：
多元时间序列,哈尔滨市,PM2,空气污染物,气象因子,动态关系,空气质量,质量数据,气象观测,观测数据,时间序列模型,SO2,NO2,PM10,O3,平均气温,极大风速,降水量,日照时数,平均气压,向量自回归,Vector,Autoregressive,VAR,最优模型,方差分解,分解分析,在短期内,内平,光化学作用,期会,扬尘,季节变化,综合应用,替代能源,广义脉冲响应函数
AB值：
0.304255
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
