劉統(tǒng)強(qiáng)， 繩 俊， 劉 瓊,3， 劉平平， 王俐俐， 陳淑儀， 陳勇航

(1. 東華大學(xué) 環(huán)境科學(xué)與工程學(xué)院， 上海 201620；2. 中國地質(zhì)大學(xué)(武漢) 工程學(xué)院，湖北 武漢 430074；3. 上海污染控制與生態(tài)安全研究院， 上海 200092)

近年來，大氣污染防控措施已取得顯著成效，但以PM2.5為主的大氣污染防控形勢依然嚴(yán)峻[1-2]。2019年《中國生態(tài)環(huán)境狀況公報》指出，大氣環(huán)境方面，全國337個地級及以上城市的平均超標(biāo)天數(shù)比例為18%，其中以PM2.5為首要污染物的超標(biāo)天數(shù)占總超標(biāo)天數(shù)的45%，高于其他首要污染物。通常情況下，PM2.5的質(zhì)量濃度不僅受污染源的影響還受氣象要素的影響[3-5]。因此，選取中國三大城市群(京津冀、長三角和珠三角)的3個代表性城市即北京、南京和廣州，以及中國西北和西南的兩個重要中心城市即西寧和昆明，利用這5個城市2015—2017年的氣象觀測站點資料分析各城市站點的PM2.5污染特征，并探究這5個城市站點的PM2.5與氣象要素的關(guān)系。

影響PM2.5質(zhì)量濃度的氣象要素主要包括降水、濕度、溫度和風(fēng)速等[6-7]。王祎頔等[8]對上海近幾年的PM2.5質(zhì)量濃度和氣象要素進(jìn)行分析發(fā)現(xiàn)，當(dāng)東北風(fēng)和東南風(fēng)的累積風(fēng)速達(dá)350 m/s以上時，PM2.5的質(zhì)量濃度減少至35 μg/m3，且降水量越大，PM2.5的質(zhì)量濃度越低。陳錦超等[9]研究發(fā)現(xiàn)，2016年北京春冬兩季PM2.5質(zhì)量濃度與相對濕度呈顯著正相關(guān)關(guān)系，大氣壓較高時易形成霧霾。侯忠新等[10]研究發(fā)現(xiàn)，青島市溫度與PM2.5質(zhì)量濃度呈強(qiáng)正相關(guān)性，而夏季的高溫多雨氣象特點致使PM2.5質(zhì)量濃度降低。于彩霞等[11]研究發(fā)現(xiàn)，當(dāng)風(fēng)速大于4 m/s時合肥較少出現(xiàn)中度及以上污染，并且引發(fā)合肥冬季嚴(yán)重污染日的主導(dǎo)風(fēng)向為西北風(fēng)。Zhang等[12]研究得出，中國東部氣象條件對降低PM2.5質(zhì)量濃度的相對貢獻(xiàn)率為12.2%～50.9%。上述研究大多針對單個城市站點[13-15]，而不同城市站點間的污染狀況及氣象要素存在明顯差異，因此有必要選取不同城市站點進(jìn)行橫向?qū)Ρ?，以探究PM2.5質(zhì)量濃度與氣象要素之間的關(guān)系。

本研究選取的5個城市站點在污染狀況和氣候條件上存在明顯差異。北京站大氣污染較為嚴(yán)重，氣候為典型的北溫帶半濕潤大陸性季風(fēng)氣候；廣州站位于中國南部，屬海洋性亞熱帶季風(fēng)氣候，是中國年平均溫差最小的大城市之一；昆明站海拔較高，屬北緯低緯度亞熱帶-高原山地季風(fēng)氣候，日溫差較大；南京站位于中國東部，四季分明，雨水充沛；西寧站地處中國西北地區(qū)，海拔較高，屬大陸性高原半干旱氣候，年平均日照時間較長。通過統(tǒng)計5個典型城市站點的PM2.5質(zhì)量濃度和氣象要素數(shù)據(jù)，采用定量與定性相結(jié)合的方法分析PM2.5質(zhì)量濃度變化特征及其與氣象要素的關(guān)系，研究結(jié)果可為每個城市制定個性化、針對性的大氣污染防控措施提供依據(jù)。此外，采用相關(guān)性分析和構(gòu)建多元回歸預(yù)測模型的方法討論P(yáng)M2.5質(zhì)量濃度和氣象要素的關(guān)聯(lián)性，為提高不同城市的霾預(yù)測精度提供參考。

1 數(shù)據(jù)來源

所用數(shù)據(jù)為2015—2017年北京、廣州、昆明、南京和西寧5個城市站點(見表1)的氣溫、氣壓、降雨、風(fēng)向、風(fēng)速、相對濕度、日照時數(shù)等氣象數(shù)據(jù)，以及各站點的PM2.5質(zhì)量濃度數(shù)據(jù)。其中，氣象數(shù)據(jù)為日平均數(shù)據(jù)，PM2.5質(zhì)量濃度為小時數(shù)據(jù)。將PM2.5質(zhì)量濃度小時數(shù)據(jù)進(jìn)行日平均后與氣象數(shù)據(jù)進(jìn)行時間一致性匹配，用于分析PM2.5與氣象要素之間的關(guān)系。

表1 5個典型城市站點的基本信息Table 1 Basic information of five typical urban stations

2 5個城市站點的空氣污染特征分析

2.1 空氣質(zhì)量等級分析

根據(jù)24 h內(nèi)PM2.5的平均質(zhì)量濃度將空氣質(zhì)量分為6個等級：優(yōu)(0～35 μg/m3)、良(35～75 μg/m3)、輕度污染(75～115 μg/m3)、中度污染(115～150 μg/m3)、重度污染(150～250 μg/m3)和嚴(yán)重污染(>250 μg/m3)[16]。2015—2017年北京、廣州、昆明、南京和西寧5個城市站點的空氣質(zhì)量頻率分布如圖1所示。由圖1可知，2015—2017年：昆明站的空氣質(zhì)量最優(yōu)，其次為廣州站、西寧站和南京站，北京站空氣質(zhì)量最差。昆明站不存在中度及以上等級污染，空氣質(zhì)量為良好及以上的天數(shù)約占99%；廣州站不存在重度污染和嚴(yán)重污染；南京站2017年的空氣質(zhì)量相比前兩年有明顯改善，空氣質(zhì)量為良好及以上的天數(shù)增加約11%(相比2015年)和7%(相比2016年)；西寧站達(dá)到優(yōu)的空氣質(zhì)量天數(shù)明顯少于南京站，但達(dá)到良及以上的天數(shù)高于南京站；北京站2015和2016年的空氣質(zhì)量為良好及以上的天數(shù)約占當(dāng)年的60%，2017年超過70%，但重度污染和嚴(yán)重污染天數(shù)明顯高于其他城市站點，導(dǎo)致北京市重污染的因素主要是污染排放和區(qū)域地形[17]，其中污染物來源主要包括生活源(39.6%)、交通源(34.6%)和工業(yè)源(20.0%)[18]。整體來看，2015—2017年5個城市站點的空氣質(zhì)量優(yōu)良天數(shù)呈逐年增加趨勢，這與“十三五”規(guī)劃及《大氣污染物防治行動計劃》實施期間大氣污染防治措施取得的效果密切相關(guān)。

圖1 2015—2017年5個城市站點的空氣質(zhì)量等級頻率分布Fig.1 Air quality level frequency distribution from 2015 to 2017 at five urban stations

2.2 PM2.5質(zhì)量濃度的季節(jié)變化

為研究不同季節(jié)PM2.5的質(zhì)量濃度變化情況，對2015—2017年5個城市站點的四季PM2.5質(zhì)量濃度均值進(jìn)行統(tǒng)計，結(jié)果如圖2所示。由圖2可知,5個城市站點的PM2.5質(zhì)量濃度均是夏季最小、冬季最大。在我國北部及西北部城市，秋季中后期到次年春季前期甚至是后期均是采暖期，這使得這些城市的PM2.5質(zhì)量濃度除冬季較高外，春、秋季PM2.5的質(zhì)量濃度也比其他城市高，如北京和西寧。廣州站和南京站的PM2.5質(zhì)量濃度冬季較高則與污染遠(yuǎn)距離傳輸和氣象因素有關(guān)。受我國西北部沙塵的影響，北京站春、夏季的PM2.5質(zhì)量濃度較高。廣州站的PM2.5質(zhì)量濃度全年偏低，這是因為廣州市瀕臨南海及珠江三角洲，地面溫度高、降雨多，導(dǎo)致污染物易擴(kuò)散[7]。昆明市位于云貴高原，空氣質(zhì)量優(yōu)于中東部地區(qū)，并且云貴高原的大氣能見度隨海拔的升高而增大[19]，因此昆明站四季的PM2.5質(zhì)量濃度明顯低于其他城市站點。位于西北地區(qū)的西寧市靠近亞洲主要沙塵源的塔里木盆地，春季沙塵發(fā)生次數(shù)約占全年的1/2，屬于沙塵多發(fā)地區(qū)[20]，導(dǎo)致西寧站春季的PM2.5質(zhì)量濃度偏高。

圖2 5個城市站點的PM2.5質(zhì)量濃度的季節(jié)變化情況Fig.2 Seasonal variation of PM2.5 mass concentration at five urban stations

2.3 PM2.5質(zhì)量濃度的日變化

5個城市站點的PM2.5質(zhì)量濃度24 h均值結(jié)果如圖3所示。由圖3可知，5個城市站點均在16：00—17：00出現(xiàn)較低值。北京站出現(xiàn)微弱的雙峰雙谷，12：00和22：00左右出現(xiàn)極大值，在7：00和17：00左右出現(xiàn)低谷值，2015—2017年最大值均出現(xiàn)在21：00—22：00。廣州站小時均值變化大體上從00:00逐漸降低，16：00—17：00出現(xiàn)最小值，然后逐漸增大直至21：00左右達(dá)到最大值，廣州站的小時均值主要為32～40 μg/m3，分布較為集中。昆明站的分布特征和北京站相似，峰值出現(xiàn)在8：00—10：00，于6：00和17：00左右出現(xiàn)低谷值，其中17:00左右是24 h中的最小值。南京站的最大值出現(xiàn)在10：00—12：00，其中2017年的小時變化更為明顯。西寧站PM2.5質(zhì)量濃度最大值均出現(xiàn)在12：00，2015和2016年P(guān)M2.5質(zhì)量濃度的日變化基本相同。總體來看，PM2.5質(zhì)量濃度在下午出現(xiàn)低谷值。這是由于白天氣溫上升，大氣湍流擴(kuò)散能力增強(qiáng)，促進(jìn)了污染物的垂直擴(kuò)散[21]，而在夜間出現(xiàn)高峰值，這可能是下班高峰期交通工具排出的污染物累積所致[22]。

圖3 5個城市站點的PM2.5質(zhì)量濃度的日變化情況Fig.3 Daily variation of PM2.5 mass concentration at five urban stations

3 氣象要素對PM2.5質(zhì)量濃度的影響

3.1 降雨量對PM2.5質(zhì)量濃度的影響

雨滴下落過程中會與顆粒物發(fā)生碰撞，使得顆粒物溶于雨滴中或附在其表面后沉降到地面，因此降雨是去除顆粒態(tài)污染物的一種有效機(jī)制[23-25]。參考中國氣象局降雨等級劃分標(biāo)準(zhǔn)，根據(jù)24 h累計降雨量，將降雨等級劃分為小雨(<10 mm)、中雨(10～25 mm)、大雨(25～50 mm)和暴雨(>50 mm)，其中西寧站未出現(xiàn)暴雨等級的降水。不同降雨等級下PM2.5質(zhì)量濃度如圖4所示。由圖4可知，隨著降雨等級的提高，5個城市站點的PM2.5質(zhì)量濃度均呈下降趨勢，說明降雨對顆粒污染物有明顯的去除作用，這與胡敏等[26]的研究結(jié)論相一致。廣州站中雨、大雨以及暴雨對PM2.5的清除作用基本一致，其中中雨對PM2.5清除作用最為明顯，使得PM2.5質(zhì)量濃度降至18 μg/m3以下。大氣中的PM2.5存在一個背景質(zhì)量濃度值，只有當(dāng)PM2.5質(zhì)量濃度遠(yuǎn)大于這個背景質(zhì)量濃度值時，降雨才會對PM2.5產(chǎn)生明顯的清除效果，但接近這個背景質(zhì)量濃度值時降雨對PM2.5的清除效果不再明顯[27]。

圖4 PM2.5質(zhì)量濃度與降雨等級的關(guān)系Fig.4 Relationship between PM2.5 mass concentration and rainfall level

3.2 氣壓對PM2.5質(zhì)量濃度的影響

圖5為無降雨時日平均氣壓與PM2.5質(zhì)量濃度的關(guān)系。由圖5可知：北京站的PM2.5質(zhì)量濃度最大值為470.85 μg/m3，對應(yīng)氣壓為101.59 kPa；以該氣壓值為閾值，低于該氣壓時，PM2.5質(zhì)量濃度隨氣壓的升高而增大，而高于該氣壓時，PM2.5質(zhì)量濃度隨氣壓的升高而減小。這是由于當(dāng)氣壓接近101.59 kPa時，通常伴隨微風(fēng)，同時空氣下沉形成逆溫層，增加了大氣的穩(wěn)定度，不利于污染物的擴(kuò)散。當(dāng)氣壓遠(yuǎn)低于101.59 kPa時，偏低的氣壓常常導(dǎo)致強(qiáng)對流天氣，使大氣處于不穩(wěn)定狀態(tài)，易形成降雨，對PM2.5產(chǎn)生沖刷作用。氣壓遠(yuǎn)高于101.59 kPa時，通常伴隨冷空氣過境，冷空氣帶來的大風(fēng)則稀釋了污染物濃度[8]。昆明站和西寧站的氣壓閾值不明顯，其中昆明站PM2.5質(zhì)量濃度隨氣壓的升高而增大。這是因為昆明獨特的三面環(huán)山地理特點使得能影響到昆明的冷空氣非常少，因此昆明站在冬季受高壓控制時PM2.5質(zhì)量濃度較高，但極少有冷空氣過境對污染物進(jìn)行稀釋。

圖5 PM2.5質(zhì)量濃度與氣壓的關(guān)系Fig.5 Relationship between PM2.5 mass concentration and air pressure

3.3 溫濕度對PM2.5質(zhì)量濃度的影響

地面溫度升高會使近地層的氣溶膠污染物易于向高空擴(kuò)散。較高的相對濕度有利于顆粒物的吸濕增長[4]。PM2.5質(zhì)量濃度與溫濕度的關(guān)系如圖6所示。由圖6可知，除西寧站外，其余4個站點的PM2.5質(zhì)量濃度的高值中心均對應(yīng)較高的相對濕度(>70%)。例如：北京站在相對濕度為75%～97%時，PM2.5的質(zhì)量濃度較高；溫度為-5～4 ℃時為北京市的冬季，冬季大氣穩(wěn)定，易出現(xiàn)逆溫層，不利于污染物的擴(kuò)散，并且冬季的燃煤供暖使北京市出現(xiàn)重污染天氣。廣州站在相對濕度大于70%時出現(xiàn)PM2.5質(zhì)量濃度的較高值。南京站和北京站類似，PM2.5質(zhì)量濃度的高值中心出現(xiàn)在相對濕度75%以上，并且這兩個站點的高值中心也對應(yīng)較低的溫度(<10 ℃)。昆明站和西寧站出現(xiàn)兩個較為明顯的高值中心，并且昆明站在相對濕度約為70%、溫度為8和17 ℃處分別出現(xiàn)一個高值中心，而西寧站在相對濕度約為45%、溫度為-5和15 ℃時分別出現(xiàn)了高值中心。

圖6 PM2.5質(zhì)量濃度與溫濕度的關(guān)系Fig.6 Relationship between PM2.5 mass concentration and temperature/humidity

3.4 風(fēng)速對PM2.5質(zhì)量濃度的影響

不同風(fēng)速等級下PM2.5的質(zhì)量濃度均值如圖7所示。由圖7可知：北京站、廣州站、南京站和西寧站PM2.5的質(zhì)量濃度均隨風(fēng)速等級的增大而下降，可見增大風(fēng)速可以稀釋、擴(kuò)散污染物。而昆明站，當(dāng)風(fēng)速從1級增加至3級時，PM2.5質(zhì)量濃度略有下降，但風(fēng)速為4級時，PM2.5質(zhì)量濃度略有上升。這可能是由于昆明市的各重點污染源(如水泥廠、鋁廠等)均分布在主導(dǎo)風(fēng)的上風(fēng)向[28]，因此風(fēng)力的提升未對污染物起到明顯的擴(kuò)散與稀釋作用，甚至PM2.5質(zhì)量濃度隨風(fēng)力等級的增大有小幅增大。

圖7 PM2.5質(zhì)量濃度與風(fēng)力等級的關(guān)系Fig.7 Relationship between PM2.5 mass concentration and wind force

PM2.5質(zhì)量濃度的變化往往受多個氣象要素的共同影響[9-10]?？刂茊我粴庀笠毓潭ú蛔儠r，在其他氣象要素的影響下，PM2.5質(zhì)量濃度并不會保持不變[8]。本節(jié)通過選取具有代表性的單一變量(降雨量、氣壓、溫濕度和風(fēng)速)研究氣象要素對PM2.5質(zhì)量濃度的影響具有一定的局限性。但是通過單一變量分析，可以明確各氣象要素對PM2.5質(zhì)量濃度的影響程度，從而為后文建立PM2.5質(zhì)量濃度的回歸預(yù)測模型提供依據(jù)。

4 PM2.5質(zhì)量濃度回歸預(yù)測模型的構(gòu)建

4.1 氣象要素與PM2.5質(zhì)量濃度的相關(guān)性分析

利用氣象要素與PM2.5質(zhì)量濃度的日平均數(shù)據(jù)計算5個站點的氣象要素和PM2.5日平均質(zhì)量濃度的皮爾遜相關(guān)性系數(shù)[29]，結(jié)果如表2所示。其中，在有明顯降雨的日期只計算降雨量和PM2.5質(zhì)量濃度的相關(guān)性，無降雨的日期計算其他氣象要素和PM2.5質(zhì)量濃度的相關(guān)性。

由表2可知，不同站點間氣象要素與PM2.5質(zhì)量濃度的相關(guān)性存在差異。5個站點的降雨量與PM2.5質(zhì)量濃度均成負(fù)相關(guān)，這主要是由降雨的清除作用所致。氣壓對PM2.5質(zhì)量濃度的影響不大，且不同站點之間的相關(guān)性不同，其中北京站和西寧站的PM2.5質(zhì)量濃度與氣壓成正相關(guān)。氣溫與5個站點的PM2.5質(zhì)量濃度均成負(fù)相關(guān)，且對南京站和西寧站的影響較大。相對濕度對北京站的PM2.5質(zhì)量濃度影響相對明顯。風(fēng)速越大，污染物越容易擴(kuò)散，PM2.5質(zhì)量濃度越低。日照時數(shù)與5個站點的PM2.5質(zhì)量濃度均成負(fù)相關(guān)，且北京站的負(fù)相關(guān)性最為明顯。

表2 5個城市站點的氣象要素與PM2.5質(zhì)量濃度的相關(guān)系數(shù)Table 2 Correlation coefficients between meteorological elements and PM2.5 mass concentration at five urban stations

4.2 回歸預(yù)測模型的建立

多元線性回歸模型主要用于研究一個因變量與多個自變量的線性關(guān)系[30]。基于以上氣象要素并加入前1 d的PM2.5質(zhì)量濃度(x13)建立5個站點的多元線性回歸預(yù)測模型?；貧w預(yù)測模型用到的訓(xùn)練數(shù)據(jù)是5個城市站點2015—2016年的氣象數(shù)據(jù)，北京站、廣州站、昆明站、南京站、西寧站的預(yù)測模型分別如式(1)～(5)所示。

y=-0.657x1-0.009x3-1.283x5+6.982x6-7.062x7+0.214x8+1.263x9+

2.105x10-8.037x11-3.213x12+0.465x13+2.374

(1)

y=-0.063x1-0.001x2-0.236x5+1.090x6-1.014x7+0.038x8-0.317x9-2.103x10-

2.186x11-1.120x12+0.530x13+50.592

(2)

y=-0.157x1-0.001x3+0.065x5+0.566x6-0.863x7-0.131x8+0.082x9-

2.834x10-0.379x11-0.571x12+0.572x13+34.895

(3)

y=-0.240x1+2.317x5+0.245x6-2.989x7+0.325x8-0.240x9-

5.454x10-2.102x11-1.240x12+0.587x13+38.682

(4)

y=-1.049x1+0.001x4+0.043x5+1.010x6-1.443x7+0.064x8+0.070x9-

4.149x10-2.035x11-0.906x12+0.540x13+19.630

(5)

剔除T檢驗p值大于0.05和系數(shù)為0的回歸因子，重新建立北京站、廣州站、昆明站、南京站、西寧站的回歸預(yù)測模型，如式(6)～(10)所示。

y=-0.639x1-0.009x3+6.384x6-7.713x7+1.434x9-7.422x11-3.435x12+

0.470x13+10.352

(6)

y=-0.049x1-0.464x9-2.636x10-2.160x11-1.033x12+0.549x13+65.786

(7)

y=-0.156x1-0.402x7-0.235x8-3.973x10-0.087x12+0.590x13+42.808

(8)

y=-0.232x1-0.521x7-6.569x10-1.904x11-0.256x12+0.599x13+56.671

(9)

y=-0.937x1+0.830x6-1.183x7-4.855x10-2.272x11-0.934x12+0.537x13+30.468

(10)

4.3 回歸預(yù)測模型檢驗

使用第4.2節(jié)中重新建立的回歸預(yù)測模型，對5個站點2017年的PM2.5質(zhì)量濃度進(jìn)行預(yù)測與驗證，結(jié)果如圖8所示。雖然預(yù)測值和實測值之間存在一定偏差，但5個站點的回歸預(yù)測模型可以較好地預(yù)測PM2.5的質(zhì)量濃度。5個站點的回歸模型檢驗參數(shù)如表3所示，R2表示模型的擬合度，廣州站和西寧站的擬合度較好，R2>0.6。造成預(yù)測值和真值存在差異的原因除氣象要素對PM2.5的質(zhì)量濃度產(chǎn)生影響以外，空氣中的一些污染物也會影響PM2.5的質(zhì)量濃度。例如：PM10和二次氣溶膠的前驅(qū)氣體如揮發(fā)性有機(jī)物(VOCs)、氮氧化物(NOx)和硫氧化物(SOx)可通過均相和非均相氧化反應(yīng)生成二次有機(jī)和無機(jī)氣溶膠，從而使PM2.5的質(zhì)量濃度增大[31]。由于模型只考慮了氣象要素，因此造成預(yù)測值與測量值出現(xiàn)差異。

圖8 PM2.5質(zhì)量濃度預(yù)測值和實測值散點圖Fig.8 Scatter diagram of PM2.5 mass concentration predicted values and measured values

表3 回歸模型的檢驗參數(shù)Table 3 Test parameters of the regression model

5 結(jié) 語

選取我國5個典型城市站點分析PM2.5的污染特征，探究不同氣象條件對PM2.5質(zhì)量濃度的影響，得出的主要結(jié)論如下：

(1)2015—2017年5個站點的優(yōu)良天數(shù)有逐年增加趨勢?？諝赓|(zhì)量最優(yōu)的是昆明站，其次為廣州站、西寧站和南京站，最差的是北京站。從季節(jié)變化來看，5個站點的PM2.5質(zhì)量濃度均是夏季最小、冬季最大。從日變化上看，5個站點的PM2.5質(zhì)量濃度均在16：00—17：00出現(xiàn)較低值，北京站與昆明站的PM2.5質(zhì)量濃度呈雙峰、雙谷特征，廣州站的最大值出現(xiàn)在21：00左右，而西寧站的最大值出現(xiàn)在10：00—12：00。

(2)降雨對顆粒污染物有較明顯的去除作用。北京站氣壓值存在一個閾值(約101.59 kPa)，越接近該值，越容易出現(xiàn)重污染，昆明站的PM2.5質(zhì)量濃度與氣壓呈明顯的正相關(guān)關(guān)系。北京站、廣州站、昆明站和南京站的PM2.5質(zhì)量濃度的高值中心對應(yīng)較高的相對濕度(>70%)，其中北京站和南京站的高值中心還對應(yīng)較低的溫度(<10 ℃)。隨著風(fēng)速等級的提高，5個站點的PM2.5質(zhì)量濃度均呈下降趨勢，但是風(fēng)速為4級時，昆明站的PM2.5質(zhì)量濃度略呈上升趨勢。

(3)不同站點之間，氣象要素與PM2.5質(zhì)量濃度的相關(guān)性存在差異。西寧站和南京站的PM2.5與溫度呈較明顯的負(fù)相關(guān)關(guān)系，與其他氣象要素的相關(guān)性較低。日照時數(shù)與5個站點的PM2.5質(zhì)量濃度均成負(fù)相關(guān)，且北京站的負(fù)相關(guān)關(guān)系更為明顯。PM2.5質(zhì)量濃度的回歸預(yù)測模型顯示，5個站點的模型可以較好地預(yù)測PM2.5的質(zhì)量濃度，其中廣州站和西寧站的預(yù)測模型擬合度較好。