谷超　苗云閣　王健　馬銀紅

摘 要：通過(guò)對(duì)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(cè)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(huì)削減或抑制污染物對(duì)細(xì)顆粒物污染的加劇。而通徑分析結(jié)果顯示：①對(duì)喀什和烏魯木齊兩地的PM2.5污染關(guān)系最密切的最主要?dú)鈶B(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(duì)PM2.5的總作用系數(shù)均為負(fù)值，進(jìn)一步印證了沙塵天氣的發(fā)生會(huì)抑制PM2.5污染的加劇結(jié)論。③烏魯木齊夏季NO2對(duì)PM2.5濃度變化的總作用系數(shù)高達(dá)0.838，與其產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)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(duì)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(duì)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(lái)城市化和現(xiàn)代化進(jìn)程的快速發(fā)展，導(dǎo)致了我國(guó)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(yuǎn)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(wèn)題已經(jīng)受到國(guó)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(shí)間內(nèi)驟然上升、空氣濕度下降、能見(jiàn)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(jiàn)度降低、空氣重度污染的主要原因，且長(zhǎng)期生活在該環(huán)境下的人群會(huì)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(jī)制對(duì)于掌控和治理大氣污染問(wèn)題有著直接和高效的指導(dǎo)意義。

目前，對(duì)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(jìn)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(duì)距大沙漠較遠(yuǎn)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(xiàng)有代表性的大氣污染物質(zhì)量濃度數(shù)據(jù)進(jìn)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(duì)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(duì)比發(fā)現(xiàn)相同季節(jié)下不同地區(qū)的影響機(jī)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(jī)理的異同點(diǎn)，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(duì)性的提出和開(kāi)展沙塵區(qū)域不同季節(jié)對(duì)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(kāi)，敞開(kāi)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(zhǎng)，蒸發(fā)強(qiáng)，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(guó)西北地區(qū)重要的中心城市和溝通東西國(guó)家貿(mào)易的國(guó)際商貿(mào)中心，是全疆政治、文化、經(jīng)濟(jì)、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(kāi)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(yuǎn)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(yáng)塵、浮塵等天氣對(duì)其影響相對(duì)較弱。

1.2 數(shù)據(jù)來(lái)源及處理

數(shù)據(jù)來(lái)源于中國(guó)環(huán)境監(jiān)測(cè)總站公布的全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)（http：//106.37.208.233：20035/），共收集了喀什和烏魯木齊兩個(gè)城市2016年全年標(biāo)況下PM2.5、SO2、NO2、CO和O3（8h）的每天24個(gè)小時(shí)平均濃度。依據(jù)GB 3095—2012《空氣質(zhì)量標(biāo)準(zhǔn)》計(jì)算出五項(xiàng)污染物的日均值濃度，并依據(jù)該文件中對(duì)各污染物數(shù)據(jù)統(tǒng)計(jì)有效性和統(tǒng)計(jì)時(shí)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(xiàng)污染物的質(zhì)量濃度數(shù)據(jù)，最后對(duì)該數(shù)據(jù)進(jìn)行分地點(diǎn)分季節(jié)的統(tǒng)計(jì)整理。

根據(jù)GB 3095—2012檢測(cè)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(guò)GB 3095—2012二級(jí)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(dá)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(jí)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(yàn)

運(yùn)用SPSS 18.0軟件對(duì)從中國(guó)環(huán)境監(jiān)測(cè)總站公布的全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)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(jìn)行Q-Q圖的正態(tài)分布檢驗(yàn)，驗(yàn)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(jìn)行下一步相關(guān)性分析。

2.2 相關(guān)性分析

運(yùn)用SPSS 18.0軟件對(duì)喀什和烏魯木齊2016年4個(gè)季節(jié)的5類污染物〔PM2.5、SO2、NO2、CO、O3（8 h）〕進(jìn)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(yùn)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(guò)程中的顯著性檢驗(yàn)（F檢驗(yàn)和T檢驗(yàn)）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(jì)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(huì)到四項(xiàng)大氣污染物對(duì)PM2.5濃度變化的直接影響、通過(guò)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(yàn)

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(jìn)行自然對(duì)數(shù)的Q-Q圖檢驗(yàn)，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(yàn)，其中烏魯木齊市的數(shù)據(jù)波動(dòng)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(dòng)較小，也從另一個(gè)角度印證了數(shù)據(jù)處理階段分析的全年四個(gè)季節(jié)中PM2.5超國(guó)家二級(jí)標(biāo)準(zhǔn)的占比都較大相呼應(yīng)?？傮w來(lái)說(shuō)，本研究中所采用的喀什和烏魯木齊兩地點(diǎn)的數(shù)據(jù)準(zhǔn)確，與理論正態(tài)分布均無(wú)顯著差異，滿足正態(tài)分布，為有效數(shù)據(jù)，可進(jìn)一步進(jìn)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(yùn)用SPSS軟件對(duì)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(jìn)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(fù)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(duì)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(fù)相關(guān)，與SO2的相關(guān)性較弱，且秋季為負(fù)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(yuǎn)遠(yuǎn)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(gè)季節(jié)中與PM2.5均為負(fù)相關(guān)外，其余三項(xiàng)大氣污染物（SO2、NO2、CO）在春、夏、秋、冬四個(gè)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(gè)季節(jié)中，與PM2.5存在正相關(guān)的三項(xiàng)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(fù)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(fù)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(gè)季節(jié)中，秋季的每項(xiàng)污染物相關(guān)系數(shù)都是最大的，結(jié)合上文統(tǒng)計(jì)的烏魯木齊秋季PM2.5質(zhì)量濃度超國(guó)家二級(jí)標(biāo)準(zhǔn)的天數(shù)僅3天，可知對(duì)烏魯木齊而言，風(fēng)沙天存在較少時(shí)，大氣中的污染物與PM2.5質(zhì)量濃度會(huì)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(huì)減少或削減大氣中污染物對(duì)PM2.5質(zhì)量濃度的影響作用。

由表4可知，4個(gè)自變量都存在不同程度的共線性，但烏魯木齊的各項(xiàng)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(shuō)明烏魯木齊春季的NO2和CO2個(gè)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(guò)程中分別剔除其中一個(gè)進(jìn)行檢驗(yàn)，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(yàn)

運(yùn)用最小二乘法分別對(duì)喀什和烏魯木齊兩地區(qū)2016年春、夏、秋、冬4個(gè)季節(jié)的數(shù)據(jù)進(jìn)行PLS1最優(yōu)回歸模型的建立，并進(jìn)行顯著性檢驗(yàn)，其中包括回歸效果檢驗(yàn)（F檢驗(yàn)）和回歸系數(shù)檢驗(yàn)（T檢驗(yàn)）。若模型未通過(guò)檢驗(yàn)，則剔除檢驗(yàn)未通過(guò)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(guò)顯著性檢驗(yàn)方得到最優(yōu)回歸模型。

在建模過(guò)程中，因未通過(guò)顯著性檢驗(yàn)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(gè)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(xiàng)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(gè)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(gè)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(gè)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(guò)顯著性檢驗(yàn)，回歸效果檢驗(yàn)達(dá)到顯著水平，其結(jié)果見(jiàn)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(duì)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(jìn)行更加精準(zhǔn)的計(jì)算，得出相對(duì)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(duì)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(fù)值，說(shuō)明喀什地區(qū)SO2、NO2及O3（8h）的存在會(huì)在一定程度上阻礙PM2.5質(zhì)量濃度的增長(zhǎng)，而CO的存在會(huì)導(dǎo)致空氣中的污染物發(fā)生某些化學(xué)反應(yīng)促進(jìn)PM2.5質(zhì)量濃度的增長(zhǎng)；②全部污染因子的直接作用系數(shù)絕對(duì)值均大于間接作用系數(shù)的絕對(duì)值，說(shuō)明在各項(xiàng)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(duì)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(gè)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(fù)值，其余均為正系數(shù)，這與喀什大部分均為負(fù)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(yuǎn)，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(huì)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(jìn)PM2.5質(zhì)量濃度的提高；②四項(xiàng)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(duì)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?xiàng)l件造就該地冬季特別長(zhǎng)有關(guān)。

4 結(jié)論與建議

從相關(guān)分析來(lái)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(shuō)明秋冬季節(jié)中，大氣中的主要污染物更容易促進(jìn)細(xì)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(fù)相關(guān)性，說(shuō)明其存在會(huì)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(xiàng)大氣污染物對(duì)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(duì)喀什和烏魯木齊兩地的PM2.5污染關(guān)系最密切的最主要?dú)鈶B(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(xì)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(shuō)明無(wú)論是沙塵區(qū)還是內(nèi)陸地區(qū)，CO與空氣中細(xì)顆粒物濃度的增長(zhǎng)都有著密切的關(guān)系，但影響機(jī)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(shí)現(xiàn)零碳排放等措施應(yīng)在全國(guó)范圍內(nèi)大力推進(jìn)。而在喀什地區(qū)，除CO外的其他主要污染物在四季中對(duì)PM2.5的通徑總系數(shù)均為負(fù)值，而烏魯木齊僅在春夏兩季中出現(xiàn)負(fù)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(huì)削弱大氣污染物對(duì)PM2.5濃度污染的貢獻(xiàn)，甚至?xí)璧K其進(jìn)一步生成二次污染物。烏魯木齊夏季NO2對(duì)PM2.5濃度變化的總作用系數(shù)高達(dá)0.838，說(shuō)明其貢獻(xiàn)率極大，烏魯木齊的產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)地位決定這該地區(qū)人口數(shù)量和汽車保有量要遠(yuǎn)高于喀什地區(qū)，故合理的控制和凈化汽車尾氣、大力推進(jìn)綠色交通產(chǎn)業(yè)對(duì)烏魯木齊市來(lái)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(duì)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(shuō)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(xì)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(duì)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(duì)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(fù)值，而烏魯木齊則僅在春夏兩季存在少量負(fù)值，符合兩地PM2.5的季節(jié)分布規(guī)律，總結(jié)為負(fù)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?jī)H一年，建議后期研究中，擴(kuò)充數(shù)據(jù)量后充實(shí)該結(jié)論。

參考文獻(xiàn)：

[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(cè)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(cè)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(duì)東亞地區(qū)大氣環(huán)境的影響[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2014， 34（12）：3102-3111.

[13]付潔， 尚可政， 王式功，等. 我國(guó)沙塵氣溶膠的特性及其影響的研究進(jìn)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(guó)順， 郭敬華， 袁蕙，等. 2000年我國(guó)沙塵暴的組成、來(lái)源、粒徑分布及其對(duì)全球環(huán)境的影響及其對(duì)全球環(huán)境的影響[J]. 科學(xué)通報(bào)， 2001， 46（3）：191-197.

[18]趙效國(guó)， 周晶， 王旗，等. 新疆南部?jī)沙鞘猩硥m天氣對(duì)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(jiàn)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(bào)，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(bào)，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(qiáng)，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(jiǎn)析[J].能源環(huán)境保護(hù)，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(diǎn)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(guó)防工業(yè)出版社，1999.

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

[30] 杜鵑.通徑分析在Excel和SPSS中的實(shí)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(wèn)題中的獨(dú)特作用[J].統(tǒng)計(jì)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(shí)證分析[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)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(guó)衛(wèi)生統(tǒng)計(jì)，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(guó)衛(wèi)生統(tǒng)計(jì)，1997，14（1）：49-50.

[37] 周家儀.主成分回歸與特征根回歸[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，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(bào)， 2017， 7（1）：39-45.