《表4 西安市2016年2月6—14日ρ(PM2.5)与气象要素观测值的相关系数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《持续鞍型场导致的西安市PM_(2.5)重污染过程分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:**表示在0.01水平上显著相关．

综上，ρ（PM2.5）的积累与消散与风速、风向密切相关，风速的增大利于污染物的远程输送或消散，风速减小导致污染物的积累[49-50]．由表4可见:ρ（PM2.5）与风速、气压、气温和相对湿度均有良好的相关性．但ρ（PM2.5）与气象要素的变化不完全同步，存在一定的滞后相关性．在滞后0 h上，ρ（PM2.5）与风速、气压和能见度均呈显著负相关，相关系数分别为-0.45、-0.74、-0.70；ρ（PM2.5）与气温、相对湿度均呈正相关，相关系数分别为0.31和0.04．该研究结果与已有研究结果一致，如黄少妮等[23]指出在关中盆地，当ρ（PM2.5）<100μgm3时，相对湿度较低（<60%）；当ρ（PM2.5）>100μgm3时，相对湿度较高（<70%）；能见度随ρ（PM2.5）的增加而降低．王跃等[19]发现，较大的日温差会导致夜间较强的逆温层，有利于夜间污染物的积累，同时较低的风速使得污染物停滞难以输出，最终形成污染．在滞后3 h上，ρ（PM2.5）与风速、气压和能见度均呈负相关，相关系数分别为-0.47、-0.72、-0.64；ρ（PM2.5）与气温、相对湿度均呈正相关，相关系数分别为0.28和0.02．与滞后0和3 h不同，滞后6 h的ρ（PM2.5）与相对湿度呈负相关，可能与相对湿度在6 h内出现反向变化有关．就风速、气压、气温、相对湿度、能见度而言，与之相关性最强的分别为滞后3、0、6、3、0 h的ρ（PM2.5）．从滞后0、3、6 h上来看，ρ（PM2.5）与气压的关系均最显著，相关性均高于0.7（P<0.01）．综上，ρ（PM2.5）与风速、气压和能见度的相关性均较强，与相对湿度的相关性较弱．