《表1 PM2.5浓度与大气污染观测及GNSS PWV、风速的相关性统计》

  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

《融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究》

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：PM2.5浓度与大气污染观测、GNSS水汽、风俗的相关性检验的显著性值均为0

首先进行PM2.5浓度与大气污染观测及GNSS PWV、风速的相关性比较。表1为城市PM2.5浓度与大气污染及GNSS PWV、风速的相关性统计结果。由表1可以看出，PM2.5与大气污染观测之间呈显著正相关，是因为氮氧化物和硫氧化物进入空气中经过相互作用生成二次细小粒子，进一步增加空气中的PM2.5浓度[13]。PM2.5与GNSS PWV呈正相关，分析其原因为，该段时间内没有发生大规模的降水，春季气温较低，煤炭燃烧产生大量的硫氧化物和氮氧化物与空气中的PWV发生化学反应生成大量的微颗粒，属于PM2.5；当空气中相对湿度较高时，PM2.5易附着在空气中且不易扩散，从而造成PM2.5的高浓度污染，使PM2.5浓度随相对湿度增加而升高[6，11]。PM2.5与风速之间呈正相关，可能是由于低风速情况下颗粒物扩散速度慢，有利于颗粒物混合均匀并加快化学反应的发生，从而增加空气中微颗粒物的浓度，使得PM2.5浓度升高[7，19]。图1是随机选取的一个城市（青龙）的PM2.5浓度与大气污染观测及GNSS PWV、风速的比较图。由表1、图1可知，PM2.5与大气污染观测、PWV和风速呈正相关特性。