中国南京市气象要素对PM2.5浓度非线性滞后效应研究：基于GAM与DLNM模型

《Environmental Science: Atmospheres》：A study on the nonlinear lag effects of meteorological factors on PM2.5 concentrations in Nanjing, China: based on GAM and DLNM models

　　

大气细颗粒物（PM_2.5，aerodynamic diameter ≤2.5 μm）作为全球环境治理的核心议题，对人类健康、生态系统及社会经济系统具有多维度影响。PM_2.5可通过呼吸系统进入人体血液循环，长期暴露可能诱发哮喘、心血管疾病及呼吸系统疾病。据世界卫生组织（WHO）统计，2012年全球约700万例过早死亡与PM_2.5暴露相关。除健康风险外，PM_2.5污染还通过降低大气能见度造成显著经济损失。中国作为发展中国家，在快速工业化进程中面临严峻的空气污染挑战。国务院先后颁布《大气污染防治行动计划》（2013年）及《打赢蓝天保卫战三年行动计划》（2018年），推动全国年均PM_2.5浓度从2013年的61.8 μg m^?3降至2020年的32.1 μg m^?3，但区域污染问题尚未完全解决。

气象因素通过扩散、沉降及光化学反应等过程显著影响PM_2.5浓度动态。已有研究表明，低风速（<3.0 m s^?1）、高湿度（>80%）及低温（10–20 °C）条件易促进污染物累积，而降水和强风则有利于颗粒物清除。值得注意的是，气象因素对PM_2.5的影响常呈现非线性特征和滞后效应。当前研究主要采用三类方法：（1）空间回归模型（如地理和时间加权回归，GTWR）可识别区域主导因素，但依赖主观空间权重假设；（2）线性回归方法（如主成分回归，PCR）计算效率高，但难以捕捉非线性关系；（3）机器学习模型（如人工神经网络，ANN）具有非线性拟合优势，但因"黑箱"特性存在可解释性局限。广义可加模型（GAM）通过平滑函数灵活刻画变量间非线性关系，分布滞后非线性模型（DLNM）可同时分析暴露-响应关系中的时空滞后效应，广泛应用于流行病学及大气环境研究领域。

南京作为长江三角洲核心城市之一，地处长江下游，兼具特大城市、工业枢纽和交通枢纽特征，其环境质量对华东地区社会经济发展具有显著溢出效应。PM_2.5污染受本地排放与区域传输双重影响，且大气污染特征随气候变化、社会经济发展及污染管控措施不断演变。本研究聚焦南京市，整合ChinaHighPM_2.5高分辨率数据集与ERA5气象再分析数据，通过趋势分析和GAM揭示2015–2023年PM_2.5的时空演化规律及关键驱动因素，并构建DLNM量化温度、风速、降水等气象因素的滞后效应和非线性影响。主要贡献包括：（1）结合GAM和DLNM模型，优化滞后交叉项结构以适应南京气象特征，实现对气象因素与PM_2.5浓度关系的更精准机制分析；（2）为动态优化污染预警窗口提供定量证据，支持《南京市空气质量持续改善行动计划实施方案》中PM_2.5控制目标的实现。

大气污染精细化治理背景下，气象因素对PM_2.5浓度动态的影响机制研究具有重要意义。当前关于PM_2.5与气象因素关系的研究存在明显不足：多数研究仅关注当日气象效应，忽视了气象因素的滞后效应，而滞后效应在PM_2.5污染与扩散过程中可能发挥关键作用。研究人员针对这一科学问题，以南京市为研究对象，系统开展气象因素对PM_2.5非线性滞后效应研究，旨在为精准管控和长期区域规划提供科学依据。

研究采用了趋势分析、GAM和DLNM三类核心技术方法。数据来源方面：PM_2.5日浓度数据来自国家青藏高原科学数据中心发布的ChinaHighPM2.5数据集（2015–2023年）；气象数据来自欧洲中期天气预报中心（ECMWF）发布的ERA5全球再分析数据集。预处理使用ArcGIS 10.8和Python 3.13.1完成，包括数据读取、格式转换、值提取、裁剪、缺失值和异常值处理等。建模前进行多重共线性诊断，采用方差膨胀因子（VIF）检测变量间线性相关性，当VIF < 10时排除显著线性多重共线性干扰。趋势分析通过一元回归揭示变量变化规律，为后续非线性分析奠定基础。GAM模型通过设置不同自由度（k = 3, 5, 7, 9），综合比较AIC、解释方差（R²）、有效自由度（edf）及平滑响应曲线形态，最终确定k = 5为最优参数。DLNM模型采用交叉基函数建模，最大滞后期间设为7天，变量自由度为5，滞后期间自由度统一设为3，并采用AR(1)结构校正残差自相关。

研究结果显示以下主要结论：

**PM_2.5浓度时空分布特征**：2015–2023年南京市年均PM_2.5浓度呈总体下降趋势，年均下降率为?3.36 μg m^?3，但具有阶段性特征，2015–2019年增长率为?3.44 μg m^?3，2020–2023年平均增长率为0.60 μg m^?3，2022–2023年出现3.84%的回升。季节变化呈"U型"分布，冬春季高、夏秋季低；冬季超标天数比例从2015年的51.78%降至2020年后的20%以下，2020年起夏季达标天数比例达100%。空间分布呈现低值区集聚、高值区广泛分布的特征，低浓度区从2015年江宁区东部扩展至中心城区，高浓度区从西部工业区转向西南部及沿江地区，2023年空间分布较2015年更为分散。

**气象因素非线性效应**：GAM模型分析表明，T2M和BLH是主要驱动因素。T2M和FG10的边际响应曲线呈单调递减趋势：T2M < 10 °C时效应为正，> 20 °C时负效应持续增强；FG10增加时负效应逐渐显著。SSR边际效应呈倒"N"型，在6.0 × 10⁶–1.0 × 10⁷ J m^?2时效应最低。BLH边际效应先降后稳再升，约500 m时效应最低。PRE < 0.010 m时边际效应接近零，0.010–0.020 m范围内略有上升。季节异质性方面，夏季T2M效应先降后升（> 27 °C时显著为负），冬季波动下降（< 4 °C时正效应显著）；夏季BLH在450–550 m范围为正效应，冬季< 380 m时正效应显著。

**气象因素交互效应**：两因素交互GAM模型解释方差达95.50%，调整R²为0.95，15个交互项均显著（p < 0.001）。te(T2M, TCC) F值最高（12.381），其次为te(SSR, TCC)（11.589）和te(T2M, FG10)（10.734）。关键交互机制包括：T2M < 10 °C且TCC > 0.7时显著促进PM_2.5累积；T2M < 5 °C且FG10 < 1 m s^?1时显著正效应；1.0 × 10⁷ J m^?2 < SSR < 1.3 × 10⁷ J m^?2且5 °C < T2M < 20 °C时负效应最强；PRE在0.008–0.013 m且FG10在1.0–1.8 m s^?1时交互正效应最强；高FG10与高BLH交互促进扩散，中等PRE与中等FG10交互清除效果最显著。

**气象因素滞后效应**：DLNM模型显示，0–3天滞后效应最显著。T2M升高时滞后效应由负转正；BLH升高时负滞后效应增强。高T2M在1–2天滞后加剧PM_2.5累积，2天后转负；高PRE和高SSR均呈负效应；高FG10和高BLH在1–3天滞后呈负效应，低值时在1–7天滞后呈正效应；低TCC在整个滞后期间促进累积。累积效应方面，T2M < 16 °C时呈正累积效应；PRE和BLH呈持续显著负累积效应，是清除PM_2.5的关键气象因素；SSR、TCC和FG10的累积效应置信区间 largely 涵盖零线，统计显著性不足。

讨论部分，研究人员从时空特征、非线性效应机制及滞后效应机制三个维度深入阐释了研究发现。PM_2.5浓度下降与"减煤、控车、治工业"等污染治理政策密切相关，2022–2023年回升与气象因素有关（约占41%影响），高湿度、低风速和边界层高度降低是主要驱动因素。T2M低于10 °C时的正效应可能与低温限制大气扩散有关，高于20 °C时的负效应源于热对流促进扩散；但持续升温也可能通过增强光化学反应生成更多VOCs、SO₄^2?和NO₃^?而增加PM_2.5来源。PRE的正效应源于高湿度条件下颗粒物吸湿增长导致质量浓度升高，而非有效湿清除。低T2M与低FG10交互导致边界层降低和水平输送受阻，促进近地面累积；高SSR与高T2M交互促进气态前体物向二次气溶胶转化。滞后效应方面，高BLH的负效应与边界层日变化对垂直混合的影响滞后6–24小时有关；高温0–1天滞后正效应源于前体物加速形成，之后"收获效应"使效应转负；高辐射伴随高风速使扩散效应在统计上占据主导。

研究局限性在于未纳入人为排放因素，未能直接量化和季节分解垂直扩散和区域传输等物理化学机制。未来研究可在更大尺度和更高精度上耦合"排放-气象"相互作用。

**研究结论翻译**：

本研究采用广义可加模型（GAM）和分布滞后非线性模型（DLNM）相结合的方法，系统分析了2015–2023年南京市PM_2.5的时空演化特征及其气象驱动机制。主要结论如下：

时间上，南京市PM_2.5年均浓度总体下降，但存在周期性波动。2015–2019年增长率为?3.44 μg m^?3，2019–2020年降幅达16.97%。2020–2023年平均增长率为0.60 μg m^?3，2022–2023年上升3.84%。季节变化显著，冬季浓度高于夏季；2015年冬季超标天数比例达51.78%。空间格局显示，低浓度区集中于中心城区（鼓楼、秦淮、玄武），高浓度区分布于江宁和六合，冬夏空间差异明显。气象因素分析表明，T2M和FG10的边际响应曲线均呈单调递减趋势；SSR边际效应总体呈倒"N"型，在太阳辐射强度6.0 × 10⁶–1.0 × 10⁷ J m^?2时效应最低，夏季呈持续负相关、冬季呈"N"型；BLH边际效应先降后稳再升，约500 m时效应最低；PRE边际效应总体接近零。2015–2023年夏冬两季各气象因素对PM_2.5浓度的边际效应存在显著季节异质性。交互效应中，T2M–FG10组合最显著（F = 10.734，edf = 16.21）。BLH和FG10是影响污染物垂直和水平输送效率的关键气象参数，中等强度PRE与FG10交互产生最显著的清除效应。

滞后分析表明，气象因素对0–3天滞后影响最大。高BLH在0–3天滞后期间对PM_2.5呈负边际效应，整个滞后期间呈负累积效应。温度在2天滞后时由正效应转为负效应，高PRE和低PRE呈相反滞后效应。SSR在0天滞后呈显著负效应，可能与高辐射伴随的高风速扩散效应有关。低TCC和低FG10始终呈正效应。累积效应方面，PRE总体呈负效应。当T2M < 15 °C且FG10 < 2 m s^?1时，促进PM_2.5累积。本研究揭示了PM_2.5演化与气象条件之间复杂的非线性关系及滞后效应，为区域大气污染防治提供了科学依据。