天津機(jī)場運(yùn)行對(duì)區(qū)域空氣質(zhì)量影響評(píng)估研究

劉姝童　劉詩嬌　夏鳴　梁鈺薇　姚婷瑋

摘 要：本文利用在天津市躍進(jìn)路（E117°20′，N39.09′）設(shè)置的站點(diǎn)對(duì)天津機(jī)場區(qū)域空氣質(zhì)量進(jìn)行連續(xù)監(jiān)測，結(jié)合全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)和天津?yàn)I海國際機(jī)場的實(shí)時(shí)報(bào)文，應(yīng)用R語言和廣義加性模型（GAM），針對(duì)2019年5月1日至2019年10月31日（世界時(shí)）的空氣質(zhì)量數(shù)據(jù)，對(duì)天津機(jī)場區(qū)域大氣進(jìn)行大氣污染特征和大氣污染因子的研究，結(jié)果表明飛機(jī)起降與飛行對(duì)周圍環(huán)境大氣貢獻(xiàn)較大的主要污染物為：SO2、NO2、PM2.5、CO。決定主要污染物濃度時(shí)間變化特征的影響因子是氣象因素。飛機(jī)起降與飛行對(duì)SO2、PM10、NO2、CO濃度有影響。

關(guān)鍵詞：大氣污染特征;影響因子;主成分分析;廣義加性模型

天津?yàn)I海國際機(jī)場是我國主要干線機(jī)場之一，同時(shí)也是國內(nèi)一類航空的重點(diǎn)口岸和貨運(yùn)基地之一，在國內(nèi)航空運(yùn)輸中占據(jù)重要地位。隨著京津冀協(xié)同發(fā)展戰(zhàn)略的落實(shí)，天津?yàn)I海國際機(jī)場的航線網(wǎng)絡(luò)不斷豐富，客運(yùn)吞吐量的上升使機(jī)場周圍環(huán)境污染治理問題日益突出。

近兩年機(jī)場周圍環(huán)境大氣污染問題越來越受到各領(lǐng)域研究人員的重視，祝秀蓮等人分析了國內(nèi)機(jī)場區(qū)域大氣污染控制存在的不足，梳理了國際先進(jìn)控制經(jīng)驗(yàn)[1]。王曉麗[2]等人運(yùn)用主成分分析法對(duì)我國16個(gè)城市的空氣質(zhì)量進(jìn)行分析表明空氣質(zhì)量污染第一主成分是PM2.5、PM10、CO和SO2。王明瑩[3]對(duì)PM2.5濃度影響因素進(jìn)行主成分分析，結(jié)果顯示CO、NO2、PM10和SO2是影響PM2.5濃度值的最主要因素。Huang Xiao-Gang，Shao Tian-Jie，Zhao Jing-Bo[4]等人建立廣義加性模型分析影響西安O3濃度分布的影響因素。

目前，很少有研究將主成分分析與廣義加性模型相結(jié)合研究機(jī)場運(yùn)行對(duì)周圍環(huán)境大氣的影響。本次研究通過主成分初步篩選污染物的影響因子，將篩選出的因子放進(jìn)廣義加性模型中分析其對(duì)污染物的影響。

1 實(shí)驗(yàn)部分

1.1 監(jiān)測對(duì)象

根據(jù)《環(huán)境空氣質(zhì)量評(píng)價(jià)技術(shù)規(guī)范》HJ663-2013，環(huán)境空氣污染物主要的六個(gè)觀測項(xiàng)目為：PM2.5、PM10、SO2、NO2、O3、CO。本次研究依據(jù)2019年5月1日至2019年10月31日的空氣質(zhì)量數(shù)據(jù)和環(huán)境數(shù)據(jù)對(duì)天津機(jī)場區(qū)域大氣進(jìn)行大氣污染特征和大氣污染因子的研究，確定天津?yàn)I海國際機(jī)場地區(qū)近年來大氣污染現(xiàn)狀。環(huán)境數(shù)據(jù)來自中國環(huán)境監(jiān)測總站的全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)，選擇天津市躍進(jìn)路站點(diǎn)（E117°20′，N39.09′）的數(shù)據(jù)。氣象數(shù)據(jù)來自天津?yàn)I海國際機(jī)場的實(shí)時(shí)報(bào)文。繪圖和建模用到的主要的環(huán)境數(shù)據(jù)有：風(fēng)向、風(fēng)速、溫度露點(diǎn)差、修正海壓。PM2.5、PM10、SO2、NO2、CO的數(shù)據(jù)均為小時(shí)值的算術(shù)平均，O3的數(shù)值是8h滑動(dòng)平均值。有效數(shù)據(jù)共有3161組。

1.2 研究方法

1.2.1 極坐標(biāo)圖

利用R語言的openair包的polarplot函數(shù)繪制濃度的二元極坐標(biāo)圖。通過將風(fēng)速、風(fēng)向和污染物的數(shù)據(jù)按區(qū)域進(jìn)行劃分，并計(jì)算每一個(gè)區(qū)域的平均濃度。極坐標(biāo)圖運(yùn)用此公式計(jì)算極坐標(biāo)圖：

式中，u-是平均每小時(shí)風(fēng)速，θ為平均風(fēng)向，單位為度。

1.2.2 主成分分析

主成分分析是利用降維的思想，在損失很少信息的前提下把多個(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法[5]。通常把轉(zhuǎn)化生成的綜合指標(biāo)稱之為主成分，其中每個(gè)主成分都是原始變量的線形組合，且各個(gè)主成分之間互不相關(guān)。

建立模型方法如下：

步驟1：進(jìn)行KMO和巴特利特檢驗(yàn)。KMO大于0.6，則滿足主成分分析的前提要求，說明數(shù)據(jù)比較適合用于主成分分析研究。當(dāng)數(shù)據(jù)通過Bartlett球形度檢驗(yàn)（顯著性<0.05），說明研究數(shù)據(jù)可以進(jìn)行主成分分析。

步驟2：對(duì)公因子方差進(jìn)行提取。當(dāng)信息提取量在0.5以上，表明主成分的提取是比較成功的，主成分對(duì)變量的解釋程度都較高。

步驟3：根據(jù)變量的方差解釋對(duì)變量進(jìn)行提取。累積方差的貢獻(xiàn)率越大，提取的信息越多。基于特征根值大于1進(jìn)行提取。

步驟4：根據(jù)變量的得分系數(shù)矩陣得出相對(duì)應(yīng)的主成分和分析項(xiàng)的得分關(guān)系方程。

1.2.3 廣義加性模型

廣義可加模型既包含參數(shù)成分，也包含非參數(shù)成分，有比較靈活的設(shè)定形式，可以客觀的表達(dá)解釋變量與被解釋變量間存在的線性及非線性關(guān)系，降低了線性設(shè)定帶來的模型風(fēng)險(xiǎn)，其一般形式為：

式中，g（·）為連接函數(shù)，其形式取決于被解釋變量Y分布的具體形式;ε是隨機(jī)誤差項(xiàng)，Xi為嚴(yán)格服從參數(shù)形式的解釋變量;βi為相應(yīng)的參數(shù)。

模型建立方法如下：

步驟1：模型依次放入全部解釋變量，構(gòu)建初始的GAM模型，通過模型結(jié)果對(duì)因子進(jìn)行顯著性檢驗(yàn)設(shè)置為0.05水平，刪除沒有通過顯著性檢驗(yàn)的因子。

步驟2：利用方差膨脹因子（VIF）對(duì)放入模型的自變量進(jìn)行相關(guān)性檢驗(yàn)。VIF=1/（1-R2）。VIF越高解釋變量和因變量之間線性相關(guān)性就越強(qiáng)，R2=GAM模型中的adj-R2，當(dāng)VIF>10時(shí)說明變量和解釋變量之間相關(guān)性極強(qiáng)，將變量從模型中剔除。

步驟3：計(jì)算AIC和BIC的值，AIC值越小，模型擬合程度越高參考BIC值變化，可以避免因?yàn)椴粩嗉尤胍蜃佣霈F(xiàn)的過擬合現(xiàn)象，并在一定程度上證明因子間是否存在多重共線性。

2 結(jié)果與討論

2.1 檢測點(diǎn)位污染來源定性分析

根據(jù)機(jī)場與站點(diǎn)的相對(duì)位置，假定正北指示0°，正東指示90°，在高風(fēng)速下，飛機(jī)起降和飛行過程中產(chǎn)生的污染物會(huì)擴(kuò)散至此站點(diǎn)，影響站點(diǎn)周圍的空氣質(zhì)量。我們選取極坐標(biāo)圖30°～90°方向上污染物的濃度作為表征機(jī)場污染物濃度空間分布特征。

如圖1.c所示，風(fēng)向在45°～90°之間大風(fēng)速下SO2的濃度相對(duì)與其他方向濃度高;如圖1.f所示，機(jī)場方向大風(fēng)速下CO存在明顯的極大值;如圖1.d所示，機(jī)場方向NO2濃度存在明顯的峰值，所以機(jī)場活動(dòng)產(chǎn)生的SO2，CO，NO2對(duì)周圍環(huán)境貢獻(xiàn)率高。如圖1.a所示，根據(jù)PM2.5的極坐標(biāo)圖，大風(fēng)速下機(jī)場方向上的PM2.5對(duì)周圍環(huán)境大氣PM2.5濃度的貢獻(xiàn)率與90°～240°相比相對(duì)較低，但與240°～390°相比較高，所以大風(fēng)速下機(jī)場方向PM2.5的貢獻(xiàn)率雖不起主導(dǎo)地位，但是對(duì)周圍環(huán)境大氣影響依然較大，故飛機(jī)起降與飛行過程中產(chǎn)生的PM2.5對(duì)周圍環(huán)境影響較大。如圖1.b和1.e所示，飛機(jī)起降以及飛行過程中產(chǎn)生的PM10和O3對(duì)周圍環(huán)境大氣濃度貢獻(xiàn)小。所以，飛機(jī)起降與飛行對(duì)周圍環(huán)境大氣貢獻(xiàn)較大的主要污染物為：SO2、NO2、PM2.5、CO。

2.2 檢測點(diǎn)位污染變化趨勢特征

如圖2.a所示，研究的184天里14天PM2.5的日平均濃度超過了國家二級(jí)標(biāo)準(zhǔn)，日平均濃度超標(biāo)天數(shù)占比為76%。如圖3.b，PM2.5在一天的濃度變化呈單峰型分布，在上午8時(shí)濃度達(dá)到峰值，17時(shí)達(dá)最低值。早晨6：00～8：00，空氣流動(dòng)不明顯，人類活動(dòng)增加，PM2.5濃度增加。夜晚18：00～22：00點(diǎn)人類活動(dòng)造成機(jī)動(dòng)車排放量大，路上揚(yáng)塵多，夜晚空氣對(duì)流較弱，導(dǎo)致PM2.5不易擴(kuò)散，濃度上升。如圖2.c，從5月到10月，PM2.5濃度變化呈現(xiàn)U形分布，8月出現(xiàn)了最低值，10月中下旬濃度最高。8月航班量很多，但PM2.5濃度卻出現(xiàn)了最低值，這是由于8月降雨量大可以有效去除顆粒物，空氣對(duì)流強(qiáng)有利于污染物的擴(kuò)散。9月，氣象要素對(duì)PM2.5的影響減弱，PM2.5濃度出現(xiàn)回升，9月至10月，航班量升高對(duì)應(yīng)PM2.5濃度也逐漸升高。所以，機(jī)場航班變化對(duì)PM2.5濃度月平均濃度變化產(chǎn)生一定影響。周內(nèi)PM2.5濃度日變化與航班量變化也有一定的一致性。

如圖2.b，研究中SO2的日平均值濃度在二級(jí)標(biāo)準(zhǔn)以下，SO2濃度小時(shí)值的范圍為1～36μg/m3。如圖3.b，SO2日變化特征呈單峰狀，濃度最大值出現(xiàn)在上午9點(diǎn)。6：00～9：00航班量增加，飛機(jī)起降活動(dòng)頻繁，SO2濃度增加速率明顯提高。9時(shí)后，由于溫度逐漸升高，太陽輻射增加，促使SO2轉(zhuǎn)化為SO42-。溫度升高所引起空氣對(duì)流增強(qiáng)，也是SO2濃度降低的原因之一。20時(shí)之后，航班量逐漸降低，機(jī)場活動(dòng)產(chǎn)生的SO2減少，SO2濃度相對(duì)處于一個(gè)較低水平。如圖3.c，5月，9月，10月SO2濃度普遍高其他月份。受冷高壓影響，大氣結(jié)構(gòu)較為穩(wěn)定，不利于二氧化硫的擴(kuò)散。夏季雨水充沛，SO2氧化生成H2SO4與濕性沉降物一起到達(dá)地面，降雨還常伴有強(qiáng)對(duì)流天氣，加速SO2的濃度降低。夏季大氣邊界層高度相對(duì)較高，大氣對(duì)流活動(dòng)強(qiáng)烈，使得SO2在垂直方向上充分稀釋。高強(qiáng)度的太陽輻射也會(huì)促使SO2快速與大氣中OH自由基以及臭氧等物質(zhì)反應(yīng)，氧化成硫酸鹽，使SO2濃度降低。所以7月8月的SO2濃度低于其他月份。

如圖2.c，研究的184天里有3天的NO2的日平均濃度超過了國家二級(jí)標(biāo)準(zhǔn)，日平均濃度超標(biāo)天數(shù)占比1.63%，NO2濃度小時(shí)值的范圍為2～134μg/m3。如圖3.b，NO2日濃度變化與航班量日變化相似。如圖3.a，一周內(nèi)每日NO2濃度平均值變化大但日變化趨勢相同且日變化呈單雙峰狀。早上6：00～8：00，可以觀察到航班量增加并且NO2濃度上升幅度突然增大。由于隨著日出溫度升高，太陽輻射增強(qiáng)，大氣中光化學(xué)反應(yīng)強(qiáng)度不斷增強(qiáng)，導(dǎo)致8：00～13：00NO2濃度不斷下降，并在13時(shí)到達(dá)最低值。午后，太陽輻射減弱，此時(shí)天津機(jī)場的航班數(shù)依然處在較高的水平，所以NO2濃度不斷增加。之后22時(shí)后隨著航班量減少，NO2濃度也逐漸下降，直到第二天的1時(shí)左右。1：00～8：00NO2濃度上升，1：00～6：00航班量降低。NO2濃度變化與航班量變化成反比，這是由于大氣對(duì)流減弱、夜間逆溫層、以及城市熱島效應(yīng)的作用下，將白天機(jī)場區(qū)域以及其他區(qū)域產(chǎn)生的NO2積聚于站點(diǎn)周圍的大氣中，造成NO2濃度升高。

如圖2.d，研究中CO日平均濃度均在二級(jí)標(biāo)準(zhǔn)以下，CO濃度小時(shí)平均值濃度范圍為0.2～5.7mg/m3。如圖3.c，CO的月均值呈U型，最大月均值出現(xiàn)在7月，最小月均值出現(xiàn)在5月。5月空氣中水汽含量較少，污染物不易附著在空氣中，有利于污染物的傳輸擴(kuò)散，濃度較低。CO日變化是飛機(jī)發(fā)動(dòng)機(jī)排放、太陽輻射、大氣流動(dòng)等因素共同作用的結(jié)果。如圖3.b，CO呈現(xiàn)出明顯的雙峰型日變化，CO濃度最高值出現(xiàn)在早上8時(shí)左右。自凌晨1時(shí)至8時(shí)，飛機(jī)流量開始增多，尾氣排放量增加導(dǎo)致CO濃度上升，并出現(xiàn)一天內(nèi)的濃度最大值。8時(shí)以后，CO的濃度值開始下降，15時(shí)達(dá)到全天濃度最低值。23時(shí)CO濃度出現(xiàn)第二個(gè)小高峰。這主要是客流晚高峰、太陽輻射減弱、大氣趨于穩(wěn)定不利于污染物的稀釋擴(kuò)散等因素導(dǎo)致的。

2.3 污染物影響因子

2.3.1 PM2.5影響因子

對(duì)PM2.5做主成分分析，一共提取出4個(gè)主成分。主成分1解釋為排放廢氣因子，代表PM10、SO2、NO2、CO的影響。主成分2解釋為擴(kuò)散和濕度因子，代表風(fēng)向、風(fēng)速、溫度露點(diǎn)差的影響。主成分3解釋為空氣溫度因子，代表溫度，O3-8h的影響。主成分4解釋為起降航班因子，代表進(jìn)港、離港的影響。

通過主成分分析提取的因子建立PM2.5的廣義加性模型，篩選出的因子解釋了PM2.5濃度變化的53.5%。影響因子從大到小排序?yàn)椋篊O、O3、溫度露點(diǎn)差、風(fēng)向、壓強(qiáng)、溫度、SO2、到港數(shù)、風(fēng)速。因子之間不存在共線性。模型擬合度高，因子間沒有多重共線性。

如圖4.b、4.c、4.d，4.e，PM2.5與CO、SO2、NO2、O3、有明顯的正相關(guān)，表明CO、SO2、NO2、O3的增加會(huì)使PM2.5濃度增加。這可能是由于PM2.5的二次污染導(dǎo)致。PM2.5來源有一次污染和二次污染，二次污染是二氧化碳、氮氧化物、銨等無機(jī)氣態(tài)前體物經(jīng)復(fù)雜的大氣化學(xué)反應(yīng)生成硫酸鹽、硝酸鹽、銨鹽等無機(jī)化合物[7]。所以PM2.5可以由硫和氮的氧化物轉(zhuǎn)化而成[8]。如圖4.a，PM2.5與溫度露點(diǎn)差有明顯負(fù)相關(guān)，這是由于PM2.5分子在水汽作用下更易聚集降落[9]。模型通過了顯著性檢驗(yàn)，且滿足正態(tài)性。

2.3.2 SO2影響因子

對(duì)SO2進(jìn)行主成分分析，一共提取出4個(gè)主成分。主成分1解釋為排放廢氣因子，代表PM2.5、PM10、NO2、CO的影響。主成分2解釋為擴(kuò)散和濕度因子，代表風(fēng)向，風(fēng)速，溫度露點(diǎn)差的影響。主成分3解釋為空氣溫度因子，代表溫度、O3-8h的影響。主成分4解釋為起降航班因子，代表進(jìn)港，離港的影響。

通過主成分分析提取的因子建立SO2的廣義加性模型，篩選出的因子解釋了SO2濃度變化的65.8%。影響因子從大到小排序?yàn)椋簼穸取O、風(fēng)向、氣壓、風(fēng)速、NO2、PM2.5、溫度、O3、到港數(shù)、離港數(shù)。因子之間不存在共線性。模型擬合度高，因子間沒有多重共線性。

如圖4.j，SO2濃度隨溫度露點(diǎn)差的增大而增大，這是因?yàn)橄鄬?duì)濕度越大，大氣中濕性沉降物出現(xiàn)的概率越高，SO2濕性沉降物中的生存概率高于干性沉降物，造成SO2在大氣中集中存在[10]。如圖4.k，隨著風(fēng)速增大，SO2濃度減小，是因?yàn)轱L(fēng)速大有利于SO2的稀釋擴(kuò)散[11]。如圖4.l，CO與SO2有明顯的正相關(guān)，但是CO不易與SO2反應(yīng)，所以，這樣結(jié)果可能是兩種污染物來自同一污染源導(dǎo)致。模型通過了顯著性檢驗(yàn)，且滿足正態(tài)性。

2.3.3 NO2影響因子

對(duì)NO2進(jìn)行主成分分析，一共提取出4個(gè)主成分。主成分1可解釋為排放廢氣因子，代表PM2.5、PM10、SO2、CO的影響。主成分2可解釋為擴(kuò)散和濕度因子，代表風(fēng)向，風(fēng)速，溫度露點(diǎn)差的影響。主成分3可以解釋為起降航班因子，代表進(jìn)港，離港的影響。主成分4可解釋為空氣溫度因子，代表溫度，O3-8h的影響。

通過主成分分析提取的因子建立NO2的廣義加性模型，篩選出的因子解釋了NO2濃度變化的62.1%。影響因子從大到小排序?yàn)椋猴L(fēng)速、溫度、CO、SO2、O3、氣壓、風(fēng)向、PM2.5、離港數(shù)、到港數(shù)、溫度。因子之間不存在共線性。模型擬合度高，因子間沒有多重共線性。

NO2是飛機(jī)排放的主要污染物之一[12]。如圖4.g，NO2濃度與風(fēng)速的負(fù)相關(guān)性比較明顯，所以圖中呈現(xiàn)的隨風(fēng)速增大，NO2濃度降低。如圖4.h，溫度升高伴隨NO2濃度降低，這是由于溫度較高的時(shí)候，太陽輻射增大，光反應(yīng)速率增加，光化學(xué)反應(yīng)增強(qiáng)，NO2濃度減少。如圖4.f，隨著濕度增加，NO2有減少的趨勢，這可能是NO2與水汽結(jié)合生成HNO2和HNO3，使得NO2濃度降低。如圖4.i，PM10與NO2存在正相關(guān)，這是由于NO2可附著在PM10上，從而導(dǎo)致PM10濃度越大，NO2濃度越大。NO2與飛機(jī)的進(jìn)離港有一定的相關(guān)性。模型通過了顯著性檢驗(yàn)，且滿足正態(tài)性。

2.3.4 CO影響因子

對(duì)CO進(jìn)行主成分分析，一共提取出4個(gè)主成分。主成分1解釋為排放廢氣因子，代表PM2.5、PM10、SO2、NO2的影響。主成分2解釋為擴(kuò)散和濕度因子，代表風(fēng)向、風(fēng)速、溫度露點(diǎn)差的影響。主成分3解釋為空氣溫度因子，代表溫度，O3-8h的影響。主成分4解釋為起降航班因子，代表進(jìn)港、離港的影響。

通過主成分分析提取的因子建立CO的廣義加性模型，模型篩選出的因子解釋了O3濃度變化的64.5%。影響因子從大到小排序?yàn)椋簼穸?、SO2、PM2.5、溫度、NO2、離港數(shù)、氣壓、風(fēng)向、O3、風(fēng)速。因子之間的VIF均小于10，說明不存在共線性。模型擬合度高，因子間沒有多重共線性。

如圖4.m，CO與溫度露點(diǎn)差有明顯的負(fù)相關(guān)，這可能是由于CO作為一種化學(xué)活性氣體，它能直接與大氣中的OH自由基發(fā)生氧化反應(yīng)[13]。濕度增加的情況下，大量CO與OH反應(yīng)，導(dǎo)致CO濃度降低。模型通過了顯著性檢驗(yàn)，且滿足正態(tài)性。

3 結(jié)論

（1）飛機(jī)起降與飛行對(duì)周圍環(huán)境大氣貢獻(xiàn)較大的污染物為：SO2、NO2、PM2.5、CO。

（2）PM2.5在一天的濃度變化呈單峰型分布，PM2.5從5月到10月濃度月變化呈現(xiàn)U形分布規(guī)律，8月出現(xiàn)最低值，10月中下旬濃度最高。SO2日變化特征呈單峰狀，10月SO2濃度最高。O3周內(nèi)日變化均呈單峰式分布，白天高晚上低、上午低下午高，晝夜?jié)舛茸兓浅４?。CO日變化呈雙峰型，CO的月均值呈U型變化。

（3）PM2.5與風(fēng)速、CO、SO2、NO2、O3有明顯的正相關(guān)，與溫度露點(diǎn)差有明顯負(fù)相關(guān)。

（4）NO2與風(fēng)速、溫度、濕度有明顯的正相關(guān)，與PM10存在明顯負(fù)相關(guān)。

（5）溫度露點(diǎn)差增大，SO2濃度增大;風(fēng)速增大，SO2濃度減小。CO與SO2有明顯的正相關(guān)。

（6）CO與溫度露點(diǎn)差有明顯的負(fù)相關(guān)，CO與SO2存在明顯的正相關(guān)。

參考文獻(xiàn)：

[1]祝秀蓮，陳帆，崔青，黃麗華，林齊.國外機(jī)場區(qū)域大氣污染控制經(jīng)驗(yàn)啟示[J].環(huán)境影響評(píng)價(jià)，2019，41（05）：33-35.

[2]王曉麗，劉暢，關(guān)文玲.基于主成分分析法的城市大氣主要污染物關(guān)系研究[J].天津理工大學(xué)學(xué)報(bào)，2015，31（02）：20-23.

[3]王明瑩.上海市大氣PM_（2.5）的時(shí)空分布特征及其相關(guān)影響因素分析[D].上海交通大學(xué)，2017.

[4]Huang Xiao-Gang，Shao Tian-Jie，Zhao Jing-Bo，et al.Influencing Factors of Ozone Concentration in Xi'an Based on Generalized Additive Models.2020，41（4）：1535-1543.

[5]何亮.主成分分析在SPSS中的應(yīng)用[J].山西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007（S1）：20-22.

[6]李莉莉，張璇，杜梅慧.基于廣義可加模型的PM2.5預(yù)測研究[J/OL].數(shù)理統(tǒng)計(jì)與管理，2020-11-15：1-13.

[7]高曉梅.我國典型地區(qū)大氣PM_（2.5）水溶性離子的理化特征及來源解析[D].山東大學(xué)，2012.

[8]CHOW Judith C，曹軍驥，李順誠，王小亮，WATSON John G.PM_（2.5）及其測量與影響研究簡史[J].地球環(huán)境學(xué)報(bào)，2012，3（05）：1019-1029.

[9]于洲.杭州市大氣污染物濃度時(shí)空變化特征分析[D].南京信息工程大學(xué)，2016.

[10]迪麗努爾·塔力埔，梁云，阿布力克木·阿不力孜.烏魯木齊市冬季空氣中SO_2濃度與空氣濕度的關(guān)系及對(duì)人體的影響[J].安全與環(huán)境學(xué)報(bào)，2004（S1）：25-26.

[11]趙敬國，王式功，張?zhí)煊?，余世旺，胡鈺玲，朱哲，尚可?蘭州市大氣重污染氣象成因分析[J].環(huán)境科學(xué)學(xué)報(bào)，2015，35（05）：1547-1555.

[12]儲(chǔ)燕萍.上海浦東國際機(jī)場飛機(jī)尾氣排放對(duì)機(jī)場附近空氣質(zhì)量的影響[J].環(huán)境監(jiān)控與預(yù)警，2013，5（04）：50-52+56.

[13]陳飛.城市可吸入顆粒物的來源解析及二次有機(jī)氣溶膠形成的研究[D].南京理工大學(xué)，2014.

項(xiàng)目：中國民航大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)市級(jí)項(xiàng)目202010059091《天津?yàn)I海國際機(jī)場大氣污染特征及影響因子研究》

作者簡介：劉姝童（2000— ），女，漢族，陜西西安人，本科，學(xué)生。