SlideShare una empresa de Scribd logo

AC relacion pm25 y factores meteorologicos en china - español.pdf

lecturas

1 de 20
Descargar para leer sin conexión
Revista Internacional de
2
1
3 Escuela de Recursos y Ciencias Ambientales, Universidad de Wuhan, Wuhan 430079, China; litw@whu.edu.cn State Key Laboratory of Information
Engineering, Survey Mapping and Remote Sensing, Universidad de Wuhan, Wuhan 430079, China
4
Las relaciones entre PM2.5 y factores meteorológicos en China:
variaciones estacionales y regionales
www.mdpi.com/journal/ijerph
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510; doi:10.3390/ijerph14121510
El aire limpio es un requisito básico para la comodidad, la salud y el bienestar humanos [1]. Sin embargo,
en las últimas décadas, con el rápido desarrollo de la economía, se han producido una serie de problemas
ambientales , especialmente la contaminación del aire [2]. Un estudio de la Organización Mundial de la Salud
(OMS) mostró que las muertes prematuras de más de dos millones de personas cada año pueden atribuirse a
los efectos de la contaminación del aire durante el siglo XXI, y más de la mitad de estas muertes ocurrieron en
países en desarrollo , particularmente en China e India [3]. El grave efecto adverso de la contaminación del aire
lo convierte en un foco de preocupación pública y estudio científico. PM2.5 (partículas con un diámetro
aerodinámico de menos de 2,5 µm) es uno de los componentes más dañinos de los contaminantes del aire [4]. una alta concentracio
qian qian yang
Liang Pei Zhang
1. Introducción
, Huanfeng Shen 2,3 y
Palabras llave: PM2.5; factores meteorológicos; Análisis de correlación; heterogeneidad espacial; variabilidad estacional
Artículo
, Tongwen Li 3
Estacionalmente, la correlación positiva entre la concentración de PM2.5 y la HR es más fuerte en invierno y primavera. TEM tiene una
relación negativa con PM2.5 en otoño y lo contrario en invierno. PS se correlaciona más positivamente con PM2.5 en otoño que en
otras estaciones. Nuestro estudio investigó las relaciones entre PM2.5 y factores meteorológicos en términos de variaciones espaciales
y estacionales, y las conclusiones sobre las relaciones entre PM2.5 y factores meteorológicos son más completas y precisas que antes.
Sugerimos que las variaciones podrían considerarse en la predicción de la concentración de PM2.5 y el control de la neblina para
mejorar la precisión de la predicción y la eficiencia de las políticas.
2,4
Resumen: Las interacciones entre PM2.5 y factores meteorológicos juegan un papel crucial en el análisis de la contaminación del aire.
Sin embargo, estudios previos que han investigado las relaciones entre la concentración de PM2.5 y las condiciones meteorológicas se
han limitado principalmente a una determinada ciudad o distrito, y la correlación en toda China sigue sin estar clara. La existencia de
variaciones espaciales y estacionales merece más investigación. En este estudio, se investigaron las relaciones entre la concentración
de PM2.5 y los factores meteorológicos en 68 ciudades importantes de China durante un período continuo de 22 meses desde febrero
de 2013 hasta noviembre de 2014, en escalas de temporada, año, ciudad y región, y el espacio y se analizaron las variaciones
estacionales . Los factores meteorológicos fueron la humedad relativa (HR), la temperatura (TEM), la velocidad del viento (WS) y la
presión superficial (PS). Encontramos que existen variaciones espaciales y estacionales de sus relaciones con PM2.5 . Espacialmente,
la HR se correlaciona positivamente con la concentración de PM2.5 en el norte de China y Urumqi, pero la relación se vuelve negativa
en otras áreas de China. WS está negativamente correlacionado con PM2.5 en todas partes excepto en la isla de Hainan. PS tiene una
fuerte relación positiva con la concentración de PM2.5 en el noreste de China y el centro-sur de China, y en otras áreas la correlación
es débil.
1
Investigación Ambiental y
Salud Pública
, Qiangqiang Yuan 1,2,* identificación
Escuela de Geodesia y Geomática, Universidad de Wuhan, Wuhan 430079, China; qianyang9508@gmail.com Centro
de Innovación Colaborativa de Tecnología Geoespacial, Universidad de Wuhan, Wuhan 430079, China;
shenhf@whu.edu.cn (HS); zlp62@whu.edu.cn (LZ)
* Correspondencia: yqiang86@gmail.com; Teléfono: +86-27-6875-8427
Recibido: 27 de octubre de 2017; Aceptado: 29 de noviembre de 2017; Publicado: 5 diciembre 2017
Machine Translated by Google
Hasta la fecha, se han realizado muchos estudios sobre las relaciones entre la concentración de PM2.5 y
las condiciones meteorológicas. Por ejemplo, Chen et al. estudió las relaciones entre PM2.5 y factores
meteorológicos en el área urbana de Nanjing de 2013 a 2015 [23] y encontró una correlación negativa entre la
concentración de PM2.5 y la velocidad del viento, la temperatura, la humedad relativa y la precipitación. Li et al.
realizó un análisis similar en la cuenca de Sichuan [24] y encontró que la concentración de PM2.5 se correlacionó
negativamente con la velocidad del viento y la temperatura del aire, se correlacionó positivamente con la presión
del aire y se correlacionó débilmente con la humedad relativa. Las relaciones entre la concentración de PM2.5 y
los factores meteorológicos también se han examinado en muchas otras ciudades como Beijing, Shanghai,
Guangzhou y Wuhan, y áreas como Beijing-Tianjin-Hebei (BTH) [20,25–28]. Muchos estudios ya han demostrado
que las correlaciones entre la concentración de PM2.5 y los factores meteorológicos varían con las estaciones.
Por ejemplo, por un lado, las altas temperaturas pueden promover la formación de aerosoles secundarios [29] y
aumentar la concentración de PM2.5 pero, por otro lado, las altas temperaturas también pueden promover la
convección del aire [1], creando así una mejor difusión. condiciones para el material particulado y la disminución
de la concentración de PM2.5 . La temperatura también puede influir en la concentración de PM2.5 al promover
la volatilización del nitrato de amonio [30] y afectar las tasas de emisión de la calefacción doméstica y la
producción de energía [31]. En China, las fuentes y componentes de PM2.5, el clima local y el terreno son muy
complicados [32,33], lo que hace que el grado de influencia de los diferentes procesos varíe según la región.
Como resultado, las relaciones entre la concentración de PM2.5 y los factores meteorológicos son espacialmente heterogéneas.
2 de 19
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510
Sin embargo, además de las variaciones estacionales, también se ha encontrado que las relaciones entre la
concentración de PM2.5 y los factores meteorológicos varían entre regiones. Tomando como ejemplo la correlación
entre la concentración de PM2.5 y la humedad relativa, Huang et al. encontró una correlación positiva entre la
concentración de PM2.5 y la humedad relativa en Beijing [25], pero Chen et al. informó una correlación negativa en
el área urbana de Nanjing [23]. En cuanto a Li et al., llegaron a la conclusión de que la concentración de PM2.5
estaba débilmente correlacionada con la humedad relativa en la cuenca de Sichuan [24]. También se encontró que
la concentración de PM2.5 estaba negativamente correlacionada con WS en Guangzhou en un estudio realizado
por Zhang et al. [27], pero, en otro análisis en Shijiazhuang, el resultado fue una correlación débil [28]. La razón de
las variaciones espaciales es que los factores meteorológicos afectan la concentración de PM2.5 a través de una
serie de procesos conflictivos, y el efecto final es un resultado sintético que depende del clima local, el terreno y los componentes de PM
Por lo tanto, solo a través de comparaciones entre diferentes regiones podemos describir las relaciones entre la
concentración de PM2.5 y los factores meteorológicos con mayor precisión y detalle. Los estudios anteriores que se
limitaron principalmente a una ciudad o distrito no pudieron investigar exhaustivamente las relaciones entre PM2.5
y los factores meteorológicos. En consecuencia, sus conclusiones solo se pueden aplicar a las regiones locales y
no pueden proporcionar sugerencias útiles para las decisiones gubernamentales a escala nacional. Ha habido
algunos estudios a escala nacional [1], pero, en su análisis, China se consideró como un distrito, y las variaciones
entre las diferentes regiones aún se ignoraron. En cualquier caso, el descuido de las variaciones regionales hace
que las relaciones entre la concentración de PM2.5 y los factores meteorológicos aún no estén claras en China. Lo
que se requiere son análisis que incluyan un número mayor
de PM2.5 puede tener un impacto adverso en la salud humana [5–7], el cambio climático [8,9], los ecosistemas
locales [10] y el desarrollo económico [11]. Además, también se ha encontrado que una alta concentración de
PM2.5 está asociada con cambios en la estructura vertical de las nubes [12,13], lo que conduce a un retraso en
el inicio de la precipitación y los rayos [14], y reduce la ocurrencia de eventos locales . -escala de precipitación [15].
Como han demostrado estudios anteriores, las altas concentraciones de PM2.5 pueden atribuirse no solo al
aumento de las emisiones [16,17], sino también a muchos factores geográficos naturales, como la topografía, la
vegetación y el clima [18–21]. Entre estos factores influyentes, las condiciones meteorológicas son algunos de
los factores más importantes [22]. El estudio de las relaciones entre las condiciones meteorológicas y la
concentración de PM2.5 podría ayudarnos a comprender mejor el problema de la contaminación por PM2.5 y
podría contribuir a la adopción de medidas más efectivas para reducir la contaminación por PM2.5 .
Por ejemplo, Chen et al. encontró que la correlación entre PM2.5 y la temperatura (TEM) era negativa
en verano y otoño y luego se volvía positiva en primavera e invierno [23]. Chen et al. encontró que el
viento se correlacionó negativamente con PM2.5 en invierno, pero la correlación fue débil en verano [28].
Machine Translated by Google
de ciudades y áreas, y las variaciones entre diferentes regiones y estaciones necesitan ser examinadas y
resumidas.
Aunque la mayoría de las ciudades están ubicadas en las regiones PRD, YRD y BTH, las 68 ciudades están
repartidas por toda China, lo que hace factible el análisis de las variaciones regionales. El rango temporal de
nuestro estudio fue del 3 de febrero de 2013 al 30 de noviembre de 2014, es decir, 22 meses/666 días en total.
Debido a un error de medición del instrumento, un error de transmisión de datos y otras razones, faltaban datos
de algunos días y, por lo tanto, la cantidad de días de datos utilizados en el cálculo fue ligeramente inferior a 666 días.
China es el tercer país más grande del mundo y tiene la población más grande de todos los países.
El objetivo de nuestro estudio fue investigar exhaustivamente las relaciones entre la concentración de PM2.5
y los factores meteorológicos para obtener una imagen clara de sus relaciones en China. En este estudio,
llevamos a cabo un análisis de correlación en 68 ciudades importantes y siete regiones geográficas de China con
base en un registro de observaciones de 22 meses para 2013–2014. Luego se compararon los valores del
coeficiente de correlación (r) de las diferentes ciudades y áreas y se resumieron los diferentes patrones. También
se analizaron las diferencias estacionales de las relaciones. Las conclusiones de este estudio podrían utilizarse
para mejorar la comprensión de los mecanismos de formación de la contaminación del aire y la precisión de los
pronósticos de PM2.5 , y podrían proporcionar una referencia para la toma de decisiones sobre políticas de gestión ambiental.
En los últimos años ha sido testigo de un gran salto en la economía; sin embargo, el rápido crecimiento de las
ciudades chinas también ha resultado en mucha contaminación, y China ya se ha convertido en uno de los países
más contaminados del mundo. Nuestro estudio se concentró en las 74 ciudades principales de China, según lo
define el Estándar Nacional de Calidad del Aire Ambiental de China (CNAAQS, GB3095-2012), incluidas las
regiones y municipios de BTH, Yangtze River Delta (YRD) y Pearl River Delta (PRD). , ciudades capitales de las
divisiones administrativas de primer grado, y demás ciudades que figuren en el Plan Económico del Estado.
Debido a la insuficiencia de datos, seis ciudades (Handan, Langfang, Cangzhou, Hengshui, Jiaxing y Jiangmen)
no se incluyeron en el análisis de correlación final. Las ubicaciones de las otras 68 ciudades se muestran en la Figura 1.
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 4 de 19
Figura 1. Área de estudio: 68 ciudades principales de China.
2.2. Recopilación de datos
Desde 2012, las 74 ciudades principales de China han comenzado a construir sitios de monitoreo de
PM2.5 y los datos de calidad del aire se han publicado en línea desde enero de 2013. Descargamos los datos
de concentración de PM2.5 diarios del Centro de Datos del Ministerio de Protección Ambiental de China. la
República Popular de China (http://datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, el
número de estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo en
2015 es se muestra en la Figura 2a. La concentración de PM2.5 se mide con una microbalanza oscilante de
elementos cónicos (TEOM) o un monitor de atenuación beta.
Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 3 de 19
En nuestra investigación se estudiaron cuatro factores meteorológicos: humedad relativa (HR), temperatura (TEM), velocidad del
viento (WS) y presión superficial (PS).
2.1. Área de estudio y período
2. Materiales y métodos
Figura 1. Área de estudio: 68 ciudades principales de China.
Machine Translated by Google
Microbalanza (TEOM) o monitor de atenuación beta.
2.2. Recopilación de datos
2.3. Preprocesamiento de datos
Luego procesamos los datos para el cálculo de la correlación a escala de temporada, año, ciudad y región.
Los datos de temperatura, velocidad del viento y presión del aire se obtuvieron de Global Ground Meteorological Real-time Data Collection, con
una resolución temporal de 3 h y el sistema de tiempo de Greenwich Mean Time. Existen numerosos sitios meteorológicos en China, y la mayoría
de ellos están distribuidos uniformemente, como se muestra en la Figura 2b.
(b)
(a)
Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China (http://
data.cma. cn/sitio/index.html). Los datos de humedad relativa se obtuvieron de la Recopilación de datos
climatológicos diarios terrestres de China, con la resolución temporal de un día y el sistema horario de Beijing Time.
Desde 2012, las 74 ciudades principales de China han comenzado a construir sitios de monitoreo de
PM2.5 y los datos de calidad del aire se han publicado en línea desde enero de 2013. Descargamos los datos
de concentración de PM2.5 diarios del Centro de Datos del Ministerio de Protección Ambiental de China. la
República Popular de China (http://datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, el
número de estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo en
2015 es se muestra en la Figura 2a. La concentración de PM2.5 se mide con una microbalanza oscilante de
elementos cónicos (TEOM) o un monitor de atenuación beta.
Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China. Desde 2012, las
74 ciudades principales de China han comenzado a construir sitios de monitoreo de PM2.5 y aire (http://
data.cma.cn/site/index.html). Los datos de humedad relativa se obtuvieron de China Los datos de calidad del
suelo se han publicado en línea desde enero de 2013. Descargamos la recopilación diaria de datos
climatológicos de PM2.5 , con la resolución temporal de un día y el sistema de tiempo de datos de concentración
del Centro de datos de la Ministerio de Protección Ambiental del Pueblo Hora de Beijing. Los datos de
temperatura, velocidad del viento y presión del aire se obtuvieron de Global Ground Republic of China (http://
datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, la recopilación de datos
meteorológicos en tiempo real, con una resolución temporal de 3 h y el sistema de tiempo del número de
estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo es la hora
del meridiano de Greenwich. Hay numerosos sitios meteorológicos en China, y la mayoría de ellos están en
2015 como se muestra en la Figura 2a. La concentración de PM2.5 se mide mediante elementos cónicos
oscilantes distribuidos uniformemente, como se muestra en la Figura 2b.
Como se muestra en la Figura 2, la concentración de PM2.5 y los parámetros meteorológicos no se miden en los mismos
sitios, por lo que necesitábamos hacer coincidir los dos tipos de datos para formar pares de datos para la tarea de cálculo de
correlación. Dado que el análisis de correlación se realizó en la unidad básica de la ciudad, primero analizamos los sitios de
monitoreo de PM2.5 para cada ciudad mediante el establecimiento de umbrales de longitud y latitud. Luego establecimos zonas
de amortiguamiento centradas en las estaciones de monitoreo de PM2.5 , y se determinó que el radio de la zona de amortiguamiento
era de 0.3ÿ después de una prueba de sensibilidad de parámetros. Los resultados de la sensibilidad de los parámetros se muestran
en la Tabla S1. Se registraron los sitios meteorológicos ubicados dentro de las zonas de amortiguamiento. Cuando se completó la
evaluación de una ciudad, promediamos los datos de concentración de PM2.5 y los datos meteorológicos de todos los sitios de
monitoreo en esta área de la ciudad como datos a nivel de ciudad. Hubo algunos valores atípicos en los datos sin procesar que
pueden haber introducido errores, por lo que se realizó una verificación de validez de los datos diarios para eliminar los datos
problemáticos. Establecimos un umbral de valor normal para cada parámetro, incluida la concentración de PM2.5 , la humedad
relativa, la temperatura, la velocidad del viento y la presión en la superficie, y los datos que se encontraban fuera de los umbrales se asignaron como nulo
Según la topografía y el clima, la división de las siete regiones de China se muestra en la Figura S1 y la Tabla S2. Teniendo
en cuenta las características climáticas de China, las cuatro estaciones son:
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 4 de 19
Figura 2. La distribución de: (a) estaciones de monitoreo de PM2.5 ; y (b) estaciones meteorológicas en China
en 2015.
Machine Translated by Google
La Figura 4 muestra la variación mensual de la concentración promedio de PM2.5 en China de 2013 a 2015.
primavera (marzo, abril y mayo), verano (junio, julio y agosto), otoño (septiembre, octubre y noviembre) e
invierno (diciembre, enero y febrero).
El proceso de diseño de nuestro estudio se puede dividir en cuatro partes. El primer paso fue el
preprocesamiento de datos, como se mencionó anteriormente. Luego realizamos un análisis simple del patrón
de distribución espaciotemporal de la concentración de PM2.5 . ArcGIS y el método de interpolación empírico
Bayesian kriging (EBK) [34] se utilizaron para adquirir el mapa de distribución espacial. En tercer lugar,
realizamos el análisis de correlación a múltiples escalas, es decir, ciudad, región, estación y año. Las
correlaciones entre la concentración diaria de PM2.5 y los factores meteorológicos diarios se midieron mediante
el coeficiente de correlación de rangos de Spearman. Primero dividimos China en siete regiones geográficas
y realizamos los análisis de correlación tanto en las 68 ciudades como en las siete regiones geográficas, para
explorar las variaciones espaciales de la correlación en diferentes escalas espaciales. Luego se implementaron
los análisis de correlación para las cuatro estaciones y todo el año. Luego se realizó además un análisis
multivariante. Finalmente, analizamos las variaciones estacionales y regionales de las relaciones entre la
concentración de PM2.5 y los factores meteorológicos. Dibujamos los mapas de distribución del coeficiente de
correlación (r) de las 68 ciudades y siete regiones en las cuatro estaciones y a escala anual, y realizamos un
agrupamiento para ayudar con el análisis de variación. Los factores de influencia principales y secundarios
para cada región y cada temporada se resumen a continuación, junto con los patrones de variación de la
correlación RH-PM2.5 , la correlación TEM-PM2.5 , la correlación WS-PM2.5 y PS-PM2. 5 correlación. La
figura 3 muestra el diagrama de flujo del diseño del estudio.
Figura 3. Diagrama de flujo del diseño del estudio.
3. Resultados
3. Resultados
2.4. Metodología
3.1. Variación espaciotemporal de la concentración de PM2.5 3.1.
Variación espaciotemporal de la concentración de PM2.5
La Figura 4 muestra la variación mensual de la concentración promedio de PM2.5 en China de 2013 a 2015.
Como se muestra en la figura, la concentración de PM2.5 en julio y agosto es la más baja, y enero y Como se
muestra en la figura, la concentración de PM2.5 en julio y agosto es la más baja, y enero y diciembre tienen las concentraciones
más altas. Esto significa que la contaminación del aire es mucho menos grave diciembre tienen las concentraciones
más altas. Esto significa que la contaminación del aire es mucho menos grave en verano que en invierno. Esta conclusión es
similar a las de estudios previos [35-37]. Otro verano que en invierno. Esta conclusión es similar a las de estudios
previos [35-37]. Otro fenómeno que vale la pena señalar en la Figura 4 es que la posición de la línea azul está en la parte
superior general, mientras que el fenómeno que vale la pena señalar en la Figura 4 es que la posición de la línea azul
está en la parte superior general, mientras que la línea gris está en la parte inferior . , lo que sugiere que la concentración de
PM2.5 de China ha estado disminuyendo la línea gris está en la parte inferior, lo que sugiere que la concentración de
PM2.5 de China ha estado disminuyendo de 2013 a 2015. Esto puede indicar que las políticas de protección ambiental y la
neblina las medidas de control en China han entrado en vigor. Aunque la calidad del aire promedio mejoró de 2013 a 2015, la
cantidad de ciudades que alcanzaron los Estándares de calidad del aire ambiental de China (CAAQS)
El estándar de grado II de 35 m3 sigue siendo pequeño en correspondencia con 5 8 y 12 respectivamente para 2013 2014
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 5 de 19
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 6 de 19
Figura 3. Diagrama de flujo del diseño del estudio.
Machine Translated by Google
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 6 de 19
7 de 19
En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510
Figura Figura 4. 4. Temporal Variación temporal de PM Variación de la concentración de PM2.5 de
2013 a 2015. 2.5 Concentración de 2013 a 2015.
.5
Calculamos los coeficientes de correlación de rango de Spearman entre la concentración de PM2.5 y RH,
TEM, WS y PS en las 68 ciudades. El resultado se proporciona en la Tabla S3. Los coeficientes de correlación y los
valores de p en las ciudades del sur y el norte de China se enumeran en la Tabla 1. En la tabla, r-RH, r-TEM, r-WS
y r-PS representan los coeficientes de correlación entre PM2. 5 concentración y HR, TEM, WS,
Luego analizamos el patrón de distribución espacial de la concentración de PM2.5 en 2015. La Figura 5a
muestra Luego analizamos el patrón de distribución espacial de la concentración de PM2.5 en 2015. Figura
5a todos los sitios y los valores de concentración de PM2.5 correspondientes que usamos para implementar EBK y
muestra todos los sitios y los valores de concentración de PM2.5 correspondientes que usamos para implementar
EBK, la Figura 5b es el resultado final de la interpolación. Se puede ver que la región BTH y Urumqi sufren y la
Figura 5b es el resultado final de la interpolación. Se puede ver que la región de BTH y Urumqi sufren una grave
contaminación por PM2.5 , pero la calidad del aire en el Tíbet, provincia de Yunnan, la isla de Hainan y el PRD por
una grave contaminación por PM2.5 , pero la calidad del aire en el Tíbet, provincia de Yunnan, Isla de Hainan, y
la zona es mejor. El resultado de la interpolación es consistente con los resultados de estudios previos [38–40].
3.2. Variación Regional de la Relación de Correlación
3.2.1. Análisis de correlación a escala de ciudad
La zona del PRD es mejor. El resultado de la interpolación es consistente con los resultados de estudios previos [38–40].
(a)
Figura 5. (a) Concentración anual de PM2.5 en las estaciones de monitoreo en 2015; y (b) la distribución de la
Figura 5. (a) Concentración anual de PM2.5 en las estaciones de monitoreo en 2015; y (b) la distribución de
la concentración promedio anual de PM2.5 en China interpolada por EBK. Concentración promedio anual de
PM2.5 en China interpolada por EBK.
(b)
,
,
Diciembre tiene las concentraciones más altas. Esto significa que la contaminación del aire es mucho menos
grave en verano que en invierno. Esta conclusión es similar a las de estudios previos [35-37]. Otro fenómeno que
vale la pena señalar en la Figura 4 es que la posición de la línea azul está en la parte superior general, mientras
que la línea gris está en la parte inferior, lo que sugiere que la concentración de PM2.5 en China ha disminuido
desde 2013 hasta 2015. Esto puede indican que las políticas de protección ambiental y las medidas de control
de neblina en China han entrado en vigor. Aunque la calidad del aire promedio mejoró desde 2013 hasta 2015.
Esto puede indicar que las políticas de protección ambiental y el control de neblina hasta 2015, la cantidad
de ciudades que alcanzaron las medidas de los Estándares de calidad del aire ambiental chino (CAAQS) en
China han entrado en vigencia. Aunque la calidad del aire promedio mejoró de 2013 a 2015, el estándar de
grado II (35 ÿg/m3) aún es pequeño, correspondiendo a 5, 8 y 12, respectivamente, para 2013, 2014, la cantidad
de ciudades que alcanzaron el nivel de aire ambiental chino. Estándares de calidad (CAAQS) El estándar
de grado II (35 µg/m3 ) aún es pequeño, corresponde a 5, 8 y 12, respectivamente, para 2013, 2014 y 2015.
y 2015.
Machine Translated by Google

Más contenido relacionado

Más de MaribelAraucoRomero

propuesta_de_plan_de_trabajo_2019 (3).pdf
propuesta_de_plan_de_trabajo_2019 (3).pdfpropuesta_de_plan_de_trabajo_2019 (3).pdf
propuesta_de_plan_de_trabajo_2019 (3).pdfMaribelAraucoRomero
 
propuesta_de_plan_de_trabajo_2019 (4).pdf
propuesta_de_plan_de_trabajo_2019 (4).pdfpropuesta_de_plan_de_trabajo_2019 (4).pdf
propuesta_de_plan_de_trabajo_2019 (4).pdfMaribelAraucoRomero
 
Estudio de Saturacion Lima 2011.pdf
Estudio de Saturacion Lima 2011.pdfEstudio de Saturacion Lima 2011.pdf
Estudio de Saturacion Lima 2011.pdfMaribelAraucoRomero
 
EvaluacionEspaciotemporarl PM2,5 Unalm.pdf
EvaluacionEspaciotemporarl PM2,5 Unalm.pdfEvaluacionEspaciotemporarl PM2,5 Unalm.pdf
EvaluacionEspaciotemporarl PM2,5 Unalm.pdfMaribelAraucoRomero
 
AC relacion pm25 y factores meteorologicos en china - español.pdf
AC relacion pm25 y factores meteorologicos en china - español.pdfAC relacion pm25 y factores meteorologicos en china - español.pdf
AC relacion pm25 y factores meteorologicos en china - español.pdfMaribelAraucoRomero
 
inversiones termicas y catmosfer mexico.pdf
inversiones termicas y catmosfer mexico.pdfinversiones termicas y catmosfer mexico.pdf
inversiones termicas y catmosfer mexico.pdfMaribelAraucoRomero
 
LO_Circulacion_vertical_estabilidad.pdf
LO_Circulacion_vertical_estabilidad.pdfLO_Circulacion_vertical_estabilidad.pdf
LO_Circulacion_vertical_estabilidad.pdfMaribelAraucoRomero
 
influencia meteoro cont aire españa.pdf
influencia meteoro cont aire españa.pdfinfluencia meteoro cont aire españa.pdf
influencia meteoro cont aire españa.pdfMaribelAraucoRomero
 

Más de MaribelAraucoRomero (11)

propuesta_de_plan_de_trabajo_2019 (3).pdf
propuesta_de_plan_de_trabajo_2019 (3).pdfpropuesta_de_plan_de_trabajo_2019 (3).pdf
propuesta_de_plan_de_trabajo_2019 (3).pdf
 
pt_2022_-_md_pucusana_lima.pdf
pt_2022_-_md_pucusana_lima.pdfpt_2022_-_md_pucusana_lima.pdf
pt_2022_-_md_pucusana_lima.pdf
 
RHE10483722929E00157.pdf
RHE10483722929E00157.pdfRHE10483722929E00157.pdf
RHE10483722929E00157.pdf
 
propuesta_de_plan_de_trabajo_2019 (4).pdf
propuesta_de_plan_de_trabajo_2019 (4).pdfpropuesta_de_plan_de_trabajo_2019 (4).pdf
propuesta_de_plan_de_trabajo_2019 (4).pdf
 
Estudio de Saturacion Lima 2011.pdf
Estudio de Saturacion Lima 2011.pdfEstudio de Saturacion Lima 2011.pdf
Estudio de Saturacion Lima 2011.pdf
 
EvaluacionEspaciotemporarl PM2,5 Unalm.pdf
EvaluacionEspaciotemporarl PM2,5 Unalm.pdfEvaluacionEspaciotemporarl PM2,5 Unalm.pdf
EvaluacionEspaciotemporarl PM2,5 Unalm.pdf
 
AC relacion pm25 y factores meteorologicos en china - español.pdf
AC relacion pm25 y factores meteorologicos en china - español.pdfAC relacion pm25 y factores meteorologicos en china - español.pdf
AC relacion pm25 y factores meteorologicos en china - español.pdf
 
inversiones termicas y catmosfer mexico.pdf
inversiones termicas y catmosfer mexico.pdfinversiones termicas y catmosfer mexico.pdf
inversiones termicas y catmosfer mexico.pdf
 
LO_Circulacion_vertical_estabilidad.pdf
LO_Circulacion_vertical_estabilidad.pdfLO_Circulacion_vertical_estabilidad.pdf
LO_Circulacion_vertical_estabilidad.pdf
 
influencia meteoro cont aire españa.pdf
influencia meteoro cont aire españa.pdfinfluencia meteoro cont aire españa.pdf
influencia meteoro cont aire españa.pdf
 
protocolo_monitoreo_aire.pdf
protocolo_monitoreo_aire.pdfprotocolo_monitoreo_aire.pdf
protocolo_monitoreo_aire.pdf
 

Último

PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍ
PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍPLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍ
PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍJuan Luis Menares, Arquitecto
 
Hidroelectricidad en el mundo y Colombia Enrique Posada.pdf
Hidroelectricidad en el mundo y Colombia  Enrique Posada.pdfHidroelectricidad en el mundo y Colombia  Enrique Posada.pdf
Hidroelectricidad en el mundo y Colombia Enrique Posada.pdfEnrique Posada
 
evaluación 2 calculo aplicado periodo enero marzo.pdf
evaluación 2 calculo aplicado periodo enero marzo.pdfevaluación 2 calculo aplicado periodo enero marzo.pdf
evaluación 2 calculo aplicado periodo enero marzo.pdfMatematicaFisicaEsta
 
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTAS
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTASS5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTAS
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTASMatematicaFisicaEsta
 
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdf
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdfEXAMEN FINAL AE1_2024_VERANO_240225_150605.pdf
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdfMatematicaFisicaEsta
 
TEMA ILUSTRADO ccccccccccccccccc4.1.docx
TEMA ILUSTRADO ccccccccccccccccc4.1.docxTEMA ILUSTRADO ccccccccccccccccc4.1.docx
TEMA ILUSTRADO ccccccccccccccccc4.1.docxantoniolfdez2006
 
Evaluacioìn 2estadistica (1).pdf
Evaluacioìn 2estadistica (1).pdfEvaluacioìn 2estadistica (1).pdf
Evaluacioìn 2estadistica (1).pdfMatematicaFisicaEsta
 
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...MARCOBARAHONA12
 
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptx
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptxEQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptx
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptxLESLYNAYELYORTEGAGUA
 
Tema-1_Introducción a la Teledetección.pdf
Tema-1_Introducción a la Teledetección.pdfTema-1_Introducción a la Teledetección.pdf
Tema-1_Introducción a la Teledetección.pdfJORGEHUMBERTOATENCIO
 
Políticas OSC 7_Consolidado............pdf
Políticas OSC 7_Consolidado............pdfPolíticas OSC 7_Consolidado............pdf
Políticas OSC 7_Consolidado............pdfCristianPantojaCampa
 
Revista de la SAI numero 2 julio de 2023.pdf
Revista de la SAI numero 2 julio de 2023.pdfRevista de la SAI numero 2 julio de 2023.pdf
Revista de la SAI numero 2 julio de 2023.pdfEnrique Posada
 
TEMA ILUSTRADOooooooooooooooooo 4.3.docx
TEMA ILUSTRADOooooooooooooooooo 4.3.docxTEMA ILUSTRADOooooooooooooooooo 4.3.docx
TEMA ILUSTRADOooooooooooooooooo 4.3.docxantoniolfdez2006
 
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONES
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONESTOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONES
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONESDanielaMamani19
 
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...Enrique Posada
 
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdf
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdfQUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdf
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdfMatematicaFisicaEsta
 
Presentacióndel curso de Cálculo diferencial
Presentacióndel curso de  Cálculo diferencialPresentacióndel curso de  Cálculo diferencial
Presentacióndel curso de Cálculo diferencialProfe Mate
 
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..POLÍTICAS INTERNAS DE OSC TELECOMS SAC..
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..CristianPantojaCampa
 

Último (20)

PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍ
PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍPLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍ
PLAN REGULADOR INTERCOMUNAL DE LA PROVINCIA DE LIMARÍ
 
Hidroelectricidad en el mundo y Colombia Enrique Posada.pdf
Hidroelectricidad en el mundo y Colombia  Enrique Posada.pdfHidroelectricidad en el mundo y Colombia  Enrique Posada.pdf
Hidroelectricidad en el mundo y Colombia Enrique Posada.pdf
 
evaluación 2 calculo aplicado periodo enero marzo.pdf
evaluación 2 calculo aplicado periodo enero marzo.pdfevaluación 2 calculo aplicado periodo enero marzo.pdf
evaluación 2 calculo aplicado periodo enero marzo.pdf
 
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTAS
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTASS5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTAS
S5_TAREA_SET_C_ESTGT1103.pdf RESUELTO CONSULTAS
 
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdf
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdfEXAMEN FINAL AE1_2024_VERANO_240225_150605.pdf
EXAMEN FINAL AE1_2024_VERANO_240225_150605.pdf
 
TEMA ILUSTRADO ccccccccccccccccc4.1.docx
TEMA ILUSTRADO ccccccccccccccccc4.1.docxTEMA ILUSTRADO ccccccccccccccccc4.1.docx
TEMA ILUSTRADO ccccccccccccccccc4.1.docx
 
Evaluacioìn 2estadistica (1).pdf
Evaluacioìn 2estadistica (1).pdfEvaluacioìn 2estadistica (1).pdf
Evaluacioìn 2estadistica (1).pdf
 
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...
Evaluación de exposición a riesgos por vibraciones y posturas forzadas del Cu...
 
EP - 01.pdf
EP - 01.pdfEP - 01.pdf
EP - 01.pdf
 
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptx
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptxEQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptx
EQUILIBRIO Y DESEQUILIBRIO DE LOS ECOSISTEMAS.pptx
 
PRACTICA GRUPAL. Materiales 2.pdf
PRACTICA GRUPAL. Materiales 2.pdfPRACTICA GRUPAL. Materiales 2.pdf
PRACTICA GRUPAL. Materiales 2.pdf
 
Tema-1_Introducción a la Teledetección.pdf
Tema-1_Introducción a la Teledetección.pdfTema-1_Introducción a la Teledetección.pdf
Tema-1_Introducción a la Teledetección.pdf
 
Políticas OSC 7_Consolidado............pdf
Políticas OSC 7_Consolidado............pdfPolíticas OSC 7_Consolidado............pdf
Políticas OSC 7_Consolidado............pdf
 
Revista de la SAI numero 2 julio de 2023.pdf
Revista de la SAI numero 2 julio de 2023.pdfRevista de la SAI numero 2 julio de 2023.pdf
Revista de la SAI numero 2 julio de 2023.pdf
 
TEMA ILUSTRADOooooooooooooooooo 4.3.docx
TEMA ILUSTRADOooooooooooooooooo 4.3.docxTEMA ILUSTRADOooooooooooooooooo 4.3.docx
TEMA ILUSTRADOooooooooooooooooo 4.3.docx
 
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONES
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONESTOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONES
TOLERANCIAS CATASTRALES REGISTRALES USO Y APICACIONES
 
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...
Revista SAI 2023 - Número3 de la Revista de la Sociedad Antioqueña de Ingenie...
 
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdf
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdfQUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdf
QUINTA PR-CTICA CALIFICADA- GRUPO A Y D.pdf
 
Presentacióndel curso de Cálculo diferencial
Presentacióndel curso de  Cálculo diferencialPresentacióndel curso de  Cálculo diferencial
Presentacióndel curso de Cálculo diferencial
 
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..POLÍTICAS INTERNAS DE OSC TELECOMS SAC..
POLÍTICAS INTERNAS DE OSC TELECOMS SAC..
 

AC relacion pm25 y factores meteorologicos en china - español.pdf

  • 1. Revista Internacional de 2 1 3 Escuela de Recursos y Ciencias Ambientales, Universidad de Wuhan, Wuhan 430079, China; litw@whu.edu.cn State Key Laboratory of Information Engineering, Survey Mapping and Remote Sensing, Universidad de Wuhan, Wuhan 430079, China 4 Las relaciones entre PM2.5 y factores meteorológicos en China: variaciones estacionales y regionales www.mdpi.com/journal/ijerph En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510; doi:10.3390/ijerph14121510 El aire limpio es un requisito básico para la comodidad, la salud y el bienestar humanos [1]. Sin embargo, en las últimas décadas, con el rápido desarrollo de la economía, se han producido una serie de problemas ambientales , especialmente la contaminación del aire [2]. Un estudio de la Organización Mundial de la Salud (OMS) mostró que las muertes prematuras de más de dos millones de personas cada año pueden atribuirse a los efectos de la contaminación del aire durante el siglo XXI, y más de la mitad de estas muertes ocurrieron en países en desarrollo , particularmente en China e India [3]. El grave efecto adverso de la contaminación del aire lo convierte en un foco de preocupación pública y estudio científico. PM2.5 (partículas con un diámetro aerodinámico de menos de 2,5 µm) es uno de los componentes más dañinos de los contaminantes del aire [4]. una alta concentracio qian qian yang Liang Pei Zhang 1. Introducción , Huanfeng Shen 2,3 y Palabras llave: PM2.5; factores meteorológicos; Análisis de correlación; heterogeneidad espacial; variabilidad estacional Artículo , Tongwen Li 3 Estacionalmente, la correlación positiva entre la concentración de PM2.5 y la HR es más fuerte en invierno y primavera. TEM tiene una relación negativa con PM2.5 en otoño y lo contrario en invierno. PS se correlaciona más positivamente con PM2.5 en otoño que en otras estaciones. Nuestro estudio investigó las relaciones entre PM2.5 y factores meteorológicos en términos de variaciones espaciales y estacionales, y las conclusiones sobre las relaciones entre PM2.5 y factores meteorológicos son más completas y precisas que antes. Sugerimos que las variaciones podrían considerarse en la predicción de la concentración de PM2.5 y el control de la neblina para mejorar la precisión de la predicción y la eficiencia de las políticas. 2,4 Resumen: Las interacciones entre PM2.5 y factores meteorológicos juegan un papel crucial en el análisis de la contaminación del aire. Sin embargo, estudios previos que han investigado las relaciones entre la concentración de PM2.5 y las condiciones meteorológicas se han limitado principalmente a una determinada ciudad o distrito, y la correlación en toda China sigue sin estar clara. La existencia de variaciones espaciales y estacionales merece más investigación. En este estudio, se investigaron las relaciones entre la concentración de PM2.5 y los factores meteorológicos en 68 ciudades importantes de China durante un período continuo de 22 meses desde febrero de 2013 hasta noviembre de 2014, en escalas de temporada, año, ciudad y región, y el espacio y se analizaron las variaciones estacionales . Los factores meteorológicos fueron la humedad relativa (HR), la temperatura (TEM), la velocidad del viento (WS) y la presión superficial (PS). Encontramos que existen variaciones espaciales y estacionales de sus relaciones con PM2.5 . Espacialmente, la HR se correlaciona positivamente con la concentración de PM2.5 en el norte de China y Urumqi, pero la relación se vuelve negativa en otras áreas de China. WS está negativamente correlacionado con PM2.5 en todas partes excepto en la isla de Hainan. PS tiene una fuerte relación positiva con la concentración de PM2.5 en el noreste de China y el centro-sur de China, y en otras áreas la correlación es débil. 1 Investigación Ambiental y Salud Pública , Qiangqiang Yuan 1,2,* identificación Escuela de Geodesia y Geomática, Universidad de Wuhan, Wuhan 430079, China; qianyang9508@gmail.com Centro de Innovación Colaborativa de Tecnología Geoespacial, Universidad de Wuhan, Wuhan 430079, China; shenhf@whu.edu.cn (HS); zlp62@whu.edu.cn (LZ) * Correspondencia: yqiang86@gmail.com; Teléfono: +86-27-6875-8427 Recibido: 27 de octubre de 2017; Aceptado: 29 de noviembre de 2017; Publicado: 5 diciembre 2017 Machine Translated by Google
  • 2. Hasta la fecha, se han realizado muchos estudios sobre las relaciones entre la concentración de PM2.5 y las condiciones meteorológicas. Por ejemplo, Chen et al. estudió las relaciones entre PM2.5 y factores meteorológicos en el área urbana de Nanjing de 2013 a 2015 [23] y encontró una correlación negativa entre la concentración de PM2.5 y la velocidad del viento, la temperatura, la humedad relativa y la precipitación. Li et al. realizó un análisis similar en la cuenca de Sichuan [24] y encontró que la concentración de PM2.5 se correlacionó negativamente con la velocidad del viento y la temperatura del aire, se correlacionó positivamente con la presión del aire y se correlacionó débilmente con la humedad relativa. Las relaciones entre la concentración de PM2.5 y los factores meteorológicos también se han examinado en muchas otras ciudades como Beijing, Shanghai, Guangzhou y Wuhan, y áreas como Beijing-Tianjin-Hebei (BTH) [20,25–28]. Muchos estudios ya han demostrado que las correlaciones entre la concentración de PM2.5 y los factores meteorológicos varían con las estaciones. Por ejemplo, por un lado, las altas temperaturas pueden promover la formación de aerosoles secundarios [29] y aumentar la concentración de PM2.5 pero, por otro lado, las altas temperaturas también pueden promover la convección del aire [1], creando así una mejor difusión. condiciones para el material particulado y la disminución de la concentración de PM2.5 . La temperatura también puede influir en la concentración de PM2.5 al promover la volatilización del nitrato de amonio [30] y afectar las tasas de emisión de la calefacción doméstica y la producción de energía [31]. En China, las fuentes y componentes de PM2.5, el clima local y el terreno son muy complicados [32,33], lo que hace que el grado de influencia de los diferentes procesos varíe según la región. Como resultado, las relaciones entre la concentración de PM2.5 y los factores meteorológicos son espacialmente heterogéneas. 2 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 Sin embargo, además de las variaciones estacionales, también se ha encontrado que las relaciones entre la concentración de PM2.5 y los factores meteorológicos varían entre regiones. Tomando como ejemplo la correlación entre la concentración de PM2.5 y la humedad relativa, Huang et al. encontró una correlación positiva entre la concentración de PM2.5 y la humedad relativa en Beijing [25], pero Chen et al. informó una correlación negativa en el área urbana de Nanjing [23]. En cuanto a Li et al., llegaron a la conclusión de que la concentración de PM2.5 estaba débilmente correlacionada con la humedad relativa en la cuenca de Sichuan [24]. También se encontró que la concentración de PM2.5 estaba negativamente correlacionada con WS en Guangzhou en un estudio realizado por Zhang et al. [27], pero, en otro análisis en Shijiazhuang, el resultado fue una correlación débil [28]. La razón de las variaciones espaciales es que los factores meteorológicos afectan la concentración de PM2.5 a través de una serie de procesos conflictivos, y el efecto final es un resultado sintético que depende del clima local, el terreno y los componentes de PM Por lo tanto, solo a través de comparaciones entre diferentes regiones podemos describir las relaciones entre la concentración de PM2.5 y los factores meteorológicos con mayor precisión y detalle. Los estudios anteriores que se limitaron principalmente a una ciudad o distrito no pudieron investigar exhaustivamente las relaciones entre PM2.5 y los factores meteorológicos. En consecuencia, sus conclusiones solo se pueden aplicar a las regiones locales y no pueden proporcionar sugerencias útiles para las decisiones gubernamentales a escala nacional. Ha habido algunos estudios a escala nacional [1], pero, en su análisis, China se consideró como un distrito, y las variaciones entre las diferentes regiones aún se ignoraron. En cualquier caso, el descuido de las variaciones regionales hace que las relaciones entre la concentración de PM2.5 y los factores meteorológicos aún no estén claras en China. Lo que se requiere son análisis que incluyan un número mayor de PM2.5 puede tener un impacto adverso en la salud humana [5–7], el cambio climático [8,9], los ecosistemas locales [10] y el desarrollo económico [11]. Además, también se ha encontrado que una alta concentración de PM2.5 está asociada con cambios en la estructura vertical de las nubes [12,13], lo que conduce a un retraso en el inicio de la precipitación y los rayos [14], y reduce la ocurrencia de eventos locales . -escala de precipitación [15]. Como han demostrado estudios anteriores, las altas concentraciones de PM2.5 pueden atribuirse no solo al aumento de las emisiones [16,17], sino también a muchos factores geográficos naturales, como la topografía, la vegetación y el clima [18–21]. Entre estos factores influyentes, las condiciones meteorológicas son algunos de los factores más importantes [22]. El estudio de las relaciones entre las condiciones meteorológicas y la concentración de PM2.5 podría ayudarnos a comprender mejor el problema de la contaminación por PM2.5 y podría contribuir a la adopción de medidas más efectivas para reducir la contaminación por PM2.5 . Por ejemplo, Chen et al. encontró que la correlación entre PM2.5 y la temperatura (TEM) era negativa en verano y otoño y luego se volvía positiva en primavera e invierno [23]. Chen et al. encontró que el viento se correlacionó negativamente con PM2.5 en invierno, pero la correlación fue débil en verano [28]. Machine Translated by Google
  • 3. de ciudades y áreas, y las variaciones entre diferentes regiones y estaciones necesitan ser examinadas y resumidas. Aunque la mayoría de las ciudades están ubicadas en las regiones PRD, YRD y BTH, las 68 ciudades están repartidas por toda China, lo que hace factible el análisis de las variaciones regionales. El rango temporal de nuestro estudio fue del 3 de febrero de 2013 al 30 de noviembre de 2014, es decir, 22 meses/666 días en total. Debido a un error de medición del instrumento, un error de transmisión de datos y otras razones, faltaban datos de algunos días y, por lo tanto, la cantidad de días de datos utilizados en el cálculo fue ligeramente inferior a 666 días. China es el tercer país más grande del mundo y tiene la población más grande de todos los países. El objetivo de nuestro estudio fue investigar exhaustivamente las relaciones entre la concentración de PM2.5 y los factores meteorológicos para obtener una imagen clara de sus relaciones en China. En este estudio, llevamos a cabo un análisis de correlación en 68 ciudades importantes y siete regiones geográficas de China con base en un registro de observaciones de 22 meses para 2013–2014. Luego se compararon los valores del coeficiente de correlación (r) de las diferentes ciudades y áreas y se resumieron los diferentes patrones. También se analizaron las diferencias estacionales de las relaciones. Las conclusiones de este estudio podrían utilizarse para mejorar la comprensión de los mecanismos de formación de la contaminación del aire y la precisión de los pronósticos de PM2.5 , y podrían proporcionar una referencia para la toma de decisiones sobre políticas de gestión ambiental. En los últimos años ha sido testigo de un gran salto en la economía; sin embargo, el rápido crecimiento de las ciudades chinas también ha resultado en mucha contaminación, y China ya se ha convertido en uno de los países más contaminados del mundo. Nuestro estudio se concentró en las 74 ciudades principales de China, según lo define el Estándar Nacional de Calidad del Aire Ambiental de China (CNAAQS, GB3095-2012), incluidas las regiones y municipios de BTH, Yangtze River Delta (YRD) y Pearl River Delta (PRD). , ciudades capitales de las divisiones administrativas de primer grado, y demás ciudades que figuren en el Plan Económico del Estado. Debido a la insuficiencia de datos, seis ciudades (Handan, Langfang, Cangzhou, Hengshui, Jiaxing y Jiangmen) no se incluyeron en el análisis de correlación final. Las ubicaciones de las otras 68 ciudades se muestran en la Figura 1. En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 4 de 19 Figura 1. Área de estudio: 68 ciudades principales de China. 2.2. Recopilación de datos Desde 2012, las 74 ciudades principales de China han comenzado a construir sitios de monitoreo de PM2.5 y los datos de calidad del aire se han publicado en línea desde enero de 2013. Descargamos los datos de concentración de PM2.5 diarios del Centro de Datos del Ministerio de Protección Ambiental de China. la República Popular de China (http://datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, el número de estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo en 2015 es se muestra en la Figura 2a. La concentración de PM2.5 se mide con una microbalanza oscilante de elementos cónicos (TEOM) o un monitor de atenuación beta. Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 3 de 19 En nuestra investigación se estudiaron cuatro factores meteorológicos: humedad relativa (HR), temperatura (TEM), velocidad del viento (WS) y presión superficial (PS). 2.1. Área de estudio y período 2. Materiales y métodos Figura 1. Área de estudio: 68 ciudades principales de China. Machine Translated by Google
  • 4. Microbalanza (TEOM) o monitor de atenuación beta. 2.2. Recopilación de datos 2.3. Preprocesamiento de datos Luego procesamos los datos para el cálculo de la correlación a escala de temporada, año, ciudad y región. Los datos de temperatura, velocidad del viento y presión del aire se obtuvieron de Global Ground Meteorological Real-time Data Collection, con una resolución temporal de 3 h y el sistema de tiempo de Greenwich Mean Time. Existen numerosos sitios meteorológicos en China, y la mayoría de ellos están distribuidos uniformemente, como se muestra en la Figura 2b. (b) (a) Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China (http:// data.cma. cn/sitio/index.html). Los datos de humedad relativa se obtuvieron de la Recopilación de datos climatológicos diarios terrestres de China, con la resolución temporal de un día y el sistema horario de Beijing Time. Desde 2012, las 74 ciudades principales de China han comenzado a construir sitios de monitoreo de PM2.5 y los datos de calidad del aire se han publicado en línea desde enero de 2013. Descargamos los datos de concentración de PM2.5 diarios del Centro de Datos del Ministerio de Protección Ambiental de China. la República Popular de China (http://datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, el número de estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo en 2015 es se muestra en la Figura 2a. La concentración de PM2.5 se mide con una microbalanza oscilante de elementos cónicos (TEOM) o un monitor de atenuación beta. Los datos meteorológicos se descargaron de la Red de datos meteorológicos de China. Desde 2012, las 74 ciudades principales de China han comenzado a construir sitios de monitoreo de PM2.5 y aire (http:// data.cma.cn/site/index.html). Los datos de humedad relativa se obtuvieron de China Los datos de calidad del suelo se han publicado en línea desde enero de 2013. Descargamos la recopilación diaria de datos climatológicos de PM2.5 , con la resolución temporal de un día y el sistema de tiempo de datos de concentración del Centro de datos de la Ministerio de Protección Ambiental del Pueblo Hora de Beijing. Los datos de temperatura, velocidad del viento y presión del aire se obtuvieron de Global Ground Republic of China (http:// datacenter.mep.gov.cn/index), de 2013 a 2015. Para diciembre de 2015, la recopilación de datos meteorológicos en tiempo real, con una resolución temporal de 3 h y el sistema de tiempo del número de estaciones de monitoreo de PM2.5 superó las 1440. La distribución de estos sitios de monitoreo es la hora del meridiano de Greenwich. Hay numerosos sitios meteorológicos en China, y la mayoría de ellos están en 2015 como se muestra en la Figura 2a. La concentración de PM2.5 se mide mediante elementos cónicos oscilantes distribuidos uniformemente, como se muestra en la Figura 2b. Como se muestra en la Figura 2, la concentración de PM2.5 y los parámetros meteorológicos no se miden en los mismos sitios, por lo que necesitábamos hacer coincidir los dos tipos de datos para formar pares de datos para la tarea de cálculo de correlación. Dado que el análisis de correlación se realizó en la unidad básica de la ciudad, primero analizamos los sitios de monitoreo de PM2.5 para cada ciudad mediante el establecimiento de umbrales de longitud y latitud. Luego establecimos zonas de amortiguamiento centradas en las estaciones de monitoreo de PM2.5 , y se determinó que el radio de la zona de amortiguamiento era de 0.3ÿ después de una prueba de sensibilidad de parámetros. Los resultados de la sensibilidad de los parámetros se muestran en la Tabla S1. Se registraron los sitios meteorológicos ubicados dentro de las zonas de amortiguamiento. Cuando se completó la evaluación de una ciudad, promediamos los datos de concentración de PM2.5 y los datos meteorológicos de todos los sitios de monitoreo en esta área de la ciudad como datos a nivel de ciudad. Hubo algunos valores atípicos en los datos sin procesar que pueden haber introducido errores, por lo que se realizó una verificación de validez de los datos diarios para eliminar los datos problemáticos. Establecimos un umbral de valor normal para cada parámetro, incluida la concentración de PM2.5 , la humedad relativa, la temperatura, la velocidad del viento y la presión en la superficie, y los datos que se encontraban fuera de los umbrales se asignaron como nulo Según la topografía y el clima, la división de las siete regiones de China se muestra en la Figura S1 y la Tabla S2. Teniendo en cuenta las características climáticas de China, las cuatro estaciones son: En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 4 de 19 Figura 2. La distribución de: (a) estaciones de monitoreo de PM2.5 ; y (b) estaciones meteorológicas en China en 2015. Machine Translated by Google
  • 5. La Figura 4 muestra la variación mensual de la concentración promedio de PM2.5 en China de 2013 a 2015. primavera (marzo, abril y mayo), verano (junio, julio y agosto), otoño (septiembre, octubre y noviembre) e invierno (diciembre, enero y febrero). El proceso de diseño de nuestro estudio se puede dividir en cuatro partes. El primer paso fue el preprocesamiento de datos, como se mencionó anteriormente. Luego realizamos un análisis simple del patrón de distribución espaciotemporal de la concentración de PM2.5 . ArcGIS y el método de interpolación empírico Bayesian kriging (EBK) [34] se utilizaron para adquirir el mapa de distribución espacial. En tercer lugar, realizamos el análisis de correlación a múltiples escalas, es decir, ciudad, región, estación y año. Las correlaciones entre la concentración diaria de PM2.5 y los factores meteorológicos diarios se midieron mediante el coeficiente de correlación de rangos de Spearman. Primero dividimos China en siete regiones geográficas y realizamos los análisis de correlación tanto en las 68 ciudades como en las siete regiones geográficas, para explorar las variaciones espaciales de la correlación en diferentes escalas espaciales. Luego se implementaron los análisis de correlación para las cuatro estaciones y todo el año. Luego se realizó además un análisis multivariante. Finalmente, analizamos las variaciones estacionales y regionales de las relaciones entre la concentración de PM2.5 y los factores meteorológicos. Dibujamos los mapas de distribución del coeficiente de correlación (r) de las 68 ciudades y siete regiones en las cuatro estaciones y a escala anual, y realizamos un agrupamiento para ayudar con el análisis de variación. Los factores de influencia principales y secundarios para cada región y cada temporada se resumen a continuación, junto con los patrones de variación de la correlación RH-PM2.5 , la correlación TEM-PM2.5 , la correlación WS-PM2.5 y PS-PM2. 5 correlación. La figura 3 muestra el diagrama de flujo del diseño del estudio. Figura 3. Diagrama de flujo del diseño del estudio. 3. Resultados 3. Resultados 2.4. Metodología 3.1. Variación espaciotemporal de la concentración de PM2.5 3.1. Variación espaciotemporal de la concentración de PM2.5 La Figura 4 muestra la variación mensual de la concentración promedio de PM2.5 en China de 2013 a 2015. Como se muestra en la figura, la concentración de PM2.5 en julio y agosto es la más baja, y enero y Como se muestra en la figura, la concentración de PM2.5 en julio y agosto es la más baja, y enero y diciembre tienen las concentraciones más altas. Esto significa que la contaminación del aire es mucho menos grave diciembre tienen las concentraciones más altas. Esto significa que la contaminación del aire es mucho menos grave en verano que en invierno. Esta conclusión es similar a las de estudios previos [35-37]. Otro verano que en invierno. Esta conclusión es similar a las de estudios previos [35-37]. Otro fenómeno que vale la pena señalar en la Figura 4 es que la posición de la línea azul está en la parte superior general, mientras que el fenómeno que vale la pena señalar en la Figura 4 es que la posición de la línea azul está en la parte superior general, mientras que la línea gris está en la parte inferior . , lo que sugiere que la concentración de PM2.5 de China ha estado disminuyendo la línea gris está en la parte inferior, lo que sugiere que la concentración de PM2.5 de China ha estado disminuyendo de 2013 a 2015. Esto puede indicar que las políticas de protección ambiental y la neblina las medidas de control en China han entrado en vigor. Aunque la calidad del aire promedio mejoró de 2013 a 2015, la cantidad de ciudades que alcanzaron los Estándares de calidad del aire ambiental de China (CAAQS) El estándar de grado II de 35 m3 sigue siendo pequeño en correspondencia con 5 8 y 12 respectivamente para 2013 2014 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 5 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 6 de 19 Figura 3. Diagrama de flujo del diseño del estudio. Machine Translated by Google
  • 6. En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 6 de 19 7 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 Figura Figura 4. 4. Temporal Variación temporal de PM Variación de la concentración de PM2.5 de 2013 a 2015. 2.5 Concentración de 2013 a 2015. .5 Calculamos los coeficientes de correlación de rango de Spearman entre la concentración de PM2.5 y RH, TEM, WS y PS en las 68 ciudades. El resultado se proporciona en la Tabla S3. Los coeficientes de correlación y los valores de p en las ciudades del sur y el norte de China se enumeran en la Tabla 1. En la tabla, r-RH, r-TEM, r-WS y r-PS representan los coeficientes de correlación entre PM2. 5 concentración y HR, TEM, WS, Luego analizamos el patrón de distribución espacial de la concentración de PM2.5 en 2015. La Figura 5a muestra Luego analizamos el patrón de distribución espacial de la concentración de PM2.5 en 2015. Figura 5a todos los sitios y los valores de concentración de PM2.5 correspondientes que usamos para implementar EBK y muestra todos los sitios y los valores de concentración de PM2.5 correspondientes que usamos para implementar EBK, la Figura 5b es el resultado final de la interpolación. Se puede ver que la región BTH y Urumqi sufren y la Figura 5b es el resultado final de la interpolación. Se puede ver que la región de BTH y Urumqi sufren una grave contaminación por PM2.5 , pero la calidad del aire en el Tíbet, provincia de Yunnan, la isla de Hainan y el PRD por una grave contaminación por PM2.5 , pero la calidad del aire en el Tíbet, provincia de Yunnan, Isla de Hainan, y la zona es mejor. El resultado de la interpolación es consistente con los resultados de estudios previos [38–40]. 3.2. Variación Regional de la Relación de Correlación 3.2.1. Análisis de correlación a escala de ciudad La zona del PRD es mejor. El resultado de la interpolación es consistente con los resultados de estudios previos [38–40]. (a) Figura 5. (a) Concentración anual de PM2.5 en las estaciones de monitoreo en 2015; y (b) la distribución de la Figura 5. (a) Concentración anual de PM2.5 en las estaciones de monitoreo en 2015; y (b) la distribución de la concentración promedio anual de PM2.5 en China interpolada por EBK. Concentración promedio anual de PM2.5 en China interpolada por EBK. (b) , , Diciembre tiene las concentraciones más altas. Esto significa que la contaminación del aire es mucho menos grave en verano que en invierno. Esta conclusión es similar a las de estudios previos [35-37]. Otro fenómeno que vale la pena señalar en la Figura 4 es que la posición de la línea azul está en la parte superior general, mientras que la línea gris está en la parte inferior, lo que sugiere que la concentración de PM2.5 en China ha disminuido desde 2013 hasta 2015. Esto puede indican que las políticas de protección ambiental y las medidas de control de neblina en China han entrado en vigor. Aunque la calidad del aire promedio mejoró desde 2013 hasta 2015. Esto puede indicar que las políticas de protección ambiental y el control de neblina hasta 2015, la cantidad de ciudades que alcanzaron las medidas de los Estándares de calidad del aire ambiental chino (CAAQS) en China han entrado en vigencia. Aunque la calidad del aire promedio mejoró de 2013 a 2015, el estándar de grado II (35 ÿg/m3) aún es pequeño, correspondiendo a 5, 8 y 12, respectivamente, para 2013, 2014, la cantidad de ciudades que alcanzaron el nivel de aire ambiental chino. Estándares de calidad (CAAQS) El estándar de grado II (35 µg/m3 ) aún es pequeño, corresponde a 5, 8 y 12, respectivamente, para 2013, 2014 y 2015. y 2015. Machine Translated by Google
  • 7. 3.2. Variación Regional de la Relación de Correlación la correlación entre la concentración de PM2.5 y la presión no es muy significativa en algunas ciudades. relaciones entre PM2.5 y factores meteorológicos. 3.2.1. Análisis de correlación a escala de ciudad una correlación insignificante. ÿ0,59, respectivamente. Además, los coeficientes de correlación entre PM2.5 y PS son grandes en el centro r-WS y r-PS representan los coeficientes de correlación entre la concentración de PM2.5 y RH, TEM, WS, correlacionado con HR en Beijing, con el valor del coeficiente de correlación (r) alcanzando 0.48, pero, en Shenzhen de cada ciudad en el mapa de la Figura 6, y represente los valores del coeficiente de correlación (r) con colores y PS, respectivamente, y los correspondientes P-RH, P-TEM, P-WS y P-PS representan los valores p puntos. El verde representa una correlación negativa y el rojo representa una correlación positiva, con un y Huizhou, PM2.5 está negativamente correlacionado con HR, y los coeficientes de correlación son ÿ0.50 y color más profundo que indica una relación más estrechamente correlacionada. Los puntos con mayor tamaño significan el TEM, WS y PS en las 68 ciudades. El resultado se proporciona en la Tabla S3. Los coeficientes de correlación y Los valores de p en las ciudades del sur y el norte de China se enumeran en la Tabla 1. En la tabla, r-RH, r-TEM, Calculamos los coeficientes de correlación de rango de Spearman entre la concentración de PM2.5 y la HR, correlación es significativa a un nivel de confianza del 95%. Por el contrario, los puntos de menor tamaño representan Tabla 1. Los coeficientes de correlación y los valores p de las ciudades del sur y el norte de China. China, pero relativamente pequeña en el noroeste de China. Este resultado muestra que existen variaciones espaciales en el Para describir la variación regional de una manera más intuitiva, mostramos los coeficientes de correlación ÿ0,204 0,0000 0,0000 0,0000 0,3530 0,0000 0,0000 0,0045 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0037 0,0000 Ciudad ÿ0,174 ÿ0,233 0,0000 0,0000 0,0000 0,2288 sur de China Foshán ÿ0,030 0,0000 0,0000 0,0074 0,8171 ÿ0,376 r-PS P-RH P-TEM P-WS P-PS 0.153 0.274 ÿ0,137 ÿ0,221 0,0000 0,0000 0,0000 0,0000 ÿ0,233 0.243 ÿ0,287 ÿ0,248 Región 0,0000 0,0000 0,0000 0,0019 Cantón ÿ0,376 ÿ0,427 ÿ0,179 Shenzhen ÿ0,504 ÿ0,531 ÿ0,031 ÿ0.019 ÿ0,380 Valor de p significativo 0.153 Zhongshan ÿ0,445 ÿ0,510 Dongguan ÿ0,375 ÿ0,450 Huizhou ÿ0,585 ÿ0,453 Zhaoqing ÿ0,322 ÿ0,453 Nanning ÿ0,324 ÿ0,534 Haikou ÿ0,157 ÿ0,590 ÿ0,067 0,0000 0,0000 0,0000 0,9763 Zhuhai ÿ0,072 ÿ0,106 ÿ0,368 ÿ0,149 ÿ0,202 0.073 norte de china r-WS ÿ0,228 0,0000 0,0000 0,0000 0,0170 ÿ0.030 ÿ0,266 0.307 0,0000 0,0000 0,0000 0,0000 0.091 0,0104 0,0000 0,0000 0,0433 ÿ0,206 ÿ0,291 ÿ0,202 0,022 Coeficiente de correlación (r) ÿ0,273 ÿ0,027 0,0000 0,0000 0,7030 0,5015 0.444 ÿ0.300 r-TEM 0.471 ÿ0,188 0,0000 0,0000 0,0000 0,0005 ÿ0,423 ÿ0,440 ÿ0,075 0,0000 0,0000 0,0000 0,0405 0,0000 0,0002 0,0000 0,0696 0,0000 0,0000 0,0000 0,0174 ÿ0,370 0.192 ÿ0,190 0,0000 0,0000 0,4443 0,1493 0.062 0,592 0,606 ÿ0,274 ÿ0,061 0,0000 0,0000 0,3108 0,0637 ÿ0,088 Pekín Tianjin Shijiazhuang 0,331 Tangshan 0,294 Qinhuangdao 0,161 Baoding 0,272 Zhangjiakou 0,166 Chengde 0,238 Xingtai Taiyuan Huhehaote 0.119 0,0481 0,0000 0,0133 0,0000 ÿ0.212 r-RH ÿ0,356 ÿ0,435 0,220 ÿ0,502 ÿ0,596 0.034 ÿ0,004 0,0000 0,0009 0,0000 0,2176 0.484 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 7 de 19 en la prueba de hipótesis de la correlación entre la concentración de PM2.5 y RH, TEM, WS y PS. observando que los valores p en la última columna son más grandes que las otras columnas, lo que indica que el está significativamente correlacionada con factores meteorológicos, a un nivel de confianza del 95%. Sin embargo, vale la pena En la Tabla 1 y la Tabla S3, la variación regional se puede ver claramente. Por ejemplo, PM2.5 es positivamente La mayoría de los valores de p en la Tabla S3 y la Tabla 1 son inferiores a 0.05, lo que indica que la concentración de PM2.5 Machine Translated by Google
  • 8. Figura 6. Los valores del coeficiente de correlación (r) en las 68 ciudades principales: (a) correlación entre PM2.5 Figura 6. Los valores del coeficiente de correlación (r) en las 68 ciudades principales: (a) correlación entre la concentración de PM2.5 y RH; (b) correlación entre la concentración de PM2.5 y TEM; (c) correlación entre concentración y HR; (b) correlación entre la concentración de PM2.5 y TEM; (c) correlación entre la concentración de PM2.5 y WS; y (d) correlación entre la concentración de PM2.5 y PS. En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 8 de 19 concentración de PM2.5 y WS; y (d) correlación entre la concentración de PM2.5 y PS. Para comprender las variaciones espaciales con mayor claridad, también realizamos un análisis de conglomerados para la Figura 6a que muestra los coeficientes de correlación entre la concentración de PM2.5 y la humedad relativa en 68 ciudades. Se utilizó el algoritmo ISODATA para implementar el agrupamiento. Los resultados de la agrupación son las 68 ciudades. La relación es una correlación positiva en el norte de China y Urumqi, pero es una correlación negativa que se muestra en la Figura 7, donde las 68 ciudades se agrupan en cuatro grupos. La región del PRD está agrupada como correlación en otras áreas, especialmente en el sur de China. Inferimos que esta variación puede resultar del tipo del primer grupo, aunque con excepciones individuales. En esta área, la concentración de PM2.5 es una diferencia negativa del aerosol en el norte y el sur de China. Los tipos de aerosol se han definido en Barnaba's correlacionados con RH y TEM, pero débilmente correlacionados con WS y PS. Este tipo de grupo se muestra en el artículo [38], en el que los aerosoles se clasifican en tres tipos según sus diferentes ópticas y por los puntos naranjas en la Figura 7. La región YRD y algunas ciudades en el oeste de China se agrupan como propiedades psíquicas. Además, el hecho de que el sur de China suele ser más húmedo que el norte de China también puede ser de segundo tipo, simbolizado por los puntos verdes, donde PM2.5 tiene una relación negativa con TEM y contribuye a la diferencia de correlación. El resultado del agrupamiento muestra que existen dependencias geográficas y geográficas . Además, nuestros resultados indican que la correlación entre la concentración de PM2.5 y TEM es más débil . Las diferencias en las relaciones entre la concentración de PM2.5 y los factores meteorológicos. en el norte de China que en otras áreas. WS y una débil correlación con los demás factores meteorológicos. Los puntos azules representan la tercera temperatura tiene una fuerte correlación negativa con la concentración de PM2.5 en casi todos los tipos de ciudades e incluyen principalmente ciudades en el noreste de China y el centro de China, donde la concentración de PM2.5 es de China, como se muestra en la Figura 6b y también puede reflejar la variación estacional en la concentración de PM2.5 . correlacionada negativamente con TEM y positivamente correlacionada con PS. Por último, el norte de China y Urumqi , la concentración de PM2.5 es la más baja en verano y la más alta en invierno, y los espectáculos de temperatura se agrupan como el cuarto tipo, como lo muestran los puntos rojos, donde la concentración de PM2.5 en las ciudades del lado opuesto . tendencia. La razón de la correlación negativa puede ser que las altas temperaturas promueven que estas regiones se correlacionen positivamente con la HR, se correlacionen negativamente con TEM y WS, y débilmente con la convección del aire, lo que provoca la dilución y dispersión de los contaminantes del aire [1]. El bajo se correlacionó con PS. temperatura puede conducir a un aumento de las tasas de emisión de la calefacción doméstica y la producción de energía [31]. En la Figura 6c, la velocidad del viento está negativamente correlacionada con la concentración de PM2.5 en la mayoría de las áreas, lo que indica que la dispersión horizontal juega un papel importante en China. La provincia de Hainan es una excepción, con una correlación positiva PM2.5-WS , que se debe a que el aire ambiental en la isla de Hainan es muy limpio [41–43] y el viento de las áreas circundantes puede traer contaminantes a la isla, aumentando así la Concentración de PM2.5 . 9 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 Machine Translated by Google
  • 9. correlación” con ÿ0,2 < r < 0,2. Las cuatro letras de cada nombre de grupo representan las correlaciones entre correlación” con ÿ0,2 < r < 0,2. Las cuatro letras de cada nombre de grupo representan las correlaciones entre la concentración de PM2.5 y RH, TEM, WS, PS secuencialmente). Figura 7. Resultado de la agrupación de las 68 ciudades. (La letra “N” en el nombre del conglomerado representa “Negativo Figura 7. Resultado de conglomerado de las 68 ciudades. (La letra “N” en el nombre del conglomerado representa “ Correlación negativa” con r ÿ ÿ0.2; “P” representa “Positivo correlación” con r ÿ 0,2; “W” representa “ correlación débil” con r ÿ ÿ0,2; “P” representa “correlación positiva” con r ÿ 0,2; “W” representa “correlación débil” 9 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 3.2.2. Análisis de correlación a escala regional El resultado del agrupamiento muestra que existen dependencias geográficas y geográficas Para obtener una evaluación exacta de la diferencia regional de las correlaciones entre las diferencias en las relaciones entre la concentración de PM2.5 y los factores meteorológicos. concentración y factores meteorológicos, realizamos un análisis de correlación a escala regional. Como 3.2.2. El análisis de correlación a escala regional se ha mencionado anteriormente, dividimos China continental en siete regiones. La Figura 8 muestra los resultados del análisis de correlación regional. En la figura, hay un histograma para cada área, y los diferentes Para obtener una evaluación exacta de la diferencia regional de las correlaciones entre PM2.5 colores de las barras representan los valores del coeficiente de correlación (r) de los diferentes factores meteorológicos. concentración y factores meteorológicos, realizamos un análisis de correlación a escala regional. Una barra hacia arriba significa una correlación positiva y hacia abajo significa una correlación negativa. El norte de China es el único Como se mencionó anteriormente, dividimos China continental en siete regiones. La Figura 8 muestra el área donde la concentración de PM2.5 se correlaciona positivamente con la HR pero, en general, PM2.5 es solo débilmente los resultados del análisis de correlación regional. En la figura, hay un histograma para cada área y se correlaciona con factores meteorológicos en el norte de China en comparación con las otras áreas. Los colores más diferentes de las barras representan los valores del coeficiente de correlación (r) de los diferentes factores meteorológicos importantes que influyen en el PM2.5 en el sur de China: la temperatura y la humedad relativa. Factores de superficie . Una barra hacia arriba significa una correlación positiva y hacia abajo significa una correlación negativa. La presión del norte de China juega un papel importante en el centro y el norte de China, además de la temperatura. En cuanto al este de China, el suroeste de China y el noroeste de China, la temperatura es el único factor que tiene coeficientes de correlación superiores a 0,3 con la concentración de PM2,5 . 10 de 19 J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 Se encuentra una correlación positiva entre la concentración de PM2.5 y la presión superficial en el noreste de China, el centro de China y la provincia de Hainan, como se muestra en la Figura 6d. Esto se debe a que la alta presión siempre va acompañada de una baja altura de la capa límite atmosférica y, por lo tanto , se dificulta la dispersión vertical de los contaminantes del aire [44,45]. La correlación en otras áreas es relativamente débil. La razón de esta diferencia regional aún no está clara y necesita más investigación. Para comprender las variaciones espaciales con mayor claridad, también realizamos un análisis de conglomerados para las 68 ciudades. Se utilizó el algoritmo ISODATA para implementar el agrupamiento. Los resultados de la agrupación se muestran en la Figura 7, donde las 68 ciudades se agrupan en cuatro grupos. La región del PRD se agrupa como el primer grupo, aunque con excepciones individuales. En esta área, la concentración de PM2.5 está negativamente correlacionada con RH y TEM, pero débilmente correlacionada con WS y PS. Este tipo de conglomerado se muestra con los puntos naranjas en la Figura 7. La región YRD y algunas ciudades en el oeste de China se agrupan como el segundo tipo, simbolizado por los puntos verdes, donde PM2.5 tiene una relación negativa con TEM y WS y una débil correlación con los demás factores meteorológicos. Los puntos azules representan el tercer tipo e incluyen principalmente ciudades en el noreste y el centro de China, donde la concentración de PM2.5 se correlaciona negativamente con TEM y positivamente con PS. Por último, el norte de China y Urumqi se agrupan como el cuarto tipo, como lo muestran los puntos rojos, donde la concentración de PM2.5 en las ciudades de estas regiones está positivamente correlacionada con RH, negativamente correlacionada con TEM y WS, y débilmente Int. correlacionado con PS. concentración de PM2.5 y RH, TEM, WS, PS secuencialmente). Machine Translated by Google
  • 10. Los factores importantes que influyen en las PM2.5 en el sur de China son la temperatura y la humedad relativa. Superficie Las relaciones entre la concentración de PM2.5 y los factores meteorológicos no solo varían con el la presión juega un papel importante en el centro y el norte de China, además de la temperatura. Como para regiones en la Tabla 2. Las siete regiones se clasifican en cuatro tipos según sus principales y menores ubicaciones geográficas, sino también con las estaciones. Por lo tanto, separamos nuestros datos en cuatro partes según Concentración de PM2.5 solo en ciertas regiones. Podemos ver que este resultado de clasificación es similar al resultado de agrupamiento de ISODATA en la Figura 7. Como puede ver, TEM es un factor de influencia importante para casi todas las regiones, pero PS y RH afectan principalmente a la a la temporada y realizó un análisis de correlación en cada una de las cuatro estaciones. Los símbolos en la Figura 9 débilmente correlacionado con factores meteorológicos en el norte de China en comparación con las otras áreas. lo mas En t. J. Medio Ambiente. Res. Public Health 2017, 14, 1510 Los colores de las barras representan los valores del coeficiente de correlación (r) de los diferentes factores meteorológicos. 10 de 19 RH, TEM Noroeste de China (4) Este de China (4) Tabla 2. Los factores de influencia mayores y menores de las siete regiones. Figura 8. Histogramas de los valores del coeficiente de correlación (r) en las siete regiones. PD SW Factores Mayores (|r| > 0.3) Factores Menores (0.3 > |r| > 0.2) Norte de China (1) / Región (número de tipo) Sur de China (2) TEM, derecho PD, TEM PD, TEM POSEE Centro de China (3) SW SW SW Noreste de China (3) POSEE Sudoeste de China (4) POSEE factores influyentes, y los números de tipo están marcados detrás de los nombres de las regiones entre paréntesis. la única área donde la concentración de PM2.5 se correlaciona positivamente con la HR pero, en general, PM2.5 es solo Resumimos los factores de influencia mayor (|r| > 0.3) y menor (0.3 > |r| > 0.2) de los siete área donde la concentración de PM2.5 está positivamente correlacionada con la HR pero, en general, PM2.5 solo está débilmente Para obtener una evaluación exacta de la diferencia regional de las correlaciones entre PM2.5 resultados del análisis de correlación regional. En la figura, hay un histograma para cada área, y los diferentes este de China, suroeste de China y noroeste de China, la temperatura es el único factor que tiene correlación Como se ha mencionado antes, dividimos China continental en siete regiones. La figura 8 muestra la Los factores importantes que influyen en las PM2.5 en el sur de China son la temperatura y la humedad relativa. Superficie correlacionado con factores meteorológicos en el norte de China en comparación con las otras áreas. lo mas Una barra hacia arriba significa una correlación positiva y hacia abajo significa una correlación negativa. El norte de China es el único concentración y factores meteorológicos, realizamos un análisis de correlación a escala regional. Como coeficientes superiores a 0,3 con concentración de PM2,5 . la presión juega un papel importante en el centro y el norte de China, además de la temperatura. Como para este de China, suroeste de China y noroeste de China, la temperatura es el único factor que tiene correlación Figura 8. Histogramas de los valores del coeficiente de correlación (r) en las siete regiones. 3.3. Variación estacional de las relaciones de correlación tienen el mismo significado que en la figura 6. coeficientes superiores a 0,3 con concentración de PM2,5 . Machine Translated by Google
  • 11. Figura 9. La distribución de los valores del coeficiente de correlación (r) en las cuatro estaciones. En la segunda fila de la Figura 9, la correlación entre PM2.5 y TEM varía mucho con el Por último, el resultado de la presión se muestra en la última fila de la Figura 9. La variación estacional de las estaciones. En general, PM2.5 está positivamente correlacionado con TEM en invierno y negativamente correlacionado en la relación entre la concentración de PM2.5 y la presión es extrema, pero el patrón de variación no es otoño. En primavera, la concentración de PM2.5 se correlaciona negativamente con TEM en el sur de China y es obvio. En general, la correlación positiva en otoño es más fuerte que en las otras estaciones, y Urumqi está débilmente correlacionada con TEM en las otras ciudades. También podemos ver que hay dos distribuciones de coeficientes de correlación que son similares en primavera e invierno. puntos en color rojo brillante en el este de China en la Figura 10, pero estos resultados no son precisos porque Además del análisis a escala de la ciudad, también realizamos un análisis de correlación regional en la cantidad de muestra es demasiado pequeña. Debido a la falta de datos en estas dos ciudades, los datos de concentración de PM2.5 corresponden a las cuatro estaciones. La Figura 10 muestra el resultado del análisis regional, y los valores del coeficiente de correlación (r) y los parámetros meteorológicos correspondientes utilizados en el análisis de correlación en primavera se muestran en detalle en la Tabla 3. El color de cada celda representa el signo y la magnitud de los 10 pares. En verano, la situación es la contraria a la de primavera. La correlación positiva débil es el valor del coeficiente de correlación (r). La concentración de PM2.5 tiene la correlación más fuerte con la meteorología que se encuentra en el sur de China, el norte de China, el noreste de China, el suroeste de China y el noroeste de China, y los factores en invierno, y la correlación es la más débil en verano. Este resultado es similar a la conclusión de que la correlación entre PM2.5 y TEM es muy débil en el centro y el este de China. de un estudio previo [28]. Los principales factores que influyen en las cuatro estaciones son WS en primavera, TEM en verano, TEM y WS en otoño y WS en invierno. La fuerte correlación entre WS y PM2.5 En t. En t. J. Medio Ambiente. Res. Salud Pública J. Medio Ambiente. Res. Salud Pública 2017 2017, 14, 14, 1510 12 de 19 11 de 19 ÿ ÿ Figura 9. La distribución de los valores del coeficiente de correlación (r) en las cuatro estaciones. El aumento de la combustión de carbón puede resultar en una mayor emisión de SO2 y otros contaminantes del aire, cuyo valor puede ser siempre positivo en las otras estaciones. Especulamos que esto se debe a que el viento de mar a tierra promueve la formación de sulfato, hasta cierto punto [46,47]. Como se mencionó anteriormente, el sulfato en PM2.5 prevalece en verano [48], lo que promueve la difusión y dilución de contaminantes. Por el contrario, el es uno de los componentes más importantes que da como resultado la relación positiva entre PM2.5 y el viento de otras estaciones suele tomar la dirección opuesta y así promover el transporte de HR. Por lo tanto, el aumento en el contenido de sulfato hace que la correlación positiva sea más fuerte. contaminantes desde el interior hasta la isla de Hainan. En la tercera fila de la Figura 9, la relación entre WS y PM2.5 es estable, y la Figura 9 negativa muestra las variaciones estacionales de los valores del coeficiente de correlación (r) de PM2.5 y se detectan cuatro correlaciones en cada temporada, pero la la correlación se vuelve débil en verano en algunas ciudades. Tenemos factores meteorológicos. Como se muestra en la primera fila de la figura, la relación entre PM2.5 y HR deduce que esto se debe a que la capa límite atmosférica es alta en verano y la convección del aire varía solo levemente con las estaciones, y la correlación positiva en primavera e invierno es sólo ligeramente la dirección vertical es fuerte debido a la temperatura elevada [30]. Las partículas se difunden principalmente y son más fuertes que en verano y otoño. El número de ciudades con una correlación positiva también es mayor diluido verticalmente, por lo que la correlación con el factor de impacto del transporte (velocidad del viento) se reduce. La primavera y el invierno. Inferimos que esto es resultado del aumento del consumo de carbón en la estación fría. correlación en la isla de Hainan también se vuelve negativa en verano, mientras que el coeficiente de correlación (r) 1510 , Machine Translated by Google
  • 12. en invierno puede ser debido a la baja altura de la capa límite atmosférica y la dependencia de horizontal no es obvio. En general, la correlación positiva en otoño es más fuerte que en las otras estaciones, y la En la tercera fila de la Figura 9, la relación entre WS y PM2.5 es estable y negativa Primavera la dirección vertical es fuerte debido a la temperatura elevada [30]. Las partículas se difunden principalmente en invierno, y la correlación es más débil en verano. Este resultado es similar a la conclusión de un Por último, el resultado de la presión se muestra en la última fila de la Figura 9. La variación estacional de valor del coeficiente (r). La concentración de PM2.5 tiene la correlación más fuerte con los factores meteorológicos la relación entre la concentración de PM2.5 y la presión es extrema, pero el patrón de variación es que esto se debe a que la capa límite atmosférica es alta en verano y la convección del aire en 12 de 19 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 difusión. y diluido verticalmente, por lo que la correlación con el factor de impacto del transporte (velocidad del viento) se reduce. La correlación en la isla de Hainan también se vuelve negativa en verano, mientras que el coeficiente de correlación (r) puede deberse a la baja altura de la capa límite atmosférica y la dependencia de la difusión horizontal. Figura 10. Distribución estacional de los histogramas del valor del coeficiente de correlación (r) en las siete regiones. Tabla 3. Los factores de influencia mayor y menor de las siete regiones (el color de cada celda destaca para el signo y la magnitud del valor del coeficiente de correlación (r), donde el rojo representa un valor positivo correlación y el azul significa negativo). el valor es siempre positivo en las otras temporadas. Especulamos que esto se debe a que el viento de mar a tierra estudio previo [28]. Los principales factores que influyen en las cuatro estaciones son WS en primavera, TEM en verano, se detecta correlación en cada estación, pero la correlación se debilita en verano en algunas ciudades. inferimos Además del análisis a escala de ciudad, también realizamos un análisis de correlación regional en el prevalece en verano [48], lo que favorece la difusión y dilución de los contaminantes. En cambio, el viento se muestra en la Tabla 3 en detalle. El color de cada celda representa el signo y la magnitud de la correlación. Figura 10. Distribución estacional de los histogramas del valor del coeficiente de correlación (r) en las siete regiones. Invierno Promedio Promedio 0.30 0.15 este de china 0,27 ÿ0,43 ÿ0,19 Sudoeste de China ÿ0,22 ÿ0,02 ÿ0,17 0,09 Sudoeste de China ÿ0,21 0,20 ÿ0,18 ÿ0,07 El verano ÿ0,18 ÿ0,48 ÿ0,33 ÿ0,20 0,27 ÿ0,36 ÿ0,12 sur de China norte de china ÿ0,12 0,16 ÿ0,30 ÿ0,10 Región Sudoeste de China ÿ0,30 ÿ0,15 ÿ0,34 0.14 Promedio HR TIENE WS PS 0,34 ÿ0,07 ÿ0,30 ÿ0,15 0.16 ÿ0,05 0,14 ÿ0,16 ÿ0,08 este de china este de china Noroeste de China ÿ0,01 ÿ0,20 ÿ0,14 ÿ0,08 Noroeste de China ÿ0,10 0,24 ÿ0,02 ÿ0,20 0,06 ÿ0,13 ÿ0,32 0,00 0.54 0,14 Noreste de China ÿ0,08 0,26 ÿ0,02 0,14 0,25 Noreste de China 0,52 sur de China Centro de China 0,09 ÿ0,54 0,14 0.16 ÿ0,17 ÿ0,35 ÿ0,33 13 de 19 ÿ0,27 0,26 ÿ0,28 ÿ0,26 0,03 ÿ0,15 HR TIENE WS PS norte de china 0.07 Promedio 0,48 ÿ0,03 ÿ0,28 ÿ0,16 0,07 Sudoeste de China 0,08 ÿ0,01 ÿ0,38 0,07 Las distribuciones de los coeficientes de correlación de la región son similares en primavera e invierno. Noreste de China 0,13 ÿ0,25 ÿ0,16 HR TIENE WS PS China central ÿ0,03 0,26 ÿ0,33 ÿ0,05 norte de china 0.01 Noroeste de China ÿ0,10 ÿ0,29 ÿ0,28 ÿ0,14 Noroeste de China 0,13 0,12 ÿ0,39 ÿ0,03 0.21 Región HR TIENE WS PS sur de China ÿ0,44 ÿ0,35 ÿ0,10 En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 0,03 ÿ0,22 Otoño Noreste de China ÿ0.05 este de china China central ÿ0,23 ÿ0,01 ÿ0,10 ÿ0,08 ÿ0,05 ÿ0,32 0,05 0.04 ÿ0,48 ÿ0,05 ÿ0,37 0,03 0.08 sur de China ÿ0,01 ÿ0,08 ÿ0,24 Centro de China ÿ0,11 ÿ0,21 ÿ0,23 Región 0,00 ÿ0,34 ÿ0,07 0,04 ÿ0,01 ÿ0,28 norte de china TEM y WS en otoño y WS en invierno. La fuerte correlación entre WS y PM2.5 en invierno de otras estaciones suele tomar la dirección opuesta y así promover el transporte de contaminantes desde el interior hasta la isla de Hainan. cuatro estaciones. La Figura 10 muestra el resultado del análisis regional y los valores del coeficiente de correlación (r) son Machine Translated by Google
  • 13. se necesita investigación en el futuro. 3.4. Resultados de regresión lineal multivariable Tabla 3. Los factores de influencia mayor y menor de las siete regiones (el color de cada celda destaca correlación y el azul significa negativo). Figura 11. Continuación. para el signo y la magnitud del valor del coeficiente de correlación (r), donde el rojo representa un valor positivo cambio de PM2.5 como un todo y no como algunos factores aislados. Así, además de univariado De hecho, muchos factores meteorológicos están altamente correlacionados entre sí, influyen en la los factores meteorológicos cambiarían en un análisis multivariado. Realizamos los experimentos en resultados del análisis de correlación. La HR tiene una influencia positiva en la concentración de PM2.5 en el norte de China y análisis de correlación, llevamos a cabo una regresión lineal multivariante para ver si el impacto de 14 de 19 inversamente en el sur de China; TEM y WS tienen una influencia negativa en las concentraciones de PM2.5 . Sin embargo, China central China del norte China del sur ÿ0,44 ÿ0,35 ÿ0,10 China del suroeste ÿ0,30 ÿ0,15 ÿ0,34 China del noroeste ÿ0,10 ÿ0,29 ÿ0,28 ÿ0,14 China del noroeste 0,13 China del noreste 0,13 China del noreste 0,52 China del este China del este ÿ0,20 HR TIENE WS PS 0.07 ÿ0,02 0,14 0.14 este de china ÿ0,01 ÿ0,28 ÿ0,03 ÿ0,28 ÿ0,16 ÿ0,43 ÿ0,19 HR TIENE WS PS 0.08 ÿ0,22 Región ÿ0,16 ÿ0,08 ÿ0,36 ÿ0,12 ÿ0,13 ÿ0,32 0,21 0,03 Promedio ÿ0,03 0,54 0,09 0,27 Primavera ÿ0,02 ÿ0,20 0.34 ÿ0,30 ÿ0,10 0.04 ÿ0,33 ÿ0,05 0.00 Otoño Promedio HR TIENE WS PS ÿ0,54 0,14 China central China central China del norte China del norte China del sur China del sur ÿ0,18 ÿ0,48 ÿ0,33 0,16 ÿ0,27 China del suroeste ÿ0,22 ÿ0,02 ÿ0,17 0,09 China del suroeste ÿ0,21 China del noroeste ÿ0,01 ÿ0,20 ÿ0,14 ÿ0,08 China del noroeste ÿ0,10 China del noreste ÿ0,05 0,03 ÿ0,15 Noreste de China ÿ0,08 Centro de China Norte de China 0,16 Sur de China 0,07 Sudoeste de China 0,08 ÿ0,05 0,14 ÿ0,39 ÿ0,03 ÿ0,01 ÿ0,38 0,00 Región De hecho, muchos factores meteorológicos están altamente correlacionados entre sí, influyen en la ÿ0,18 ÿ0,07 0,25 0,15 Este de China ÿ0,12 0,16 Int. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 Promedio ÿ0.01 ÿ0.08 ÿ0.24 0.01 ÿ0,23 ÿ0,01 ÿ0,10 0,04 0,48 HR TIENE WS PS 0,24 0,26 0.26 ÿ0,11 ÿ0,21 ÿ0,23 0,07 0.05 El verano ÿ0,34 ÿ0,07 ÿ0,07 ÿ0,30 ÿ0,15 0,06 0,30 ÿ0,08 ÿ0,05 ÿ0,32 0,27 ÿ0,48 ÿ0,05 ÿ0,37 0,03 0.12 ÿ0,28 ÿ0,26 Región 0.14 ÿ0,25 ÿ0,16 ÿ0,17 ÿ0,35 ÿ0,33 Región Invierno 0,26 0,20 Promedio tampoco se puede negar que la diferencia entre los resultados de la presión es un poco mayor, y más relaciones entre los factores meteorológicos y la concentración de PM2.5 . escala y escala estacional, respectivamente, y luego dibujar los mapas de los coeficientes de regresión de cuatro la relación entre PM2.5 y HR varía solo levemente con las estaciones y el positivo relación en el norte de China sigue siendo la más alta en invierno. La relación entre PM2.5 y TEM factores meteorológicos. Como se muestra en la Figura 11, el patrón variable es casi el mismo que el univariante PM2.5 y PS varían en gran medida con las estaciones y el patrón de variación aún no es obvio. En general, los resultados del análisis de correlación univariante y la regresión lineal multivariante son varía mucho con las estaciones y, en general, TEM tiene un efecto positivo en PM2.5 en invierno y tiene un similares entre sí, lo que puede agregar algo de fuerza a la confiabilidad de nuestras conclusiones sobre el resultados del análisis de correlación. La HR tiene una influencia positiva en la concentración de PM2.5 en el norte de China y 3.4. Resultados de regresión lineal multivariable cambio de PM2.5 como un todo y no como algunos factores aislados. Así, además de univariado efecto negativo en otoño. En cuanto a la velocidad del viento, el impacto es casi siempre negativo, espere que en inversamente en el sur de China; TEM y WS tienen una influencia negativa en las concentraciones de PM2.5 . Sin embargo, análisis de correlación, llevamos a cabo una regresión lineal multivariante para ver si el impacto de La Figura 12 muestra los resultados de la regresión lineal multivariante estacional. Como podemos ver en la figura, tampoco se puede negar que la diferencia entre los resultados de la presión es un poco mayor, y más se necesita investigación en el futuro. los factores meteorológicos cambiarían en un análisis multivariado. Realizamos los experimentos en el año verano, la relación en algunas ciudades del norte de China se vuelve débilmente positiva. La relación entre escala anual y escala estacional, respectivamente, y luego dibujar los mapas de los coeficientes de regresión de cuatro En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 13 de 19 factores meteorológicos. Como se muestra en la Figura 11, el patrón variable es casi el mismo que el univariante Machine Translated by Google
  • 14. La Figura 12 muestra los resultados de la regresión lineal multivariante estacional. Como podemos ver en la figura, la relación entre PM2.5 y HR varía solo ligeramente con las estaciones y la relación positiva en el norte de China sigue siendo la más alta en invierno. La relación entre PM2.5 y TEM varía mucho con las estaciones y, en general, TEM tiene un efecto positivo sobre PM2.5 en invierno y un efecto negativo en otoño. En cuanto a la velocidad del viento, el impacto es casi siempre negativo, espere que en verano la relación en algunas ciudades del norte de China se vuelva débilmente positiva. La relación entre Int. J. Medio Ambiente. Res. Public Health 2017, 14, 1510 PM2.5 y PS varían en gran medida con las estaciones y el patrón de variación aún no es obvio. 4. Discusión Como muestran los resultados de los experimentos, la correlación entre la HR y la concentración de PM2.5 es negativa en el sur de China pero positiva en el norte de China, lo cual es un fenómeno muy interesante. En lo que a nosotros respecta, la principal causa de este fenómeno es la diferencia de tipo de aerosol entre el sur y el norte de China. El norte de China es una región de industria pesada, y el tipo de aerosol común de esta región es el tipo City-Industry [49], en el que el nitrato y el sulfato representan una gran proporción de En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 14 de 19 Figura 12. La distribución del coeficiente de regresión de cuatro factores en cuatro estaciones. Figura 11. La distribución del coeficiente de regresión de cuatro factores a escala de año. 15 de 19 Figura 11. La distribución del coeficiente de regresión de cuatro factores a escala de año. Figura 12. La distribución del coeficiente de regresión de cuatro factores en cuatro estaciones. Machine Translated by Google
  • 15. En general, los resultados del análisis de correlación univariante y la regresión lineal multivariante son similares entre sí, lo que puede fortalecer la confiabilidad de nuestras conclusiones sobre las relaciones entre los factores meteorológicos y la concentración de PM2.5 . Como muestran los resultados de los experimentos, la correlación entre la HR y la concentración de PM2.5 es negativa en el sur de China pero positiva en el norte de China, lo cual es un fenómeno muy interesante. En lo que a nosotros respecta, la principal causa de este fenómeno es la diferencia de tipo de aerosol entre el sur y el norte de China. El norte de China es una región de industria pesada, y el tipo de aerosol común de esta región es el tipo City-Industry [49], en el que el nitrato y el sulfato representan una gran proporción de PM2.5 [9,32]. Sin embargo, en el sur de China, el tipo de aerosol es del tipo Clean-Ocean [49], y el NaCl es uno de los principales componentes de las PM2,5 de esta región. Según estudios relacionados [50,51], es más probable que el NaCl absorba grandes cantidades de humedad y caiga al suelo en la situación de alta humedad del sureste de China, pero la higroscopicidad del nitrato y el sulfato es débil, y simplemente se vuelven más pesados en lugar de que caer al suelo bajo la situación más seca en el norte de China. Además, según el estudio de Dawson et al., la alta humedad puede beneficiar la formación de nitrato de amonio, lo que provoca aún más la correlación positiva en el norte de China [52]. Muchos académicos han trabajado en la investigación de la recuperación espacial de PM2.5 [53–56]. Entre todos los métodos existentes, los modelos que consideran las variaciones espaciotemporales [56,57] suelen obtener mayores precisiones de recuperación. Tomando como ejemplo el modelo de regresión ponderada geográficamente (GWR) [57] , considera las variaciones espaciotemporales cambiando los coeficientes de las variables auxiliares en diferentes áreas y estaciones, en lugar de usar un modelo para todas las circunstancias. Para este tipo de modelo de recuperación, los resultados de nuestro trabajo podrían brindar algunas sugerencias para la selección de variables auxiliares en diferentes regiones y estaciones. Por ejemplo, el valor del coeficiente de correlación (r) entre PM2.5 y PS es casi cero en verano, por lo que podemos sugerir que este factor podría excluirse en el modelo de verano de China central. El cambio de tipo de variable auxiliar en el modelo de recuperación podría mejorar la precisión de recuperación de PM2.5 . 4. Discusión Otro fenómeno que vale la pena señalar es que la concentración de PM2.5 tiene una fuerte correlación con TEM en el análisis a escala anual (es decir, el análisis que incluye los datos de cada temporada), pero, en el análisis estacional, los valores del coeficiente de correlación (r) cambiar a valores pequeños. Llamamos a este fenómeno “variación de escala”, lo que indica que la correlación entre PM2.5 y los factores meteorológicos varía con la escala temporal. Por ejemplo, en la mayoría de los análisis de series de tiempo prolongado (más de 10 años), la correlación entre PM2.5 y TEM es positiva [30], pero, en la mayoría de los análisis de 1 a 2 años [24], la relación se vuelve negativo, y cuando se trata del análisis estacional, el resultado cambia nuevamente [25,27]. Creemos que esto se debe a que los análisis de series de tiempo largo reflejan principalmente la variación de un año a otro, y los análisis anuales reflejan principalmente la variación dentro de las estaciones. Por lo tanto, los resultados de nuestros análisis en las cuatro estaciones y durante todo un año pueden verse como evidencia de la variación de la escala, que debe tenerse en cuenta en estudios futuros. Se necesitan más análisis multivariantes. Además, los modelos físicos como el modelo de transporte químico (CTM) también pueden simular y describir mejor la relación compleja. En el estudio futuro, prestaremos más atención al análisis multivariante y CTM, la combinación de los dos métodos diferentes también sería muy interesante y merecería una mayor investigación. En segundo lugar, la concentración de PM2.5 se mide principalmente usando TEOM o un monitor de atenuación beta; los resultados de monitoreo de estos dos métodos pueden ser susceptibles a las condiciones meteorológicas, aunque hemos realizado una prueba de sensibilidad para verificar nuestros resultados, que se proporciona en los Materiales complementarios en la Tabla S4, se necesitan más estudios sobre las relaciones entre la precisión de la medición y los factores meteorológicos en el futuro. En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 15 de 19 También hay algunas limitaciones e incertidumbres en nuestro estudio. Primero, las relaciones entre la concentración de PM2.5 y los factores meteorológicos son muy complejas, y no podemos determinar el proceso de interacción específico solo a través del análisis de correlación y la regresión lineal multivariada. Machine Translated by Google
  • 16. (a) Espacialmente, las correlaciones entre la concentración de PM2.5 y los factores meteorológicos variarían según las regiones. La evidencia es que la HR está positivamente correlacionada con la concentración de PM2.5 en el norte de China, pero negativamente correlacionada con PM2.5 en el sur de China y otras áreas. La correlación positiva entre TEM y PM2.5 es más débil en el norte de China que en otras áreas. WS tiene una correlación negativa con PM2.5 en casi todas las regiones, excepto en la isla de Hainan. PS tiene una fuerte correlación positiva con PM2.5 en el noreste de China y el centro de China, pero la correlación es débil en otros lugares. El tipo de aerosol, el terreno y el clima local pueden ser inductores de las variaciones regionales. (b) Estacionalmente, existen variaciones estacionales de la correlación entre la concentración de PM2.5 y los factores meteorológicos. La correlación positiva entre HR y PM2.5 es más fuerte en invierno y primavera; TEM se correlaciona positivamente con PM2.5 en invierno y negativamente con PM2.5 en otoño; y WS tiene la correlación más fuerte con PM2.5 en invierno; y la correlación entre PM2.5 y PS es más fuerte en otoño. Todas las diferencias antropogénicas y naturales, como el uso de sistemas de calefacción en el invierno del norte de China y las variaciones climáticas en las cuatro estaciones, pueden provocar variaciones estacionales. En este estudio, investigamos las relaciones entre la concentración de PM2.5 y los factores meteorológicos en términos de variaciones regionales y estacionales, y generamos mapas que muestran los distintos patrones de las relaciones. De esta forma, podríamos obtener una comprensión más completa y precisa de cómo la concentración de PM2.5 se correlaciona con los factores meteorológicos. Este conocimiento podría proporcionar una base sólida para una recuperación más precisa de la concentración de PM2.5 y para hacer políticas de protección ambiental más efectivas para diferentes regiones. Aunque se ha trabajado mucho en esta área de investigación, todavía queda mucho por mejorar. En primer lugar, un análisis global con una serie temporal más larga y más factores, como la precipitación, la duración de la luz solar y el terreno, nos permitiría explicar la variación de forma más exhaustiva. En segundo lugar, todavía hay algunos fenómenos que no podemos explicar por completo y para los cuales se necesita más investigación, como la variación regional de la correlación PM2.5-PS . La exploración de la causa de esta variación regional y estacional nos ayudaría a comprender mejor el problema de la contaminación del aire en China. A pesar de estas limitaciones, nuestro trabajo aún podría brindar una mejor oportunidad para un pronóstico más preciso de la concentración de PM2.5 . Al considerar las variaciones espaciales y estacionales de las relaciones entre la concentración de PM2.5 y los factores meteorológicos, el modelo de recuperación de la concentración de PM2.5 podría ser más preciso a una escala más fina, y la mejora concomitante de la precisión del pronóstico de neblina sería de gran beneficio. Materiales complementarios: Los siguientes están disponibles en línea en www.mdpi.com/1660-4601/14/12/1510/s1, Tabla S1: El resultado de la prueba de sensibilidad de parámetros en Beijing, Tabla S2: Las relaciones correspondientes entre ciudades, provincias y regiones, Tabla S3: Los valores del coeficiente de correlación (r) y los valores p entre la concentración de PM2.5 y los cuatro valores meteorológicos . factores en las 68 ciudades, Tabla S4: Los resultados de la prueba de sensibilidad. Figura S1: Las siete regiones de China. En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 16 de 19 Agradecimientos: Este trabajo fue apoyado por el Programa Nacional de I+D Clave de China (No. 2016YFC0200900). Contribuciones de los autores: Qiangqiang Yuan concibió y diseñó el estudio; Qianqian Yang analizó los datos y escribió el artículo; y Tongwen Li contribuyeron con la recopilación de datos y las instrucciones experimentales. Todos los autores contribuyen a la edición y revisión del artículo. Conflictos de interés: Los autores declaran no tener ningún conflicto de interés. También nos gustaría agradecer a los proveedores de datos del Centro Nacional de Monitoreo Ambiental de China (CNEMC) y el Centro de Servicio de Datos Meteorológicos de China (CMDC). 5. Conclusiones La heterogeneidad espacial y temporal es una de las propiedades más importantes de la contaminación por PM2.5 , pero muchos estudios han ignorado este aspecto. En este estudio, a través de análisis de 68 ciudades y siete regiones en cuatro estaciones durante un período de dos años, hemos probado la existencia de variaciones regionales y estacionales de las correlaciones entre la concentración de PM2.5 y los factores meteorológicos. Machine Translated by Google
  • 17. Referencias [PubMed] 2. 12. Chen, T.; Guo, J.; Li, Z.; Zhao, C.; Liu, H.; Cribb, M.; Wang, F.; He, J. Una perspectiva de CloudSat sobre la climatología de nubes y su asociación con la perturbación de aerosoles en la vertical sobre el este de China. J. Atmos. ciencia 2016, 73, 3599–3616. [Referencia cruzada] 13. Muro, C.; Zipser, E.; Liu, C. Una investigación del efecto indirecto del aerosol sobre la intensidad convectiva usando 3. Organización Mundial de la Salud; ONUSIDA. Pautas de Calidad del Aire: Actualización Global 2005; Organización Mundial de la Salud: 4. Zhang, F.; Cheng, Recursos Humanos; Wang, ZW; nivel, EXP; Zhu, ZM; Zhang, G.; Wang, XM Partículas finas (PM2.5) en un sitio de fondo de CAWNET en China central: composiciones químicas, variaciones estacionales y eventos regionales de contaminación. atmósfera Reinar. 2014, 86, 193–202. [Referencia cruzada] [PubMed] atmósfera Res. 2016, 167, 208–215. [Referencia cruzada] Ginebra, Suiza, 2006. [Referencia cruzada] 8. Zhao, C.; Corbata, X.; Lin, Y. Una posible retroalimentación positiva de la reducción de las precipitaciones y el aumento de los aerosoles en el este de China central. Geofísico. Res. Letón. 2006, 33. [Referencia cruzada] Observaciones Satelitales. J. Atmos. ciencia 2014, 71, 430–447. [Referencia cruzada] 14. Lee, S.-S.; Guo, JP; Li, Z. Retraso de la precipitación por la contaminación del aire sobre el delta del río Pearl. Parte 2: Modelo 10. J. Liu, KM Rühland, J. Chen, Y. Xu, S. Chen, Q. Chen, W. Huang, Q. Xu, F. Chen, JP Smol Reinar. ciencia contaminar Res. 2017, 24, 10695–10707. [Referencia cruzada] [PubMed] 15. Guo, J.; Li, Z.; Miao, Y.; Li, J.; Liu, H.; Xu, H.; Cribb, M.; Zhai, P. Frecuencia decreciente de la precipitación a escala local durante el verano sobre el este de China entre 1970 y 2010 y su vínculo potencial con los aerosoles. Geofísico. Res. simulaciones J. Geophys. Res. atmósfera 2016, 121, 11739–11760. [Referencia cruzada] Letón. 2017, 44, 5700–5708. [Referencia cruzada] 6. Guo, Y.; Zeng, H.; Zheng, R.; Li, S.; Barnett, AG; Zhang, S.; Zou, X.; Huxley, R.; Chen, W.; Williams, G. 18. Cai, W.; Li, K.; Liao, H.; Wang, H.; Wu, L. Las condiciones climáticas propicias para que la neblina severa de Beijing sea más frecuente debido al cambio climático. Nat. Clima Chang. 2017, 7, 257–262. [Referencia cruzada] los Estados Unidos. atmósfera Reinar. 2017, 148, 297–305. [Referencia cruzada] 20. Zhang, H.; Wang, Y.; parque, TW; Deng, Y. Cuantificación de la relación entre los eventos extremos de contaminación del aire y los eventos climáticos extremos. atmósfera Res. 2017, 188, 64–79. [Referencia cruzada] Chang. 2017, 7, 190–194. [Referencia cruzada] 11. Xie, Y.; Dai, H.; Dong, H.; Hanaoka, T.; Masui, T. Impactos económicos de los efectos en la salud relacionados con la contaminación por PM2.5 en China: un análisis a nivel provincial. Reinar. ciencia Tecnología 2016, 50, 4836–4843. [Referencia cruzada] [PubMed] Reinar. Res. 2016, 144, 60–65. [Referencia cruzada] [PubMed] de Shenzhen, China. atmósfera Res. 2013, 122, 391–400. [Referencia cruzada] 7. Lu, X.; Lin, C.; Li, Y.; Yao, T.; Fung, JC; Lau, AK Evaluación de la carga de salud causada por partículas en el sur de China utilizando observación satelital de alta resolución. Reinar. En t. 2017, 98, 160–170. [Referencia cruzada] Los monzones de verano debilitados por aerosoles disminuyen la fertilización del lago en la meseta china de Loess. Nat. Clima 19. Liu, Y.; Zhao, N.; Vanos, JK; Cao, G. Efectos del clima sinóptico en las concentraciones de PM2.5 a nivel del suelo en Li, G.; Colmillo, C.; Wang, S.; Sun, S. El efecto del crecimiento económico, la urbanización y la industrialización en las concentraciones de partículas finas (PM2.5) en China. Reinar. ciencia Tecnología 2016, 50, 11452–11459. [Referencia cruzada] 1. Luo, J.; Du, P.; Samat, A.; Xia, J.; Che, M.; Xue, Z. Patrón espaciotemporal de concentraciones de PM2.5 en China continental y análisis de sus factores influyentes mediante regresión ponderada geográficamente. ciencia Reps. 9. Cao, JJ; Shen, ZX; Chow, JC; Watson, JG; Lee, Carolina del Sur; Corbata, XX; Ho, KF; Wang, GH; Han, YM Composición química de PM2.5 en invierno y verano en catorce ciudades chinas. J. Gestión de residuos de aire. 2012, 62, 1214–1226. 5. Wu, J.; Zhu, J.; Li, W.; Xu, D.; Liu, J. Estimación de los efectos en la salud de PM2.5 en China durante 2000–2011. 16. Dai, W.; Gao, J.; Cao, G.; Ouyang, F. Composición química e identificación de fuente de PM2.5 en el suburbio 17 de 19 2017, 7, 40607. [Referencia cruzada] [PubMed] En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 La asociación entre la incidencia del cáncer de pulmón y la contaminación del aire ambiental en China: un análisis espaciotemporal. 17. Lai, S.; Zhao, Y.; Ding, A.; Zhang, Y.; Canción, T.; Zheng, J.; Canción, T.; Zheng, J.; Lee, S.; Zhong, L. Caracterización de PM2.5 y los principales componentes químicos durante una campaña de 1 año en la zona rural de Guangzhou, sur de China. Machine Translated by Google
  • 18. 31. Tran, HN; Mölders, N. Investigaciones sobre condiciones meteorológicas para niveles elevados de PM2.5 en Fairbanks, Alaska. 36. Yan, S.; Cao, H.; Chen, Y.; Wu, C.; Hong, T.; Fan, H. Características espaciales y temporales de la calidad del aire y del aire. Cuenca de Sichuan y su relación con los factores meteorológicos. Atmósfera 2015, 6, 150–163. [Referencia cruzada] 2010, 44, 3976–3984. [Referencia cruzada] Sensores Remotos Entorno. 2015, 166, 262–270. [Referencia cruzada] 25. Huang, F.; Li, X.; Wang, C.; Xu, Q.; Wang, W.; Luo, Y.; Tao, L.; Gao, Q.; Guo, J.; Chen, S.; et al. Variaciones espaciotemporales de PM2.5 y la relación con factores meteorológicos durante 2013–2014 en Beijing, China. PLoS UNO 2015, 10, e0141642. [Referencia cruzada] [PubMed] 27. Zhang, H.; Wang, Y.; Hu, J.; Ying, Q.; Hu, XM Relaciones entre parámetros y criterios meteorológicos 32. Wang, Y.; Ying, Q.; Hu, J.; Zhang, H. Variaciones espaciales y temporales de seis contaminantes atmosféricos de criterio en 31 capitales provinciales de China durante 2013–2014. Reinar. En t. 2014, 73, 413–422. [Referencia cruzada] [PubMed] contaminantes en 2013 en Beijing. Reinar. ciencia contaminar Res. 2016, 23, 13996–14007. [Referencia cruzada] [PubMed] atmósfera Res. 2011, 99, 39–49. [Referencia cruzada] 33. Daly, C.; Gibson, WP; Taylor, GH; Johnson, GL; Pasteris, P. Un enfoque basado en el conocimiento para la estadística 22. Jones, AM; Harrison, RM; Baker, J. La dependencia de la velocidad del viento de las concentraciones de aire contaminantes del aire en tres megaciudades de China. Reinar. Res. 2015, 140, 242–254. [Referencia cruzada] [PubMed] 37. Kassomenos, Pensilvania; Vardoulakis, S.; Chaloulakou, A.; Paschalidou, Alaska; Grivas, G.; Borge, R.; Lumbreras, J. atmósfera Reinar. 2014, 87, 153–163. [Referencia cruzada] 34. Krivoruchko, K. Kriging bayesiano empírico; ESRI: Redlands, CA, EE. UU., 2012. Disponible en línea: www.esri. com/NOTICIAS/ARCUSER/1012/files/ ebk.pdf (consultado el 30 de noviembre de 2017). partículas y NOx. atmósfera Reinar. 2010, 44, 1682–1690. [Referencia cruzada] 38. Bernabé, F.; Gobbi, GP Aerosol variabilidad estacional sobre la región mediterránea e impacto relativo de las partículas de polvo marítimo, continental y sahariano sobre la cuenca a partir de datos MODIS en el año 2001. 41. Li, T.; Shen, H.; Zeng, C.; Yuan, Q.; Zhang, L. Fusión punto-superficie de mediciones de estaciones y observaciones satelitales para mapear la distribución de PM2.5 en China: Métodos y evaluación. atmósfera Reinar. 2017, 152, 477–489. [Referencia cruzada] atmósfera química física 2004, 4, 2367–2391. [Referencia cruzada] 23. Chen, T.; Él, J.; Lu, X.; Ella, J.; Guan, Z. Variaciones espaciales y temporales de PM2.5 y su relación con factores meteorológicos en el área urbana de Nanjing, China. En t. J. Medio Ambiente. Res. Salud Pública 2016, 13, 921. 42. Li, T.; Shen, H.; Yuan, Q.; Zhang, X.; Zhang, L. Estimación de PM2.5 a nivel del suelo mediante la fusión de observaciones de estaciones y satélites : un enfoque de aprendizaje profundo geointeligente. Geofísico. Res. Letón. 2017, 44. [Referencia cruzada] cartografía del clima. Clima Res. 2002, 22, 99–113. [Referencia cruzada] [Referencia cruzada] [PubMed] 29. Li, J.; Wang, G.; Wang, X.; Cao, J.; Sol, T.; Chen, C.; Meng, J.; Cabaña.; Liu, S. Abundancia, composición y fuente de PM2.5 atmosférico en un sitio remoto en la meseta tibetana, China. Tellus B Chem. física Meteorol. 2013, 65, 20281. Reinar. ciencia Tecnología 2014, 48, 7436–7444. [Referencia cruzada] [PubMed] observaciones para 190 ciudades. Reinar. contaminar 2016, 216, 559–567. [Referencia cruzada] [PubMed] 35. Zhang, H.; Wang, Z.; Zhang, W. Exploración de patrones espaciotemporales de PM2.5 en China basados en el nivel del suelo 40. Geng, G.; Zhang, Q.; Martín, RV; van Donkelaar, A.; Huo, H.; Che, H.; Lin, J.; He, K. Estimación de las concentraciones de PM2.5 a largo plazo en China utilizando la profundidad óptica de aerosoles satelitales y un modelo de transporte químico. 24. Li, Y.; Chen, Q.; Zhao, H.; Wang, L.; Tao, R. Variaciones en PM10, PM2.5 y PM1.0 en un área urbana del 39. Ma, Z.; Hu, X.; Huang, L.; Bi, J.; Liu, Y. Estimación de PM2.5 a nivel del suelo en China utilizando sensores remotos satelitales. 26. Xu, J.; Yan, F.; Xie, Y.; Wang, F.; Wu, J.; Fu, Q. Impacto de las condiciones meteorológicas en un evento de contaminación por partículas de nueve días observado en diciembre de 2013, Shanghái, China. Particuología 2015, 20, 69–79. [Referencia cruzada] 21. Chang, W.; Zhan, J. La asociación de patrones climáticos con episodios de neblina: reconocimiento por clasificación de circulación orientada de PM2.5 aplicada en Xiamen, sureste de China. atmósfera Res. 2017, 197, 425–436. [Referencia cruzada] [Referencia cruzada] [PubMed] En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 18 de 19 28. Chen, Z.; Cai, J.; Gao, B.; Xu, B.; Dai, S.; El, B.; Xie, X. Detección de la influencia causal de factores meteorológicos individuales en la concentración local de PM2.5 en la región de Jing-Jin-Ji. ciencia Rep. 2017, 7, 40735. 30. Tai, AP; Mickley, LJ; Jacob, DJ Correlaciones entre partículas finas, PM2.5 y variables meteorológicas en los Estados Unidos: Implicaciones para la sensibilidad de PM2.5 al cambio climático. atmósfera Reinar. Estudio de niveles de PM10 y PM2,5 en tres ciudades europeas: Análisis de variaciones intra e interurbanas. Machine Translated by Google
  • 19. 56. Colmillo, X.; Zou, B.; Liu, X.; Sternberg, T.; Zhai, L. Estimación de PM2.5 terrestre basada en satélites utilizando 51. Dawson, JP; Adams, PJ; Pandis, SN Sensibilidad de PM2.5 al clima en el este de EE. UU.: un caso modelo En t. J. Medio Ambiente. Res. Salud Pública 2017, 14, 1510 19 de 19 43. Lu, D.; Xu, J.; Yang, D.; Zhao, J. Variación espacio-temporal y factores de influencia de las concentraciones de PM2.5 en 55. Ma, X.; Wang, J.; Yu, F.; Jia, H.; Hu, Y. ¿Se puede emplear MODIS AOD para derivar PM2.5 en Beijing-Tianjin-Hebei? 2016, 16, 13309–13319. [Referencia cruzada] © 2017 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo de acceso abierto distribuido bajo los términos y condiciones de Creative Commons Attribution (CC BY) licencia (http://creativecommons.org/licenses/by/4.0/). 46. Zheng, M.; salmón, LG; Schauer, JJ; Zeng, L.; Kiang, CS; Zhang, Y.; Cass, GR Tendencias estacionales en las contribuciones de fuentes de PM2.5 en Beijing, China. atmósfera Reinar. 2005, 39, 3967–3976. [Referencia cruzada] 48. Wang, B.; Wu, R.; Lau, KM Variabilidad interanual del monzón de verano asiático: contrastes entre los monzones de la India y del Pacífico norte occidental y Asia oriental. J. Clim. 2001, 14, 4073–4090. [Referencia cruzada] atmósfera Reinar. 2009, 43, 5876–5886. [Referencia cruzada] 47. Dan, M.; Zhuang, G.; Li, X.; Tao, H.; Zhuang, Y. Las características de las especies carbonáceas y sus fuentes en PM2.5 en Beijing. atmósfera Reinar. 2004, 38, 3443–3452. [Referencia cruzada] 49. Hu, D.; Qiao, L.; Chen, J.; Vosotros, X.; Yang, X.; Chen, T.; Fang, W. Higroscopicidad de aerosoles inorgánicos: Tamaño y 53. Wu, YR; Guo, JP; Zhang, XY; Tian, X.; Zhang, JH; Wang, YQ; Duan, J.; Li, XW Sinergia de observaciones satelitales y terrestres en la estimación de partículas en el este de China. ciencia Entorno Total. 2012, 433, 20–30. [Referencia cruzada] [PubMed] 54. Chu, Y.; Liu, Y.; Li, X.; Liu, Z.; Lu, H.; Lu, Y.; Mao, Z.; Chen, X.; Li, N.; Ren, M.; et al. Una revisión sobre la predicción de la concentración de PM2.5 en el suelo utilizando la profundidad óptica del aerosol satelital. Atmósfera 2016, 7, 129. [Referencia cruzada] sobre China? atmósfera Res. 2016, 181, 250–256. [Referencia cruzada] China de 1998 a 2014. Atmos. contaminar Res. 2017, 8, 1151–1159. [Referencia cruzada] Efectos de la humedad relativa sobre el factor de crecimiento. Aerosol. Calidad del aire Res. 2010, 10, 255–264. [Referencia cruzada] 44. Wu, P.; Ding, Y.; Liu, Y. Circulación atmosférica y mecanismo dinámico para eventos de neblina persistentes en el 50. Vosotros, X.; Chen, J. Haze y crecimiento higroscópico. Barbilla. J.Nat. 2013, 35, 337–341. modelado adaptativo de estructuras. Sensores Remotos Entorno. 2016, 186, 152–163. [Referencia cruzada] Región de Pekín-Tianjin-Hebei. Adv. atmósfera ciencia 2017, 34, 429–440. [Referencia cruzada] 57. Hu, X.; Waller, LA; Al Hamdan, MZ; Crosson, WL; Estes, MG; Estes, SM; Quattrochi, DA; Sarnat, JA; Liu, Y. Estimación de las concentraciones de PM2.5 a nivel del suelo en el sureste de los EE. UU. mediante una regresión ponderada geográficamente. Reinar. Res. 2013, 121, 1–10. [Referencia cruzada] [PubMed] estudiar. atmósfera química física 2007, 7, 4295–4309. [Referencia cruzada] 45. Guo, J.; Miao, Y.; Zhang, Y.; Liu, H.; Li, Z.; Zhang, W.; Él, J.; Lou, M.; Yan, Y.; Bian, L.; et al. La climatología de la altura de la capa límite planetaria en China derivada de datos de radiosondeo y reanálisis. atmósfera química física 52. Guo, JP; Zhang, XY; Che, HZ; Gong, SL; An, XQ; Cao, CX; Guang, J.; Zhang, H.; Wang, YQ; Zhang, XC; et al. Correlación entre las concentraciones de PM y la profundidad óptica del aerosol en el este de China. Machine Translated by Google
  • 20. Reproducido con permiso del propietario de los derechos de autor. Prohibida la reproducción sin permiso. Machine Translated by Google