气象驱动因子对空气质量指数（AQI）的动态影响机制研究——以德里为例

《Environmental Pollution》：Impact of Meteorological Drivers on Air Quality Index: A Case Study from Delhi.

本综述基于2017-2024年德里空气质量指数（AQI）与气象数据，创新性地运用向量自回归模型（VAR）、格兰杰因果检验、脉冲响应函数和方差分解等计量方法，揭示了温度（贡献度13.235%）作为主要热力因子对AQI的动态影响机制，证实空气污染主要源于自身累积与扩散模式（16期贡献度81.089%），为全球高污染城市空气治理提供了非线性分析范式。

　　

研究亮点

德里空气质量指数（AQI）最显著的特点是巨大的波动性（图2）。全年AQI定期波动，范围从低于100（良好和中等）到超过400（严重）。这些极端的高值和低值与季节模式密切相关。研究期间，德里平均AQI在210左右徘徊，2024年的平均AQI明显优于2017年。中等AQI天数在所有AQI类别中占主导地位。贫乏和非常贫乏类别的天数有所减少，而良好和中等类别的天数有所增加。

结果讨论

德里研究期间每日AQI最显著的方面是其巨大的波动性（图2）。全年，AQI定期波动，范围从<100（良好和中等）到>400（严重）。这些极端的高值和低值与季节模式密切相关。从2017年到2024年，平均AQI下降了8.14%，并且观察到中等AQI天数在所有AQI类别中占主导地位。贫乏和非常贫类别的天数减少了，而良好和满意类别的天数增加了。首次采用向量自回归模型（VAR）、格兰杰因果检验、脉冲响应函数和方差分解工具来理解AQI与气象波动相关的动态。调整后的模型为VAR（2），结果表明德里的空气污染主要源于其自身的累积和扩散模式。在前5个时期，AQI的自我累积效应约占93.314%，并逐渐下降到第16^th期的81.089%。一旦扩散条件恶化，空气污染将在五天内发展。考虑到气象变量，温度（13.235%）作为大气热力因子被发现是影响德里AQI的总体影响最高的因子，其次是降雨（2.127%）。在所有气象变量中，风速（3.271%）在第2期对AQI的贡献最高。而相对湿度对AQI影响很小，在整个16个时期贡献<2%。这些结果提供了对世界上污染最严重的城市地区之一的空气污染动态的见解，并采用了一种非常规的方法来重新审视该问题并强调了重要的发现。

结论

德里的空气污染情况是一个多维问题，具有深远的影响，特别是对人类健康、环境可持续性和经济增长。本研究基于2017年1月1日至2024年12月31日期间德里AQI和四个气象变量的时间序列数据。它分析了AQI的月和年趋势。此外，本研究使用了ADF单位根平稳性检验，然后对AQI和四个气象变量进行了VAR（2）建模。