德里PM2.5的多尺度变化特征及滞后气象因子影响：小波相干性与因果关系分析的启示 开放获取

《Environmental Science: Atmospheres》：Multi-scale variability and lagged meteorological controls of PM2.5 in Delhi: Insights from wavelet coherence and causality analysisOpen Access

　　

德里地区的细颗粒物（PM2.5）污染仍然是一个严重的环境和公共卫生问题，其成因是排放物与大气过程之间的复杂相互作用。本研究采用综合统计和时间频率分析方法，探讨了2017年至2025年间德里地区PM2.5的时间变化规律、多尺度变异特征以及气象因素对其的影响。每小时观测数据显示，PM2.5浓度在7.8至879.6微克/立方米之间波动，平均值为102.7微克/立方米，表明该地区频繁出现严重污染状况。研究还发现明显的季节性变化规律：在冬季，由于大气层流动性差，PM2.5浓度常常超过200微克/立方米；而在雨季，由于湿沉降作用和大气混合增强，其浓度会降至50微克/立方米以下。多尺度分析显示，PM2.5的变异在2至16天的天气尺度、16至64天的季节内尺度以及超过64天的季节尺度上均有显著表现，这体现了PM2.5动态的非稳态特性。小波相干性分析表明，PM2.5与气象参数之间存在较强的相关性，其中边界层高度在较长时间尺度上表现出最强的小波相干性（相干性大于0.8），说明其与PM2.5的变异存在持续的尺度依赖性关联。滞后关系分析进一步显示，气象因素对PM2.5的影响并非即时发生，最大相关性出现在51小时的滞后时间点。格兰杰因果关系分析也证实，大气变量对PM2.5具有很强的预测作用，其中总太阳辐射强度和边界层高度的预测能力最强，对应的F统计值分别为2685.08和1559.59。总体而言，研究结果表明德里地区的PM2.5变异受多尺度且具有滞后特征的大气过程控制。本研究为理解城市空气污染的动态机制提供了基于过程的分析框架，同时也为改善空气质量预报以及为快速城市化大城市的污染防控策略提供有益参考。

该内容仅以PDF格式提供。

在另一个窗口中打开 PDF文件 ：德里地区PM2.5的多尺度变异及气象因素的滞后影响：基于小波相干性和因果关系分析的见解

? 2026 作者。由英国皇家化学学会出版

2026

作者

本文采用知识共享 署名-非商业性使用 4.0 非本地化许可协议进行授权。只要给予适当署名且不用于商业目的，您可以在其他出版物中使用本文内容，而无需再向英国皇家化学学会申请许可。

本作品采用 知识共享 署名-非商业性使用 4.0 国际许可协议进行授权。 .