霾过程大气消光系数非线性时间序列分析.pdfVIP

霾过程大气消光系数非线性时间序列分析

摘要

随着我国社会经济与城市化进程快速发展，灰霾已经成为秋冬季严峻的大

气环境问题。大气消光系数是可见光在大气中传播单位距离的相对衰减率，对

灰霾的演化具有重要指示意义。着眼于灰霾演化机理的深入认知，本文系统分

析了大气消光系数多因素影响的复杂性，证实了霾过程大气消光系数时间序列

具有混沌性、确定性和非线性。主要结论如下：

（1）基于成都市2017年10~12月黑碳仪和环境颗粒物监测仪地面逐时观

测资料，以及该时段同时次大气能见度和相对湿度等环境气象监测数据，首先

构建了大气消光系数解释变量集，包括ρ、RH、ρ/ρ、ρ/ρ和

PM2.5BCPM2.5PM1PM2.5

ρ/ρ（ρ、ρ、ρ和ρ分别为等效黑碳（BC）质量浓度、PM

PM2.5PM10BCPM1PM2.5PM101

质量浓度、PM2.5质量浓度和PM10质量浓度，RH为相对湿度）。其次，基于单

变量广义可加模型（GAM）分析发现，除PM2.5质量浓度和相对湿度外，

ρ/ρ、ρ/ρ和ρ/ρ也与大气消光系数之间存在显著非线性关系

BCPM2.5PM1PM2.5PM2.5PM10

（均通过α=0.001的显著性检验）。最后，以ρ、RH、ρ/ρ、ρ/ρ

PM2.5BCPM2.5PM1PM2.5

和ρPM2.5/ρPM10为自变量构建了大气消光系数多因素影响的GAM模型，该模型

显著提升了大气消光系数的拟合效果，对应调整后的判定系数和压轴回归决定

系数分别为0.893和0.897。

（2）利用成都市2014~2017年地面能见度、PM2.5质量浓度和相对湿度的

逐时观测数据，反演得到研究时段内成都市六次霾过程大气消光系数时间序列，

基于相空间重构理论，分别计算了六次霾过程大气消光系数时间序列的最佳嵌

入维数m和最佳延迟时间τ，探讨了不同霾过程大气消光系数时间序列非线性

特征量（饱和关联维数、Kolmogorov熵以及最大Lyapunov指数）的指示意义。

结果表明，成都霾过程大气消光系数时间序列具有弱混沌性，对应最大可预报

时间尺度介于7~25h。

（3）选取了另外四次霾过程，在相空间重构理论基础上，借助递归图方法

首先证实了霾过程大气消光系数时间序列是源于确定性系统的演化。其次，非

线性特征量（饱和关联维数、Kolmogorov熵以及最大Lyapunov指数）的分析

同样表明，霾过程大气消光系数时间序列具有弱混沌性。最后，应用Cao方法

排除霾过程大气消光系数时间序列为随机序列的可能性，结合替代数据法的诊

断，最终确定了霾过程大气消光系数时间序列为非线性时间序列。

关键词：霾过程，大气消光系数，时间序列，混沌，确定性，非线性

NonlinearTimeSeriesAnalysisofAtmosphericExtinction

CoefficientduringHazePeriods

ABSTRACT

Withtherapiddevelopmentofmycountryssocialeconomyandtherapid

advancementofurbanizationandindustrialization,hazehasbecomeaserious

atmospheric