為探索生態(tài)旅游城市張家界市大氣PM2.5、NO2濃度與旅游活動及天氣因素間的相關性,運用多重分形去除趨勢波動交叉分析法（MFDCCA）進行分析。首先驗證了張家界市大氣PM2.5、NO2濃度與旅游活動及天氣因素間的交叉相關性和多重分形特征。然后通過對旅游淡旺季大氣PM2.5、NO2濃度與旅游人數(shù)、平均氣溫及相對濕度的多重分形特征的詳細分析,發(fā)現(xiàn)在旅游淡季,大氣PM2.5和NO2濃度在相對濕度影響下波動范圍更大,且更傾向于出現(xiàn)較低濃度值;而在旅游旺季,大氣PM2.5和NO2濃度在旅游活動影響下波動范圍更大,且更傾向于出現(xiàn)高濃度值。 

【文章來源】：大氣與環(huán)境光學學報. 2020,15(05)CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

PM2.5 (a)、NO2(b)、旅游人數(shù)(c)、溫度(d)和相對濕度(e)的平均日分布

質(zhì)量指數(shù)τ(q)圖像如呈現(xiàn)凸函數(shù)的分布特征,則說明兩組時間序列間的互相關性為多重分形特征。分別計算出PM2.5、NO2與TN、AT、RH的質(zhì)量指數(shù)τ(q)函數(shù)。由圖3可知,PM2.5、NO2與TN、AT、RH的質(zhì)量指數(shù)τ(q)是關于q的增函數(shù),且為凸函數(shù)。這說明PM2.5、NO2與TN、AT、RH之間的相關性表現(xiàn)出明顯的多重分形特征。圖3 PM2.5 (a)、NO2(b)與T N、AT、RH的質(zhì)量指數(shù)圖

圖2 PM2.5 (a)、NO2(b)與T N、AT、RH間的交叉相關性檢驗當q=2時,MFDCC退變成DCCA分析方法。由表2可知PM2.5、NO2與TN、AT、RH的Hxy(2)均大于0.5,說明PM2.5、NO2與TN、AT、RH之間的相關性,均表現(xiàn)出長期持續(xù)特征。這說明在一定時間尺度上,生態(tài)旅游城市張家界大氣污染物PM2.5、NO2不僅受旅游活動影響,還受平均溫度及相對濕度的影響,相互間變化表現(xiàn)出長期持續(xù)性特征。即過去一段時間旅游人數(shù)、平均溫度、相對濕度的上升(下降),會引起未來一段時間PM2.5、NO2數(shù)據(jù)的上升(下降)。從復雜性理論來說,張家界市大氣PM2.5、NO2污染物濃度演化趨勢對旅游人數(shù)、平均溫度、相對濕度的變化具有敏感依賴性。

【參考文獻】：
期刊論文
[1]成都市2017年夏季大氣VOCs污染特征、臭氧生成潛勢及來源分析[J]. 徐晨曦,陳軍輝,韓麗,王波,王繼欽.  環(huán)境科學研究. 2019(04)
[2]2016—2017年武漢市城區(qū)大氣PM2.5污染特征及來源解析[J]. 黃凡,陳楠,周家斌,操文祥,李寬.  中國環(huán)境監(jiān)測. 2019(01)
[3]基于MF-DCCA的港口與非港口地區(qū)PM2.5與NOX互相關性分析[J]. 張賽鑫,何紅弟,張季平.  西南大學學報(自然科學版). 2017(08)
[4]香港港口近地面O3與氮氧化物濃度變化的多重分形特征[J]. 喬中霞,何紅弟,楊斌,邢小虎.  環(huán)境科學研究. 2017(01)
[5]長株潭城市群PM2.5污染的春節(jié)假日效應[J]. 昌晶亮,余洪,羅偉偉,王磊.  生態(tài)與農(nóng)村環(huán)境學報. 2016(05)
[6]基于后向軌跡模型的成都市典型灰霾期間PM2.5演化的自組織分析[J]. 黃毅,劉春瓊,謝志輝,吳生虎,史凱.  安全與環(huán)境學報. 2016(01)
[7]城市居民霧霾天氣認知及其對城市旅游目的地選擇傾向的影響[J]. 程勵,張同顥,付陽.  旅游學刊. 2015(10)
[8]汽車排放超細微粒數(shù)濃度及粒徑譜特征的實驗研究[J]. 陸葉強,陳秋方,孫在,蔡志良,楊文俊.  環(huán)境科學. 2014(09)
[9]旅游和區(qū)域大氣污染對四川九寨溝氣溶膠的貢獻[J]. 喬雪,肖維陽,唐亞,Daniel JAFFE,江麗君.  中國環(huán)境科學. 2014(01)



本文編號：3410050