1.研究背景及其意义

近几十年来，我国经济发展和城市化进程越来越快，随着工业化结构的不断变化，能源消耗总量持续上升，由此而产生的大气环境问题也不断加剧，已成为我国在环境保护工作方面的一个巨大挑战。我国现行的《环境空气质量标准》（GB3095-2012）中将SO₂、NO₂、CO、O₃、PM₁₀和PM_2.5等六项污染物定为环境空气污染物基本项目，其中大气颗粒物是大气污染物中较为普遍而又对人体危害较大的污染物，同时它也是导致能见度下降的主要污染物。因此，对大气颗粒物的研究已成为大气环境的一大热点，尤其是近年来PM_2.5的危害越来越大，很多问题亟待解决。

在关于大气颗粒物污染的研究中，已有大量学者对大气污染物浓度的时空格局进行了深入地研究，然而，现多是对单独城市的时间变化特征进行研究和对区域内的城市的空间分布特征进行研究，或是将二者结合进行时空异质性研究，但还缺乏对一个大范围区域的时空变化研究，以时间轴为纵向，以空间轴为横向，相互结合进行合理地统计分析，更能清晰地反映城市间的大气污染物的相互关系，还能排除某一段特殊时期内的异常现象对最后结果的影响。这将有助于我国对大气污染物防治的目标方向的确立，并为提出更为切实有效的防治措施提供一定的理论依据。

2.研究进展

目前，与大气污染物时空异质性相关的研究主要有以下几个方面：基于GIS和地统计学的空间分布特征研究，基于时间序列理论的时间变化研究，基于空间自相关分析和空间计量模型的空间效益研究，构建空间分离指数模型和重心模型的污染物空间分离研究，基于地统计学的污染物质量浓度时空异变性研究等。其中，有关时间变化特征的分析方法有：时间变化曲线特征分析、时间变化相关性分析、离差系数判别分析等。有关空间分布特征的分析方法有：空间统计分析、空间回归模型、重心迁移技术、空间自相关分析、空间计量模型、自然正交函数和地理加权回归分析等。

2.1时间变化曲线特征分析

这是一种对时间变化特征进行分析的最常见的分析方法，将数据按时间序列进行整理，利用相关的统计软件绘制时间-浓度图像，然后对大气污染物质量浓度进行时间上的分析，用以了解不同时段、季节或年份的变化趋势，及便于提出合理的大气污染防治手段。

在王庆新等人^[4]对2010年-2012年间哈尔滨市的环境空气质量变化的研究中，依据时间序列分析了哈尔滨主要污染物浓度年变化、月变化情况，并以表格的形式展现，清晰地呈现了哈尔滨市在”十二五”期间减排工作的进展情况，数据显示，2010年-2012年哈尔滨市空气质量具有明显季节性，且整体呈冬季污染重，夏季污染轻的形势，而可吸入颗粒物（PM₁₀）常年为该市的首要污染物。这与岳玎利等人^[5]在关于珠三角区域站空气质量的研究中有相似结果，在《环境空气质量标准》（GB3095-2012）实行前，珠三角地区的首要污染物也是PM₁₀，，且也具有明显的季节性变化，但在标准实施后，监测结果显示，O₃将取代PM₁₀成为该区域的首要污染物，此外，该研究还发现，2013年珠三角地区颗粒物浓度水平总体低于北方城市，但PM_2.5比例较高，这可能与地区不同的经济发展结构相关。另有张艳珍等人^[22]对近三年苏州市吴中区空气质量状况进行研究，2011年-2013年间该地区三年的首要污染物分别为NO₂、PM₁₀、PM_2.5，可见大气颗粒物对环境空气的影响越来越严重，在这种趋势下大气颗粒物污染不容忽视，该研究还显示，空气质量在冬季最差。

上述对于时间变化的研究中，其研究对象均不相同，但研究时段相近，对各项研究的结果进行分析，发现各地在这段时间内的大气污染物时间变化特征有许多相同之处，多数地区在现行空气质量标准实施前，首要污染物多为可吸入颗粒物，且大气污染物浓度都具有明显的季节性变化趋势，冬季的空气污染最为严重。其余不同之处应与各地的地理、气象等自然条件和经济发展结构等因素有关。

2.2时间变化相关特征分析