基于汇聚污染物天气相关性强度分类城市区域：时空研究

理解污染物气象相互作用对环境风险评估至关重要。本研究构建了基于熵的统计框架，用于分析印度多个城市之间城市空气污染物与气象变量的静态与时序依赖关系。通过互补的线性与非线性度量衡量依赖，如皮尔逊相关系数、互信息和相对条件熵来量化依赖性。方法学上的关键贡献是基于 PCA 的复合指数框架，将这些异构度量整合为统一且可解释的相关性得分。对于每个城市中的每个污染物气象对，PCA 用于提取联合变动指数，而空间变动性通过跨城市聚合相关性来评估。进一步将这些指数组合以推导覆盖全城的综合相关性得分，代表污染物气象耦合强度，使城市可被划分为 distinct 互动 regime。敏感性分析通过系统性排除单个变量对来验证框架的稳健性，证明没有单个对产生过度影响。时序依赖性通过传递熵和时滞互信息来考察。结果表明，相对湿度通常领先污染物浓度变化，而气温则滞后，凸显不同因果影响。互信息在零时滞处达到峰值并迅速衰减，表明强烈的短期相互作用且持续性有限。总体而言，本文提出的框架为评估跨不同地点和时间的复杂污染物气象相互作用提供了统一且可解释的方法。