3. 时段差异分析的基本维度

时段差异分析的第一步不是画图，而是选对时间尺度。同一份监测数据，按小时聚合和按年聚合会呈现完全不同的规律：小时尺度上看到的是早晚交通峰的“双峰”，日尺度上看到的是天气过程带来的“高—低—高”波动，季节尺度上看到的是采暖期与雨季的此消彼长，年际尺度上看到的才是政策减排与气候背景的长期趋势。尺度选错，结论往往南辕北辙。因此，本节围绕五个基本尺度，说明各自的分析目标、适用指标与数据组织方式。

五个尺度的划分逻辑与分析目标

时间尺度的划分本质上是“信号与噪声”的分离问题。尺度越短，越能捕捉局地排放和气象的瞬时变化，但随机性也越强；尺度越长，越能反映结构性、趋势性特征，但会掩盖过程细节。可以按以下思路定位：

• 小时尺度：目标是识别日内排放节律与短时污染事件，典型问题是“早高峰是否推高了NO₂”“夜间逆温是否造成PM₂.₅累积”。
• 日尺度：目标是刻画污染过程的起止与持续天数，回答“这次过程持续了几天、峰值出现在第几天”。
• 周尺度：目标是检验“周末效应”，判断人为活动节律对污染物的影响强弱。
• 季节尺度：目标是区分采暖期与非采暖期、雨季与旱季的污染成因差异，是全年成因诊断的主战场。
• 年际尺度：目标是评估减排政策的长期效果与气候背景的年际波动，需要剔除气象影响后才能谈“变好或变差”。

不同尺度下的指标选择

指标选择要与尺度匹配，否则会失真。小时尺度关注逐时浓度、小时峰值、峰谷出现时刻、日变化振幅；日尺度关注日均值、过程峰值、超标天数、污染持续时长、过程累积浓度（如AOT40思路下的累积暴露量）；周尺度关注工作日与周末均值差、周末效应指数；季节尺度关注季均值、季内超标率、采暖期/非采暖期比值、不同季节的主控污染物；年际尺度关注年均值、年超标天数、趋势斜率（如Theil-Sen斜率）、气象归一化后的浓度变化。

需要特别提醒：年均值不能直接用于评价短期过程，小时极值也不能代表全年水平。例如某站点PM₂.₅年均浓度下降，但冬季小时峰值反而升高，说明年均改善可能来自非采暖期，冬季重污染过程并未缓解——这正是多尺度联合分析的价值。

实际分析中的尺度组合与操作要点

真实工作中很少只用单一尺度。一个常见的分析路径是：先用年际尺度判断该站点是否整体改善，再用季节尺度定位改善主要发生在哪个季节，接着用日尺度找出该季节内的典型污染过程，最后用小时尺度还原过程内的日变化细节。周尺度则作为辅助，用于判断人为活动节律的贡献。

以某城市站点PM₂.₅分析为例（以下为教学示例数据，非实测）：年均浓度从2019年的48 μg/m³降至2023年的38 μg/m³，看似改善明显。但分季节看，非采暖期（4—10月）均值从30降至22，采暖期（11—3月）仅从62降至58。进一步按日尺度统计，采暖期年均超标天数从35天降至31天，而单次过程峰值仍可达180 μg/m³以上。这说明减排效果主要体现在非采暖期，冬季重污染过程的强度并未同步下降，后续应重点针对采暖期散煤与工业源。若只看年均值，就会得出过于乐观的结论。

操作层面有几个易错点值得注意。第一，聚合前先做数据完整性检查：小时数据缺失超过一定比例（如日均值要求至少20个有效小时）时，该日均值应标记为无效，否则会引入偏差。第二，统一时间基准：所有尺度都应基于本地标准时间，避免跨时区或夏令时造成峰谷时刻错位。第三，区分“日历季节”与“污染季节”：北方采暖期常按11月15日至次年3月15日划定，与气象四季并不一致，分析时应明确采用哪一种并全文统一。第四，年际比较要做气象归一化：直接用年均值比较会混入年际气象差异，常用方法是建立浓度与气象要素的统计模型，或用同类气象条件下的浓度对比。

最后需要强调，五个尺度不是彼此孤立的五套指标，而是同一份数据在不同聚合粒度下的五次“取景”。分析目标决定尺度，尺度决定聚合方式，聚合方式决定指标能否成立。把这条链条理顺，后续的污染过程识别才有可靠的时间坐标。