while f(αmax) decreasing. That mean

while f(αmax) decreasing. That means the number of event for the
largest index has increased, but that of the smallest has decreased.
Generally, The B value shows growth trend, the α~f(α) curve show
developing tendency from right to left. In 14 years, except for July
2004 to June 2005, the B are all negative, indicating that the events
of larger NO2 indices are almost dominated.
Figure 4d shows that the multifractal parameters for APIs in
each year are similar to that of PM10.
Now, it is demonstrated that some methods, such as iterated
function systems, are useful in time series predicting based on the
fractal scaling feature of the data. Thus, a natural step forward in
this line of research would be the use of the different fractal
characteristics of API to develop new predicting methods.
The differences among these four multifractal spectra indicate
that heterogeneity (disordered state) characterizes NO2 and PM10
indices dynamics owing to airflow, pollutant emissions and other
related factors; while the atmospheric buffer capability results in
SO2 indices being characterized by a dynamical change from
heterogeneity (disordered state) toward homogeneity (ordered
state). As to APIs, they are determined by air quality indices,
various pollutants and their effects on human health, so there are
more complex temporal evolution dynamics and physical
mechanism, therefore, APIs display the “richest” signal in structure
in these four series.
3.3. Cumulative frequency–size distribution
Previous studies indicate that the atmosphere share all
characteristic features of SOC systems, which is an excellent
example of an SOC process (Vattay and Harnos, 1994; Peters and
Christensen, 2006). The movements and transformation of air
pollutants occur in the atmosphere. Thus, the air pollutants should
also share these generic dynamical properties. From the complex
point of view, the power–law scaling and long–term memory can
be recognized as the footprint of SOC behaviors. Cumulative
frequency–size distributions associated with many natural systems
exhibit power law scaling. This is the typical “critical” dynamical
behavior found in the SOC systems (Matsoukas et al., 2000; Liu et
al., 2014b). A power law applied to a cumulative distribution has
the relation N=cr–λ, where N is the cumulative number of events
per unit time with size greater than or equal to the magnitude (r),
 is the scaling exponent, c is a constant.
Figure 5 shows the number density (N) of air pollution events
(of SO2, NO2 and PM10), with size greater than or equal to some
pollution index value (r), respectively. Note the similarity to the
Gutenberg–Richter law in the earthquakes study (Turcotte and
Malamud, 2004). We found that these pollution indexes in
Shanghai exhibit different power law behavior. For NO2 and PM10
indexes, the plots exhibit curvature, showing obviously two
different scaling regions with the scaling exponent of 0.024 (0.031)
and 0.025 (0.008), respectively, while for SO2 indexes, only one
scaling region appears with the scaling exponent of 0.085.
Therefore, the results show that the SOC of SO2 series is fully
developed (continuous high persistence at all the scales that we
have analyzed), while the PM10 and NO2 series seem to be only
partially developed (reduced organization for NO2 series and
increased organization for PM10 at larger scales). We note that the
power law breaks down in smaller pollution index magnitude
regions. We think that low monitoring frequency of pollution
indexes series result in the low–size tail of the frequency
distribution. Shi et al. (2010, 2013) and Peters and Christensen
(2006) have found a similar phenomenon in water pH, PM10 and
rainfall, respectively.
Figure 5. The number density (N) of SO2, NO2 and PM10 pollution events,
with size greater than or equal to some pollution index value (r).
We think that the fluctuation of pollution index values do not
look very different from avalanches from the point of view of SOC.
In order to further explain it, we show an analogy between the air
pollutants and the sand–pile. In the complex atmospheric
environment, air pollution is affected by several variables driving
the change of APC, such as the movements and transformation of
air pollutants, precipitation and climate condition, interact and
correlate with each other and so on. All the variables driving the
change of air pollutants interact with each other and these inter–
relationships are complex, nonlinear. We define the measurement
value of air pollution as an avalanche event, and the magnitudes of
various pollution index values as avalanche sizes in a granular pile.
And the superposition of local APC represents the chain of forces in
the sand–pile. When the amounts of microscopic condensed air
pollutants reach some threshold magnitude, the air pollutant
masses can be transported on microscopic scales by diffusion or
convection. They reach a new location, where the local APC is
lower, and can be diluted. If the local APC in the neighborhood is
also high, the amount of condensed air pollutants masses will
increase. Once the system reaches some critical point by its own
internal tuning, any small fluctuation, in principle, can trigger a
chain reaction like the avalanches in the sand–pile. It is important
to note that the system is “tuned” to a critical state solely by its
own internal dynamics rather than external dynamics. The high
correspondence of the simulated results to observations supports
that the three kinds of pollutants evolution acts as a SOC process
on calm weather. And SOC is a useful framework to explain the
nonlinear evolution of the three kinds of pollutant concentrations.
Therefore, we may interpret the air pollution, which goes through
very large fluctuations, as consequences of SOC processes. So the
power–law scaling in these pollution indexes series is equivalent to
that of avalanche size evolution.
In Figure 5, we found two different scaling regions for NO2 and
PM10 series, and only one scaling region for SO2 series. For NO2 and
PM10 pollution, atmospheric motion and pollution discharge
change greatly. So we infer that the SOC of air pollutants (NO2 and
PM10) and SOC of airflow may independently affect the temporal
variation of NO2 and PM10 in different regimes respectively, and it
is these compound mechanisms that result in the appearance of
two different power–law regions for NO2 and PM10 pollution.
However, for SO2 pollution, owing to the effect of atmospheric
buffer capability, atmospheric motion and pollution discharge have
small fluctuation and the independent effect of airflow SOC
becomes small. Thus the SOC of NO2 and PM10 pollution play a
major role in the temporal variation of air pollution. At the critical
state, high persistence, and scale–invariant of the three kinds of
Liu

ผลลัพธ์ (ไทย) 1:

ในขณะที่ f(αmax) ลดลง นั่นหมายความว่า จำนวนของเหตุการณ์มีเพิ่มดัชนีที่ใหญ่ที่สุด แต่ที่น้อยที่สุดได้ลดลงทั่วไป ค่า B แสดงแนวโน้มการเจริญเติบโต การแสดงเส้นโค้ง α~f(α)แนวโน้มที่พัฒนาจากขวาไปซ้าย ในปีที่ 14 ยกเว้นเดือนกรกฎาคมปี 2004 การ 2005 มิถุนายน B มีค่าลบทั้งหมด เพื่อระบุว่า เหตุการณ์ของ NO2 ใหญ่ ดัชนีจะเกือบครอบงำรูปที่ 4 d แสดงที่ multifractal พารามิเตอร์สำหรับ APIs ในแต่ละปีจะคล้ายกับของ PM10ตอนนี้ มันจะแสดงว่า วิธีการบางอย่าง เช่นทวิภาควนซ้ำระบบการทำงาน มีประโยชน์ในเวลาชุดคาดการณ์ตามเศษส่วนขนาดของข้อมูล ดังนั้น ธรรมชาติก้าวไปข้างหน้าในสายงานวิจัยนี้จะใช้ของแฟร็กทัลแตกต่างกันลักษณะของ API ในการพัฒนาวิธีการคาดการณ์ใหม่ระบุความแตกต่างระหว่างแรมสเป็คตรา multifractal เหล่านี้ 4ว่า heterogeneity (disordered สภาพ) ระบุลักษณะ NO2 และ PM10ดัชนี dynamics เนื่องจากการไหลของอากาศ การปล่อยมลพิษ และอื่น ๆปัจจัยที่เกี่ยวข้อง ในขณะที่ผลความสามารถในการบัฟเฟอร์ของบรรยากาศในมีลักษณะเปลี่ยนแปลง dynamical จากดัชนี SO2heterogeneity (disordered สภาพ) ไปทาง homogeneity (สั่งรัฐ) กับ APIs พวกเขาจะถูกกำหนด โดยดัชนีคุณภาพอากาศสารมลพิษต่าง ๆ และผลกระทบสุขภาพ มีdynamics ขมับวิวัฒนาการซับซ้อนมากขึ้นและมีอยู่จริงกลไก ดังนั้น APIs แสดงสัญญาณ "รวยที่สุด" ในโครงสร้างในชุดที่สี่เหล่านี้3.3 การการแจกแจงความถี่ – ขนาดสะสมการศึกษาก่อนหน้านี้บ่งชี้ว่า บรรยากาศการใช้ร่วมกันทั้งหมดลักษณะคุณสมบัติของระบบ SOC ซึ่งเป็นที่ที่ดีเยี่ยมตัวอย่างกระบวนการ SOC (Vattay และ Harnos, 1994 Peters และคริสเตนเซ่น 2006) การเคลื่อนไหวและการเปลี่ยนแปลงของอากาศสารมลพิษที่เกิดขึ้นในบรรยากาศ ดังนั้น ควรสารมลพิษอากาศยัง ใช้คุณสมบัติ dynamical ทั่วไปเหล่านี้ จากซับซ้อนมุมมอง พลังงาน – กฎหมายมาตราส่วน และระยะยาวหน่วยความจำสามารถได้รับการรับรองเป็นรอยของพฤติกรรม SOC สะสมการกระจายความถี่ – ขนาดที่เชื่อมโยงกับระบบธรรมชาติมากแสดงมาตราส่วนกฎหมายพลังงาน นี่เป็นการทั่วไป "สิ่งสำคัญ" dynamicalพฤติกรรมที่พบในระบบ SOC (Matsoukas et al., 2000 เล่าร้อยเอ็ดal., 2014b) กฎหมายพลังงานใช้การแจกแจงสะสมได้ความสัมพันธ์ N = cr – λ โดยที่ N คือ จำนวนเหตุการณ์สะสมต่อหน่วยเวลามีขนาดมากกว่า หรือเท่ากับขนาด (r),จะยกมาตราส่วน c เป็นค่าคงรูปที่ 5 แสดงความหนาแน่นหมายเลข (N) ของมลพิษทางอากาศ(ของ SO2, NO2 และ PM10), มีขนาดมากกว่า หรือเท่ากับบางมลภาวะดัชนีค่า (r), ตามลำดับ โปรดสังเกตความคล้ายคลึงกันกับกูเทนแบร์ก – ถือกฎหมายในการศึกษาแผ่นดินไหว (Turcotte และMalamud, 2004) เราพบว่าดัชนีมลพิษเหล่านี้ในเซี่ยงไฮ้แสดงพลังงานต่าง ๆ กฎหมายลักษณะ สำหรับ NO2 และ PM10ดัชนี โครงการจัดแสดงขนาด การแสดงสองอย่างชัดเจนมาตราส่วนภูมิภาคพร้อมยกมาตราส่วนของ 0.024 (0.031)และ 0.025 (0.008), ตามลำดับ ในขณะที่สำหรับดัชนี SO2 เดียวเท่านั้นมาตราส่วนภูมิภาคปรากฏพร้อมกับยกมาตราส่วนของ 0.085ดังนั้น ผลลัพธ์แสดงว่า SOC ของ SO2 เป็นชุดเต็มพัฒนา (คงอยู่สูงอย่างต่อเนื่องที่ระดับทั้งหมดที่เรามีวิเคราะห์), ในขณะที่ชุด PM10 และ NO2 ที่ดูเหมือนจะเท่านั้นบางส่วนได้รับการพัฒนา (องค์กรสำหรับชุด NO2 ลดลง และเพิ่มองค์กรสำหรับ PM10 ที่สเกลใหญ่) เราสังเกตว่ากฎหมายพลังงานแบ่งขนาดดัชนีมลพิษขนาดเล็กขอบเขตการ เราคิดว่า ความถี่ที่ตรวจสอบต่ำมลพิษดัชนีชุดผลลัพธ์ในหางต่ำ – ขนาดของความถี่การกระจายงาน ชิ al. ร้อยเอ็ด (2010, 2013) และ Peters และคริสเตนเซ่นพบปรากฏการณ์ที่คล้ายคลึงกันอยู่ในน้ำ pH, PM10 (2006) และปริมาณน้ำฝน ตามลำดับรูปที่ 5 ความหนาแน่นหมายเลข (N) ของเหตุการณ์มลพิษ SO2, NO2 และ PM10มีขนาดมากกว่า หรือเท่ากับค่าดัชนีมลพิษบาง (r)เราคิดว่า ความผันผวนของค่าดัชนีมลพิษทำไม่ดูแตกต่างมากจาก avalanches จากมุมมองของ SOC.เพื่ออธิบายเพิ่มเติม แสดงการเปรียบเทียบระหว่างอากาศสารมลพิษและทราย – กอง ในบรรยากาศซับซ้อนสิ่งแวดล้อม มลพิษทางอากาศจะมีผลต่อตัวแปรต่าง ๆ ขับรถการเปลี่ยนแปลงของ APC เคลื่อนไหวและการเปลี่ยนแปลงของอากาศสารมลพิษ ฝน และสภาพภูมิอากาศ การโต้ตอบ และซึ่งกันและกัน ตัวแปรทั้งหมดที่ขับรถเปลี่ยนแปลงของสารมลพิษอากาศที่โต้ตอบกับแต่ละอื่น ๆ และเหล่านี้อินเตอร์-มีความสัมพันธ์ซับซ้อน ไม่เชิงเส้น เรากำหนดการประเมินค่ามลพิษในอากาศเป็นเหตุการณ์หิมะถล่ม magnitudes ของต่าง ๆ ค่าดัชนีมลพิษเป็นหิมะถล่มขนาดในกอง granularและ superposition ของเอพีซีภายในห่วงโซ่ของกองกำลังในทราย – กองการ เมื่อจำนวนของกล้องจุลทรรศน์บีบอากาศสารมลพิษถึงบางขีดจำกัดขนาด มลพิษอากาศสามารถขนส่งมวลชนในระดับกล้องจุลทรรศน์ โดยแพร่ หรือการพาการ พวกเขามาถึงตำแหน่งที่ตั้งใหม่ APC ท้องถิ่นอยู่ที่ไหนต่ำ และสามารถทำให้ ถ้า APC ท้องถิ่นในพื้นที่ใกล้เคียงยัง สูง จำนวนฝูงสารมลพิษอากาศบีบจะเพิ่มขึ้น เมื่อระบบถึงจุดสำคัญบางอย่าง ด้วยตนเองภายในปรับแต่ง ผันผวนใด ๆ ขนาดเล็ก หลัก สามารถทำให้เกิดการปฏิกิริยาลูกโซ่เช่น avalanches ในทราย – กอง เป็นสิ่งสำคัญโปรดทราบว่า ระบบจะ "ปรับ" ให้รัฐสำคัญแต่เพียงผู้เดียวโดยความdynamics เองภายในมากกว่าภายนอก dynamics สูงสนับสนุนการสื่อสารผลการจำลองการสังเกตสามชนิดของสารมลพิษที่วิวัฒนาการทำหน้าที่เป็น SOC เป็นประมวลในอากาศที่เงียบสงบ SOC เป็น กรอบอธิบายประโยชน์วิวัฒนาการไม่เชิงเส้นของสามชนิดความเข้มข้นของมลพิษดังนั้น เราอาจตีความการมลพิษในอากาศ ซึ่งผ่านการมีขนาดใหญ่มากผันผวนของ เป็นผลของกระบวนการ SOC ดังนั้นการพลังงาน – กฎหมายมาตราส่วนในชุดดัชนีมลพิษเหล่านี้จะเท่ากับที่วิวัฒนาการขนาดหิมะถล่มในรูปที่ 5 เราพบภูมิภาคมาตราส่วนสอง NO2 และชุด PM10 และ SO2 ชุดเดียวมาตราส่วนภูมิภาค สำหรับ NO2 และPM10 มลพิษ บรรยากาศการเคลื่อนไหว และปล่อยมลพิษเปลี่ยนแปลงอย่างมาก เพื่อให้เราเข้าใจที่ SOC ของสารมลพิษอากาศ (NO2 และPM10) และ SOC ของการไหลของอากาศอาจเป็นอิสระต่อกันมีผลต่อชั่วคราวความผันแปรของ NO2 และ PM10 ในระบอบที่แตกต่างกันตามลำดับ และมีกลไกซับซ้อนเหล่านี้ที่เป็นผลในลักษณะของพลังงาน – กฎหมายแตกต่างกันสองภูมิภาคสำหรับมลพิษ NO2 และ PM10อย่างไรก็ตาม สำหรับมลพิษ SO2 เนื่องจากผลของบรรยากาศมีความสามารถในการบัฟเฟอร์ บรรยากาศการเคลื่อนไหว และปล่อยมลพิษความผันผวนเล็ก ๆ และผลของการไหลเวียนของอากาศ SOC อิสระงานขนาดเล็ก จึง SOC NO2 และ PM10 มลพิษเล่นเป็นบทบาทสำคัญในการเปลี่ยนแปลงชั่วคราวของมลพิษทางอากาศ ที่ที่สำคัญสถานะ คงอยู่สูง และสเกล – บล็อกของสามชนิดของเล่า

ผลลัพธ์ (ไทย) 3:

ในขณะที่ f ( α max ) ลดลง นั่นหมายความว่าจำนวนของเหตุการณ์ที่ใหญ่ที่สุด
ดัชนีเพิ่มขึ้น แต่ของเล็กจะลดลง โดยทั่วไปค่า
, B แสดงแนวโน้มการเติบโต , α ~ f ( α ) เส้นโค้งแสดง
การพัฒนาแนวโน้มจากขวาไปซ้าย 14 ปี ยกเว้นกรกฎาคม 2547 ถึงมิถุนายน 2548
, B เป็นลบ แสดงว่าเหตุการณ์
ดัชนี NO2 ขนาดใหญ่เกือบจะครอบงำ
รูปที่ 4 ดีแสดงให้เห็นว่า multifractal พารามิเตอร์สำหรับ API
แต่ละปีจะคล้ายกับของ PM10 .
ตอนนี้ มันแสดงให้เห็นว่าวิธีการบางอย่างเช่นซ้ำ
ฟังก์ชัน ระบบ มีประโยชน์ในอนุกรมเวลาทำนายตาม
เศษส่วนปรับคุณลักษณะของข้อมูล ดังนั้น ขั้นตอนตามธรรมชาติไปข้างหน้าในบรรทัดของงานวิจัยนี้

จะใช้เศษส่วนที่แตกต่างกันลักษณะของ API ใหม่เพื่อพัฒนาวิธีการทำนาย .
ความแตกต่างระหว่างเหล่านี้สี่ multifractal สเปกตรัมที่สามารถบ่งชี้
( ความหมายของรัฐ ) และดัชนีพลวัตในลักษณะ NO2 PM10
เนื่องจากการปล่อยมลพิษและ อื่น ๆ ,
ปัจจัยที่เกี่ยวข้อง ขณะที่บรรยากาศในการบัฟเฟอร์
ดัชนี SO2 ถูก characterized โดยเปลี่ยนจาก
พลวัตผิดพวกผิดพ้อง ( ปรกติรัฐ ) ต่อค่า ( สั่ง
รัฐ ) เป็น API , พวกเขาจะพิจารณาจากดัชนีคุณภาพอากาศ
มลพิษต่างๆและผลกระทบต่อสุขภาพของมนุษย์ ดังนั้นจึงมีความซับซ้อนมากกว่า และวิวัฒนาการเปลี่ยนแปลง

และกลไกทางกายภาพ ดังนั้น ภาพแสดง " สัญญาณที่รวยที่สุด " ในโครงสร้างในเหล่านี้สี่ชุด
.
3.3 . ความถี่สะสม–
ขนาดกระจายการศึกษาก่อนหน้านี้พบว่า บรรยากาศแลกเปลี่ยนคุณสมบัติทั้งหมด
ลักษณะของระบบส ซึ่งเป็นตัวอย่างที่ดีของกระบวนการ ( vattay
ส และ harnos , 1994 ; ปีเตอร์และ
Christensen , 2006 ) การเคลื่อนไหวและการเปลี่ยนแปลงของมลพิษทางอากาศ
เกิดขึ้นในบรรยากาศ ดังนั้นอากาศมลพิษควร
แบ่งปันเหล่านี้ทั่วไปสำหรับคุณสมบัติ จากจุดที่ซับซ้อน
ของมุมมองอำนาจและกฎหมายการปรับและความจำในระยะยาวและสามารถ
ถูกรู้จักว่าเป็นรอยเท้าของพฤติกรรม ส . การแจกแจงความถี่สะสม
–ขนาดเกี่ยวข้องกับหลายระบบมีอำนาจกฎหมาย
ธรรมชาติการ นี้เป็นปกติ " สำคัญ " สำหรับพฤติกรรมที่พบในรายวิชา ระบบ ( matsoukas et al . , 2000 ; Liu et al ,
. 2014b ) อำนาจกฎหมายที่ใช้เพื่อการสะสมมี
ความสัมพันธ์ n = CR –λโดยที่ n คือจำนวนตัวเลขของเหตุการณ์
ต่อหน่วยเวลา มีขนาดมากกว่าหรือเท่ากับขนาด ( R )
คือการปรับขนาดของ C เป็นค่าคงที่ .
รูปที่ 5 แสดงจำนวนความหนาแน่น ( N ) ของเหตุการณ์มลพิษอากาศ
( SO2 NO2 , PM10 ) และมีขนาดมากกว่าหรือเท่ากับค่าดัชนีมลพิษบาง
( R ) , ตามลำดับ หมายเหตุ ความเหมือนกับ
กูเต็นเบิร์ก–ริกเตอร์แผ่นดินไหวในกฎหมายการศึกษา ( เทอร์คอตต์และ
มาลามัด , 2004 ) เราพบว่าดัชนีมลพิษเหล่านี้ในเซี่ยงไฮ้ที่แตกต่างกันอำนาจกฎหมาย
แสดงพฤติกรรม และสำหรับ NO2 PM10
ดัชนีแปลงมีความโค้ง แสดงชัดสอง
แตกต่างกันปรับภูมิภาคกับการเลขชี้กำลังของ 0.024 ( 0.031 )
และ 0.025 ( 0.008 ตามลำดับ ขณะที่ดัชนี SO2 , เพียงหนึ่ง
การปรับเขตปรากฏพร้อมกับปรับเลขชี้กำลังของ 0.085 .
ดังนั้น ผลการวิจัยแสดงให้เห็นว่า สังคมของ SO2 ชุดเต็ม
พัฒนา ( ต่อเนื่องสูงคงอยู่ที่ระดับทั้งหมดที่เราได้วิเคราะห์
) ในขณะที่พบ NO2 และชุดดูเหมือนจะ
พัฒนาบางส่วน ( ลดองค์กร NO2 และชุด
เพิ่มองค์กร สำหรับ PM10 ในระดับที่ใหญ่กว่า ) เราทราบว่า
อำนาจกฎหมายแบ่งลงในขนาดเล็กดัชนีมลพิษขนาด
ภูมิภาค เราคิดว่าการตรวจสอบความถี่ต่ำมลพิษ
ดัชนีชุดผลในขนาดต่ำและหางของความถี่
แจกจ่าย ซือ et al . ( ปี 2556 ) และ ปีเตอร์ และ คริสเตนเซ่น
( 2006 ) ได้พบปรากฏการณ์ที่คล้ายกันในน้ำ ความเป็นกรด - ด่าง และปริมาณฝุ่น PM10 )
, .
รูปที่ 5 จำนวนความหนาแน่นของ SO2 ( N ) ,และ NO2 PM10 มลพิษเหตุการณ์
ที่มีขนาดมากกว่าหรือเท่ากับค่าดัชนีมลพิษบาง ( R )
เราคิดว่าความผันผวนของดัชนีมลพิษค่าไม่ได้
ลักษณะแตกต่างจากหิมะถล่มจากมุมมองของส
เพื่ออธิบายเพิ่มเติม เราแสดงการเปรียบเทียบระหว่างอากาศ
มลพิษและทราย–กอง ในสภาพแวดล้อมของบรรยากาศ
ซับซ้อนมลพิษทางอากาศผลกระทบจากตัวแปรหลายขับรถ
เปลี่ยน APC เช่นการเคลื่อนไหวและการเปลี่ยนแปลงของ
มลพิษทางอากาศ การตกตะกอนและสภาวะอากาศ โต้ตอบและ
มีความสัมพันธ์กับแต่ละอื่น ๆและอื่น ๆ ทั้งหมดตัวแปรขับรถ
เปลี่ยนมลพิษในอากาศโต้ตอบกับแต่ละอื่น ๆและความสัมพันธ์ระหว่าง–
มีความซับซ้อนเชิงเส้น เรานิยามการวัด
ค่าของมลพิษทางอากาศและหิมะถล่มเหตุการณ์และขนาดของค่าดัชนีมลพิษต่างๆ เช่น หิมะถล่ม

ขนาดกองละเอียด และหลักการซ้อนทับของ APC ท้องถิ่นแทนโซ่บังคับใน
ทราย–กอง เมื่อปริมาณของอนุภาคมลพิษอากาศ
ถึงบางธรณี ย่อขนาด , สารมลพิษอากาศ
มวลสามารถขนส่งในระดับกล้องจุลทรรศน์โดยการแพร่กระจายหรือ
การพาความร้อน พวกเขามาถึงสถานที่ใหม่ที่ APC ท้องถิ่น
ลดลงและสามารถเจือจางได้ ถ้า APC ท้องถิ่นในละแวกนั้น
ยังสูง ตัวของมลพิษในอากาศมวลจะ
เพิ่ม เมื่อถึงจุดวิกฤตโดยระบบของมันเอง
ภายในปรับแต่งเปลี่ยนแปลงเล็ก ๆในหลักการสามารถเรียก
ปฏิกิริยาลูกโซ่เหมือนหิมะถล่มในทรายและกอง มันเป็นสิ่งสำคัญ
ให้ทราบว่า ระบบ " ปรับ " ขั้นวิกฤต แต่เพียงผู้เดียวโดย
เองภายในพลวัตมากกว่ากิจกรรมภายนอก ติดต่อสูง
ของผลของการจำลองข้อมูลที่สนับสนุน
ว่าสามชนิดของสารมลพิษวิวัฒนาการการกระทำเป็นขั้นตอน ส
สงบ อากาศดี ข้อมูลเป็นกรอบที่มีประโยชน์เพื่ออธิบาย
เชิงวิวัฒนาการของทั้งสามชนิดของสารมลพิษ
ความเข้มข้นดังนั้น เราอาจแปลความหมายมลพิษทางอากาศ ซึ่งผ่านไป
ความผันผวนมากตามผลของกระบวนการส . ดังนั้นอำนาจและกฎหมายมาตรานี้

ดัชนีมลพิษชุดเทียบเท่ากับที่ของวิวัฒนาการขนาดหิมะถล่ม .
ในรูปที่ 5 เราพบสองที่แตกต่างกันการภูมิภาคสำหรับ NO2 และ
PM10 ชุดและเพียงหนึ่งการภูมิภาคสำหรับ SO2 ชุด สำหรับ NO2
PM10 และมลพิษบรรยากาศการเคลื่อนไหวและมลพิษปลด
เปลี่ยนไปอย่างมาก ดังนั้นเราจึงสรุปได้ว่า สมลพิษอากาศ ( NO2 และ
PM10 ) และรายวิชา การไหลของอากาศอาจอิสระมีผลต่อการเปลี่ยนแปลงชั่วคราว
ของ NO2 PM10 ในระบอบและแตกต่างกันตามลำดับ และเป็นกลไกที่สารเหล่านี้

สองผลในลักษณะของไฟฟ้าที่แตกต่างกัน–กฎหมายภูมิภาคสำหรับ NO2 PM10 และมลพิษ .
อย่างไรก็ตาม สำหรับ SO2 มลพิษเนื่องจากผลของความสามารถในการบัฟเฟอร์บรรยากาศ

บรรยากาศและการปล่อยมลพิษ มีการเคลื่อนไหวเปลี่ยนแปลงขนาดเล็กและผลที่เป็นอิสระของการส
กลายเป็นเล็ก ดังนั้น สของ NO2 PM10 และมลพิษเล่นบทบาทสำคัญในการเปลี่ยนแปลงชั่วคราวของมลพิษทางอากาศ ที่สําคัญ
รัฐสูง เก็บรักษา และขนาด และค่าคงที่ของทั้งสามชนิดของ
หลิว