长三角PM2.5和O3变化特征及与气象要素的关系

依据2017年长三角地区的空气质量小时数据,结合同期ECMWF气象资料,采用GIS空间分析、相关性分析和数理统计研究了区域O3、PM2.5的时空变化特征及其与气象因素的关系.结果 表明:(1)长三角城市群O3浓度在5和9月值最高,O3_8 h日变化特征呈拉伸型S曲线,在19:00、20:00达到浓度峰值,峰值浓度最大的地区是滁州,为111 μg/m3;O3空间分布由北到南逐渐降低,并且春季(136.57 μg/m3)＞夏季(117.35μg/m3)＞秋季(83.23 μg/m3)＞冬季(77.06 μg/m3);O3与其前体物CO、NO2相关性较强;当15＜T≤20℃,100＜PRS≤100.5 kpa时,O3浓度超标最严重.(2)PM2.5浓度月均值呈不规则U型分布,低谷期在7、8月;上海浙江区域日均浓度第一个峰值在9:00～10:00,安徽江苏区域是11:00～12:00,第二个峰值均在21:00;PM2.5空间分布内陆城市高于沿海城市,冬季(62.21 μg/m3)＞春季(44.70μg/m3)≈秋季(44.14 μg/m3)＞夏季(31.33μg/m3);与NO2、SO2相比,PM2.5和CO相关性更强;O3与温度、相对湿度是正相关,与风速、风向、气压、边界层高度、降水量则是负相关,PM2.5与风向、气压是正相关,与其他因素是负相关;当温度低于5℃,100＜PRS≤100.5 kpa时,长三角城市群PM2.5超标率最高.     

基于地理探测器的土地开发度时空差异及其驱动因素

土地开发度（LDD）是衡量区域人类活动对土地开发利用的程度。分析土地开发度的时空差异和驱动机制能更加深刻的认识人类活动与区域土地利用之间的关系，为研制区域差别化的土地管控政策提供依据。通过分析全国345个城市2009~2015年土地开发度的时空差异，并采用地理探测器探测其驱动因素及其空间差异。研究表明：（1）全国土地开发度从2009年的4.1%持续增加到2015年的4.47%，并在东、中、西3个区域上表现出显著的空间差异；（2）345个城市的土地开发度总体呈上升趋势，且呈现明显的空间差异。土地开发度高的城市主要在城市群集聚，并在长江经济带、丝绸之路经济带等区域表现较快增长。（3）全国土地开发度由投资驱动和人口驱动为主转变为产业驱动和人口驱动为主，东、中、西3个区域土地开发度的主导驱动因素有所差异。     

长江中游城市群PM2.5时空特征及影响因素研究

近年来，伴随着工业化和城市化进程的加快，长江中游城市群灰霾天气持续增多，空气污染问题日益突出。基于2015年1月至2016年2月长江中游城市群189个空气质量监测站点的PM2.5逐时监测数据，采用普通克里金插值、探索性空间数据分析法和相关系数法，从年、季、月尺度上分析了PM2.5的空间分布格局及其影响因素。结果表明：（1）在年尺度上，长江中游城市群PM2.5浓度空间分布总体呈现出明显的北部高南部低，局部地区略有突出的特征，该区PM2.5浓度年均值为55.28 μg/m3，其中湖北省PM2.5的年均值为三省市最高，为68.17 μg/m3；其次为湖南省，年均值为53.66 μg/m3；江西省PM2.5的年均值较小，为44.01 μg/m3。（2）在季节尺度上，长江中游城市群PM2.5浓度表现出冬春季高，夏秋季低的现势性，这与区域内夏季高温多雨、冬季低温少雨的气候条件密切相关。（3）长江中游城市群PM2.5月浓度变化大致呈U形分布，1月份PM2.5浓度最高， 1~6月份，PM2.5浓度呈逐步下降趋势， 6~8月份，区域PM2.5浓度处于“U”字的谷底。（4）NO2、CO是影响PM2.5浓度的两项主控大气污染物，而降水量和相对湿度则是影响PM2.5浓度的两个重要气象因素。 关键词： PM2.5浓度；时空特征；气象因素；长江中游城市群     

2015年长三角地区城市PM2.5时空格局及影响因素分析

PM_2.5浓度值增加对大气能见度、人体健康和气候变化有着重要影响。采用2015年长三角地区监测数据，运用探索性空间数据分析法和相关系数法，分析长三角地区城市PM_2.5污染的时空格局和影响因素，结果表明：（1）2015年长三角地区城市PM_2.5年均浓度值为54.54 μg/m³，季节变化总体呈现春冬高夏秋低的季节性周期变化规律，1月和12月为一年中PM_2.5污染最严重的月份，污染范围最广，5~9月是PM_2.5浓度值优良时段，日均值春季和冬季的波动周期较短而剧烈，夏季和秋季波动周期相对较长而平缓。（2）2015年长三角地区城市PM_2.5年均浓度值整体上从江苏到浙江呈减少趋势，具有北高南低，局部突出的特征。（3）长三角地区城市PM_2.5浓度空间上存在集聚现象，低值集聚主要分布在浙江沿海地区，高值集聚主要分布在苏南地区。（4）燃烧排放的烟尘和前体物的二次转化对长三角地区PM_2.5浓度有显著影响。风速和降水量是影响PM_2.5浓度的两个重要气象因素。     

长三角城市群城市创新产出的空间集聚及其溢出效应

基于2005～2014年空间面板数据，运用空间计量经济学方法，对长三角城市群26个城市创新产出的空间集聚及空间溢出效应进行了实证研究。结果表明：（1）长三角城市群城市创新产出呈现显著的空间正相关，空间集聚特征明显，总体上形成了以上海为核心，以南京、杭州、宁波、合肥等城市为重要创新节点，由沿海向内陆发散的空间集聚格局。（2）长三角城市群城市创新产出在地理空间上具有显著的正向空间溢出效应，邻近城市创新产出的提高，将促进本城市创新能力的增强。（3）空间效应对城市群城市创新产出的作用显著，忽视空间要素对城市群创新产出的影响，将使估计结果产生偏差。（4）各创新要素对城市群城市创新产出的影响存在差异，人力资本、资金投入水平和创新平台不仅能提高本城市和邻近城市的创新水平，而且对城市群的创新发展具有显著的促进作用；经济发展水平和对外交流学习能力对本城市创新产出的正向作用显著，对邻近城市具有明显的负向溢出效应，而对城市群创新产出的作用并不显著；政府支持力度对本城市创新产出具有促进作用，对邻近城市创新产出作用不显著，对城市群创新产出的促进作用较弱。最后提出了提升长三角城市群城市创新发展水平的政策建议和未来的研究方向。     

基于OMI数据的成渝城市群对流层NO2浓度遥感监测

利用Aura卫星的OMI（Ozone Monitoring Instrument）传感器最新版对流层NO2垂直柱浓度数据产品，结合线性拟合、趋势分析和空间自相关分析等方法，系统分析了2005~2017年成渝城市群对流层NO2垂直柱浓度的时空特征及变化趋势。结果表明：OMI对流层NO2柱浓度数据与成渝城市群NO2地面监测数据变化趋势基本一致，且存在良好的相关性；时间上，2005~2012年NO2年均柱浓度增加明显，增幅达52.38%，2012年后呈下降趋势。NO2柱浓度季节变化明显，浓度水平基本为：冬季>秋季>春季>夏季。NO2柱浓度月均值具有类似于正弦函数的周期性，1年一个周期，低值出现在每年的7、8月，高值出现在11、12和1月；空间上，经济较发达地区的NO2浓度大于经济欠发达地区。2005~2012年99.58%的区域NO2浓度上升,2012~2017年80.50%的区域NO2下降，但是成渝城市群边缘的山区NO2浓度依然呈增长趋势。成都、重庆对流层NO2柱浓度具有明显的局部空间正相关特性。     

长江中游城市群城市土地利用效率空间溢出效应研究

城市群城市土地利用效率是城市群城市土地要素有效配置、合理利用以及城市经营管理水平的综合体现。在使用DEA方法得到2003～2015年长江中游城市群28个城市土地利用效率并且分析其变化趋势以及空间关联性的基础上，构建SDM模型对长江中游城市群的城市土地利用效率空间溢出效应进行分析。研究结果表明：（1）2003～2015年长江中游城市群城市土地利用效率总体呈波动变化趋势。长江中游城市群城市土地利用效率存在空间负相关关系，城市土地利用效率具有空间异质性；（2）通过构建SDM模型分析表明，外商直接投资额以及人均地区生产总值是长江中游城市群城市土地利用效率的主要驱动因素；（3）长江中游城市群城市土地利用效率的空间溢出效应较弱，在一定程度上反映了长江中游城市群城市之间的空间相互作用较弱，经济联系还不够紧密。因此，长江中游城市群需要进一步构建城市合作机制，提高城市土地利用系统的整体性和联动性，推进区域经济协同发展。     

基于遥感数据的PM2.5与城市化的时空关系研究——以成渝城市群为例

采用1998~2013年卫星遥感影像反演的PM2.5全球高精度产品数据集，结合GIS空间分析、地理加权回归（GWR）以及地理探测器等方法，系统地分析了成渝城市群城市化与PM2.5分布之间的关系。结果表明：（1）1998~2013年成渝城市群城市化速度较快，城市区域的PM2.5均值明显高于非城市区域，说明城市化对PM2.5具有一定的影响；（2）近16 a PM2.5重心与城市重心整体上都向东南方向移动，且两者每年在经度上的波动方向基本相反；（3）夜间灯光数据与PM2.5在空间分布上具有较好的一致性，且1998~2013年两者的GWR全局R2在0.86~0.95之间，相关性显著，研究区内城市化和人类活动对PM2.5的分布具有明显影响；（4）地理探测分析表明不同城市化因子对PM2.5影响差异显著，从2006到2013年城区人口密度和建成区绿化覆盖率逐渐成为成渝城市群PM2.5分布的主要影响因子。     

长江经济带土地生态安全时空演化特征及影响因素

为了实现长江经济带“共抓大保护，不搞大开发”的发展目标，系统分析该地带土地生态安全问题是关键。通过构建土地生态安全DPSIR模型，对2006~2016年长江经济带110个地级市的土地生态安全水平进行评价，在此基础上，运用探索性空间数据分析与地理探测器方法探究土地生态安全的时空演化特征及主要影响因素。研究得出：(1)时间上，2006~2016年长江经济带土地生态安全水平呈现明显的增长趋势，土地生态安全状况逐渐改善；空间上，土地生态安全水平从东向西逐渐递减，但其空间差异正逐步缩小；区域间，长江三角洲城市群、长江中游城市群成为土地生态安全水平的增长热点区，并向城市群外围逐步扩散。(2)长江经济带土地生态安全存在着显著的正空间自相关，呈现集聚分布特征：土地生态安全高值（H-H）集聚区主要分布于长三角地区，低值（L-L）集聚区主要分布于湖南、贵州二省的部分地区。(3)经济社会发展水平、环境保护力度、土地利用效率、城市化水平为长江经济带土地生态安全的主导影响因素，但不同区域的主导驱动因素存在显著差异，这为改善土地生态安全，提出有针对性的政策建议提供了理论依据。     

长江经济带入境旅游经济时空格局动态性——基于ESDA&GWR法

以5 a为时间间隔，运用ESDA法采用旅游外汇收入平均增长量和平均增长率指标，研究长江经济带126个市域单元2000~2015年入境旅游经济的空间格局演化特征，运用GWR法分析入境旅游经济影响因素的空间异质性。结果表明：（1）长江经济带旅游外汇收入平均增长量莫兰指数经历了 0.164 6~0.164 1~0.057 2的变化趋势，增量相似市域由较强集聚向较弱集聚转化，市域旅游经济增长趋于均衡。一级热点区始终位于江浙沿海市域。一级冷点区由研究区中部向苏北转移，空间范围大大缩小。（2）长江经济带旅游外汇收入平均增长率莫兰指数表现为 0.098 6~0.293 1~0.198 9 的变化趋势，市域之间旅游经济增长关联程度增强，总体差异逐渐缩小。一级冷热点区大幅度转移，同时热点区范围大幅度扩大。后期热点市域数量大大超过冷点市域数量。（3）入境旅游发展较为落后的湖南省、云南省增长速度最快，长三角城市群所属市域始终是入境旅游经济增长最活跃的地区。     

Effects of meteorology on ground-level ozone (GLO) concentrations and identifying the hot spots having significantly higher GLO concentration in a semi-urban area

The present study aims to analyse the influences of five meteorological parameters (temperature, wind speed, barometric pressure, rainfall, and solar radiations) on ground-level ozone (GLO) concentrations over the region of Ranchi Municipal Corporation (Jharkhand, India). The diurnal variation of GLO concentration and the meteorological parameters were analysed in each month to understand the associations. The results indicated that the correlation coefficients of GLO concentration with SR, AT, and DPT are found to be positive in each month and also statistically significant. But, the association between WS and GLO concentration was not uniform between the study days. Furthermore, the study also demonstrates an approach for identifying the hot spots that are having the higher level of GLO concentration. The hot spot maps were produced for each month to understand the shifting of the locations of hot spot locations. The results reveal that the hot spot locations are changes frequently in each case. Since the hot spot analysis was conducted with limited data, the presented hot spots are indicative and dependent on the meteorological conditions of the specific period and cannot be considered as a robust epidemiological study.     

近53 a来长江流域极端降水指数特征

利用1963~2015年长江流域115个气象站点逐日降水数据，分析了不同极端降水指标的空间变化特点和时间变化趋势。结果表明，近53 a来，长江流域多年平均年极端降水量与年降水量从下游到上游逐渐递减，两者变化趋势大致呈现“增-减-增”的空间分布格局。年极端降水量对年降水量贡献（PEP）存在明显的空间分布差异，但贡献比例在流域内普遍呈现增加的趋势。持续1 d的极端降水事件的降水量分布及其变化趋势与年极端降水量的分布特征类似，其对年极端降水量的贡献比例高达65%以上，说明长江流域极端降水以持续1 d的极端降水事件为主。持续2 d及以上的极端降水事件主要集在中皖苏赣局部地区和四川中部地区，但其降水量对年极端降水量的贡献比例较小。从上游到下游，年最大日降水量（MDP）逐渐增大。其中，上游源头地区的沱沱河、曲麻莱和玉树3个站点MDP主要集中在0~25 mm之间，其他站点均以25~50 mm量级为主；长江流域中部地区的MDP大部分以50~100 mm的量级为主，处于100~150 mm之间的次之；长江流域东部地区主要以100~150 mm量级的MDP为主。 关键词： 极端降水；降水贡献；不同历时；长江流域     

全球气候变化与区域气象及空气质量的关系研究——以成都市为例

区域气象条件及空气质量或与全球气候变化关系密切。研究通过分析不同气候条件下成都地区1951～2017年主要气象要素及其2013～2017年大气污染物浓度变化趋势,并结合大数据挖掘技术探究厄尔尼诺/拉尼娜事件与成都地区气象及空气质量的关系。结果表明,全球气候变化对区域气象及空气质量影响明显。异常气候造成成都地区气温、降水、风速、日照时长等气象条件发生明显变化。这些变化通常利于大气扩散条件的改善而使污染物浓度下降,但相应时期的臭氧浓度却有所升高。研究同时利用KNN大数据挖掘算法评估不同气候条件下气象和减排对空气质量改善的贡献。结果显示,在全球厄尔尼诺发生频繁的2015年,成都地区重污染天数明显减少,气象和减排的贡献率分别为27%和73%;而在全球拉尼娜现象频发的2016年,成都地区空气质量也有明显改善,重污染天数的减少有42%归功于气象条件的变化,几乎与大气污染物的减排贡献相当。因此,为实现空气质量的有效改善,空气质量改善管理政策的制定,既要从源头上控制污染物的排放,同时也应考虑全球气候变化的影响。     

近38年安徽省夏季降水日数和强度的分布与变化特征

选用1971～2008年安徽省78个地面气象站的观测资料，分析夏季降水和暴雨的气候变化规律。从结果来看安徽省夏季降水主要受到地理位置、地形地貌和风、温、湿等气象因素的影响。根据主要影响因子的不同，按照降水特性以及行政边界将安徽省划分成了10个区，不同区域内降水特征和分布结构各有差异。在时间变化上，雨日出现概率有下降的趋势，但暴雨日比重和降水量均有升高的变化特征。综合而言，安徽省的降水朝着具有局地性、突发性的强降水过程方面发展，从而导致部分区域内突发性暴雨过程频发     

长江经济带PM_(2.5)时空特征及影响因素研究

大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。     

合肥市PM_(2.5)浓度时空分布特征及影响因素分析

利用2017年合肥市污染监测站点PM_(2.5)浓度数据、气象数据以及土地利用类型数据,结合随机森林算法(RF)与土地利用回归模型(LUR),模拟合肥市PM_(2.5)浓度空间分布,并利用主成分分析法对PM_(2.5)影响因素进行分析。结果表明:(1)合肥市PM_(2.5)浓度日变化特征大致呈双峰变化,春季、夏季及秋季的峰值多出现在8∶00～9∶00,而冬季的峰值则出现在10∶00～11∶00。低谷值大致都出现在15∶00～17∶00。全年PM_(2.5)浓度变化趋势与春季类似。夏季PM_(2.5)浓度变化最为平稳。(2)2017年合肥市PM_(2.5)浓度分布由城市中心向外减弱,形成北高南低,西高东低的空间分布格局。(3)影响因素方面,PM_(2.5)浓度变化与降水、风速以及相对湿度等呈负相关关系,日照对PM_(2.5)浓度的影响较大,气压及其他污染物与PM_(2.5)浓度呈正相关关系,其中NO_2对PM_(2.5)浓度的影响力度较大。     

恩施州气象站雾日变化趋势及原因分析

选取恩施州8个国家气象站1960~2015年地面气象观测资料,利用相关、线性倾向估计、M-K突变检验等方法对该地雾日变化趋势进行分析,并对雾日变化原因进行初步探寻。结果表明:2000~2015年恩施州各站雾日空间分布较1960~1999年发生了较大变化,SW-NE向带状大值中心被切断,出现了NW-SE向的雾日小值分布带;近56年除宣恩年雾日持续减少外,各站年雾日均在20世纪60、70年代突变后增多,20世纪末期减少并于2012年再次突变,州西南部最先增减、西北部其次、东部最慢,特别是近16年来年雾日显著减少,州北部站点(–40~–20 d·(10 a)~(–1))减少比南部(约–4 d·(10 a)~(–1))快;各站雾日变化和风速均呈负相关,和相对湿度均呈正相关,而气温和降水对不同站点雾日变化的影响则存在差异;近16年恩施州低山山地(恩施、来凤、宣恩、建始)雾日减少主要和气温升高、风速增加有关,中山山地(咸丰、利川)雾日减少主要与相对湿度减少有关。     

安徽省冬季PM2.5污染来源及其成因分析

随着中国城市化和工业化的加速发展，大气污染的问题日益突出，严重危害公众身体健康。基于安徽省逐小时PM2.5浓度监测数据，采用后向轨迹模式、潜在源因子分析法（PSCF）和权重浓度分析法（CWT），构建PM2.5来源分析模型，分析了安徽省PM2.5的来源，并结合地理探测器辨析了影响PM2.5本底贡献浓度的驱动因子。结果表明：（1）本底贡献、本底外溢和外地输送这3个动态过程对安徽省PM2.5浓度的时空变化有重要的影响；（2）PM2.5月累计逐小时测量浓度、总浓度、外地输送浓度、本底贡献浓度、本底外溢浓度和月均PM2.5本底排放贡献率，均在整体呈现出西南高、东北低的分布趋势，但前3项在安徽西北部的阜阳、亳州和淮北等地出现高值区；（3）安徽省约97.5%的面积外地输送贡献率>50%，下辖市PM2.5本底排放贡献率在30%~50%，说明1月污染以外地输送为主；（4）工厂密度、车辆保有量密度和人口密度对PM2.5月累计本底贡献浓度的解释力q值分别为0.33、0.47和0.61，通过与PM2.5月累计测量浓度地理探测分析结果的比较，表明人为要素与PM2.5月累计本底贡献浓度的关系更加密切。研究结果可为区域大气污染治理提供科学的参考依据。     

安徽省主要气象灾害趋势演变及其对粮食总产的影响

为了揭示安徽省主要气象灾害的现状和变化规律，保障粮食作物稳产高产。该文利用1986~2017年安徽省78个市、县的干旱、洪涝、风雹、低温冷冻害和雪灾等4类主要气象灾害的受灾、成灾率数据，采用气候倾向率、灰色关联度和R/S分析方法，分析了全省4类主要气象灾害的时空变化特征和未来发展趋势及其与粮食总产的关联度。结果表明：（1）全省4类气象灾害的受灾、成灾率均随年代呈下降趋势，近10年受灾、成灾率明显偏少；高值区多出现在淮北地区、皖南山区和大别山区，低值区大多出现在沿淮、江淮和沿江地区。（2）未来安徽省干旱受灾、成灾率将继续下降，洪涝将持续不明显的下降趋势，风雹、低温冷冻害和雪灾将由下降趋势转为平稳或略有上升的趋势。（3）4类气象灾害的受灾、成灾率与粮食总产量的关联度由高到低的排序均为: 洪涝、低温冷冻害和雪灾、干旱、风雹。由此说明洪涝是影响安徽省粮食生产最主要的气象灾害。     

基于GIS的中国A级物流企业时空演变特征及其影响因素

基于中国A级物流企业数据，采用标准差椭圆、核密度估计以及探索性空间数据分析方法，对2007、2012、2017年中国A级物流企业空间格局演变特征进行分析，并采用地理探测器模型探讨其空间分布的影响因素及其交互作用，主要结论如下：（1）A级物流企业发展阶段特征差异明显，不同等级发展存在不平衡，呈现出“两头小、中间大”发展格局。（2）A级物流企业分布格局总体呈现“南（略偏西）—北（略偏东）”的空间分布态势，且沿东部沿海逐渐向内陆地区扩散；A级物流企业经历了“二核多中心”—“三核多中心”—“三核多中心连片发展”的空间分异格局。（3）A级物流企业在省域单元的分布具有空间集聚特征，集聚程度先增大后降低；冷热点分布格局虽有变化，但仍然较为稳定，冷热点格局的梯度变化特征较为明显且逐渐增强。（4）影响中国A级物流企业空间分异格局的核心因素主要为市场规模、人口密度、城镇化水平、对外开放程度和地区经济实力等，且影响程度朝着均衡化方向发展；不同因素交互作用对A级物流企业空间分布的影响力均大于各因素单独作用的影响力。