运用地理探测器研究京津冀城市群PM2.5浓度变化及影响因素

研究京津冀城市群PM_2.5浓度时空格局变化和影响因素,对区域大气环境保护和经济可持续发展具有十分重要的意义.基于PM_2.5遥感数据、地面站点气象数据、DEM数据、MODIS NDVI数据、夜间灯光数据、人口密度数据、土地利用类型数据和路网数据,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和Getis-Ord G_i*分析,运用地理探测器分析京津冀城市群PM_2.5浓度时空变化和空间聚集特征,并探究影响其空间分异的影响因素.结果表明：(1)2000—2021年京津冀城市群PM_2.5污染严重,全年平均PM_2.5浓度为59.94μg/m³,冬季是京津冀城市群PM_2.5污染的高发季,但京津冀城市群PM_2.5浓度总体呈下降趋势,变化斜率为–0.85μg/(m³·a).(2)PM_2.5浓度在空间上呈东南高、西北低的分布格局,且P...     

成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.      

2015~2019年河南省PM2.5时空特征与驱动因素分析

PM_2.5是雾-霾中的主要成分,河南省已成为PM_2.5污染防治重点地区之一.基于2015～2019年河南省PM_2.5浓度数据,使用空间自相关和空间热点探测方法分析其时空特征,引入地理探测器方法分析气象因素、空气质量因素和社会因素对PM_2.5浓度的解释力度.结果表明,河南省2015～2019年PM_2.5浓度整体呈现降低趋势,高污染天数减少和低污染天数增加,高污染逐步向中污染转化;PM_2.5浓度具备明显的空间聚集特征,全局空间自相关指数先降后升,空间热点集中在豫北地区（安阳市、鹤壁市、新乡市和焦作市）,空间冷点集中在豫西地区（三门峡市、洛阳市和南阳市）;空间重心转移呈现出北上的趋势;单因子探测显示,在9个影响因子中,土地利用类型（解释力度为0.511,下同）、降水量（0.312）和NO₂浓度（0.277）是影响PM_2.5浓度最明显的因子,其余因子影响力排序为PM₁₀浓度（0.255）、温度（0....     

长三角城市群PM2.5污染时空特征及其优化路径——基于产业转型和技术升级的视角

准确把握PM_2.5污染的时空特征及其驱动效应,有助于推动长三角城市群实现良性、可持续发展。基于2007～2017年的市级面板数据集,文章使用动态空间面板(DSP)模型对长三角城市群PM_2.5污染的时空特征及其产业和技术的驱动效应进行了实证分析。结果表明：地区PM_2.5污染存在显著的时序动态演变特征和空间相关性,区域内部PM_2.5污染的空间异质性分布较为稳定;尽管产业结构升级和技术进步均有利于缓解PM_2.5污染,但技术进步发挥了更重要的作用;产业结构升级和技术进步的联合效应可以显著抑制PM_2.5污染。为持续提高长三角城市群的空气质量,应建立区域差异化的治理和联合防控机制。地区政府应促进产业结构和能源结构不断升级,通过自主开发和技术引进的手段发挥技术进步对环境治理的积极效应。     

2013—2015年中国PM2.5污染状况时空变化

自2013年我国首次开展全国范围PM_2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM_2.5污染状况时空变化的总体特征,识别PM_2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM_2.5污染特征变化的差异.基于2013—2015年PM_2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM_2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM_2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM_2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM_2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM_2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM_2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM_2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM_2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM_2.5重污染格局.      

长江经济带PM2.5空间异质性和驱动因素的地理探测

基于地面站点监测数据,运用空间自相关分析和地理探测器等模型方法,探究了2018年长江经济带PM_2.5污染的时空分异特征与驱动因素.结果表明：（1）长江经济带PM_2.5浓度呈明显的夏低冬高、春秋居中的季节变化、 U形月度变化和脉冲型逐日变化特征,低值区集中在上游的南岸地区,高值区位于中下游的江北地区;（2）流域PM_2.5污染存在稳定的空间正相关,局部空间关联格局展现显著的HH型和LL型的空间趋同现象;（3）长江经济带PM_2.5空间相关强度随地理距离的增大而减小,其空间自相关性阈值约为870 km,在该范围内PM_2.5空间集聚性较为强烈;（4）自然和人文因子对PM_2.5影响程度具有显著的空间差异性特征,海拔高度、地形起伏度和人口密度是长江流域PM_2.5污染的高作用力影响因子.因子交互作用后对PM_2.5污染解释力远超单因子,主导交互因子为产业结构∩海拔高度,反映出长江流域大气污染的驱动因素具有复杂性特征.     

京津冀城市群冬季二次PM2.5的时空分布特征

二次组分是造成京津冀城市群冬季PM_2.5污染的重要因素.采用CO示踪法,估算2017～2021年冬季京津冀城市群二次PM_2.5浓度,并分析其时空分布特征,探讨区域二次PM_2.5的影响因素.结果表明,2017～2021年冬季京津冀区域PM_2.5浓度下降趋势明显,河北中南部一次PM_2.5下降幅度最大,二次PM_2.5浓度年际波动平稳,北京和天津二次PM_2.5占比明显高于其他城市.随着污染程度加剧,一次PM_2.5和二次PM_2.5质量浓度均有不同程度的增加,二次PM_2.5占比呈显著增大趋势.与直接测量结果相比,CO示踪法获得的结果偏低,与冬季CO浓度较高,一次PM_2.5浓度高估有关,选取合适的一次气溶胶基准值是改进该方法,获取合理估算值的关键.     

2000~2018年京津冀城市群PM2.5时空演变及其与城市扩张的关联

京津冀城市群是中国三大城市群之一,其城市化进程对大气污染造成了严重的影响.基于土地利用、站点实测和遥感反演的PM_2.5浓度数据集,辅以趋势分析和分段线性回归等方法,分析了2000～2018年京津冀城市群PM_2.5浓度的时空演变格局及其与城市扩张的关联.结果表明：（1） 2000～2018年京津冀城市群PM_2.5浓度变化呈明显的阶段特征,2000～2013年PM_2.5浓度呈显著增加的趋势[slope=1.598 0μg·（m³·a）^-1,P<0.001],其中69.97%的区域呈显著增加趋势（P<0.05）; 2013～2018年PM_2.5浓度呈显著减小的趋势[slope=-4.990 8μg·（m³·a）^-1,P<0.001],其中85.81%的区域呈显著减小的趋势（P<0.05）;（2） PM_2.5浓度整体呈从东南向西北递减的趋势,高污染区[ρ...     

中国重点城市大气污染与健康风险的时空分布特征

基于中国168个大气污染防治重点城市2015～2020年的5种污染物浓度监测数据,利用MAKESENS模型和综合风险指数(ARI),定量分析全国与6大城市群的大气污染总健康风险的时空分布特征.结果表明：(1)中国重点城市PM_2.5污染最严重,仅15%的城市PM_2.5浓度6 a均值达到了国家二级标准,NO₂次之,77%的城市NO₂浓度6 a均值达到了国家二级标准,京津冀和汾渭平原城市群空气污染最严重,PM_2.5、 SO₂、 CO和NO₂浓度6 a均值高于其他城市群;(2)中国重点城市PM_2.5、 SO₂、 CO和NO₂浓度呈下降趋势,除成渝城市群外,其余地区O₃浓度呈上升趋势;京津冀和汾渭平原城市群SO₂浓度下降最显著;(3)中国重点城市大气污染健康风险总体呈下降趋势,2017～2018年出现急剧下降,暴露在极高风险下的人口从1...     

2015~2018年中国代表性城市PM2.5浓度的城乡差异

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM_2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM_2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM_2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群（成渝、长江中游、关中平原城市群）的城市郊区PM_2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM_2.5浓度差值的日变化规律不尽相同,可呈单峰（如上海）或双峰（如杭州）变化,极值可出现在白天（如广州）,亦可在夜间（如深圳）.PM_2.5的排放与传输扩散共同对11城市城乡PM_2.5浓度分布产生影响.     

四川盆地近地面风场及污染物输送通道统计分析

利用2017年四川盆地18个城市PM_2.5小时浓度数据、欧洲气象中心ERA-Interim再分析资料对四川盆地污染特征及不同季节近地面风场特征进行统计分析.通过分异指数和相关性分析各城市PM_2.5逐小时浓度，结合近地面风场特征分析出四川盆地污染物变化趋势最相似的城市组合，探索污染物传输特征.研究发现，分异指数和相关性分析得到的传输通道城市组合与地面风场基本相符.四川盆地污染物输送途径可能包括以下3条路径，第1条"川西通道"：污染物随气流沿广元→绵阳东南部→德阳→成都、眉山北部→雅安流动；第2条"川中通道"：污染物随气流沿巴中→南充北部→遂宁北部、绵阳东南部→资阳北部→眉山东部→乐山北部流动；第3条"川东通道"：污染物随气流沿重庆北部→达州、广安→南充南部→遂宁中部→资阳东部→内江、自贡→宜宾、泸州流动.川西通道城市污染排放量大，容易引起连片污染，对应城市群应实施联防联控；川东通道末端在川南城市群和重庆形成风场辐合，造成污染物的滞留和累积，因此，建议在中长期产业布局中减少川南城市群的重污染企业.     

基于MODIS气溶胶光学厚度与气象要素的苏锡常地区PM2.5地面浓度分布研究

基于GIS技术和岭回归分析方法,采用苏锡常地区的MODIS高分辨率气溶胶光学厚度资料、PM_(2.5)浓度观测资料和苏锡常及周边地区的气象观测资料,构建了基于气溶胶光学厚度和气象要素的PM_(2.5)地面浓度分布估算模型,模拟了2013年春季苏锡常地区PM_(2.5)的空间分布状况,并将此模型与气象要素多元回归模型、气溶胶光学厚度直接回归模型进行比较.结果表明:该模型将遥感观测资料与地面气象观测资料相结合,能够有效地模拟PM_(2.5)的空间分布状况;2013年春季苏锡常地区PM_(2.5)的空间分布具有整体上西北高、东南低,中心城区高、城郊区低的趋势,局部高浓度区域可能与工业生产、交通等人为因素有关;该模型能够在保持较高精度的前提下,有效地突出局部地区的变化特征,体现出更强的空间分异性,对于研究PM_(2.5)的空间分布规律具有一定的实际应用价值.     

陕西省PM2.5时空分布规律及其影响因素

PM_2.5是导致中国多省市发生灰霾的罪魁祸首,明确其时空分布规律,厘清其影响因素对灰霾的综合治理意义深远.基于陕西省2015年50个监测站点的PM_2.5浓度数据,采用空间数据统计方法、克里金插值法以及Morlet小波分析法对陕西省PM_2.5浓度的时空分布规律进行研究,并运用灰色关联模型来探讨PM_2.5浓度的影响因素.结果显示:①陕西省PM_2.5浓度整体呈"冬高夏低、春秋居中"的季节性变化规律,"U型"起伏的月变化规律,周期性脉冲波动型的日变化规律以及"W型"起伏的时变化规律;②陕西省PM_2.5浓度呈"北部低,中南部高"的空间分布特征,并且空间集聚性显著.不同季节的高值区均集聚于海拔相对较低的关中盆地内部城市.这与盆地内部空气不易扩散,静稳天气出现频率较高,易出现逆温现象密切相关;③影响陕西省PM_2.5浓度最大的指标层是PM_2.5污染来源（权重值为0.49）,其次是城市化与土地利用（权重值为0.37）,气象与地形因子影响最小（权重值为0.15）.不同城市各指标层的综合关联度差异较大.④各指标因子与PM_2.5浓度均为强度关联.降水量、机动车保有量、二氧化硫排放量、烟粉（尘）排放量、建成区面积、人口密度和人均GDP是影响陕西省PM_2.5浓度的主要因子,影响各城市PM_2.5浓度的主要因子具有一定的空间差异性.研究显示,人类活动对陕西省PM_2.5的影响显著,尤其是城市化的快速推进,相关指标（如人口、机动车、能耗、工业总产值等）持续增长,将进一步加大PM_2.5来源的多样性以及相关污染物的排放量.      

北京地区不同时段平均PM2.5浓度与MODIS气溶胶光学厚度相关性分析

利用2014年北京市12个空气质量监测站的逐小时PM_(2.5)地面观测资料,以及Terra和Aqua卫星的MODIS气溶胶光学厚度(AOD)产品,在时间和空间数据匹配的基础上,研究了PM_(2.5)的5 h(10:00—14:00)和24 h(0:00—23:00)两种时段平均浓度及两颗卫星平均AOD的时空分布特征,并建立了AOD与不同时段平均PM_(2.5)浓度之间的回归模型.结果表明:PM_(2.5)的5 h平均浓度和24 h平均浓度值均在城区高、郊区低,最低值位于定陵站;匹配后逐时PM_(2.5)浓度的日变化呈"双峰型",最低值出现在下午,但北京西北部郊区的定陵和昌平镇站因局地山谷风环流和外部排放源的影响,其"双峰型"波动趋势较城区站偏弱,最低值出现在上午;AOD的空间分布特征与PM_(2.5)浓度分布一致,但在郊区由于污染水平分布不均,卫星采集的样本可能来自于周围的清洁大气,导致AOD的最小值在郊区站点明显低于城区站点;两颗卫星平均的AOD与5h PM_(2.5)平均浓度的决定系数高于AOD与24 h PM_(2.5)平均浓度的决定系数;AOD与PM_(2.5)的相关系数在城区高于郊区,郊区排放源分布不均和强的局地系统性环流是造成其相关系数低的重要原因.     

利用LUR模型模拟杭州市PM2.5质量浓度空间分布

模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(GWR)建立春、夏、秋、冬四个季节的模型,实现对杭州地区近地表PM_(2.5)质量浓度空间分布的预测.结果表明:基于地理加权回归算法时,检验模型的R2值分别达到0.76(春季)、0.70(夏季)、0.73(秋季)、0.76(冬季),模型能够解释PM_(2.5)浓度值80%以上的变异.每个季度杭州地区PM_(2.5)浓度变化不尽相同,但总体以杭州中部最高,西南部偏低.研究说明基于LUR模型模拟大尺度地区PM_(2.5)质量浓度空间分布是可行的.     

基于2015～2018年实时监测数据对关中平原城市群PM2.5时空变化规律的研究

为了解关中平原城市群PM_2.5时空变化规律，利用2015～2018年国家空气质量检测平台发布的PM_2.5实时监测数据，并用地统计学和探索性空间数据分析等方法，对关中平原城市群PM_2.5污染的时空变化规律进行分析。结果表明，关中平原城市群PM_2.5污染总体呈向好趋势，PM_2.5年均超标城市由11个减少到8个，年均浓度超标率显著下降。PM_2.5污染主要出现在冬季，春秋季过渡，夏季PM_2.5浓度季度均值、月均值都最低，PM_2.5日均值曲线与月均值曲线大致趋势一致，呈单峰"脉冲型"变化；PM_2.5污染在空间上具有明显的分异性和集聚性特征，表现出"临汾-咸阳"为轴的高污染区面积逐渐缩小，而以平凉、天水为中心的低污染区面积逐渐扩大的空间变化规律。     

林冠特征对城市森林斑块消减空气PM2.5质量浓度的影响

研究城市森林斑块消减空气PM_(2.5)质量浓度的能力,以及这种能力的主要影响因素,对改善城市空气环境具有重要的意义.本研究测定了南昌市典型城市森林斑块消减PM_(2.5)质量浓度的能力(PM_(2.5)AC),并分析了PM_(2.5)AC对城市森林斑块林分组成、冠层特征的响应.研究表明:南昌市城市森林斑块具有显著消减空气PM_(2.5)质量浓度的能力,其中针叶林斑块PM_(2.5)AC最高,达到9.15%,阔叶纯林最低3.82%;整体上春季PM_(2.5)AC最高,达到7.34%,冬季最低3.76%.城市森林斑块PM_(2.5)AC与林冠特征中的LAI(叶面积指数)显著正相关,与DIFN(天空开度)显著负相关,与斑块特征中的斑块面积、林分结构、斑块总叶面积显著正相关.通过综合分析,城市森林斑块总叶面积是主导PM_(2.5)AC的主要影响因素.     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.