基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.     

PM2.5浓度空间分异模拟模型对比:以京津冀地区为例

在我国快速的城市化进程中,快速的经济发展和日益增加的能源消耗带来的大气污染不断增加,特别是细颗粒物污染如PM2.5污染越来越严重,PM2.5污染相关研究成为一个热点议题.高浓度的PM2.5是形成我国京津冀、珠三角和长三角地区大气灰霾的主要原因,大气污染已成为制约京津冀地区乃至全国可持续发展的关键问题,长期暴露在PM2.5大气污染中,会对人类健康造成诸多不良影响.土地利用回归模型可以实现大气污染物浓度的时空模拟,明晰PM2.5浓度的空间分布特征对于大气污染的防治和流行病学的研究具有重要意义.本研究利用2014年1月1日至2014年12月31日京津冀地区104个监测站点的大气污染物浓度数据,结合VIIRS(visible infrared imaging radiometer)AOD(aerosol optical depth)、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息,分别利用最小二乘和地理加权回归构建土地利用回归模型,对PM2.5浓度时空分布情况进行模拟,其中包括含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,以及不包含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,这4个模型的修正R2值分别为82.13%、84.87%、80.45%和81.99%.研究表明,相比最小二乘回归,使用地理加权回归的方法能一定程度上提升土地利用回归模型的结果.     

大气污染对居民健康影响研究进展

随着经济飞速发展,中国面临严峻的大气污染形势,这给人群健康造成极大威胁.本文在梳理国内外文献的基础上,从研究内容和方法出发归纳评述大气污染对居民健康的影响.从中可以发现,当前研究内容集中在宏观区域层面健康损失核算、健康损失的经济代价评估及控制大气污染的潜在健康收益等方面,微观个体层面的研究相对匮乏.其中,微观个体层面又以国外流行病案例研究为主,国内研究尚处于定性的起步阶段.大气污染对居民健康影响的定量评估方法呈增多趋势,除元分析、泊松回归、人力资本法、支付意愿法和疾病成本法外,投入产出和可计算的一般均衡模型等也得到广泛应用.总体来看,大气污染对居民健康的毒性作用机制主要表现为长期慢性和短期急性效应,同时也涉及社会经济、自然条件、行为偏好及个体生理等诸多要素,虽然当前研究深度和广度大为拓展,但未来仍需加强国内流行病案例研究、注重宏观区域与微观个体的融合、聚焦健康视角下污染物削减分配及重视基础数据库建设等,以期为构建系统的大气污染与居民健康分析框架奠定基础.     

基于LUR/BME的海岸带地区PM_(2.5)时空特性研究

以高程、距海距离、道路、归_化植被指数构建大区域土地利用回归模型LUR,并结合贝叶斯最大熵BME对LUR模型的残差进行时空分析,得到2015年中国沿海部分省市PM_(2.5)的时空分布.交叉验证结果表明在引入BME模型后R~2由0.36提高至0.85,均方根误差RMSE由23.53μg/m~3降低至11.08μg/m~3;整体海岸带地区以长江三角洲为界PM_(2.5)浓度呈现南低北高,且以京津冀及山东内陆区域秋冬季污染最为严重,同时以山东省为例进行各市室外人口空气污染暴露分析,表明沿内陆至近海,人均PM_(2.5)暴露浓度逐步递减,以济南85.5μg/m~3最高,沿海区域烟台,威海等地较低.     

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.     

大气污染对居民健康影响研究进展

随着经济飞速发展,中国面临严峻的大气污染形势,这给人群健康造成极大威胁。本文在梳理国内外文献的基础上,从研究内容和方法出发归纳评述大气污染对居民健康的影响。从中可以发现,当前研究内容集中在宏观区域层面健康损失核算、健康损失的经济代价评估及控制大气污染的潜在健康收益等方面,微观个体层面的研究相对匮乏。其中,微观个体层面又以国外流行病案例研究为主,国内研究尚处于定性的起步阶段。大气污染对居民健康影响的定量评估方法呈增多趋势,除元分析、泊松回归、人力资本法、支付意愿法和疾病成本法外,投入产出和可计算的一般均衡模型等也得到广泛应用。总体来看,大气污染对居民健康的毒性作用机制主要表现为长期慢性和短期急性效应,同时也涉及社会经济、自然条件、行为偏好及个体生理等诸多要素,虽然当前研究深度和广度大为拓展,但未来仍需加强国内流行病案例研究、注重宏观区域与微观个体的融合、聚焦健康视角下污染物削减分配及重视基础数据库建设等,以期为构建系统的大气污染与居民健康分析框架奠定基础。     

基于移动监测和土地利用回归模型的上海市近地面黑碳浓度空间模拟

黑碳(BC)是大气污染物的重要组成部分,对空气质量与人类生活健康产生重要的影响.本研究采用移动样带手段开展上海市近地面BC浓度监测,分析其基本统计特征和空间分异性.在此基础上,利用土地利用回归模型(LUR),探讨人口密度、经济产值和交通道路网密度等因素对上海市近地面BC浓度空间分异的影响.结果表明上海市近地面BC平均浓度为(9.86±8.68)μg·m~(-3),空间差异明显,郊区[(10.47±2.04)μg·m~(-3)]比市中心地区[(7.93±2.79)μg·m~(-3)]高32.03%(2.54μg·m~(-3)).气象要素(风速和相对湿度)和交通道路变量(路网长度、省道距离、高速距离等)显著影响上海市近地面BC浓度(r为0.5~0.7,P0.01).基于气象和交通道路变量的LUR模型能较好模拟上海近地面BC浓度(调整后R2为0.62~0.75,交叉验证R2为0.54~0.69,RMSE为0.15~0.20μg·m~(-3)),其中100 m和5 km缓冲距离的LUR模型相对较优,在一定程度上表明上海市近地面BC浓度主要受气象要素和交通源的影响.本研究有利于加深对上海市BC浓度空间分布格局及其影响因素的客观认识,可为模拟和预测BC对人类活动和自然环境的响应机制提供科学依据和理论支撑.     

主成分回归在大气监测半定量化分析中的应用

本文应用主成分回归方法,进行大气污染监测半定量化估计,本方法是对主成分分析法的一种改进、对统计模型中的参数给出回归分析的结果,使得污染物浓度估计的可靠性有显著性的提高.为大气污染监测提供丰富的信息.     

大气污染沉降监测方法研究进展

系统回顾了大气污染沉降监测方法的研究进展,探讨主要面临问题及未来发展方向.现有大气污染沉降监测技术主要包括地面监测、遥感反演等,并在全球、区域与局地等不同尺度上取得系列初步成果.然而,大气沉降成因机制复杂、时空异质性规律显著,现有方法均难以兼顾精度与时空代表性等多方面监测需求,发展新一代监测技术以及多技术集成融合是未来大气沉降精准监测的潜在趋势.深刻了解大气污染沉降监测的研究现状与瓶颈问题有助于进一步系统构建大气污染监测体系、精准感知大气污染多维时空演化的本质规律,为环境治理提供科学的理论支持.     

京津冀地区生态系统健康时空演变及其影响因素

厘清区域生态系统健康水平及其影响因素对促进可持续发展意义重大.通过构建生态系统健康评价模型,分析了京津冀地区2000年、 2010年和2020年生态系统健康时空演变特征,利用地理探测器与地理加权回归模型（GWR）识别了生态系统健康水平的影响因子.结果表明,研究期内京津冀地区生态系统自然健康指数整体上为上升趋势,北部和西部区县优于东南部区县;京津冀地区生态系统服务指数整体上为下降趋势,呈现出北高南低的空间分异格局;京津冀地区生态系统健康水平呈现先上升再下降趋势,在空间分布上呈现显著的空间异质性,大城市的中心城区生态健康水平较低,燕山和太行山区以及环渤海区县,生态系统健康水平较高;研究期内京津冀地区生态系统健康的空间格局保持相对稳定,热点区及次热点区主要分布在冀北山地和太行山区,冷点区及次冷点区主要分布在东南平原区和部分大城市周边地区.人口密度、年均气温、人均耕地面积和城镇化水平为京津冀地区生态系统健康的主导因子,均与其呈现负相关驱动特征.     

基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

A land use regression model incorporating data on industrial point source pollution

Advancing the understanding of the spatial aspects of air pollution in the city regional environment is an area where improved methods can be of great benefit to exposure assessment and policy support. We created land use regression (LUR) models for SO₂, NO₂ and PM₁₀ for Tianjin, China. Traffic volumes, road networks, land use data, population density, meteorological conditions, physical conditions and satellite-derived greenness, brightness and wetness were used for predicting SO₂, NO₂ and PM₁₀ concentrations. We incorporated data on industrial point sources to improve LUR model performance. In order to consider the impact of different sources, we calculated the PSIndex, LSIndex and area of different land use types (agricultural land, industrial land, commercial land, residential land, green space and water area) within different buffer radii (1 to 20 km). This method makes up for the lack of consideration of source impact based on the LUR model. Remote sensing-derived variables were significantly correlated with gaseous pollutant concentrations such as SO₂ and NO₂. R² values of the multiple linear regression equations for SO₂, NO₂ and PM₁₀ were 0.78, 0.89 and 0.84, respectively, and the RMSE values were 0.32, 0.18 and 0.21, respectively. Model predictions at validation monitoring sites went well with predictions generally within 15% of measured values. Compared to the relationship between dependent variables and simple variables (such as traffic variables or meteorological condition variables), the relationship between dependent variables and integrated variables was more consistent with a linear relationship. Such integration has a discernable influence on both the overall model prediction and health effects assessment on the spatial distribution of air pollution in the city region.     

Influence of urban spatial and socioeconomic parameters on PM2.5 at subdistrict level: A land use regression study in Shenzhen, China

The intraurban distribution of PM_2.5 concentration is influenced by various spatial, socioeconomic, and meteorological parameters. This study investigated the influence of 37 parameters on monthly average PM_2.5 concentration at the subdistrict level with Pearson correlation analysis and land-use regression (LUR) using data from a subdistrict-level air pollution monitoring network in Shenzhen, China. Performance of LUR models is evaluated with leave-one-out-cross-validation (LOOCV) and holdout cross-validation (holdout CV). Pearson correlation analysis revealed that Normalized Difference Built-up Index, artificial land fraction, land surface temperature, and point-of-interest (POI) numbers of factories and industrial parks are significantly positively correlated with monthly average PM_2.5 concentrations, while Normalized Difference Vegetation Index and Green View Factor show significant negative correlations. For the sparse national stations, robust LUR modelling may rely on a priori assumptions in direction of influence during the predictor selection process. The month-by-month spatial regression shows that RF models for both national stations and all stations show significantly inflated mean values of R² compared with cross-validation results. For MLR models, inflation of both R² and R²_CV was detected when using only national stations and may indicate the restricted ability to predict spatial distribution of PM_2.5 levels. Inflated within-sample R² also exist in the spatiotemporal LUR models developed with only national stations, although not as significant as spatial LUR models. Our results suggest that a denser subdistrict level air pollutant monitoring network may improve the accuracy and robustness in intraurban spatial/spatiotemporal prediction of PM_2.5 concentrations.     

空气污染的健康经济损失评价研究进展

空气污染严重危害公众健康及社会可持续发展,空气污染的健康经济损失评价是环境相关部门开展成本-效益分析的基础.为理清研究现状,为后续研究提供参考,从空气污染健康经济损失的评价对象、评价方法以及空气污染因子的选择对文献进行了分析.结果表明:健康经济损失评价的热点对象主要集中在我国等空气污染较严重的新兴经济体国家,得益于我国监测数据的日趋完善,运用连续多年数据评价区域健康经济损失动态变化的研究开始增多.评价中经常采用的方法有人力资本法、修正人力资本法、患病失能法、支付意愿法、疾病成本法、统计寿命价值法、情景分析法等,每种方法有各自的适用范围与优缺点,评价中常综合使用多种方法以提高结果的可靠性.评价使用的空气污染因子已由SO₂、CO为主,逐渐转向以PM₁₀与PM_2.5为主、O₃为辅,加强PM_2.5、O₃、CO₂的协同治理已经成为共识,并在部分区域付诸实施.研究显示,空气污染的健康经济损失评价领域涉及内容较广,需要多学科研究人员的参与以提高研究质量及促进学科交叉融合.      

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

大气环境容量理论的再思考和总量控制

大气环境容量理论在我国的空气污染控制政策研究和管理实践中一直作为重要的基础理论之一,但长期以来其概念定义和理论模型一直存在模糊之处,也未能建立公认的数学规划模型和算法.基于大气环境容量理论发展和应用回顾,对大气环境容量的定义和内涵进行了探讨,并对其理论和计算方法的实用性与局限性进行了分析.该研究基于不同的大气环境容量定义,提出了绝对大气容量、广义大气容量和狭义大气容量3种概念的区分,提出大气环境容量规划的主要理论困难是大气规划空间的开放性以及由此带来的空间边界定义和规划区外约束缺失问题,指出除一次空气污染物在局地尺度夜间边界层或山谷特殊地形等条件下可获得广义大气容量解以外,其他大部分情形往往并不能获得确定的广义大气环境容量解;指出因臭氧、二次细粒子复合污染存在二次污染物与前体物排放的非一一对应及非线性关系,传统的单物种大气环境容量理论和单目标线性优化规划方法不再适用.空气质量问题,特别是区域尺度空气污染问题并不一定是排放量超出大气容量所致,大气环境容量理论并不是一个普适理论.针对区域性复合空气污染控制问题,建议在全国或大区域尺度,基于排放状况与经济、技术可行性,采用空气质量模式情景分析与影响评估的规划方法,优化确定区域排放总量;长远可探讨建立包含技术、经济、社会变量的多物种和多目标规划方法.      

大气环境容量理论与核算方法演变历程与展望

大气环境容量在我国一直被作为环境管控措施制订和空气质量精细化管理的重要依据,相关研究是当前的热点.通过研究大气环境容量的相关文献,结合国家、区域及城市的相关实践工作,对国内外环境容量理论和核算方法的发展特征进行了系统的总结和评述.在综述大气环境容量概念的基础上,分析了其具备的自然属性、社会属性及资源属性三重特征.结合我国大气环境问题和大气污染管理模式的演变历程,分析了大气环境容量理论和实践在引入与探索期、发展与实践期、停滞期和快速发展期等4个不同阶段的发展特点.针对我国先后出现的以煤烟型污染、酸雨型污染和复合型污染为主要特征的3种大气环境问题,分析了大气环境容量的内涵及核定思路.以A值法、线性优化法、模型模拟法为重点,总结了不同核算方法的优点和不足,发现了模型模拟法可以兼顾气象、地形等自然因素和污染源等人为因素对于大气环境容量的影响,并可以反映复杂的大气物理化学过程,更适合以PM_2.5、O₃等复合污染为约束的环境容量的核算.最后,结合环境管理的要求,建议在以下三方面加强研究:①以多种污染指标达标为约束的大气环境容量核算方法;②典型重污染时段的大气环境容量核算方法;③改进模型模拟和多目标优化耦合技术,探讨在空气质量、健康损害、生态破坏、气候变化等多种因素约束下的大气环境容量核算方法.      

Evaluating cost and benefit of air pollution control policies in China: A systematic review

China has put great efforts into air pollution control over the past years and recently committed to its most ambitious climate target. Cost and benefit analysis has been widely used to evaluate the control policies in terms of past performance, future reduction potential,and direct and indirect impacts. To understand the cost and benefit analysis for air pollution control in China, we conducted a bibliometric review of more than 100 studies published over the past two decades, including the cur...     

非点源污染负荷模型的比较与选择

随着点源污染治理的深入,非点源污染的严重性日益凸显。对非点源污染进行定量化和有效控制的方法是通过非点源污染负荷模型对各类非点源的形成、迁移转化以及负荷量进行模拟。然而,非点源污染模型大都由发达国家开发,而且结构和参数各不相同,如何在实际应用中选择适合的模型成为非点源污染模拟的重要问题。文章选择国内常用的SWAT、HSPF、AnnAGNPS和GWLF 4个非点源污染模型,从结构、输入输出以及所应用的流域来对模型进行比较,最后给出非点源污染模型在国内使用时,模型选择的原则和建议。