长江中游城市群城市化对PM2.5浓度的多尺度驱动机制

探究城市化对PM_2.5浓度的非线性影响及其驱动机制,对城市的大气污染治理具有重要意义.基于2002~2020年长江中游城市群的遥感数据和统计数据,采用空间自相关、系统动态面板回归模型和时空地理加权回归模型等方法,揭示长江中游城市群PM_2.5浓度的时空演变,并探究不同空间尺度下城市化对PM_2.5浓度的驱动机制.结果表明：①2002~2020年长江中游城市群PM_2.5浓度整体呈下降趋势,在空间上大致呈“北高南低”的分布格局.②热点城市有向长江中游城市群西部扩张的趋势,冷点城市空间相关程度有所增强.③PM_2.5浓度与经济城市化、土地城市化和人口城市化之间分别存在“N”型、倒“U”型和“U”型曲线关系.第二产业和能源消耗对PM_2.5浓度变化呈显著促进作用,降水和植被能够有效地削弱PM_2.5污染.④各城市化因子在局部的整体驱动效应均发生了转化,其主要影响区域集中在长江中游城市群的东南、西北和西南等边缘地带城市.结合长江中游城市群的城市发展现状和区域特征,推进产业绿色转型,合理规划城市空间布局和人口分布,增强基础设施建设将有助于实现城市发展和环境保护之间的协调发展.     

中原城市群PM2.5浓度驱动因子联动效应及非线性影响

城市群是中国PM_2.5污染与防治的核心区.为探究中原城市群PM_2.5浓度驱动因子的作用机制,基于多源遥感数据和统计数据,采用空间自相关、参数最优地理探测器以及系统动态面板回归模型等方法,量化了PM_2.5浓度的驱动因子及因子间的联动效应,进一步分析了社会经济因素对PM_2.5浓度的非线性影响并给出相应的治霾建议.结果表明：①2012~2018年,中原城市群PM_2.5浓度下降程度存在空间分异,北部较南部地区污染减弱更为显著.②PM_2.5浓度高值聚集有从中原城市群北部向东部转移的趋势,而低值聚集情况相对稳定.③高程对PM_2.5浓度的解释力最强,因子间联动效应对PM_2.5污染的解释力均表现为增强,其中高程与降水交互后解释力最强.④人均GDP、人口密度、夜间灯光、外商直接投资和第二产业占比均与PM_2.5浓度之间存在非线性关系.结合中原城市群现状,加大污染治理投入、调整城市结构形态、加强基础设施建设、调整人口分布与产业结构、保持较高的城市活跃水平、设定严格的环境法规和引入高质量外商投资等有助于治理PM_2.5污染.