气象因素和前体物对中国东部O3浓度分布的影响

采用重心模型、空间自相关分析和地理探测器,研究了2016年中国东部O₃浓度的时空变化规律,揭示了气象因素和前体物对中国东部O₃浓度空间分布格局及其演变的影响.结果表明：（1）O₃浓度变化可分为3个阶段：1~3月为低值上升阶段、4~9月为高值波动阶段、10~12月为低值下降阶段,O₃污染主要发生在高值波动阶段,超标天数占全年的96.0%.（2）气象因素是影响O₃年均浓度空间分布格局的主导因素,受降水、相对湿度南高北低和日照时数北高南低的影响,O₃年均浓度总体呈北高南低的态势;前体物对O₃年均浓度分布也有显著影响,是城市群核心城市形成局部O₃污染中心的原因.（3）O₃月均浓度分布格局经历了由北高南低到南高北低的演变过程,1~6月O₃浓度总体重心和高值重心向北迁移,6月达到最北,北高南低的特征最强,环渤海地区成为O₃污染最严重的区域;7~12月,O₃浓度总体重心和高值重心向南迁移,12月达到最南,O₃浓度分布格局演变为南高北低.3~9月雨季期间,O₃浓度分布主要受降水和相对湿度的影响,其余时间主要受气温的影响.（4）前体物对O₃浓度分布的影响主要通过气象条件实现,气温越高,光化学反应越强,前体物的正向影响力越大;气温越低,光化学反应越弱,NO_x、CO、SO₂等化学性质活跃的前体物对O₃可能起消耗作用.     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

泛长江三角洲城市旅游绩效空间格局演变及其影响因素

城市旅游绩效是综合衡量城市旅游业生产活动过程和效果的重要手段。论文基于旅游发展规模和质量视角,利用旅游业绩指数和Bootstrap-DEA测算泛长江三角洲城市旅游绩效,并采用空间变差函数和SDM探讨城市旅游绩效的格局演变及其影响因素。结果表明：1）区域城市旅游业绩和效率呈现相异的空间格局,城市旅游业绩高值区分布于上海、杭州和南京等中心城市及其邻近地区,低值区多位于皖北和苏北地区;城市旅游效率高值区逐渐呈现“皖北—苏南—上海—皖南—浙东”的“Z”字形分布,低值区不断向苏中、苏北和皖中地区集聚。2）区域城市旅游业绩和效率格局的演变过程存在明显差异,城市旅游业绩格局发生变异的随机成分不断降低,而旅游效率格局的结构化变异逐渐增大;城市旅游业绩的空间差异在不断缩小,各方向上的差异较为稳定,而旅游效率格局的空间差异先减小后增大,各方向上的差异切换频繁。3）区域城市旅游绩效的格局演变与城市经济发展、产业结构、交通条件、信息技术、市场化和城市化等多种因素有关,各影响因素及其空间效应强度的差异引致区域城市旅游业绩和效率格局呈现不同的演变轨迹。     

东北地区工业污染时空格局演变研究

基于东北地区2003—2015年地市层面工业废水、工业SO2排放数据,采用标准差椭圆、地理集中度指数,从宏观及微观两个角度分析东北地区工业污染时空格局演变特征,并对工业发展与工业污染演变协同关系展开研究.结果表明,2003—2015年间东北地区两种工业污染排放量及占全国比重均有所提升,工业污染尤其是工业SO2污染对生态环境胁迫逐渐增大;标准差椭圆结果显示,工业污染在空间上均呈南(偏西)-北(偏东)方向分布,工业污染重心轨迹迁移存在相似性,工业SO2污染空间集聚程度高于工业废水;工业污染地理集中度显示,地市层面工业污染集聚情况呈南高北低的空间分布特征,研究期内工业污染集中度高值区分布范围明显收缩,空间特征得到强化;东北地区工业发展与工业污染空间形态演变存在相似性,空间形态上的差异逐渐减弱.分地区看,东北地区中部工业环境绩效最高,而工业污染集中度较低的北部工业环境绩效偏低,局部上表现出工业发展与工业污染变化不一致的特点.最后分析了工业及工业污染空间格局演变趋势及北部地区工业发展与工业污染变化不一致的原因.     

东北地区植被时空演变及影响因素分析

基于2000~2020年MODIS NDVI遥感数据,辅以气象数据和土地利用数据,通过小波分析、Sen+Mann-Kendall趋势分析、Hurst指数、偏相关分析及残差分析法,以不同地形地貌为单元,对不同周期阶段下东北地区植被时空演变特征及其对气候变化和人类活动的响应机制进行深入解析.结果表明:时间上,21a间东北地区植被NDVI呈速率为0.0308/10a(P<0.001)的上升趋势,以16a第一主周期下10a左右的周期变化最为稳定;空间上,东北地区植被NDVI整体处于较高水平,但空间分异明显,呈“西南低东北高”的格局.各周期阶段均为NDVI改善面积大于退化面积且改善范围不断扩增.NDVI未来变化趋势主旋律为持续改善,占总面积的63.56%;响应机制上,东北地区植被NDVI受气候变化与人类活动共同影响.2000~2020年NDVI与气温、降水和相对湿度呈正相关,与日照时数呈负相关,其中降水对NDVI的影响作用最强,且随周期演替以降水为主导气候因子的面积显著递增.各周期阶段人类活动对NDVI变化均以正向促进为主,林业工程实施是植被状况改善的关键,而建设用地扩张是植被减少的主要原因.     

地理探测器方法下北京市人口空间格局变化与自然因素的关系研究

人口空间分布具有尺度特征,从乡镇街道尺度研究自然因素对城市人口空间格局的影响有利于得出更精细的结果,并为城市人口合理布局和规划提供科学依据。论文利用第五、六次人口普查乡镇街道数据,分析北京市人口空间格局特征,利用地理探测器研究自然因素对人口分布的影响。研究表明：1）自然因素对不同类型人口空间格局影响具有差异性。对常住人口作用强度由大到小的自然因素分别是适宜建设用地面积、地形起伏度、坡度、海拔高程和河网密度,对外来人口作用力由大到小的自然因素分别是地形起伏度、适宜建设用地面积、坡度、海拔高程和河网密度;2）自然因素对不同地区人口空间格局影响具有差异性。除适宜建设用地面积外,坡度和河网密度分别对六环内、外区域人口密度影响较大。高程和地形起伏度对六环外人口格局作用力高于六环内地区;3）两类自然因素叠加对人口密度作用的强化方式体现为因素相互协同或因素作用力非线性增加。5类自然因素对人口密度的影响力交互作用探测值为1,各类自然因素对城市人口空间格局的影响力协同增强。     

河北省应急避难场所空间分异格局及其影响因素研究

为提升应急避难场所空间布局的科学性,以河北省应急避难场所为研究对象,采用平均最邻近分析、地理集中指数、洛伦兹曲线、核密度分析等方法分析了河北省应急避难场所空间分布特征,运用\"地理探测器\"模型探究其空间分异影响因素.结果表明:(1)河北省应急避难场所的空间分布类型为集聚型;空间分异格局整体呈现不均匀分布状况;张家口市、唐...     

东北地区粮食单产空间格局变化及其动因分析

基于东北地区183个县级行政区域的统计数据,运用数理统计和GIS空间分析等方法,分析1980-2005年该区粮食单产变化空间变化特征及其动因,并划分粮食单产变化的空间类型。结果表明：①粮食单产水平较高的县域主要集中在松嫩平原黑土区和辽河平原区,单产水平较低的县域主要分布在松嫩平原北部、大小兴安岭、长白山地丘陵区和三江平原区;②区域粮食单产总体呈增长态势,单产水平增加的县域占有绝对控制地位,约占全部县域的83.61%;③粮食单产变化的区域差异显著,单产水平较高的区域总体有由中部平原区向周边低山丘陵区扩张的趋势,单产水平较低的区域总体呈由东北地区南部向北部减缩的趋势;④农业投入变化是粮食单产格局变化的主要动因,农产品价格的影响不断扩大,自然灾害和农民收入变化的影响不容忽视;⑤依据1980年粮食单产和1980~2005年粮食单产平均增长率,可将东北地区粮食单产变化划分为5种空间类型。指出加快农业现代化建设、加强中低产田改造是提高区域粮食综合生产能力和增强粮食安全保障能力的主要途径。     

四川盆地臭氧浓度空间分异及驱动因子研究

为揭示四川盆地臭氧（O₃）的空间分布格局及其驱动因子,通过对2015~2017年四川盆地18城市82个国控环境监测站的O₃浓度观测数据,使用空间自相关,空间热点探测及地理探测器等地统计方法分析研究.结果表明：2015~2017年四川盆地O₃浓度总体呈现上升趋势（由2015年的（79.95±18.82） μg/m³上升到2017年的（88.64±11.67）μg/m³）,污染态势逐年加重.盆地中西部成都,资阳,雅安等城市O₃浓度最高,且高值区范围逐年扩大.O₃浓度的空间分布呈现出显著的聚集性规律（空间正相关,Moran's I指数大于0）,且年聚集区（H-H聚集区或L-L聚集区）主要呈现为H-H聚集区分布在盆地中西部,L-L聚集区分布在盆地东南部.此外,年聚集区的年际变化与浓度变化态势基本一致,即O₃浓度上升（降低）的区域转变为H-H聚集区（L-L聚集区）.基于地理探测器定量分析了二十个社会经济及自然驱动因子对O₃浓度空间分异的影响,结果显示社会经济因子占主导作用,其中城建用地占区面积比重（驱动值,q=0.5734）,人口密度（q=0.5479）的驱动作用最为突出,自然因子中年降水量（q=0.4592）具有最显著的驱动作用;地理探测器双因子交互对O₃浓度空间分异的影响有明显的交互增强作用（每个单因子q值平均增大了1.5~2.1倍）,且交互均值（即各因子交互q值的均值）与最大交互值逐年增大.在使得交互值达到最大驱动值的双因子中,出现频率最高的是人口密度（7次）和工业烟粉尘排放量（7次）.     

中国代表性滑雪场网络关注度时空演变及影响因素

基于百度指数数据,运用指数测度、空间地理分析、回归模型和地理探测器,对2011—2019年中国大陆26个代表性滑雪场网络关注度的时空演变特征及影响因素进行分析。结果表明:(1)时间演化上,网络关注度呈先增后减且逐渐平稳的规律。2015年、2016年为峰值年份,季节性差异明显,共两个波动峰值且为“南北为单,中东为双”的分布格局。(2)空间特性上,全国和地区均为先增后减特征,地区差异显著;变异程度先降后增并趋于稳定,全国分布相对稳定平衡,地区分布呈不稳定集聚特性。省区冷热区域分布总体呈“东北热—西南冷”格局,层级变化以稳定型为主。(3)滑雪场层面上,滑雪场总体偏好层级变动较大,高偏好保持稳定领先,其余层级以下降变动为主。滑雪场冷热点分级呈“北热南冷”的格局,东北、华北两个热点集聚区域演变较为稳定。(4)影响因素上,需求侧影响因素排序为滑雪消费吸引力>受教育程度>经济发展水平>信息化水平>滑雪场建设水平。供给侧的滑雪人次占比、滑雪经济贡献、客运承载力、冰雪旅游资源丰度、官方媒体建设水平解释力较强,其他因素影响并不显著。     

安徽省O3浓度时空分异及其驱动因素研究

基于2017—2018年安徽省132个空气质量监测站点的O₃浓度观测数据及各月份的气象与前体物排放数据, 采用空间自相关分析、地理探测器等方法分析安徽O₃浓度的时空分异及其驱动因素. 结果表明:安徽O₃浓度的峰值出现在5月和6月, 超标率分别为31.4%和42.8%. O₃浓度整体呈空间集聚特征, 高值区主要出现在安徽东北部的蚌埠、宿州、淮南和滁州4市, 低值主要分布在皖南山区. 气象要素是安徽省O₃浓度格局形成的主控因素, 其中6月的边界层高度(q=0.644)、近地面太阳辐射(q=0.597)和风速(q=0.571)的影响最大, 且呈正向影响, 风速的增大和边界层高度的增加可能使得输入性污染增加. 降雨量(q=-0.532)和相对湿度(q=-0.559)呈负向影响, 且降雨带的移动是影响安徽夏季O₃分布格局的一项关键因素. 本地前体物排放对安徽O₃浓度的影响受到气象要素的驱动, 在夏季呈正向, 而冬季呈反向, 其中CO的影响相对较大. 6月气象要素与本地前体物排放的双因子交互驱动对O₃浓度的空间分异具有增强作用. 边界层高度和近地面太阳辐射与本地前体物的组合解释力均大于0.7, 在不利的气象条件下, 应进一步加强对本地前体物排放的管控.     

中国城市O3浓度时空变化特征及驱动因素

基于2015～2017年O_3浓度监测数据,采用克里金插值、空间自相关分析、热点分析和地理探测器等方法,研究了中国城市O_3浓度的时空变化特征及驱动因素.结果表明:①2015～2017年中国城市O_3污染逐年加重,年评价指标超标城市由74个增加到121个,平均超标天数比例由5. 2%上升到8. 1%.②O_3污染主要发生在4～9月,超标天数占全年总超标天数的87. 5%～95. 3%. 5～7月O_3浓度上升最快、污染最严重,超标天数比例由2015年的10. 6%上升到2017年的20. 5%,2017年83. 0%的中度污染和91. 0%的重度污染发生在5～7月.③华北平原O_3浓度的持续上升,已将京津冀和长三角地区O_3高污染区连成一片,形成了包括环渤海地区、中原城市群、长三角城市群、山西、关中地区和内蒙古中部集中连片的O_3高污染区,是我国O_3污染最严重的区域.珠三角、成渝城市群和华东地区南部O_3浓度上升也较快,成渝城市群的核心城市已初步形成我国新的O_3污染中心.④O_3浓度空间集聚性逐年增强,年度热点主要分布在华北平原和长江中下游地区,冷点主要分布于东北、西南及华南地区.⑤地理探测器分析表明,气象、工业化、城市化因素和O_3前体物排放量因子对O_3浓度分布均有显著驱动作用,但不同地区O_3浓度的驱动因素存在差别,同一因子在不同季节的驱动作用也不尽相同.     

沈阳市O3时空分布特征及其与NOx的相关性研究

利用2013年沈阳市11个空气质量自动监测站的大气O3自动连续监测数据,对O3浓度的区域分布、季节变化、日变化及其与NOx相关性等特征进行分析.结果表明,中心城区O3浓度低于外围.O3和大气氧化性OX（O3＋NO2）浓度在午后15：00左右出现峰值,NOx呈双峰态日变化,在7：00和23：00左右出现峰值.不同季节污染物的浓度变化存在差异,O3和NOx浓度分别在夏季与冬季达到最大.NOx浓度存在200 μg/m3左右的“分界点”,NOx低于分界点时以NO2为主,高于分界点时NO占大部分.OX区域贡献主要受区域背景O3的影响,局地贡献主要受局地光化学反应制约.     

城市大气臭氧柱浓度时空变化研究——以天水为例

城市臭氧发生发展规律的研究将为城市环境管理提供理论依据。文章利用卫星OMITO3e数据产品,解译和分析了天水市2006~2014年臭氧柱浓度的时空动态信息。结果表明:(1)空间分布呈现东北、西北高,中部、南部低的倒\"V\"字形;(2)年变化呈单峰曲线,从2006年至2010年为上升期,每年的增长率为3.98%,2010年至2014年为下降期,年均下降率为2.52%;(3)四季变化明显分为两个阶段,前三年为冬季春季夏季秋季;后六年以夏、春季变化为主,冬、秋季为辅,夏季春季冬季秋季。夏、春两季在第二阶段明显升高与当地经济的快速发展有密切的关系;(4)9年间臭氧柱浓度平均值为301.177 DU,最大值为325.829 DU,最小值为279.093 DU,臭氧柱浓度指示的多年空气质量等级为良好。     

京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、...     

兰州地区大气臭氧时空变化及影响因素研究

本文采用OMI臭氧遥感数据,结合甲醛垂直柱浓度、气象数据以及经济数据,分析了2005~2015年兰州地区臭氧柱浓度时空变化格局,并探索了影响臭氧的新气象因子,总结达到臭氧污染的日照、气压等气象条件,确定影响臭氧柱浓度的主要人为源并确定其限域。结果表明:1)2005~2015年夏季柱浓度值最高,冬季、秋季次之,春季最低;夏季波动幅度最大,其余三季波动幅度较小且平稳。2)11年中,臭氧柱浓度具有较大的波动。2005年至2010年快速增长到最高值331.997 DU。2010年之后,臭氧柱浓度缓慢下降,2014年起有回升趋势。3)OMI遥感数据具有较高的可靠性,并根据AQI的线性关系划分了臭氧柱浓度的污染等级。结果指示了11年大气臭氧空间变化,2005~2009年5年间研究区全区空气质量一直处于良,2010年全区轻度污染,后两年污染逐渐减弱,2013~2015年全区恢复至良。4)根据兰州发展的趋势以及周边城市的关系,划分了兰州经济圈及功能区,并结合臭氧柱浓度空间分布图得出臭氧污染与经济特征的密切关系。5)正弦模型拟合后臭氧柱浓度变化趋势呈不明显的周期性,说明臭氧的人为来源贡献较大。6)创新探索影响臭氧污染的新气象因子(日照、气压等参数),并确定其重要人为源限域。     

基于地理探测器的中国夏季臭氧空间分布影响因素检测

为研究中国不同区域臭氧浓度空间分布的影响因素,基于2019年夏季臭氧监测数据以及主要气象因素、直接排放因素和社会经济因素这3类影响因素,利用地理探测器方法量化了各类因素对臭氧空间分异性的影响程度,并进行了区域之间的对比.结果表明,2019年夏季臭氧浓度空间分异性受主要气象因素影响最大,平均影响程度达到了0.277;相对湿度在气象因素中占主导地位,影响程度达到0.415.气象因素的影响程度由东北地区和西部地区向中部地区递增.社会经济因素的影响除高原气候区较低外,从北至南呈现递增趋势.对双因子交互作用的研究发现,气象因素中平均风速对其它因素影响程度提升最大,且存在较大的地区差异.社会经济因素中人口密度对其它因素影响程度提升最大,是驱动其它因素产生地区差异化的关键因素.研究结果有助于认识中国不同区域臭氧浓度空间分布的主导因素,对臭氧污染的防控治理有指导意义.     

中国农业温室气体排放时空异质性的影响机制解析

农业温室气体减排在应对全球气候变暖有着重要的地位,研究并揭示农业温室气体排放的时空特征和影响机制对于实现农业绿色低碳发展目标具有重要意义.通过核算中国2000～2020年31个省(市、自治区)农业温室气体排放,采用地理探测器和空间计量分析等方法探究了影响农业温室气体排放的时空演变特征和驱动因子.结果表明:①2000～2020年中国农业温室气体排放呈现\"缓慢上升-大幅上升-大幅下降\"的发展历程;②农业温室气体排放空间异质性显著,空间上形成了3个高排放区:以河南为中心的中部高排放区域,以广东为中心的南部高排放区域和以四川为中心的西南部高排放区域,重心出现向北和向西转移的趋势;③乡村人口、地区生产总值和农业产值是引起农业温室气体排放空间异质性的主导驱动因子;④农业温室气体排放具有空间溢出效应,各地区在制定农业温室气体减排目标时,需要采取协同控制策略.     

中国地表水氟化物时空分布特征初步研究

氟是一种常见的化学物质,摄入过多或过少都会造成危害。以2020年国家地表水环境质量监测网监测数据进行分析,氟化物年均浓度介于0.016～4.448mg/L之间,满足地表水Ⅲ类水质标准(<1.0mg/L)断面数占97.7%。淮河流域地表水氟化物平均浓度为0.610mg/L,为各流域中最高;西南诸河地表水氟化物平均浓度为0.190mg/L,为各流域中最低。长江、珠江流域月度波动幅度较小,西北诸河、辽河流域月度波动幅度较大。影响地表水氟化物浓度水平的主要因素包括高氟地质背景、地下水流动补充、有利于氟富集的地形地貌和气候气象等自然条件,以及工农业污染和污染治理设施不完善等人为原因。