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。     

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。     

长江经济带PM2.5分布格局演变及其影响因素

2000年以来,长江经济带高强度的人类社会经济活动引发了严峻的环境污染问题,灰霾污染尤为严重.研究该区域PM_2.5浓度的时空格局与影响因素是落实新发展理念、推进区域大气污染综合防治的迫切需要.本文基于遥感反演数据,研究了2000～2016年长江经济带PM_2.5浓度分布格局的演变过程,利用地理加权回归模型揭示了自然和社会经济因素对其影响的时空非平稳性.结果表明:①PM_2.5浓度分布总体表现为东高西低,且城市群污染特征明显.②以2007年为界, 2000～2016年PM_2.5年均浓度经历了逐年上升和波动下降的过程,年均浓度由27.2μg·m^-3上升至44.1μg·m^-3后, 2016年降至33.6μg·m^-3.污染范围则先由长三角城市群、长江中游城市群和成渝城市群核心区域向四周快速扩展, 2007年后开始往回收缩.③空间自相关分析表明,PM_2.5浓度分布有显著的正空间自相关性,热点持续稳定地分布在上海、江苏、安徽中北...     

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.     

京津冀区域臭氧时空分布特征及其背景浓度估算

为研究京津冀区域臭氧时空分布特征,并估算区域传输贡献,对2017~2019年京津冀区域68个国控站点资料进行主成分分析,并采用TCEQ法估算京津冀区域及细分的次区域内O₃背景浓度.结果表明,京津冀区域O₃浓度整体上呈现南高北低态势,地理位置的差异及其距离对于各城市臭氧浓度的均匀性分布影响较大.经最大方差法旋转后,主成分分析结果可将京津冀区域划分为河北省中南部、京津冀北部以及渤海西岸地区等3个稳定的次区域.对3个次区域分别采用TCEQ法估算O₃背景浓度,计算得到3个次区域本地生成O₃浓度依次为71,60,59μg/m³,区域背景浓度占O₃日最大8h浓度的比值依次为34.3%,39.4%,42.2%.京津冀区域O₃本地生成占主导,区域传输也不容忽视.     

长三角地区近15年大气臭氧柱浓度时空变化及影响因素

基于OMI遥感数据,分析了2005-2019年长三角地区O3柱浓度的时空分布特征及影响因素,同时采用后向轨迹(HYSPLIT)模型进行对流层O3来源的解析.结果表明:①从时间分布来看,15年间O3柱浓度年际变化呈先上升后下降的变化趋势,其中,2005-2010年呈上升趋势,2010-2019年呈下降趋势,2010年和2...     

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、...     

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.     

京津冀地区道路碳排放量的演变及空间分布

以机动车碳排放模型为基础,结合不同类型机动车存活曲线,建立分车龄的车队构成,并利用年均行驶里程和燃油消耗量,分析了京津冀地区2005～2020年道路碳排放量的演变及区域分布特征.结果显示,河北省道路碳排放量增长迅速,近5a仍以7.14%的年均增长率快速增长,而北京和天津两市的道路碳排放已经进入低速增长期,近5a的年均增长率分别仅为1.01%和2.27%.小型客车一直都是道路碳排放的主力车型,其碳排放量占京津冀道路碳排放总量50%以上;轻型货车在北京市道路碳排放中的贡献越来越突出,而河北和天津两地轻型和重型货车正在逐渐发展为道路碳排放增长的主要驱动因素.从京津冀道路碳排放的4km×4km网格分布图可知,因北京和天津拥有更密集的道路,其碳排放强度远高于河北省.     

哈尔滨市臭氧时空分布特征及气象要素的关系

利用2015~2018年哈尔滨市臭氧（O₃）监测数据，与其他典型城市进行对比，详细分析了哈尔滨市O₃的时间和空间分布特征，及其与气象要素的关系。结果表明：哈尔滨市2015~2018年O₃污染程度比北上广及长春，沈阳，大连等城市轻；哈尔滨市O₃污染具有明显的季节特征，春夏季O₃超标率大于秋冬季；月变化趋势呈现倒“U”型，O₃高值集中在5~7月；日变化为单峰分布，在13：00~15：00时浓度维持在全天高值； O₃浓度表现为“周末效应”，工作日O₃浓度略高于周末；空间分布特征表明：哈尔滨市外围郊区O₃浓度普遍高于内围市区；在O₃污染高发的5~7月，太阳辐射强度在800~1200W/m²、气温越高、风速越大和相对湿度越小，O₃超标率越高。     

近三年中国甲醛时空分布特征及影响因素分析

近年来,研究大气污染物的时空分布特征及影响因素分析已成为环境科学领域研究的热点问题.本文基于OMI甲醛垂直柱浓度数据产品,结合各省市气象、植被、人类活动等数据,对全国2015—2017年甲醛柱浓度时空分布特征及影响因素进行了研究.结果表明,全国甲醛柱浓度分布极不均衡,整体呈现自东南沿海向西北递减的趋势,此外在新疆与西藏的小部分地区存在高值区域.3年来全国甲醛柱浓度为整体上升,且变化率在-1.02～1.46之间,其中全国81%地区呈上升趋势,19%地区呈下降趋势.全国甲醛柱浓度季节性变化规律表现为夏季春季秋季冬季.甲醛柱浓度时空分布受气象因素影响,整体上与气温、降水呈正相关,但部分地区降水对甲醛有消减作用;甲醛柱浓度也与植被量呈正相关,如植被丰富的西藏地区及我国东南部,植被对甲醛柱浓度的影响显著.全国大多数省份甲醛柱量与地区生产总值、汽车保有量呈显著正相关,人类足迹分布模式与甲醛柱浓度空间分布的一致性较高,指示在城市发达地区,人类活动和经济发展、汽车尾气是导致甲醛柱浓度增高的主要原因.