论文部分内容阅读
PM2.5的准确空间信息对于空气污染控制和流行病学研究至关重要,土地利用回归(LUR)模型已广泛用于预测地表PM2.5的空间分布。然而,由于有限的地面观测,LUR模型的预测PM2.5空间模式尚未得到充分研究,气溶胶光学厚度被应用在获取大面积空间连续PM2.5浓度的研究中。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,详细、准确了解中国PM2.5的时空分布,揭示其分布的内在机理及传输规律,挖掘中国2015年空气细微颗粒物的时空变化特征及其与不同地理要素相互关系。本研究首先基于传统土地利用回归建模的思想,以监测站点PM2.5浓度为因变量,土地利用类型、地形地貌、人口、道路交通、气溶胶光学厚度、归一化植被指数以及7种气象因子等不同地理要素为自变量,构建得到普通最小二乘的LUR模型;使用逐步回归的结果建立基于地理加权的LUR模型与传统最小二乘LUR模型进行对比;然后对不同类型模型的拟合结果与评价指标进行分析,全面验证了 LUR模型的空间模式;最后完成中国2015年月均与年均PM2.5浓度空间分布回归制图,分析探索2015年中国PM2.5浓度的时空分异规律、分析大气污染防治重点控制区域PM2.5浓度变化规律。本研究得出以下几点结论:(1)在国家尺度的PM2.5浓度分布拟合研究中,逐步回归和OLS模型的评价指标表明模型整体上是显著的,地理加权回归的拟合结果、Moran’s I指数与残差分布等评价指标表明模型拟合很好。引入地理加权回归的LUR模型更好的表达了 PM2.5浓度与不同地理要素之间的联系,在一定程度上揭示了不同时间、不同区域各类地理要素对PM2.5浓度的作用情况,模型表现出了更强的适应性。(2)不同变量在不同时空对PM2.5浓度的影响程度存在显著差异,土地利用类型、气溶胶光学厚度、气象要素是影响PM2.5浓度变化的决定性要素。城乡工矿居民用地类型参与了绝大多数模型的构建,是分析预测PM2.5浓度变化的重要影响因子。气溶胶变量在所有模型中的相对权重值都比较高,与PM2.5浓度的关系十分密切,是模拟PM2.5浓度的重要因子。不同气象因子随着季节的变化在不同月份对PM2.5浓度的影响程度各有差异,气象要素对PM2.5浓度的影响是非常显著的。(3)研究表明国家尺度的PM2.5浓度分布存在显著的时空差异性,胡焕庸线两侧的污染物浓度呈现出截然不容的分布格局。人口密度线的南部人口密度大、工业化水平高以及农业产业突出的东北平原等地区PM2.5浓度较高;冬季PM2.5浓度偏高,进入春季后PM2.5浓度降低,污染情况逐渐好转。(4)与单一使用卫星遥感图像的气溶胶光学厚度产品相比,以地面监测站点数据为基础融合多源要素引入地理加权回归建模方法拟合的PM2.5浓度更加准确和科学。