论文部分内容阅读
PM2.5空气污染对人类健康存在严重危害,随着近年来空气污染的不断加剧,对PM2.5所造成污染的控制也受到国际上的广泛关注与讨论,PM2.5的时空分布以及影响因素研究也成为了学术界的研究重点。对PM2.5时空分异的研究及模拟对于PM2.5造成污染的现状以及污染范围的划分具有重要作用,而对PM2.5影响因素的研究对管理部门采取污染控制的举措具有很大的辅助作用。地理信息系统从20世纪60年代至今,其空间分析能力不断提升,应用领域不断拓宽,为环境保护方面的研究提供了很大的帮助。回归分析等统计学方法也是研究各因子之间相互关系中的常用方法。本文以PM2.5人口暴露的时空分异以及影响因素为研究目标,结合地理信息系统的空间分析能力以及统计学中的回归分析模型,得出了多个结论。本文主要进行了两个方面的研究:(1)两种PM2.5人口暴露风险评价体系的研究。一是以2016年长三角PM2.5空气质量为主的人口暴露风险情况。本文结合长三角城市群范围内空气监测站点数据,进行空间自相关分析,并采用反距离权重插值法以及要素提取实现了PM2.5浓度数据的空间化。二是以POI加权后的人口数据结合PM2.5空气质量浓度数据计算PM2.5人口暴露风险(PWEL)情况。本文结合这两种风险评价体系对长三角城市群2016年的PM2.5人口暴露风险的时空分布特征进行了可视化表达与分析。(2)对PM2.5人口暴露风险的影响因子进行研究。本文从城市规模、工业活动以及居民生活三个方面构建了指标体系,验证了8项与PM2.5相关的统计指标与人们所承受的暴露风险之间的相关关系。研究得出的主要结论如下:(1)阐明了基于PM2.5浓度的人口暴露风险以及基于POI加权的PM2.5人口暴露风险状况下的时空变化规律。在时间上,两种评价体系计算出的暴露风险均具有“秋冬高,春夏低”的特点,并且冬季>秋季>春季>夏季,但前者最高值出现在2月,后者最高值出现在1月;空间上,两种评价体系均呈现“沿海低,内陆高”的态势,其年均值表现为安徽省>江苏省>浙江省>上海市,前者最高值出现在安徽铜陵市,后者最高值出现在滁州市,最低值均为舟山市。(2)本文从城市规模、居民活动以及工业活动三个方面选取了8个因子对PM2.5污染进行了影响因素的分析,得出工业活动是造成PM2.5污染的最主要原因,其次是居民活动,城市规模的影响最小。本文的主要研究意义是使用了地理空间分析工具模拟出PM2.5时空分异规律,从不同时空尺度对PM2.5污染的集聚进行描述,长三角城市群的暴露程度在两种评价体系中呈现出不同的效果,但都存在明显的区域差异和季节差异,并存在高低聚集的特点;以及利用回归分析模型探究了影响人口暴露的主要因素。